在 substantia nigra pars reticulata-An实验和 in silico 分析中的突触集成和竞争
William Scott Thompson1, J J Johannes Hjorth2, Alexander Kozlov1,2
1Department of Neuroscience, Karolinska Institutet, Stockholm 17165, Sweden.
概括
我们开发了一种小鼠 substantia nigra pars reticulata (SNr) 的计算模型,这是一个关键的基底质核. 这种in silico模型准确地复制了in vivo的发射模式,并解释了通过横向连接增加的矛盾活动.
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:
- 黑色质网状体 (SNr) 是基底的关键输出核,对运动控制至关重要.
- 它将信息从上游的基底腺结构和项目整合到中脑,脑干和乳头的目标.
研究的目的:
- 创建鼠标SNR的详细的in silico模型,结合其主要的 afferent输入.
- 在规模上模拟SNR电路动力学,并研究其活动模式背后的机制.
主要方法:
- 使用补丁记录和重建,对SNR神经元的电生理和形态特性进行表征.
- 在NEURON中开发多部分单个神经元模型,通过进化算法进行优化.
- 将单个神经元模型纳入使用Snudda的大规模电路模型中,具有现实的连接性和突触性质.
主要成果:
- 该计算模型成功地根据ex vivo数据复制了SNR神经元的体内发射模式.
- 模拟表明,SNR内的横向连接解释了在实验抑制期间神经元活动的矛盾增加.
- 该模型预测了基础质间接通路中短期突触可塑性的功能影响.
结论:
- 开发的in silico模型为探索SNR电路动力学提供了有价值的工具.
- 该模型阐明了侧向连接性和突触可塑性在SNR功能中的作用.
- 这种模型可以扩展,以纳入额外的输入,并与其他基底腺模型连接,以便进一步研究.
更多相关视频
12:14Subcellular Fractionation for the Isolation of Synaptic Components from the Murine Brain
Published on: September 14, 2022
7.6K
06:09Semi-Quantitative Determination of Dopaminergic Neuron Density in the Substantia Nigra of Rodent Models using Automated Image Analysis
Published on: February 2, 2021
5.0K
