Məlumat

Uzaq neyron qruplarını birləşdirən aksonların məkan paylanması

Uzaq neyron qruplarını birləşdirən aksonların məkan paylanması


We are searching data for your request:

Forums and discussions:
Manuals and reference books:
Data from registers:
Wait the end of the search in all databases.
Upon completion, a link will appear to access the found materials.

Aşağıdakıları bilsəm, beynin şəklini formalaşdırmağa kömək edərdi:

Beyində yaxşı yerləşmiş, lakin bir-birindən kifayət qədər uzaqda olan (məsələn, iki təxminən sferik nüvə və ya yarımkürələr arasında uyğun gələn iki Brodman sahəsi) və birbaşa sinaptik olaraq (az və ya çox) bağlı olan iki müəyyən edilmiş A və B neyron qrupunu nəzərdən keçirək. , yəni birinci qrupun aksonları ikincinin dendritləri ilə sinapslar qurur, məsafə əsasən aksonlarla kəsilir. Güman edirəm ki, müxtəlif miqyaslarda çoxlu nümunələr var.

Sualım budur: Aksonların necə təşkil olunduğunu, yəni beyində məkan olaraq paylanmasının üstünlük verdiyi bir yol varmı? Onlar əsasən dəstələr şəklində bir-birinə paralel gedirmi, yoxsa aksonların (və ya aksonların kiçik alt dəstlərinin) ayrı-ayrı marşrutları, bəlkə də bir-birindən olduqca uzaq olduğu (bəlkə də müstəsna) hallar varmı?

Mən neyronların ara qrupları ilə orada olduğunu bilirəm var bir qrup neyronun digərinə müxtəlif və qeyri-paralel yolları. Deməli mənim sualım açıq şəkildə bununla bağlıdır birbaşa bağlı qruplar.

(Sualımda onu boş edən çoxlu sadələşdirici fərziyyələr varmı?)


Uzaq neyron qruplarını birləşdirən aksonların məkan paylanması - Biologiya

TDP-43 aqreqasiyası ilə əlaqəli xəstəliklərin siyahısı ALS və FTD-dən kənara çıxdı.

Genetik tapıntılar xəstəliyin patogenezində pozulmuş proteostazı nəzərdə tutur və molekulyar tədqiqatlar azalmış protein dövriyyəsini TDP-43 aqreqasiyası ilə əlaqələndirir.

TDP-43-ün qlisinlə zəngin domenindəki mutasiyalar xəstəliyin patogenezində dəyişmiş faza ayrılmasını günahlandırır və RNT-nin tanınması motivlərindəki yeni mutasiyalar potensial olaraq həm RNT-nin bağlanmasına, həm də həll olunma qabiliyyətinə təsir göstərir.

O cümlədən kritik neyron transkriptlərinin dəyişdirilmiş tənzimlənməsi STMN2, TDP-43 və neyropatiya arasında mexaniki əlaqəni təmin edən TDP-43 funksiyasının itirilməsi ilə əlaqələndirilir.

Anormal dəyişikliklər STMN2 digər neyrodegenerativ xəstəliklərdə ifadə bu sitoskeletal tənzimləyicinin kritik təbiətini vurğulayır.

Əsas TDP-43 ilə tənzimlənən transkriptlər əlaqəli proteinopatiyaları aşkar etmək, xarakterizə etmək və müalicə etmək üçün biomarkerlər kimi xidmət edə bilər.

Transaktiv cavab DNT-ni bağlayan zülal 43 kDa (TDP-43), çoxfunksiyalı nuklein turşusunu bağlayan zülal, bir neçə dağıdıcı sinir sistemi pozğunluğu mutasiyaları ilə əlaqəli həll olunmayan aqreqatların əsas komponentidir. TARDBP, onun kodlaşdıran geni ailəvi amyotrofik yanal sklerozun (ALS) və frontotemporal demansın (FTD) səbəbidir. Burada biz TDP-43-ün qurulmuş və ortaya çıxan rollarını nəzərdən keçiririk və onun disfunksiyasının sinir sistemindəki RNT homeostazına necə təsir etdiyini və bununla da sinir degenerasiyasına töhfə verdiyini nəzərdən keçiririk. Qeyd edək ki, aksonal böyümə ilə əlaqəli amil STMN2-nin düzgün olmayan birləşməsi son zamanlarda TDP-43 disfunksiyası ilə əlaqələndirilmiş və TDP-43 proteinopatiyaları və neyropatiya arasında mexaniki əlaqə təmin edilmişdir. Bu araşdırma beyindəki TDP-43 funksiyasının dərindən başa düşülməsinin bir neçə nevroloji pozğunluqlar üçün yeni hədəflənmiş müalicələr hazırlamaq üçün necə istifadə oluna biləcəyini vurğulayır.


TEXNOLOJİ SUITEİCTİMAİ TƏHLÜKƏSİZLİK ÜÇÜN

Axon ekosistemi ictimai təhlükəsizlik liderlərinə həyatı qorumaq üçün yeni vasitələr verir

Tutmaq Həqiqət

Tam hekayəni izah edən birləşdirilmiş kameralar

Şəxsi Təhlükəsizlik

Daha az narahatlıq, daha az nəticələr və daha çox inamla qorunma.

Qorun Həyat

Ən qabaqcıl Enerji Silahlarından istifadə edərək inamla gərginliyi azaldın

Sürətləndirmək Ədalət

Sizi icmanıza daha sürətli xidmət etməyə qaytaran proqram təminatı

Gülləni köhnəlməyə hazırlaşırıq.
Gülləni köhnəlməyə hazırlaşırıq.

Axon Ekosistemi

Hər bir Axon məhsulu vahid şəbəkə kimi birlikdə işləyir. Sorunsuz bağlıdır. Və hüquq-mühafizə orqanlarına vacib olana diqqət yetirmək, həqiqətə daha tez çatmaq və dünyanı daha təhlükəsiz yerə çevirmək üçün lazım olan alətləri vermək üçün nəzərdə tutulmuşdur.


Giriş

In vivo, neyronlar, hədəflərini tapmaq və funksional şəbəkələrdə birləşmək üçün inkişaf edən beyinlərin son dərəcə sıx və mürəkkəb mühitində hərəkət etməli olan prosesləri genişləndirirlər. Bu mühit neyron proseslərini onların böyüməsini istiqamətləndirərək və onların uzanmasını və ya geri çəkilməsini təşviq edərək təyinat yerinə yönəldən yayıla bilən hüceyrədənkənar siqnalları təmin edir [1-6]. Son işlərin aşkar edildiyi kimi, aksonlar yalnız xarici kimyəvi siqnalları hiss etmək və onlara cavab vermək qabiliyyətinə malik deyil, həm də ətrafdakıların mexaniki xassələrindəki yerli dəyişiklikləri rəhbər tuturlar [7-9]. Akson naviqasiyasını istiqamətləndirən kimyəvi və ya mexaniki siqnalları təmin etməklə yanaşı, beynin məhdud və sıx mühiti neyron proqnozlarının təşkili və böyüməsinə də məkan məhdudiyyətləri qoyur. Beləliklə, neyronların sayının artması kontekstində böyüməni optimallaşdırmaq üçün strategiyalar təkamül boyu işlənib hazırlanmışdır. Bunlara hədəf əraziləri böyütmək və innervasiya etmək üçün koordinasiya edən neyronların populyasiyalara təşkili daxildir [10, 11]. Tədqiqatlar neyronlararası koordinasiya və qarşılıqlı əlaqənin inkişaf etməkdə olan populyasiya kontekstində xüsusilə vacib olduğunu aşkar etsə də [10, 12-15], bu günə qədər akson artımı əsasən öyrənilmişdir. in vitro təcrid olunmuş neyronlarda və ya in vivo neyronların bütün populyasiyalarında. Bununla belə, əhalinin artımını tam başa düşmək üçün tək tərkibli neyronların davranışını və onların qlobal artım yaratmaq üçün necə qarşılıqlı əlaqədə olduğunu və özlərinə necə təsir etdiyini başa düşmək lazımdır. Bu eksperimental olaraq əhəmiyyətsiz deyil, çünki akson-akson qarşılıqlı təsirini təkrar-təkrar vizuallaşdırmaq və manipulyasiya etmək üçün alətlərdir. in vivo populyasiyalarda böyüyən aksonlar ya yoxdur, ya da həyata keçirilməsi ağırdır.

Bu çətinlikləri aradan qaldırmaq üçün biz real tək hüceyrə morfologiyaları verən simulyasiyalar yaradan və populyasiya kontekstində akson artımı prosesini dəqiq şəkildə təkrarlayan 3D dinamik riyazi çərçivə hazırlamışıq. Baxmayaraq ki, akson rəqabətinin müxtəlif aspektlərini nəzərə alan modellər təsvir edilmişdir [16-21], məkan məhdudiyyətləri və mexaniki neyron-neyron qarşılıqlı təsirini nəzərə alan 3D modellər indiyə qədər nadirdir [22-25]. Torben-Nielsen və De Schutter, məsələn, böyümə qaydalarının əsasən fenomenoloji olduğu kontekstdən xəbərdar olan neyron inkişafı üçün bir çərçivə hazırladılar [23]. Zubler və başqaları. cisimlər arasındakı fiziki qüvvələrə və maddələrin hüceyrədənkənar domen vasitəsilə yayılmasına əsaslanan neyron böyüməsi modelini təklif etmişdir [24]. Vanherpe və başqaları. qapalı məkanlarda kəsişməyən boruşəkilli strukturların inkişafı üçün bir çərçivə təklif etdi, bu da aksonun uzanması və son morfologiyanın məkan sərhədləri və aksonal sıxlıqdan asılılığını vurğuladı [25]. Birlikdə, bu modellər neyron morfologiyalarını öyrənərkən kosmosa daxil edilmiş prosesləri və hüceyrə mühiti ilə qarşılıqlı əlaqəni nəzərə almağın vacibliyini vurğuladı. Bununla belə, onlar real məlumatlardan təxmin edilən parametrlərdən istifadə etməyib və ya istifadə edə bilməyiblər və öz modellərinin izahedici və ya proqnozlaşdırıcı aspektlərini nümayiş etdirməyiblər.

Bu işdə biz populyasiya kontekstində akson artımının əsasını təşkil edən prinsipləri üzə çıxarmaq üçün bioloji nümunələrdən məlumatları riyazi modelləşdirmə ilə birləşdirə bilən çevik çərçivə hazırladıq. Birincisi, biz məlumatlardan təxmin edilə bilən parametrlərə əsaslanan fərdi aksonların böyüməsi üçün 3D stoxastik model təklif etdik. Bu model filial formalaşması ilə həyata keçirilə bilər və fərdi aksonların simulyasiyasına tətbiq edilə bilər. İkincisi, biz aksonların populyasiyalarının artımını simulyasiya etdik və onların kosmos üçün rəqabət apardıqları və maneələrlə qarşılaşdıqda yollarını dəyişdirdikləri məkan baxımından məhdud bir mühitdə eyni vaxtda böyüməsinə imkan verdik.

Modelimizi bioloji məlumatlar üzərində sınaqdan keçirmək üçün biz kontekstdə yetişdirilmiş tək yetkin aksonları təmsil edən konfokal təsvirlər bazasından istifadə etdik. Drosophila beyinlər. Təəccüblüdür ki, çərçivəmiz burada müşahidə edilənə bənzər bir sıra böyümə və arborizasiya nümunələri yaratdı Drosophila beyinlərdən təxmin edilən parametrlərlə həyata keçirildikdə daxilində vivo müşahidə edilən morfoloji müxtəlifliyin mənşəyi üçün mexaniki izahat verən məlumatlar. Bundan əlavə, aksonların budaqlar yaratmaq qabiliyyətinin modulyasiyası akson böyüməsinə təsir etdi. Populyasiya səviyyəsində budaqlanan aksonlar budaqlanmayanlara nisbətən daha səmərəli böyüdü. Tək hüceyrə səviyyəsində budaqlanmayan aksonlar budaqlananlarla rəqabət apararaq müşahidə edilənlərə bənzər qüsurlu böyümə profilləri yaradıblar. daxilində vivo inaktivasiyası zamanı imp, akson böyüməsi və budaqlanmasında rolu ilə tanınan bir gen. Bu günə qədər budaqlanmanın əhəmiyyəti daha çox tərəfdaşlarla əlaqələrin qurulması kontekstində nəzərdən keçirilsə də [26, 27], beləliklə, bizim nəticələrimiz göstərir ki, budaqlanma həm də məkan rəqabətini aradan qaldırmaq və yüksək kontekstlərdə böyüməyi optimallaşdırmaq üçün inkişaf zamanı qəbul edilmiş bir strategiya ola bilər. akson sıxlığı. Birlikdə bizim hazırladığımız sadə, izahedici və proqnozlaşdırıcı çərçivə real məkanda məhdud mühitlərdə aksonların kollektiv böyüməsini tənzimləyən prinsiplərin mexaniki tədqiqinə imkan verir.


Nəticələr

Cəmi 244 hüceyrə qeydə alınıb, onlardan 106-sı uğurla etiketlənib və morfoloji analiz üçün bərpa edilib. Bərpa edilmiş hüceyrələr dendritik arborların kəmiyyət oriyentasiyasına görə dörd əsas morfotipə bölündü (Şəkil 2 və ​ və 3). 3). Dendritik sahə oriyentasiyası morfoloji seqreqasiya üçün əsas parametr idi, çünki bu, neyronun sinaptik girişinin təbiəti ilə sıx bağlıdır (1,14,20). Neyron morfotipləri qütb süjetində dendritik klasterlərin paylanmasına görə müəyyən edilmişdir (Şəkil 4). Müəyyən edilmiş morfotiplər bunlar idi: üfüqi hüceyrələr (ümumi hüceyrələrin 26,4%-i 28/106), dendritik proseslərin 50%-dən çoxunun soma radial hüceyrələrinin yanal 80 qövsdə cəmləşməsi ilə müəyyən edilir (38,7% 41/106). dendritik klaster paylanmasının üstünlük təşkil etmədiyi neyronlar idi, yəni onların dendritik klasterləri müəyyən edilmiş analitik bölgələrin heç biri ilə 50% üst-üstə düşmürdü (20,8% 22/106), onların 50%-dən çoxu var idi. yuxarıda birbaşa somanın yuxarısındakı bölgəyə proyeksiya edən dendritik arbors və dendritləri əsasən birbaşa somanın altında (70% -dən çox) proqnozlaşdırılan nəsil hüceyrələr (ümumi hüceyrələrin 12,3% -i 13/106). Bir neçə hüceyrə (1,8% 2/106) müəyyən edilmiş morfotiplərə təsnif edilmək üçün çox qeyri-müntəzəm idi və təsnif edilməmiş qaldı.

Horizontal hüceyrələrin təxminən 25% (7/28) əsasən birtərəfli və 75% (21/28) ikitərəfli olaraq proqnozlaşdırılan dendritik klasterlərə malikdir. Onların da, ümumiyyətlə, ellipsoidi və kiçik soması var idi. Radial hüceyrələr yuvarlaq və ya qeyri-müntəzəm hüceyrə gövdəsinə malik idilər, yüksələn hüceyrələr adətən yuvarlaq və ya ellipsoid hüceyrə gövdələrinə, nəsil hüceyrələr isə nizamsız və ya uzunsov hüceyrə gövdəsinə malik idilər. Nəsil hüceyrələr arasında müəyyən bir alt tip, yəni subpial hüceyrələr fərqlənə bilər. Bu hüceyrələr, həmçinin Bradford və başqaları tərəfindən "şaquli hüceyrələr" adlanır. (25) və Zhou və Hablitz (5), nəsil hüceyrə populyasiyasının 76,9%-ni (10/13) təşkil edirdi. Onlar yalnız dərhal pial sərhədinin altında yerləşirdilər, xüsusilə uzun hüceyrə gövdələrinə sahib idilər və hüceyrə gövdəsindən yana və aşağıya doğru çoxlu sayda dendritlər buraxılan dendritik şaxələnmənin tək bir nümunəsinə sahib idilər. Bu hüceyrələr öz-özlüyündə fərqli bir alt tip ola bilsələr də, bizim ümumi nümunə ölçüsündə nisbi azlığına görə (106 hüceyrədən 10-u) onlar bütün analitik məqsədlər üçün digər nəsil hüceyrələrlə qruplaşdırılmışdır.

Şol təhlili göstərdi ki, 1-ci təbəqənin bütün neyronları somadan təxminən 25-30º5m məsafədə ən yüksək budaqlanmağa nail oldular (Şəkil 5A). Üfüqi, radial və yüksələn hüceyrələrdə oxşar dəyərə malik budaqlanan zirvələr, yəni təxminən 9-10 şaxələnmə var idi. Bununla belə, nəsil hüceyrələr şaxələnmədə əhəmiyyətli dərəcədə daha kiçik bir zirvə nümayiş etdirdi (6.3 º 0.89 kəsişmə P = 0.0107). Morfotiplər arasında 5 m-ə düşən kəsişmələrin sayında, ümumi dendritik uzunluqda və maksimum Şol radiusunda əhəmiyyətli fərqlər tapdıq (Şəkil 5B-D). Nəsil hüceyrələri üfüqi hüceyrələrdən ardıcıl olaraq daha kiçik ümumi dendritik uzunluğa və üfüqi və radial neyronlara nisbətən 5 m-də daha az kəsişməyə malikdir (Şəkil 5C). Üfüqi hüceyrələr bütün digər alt növlərdən daha böyük maksimum Sholl radiusuna malik idi (Şəkil 5D).

1-ci təbəqə neyronlarının məkan paylanmasının təhlili üçün təbəqəni pial səthindən və kortikal təbəqə ilə sərhəddən 2/3 (2/3) olan məsafəyə görə eyni ölçülü üç alt təbəqəyə (üst, medial və aşağı alt təbəqələr) ayırdıq. 1). Morfoloji cəhətdən fərqli populyasiyaların 1-ci təbəqənin bu alt-laminası arasında paylanması olduqca qeyri-bərabər idi (P º0.01), nəsil hüceyrələr qalan alt tiplərə nisbətən çox fərqli məkan quruluşunu göstərirdi. Nəsil neyronları xüsusilə yuxarı alt təbəqədə cəmləşmişdir (bütün nəsil hüceyrələrinin 76,9%-i 10/13), medial alt təbəqədə nisbətən nadirdir (23,1% 3/13) və aşağı alt təbəqədə tamamilə yox idi.

Qalan morfotiplərin paylanması statistik olaraq oxşar idi, nəsli olmayan hüceyrələrin əksəriyyəti medial alt təbəqədə cəmləşmişdir (bütün nəsli olmayan hüceyrələrin 44/92%-i) və aşağı təbəqədə ümumi idi (�-40). % 34/92). Nəsli olmayan hüceyrələrin təxminən 10-20%-i (14/92) yuxarı alt təbəqədə yerləşirdi. Beləliklə, üfüqi, yüksələn və radial hüceyrələr aşağı alt təbəqənin bütün populyasiyasını təşkil edirdi, çünki bu təbəqədə nəsil hüceyrələr yoxdur.

Qeydə alınmış 1-ci təbəqənin interneyronlarının elektrofizioloji parametrləri Cədvəl 1, ​ ,2, 2 və ​ və 3-də ümumiləşdirilmişdir. 3 . Spontan fəaliyyət potensialları nadir idi və araşdırılmadı. Passiv membran xassələri və hər bir morfotip və alt təbəqənin atəş tezliyi Şəkil 6-da görünə bilər. Bu parametrlər 1-ci təbəqənin neyronlarının tədqiq edilmiş bölmələri arasında əhəmiyyətli dərəcədə fərqlənmirdi (P > 0.05).

Cədvəl 1.

ParametrlərMorfoloji təsnifat
ÜfüqiRadialArtanAzalan
Hüceyrələrin sayı28412213
RMP (mV)-54,23 ± 1,18-56,09 ± 1,07-55,50 ± 1,17-53,57 ± 1,45
AP həddi (mV)-40,72 ± 0,94-41,31 ± 0,45-41,65 ± 0,75-41.09 ± 1.11
Rdaxilində (MΩ)539,61 ± 46,69512,91 ± 41,23526,47 ± 34,95505,96 ± 65,02
Sünbül tezliyi (Hz)29,96 ± 2,2530,23 ± 2,7138,33 ± 4,0533,99 ± 3,58
AP amplitudası (mV)93,25 ± 2,7397,47 ± 1,6794,83 ± 2,6895,85 ± 2,09
Yarım eni (ms)1,09 ± 0,040,94 ± 0,030,96 ± 0,030,92 ± 0,05
10-90% yüksəlmə vaxtı (ms)0,44 ± 0,020,36 ± 0,010,38 ± 0,010,38 ± 0,02
10-90% çürümə müddəti (ms)0,74 ± 0,040,65 ± 0,030,63 ± 0,030,60 ± 0,05
τ (ms)51,38 ± 4,2947,89 ± 4,5251.40 ± 4.9144,27 ± 8,39
fAHP (mV)15.88 ± 2.2616,84 ± 1,7713.40 ± 13.4016.33 ± 5.86
mAHP (mV)14.81 ± 1.9017.08 ± 1.0913.46 ± 1.559.47 ± 4.95
sAHP (mV)7,73 ± 0,587.68 ± 1.085.90 ± 1.175.17 ± 1.98
ADP (mV)2.67 ± 2.413.25 ± 1.80--

Məlumatlar ± SEM vasitəsi kimi bildirilir. RMP = istirahət membran potensialı AP = fəaliyyət potensialı Rdaxilində = giriş müqaviməti τ = membranın vaxtı sabiti fAHP = sürətli hiperpolarizasiyadan sonrakı potensiallar mAHP = orta hiperpolarizasiyadan sonrakı potensiallar sAHP = yavaş hiperpolarizasiyadan sonrakı potensiallar ADP = depolarizasiyadan sonrakı potensiallar.

Cədvəl 2.

ParametrlərMəkan paylanması
Bütün təbəqə 1üstünMedialAşağı
Hüceyrələrin sayı105244734
RMP (mV)-56,64 ± 6,32-55,45 ± 7,14-54,86 ± 5,65-56,11 ± 5,16
AP həddi (mV)-41,52 ± 6,21-40,27 ± 4,71-41,09 ± 2,83-42,31 ± 2,61
Rdaxilində (MΩ)500,25 ± 197,62509,36 ± 191,27515,35 ± 220,75530,50 ± 203,58
Sünbül tezliyi (Hz)30.99 ± 14.0332.51 ± 10.0534.14 ± 17.2431.05 ± 13.00
AP amplitudası (mV)96,31 ± 10,9993,88 ± 9,8892,71 ± 9,8499,77 ± 12,12
Yarım genişlik (ms)0,94 ± 0,200,94 ± 0,190,94 ± 0,211,02 ± 0,21
10-90% yüksəlmə vaxtı (ms)0,37 ± 0,090,37 ± 0,080,37 ± 0,080,41 ± 0,09
10-90% çürümə müddəti (ms)0,63 ± 0,160,62 ± 0,140,64 ± 0,190,70 ± 0,17
τ (ms)43,66 ± 20,4345.01 ± 23.3845,63 ± 22,3747,74 ± 21,82
fAHP (mV)17.48 ± 6.0518.89 ± 5.3020.38 ± 6.3813,91 ± 3,62
mAHP (mV)14.36 ± 5.3817.41 ± 5.3216,89 ± 4,7912.22 ± 5.73
sAHP (mV)5.42 ± 3.556.90 ± 5.316,68 ± 3,455.31 ± 2.49
ADP (mV)4,90 ± 3,906.53 ± 3.117.00 ± 2.703.46 ± 3.38

Məlumatlar ± SEM vasitəsi kimi bildirilir. RMP = istirahət membran potensialı AP = fəaliyyət potensialı Rdaxilində = giriş müqaviməti τ = membran vaxtı sabiti fAHP = sürətli hiperpolarizasiyadan sonrakı potensiallar mAHP = orta hiperpolarizasiyadan sonrakı potensiallar sAHP = yavaş hiperpolarizasiyadan sonrakı potensiallar ADP = depolarizasiyadan sonrakı potensiallar.

Cədvəl 3.

ParametrlərNeyron atəş nümunəsi
c-NACc-ACc-STUTd-NAC
Hüceyrələrin sayı162351029
RMP (mV)-56,15 ± 0,51-55,49 ± 0,91-63,40 ± 1,95-58,31 ± 0,95
AP həddi (mV)-41,75 ± 0,26-41,01 ± 0,46-40,44 ± 0,66-42,28 ± 0,50
Rdaxilində (MΩ)538,12 ± 17,18428,41 ± 19,29331,83 ± 32,37442,67 ± 22,27
Sünbül tezliyi (Hz)33.21 ± 1.2327.31 ± 1.4318.48 ± 3.2426.10 ± 1.70
AP amplitudası (mV)96,10 ± 0,9099,46 ± 1,4590,46 ± 2,9799,89 ± 1,80
Yarım eni (ms)0,94 ± 0,020,93 ± 0,030,85 ± 0,050,91 ± 0,03
10-90% yüksəlmə vaxtı (ms)0,37 ± 0,010,37 ± 0,010,33 ± 0,020,36 ± 0,01
10-90% çürümə müddəti (ms)0,64 ± 0,010,62 ± 0,020,55 ± 0,040,62 ± 0,03
τ (ms)46,20 ± 1,6638,77 ± 2,9323,96 ± 3,6442,79 ± 3,65
fAHP (mV)16,98 ± 0,5221.33 ± 1.1116.17 ± 0.0916,71 ± 0,80
mAHP (mV)12,77 ± 0,4216,90 ± 0,8519.28 ± 1.1715.50 ± 0.93
sAHP (mV)5.19 ± 0.297,32 ± 0,676,23 ± 0,404.17 ± 0.48
ADP (mV)5,63 ± 0,325,58 ± 0,832.13 ± 0.482,51 ± 0,31

Məlumatlar ± SEM vasitəsi kimi bildirilir. c-NAC və c-AC = klassik qeyri-adekvat və uyğun hüceyrələr c-STUT = klassik kəkələyən neyronlar d-NAC = gecikmiş NAC RMP = istirahət membran potensialı AP = fəaliyyət potensialı Rdaxilində = giriş müqaviməti τ = membranın vaxtı sabiti fAHP = sürətli hiperpolarizasiyadan sonrakı potensiallar mAHP = orta hiperpolarizasiyadan sonrakı potensiallar sAHP = yavaş hiperpolarizasiyadan sonrakı potensiallar ADP = depolarizasiyadan sonrakı potensiallar.

Qeydə alınmış 244 hüceyrədən 219-u ardıcıl depolarizasiya edən impulslara məruz qalmış və onların aktiv xassələri tədqiq edilmişdir. Bütün qeydə alınan hüceyrələr dəyişən tezliklərlə təkrarlanan atəşə qadir idi. Bu 219 tədqiq edilmiş neyrondan 93,61% (205/219) az və ya heç bir tezlik adaptasiyası göstərmədi 59,82% (131/219) fAHP, 72,15% (158/219) mAHP, 76,71% (16,72 AHP) təqdim etdi (131/219) , və 74,20% (53/219) ADP nümayiş etdirdi. Qeyd etmək lazımdır ki, sınaqlarımız zamanı bir hüceyrədə bir mAHP və sAHP-nin birlikdə meydana gəlməsini müşahidə etmədik, bu, Zhou və Hablitz (2) tərəfindən edilən əvvəlki tədqiqatlarla uyğun gəlir. Bu sonrakı potensialların orta amplitüdləri Cədvəl 1, ​ ,2, 2 və ​ və 3-də təqdim edilmişdir. 3 . Hər növ sonrakı potensialın təmsilçi qeydləri Şəkil 7-də göstərilmişdir.

Fəaliyyət potensialı dalğa formaları Zhou və Hablitz (2) tərəfindən istifadə edilən parametrlərə görə müəyyən edilmiş və təsnif edilmişdir. Bu meyarlara əsasən, qeydə alınmış neyronların əksəriyyəti (162/219) klassik qeyri-adekvat hüceyrələr (c-NAC) kimi müəyyən edilə bilər (Şəkil 8A), yəni qısamüddətli fəaliyyət potensialına malik hüceyrələr (təxminən 1,1 ms) , fAHP-lərin olması və sünbül tezliyi uyğunlaşmasının olmaması və ya demək olar ki, olmaması ilə sünbül repolarizasiyasının sürətli sürəti. Bu hüceyrələr dərhal cavab verdi və hər bir stimulun bütün müddəti ərzində atəşə davam etdi (Şəkil 8A). Onlar əhəmiyyətli dərəcədə yüksək R-yə sahib idilərdaxilində və tədqiqatımızda qeydə alınan digər neyronlardan daha aşağı mAHP amplitudası (Cədvəl 3 P < 0.05). Bu tapıntı Zhou və Hablitz (2) tərəfindən bildirilmiş 1-ci qat neyronları ilə bağlı əvvəlki nəticələrə bənzəyir. Qeyd etmək lazımdır ki, bu c-NAC dalğa forması kortikal inhibitor interneyronlara xasdır (12,26).

Fəaliyyət potensialının dalğa formasının bu vahidliyinə baxmayaraq, biz öyrəndik ki, tədqiq olunan hüceyrələrin atəş nümunəsi qeyd olunan atəş nümunəsi alt tiplərini göstərir. Qeydə alınmış neyron populyasiyasının 13,24%-i (29/219) hüceyrələri gecikmiş qeyri-uyğunlaşan neyronlar (d-NAC Şəkil 8C), yəni müəyyən depolarizasiya edən nəbzə dərhal cavab verməyən hüceyrələr kimi səciyyələndirilmişdir. müəyyən bir dövr. Bu hüceyrələrdə əhəmiyyətli dərəcədə aşağı sAHP amplitüdləri var idi (Cədvəl 3 P < 0.05). Başqa bir qrup hüceyrə (15,98% 35/219) klassik yerləşdirmə neyronları idi (c-AC Şəkil 8B), o mənada ki, onlar bir və ya daha çox fəaliyyət potensialı ilə cavab verdilər (qıcıqlanmanın amplitudasından asılı olaraq) və sonra qalan hissəsi susdular. nəbzdən. Bu hüceyrələr əhəmiyyətli dərəcədə daha yüksək fAHP amplitudasına malik idi (Cədvəl 3 P < 0.05). 4,57% (10/219) bir hissəsi klassik kəkələmə hüceyrələri kimi təsnif edildi (c-STUT sakit dövrləri, yəni təkrarlanan atəş ardıcıllığında aralıq susdurma dövrlərini təqdim edir Şəkil 8D). Bu hüceyrələr əhəmiyyətli dərəcədə yüksək RMP və daha aşağı τ və Rdaxilində (Cədvəl 3 P < 0,05). Oxşar nümunələri Zhou və Hablitz (2) və Chu et al. (4).

Fərqli morfotiplər arasında atəş nümunələrinin paylanmasında əhəmiyyətli fərq aşkar edilmişdir (P < 0.001). Yüksələn və nəsil hüceyrələr c-NAC atəş nümunəsi nümayiş etdirmədi və üfüqi hüceyrələr c-AC nümunələrinin daha kiçik bir hissəsini təqdim etdi (Şəkil 8F). Bundan əlavə, yüksələn və nəsil hüceyrələr, digər morfoloji kateqoriyalardan fərqli olaraq, ADP nümayiş etdirmirdilər. Hər bir alt təbəqənin neyron populyasiyaları arasında da əhəmiyyətli fərq var idi (P = 0.017). Üstün alt təbəqənin hüceyrələri c-NAC atəş nümunələrini təqdim etmədi və bu neyronların yalnız nisbətən kiçik bir hissəsi d-NAC hüceyrələri idi (Şəkil 8E). Bundan əlavə, aşağı alt təbəqədəki neyronların daha böyük bir hissəsi medial hüceyrələrlə müqayisədə d-NAC atəş modelinə malikdir. Maraqlıdır ki, qalan membran xüsusiyyətləri, məsələn, τ, RMP və Rdaxilində müxtəlif morfotiplərin 1-ci təbəqə hüceyrələri (Cədvəl 1 və Şəkil 6B) və alt təbəqənin paylanması (Cədvəl 2 və Şəkil 6C) arasında statistik olaraq homojen idi (P > 0.05).


Tədqiqatçılar quşların nəğməsini tənzimləyən “bioloji saatı” dekonstruksiya edirlər

Yeni bir araşdırmaya görə, quşun mürəkkəb nəğməsinin dəqiq vaxtı qismən quşun beynindəki neyronları birləşdirən tez-tez nəzərə alınmayan "tellər" tərəfindən idarə olunur. Penn State və Nyu-York Universitetindən olan tədqiqatçılar qrupu quşların nəğməsini və digər davranışları tənzimləyən, neyron şəbəkələrin funksiyası haqqında yeni düşüncə tərzinə gətirib çıxaran mühüm “bioloji saatı” dekonstruksiya edib.

"Qolf topunu vurmaq və ya skripka çalmaq kimi bir çox mürəkkəb, öyrənilmiş davranışlar sinir atəşi səviyyəsində inanılmaz dərəcədə dəqiq vaxt tələb edir" dedi. Dezhe Jin, Penn State fizika kafedrasının dosenti və məqalənin müəllifidir. “Ancaq beynin əzələlərimizi bu qədər dəqiq şəkildə necə tənzimlədiyi qaranlıq olaraq qalır. Bu araşdırmada biz illərlə apardığımız eksperimental müşahidələrə əsaslanan model yaratdıq ki, bu da neyronların dövrələrindəki gecikmələrin onların işə salınma zamanında mühüm rol oynadığını ortaya qoydu. Daha sonra neyronları birləşdirən naqillərə və ya aksonlara gedən gecikmələrin mənbəyini dəqiqləşdirdik”.

Jurnalda oktyabrın 15-də çıxan bir yazıda Hüceyrə, Jin və həmkarları usta instrumental ifaçının məharəti ilə arvadbazlıq mahnısını öyrənməyə qadir olan kiçik avstraliyalı nəğmə quşu olan zebra ispinozundan istifadə edərək davranış vaxtının hesablanması məsələsini həll edirlər. Bu səsli ekranı işə salmaq üçün ispinozların beyinlərində mahnının vaxtını tənzimləyən HVC adlı xüsusi bir “saat” var. HVC-də neyron qrupları mahnının ifasına uyğun gələn proqnozlaşdırıla bilən ardıcıllıqla atəş açır.

"HVC tez-tez saat kimi düşünülür, çünki o, çox mürəkkəb bir hərəkətə - mahnıya nəzarət edir, burada dəqiq zamanlama çox vacibdir" dedi NYU Tibb Məktəbində doktoranturadan sonrakı tədqiqatçı və bu araşdırmanın aparıcı müəllifi Robert Egger. “Biz oxuma zamanı HVC daxilində 70-ə qədər neyronun eyni vaxtda fəaliyyətini ölçmək üçün ən müasir üsullardan istifadə etdik. Əvvəllər biz hər bir neyronu bir-bir ölçməli və onların fəaliyyətini mahnıya uyğunlaşdırmalı idik”.

Bir dövrənin necə bu qədər dəqiq ola biləcəyini araşdırmaq üçün Jin və onun aspirantı Eugene Tupikov neyron dövrəsini təsvir edən bir sıra geniş miqyaslı hesablama modelləri hazırladı. Bir halda, bir neyron klasteri eyni anda alovlanır, bu da eyni anda alovlanan növbəti neyron çoxluğunu tetikler, tədqiqatçıların sinfire zənciri adlandırdığı dominoların düşməsi kimi növbəti çoxluğu tetikler. Alternativ bir modeldə naqillərdəki gecikmələr neyronların bir qədər fərqli vaxtlarda atəş açmasına imkan verir. Nəticə daha dəqiq saatdır.

NYU Tibb Məktəbinin nevrologiya və fiziologiya kafedrasının dosenti və məqalənin müvafiq müəllifi Maykl Lonq, "Biz əvvəllər hər bir neyron qrupunu ikinci əlin ayrı, diskret gənəsi kimi düşünürdük" dedi. “Ancaq bizim gördüyümüz daha çox rəvan və davamlı hərəkət edən ikinci əl kimidir. Gecikmələrin məftillər arasında bölüşdürülməsi daha yüksək qətnamə əldə etməyə imkan verir, çünki bu işarə nöqtələrini əldə etmirsiniz."

Komanda dövrədə gecikmələrin geniş yayılmasını tapdı, yəni bəzi siqnallar digər neyronlara çox tez çatır, bəziləri isə daha uzun çəkir.

Modelləşdirmə işinə rəhbərlik edən Jin, "Biz bilirdik ki, neyron dövrələrindəki gecikmələr böyük məsafədə əhəmiyyətlidir, lakin yerli dövrələr daxilində onların əhəmiyyətsiz olduğu düşünülürdü və bu səbəbdən çox vaxt nəzərə alınmır". "Bu nəticələr aksonların neyron dövrələrinin vaxtında kritik rol oynadığını və gələcək modellərə daxil edilməli olduğunu göstərir."

Tədqiqatçılar aksonal gecikmələrin digər beyin şəbəkələrində rol oynayıb-oynamayacağını müəyyən etmək üçün gəmiricilərin beyninin bığlarını hərəkət etdirərkən ətraflarını hiss etmək üçün istifadə etdikləri bir bölgədəki gecikmələri təxmin etdilər.

"Nəticələrimiz nəğmə quşunda gördüyümüz gecikmələrə uyğun idi və bu, aksonal gecikmələrin bir sıra mürəkkəb davranışlarda neyron fəaliyyətinin formalaşmasında mühüm rol oynaya biləcəyini göstərir" dedi Jin. "Axon gecikmələrini beyin haqqında necə düşündüyümüzə və onun necə işlədiyinə daxil etməliyik."

Tədqiqat qrupuna həmçinin NYU-da Margot Elmaleh, Kalman Katlowitz, Sam Benezra, Mişel Pikardo və Feliks Moll və Maks Plank Neyrobiologiya İnstitutunda Jörgen Kornfeld daxildir. Bu iş Deutsche Forschungsgemeinschaft (Almaniya Araşdırma Fondu), Milli Sağlamlıq İnstitutu, Milli Elm Fondu və Simons Fondu tərəfindən dəstəklənib.


Cari Tədqiqat

Otofagiya əsas homeostatik prosesdir, burada autofaqosomlar zədələnmiş sitoplazmik komponentləri, zülal aqreqatlarını və lizosomal deqradasiya üçün disfunksiyalı orqanelləri udur. Neyronlarda avtofaqosomlar əsasən distal aksonlarda və presinaptik terminallarda əmələ gəlir və yetkin lizosomların əsasən yerləşdiyi somaya doğru yalnız retrograd daşıma keçirlər. Otofagiya-lizosomal yol neyron homeostazının saxlanması üçün vacibdir. Bu yoldakı qüsurlar artan sayda nevroloji pozğunluqlara səbəb olur.

Mitoxondriya neyronların fəaliyyəti və yaşaması üçün vacib orqanoidlərdir. Disfunksiyalı mitoxondriyalar nəinki daha az səmərəli enerji istehsal edir, həm də zərərli reaktiv oksigen növlərini buraxır və Alzheimer, Parkinson, Amyotrofik Lateral Skleroz və Huntington kimi əsas neyrodegenerativ xəstəliklərin patogenezi ilə əlaqəli olan apoptotik siqnal kaskadlarını işə salır. Mitofagiya vasitəsilə yaşlı və zədələnmiş mitoxondrilərin effektiv şəkildə aradan qaldırılması neyronlarda mitoxondrial keyfiyyətə nəzarət üçün əsas hüceyrə yoludur.

Tədqiqatımızın məqsədi autofagiya-lizosomal sistemi tənzimləyən molekulyar və hüceyrə mexanizmlərini və onların sağlamlıq və aksonal degenerasiyada neyron homeostazına təsirini aydınlaşdırmaqdır. Biz aşağıdakı suallara cavab verməkdə xüsusilə maraqlıyıq: (1) Aksonal daşınma, membran alveri və autofagiya-lizosomal funksiyanı tənzimləyən mexanizmlər hansılardır? (2) Sağlam və xəstə neyronlarda mitofagiya vasitəsilə mitoxondrial keyfiyyət necə idarə olunur? (3) Endolizosomal sistem neyron siqnalının tənzimlənməsində necə iştirak edir? (4) Bu mexanizmlərdəki qüsurlar neyrodegenerasiyaya necə kömək edir? (5) Otofagiya-lizosomal yol vasitəsilə neyronların morfogenezini və sinapsın formalaşmasını tənzimləyən mexanizmlər hansılardır?

Tədqiqatımız canlı neyronlarda qüsurlu mitoxondrilərin aradan qaldırılmasında dinamik və məkan Parkin vasitəçiliyi ilə mitofagiyanın sübutunu təqdim edir. Qeyri-adekvat mitofagiya qabiliyyətinin Alzheimer xəstəliyi neyronlarında mitoxondrial qüsurlara kömək etdiyini aşkar edirik. Bizim uzunmüddətli məqsədimiz autofagiya-lizosomal funksiyanı gücləndirməklə zədələnmiş mitoxondrilərin düzgün dövriyyəsi və protein aqreqatlarının təmizlənməsi üçün hüceyrə mexanizmlərini aydınlaşdırmaqdır. Bu sistemin yuxarı tənzimlənməsinin neyropatologiyanı yaxşılaşdırıb-yaxşılaşmadığını və əsas neyrodegenerativ xəstəliklərlə əlaqəli davranış anormalliklərini zəiflətdiyini qiymətləndirəcəyik. Bu mexanizmlər haqqında anlayışımızdakı irəliləyiş, yeni qoruyucu və terapevtik yanaşmaların inkişafına səbəb ola biləcək güclü əsas verəcəkdir.

Araşdırma məqaləmiz (Tammineni və Jeong et al., İnsan Molekulyar Genetikası, 2017) üz qabığında təqdim olunur: (A) Aktiv proteaz Cathepsin D (CathD) ilə yüklənmiş LAMP-1 etiketli yetkin lizosomlar əsasən somada yerləşir, lakin MAP2 ilə işarələnmiş neyron proseslərində çətinliklə aşkar edilir. (B) Snapin, dynein motor adaptoru, dynein mühərriklərinin gec endosomlara cəlb edilməsinə vasitəçilik edir və bununla da onların uzun məsafəli retrograd aksonal nəqlini təmin edir. Bu proses gec endosomla əlaqəli retromerin somaya doğru aksonal retrograd daşınmasını asanlaşdırır, burada retromer kationdan asılı olmayan mannoz 6 fosfat reseptorlarını (CI-MPR) gec endosomdan Qoljiyə qaytarır. Golgi-lokallaşdırılmış CI-MPR kritik proteazların lizosomlara daşınması və yüklənməsinə vasitəçilik edir. Belə bir mexanizm neyronlarda lizosomların funksional qabiliyyətinin saxlanması üçün vacibdir.

Kağızımız (Feng və Tammineni et al., Biologiya Kimya Jurnalı, 2017) "The Year in JBC: 2017"-də Neyrobiologiya kateqoriyası üzrə təmsilçi seçilib. Kağızdakı təsvirlər üz qabığının bir hissəsi kimi təqdim olunur: flüoresan məlumatları və amiloid-? formation, during autophagy.

Induction of Parkin-mediated mitophagy in mature cortical neurons. Upon mitophagy induction, Parkin translocates to depolarized mitochondria and accumulates in the somatodendritic regions of neurons. Arrows in enlarged views of the boxed somatodendritic area indicate Parkin ring-like structures surrounding fragmented mitochondria while an arrowhead marks a mitochondrion unlabeled by Parkin. Panels with enlarged views of a dendritic process showing mitochondria with no Parkin association at distal regions. (Cai et al., Cari Biologiya, 2012)

Activation of Parkin-mediated mitophagy in Alzheimer’s disease neurons. Parkin is recruited to depolarized mitochondria in Alzheimer’s disease neurons. Graph to the right is a line scan of relative DsRed-Mito and YFP-Parkin fluorescence intensities from an enlarged image in the somatic area of Alzheimer’s disease neuron (left panel). Mitophagy induction is coupled with altered mitochondrial motility in the axon of Alzheimer’s disease neurons. Vertical lines of kymograph images (lower panels) represent stationary organelles, oblique lines or curves to the right represent anterograde transport, and lines to the left indicate retrograde movement. (Ye et al., İnsan Molekulyar Genetikası, 2015)

Autophagic stress at presynaptic terminals of neurons in Alzheimer’s disease mouse brains. Amphisome-like structures, indicated by arrows, accumulate at presynaptic terminals of Alzheimer’s disease neurons, which are not readily observed in the neurons from normal WT mice. (Tammineni and Ye et al., eLife, 2017)

Mechanisms underlying autophagic stress in Alzheimer’s disease neurons. (A) In healthy neurons, autophagosomes are predominantly generated in distal axons. Through fusion with late endosomes (LEs) to form amphisomes, nascent autophagosomes gain long-distance retrograde motility by recruiting LE-loaded dynein-Snapin motor-adaptor transport machinery. Efficient retrograde transport rapidly moves amphisomes from distal axons to the soma where active lysosomes are relatively enriched. Such a mechanism enables neurons to facilitate cargo degradation within autolysosomes in the soma, thereby decreasing axonal stress. (B) In Alzheimer’s disease neurons, elevated cytoplasmic amyloid ? (A?) oligomers interact with dynein motors and competitively interfere with dynein-Snapin coupling. Such deficits disrupt recruitment of dynein motors onto Snapin-loaded LEs and/or amphisomes, and reduce their retrograde transport toward the soma for lysosomal clearance. As a result, amphisomes are trapped in distal axons and at presynaptic terminals, augmenting autophagic stress in Alzheimer’s disease neurons. (Tammineni and Cai, Otofaqiya, 2017)


Scientists Deconstruct the “Biological Clock” That Regulates Precise Timing of Complex Birdsong

A team of researchers from Penn State and New York University has deconstructed an important “biological clock” in the zebra finch brain and found that the “wires” between neurons, called axons, play a critical role in the precise timing of the birds’ courtship song. Credit: Christopher Auger-Dominguez

The precise timing of a bird’s complex song is driven in part by the often-ignored “wires” connecting neurons in the bird’s brain, according to a new study. A team of researchers from Penn State and New York University has deconstructed an important “biological clock” that regulates birdsong and other behaviors, leading to new ways of thinking about the function of neuronal networks.

“Many complex, learned behaviors, like hitting a golf ball or playing the violin, require incredibly precise timing at the level of neural firing,” said Dezhe Jin, associate professor of physics at Penn State and an author of the paper. “But how the brain seamlessly regulates our muscles in such a precise way remains unclear. In this study, we created a model based on years of experimental observations which revealed that delays within the circuits of neurons play a critical role in the timing of their firing. We then pinpointed the source of the delays to the wires, or axons, that connect neurons.”

In a paper published on October 15, 2020, in the journal Hüceyrə, Jin and colleagues address behavioral timekeeping using the zebra finch, a small Australian songbird capable of learning a courtship song with the skill of a master instrumentalist. To enable this vocal display, finches have a dedicated “clock” – called HVC – in their brains that regulates the timing of the song. In HVC, groups of neurons fire in a predictable sequence that correspond to the performance of the song.

“HVC is often thought of as a clock because it controls a very complicated movement – the song – where precise timing is so critical,” said Robert Egger, a postdoctoral fellow at the NYU School of Medicine and lead author on this study. “We used cutting-edge methods to measure the simultaneous activity of up to 70 neurons within HVC during singing. In the past, we had to measure each neuron one by one and align their activity to the song.”

To explore how a circuit can be so precise, Jin and his graduate student Eugene Tupikov developed a series of large-scale computational models describing the neuronal circuit. In one case, a cluster of neurons fires at the same time which triggers the next cluster of neurons that fire at the same time, triggering the next cluster, like falling dominos, in what researchers call a synfire chain. In an alternative model, delays in the wires allow neurons to fire at slightly different times. The result is a more precise clock.

“We used to think of each group of neurons firing together as a separate, discrete tick of the second hand,” said Michael Long, associate professor of neuroscience and physiology at the NYU School of Medicine and corresponding author of the paper. “But what we actually see is more like a second hand that moves smoothly and continuously. The distribution of delays among the wires allows for higher resolution because you don’t get these tick points.”

The team found a wide distribution of delays in the circuit, meaning some signals reach other neurons very quickly and some take much longer.

“We knew that delays in neuronal circuits were important over a large distance, but within local circuits, they were thought to be negligible, and for that reason were often ignored,” said Jin, who led the modeling effort. “These results suggest that axons play a critical role in the timing of neuronal circuits and should be incorporated into future models.”

To determine if axonal delays may play a role in other brain networks, the researchers estimated the delays in an area of the rodent brain used to sense their environment while they move their whiskers.

“Our results were consistent with the delays we saw in the songbird, which suggests that axonal delays may play an important role in shaping neuronal activity across a range of complex behaviors,” said Jin. “We need to incorporate axon delays into how we think about the brain and how it works.”

Reference: “Local Axonal Conduction Shapes the Spatiotemporal Properties of Neural Sequences” by Robert Egger, Yevhen Tupikov, Margot Elmaleh, Kalman A. Katlowitz, Sam E. Benezra, Michel A. Picardo, Felix Moll, Jörgen Kornfeld, Dezhe Z. Jin and Michael A. Long, 15 October 2020, Hüceyrə.
DOI: 10.1016/j.cell.2020.09.019

The research team also includes Margot Elmaleh, Kalman Katlowitz, Sam Benezra, Michel Picardo, and Felix Moll at NYU and Jörgen Kornfeld at the Max Plank Institute of Neurobiology. This work was supported by Deutsche Forschungsgemeinschaft (German Research Foundation), the National Institutes of Health, the National Science Foundation, and the Simons Foundation.


Nəticə

Determining the connectivity between neurons requires knowledge about their innervation of space. Neurons can be represented by their actual arborizations, but also by their density fields. In this paper, we have shown that the number of contacts between neurons estimated from their population mean density fields is fully consistent with the number of contacts calculated from their actual arborizations. However, the connection probability and the number of contacts per connection cannot be reliably estimated from the density fields. Alternatively, they can be estimated from the expected number of contacts by using empirical mapping functions. The population mean density fields are powerful representations of the mean axonal and dendritic spatial innervation patterns of a given cell type. These density fields can be used in neuronal network studies to obtain statistical connectivity estimates by representing each neuron by the population mean density field of its cell type. The large variation between individual neurons is then already expressed in the density field itself.


Prenatal development of axon outgrowth and connectivity in the ferret visual system

The objective of this study was to determine when the retina, lateral geniculate nucleus (LGN), and striate cortex first send out axons, and first connect with each other, during embryonic development in the ferret. Specifically, we were interested in the timing relationship between axon outgrowth and known temporal patterns of neurogenesis in the LGN and striate cortex. Ferrets ( Mustela putorius furo ) were selected for study because of their immature developmental state in late gestation and relatively large litters.

We examined axon outgrowth from the retina, and anlagen of presumptive LGN and striate cortex between embryonic day 21–30 (E21–E30) using in situ inoculations of two fluorescent lipophilic dyes, Dil and DiA. Dil inoculations were made into the cortex and contralateral thalamus, and DiA inoculations were made into the contralateral eye. Retinal axon termination zones in the diencephalon following the DiA inoculations were used to validate the location of the LGN.

Visual cortex and LGN neurogenesis begins at E20 in ferrets. No axon outgrowth could be documented from retina or anlagen of striate cortex and LGN until E24. At E24 some retinal axons reach and cross the chiasm, cortical axons extend some distance within the cortical radiations, and thalamic axons are within the internal capsule. Retinogeniculate, geniculocortical, and corticogeniculate axons extend to their target structures by E27, as evidenced by retrograde labeling in cells of origin.

These data suggest that in the ferret retina, and developing LGN and striate cortex, (1) axon outgrowth from each visual area begins within 24-h of each other, after neurogenesis has begun at the source but before it is complete in the target (2) axons may be generated before parent cell bodies have completed migration and (3) arriving axons are in a position to influence target structures almost from their inception.


Videoya baxın: Sinir Sistemi Özet. AYT Biyoloji (Sentyabr 2022).


Şərhlər:

  1. Misu

    Nə zəruri sözlər ... əla, diqqətəlayiq düşüncə

  2. Ninris

    I am here by chance, but specially registered to participate in the discussion.

  3. Hadden

    Gözəl, çox qiymətli bir şey

  4. Tobias

    there should not be here error?



Mesaj yazmaq