Nou model estructural 3D a gran escala de l’hipocamp humà disponible a EBRAINS
Un nou model d’alta resolució de la regió CA1 de l’hipocamp humà ja està disponible a l’EBRAINS Knowledge Graph.
L’Institut de Biofísica del Consell Nacional d’Investigacions Italià (CNR-IBF) i la Universitat de Mòdena e Reggio Emilia (UNIMORE) han desenvolupat un nou model d’alta resolució de la regió CA1 de l’hipocamp humà. El model de resolució unicel·lular, que replica l’estructura i l’arquitectura de la zona, juntament amb la posició i la connectivitat relativa de les neurones, es va desenvolupar a partir d’un conjunt de dades a gran escala d’imatges d’alta resolució.
El model ja està disponible a l’EBRAINS Knowledge Graph. Segons l’estudi, publicat a Nature Computational Science, la mateixa metodologia es podria aplicar per generar models a gran escala d’altres àrees del cervell humà i també per integrar-se en un entorn de co-simulació com The Virtual Brain.
Model d’alta resolució de la regió CA1 de l’hipocamp humà
“La quantitat de dades sobre neurones individuals del cervell humà és molt limitada, tant en termes de coordenades 3D relatives com en termes de connectivitat entre neurones”, explica Michele Migliore del CNR-IBF, Palerm. “Hem realitzat una operació de mineria de dades en imatges d’alta resolució de l’hipocamp humà, obtingudes de la base de dades BigBrain. La posició de les neurones individuals s’ha derivat d’una anàlisi detallada d’aquestes imatges”.
Els investigadors han desenvolupat un algorisme de processament d’imatges personalitzat per tal d’obtenir una distribució realista del posicionament neuronal, i un algorisme per generar connectivitat neuronal aproximant les formes dendrítiques i axonals. “Les dendrites i els axons es poden classificar en categories en funció de la forma general de les seves extensions: per exemple, alguns encaixen en cons estrets, altres tenen una àmplia extensió complexa que es pot aproximat mitjançant volums geomètrics dedicats i la connectivitat amb les neurones properes canvia en conseqüència”, explica Daniela Gandolfi d’UNIMORE, autora principal de l’estudi. “El nostre algorisme analitza imatges d’alta resolució i, després de la creació de formes geomètriques específiques per associar-les a propietats morfològiques, ens permet calcular la probabilitat que dues neurones estiguin connectades. El mètode proporciona no només el posicionament 3D de les neurones, sinó també la seva connectivitat”.
“Vam comparar la densitat de neurones del nostre model 3D amb la literatura existent sobre l’hipocamp i vam trobar que coincideix amb les observacions experimentals, validant el nostre model”, conclou Gandolfi. “El nostre objectiu principal amb aquest estudi era que les dades estiguin disponibles (a) la comunitat de neurociència més àmplia. Ara estem utilitzant el mateix enfocament per modelar altres regions del cervell”.
Enllaç:
CA1 Human hippocampus network for single point neuron simulations (v1.0)
Llegit a: