Das Amygdala-Konnektom der Ratte - RosDok - Universität Rostock
Das Amygdala-Konnektom der Ratte - RosDok - Universität Rostock
Das Amygdala-Konnektom der Ratte - RosDok - Universität Rostock
Erfolgreiche ePaper selbst erstellen
Machen Sie aus Ihren PDF Publikationen ein blätterbares Flipbook mit unserer einzigartigen Google optimierten e-Paper Software.
ursprünglichen Netzwerk findet man 3 isolierte Knoten, die über keine Konnektivitäten o<strong>der</strong><br />
zumindest noch keine dokumentierten Verbindungen innerhalb <strong>der</strong> <strong>Amygdala</strong> verfügen. Diese<br />
wurden für die vorliegenden Analysen entfernt.<br />
Eine Zusammenhangskomponente gibt an, wie Regionen miteinan<strong>der</strong> verbunden sind (Schmitt<br />
und Eipert, 2012). Handelt es sich um ein Netzwerk, bei dem keine Trennung von<br />
verschiedenen Populationen vorliegt, ist <strong>der</strong> Parameter Zusammenhangskomponente = 1<br />
(Abbildung 26), alle Knoten weisen Verbindungen auf, müssen jedoch nicht von allen<br />
erreichbar sein (siehe Distanzmatrix). Gibt es mehrere nicht verbundene Netzwerke, so wäre<br />
die Zahl > 1. Im Falle <strong>der</strong> <strong>Amygdala</strong> ist die Zusammenhangskomponente = 1, es handelt sich<br />
um ein zusammenhängendes Netzwerk.<br />
Abbildung 26: Zusammenhangskomponente. a) Wenn 2 getrennte Netzwerke existieren, so ist die<br />
Zusammenhangskomponente = 2. b) Hier liegt ein zusammenhängendes Netzwerk vor. Die<br />
Zusammenhangskomponente ist in diesem Fall = 1, so wie es im realen Netzwerk <strong>der</strong> <strong>Amygdala</strong> mit <strong>der</strong><br />
Regionenglie<strong>der</strong>ung von de Olmos (2004) auch <strong>der</strong> Fall ist.<br />
Unter <strong>der</strong> Valenz (Degree, Grad) (Sporns, 2011a) versteht man die Anzahl <strong>der</strong> Kanten, die an<br />
einem Knoten anliegen inklusive Selbstbezüglichkeiten und entspricht im vorliegenden<br />
Netzwerk <strong>der</strong> Anzahl <strong>der</strong> Konnektivitäten, die ein Kerngebiet hat, unabhängig davon, ob es<br />
Inputs o<strong>der</strong> Outputs sind. Die Werte <strong>der</strong> einzelnen Knoten werden aufsummiert und die<br />
Summe dann durch die Anzahl <strong>der</strong> Knoten geteilt. Hier ergibt sich ein Wert von 20,2, je<strong>der</strong><br />
Kern hat also durchschnittlich 20 Konnektivitäten von und/o<strong>der</strong> zu an<strong>der</strong>en Kernen.<br />
Die Heterogenität (Estradas Heterogenitäts Index) ist ein Maß für die Variabilität <strong>der</strong><br />
Kantenanzahl <strong>der</strong> Knoten eines Netzwerkes (Estrada, 2010). Wenn in einem Netzwerk einige<br />
Knoten deutlich mehr Kanten haben als an<strong>der</strong>e, ist die Heterogenität (Irregularität) des<br />
Netzwerkes groß. Haben alle Knoten gleichviele Kanten, dann ist die Heterogenität gleich 0<br />
(Estrada, 2010). Die Heterogenität <strong>der</strong> <strong>Amygdala</strong> nach <strong>der</strong> Glie<strong>der</strong>ung von de Olmos (2004)<br />
weist eine Heterogenität von 0,608 (60,08%) auf. Die Summe <strong>der</strong> Kerne mit vielen<br />
Konnektivitäten zu Kernen mit nur wenigen o<strong>der</strong> keinen Konnektivitäten ist also<br />
unterschiedlich und mit 60,08% relativ groß.<br />
Betrachtet man die Zahl <strong>der</strong> Konnektivitäten im realen Netzwerk (= Kantenanzahl im<br />
Netzwerk) im Verhältnis zur maximal möglichen Anzahl von Konnektivitäten, die es im<br />
51