Mathematical Modelling and Analysis of transduction processes and neuronal networks

转导过程和神经网络的数学建模和分析

• 批准号: 23918285
• 负责人: Professor Dr. Jens Starke
• 金额: --
• 依托单位: Institut für Mathematik
• 依托单位国家: 德国
• 项目类别: Research Units
• 财政年份: 2006
• 资助国家: 德国
• 起止时间: 2005-12-31 至 2008-12-31
• 项目状态: 已结题
• 来源: https://gepris.dfg.de/gepris/projekt/23918285?language=en
• 关键词: Mathematical; Modelling; Analysis; transduction; processes

Das Riechsystem ist ein ideales neurowissenschaftliches Testsystem für die Entwicklung mathematischer Modelle und zur numerischen und analytischen Untersuchung dieser Modelle. Das Riechsystem ist kompliziert genug für anspruchvolle mathematische Forschung, d.h. für mathematisches Modellieren und nachfolgende Analyse des Modells, aber zur gleichen Zeit einfach genug um mathematische Modelle zu entwickeln und, im engen Wechselspiel mit experimentell arbeitenden Gruppen, zu überprüfen. Die Reaktion der Riechzelle auf Duftstimuli zeigt unterschiedliche dynamische Aspekte: Je nach Konzentration und Zeitverlauf der Stimulation werden Verstärkung, unterschiedlich schnelle Adaptation, oszillierendes Verhalten und zeitabhängige Änderungen des Signals berichtet. Viele physiologische Aspekte der zugrunde liegenden Transduktionsmechanismen sind bekannt, dazu gehören auch mehrere kompetierende Rückkopplungsschleifen. In Zusammenarbeit mit den Experimentalforschern von TP 2 und TP 3 arbeiten wir darauf hin, eine quantitative mathematische Beschreibung der gemessenen elektrophysiologischen Eigenschaften der Riechzellen mit Hilfe von Differentialgleichungen zu bekommen. Dies hilft dabei, relevante Mechanismen von abgeleiteten Beobachtungen oder Nebeneffekten zu unterscheiden. Die mathematische Analyse gestattet die systematische Planung neuer Experimente and hilft dabei, neue experimentelle Fragen zu stellen. Die Imaging-Daten von den Glomeruli und von der Netzwerk-Aktivität im Riechkolben, die in den Experimenten in TP l und TP 6 erarbeitet werden, werden mit PCA und ICA-Techniken analysiert, um die experimentellen Gruppen zu unterstützen. Das hilft dabei, biologische Interpretationen der viel-dimensionalen experimentellen Daten zu finden und genau definierte, mathematisch beschriebene Eingangssignale in das Netzwerk des Riechkolbens zu bekommen. Um das Funktionsprinzip des Netzwerks von Mitralzellen und Körnerzellen im Riechkolben zu verstehen, werden wir in Zusammenarbeit mit TP1 existierende Netzwerkmodelle anpassen und neue Modelle entwickeln, die dann die neuesten experimentellen Ergebnisse und das physiologische Wissen der Forschergruppe enthalten werden. Insbesondere wird dabei die numerische Technik der Grobanalyse (coarse analysis) von Vorteil sein, die wir gegenwärtig zusammen mit I. Kevrekidis (Princeton University) zur Analyse komplexe Netzwerke weiterentwickeln. Diese Methode wird es ermöglichen, Rechenzeit zu reduzieren und fortgeschrittene Methoden wie numerische Bifurkationsanalyse zur Untersuchung räumlich-zeitlicher Muster neuraler Aktivität einzusetzen.

该系统是一个理想的神经科学测试系统，用于开发数学模型和数值分析模型。Das Riechsystem ist kompliziert schug für anspruchvolle mathematische Forschung，d.h. für mathematisches Modellieren und nachfolgende Analyse des Models，aber zur gleichen Zeit einfach um mathematische Modelle zu entwickeln und，im engen Wechselspiel mit experimentell arbeitenden Gruppen，zu überprüfen. Die Reaktion der Riechzelle auf Duftstimulus zeigt untermendliche dynamische Aspekte：Je nach Konzentration und Zeitverlauf der Stimulation韦尔登Verstärkung，untermendlichschnelle Adaptation，oszillierendes Verhalten und zeitabhängige Änderungen des Signals berichtet. Viele physiologische Aspekte der zugenden liegenden Transduktionsmechanismen sind bekannt，dazu gehören auch mehrere kompetierende Rückkopplungsschleifen.在与TP 2和TP 3实验研究的合作中，我们将进行一项定量数学研究，对Riechzellen的综合电生理学特征进行研究，并提供有关差异的帮助。这些都是与我们的行为或行为有关的机制。数学分析产生了新的实验系统规划和新的实验框架。在TP 1和TP 6的实验中，通过PCA和ICA技术分析了肾小球和网状组织活动的成像数据，并对实验组进行了研究。通过对多维实验数据的生物学解释，发现了一个明确的概念，这表明了生物医学网络的重要性。为了研究Mitralzellen和Körnerzellen在Riechkolben中的功能，韦尔登将在TP 1中建立一个新的网络模型，然后进行新的实验，并获得韦尔登研究小组的生理知识。在此基础上，我们将对Vorteil进行粗分析的数值技术，我们将与I. Kevrekidis（普林斯顿大学）分析复杂网络。这种方法将是ermöglichen，Rechenzeit zu reduzieren和fortgeschrittene方法wie numerische Bifurkationsanalysis zur Untersuchung räumlich-zeitlicher Muster neuraler Aktivität einzusetzen。