Please enable JavaScript.
Coggle requires JavaScript to display documents.
研究内容 (解析Tips (ネットワークの特徴的な構造の定義 (ハブニューロン (培養・リッチクラブ発達論文
…
研究内容
解析Tips
対象とするチャネル
細胞体のみ
- 平均活動電位から pre-spike を持つものを除去
- GPFA や 発火数などでは綺麗に分離できない??
-
活動電位ピーク上位を用いる
- 矢田さんが Hidens 刺激 GPFA 検証の際に使用
- バーストGPFA軌道は 刺激誘発のものと類似しているかという点で2つに大別された
- バースト発火数分布 etc は 多峰性になっている様子
pre-Burst の定義
バースト前 N ms
- 100ms だとスパイクがそもそも存在しない例も
- N ms にして長さを可変に出来るように(とりあえず)
- 存在しない物は NaN に
-
細胞種類の判別方法
免疫染色して事後的に把握
- 全てのニューロンで確認できるわけではない
- 培養密度が濃すぎるとわからないことも
- 顕微鏡画像をつなぎ合わせて,Hidens 電位マップと比較しなくてはいけない
平均スパイク波形で判別
-
残したニューロン間で平均スパイク波形比較
- 細胞体のみを残すのであれば軸索を除去した後に判別方法を適用したほうが良いのでは
バーストの抽出方法
バッカムさん方式
-
抽出後の修正
- バースト開始時刻を切り詰めるか
- 100ms 以内のバーストを統合するか
その他
- ラスター上でのグラフ
- ネットワーク全体の発火頻度
- Avalanche 手法
TE算出
算出対象
- バースト
- 非バースト
- preバースト
- 全体バースト
閾値処理
TEpk , CI を用いた 領域閾値処理
- 領域分割数,棄却閾値の適切な設定
- jit 算出結果を引く
-
-
ネットワークの特徴的な構造の定義
ハブニューロン
海馬抑制ハブ論文
発火活動の相関によって結合推定
ノードの外向きリンク数の分布で上位40%に入るノード
培養・リッチクラブ発達論文
高いエッジ数や小さい平均パス長など色々定義があるが,Hub-score を定義
- nodal strength, betweenness centrality, local efficiency, participation coefficient の各4つの指標が全体の中で上位20%以内に入っていれば各1点,合計4点のスコアになる
サロゲートデータよりも高いスコアを一貫して出せばハブとみなす
betweenness centrality
- 2ノード間の最短パスがどれだけそのノードを通るか
- 数が大きいほど,ノード間の最短パスに含まれる
-
local efficiency
- ネットワークにおいてどれだけ情報が効率的に交換されるかの指標
- ノードの local efficiency は そのノードが取り除かれた場合,周りのノードによってどれだけ効率良く情報を交換できるかで定義される
- あるノードに直接つながっているノード同士で構成されるサブグラフの 最短パス長の逆数の平均 -> 大きいほど最短パス長が短く,周りの情報交換効率が良い と言える
疑問
- 普通は各ノードの値ではなく,ネットワーク全体で平均してネットワークの特性を表すものとして使われる
- local efficiency は そのノードが どれくらい効率的なノード手段に囲まれているか を 表すだけで,その効率にそのノード自体がどれくらい関わっているかは表していないのでは??
- clustering coefficient :周りのノードと構成されうる三角形の内,実際にはどれくらいの割合存在しているか を用いた方が良いのでは?? bet_cen と見ているものは変わらないか?? いや,特に自分と直接繋がる部分の モチーフに注目している
元論文説明
the local efficiency Eloc reveals how much the
system is fault tolerant, thus it shows how efficient the
communication is between the first neighbors of i when i
is removed
participation coefficient
- ネットワークを重なりの無い複数のコミュニティに分割した際,あるノードの各コミュニティに属するノードとの結合がどれくらいのコミュニティに分散しているかを表す.
- あるコミュニティに多く,他のコミュニティには殆ど結合していない場合は 小さな値になる
- 全てのコミュニティに均一に結合している場合は大きな値になる -> コミュニティ間のハブであると考えられる
コミュニティの作り方は様々な研究が存在する
Multiplex Networks Beggs 論文
海馬スライス TEから結合推定 ,ノードのエッジ数が,ランダムに作成したネットワークよりも高確率で多ければハブであるとする,
結合が強いニューロン
単一ニューロンバースト予測論文
ノードの外向き結合強度合計上位50%
結合強度算出手法が特殊か
コミュニティ検出
Infomap Algorithm
IIT論文定義
発火の相関によりネットワーク結合推定(長すぎる結合削除等いくつか前処理)
Infomap アルゴリズムで分割されたサブネット
分割のした結果全てを fCOM としているわけではなさそうだが不明,計算方法の方で何かしら分離する閾値があるのかも
-
リッチクラブ
Rich club Organization ~ Begss 論文あるITより大きな結合強度を持つニューロン間により強く互いに結合したクラブがあるか検証
全ノードの外向きITの内,特定の割合以上を占める少数のニューロンかつ,Normalized リッチクラブ係数1以上 となっている集団.70%以上? 20%のニューロンが70%以上の外向きITを平均的に占めている(スライス)(全ての閾値[60,70,80]で各解析を検証した)
Rich club ~ Rat Functional Brain 論文
分割した110脳領域間の活動のピアソン相関から, nodal strength(ノード毎のエッジ結合強度総和 out in ?) 平均+標準偏差 以上のかつ,その境界値以上でNormalized リッチクラブ係数が 1 以上
Emergence of Rich Club (培養, Rich Club発達論文)ある k より大きな結合次数を持つニューロン間により多くのエッジ数で結合したクラブがあるか検証
MUA(バースト時に近い)状態の時の活動情報のみからCrossCovariance で結合推定,結合を有効とみなす強度閾値を変えつつ解析,ノードの次数が k 以上のものでリッチクラブ係数を計算 サロゲートと比較でNomalized 計算 Normalized リッチクラブ係数が最大となる k でリッチクラブノードを決定
-
論文Tips
抑制性ハブxパターン
疑問
- ハブニューロン の定義はどうなっているのか
- パターンの定義はどうなっているのか
パターン生成とバースト生成が混ざっているので注意
パターンとはGDP(バーストの様なもの)が発生することであり更なる区別はしていない
- 刺激をすると GDPの発生頻度,周期に影響を与えるニューロンがいる
- GABA作動性神経細胞である可能性が高い
- 結合次数が高いニューロン(冪分布 上位40%)の中でも影響を与えるものと与えないものが存在
- 神経細胞の形態が異なる
ハブの定義:結合次数が高く,刺激をするとネットワーク活動に影響を与えるOperational Hub
- 相関結合ネットワークで他のニューロンとのコネクションの数の分布は冪分布 -> 上位40% ニューロンを HC とする
- HCニューロンのうち刺激をするとGDPに影響を与えるニューロンと与えないニューロンが存在
リーダーニューロン,領域論文
リーダー領域の解析はどのくらい詳細に行われているのか
- バーストのパターンごとに分かれている
- 興奮抑制,周囲との結合等の解析は行われているのか