Skip to content

Gandolfi, Daniela; Mapelli, Jonathan; Solinas, Sergio M. G. et al. · 2023 · Nature Computational Science

Metadata

Authors: Gandolfi, Daniela; Mapelli, Jonathan; Solinas, Sergio M. G.; Triebkorn, Paul; D'Angelo, Egidio; Jirsa, Viktor; Migliore, Michele

DOI: 10.1038/s43588-023-00417-2

Tags: #neural-circuit-model

📄 Quick Note

摘要概述

本文提供了一套从显微图像出发构建人脑海区全尺度"脚手架"(scaffold)模型的计算方法，并以右侧海马 CA1 区为基准进行验证。流程分为神经元定位、形态学参数化、网络连接与仿真四个模块：基于 BigBrain 20 μm 数据集自动分割出约 1800 万细胞，再按啮齿类比例抽出 480 万 pyramidal cell (PC) 与 48 万 GABAergic interneuron，并用 axon/dendrite 概率密度函数相交生成约 400 亿连接对的连接矩阵。indegree/outdegree 与连接长度分布均与啮齿类实验数据吻合 (KL 散度 0.029–0.033)，并在 NEST 中完成 200 ms 仿真演示。模型显式纳入人脑 CA1 的皮层化折叠与 SP 增厚等不同于啮齿类的结构特征，为后续装配真实细胞/突触模型、研究人脑海马功能与神经疾病提供数字底座。

关键图表

  • Fig. 1 — 单张组织切片分析流程：从 BigBrain 银染切片经标注、阈值分割到 3D soma 坐标重建，并叠加手动海马亚区分区作为解剖地标；直观展示了"图像→坐标"的核心管线。
  • Fig. 3 — 神经元密度分析：体素化后的密度图与 SO→SP→SR 横向切片密度剖面 (+289±71%) 及前后轴梯度 (+127±21.6%)，量化了人 CA1 中 PC 的各向异性分布。
  • Fig. 5 — 连接度验证：outdegree/indegree 概率密度在加入抑制性连接后峰值右移 (outdegree 1100→1600, indegree 2400→3300)，连接长度分布与啮齿类实验一致，是连接矩阵合理性的关键证据。

与我的关联

作为"从图像重建大尺度生物结构 + 连接矩阵"的方法学范本，其"定位→形态参数化→概率密度相交求连接"的四步管线对血管 G&R 之外的组织重建亦有借鉴价值；其显式处理几何折叠/各向异性密度、并用 KL 散度做连接度验证的做法，可作为我自己构建组织尺度模型时的对照参照。