使用虚拟现实研究孤独症的神经网络动力学
![Figure 1. A, The imaging and virtual reality (VR) system. B, Photograph of the experiment C, A schematic of the transcranial imaging window affixed to the mouse skull. D, Fifty cortical ROIs are overlaid onto a grayscale image of the dorsal cortex with a cortical parcellation map (top, dashed lines indicate the field of view, scale bar = 1 mm). ROIs 1–25 and 26–50 were defined in the left (L) and right (R) hemispheres, respectively, and ROIs for each hemisphere were numbered along the anterior-posterior axis (bottom). E, Analysis of cortical functional connectivity. After calculating normalized fluorescence changes (dF/F) for each ROI, pair-wise Pearson's correction coefficients of cortical activity in a one-second time window were calculated for all ROI pairs and then visualized as matrices. Each matrix was labeled with a corresponding behavior state at the first frame of the time window. In the graph visualization of functional networks, connectivity with a correlation coefficient above a threshold (r > 0.8) was denoted as a line (edge) that connected the corresponding ROIs (nodes). Credit: Cell Reports (2023). DOI:10.1016/j.celrep.2023.112258 使用虚拟现实研究孤独症的神经网络动力学](https://scx1.b-cdn.net/csz/news/800a/2023/using-virtual-reality.jpg)
国际科研合作开发了一种虚拟成像系统,该系统可以测量范围广泛的神经活动在老鼠的皮质活动的行为。这使他们照亮皮质功能网络动力学的异常中发现自闭症的小鼠模型。使用机器学习,他们也能够高度准确区分自闭症模型小鼠和野生型老鼠老鼠时基于皮层功能网络模式启动或停止运行。这项研究的结果已经发表在细胞的报道3月28日。
教授领导的研究小组是Takumi彻和助理教授这个日本纳街(这两个部门的生理学、神户大学医学院的毕业生),和渡边佐藤(讲师,药理学,医学研究生院,北海道大学)。Takumi教授也是一个来访的理研生物系统动力学研究中心的资深科学家。
自闭症(自闭症谱系障碍和许多未知的方面)是一种神经发育障碍,表现为贫穷的社会沟通,强烈的专注于某些事情,和重复的行为。自闭症个体的数量明显增加,这被认为是一个重大的社会问题。即使是现在,一个自闭症诊断是基于行为特征,从定量的角度来看,有巨大的需求一个新的生物标志物的发现。
近年来,研究进行了识别自闭症个体独有的脑功能异常。静息状态功能磁共振成像研究表明,脑功能网络的密度增加自闭症个体和减少成年人。然而,这些改变个体与个体差异很大。的分析进行了参与者处于休息状态时,目前尚不清楚如何异常脑功能网络影响行为。
孤独症的遗传贡献显著,基因组拷贝数变异(CNV)等异常被认为是参与神经病理学。最近,动物(主要是老鼠)建模人类基因畸变通常被用来阐明孤独症的神经病理学。在这项研究中,研究人员开发了一个虚拟成像系统,可以实时测量自闭症模型小鼠的大脑活动在活跃的行为。通过调查大脑功能网络动力学,研究小组旨在澄清autism-specific现象在大脑行为。
首先,虚拟成像系统构造(图1)。一只老鼠头固定在穿上跑步机和显示一个图像虚拟空间投影到屏幕上。虚拟空间是准备这样复制字段用于鼠标行为实验。跑步机的运动是反映在视频图像,使小鼠自由探索虚拟空间(图1 b)。与行为测量如运动、经颅钙成像同时执行这样一个广泛的大脑皮层功能区活动可以实时测量(图1汉英)。为此,研究人员使用转基因小鼠表达在神经元钙传感器蛋白质(GCaMP)。此外,他们建立了一个皮质功能网络动力学分析的方法。他们从一秒钟计算功能区域之间的相关性神经活动获得的数据通过钙成像,和可视化功能网络使用图论(图1 e)。
![Figure 2. A, Representative trajectory (left) and locomotion behavior (right) for Emx1G6 mice and Emx1G615q dup mice. Locomotion speed and periods of locomotion (Loco) and rest of each genotype are shown from top to bottom in the right panel. B, Locomotor activity of Emx1G6 mice and Emx1G615q dup mice during 10-min sessions. Data represent mean ± SEM. P-value by t-test. n = 89 sessions from 7 Emx1G6 mice and 88 sessions from 9 Emx1G615q dup mice. C, Percentages of time spent for each type of episode in Emx1G6 mice and Emx1G615q dup mice. Data represent averages across all sessions. D-E, Changes in cortical functional network dynamics near the locomotion start and stop points in wild-type (D) and 15q dup mice (E). F, The average number of functional connections that each region of interest has before and after the behavior change point. G, Mean value of network centrality for each region of interest. H, Comparison of Modularity. Credit: Cell Reports (2023). DOI:10.1016/j.celrep.2023.112258 使用虚拟现实研究孤独症的神经网络动力学](https://scx1.b-cdn.net/csz/news/800a/2023/using-virtual-reality-1.jpg)
研究人员分析了前后三次窗户当鼠标自发启动或停止在跑步机上运动(运动)在每一个时间窗口,检查网络特征。结果显示,网络结构的变化与运动的发生和模块化增加(图2)。也发现网络结构运动停止时返回到休眠状态。因此,他们成功地可视化网络动力学在开关从静止到运动,从运动。
接下来,研究人员利用这个虚拟成像系统分析功能皮层网络孤独症的小鼠模型。的实验中,他们使用15问dup老鼠,第一个与拷贝数变化建立了孤独症的小鼠模型。15问dup老鼠表现出减少运动和在虚拟现实空间距离(图2 a - c)。检查功能的皮层运动启动后的网络显示更高的网络连接,网络中心,降低和减少功能网络的模块化(图2 d - h)。
![Figure 3. A, The support vector machine learns cortical functional network information before and after the onset of behavior, and discriminates between autism model mice and wild-type mice based on test data. B, Discrimination accuracy of machine learning when using data from each 1-second time window at the locomotion start point (green: results when trained with all functional bonds, blue: results when trained with only the top 1% functional bonds in the importance index, gray: results when trained with random data). C, Importance index of functional domains. The higher the value, the more important it is for discriminating between autism model mice and wild-type mice. The figure on the right is a visualization of the most important index connections. Credit: Cell Reports (2023). DOI:10.1016/j.celrep.2023.112258 使用虚拟现实研究孤独症的神经网络动力学](https://scx1.b-cdn.net/csz/news/800a/2023/using-virtual-reality-2.jpg)
基于这些网络模式的差异,研究人员试图确定自闭症模型小鼠皮层功能网络使用支持向量机(SVM),一个类型的机器学习(图3)。多个独立的网络模式15问dup小鼠和野生型小鼠作为训练数据,支持向量机能够区分个人测试数据是否与一个自闭症模型鼠标或不与78% ~ 89%准确率(图3 b)。这个结果表明,脑功能网络在行为包含通用的信息基因型鉴定。研究人员还研究了大脑中的信息影响力和发现功能连通性的运动皮层至关重要的识别自闭症模型小鼠(图3 c)。
总之,15问dup老鼠,自闭症的一个模型,降低了密集的功能性皮质网络在运动和模块化。研究人员还发现,机器学习可以识别自闭症模型小鼠高度准确地根据他们的功能皮层网络模式与行为变化有关。
![Illustrated abstract of the study. Credit: Cell Reports (2023). DOI:10.1016/j.celrep.2023.112258 使用虚拟现实研究孤独症的神经网络动力学](https://scx1.b-cdn.net/csz/news/800a/2023/using-virtual-reality-3.jpg)
进一步的研究
自闭症的脑功能网络在小鼠模型的特点是运动皮层的功能连接,这对确定自闭症是至关重要的。这些解剖连接和神经生理学的详细研究将有助于阐明运动皮层之间的网络和其他大脑区域在自闭症病理扮演关键角色。此外,进一步研究自闭症在活跃的脑功能网络动态行为将导致新诊断的生物标志物的发现自闭症。
通过分析大量皮质活动记录从活跃的老鼠,研究人员能够可视化动态behavior-dependent的功能皮层网络的变化大脑。VR允许创建的多通道环境,利用多种感官信息,包括视觉、听觉和嗅觉。由于孤独症的人的一个重要症状是受损的社会交流,研究人员希望构建一个社会环境对小鼠在虚拟空间和研究功能网络动力学改变当孤独症模型小鼠执行社会行为。
更多信息:Toru Takumi、虚拟实时成像显示异常皮质动力学行为转换中自闭症的小鼠模型,细胞的报道(2023)。DOI: 10.1016 / j.celrep.2023.112258。www.cell.com/cell-reports/full…2211 - 1247 (23) 00269 - 3