DACH: Österreich - Deutschland - Schweiz
Wissenschaftsdisziplinen
Informatik (50%); Medizinisch-theoretische Wissenschaften, Pharmazie (50%)
Keywords
-
Drosophila Melanogaster Larval Brain,
Neuron Connectivity,
Expression Patterns,
Brain Atlas,
Open Access Data Base,
Connectome
Die rasanteEntwicklung neuartiger genetischerWerkzeuge, Bildgebungs- und Simulationstechnologien macht die Neurowissenschaften zu einer zunehmend datenintensiven Forschungsdisziplin, in der Datenerfassung, Datenintegration, Dateninterpretation und Versuchsplanung wesentliche Faktoren darstellen. Diese stellen jedoch oft einen geschlossenen Kreislauf in einem Forschungsablauf dar. Dieser Prozess erzeugt einerseits selbst Daten, die experimentell integriert werden müssen, andererseits aber auch das Problem, dass neu gewonnene Daten in den Kontext der vorhandenen Datenressourcen gestellt werden müssen, da ein einzelnes Experiment oder eine Dateneinheit in der Regel nur einen winzigen Bruchteil des Gesamtbildes offenbart. Dementsprechend zielt das Projekt darauf ab, Larvalbrain2.0 als dynamischen, mehrstufigen Atlas zu etablieren, indem wir Daten über strukturelle, molekulare, physiologische und verhaltensbedingte Ergebnisse von Drosophila melanogaster Larven integrieren. Die Drosophila Larve ist für einen solchen Ansatz besonders geeignet, da ihr einfaches Gehirn nur aus etwa 10.000 Neuronen besteht und daher derzeit Gegenstand mehrerer großer Ansätze ist, um auf Licht- und Elektronenmikroskopie-Ebene jede einzelne Zelle und sogar das gesamte Konnektom zu rekonstruieren. Gleichzeitig wurden auf der Grundlage der Integration neuer Technologien zur Überwachung und Manipulation der neuronalen Aktivität bedeutende Fortschritte bei der Identifizierung von Gehirnmechanismen und -schaltungen erzielt, die der Auswahl geeigneter Verhaltensweisen in verschiedenen Auflösungen und Räumen zugrunde liegen. Im Detail werden wir Larvalbrain2.0 etablieren, um das larvale Präferenzverhalten, die Nahrungsaufnahme und das Lernen und das Gedächtnis zu untersuchen, welches von der Salzwahrnehmung und -verarbeitung abhängt. Das Projekt umfasst vier Eckpfeiler: 1) Die Integration einer verbesserten Version des LM-Standard-Gehirnatlas mit dem EM-Konnektor. 2) Die Einbindung aller verfügbaren Informationen über genetische Treiber-Linien-Expressionsmuster in Larvalbrain2.0. 3) Den Aufbau von Larvalbrain2.0, einer kollaborativen Daten- und Forschungsplattform, die strukturelle, verhaltensbedingte, molekulare und physiologische Daten aus dem Larvengehirn von Drosophila integriert. 4) Die Integration molekularer, verhaltensbezogener und physiologischer Datensätze, um ein erstes Larven-Gehirnnetzwerkmodell zur Salzinformationsverarbeitung zu etablieren.
- Dorit Merhof, Rheinisch-Westfälische Technische Hochschule - Deutschland
- Andreas Thum, Universität Leipzig - Deutschland
Research Output
- 8 Zitationen
- 7 Publikationen
- 2 Datasets & Models
- 4 Disseminationen
-
2024
Titel Visual Analytics für Deep Learning mit Graphen: Case Study Neuronen Clustering DOI 10.34726/hss.2024.112190 Typ Other Autor Pichler M Link Publikation -
2024
Titel SPX: A Versatile Spatial Indexing Framework DOI 10.34726/hss.2024.119688 Typ Other Autor Töpfer M Link Publikation -
2025
Titel Circuit Mining in Transcriptomics Data DOI 10.1101/2025.04.09.647750 Typ Preprint Autor Peherstorfer T -
2025
Titel Circuit Mining in Transcriptomics Data. DOI 10.1109/mcg.2025.3594562 Typ Journal Article Autor Peherstorfer T Journal IEEE computer graphics and applications Seiten 35-48 -
2024
Titel BrainTACO: an explorable multi-scale multi-modal brain transcriptomic and connectivity data resource DOI 10.1038/s42003-024-06355-7 Typ Journal Article Autor Ganglberger F Journal Communications Biology -
2022
Titel Spatial-data-driven layouting for brain network visualization DOI 10.1016/j.cag.2022.04.014 Typ Journal Article Autor Ganglberger F Journal Computers & Graphics Seiten 12-24 Link Publikation -
2022
Titel Anatomy-Driven Layouting for Brain Network Visualization DOI 10.34726/hss.2022.78887 Typ Other Autor Wißmann M Link Publikation
-
2022
Titel An algorithm for spatial-data-driven layouting for brain network visualization DOI 10.1016/j.cag.2022.04.014 Typ Computer model/algorithm Öffentlich zugänglich -
2025
Link
Titel An interactive tool for circuit mining in transcriptomics data DOI 10.1109/mcg.2025.3594562 Typ Computer model/algorithm Öffentlich zugänglich Link Link
-
2022
Titel Several Guest Lectures Typ A talk or presentation -
2025
Titel EurobioImaging Data Community Days Typ A formal working group, expert panel or dialogue -
2022
Titel Demos during VRVis Open House, VRVis Visual Computing Trends and IEEE Visualization Lab Visits and online presentations addressing the general public Typ Participation in an open day or visit at my research institution -
2022
Titel Presentation to and discussion with colleagues Typ A talk or presentation