Ändra sökning
RefereraExporteraLänk till posten
Permanent länk

Direktlänk
Referera
Referensformat
  • apa
  • harvard1
  • ieee
  • modern-language-association-8th-edition
  • vancouver
  • Annat format
Fler format
Språk
  • de-DE
  • en-GB
  • en-US
  • fi-FI
  • nn-NO
  • nn-NB
  • sv-SE
  • Annat språk
Fler språk
Utmatningsformat
  • html
  • text
  • asciidoc
  • rtf
Classification of Neuronal Subtypes in the Striatum and the Effect of Neuronal Heterogeneity on the Activity Dynamics
KTH, Skolan för datavetenskap och kommunikation (CSC), Beräkningsvetenskap och beräkningsteknik (CST). KTH. (Computational biology)
2016 (Engelska)Självständigt arbete på avancerad nivå (masterexamen), 20 poäng / 30 hpStudentuppsats (Examensarbete)Alternativ titel
Klassificering av neuronala subtyper i striatum och effekten av neuronal heterogenitet på aktivitetsdynamiken (Svenska)
Abstract [en]

Clustering of single-cell RNA sequencing data is often used to show what states and subtypes cells have. Using this technique, striatal cells were clustered into subtypes using different clustering algorithms. Previously known subtypes were confirmed and new subtypes were found. One of them is a third medium spiny neuron subtype. Using the observed heterogeneity, as a second task, this project questions whether or not differences in individual neurons have an impact on the network dynamics. By clustering spiking activity from a neural network model, inconclusive results were found. Both algorithms indicating low heterogeneity, but by altering the quantity of a subtype between a low and high number, and clustering the network activity in each case, results indicate that there is an increase in the heterogeneity. This project shows a list of potential striatal subtypes and gives reasons to keep giving attention to biologically observed heterogeneity.

Ort, förlag, år, upplaga, sidor
2016. , s. 59
Nyckelord [en]
Computational neuroscience, Striatum, Single-cell sequencing, Medium spiny neuron
Nationell ämneskategori
Bioinformatik (beräkningsbiologi) Neurovetenskaper
Identifikatorer
URN: urn:nbn:se:kth:diva-183135OAI: oai:DiVA.org:kth-183135DiVA, id: diva2:908105
Externt samarbete
Karolinska institutet
Ämne / kurs
Biomedicinsk teknik
Utbildningsprogram
Teknologie masterexamen - Maskininlärning
Handledare
Examinatorer
Tillgänglig från: 2016-03-02 Skapad: 2016-03-01 Senast uppdaterad: 2018-01-10Bibliografiskt granskad

Open Access i DiVA

fulltext(2478 kB)294 nedladdningar
Filinformation
Filnamn FULLTEXT01.pdfFilstorlek 2478 kBChecksumma SHA-512
104231905feee12b536a7fc39395a22ed9e8e64310097242f95b221b6afaf0616232258bf2d73d5998cc7db6767fb4fa7ffb70ceae1f0c3a2fa171aec3971d42
Typ fulltextMimetyp application/pdf

Av organisationen
Beräkningsvetenskap och beräkningsteknik (CST)
Bioinformatik (beräkningsbiologi)Neurovetenskaper

Sök vidare utanför DiVA

GoogleGoogle Scholar
Totalt: 294 nedladdningar
Antalet nedladdningar är summan av nedladdningar för alla fulltexter. Det kan inkludera t.ex tidigare versioner som nu inte längre är tillgängliga.

urn-nbn

Altmetricpoäng

urn-nbn
Totalt: 821 träffar
RefereraExporteraLänk till posten
Permanent länk

Direktlänk
Referera
Referensformat
  • apa
  • harvard1
  • ieee
  • modern-language-association-8th-edition
  • vancouver
  • Annat format
Fler format
Språk
  • de-DE
  • en-GB
  • en-US
  • fi-FI
  • nn-NO
  • nn-NB
  • sv-SE
  • Annat språk
Fler språk
Utmatningsformat
  • html
  • text
  • asciidoc
  • rtf