研究課題情報
課題管理番号
23dm0207088h0005
統合プロジェクト(二期)

疾患基礎研究プロジェクト<第二期>

9つの連携分野プロジェクト

脳とこころの健康大国実現プロジェクト

事業名

脳科学研究の戦略的な推進<脳科学研究戦略推進プログラム、革新的技術による脳機能ネットワークの全容解明プロジェクト・戦略的国際脳科学研究推進プログラム> ,

脳機能ネットワークの全容解明プロジェクト ,

脳とこころの研究推進プログラム

タグ(2023)

研究開発目的: 基礎医学研究

研究の性格: 疾患を特定しない基礎医学研究<生命・病態解明研究>

研究モダリティ: in silico<データサイエンスやシミュレーション等>

ICD-10大分類: 神経系の疾患

対象疾患領域: 精神・神経疾患 ,  老年医学・認知症

特記的事項: DX<SaMD、AI、ICTを含む>

補足確認: 診断

タグ(2022)

研究の性格: 生命・病態解明等を目指す研究

開発フェーズ: 該当なし

承認上の分類: 薬機法分類非該当

対象疾患: その他

疾患領域: 精神・神経疾患

開発目的: 診断 ,  治療

タグ(2021)

研究の性格: 生命・病態解明等を目指す研究

開発フェーズ: 基礎的

承認上の分類: 薬機法分類非該当

対象疾患: 該当なし<対象とする疾患なし>

疾患領域: 精神・神経疾患 ,  老年医学・認知症

タグ(2020)

研究の性格: 生命・病態解明等を目指す研究

開発フェーズ: 基礎的

承認上の分類: 薬機法分類非該当

タグ(2019)

研究の性格: 生命・病態解明等を目指す研究

開発フェーズ: 基礎的

承認上の分類: 薬機法分類非該当

対象疾患: 該当なし<対象とする疾患なし>

代表研究機関
大学共同利用機関法人自然科学研究機構生命創成探究センター
研究代表者

(2023) 中江健, 大学共同利用機関法人自然科学研究機構生命創成探究センター, 生命創成探究センター・特任准教授

(2022) 中江健, 大学共同利用機関法人自然科学研究機構生命創成探究センター, 生命創成探究センター・特任准教授

(2021) 中江健, 国立大学法人京都大学, 京都大学情報学研究科・特定助教

(2020) 中江健, 国立大学法人京都大学, 京都大学情報学研究科・特定助教

(2019) 中江健, 国立大学法人京都大学, 大学院情報学研究科 特定研究員 →特定助教(4/1)

データサイエンティスト

中江健

京都大学情報学研究科, 特定助教

塚田啓道

沖縄科学技術大学院大学 神経計算ユニット, 研究員

研究期間
2019年度 - 2023年度
課題への総配分額
138,248 千円
研究概要(2023)
これまで開発してきたdMRIに基づく構造結合データとECoGに基づく機能データを統合するモデルをTissueCyteに基づく詳細な投射マップに拡張したデータ駆動型モデルの検証を行う。タスク指針に基づき、タスク提示ソフトウェアを行動データと合わせて公開する。さらに、Ca2+イメージの標準脳マッピングを行うデータを増やし、Ca2+イメージングデータをあわせてデータベースを公開する。
研究概要(2022)
安静時のマーモセットの全脳ダイナミクスを明らかにするために、革新脳データベースにおける安静時機能MRIの実験データ(覚醒と麻酔時)の時系列解析を行う。脳の内部状態のダイナミクスを抽出するために、次元削減法や状態推定法等の解析手法を適用し有効な手法を選定するとともに、安静時(覚醒と麻酔時)マーモセットの力学的性質の違いを明らかにする。ここで選定した手法を開発したデータ同化統合モデルに適用し、モデルと実験データの力学的性質が一致するパラメータ領域を探索する。また、全脳ダイナミクスに影響を与える局所パラメータを同定し、全脳ダイナミクスのコントロールの可能性を検討する。
研究概要(2021)
安静時のマーモセットの全脳ダイナミクスを明らかにするために、革新脳データベースにおける安静時機能MRIの実験データ(覚醒と麻酔時)の時系列解析を行う。脳の内部状態のダイナミクスを抽出するために、次元削減法や状態推定法等の解析手法を適用し有効な手法を選定するとともに、安静時(覚醒と麻酔時)マーモセットの力学的性質の違いを明らかにする。ここで選定した手法を開発したデータ同化統合モデルに適用し、モデルと実験データの力学的性質が一致するパラメータ領域を探索する。また、全脳ダイナミクスに影響を与える局所パラメータを同定し、全脳ダイナミクスのコントロールの可能性を検討する。
研究概要(2020)
マーモセット大脳皮質の表面の3Dモデルを作成する。マクロ構造結合からECoGデータを予測可能な線形ダイナミカルシステムを、モデルに合わせたデータ同化の技術を用いて同定し、予測を行えるフレームワークを構築する。またアトラスフリー線形モデルのためのデータ同化手法を開発する。この際、高次元カルマンフィルターの推定の際に、分散行列の要素数が大規模になることが大きな問題となるが、これは行列圧縮の技術を援用し解決を行う。
研究概要(2019)
アトラスフリーモデルに基づくデータ同化技術の開発のためには、まずは構造データと機能データの両方を同一の標準脳へマップする必要がある。dMRIに関しては、代表者がすでに確立したex vivoデータから、in vivoデータにも適用が可能なようなパイプラインの構築を目指し、ECoGデータに関しては3つ以上の個体で安定してマップできる手法の確立を行う。
研究成果情報
2023
2022
2021
2020
2019