Robust Cable Models from Complex Neuronal Morphologies
本文介绍了 \texttt{MASCAF}，这是一个免费、开源且具有拓扑鲁棒性的流水线，它能够自动将电缆模型拟合到复杂的 3D 神经元表面网格中（包括具有环状结构如环面棘突的网格），从而弥合了先进神经成像与高分辨率多隔室模拟之间的差距。
原始论文采用 CC BY 4.0 许可（https://creativecommons.org/licenses/by/4.0/）。 这是一篇未经同行评审的预印本的AI生成解释。这不是医疗建议。请勿根据此内容做出健康决定。 阅读完整免责声明
神经元是大脑的电学布线，它们的形状并非仅仅为了装饰，而是对信息处理方式至关重要。几十年来，科学家们一直了解神经元分支的几何形状如何影响电信号的传输、衰减或组合。为了研究这一点，研究人员使用强大的计算机程序来模拟这些电流，但这些程序需要一种特定类型的地图。它们无法读取现代显微镜产生的原始三维图像，而是需要一个由相连管道组成的简化模型，就像一份管道设计图一样，用以计算电力的流动。对于大多数看起来像分叉树木的神经元来说，创建这种管道图已是一个已解决的问题。然而，大自然有时会构建出违背“树状假设”的结构，这为试图理解大脑如何进行计算的科学家们带来了重大障碍。
在以能在黑暗中精准定位声音而闻名的仓鸮的中脑中，研究人员发现了一种奇特的神经元。这些细胞在其表面拥有细小的、带刺的突起，其外观与标准的树枝完全不同。这些被称为“环形棘突”（toric spines）的突起并非简单的末端，而是呈现出环或甜甜圈的形状，其膜上甚至有贯穿的孔洞。这类细胞上的单个棘突可以接收来自多达11根不同神经纤维的连接，形成了一种复杂的环路结构。问题在于，用于模拟神经元的标准软件假设每个结构都是没有回路的树状结构。当科学家尝试将这些环形棘突的三维图像输入模拟软件时，程序运行失败了，因为它们无法处理其中的孔洞和环路。现有的工具根本无法应对这种独特的解剖结构。
为了解决这个问题，一个研究团队开发了一套名为 MASCAF 的全新免费软件流水线。该系统充当了一个“翻译官”，将神经元复杂的、由成千上万个微小三角形组成的数字皮肤（即三维表面网格）转换为模拟所需的基于管道的模型。该过程始于寻找三维形状的“中轴线”。软件使用一种数学技术，像放气气球一样将表面向内轻轻收缩，直到它塌陷成一根细长的、一维的骨架。至关重要的是，这种方法保留了原始形状的环路和孔洞，确保如果真实的棘突有一个环，数字模型也会有一个环。
一旦骨架形成，软件就会在其上拟合一个电缆模型。它测量从中心线到表面的距离，以确定每个点处管道的粗细，从而绘制出棘突宽度和长度的详细地图。由于模拟程序使用的标准文件格式无法原生描述环路，软件采取了一种巧妙的变通方法：它暂时切断环路以创建一个有效的树状结构用于文件存储，但同时也在文件的文件头中保存了一组指令。当模型被加载到模拟程序中时，这些指令会告诉软件重新连接断开的末端，从而有效地恢复环路，使电流能够像在真实的生物结构中那样通过该循环进行流动。
研究人员将这一新流水线应用于九个仓鸮的环形棘突上，这些棘突的特征从无孔到每个棘突拥有多达九个孔不等。他们验证了数字模型与物理形状高度匹配，精确保留了原始结构的体积和表面积。随后，他们在这些模型上进行了电学模拟。结果显示，该软件能够成功模拟电压在这些复杂环路结构中的流动，而不会出现崩溃或错误。电信号的表现完全符合物理学预测，在穿过复杂的几何结构时表现出衰减和平滑化的特性。这项工作证明，现在模拟这些此前无法触及的环形神经元已成为可能，这为理解此类独特结构如何帮助仓鸮实现如此惊人的声音处理速度与精度开启了大门。
您所在领域的论文太多了？
获取与您研究关键词匹配的最新论文每日摘要——附技术摘要，使用您的语言。