【摘 要】
:
睡眠是一种至关重要并且进化上非常保守的行为状态,然而人们对这一生物学现象仍然知之甚少。睡眠障碍普遍存在于神经精神疾病儿童孤独症患者中,但是其产生的原因一直并不清楚
论文部分内容阅读
睡眠是一种至关重要并且进化上非常保守的行为状态,然而人们对这一生物学现象仍然知之甚少。睡眠障碍普遍存在于神经精神疾病儿童孤独症患者中,但是其产生的原因一直并不清楚。临床遗传关联分析研究表明neurexin基因的突变与神经精神疾病儿童孤独症的发生密切相关。Neurexin是一种突触粘附分子,主要参与突触的形成和突触的神经传递过程。虽然有研究从突触可塑性的角度报道了 neurexin在睡眠调控中的一些作用,但是neurexin如何通过介导突触的神经传递而参与睡眠调控的神经细胞分子机制仍值得深入探究。在本研究中,我们以果蝇为模型,并综合利用遗传学、生物化学、分子生物学、行为学、影像学等方法研究了 neurexin参与睡眠调控的神经细胞分子机制。首先,我们发现neurexin功能的缺失会导致果蝇夜间睡眠的总量和质量的大大下降,而且neurexin突变体果蝇中睡醒稳态调节机制出现了严重的异常。随后,我们确定了 neurexin在果蝇蘑菇体α/β神经元的表达对夜间睡眠非常重要,而且进一步阐明蘑菇体α/βs表层神经元表达的neurexin参与果蝇整个夜间睡眠的调控,而α/βc核心层神经元表达的neurexin仅参与促进果蝇夜间ZT14-ZT21时期的睡眠。为了排除neurexin基因突变造成潜在的发育缺陷对睡眠的影响,我们在果蝇成虫时期敲减neurexin蛋白的表达,发现果蝇夜间睡眠同样发生了严重的缺陷。在此基础上,我们揭示了neurexin突变体果蝇的睡眠缺陷是由于其蘑菇体α/β神经元的信号输出异常所导致的,并且阐明了 neurexin可以通过功能性耦联Cac钙离子通道调控突触的神经传递。最后,我们鉴定出蘑菇体α/βs表层神经元通过乙酰胆碱信号途径与sNPF信号途径促进果蝇的夜间睡眠;而蘑菇体α/βc核心层神经元通过sNPF信号途径促进果蝇夜间ZT14-ZT21时期的睡眠。这项研究不仅揭示了 neurexin通过功能性耦联Cac钙离子通道介导蘑菇体α/β神经元的突触传递而参与睡眠调控的分子机制,而且阐明了蘑菇体α/β柄叶不同亚类的神经元参与夜间不同时相睡眠的调控作用。本研究阐释了突触传递在睡眠调控中的作用,揭示了神经精神疾病儿童孤独症关联基因与睡眠的关系,可以为后续深入探究睡眠障碍与神经精神疾病儿童孤独症发生的具体机制提供研究基础和模型。
其他文献
肾细胞癌(renal cell carcinoma,RCC)是起源于肾小管上皮的恶性肿瘤,占肾脏恶性肿瘤的80%-90%,是成人泌尿系统常见的恶性肿瘤之一[1]。肾细胞癌的生物学行为及其特征较为复杂
研究背景前列腺癌作为一种男性恶性肿瘤,在欧美等国非常常见。近年来随着我国经济生活水平的提高,饮食及文化相关的发展,社会的老龄化及查体的普及,前列腺癌在我国的发病率呈
临床上,急性肾功能衰竭(Acute renal failure,ARF)的发生率居高不下,美国成人ARF年发生率为0.02%,普通病房ARF发生率为5%,而ICU病房ARF的发生率则高达30-50%,而且应激条件下,
针对网络数据频繁交换,导致部分数据出现丢失、错误以及缺陷概率增加,使用户获得有效数据降低,提出一种基于云计算的不完整大数据优化修复算法,首先将数据通过证明模型VC-POR完成初始化设置,获得在云存储标识和秘钥,并对其进行分组处理构建RS编码和Vandermonde矩阵,随后利用数据序列、编码参数值获得精准不完整序列。其次使用Map Reduce编程模型计算元祖值,消除数据不完整冲突,并利用依赖理论
为了改善当前方法在识别人机交互系统中由于没有考虑背景、光照等因素对手势轨迹结果的影响,导致平均识别率较低的问题,提出了基于HMM的人机交互系统手势轨迹识别方法。方法通过采用混合高斯模型和基于(K-L)变换的肤色椭圆模型实现人机交互系统手势图像的手势区域分割,获得了肤色手势二值图,引入卡尔曼滤波器跟踪肤色手势二值图,将人机交互系统中手势轨迹观测值均方误差控制在最小范围情况下修正当前手势状态,得到手势
现有的人脸动态三维特征提取方法存在速度慢、特征识别率差的弊端,为此提出一种人脸动态非刚性三维特征提取方法。首先获取三维人脸图像的点云数据,在获得图像点云坐标的基础上通过归一化过程实现图像预处理;利用两个给定的曲面形状之间的非刚性映射还原人脸形变图像,构建人脸非刚性点集;将采集到的数据利用KL的变换投影方式投射至低维特征空间中,结合成分分析法完成对人脸动态三维特征的提取。仿真结果证明,该方法下的特征
随着跨模态数据间相似性度量越来越精细化,传统的词袋模型、隐狄利克雷分配模型已无法满足对于文本数据特征提取的需求,为此提出了基于平滑逆频率(Smooth Inverse Frequency,SIF)文本特征的跨模态相似性度量方法。为获得更加精准的文本特征,用SIF方法完成对文本数据的特征提取;语义匹配的方法完成跨模态数据的相似性度量。实验结果显示,对比传统的文本特征提取方法,利用SIF方法获得的文本