adaptation-of-a-haptic-robot-in-a-3t-fmri

Adaptation of a Haptic Robot in a 3T fMRI

Functional magnetic resonance imaging (fMRI) provides excellent functional brain imaging via the BOLD signal 1 with advantages including non-ionizing ...

University of California

Intracellular molecular motor-driven transport is essential for such diverse processes as mitosis, neuronal function, and mitochondrial transport. Whereas there have been in vitro studies of how motors function at the single-molecule level, and in vivo studies of the structure of filamentary networks, studies of how the motors effectively use the networks for transportation have been lacking. We investigate how the combined system of myosin-V motors plus actin filaments is used to transport pigment granules in Xenopus melanophores. Experimentally, we characterize both the actin filament network, and how this transport is altered in response to external signals. We then develop a theoretical formalism to explain these changes. We show that cells regulate transport by controlling how often granules switch from one filament to another, rather than by altering individual motor activity at the single-molecule level, or by relying on structural changes in the network.

Intracellular actin-based transport: how far you go depends on how often you switch.

&#x7EC6;&#x80DE;&#x5185;&#x5206;&#x5B50;&#x9A6C;&#x8FBE;&#x9A71;&#x52A8;&#x8FD0;&#x8F93;&#x7684;&#x6709;&#x4E1D;&#x5206;&#x88C2;&#x3001; &#x795E;&#x7ECF;&#x5143;&#x7684;&#x529F;&#x80FD;&#xFF0C;&#x4EE5;&#x53CA;&#x7EBF;&#x7C92;&#x4F53;&#x8FD0;&#x8F93;&#x8FD9;&#x79CD;&#x591A;&#x6837;&#x5316;&#x8FDB;&#x7A0B;&#x81F3;&#x5173;&#x91CD;&#x8981;&#x3002;&#x800C;&#x6709;&#x7684;&#x4F53;&#x5916;&#x7814;&#x7A76;&#x5982;&#x4F55;&#x4E00;&#x76F4;&#x7F3A;&#x4E4F;&#x7535;&#x673A;&#x5728;&#x5355;&#x5206;&#x5B50;&#x6C34;&#x5E73;&#x548C;&#x4F53;&#x5185;&#x7814;&#x7A76;&#x7ED3;&#x6784;&#x7684;&#x5355;&#x7EA4;&#x7EF4;&#x7F51;&#x7EDC;&#xFF0C;&#x7814;&#x7A76;&#x7535;&#x673A;&#x90FD;&#x8FD0;&#x8F93;&#x5982;&#x4F55;&#x6709;&#x6548;&#x5730;&#x4F7F;&#x7528;&#x7F51;&#x7EDC;&#x7684;&#x529F;&#x80FD;&#x3002;&#x6211;&#x4EEC;&#x8C03;&#x67E5;&#x5982;&#x4F55;&#x808C;&#x7403;&#x86CB;&#x767D;-V &#x7535;&#x673A;&#x52A0;&#x808C;&#x52A8;&#x86CB;&#x767D;&#x4E1D;&#x7684;&#x7EC4;&#x5408;&#x7684;&#x7CFB;&#x7EDF;&#x7528;&#x4E8E;&#x8FD0;&#x8F93;&#x5728;&#x975E;&#x6D32;&#x722A;&#x87FE;&#x5927;&#x83F1;&#x9C86;&#x7684;&#x8272;&#x7D20;&#x9897;&#x7C92;&#x3002;&#x901A;&#x8FC7;&#x5B9E;&#x9A8C;&#xFF0C;&#x6211;&#x4EEC;&#x7684;&#x7279;&#x70B9;&#x662F;&#x808C;&#x52A8;&#x86CB;&#x767D;&#x4E1D;&#x7F51;&#x7EDC;&#xFF0C;&#x548C;&#x6B64;&#x4F20;&#x8F93;&#x54CD;&#x5E94;&#x5916;&#x90E8;&#x4FE1;&#x53F7;&#x7684;&#x6539;&#x53D8;&#x65B9;&#x5F0F;&#x3002;&#x7136;&#x540E;&#xFF0C;&#x6211;&#x4EEC;&#x53D1;&#x5C55;&#x7406;&#x8BBA;&#x7684;&#x5F62;&#x5F0F;&#x4E3B;&#x4E49;&#xFF0C;&#x6765;&#x89E3;&#x91CA;&#x8FD9;&#x4E9B;&#x66F4;&#x6539;&#x3002;&#x6211;&#x4EEC;&#x663E;&#x793A;&#x5355;&#x5143;&#x683C;&#x89C4;&#x7BA1;&#x8FD0;&#x8F93;&#x7684;&#x9891;&#x7387;&#x5982;&#x4F55;&#x63A7;&#x5236;&#x9897;&#x7C92;&#x4ECE;&#x5207;&#x6362;&#x4E00;&#x4E1D;&#x5230;&#x53E6;&#x4E00;&#x4E2A;&#xFF0C;&#x800C;&#x4E0D;&#x662F;&#x901A;&#x8FC7;&#x6539;&#x53D8;&#x4E2A;&#x522B;&#x7535;&#x52A8;&#x673A;&#x6D3B;&#x52A8;&#x5728;&#x5355;&#x5206;&#x5B50;&#x6C34;&#x5E73;&#xFF0C;&#x6216;&#x4F9D;&#x9760;&#x7F51;&#x7EDC;&#x7684;&#x7ED3;&#x6784;&#x53D8;&#x5316;&#x3002;

&#x7EC6;&#x80DE;&#x5185;&#x7684;&#x808C;&#x52A8;&#x86CB;&#x767D;&#x4E3A;&#x4E3B;&#x7684;&#x8FD0;&#x8F93;&#xFF1A; &#x4F60;&#x8D70;&#x591A;&#x8FDC;&#x53D6;&#x51B3;&#x4E8E;&#x60A8;&#x5207;&#x6362;&#x7684;&#x9891;&#x7387;&#x3002;

Mol&#xE9;culaire intracellulaire &#xE0; moteur de transport est essentielle pour ces divers processus comme la mitose, la fonction neuronale, et le transport mitochondrial. Attendu que, il ya eu des &#xE9;tudes in vitro de la fa&#xE7;on dont les moteurs fonctionnent au niveau mol&#xE9;cule unique, et dans les &#xE9;tudes in vivo de la structure des r&#xE9;seaux filamentaires, les &#xE9;tudes de la fa&#xE7;on dont les moteurs d&#x26;#39;utiliser efficacement les r&#xE9;seaux de transport ont fait d&#xE9;faut. Nous &#xE9;tudions la fa&#xE7;on dont le syst&#xE8;me combin&#xE9; de la myosine-V ainsi que les moteurs filaments d&#x26;#39;actine est utilis&#xE9; pour transporter granules pigmentaires dans les m&#xE9;lanophores de Xenopus. Exp&#xE9;rimentalement, nous caract&#xE9;risons la fois le r&#xE9;seau de filaments d&#x26;#39;actine, et comment ce type de transport est modifi&#xE9;e en r&#xE9;ponse &#xE0; des signaux externes. Nous d&#xE9;veloppons ensuite un formalisme th&#xE9;orique pour expliquer ces changements. Nous montrons que les cellules r&#xE9;glementer le transport par le contr&#xF4;le de la fr&#xE9;quence des granules de passer d&#x26;#39;un filament &#xE0; l&#x26;#39;autre, plut&#xF4;t que par la modification de l&#x26;#39;activit&#xE9; motrice individuelle &#xE0; la mol&#xE9;cule seul niveau, ou en s&#x26;#39;appuyant sur des changements structurels dans le r&#xE9;seau.

Intracellulaire actine bas&#xE9;e sur les transports: How Far You Go d&#xE9;pend de la fr&#xE9;quence Vous Mettez

Intrazellul&#xE4;re Aktin-basierte Transport: wie weit Sie gehen davon abh&#xE4;ngt, wie oft Sie wechseln.

Trasporto a motore molecolare intracellulare &egrave; essenziale per tali processi diversi come mitosi, funzione neuronale e trasporto mitocondriale. Considerando che ci sono stati studi in vitro di come funzione motori a livello di singola molecola e studi in vivo della struttura di reti filamentose, studi di come i motori utilizzano efficacemente le reti per il trasporto sono stato carente. Indaghiamo come sistema combinato di miosina-V motori pi&ugrave; filamenti di actina &egrave; utilizzato per il trasporto di granuli di pigmento in Xenopus melanophores. Sperimentalmente, si caratterizzano sia la rete di filamenti di actina, e come questo trasporto viene alterato in risposta a segnali esterni. Abbiamo quindi sviluppare un formalismo teorico per spiegare questi cambiamenti. Ci mostrano che le cellule regolano trasporto controllando come spesso granuli di passare da un filamento ad un altro, piuttosto che alterando l&#39;attivit&agrave; motoria individuale a livello di singola molecola o facendo affidamento su cambiamenti strutturali nella rete.

Trasporto intracellulare dell&#39;actina-based: come ben andare dipende da quanto spesso si passa.

&#x7D30;&#x80DE;&#x5185;&#x306E;&#x5206;&#x5B50;&#x30E2;&#x30FC;&#x30BF;&#x30FC;&#x99C6;&#x52D5;&#x578B;&#x30C8;&#x30E9;&#x30F3;&#x30B9;&#x30DD;&#x30FC;&#x30C8;&#x306F;&#x3001;&#x6709;&#x7CF8;&#x5206;&#x88C2;&#x3001;&#x795E;&#x7D4C;&#x6A5F;&#x80FD;&#x3001;&#x304A;&#x3088;&#x3073;&#x30DF;&#x30C8;&#x30B3;&#x30F3;&#x30C9;&#x30EA;&#x30A2;&#x8F38;&#x9001;&#x306A;&#x3069;&#x3001;&#x3055;&#x307E;&#x3056;&#x307E;&#x306A;&#x30D7;&#x30ED;&#x30BB;&#x30B9;&#x304C;&#x4E0D;&#x53EF;&#x6B20;&#x3067;&#x3042;&#x308B;&#x3002;&#x30E2;&#x30FC;&#x30BF;&#x306F;&#x3001;&#x5358;&#x4E00;&#x5206;&#x5B50;&#x30EC;&#x30D9;&#x30EB;&#x3067;&#x3069;&#x306E;&#x3088;&#x3046;&#x306B;&#x6A5F;&#x80FD;&#x3059;&#x308B;&#x304B;&#x306E;in vitro&#x8A66;&#x9A13;&#x304C;&#x884C;&#x308F;&#x308C;&#x3066;&#x3044;&#x308B;&#x4E00;&#x65B9;&#x3001;&#x30D5;&#x30A3;&#x30E9;&#x30E1;&#x30F3;&#x30C8;&#x53CA;&#x3073;&#x30CD;&#x30C3;&#x30C8;&#x30EF;&#x30FC;&#x30AF;&#x306E;&#x69CB;&#x9020;&#x306E;in vivo&#x8A66;&#x9A13;&#x3067;&#x306F;&#x3001;&#x30E2;&#x30FC;&#x30BF;&#x304C;&#x52B9;&#x7387;&#x7684;&#x306B;&#x8F38;&#x9001;&#x306E;&#x305F;&#x3081;&#x306E;&#x30CD;&#x30C3;&#x30C8;&#x30EF;&#x30FC;&#x30AF;&#x3092;&#x4F7F;&#x7528;&#x3059;&#x308B;&#x65B9;&#x6CD5;&#x306E;&#x7814;&#x7A76;&#x304C;&#x4E0D;&#x8DB3;&#x3057;&#x3066;&#x304D;&#x307E;&#x3057;&#x305F;&#x3002;&#x6211;&#x3005;&#x306F;&#x30DF;&#x30AA;&#x30B7;&#x30F3;-V&#x30E2;&#x30FC;&#x30BF;&#x30FC;&#x306B;&#x52A0;&#x3048;&#x3066;&#x30A2;&#x30AF;&#x30C1;&#x30F3;&#x30D5;&#x30A3;&#x30E9;&#x30E1;&#x30F3;&#x30C8;&#x306E;&#x8907;&#x5408;&#x30B7;&#x30B9;&#x30C6;&#x30E0;&#x306F;&#x3001;&#x30A2;&#x30D5;&#x30EA;&#x30AB;&#x30C4;&#x30E1;&#x30AC;&#x30A8;&#x30EB;&#x306E;&#x9ED2;&#x8272;&#x7D20;&#x80DE;&#x306E;&#x8272;&#x7D20;&#x9846;&#x7C92;&#x3092;&#x8F38;&#x9001;&#x3059;&#x308B;&#x305F;&#x3081;&#x306B;&#x3069;&#x306E;&#x3088;&#x3046;&#x306B;&#x4F7F;&#x7528;&#x3055;&#x308C;&#x308B;&#x304B;&#x3092;&#x8ABF;&#x3079;&#x308B;&#x3002;&#x5B9F;&#x9A13;&#x7684;&#x306B;&#x3001;&#x6211;&#x3005;&#x306F;&#x4E21;&#x65B9;&#x306E;&#x30A2;&#x30AF;&#x30C1;&#x30F3;&#x30D5;&#x30A3;&#x30E9;&#x30E1;&#x30F3;&#x30C8;&#xB7;&#x30CD;&#x30C3;&#x30C8;&#x30EF;&#x30FC;&#x30AF;&#x3092;&#x7279;&#x5FB4;&#x3065;&#x3051;&#x308B;&#x65B9;&#x6CD5;&#x3068;&#x3001;&#x3053;&#x306E;&#x30C8;&#x30E9;&#x30F3;&#x30B9;&#x30DD;&#x30FC;&#x30C8;&#x306F;&#x3001;&#x5916;&#x90E8;&#x4FE1;&#x53F7;&#x306B;&#x5FDC;&#x7B54;&#x3057;&#x3066;&#x5909;&#x66F4;&#x3055;&#x308C;&#x307E;&#x3059;&#x3002;&#x6B21;&#x306B;&#x3001;&#x3053;&#x308C;&#x3089;&#x306E;&#x5909;&#x66F4;&#x3092;&#x8AAC;&#x660E;&#x3059;&#x308B;&#x7406;&#x8AD6;&#x7684;&#x306A;&#x5B9A;&#x5F0F;&#x5316;&#x3092;&#x958B;&#x767A;&#x3057;&#x3066;&#x3044;&#x307E;&#x3059;&#x3002;&#x6211;&#x3005;&#x306F;&#x3001;&#x7D30;&#x80DE;&#x304C;&#x5358;&#x5206;&#x5B50;&#x30EC;&#x30D9;&#x30EB;&#x3067;&#x306E;&#x500B;&#x3005;&#x306E;&#x904B;&#x52D5;&#x3092;&#x5909;&#x5316;&#x3055;&#x305B;&#x308B;&#x3053;&#x3068;&#x306B;&#x3088;&#x308A;&#x3001;&#x307E;&#x305F;&#x306F;&#x30CD;&#x30C3;&#x30C8;&#x30EF;&#x30FC;&#x30AF;&#x306E;&#x69CB;&#x9020;&#x5909;&#x5316;&#x306B;&#x4F9D;&#x5B58;&#x3059;&#x308B;&#x3053;&#x3068;&#x306B;&#x3088;&#x3063;&#x3066;&#x9846;&#x7C92;&#x304C;1&#x30D5;&#x30A3;&#x30E9;&#x30E1;&#x30F3;&#x30C8;&#x304B;&#x3089;&#x5225;&#x306E;&#x306B;&#x5207;&#x308A;&#x66FF;&#x3048;&#x3066;&#x3069;&#x306E;&#x304F;&#x3089;&#x3044;&#x306E;&#x983B;&#x5EA6;&#x3067;&#x5236;&#x5FA1;&#x3059;&#x308B;&#x306E;&#x3067;&#x306F;&#x306A;&#x304F;&#x3001;&#x3067;&#x306E;&#x8F38;&#x9001;&#x3092;&#x8ABF;&#x7BC0;&#x3059;&#x308B;&#x3053;&#x3068;&#x3092;&#x793A;&#x3057;&#x3066;&#x3044;&#x308B;&#x3002;

&#x7D30;&#x80DE;&#x5185;&#x306E;&#x30A2;&#x30AF;&#x30C1;&#x30F3;&#x30D9;&#x30FC;&#x30B9;&#x306E;&#x8F38;&#x9001;&#xFF1A;&#x3042;&#x306A;&#x305F;&#x304C;&#x884C;&#x304F;&#x3069;&#x3053;&#x307E;&#x3067;&#x306F;&#x3001;&#x30B9;&#x30A4;&#x30C3;&#x30C1;&#x3059;&#x308B;&#x983B;&#x5EA6;&#x306B;&#x4F9D;&#x5B58;

&#xC138;&#xD3EC;&#xB0B4; &#xBD84;&#xC790; &#xBAA8;&#xD130; &#xAD6C;&#xB3D9; &#xC804;&#xC1A1; &#xC720;&#xC0AC; &#xBD84;&#xC5F4;, &#xC2E0;&#xACBD; &#xAE30;&#xB2A5; &#xBC0F; &#xBBF8;&#xD1A0; &#xCF58; &#xB4DC;&#xB9AC; &#xC544; &#xC804;&#xC1A1; &#xAC19;&#xC740; &#xB2E4;&#xC591; &#xD55C; &#xD504;&#xB85C;&#xC138;&#xC2A4;&#xB97C; &#xC704;&#xD574; &#xD544;&#xC218;&#xC801; &#xC774;&#xB2E4;. &#xBC18;&#xBA74;&#xC758; &#xC0DD;&#xCCB4; &#xC678;&#xC5D0;&#xC11C; &#xC5F0;&#xAD6C; &#xB418;&#xC5C8;&#xC2B5;&#xB2C8;&#xB2E4; &#xC5B4;&#xB5BB;&#xAC8C; &#xB2E8;&#xC77C; &#xBD84;&#xC790; &#xC218;&#xC900; &#xBC0F; filamentary &#xB124;&#xD2B8;&#xC6CC;&#xD06C;, &#xC5B4;&#xB5BB;&#xAC8C; &#xBAA8;&#xD130; &#xD6A8;&#xACFC;&#xC801;&#xC73C;&#xB85C; &#xC218;&#xC1A1;&#xC744; &#xC704;&#xD574; &#xB124;&#xD2B8;&#xC6CC;&#xD06C;&#xB97C; &#xC0AC;&#xC6A9; &#xD558;&#xB294; &#xC5F0;&#xAD6C;&#xC758; &#xAD6C;&#xC870;&#xC758; in vivo &#xC5F0;&#xAD6C;&#xC5D0;&#xC11C; &#xBAA8;&#xD130; &#xAE30;&#xB2A5; &#xBD80;&#xC871; &#xD588;&#xC2B5;&#xB2C8;&#xB2E4;. &#xC6B0;&#xB9AC;&#xB294; &#xC548;&#xB8CC;&#xACFC; &#xB9BD;&#xC758; Xenopus melanophores&#xC5D0;&#xC11C; &#xC218;&#xC1A1; myosin V &#xBAA8;&#xD130; &#xD50C;&#xB7EC;&#xC2A4; &#xB9D0;&#xB77C; &#xD544; &#xB77C; &#xBA58; &#xD2B8;&#xC758; &#xACB0;&#xD569; &#xB41C; &#xC2DC;&#xC2A4;&#xD15C;&#xC758; &#xC6A9;&#xB3C4; &#xC870;&#xC0AC; &#xD569;&#xB2C8;&#xB2E4;. &#xC2E4;&#xD5D8;&#xC801;&#xC73C;&#xB85C;, &#xC6B0;&#xB9AC;&#xB294; &#xB9D0;&#xB77C; &#xD544; &#xB77C; &#xBA58; &#xD2B8; &#xB124;&#xD2B8;&#xC6CC;&#xD06C;&#xC640; &#xC678;&#xBD80; &#xC2E0;&#xD638;&#xC5D0; &#xB300; &#xD55C; &#xC751;&#xB2F5;&#xC5D0;&#xC11C;&#xC774; &#xC804;&#xC1A1; &#xB418;&#xC5B4; &#xBCC0;&#xACBD; &#xD558;&#xB294; &#xBC29;&#xBC95;&#xC744; &#xD2B9;&#xC9D5;. &#xC6B0;&#xB9AC;&#xAC00; &#xB2E4;&#xC74C; &#xC774;&#xB7EC;&#xD55C; &#xBCC0;&#xACBD; &#xB0B4;&#xC6A9;&#xC744; &#xC124;&#xBA85; &#xD558;&#xAE30; &#xC704;&#xD574; &#xC774;&#xB860;&#xC801;&#xC778; &#xC8FC;&#xC758; &#xAC1C;&#xBC1C;. &#xC6B0;&#xB9AC;&#xB294; &#xC140; &#xC804;&#xC1A1; &#xADDC;&#xC81C; &#xBCF4;&#xC5EC; &#xB2E4;&#xB978;, &#xBCF4;&#xB2E4;&#xB294; &#xC624;&#xD788;&#xB824; &#xB2E8;&#xC77C; &#xBD84;&#xC790; &#xC218;&#xC900;&#xC5D0;&#xC11C; &#xAC1C;&#xBCC4; &#xBAA8;&#xD130; &#xD65C;&#xB3D9;&#xC744; &#xBCC0;&#xACBD; &#xD558; &#xC5EC; &#xB610;&#xB294; &#xB124;&#xD2B8;&#xC6CC;&#xD06C;&#xC758; &#xAD6C;&#xC870;&#xC801; &#xBCC0;&#xD654;&#xC5D0; &#xC758;&#xC874; &#xD558; &#xC5EC; &#xBE48;&#xB3C4; &#xC81C;&#xC5B4; &#xD558; &#xC5EC;&#xACFC; &#xB9BD; &#xD55C; &#xD544; &#xB77C; &#xBA58; &#xD2B8;&#xC5D0;&#xC11C; &#xC804;&#xD658;.

&#xC138;&#xD3EC;&#xB0B4; &#xB9D0;&#xB77C; &#xAE30;&#xBC18; &#xC804;&#xC1A1;: &#xC804;&#xD658; &#xD558;&#xB294; &#xBE48;&#xB3C4;&#xC5D0; &#xB530;&#xB77C; &#xB2EC;&#xB77C; &#xC9D1;&#xB2C8;&#xB2E4; &#xC5BC;&#xB9C8;&#xB098; &#xAC08;.

Molecular intracelular a motor de transporte es esencial para estos procesos tan diversos como la mitosis, la funci&#xF3;n neuronal y mitocondrial de transporte. Mientras que ha habido en los estudios in vitro de c&#xF3;mo los motores funcionan a nivel de mol&#xE9;culas individuales, y en estudios in vivo de la estructura de las redes de filamentos, los estudios de c&#xF3;mo los motores de utilizar eficazmente las redes de transporte han faltado. Se investiga c&#xF3;mo el sistema combinado de la miosina-V, m&#xE1;s los motores de los filamentos de actina se utiliza para el transporte de gr&#xE1;nulos de pigmento en los melan&#xF3;foros de Xenopus. Experimentalmente, se caracterizan tanto a la red de filamentos de actina, y c&#xF3;mo este transporte se altera en respuesta a se&#xF1;ales externas. A continuaci&#xF3;n, desarrollar un formalismo te&#xF3;rico para explicar estos cambios. Se demuestra que las c&#xE9;lulas regulan el transporte mediante el control de la frecuencia con gr&#xE1;nulos de cambiar de un filamento a otro, en lugar de mediante la alteraci&#xF3;n de la actividad motora individual a nivel de mol&#xE9;culas individuales, o confiando en los cambios estructurales en la red.

Intracelular de actina basada en Transporte: &#xBF;Qu&#xE9; tan lejos de ir depende de la frecuencia a Cambiar

Axonal and dendritic arbors can be characterized statistically by their spatial density function, a function that specifies the probability of finding a branch of a particular arbor at each point in a neural circuit. Based on an analysis of over a thousand arbors from many neuron types in various species, we have discovered an unexpected simplicity in arbor structure: all of the arbors we have examined, both axonal and dendritic, can be described by a Gaussian density function truncated at about two standard deviations. Because all arbors are characterized by density functions with this single functional form, only four parameters are required to specify an arbor's size and shape: the total length of its branches and the standard deviations of the Gaussian in three orthogonal directions. This simplicity in arbor structure can have implications for the developmental wiring of neural circuits.

A universal property of axonal and dendritic arbors.

&#x8F74;&#x7A81;&#x548C;&#x6811;&#x7A81;&#x7684;&#x4E54;&#x6728;&#x53EF;&#x7531;&#x5176;&#x7A7A;&#x95F4;&#x5BC6;&#x5EA6;&#x51FD;&#x6570;&#xFF0C;&#x4E00;&#x4E2A;&#x51FD;&#x6570;&#xFF0C;&#x6307;&#x5B9A;&#x5728;&#x795E;&#x7ECF;&#x7535;&#x8DEF;&#x4E2D;&#x5BFB;&#x627E;&#x7279;&#x5B9A;&#x7684;&#x4E54;&#x6728;&#xFF0C;&#x6BCF;&#x4E2A;&#x70B9;&#x4E0A;&#x7684;&#x4E00;&#x4E2A;&#x5206;&#x652F;&#x7684;&#x6982;&#x7387;&#x7EDF;&#x8BA1;&#x7279;&#x70B9;&#x3002;&#x6839;&#x636E;&#x8FC7;&#x53BB;&#x4E00;&#x5343;&#x4E54;&#x6728;&#x4ECE;&#x795E;&#x7ECF;&#x5143;&#x4E2D;&#x5404;&#x79CD;&#x7269;&#x79CD;&#x7684;&#x8BB8;&#x591A;&#x7C7B;&#x578B;&#x7684;&#x5206;&#x6790;&#xFF0C;&#x6211;&#x4EEC;&#x53D1;&#x73B0;&#x610F;&#x5916;&#x4E2D;&#x4E54;&#x6728;&#x7ED3;&#x6784;&#x7B80;&#x5355;&#xFF1A; &#x6240;&#x6709;&#x4E54;&#x6728;&#x6811;&#x79CD;&#x7684;&#x6211;&#x4EEC;&#x5BA1;&#x67E5;&#x4E86;&#xFF0C;&#x5F25;&#x6F2B;&#x6027;&#x8F74;&#x7D22;&#x548C;&#x6811;&#x7A81;&#x72B6;&#xFF0C;&#x53EF;&#x4EE5;&#x7531;&#x5728;&#x5DE6;&#x53F3;&#x4E24;&#x4E2A;&#x6807;&#x51C6;&#x504F;&#x5DEE;&#x5904;&#x622A;&#x65AD;&#x9AD8;&#x65AF;&#x5BC6;&#x5EA6;&#x51FD;&#x6570;&#x63CF;&#x8FF0;&#x3002;&#x56E0;&#x4E3A;&#x6240;&#x6709;&#x7684;&#x4E54;&#x6728;&#x7684;&#x7279;&#x70B9;&#x662F;&#x5BC6;&#x5EA6;&#x51FD;&#x6570;&#x4E0E;&#x6B64;&#x5355;&#x4E00;&#x529F;&#x80FD;&#x7684;&#x7A97;&#x4F53;&#xFF0C;&#x53EA;&#x6709;&#x56DB;&#x4E2A;&#x53C2;&#x6570;&#x90FD;&#x5FC5;&#x9700;&#x6307;&#x5B9A;&#x4E54;&#x6728;&#x7684;&#x5927;&#x5C0F;&#x548C;&#x5F62;&#x72B6;&#xFF1A; &#x5176;&#x5206;&#x652F;&#x673A;&#x6784;&#x548C;&#x4E09;&#x4E2A;&#x6B63;&#x4EA4;&#x65B9;&#x5411;&#x9AD8;&#x65AF;&#x7684;&#x6807;&#x51C6;&#x504F;&#x5DEE;&#x7684;&#x603B;&#x957F;&#x5EA6;&#x3002;&#x8FD9;&#x79CD;&#x7B80;&#x5316;&#x4E54;&#x6728;&#x7ED3;&#x6784;&#x4E2D;&#x7684;&#x53EF;&#x80FD;&#x4F1A;&#x5F71;&#x54CD;&#x53D1;&#x80B2;&#x7684;&#x5E03;&#x7EBF;&#x7684;&#x795E;&#x7ECF;&#x7535;&#x8DEF;&#x3002;

&#x8F74;&#x7A81;&#x548C;&#x6811;&#x7A81;&#x7684;&#x4E54;&#x6728;&#x6811;&#x79CD;&#x7684;&#x901A;&#x7528;&#x5C5E;&#x6027;&#x3002;

Tonnelles axonales et dendritiques peuvent &ecirc;tre caract&eacute;ris&eacute;s statistiquement en fonction de leur densit&eacute; spatiale, une fonction qui sp&eacute;cifie la probabilit&eacute; de trouver une branche d&#39;un arbre particulier &agrave; chaque point dans un circuit neuronal. Bas&eacute; sur une analyse de plus de mille tonnelles de nombreux types de neurones chez diverses esp&egrave;ces, nous avons d&eacute;couvert une simplicit&eacute; inattendue dans la structure de l&#39;arbre : tous des tonnelles nous ont examin&eacute;, tant axonales et dendritiques, peut &ecirc;tre d&eacute;crite par une fonction de densit&eacute; gaussienne de deux &eacute;carts-types sont tronqu&eacute;e. Parce que tous les axes sont caract&eacute;ris&eacute;s par des fonctions de densit&eacute; avec cette forme fonctionnelle unique, seulement quatre param&egrave;tres sont n&eacute;cessaires pour sp&eacute;cifier d&#39;un arbre taille et forme : la longueur totale de ses branches et les &eacute;carts types de la gaussienne dans trois directions orthogonales. Cette simplicit&eacute; dans la structure de l&#39;arbre peut avoir des implications pour le c&acirc;blage du d&eacute;veloppement des circuits neuronaux.

Une propri&eacute;t&eacute; universelle des tonnelles axonales et dendritiques.

Axonale und dendritischer Dorne statistisch durch ihre r&auml;umliche Dichte-Funktion eine Funktion gekennzeichnet, die die Wahrscheinlichkeit eine Zweigniederlassung einer bestimmten Arbor an jedem Punkt in einer neuronalen Schaltung zu finden gibt. Basierend auf einer Analyse von &uuml;ber tausend Dorne aus vielen Neuron-Typen in verschiedenen Arten, wir haben eine unerwartete Einfachheit in Arbor Struktur entdeckt: alle der die Dorne wir haben gepr&uuml;ft, sowohl axonalen und dendritische, k&ouml;nnen durch eine Gau&szlig;sche Dichtefunktion gek&uuml;rzt auf ca. zwei Standardabweichungen beschrieben werden. Weil alle Dorne durch Dichte Funktionen mit dieser einzigen funktionalen Form gekennzeichnet sind, sind nur vier Parameter ben&ouml;tigt, um ein Arbor Gr&ouml;&szlig;e und Form angeben: die Gesamtl&auml;nge von Filialen und die Standardabweichungen von Gau&szlig; in drei orthogonalen Richtungen. Diese Einfachheit in Arbor Struktur kann auf die Entwicklungsbiologie Verdrahtung der neuronale Schaltkreise auswirken.

Eine universelle Eigenschaft der axonalen und dendritischer Dorne.

Assonale e dendritiche pergole possono essere statisticamente caratterizzate dalla loro funzione di densit&agrave; spaziale, una funzione che specifica la probabilit&agrave; di trovare un ramo di una particolare arbor in ogni punto in un circuito neurale. Basato su un&#39;analisi di oltre un migliaio di pergole da molti tipi di neuroni in varie specie, abbiamo scoperto un&#39;inaspettata semplicit&agrave; nella struttura arbor: tutti delle pergole ci hanno esaminato, assonale e dendritica, pu&ograve; essere descritto da una funzione gaussiana densit&agrave; troncata in corrispondenza di due deviazioni standard. Poich&eacute; tutte le pergole sono caratterizzati da funzioni di densit&agrave; con questa forma funzionale unica, solo quattro parametri vengono richiesto di specificare la dimensione e la forma di un pergolato: la lunghezza totale dei suoi rami e le deviazioni standard della gaussiana in tre direzioni ortogonali. Questa semplicit&agrave; nella struttura arbor pu&ograve; avere implicazioni per il cablaggio dello sviluppo dei circuiti neurali.

Una propriet&agrave; universale di pergole assonale e dendritiche.

&#x8EF8;&#x7D22;&#x3068;&#x6A39;&#x72B6;&#x7A81;&#x8D77;&#x306E;&#x30A2;&#x30FC;&#x30D0;&#x30FC;&#x306F;&#x7D71;&#x8A08;&#x7684;&#x306B;&#x305D;&#x306E;&#x7A7A;&#x9593;&#x5BC6;&#x5EA6;&#x95A2;&#x6570;&#x3001;&#x7279;&#x5B9A;&#x306E;&#x30A2;&#x30FC;&#x30D0;&#x30FC;&#x306E;&#x5404;&#x6642;&#x70B9;&#x306E;&#x679D;&#x306B;&#x304A;&#x3051;&#x308B;&#x795E;&#x7D4C;&#x56DE;&#x8DEF;&#x3092;&#x898B;&#x3064;&#x3051;&#x308B;&#x306E;&#x78BA;&#x7387;&#x3092;&#x6307;&#x5B9A;&#x3059;&#x308B;&#x95A2;&#x6570;&#x306B;&#x3088;&#x3063;&#x3066;&#x7279;&#x5FB4;&#x4ED8;&#x3051;&#x3089;&#x308C;&#x307E;&#x3059;&#x3002;&#x5206;&#x6790;&#x306B;&#x306F;&#x591A;&#x304F;&#x306E;&#x30CB;&#x30E5;&#x30FC;&#x30ED;&#x30F3; &#x30BF;&#x30A4;&#x30D7;&#x306E;&#x69D8;&#x3005; &#x306A;&#x7A2E;&#x304B;&#x3089;&#x5343;&#x30A2;&#x30FC;&#x30D0;&#x30FC;&#x4EE5;&#x4E0A;&#x306B;&#x57FA;&#x3065;&#x3044;&#x3066;&#x3001;&#x30A2;&#x30FC;&#x30D0;&#x30FC;&#x69CB;&#x9020;&#x3067;&#x4E88;&#x671F;&#x3057;&#x306A;&#x3044;&#x3001;&#x30B7;&#x30F3;&#x30D7;&#x30EB;&#x3055;&#x3092;&#x767A;&#x898B;&#x3057;&#x305F;&#xFF1A; &#x3059;&#x3079;&#x3066;&#x306E;&#x30A2;&#x30FC;&#x30D0;&#x30FC;&#x306E;&#x6211;&#x3005; &#x306F;&#x8EF8;&#x7D22;&#x3068;&#x6A39;&#x72B6;&#x7A81;&#x8D77;&#x691C;&#x8A0E;&#x3057;&#x3066;&#x3044;&#x308B;&#x3001;&#x7D04; 2 &#x3064;&#x306E;&#x6A19;&#x6E96;&#x504F;&#x5DEE;&#x3067;&#x5207;&#x308A;&#x6368;&#x3066;&#x30AC;&#x30A6;&#x30B9;&#x5BC6;&#x5EA6;&#x95A2;&#x6570;&#x306B;&#x3088;&#x3063;&#x3066;&#x8A18;&#x8FF0;&#x3067;&#x304D;&#x307E;&#x3059;&#x3002;&#x3059;&#x3079;&#x3066;&#x306E;&#x30A2;&#x30FC;&#x30D0;&#x30FC;&#x5BC6;&#x5EA6;&#x95A2;&#x6570;&#x3092;&#x3053;&#x306E; 1 &#x3064;&#x306E;&#x6A5F;&#x80FD;&#x7684;&#x306A;&#x30D5;&#x30A9;&#x30FC;&#x30E0;&#x306B;&#x3088;&#x3063;&#x3066;&#x7279;&#x5FB4;&#x4ED8;&#x3051;&#x3089;&#x308C;&#x308B;&#x305F;&#x3081;&#x3001;&#x306E;&#x307F; 4 &#x3064;&#x306E;&#x30D1;&#x30E9;&#x30E1;&#x30FC;&#x30BF;&#x30FC;&#x306F;&#x30A2;&#x30FC;&#x30D0;&#x30FC;&#x306E;&#x30B5;&#x30A4;&#x30BA;&#x3068;&#x5F62;&#x72B6;&#x3092;&#x6307;&#x5B9A;&#x3059;&#x308B;&#x5FC5;&#x8981;&#x304C;&#x3042;&#x308A;&#x307E;&#x3059;&#xFF1A; &#x305D;&#x306E;&#x679D;&#x3068; 3 &#x3064;&#x306E;&#x76F4;&#x4EA4;&#x65B9;&#x5411;&#x306E;&#x30AC;&#x30A6;&#x30B9;&#x5206;&#x5E03;&#x306E;&#x6A19;&#x6E96;&#x504F;&#x5DEE;&#x306E;&#x5408;&#x8A08;&#x9577;&#x3002;&#x3053;&#x306E;&#x30B7;&#x30F3;&#x30D7;&#x30EB;&#x3055;&#x30A2;&#x30FC;&#x30D0;&#x30FC;&#x69CB;&#x9020;&#x795E;&#x7D4C;&#x56DE;&#x8DEF;&#x306E;&#x767A;&#x9054;&#x306E;&#x914D;&#x7DDA;&#x306B;&#x5F71;&#x97FF;&#x3092;&#x53CA;&#x307C;&#x3059;&#x3053;&#x3068;&#x304C;&#x3067;&#x304D;&#x307E;&#x3059;&#x3002;

&#x8EF8;&#x7D22;&#x3068;&#x6A39;&#x72B6;&#x7A81;&#x8D77;&#x306E;&#x30A2;&#x30FC;&#x30D0;&#x30FC;&#x306E;&#x666E;&#x904D;&#x7684;&#x306A;&#x30D7;&#x30ED;&#x30D1;&#x30C6;&#x30A3;&#x3002;

Axonal &#xC218;&#xC9C0;&#xC0C1; &#xBC84;&#xB294; &#xADF8;&#xB4E4;&#xC758; &#xACF5;&#xAC04;&#xC801; &#xBC00;&#xB3C4; &#xD568;&#xC218;, &#xC2E0;&#xACBD; &#xD68C;&#xB85C;&#xC5D0;&#xC11C; &#xAC01; &#xC9C0;&#xC810;&#xC5D0;&#xC11C; &#xD2B9;&#xC815; &#xC544; &#xBC84;&#xC758; &#xBD84;&#xAE30;&#xB97C; &#xCC3E;&#xC744; &#xD655;&#xB960;&#xC744; &#xC9C0;&#xC815; &#xD558;&#xB294; &#xD568;&#xC218;&#xC5D0; &#xC758;&#xD574; &#xD1B5;&#xACC4;&#xC801;&#xC73C;&#xB85C; &#xD2B9;&#xC9D5; &#xC218; &#xC788;&#xC2B5;&#xB2C8;&#xB2E4;. &#xB2E4;&#xC591; &#xD55C; &#xC885;&#xC5D0;&#xC11C; &#xB2E4;&#xC591; &#xD55C; &#xC2E0;&#xACBD;&#xC5D0;&#xC11C;&#xC5D0;&#xC11C; 1000 &#xBC84;&#xB294; &#xB3D9;&#xC548; &#xBD84;&#xC11D;&#xC744; &#xBC14;&#xD0D5;&#xC73C;&#xB85C;, &#xC6B0;&#xB9AC; &#xC2DD; &#xBAA9; &#xAD6C;&#xC870;&#xC5D0; &#xC608;&#xAE30;&#xCE58; &#xC54A;&#xC740; &#xB2E8;&#xC21C; &#xBC1C;&#xACAC;: &#xBAA8;&#xB450;&#xB97C; &#xC544; &#xBC84;&#xC758; &#xC6B0;&#xB9AC; axonal &#xBC0F; &#xC218;&#xC9C0;&#xC0C1;, &#xAC80;&#xC0AC;, &#xC57D; 2 &#xD45C;&#xC900; &#xD3B8;&#xCC28;&#xC5D0;&#xC11C; &#xC798;&#xB9B0; &#xAC00;&#xC6B0;&#xC2A4; &#xBC00;&#xB3C4; &#xD568;&#xC218;&#xC5D0; &#xC758;&#xD574; &#xAE30;&#xC220; &#xB420; &#xC218; &#xC788;&#xB2E4;. &#xC544; &#xBC84;&#xC758; &#xD06C;&#xAE30;&#xC640; &#xBAA8;&#xC591;&#xC744; &#xC9C0;&#xC815; &#xD558;&#xB824;&#xBA74; &#xB124; &#xAC1C;&#xC758; &#xB9E4;&#xAC1C; &#xBCC0;&#xC218;&#xAC00; &#xD544;&#xC694; &#xBAA8;&#xB4E0; &#xC544; &#xBC84;&#xAC00; &#xB2E8;&#xC77C; &#xAE30;&#xB2A5; &#xD615;&#xD0DC;&#xC640; &#xBC00;&#xB3C4; &#xD568;&#xC218;&#xC5D0; &#xC758;&#xD574; &#xD2B9;&#xC9D5; &#xB54C;&#xBB38;&#xC5D0;: &#xADF8; &#xC9C0;&#xC810;&#xACFC; 3 &#xAC1C;&#xC758; &#xC9C1;&#xAD50; &#xBC29;&#xD5A5;&#xC73C;&#xB85C; &#xAC00;&#xC6B0;&#xC2DC;&#xC548;&#xC758; &#xD45C;&#xC900; &#xD3B8;&#xCC28;&#xC758; &#xCD1D; &#xAE38;&#xC774;. &#xC774; &#xB2E8;&#xC21C; &#xC2DD; &#xBAA9; &#xAD6C;&#xC870;&#xC5D0; &#xC2E0;&#xACBD; &#xD68C;&#xB85C;&#xC758; &#xBC1C;&#xB2EC; &#xBC30;&#xC120;&#xC5D0; &#xB300; &#xD55C; &#xC758;&#xBBF8;&#xB97C; &#xAC00;&#xC9C8; &#xC218; &#xC788;&#xC2B5;&#xB2C8;&#xB2E4;.

Axonal &#xC218;&#xC9C0;&#xC0C1; &#xBC84;&#xB294;&#xC758; &#xBCF4;&#xD3B8;&#xC801; &#xC18D;&#xC131;&#xC785;&#xB2C8;&#xB2E4;.

Cenadores axonal y dendr&iacute;ticas pueden describirse estad&iacute;sticamente con su funci&oacute;n de densidad espacial, una funci&oacute;n que especifica la probabilidad de encontrar una rama de un &aacute;rbol particular en cada punto en un circuito neural. Basado en un an&aacute;lisis de m&aacute;s de 1 mil &aacute;rboles de muchos tipos de neurona en varias especies, hemos descubierto una inesperada sencillez en la estructura de &aacute;rbol: todos de los &aacute;rboles han examinado, tanto axonal y dendr&iacute;ticas, puede ser descrito por una funci&oacute;n de densidad gaussiano truncada en dos desviaciones est&aacute;ndar. Como cenadores todos se caracterizan por funciones de densidad con esta &uacute;nica forma funcional, requiere s&oacute;lo cuatro par&aacute;metros para especificar el tama&ntilde;o y la forma de un eje: la longitud total de sus ramas y las desviaciones est&aacute;ndar de la Gaussiana en tres direcciones ortogonales. Esta simplicidad en la estructura de &aacute;rbol puede tener implicaciones para el cableado del desarrollo de circuitos neuronales.

Una propiedad universal de cenadores axonal y dendr&iacute;ticas.

&#xB2E8;&#xC77C; &#xB300;&#xC0C1; &#xBBF8;&#xB9AC; &#xC815;&#xD574;&#xC9C4;&#xB41C; &#xD655;&#xB960; &#xBD84;&#xD3EC;&#xC5D0;&#xC11C; &#xC120;&#xD0DD;&#xD55C; &#xC704;&#xCE58;&#xC5D0; &#xC228;&#xACA8;&#xC838; &#xC788;&#xC2B5;&#xB2C8;&#xB2E4;. &#xB2E4;&#xC74C;, &#xC218; &#xC0C9; &#xC790;&#xB294; &#xC784;&#xC758; &#xAC80;&#xC0C9; &#xD3EC;&#xC778;&#xD2B8;&#xB97C; &#xB300;&#xC0C1; &#xC2DC;&#xD5D8;&#xC758; &#xCD5C;&#xC18C; &#xC218;&#xC5D0;&#xC11C; &#xBC1C;&#xACAC; &#xB418;&#xB294; &#xC0D8;&#xD50C;&#xB9C1; &#xD558;&#xB294; &#xB450; &#xBC88;&#xC9F8; &#xD655;&#xB960; &#xBD84;&#xD3EC;&#xB97C; &#xCC3E;&#xC544;&#xC57C; &#xD569;&#xB2C8;&#xB2E4;. &#xC5EC;&#xAE30; &#xADF8;&#xAC83;&#xC740; &#xC218; &#xC0C9; &#xC790;&#xB294; &#xADF8;&#xAC83;&#xC744; &#xCC3E;&#xC73C;&#xB824;&#xACE0; &#xB300;&#xC0C1;&#xC5D0; &#xAC00;&#xAE4C;&#xC6B4; &#xB9E4;&#xC6B0; &#xC5BB;&#xC744; &#xD574;&#xC57C; &#xD569;&#xB2C8;&#xB2E4;, &#xB2E4;&#xC74C; &#xCD5C;&#xACE0;&#xC758; &#xAC80;&#xC0C9; &#xBC30;&#xD3EC;&#xB294; &#xCC28;&#xC6D0;&#xC5D0; &#xAD00;&#xACC4; &#xC5C6;&#xC774; &#xB300;&#xC0C1; &#xBC30;&#xD3EC;&#xC758; &#xC81C;&#xACF1;&#xADFC;&#xC5D0; &#xBE44;&#xB840; &#xD45C;&#xC2DC; &#xB429;&#xB2C8;&#xB2E4;. &#xAC00;&#xC6B0;&#xC2A4; &#xB300;&#xC0C1; &#xBC30;&#xD3EC;&#xC5D0; &#xB300; &#xD55C; &#xCD5C;&#xC801;&#xC758; &#xAC80;&#xC0C9; &#xBC30;&#xD3EC; &#xBC18;&#xBE44;&#xB840; &#xC5BC;&#xB9C8;&#xB098; &#xAC00;&#xAE4C;&#xC774; &#xAC80;&#xC0C9;&#xC73C;&#xB85C; &#xCC3E;&#xC744; &#xB300;&#xC0C1;&#xC5D0; &#xD574;&#xC57C; &#xB2E4;&#xB985;&#xB2C8;&#xB2E4; &#xD45C;&#xC900; &#xD3B8;&#xCC28;&#xC640; &#xAC00;&#xC6B0;&#xC2A4; &#xC57D;&#xC785;&#xB2C8;&#xB2E4;. &#xB124;&#xD2B8;&#xC6CC;&#xD06C; &#xAC80;&#xC0C9; &#xBB34;&#xC791;&#xC704;&#xB85C; &#xC0D8;&#xD50C;&#xB9C1; &#xB178;&#xB4DC; &#xBC0F; &#xAC00;&#xC7A5;&#xC790;&#xB9AC;&#xB97C; &#xB530;&#xB77C; &#xACE0;&#xC815;&#xB41C; &#xB300;&#xC0C1; &#xCC3E;&#xC2B5;&#xB2C8;&#xB2E4; &#xC5B4;&#xB514; &#xCD5C;&#xC801;&#xC758; &#xD655;&#xB960;&#xC774; &#xBC16;&#xB3C4; &#xD50C;&#xB7EC;&#xC2A4; 1&#xC758; &#xC81C;&#xACF1;&#xADFC;&#xC5D0; &#xBE44;&#xB840; &#xB178;&#xB4DC; &#xC0D8;&#xD50C; &#xB610;&#xB294; &#xC804;&#xD600; &#xADF8;&#xB807;&#xAC8C; &#xD558;&#xC9C0; &#xC54A;&#xAE30;&#xB85C;.

&#xD558;&#xB098;&#xC758; &#xC228;&#xACA8;&#xC9C4;&#xB41C; &#xB300;&#xC0C1;&#xC5D0; &#xB300; &#xD55C; &#xCD5C;&#xC801;&#xC758; &#xBB34;&#xC791;&#xC704; &#xAC80;&#xC0C9;&#xC785;&#xB2C8;&#xB2E4;.

&#x5355;&#x4E2A;&#x76EE;&#x6807;&#x662F;&#x9690;&#x85CF;&#x5728;&#x4ECE;&#x4E00;&#x4E2A;&#x9884;&#x5148;&#x786E;&#x5B9A;&#x7684;&#x6982;&#x7387;&#x5206;&#x5E03;&#x4E2D;&#x9009;&#x62E9;&#x4E00;&#x4E2A;&#x4F4D;&#x7F6E;&#x3002;&#x7136;&#x540E;&#xFF0C;&#x641C;&#x7D22;&#x8005;&#x5FC5;&#x987B;&#x627E;&#x5230;&#x7B2C;&#x4E8C;&#x4E2A;&#x7684;&#x6982;&#x7387;&#x5206;&#x5E03;&#xFF0C;&#x4ECE;&#x4E2D;&#x968F;&#x673A;&#x641C;&#x7D22;&#x70B9;&#x7684;&#x91C7;&#x6837;&#xFF0C;&#x76EE;&#x6807;&#x627E;&#x5230;&#x5728;&#x5BA1;&#x5224;&#x7684;&#x6700;&#x5C0F;&#x6570;&#x76EE;&#x3002;&#x8FD9;&#x91CC;&#x5C06;&#x663E;&#x793A;&#x662F;&#x5426;&#x641C;&#x7D22;&#x8005;&#x5FC5;&#x987B;&#x5F97;&#x5230;&#x975E;&#x5E38;&#x63A5;&#x8FD1;&#x76EE;&#x6807;&#xFF0C;&#x627E;&#x5230;&#x5B83;&#xFF0C;&#x90A3;&#x4E48;&#x6700;&#x4F73;&#x7684;&#x641C;&#x7D22;&#x5206;&#x5E03;&#x662F;&#x65E0;&#x8BBA;&#x7EF4;&#x5EA6;&#x7684;&#x76EE;&#x6807;&#x5206;&#x914D;&#x7684;&#x5E73;&#x65B9;&#x6839;&#x6210;&#x6B63;&#x6BD4;&#x3002;&#x5BF9;&#x4E8E;&#x76EE;&#x6807;&#x9AD8;&#x65AF;&#x5206;&#x5E03;&#xFF0C;&#x4F18;&#x5316;&#x641C;&#x7D22;&#x5206;&#x5E03;&#x662F;&#x5927;&#x7EA6;&#x9AD8;&#x65AF;&#x4E0E;&#x6210;&#x53CD;&#x6BD4;&#x4E0E;&#x5982;&#x4F55;&#x5173;&#x95ED;&#x641C;&#x7D22;&#x8005;&#x5FC5;&#x987B;&#x8981;&#x627E;&#x5230;&#x5B83;&#x7684;&#x76EE;&#x6807;&#x7684;&#x6807;&#x51C6;&#x504F;&#x5DEE;&#x3002;&#x5BF9;&#x4E8E;&#x7F51;&#x7EDC;&#x641C;&#x7D22;&#x8005;&#x968F;&#x673A;&#x6837;&#x672C;&#x8282;&#x70B9;&#x5E76;&#x67E5;&#x627E;&#x8FB9;&#x7F18;&#x56FA;&#x5B9A;&#x7684;&#x76EE;&#x6807;&#xFF0C;&#x6700;&#x4F73;&#x662F;&#x51FA;&#x5EA6;&#x52A0; 1 &#x7684;&#x5E73;&#x65B9;&#x6839;&#x6210;&#x6B63;&#x6BD4;&#x7684;&#x6982;&#x7387;&#x6837;&#x672C;&#x8282;&#x70B9;&#x6216;&#x8005;&#x6839;&#x672C;&#x4E0D;&#x8981;&#x8FD9;&#x6837;&#x505A;&#x3002;

&#x6700;&#x4F18;&#x968F;&#x673A;&#x641C;&#x7D22;&#x5355;&#x4E2A;&#x9690;&#x85CF;&#x76EE;&#x6807;&#x3002;

A single target is hidden at a location chosen from a predetermined probability distribution. Then, a searcher must find a second probability distribution from which random search points are sampled such that the target is found in the minimum number of trials. Here it will be shown that if the searcher must get very close to the target to find it, then the best search distribution is proportional to the square root of the target distribution regardless of dimension. For a Gaussian target distribution, the optimum search distribution is approximately a Gaussian with a standard deviation that varies inversely with how close the searcher must be to the target to find it. For a network where the searcher randomly samples nodes and looks for the fixed target along edges, the optimum is either to sample a node with probability proportional to the square root of the out-degree plus 1 or not to do so at all.

Optimal random search for a single hidden target.

Une seule cible est cach&eacute;e &agrave; un endroit choisi &agrave; partir d&#39;une distribution de probabilit&eacute; pr&eacute;d&eacute;termin&eacute;e. Ensuite, un chercheur doit trouver une deuxi&egrave;me distribution de probabilit&eacute; d&#39;o&ugrave; les points de recherche al&eacute;atoire sont &eacute;chantillonn&eacute;es telle que la cible se trouve dans le nombre minimal des essais. Ici il sera montr&eacute; que si le chercheur doit &ecirc;tre tr&egrave;s proche de la cible pour le trouver, alors la meilleure distribution de la recherche est proportionnelle &agrave; la racine carr&eacute;e de la distribution de la cible quelle que soit la dimension. Pour une distribution gaussienne de cible, la distribution de recherche optimale est approximativement une gaussienne avec un &eacute;cart qui varie inversement avec comment fermer le chercheur doit &ecirc;tre &agrave; la cible pour le trouver. Pour un r&eacute;seau o&ugrave; le chercheur n&oelig;uds des &eacute;chantillons au hasard et recherche la cible fixe sur les bords, l&#39;optimum est &agrave; d&eacute;guster un n&oelig;ud avec probabilit&eacute; proportionnelle &agrave; la racine carr&eacute;e de l&#39;out-degr&eacute; plus 1 ou ne pas de le faire du tout.

Recherche al&eacute;atoire optimale pour une seule cible cach&eacute;e.

Ein einzelnes Ziel verbirgt sich an einem Ort, der aus einer vorgegebenen Wahrscheinlichkeitsverteilung ausgew&auml;hlt. Dann muss ein Suchender eine zweite Wahrscheinlichkeitsverteilung finden, aus der zuf&auml;llige Suche Punkte Stichprobe verwendet werden, so dass das Ziel in die minimale Anzahl von Studien gefunden wird. Hier wird angezeigt, wenn der Sucher zu finden sehr nahe vorbei erhalten muss, ist dann die beste Suche-Distribution proportional zur Quadratwurzel der Ziel-Distribution unabh&auml;ngig von der Dimension. F&uuml;r eine Verteilung Gau&szlig;-Ziel ist die optimale Suche etwa einer Gau&szlig;schen mit einer Standardabweichung, die umgekehrt variiert mit wie nahe der Suchroutine an das Ziel zu finden sein muss. F&uuml;r ein Netzwerk, in dem der Suchroutine zuf&auml;llig Proben Knoten und sucht nach festen vorbei an R&auml;ndern, ist das Optimum ein Knotens mit Wahrscheinlichkeit proportional zur Quadratwurzel der aus-Grad Plus 1 probieren oder nicht, dies zu tun.

Optimale zuf&auml;llige Suche f&uuml;r ein einzelnes versteckte Ziel.

Un singolo bersaglio &egrave; nascosto in un luogo scelto da una distribuzione di probabilit&agrave; predeterminata. Poi, un ricercatore deve trovare una seconda distribuzione di probabilit&agrave; dalla quale vengono campionati punti ricerca casuale tale che il bersaglio &egrave; trovato il numero minimo di prove. Qui verr&agrave; mostrato che se il ricercatore deve arrivare molto vicino al bersaglio a trovarlo, allora la migliore distribuzione ricerca &egrave; proporzionale alla radice quadrata della distribuzione del bersaglio indipendentemente dalla dimensione. Per una distribuzione gaussiana di destinazione, la distribuzione di ricerca ottimale &egrave; approssimativamente una gaussiana con una deviazione standard che varia inversamente con quanto vicino il ricercatore deve essere la destinazione a trovarlo. Per una rete dove casualmente il ricercatore di campioni di nodi e cerca il bersaglio fisso lungo i bordi, l&#39;ottimale &egrave; un nodo del campione con probabilit&agrave; proporzionale alla radice quadrata di out-degree plus 1 o non farlo affatto.

Ricerca casuale ottima per un singolo bersaglio nascosto.

1 &#x3064;&#x306E;&#x30BF;&#x30FC;&#x30B2;&#x30C3;&#x30C8;&#x306F;&#x6240;&#x5B9A;&#x306E;&#x78BA;&#x7387;&#x5206;&#x5E03;&#x304B;&#x3089;&#x4EFB;&#x610F;&#x306E;&#x5834;&#x6240;&#x306B;&#x96A0;&#x3055;&#x308C;&#x3066;&#x3044;&#x307E;&#x3059;&#x3002;&#x305D;&#x306E;&#x5F8C;&#x3001;&#x30B5;&#x30FC;&#x30C1;&#x30E3;&#x30FC; &#x30BF;&#x30FC;&#x30B2;&#x30C3;&#x30C8;&#x8A66;&#x9A13;&#x306E;&#x6700;&#x5C0F;&#x306E;&#x6570;&#x306E;&#x3088;&#x3046;&#x306A;&#x3053;&#x3068;&#x304B;&#x3089;&#x30E9;&#x30F3;&#x30C0;&#x30E0;&#x63A2;&#x7D22;&#x70B9;&#x3092;&#x30B5;&#x30F3;&#x30D7;&#x30EA;&#x30F3;&#x30B0;&#x3059;&#x308B; 2 &#x756A;&#x76EE;&#x306E;&#x78BA;&#x7387;&#x5206;&#x5E03;&#x3092;&#x898B;&#x3064;&#x3051;&#x308B;&#x5FC5;&#x8981;&#x304C;&#x3042;&#x308A;&#x307E;&#x3059;&#x3002;&#x3053;&#x3053;&#x30B5;&#x30FC;&#x30C1;&#x30E3;&#x30FC;&#x306F;&#x975E;&#x5E38;&#x306B;&#x305D;&#x308C;&#x3092;&#x898B;&#x3064;&#x3051;&#x308B;&#x3053;&#x3068;&#x306E;&#x8FD1;&#x304F;&#x306B;&#x30BF;&#x30FC;&#x30B2;&#x30C3;&#x30C8;&#x3092;&#x53D6;&#x5F97;&#x3059;&#x308B;&#x5FC5;&#x8981;&#x304C;&#x3042;&#x308B;&#x5834;&#x5408;&#x306F;&#x3001;[&#x30D9;&#x30B9;&#x30C8;&#x691C;&#x7D22;&#x5206;&#x5E03;&#x304C;&#x5BF8;&#x6CD5;&#x306B;&#x95A2;&#x4FC2;&#x306A;&#x304F;&#x30BF;&#x30FC;&#x30B2;&#x30C3;&#x30C8;&#x5206;&#x5E03;&#x306E;&#x5E73;&#x65B9;&#x6839;&#x306B;&#x6BD4;&#x4F8B;&#x3057;&#x3066;&#x3042;&#x308B;&#x3053;&#x3068;&#x304C;&#x8868;&#x793A;&#x3055;&#x308C;&#x307E;&#x3059;&#x3002;&#x30AC;&#x30A6;&#x30B9; &#x30BF;&#x30FC;&#x30B2;&#x30C3;&#x30C8; &#x30C7;&#x30A3;&#x30B9;&#x30C8;&#x30EA;&#x30D3;&#x30E5;&#x30FC;&#x30B7;&#x30E7;&#x30F3;&#x3001;&#x30AA;&#x30D7;&#x30C6;&#x30A3;&#x30DE;&#x30E0;&#x30B5;&#x30FC;&#x30C1;&#x5206;&#x5E03;&#x30AC;&#x30A6;&#x30B9;&#x7D04;&#x53CD;&#x6BD4;&#x4F8B;&#x3059;&#x308B;&#x3069;&#x306E;&#x304F;&#x3089;&#x3044;&#x8FD1;&#x3044;&#x3001;searcher &#x304C;&#x305D;&#x308C;&#x3092;&#x898B;&#x3064;&#x3051;&#x308B;&#x3053;&#x3068;&#x3092;&#x30BF;&#x30FC;&#x30B2;&#x30C3;&#x30C8;&#x306B;&#x3059;&#x308B;&#x5FC5;&#x8981;&#x304C;&#x3042;&#x308A;&#x307E;&#x3059;&#x3001;&#x6A19;&#x6E96;&#x504F;&#x5DEE;&#x3067;&#x3059;&#x3002;&#x30B5;&#x30FC;&#x30C1;&#x30E3;&#x30FC; &#x30E9;&#x30F3;&#x30C0;&#x30E0;&#x306B;&#x30B5;&#x30F3;&#x30D7;&#x30EB;&#x3092;&#x30CE;&#x30FC;&#x30C9;&#x3068;&#x30A8;&#x30C3;&#x30B8;&#x306B;&#x6CBF;&#x3063;&#x3066;&#x56FA;&#x5B9A;&#x30BF;&#x30FC;&#x30B2;&#x30C3;&#x30C8;&#x7528;&#x306B;&#x898B;&#x3048;&#x308B;&#x30CD;&#x30C3;&#x30C8;&#x30EF;&#x30FC;&#x30AF;&#x306B;&#x6700;&#x9069;&#x306A;&#x30CE;&#x30FC;&#x30C9; out &#x306E;&#x7A0B;&#x5EA6;&#x30D7;&#x30E9;&#x30B9; 1 &#x306E;&#x5E73;&#x65B9;&#x6839;&#x306B;&#x6BD4;&#x4F8B;&#x3057;&#x305F;&#x78BA;&#x7387;&#x3067;&#x30B5;&#x30F3;&#x30D7;&#x30EB;&#x306B;&#x307E;&#x305F;&#x306F;&#x3059;&#x3079;&#x3066;&#x3067;&#x3053;&#x308C;&#x3092;&#x884C;&#x3046;&#x306B;&#x3067;&#x3059;&#x3002;

&#x96A0;&#x3055;&#x308C;&#x305F;&#x30BF;&#x30FC;&#x30B2;&#x30C3;&#x30C8;&#x306F; 1 &#x3064;&#x306E;&#x6700;&#x9069;&#x306A;&#x30E9;&#x30F3;&#x30C0;&#x30E0;&#x691C;&#x7D22;&#x3057;&#x307E;&#x3059;&#x3002;

Un solo destino se esconde en un lugar escogido de una distribuci&oacute;n de probabilidad predeterminada. Entonces, un buscador debe encontrar una segunda distribuci&oacute;n de probabilidad de que se muestrean puntos de b&uacute;squeda aleatoria que el objetivo se encuentra en el n&uacute;mero m&iacute;nimo de ensayos. Aqu&iacute; se mostrar&aacute; que si el buscador debe estar muy cerca de la meta se encuentra, entonces la mejor distribuci&oacute;n de la b&uacute;squeda es proporcional a la ra&iacute;z cuadrada de la distribuci&oacute;n de destino independientemente de la dimensi&oacute;n. En una distribuci&oacute;n gaussiana de destino, la distribuci&oacute;n &oacute;ptima de la b&uacute;squeda es aproximadamente un Gaussiano con una desviaci&oacute;n est&aacute;ndar que var&iacute;a inversamente con qu&eacute; tan cercano el buscador debe ser el objetivo de encontrarlo. Para una red donde el buscador al azar muestras de nodos y busca el blanco fijo a lo largo de los bordes, el &oacute;ptimo es un nodo de la muestra con una probabilidad proporcional a la ra&iacute;z cuadrada del hacia fuera-grado m&aacute;s 1 o no hacerlo en absoluto.

Joseph Snider

Institute for Neural Computation

University of California

Adaptation of a Haptic Robot in a 3T fMRI

Joseph Snider

.css-o250i3{font-size:18px;font-family:Open Sans,sans-serif;line-height:21.6px;}Institute for Neural Computation

University of California

Adaptation of a Haptic Robot in a 3T fMRI

Institute for Neural Computation