headerphoto

羅中泉 實驗室 研究計畫

我們研究室主要的研究主題,是利用電腦模擬神經系統中的生物資訊及綜合性的行為。與其他模擬實驗相比,我們有兩個較獨特的地方:

(1) 實驗所使用的大規模神經網路中,模擬的神經具有仿真、詳細的膜電位變化及神經突觸的動態反應。
(2) 在分析資料時我們使用專為神經系統設計的新型統計工具。此外,我們的模擬測試都與從事相關生理實驗的專家有密切的合作。

我們主要的研究重心有三個:

(1) 神經生物資訊學研究

  1. 神經網路中的訊號傳遞

    神經網路的特點是可以處裡大量平行輸入的資訊。 傳統的網路架構分析主要是專注在群聚係數(局部的資訊溝通)以及最短路徑(長距離的訊號傳遞)上。 這種作法把每個節點(神經網路中為神經元)視為相同的節點,而且並不考慮網路中資訊流動的方向。 然而這些分析方法無法展現出神經網路與其他網路的至少兩種不同性:
    1) 第一,神經網路有特定的資訊流動方向,訊號經由輸入神經元進入網路,並被局部神經元處理,再經由輸出神經元離開網路。
    2) 第二,功能上,經由多個突觸的路徑可能比直接連結的路徑(最短距離)來得重要。
    在這個研究中,我們提出了一個新的方法來分析神經網路中資訊流動的特性。 我們主要量化兩個特性:第一,處理速度:所有輸入到輸出間的資訊傳遞路徑多快會建立完成。第二:資訊共享:訊息進入網路後散佈到輸出節點的程度。 與小世界網路以及隨機網路相比,我們發現神經網路同時有著快速的處理速度以及廣大的資訊共享。

  2. 果蠅的嗅覺區域神經迴路
    嗅覺神經系統相較於聽覺或者視覺,可謂是最為古老的系統。但是目前對於嗅覺系統的認識卻是最為有限的。
    我們採用高解析度的果蠅嗅覺神經系統解剖影像,作為建構神經系統網路模型依據,執行嗅覺系統模擬與分析。 發現若干以目前理論無法解釋的網路規則,未來將繼續以模擬以及行為實驗交叉驗證,設法解釋果蠅的天線體嗅覺神經系統運作方式

  3. 果蠅全腦模擬: Flysim 系統

    為了建立一個能將 高解析度的果蠅神經數據庫 轉換至 細胞及突觸尺度的全腦神經網路模型 的平台。我們已經建立了此平台的基本設施,並將最新的 Flycircuit 數據庫轉換至可見的實況脈衝神經網路模型。
    查看更多有關 Flysim 計畫 的資訊。


  4. SPIN: 以型態骨架辨認神經元極性之演算法

    SPIN (Skeleton-based Polarity Identification for Neurons, 以型態骨架辨認神經元極性之演算法) 是一個為了以型態骨架辨認神經元極性而設計的實驗方法。此實驗方法已在從Flycircuit數據庫(http://www.flycircuit.tw/)得來的果蠅神經執行測試。我們的測試顯示 SPIN 在不同的測試條件下可以達到 ~85%-95% 的精準度。
    查看更多有關 SPIN 的資訊。


  5. 果蠅中央複合體的模型建構

    複雜網路的訊息傳遞決定著一個大腦的功能,因此,可以透過檢查神經網路的組織原則,了解大腦是如何運作的。於此計畫中,我們分析了果蠅腦中央複合體(central complex)的結構,該區域與果蠅的感官統合(sensory integration)及自體感覺(locomotive functions)有關。我們可以使用幾個簡單的數學規則,描述中央複合體神經網路的近似架構。再進一步建立該網路的計算模型,並研究其中是如何藉由訊息傳遞來展現有關空間的工作記憶(sptial working memory)。藉由發展空間的工作記憶模型,我們將能了解果蠅更高階的行為模式,包括決策判斷(decision making)以及空間知覺(spatial perception)。


(2) 虛擬蟲計畫

    虛擬蟲( virtual worm)計劃,開發契機在於當代有為數眾多的研究與神經迴路( neural circuit )有關,但卻不太著墨在與環境互動下所展現的行為,鑒於存在這樣的斷層, 清華大學系統神經科學研究所助理教授羅中泉老師,指揮其研究團隊進行研究用軟體開發,初期只考慮研究團隊使用,隨著研究成果出爐,為了展示研究成果與進行神經科學的教學, 更進一步開發圖形化使用者界面,除增進研究的效率,對於展示成果與推廣教育都有相當程度的幫助。
    查看更多有關 虛擬蟲計畫 的資訊。


(3) 神經迴路如何造成腦部如此富有彈性的決策功能


我們每天面對變化萬千的外界訊息,影響我們的決策。無論是中斷正在做的動作,或是做出兩難的選擇,這都要靠評估各種感官資訊後做出決定。綜合了目前已知在不同層級、不同規則下的腦部彈性決策的原則,我們建立了一個大型神經網路來模擬微觀等級的神經連結活動。然而,模擬微觀等級的神經活動,可以讓我們得到更高層級(器官,甚至個體)的行為活動結果。

關於腦部的研究,我們目前正在進行的計畫有:

  1. 感知決策的適應行為

    如何在瞬息萬變環境找到最好的方法去反應以及作出適當的決定,為了回答這個問題,我們研究在感知決策中常常出現的"速度與準確度交換率"的神經機制。在此,我們研究「由上而下的控制」(top-down control)如何在輸入平衡性突觸輸入於決策神經網路的時候,可以快速的調整神經系統的反應來做出正確且快速的決定。

    Energy Landscape Vb=-52.5

    Performance

    另一個計劃中,我們建立了一個可以藉由多巴胺調控突觸可塑性的大型神經網路系統。這個系統可以用來研究在面對環境改變時,那些神經的特性對大腦的決策非常重要。

    Decision Optimization

    DA dependent STDP affects the Cxe-CD synaptic efficiency.


  2. 經顱性磁刺激(TMS)引起的腦部神經可塑性

    TMS藉由一個瞬間產生強烈磁場的線圈來刺激腦部的神經,是一種非侵入性的刺激方法。因為不必動手術,所以TMS廣受醫生及學者的喜愛,更棒的是,TMS可藉由調整刺激時間及刺激數量來引起腦部不同的突觸可塑性反應,所以從研究腦部功能到治療神經性失調都可以應用TMS的技術。雖然這是一項潛力無窮的技術,但其影響腦部功能的詳細機制仍未被清楚的了解。

    為了研究它在腦部引起的變化,我們設計了一個腦部主要運動皮質區的神經網路模型,在這個模型中模擬大腦對TMS刺激的變化。同時,我們也設計了一個全新概念的突觸可塑性理論,而且成功地在單神經元迴路中模擬出各種不同TMS刺激所引起的腦部活性變化。

    運動皮質區的神經網路模型

    大腦對TMS刺激的反應 (模擬結果)

加入我們

曾經想知道複雜的認知行為是如何由神經元之間的相互作用所形成的嗎? 加入我們,我們將幫助你了解相關疑問。請聯絡羅中泉教授()以了解更多相關資訊。