Das Amygdala-Konnektom der Ratte - RosDok - Universität Rostock

Abbildung 33: Tabellarische Übersicht der globalen Parameter des realen Netzwerkes der Amygdala nach de
Olmos (2004) im Vergleich zu den Zufallsnetzwerken (jeweils 1000 Randomisierungen).
Das Zufallsnetzwerk, das die größte Ähnlichkeit mit dem realen Netzwerk der Amygdala
nach der Gliederung von de Olmos (2004) aufweist, ist das Rewiring-Modell. Das Prinzip
dieses Zufallsnetzwerkes ist, dass ein vorgegebenes Netzwerk (in diesem Fall das der
Amygdala) mit einer definierten Zahl von Knoten und Kanten neu verbunden wird, in dem
alle Kanten mit anderen Knoten verbunden werden und sich so das Ziel dieser Kanten ändert
(Evans, 2007; Evans and Plato, 2007). Das Modell weist sehr ähnliche Werte für die mittlere
Pfadlänge, den mittleren Clusterkoeffizienten, die Small-Worldness und den Parametern der
Scale-Free-Eigenschaften und Exponentiellen Approximation auf. Beide Netzwerke, das
Rewiring Modell und das reale Netzwerk der Amygdala nach de Olmos (2004) sind also eng
vernetzte Graphen, bei denen die Nachbarn eines Kernes ebenfalls eng miteinander verbunden
sind und die eher keine skalenfreien Eigenschaften aufweisen. Die Vergleichsmöglichkeit mit
dem Rewiring-Modell ist jedoch begrenzt, da es ja von der Amygdala ausgeht und daher nicht
vollkommen zufällig ist.
Ein wirkliches Zufallsnetzwerk, welches ebenfalls große Ähnlichkeiten mit dem intrinsischen
Netzwerk der Amygdala nach der Gliederung von de Olmos (2004) aufweist, ist das
randomisierte Netzwerk nach Peter Eipert. Dieses beruht auf den Grundprinzipien des
randomisierten Netzwerkes nach Barabási-Albert. Bei Barabási-Albert wird von einer
Grundmenge von Knoten ausgegangen. Schrittweise werden dann neue Knoten hinzugefügt,
welche mit den vorhandenen vernetzt werden. Die Wahrscheinlichkeit, dass ein Knoten eine
neue Verbindung bekommt ist dabei proportional zur bereits vorhandenen Zahl seiner
Konnektivitäten (die verbindungsreichen Knoten werden immer reicher). Damit ist dieses
Netzwerk per se immer skalenfrei. Ein Nachteil ist, dass nicht jeder Knoten in diesem
Netzwerk notwendigerweise verbunden sein muss. Bei der Modifikation nach Eipert ist die
Soll-Kantenzahl vor Beginn der Simulation festgelegt (und ist gleich der Kantenzahl im
realen Netzwerk). Kanten werden dann auf Grundknoten verteilt. Jeder Knoten bekommt
einen festgelegten β-Wert, welcher Einfluss auf die Wahrscheinlichkeit hat, eine Kante zu
bekommen. Anfangs ist dieser β-Wert für alle Knoten 1, im Verlauf wird zu ihm die Anzahl
58