「コネクトーム」の版間の差分

コネクトーム (ソースを閲覧)

2016年6月20日 (月) 11:21時点における版

3,866 バイト除去、 2016年6月20日 (月)

細

→‎機能的コネクトーム

Masahitoyamagata

ビューロクラット、管理者

246

回編集

@@ 75行目: / 75行目: @@
 年、Richard Yuste（Columbia University）、George Church（Harvard University）らが、「The Brain Activity MapProject and the Challenge of Functional Connectomics」と題する提案をした<ref><pubmed>22726828</pubmed></ref>。Kavli財団を中心としたBrain Activity Map（BAM）プロジェクトについての提案である。
-最後に、統計グラフ理論は、これらの脳のグラフ（ゴールデンら 、2009）を解析するための高度なパターン認識や推論ツールを開発している新興分野です。
+マトリックス。
-「メソスケール」コネクトームは、数百マイクロメートルの空間分解能に相当します。 各個々のニューロンをマッピングしようとするのではなく、メソスケールでコネクトームは、ローカル回路個々のニューロンの数百または数千のリンク（例えば皮質カラム）によって形成された解剖学的および/または機能的に異なる神経細胞集団を、捕獲しようとしていました。 このスケールは、まだこの時点では非常に野心的な技術的課題を提示し、ローカルスケールでの侵襲性の技術または超高磁場MRIと小規模でプローブすることができます。
-人間の脳では、コネクトームの意義は、人間の脳の構造と機能が複雑に複数のレベルと脳の接続のモードを介して、リンクされているという認識に由来します。 ニューロンまたは神経集団が相互に作用する、またはどのように強いまたはそれらの相互作用がある向けることが可能な強力な自然な制約があります。 実際、人間の認知の基礎はコネクトームによって形作ら動的相互作用のパターンです。
+コネクトームは明らかに現在の感覚入力、グローバルな脳の状態、学習と発展に応じて、変数の動的状態の大きな数をサポートすることができます。 機能状態でいくつかの変更樹状突起棘（ボンヘッファーとユステ、2002）の急速な出現と消失を示す二光子イメージング実験によって明らかにされているように、シナプスレベルでの構造的な接続性の急激な変化を伴うことがある。
-しかし、脳内の構造 - 機能関係は、単純な1対1マッピングに低減しにくいです。 実際には、コネクトームは明らかに現在の感覚入力、グローバルな脳の状態、学習と発展に応じて、変数の動的状態の大きな数をサポートすることができます。 機能状態でいくつかの変更樹状突起棘（ボンヘッファーとユステ、2002）の急速な出現と消失を示す二光子イメージング実験によって明らかにされているように、シナプスレベルでの構造的な接続性の急激な変化を伴うことがある。[11]
-このような複雑な変数の構造 - 機能マッピングにもかかわらず、コネクトームは、単一細胞記録から機能的神経画像に、動的な脳データの機構的な解釈に不可欠な基礎です。
-：connectomicsの究極の目標は、マッピングすることである人間の脳を 。 この取り組みは、によって追求されたヒトコネクトームプロジェクトが主催する、 国立衛生研究所 、その焦点健康、生きている成人の人間の脳のネットワークマップを構築することです。脳ネットワーク脳画像の空間分解能（コッター、2007、Sporns、2010）のレベルに対応する、規模の異なるレベルで定義することができます。 [13] [14]これらのスケールは、大きくマイクロ、メソスケールとマクロスケールとして分類することができます。 最終的には、単一ニューロンからの皮質領域のような大規模システムへの神経細胞の集団の範囲で所定の種の神経組織の単一階層マップに異なるスケールで得られconnectomicマップに参加することが可能です。 主な実験データからの接続を推論に関わる方法論的不確実性を考慮すると、異なる個体のconnectomesに大きな差がある可能性が高いことを考えると、任意の統一されたマップは、おそらくSporns ら （接続のデータの確率的表現に依存しています。2005年）。[7]
-マクロスケール（ミリメートル分解能）でコネクトームは、それぞれの接続の明確なパターンを有する、解剖学的に別個のモジュール（エリア、小包またはノード）にparcellatedすることができ、大きな脳のシステムをキャプチャしようとします。 メソスケールとマクロスケールでConnectomicデータベースは、携帯の解像度でよりも有意によりコンパクトかもしれないが、彼 らは、ネットワーク・ノードへの神経ボリュームの正確な解剖学的または機能的parcellationための効果的な戦略を必要とする（複雑さについては、例えば、ウォレスら、2004） 。[16]
 <br />