XiaoMi-AI文件搜索系统
World File Search SystemNeuron
ALS患者衍生的运动神经元网络表现出微观功能障碍和中尺度补偿，使它们非常容易受到扰动
摘要肌萎缩性侧硬化症会影响上和下运动神经元，从而导致进行性神经病理学，从而在症状发展前很久就会导致受影响神经网络的结构和功能改变。某些遗传突变，例如C9ORF72中的扩张，使运动神经元群体诱发病理功能障碍。但是，尚不清楚潜在的病理倾向如何影响脆弱网络内的结构和功能动力学。在这里，我们研究了ALS患者衍生的运动神经元网络的微观和中尺度动力学。我们首次表明，ALS患者衍生出具有内源遗传易感性的运动神经元，以细胞质TDP-43夹杂物的形式发展出经典的ALS细胞病理学，并自组织为计算效率高效的网络，尽管具有与健康的对照组相比具有更高的代谢成本的功能标志。这些标志包括微观障碍和中尺度补偿，包括功能集中度增加。此外，我们表明这些网络通过表现出诱导的多动症而极易受到短暂扰动的影响。
通过神经元对阿尔茨海默氏病的因果遗传生物标志物揭示神经结构中的基因回溯：一种突破性的反向 - 片上尖峰分类，有效的中位数... 基于闩锁的快速下垂响应的设计 llmcarbon
摘要阿尔茨海默氏病（AD）影响了全球超过5500万人，但关键的遗传贡献者仍然没有尚未确定。利用基因组元素模型的最新进展，我们提出了创新的反向基因发现技术，这是一种神经网络结构中一种突破性的神经元到基因的回溯方法，以阐明新型的因果关系遗传生物标志物推动了AD套装。逆向基因 - 包括三个关键创新。首先，我们利用这样的观察结果，即引起AD的概率最高的基因（定义为最有因果基因（MCG））必须具有激活那些引起AD的最高可能性的神经元的最高可能性，该神经元被引起AD的可能性最高，被罚款为最大的神经元（MCNS）。其次，我们在输入层处取代基因令牌表示，以允许每个基因（已知或新颖的AD）表示为输入空间中的疾病和独特的实体。最后，与现有的神经网络体系结构相反，该架构以馈送方式跟踪从输入层到输出层的神经激活，我们开发了一种创新的回溯方法，可以跟踪从MCNS到输入层的向后进行识别，从而识别最引起的代币（MCTS）和Corre-McGs。逆向基因 - 高度解释性，可推广和适应性，为在其他疾病情景中应用提供了有希望的方法。
MTOR途径基因MTOR，RHEB，DEPDC5，PTEN和TSC1对皮质神经元发育和功能有收敛性和不同影响
。cc-by-nd 4.0国际许可证（未经同行评审证明）获得的是作者/资助者，他已授予Biorxiv的许可证，以永久显示预印本。这是该版本的版权持有人，该版本发布于2024年1月6日。 https://doi.org/10.1101/2023.08.11.553034 doi：Biorxiv Preprint
通过调节WNT和FGF18信号传导，增强了HPSC衍生的中脑多巴胺神经元的产率和亚型身份。 tae wan kim 1,2.3 *＃，jinghua
1干细胞生物学中心，2个发育生物学计划，纪念斯隆 - 凯特林癌症中心，纽约，纽约，纽约，10065，美国。3大韩民共和国Daegu Gyeongbuk科学技术学院（DGIST）跨学科工程系（DGIST）。4神经外科部，5癌生物学和遗传学计划，纪念斯隆 - 凯特林癌症中心，纽约，纽约，纽约，10065，美国。6哥伦比亚大学医学中心神经病学系，纽约，美国。 7计算机生物医学研究所，血液学/肿瘤科，医学系，威尔·康奈尔医学院，纽约，纽约，纽约，纽约，纽约，10065，美国。 8纽约州纽约的计算生物学三机构博士学位课程。 9神经科学计划，纽约州威尔·康奈尔医学院医学科学研究生院6哥伦比亚大学医学中心神经病学系，纽约，美国。7计算机生物医学研究所，血液学/肿瘤科，医学系，威尔·康奈尔医学院，纽约，纽约，纽约，纽约，纽约，10065，美国。 8纽约州纽约的计算生物学三机构博士学位课程。 9神经科学计划，纽约州威尔·康奈尔医学院医学科学研究生院7计算机生物医学研究所，血液学/肿瘤科，医学系，威尔·康奈尔医学院，纽约，纽约，纽约，纽约，纽约，10065，美国。8纽约州纽约的计算生物学三机构博士学位课程。9神经科学计划，纽约州威尔·康奈尔医学院医学科学研究生院
Anx007对视力的保存：临床结果和第2阶段弓箭手试验的解剖变化
1 Stevens，2007年，Cell 131：1164; Howell等，2011 J Clin Invest。 121：1429; Schafer等，2012 Neuron 74：691; Stephan等，2012 Annu Rev Neurosci 35：369; Hong等，2016 Science。 352：712; Lui等，2016 Cell 165：921; Dejanovic等，2018 Neuron 100：1322; Vukojicic; Vukojicic等，2019，2019年，细胞代表29：3087; Williams等人，Williams等，2016 Mol Neurdegener 11：26：26：26：26; 2 Yednock等，2022 Int J Retina Vitreous 8：79; 3 Lansita等人，2017年国际毒理学杂志，36：4491 Stevens，2007年，Cell 131：1164; Howell等，2011 J Clin Invest。121：1429; Schafer等，2012 Neuron 74：691; Stephan等，2012 Annu Rev Neurosci 35：369; Hong等，2016 Science。352：712; Lui等，2016 Cell 165：921; Dejanovic等，2018 Neuron 100：1322; Vukojicic; Vukojicic等，2019，2019年，细胞代表29：3087; Williams等人，Williams等，2016 Mol Neurdegener 11：26：26：26：26; 2 Yednock等，2022 Int J Retina Vitreous 8：79; 3 Lansita等人，2017年国际毒理学杂志，36：449
课程Vitae Andrew M. Saxe
Flesch，Timo，David G. Nagy，Andrew Saxe和Christopher Summerfield（2023）。“与Hebbian上下文门控和成倍衰减的任务信号建模人类的连续学习”。in：PLOS计算生物学19.1。出版商：公共科学图书馆。Flesch，Timo，Andrew Saxe和Christopher Summerfield（3月2023）。“自然和人造代理中的持续任务学习”。in：神经科学的趋势46.3。发布者：Elsevier，pp。199–210。Jarvis，D.，R。Klein，B。Rosman和A.M.萨克斯（2023）。 “关于神经模块的专业化”。 in：第十一国际学习表现会议。 Masís，Javier，Travis Chapman，Juliana Y Rhee，David D Cox和Andrew M Saxe（2023）。 “在感知决策过程中进行策略管理学习”。 in：Elife 12。 Nelli，Stephanie，Lukas Braun，Tsvetomira Dumbalska，Andrew Saxe和Christopher Summerfield（2023）。 “人类和神经网络中的神经知识组装”。 in：Neuron 111.9，pp。 1504–1516。 Patel，Nishil，Sebastian Lee，Stefano Sarao Mannelli，Sebastian Goldt和Andrew M. Saxe（2023）。 “ RL感知器：高维度中政策学习的动态”。 in：ICLR 2023机器学习物理研讨会。 Shamash，Philip，Sebastian Lee，Andrew M. Saxe和Tiago Branco（2023）。 “小鼠通过动作驱动的映射过程识别亚目标”。 in：Neuron 111.12，pp。 1966– 1978年。Jarvis，D.，R。Klein，B。Rosman和A.M.萨克斯（2023）。“关于神经模块的专业化”。in：第十一国际学习表现会议。Masís，Javier，Travis Chapman，Juliana Y Rhee，David D Cox和Andrew M Saxe（2023）。 “在感知决策过程中进行策略管理学习”。 in：Elife 12。 Nelli，Stephanie，Lukas Braun，Tsvetomira Dumbalska，Andrew Saxe和Christopher Summerfield（2023）。 “人类和神经网络中的神经知识组装”。 in：Neuron 111.9，pp。 1504–1516。 Patel，Nishil，Sebastian Lee，Stefano Sarao Mannelli，Sebastian Goldt和Andrew M. Saxe（2023）。 “ RL感知器：高维度中政策学习的动态”。 in：ICLR 2023机器学习物理研讨会。 Shamash，Philip，Sebastian Lee，Andrew M. Saxe和Tiago Branco（2023）。 “小鼠通过动作驱动的映射过程识别亚目标”。 in：Neuron 111.12，pp。 1966– 1978年。Masís，Javier，Travis Chapman，Juliana Y Rhee，David D Cox和Andrew M Saxe（2023）。“在感知决策过程中进行策略管理学习”。in：Elife 12。Nelli，Stephanie，Lukas Braun，Tsvetomira Dumbalska，Andrew Saxe和Christopher Summerfield（2023）。 “人类和神经网络中的神经知识组装”。 in：Neuron 111.9，pp。 1504–1516。 Patel，Nishil，Sebastian Lee，Stefano Sarao Mannelli，Sebastian Goldt和Andrew M. Saxe（2023）。 “ RL感知器：高维度中政策学习的动态”。 in：ICLR 2023机器学习物理研讨会。 Shamash，Philip，Sebastian Lee，Andrew M. Saxe和Tiago Branco（2023）。 “小鼠通过动作驱动的映射过程识别亚目标”。 in：Neuron 111.12，pp。 1966– 1978年。Nelli，Stephanie，Lukas Braun，Tsvetomira Dumbalska，Andrew Saxe和Christopher Summerfield（2023）。“人类和神经网络中的神经知识组装”。in：Neuron 111.9，pp。1504–1516。Patel，Nishil，Sebastian Lee，Stefano Sarao Mannelli，Sebastian Goldt和Andrew M. Saxe（2023）。“ RL感知器：高维度中政策学习的动态”。in：ICLR 2023机器学习物理研讨会。Shamash，Philip，Sebastian Lee，Andrew M. Saxe和Tiago Branco（2023）。“小鼠通过动作驱动的映射过程识别亚目标”。in：Neuron 111.12，pp。1966– 1978年。
研究学习计划的教育意义 - 来自神经科学的发现
2。 Miyamoto Kentaro等人的研究（Tokyo University，Tokyo University的生理学，生理学）对额压皮质的可逆沉默选择性地损害了元认知法官的主要经验Kentaro Miyamoto，Rieko Setsuie，Takahiro Osada，Yasushi Miyashita Neuron，97，980-989.e6（2018）http://www.ncbi.nlm.nlm.nlm.nlm.nih.gov/poubmed/poubmed/29395959595959116-
简历
我的研究兴趣围绕认知过程的神经基础，主要关注从非人类灵长类动物大脑高级皮质区域（尤其是前额叶和顶叶皮质）的神经元群体记录中探究有意识的视觉感知机制。我经常使用最先进的电生理方法（长期植入的犹他阵列，神经像素）和信号处理/机器学习工具，在多个时空尺度上记录和分析神经元群体。我的研究揭示了前额叶皮质在有意识的视觉感知中的作用（Panagiotaropoulos 等人，Neuron 2012、认知科学趋势 2020；Kapoor 等人，Nature Communications 2022、Bellet 等人，意识神经科学 2022、Panagiotaropoulos Neuron 2024）、内在皮质状态与有意识内容表征的相互作用（Dwarakanath 等人，Neuron 2023），以及预测和抽象处理背后的神经群体机制（Bellet 等人，Cell Reports 2024；Kapoor 等人，Communications Biology 2018）。我对意识的本质（认知理论与非认知理论）很感兴趣，为此，我参加了研究联盟，测试人类和动物模型中意识理论的预测（Cogitate Consortium bioRxiv 2023，已被《自然》接受发表）。此外，我还研究了麻醉过程中前额叶和顶叶皮质失去意识的机制。我还通过记录人类内侧颞叶的概念细胞来探索陈述性记忆表征（Rey，Panagiotaropoulos 等人，Cell Reports 审查中）。过去，我通过结合行为、分子和神经内分泌学方法来研究新生儿经历对成年空间学习和记忆以及对压力的反应的影响（Panagiotaropoulos 等人，神经内分泌学 2004，学习和记忆的神经生物学 2009）。我曾担任认知神经科学学会、视觉科学学会组织的会议以及艾伦脑科学研究所、加州理工学院、美国国立卫生研究院等组织的研讨会/研讨会的特邀发言人。学术和研究经历
动作电位热力学信息含量的上限
在计算神经科学的许多领域中，神经元通常被分析为二元电化学开关（DeWeese 等人，2003 年；Victor，2006 年；Jensen 等人，2013 年；Mayfield，2013 年；Sterling and Laughlin，2015 年；Gupta and Bahmer，2019 年）。在这个抽象层次上，脉冲神经元可以被视为具有两个稳定位置的记忆系统。神经元可能正在发射，在这种情况下，其状态通常标记为 1，或者神经元可能正在静止，在这种情况下，其状态通常标记为 0。由于神经元发射动作电位的概率受到许多不同的未知因素的影响（例如神经元的温度、其发射阈值、其与突触前输入的连接程度等），因此，在香农的通信理论中，可以将发射状态和静止状态之间的区别作为二元随机变量进行研究。因此，通常隐含地假设单个动作电位的香农熵为