並列タイトル等Development of a Nonlinear Timeseries Analysis for Functional Neural Connectivity Estimation
一般注記大脳皮質は、知覚、運動、情動と言った脳の高次機能をつかさどる重要な役割を担っている。先行研究から、個々の神経細胞タイプを決定する形態等のミクロ的な知見や、特定課題に賦活する脳領野などのマクロ的な知見が得られている。しかし、個々の神経細胞の関係に関する中間(メゾ)レベルに関しては、多くが未解明である。そこで、本研究は大脳皮質のカルシウムイメージングデータから機能的結合性を推定する解析法を開発した。開発した解析法は、実データと数値実験の両面から検証され、多数の神経細胞群からより密な結合をもつサブ集団を検出可能であることが確認された。研究成果の学術的意義や社会的意義： 脳の情報処理の解明には、個々の神経細胞や、マクロレベルをつなぐ、メゾレベルの神経結合の理解が不可欠である。将来的に数千～数万のオーダーへの発展が予想されるCaイメージング法から得られるデータを解析し、機能的神経結合を推定することで数万単位の神経細胞の集団的な計算処理の全体像が明確に記述できる。こうした考えに基づき、大規模な神経ネットワークの情報構造の推定方法の開発を行った。本研究で開発した解析法では1000程度の神経細胞の時系列から、機能的に密な結合をもつ神経細胞のサブ集団を検出できることが確認された。この成果は、大脳皮質の中間スケールの情報構造の解明に寄与すると考えられる。 ： Cortex plays important roles in higher order functions as well as perception, motor control, and emotion. Previous studies have reported microscopic findings on individual structure of neural circuits and macroscopic findings on activities in a particular brain area correlated with a class of tasks. It is, however, largely unknown on the meso-scopic scale or the intermediate level connecting both. This study has developed a new information technique for estimating the functional neural connectivity from the timeseries data obtained by the Ca imaging method. We validated the developed technique with both empirical and simulated datasets, and showed that it could detect a set of sub-groups of neurons with dense functional connectivity.
基盤研究(B)（特設分野研究）
研究期間：2015～2018
課題番号：15KT0013
研究者番号：50582912
研究分野： 計算論的認知科学
identifier:https://dspace.jaist.ac.jp/dspace/handle/10119/16018
一次資料へのリンクURLhttps://dspace.jaist.ac.jp/dspace/bitstream/10119/16018/1/15KT0013seika.pdf
連携機関・データベース国立情報学研究所 : 学術機関リポジトリデータベース（IRDB）（機関リポジトリ）
提供元機関・データベース北陸先端科学技術大学院大学 : JAIST学術研究成果リポジトリ