異なる報酬計算の細胞型特異的な集団動態
Emily L Sylwestrak1, YoungJu Jo2, Sam Vesuna3
1Department of Biology, University of Oregon, Eugene, OR 97403, USA; Department of Bioengineering, Stanford University, Stanford, CA 94305, USA; Institute of Neuroscience, University of Oregon, Eugene, OR 97403, USA.
Cell
|September 16, 2022
まとめ
研究者らは計算分析をトランスクリプトミックの細胞型学と統合し,ハブンヌラを研究した. TH+とTac1+細胞を含む 異なるニューラル集団は 報酬のシグナルと結果をコードし 脳機能の洞察を明らかにします
科学分野:
- 神経科学
- コンピュータ生物学
- 遺伝学
背景:
- 計算分析とトランスクリプトミックの細胞型学は独立して進歩した.
- これらの領域を統合することは 脳のメカニズムを理解するために不可欠です
- ハベンヌラは,その多様な特徴により複雑なモデルを提示します.
研究 の 目的:
- 計算分析をハブンヌラのトランスクリプトーム細胞型学と統合する.
- 報酬処理に関与する遺伝的に定義されたニューラル集団を特定する.
- 神経活動ダイナミクスの計算モデルを開発し,検証する.
主な方法:
- ハブンヌラのトランスクリプトミックのデータに 計算分析を適用する
- 遺伝的に標的とした 電気生理学的記録を用いて
- 非線形ダイナミックシステムのモデルを訓練する.
- オプトジェネティクスや インビボ実験を行う
主要な成果:
- 報酬のシグナルとアウトカムをコードする異なるニューラル集団 (TH+とTac1+細胞) を特定した.
- 線形アトラクターダイナミクスを明らかにする非線形ダイナミックシステムモデルを開発した.
- 細胞型特異の電気生理学と光遺伝学によるモデル予測の検証
- Tac1+細胞の機能をリバースエンジニアリングして 報酬の歴史を統合する.
結論:
- コンピューティング・モデリングと細胞型特異的な分析を組み合わせた統合的アプローチは,脳機能を研究するのに有効です.
- この方法論は,生物学的システムに対する テスト可能な仮説を生成します.
- 報酬の処理に特異的な役割を担っている.
