3、基于遗传调控网络模型的3D虚拟神经元生成与分析

基于遗传调控网络模型的3D虚拟神经元生成与分析

1. 引言

大脑拥有数十亿相互连接的神经元，无疑是人体最复杂的器官，要完全揭开其奥秘尚需时日。人类大脑计划提出了全新的研究思路，它建立在蓝色大脑计划的基础之上，致力于将我们对大脑的认知整合到计算机模型中，以此模拟大脑的实际运作。过去几十年，计算机处理能力的显著提升，使得构建高度复杂的神经元功能和行为模型成为可能。对神经元形态进行计算建模，是理解神经元发育过程以及结构 - 功能关系的有力工具。树突和轴突决定了大脑的连接性，在单细胞层面的信息处理中发挥着重要作用。

在计算神经解剖学领域，对神经元活动和网络连接性的研究，促使神经科学家们开发用于模拟神经元形态的计算机算法。目前主要有两种算法可用于生成与实际观察到的神经元具有相似形状特征的虚拟神经元：重建算法和生长算法。
- 重建算法 ：注重拓扑和度量方面，利用几何属性的经验分布函数，通过对这些分布进行重复随机采样的过程，为随机生成树突形态提供模型。
- 生长算法 ：从树突发育原理出发对树突形态进行建模，在生成随机树突树时使用假设的分支和伸长生长规则。该算法通过假设分支概率取决于段的类型（中间段或末端段）以及段的离心顺序来解释拓扑变化，是以一种抽象但符合生物学原理的方式“生长”模型。

此外，计算机图形学的最新进展使得利用这些算法生成和显示在视觉和统计上与追踪的真实神经元难以区分的3D神经元结构模型成为可能。本文提出了一种基于递归遗传调控网络模型的新型生长算法，用于3D神经元树突树的模拟。该方法通过局部算法生成单个神经元中的树突，每个建模的树突生长依赖于内在影响，且独立于其他树突树或神经元，旨在生成