興奮性・抑制性ニューロン比率の最適性原理に基づく精神疾患発症メカニズムの解明

基于兴奋/抑制神经元比例最优原理阐明精神障碍发病机制

• 批准号: 22K18419
• 负责人: 池口 徹
• 金额: $ 16.31万
• 依托单位: Tokyo University of Science
• 依托单位国家: 日本
• 项目类别: Grant-in-Aid for Challenging Research (Pioneering)
• 财政年份: 2022
• 资助国家: 日本
• 起止时间: 2022-06-30 至 2026-03-31
• 项目状态: 未结题
• 来源: https://kaken.nii.ac.jp/grant/KAKENHI-PROJECT-22K18419/
• 关键词: 興奮性・抑制性ニューロン比率; 精神疾患; ネットワーク構造; ネットワークダイナミクス; MRI; 神経科学; 興奮性ニューロン; 抑制性ニューロン; 神経疾患

本研究課題の目的は，(1)なぜ興奮性ニューロンと抑制性ニューロンの比率は4対1なのかを明らかにすること，(2)興奮性・抑制性ニューロン比率の存在理由を明らかにする過程で得た知見を元に，自閉症スペクトラム，アスペルガー症候群，広汎性発達障害，統合失調症などの種々の精神疾患の発症メカニズムをニューラルネットワークレベルからの解析により明らかにすることである.本年度は，(1)の目的を達成することを中心に研究を遂行した．まず，興奮性・抑制性ニューロン比率を変化させた場合，どのような処理が困難となるのか，興奮性・抑制性ニューロン比率がニューラルダイナミクスに与える影響を解析した．その際，ニューラルネットワークでの学習は，ニューロンの応答 (状態変化) によりスパイクが出力され，それに応じて，ニューロン間のシナプス結合が増強，減弱される．そこで，興奮性・抑制性ニューロン比率を変化させた場合に，出力情報の統計量の変化を解析することで，ダイナミクスを定量化し，生理学的比率において，発火率が最適となること，ネットワーク上を伝播する情報量が最大化されること，ネットワーク構造がフィードフォワード化されることなどを明らかにした．これに加えて，脳・神経系の数理モデル構築を進め，その過程でニューラルネットワークリザバーを用いた異常検知手法の開発や分類問題への応用、膵β細胞への応用などの成果を得た．また，(2)の目的を達成するための準備段階として，精神疾患患者の脳機能データ解析のために，精神疾患患者・健常者総計60名分のMRI画像を新たに取得した．さらに，脳機能データのネットワーク解析への応用を念頭に，テンポラル・ネットワーク構造の予測手法，およびネットワーク中で重要な役割を担う頂点を推定するためのランキング手法を提案し，種々のネットワークに対してその有効性を検証した．

The objectives of this research project are: (1) to clarify the relationship between the ratio of excitatory and inhibitory neurotransmitters and 4 to 1;(2) to clarify the relationship between the existence of excitatory and inhibitory neurotransmitters and the causes of autism, autism syndrome, and generalized developmental disorders. Schizophrenia: The development of mental disorders in schizophrenia. This year's goal was achieved. When the excitatory/inhibitory ratio is changed, it is difficult to deal with it. When the excitatory/inhibitory ratio is changed, it is difficult to deal with it. In the meantime, the learning of the system, the response of the system (state change), the output of the system, the combination of the system and the system, increase and decrease. When the ratio of excitability and inhibition is changed, the statistical quantity of output information is analyzed, the ratio of excitation and inhibition is quantified, the ratio of physiology is optimized, and the information quantity of production is maximized. In this paper, the mathematical structure of the nervous system is developed, and the results of the development and classification of abnormal detection methods are obtained. To achieve this goal, the preparation stage of mental illness patients was analyzed and new MRI images were obtained. In this paper, the function of the product analysis and application of the idea, the product structure of the prediction method, the product in the important service cut to the peak of the estimation, the product of the product to the effective demonstration.

项目成果

abu search for solving multiple-vehicle bike sharing system routing problem with real port distribution

abu搜索利用真实端口分布解决多车共享单车系统路由问题

• 发表时间: 2022
• 期刊: Proceedings of the 2nd International Conference on Electrical, Computer, Communications and Mechatronics Engineering (ICECCME)
• 作者: Honami Tsushima;Nina Sviridova and Tohru Ikeguchi
• 通讯作者: Nina Sviridova and Tohru Ikeguchi

神経スパイク列に対する因果性検出に関する検討

神经脉冲序列因果关系检测研究

• 发表时间: 2022
• 作者: Niida Takuya;Wakiyama Yoshifumi;Takata Hyoe;Taniguchi Keisuke;Kurosawa Honoka;Fujita Kazuki;Konoplev Alexei;澤田 和弥，島田裕，池口徹
• 通讯作者: 澤田 和弥，島田裕，池口徹

グラフ間距離を用いたテンポラルネットワークの辺予測手法の検討

基于图间距离的时序网络边缘预测方法研究

• 发表时间: 2023
• 作者: 塩田葵;西前文敬;櫻井文教;水口裕之;猪狩 大気，島田 裕
• 通讯作者: 猪狩 大気，島田 裕

Detecting Determinism in Noisy Time Series with Variable Minimal Diagonal Line Length in Recurrence Quantification Analysis

在递归量化分析中检测具有可变最小对角线长度的噪声时间序列中的确定性

• 发表时间: 2022
• 期刊: Proceedings of International Symposium on Nonlinear Theory and its Applications 2022
• 作者: Nina Sviridova;Tohru Ikeguchi
• 通讯作者: Tohru Ikeguchi

Consistency of Determinism Detection in Sparse Photoplethysmogram Recordings

稀疏光电体积描记图记录中确定性检测的一致性

• 发表时间: 2022
• 期刊: In Proceedings of the BIBE2022: The Sixth International Conference on Biological Information and Biomedical Engineering
• 作者: Nina Sviridova;Kazuya Sawada;Tohru Ikeguchi
• 通讯作者: Tohru Ikeguchi