参数解剖建模:一种方法建模的解剖布局神经元及其预测

塞巴斯蒂安Klatt马丁•Pyka Sen
神经解剖学前沿
2014年9月

文摘:计算模型的神经网络可以根据各种不同的参数。例如,这些参数包括神经元层的三维形状,神经元的空间投影模式,强化动力学和神经递质系统。虽然有许多成熟的方法模型,例如,箝制动力,缺乏方法建模的解剖布局神经元及其预测。我们提出一种新方法,称为参数解剖建模(PAM),来填补这一缺口。PAM可用于网络连接性和传导延迟来自解剖数据,如神经元层的位置和形状和树突和轴突投射模式。PAM框架内,几层之间的映射技术可以考虑多种预处理和突触后神经元之间的连接属性层。PAM被实现为一个Python工具和集成的3 d建模软件搅拌器。我们展示的3 d模型海马结构如何PAM能帮助揭示复杂的突触连接的属性和传导延迟,相关属性,可能会发现海马体的功能。基于这些分析,实验可以证明两个预测出现:(i)神经元和扩散连接的数量是不均匀分布在主要解剖轴,(2)连接长度的分布CA3-CA1不同定性与DG-CA3和CA3-CA3之间。模型由PAM也能作为一种教育工具来可视化三维连接的大脑区域。 The low-dimensional, but yet biologically plausible, parameter space renders PAM suitable to analyse allometric and evolutionary factors in networks and to model the complexity of real networks with comparatively little effort.

http://dx.doi.org/10.3389/fnana.2014.00091