論文の概要: Stimulus-Evoked Network Dynamics in Human Cortical Organoids: From a Graph-Computational Framework to Repeated-Stimulation Depression

• arxiv url: http://arxiv.org/abs/2607.28068v1
• Date: Thu, 30 Jul 2026 11:45:16 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-31 21:37:00.540854
• Title: Stimulus-Evoked Network Dynamics in Human Cortical Organoids: From a Graph-Computational Framework to Repeated-Stimulation Depression
• Title（参考訳）: ヒト皮質オルガノイドにおける刺激誘発ネットワークダイナミクス:グラフ計算フレームワークから繰り返し刺激抑制へ
• Abstract要約: 本研究では,刺激誘発伝搬の定量化のためのグラフ計算フレームワークを開発した。 3つのオルガノイドからのHD-MEA記録をフルに実施した。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/publicdomain/zero/1.0/
• Abstract: Human cortical organoids provide an experimentally accessible model of early neural circuit formation, yet whether their activity reflects structured information processing rather than spontaneous synchronization is unclear. We developed a graph-computational framework to quantify stimulus-evoked propagation. This includes stimulus-conditioned functional graphs, a graph-constrained dynamical (graph-neural-network) model used as a system-identification tool, a biological message-passing principle bounding integration depth by observable propagation depth, and a suite of graph-level metrics. We carried this program out in full on longitudinal HD-MEA recordings from three organoids. Once the true acquisition sampling rate and stimulus timing were recovered, the evoked response proved to be a fast, near-synchronous network burst with no measurable outward propagation (peak-latency vs. distance slope = 0). The propagation/integration-depth metrics (Deff ,reachability index, dmax) therefore do not apply, and per-day connectivity graphs were not reliably estimable at the available trial count, a negative result with methodological consequences for applying such metrics to organoid data. Reframing around synchrony, response-population size and shared variability revealed a control-validated phenomenon, i.e., repeated daily stimulation progressively depressed and spatially contracted the evoked response. That repeated stimulation reshapes organoid networks is established, but longitudinal designs in which every preparation is stimulated cannot separate this from developmental maturation. We break that confound with a developmentally-matched, stimulation-naive control, where at day 7, an organoid receiving its first-ever stimulation engaged 93% of the array, whereas organoids with five prior sessions engaged 10%.
• Abstract（参考訳）: ヒトの皮質オルガノイドは、初期の神経回路形成の実験的モデルを提供するが、その活動が自然同期よりも構造化情報処理を反映しているかどうかは不明である。 本研究では,刺激誘発伝搬の定量化のためのグラフ計算フレームワークを開発した。 これには、刺激条件付き機能グラフ、システム識別ツールとして使用されるグラフ制約された動的(グラフ-神経-ネットワーク)モデル、観測可能な伝播深さによる積分深度を束縛する生物学的メッセージパス原理、グラフレベルのメトリクススイートが含まれる。 3つのオルガノイドからのHD-MEA記録をフルに実施した。 真の獲得サンプリング率と刺激タイミングが回復すると、誘発応答は、測定可能な外向き伝播(ピークレイテンシ対距離勾配 = 0)のない高速でほぼ同期的なネットワークバーストであることが判明した。 したがって, 伝搬・積分深度測定値(Deff, 到達可能性指数, dmax)は適用されず, 1日当たりの接続グラフは, 利用可能な試行数では確実に推定できなかった。 相同性, 応答-集団サイズ, 共有変動性について検討した結果, 日常的な刺激が徐々に抑えられ, 空間的に収縮する, コントロール無効化現象がみられた。 この繰り返し刺激によりオルガノイドネットワークが確立されるが、全ての準備が刺激される縦型設計では、発達的成熟とは分離できない。 7日目に最初の刺激を受けたオルガノイドが配列の93%を担い,5回の先行セッションを持つオルガノイドが10%を担った。

関連論文リスト

• From Cortical Synchronous Rhythm to Brain Inspired Learning Mechanism: An Oscillatory Spiking Neural Network with Time-Delayed Coordination [11.165976916760814]
  人間の認知は、分散ニューラルネットワークにおける協調スパイキングダイナミクスから生まれる。 認知レベルのニューラルシンクロが出現する脳に触発された学習プリミティブを提案する。 我々は、リズムタイミングを効率的な情報処理の制御機構として利用するスパイキング・バイ・シンクロナイゼーションニューラルネットワーク(S2-Net)を考案した。
  論文  参考訳（メタデータ） (2026-05-03T00:49:06Z)
• Recovering Sparse Neural Connectivity from Partial Measurements: A Covariance-Based Approach with Granger-Causality Refinement [0.0]
  不完全な観察から神経回路の接続を推定することは神経科学の根本的な課題である。 本稿では,複数セッション間の疎部分的測定から,リカレントニューラルネットワークの重み行列を推定するための共分散に基づく手法を提案する。
  論文  参考訳（メタデータ） (2026-03-19T05:09:51Z)
• Reperio-rPPG: Relational Temporal Graph Neural Networks for Periodicity Learning in Remote Physiological Measurement [0.0]
  リモート光麻痺(英: Remote Photoplethys)は、顔画像の微妙な色の変化を利用して、心拍数や呼吸速度などの重要な兆候を推定する、新たな生理的センシング技術である。 この非侵襲的手法は様々な領域で普及しているが、現実世界の条件下での微細な時間的ダイナミクスを捉える能力は過小評価されている。 周期構造を効果的に捉えるためにトランスフォーマーを戦略的に統合する新しいフレームワークであるGraph Reperio-rを提案する。
  論文  参考訳（メタデータ） (2025-11-08T09:41:34Z)
• Dendritic Resonate-and-Fire Neuron for Effective and Efficient Long Sequence Modeling [66.0841376808143]
  樹状共振器(RF)ニューロンは入力信号から効率的に周波数を抽出し、スパイク列車に符号化することができる。 RFニューロンは、複雑なタスクにおけるエネルギー効率とトレーニング速度のトレードオフとして、有効なメモリ容量が限られている。 本稿では,複数の共振器とソマアーキテクチャを明示的に組み込んだDdendritic Resonate-and-Fireモデルを提案する。
  論文  参考訳（メタデータ） (2025-09-21T18:15:45Z)
• Spatiotemporal graph neural process for reconstruction, extrapolation, and classification of cardiac trajectories [1.7123388415209657]
  この研究は、心臓の動きを解析するための柔軟なアプローチを導入している。 構造化バイオメディカル時系列データにおけるグラフベースの学習の基礎を提供する。
  論文  参考訳（メタデータ） (2025-09-16T10:57:51Z)
• Langevin Flows for Modeling Neural Latent Dynamics [81.81271685018284]
  逐次変分自動エンコーダであるLangevinFlowを導入し、潜伏変数の時間的進化をアンダーダム化したLangevin方程式で制御する。 われわれのアプローチは、慣性、減衰、学習されたポテンシャル関数、力などの物理的事前を組み込んで、ニューラルネットワークにおける自律的および非自律的プロセスの両方を表現する。 本手法は,ロレンツ誘引器によって生成される合成神経集団に対する最先端のベースラインより優れる。
  論文  参考訳（メタデータ） (2025-07-15T17:57:48Z)
• REST: Efficient and Accelerated EEG Seizure Analysis through Residual State Updates [54.96885726053036]
  本稿では,リアルタイム脳波信号解析のための新しいグラフベース残状態更新機構(REST)を提案する。 グラフニューラルネットワークとリカレント構造の組み合わせを活用することで、RESTは、非ユークリッド幾何学とEEGデータ内の時間的依存関係の両方を効率的にキャプチャする。 本モデルは,発作検出と分類作業において高い精度を示す。
  論文  参考訳（メタデータ） (2024-06-03T16:30:19Z)
• Backpropagation through space, time, and the brain [2.10686639478348]
  我々は、ニューロンの物理的、動的ネットワークにおける完全局所的時間的クレジット割り当てのための計算フレームワークであるGeneral Latent Equilibriumを紹介する。 特に、GLEは樹状樹の形態を利用して、単一ニューロンのより複雑な情報保存と処理を可能にしている。
  論文  参考訳（メタデータ） (2024-03-25T16:57:02Z)
• The Expressive Leaky Memory Neuron: an Efficient and Expressive Phenomenological Neuron Model Can Solve Long-Horizon Tasks [64.08042492426992]
  本稿では,脳皮質ニューロンの生物学的モデルであるExpressive Memory(ELM)ニューロンモデルを紹介する。 ELMニューロンは、上記の入力-出力関係を1万以下のトレーニング可能なパラメータと正確に一致させることができる。 本稿では,Long Range Arena(LRA)データセットなど,時間構造を必要とするタスクで評価する。
  論文  参考訳（メタデータ） (2023-06-14T13:34:13Z)
• DriPP: Driven Point Processes to Model Stimuli Induced Patterns in M/EEG Signals [62.997667081978825]
  我々はDriPPと呼ばれる新しい統計点過程モデルを開発する。 我々は、このモデルのパラメータを推定するために、高速で原理化された予測最大化(EM)アルゴリズムを導出する。 標準MEGデータセットの結果から,我々の手法が事象関連ニューラルレスポンスを明らかにすることが示された。
  論文  参考訳（メタデータ） (2021-12-08T13:07:21Z)
• Latent Equilibrium: A unified learning theory for arbitrarily fast computation with arbitrarily slow neurons [0.7340017786387767]
  遅いコンポーネントのネットワークにおける推論と学習のための新しいフレームワークであるLatent Equilibriumを紹介する。 我々は, ニューロンとシナプスのダイナミクスを, 将来的なエネルギー関数から導出する。 本稿では,大脳皮質微小循環の詳細なモデルに我々の原理を適用する方法について述べる。
  論文  参考訳（メタデータ） (2021-10-27T16:15:55Z)
• And/or trade-off in artificial neurons: impact on adversarial robustness [91.3755431537592]
  ネットワークに十分な数のOR様ニューロンが存在すると、分類の脆さと敵の攻撃に対する脆弱性が増加する。 そこで我々は,AND様ニューロンを定義し,ネットワーク内での割合を増大させる対策を提案する。 MNISTデータセットによる実験結果から,本手法はさらなる探索の方向として有望であることが示唆された。
  論文  参考訳（メタデータ） (2021-02-15T08:19:05Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。