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

点击翻译按钮获取中文摘要

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。