Desde que surgiu, o computador vem sendo utilizado na modelagem de fenômenos em todas as áreas do conhecimento. Em neurociências, a modelagem computacional é utilizada para descrever, reproduzir e fazer previsões sobre o comportamento dos diferentes componentes do sistema nervoso. Assim como em outras áreas das ciências, este procedimento tem-se mostrado eficiente no estudo e aprimoramento das teorias a respeito da função cerebral. Com o crescente aumento do poder computacional, maiores e mais detalhados modelos podem ser construídos com um grau de realismo biológico cada vez maior. Neste trabalho, apresentamos modelos computacionais biologicamente plausíveis de neurônios corticais do sistema somestésico primário. Os modelos foram construídos com base no formalismo de Hodgkin-Huxley para a implementação de canais iônicos e na técnica de compartimentalização de Rall para modelar sua extensão espacial. Os parâmetros foram ajustados a partir de resultados experimentais 'in vivo' e 'in vitro' com neurônios, retirados da literatura. Os resultados das simulações mostraram que os modelos são biologicamente aceitáveis e de qualidade superior a de outros modelos construídos anteriormente, possibilitando a construção de modelos de redes neuronais em larga escala mais precisos.

Since its appearance, the computer has been used to model phenomena in all areas of knowledge. In neuroscience, computer modeling is used to describe, reproduce and predict behaviors of different components of the nervous system. As well as in other areas of sciences, this procedure has been shown to be efficient in the study and improvement of theories on brain function. With the increasing power of computers, larger and more detailed models can be constructed with an increasing degree of biological realism. In this work, we present biologically plausible computer models of cortical neurons from the primary somatosensory system. The models have been implemented based on the Hodgkin-Huxley formalism for ionic channels and the Rall´s compartmental technique for spatial extent. The parametrs have been adjusted based on in vivo and in vitro experimental results taken from the literature. Simulation results have shown that the models are biologically acceptable and of superior quality in comparison with previous models, allowing the construction of more precise large-scale neuronal network models.