XiaoMi-AI文件搜索系统
World File Search SystemNeuron
对皮质投影神经元命运多样性的时间控制
摘要在新皮层发育过程中，皮质投射神经元（PN）被顺序产生并组装成我们与环境相互作用的基础的电路。皮质PN在出生日期，层位置，近距离身份，连通性和功能方面是异质的。这种多样性在进化最新的物种中引起了争议，但是在皮质生成期间何时以及如何出现。虽然确定基因和早期随机性的时间锁定表达允许产生不同类型的PN，但在展开相似的转录过程中的时间差异，而不是这些程序中的基本差异，但进一步说明了PN亚型和跨物种之间的解剖变异性。总的来说，这些机制将在此处讨论，它参与了增加皮质PN多样性。
最佳自适应电极选择，以同时记录神经元的产量
神经矩阵样式，用于脑机界面（BMIS）和神经科学研究的高密度电极阵列需要使用多路复用：每个记录通道都可以路由到阵列上的几个电极位点之一。此功能允许用户富裕地将记录通道分发给可以解决最理想的神经信号的位置。例如，在神经质探针中，可以通过384个记录通道来解决960个电极。但是，目前尚无自适应方法使用记录的神经数据来优化/自定义每个记录上下文的电极选择。在这里，我们提出了一种称为基于分类的选择（CBS）的算法，该算法优化了所有记录通道的关节电极选择，以最大程度地提高检测到的神经元的隔离质量。我们在使用非人类灵长类动物中的神经质子的实验中表明，该算法会产生与同时记录所有电极同时记录所有电极相似的隔离神经元。神经元计数比以前发表的电极选择策略提高了41-85％。通过CBS选择的电极分离的神经元是73％的匹配，通过尖峰时间到探针周围的完整可记录神经元集。CBS选择的电极表现出较高的平均每个记录通道信号 - 噪声比。CBS以及一般的选择优化可能在BMI神经技术的开发中起重要作用，因为信号带宽成为越来越有限的因素。代码和实验数据已提供1。
最佳自适应电极选择，以同时记录神经元的产量
神经矩阵样式，用于脑机界面（BMIS）和神经科学研究的高密度电极阵列需要使用多路复用：每个记录通道都可以路由到阵列上的几个电极位点之一。此功能允许用户富裕地将记录通道分发给可以解决最理想的神经信号的位置。例如，在神经质探针中，可以通过384个记录通道来解决960个电极。但是，目前尚无自适应方法使用记录的神经数据来优化/自定义每个记录上下文的电极选择。在这里，我们提出了一种称为基于分类的选择（CBS）的算法，该算法优化了所有记录通道的关节电极选择，以最大程度地提高检测到的神经元的隔离质量。我们在使用非人类灵长类动物中的神经质子的实验中表明，该算法会产生与同时记录所有电极同时记录所有电极相似的隔离神经元。神经元计数比以前发表的电极选择策略提高了41-85％。通过CBS选择的电极分离的神经元是73％的匹配，通过尖峰时间到探针周围的完整可记录神经元集。CBS选择的电极表现出较高的平均每个记录通道信号 - 噪声比。CBS以及一般的选择优化可能在BMI神经技术的开发中起重要作用，因为信号带宽成为越来越有限的因素。代码和实验数据已提供1。
升高的NLRP3炎性体激活与ALS中的运动神经元变性有关
1鲁尔 - 大学Bochum解剖研究所细胞学系，德国Bochum 44801； hilalcihankaya@gmail.com（H.C.）; carsten.theiss@rub.de（C.T。）2国际神经科学研究生院（IGSN），Ruhr-University Bochum，44801 Bochum，德国； konstanze.winklhofer@rub.de 3分子细胞生物学系，生物化学与病原体化学研究所，医学院，Ruhr-University Bochum，44801 Bochum，Bochum，德国； verian.bader@rub.de 4神经病学系，海默尔肌肉研究所，大学医院，伯格曼·史密尔，鲁尔 - 大学Bochum，Buerkle-de-de-la-camp-platz-1，44789 Bochum，Bochum bochum; matthias.vorgerd@bergmannsheil.de 5细胞生物学研究所（癌症研究），大学医院埃森大学，杜伊斯堡 - 埃森大学，德国45147，德国埃森； johann.matschke@uk-esen.de *通信：veronika.matschke@rub.de;电话。： +49-234-32-25018
PointNeuron：通过点云的几何和拓扑学习进行 3D 神经元重建
从 3D 显微镜图像重建数字神经元是研究大脑连接组学和神经元形态的重要技术。现有的重建框架使用基于卷积的分割网络在应用追踪算法之前将神经元从噪声背景中分割出来。追踪结果对原始图像质量和分割精度很敏感。在本文中，我们提出了一种新的 3D 神经元重建框架。我们的关键思想是利用点云的几何表示能力来更好地探索神经元的内在结构信息。我们提出的框架采用一个图卷积网络来预测神经骨架点，采用另一个图卷积网络来产生这些点的连通性。我们最终通过解释预测的点坐标、半径和连接来生成目标 SWC 文件。在 BigNeuron 项目的 Janelia-Fly 数据集上进行评估，我们表明我们的框架实现了具有竞争力的神经元重建性能。我们对点云的几何和拓扑学习可以进一步有益于 3D 医学图像分析，例如心脏表面重建。我们的代码可在 https://github.com/RunkaiZhao/PointNeuron 上找到。
中脑多巴胺神经元的慢性过度激活导致优先多巴胺神经元变性
摘要帕金森氏病（PD）的特征是黑质（SNC）多巴胺（DA）神经元的死亡，但在其死亡之前的病理生理机制仍然未知。PD中DA神经元的活性可能会改变，但我们对活性的慢性变化是否可能导致退化。为了解决这个问题，我们开发了一种化学遗传（Dreadd）小鼠模型，以长期增加DA神经元的活性，并使用离体电生理学证实了这种增加。DA神经元的慢性过度激活导致在光周期期间运动活性的延长，并在黑暗循环期间减少，这与DA释放和昼夜节律干扰的慢性变化一致。我们还观察到了SNC投影的早期优先退化，从而概括了SNC轴突选择性脆弱性的PD标志和腹侧段面积轴突的比较弹性。接下来是中脑DA神经元的最终丧失。连续的DREADD激活导致基线钙水平持续增加，这支持了在神经变性过程中钙增加的重要作用。最后，来自研究中脑DA神经元和纹状体靶标的无多小鼠的空间转录组学，以及与人类患者样品的交叉验证，提供了对多动症诱导的毒性和PD的潜在机制的见解。因此，我们的结果揭示了SNC DA神经元对增加神经活性的优先脆弱性，并支持增加神经活动在PD驱动变性中的潜在作用。引言帕金森氏病（PD），尼格拉（Nigra）pars commanta（SNC）多巴胺（DA）神经元的丧失导致基底神经节中电路动态的严重破坏。多巴胺损失的补偿涉及在电路中存活的SNC神经元和其他下游神经元的活性变化。的确，在大鼠骨纹状体途径的部分病变之后，存活的SNC DA神经元是多动（1），释放额外的多巴胺（2-5），并减少了多巴胺再摄取（2）。DA神经元的巨大丧失（1、6、7），线粒体复合物I活性的完全丧失以及线粒体PD蛋白PINK1（9）的损失也会导致爆发的爆发增加（10，11）。因此，在广泛的损失或压力的情况下，DA神经元易于改变活性，这可能与电路水平的变化有关。例如，灵长类动物模型的证据表明，在PD中，丘脑下核向SNC发送了谷氨酸能投射的核（12）。虽然系统级变化可能是补偿性的，并且部分恢复了多巴胺水平和整体运动功能，但它们也可能带来不利的后果。此外，包括α-突触核蛋白，LRRK2，Pink1和Parkin在内的关键PD疾病蛋白可以影响神经活动水平（13-18），进一步支持了神经活动变化也可能有助于疾病病理生理学的观念。健康的SNC多巴胺神经元由于其起搏活动，有效的Ca 2+泵送，无髓髓纤维或髓鞘不良的纤维（19、20）和大轴突轴（21），因此具有巨大的能量需求。这一巨大的能量要求可能解释了其内在脆弱性，包括线粒体损伤，包括复杂的I破坏（8、22、23）以及线粒体动力学的障碍（24）和周转率（25）。据估计，线粒体在SNC DA神经元中消耗的氧的一半致力于支持神经元释放和发射器释放（26）。因此，与疾病相关的应激结合在一起，即使是轻微多动症的代谢影响可能会触发或加速SNC DA神经元的变性。支持该假设，抑制STN的兴奋性输入可保护SNC DA神经元从6- OHDA和MPTP毒性（27，28）。
急性和慢性DNA诱变和修复的单裂化解
为了构建脑细胞，电路和区域的生物物理详细模型，越来越多地采用数据驱动的方法。这有助于获得一项模拟活动，该活动尽可能忠实地重现实验记录的神经动力学，并将模型转变为基于控制神经细胞性质的原理进行预测的有用框架。在这种情况下，对现有神经模型和数据的访问有助于计算神经科学家的工作，并促进了其新颖性，因为科学界的增长越来越大，神经模型的类型，大小和数量逐渐增加。尽管如此，即使保证可访问性，数据和模型也很少重复使用，因为很难检索，提取和/或了解相关信息，并且通常需要下载和修改单个文件，执行神经数据分析，优化模型参数，并借到自己的资源。虽然着重于构建海马细胞的生物物理和形态准确模型，但我们创建了一个在线资源，即Hippocampus Hub的构建部分 - 一种用于研究海马的科学门户网站，用于研究海马的数据，从不同的在线开放式存储库中收集了来自不同的在线开放式存储库，并允许他们作为单个蜂窝模型构建单个模型构建单个模型的收集。工具和数据的互操作性是我们介绍的工作的关键功能。通过简单的单击和收集程序，例如填写在线商店的购物车，研究人员可以直观地选择感兴趣的文件（即电生理记录，神经形态和模型组件），并开始构建数据驱动的海马神经元模型。这样的工作流程重要的是一个模型优化过程，该过程利用了透明授予用户的高性能计算资源，以及用于运行优化模型的模拟的框架，均通过Ebrains Hodgkin-Huxley神经元建筑商在线工具获得。
小鼠外侧杏仁核和基底杏仁核中 GABA 能神经元类型的总数和比例
GABA 能神经元是皮质网络中的关键回路元素。尽管越来越多的证据表明抑制细胞在外侧 (LA) 和基底 (BA) 杏仁核功能中发挥着关键作用，但这些杏仁核中的 GABA 能神经元数量及其不同类型的比例尚未确定。使用无偏立体学，我们发现雄性和雌性小鼠的 BA (22%) 中的 GABA 能神经元比例明显高于 LA (16%)。无论性别，左右半球之间均无差异。此外，我们还评估了两个杏仁核中主要抑制细胞类型的比例。使用转基因小鼠和病毒策略可视化抑制细胞并结合免疫细胞化学，我们估计以下细胞类型共同构成了 LA 和 BA 中的绝大多数 GABA 能细胞：轴突-轴突细胞（5.5%-6%）、表达小清蛋白（17%-20%）或胆囊收缩素（7%-9%）的篮状细胞、表达生长抑素的树突靶向抑制细胞（10%-16%）、含有 NPY 的神经胶质细胞（14%-15%）、表达 VIP 和/或钙网膜蛋白的中间神经元选择性中间神经元（29%-38%）以及表达生长抑素和神经元一氧化氮合酶的 GABA 能投射神经元（5.5%-8%）。我们的结果表明，这些杏仁核包含在其他皮质区域发现的所有主要 GABA 能神经元类型。此外，我们的数据为未来的研究提供了重要的参考，旨在揭示在不同病理条件下通常观察到的 GABA 能细胞数量和抑制细胞类型的变化，并模拟健康和疾病状态下杏仁核网络的功能。
建立 DAT-P2A-Flpo 小鼠系，用于多巴胺神经元亚群的交叉遗传靶向
Daniel J. Kramer, 1 Erin E. Aisenberg, 2,8 Polina Kosillo, 1,8 Drew Friedmann, 3 David A. Stafford, 1 Angus Yiu-Fai Lee, 4 Liqun Luo, 3 Dirk Hockemeyer, 1,5,6 John Ngai, 1,2,7 和 Helen S. Bateup 1,2,5,9,* 1 加州大学伯克利分校分子与细胞生物学系，美国加利福尼亚州伯克利市 94720 2 加州大学伯克利分校 Helen Wills 神经科学研究所，美国加利福尼亚州伯克利市 94720 3 斯坦福大学霍华德休斯医学研究所和生物学系，美国加利福尼亚州斯坦福市 94305 4 加州大学伯克利分校癌症研究实验室，美国加利福尼亚州伯克利市 94720 5 陈扎克伯格生物中心，美国加利福尼亚州旧金山94158，美国 6 加利福尼亚大学创新基因组学研究所，加利福尼亚州伯克利市 94720，美国 7 现地址：美国国立卫生研究院国家神经疾病和中风研究所，马里兰州贝塞斯达 20892，美国 8 这些作者贡献相同 9 主要联系人 *通信地址：bateup@berkeley.edu https://doi.org/10.1016/j.celrep.2021.109123
基于高性能神经形态计算的低变差阈值开关设备振荡神经元
摘要：高功率和低变异性人工神经元设备非常需要高性能神经形态综合。在本文中，基于低可变性Ag纳米（NDS）阈值开关（TS）设备的振荡神经元具有低操作电压，较大的ON/OFF/OFF比率和高均匀性。测量结果表明，该神经元的示范在低至1 V的施加电压下表现出自振荡行为。振荡频率随施加的电压脉冲振幅而增加，并且随着载荷电阻而降低。然后，当振荡神经元连接到用于神经形态计算的RRAM Crossbar AR-Ray的输出时，可以准确地评估电阻随机记忆（RRAM）突触权重。同时，模拟结果表明，由于AG NDS TS设备的高开/OFF比（> 10 8），我们的振荡神经元可以通过我们的振荡神经元来支持大的RRAM横杆阵列（> 128×128）。此外，AG NDS TS设备的高均匀性有助于提高输出频率的分布并抑制神经网络识别精度的降解（<1％）。因此，基于AG NDS设备的开发的振荡神经元显示出对未来神经形态计算应用的巨大潜力。