Estimation and experimental verification of causal connectivity and network structure among brain regions and neurons

大脑区域和神经元之间因果连接和网络结构的估计和实验验证

• 批准号: 19K12212
• 负责人: 三分一 史和
• 金额: $ 2.83万
• 依托单位: The Institute of Statistical Mathematics
• 依托单位国家: 日本
• 项目类别: Grant-in-Aid for Scientific Research (C)
• 财政年份: 2019
• 资助国家: 日本
• 起止时间: 2019-04-01 至 2023-03-31
• 项目状态: 已结题
• 来源: https://kaken.nii.ac.jp/en/grant/KAKENHI-PROJECT-19K12212/
• 关键词: ニューロンネットワーク; 因果解析; 自励的同期現象; 生体イメージングデータ

本研究では、時空間解析のアプローチで脳領域間およびニューロン間の因果的結合性とネットワーク構造の推定を行う。そして、推定されたネットワークの実在性を実験的に定量評価する方法を開発し、ニューロンタイプごとの活動特性や同期システムの解明を目的としている。本年度はある呼吸ニューロンがどのニューロンからの影響で駆動(活性化)されているのかを定量的に調べるために、自励活動のみを考慮した自己回帰(AR)モデルと他の複数のニューロンからの入力を考慮した外生変数型自己回帰(ARX)モデルをカルシウムイメージングデータに適用した。ARモデルとARXモデルをグレンジャーの因果性検定や赤池情報量規準(AIC)により評価することにより、因果関係にあるニューロンの組み合わせを推定することが可能である。しかし、ARXモデルでは入力信号として用いるニューロンの組み合わせ数が膨大になるので、計算量を考慮して現実的な範囲でのみの解析に限定される。そこで、すべての組み合わせの因果的結合性を推定することができる多変量自己回帰(VAR)モデルを適用しブートスラップ法によりパラメータを評価し有意な因果関係にあるニューロンの組み合わせを検出する方法を開発した。開発に用いたのは7個のニューロンの自励的活動と相互の結合性を設定したシミュレーションデータで、AICにより最適なモデル次数を決定することが可能で、相互の結合性と対応するモデルのパラメータも誤差の範囲で正しく推定されることを確認した。また、呼吸ニューロンネットワーク構造の生後最適化の可能性を探るために、ネットワークを構成する呼吸ニューロン種の存在比の生後変化についても調査を開始した。

When this study で は, space analytic の ア プ ロ ー チ で 脳 areas between お よ び ニ ュ ー ロ ン の causal associativity between と ネ ッ ト ワ ー ク tectonic の presumption う を line. そ し て presumption, さ れ た ネ ッ ト ワ ー ク の be in sexual を be 験 に quantitative evaluation of 価 す る method を open 発 し, ニ ュ ー ロ ン タ イ プ ご と の activity features や period シ ス テ ム の interpret を purpose と し て い る. This year は あ る breathing ニ ュ ー ロ ン が ど の ニ ュ ー ロ ン か ら の influence で 駆 move (active) さ れ て い る の か を quantitative に adjustable べ る た め に, self-excited の み を consider し た himself back 帰 (AR) モ デ ル と he の plural の ニ ュ ー ロ ン か ら の を into force considering し た exogenous - type number yourself back 帰 (ARX) モ デ ル を カ ル シ ウ ム イ Youdaoplaceholder0, メ, ジ, グデ, グデ, タに apply to メ, た. AR モ デ ル と ARX モ デ ル を グ レ ン ジ ャ ー の causality 検 intelligence gauge must decide や red pool (AIC) に よ り review 価 す る こ と に よ り, causal masato に あ る ニ ュ ー ロ ン の group み close わ せ を presumption す る こ と が may で あ る. し か し, ARX モ デ ル で は signal into force と し て in い る ニ ュ ー ロ ン の group み close わ せ number が swelled に な る の で, computation を consider し て presently be な van 囲 で の み の parsing に qualified さ れ る. そ こ で, す べ て の group み close わ せ の causation presumption of associative を す る こ と が で き 帰 る many variations in your back (VAR) モ デ ル を applicable し ブ ー ト ス ラ ッ プ method に よ り パ ラ メ ー タ を review 価 し intentionally な causal masato is に あ る ニ ュ ー ロ ン の group み close わ せ を 検 out す る method を open 発 し た. Open 発 に with い た の は seven の ニ ュ ー ロ ン の self-excited activity と mutual の set associative を し た シ ミ ュ レ ー シ ョ ン デ ー タ で, AIC に よ り optimum な モ デ ル number を decided す る こ と が may で, mutual の associativity と 応 seaborne す る モ デ ル の パ ラ メ ー タ も error の van 囲 で is し く presumption さ れ る こ と を confirm し た. ま た, breathing ニ ュ ー ロ ン ネ ッ ト ワ ー の ク structure optimization possibility の postnatal を agent る た め に, ネ ッ ト ワ ー ク を constitute す る breathing ニ ュ ー ロ ン の existence than の after birth - the に つ い て も を start し た.

项目成果

ニューロイメージングデータの時空間解析

神经影像数据的时空分析

• 发表时间: 2019
• 期刊: バイオメカニズム学会
• 作者: 三分一 史和，尾家 慶彦

ISMシリーズ：進化する統計数理 8 「統計モデリング」

ISM系列：不断发展的统计数学8“统计建模”

• 发表时间: 2020
• 作者: 石黒真木夫;三分一史和;種村正美;清水悟
• 通讯作者: 清水悟

Estimation of causal connectivity among inspiratory neurons and its experimental verification

吸气神经元之间因果连接的估计及其实验验证

• 发表时间: 2019
• 作者: F. Miwakeichi;Y. Oke;Y. Oku;H. Swen;H. Johannes;J. Hirrlinger
• 通讯作者: J. Hirrlinger

University of Gottingen/University Leipzig(ドイツ)

哥廷根大学/莱比锡大学（德国）

マウスPre-Botzinger complex 領域における吸息性ニューロンの生後早期での発達

小鼠 Pre-Botzinger 复合体区域出生后早期吸气神经元的发育

• 发表时间: 2020
• 作者: 尾家 慶彦;三分一 史和;越久 仁敬;J. Hirrlinger;S. Hulsmann
• 通讯作者: S. Hulsmann