| Project Area | Morphological features and gene expression patterns underlying hub neurons |
|---|
| Project/Area Number |
20H05776
|
|---|
| Research Category |
Grant-in-Aid for Transformative Research Areas (B)
|
| Allocation Type | Single-year Grants |
|---|
| Review Section |
Transformative Research Areas, Section (III)
|
|---|
| Research Institution | Ibaraki University |
|---|
Principal Investigator |
Takeda Koujin 茨城大学, 理工学研究科(工学野), 准教授 (70397040)
|
|---|
| Project Period (FY) |
2020-10-02 – 2023-03-31
|
| Project Status |
Completed (Fiscal Year 2022)
|
| Budget Amount *help |
¥43,550,000 (Direct Cost: ¥33,500,000、Indirect Cost: ¥10,050,000)
Fiscal Year 2022: ¥13,390,000 (Direct Cost: ¥10,300,000、Indirect Cost: ¥3,090,000)
Fiscal Year 2021: ¥14,430,000 (Direct Cost: ¥11,100,000、Indirect Cost: ¥3,330,000)
Fiscal Year 2020: ¥15,730,000 (Direct Cost: ¥12,100,000、Indirect Cost: ¥3,630,000)
|
|---|
| Keywords | 機能的神経クラスタ / 神経ネットワーク / 神経活動特徴量抽出 / ベイズ推定 / マルコフ連鎖モンテカルロ法 / 行列分解 / 機能的クラスタ / 機能的クラスタ/ハブ細胞 / ハブ/非ハブ細胞分類器 / 神経科学 / 統計物理学 / データ解析 / クラスタリング / ネットワーク推定 |
|---|
| Outline of Research at the Start |
本学術変革領域研究は、神経ネットワーク内の機能的クラスタ/ハブ細胞のダイナミズムを決定づける剛軟因子の追究を目標に掲げている。その中で本計画研究は、統計学におけるベイズ推定の手法に基づき、大規模神経活動時系列データから神経ネットワーク内の機能的神経クラスタ/ハブを推定する高速かつ高精度な数値解析手法を開発し、さらに手法を実データに適用することで神経ネットワークの生理学的・遺伝学的構造を探ることを目的とする。
|
| Outline of Final Research Achievements |
The main results of this research project are summarized as follows. (A) The estimation algorithm for neuronal ensemble based on Bayesian statistics was accelerated, generalized for application to continuous-valued data, and further extended to analyze non-stationary neuronal ensemble structure. (B) The algorithm to simultaneously estimate the position and spike time series of neurons in the picture of Ca2+ imaging was developed. By applying this algorithm, it was confirmed that this algorithm can estimate both the position and spike time series with high accuracy. (C) Various matrix factorization methods were applied to extract features in fMRI data of brain activity. As a consequence, it was found that the method incorporating sparsity can extract appropriate features. This result indicates that sparse coding is realized in information processing in the brain.
|
| Academic Significance and Societal Importance of the Research Achievements |
神経科学では近年の計測技術の向上によりCa2+イメージング画像やfMRIデータ等の大規模な神経活動データが取得可能となった。しかし大規模データから神経活動の有意な情報を抽出するための数理的技術は発展途上であった。本研究の主要な成果により、神経科学においても大規模データの高精度・高速な処理が近い将来に可能になり、今後の新たな解析手法の開発も期待される。また大規模データに対する新手法を活用することで、生物の神経ネットワーク構造および各部位の機能に関する知見が得られ、最終的には神経科学の発展に大きく寄与できると考えられる。
|
