| 研究領域 | 人工知能と脳科学の対照と融合 |
|---|
| 研究課題/領域番号 |
19H04984
|
|---|
| 研究種目 |
新学術領域研究(研究領域提案型)
|
| 配分区分 | 補助金 |
|---|
| 審査区分 |
複合領域
|
|---|
| 研究機関 | 京都大学 |
|---|
研究代表者 |
井上 謙一 京都大学, 霊長類研究所, 助教 (90455395)
|
|---|
| 研究期間 (年度) |
2019-04-01 – 2021-03-31
|
| 研究課題ステータス |
完了 (2020年度)
|
| 配分額 *注記 |
11,700千円 (直接経費: 9,000千円、間接経費: 2,700千円)
2020年度: 5,850千円 (直接経費: 4,500千円、間接経費: 1,350千円)
2019年度: 5,850千円 (直接経費: 4,500千円、間接経費: 1,350千円)
|
|---|
| キーワード | 神経科学 / 脳・神経 / 人工知能 / ウイルスベクター / 解剖学 |
|---|
| 研究開始時の研究の概要 |
独自に開発したウイルスベクターを用いた逆行性越シナプス的多重トレーシング法と、同法に順行性トレーシングを併用する入出力解析法などの先端的回路解析法により、前頭前野が皮質下領域や小脳と形成する行動選択ネットワークの構築様式を明らかにする。具体的には、上記解析法により前頭前野の各領野が皮質下領域や小脳と形成するループ状の回路間における相違と重複のパターンを解析する。また、機械学習を利用して多重ラベル解析を自動化する手法や、多重ラベルデータを標準化する手法などを領域内連携により開発し、全ての脳領域のラベルを短時間で解析し、汎用的な形で保管するための解析パイプラインを確立することを目指す。
|
| 研究実績の概要 |
本研究では、独自に開発したウイルスベクターを用いた逆行性越シナプス的多重トレーシング法と、同法に順行性トレーシングを併用する入出力解析法などの先端的回路解析法により、前頭前野が皮質下領域や小脳と形成するネットワークの構築様式を明らかにするための研究を行なった。今年度は、これまで開発してきた、複数の異なる蛍光タンパク質をそれぞれ発現する高発現型狂犬病ウイルス（RV）ベクターを、前頭極および前部帯状皮質へ注入し、昨年度注入を行ったサンプルと共に、二次・三次ニューロンとしてラベルされる大脳基底核や小脳のニューロンの分布を解析した。その結果、線条体、淡蒼球外節、視床下核で多重ラベルされるニューロンの分布パターンが異なることが明らかとなり、ハイパー直接路、直接路、間接路の情報処理様式の違いを反映していると考えられた（原著論文投稿準備中）。また、2種類の異なる蛍光タンパク質をそれぞれ発現する感染伝播速度低下型・高発現型狂犬病ウイルス（RV）ベクターと、超高発現型アデノ随伴ウイルス（AAV）ベクターの同時２領域注入による、皮質―基底核ループにおける線条体と入出力解析法の開発では、同時注入により超高発現型AAVベクターの発現が減弱することが確認されたため、これを克服するための開発を行い、より感染伝播速度が遅い感染伝播速度低下型RVベクターの開発と、超高発現型AAVベクターの発現速度を向上する注入法の確立に成功した。本研究ではさらに、機械学習を利用して切片画像から自動でラベルデータを生成する手法の開発に取り込み、高い精度のラベルデータを生成するアルゴリズムを開発することに成功した。現在原著論文として投稿するための解析を進めている。また、これと並行して薄切前脳のex vivo MRI構造画像や薄切中の断面画像を利用して、３次元多重ラベルデータを作製する解析パイプラインの構築を行っている。
|
| 現在までの達成度 (段落) |
令和2年度が最終年度であるため、記入しない。
|
| 今後の研究の推進方策 |
令和2年度が最終年度であるため、記入しない。
|
