相关实验视频
Updated: Sep 14, 2025
09:55
Neuroimaging-Guided TMS–EEG for Real-Time Cortical Network Mapping
Published on: June 13, 2025
1.1K
一个SMARTTR工作流程用于多组图谱映射和全脑网络分析
Michelle Jin1,2, Simon O Ogundare1,3, Marcos Lanio1,4
1Medical Scientist Training Program (MSTP), Columbia University Irving Medical Center (CUIMC), New York, United States.
eLife
|July 25, 2025
概括
我们开发了一种新的工作流程和R包 (SMARTTR),用于对多个基因活动模式进行大脑范围的映射. 这个工具揭示了不可避免的冲击如何改变大脑网络的学习无助感,影响空间和情感处理.
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:
- 活动依赖策略对记忆的理解有所提高.
- 仅有有限的工具可用于对多个神经元组合及其重叠进行大脑范围的映射.
- 目前的方法中缺乏下游网络分析能力.
研究的目的:
- 引入可扩展的工作流程,用于从活动依赖标记系统中分析多组数据集.
- 为了介绍SMARTTR,一个R包用于地图集的注册,统计分析和网络可视化.
- 为了证明工作流在绘制与学习无助相关的神经合奏的实用性.
主要方法:
- 开发了一个可扩展的工作流程,用于分析冠状切断数据集.
- 创建了SMARTTR R包,集成映射,统计分析和网络可视化.
- 应用了工作流来绘制神经元组合在一个学习无助的小鼠模型.
主要成果:
- 不可避免的冲击 (IS) 降低了空间/上下文区域的中心性,增加了体感/情感区域.
- 黑色物质在学习无助的表达过程中变得有影响力,可能调节运动活动.
- 在皮质,海马和杏仁体区域中,IS抑制了集体活性,这表明学习无助的神经生物学特征.
结论:
- SMARTTR 工作流程能够对多组合的大脑活动提供新的见解.
- 网络分析揭示了与学习无助相关的大脑区域的显著变化.
- 压抑的集体反应可能是学习无助的关键神经生物学特征.
