脳情報フィードバック制御を活用した病態進行の予測・改善手法の開発
| Project/Area Number |
19K12768
|
|---|
| Research Category |
Grant-in-Aid for Scientific Research (C)
|
| Allocation Type | Multi-year Fund |
|---|
| Section | 一般 |
|---|
| Review Section |
Basic Section 90110:Biomedical engineering-related
|
|---|
| Research Institution | Doshisha University |
|---|
Principal Investigator |
井出 薫 同志社大学, 研究開発推進機構, 助教 (90806671)
|
|---|
| Co-Investigator(Kenkyū-buntansha) |
高橋 晋 同志社大学, 脳科学研究科, 教授 (20510960)
|
|---|
| Project Period (FY) |
2019-04-01 – 2024-03-31
|
| Project Status |
Discontinued (Fiscal Year 2022)
|
| Budget Amount *help |
¥4,290,000 (Direct Cost: ¥3,300,000、Indirect Cost: ¥990,000)
Fiscal Year 2023: ¥650,000 (Direct Cost: ¥500,000、Indirect Cost: ¥150,000)
Fiscal Year 2022: ¥780,000 (Direct Cost: ¥600,000、Indirect Cost: ¥180,000)
Fiscal Year 2021: ¥1,040,000 (Direct Cost: ¥800,000、Indirect Cost: ¥240,000)
Fiscal Year 2020: ¥1,040,000 (Direct Cost: ¥800,000、Indirect Cost: ¥240,000)
Fiscal Year 2019: ¥780,000 (Direct Cost: ¥600,000、Indirect Cost: ¥180,000)
|
|---|
| Keywords | 脳神経回路 / オプトジェネティクス / 神経細胞活動 / マルチニューロン |
|---|
| Outline of Research at the Start |
脳神経回路網は動的に恒常性を維持・変容させる機構を備えているが、脳神経細胞が重度に変性・脱落した場合、恒常性変容機構が病的に作用し、神経変性疾患が発症すると考えられる。しかし、従来の脳深部刺激法は動的恒常性の乱れが考慮されておらず、刺激手順の体系的な最適化は成されていない。
本研究では、パーキンソン病に着目し、情報工学と最先端の電気生理学的手法を用い、脳神経回路の活動動態をリアルタイムに計測・解読し、解読した脳状態に応じた神経刺激を加え、脳機能ネットワーク活動をフィードバック制御する。更に、最適な解読情報、刺激パターン・タイミング等を探り出し、病態進行の予測・改善へ導く手法の開発を目指す。
|
| Outline of Annual Research Achievements |
脳神経細胞が重度に変性や脱落をした場合、神経変性疾患が発症すると考えられているが、従来の脳深部刺激法では動的恒常性の乱れが考慮されておらず、刺激手順の体系的な最適化は成されていない。本研究では、パーキンソン病に着目し、脳神経回路の活動動態をリアルタイムに計測・解読し、解読した脳状態に応じた神経刺激を加え、脳機能ネットワーク活動をフィードバック制御する。更に、最適な解読情報、刺激パターン・タイミング等を探り出し、病態進行の予測・改善へ導く手法の開発を目指した。
最終年度も前年までと同様に、6-OHDAによりドーパミン作動性ニューロンを選択的に変性脱落させた片側パーキンソン病モデルマウスを作製し、オープンフィールド内で自由歩行させた。移動軌跡を収集するとともに、複数の神経細胞活動と局所脳波を同時に記録するオンラインシステムを用いることにより、神経活動をリアルタイムに解析し、そこで得られた情報から運動関連部位へのフィードバック信号として、光遺伝学を活用した光刺激を行った。様々な条件下での刺激を行うことで、パーキンソン病症状の軽減や改善につながる刺激パターンを探った。
研究期間全体を通して上記実験を繰り返し実施することにより、解読情報をもとにした刺激パターンや回数、タイミングなどを比較検討した。そのときの脳神経細胞活動や行動解析の結果をもとに網羅的に最適なパラメーターを探索した。また、パーキンソン病モデルマウスと正常マウスを用い、オープンフィールドで自由歩行させて移動軌跡を収集した。共同研究において、その比較分析を、比較する群に特徴的な部分軌跡を自動的に検出する人工知能手法(ニューラルネットワーク)を用いて行った。その結果、パーキンソン病モデルマウスと正常マウス間での移動特徴を発見することができた。
これらの結果は国際論文や学会おいて発表している。
|
Report
(4 results)
Research Products
(23 results)
-
-
-
-
-
-
[Journal Article] Deep learning-assisted comparative analysis of animal trajectories with DeepHL2020
Author(s)
Takuya Maekawa, Kazuya Ohara, Yizhe Zhang, Matasaburo Fukutomi, Sakiko Matsumoto, Kentarou Matsumura, Hisashi Shidara, Shuhei J. Yamazaki, Ryusuke Fujisawa, Kaoru Ide, Naohisa Nagaya, Koji Yamazaki, Shinsuke Koike, Takahisa Miyatake, Koutarou D. Kimura, Hiroto Ogawa, Susumu Takahashi, and Ken Yoda
-
Journal Title
Nature Communications
Volume: 11
Issue: 1
Pages: 5316-5316
DOI
Related Report
Peer Reviewed / Open Access
-
-
-
-
-
-
-
-
-
-
-
[Presentation] Learning interaction rules from multi-animal trajectories via augmented behavioral models2021
Author(s)
Keisuke Fujii, Naoya Takeishi, Kazushi Tsutsui, Emyo Fujioka, Nozomi Nishiumi, Ryoya Tanaka, Mika Fukushiro, Kaoru Ide, Hiroyoshi Kohno, Ken Yoda, Susumu Takahashi, Shizuko Hiryu, Yoshinobu Kawahara
Organizer
Advances in Neural Information Processing Systems (NeurIPS'21)
Related Report
Int'l Joint Research
-
-
-
-
-
-
