Das Amygdala-Konnektom der Ratte - RosDok - Universität Rostock

Abbildung 31: a) Poisson-Verteilung der Häufigkeiten von Kanten im Zufallsnetzwerk. Die Teilabbildungen b
und c beziehen sich auf ein skalenfreies Netzwerk. b) Exponentielle Verteilung der Häufigkeit von Kanten im
skalenfreien Netzwerk. c) Bei logarithmischer Auftragung der Verteilung der Kanten im skalenfreien Netzwerk
ergibt sich eine Gerade (modifiziert nach Barabási und Bonabeau (2004)).
Für das intrinsische Amygdalanetzwerk in der de Olmos (2004) Gliederung ergeben sich γ =
0,11, Δ = 1,5 und α = 0,06. γ und α können aus dem Potenzgesetz errechnet werden, Δ
beschreibt die Abweichung (Fehler) der realen Verteilung der Kanten von der Kurve der
Funktion P (k) = α ∙ k -γ . Je kleiner Δ und je größer γ, desto skalenfreier ist das Netzwerk.
Mit einem kleinen Δ von 1,5 weist das amygdaläre Netzwerk also zum Teil Eigenschaften
eines skalenfreien Netzwerkes auf, der niedrige γ-Wert spricht jedoch gegen eine Skalenfreiheit.
Besonders deutlich erkennt man dies in der Visualisierung der Netzwerkparameter,
die für eine Skalenfreiheit sprechen würden (Abbildung 32). Würde man eine Kurve durch die
Balken in der Abbildung 32 legen, so hätte diese keine Ähnlichkeit mit dem Verlauf der
Potenzfunktion. Zwar haben viele Knoten, u.a. die der supranukleären Kerngruppe der
Unclassified nuclei nur wenige Konnektivitäten und einige wenige Knoten wie z.B. der
Central amygdaloid nucleus, der Medial amygdaloid nucleus oder der Basomedial
amygdaloid nucleus fungieren als Hubs (Naben), jedoch liegt das Verhältnis eher bei den gut
vernetzten Knoten und spricht daher gegen eine eindeutige Scale-Free-Eigenschaft, es handelt
sich also um ein skalierbares Netzwerk.
Abbildung 32: Diagramm der Kantenverteilung des intrinsischen Netzwerkes der Amygdala nach der
Gliederung von de Olmos (2004). Auf dieser Gliederungsebene ist keine Skalenfreiheit zu erkennen. Läge man
eine Kurve durch die Balken ergäbe sich keine Ähnlichkeit zur Potenzfunktion.
56