意大利國家研究委員會生物物理研究所 (CNR-IBF) 和摩德納雷焦艾米利亞大學(xué) (UNIMORE) 開發(fā)了一種新的人類海馬體 CA1 區(qū)域高分辨率模型，該模型是人腦項目的一部分。單細(xì)胞分辨率模型復(fù)制了該區(qū)域的結(jié)構(gòu)和結(jié)構(gòu)，以及神經(jīng)元的位置和相對連接性，是從高分辨率圖像的全尺寸數(shù)據(jù)集開發(fā)而來的。該數(shù)據(jù)集在 BigBrain Atlas 中可用，并且很快將在 EBRAINS 上可用。根據(jù)這項發(fā)表在《自然計算科學(xué)》雜志上的研究，同樣的方法可以應(yīng)用于生成其他人腦區(qū)域的全尺寸模型，也可以集成到虛擬大腦等協(xié)同仿真環(huán)境中。
就相對 3D 坐標(biāo)和神經(jīng)元之間的連接而言，人腦單個神經(jīng)元的數(shù)據(jù)量非常有限。我們對從 BigBrain 數(shù)據(jù)庫獲得的人類海馬體的高分辨率圖像進(jìn)行了數(shù)據(jù)挖掘操??作。單個神經(jīng)元的位置是從對這些圖像的詳細(xì)分析中得出的”。
研究人員開發(fā)了一種定制的圖像處理算法以獲得神經(jīng)元定位的真實分布，以及一種通過近似樹突和軸突形狀生成神經(jīng)元連接的算法。“樹突和軸突可以根據(jù)其延伸的一般形狀進(jìn)行分類：例如，一些適合狹窄的錐體，另一些則具有廣泛的復(fù)雜延伸，可以用專用的幾何體積來近似，并且與附近神經(jīng)元的連接相應(yīng)地發(fā)生變化”該研究的主要作者、來自 UNIMORE 的 Daniela Gandolfi 解釋說。“我們的算法分析高分辨率圖像，并在創(chuàng)建與形態(tài)特性相關(guān)聯(lián)的特定幾何形狀后，允許我們計算兩個神經(jīng)元連接的概率。
“我們將 3D 模型中的神經(jīng)元密度與現(xiàn)有的海馬體文獻(xiàn)進(jìn)行了比較，發(fā)現(xiàn)它與實驗觀察結(jié)果相符，從而驗證了我們的模型，”Gandolfi 總結(jié)道。研究人員正在 EBRAINS 平臺上共享數(shù)據(jù)集和提取方法。“我們這項研究的主要目標(biāo)是讓 HBP 和更廣泛的神經(jīng)科學(xué)界可以輕松獲得數(shù)據(jù)。我們現(xiàn)在正在使用相同的方法來模擬其他大腦區(qū)域”。
標(biāo)簽：
免責(zé)聲明：本文由用戶上傳，如有侵權(quán)請聯(lián)系刪除！