從網路節點時間序列分析網路特性並應用在體外培養神經及心臟細胞

以作者查詢圖書館館藏

、以作者查詢臺灣博碩士

、以作者查詢全國書目

、勘誤回報

、線上人數：21

、訪客IP：3.14.86.75

姓名

陳惠雯(Hui-Wen Chen) 查詢紙本館藏

畢業系所

物理學系

論文名稱

從網路節點時間序列分析網路特性並應用在體外培養神經及心臟細胞
(Network Properties Deduced from Time-Series Data Analysis of its Nodes: Application to Neuronal and Cardiac Cultures in vitro)

相關論文

★ Case study of an extended Fitzhugh-Nagumo model with chemical synaptic coupling and application to C. elegans functional neural circuits	★ 二維非彈性顆粒子之簇集現象
★ 螺旋狀高分子長鏈在拉力下之電腦模擬研究	★ 顆粒體複雜流動之研究
★ 高分子在二元混合溶劑之二維蒙地卡羅模擬研究	★ 帶電高分子吸附在帶電的表面上之研究
★ 自我纏繞繩節高分子之物理	★ 高分子鏈在強拉伸流場下之研究
★ 利用雷射破壞方法研究神經網路的連結及同步發火的行為	★ 最佳化網路成長模型的理論研究
★ 高分子鏈在交流電場或流場下的行為	★ 驟放式發火神經元的數值模擬
★ DNA在微通道的熱泳行為	★ 皮膚細胞增生與腫瘤生長之模擬
★ 耦合在非線性系統中的影響:模型探討以及非線性分析	★ Predicting Self-terminating Ventricular Fibrillation by Bivariate Data Analysis and Controlling Cardiac Alternans by Chaotic Attractors

檔案

[Endnote RIS 格式]

[Bibtex 格式]

[相關文章]

[文章引用]

[完整記錄]

[館藏目錄]

[檢視]

[下載]

本電子論文使用權限為同意立即開放。
已達開放權限電子全文僅授權使用者為學術研究之目的，進行個人非營利性質之檢索、閱讀、列印。
請遵守中華民國著作權法之相關規定，切勿任意重製、散佈、改作、轉貼、播送，以免觸法。

摘要(中)

網路中的動力學在生活和自然界中扮演重要的角色，例如神經系統中神經細胞彼此互相連結和影響所構成的複雜網路。本論文將介紹兩個方法，如何藉由量測網路中節點的動力學行為得到網路結構的資訊。第一個是scaling of noisy fluctuation，可以得知節點的相對連結數；第二個是Granger causality的分析，可以得知兩個節點間有無因果相關。我們先利用可激發的FitzHugh-Nagumo model(FHN)模型去模仿神經系統在網路中的行為，用以上兩個方法來分析網路中每個節點的時間序列，比較分析出來的網路結構和實際模擬所設定的網路結構之間的關係。最後再將此兩種分析的方法應用在實驗的數據，包括心臟的培養和神經的培養隨著時間其網路結構的變化，以及神經的培養在經過藥物Bicuculline(BMI)和Glutamate的影響網路結構的改變。其中Bicuculline用來破壞其神經傳導的抑制神經衝動機制，而Glutamate為神經細胞間傳遞神經衝動訊息的化學物質。

摘要(英)

The dynamics in a network is important in nature, for example the dynamics in complex neural network. The neural cells are coupled by the connection of the network. There are two methods in my thesis to obtain the network information from time-series data of its nodes. The first is the method of scaling of noisy fluctuation. The second is the Granger causality analysis. In the first method, we get information on the relative node degree in the network. By Granger causality analysis, we get the causal relation between the nodes in the network. We implement these two method and tested using networks of coupled excitable FitzHugh-Nagumo (FHN) elements to mimic excitable networks.
We then apply this method to analyse the data from two experiments. One is the Multi-Electrode-Arrays (MEA) experimental data which record the time-series data in cultured neurons in vitro. We want to study the change of network with time and two kinds of drags, the Bicuculline (BMI) and Glutamate. Bicuculline inhibit the inhibition of the mechanism of neuron, and Glutamate is neural transmitter. The other is the video image data which record the time series data in developing cardiac culture in vitro. Then we discussed the cell-cell interactions in these neural and cardiac cultures.

關鍵字(中)

★ 網路
★ 連結數
★ 無尺度網路

關鍵字(英)

★ FHN
★ scaling of noisy fluctuation
★ MEA
★ Granger Causality analysis

論文目次

1 介紹1
1.1 網路. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1
1.1.1 隨機網路. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2
1.1.2 無尺度網路. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3
1.2 動力學系統. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6
1.2.1 FitzHugh-Nagumo model . . . . . . . . . . . . . . . . . . . . . . . 6
1.2.2 Consensus Dynamics . . . . . . . . . . . . . . . . . . . . . . . . . . 7
2 數值分析方法11
2.1 動力學系統. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11
2.2 Scaling of noisy fluctuation . . . . . . . . . . . . . . . . . . . . . . . . . . 11
2.2.1 理論. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11
2.2.2 模擬. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 13
2.3 Granger causality analysis . . . . . . . . . . . . . . . . . . . . . . . . . . . 17
2.3.1 理論. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 17
2.3.2 模擬. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 17
3 實驗數據介紹25
3.1 實驗數據. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 25
3.1.1 神經細胞培養與紀錄. . . . . . . . . . . . . . . . . . . . . . . . . . 25
3.1.2 神經細胞之間的連結. . . . . . . . . . . . . . . . . . . . . . . . . . 25
3.1.3 心臟細胞培養與紀錄. . . . . . . . . . . . . . . . . . . . . . . . . . 27
3.1.4 心肌細胞之間的連結. . . . . . . . . . . . . . . . . . . . . . . . . . 28
4 實驗的數據分析與結果29
4.1 神經培養的數據分析. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 29
4.1.1 數據的處理. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 29
4.1.2 神經培養隨不同DIV(Days in Vitro) 的分析結果. . . . . . . . . . 30
4.1.3 神經培養隨不同DIV(Days in Vitro) 的分析結果整理. . . . . . . . 51
4.1.4 加入Bicuculline 的神經樣本的分析結果. . . . . . . . . . . . . . . 53
4.1.5 加入Bicuculline 的神經樣本的分析結果整理. . . . . . . . . . . . 67
4.1.6 加入Glutamate 的神經樣本的分析結果. . . . . . . . . . . . . . . 69
4.1.7 加入Glutamate 的神經樣本的結果與討論. . . . . . . . . . . . . . 76
4.1.8 Granger causality 對神經連續脈衝時間序列的分析. . . . . . . . . 80
4.2 心臟培養的數據分析. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 98
4.2.1 數據的處理. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 98
4.2.2 心臟培養對於時間的改變以及同步的過程的分析結果. . . . . . . . 99
4.2.3 心臟培養隨對於時間的改變以及同步的過程的分析結果與討論. . 122
5 討論124
5.1 關於Scaling of noisy fluctuation 分析的討論. . . . . . . . . . . . . . . . . 124
5.2 關於Granger casality 分析的討論. . . . . . . . . . . . . . . . . . . . . . . 124
5.3 關於神經培養樣本的分析結果. . . . . . . . . . . . . . . . . . . . . . . . . 128
5.4 關於心臟培養樣本的分析結果. . . . . . . . . . . . . . . . . . . . . . . . . 128
6 結論和未來展望129
6.1 結論. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 129
6.2 未來展望. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 129
參考文獻. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 130

參考文獻

[1]Wen-Xu Wang et al., Phys. Rev. E 80,016116(2009)
[2]Anil K. Seth, Journal of Neuroscience Method 186(2012)262-273
[3]W. Chen et al., EPL, 86, (2009) 18001
[4]A. M. Sillito, J. Physiol. (1975), 250, pp. 287-304
[5]Miles A. Whittington, et al., Letter To Nature, Synchronized oscillations in interneuron networks driven by metabotropic glutamate receptor activation
[6]M. E. J. Newman, SIAM Rev. 45, 167 (2003)
[7]S. Boccaletti et al., Phys. Rep. 424 175(2006)
[8]Marc Timme, Phys. Rev. Lett. 98, 224101 (2007)
[9]A. Maritan and J. R. Banavar, Phys. Rev. Lett. 72, 1451 (1994)
[10]劉維中助理研究員，中央研究院週報　第1181期
[11]P. Erdős and A. Renyi, Publ. Math. (Debrecen) 6, 290 (1959)
[12]A.-L. Barabasi and R. Albert, Science 286, 509 (1999).
[13]Reka Albert et al., Reviews of Modern Physics, Volume 74, January 2002 netwroks networks
[14]Arkady S. Pikovsky et al., Phys. Rev. Lett. 78(5), (1997) system
[15]A. L. HODGKIN and A. F. HUXLEY (1952), J. Physiol. (I952) I I7, 500-544
[16]B. Lindner, et al., Physics Reports 392 (2004)321-424
[17]R. Olfati-Saber, Proc. IEEE 95, 215 (2007)
[18]D. J. Watts and S. H. Strogatz, Nature (London) 393, 440 (1998)
[19]Xiaoqun Wu et al.,Chaos 21, 043129(2011)
[20]Beta Rhythm (Music of the Mind):Block Rockin’’ Beats-Glutamate Excitatioin and GABA Inhibition
[21]Jorgensen, E.M. GABA (August 31, 2005), WormBook, ed. The C. elegans Research Community, WormBook, doi/10.1895/wormbook.1.14.1, http://www.wormbook.org.
[22]Jie Ren, et al., Phys. Rev. Lett. 104, 058701 (2010)
[23]Daniel A Wagenaar, et al., BMC Neurosci. 2006; 7: 11
[24]Chai Wah Wu, the electronic journal of combinatorics 16 (2009), R61

指導教授

黎璧賢(Pik-Yin Lai)

審核日期

2012-8-23

推文