Das Amygdala-Konnektom der Ratte - RosDok - Universität Rostock
Das Amygdala-Konnektom der Ratte - RosDok - Universität Rostock
Das Amygdala-Konnektom der Ratte - RosDok - Universität Rostock
Sie wollen auch ein ePaper? Erhöhen Sie die Reichweite Ihrer Titel.
YUMPU macht aus Druck-PDFs automatisch weboptimierte ePaper, die Google liebt.
<strong>der</strong> Kanten an dem Knoten addiert. So ist die Wahrscheinlichkeit für eine neue Kante<br />
bestimmt durch das Verhältnis vom β-Wert eines Knotens zum β aller Knoten zusammen. Je<br />
größer das β, desto kleiner ist <strong>der</strong> Einfluss <strong>der</strong> bereits bestehenden Kanten auf den<br />
Verteilungsprozess. <strong>Das</strong> randomisierte Netzwerk nach Eipert ist somit bei einer Knoten- und<br />
Kantenzahl, die groß genug ist, ebenfalls skalenfrei, und wird umso skalenfreier, je kleiner<br />
<strong>der</strong> β-Wert vor <strong>der</strong> Randomisierung gewählt wird. <strong>Das</strong> Modell nach Eipert ist dem realen<br />
Netzwerk <strong>der</strong> intrinsischen <strong>Amygdala</strong> nach <strong>der</strong> Glie<strong>der</strong>ung von de Olmos (2004) in den<br />
Parametern durchschnittliche Pfadlänge, sowie den Werten <strong>der</strong> Scale-Free-Eigenschaften (bei<br />
<strong>der</strong> Größe des vorgegeben Netzwerkes ist das Eipert-Modell nicht skalenfrei, Abbildung 34)<br />
und <strong>der</strong> Exponentiellen Approximation sehr ähnlich, jedoch weist das Rewiring-Modell die<br />
stärkste Ähnlichkeit zum realen Netzwerk <strong>der</strong> <strong>Amygdala</strong> nach de Olmos (2004) auf.<br />
Abbildung 34: Diagramm zur Skalenfreiheit des Eipert-Zufallsnetzwerkes bei einer identischen Knoten- und<br />
Kantenzahl wie beim realen intrinsischen Netzwerk <strong>der</strong> <strong>Amygdala</strong> nach de Olmos (2004). Es liegt bei <strong>der</strong><br />
vorgegebenen Knoten- und Kantenzahl keine Skalenfreiheit vor.<br />
<strong>Das</strong> dem realen Netzwerk unähnlichste Zufallsnetzwerk ist das Modell nach Erdős-Renyi<br />
(ER). Bei diesem randomisierten Netzwerk wird eine vorgegebene Zahl N von Kanten auf<br />
eine definierte Zahl von Knoten (Vertices) vollkommen zufällig verteilt (die<br />
Wahrscheinlichkeit p ist für jede neue Verteilung unabhängig von den vorherigen<br />
Verteilungsprozessen). Die Häufigkeit <strong>der</strong> Konnektivitäten <strong>der</strong> Kerne folgt <strong>der</strong> Poisson-<br />
Verteilung (Newmann et al., 2002) (Abbildung 35).<br />
Abbildung 35: Poisson-Verteilung <strong>der</strong> verteilten Kanten im Zufallsnetzwerk nach Erdős-Renyi (die Zahl <strong>der</strong><br />
Kanten und Knoten entspricht dem intrinsischen <strong>Amygdala</strong>netzwerk nach de Olmos (2004)).<br />
Während es sich beim Erdős-Renyi Netzwerk um ein sehr homogenes Netzwerk handelt, das<br />
we<strong>der</strong> Charakteristika einer Skalenfreiheit noch einer Small-Worldness aufweist, ist das reale<br />
Netzwerk <strong>der</strong> <strong>Amygdala</strong> nach <strong>der</strong> Glie<strong>der</strong>ung von de Olmos (2004) heterogen und dichter als<br />
ER, was u.a. bei <strong>der</strong> Betrachtung des mittleren Clusterkoeffizienten deutlich wird. Dieser ist<br />
59