一个条状MSN网络模型中的病理细胞组装动态.
Astrid Correa1, Adam Ponzi1,2, Vladimir M Calderón3
1Institute of Biophysics, National Research Council, Palermo, Italy.
Frontiers in computational neuroscience
|June 21, 2024
概括
研究人员模拟了中等状神经元 (MSN) 网络活动,揭示了缓慢,顺序的细胞组装模式是如何出现的. 这种模型有助于理解和诊断像帕金森病这样的基底腺的疾病.
科学领域:
- 计算神经科学是一种神经科学.
- 系统神经科学 系统神经科学
- 神经药理学神经药理学
背景情况:
- 条形体中的中等脊状神经元 (MSN) 在几分钟内表现出缓慢的,连续的细胞组装活动模式.
- 这种活动在帕金森病和动力障碍等病理中被破坏,与改变的MSN连接和皮质刺激有关.
- 了解这些长时间尺度背后的机制对于神经学研究至关重要.
研究的目的:
- 调查MSN网络活动中长时间尺度的出现.
- 开发一个复制观察到的MSN网络动态的计算模型.
- 建立一种使用神经活动数据诊断基底腺病理的方法.
主要方法:
- 扩展了以前的MSN网络模型,以纳入短期突触可塑性.
- 利用统一的多重近似和投影 (UMAP) 来分析细胞组装活动.
- 使用基于模拟的推理 (SBI) 训练一个深度网络,将活动特征映射到网络参数中.
主要成果:
- 该模型成功地在现实的条件下生成了非静止活动模式,其时间尺度 (分钟) 是缓慢的.
- 从模拟和实验性活体成像数据中,SBI准确估计了MSN网络参数.
- 与对照组相比,在来自帕金森氏症,皮层和功能障碍模型的制剂中,网络参数有显著差异.
结论:
- 这项研究提供了一个计算框架,用于理解条形状网络中的缓慢动态.
- 开发的管道显示出从神经增强数据诊断基底状腺疾病的潜力.
- 这种方法可以为针对神经疾病的向药理治疗的设计提供信息.


