Erzeugung von hippocampalen Neuronen und Netzwerken der CA1

Ruprecht-Karls Universität Heidelberg
Fakultät für Mathematik und Informatik
Masterarbeit
Erzeugung von hippocampalen Neuronen und
Netzwerken der CA1-Region innerhalb des
Softwaretools NeuGen
Sergei Wolf
Matrikelnummer: 2241758
Betreut durch
Prof. Dr. Gillian Queisser
und Prof. Dr. Gerhard Reinelt
Heidelberg, 4. August 2011
Erklärung
Hiermit versichere ich, dass ich diese Masterarbeit selbstständig verfasst und
nur die angegebenen Quellen und Hilfsmittel verwendet habe.
Heidelberg, den ....................................................................
Danksagung
Ich danke Herrn Prof. Dr. Gillian Queisser und Herrn Prof. Dr. Gerhard
Reinelt für die Betreuung und Unterstützung dieser Masterarbeit.
Zusammenfassung
Gegenstand der vorliegenden Masterarbeit ist die computergestützte Erzeugung von künstlichen Nervenzellen und Netzwerken in drei Raumdimensionen. Die Verwendung von Computermodellen ist ein wichtiges Hilfsmittel,
um komplexe Strukturen wie das Nervensystem besser zu verstehen. Um
die Nervenzellen möglichst realistisch zu modellieren, zu visualisieren und zu
analysieren, wurde das Softwaretool NeuGen entwickelt.
Ursprünglich wurde NeuGen für die Erzeugung realistischer Neuronen und
Netzwerke einer kortikalen Kolumne entworfen. Der Kerncode von NeuGen
ist in der Programmiersprache C++ geschrieben, die grafische Benutzeroberfläche und die Visualisierung in Java. Ein Ziel dieser Masterarbeit ist
die Portierung des bestehenden Codes von C++ nach Java. Darauf aufbauend werden Datenstrukturen und Algorithmen für die Erzeugung von Neuronen des Hippocampus entwickelt und implementiert. Die Geometrieparameter der rekonstruierten Zellen werden gemessen und in den Parameterdateien
von NeuGen gespeichert. Mit den gemessenen Geometrieparametern werden
künstliche Zellen erzeugt. Die gemessenen Daten der experimentellen Zellen
werden mit den Daten der künstlichen Zellen verglichen. Anschließend wird
die Laufzeit und der Speicherverbrauch von NeuGen betrachtet.
Inhaltsverzeichnis
Inhaltsverzeichnis
i
Einleitung
Aufbau der Masterarbeit . . . . . . . . . . . . . . . . . . . . . . . .
1
3
1 Biologische Grundlagen
1.1 Das Nervensystem . . . . . . . . . .
1.2 Die Nervenzelle . . . . . . . . . . . .
1.2.1 Die Synapse . . . . . . . . . .
1.3 Die Hirnrinde . . . . . . . . . . . . .
1.4 Der Hippocampus . . . . . . . . . . .
1.4.1 Morphologische Klassifikation
1.4.2 Neurochemische Klassifikation
2 Computergrafik
2.1 Geometrische Transformationen
2.1.1 Homogene Koordinaten .
2.2 Geometrische Körper . . . . . .
2.3 Java3D . . . . . . . . . . . . . .
2.3.1 Einführung . . . . . . .
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
3 NeuGen
3.1 Einleitung . . . . . . . . . . . . . . .
3.2 Funktionen . . . . . . . . . . . . . .
3.3 Neuronenklassen . . . . . . . . . . .
3.3.1 Neuroanatomische Constraints
3.4 Die grafische Benutzeroberfläche . . .
3.4.1 Parameterdateien . . . . . . .
3.4.2 Konfiguration der Parameter .
3.5 Dichtevisualisierung des Netzes . . .
3.5.1 Berechnung . . . . . . . . . .
i
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
5
. 5
. 5
. 8
. 9
. 11
. 13
. 16
.
.
.
.
.
.
.
.
.
.
19
19
19
22
23
23
.
.
.
.
.
.
.
.
.
27
27
27
29
30
31
32
33
34
34
.
.
.
.
.
.
.
.
.
ii
INHALTSVERZEICHNIS
3.6
3.7
3.8
3.9
3.5.2 Visualisierung . . . . . . . . . . . . .
Dichtevisualsierung des Zellkerns . . . . . .
3.6.1 Konfiguration . . . . . . . . . . . . .
Export des Netzes als Stapel von Bilddateien
3.7.1 Konfiguration . . . . . . . . . . . . .
Simulation . . . . . . . . . . . . . . . . . . .
Hilfe . . . . . . . . . . . . . . . . . . . . . .
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
4 Vermessung und Erzeugung der Neuronengeometrie
4.1 Methoden . . . . . . . . . . . . . . . . . . . . . . . . . . . .
4.1.1 Experimentelle Daten . . . . . . . . . . . . . . . . . .
4.1.2 Parameter . . . . . . . . . . . . . . . . . . . . . . . .
4.1.3 Die CA1-Region des hippocampalen Gewebes . . . .
4.1.4 Synaptische Verbindungen der hippocampalen Zellen
4.2 NeuGen . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
4.2.1 Parameterdateien einlesen . . . . . . . . . . . . . . .
4.2.2 Datenstrukturen . . . . . . . . . . . . . . . . . . . .
4.2.3 Erzeugung der Zellen . . . . . . . . . . . . . . . . . .
5 Ergebnisse
5.1 Vergleich der gemessenen Daten .
5.1.1 Die CA1-Pyramidenzellen
5.1.2 Die Interneurone . . . . .
5.2 Visualisierung . . . . . . . . . . .
5.3 Laufzeit und Speicherverbrauch .
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
34
37
37
38
39
39
40
.
.
.
.
.
.
.
.
.
41
41
41
44
45
46
47
47
48
55
.
.
.
.
.
59
59
63
66
71
77
6 Zusammenfassung
81
Tabellenverzeichnis
83
Abbildungsverzeichnis
85
Literaturverzeichnis
89
Einleitung
Die vorliegende Masterarbeit beschäftigt sich mit der Erzeugung von künstlichen neuronalen Zellen und Netzwerken in 3D.
Der Hauptteil behandelt die Erzeugung der Zellen der CA1 -Region
des Hippocampus, einem Teil des Gehirns. In der CA1 -Region des Hippocampus findet man verschiedene Nervenzellen, wie zum Beispiel die CA1 Pyramidenzellen und Interneurone. Der Hippocampus ist eines der ältesten
Gehirnareale und ist vor allem für das Kurzzeitgedächtnis zuständig. Auch
bei Erkrankungen wie Epilepsie oder Alzheimer sind Bereiche des Hippocampus betroffen. Das Gehirn besitzt einen komplexen Aufbau, in dem verschiedenste Prozesse stattfinden. Um zu verstehen, wie das Gehirn funktioniert,
werden Computermodelle erstellt. Um die biologischen Prozesse möglichst
realistisch zu modellieren, wurde das Softwaretool NeuGen 1 [13] entwickelt.
Mit NeuGen können fünf verschiedene Neuronenklassen der Großhirnrinde erzeugt, visualisiert und analysiert werden. Die einzelne Nervenzellen
unterscheiden sich unter anderem in der Anzahl und der Länge der Verzweigungen. Bei der Modellierung der Nervenzellen-Geometrie ist der Aufbau der
Dendritenfortsätze wichtig. Die Struktur der Dendriten ist für die Signalweiterleitung von Bedeutung. Für die Erzeugung sind experimentelle Daten
notwendig. Die morphologischen Parameter, wie Länge und Durchmesser der
Dendriten, die NeuGen verwendet, sind aus der Literatur entnommen.
Die mit NeuGen erzeugten Nervenzellen sind miteinander synaptisch zu
einem Netzwerk verbunden. Auf den künstlichen Netzen kann die Signalausbreitung mit Simulatoren wie NEURON 2 berechnet werden. Für NEURON existieren Computermodelle, die in der ModelDB 3 -Datenbank gespeichert sind. Diese können nicht einfach von anderen Simulatoren verwendet
1
2
3
http://www.neugen.org/
http://www.neuron.yale.edu/
http://senselab.med.yale.edu/modeldb/
1
2
INHALTSVERZEICHNIS
werden, da die Daten in der Skriptsprache hoc vorliegen. Mit NeuGen ist es
möglich, die erzeugte Nervenzellen-Geometrie in verschiedenen Formaten zu
speichern.
Für die künstlichen Zellen des Hippocampus sind Geometrieparameter
der realistischen Zellen notwendig. Viele Wissenschaftler haben bereits den
Aufbau der hippocampalen Zellen detailliert erforscht. In der NeuroMorpho 4 -Datenbank befinden sich rekonstruierte Zellen. Die rekonstruierten Zellen werden mit NeuGen eingelesen und vermessen. Anschließend werden die
Geometrieparameter der Zellen in den Parameterdateien von NeuGen gespeichert. Mit den gemessenen Geometrieparametern werden künstliche Zellen
erzeugt.
In der bisherigen Version ließ sich NeuGen nur schwer auf neue Modelle
erweitern. Das komplette Programm war ursprünglich für die Erzeugung der
Nervenzellen der Großhirnrinde entwickelt worden. Um auch andere Gehirnareale zu simulieren, soll der Kerncode und die grafische Benutzeroberfläche
neu entworfen werden. Der Kerncode von NeuGen ist in C++ geschrieben,
die graphische Benutzeroberfläche und die Visualisierung in Java. Ein weiteres Ziel dieser Masterarbeit ist die Portierung des Kerncodes von C++ nach
Java. Mit dem überarbeiteten Code und der graphische Benutzeroberfläche
sollen neue Modelle einfacher implementiert werden.
In dieser Masterarbeit wird der bestehende Code von C++ nach Java
portiert. Darauf aufbauend werden Schnittstellen und Klassen für die Verallgemeinerung des Codes entwickelt und in NeuGen implementiert. Danach
werden Datenstrukturen und Algorithmen für die Erzeugung von hippocampalen Zellen und Netzwerken implementiert. Die graphische Benutzeroberfläche wird erweitert, um neue Modelle erstellen, speichern oder vorhandene
Modelle laden zu können. Ein Vergleich der gemessenen Daten der experimentellen Zellen mit den der künstlichen Zellen wird durchgeführt. Es wird
gezeigt, dass die künstlichen Zellen den natürlichen Zellen entsprechen.
4
http://neuromorpho.org/
INHALTSVERZEICHNIS
3
Aufbau der Masterarbeit
Diese Masterarbeit ist wie folgt aufgebaut: In Kapitel 1 werden die biologischen Grundlagen eingeführt. Danach werden in Kapitel 2 einige Begriffe aus
der Computergrafik definiert. In Kapitel 3 wird das javabasierte Softwarepaket NeuGen mit der neuen grafischen Benutzeroberfläche und den wichtigsten
Funktionalitäten dargestellt. Im darauf folgenden Kapitel 4 werden zunächst
die experimentelle Daten und anschließend die Datenstrukturen und Verfahren für die Erzeugung von Zellen und Netzwerken vorgestellt. In Kapitel 5
werden die Ergebnisse der gemessenen experimentellen Daten im Vergleich
zu den gemessenen künstlichen Daten dargestellt. In Kapitel 6 werden die
Ergebnisse zusammengefasst.
4
INHALTSVERZEICHNIS
Kapitel 1
Biologische Grundlagen
Die Simulation natürlicher Zellen durch Computermodelle erfordert ein
möglichst exaktes Verständnis der natürlichen Gegebenheiten. Dabei ist es
unumgänglich, die wesentlichen biologischen Begriffe zu definieren. In diesem
Kapitel werden daher die für die vorliegende Arbeit grundlegenden biologischen Termini eingeführt und erläutert.
1.1
Das Nervensystem
Das zentrale Nervensystem (ZNS) enthält das Gehirn und das Rückenmark.
Die Anzahl der Zellen des ZNS wird auf 1011 geschätzt. Die Zellen weisen
ca. 1014 Verbindungen miteinander auf ([14], S. 532). Die Verbindungen sind
zuständig für unterschiedliche Funktionen wie der Steuerung der Organe und
Muskelbewegungen. Das periphere Nervensystem (PNS) ist der Teil des Nervensystems, das außerhalb von Gehirn und Rückenmark liegt. Es besteht aus
Zellen, die Informationen von der Außenwelt und vom Körper zum zentralen Nervensystem leiten, oder umgekehrt vom Gehirn oder Rückenmark zum
Körper.
1.2
Die Nervenzelle
Im Nervensystem gibt es neben Nervenzellen oder Neuronen (gr. neuron,
Nerv) mehrere Arten von Gliazellen (gr. gliocyti, Leim). Die Hauptaufgabe
der Neurone ist das Senden von Informationen an andere Zellen. Die Gliazellen sind spezielle Zellen, unter anderem sind sie für die Reparaturen von
verletztem Nervengewebe zuständig. Das Neuron besteht aus dem Soma (Perikaryon), dem Dendriten, dem Axon (Neurit) und synaptischen Endigungen
(s. Abbildung 1.1).
5
6
KAPITEL 1. BIOLOGISCHE GRUNDLAGEN
Abbildung 1.1: Schematisches Bild einer Nervenzelle ([14], S. 533).
1.2. DIE NERVENZELLE
7
Das Soma Das Soma enthält den Zellkern (lat. nucleus) und die Zellorganellen. Der Durchmesser des Soma bei großen Neuronen beträgt bis zu
100 µm. Bei kleinen Neuronen ist der Durchmesser ca. 5 µm groß.
Das Axon Die Länge des Axons liegt zwischen 100 µm und 1 m, zum Beispiel im Rückenmark verlaufen Axone dieser Länge. Der Durchmesser beträgt
bis zu 20 µm. Das Axon hat baumartige Verzweigungen. An den Verzweigungen sind Endknöpfchen (Axonterminale), die Verbindungen zu anderen
Neuronen herstellen. Die Axone sind von Schwann-Zellen eingehüllt
(s. Abbildung 1.2). In Abbildung A sieht man dünne, bündelweise verlaufende
Abbildung 1.2: Darstellung eines nichtmyelinisierten und myelinisierten Axons ([14], S. 539).
Fasern. Dicke Axone sind mit mehreren Schichten Schwann-Zellen umwickelt.
Diese Schicht wird als Myelinscheide (Markscheide) bezeichnet. Die Länge
einer Schwann-Zelle beträgt 1 bis 2 mm. Die Stellen zwischen den einzelnen Schwann-Zellen nennt man Ranvier-Schnürringe oder Ranvier -Knoten.
Das Axon leitet elektrische Signale zu anderen Neuronen weiter. Mithilfe
der Myelinscheide wird die Leitungsgeschwingkeit von Signalen erhöht. Die
elektrischen Signale werden als Aktionspotenziale bezeichnet.
8
KAPITEL 1. BIOLOGISCHE GRUNDLAGEN
Die Dendriten Dendriten sind kürzere, verzweigte Fortsätze, die von dem
Soma ausgehen. Sie empfangen Signale von anderen Neuronen und leiten
diese zum Soma weiter. Das Soma verarbeitet die Signale und sendet sie
dann weiter an das Axon.
1.2.1
Die Synapse
Im Nervensystem gibt es elektrische und chemische Synapsen.
Die elektrische Synapse Elektrische Synapsen bestehen aus zwei offenen Poren, die zwischen zwei benachbarten Zellen sitzen (s. Abbildung 1.3).
Die Poren der Zellen bilden zusammen eine Verbindung, durch die der Aus-
Abbildung 1.3: Bild einer elektrischen Synapse ([14], S. 61).
tausch von Ionen stattfindet. Das Signal wird nicht chemisch sondern elektrisch übertragen. Die Verbindung zwischen den Zellen nennt man Gap Junction. Die Gap Junction besteht aus zwei Halbkanälen (Konnexone), die sich
zwischen benachbarten Zellen befinden. Der Spalt zwischen den Zellen ist ca.
2 nm breit. Jeder Konnexon besteht aus sechs Untereinheiten (Connexin).
Die chemische Synapse Chemische Synapsen leiten das Signal langsamer als elektrischen Synapsen. Das Signal wird mithilfe der Neurotransmitter
übertragen. Neurotransmitter sind kleine chemische Moleküle eines Botenstoffs. Sie geben die Signale von einer Nervenzelle an die andere weiter.
1.3. DIE HIRNRINDE
1.3
9
Die Hirnrinde
Abbildung 1.4: Makroskopische Gliederung des Kortex ([14], S. 693).
Die Hirnoberfläche (Kortex ) ist der größte Teil des Gehirns. Durch die
Faltung des Kortex vergrößert sich die Oberfläche. Das Gehirn des Menschen
hat eine Oberfläche von ca. 2500 cm2 . Der Kortex wird in verschiedene Bereiche gegliedert (s. Abbildung 1.4). Der Assoziationskortex ist der größte Teil
der Hirnoberfläche und wird in den präfrontalen, limbischen und parietotemporookzipitale Assoziationskortexe unterteilt. Zum limbischen Assoziationskortex zählt der Hippocampus (Ammonshorn) und die Amygdala (Mandelkern). Der Kortex ist aus sechs Schichten aufgebaut. In den Schichten findet
man verschiedene Nervenzellen. Die Abbildung (1.5) zeigt den Aufbau des
Kortex und drei verschiedene Färbemethoden.
ˆ Bei der Nisslfärbung (links) werden die Zellkerne sichtbar.
ˆ Mithilfe der Myelinfärbung (Mitte) erkennt man die Faserverbindungen.
ˆ Durch die Golgifärbung (rechts) sieht man die einzelnen Zellen mit den
Dendriten und Axonen.
Die Pyramidenzelle Die Pyramidenzellen sind nach ihrer Form benannt,
da deren Zellkörper eine pyramidale Form besitzt. Die Somata befinden sich
hauptsächlich in der III und V Schicht. Das Axon kann den Kortex verlassen
10
KAPITEL 1. BIOLOGISCHE GRUNDLAGEN
ˆ I Molekularschicht (stratum
moleculare): Keine Somata
vorhanden, man findet hier
Axone und Dendriten.
ˆ II
Äußere
Körnerschicht
(stratum granulosum externum): Hier liegen kleinere
Körnerzellen.
ˆ III Äußere Pyramidenschicht
(stratum pyramidale externum):
Enthält mittelgroße Pyramidenzellen.
ˆ IV Innere Körnerschicht (stratum granulosum externum): Ist
hauptsächlich aus Körnerzellen
aufgebaut.
ˆ V Innere Pyramidenschicht (stratum pyramidale internum): Setzt sich
aus großen Pyramidenzellen zusammen.
ˆ VI Multiforme Schicht (stratum multiforme): Enthält kleinere Pyramidenzellen und Nicht-Pyramidenzellen.
Abbildung 1.5: Der Aufbau
Färbemethoden ([14], S. 697).
des
Kortex
und
die
verschiedenen
1.4. DER HIPPOCAMPUS
11
und dadurch Signale zu weiteren Regionen weiterleiten. Die Pyramidenzellen
weisen einen langen Hauptdendriten bzw. einen apikalen Dendriten auf, der
senkrecht zur Kortexoberfläche verläuft.
Die Sternzelle (Stellatumzelle) Die Sternzelle kommt im Kortex am
meisten vor. Im Gegensatz zum Axon der Pyramidenzellen verlässt das Axon
der Sternzelle den Kortex nicht.
1.4
Der Hippocampus
Abbildung 1.6: Frontalschnitt aus dem Gehirn der Wanderratte (Rattus
norvegicus) zur Veranschaulichung der Bereiche des Hippocampus ([1]).
Der Hippocampus (s. Abbildung 1.6) ist ein Teil des Gehirns. Seine Form
ähnelt einem Seepferdchen (Hippocampus). Der Hippocampus ist eine Struktur des limbischen Systems. Das limbische System befindet sich im Archicortex. Der Archicortex weist einen anderen Aufbau als der sechsschichtige
Neocortex auf. Der Archicortex des Hippocampus (s. Abbildung 1.7) ist eingerollt, so dass mehrere Dreierschichten des Archicortex übereinander liegen.
Die Bereiche des Hippocampus sind (s. Abbildung 1.8)
ˆ Gyrus dentatus (GD),
ˆ Cornu ammonis (CA) (Ammonshorn),
ˆ Subiculum (S).
12
KAPITEL 1. BIOLOGISCHE GRUNDLAGEN
Abbildung 1.7: Schematische Darstellung des Hippocampus ([10], S. 559).
Abkürzungen: A Cortex, B Subiculum, C Hippocampus, D Fascia dentata,
E Fornix, F Fasern zum entorhinalen Cortex, G Alveus, H graue Substanz,
a und g Pyramidenzellen, i Schaffer Kollaterale, j Moosfasern. so stratum
oriens; sp stratum pyramidale; sr stratum radiatum.
Abbildung 1.8: Nisslfärbung des Hippocampus der Wanderratte (links) [1]
und eine schematische Darstellung des Hippocampus (rechts) ([7], S. 69).
1.4. DER HIPPOCAMPUS
13
Cornu ammonis Das cornu ammonis (Ammonshorn) ist in die Felder
CA1-CA3 eingeteilt. Die Felder bestehen aus den Schichten stratum oriens
(so), stratum pyramidale (sp), stratum radiatum (sr) und stratum moleculare
(sm). Im stratum pyramidale befinden sich die Zellkörper der Pyramidenzellen.
Gyrus dentatus Dieser Teil des Hippocampus besteht aus der Molekularschicht (stratum moleculare), der Granularschicht (stratum granulare)
und dem Hilus (hilus fasciae dentatae). Die Granularschicht enthält viele
Körnerzellen, die das Körnerzellband formieren.
Subiculum Das Subiculum ist aus den Schichten stratum moleculare, stratum pyramidale und stratum multiforme aufgebaut.
1.4.1
Morphologische Klassifikation
Abbildung 1.9: Schematisches Diagramm der morphologischen Klassifikation
([12], S. 380). Gefüllte Kreise markieren die Lage der Zellkörper. Die dunklen
Linien, die von den Kreisen ausgehen, stellen die Orientierung und die Verteilung des Dendritenbaumes dar. Die schraffierte Fläche zeigt die Verteilung
des Axons in den Schichten.
14
KAPITEL 1. BIOLOGISCHE GRUNDLAGEN
Die morphologische Klassifikation von Interneuronen basiert auf
ˆ der Anzahl der Fortsätze des Axons und des Dendritenbaumes,
ˆ dem Ort des Zellkörpers,
ˆ der Orientierung, der Länge, den Verzweigungen und der Position des
Dendritenbaumes und des Axons.
In Hippocampus findet man verschiedene Klassen von Interneuronen
(s. Abbildung 1.9):
ˆ Axo-axonische-Zellen (axo-axonic cell ),
ˆ Korbzellen (basket cell ),
ˆ Bistratified -Zellen (bistratified cell ),
ˆ Horizontale Trilaminar -Zellen (horizontal trilaminar cell ),
ˆ Radiale Trilaminar -Zellen (radial trilaminar cell ),
ˆ O-LM -Zellen (o-lm cell ).
Abbildung 1.10: Korbzelle (Nummer 11) und O-LM-Zelle (Nummer 12) ([12],
S. 382).
In Abbildung 1.10 ist ein Ausschnitt der CA1 -Region mit einer Korbzelle (Nummer 11) und O-LM -Zelle (Nummer 12) dargestellt. Die Dendriten
der O-LM-Zelle verlaufen in horizontaler Richtung und sind auf das stratum
oriens begrenzt und dessen Axon verzweigt sich in das stratum lacunosummoleculare.
1.4. DER HIPPOCAMPUS
15
Abbildung 1.11: Die axonalen und dendritischen Fortsätze einer Axo-axonischen-Zelle (A) und einer Korbzelle (B) in der CA3 -Region ([12], S. 353).
16
KAPITEL 1. BIOLOGISCHE GRUNDLAGEN
In Abbildung 1.11 ist eine Axon-axonische-Zelle und eine Korbzelle dargestellt. Die Dendritenbäume gehen durch alle Schichten. Die Axone verlaufen
im stratum pyramidale und im stratum oriens. Einige Fortsätze des Axons der
Korbzelle befinden sich in stratum radiatum. Die Fortsatzenden des Axons
der Axo-axonischen-Zelle verlaufen in vertikaler Richtung.
1.4.2
Neurochemische Klassifikation
Abbildung 1.12: Schematisches Diagramm der axonalen und dendritischen
Verzweigungen der Interneurone nach Untertypen ([12], S. 398). Die dunklen
Kreise zeigen die Lage der Zellkörper. Die dunklen Linien, die von den Kreisen
ausgehen, stellen die Orientierung und die Verteilung des Dendritenbaumes
dar. Die schraffierte Fläche zeigt die Verteilung des Axons in den Schichten. Die vertikal gestreifte Box kennzeichnet, dass andere Interneurone die
hauptsächlichen Ziele für die Verbindung darstellen und nicht Pyramidenzellen. Im Hintergrund sieht man die Hauptzellen.
Interneurone können anhand der calciumbindenden Proteine oder der
Neuropeptide klassifiziert werden. In Abbildung 1.12 ist die neurochemische
Klassifikation der Interneurone des Hippocampus schematisch dargestellt.
1.4. DER HIPPOCAMPUS
17
Neuropeptide Neuropeptide sind Botenstoffe, die notwendig sind, um
Signale im ZNS von einer Zelle zur anderen weiterzuleiten. Somatostatin (SOM), Cholecystokinin (CCK) und Vasoaktives Intestinales Polypeptid
(VIP) gehören zu der Gruppe der Neuropeptide.
Calciumbindende Proteine Calciumbindende Proteine sind zum Beispiel für die Weiterleitung von Signalen bei chemischen Synapsen erforderlich.
Wichtige calciumbindende Proteine sind Parvalbumin (PV), Calretinin (CR)
und Calbindin (CB).
Im Hippocampus findet man Calretinin-, Calbindin-, Somatostatin-, Cholecystokinin- und Parvalbumin-positive Interneurone.
Parvalbumin PV -Interneurone sind entweder Korbzellen (Basket-Zellen)
oder Chandelier -Zellen. Es wird vermutet, dass 10% aller PV -Interneurone
Bistratified -Zellen sind [11].
Calbindin
Freund und Buzsaki [12] teilen CB -Zellen in drei Untertypen.
1. Bistratified -Zellen: Das Axon verzweigt in SR (stratum radiatum) und
in SO (stratum oriens), aber nicht in SP (stratum pyramidale).
2. Radiatum-projecting-Zellen: Die Somata sind hauptsächlich in SR.
3. Horizontale-Zellen: Die Somata befinden sich an der Grenze SR-SL.
Die Zellen dessen Soma im SL liegen, sind Bistratified -Zellen.
Calretinin CR-Interneurone sind Interneuron-projecting Zellen. Die Lage
der Zellkörper der Interneurone spielt keine Rolle.
Somatostatin SOM-Interneurone entsprechen den O-LM -Zellen (orienslacuno-sum moleculare).
Cholecystokinin
CCK-Interneurone sind gewöhnlich Korbzellen.
18
KAPITEL 1. BIOLOGISCHE GRUNDLAGEN
Kapitel 2
Computergrafik
Dieses Kapitel beschäftigt sich mit der Darstellung dreidimensionaler Szenen.
Nach einer Einführung zu geometrischen Transformationen folgt zunächst
eine Beschreibung der geometrischen Körper. Danach wird eine Bibliothek
zur Entwicklung von 3D-Anwendungen vorgestellt.
2.1
Geometrische Transformationen
Die geometrische Transformation ist ein zentrales Werkzeug in der Computergrafik. Darunter versteht man im zwei- und dreidimensionalen Raum
ˆ die Translation (Verschiebung),
ˆ die Skalierung (Vergrößerung und Verkleinerung) und
ˆ die Rotation (Drehung).
2.1.1
Homogene Koordinaten
Im Folgenden werden Eigenschaften und Begriffe im Zusammenhang mit
Computergrafik verwendet, die nach [5] wie folgt definiert sind:
Homogenes Koordinatensystem Ein homogenes Koordinatensystem
erzeugt man durch das Hinzufügen einer zusätzlichen Dimension. Der Punkt
(x, y, z) des dreidimensionales Raumes R3 wird durch vier Koordinaten
(x̃, ỹ, z̃, w) mit w 6= 0 dargestellt. Man schreibt (x̃, ỹ, z̃, w) in kartesischen
Koordinaten als ( wx , wy , wz ) mit w 6= 0. In homogenen Koordinaten wird der
Punkt (x, y, z) durch den Punkt (x, y, z, 1) repräsentiert.
19
20
KAPITEL 2. COMPUTERGRAFIK
Translation Die Multiplikation mit einer Translationsmatrix T (dx , dy , dz )
erzeugt eine Verschiebung des Punktes (x, y, z) um einen gegebene Vektor
d = (dx , dy , dz )T . Der Punkt (x, y, z, 1) wird mittels der Translation auf den
0
0
0
Punkt (x , y , z , 1) abgebildet.
 0 
x
1
y 0  0
 0 = 
z  0
0
1
0
1
0
0
   

0 dx
x
x + dx
  

0 dy 
 · y  =  y + dy  ,




1 dz
z
z + dz 
0 1
1
1
mit der Translationsmatrix:

1
0
T (dx , dy , dz ) = 
0
0
0
1
0
0

0 dx
0 dy 
.
1 dz 
0 1
Skalierung Mit der Skalierung erzeugt man Streckungen oder Stauchungen
in x−, y− und z−Richtung. Durch die Skalierung S(sx , sy , sz ) wird der Punkt
0
0
0
(x, y, z, 1) auf den Punkt (x , y , z , 1) abgebildet.
ˆ Falls der Skalierungsfaktor sx in x−Richtung mit |sx | > 1 gilt, dann
spricht man von einer Streckung.
ˆ Falls |sx | < 1, dann liegt eine Stauchung vor.
ˆ Falls sx < 0, dann gibt es eine Spiegelung.
ˆ Entsprechendes gilt auch für sy und sz .
Eine Skalierung wird definiert durch
 0 
x
sx 0 0
 y 0   0 sy 0
 0 = 
 z   0 0 sz
0 0 0
1
   

0
x
sx · x
  

0
 ·  y  =  sy · y 




0
z
sz · z 
1
1
1
mit der Skalierungsmatrix:

sx 0 0
 0 sy 0
S(sx , sy , sz ) = 
 0 0 sz
0 0 0

0
0
.
0
1
2.1. GEOMETRISCHE TRANSFORMATIONEN
21
Rotation Mit der Angabe eines Winkels θ und einer Rotationsachse wird
eine Rotation definiert. Multiplikation mit einer Rotationsmatrix Rz erzeugt
eine Rotation um die z−Achse.
 0 
x
cos θ −sin θ
y 0  sin θ cos θ
 0 = 
z   0
0
0
0
1
0
0
1
0
   
0
x
x · cos θ − y · sin




0 y  x · sin θ + y · cos
·
=
0 z  
z
1
1
1

θ
θ
,

mit der Rotationsmatrix:

cos θ −sin θ
sin θ cos θ
Rz (θ) = 
 0
0
0
0
0
0
1
0

0
0
.
0
1
Die Rotation um die x−Achse um den Winkel θ ist wie folgt definiert:

1
0
0
0 cos θ −sin θ
Rx (θ) = 
0 sin θ cos θ
0
0
0

0
0
.
0
1
Die Rotation um die y−Achse um den Winkel θ ist wie folgt definiert:

cos θ
 0
Ry (θ) = 
−sin θ
0

0 sin θ 0
1
0
0
.
0 cos θ 1
0
0
1
Mit Hilfe der homogenen Koordinaten sind die Transformationen als Matrixoperationen definiert. Komplexe Transformationen können durch die Verknüpfung von Matrixoperationen erzeugt werden.
22
2.2
KAPITEL 2. COMPUTERGRAFIK
Geometrische Körper
Zylinder Das Volumen eines Zylinders wird berechnet, indem man die
Grundfläche G mit der Höhe h multipliziert, V = G · h. Die Grundfläche
eines Kreises ist G = r2 · π, wobei r der Radius ist. Dadurch gilt:
V = r2 · π · h.
Die Oberfläche wird wie folgt berechnet
O = 2πr(h + r).
Kegelstumpf Ein Kegelstumpf entsteht, wenn ein Kegel durch einen
Schnitt zur Grundfläche geteilt wird. Der Kegelstumpf besitzt zwei Kreisflächen. Die größere Fläche wird als Grundfläche G mit dem Radius R bezeichnet und die kleinere Fläche als Deckfläche D mit dem Radius r. Das
Volumen wird wie folgt berechnet:
h·π 2
(R + R · r + r2 ).
3
Die Oberfläche wird wie folgt berechnet:
V =
O = π · r2 + π · R2 + π · m · (r + R),
und für die Länge der Mantellinie m gilt:
p
m = (R − r)2 + h2 .
Ellipsoid Ein Ellipsoid ist eine Erweiterung einer Ellipse auf den dreidimensionalen Raum. Man erhält ein Ellipsoid durch Streckung oder Stauchung
einer Kugel. Das Volumen eines Ellipsoids berechnet sich aus:
4
V = πabc
3
mit den Halbachsen a, b, c.
2.3. JAVA3D
2.3
2.3.1
23
Java3D
Einführung
Java3D 1 ist eine Bibliothek für die Programmiersprache Java zur Entwicklung von 3D-Anwendungen. Mit Java3D können Objekte mittels elementarer
geometrischer Objekte wie Kugel, Zylinder oder Kegel erzeugt werden. In der
Abbildung 2.1: Modellierung einer Zelle mit elementaren Objekten wie Zylinder und Kugeln.
Abbildung 2.1 ist eine Zelle visualisiert. Die Zelle wird aus einzelnen geometrischen Objekten erzeugt. Das Soma wird durch eine Kugel und die Fortsätze
durch Zylinder dargestellt. In Java3D gibt es geometrische Transformationen, um die Objekte zu verschieben, zu rotieren und zu skalieren. Eine Zelle
besteht aus vielen einzelnen Objekten, daher gibt es die Möglichkeit, Objekte
in Gruppen einzuteilen. Die Objekte werden hierarchisch modelliert, dafür
wird in Java3D ein Szenengraph verwendet. Die Zelle mit dem Soma und den
Verzweigungen gehört zu einer Transformationsgruppe. Bei einer Transformation auf die Transformationsgruppe der Zelle wird die Transformation auf
alle Objekte der Gruppe angewendet. Geometrische Transformationen werden mit der Klasse Transform3D erzeugt. Die Klasse enthält Methoden, um
1
http://java3d.java.net/
24
KAPITEL 2. COMPUTERGRAFIK
Objekte zu rotieren, zu verschieben und zu skalieren. Die Klasse TransformGroup stellt die Transformationsgruppe
dar. In Abbildung 2.2 ist ein Beispiel
Zelle
Axon
Soma
Dendrit
Abbildung 2.2: Hierarchische Modellierung der Zelle.
zu sehen. Man sieht eine Zelle, die aus dem Axon, dem Soma und den Dendriten besteht. Die Fortsätze sind aus einzelnen Kegelstümpfen aufgebaut.
Der dazugehörige Szenengraph ist in der Abbildung 2.3 zu sehen. Die Wurzel enthält die gesamte Szene. Die direkten Nachfolger der Wurzel sind die
Transformationsgruppen TG Axon, TG Soma und TG Dendrit. Sie stellen
das Axon, das Soma und den Dendriten dar. Die Transformationsgruppe TG
Axon enthält drei Transformationsgruppen, die das Axon aus einzelnen geometrischen Objekten aufbauen. Die geometrischen Objekte sind die S Kno-
2.3. JAVA3D
25
Die
Szene
TG
Axon
TG
Dendrit
TG
Soma
TG
TG
S
S
S
TG
TG
TG
S
S
S
Abbildung 2.3: Der Szenengraph der Zelle aus 2.2
ten. Sie enthalten die Informationen über die Form und das Erscheinungsbild
des Objektes. Entsprechendes gilt für die anderen Transformationsgruppen.
26
KAPITEL 2. COMPUTERGRAFIK
Kapitel 3
NeuGen
Dieses Kapitel beschreibt die wichtigsten Funktionen von NeuGen. In dieser
Masterarbeit wird der Kerncode von C++ nach Java portiert. Die grafische
Benutzeroberfläche wird erweitert und benutzerfreundlich gestaltet. Die Implementierungsdetails werden in Kapitel 4 vorgestellt.
3.1
Einleitung
NeuGen 1 ist ein Softwarepaket zur Erzeugung, Visualisierung und Analyse
von realistischen Neuronen und neuronalen Netzen in 3D. Die Zellen werden
automatisch erzeugt und synaptisch miteinander verbunden. Die neue grafische Benutzeroberfläche erleichtert die Generierung und die Visualisierung
von Neuronen und neuronalen Netzen.
3.2
Funktionen
Die Hauptfunktionen von NeuGen sind
ˆ die Erzeugung von realistischen Neuronen und neuronalen Netzen in
3D,
ˆ die synaptische Verbindung einzelner Zellen miteinander,
ˆ die Möglichkeit, auf den synthetischen Netzen die Signalausbreitung zu
simulieren,
ˆ und die automatische Erzeugung von Skriptdateien für das Simulationsprogramm NEURON 2 .
1
2
http://www.neugen.org/
http://www.neuron.yale.edu/
27
28
KAPITEL 3. NEUGEN
ˆ Ferner erweist es sich als Vorteil, dass rekonstruierte neuronale Morphologien in NeuGen importiert werden können. Die Morphologie kann
man visualisieren und Parameter, wie Länge des Dendritenbaumes und
des Axons extrahieren. Es werden Formate wie Cvapp (swc) [8] und
MorphML3 (xml) unterstützt.
ˆ Die Parameter für die Generierung können mithilfe der grafischen Benutzeroberfläche angepasst werden.
ˆ Das erzeugte neuronale Netz kann wieder geladen werden, um es anschließend zu visualisieren und zu analysieren.
ˆ Eine Proteindichtevisualsierung des Neuronen-Zellkerns aus Mikroskopiebildern ist möglich.
Daten importieren
Parameter
Parameterdatei
Vererbungsalgorithmus
Parameter
editieren
Konfigurationseditor
Vererbte Geometrieparameter
NeuronenGenerierung
Visualisierung
Validierung
Geometrieparameter
Export
Extrahiere
NEURON
NeuroML
NeuTria
Experimentelle
Daten
Abbildung 3.1: Schematische Sicht auf die Hauptfunktionen von NeuGen.
Abbildung 3.1 zeigt die wichtigsten Funktionen. NeuGen liest ein Projekt mit
den enthaltenen Parameterdateien (Param.neu und Interna.neu) ein. Die
eingelesenen Daten werden durch einen Vererbungsalgorithmus verändert.
Mit den vererbten Geometrieparametern können Neurone und neuronale Netze erzeugt werden. Zusätzlich ist es möglich, die Axon-, Dendriten- oder
Synapsendichte zu visualisieren, um das Netz zu analysieren. Die neuronale
Morphologie kann in das hoc-Format, NeuroML-Format oder in das NeuTriaFormat exportiert werden.
3
http://www.neuroml.org
3.3. NEURONENKLASSEN
29
Abbildung 3.2: Mit NeuGen erzeugte Neuronentypen: L5A-Pyramidenzelle,
L5B -Pyramidenzelle und L23 -Pyramidenzelle.
3.3
Neuronenklassen
NeuGen unterstützt folgende kortikale Neuronentypen:
ˆ L4-Spiny-Stellate-Zellen,
ˆ L2/3 -Pyramidenzellen,
ˆ L5A-Pyramidenzellen,
ˆ L5B -Pyramidenzellen,
ˆ L4-Star-Pyramidenzellen.
Die Abbildungen 3.2-3.3 zeigen die von NeuGen erzeugten Neuronen. Die
gelben Fortsätze markieren die basalen Dendriten. Das Soma wird durch eine
braune Kugel und der apikale Dendrit durch rotblaue (magenta) Strukturen
dargestellt.
30
KAPITEL 3. NEUGEN
Abbildung 3.3: L4-Spiny-Stellate-Zelle und L4-Star-Pyramidenzelle.
3.3.1
Neuroanatomische Constraints
Bei der Erzeugung werden so genannte neuroanatomische Constraints (Bedingungen) berücksichtigt, die aus der Literatur entnommen wurden. Für
eine ausführliche Erläuterung, siehe [13].
L4-Spiny-Stellate-Zellen Die Somata und die Dendriten sind in der inneren Körnerschicht (stratum granulosum externum, Layer IV ) zu finden.
L2/3 -Pyramidenzellen Die Somata befinden sich in der äußeren Körnerschicht (stratum granulosum externum, Layer II ) und in der äußeren Pyramidenschicht (stratum pyramidale externum, Layer III ). Die basalen Dendriten
sind symmetrisch um das Somata verteilt. Der apikale Dendrit formt einen
typischen Terminal Tuft in der Molekularschicht.
L5A- und L5B-Pyramidenzellen Die Somata liegen in der inneren Pyramidenschicht (stratum pyramidale internum, Layer V ). Die Neurone besitzen einen apikalen Dendriten, der sich in der Molekularschicht verzweigt.
L4-Star-Pyramidenzellen Man findet die Somata hauptsächlich in der
Körnerschicht.
3.4. DIE GRAFISCHE BENUTZEROBERFLÄCHE
3.4
31
Die grafische Benutzeroberfläche
Abbildung 3.4: Die graphische Benutzeroberfläche von NeuGen zeigt das erzeugte Netz (Mitte) und die Dendritendichte (rechts).
Die grafische Benutzeroberfläche von NeuGen ist einfach und intuitiv zu
bedienen. In der Abbildung 3.4 ist das Hauptfenster dargestellt. Im Hauptfenster links sieht man den Parameterbaum, hier können alle Parameter eingestellt werden. In dem kleinen Fenster links unten werden Kommentare
zu den einzelnen Parametern angezeigt. In der Mitte des Hauptfensters sieht
man die Visualisierung eines neuronalen Netzes und rechts dessen Dendritendichte. Das Ausgabefenster befindet sich unten, in dem alle Informationen
ausgegeben werden. Mittels der Werkzeugleiste3.5 wird ein neues Projekt er-
Abbildung 3.5: Die Menüleiste und die Werkzeugleiste.
stellt, ein vorhandenes geladen oder ein bearbeitetes Projekt gespeichert. In
dem Dialogfenster 3.6 wird ein Projekt ausgewählt. Unten wird die Beschreibung des ausgewählten Projektes angezeigt.
32
KAPITEL 3. NEUGEN
Abbildung 3.6: Dialogfenster zum Erstellen eines neuen Projektes.
3.4.1
Parameterdateien
Die Parameterdateien befinden sich in dem Projektordner und liegen im
xml-Format vor, und werden mittels der xstream 4 -Bibliothek gelesen oder
geschrieben. Die Abkürzung xml steht für Extensible Markup Language. Ein
xml-Dokument ist aus Elementen hierarchisch aufgebaut, d.h. ein Element
kann beliebig viele andere Elemente enthalten. Ein Element beginnt immer
mit einem Start-Tag und endet mit einen End-Tag. Tags sind Markierungen
und werden in spitzen Klammern notiert.
<object key=" dendrite " classdescriptor= " " >
<object key=" gen_0 " classdescriptor=" " >
<object key=" branch_angle " classdescriptor=" " >
<real key=" max " >60</real>
</object>
<object key=" siblings " classdescriptor=" siblings " >
<object key=" siblings " classdescriptor=" " >
</object>
</object>
</object>
</object>
Abbildung 3.7: Beispiel einer Parameterdatei.
4
http://xstream.codehaus.org/
3.4. DIE GRAFISCHE BENUTZEROBERFLÄCHE
33
Ein Beispiel ist in der Abbildung 3.7 dargestellt. Das Element <object>
mit dem Attribut-Name key und dem Attribut-Wert dendrite enthält ein
Element mit dem Attribut-Wert gen 0. Dieses Element besitzt ein Element
mit dem Attribut-Wert branch angle und siblings. Das Element branch angle
beinhaltet ein Element <real> mit dem Inhalt 60. Die Parameterdateien enthalten die Elemente <object>, <string>, <double>, <integer> und <real>.
Nur das Element <object> kann andere Elemente enthalten.
3.4.2
Konfiguration der Parameter
Abbildung 3.8: Konfiguration der Parameter.
In der Abbildung 3.8 ist das Fenster mit dem Parameterbaum Configuration zu sehen. Die Wurzel ist nach dem Projektnamen benannt. Im Ordner
Param kann man verschiedene Parameter, wie Anzahl der Neurone oder die
Größe der Region einstellen. Der Unterordner Neuron enthält Parameter für
das Axon, die Dendriten, das Soma und die Synapsen der Zellen.
Kommentare In dem Fenster Comments 3.8 werden die Kommentare zu
den Parametern angezeigt. Durch einen Doppelklick in diesen Bereich öffnet
sich ein Eingabefeld. Dort stehen die Informationen zu den Parametern, wie
zum Beispiel Standardwerte für Radien der Axone. Die Kommentare können
editiert und gespeichert werden.
34
3.5
KAPITEL 3. NEUGEN
Dichtevisualisierung des Netzes
Für die erzeugte Neuronengeometrie kann die Dendriten-, Axonen- und
Synapsendichte berechnet und visualisiert werden. Die Berechnung und Visualisierung von Dendritendichten wurde von Simone Eberhard implementiert [3]. Die Axonen- und Synapsendichte wurde im Rahmen dieser Masterarbeit von dem Verfasser hinzugefügt.
3.5.1
Berechnung
Abbildung 3.9: Dialogfenster für die Berechnung der Dichte.
Die Abbildung 3.9 zeigt ein Dialogfenster für die Konfiguration der
Dichteberechnung. In der Spalte Density part wird der Teil des Netzwerks
für die Berechnung ausgewählt. In der rechten Spalte Density method befinden sich die Methoden Volume method (Volumendichte), length method
(Längendichte) für die Axone und die Dendriten. Für die Synapsendichte
gibt es die Methode Number method. Im Dialogfenster unten links kann man
den Parameter Voxel length(Voxellänge) einstellen.
3.5.2
Visualisierung
In der Abbildung 3.10 ist ein Dialogfenster für die Visualisierung abgebildet.
Es stehen die Methoden Visualize with Cubes (Visualisierung mit Würfeln),
Visualize with Convex Hull (Visualisierung mit konvexer Hülle) und Visualize with Divided Convex Hull (Visualisierung mit geteilter, konvexer Hülle)
zur Auswahl. In dem Bereich Values of Visualization (Visualisierungswerte)
wird die Anzahl der Dichtewerte eingestellt. Es können maximal vier Dichtewerte verwendet werden. Der Dichteanteil in Prozent wird in die Felder
eingetragen. In dem Bereich Colors of Visualization (Visualisierungsfarben)
können die Farben ausgewählt und die Transparenz für die Dichtewerte eingegeben werden. Die Abbildung 3.11 zeigt die drei Visaualsierungsmethoden.
3.5. DICHTEVISUALISIERUNG DES NETZES
Abbildung 3.10: Dialogfenster für die Visualisierung der Dichte.
35
36
KAPITEL 3. NEUGEN
Abbildung 3.11: Visualisierungsarten der Dichte: Visualisierung mit Würfeln
(links), Visualisierung mit konvexer Hülle (Mitte) und Visualisierung mit
geteilter, konvexer Hülle (rechts).
3.6. DICHTEVISUALSIERUNG DES ZELLKERNS
3.6
37
Dichtevisualsierung des Zellkerns
Abbildung 3.12: Proteindichtevisualisierung des Zellkerns mit drei unterschiedlichen Proteinfärbungen.
NeuGen kann Stapelbilder von Aufnahmen des Neuronen-Zellkerns aus
Mikroskopiebildern importieren und die Dichte des Proteins visualisieren.
Für das Einlesen der Bilder wird die Bibliothek ImageJ 5 verwendet. Die
Abbildung 3.12 zeigt die Proteindichtevisualisierung des Zellkerns mit unterschiedlichen Proteinfärbungen.
3.6.1
Konfiguration
Abbildung 3.13: Dialogfenster für die Visualisierung der Proteindichte.
In der Abbildung 3.13 ist ein Dialogfenster für die Visualisierung der Proteindichte dargestellt. In diesem Dialogfenster werden die Parameter Voxel
5
http://rsbweb.nih.gov/ij/
38
KAPITEL 3. NEUGEN
length (Voxellänge), Pixel weight (Gewicht der Pixel), Threshold (Schwellenwert der Grauwerte), Width (die Breite), Height (die Höhe) des Zellkernes
und scanning depth (die Scantiefe) eingestellt.
3.7
Export des Netzes als Stapel von Bilddateien
Abbildung 3.14: Dialogfenster für den Export.
Das erzeugte Netz wird als ein Stapel von Bilddateien exportiert. Die
Daten des Netzes werden in einer jpg-Datei als eine Folge von Ebenenbildern
abgespeichert, und zwar als Z-Ebenen von unten nach oben. Die Abbildung
3.14 zeigt eine Draufsicht auf das Netz.
3.8. SIMULATION
39
Abbildung 3.15: Dialogfenster für den Export.
3.7.1
Konfiguration
In der Abbildung 3.15 ist ein Dialogfenster für den Export zu sehen. Die
Parameter sind Image Size (Bildgröße in Pixel), Coordinate origin (der Koordinatenursprung) und Spacing (die Schrittweite).
3.8
Simulation
Abbildung 3.16: Dialogfenster für den hoc-Export.
Das neuronale Netz kann für das Programm NEURON exportiert werden.
Zusätzlich wird ein elektrophysiologisches Modell für die numerische Simulation geschrieben. Das Modell wird zusammen mit der Neuronengeometrie
in NEURON einlesen. Die Abbildung 3.16 zeigt ein Dialogfenster für die
Konfiguration des hoc-Exportes. In die Felder kann man das Postfix der Dateien für die Spannung (voltages) und die Ereignisse (events) eintragen. Das
Postfix wird in die Modell-Datei geschrieben, so dass NEURON die Simulationsdaten in diese Dateien schreiben kann. Falls kein Postfix eingetragen
wird, dann werden bei der Simulation keine Ereignisse (events) geschrieben,
sondern nur die Spannung (voltages) in eine out-Datei.
40
3.9
KAPITEL 3. NEUGEN
Hilfe
Abbildung 3.17: Das Hilfsfenster von NeuGen.
Für die Hilfe wird die Bibliothek JavaHelp System 6 verwendet. Die Texte für JavaHelp werden in html-Format gespeichert und können jederzeit
angepasst und ergänzt werden, falls NeuGen z.B. um neue Funktionen erweitert wird. In der Abbildung 3.17 ist das Hauptfenster dargestellt. Rechts
im Hauptfenster befindet sich der Text und links die Navigationsleiste.
6
http://javahelp.java.net/
Kapitel 4
Vermessung und Erzeugung der
Neuronengeometrie
Dieses Kapitel beschäftigt sich mit dem Vermessen von rekonstruierten Zellen und dem Erzeugen von künstlichen Zellen und Netzwerken. Einführend
werden die vermessenen Zellen und die Parameter der CA1-Region erläutert.
Danach werden die Datenstrukturen für die Erzeugung der Zellen und Netzwerken behandelt.
4.1
4.1.1
Methoden
Experimentelle Daten
Tabelle 4.1: Zusammenfassung der verwendeten rekonstruierten hippocampalen Zellen.
Zellentyp
Region
CA1 -Pyramidenzelle
CA1
CA1 -Pyramidenzelle
CA1
Calbindin (CB )
CA1
Calretinin (CR)
CA1
Cholecystokinin (CCK ) CA1
Parvalbumin (PV )
CA1
Anzahl Archiv
18
Amaral
22
Gulyas
18
Gulyas
29
Gulyas
14
Gulyas
20
Gulyas
Für die Vermessung der Geometrie werden insgesamt 121 rekonstruierte Zellen des Hippocampus verwendet (s. Tabelle 4.1). Die Daten sind im
swc-Format gespeichert und befinden sich in der NeuroMorpho 1 -Datenbank.
1
http://http://neuromorpho.org
41
42KAPITEL 4. VERMESSUNG UND ERZEUGUNG DER NEURONENGEOMETRIE
Das swc-Format wird weiter unten beschrieben. Der erste Datensatz enthält
18 Pyramidenzellen der CA1-Region und stammt aus dem Archiv von Amaral (s. [2]). Der zweite Datensatz stammt aus dem Archiv von Gulyas (s.
[4]), welches aus 22 CA1-Pyramidenzellen und 81 Interneuronen besteht. Die
Zellen stammen von ca. 1-2 Monate alten Wistar -Raten.
Abbildung 4.1: CA1-Pyramidenzelle aus der NeuroMorpho-Datenbank. Das
Soma ist braun, die basalen Dendriten sind gelb und der apikale Dendrit ist
blaurot dargestellt.
swc-Format Die Abbildung 4.1 zeigt eine CA1--Pyramidenzelle aus der
NeuroMorpho-Datenbank (pc4j c.swc). Die Morphologie der Zelle wird typischerweise als eine Folge von Zylinderkompartimenten beschrieben. Die Zylinder werden in der swc-Datei (s. Tabelle 4.2) folgendermaßen gespeichert:
Eine Linie besteht aus sieben Zahlen, wobei
1.: die Zylinder aufsteigend nummeriert werden. Die ID wird in der nachfolgenden Linie um eins erhöht.
4.1. METHODEN
43
2.: der Typbezeichner: 0 für undefinierte Bereiche, 1 für Soma, 2 für Axon,
3 für basale Dendriten, 4 für apikale Dendriten gewählt wird.
3-5.: die Koordinaten des Zylinders x, y, z in µm angegeben werden.
6.: der Radius in µm angegeben wird.
7.: die Nummer des Vorgängers angegeben wird. Beim Soma gibt es keinen
Vorgänger, folglich steht hier die Nummer −1.
Tabelle 4.2: Aufbau einer swc-Datei.
ID
1
2
3
4
5
Typ
1
3
3
3
3
x
0
1.8
3.6
5.4
7.2
y
0
0
0.7
1.4
1.6
z
20
15.7
11.2
6.9
3.1
Radius
0.8
0.8
0.8
0.8
0.8
Vorgänger
-1
1
2
3
4
Abbildung 4.2: Ausschnitt eines Dendritenfortsatzes.
In der Abbildung 4.2 ist ein Ausschnitt des Dendritenfortsatzes dargestellt. Der Aufbau besteht aus einzelnen aufeinanderfolgenden Zylindern.
44KAPITEL 4. VERMESSUNG UND ERZEUGUNG DER NEURONENGEOMETRIE
4.1.2
Parameter
Die rekonstruierten Zellen werden mit NeuGen eingelesen und vermessen. In
der Abbildung 4.3 sind die wichtigsten Bereiche markiert.
Zweig (branch)
Segment
Baum
Verzweigung (bifurcation)
Abbildung 4.3: Die Bereiche der gemessenen Parameter der Zelle. Links wird
ein Zweig (branch), rechts ein Segment (auch Kompartiment genannt), unten
ein Baum und eine Verzweigung markiert.
Man sieht den Aufbau einer Zelle, die aus kegelstumpfförmigen Segmenten
besteht. Das Soma wird durch ein Ellipsoid repräsentiert. Die Zelle besitzt
ein Axon (links) und zwei Dendritenbäume. Eine Verzweigung hat zwei Segmente als Nachfolger und wird als Bifurkation bezeichnet. Ein Zweig (branch)
ist aus mindestens einem oder aus mehreren Segmenten aufgebaut. Zweige
befinden sich zwischen zwei Verzweigungspunkten oder an den Endpunkten
des Baumes.
Die Tabelle 4.3 zeigt die gemessenen Parameter. Für die Erzeugung der
Zellen benötigt der Algorithmus von NeuGen Input-Parameter (Eingangswerte). Input-Parameter sind zum Beispiel die Radien und die Anzahl der
Fortsätze. Weitere Parameter, wie Länge und Oberfläche, sind für die Validierung der synthetischen Zellen erforderlich.
4.1. METHODEN
45
Tabelle 4.3: Die gemessenen morphologischen Parameter.
Parameter
Soma
Länge (µm)
Oberfläche (µm2 )
Volumen (µm3 )
Anzahl der Bäume
Anzahl der Zweige
Anzahl der Segmente
Maximaler Radius (µm)
Minimaler Radius (µm)
Durchschn. Radius (µm)
4.1.3
√
√
√
Teil der Zelle
Axon
Dendrit
apikal
basal total
√
√
√
√
√
√
√
√
√
√
√
√
√
√
√
√
√
√
√
√
√
-
Zelle
total
√
√
√
-
Die CA1-Region des hippocampalen Gewebes
Abbildung 4.4: Ausschnitt der CA1-Region.
Die CA1-Region wird durch einen dreidimensionalen Ausschnitt des hippocampalen Gewebes repräsentiert (s. Abbildung 4.4). Die Größe wird in der
Parameterdatei Param.neu eingestellt. Die Werte der einzelnen Schichten
sind in der Tabelle 4.4 zusammengefasst.
46KAPITEL 4. VERMESSUNG UND ERZEUGUNG DER NEURONENGEOMETRIE
Tabelle 4.4: Parameterwerte der CA1-Region.
Länge
Breite
Höhe der Schichten
oriens
pyramidale
radiatum
lacunosum-moleculare
Höhe gesamt
400 µm
400 µm
200
100
500
100
900
µm
µm
µm
µm
µm
Die Position der Somata innerhalb der CA1-Region ist in der Tabelle 4.5
zu sehen. Die Daten sind aus [11] entnommen.
Tabelle 4.5: Die Lage der Somata in den Schichten der CA1-Region.
Schicht
str.
str.
str.
str.
str.
4.1.4
oriens
pyramidale
proximal radiatum
distal radiatum
lacunosum-moleculare
PYR
√
PV
√
√
-
-
Zellentyp
CB
√ CR
√ SOM
√
√
√
√
√
√
√
-
CCK
√
√
-
Synaptische Verbindungen der hippocampalen
Zellen
Nicht jede Zelle bildet mit einer andren Zelle eine Verbindung. Nach [11] bilden die CA1-Pyramidenzellen axo-dendritische Synapsen mit den Interneuronen Parvalbumin, Calbindin, Somatostatin, Cholecystokinin und mit CA1 Pyramidenzellen. Das Calretinin-Interneuron bildet dendro-dendritische Synapsen mit anderen Interneuronen.
Eine Übersicht über axo-dendritische Verbindungen ist in der Tabelle 4.6
zu sehen. In NeuGen werden Synapsen zwischen Dendriten und Axonen bestimmter Zellen erzeugt. Zur Zeit werden keine Synapsen zwischen unterschiedlichen Dendriten konstruiert.
4.2. NEUGEN
47
Tabelle 4.6: Übersicht über die Verbindungsmöglichkeiten der Zellen.
PYR
PV
CB
CR
SOM
CCK
4.2
PYR
√
√
√
√
√
PV
√
-
Zellentyp
CB CR
√ SOM
√
-
CCK
√
-
NeuGen
Ursprünglich wurde NeuGen entwickelt, um kortikale Neurone zu erzeugen.
Das Ziel der vorliegenden Masterarbeit ist, NeuGen um die Erzeugung von
hippocampalen Zellen zu erweitern. Deswegen wurde es notwendig, den Kerncode von NeuGen neu zu entwerfen. Der Kerncode ist in der Programmiersprache C++ geschrieben, die Benutzeroberfläche und die Visualisierung in
Java. Viele Funktionalitäten wurden bereits von C++ nach Java portiert.
Seit einiger Zeit bestand die Idee, den kompletten C++ Teil nach Java zu
portieren. Da man den Kerncode für die hippocampalen Zellen neu entwerfen
sollte, wurde entschieden alles in der Programmiersprache Java zu implementieren. Der Vorteil von Java ist die Plattformunabhängigkeit. Man muss nicht
für unterschiedliche Architekturen und Betriebssysteme eine eigene Version
erstellen. Einige Funktionalitäten, die in C++ geschrieben sind, kann man
nicht in Java verwenden, da sie von anderen Bibliotheken abhängen.
4.2.1
Parameterdateien einlesen
Für das Einlesen von Parameterdateien wird in der C++-Version die libxml 2
Bibliothek genutzt. Die Bibliothek ist selbst in der Programmiersprache C
geschrieben und kann deswegen nicht für die Java-Version verwendet werden.
Stattdessen wird die Java-basierte Bibliothek xstream 3 eingesetzt. Um xmlDateien mit xstream zu lesen oder zu schreiben, gibt es die Schnittstelle (Interface) Converter. Eine Schnittstelle enthält keine Funktionalität, sondern
nur abstrakte Methoden und Konstanten, die die Funktionalität beschreiben
(s. [6]). Die Schnittstelle Converter besitzt folgende Methoden:
ˆ canConvert entscheidet, ob ein Objekt gelesen werden kann,
2
3
http://xmlsoft.org/
http://xstream.codehaus.org/
48KAPITEL 4. VERMESSUNG UND ERZEUGUNG DER NEURONENGEOMETRIE
ˆ marshal schreibt ein Objekt in eine Datei,
ˆ unmarshal liest eine Datei ein und erzeugt daraus ein Objekt.
Zuerst schreibt man eine Klasse, welche die Schnittstelle Converter implementiert. Mittels der Methoden canConvert, marshal und unmarshal können
Objekte gelesen und geschreiben werden.
4.2.2
Datenstrukturen
Abbildung 4.5: Klassendiagramm für eine Zelle.
Um einen bestehenden Code wiederverwenden zu können, werden neue
Schnittstellen und Klassen hinzugefügt. In den Abbildungen (4.5-4.8) sind
4.2. NEUGEN
49
Klassendiagramme mit Schnittstellen, Klassen und Beziehungen dargestellt.
Klassen und Schnittstellen werden durch blaue Rechtecke repräsentiert. Bei
den Schnittstellen steht zusätzlich der Bezeichner java interface. Beziehungen werden durch Linien dargestellt. Eine gestrichelte Linie mit einem
Dreieck am Ende von einer Klasse zur Schnittstelle bedeutet, dass eine Klasse
eine Schnittstelle implementiert. Eine durchgehende Linie mit einem Dreieck
von einer spezialisierten Subklasse (Unterklasse) zur Basisklasse drückt die
Vererbungsbeziehung aus. Die Subklasse erbt von der Basisklasse Methoden
und Eigenschaften. Eine Linie mit einem Pfeil gibt an, dass eine Klasse aus
den Objekten der anderen Klasse zusammengesetzt ist. Die Abbildung 4.5
zeigt das Klassendiagramm der Zelle. Die Klasse NeuronBase ist eine abgeleitete Klasse, die alle Eigenschaften von der Vaterklasse CellBase erbt.
NeuronBase ist aus den Objekten der Klassen Axon, Dendrite, Cellipsoid
und Section aufgebaut.
Segment Die Klasse Segment repräsentiert einen Kegelstumpf. Ein Segment enthält elementare Daten wie einen Namen, eine Id, einen Startpunkt,
einen Endpunkt, eine Richtung, einen Vorgänger und einen Nachfolger. Die
Klasse besitzt Abfragemethoden (Getter ) und Änderungsmethoden (Setter ),
wie zum Beispiel getName(), das den Namen des Segments liefert oder setName(String name), das einen Namen setzt. Zusätzlich sind noch folgende
Methoden vorhanden getSurfaceArea() und getVolume(), die die Oberfläche
bzw. das Volumen des Kegelstumpfes berechnen.
Section verkörpert einen Zweig (branch). Die Klasse speichert eine Liste
von Segmenten, eine Id, einen Namen und zwei Instanzen der Klasse SectionLink, die Verweisungen auf den Vorgängerzweig und die Nachfolgerzweig
enthalten. Mit der Methode getSegments() bekommt man die Liste mit den
Segmenten, mit getLenght() wird die Länge des Zweiges berechnet. Die Klasse
enthält einen Iterator mit dem alle Zweige des Baumes durchlaufen werden.
SectionLink repräsentiert Verbindungsstellen zwischen den Zweigen. Die
Klasse enthält Referenzen auf den Vorgängerzweig und Referenzen auf den
ersten und zweiten Nachfolgerzweig. Mit den Setter-Methoden kann man den
Vorgänger und die Nachfolger setzen.
NeuronalTreeStructure stellt den neuronalen Baum dar. Mit getFirstSection() bekommt man den ersten Zweig (Section) des Baumes. Die Klasse
besitzt folgende Methoden: getNBranch() liefert die Anzahl der Zweige des
50KAPITEL 4. VERMESSUNG UND ERZEUGUNG DER NEURONENGEOMETRIE
Baumes, getSurfaceArea() bestimmt die Oberfläche des Baumes, getTotalLength() gibt die gesamte Länge des Baumes an, getNTSVolume() berechnet
das Volumen.
Axon verkörpert das Axon der Zelle und ist von der Basisklasse NeuronalTreeStructure abgeleitet. Somit erbt die Klasse Axon alle Eigenschaften und Methoden von NeuronalTreeStructure. Zusätzlich ist die Methode
set(startPoint, endPoint, param) definiert. Mit set(startPoint, endPoint, param) wird ein Axon mit dem Anfangspunkt (startPoint) und dem Endpunkt
(endPoint), sowie zusätzlichen Parametern (param) erzeugt.
Dendrite ist eine abgeleitete Klasse von NeuronalTreeStructure. Die Klasse
definiert Methoden für die Erzeugung von basalen und apikalen Dendriten.
Cellipsoid stellt das Soma dar. Das Soma besteht aus dem Ellipsoid, der
aus Kegelstümpfen zusammengesetzt wird. Das Ellipsoid wird mit der Methode getEllipsoid() erzeugt. Die Methoden getSurfaceArea() und getVolume()
berechnen die Oberfläche und das Volumen.
Cell repräsentiert die Basisschnittstelle und dient dazu eine abstrakte Zelle zu beschreiben. Die Schnittstelle definiert folgende Methoden: getName()
liefert den Namen, getType() den Typen der Zelle, getSoma() das Soma,
setName(String name) setzt den Namen, setSoma(Point3f somaMid, float
somaRadius) erzeugen des Soma mit dem Mittelpunkt somaMid und dem
Radius somaRadius.
CellBase Die Basisklasse CellBase implementiert die Methoden der
Schnittstelle Cell.
Neuron ist abgeleitet von Cell und erbt alle Methodendefinitionen der
Basisschnittstelle. Sie definiert die Methoden: getAxon() liefert das Axon,
getParam Parameter, getDendrites() die Liste der Dendriten und setNeuron()
erzeugt das Neuron.
NeuronBase implementiert die Schnittstelle Neuron. Die Klasse repräsentiert das Basisneuron. Ein Basisneuron enthält ein Axon, die Dendriten und
das Soma. Die Klasse besitzt folgende Methoden: getAxon() liefert das Axon,
getDendrites() die Liste der Dendriten, getVolume() das Volumen, setNeuron() erzeugt ein Neuron, infoNeuron() liefert alle Informationen des Neurons.
4.2. NEUGEN
Abbildung 4.6: Vererbungshierarchie der Zellen.
51
52KAPITEL 4. VERMESSUNG UND ERZEUGUNG DER NEURONENGEOMETRIE
Zellenhierarchie In der Abbildung 4.6 ist die Vererbungshierarchie der
Zellen dargestellt. Die Klassen der Zellen L4-Spiny-Stellate, L4-Star-Pyramiden, Calbindin, Calretinin, Cholecystokinin, Parvalbumin, Somatostatin
und die allgemeinen Pyramidenzellen erben von der Klasse NeuronBase.
Die CA1-, L23- und L5 -Pyramidenzellen erben von der Klasse NeuronPyramidal. Die L5A- und L5B-Pyramidenzellen erben von der Klasse NeuronL5Pyramidal.
Abbildung 4.7: Das Interface Net mit den definierten Methoden.
Net Die Schnittstelle Net (s. Abbildungen (4.7-4.8)) enthält abstrakte Methoden für ein abstraktes neuronales Netz. Die wichtigsten Methoden: generate() erzeugt die Zellen und interconnect verbindet die Zellen.
NetBase Die Basisklasse NetBase ist die Default-Implementierung der
Schnittstelle Net. NetBase implementiert die Methoden des Interface Net.
NetNeocortex verkörpert das Netzwerk des Neocortex. Die Klasse erbt
alle Eigenschaften von NetBase, die Methoden generate() und interconnect()
werden neu implementiert.
4.2. NEUGEN
53
Abbildung 4.8: Vererbungshierarchie für das Netz.
NetHippocampus erbt die Eigenschaften des Basisnetzes und repräsentiert das Netz des Hippocampus. Die Methoden generate() und interconnect()
werden von der Klasse NetBase überschrieben und neu geschrieben.
Parameterklassen Die Parameterklassen (s. Abbildung 4.9) speichern die
Daten der Parameterdateien. Jede Klasse, die eine Zelle verkörpert, enthält
eine Instanz der Klasse NeuronParam. NeuronParam stellt alle Parameter
mit den Methoden für das Axon, apikalen Dendriten, das Soma und die Synapsen bereit. Übersicht der Methoden von NeuronParam, die die Parameter
liefern:
ˆ getAxonParam() Axon-Parameter,
ˆ getApicalParam() Parameter der apikalen Dendriten,
ˆ getDendriteParam() Parameter der basalen Dendriten,
ˆ getSomaParam() Soma-Parameter,
ˆ getSynapseParam() Synapsen-Parameter.
54KAPITEL 4. VERMESSUNG UND ERZEUGUNG DER NEURONENGEOMETRIE
Abbildung 4.9: Überblick über die Parameterklasse.
4.2. NEUGEN
4.2.3
55
Erzeugung der Zellen
Zunächst wird beschrieben, wie eine Zelle erzeugt wird. Jede Klasse, die ein
Zelle verkörpert, enthält die Parameter-Klasse NeuronParam. Damit die konstruierten Axon- und Dendritenbäume der Zellen nicht identisch aussehen,
werden Zufallswerte benutzt. Gleichverteilungsfunktionen liefern Zufallszahlen, die die durchschnittlichen Parameterwerte aus der Datei um einen kleinen Bereich variieren. In der Parameterdatei Interna.neu gibt es für jeden
Zellentypen den Parameter seed, den die Gleichverteilungsfunktionen für die
Zufallszahlen verwenden.
Soma Zuerst wird das Soma mit dem Radius aus den Soma-Parametern
erzeugt. Das Soma eines Zellentyps liegt innerhalb einer bestimmten Schicht
der Region, von der dann der Mittelpunkt berechnet wird. Das Ellipsoid des
Somas wird in Abhängigkeit vom Radius aus scheibenförmigen Segmenten
konstruiert.
Axon Falls die Zelle ein Axon besitzt, dann wird vom Soma aus das Axon
erzeugt. In der Abbildung 4.10 sind die Parameterbäume dargestellt. Als erstes wird der Axonhügel (axon hillock ) mit dem vorgegeben Startradius (proximal radius in µm) und der Länge (leght in µm) aus Kegelstümpfen gebildet.
Die Kegelstümpfe werden in einer Liste der Klasse Section gespeichert. Im
Anschluss daran wird das Initialsegment (initial segment) hergestellt. Der
Axonhügel ist die Wurzel des Baumes und besitzt als Nachfolgezweig das
Initialsegment. Diese werden durch die Klasse SectionLink miteinander verbunden. Im nächsten Schritt werden die Verzweigungen entwickelt. Folgende
Parameter werden dazu verwendet:
ˆ nbranch param für die Anzahl der Zweige,
ˆ len param zur Festlegung der Länge in x, y, z-Richtung in µm,
ˆ branch angle für den Rotationswinkel.
Um die Radien der Tochterzweige zu berechnen wird die Rall’s power -Regel
([9]) angewendet:
rpe = r1e + r2e ,
r1 = rp · t,
√
r2 = rp · e 1 − te , wobei
ˆ rp Radius des Vorgängerzweigs,
56KAPITEL 4. VERMESSUNG UND ERZEUGUNG DER NEURONENGEOMETRIE
Cell
Cell
axon
...
dendrite
gen 0
gen 0
branch angle
max: 60
min: 30
len param
x: 0
y: 0
z: 200
nbranch param: 26
nparts density: 0.25
branch angle
max: 60
min: 30
len param
x: 75
y: 0
z: 0
nbranch param: 4
nparts density: 0.25
siblings
siblings
...
rad
max: 1.5
min: 0.5
myelin
siblings
siblings
branch angle
max: 60
min: 30
len param
x: 50
y: 0
z: 0
nbranch param: 2
nparts density: 0.25
max 10 Sibling-Generationen
branch angle
max: 30
min: 10
len param
x: 0
y: 0
z: 375
nbranch param: 0
nparts density: 0.25
max 10 Sibling-Generationen
siblings
siblings
...
rad
max: 0.5
min: 0.1
...
myelinated legth: 100
ranvier legth: 5
initial segment
legth: 15
...
hillock
legth: 10
proximal radius: 4
Abbildung 4.10: Überblick über die Parameter des Axons (links) und der
Dendriten (rechts).
4.2. NEUGEN
57
ˆ r1 und r2 Radien der Nachfolgezweige,
ˆ e der Rall’s power Wert ist 23 ,
ˆ t Schwellenwert (threshold ) des Radius der Rall’s power -Regel, mit dem
Wert 0.75.
Die Parameter e und t können in der Parameterdatei Interna.neu eingestellt
werden. Zum Schluss nehmen die Zweig-Enden den minimalen Radius (min)
an. Damit die Segmente nicht nur in eine Richtung verlaufen, werden sie
rotiert. Der maximale (max ) und minimale (min) Winkel der Rotation wird
in den Parametern branch angle eingestellt. Der Parameter nparts density
regelt die Anzahl der Segmente des Zweiges.
Abbildung 4.11: Der Axonzweig besteht aus Ranvierknoten (hellorange)
und den Myelinstücken (dunkelorange). Die Parameter ranvier legth und
myelinated legth regeln die Länge der
einzelnen Bereiche. Die erzeugten
Zweige können weitere Verzweigungen besitzen, diese werden als Siblinge
bezeichnet.
Dendrite Die Erzeugung der Dendriten verläuft ähnlich wie die Erzeugung des Axons. Von dem Soma aus beginnend werden die Dendritenbäume
konstruiert. Zuerst wird der Hauptzweig (Parameter gen 0 ) des Dendritenbaumes mit der Anzahl Verzweigungsstellen (nbrach param) erzeugt. An jeder Verzweigungsstelle werden neue Zweige (Siblings) hergestellt. Es können
maximal 10 Sibling-Generationen erzeugt werden.
Netz Die Netz-Parameter enthalten folgende Daten:
ˆ Anzahl der einzelnen Zellen,
ˆ die Region mit den Höhen der Schichten,
ˆ den Schwellenwertabstand zwischen den Synapsen (dist synapse).
58KAPITEL 4. VERMESSUNG UND ERZEUGUNG DER NEURONENGEOMETRIE
Zuerst werden die einzelnen Zellen in den entsprechenden Regionen konstruiert. Anschließend werden die Zellen miteinander synaptisch verschaltet.
Dafür wird der Parameter dist synapse verwendet, der den Schwellenwertabstand zwischen Axonen- und Dendritensegmenten bestimmt. In Abbildung
4.12 ist eine Synapse zu sehen.
Abbildung 4.12: Visualisierung einer Synapse (rot). Der Dendrit ist gelb und
und das Axon orange dargestellt.
Kapitel 5
Ergebnisse
In diesem Kapitel werden die gemessenen morphologischen Daten der rekonstruierten Zellen mit den Daten der künstlichen Zellen verglichen. Zuerst
werden die CA1-Pyramidenzellen und danach die Interneurone betrachtet.
Anschließend werden die Zellen visualisiert und einander gegenübergestellt.
5.1
Vergleich der gemessenen Daten
Abbildungen (5.1-5.3) zeigen Diagramme, die die gesamte Länge, die Oberfläche und das Volumen der Dendritenbäume darstellen. Eine graue Box
enthält die mittleren 50 % der Daten. Der Median teilt die Box durch einen
durchgehenden Strich. In jeder Teilbox befinden sich 50 % der Daten. Die gestrichelten Linien stellen den größten bzw. den kleinsten Wert dar. Die Länge
der gestrichelten Linien ist auf das 1,5 fache der Länge der Box beschränkt.
Die Werte außerhalb der gestrichelten Linien werden durch rote Kreise markiert.
Die rekonstruierten CR-, CB -, PV - und CCK -Interneurone enthalten keine Informationen über die Axone. Ebenfalls sind keine Daten der SOM Interneurone in der NeuroMorpho-Datenbank vorhanden. Mit NeuGen kann
man die Axone der Interneurone und die SOM -Interneurone erzeugen. Die
Parameter werden eingestellt, sobald experimentelle Daten vorliegen. Abbildung 5.1 zeigt ein Diagramm mit den gemessenen Werten der Dendriten
der der CA1-Zellen. Die Längenverteilung der CA1 -Pyramidenzellen liegt
über den anderen Verteilungen. Die Verteilung der Daten aus dem Amaral Archiv enthält größere Werte als die von Gulyas. Die Verteilung der Daten
der CR-Interneurone befindet sich unterhalb der anderen Verteilungen. Die
Werte der Oberfläche und des Volumens (s. Abbildung 5.2) der CCK - und
PV -Interneurone sind größer als die der CA1 -Pyramidenzellen.
59
60
KAPITEL 5. ERGEBNISSE
16 · 103
Länge der Dendriten (µm)
14 · 103
12 · 103
10 · 103
8 · 103
6 · 103
4 · 103
A
m
ar
al
C
A
1
C
A
1
G
ul
ya
s
C
C
K
PV
C
B
0 · 103
C
R
2 · 103
Zellentypen
Abbildung 5.1: Vergleich der gesamten Länge der Dendritenbäume der CA1 Zellen. Die CA1 -Pyramidenzellen besitzen die längste totale Länge und die
CR-Zellen die kürzeste totale Länge der Dendritenbäume.
5.1. VERGLEICH DER GEMESSENEN DATEN
61
50 · 103
45 · 103
Oberfläche der Dendriten (µm2 )
40 · 103
35 · 103
30 · 103
25 · 103
20 · 103
15 · 103
10 · 103
A
m
ar
al
C
A
1
C
A
1
G
ul
ya
s
C
C
K
PV
C
B
0 · 103
C
R
5 · 103
Zellentypen
Abbildung 5.2: Vergleich der gesamten Oberfläche der Dendritenbäume der
CA1 -Zellen.
62
KAPITEL 5. ERGEBNISSE
Volumen der Dendriten (µm3 )
25 · 103
20 · 103
15 · 103
10 · 103
A
m
ar
al
C
A
1
C
A
1
G
ul
ya
s
C
C
K
PV
C
B
0 · 103
C
R
5 · 103
Zellentypen
Abbildung 5.3: Vergleich des gesamten Volumens der Dendritenbäume der
CA1 -Zellen.
5.1. VERGLEICH DER GEMESSENEN DATEN
63
Tabelle 5.1: Überblick über die gemessenen morphologischen Parameter der
CA1 -Pyramidenzellen.
Parameter
Dendriten
Bäume
Zweige
Segmente
Länge (µm)
Oberfläche (µm2 )
Volumen (µm3 )
Axon
Zweige
Segmente
Länge (µm)
Oberfläche (µm2 )
Volumen (µm3 )
5.1.1
Amaral
CA1 -Pyramidenzellen
Gulyas
NeuGen
4,73 ± 0,8
185,55 ± 15,5
1334,41 ± 211,36
13446 ± 930,39
18942 ± 2053,32
2076,82 ± 629,18
4,44 ± 0,7
157,78 ± 21,69
6629,78 ± 1060,6
11506,72 ± 1746,20
16892,06 ± 2483,83
3045,5 ± 539
5
101,05 ± 12,445
1695,2 ± 208,16
12819 ± 1574,89
16890 ± 2021,06
2464,35 ± 411,99
17,82 ± 13,35
309,77 ± 210,17
1939 ± 1009,96
1850 ± 993,20
142,95 ± 73,95
-
6,95 ± 1,26
489,15 ± 97,98
1948 ± 391,86
1944 ± 383,4
162,95 ± 32,05
Die CA1-Pyramidenzellen
Das Soma der CA1 -Pyramidenzellen befindet sich in der Pyramidenschicht.
Das Neuron besitzt ein Axon, einen apikalen Dendriten und mehrere basale
Dendriten. Die basalen Dendriten entspringen am Soma und verlaufen im
stratum oriens und der apikale Dendrit im stratum radiatum bis ins stratum
lacunosum-moleculare.
Insgesamt wurden 60 (18 Amaral, 22 Gulyas, 20 NeuGen) CA1 -Pyramidenzellen gemessen. Die Zellen enthalten bis zu fünf Dendritenbäume (s. Tabelle
5.1 Amaral : 4, 73 ± 0, 8, Gulyas: 4, 44 ± 0, 7). Die durchschnittliche Länge der
Dendriten der CA1 -Pyramidenzellen (Amaral : 13446 ± 930, 39 µm, Gulyas:
11506, 72 ± 1746, 20 µm) ist größer als die der Interneurone (s. Abbildung
5.1). In der Abbildung 5.4 sieht man Diagramme, die die Verteilung der
gesamten Länge, Oberfläche und des Volumens der Dendriten darstellen. Die
durchschnittliche Länge des Axons ist kleiner als bei den Dendriten (Amaral:
1939±1009, 96 µm). Das Axon befindet sich im stratum oriens und projiziert
über den Alveus in andere Bereiche des Hippocampus. Abbildung 5.5 zeigt
Diagramme, welche die Verteilungen der Werte des Axons darstellen. Die
experimentellen Daten enthalten Ausreißer und die größten bzw. die kleinsten
Werte. Die Ausreißer weichen nach oben von den anderen Werten ab. Die
Streuung der Werte in den Verteilungen von NeuGen ist weniger stark als in
den experimentellen Daten.
KAPITEL 5. ERGEBNISSE
64
20 · 103
19 · 103
18 · 103
17 · 103
16 · 103
15 · 103
14 · 103
13 · 103
12 · 103
11 · 103
10 · 103
9 · 103
8 · 103
7 · 103
6 · 103
5 · 103
4 · 103
3 · 103
2 · 103
1 · 103
0 · 103
1
A
C
G
ul
s
ya
1
A
C
al
ar
m
A
1
A
C
eu
N
Zellentypen
G
en
Fläche der Dendriten (µm2 )
25 · 103
20 · 103
15 · 103
10 · 103
5 · 103
0 · 103
1
A
C
G
ul
s
ya
1
A
C
al
ar
m
A
1
A
C
eu
N
Zellentypen
G
en
Volumen der Dendriten (µm3 )
5 · 103
4 · 103
3 · 103
2 · 103
1 · 103
0 · 103
1
A
C
G
ul
s
ya
1
A
C
al
ar
m
A
1
A
C
eu
N
Zellentypen
G
en
Abbildung 5.4: Vergleich der gesamten Länge, der Oberfläche und des Volumens der Dendritenbäume der CA1 Pyramidenzellen.
Länge der Dendriten (µm)
1
A
C
1
A
C
G
eu
N
en
Zellentypen
al
ar
m
A
7 · 103
6 · 103
5 · 103
4 · 103
3 · 103
2 · 103
1 · 103
0 · 103
1
A
C
1
A
C
G
eu
N
en
Zellentypen
al
ar
m
A
Volumen des Axons (µm3 )
Oberfläche des Axons (µm)
Länge des Axons (µm)
1
A
C
1
A
C
eu
N
G
en
Zellentypen
al
ar
m
A
Abbildung 5.5: Vergleich der gesamten Länge, der Oberfläche und des Volumens der Axone der CA1 -Pyramidenzellen.
7 · 103
6 · 103
5 · 103
4 · 103
3 · 103
2 · 103
1 · 103
0 · 103
600
550
500
450
400
350
300
250
200
150
100
50
0
5.1. VERGLEICH DER GEMESSENEN DATEN
65
66
KAPITEL 5. ERGEBNISSE
5.1.2
Die Interneurone
PV
N
eu
G
en
PV
en
G
N
eu
C
C
K
C
C
K
C
B
N
eu
G
en
C
B
en
G
C
R
N
eu
10 · 103
9 · 103
8 · 103
7 · 103
6 · 103
5 · 103
4 · 103
3 · 103
2 · 103
1 · 103
0 · 103
C
R
Länge der Dendriten (µm)
Im Vergleich zu den CA1 -Pyramidenzellen enthalten die Interneurone keinen apikalen Dendriten. Die basalen Dendriten der Interneurone verlaufen in
jeder Schicht, während die basalen Dendriten der CA1 -Pyramidenzellen in
der Pyramidenschicht und in stratum oriens sich verzweigen.
Zellentypen
Abbildung 5.6: Vergleich der gesamten Länge der Dendritenbäume der Interneurone.
Parvalbumin Wissenschaftler fanden die Somata der PV -Interneurone
in der Pyramidenschicht und in der stratum oriens Schicht. Die basalen
Dendriten verlaufen in den Schichten stratum oriens und im stratum radiatum. Das Axon verläuft horizontal in der Pyramidenschicht und in der
stratum oriens Schicht. Für die Messung der Parameter wurden 20 PV Interneurone mit NeuGen eingelesen. Das PV -Interneuron besitzt bis zu fünf
(4, 4 ± 1, 08) Dendriten. In der Tabelle 5.2 und in den Abbildungen 5.6-5.8
sieht man, dass die durchschnittliche Länge (4092 ± 931, 8 µm), die Oberfläche (20654 ± 5042, 85 µm2 ) und das Volumen (11377, 2 ± 3089, 16 µm3 ) der
Dendriten größer ist als bei den CB - und CR-Interneuronen. Zwischen den
einzelnen gemessenen Zellen gibt es große Unterschiede. In der Klasse der
PV -Interneurone sind die Korbzellen (Basket-Zellen), die Chandelier -Zellen
5.1. VERGLEICH DER GEMESSENEN DATEN
67
und Bistratified -Zellen enthalten. Die einzelnen Zellen unterscheiden sich in
der Länge der Dendriten [4]. Das Axon des PV -Interneurons verläuft in der
Pyramidenschicht.
Calbindin In der Klasse der CB -Interneurone gibt es die Bistratified -,
Radiatum-projecting- und die Horizontalen-Zellen. Die Zellen wurden klassifiziert anhand der Lage des Somas und der Richtung der Dendriten. Die
Horizontalen-Zellen werden so bezeichnet, da deren Dendriten horizontal
wachsen. Die Somata der Radiatum-projecting-Zellen liegen hauptsächlich im
stratum radiatum. Außer in der Pyramidenschicht findet man die Somata der
CB -Interneurone in jeder Schicht. Die 18 gemessenen Zellen gehören zu den
Radiatum-projecting-Zellen. CB-Interneurone können bis zu sechs Dendriten
(4, 06 ± 0, 85) besitzen. Das Axon verzweigt sich im stratum radiatum und
im stratum oriens. Die Oberfläche und das Volumen der CB -Interneurone ist
kleiner als die der PV - und CCK -Interneurone.
Calretinin Der Zellkörper der CR-Interneurone befinden sich vorwiegend
in der Pyramidenschicht. Es wurden insgesamt 29 Zellen mit NeuGen eingelesen und gemessen. Die Anzahl der Dendriten (2, 97 ± 0, 60) ist geringer als
bei anderen Interneuronen. Auch die gesamte Länge (2453 ± 771, 53 µm), die
Oberfläche (4871 ± 1521, 06 µm2 ) und das Volumen (1040, 97 ± 397, 89 µm3 )
sind kleiner.
Cholecystokinin Die CCK -Interneurone sind vor allem Korbzellen (Basket-Zellen), deren Somata man in der Pyramidenschicht findet, sowie in der
stratum distal radiatum Schicht. Das Axon ist horizontal in der Pyramidenschicht verteilt. Bei den gemessen 14 Zellen liegt die Anzahl der Dendriten zwischen drei und sechs (4,36 ± 0,80). Die totale Dendritenlänge
(6138 ± 955, 63 µm) ist größter als bei den anderen Interneuronen. Die Werte der Oberfläche und des Volumens der einzelnen Zellen unterscheiden
sich sehr stark (Abbildungen 5.7-5.8). Die CCK -Interneurone besitzen die
größte gesamte Oberfläche (36639 ± 5122, 02 µm2 ) und das größte Volumen
(19472, 79 ± 2506, 13 µm3 ).
Somatostatin Die SOM-Interneurone gehören zu der morphologischen
Klasse der O-LM -Zellen (oriens-lacunosum moleculare). Das Soma liegt im
stratum oriens. Die Dendriten verlaufen horizontal und verzweigen sich im
stratum oriens. Das Axon verläuft durch alle Schichten und verzweigt sich
dann in der oriens-lacunosum moleculare Schicht.
KAPITEL 5. ERGEBNISSE
68
exp.
synth.
exp.
synth.
exp.
synth.
exp.
synth.
exp.
synth.
exp.
synth.
19.75 ± 5,125
1488.95 ± 381,845
5832 ± 1496,155
3741 ± 937,09
208,8 ± 46,78
4,4 ± 1,08
5
14,10 ± 4,02
32.3 ± 4,73
2267,15 ± 630,18
1004.15 ± 105,38
4092 ± 931,8
4584 ± 468,74
20654 ± 5042,85
18611 ± 1531,25
11377,2 ± 3089,16
10598,15 ± 2415,98
20,2 ± 3,58
1782,7 ± 310,03
7003 ± 1219,43
4495 ± 766,91
266,1 ± 38,39
4,36 ± 0,80
4
21,36 ± 4,07
33,8 ± 6,02
1543,14 ± 228,84
1554,25 ± 210,15
6138 ± 955,63
7092 ± 953,8
36639 ± 5122,02
36903 ± 4744,5
19472,79 ± 2506,13
17178,15 ± 2396,08
20,20 ± 3,58
1782,70 ± 310,03
7005 ± 1219,335
4498 ± 767,085
266,35 ± 38,415
4,06 ± 0,85
4
14,11 ± 2,59
20,40 ± 3,6
1419,56 ± 317,51
872,50 ± 57,7
3488 ± 726,89
3977 ± 270,4
8533 ± 2171,07
7329 ± 901,98
2370,72 ± 826,25
1860,3 ± 480,2
CB
20,70 ± 5,4
1311,15 ± 286,92
5086 ± 1025,12
4003 ± 661,055
346,55 ± 35,685
5
36,80 ± 4,42
528,10 ± 53,99
2498 ± 248,99
8250 ± 774,195
2294,2 ± 197,92
SOM
-
2,97 ± 0,60
4
9,52 ± 3,61
13,25 ± 2,23
1108,31 ± 321,70
581,95 ± 60,15
2453 ± 771,53
2668 ± 277,75
4871 ± 1521,06
4573 ± 608,26
1040,97 ± 397,89
977,8 ± 182,68
CR
Zellentyp
CCK
exp.
synth.
exp.
synth.
exp.
synth.
exp.
synth.
exp.
synth.
PV
Tabelle 5.2: Überblick über die gemessenen morphologischen Daten der Interneurone.
Parameter
Dendriten
Bäume
Zweige
Segmente
Länge (µm)
Oberfläche (µm2 )
Volumen (µm3 )
Axon
Zweige
Segmente
Länge (µm)
Oberfläche (µm2 )
Volumen (µm3 )
PV
N
eu
G
en
PV
en
G
C
C
K
69
N
eu
C
C
K
C
B
N
eu
G
en
C
B
en
G
C
R
N
eu
52 · 103
51 · 103
50 · 1033
49 · 10
48 · 103
47 · 1033
46 · 10
45 · 103
44 · 1033
43 · 10
42 · 103
41 · 1033
40 · 10
39 · 103
38 · 1033
37 · 10
36 · 103
35 · 1033
34 · 10
33 · 1033
32 · 10
31 · 103
30 · 1033
29 · 10
28 · 1033
27 · 10
26 · 103
25 · 1033
24 · 10
23 · 103
22 · 1033
21 · 10
20 · 1033
19 · 10
18 · 103
17 · 1033
16 · 10
15 · 103
14 · 1033
13 · 10
12 · 1033
11 · 10
10 · 1033
9 · 103
8 · 103
7 · 103
6 · 103
5 · 103
4 · 103
3 · 103
2 · 103
1 · 103
0 · 10
C
R
Oberfläche der Dendriten (µm2 )
5.1. VERGLEICH DER GEMESSENEN DATEN
Zellentypen
Abbildung 5.7: Vergleich der gesamten Oberfläche der Dendritenbäume der
Interneurone.
N
eu
G
en
PV
PV
en
G
N
eu
C
C
K
C
C
K
en
G
N
eu
C
B
en
G
C
R
N
eu
27 · 103
26 · 103
25 · 103
24 · 103
23 · 103
22 · 103
21 · 103
20 · 103
19 · 103
18 · 103
17 · 103
16 · 103
15 · 103
14 · 103
13 · 103
12 · 103
11 · 103
10 · 103
9 · 103
8 · 103
7 · 103
6 · 103
5 · 103
4 · 103
3 · 103
2 · 103
1 · 103
0 · 103
C
B
KAPITEL 5. ERGEBNISSE
C
R
Volumen der Dendriten (µm3 )
70
Zellentypen
Abbildung 5.8: Vergleich des gesamten Volumens der Dendritenbäume der
Interneurone.
5.2. VISUALISIERUNG
5.2
71
Visualisierung
Zellen aus dem Experiment werden mit den synthetischen Zellen verglichen
(Abbildungen 5.9-5.19), um zu zeigen, dass die mit NeuGen erzeugten Zellen
den realistischen Zellen entsprechen.
Abbildung 5.9: CA1 -Pyramidenzellen: Amaral (links) und NeuGen (rechts).
Abbildung 5.10: Dichte der Axone der CA1 -Pyramidenzellen.
72
KAPITEL 5. ERGEBNISSE
Abbildung 5.11: PV -Interneurone: Gulyas (links) und NeuGen (rechts).
Abbildung 5.12: Dichte der Axone der PV -Interneurone.
5.2. VISUALISIERUNG
73
Abbildung 5.13: CB -Interneurone: Gulyas (links) und NeuGen (rechts).
Abbildung 5.14: Dichte der Axone der CB -Interneurone.
74
KAPITEL 5. ERGEBNISSE
Abbildung 5.15: CCK -Interneurone: Gulyas (links) und NeuGen (rechts).
Abbildung 5.16: Dichte der Axone der CCK -Interneurone.
5.2. VISUALISIERUNG
75
Abbildung 5.17: SOM -Interneurone: Bildausschnitt aus [12] S382 (links) und
NeuGen (rechts).
Abbildung 5.18: Dichte der Axone der SOM -Interneurone.
76
KAPITEL 5. ERGEBNISSE
Abbildung 5.19: CR-Interneurone: Gulyas (links) und NeuGen (rechts).
Abbildung 5.20: 3 CA1-Pyramidenzellen, 3 CR, 1 CB, 1 CCK, 2 PV, 2 SOM.
5.3. LAUFZEIT UND SPEICHERVERBRAUCH
5.3
77
Laufzeit und Speicherverbrauch
Die erzeugten Netze bestehen aus 20 % CA1 -Pyramidenzellen, CB -, CKK -,
PV - und SOM -Zellen. Die CR-Zellen sind nicht in den Netzen enthalten,
da zur Zeit noch keine Synapsen zwischen verschiedenen Dendriten gebildet
werden. Die Tabelle 5.3 zeigt die Laufzeiten und den Verbrauch des Arbeitsspeichers für die Erzeugung und das Verbinden der Zellen. Gemessen
wurde auf einem Intel Core i5-750 Prozessor mit einer Taktfrequenz von
2, 66 GHz und 16 GB Arbeitsspeicher. In den Abbildungen 5.21-5.22 sieht
man, dass die Laufzeit pro Zelle steigt.
Tabelle 5.3: Laufzeit und Speicherverbrauch.
ZellenAnzahl
10
Erzeugung
(sek)
0,862
20
0,984
50
1,171
100
2,020
200
3,261
400
5,787
500
7,157
1000
13,670
5000
74,124
8000
107,649
10000
136,11
15000
177,505
Abstand
(µm)
2,5
1,0
2,5
1,0
2,5
1,0
2,5
1,0
2,5
1,0
2,5
1,0
2,5
1,0
2,5
1,0
2,5
1,0
2,5
1,0
2,5
1,0
2,5
1,0
Verbinden
(sek)
0,448
0,453
0,645
0,621
1,232
1,068
2,020
1,939
3,889
3,695
7,748
7,429
9,036
10,113
20,608
19,095
140,540
114,520
254,920
183,862
263,610
243,423
463,555
363,543
Bilaterale
Synapsen
17
1
30
3
383
29
1541
141
5775
366
24395
1543
41065
2657
159268
9977
4017044
256181
10334405
660921
16164914
1032506
36079398
2307028
nf Synapsen
531
537
1072
1048
2646
2633
5260
5300
10387
10425
20956
21008
26321
26239
52282
52075
260351
260726
416342
416967
523331
523374
783009
783502
Speicher
(Megabyte)
14
14
15
15
24
24
40
40
72
72
137
137
171
171
341
333
1835
1647
3250
2649
4160
3323
6758
5018
Der benötigte Arbeitsspeicher ist in der Abbildung 5.24 dargestellt. Der
Speicherverbrauch ist bei dem Abstand 2, 5 µm für das Verbinden der Zellen
größer als für den Abstand 1, 0 µm. Die Abbildung 5.23 zeigt die Anzahl der
bilateralen Synapsen. Die Anzahl der bilateralen Synapsen für den Abstand
2,5 µm wächst ab ca. 5000 Zellen schneller als für den Abstand 1, 0 µm. Ab
einer Zellenanzahl ist das Volumen der Region voll belegt. Deswegen werden
78
KAPITEL 5. ERGEBNISSE
Erzeugung der Zellen
200,000
Zeit (sek)
150,000
100,000
Erzeugen der Zellen
50,000
Linear (Erzeugen der
Zellen)
0,000
0
5000
10000
15000
20000
Anzahl der Zellen
Abbildung 5.21: Laufzeit für die Erzeugung der Zellen.
Verbinden der Zellen
500,000
Zeit (sek)
400,000
300,000
Abstand 2,5
200,000
Abstand 1,0
Linear (Abstand 2,5)
100,000
Linear (Abstand 1,0)
0,000
0
5000
10000
15000
20000
Anzahl der Zellen
Abbildung 5.22: Laufzeit für das Verbinden der Zellen.
5.3. LAUFZEIT UND SPEICHERVERBRAUCH
79
Anzahl der Synapsen
Bilaterale Synapsen
40000000
35000000
30000000
25000000
20000000
15000000
10000000
5000000
0
Abstand 2,5
Abstand 1,0
Linear (Abstand 2,5)
Linear (Abstand 1,0)
0
5000
10000
15000
20000
Anzahl der Zellen
Abbildung 5.23: Anzahl der bilateralen Synapsen.
Speicherverbrauch
8000
7000
Megabyte
6000
5000
Abstand 2,5
4000
Abstand 1,0
3000
2000
Linear (Abstand 2,5)
1000
Linear (Abstand 1,0)
0
0
5000
10000
15000
20000
Anzahl der Zellen
Abbildung 5.24: Verbrauch des Arbeitsspeichers des Netzes.
80
KAPITEL 5. ERGEBNISSE
bei größeren Abständen zwischen Segmenten mehr Synapsen gebildet als bei
kleineren Abständen. Die Anzahl der nf (non-functional ) Synapsen kann in
den Parameterdateien eingestellt werden. Die nf Synapsen werden für die
Simulation der Signalausbreitung verwerdet.
Die Laufzeit und der Speicherverbrauch steigen linear mit der Zellenanzahl,
wenn das Volumen der Region nicht voll belegt ist. Werden sehr viele Zellen
in einem kleinen Volumen erzeugt, dann steigen die Laufzeit und der Speicherverbrauch für das Verbinden der Zellen quadratisch mit der Zellenanzahl.
Kapitel 6
Zusammenfassung
In dieser Masterarbeit wurden künstliche Zellen der CA1 -Region des Hippocampus innerhalb des Softwarepakets NeuGen erzeugt. Desweiteren wurde der bestehende Code von C++ nach Java portiert. Dadurch wurde eine
Plattformunabhängigkeit erreicht, so dass NeuGen auf allen Architekturen
mit einer installierten Java Laufzeitumgebung (Java Runtime Environment)
läuft. Die grafische Benutzeroberfläche wurde überarbeitet und erweitert, um
Netzwerkmodelle zu erstellen, zu speichern und zu laden. Das erzeugte Modell
kann in verschiedenen Formaten exportiert werden, um die Signalausbreitung
mit den Simulatoren NEURON, NeuSim[15] oder UG 1 zu simulieren.
Die Zellen unterscheiden sich in Länge, Oberfläche, Volumen und Anzahl
der Fortsätze. Die Dendritenlänge der gemessenen CA1 -Pyramidenzellen ist
am größten. Die Oberfläche und das Volumen der Dendritenbäume der Cholecystokinin-Interneurone sind größer als die der anderen Zellen. Dagegen
sind die Oberfläche und das Volumen der Calretinin-Interneurone am kleinsten. Die gemessenen Werte der Zellen variieren zum Teil sehr stark. Die
durchschnittlichen Werte der künstlichen Zellen stimmen mit den Werten der
natürlichen Zellen überein. Der Vergleich der Ergebnisse zeigt, dass NeuGen
eine realistische Morphologie erzeugt. Mittels der Dichtevisualisierung wird
die Lage der Axone dargestellt. Die Verteilung der Axone der künstlichen
Zellen entspricht den Angaben über die Verteilung natürlicher Zellen, wie
man sie in der Literatur findet [12].
Die Laufzeit und der Speicherbedarf wurden für das Erzeugen und das
Verbinden der Zellen gemessen. Es zeigt sich, dass mit steigender Zellenanzahl die Laufzeit und der Speicherbedarf linear wachsen. Wenn das Volumen
1
http:\http://atlas.gcsc.uni-frankfurt.de/~ug/
81
82
KAPITEL 6. ZUSAMMENFASSUNG
der Region voll belegt ist, dann steigen die Laufzeit und der Speicherverbrauch quadratisch mit der Zellenanzahl.
Der Hippocampus besteht aus den Strukturen: Ammonshorn, Gyrus dentatus und Subiculum. In dieser Masterarbeit wurden Zellen der CA1 -Region
des Ammonshorns besprochen. Das Ammonshorn enthält die Felder CA1CA3. Im nächsten Schritt könnten die CA2 - und CA3 -Pyramidenzellen,
die den CA1 -Pyramidenzellen ähnlich sind, mit NeuGen erzeugt werden.
Zusätzlich könnten die Zellen aus dem Gyrus dentatus und dem Subiculum
in NeuGen implementiert werden.
Tabellenverzeichnis
4.1
4.2
4.3
4.4
4.5
4.6
5.1
5.2
5.3
Zusammenfassung der verwendeten rekonstruierten hippocampalen Zellen. . . . . . . . . . . . . . . . . . . . . . . . .
Aufbau einer swc-Datei. . . . . . . . . . . . . . . . . . . . .
Die gemessenen morphologischen Parameter. . . . . . . . . .
Parameterwerte der CA1-Region. . . . . . . . . . . . . . . .
Die Lage der Somata in den Schichten der CA1-Region. . . .
Übersicht über die Verbindungsmöglichkeiten der Zellen. . .
.
.
.
.
.
.
41
43
45
46
46
47
Überblick über die gemessenen morphologischen Parameter
der CA1 -Pyramidenzellen. . . . . . . . . . . . . . . . . . . . . 63
Überblick über die gemessenen morphologischen Daten der Interneurone. . . . . . . . . . . . . . . . . . . . . . . . . . . . . 68
Laufzeit und Speicherverbrauch. . . . . . . . . . . . . . . . . . 77
83
84
TABELLENVERZEICHNIS
Abbildungsverzeichnis
1.1
1.2
Schematisches Bild einer Nervenzelle ([14], S. 533). . . . . .
Darstellung eines nichtmyelinisierten und myelinisierten Axons ([14], S. 539). . . . . . . . . . . . . . . . . . . . . . . . .
1.3 Bild einer elektrischen Synapse ([14], S. 61). . . . . . . . . .
1.4 Makroskopische Gliederung des Kortex ([14], S. 693). . . . .
1.5 Der Aufbau des Kortex und die verschiedenen Färbemethoden
([14], S. 697). . . . . . . . . . . . . . . . . . . . . . . . . . .
1.6 Frontalschnitt aus dem Gehirn der Wanderratte (Rattus norvegicus) zur Veranschaulichung der Bereiche des Hippocampus
([1]). . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
1.7 Schematische Darstellung des Hippocampus ([10], S. 559).
Abkürzungen: A Cortex, B Subiculum, C Hippocampus, D Fascia dentata, E Fornix, F Fasern zum entorhinalen Cortex, G
Alveus, H graue Substanz, a und g Pyramidenzellen, i Schaffer Kollaterale, j Moosfasern. so stratum oriens; sp stratum
pyramidale; sr stratum radiatum. . . . . . . . . . . . . . . .
1.8 Nisslfärbung des Hippocampus der Wanderratte (links) [1] und
eine schematische Darstellung des Hippocampus (rechts) ([7],
S. 69). . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
1.9 Schematisches Diagramm der morphologischen Klassifikation ([12], S. 380). Gefüllte Kreise markieren die Lage der
Zellkörper. Die dunklen Linien, die von den Kreisen ausgehen,
stellen die Orientierung und die Verteilung des Dendritenbaumes dar. Die schraffierte Fläche zeigt die Verteilung des Axons
in den Schichten. . . . . . . . . . . . . . . . . . . . . . . . .
1.10 Korbzelle (Nummer 11) und O-LM-Zelle (Nummer 12) ([12],
S. 382). . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
1.11 Die axonalen und dendritischen Fortsätze einer Axo-axonischen-Zelle (A) und einer Korbzelle (B) in der CA3 -Region
([12], S. 353). . . . . . . . . . . . . . . . . . . . . . . . . . .
85
.
6
.
.
.
7
8
9
. 10
. 11
. 12
. 12
. 13
. 14
. 15
86
ABBILDUNGSVERZEICHNIS
1.12 Schematisches Diagramm der axonalen und dendritischen Verzweigungen der Interneurone nach Untertypen ([12], S. 398).
Die dunklen Kreise zeigen die Lage der Zellkörper. Die dunklen
Linien, die von den Kreisen ausgehen, stellen die Orientierung
und die Verteilung des Dendritenbaumes dar. Die schraffierte
Fläche zeigt die Verteilung des Axons in den Schichten. Die
vertikal gestreifte Box kennzeichnet, dass andere Interneurone
die hauptsächlichen Ziele für die Verbindung darstellen und
nicht Pyramidenzellen. Im Hintergrund sieht man die Hauptzellen. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 16
2.1
2.2
2.3
3.1
3.2
3.3
3.4
3.5
3.6
3.7
3.8
3.9
3.10
3.11
3.12
3.13
3.14
3.15
3.16
3.17
Modellierung einer Zelle mit elementaren Objekten wie Zylinder und Kugeln. . . . . . . . . . . . . . . . . . . . . . . . . . . 23
Hierarchische Modellierung der Zelle. . . . . . . . . . . . . . . 24
Der Szenengraph der Zelle aus 2.2 . . . . . . . . . . . . . . . . 25
Schematische Sicht auf die Hauptfunktionen von NeuGen. . .
Mit NeuGen erzeugte Neuronentypen: L5A-Pyramidenzelle,
L5B -Pyramidenzelle und L23 -Pyramidenzelle. . . . . . . . .
L4-Spiny-Stellate-Zelle und L4-Star-Pyramidenzelle. . . . . .
Die graphische Benutzeroberfläche von NeuGen zeigt das erzeugte Netz (Mitte) und die Dendritendichte (rechts). . . . .
Die Menüleiste und die Werkzeugleiste. . . . . . . . . . . . .
Dialogfenster zum Erstellen eines neuen Projektes. . . . . . .
Beispiel einer Parameterdatei. . . . . . . . . . . . . . . . . .
Konfiguration der Parameter. . . . . . . . . . . . . . . . . .
Dialogfenster für die Berechnung der Dichte. . . . . . . . . .
Dialogfenster für die Visualisierung der Dichte. . . . . . . . .
Visualisierungsarten der Dichte: Visualisierung mit Würfeln
(links), Visualisierung mit konvexer Hülle (Mitte) und Visualisierung mit geteilter, konvexer Hülle (rechts). . . . . . . . .
Proteindichtevisualisierung des Zellkerns mit drei unterschiedlichen Proteinfärbungen. . . . . . . . . . . . . . . . . . . . .
Dialogfenster für die Visualisierung der Proteindichte. . . . .
Dialogfenster für den Export. . . . . . . . . . . . . . . . . .
Dialogfenster für den Export. . . . . . . . . . . . . . . . . .
Dialogfenster für den hoc-Export. . . . . . . . . . . . . . . .
Das Hilfsfenster von NeuGen. . . . . . . . . . . . . . . . . .
. 28
. 29
. 30
.
.
.
.
.
.
.
31
31
32
32
33
34
35
. 36
.
.
.
.
.
.
37
37
38
39
39
40
ABBILDUNGSVERZEICHNIS
87
4.1
CA1-Pyramidenzelle aus der NeuroMorpho-Datenbank. Das
Soma ist braun, die basalen Dendriten sind gelb und der apikale Dendrit ist blaurot dargestellt. . . . . . . . . . . . . . . .
4.2 Ausschnitt eines Dendritenfortsatzes. . . . . . . . . . . . . . .
4.3 Die Bereiche der gemessenen Parameter der Zelle. Links wird
ein Zweig (branch), rechts ein Segment (auch Kompartiment
genannt), unten ein Baum und eine Verzweigung markiert. . .
4.4 Ausschnitt der CA1-Region. . . . . . . . . . . . . . . . . . . .
4.5 Klassendiagramm für eine Zelle. . . . . . . . . . . . . . . . . .
4.6 Vererbungshierarchie der Zellen. . . . . . . . . . . . . . . . . .
4.7 Das Interface Net mit den definierten Methoden. . . . . . . . .
4.8 Vererbungshierarchie für das Netz. . . . . . . . . . . . . . . .
4.9 Überblick über die Parameterklasse. . . . . . . . . . . . . . . .
4.10 Überblick über die Parameter des Axons (links) und der Dendriten (rechts). . . . . . . . . . . . . . . . . . . . . . . . . . .
4.11 Der Axonzweig besteht aus Ranvierknoten (hellorange) und
den Myelinstücken (dunkelorange). Die Parameter ranvier legth
und myelinated legth regeln die Länge der einzelnen Bereiche.
Die erzeugten Zweige können weitere Verzweigungen besitzen,
diese werden als Siblinge bezeichnet. . . . . . . . . . . . . . .
4.12 Visualisierung einer Synapse (rot). Der Dendrit ist gelb und
und das Axon orange dargestellt. . . . . . . . . . . . . . . . .
5.1
5.2
5.3
5.4
5.5
5.6
5.7
5.8
Vergleich der gesamten Länge der Dendritenbäume der CA1 Zellen. Die CA1 -Pyramidenzellen besitzen die längste totale
Länge und die CR-Zellen die kürzeste totale Länge der Dendritenbäume. . . . . . . . . . . . . . . . . . . . . . . . . . .
Vergleich der gesamten Oberfläche der Dendritenbäume der
CA1 -Zellen. . . . . . . . . . . . . . . . . . . . . . . . . . . .
Vergleich des gesamten Volumens der Dendritenbäume der
CA1 -Zellen. . . . . . . . . . . . . . . . . . . . . . . . . . . .
Vergleich der gesamten Länge, der Oberfläche und des Volumens der Dendritenbäume der CA1 -Pyramidenzellen. . . . .
Vergleich der gesamten Länge, der Oberfläche und des Volumens der Axone der CA1 -Pyramidenzellen. . . . . . . . . . .
Vergleich der gesamten Länge der Dendritenbäume der Interneurone. . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
Vergleich der gesamten Oberfläche der Dendritenbäume der
Interneurone. . . . . . . . . . . . . . . . . . . . . . . . . . .
Vergleich des gesamten Volumens der Dendritenbäume der Interneurone. . . . . . . . . . . . . . . . . . . . . . . . . . . .
42
43
44
45
48
51
52
53
54
56
57
58
. 60
. 61
. 62
. 64
. 65
. 66
. 69
. 70
88
ABBILDUNGSVERZEICHNIS
5.9
5.10
5.11
5.12
5.13
5.14
5.15
5.16
5.17
5.18
5.19
5.20
5.21
5.22
5.23
5.24
CA1 -Pyramidenzellen: Amaral (links) und NeuGen (rechts).
Dichte der Axone der CA1 -Pyramidenzellen. . . . . . . . . .
PV -Interneurone: Gulyas (links) und NeuGen (rechts). . . .
Dichte der Axone der PV -Interneurone. . . . . . . . . . . . .
CB -Interneurone: Gulyas (links) und NeuGen (rechts). . . .
Dichte der Axone der CB -Interneurone. . . . . . . . . . . . .
CCK -Interneurone: Gulyas (links) und NeuGen (rechts). . .
Dichte der Axone der CCK -Interneurone. . . . . . . . . . . .
SOM -Interneurone: Bildausschnitt aus [12] S382 (links) und
NeuGen (rechts). . . . . . . . . . . . . . . . . . . . . . . . .
Dichte der Axone der SOM -Interneurone. . . . . . . . . . . .
CR-Interneurone: Gulyas (links) und NeuGen (rechts). . . .
3 CA1-Pyramidenzellen, 3 CR, 1 CB, 1 CCK, 2 PV, 2 SOM.
Laufzeit für die Erzeugung der Zellen. . . . . . . . . . . . . .
Laufzeit für das Verbinden der Zellen. . . . . . . . . . . . . .
Anzahl der bilateralen Synapsen. . . . . . . . . . . . . . . .
Verbrauch des Arbeitsspeichers des Netzes. . . . . . . . . . .
.
.
.
.
.
.
.
.
71
71
72
72
73
73
74
74
.
.
.
.
.
.
.
.
75
75
76
76
78
78
79
79
Literaturverzeichnis
[1] brainmaps. http://http://www.brainmaps.org/. 1.6, 1.8, 6
[2] Ishizuka N, Cowan WM, Amaral DG. A quantitative analysis of the
dendritic organization of pyramidal cells in the rat hippocampus. The
Journal of Comparative Neurology, 362:17–45, 1995. 4.1.1
[3] Simone Eberhard. Berechnung und Visualisierung von Dendritendichten
für künstlich erzeugte dreidimensionale neuronale Netze. Magisterarbeit,
2007. 3.5
[4] Attila I. Gulyas, Manuel Megias, Zsuzsa Emri, and Tamas F. Freund.
Total number and ratio of excitatory and inhibitory synapses converging
onto single interneurons of different types in the ca1 area of the rat
hippocampus. The Journal of Neuroscience, 19(22):10082–10097, 1999.
4.1.1, 5.1.2
[5] Frank Klawonn. Grundkurs Computergrafik mit Java. Die Grundlagen
verstehen und einfach umsetzen mit Java 3D. Vieweg+Teubner, 3 edition, 2010. 2.1.1
[6] Guido Krüger. Handbuch der Java-Programmierung. Addison-Wesley,
4 edition, 2006. 4.2.1
[7] Per Andersen, Richard Morris, David Amaral, Tim Bliss, John O’Keefe.
The Hippocampus Book. Oxford Univ. Press, 1 edition, 2007. 1.8, 6
[8] R. C. Cannona, D. A. Turnerb, G. K. Pyapalib and H. V. Wheala.
An on-line archive of reconstructed hippocampal neurons. Journal of
Neuroscience Methods, 84(1-2):49–54, 1998. 3.2
[9] W. Rall. Branching dendritic trees and motoneuron membrane resistivity. Experimental Neurology. 4.2.3
[10] Gordon M. Shepherd. Neurobiologie. Springer, 1993. 1.7, 6
89
90
LITERATURVERZEICHNIS
[11] Peter J. Siekmeier. Evidence of multistability in a realistic computer
simulation of hippocampus subfield ca1. Behavioural Brain Research.
1.4.2, 4.1.3, 4.1.4
[12] Freund, T. and Buzsáki. Interneurons of the hippocampus. Hippocampus, 6(4):347–470, 1996. 1.9, 1.10, 1.11, 1.12, 1.4.2, 5.17, 6, 6
[13] J. P. Eberhard, A. Wanner und G. Wittum. Neugen: A tool for the generation of realistic morphology of cortical neurons and neural networks
in 3d. Neurocomputing, 70(1-3):327–342, 2006. (document), 3.3.1
[14] Rainer Klinke und Stefan Silbernagl. Lehrbuch der Physiologie. Georg
Thieme Verlag, 4 edition, 2003. 1.1, 1.1, 1.2, 1.3, 1.4, 1.5, 6
[15] Alexander Wanner. Ein effizientes Verfahren zur Berechnung der Potentiale in kortikalen neuronalen Kolumnen. Diplomarbeit, 2007. 6