Biological neuron model とは

生物学的ニューロンモデルは、スパイクニューロンモデルとしても知られており、図1に示すように、約1ミリ秒間の細胞膜に鋭い電位を発生させる神経系の特定細胞の数学的記述である。スパイキングニューロンは、神経系の主要なシグナル伝達単位であることが知られており、このため、その動作を特徴づけることは非常に重要である。神経系の全ての細胞がスパイクニューロンモデルの範囲を定めるスパイクのタイプを生成するわけではないことは注目に値する。例えば、蝸牛有毛細胞、網膜受容細胞、および網膜双極細胞は、発疹を起こさない。さらに、神経系の多くの細胞はニューロンとして分類されず、グリアとして分類される。
最終的に、生物学的ニューロンモデルは、知覚(例えば、難聴または失明)、運動運動の意思決定、および連続的な四肢制御などの失われた制御能力を回復させる目的で、神経系の動作の根底にあるメカニズムを説明することを目的とする。その意味で、生物学的ニューロンモデルは、生物学的神経組織を含む実験の結果を予測することを想定していない人工ニューロンモデルとは異なる(人工ニューロンモデルも知覚および推定タスクの実行に関わるが)。したがって、生物学的ニューロンモデルの重要な側面は、実験的検証、およびモデル予測に関連する実験手順を記述するための物理的単位の使用である。
ニューロンモデルは、モデルのインターフェイスの物理的な単位に応じて2つのカテゴリに分けられます。各カテゴリは、抽象度/詳細レベルに従ってさらに分割することができます。
 電気入力 – 出力膜電圧モデル – これらのモデルは、入力段階(電圧または電流のいずれか)で電気刺激の関数として膜出力電圧の予測を生成する。このカテゴリのさまざまなモデルは、入力電流と出力電圧の間の正確な機能的関係と詳細レベルで異なります。このカテゴリの一部のモデルはブラックボックスモデルであり、測定された2つの電圧レベル(スパイクの存在(「動作電位」としても知られている)または静止状態の間のみを区別します。他のモデルはより詳細であり、細胞内プロセスを説明している。自然または薬理学的入力ニューロンモデル – このカテゴリーのモデルは、薬理学的または自然のいずれかであり得る入力刺激と、スパイク事象の確率との間を接続する。これらのモデルの入力段階は電気的ではなく、薬理学的(化学的)濃度単位、または光、音、または他の形態の物理的圧力などの外部刺激を特徴付ける物理的単位のいずれかを有する。さらに、出力段は、電圧ではなくスパイク事象の確率を表す。典型的には、この出力確率は時定数で正規化(除算)され、得られた正規化された確率は「発火率」と呼ばれ、ヘルツの単位を有する。このカテゴリーのモデルによって得られた確率論的記述は、得られたスパイクパターンの変動性を示す自然または薬理学的刺激を含む実験室実験からインスピレーションを得た。それにもかかわらず、これらの実験結果をいくつかの試行にわたって平均化すると、明確なパターンがしばしば明らかになる。
異なる抽象化/詳細レベルのためのいくつかの記述モデルを有することは、科学および工学において珍しいことではないが、異なる、時には矛盾する生物学的ニューロンモデルの数は例外的に高い。この状況は、部分的には、多くの異なる実験設定の結果であり、単一のニューロンの固有の特性を測定効果および多くの細胞の相互作用(ネットワーク効果)から分離することの難しさである。統一された理論への収束を加速するために、各カテゴリーにいくつかのモデルをリストアップし、該当する場合は、サポートする実験への参照も示します。

Autowave reverberator とは

自動波現象の理論では、自動波残響子は、2次元の活性媒体における自動波渦である。
残響音は、飛行機の自動波の前で破裂した結果です。このような破裂は、例えば、前面が非興奮性の障害物と衝突することによって起こり得る。この場合、状況に応じて、障害の周りを回転する螺旋波、または先端が自由に回転する自動波残響器の2つの現象のいずれかが起こり得る。

Immunocomputing とは

イムノコンピューティングは、ウイルス、ノイズ、エラー、侵入から保護されながら、特定の複雑な問題を解決するためにタンパク質や免疫ネットワークが利用する情報処理の原則を探究しています。
それは確立するつもりです:
 適切な数学的枠組み新しい種類のコンピューティング新しい種類のハードウェア
他の種類のコンピューティングとの主な違いは、生物学的プロトタイプと数学モデルに基づいて定義された基本的な要素である正式なタンパク質の機能にあります。
免疫計算で考慮される主な生物物理学的問題は、
 安定した状態(Formal Proteinのインスピレーション)への自由なフォールディング逆の状態に依存する他の要素との自由な結合(Formal Immune Networksのインスピレーション)
正式免疫ネットワーク(FIN)は、N.Jerneのイディオタイプネットワークと最も近いモデルを有するが、タンパク質間の相互作用の特異的メカニズムを考慮する。 FINは、問題を学び、認識し、解決することができます。

Chemical shift index とは

化学シフトインデックスまたはCSIは、タンパク質核磁気共鳴分光法において、タンパク質の二次構造(ベータ鎖、ヘリックスおよびランダムコイル)のタイプ(ならびに開始および終了)を表示および同定するために使用することができる広く用いられている技術であるこの技術は、1Hα化学シフトを分析するために1992年にDavid Wishart博士によって発明され、その後、13Cバックボーンシフトを組み込むために1994年に彼によって延長された。元のCSI法は、ヘリックス中のアミノ酸残基の1Hα化学シフトが、それらのランダムコイル値およびダウンフィールド(すなわち、NMRスペクトルの右側に向かって)に対してアップフィールド(すなわちNMRスペクトルの右側に向かって)シフトされる傾向があるという事実を利用するNMRスペクトル)を示す。同様の種類のアップフィー/ダウンファイル傾向も、バックボーン13C化学シフトで検出可能である。

Autowave とは

自動波は、能動的媒体(すなわち、分散されたエネルギー源を提供するもの)における自己支持的な非線形波である。この用語は、一般的に、波が活性媒体の同期またはスイッチングに必要な比較的低いエネルギーを運ぶプロセスで使用される。

Oja’s rule とは

Ojaの学習ルール、または単にフィンのコンピュータ科学者Erkki Ojaにちなんで付けられたOjaのルールは、脳や人工ニューラルネットワークのニューロンが接続強度をどのように変化させるか、あるいは時間の経過とともに学習するモデルです。これは、乗法的正規化によってすべての安定性問題を解決し、主成分分析のためのアルゴリズムを生成する標準的なHebbの規則(Hebbian学習を参照)の修正です。これは生物学的ニューロンで起こると考えられる効果の計算形式です。

Random coil index とは

ランダムコイルインデックス(RCI)は、骨格の二次的な化学シフトの逆加重平均を計算し、モデルフリーのパラメータの予測値およびこのパラメータからのNMRおよび分子動力学アンサンブルの残基ごとのRMSDを予測することによってタンパク質の柔軟性を予測する。
タンパク質の柔軟性を研究する既存の方法に対するこのプロトコルの主な利点は、
 それはタンパク質の三次構造の事前知識を必要とせず、タンパク質の全体的な転倒に敏感ではなく、骨格割り当てのための標準的な実験を超えて追加のNMR測定を必要としない。
タンパク質の柔軟性を特徴づける二次的化学シフトの適用は、ランダムコイル値への化学シフトの近接がタンパク質移動度の増加の徴候であるという仮定に基づいており、ランダムコイル値との有意差は比較的剛性の構造の指標である。
硬質残留物の化学シフトは、遮蔽効果および非遮蔽効果(例えば、ねじれ角、水素結合、リング電流など)の匹敵する寄与の結果としてランダムコイル値を採用することができるが、複数の核からの化学シフトを単一のパラメータこれらの偽陽性の影響を減らすことができます。改善された性能は、硬質領域対可撓性領域中のアミノ酸残基の間に見られる異なる核からのランダムコイル化学シフトの異なる確率に由来する。典型的には、硬質ヘリックスまたは硬質ベータストランド中の残基は、それらの骨格シフトの間に、可動領域の残基よりも2つ以上のランダムコイル化学シフトを有する可能性が低い。
RCIの実際の計算には、隣接するいくつかの残基にわたる二次シフトの平滑化、隣接する残基の補正の使用、化学シフトの再参照、ギャップ充填、化学シフトスケーリングおよびゼロ除算を防止するための数値調整問題。次に、図13Cに示すように、これらの核の特徴的な共鳴周波数を考慮し、プロトコールの異なる部分間の数値的一貫性を提供するために、15 Nおよび1Hの二次化学シフトがスケーリングされる。これらのスケーリング補正が完了すると、RCIが計算されます。この時点で「終わり効果補正」を適用することもできます。このプロトコルの最後のステップは、3点平均によってRCI値の初期セットを平滑化することを含む。

K-mer とは

用語k-merは、通常、文字列に含まれる長さkのすべての可能な部分文字列を参照します。計算ゲノミクスでは、k-mersは、DNAシーケンシングによって得られた読み取りから(長さkの)すべての可能なサブ配列を参照する。長さLの文字列が与えられた場合の可能なk-mersの量は L k + 1 {\displaystyle L-k+1} であり、可能性のあるk-mersの数はn個の可能性(DNAの場合は4、例えばACTG)は n k {\displaystyle n^{k}} である。 K-マーサーは、典型的には、配列の組み立て中に使用されるが、配列アラインメントにおいても使用され得る。ヒトゲノムの文脈において、様々な長さのk-マーが突然変異率の変動性を説明するために使用されてきた。

Soliton model in neuroscience とは

神経科学におけるソリトン仮説は、神経パルス伝播の熱力学理論に基づいて、活動電位がどのように開始され、軸索に沿って行われるかを説明するモデルである。この信号は、ソリトンとしてモデル化することができる特定の種類の孤立した音(または密度)パルスの形で細胞の膜に沿って移動することを提案している。このモデルは、電位ポテンシャルが膜の中に開いており、ナトリウムイオンが細胞に入ることを可能にするホジキン – ハクスレーモデル(内向き電流)の代替として提案されている。結果として生じる膜電位の低下は、近くに電位依存性のナトリウムチャネルを開き、したがって、活動電位を増殖させる。膜貫通電位は、カリウムチャネルの遅​​延された開口によって回復される。ソリトンの仮説支持者は、散逸損失を除いて伝搬中にエネルギーが主に保存されていると主張する。しかし、測定された温度変化もHodgkin-Huxleyモデルと一致しています。
ソリトンモデル(および一般に音波)は、励起源で提供されるエネルギーが媒体、すなわち原形質膜を介して断熱的に運ばれる断熱伝播に依存する。温度パルスの測定と、活動電位中の熱放出がないと主張されているのは、神経インパルスが音波とよく似た断熱現象であるという提案の基礎であった。シナプス誘発された電気ウナギの電気器官における活動電位は、実質的な陽性(唯一の)熱産生に関連する。ガーゼの嗅神経において、活動電位は二相性の温度変化と関連している。しかし、熱の純生産があります。これらの公表された結果はHodgkin-Huxleyモデルと一致しており、著者らはそのモデルに関してその作業を解釈しています。膜のキャパシタンスが放電すると、最初のナトリウム電流が熱を放出します。カリウムイオンが濃度勾配で移動するが膜​​電位に対して移動するので、膜容量の再充電中に熱が吸収される。このメカニズムは「凝縮器理論」と呼ばれています。さらなる熱は、膜電位の変化によって駆動される膜構成の変化によって生成され得る。脱分極中のエントロピーの増加は熱を放出する。再分極中のエントロピー増加は熱を吸収する。