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 …

- - - - 全ニューロンで平均スパイク波形比較
        
        三田さんの実験で検証された条件
      - 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
  - - - 抽出条件の ISI_N をどのように定めるか
        
        論文では 10 だが
      - 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
  - - - 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
      - ランダムネットワークから算出したものよりも大きい確率で閾値処理
  - - - 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
        
        nodal strength
        
        ノードの外向き結合強度の総和
        
        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，
    - - 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
    - - 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
      - Modular community
        ネットワークを，モジュール内のエッジ数を最大に，モジュール間のエッジ数を最小にするような重ならないモジュールに分割
    - - 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
- - - - 麻酔
      - ~ 脳摘出
      - 皮質切り出し
  - - - 今年の３月に新しく発注して作成
    - - 最後に作成したのは2016/4/14 -> 劣化している可能性
- - - - 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