コネクトームに制限されたネットワークは,ハエの視覚系全体で神経活動を予測します.

科学分野:

• 計算神経科学
• システム神経科学
• コネクトミックス

背景:

• 神経回路の接続性は測定可能ですが 神経回路のダイナミクスは測定できません
• 神経コンピューティングを 接続性だけで理解するのは 難しいことです
• 稀少な接続性は 生物学的ニューラルネットワークの普遍的な特徴です

研究 の 目的:

• ニューラル活動を予測し,接続データのみを使用してニューラル計算を理解します.
• 神経回路のメカニズムに関する仮説を生成するための戦略を開発する.
• 予測の成功における 稀な接続性の役割を調査する.

主な方法:

• フルーツフライの光学部分の接続性を用いて モデルニューラルネットワークを構築した.
• ディープラーニング技術を使用して未知の単一のニューロンおよび単一のシナプスパラメータを最適化します.
• 実験的なニューラル活動測定に対するモデル予測を検証した.

主要な成果:

• このモデルは視覚的な動きの検出のための 神経活動の予測に成功しました
• モデル予測は26の研究の実験データと一致した.
• 予測戦略は 神経の接続が少ない場合に より効果的であることが判明しました

結論:

• 接続データとディープラーニングを組み合わせると ニューラル活動やニューラルコンピューティングの理解を 予測できます
• この研究は 神経回路の機能に関する テスト可能な仮説を生成するための強力な戦略を提供します
• コネクトームデータから 神経回路の振る舞いを予測する能力を高めます