28 3 月, 2024

Eddiba Sports

从亚洲的Eddiba获取最新的亚洲新闻:重大新闻,专题报道,分析和特别报道以及来自亚洲大陆的音频和视频。

使用虚拟现实研究自闭症的神经网络动力学

使用虚拟现实研究自闭症的神经网络动力学

概括: 通过将新颖的虚拟现实成像与机器学习相结合,研究人员能够根据动物运动过程中皮质功能网络的动态,与野生型小鼠相比,准确地检测出 ASD 小鼠模型。

来源: 神户大学

一项国际研究合作开发了一种 VR 成像系统,该系统可以测量小鼠大脑皮层在活动过程中的各种神经活动。 这使他们能够阐明自闭症模型小鼠中存在的皮质功能网络动力学异常。

使用机器学习,他们还能够根据小鼠开始或停止奔跑时的皮层功能网络模式,高精度地区分自闭症模型小鼠和野生型小鼠。

该研究小组由 Toru Takumi 教授和 Nobuhiro Nakai 副教授(均来自神户大学医学院生理学系)和 Masaaki Sato(北海道大学医学研究生院药理学系讲师)领导。 Takumi 教授还是 RIKEN 生物系统动力学研究中心的访问高级科学家。

未来对自闭症脑功能网络动力学的研究有望导致用于自闭症诊断的新型生物标志物的开发。

这项研究的结果将发表在 细胞报告.

要点

  • 研究人员开发了一种虚拟现实成像系统,可以测量小鼠在操作时的各种皮层活动。
  • 自闭症大鼠模型具有密集的皮层功能网络和运动启动后的刻板功能降低。
  • 机器学习可以从皮质功能网络模式中准确识别自闭症模型小鼠。

研究背景
自闭症(自闭症谱系障碍)是一种神经发育障碍,具有许多未探索的方面,其特征是社交沟通不畅、对某些事物极度专注和重复行为。 自闭症患者的数量正在显着增加,这是一个重要的社会问题。

迄今为止,自闭症的诊断主要基于行为特征,远未从定量的角度进行,迫切需要发现新的生物标志物。

近年来,已经开展了一些研究来识别自闭症患者特有的大脑功能异常。 静息态 fMRI 研究表明,功能性大脑网络的密度在自闭症患者中增加,在成人中减少。 然而,这些变化因人而异。

由于分析是在参与者休息时进行的,因此尚不清楚功能性大脑网络的异常如何影响行为。

遗传学对自闭症有很大的贡献,而拷贝数变异 (CNV) 等遗传异常被认为与神经病理学有关。 最近,模拟人类遗传畸变的动物(主要是小鼠)经常被用来阐明自闭症的神经病理学。

在这项研究中,研究人员开发了一种虚拟现实成像系统,可以实时测量自闭症模型小鼠在主动行为过程中的大脑活动。 通过研究大脑功能网络的动态,该研究小组旨在阐明行为过程中大脑中自闭症特异性表型。

结果
首先,建立了VR成像系统。 将头部固定的鼠标放在跑步机上,并将虚拟空间的图像投射到屏幕上。 虚拟空间配备重现用于鼠标行为实验的领域。 跑步机的运动反映在视频图像中,让小鼠自由探索虚拟空间。

除了运动等行为测量外,还同时进行了经颅钙成像,以便实时测量大脑皮层中广泛的功能区活动。 为此,研究人员使用了在其神经元中表达钙传感器蛋白 (GCaMP) 的转基因小鼠。

此外,他们还建立了一种分析皮质功能网络动力学的方法。 他们根据通过钙成像获得的 1 秒神经活动数据计算功能域之间的相关性,并使用图论可视化功能网络。

研究人员分析了小鼠在跑步机上自发开始或停止移动(运动)前后的三个时间窗口,并检查了每个时间窗口中的网络特性。

结果表明,网络结构随着运动的开始而变化,并且模块化增加。 还发现当运动停止时网络结构恢复到静止状态。 因此,他们成功地可视化了从静止到运动以及从运动到静止的过渡过程中的网络动态。

接下来,研究人员使用这个虚拟现实成像系统来分析自闭症模型小鼠的功能性皮层网络。 在实验中,他们使用了 15q 双工小鼠,这是第一个建立的具有拷贝数差异的自闭症小鼠模型。 15 米配对的老鼠在虚拟现实空间中的运动和移动距离减少。

对功能性皮层网络的检查表明,运动启动后网络连接更高,网络中心性更低,功能网络模块性更低。

基于网络模式的这些差异,研究人员尝试使用支持向量机 (SVM)(一种机器学习)通过皮质功能网络来识别自闭症模型小鼠。 以数只15q-双配对小鼠和野生型小鼠的网络模式作为训练数据,SVM能够区分单个测试数据是否来自自闭症模型小鼠,准确率为78~89% .

自闭症(自闭症谱系障碍)是一种神经发育障碍,具有许多未探索的方面,其特征是社交沟通不畅、对某些事物极度专注和重复行为。 该图像属于公共领域

这一结果表明,行为过程中的功能性大脑网络包含有关基因型确定的多种信息。 研究人员还检查了刺激大脑的信息,发现运动皮层的功能连接对于识别自闭症模型小鼠是必要的。

总之,双 15q 小鼠(一种自闭症模型)在运动过程中具有密集的功能性皮层网络并减少刻板印象。 研究人员还发现,机器学习可以根据与行为变化相关的功能性皮层网络模式,以高度准确的方式识别自闭症模型小鼠。

更多研究
自闭症大鼠模型中的功能性脑网络以运动皮层的功能连接为特征,这对于自闭症的识别至关重要。

对这些解剖学和神经生理学联系的详细研究将有助于阐明在自闭症发病机制中发挥关键作用的运动皮层和其他大脑区域之间的网络。

此外,对自闭症在主动行为过程中功能性脑网络动力学的额外研究有望导致发现用于诊断自闭症的新生物标志物。

通过分析活跃小鼠记录的整体皮层活动,研究人员能够可视化大脑功能性皮层网络中动态的、行为相关的变化。 VR 允许创建利用多种感官信息的多媒体环境,包括视觉、听觉和嗅觉。

由于人们自闭症的一个重要症状是社交交流不畅,因此研究人员希望在虚拟空间中为老鼠创造一个社交环境,并研究当老鼠执行模型自闭症社交行为时功能网络动态如何变化。

关于这项关于自闭症和虚拟现实新闻的研究

作者: 真相汤森
来源: 神户大学
沟通: Truth Townsend – 神户大学
图片: 该图像属于公共领域

原始搜索: 开放访问。
基于虚拟现实的实时成像揭示了自闭症小鼠模型在行为转变期间的异常皮质动力学。由 Tohru Takumi 等人撰写。 细胞报告


总结

基于虚拟现实的实时成像揭示了自闭症小鼠模型在行为转变期间的异常皮质动力学。

强调

  • 基于虚拟现实的医学成像揭示了行为过程中的功能性皮层网络
  • 运动引起皮质网络的快速重组和模块化
  • 15q配音 ASD 小鼠具有高度连接且较少刻板印象的皮质网络
  • 运动区域为 ASD 基因型的 SVM 分类提供了贡献特征

概括

功能连接 (FC) 可以深入了解神经精神疾病中的皮层下回路功能障碍。

然而,与感觉反馈运动相关的 FC 的动态变化仍有待阐明。

为了研究 FC 在大鼠机车中的动力学,我们开发了一种介观 Ca2+ 在虚拟现实 (VR) 环境中拍摄。 我们发现皮质 FC 的快速重组以响应改变的行为状态。

使用机器学习分类,行为状态被准确解码。 然后,我们使用基于 VR 的成像系统研究自闭症小鼠模型中的皮质 FC,发现运动状态与 FC 动力学改变有关。

此外,我们将涉及运动区域的 FC 模式确定为自闭症小鼠在行为转变期间与野生型小鼠最显着的特征,这可能与自闭症个体的运动障碍有关。

这种基于虚拟现实的实时成像系统为理解与神经精神疾病行为异常相关的 FC 动力学提供了关键信息。

READ  SpaceX Crew-5 宇航员在太空停留五个月后离开空间站