مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

مقاله مقاله نشریه

مشخصات مقاله

مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

نسخه انگلیسی
مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

video

مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

sound

مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

نسخه انگلیسی

مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

بازدید:

28
مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

دانلود:

0
مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

استناد:

اطلاعات مقاله نشریه

عنوان

مدل سازی نقش سلول های اختصاصی مهاری در پردازش محرک های بینایی

صفحات

 صفحه شروع 73 | صفحه پایان 90

چکیده

 1مقدمه: گابا یک انتقال دهنده عصبی مهاری کلیدی در دستگاه عصبی مرکزی است که نقش مهمی در کاهش فعالیت نورونی, تنظیم ارتباطات عصبی, کاهش استرس و بهبود کیفیت خواب ایفا می کند. دو نوع اصلی از نورون های میانجی مهاری, پاروالبومین (PV⁺) و سوماتواستاتین (SST⁺), در تنظیم پاسخ مغز به محرک های حسی, به ویژه بینایی, نقش دارند. با این که اثرات کلی این نورون ها مشخص است, اما عملکرد دقیق و ارتباط آنها با سلول های پیرامیدال هنوز به درستی روشن نشده است. تحلیل کمی این ارتباطات برای رمزگشایی از مدارهای عصبی پیچیده و نیز پیشرفت در درمان بیماری های عصبی و طراحی سامانه های هوشمند اهمیت بالایی دارد. روش کار: در این مطالعه از داده های مؤسسه   Allenاستفاده شد. با بهره گیری از تکنیک پچ کلمپ, ویژگی های شلیک نورون های PV⁺ و SST⁺ در موش های 45 تا 70 روزه بررسی شد. حیوانات تحت بیهوشی قرار گرفتند, پرفیوژ شدند و برش های مغزی تهیه گردید. سپس از مدل های انتگرال و آتش نشتی تعمیم­ یافته (GLIF) برای شبیه سازی رفتار نورونی استفاده شد و این مدل ها با داده های الکتروفیزیولوژیکی بهینه سازی شدند. یافته ها: تحلیل واریانس نشان داد که مدل GLIF₁ قادر به بازتولید 65 درصد از واریانس بود و عملکرد نورون های مهاری (82 درصد) بهتر از تحریکی (69 درصد) بود. مدل GLIF₂ با قانون بازنشانی کاهش عملکرد نشان داد. در مدل GLIF₃ با افزودن جریان های پساشلیک, واریانس نورون های مهاری به 84 درصد رسید. GLIF₄ با بهینه سازی بیشتر, عملکرد هر دو نوع نورون را بهبود داد. نتیجه گیری: مدل های  GLIF می توانند رفتار نورون های زیستی را با پارامترهای اندک و دقت بالا شبیه سازی کنند. مدل های پیچیده تر کارآمدترند, اما احتمال بیش برازش را افزایش می دهند. انتخاب ویژگی های کلیدی برای مدل سازی موفق ضروری است.

چندرسانه ای

  • ثبت نشده است.

    • استنادها

  • ثبت نشده است.

    • ارجاعات

  • ثبت نشده است.

    • استناددهی

    مقالات مرتبط نشریه ای

  • ثبت نشده است.

    • مقالات مرتبط همایشی

  • ثبت نشده است.

    • طرح های مرتبط

  • ثبت نشده است.

    • کارگاه های پیشنهادی






    بازگشت به بالا
    telegram sharing button
    whatsapp sharing button
    linkedin sharing button
    twitter sharing button
    email sharing button
    email sharing button
    email sharing button
    sharethis sharing button