Translate this page to:
Japanese
In JoVE (1)
Other Publications (3)
Automatic Translation
This translation into Japanese was automatically generated.
English Version | Other Languages
Articles by Jaerock Kwon in JoVE
JoVE Bioengineering
ナイフエッジスキャン顕微鏡用試料作製、イメージング、および解析プロトコル
1Department of Computer Science and Engineering, Texas A&M University, 2Beckman Institute for Advanced Science and Technology, University of Illinois, 3Department of Electrical and Computer Engineering, Kettering University, 43Scan, 5Department of Veterinary Integrative Biosciences, Texas A&M University
脳標本の準備からデータの可視化と分析に、ナイフエッジの走査型顕微鏡を使用してシリアルのセクショニング画像への完全なプロセスが記載されている。この手法は、現在のマウスの脳のデータを取得するために使用されますが、それは他の臓器、他の種に適用可能です。
Other articles by Jaerock Kwon on PubMed
神経ダイナミクス遅れ補償のための促進: 予測ニューラル ダイナミクスへの道？
目標指向行動認知の特徴です。予測の目標指向行動に重要な前提条件であります。目標を確立し、計画を立てるためには、1 つは未来に見るし、可能な将来のイベントを予測する必要があります。私たちの初期の作品は、神経伝送遅延補償機構予測の予備的な形につながっている可能性が示唆しています。その仕事では、神経ダイナミクスを促進 （促進活性化ネットワーク モデル、またはファン） の遅延を克服するために有効であることが見つかりませんでした。遅延補償メカニズムの外挿特性予測 (過去に基づく現在の予測) 着信信号用として考えられます。以前のファン モデル ファンの正常範囲より高い円滑化率を必要とする特に長い遅延を補償するのには、必要がある場合は制限があることが判明しました。我々 を改良促進ダイナミクスこの制限を克服する神経細胞レベルで派生します。本稿では, 以前のファンのモデルよりも実行する新しいアプローチが示された, 提案手法でコント ローラーの 2D ポールを分散をテストしました。次に、運動ニューロン促進のダイナミクスよりも感覚ニューロンを活用ダイナミクス感覚運動ニューロン対と発見を促進する差分の使用率を調査しました。これらの所見は私たちより良いダイナミクス遅れ補償と予測、目標指向行動のための必要条件への潜在的な展開を促進する役割を理解するのになります。
高速マクロ スケール KESM を用いた微小血管のネットワークで伝送画像。
正確な微小血管形態情報がん研究における血管新生の定量化を含む、神経補綴の免疫応答を理解し、脳卒中に関連する血流の性質を予測いくつかの分野で大きな影響を与えます。全体マウス脳微小血管系正確な計測を実行するための十分な解像度の画像を報告します。イメージングは、ナイフエッジ走査顕微鏡 (KESM) を用いて行ったし、臨床研究に直接適用することができますこのテクニックの最初の例です。我々 は ≈ 0.7μm を達成することがありますでシリアルセクショニングによる横方向 1 μ m の深さ分解能。アライメントは必要なかったし、コントラストがセグメンテーションと血管の測定を許可するのに十分だった。
マウスの脳のマルチスケール探査ナイフエッジ走査型顕微鏡の脳アトラスを用いた微細構造
Connectomicsは、脳の完全な接続マトリックスの研究である。高スループット、高解像度の3D顕微鏡法における最近の進歩は、潜在的に本格的なconnectomics研究への道を開いて、サブミクロンの解像度で全体の小さな動物の脳のイメージングを有効にしている。サブミクロンの解像度で全脳規模なイメージングを実現するための最初のそのような楽器の一つは、ナイフエッジスキャン顕微鏡（KESM）です。 KESM全脳のデータは、ゴルジ体（神経回路）、ニッスル（SOMA分布）、インドインク（血管網）が含まれ、現在設定されます。彼らはより低い解像度、大容量のイメージング法（例えば、拡散MRIなど）や、高解像度、少量の方法（例えば、シリアルセクショニング電子顕微鏡）の間のギャップを埋めるため、KESMデータは、connectomics研究に大きく貢献することができます。さらに、KESMデータは、細胞内からの臓器全体のスケールに至るまで、その性質のマルチスケールによるものである。私たちも、定量的な接続分析の心配を開始する前に、このため、単独で可視化は、大きな課題となっています。この問題を解決するために、我々はマルチスケールKESMデータ·セットの効率的な可視化と分析のためのWebベースのニューロインフォマティクスのフレームワークを開発しました。本稿では、まずKESMデータセットとKESM脳アトラス（KESMBA）と呼ばれるWebベースのニューロインフォマティクスフレームワークは、詳細に議論し、KESMの概要を提供します。最後に、我々はconnectomics研究にKESMBAの妥当性を議論し、課題と今後の方向性を識別します。
