El modelado matemático de redes neuronales conectadas sinápticamente es un instrumento establecido para obtener información sobre la dinámica de los conjuntos neuronales y el procesamiento de la información en el sistema nervioso. Recientemente, la señalización de calcio en las células gliales de los astrocitos que controlan el metabolismo tisular local y la homeostasis sináptica, y su efecto descendente correspondiente en la plasticidad sináptica y la neuromodulación, han aparecido en el centro de atención de los estudios de modelado. Aquí, utilizamos un modelado matemático basado en mecanismos para desentrañar las vías de señalización y los bucles de retroalimentación en la respuesta de calcio astrocítico a la noradrenalina, un neuromodulador importante que marca períodos de alerta y arousal elevados. El modelo propuesto se basa en una representación 2D basada en experimentos de la morfología astrocítica, sinapsis de glutamato aleatorias discretas con probabilidad de colocación definida por el patrón de morfología, y fuentes de noradrenalina espacialmente heterogéneas, reflejando varicosidades axonales de los axones adrenérgicos. Tanto el glutamato como la noradrenalina impulsan la dinámica de Ca en el astrocito de manera aditiva o sinérgica. Nuestras simulaciones replican la activación global de los astrocitos por la noradrenalina y predicen la generación de ondas de Ca de alta frecuencia de manera dependiente de la dosis y la preferencia de la origen de la onda de Ca cerca de los sitios de liberación de noradrenalina si se colocalizan con grupos de alta densidad de sinapsis de glutamato. Probamos bucles de retroalimentación positiva entre la liberación de noradrenalina y el derrame de glutamato directamente o mediado por la liberación de gliotransmisores del astrocito activado. Las simulaciones sugieren que el impulso estocástico acoplado por la liberación de glutamato y noradrenalina converge en la modulación graduada del nivel de IP, que se traduce en ondas de Ca de célula completa de diferentes frecuencias. Por lo tanto, el enfoque propuesto está respaldado por datos experimentales y puede usarse para abordar situaciones inaccesibles directamente por experimentos, y es un punto de partida para un modelo más detallado que incluya otros mecanismos de señalización que proporcionen retroalimentación negativa.