一个SMARTTR工作流程用于多组图谱映射和大脑范围的网络分析
Michelle Jin1,2, Simon O Ogundare1,3, Marcos Lanio1,4
1Medical Scientist Training Program (MSTP), Columbia University Irving Medical Center (CUIMC), New York, NY, 10032, USA.
bioRxiv : the preprint server for biology
|July 29, 2024
概括
一个新的工作流和R包,SMARTTR,可以在整个大脑中绘制多个直接早期基因 (IEG) 组合的图像. 这种工具揭示了压力如何影响大脑网络,识别了被压抑的集体重新激活作为学习无助的签名.
科学领域:
- 神经科学是一个神经科学.
- 计算生物学 计算生物学
- 系统神经科学 系统神经科学
背景情况:
- 活动依赖策略通过标记直接早期基因组合 (IEG) 来推进记忆研究.
- 现有的方法缺乏用于多组合和下游网络分析的全脑映射能力.
研究的目的:
- 引入可扩展的工作流和R包 (SMARTTR) 来分析和映射多个IEG集.
- 应用这个工作流程来理解学习的无助感 (LH) 的神经生物学基础.
主要方法:
- 开发了一种可扩展的工作流程,用于从活动依赖标记系统中分析冠状切割数据集.
- 推出了SMARTTR,这是一个用于组合映射,统计测试和网络可视化的R包.
- 映射的IEG组合在一个学习无助的小鼠模型中,涉及不可避免的冲击 (IS) 和上下文训练 (CT).
主要成果:
- 网络分析显示,与CT相比,IS后空间/上下文区域的中心性下降,体感/情感区域的影响力增加.
- 黑色物质在LH表达过程中变得非常有影响力,这表明它在运动活动调节中的作用.
- 不可避免的冲击 (IS) 显著降低了皮质,海马和杏仁体区域的整体活性,这表明LH的潜在神经生物学特征.
结论:
- SMARTTR 工作流提供了前所未有的多个 IEG 合奏和网络分析的全脑映射.
- 这种方法为压力和学会的无助感的神经生物学提供了新的见解.
- 压抑的集体反激活可能是学习无助的关键神经生物学标志物.
