tooluniverse-neuroscience

神経科学研究スキル

重要な原則：推測せず、調べてください — 神経解剖学的事実にはPubMed／EuropePMC、C. elegansのコネクトームデータにはWormBase、神経タンパク質の特性にはUniProtを使用してください。回答する前に、文献で主張を検証してください。定量的な神経科学の問題にはPythonによる計算を使用してください。

---

推測せず、調べてください

神経科学に関する事実（脳領域の機能、神経回路の結合性、イオンチャネルの特性、神経伝達物質受容体のサブタイプなど）が不確かな場合は、まずデータベースを検索してください。PubMedで検証した回答は、記憶に基づく推論より常に信頼できます。構造に明確な境界があり、結合パターンを取り違えやすい神経解剖学では、特に重要です。

---

1. 計算論的神経科学の推論

発火率に基づくモデル

• ニューロンの発火率：r = f(I - theta)。ここで、I = 総シナプス入力、theta = 閾値、f = 伝達関数（シグモイド、ReLU、または閾値線形関数）
• 興奮と抑制の均衡：皮質ネットワークでは、興奮性入力と抑制性入力は大きいものの、ほぼ相殺されるため、正味の駆動力は小さくなります
• 集団発火率の方程式：tau * dr/dt = -r + f(W*r + I_ext)。ここで、W = 結合行列
• 定常状態の解析：dr/dt = 0と置き、r = f(W*r + I_ext)を解きます — 固定点反復法またはニュートン法を使用します

積分発火ニューロン

• 膜電位のダイナミクス：tau_m * dV/dt = -(V - V_rest) + R_m * I(t)
• Vが閾値V_thに達したら、スパイクを発生させ、V_resetにリセットし、不応期tau_refに入ります
• 一定入力に対する発火率：r = 1 / (tau_ref + tau_m * ln((R_mI - V_reset) / (R_mI - V_th))) [R_m*I > V_thの場合に有効]
• 閾値未満の入力の場合：ニューロンの発火には揺らぎ（ノイズ）が必要です — ノイズ駆動レジーム
• 主な派生モデル：LIF（リーキー）、EIF（指数関数型）、AdEx（適応指数関数型）、Izhikevich（回復変数を持つ2次元モデル）

シナプス可塑性

• STDP（スパイクタイミング依存可塑性）：
  • 前シナプスが先で後シナプスが後（正のdt）：LTP（増強） — シナプスが強化されます
  • 後シナプスが先で前シナプスが後（負のdt）：LTD（抑圧） — シナプスが弱化します
  • 時間窓の形状：通常は、tau_+ ~ 20ms（LTP）およびtau_- ~ 20ms（LTD）で指数関数的に減衰します
• ヘッブ学習：「共に発火する細胞は、互いに結線される」 — 相関に基づきます。正規化がないと不安定です
• BCM理論：閾値が移動します — シナプス後活動が低いとLTD、高いとLTPが生じます。閾値は平均活動に応じて移動します
• 恒常性可塑性：シナプススケーリングによって、目標発火率を維持するためにすべてのシナプスが乗算的に調整されます

ネットワークダイナミクス

• 平均場理論：個々のニューロンを集団平均発火率に置き換えます。自己無撞着方程式はr = f(Jrsqrt(K) + I_ext)。ここで、K = 結合数です
• 均衡ネットワーク：sqrt(K)*J ~ O(1)のとき、E/I均衡が生じます。発火率はおよそ(mu - theta) / tauで、mu = 平均入力、theta = 閾値です
• カオス転移：ランダムネットワークでは、カオスの発生はg_c = 1（ゲインパラメーター）で起こります。g_cを超えると、自己相関が減衰し、リアプノフ指数は0より大きくなります
• 振動：ガンマ波（30-80 Hz）はE-Iループ（PINGモデル）から、シータ波（4-8 Hz）は遅い抑制または海馬回路から、アルファ波（8-12 Hz）は視床皮質ループから生じます

定量的問題の解決手順

1. モデルの種類（単一ニューロン、ネットワーク、可塑性則）を特定します
2. すべてのパラメーターを含めて、支配方程式を書き出します
3. 必ずPythonを使用してください — 複数段階の計算では暗算しないでください
4. 単位を確認します：電位はmV、電流はnAまたはpA、時定数はms、発火率はHzです
5. 妥当性を確認します：皮質の発火率は通常1-20 Hz、tau_m ~ 10-20 ms、V_th ~ -50 mVです

---

2. 神経解剖学的推論

重要：神経解剖学を調べる

脳領域の機能、境界、結合性は、正確な解剖学的事実です。特定の領域、核、神経路について質問された場合：

1. PubMed または EuropePMC で、具体的な解剖学用語を使って検索します
2. 結合性については、「[region A] projection [region B]」または「[region] afferents efferents」で検索します
3. 機能については、「[region] lesion」または「[region] function review」で検索します

ヒトの脳 — 主な区分

• 大脳皮質：前頭葉（運動、実行機能）、頭頂葉（体性感覚、空間認知）、側頭葉（聴覚、記憶）、後頭葉（視覚）
• 大脳基底核：尾状核＋被殻（線条体）→ GPi/SNr（出力）→ 視床；直接路（運動を促進）と間接路（運動を抑制）；SNc からのドーパミンが両方を調節
• 小脳：協調、タイミング、運動学習を担います。苔状線維（橋核）と登上線維（下オリーブ）を受け取ります。プルキンエ細胞は小脳皮質の唯一の出力です
• 脳幹：中脳（上丘・下丘、黒質、赤核）、橋（橋核、呼吸中枢）、延髄（心血管・呼吸中枢、脳神経核）
• 視床：中継地点です。嗅覚を除くすべての感覚様式は、大脳皮質に達する前にここでシナプスを形成します。また、大脳皮質からのフィードバックも受け取ります（皮質視床ループ）
• 海馬：宣言的記憶の形成を担います。三シナプス回路：EC → DG → CA3 → CA1 → EC；場所細胞、グリッド細胞

モデル生物の神経解剖学

• C. elegans：302 個のニューロンを持ち、完全なコネクトームがマッピング済みです。遺伝子発現、ニューロンの同定、結合性データには WormBase_get_gene を使用します
• Drosophila：キノコ体（学習・記憶）、触角葉（嗅覚）、中央複合体（ナビゲーション）；約 100,000 個のニューロンを持ちます。FlyWire コネクトームがあります
• Zebrafish：全脳イメージングには透明な幼生を使用します。マウスナー細胞（逃避反応）；オルソログの検索には Alliance_search_genes を使用します
• Mouse：遺伝子発現には Allen Brain Atlas を使用します。回路トレーシング研究（狂犬病ウイルス、光遺伝学）には PubMed を使用します

「脳のどこにある？」という質問への推論パターン

1. 質問されている機能（運動、感覚、記憶、感情、言語）を特定します
2. 一般知識から候補となる領域を対応づけます
3. PubMed 検索で検証します：「[function] brain region fMRI」または「[function] lesion study」
4. 側性を確認します（言語 → 通常は左半球）
5. 皮質と皮質下の関与を区別します

---

3. 臨床神経学的推論

脳神経の診察

• 症状 → 神経 → 核 → 病変部位の順に対応づけます：
  • CN I（嗅神経）：嗅覚脱失 — 篩板骨折、前頭葉病変
  • CN II（視神経）：視野欠損 — 視神経、視交叉、視索、視放線、皮質
  • CN III（動眼神経）：眼瞼下垂、「下外方」を向く眼 — 中脳、後交通動脈瘤
  • CN IV（滑車神経）：下内方を見るのが困難 — 背側中脳
  • CN V（三叉神経）：顔面感覚の喪失、顎の偏位 — 橋、メッケル腔
  • CN VI（外転神経）：内斜視 — 橋（頭蓋内走行が長く、頭蓋内圧亢進に対して脆弱）
  • CN VII（顔面神経）：上顔面と下顔面の筋力低下を比較し、UMN（額が保たれる）と LMN（同側の顔面全体が障害される）を区別します
  • CN VIII（内耳神経）：難聴、めまい — 末梢性か中枢性かの鑑別が重要
  • CN IX-X（舌咽神経、迷走神経）：嚥下障害、口蓋垂の偏位
  • CN XI（副神経）：胸鎖乳突筋と僧帽筋の筋力低下
  • CN XII（舌下神経）：病変側への舌の偏位

脳卒中の局在診断

• 前方循環（ICA、MCA、ACA）：MCA → 対側の顔面／上肢＞下肢の筋力低下、失語（優位半球）、半側空間無視（非優位半球）；ACA → 対側の下肢＞上肢の筋力低下
• 後方循環（椎骨脳底動脈系）：脳幹徴候（脳神経麻痺＋交差性徴候）、小脳性運動失調、視野障害
• 皮質性と皮質下性：皮質性 → 高次機能障害（失語、半側空間無視、失認）；皮質下性（ラクナ梗塞） → 皮質徴候を伴わない純粋な運動／感覚障害
• 重要な原則：交差性徴候（同側の顔面＋対側の身体）＝脳幹病変

上位運動ニューロンと下位運動ニューロン

特徴	UMN病変	LMN病変
筋緊張	亢進（痙性）	低下（弛緩性）
反射	反射亢進、バビンスキー徴候陽性	反射低下／消失
萎縮	軽度（不使用による）	顕著で早期に出現
線維束性収縮	なし	あり
分布	錐体路パターン	特定の神経／神経根

神経変性疾患のパターン

• アルツハイマー病：アミロイド斑＋タウ神経原線維変化；海馬 → 嗅内皮質 → 新皮質；最初にエピソード記憶が失われる
• パーキンソン病：黒質緻密部のα-シヌクレイン；ドパミン枯渇 → 動作緩慢、筋強剛、安静時振戦；SNCA、LRRK2、PARK7についてはUniProt_searchを検索
• ALS：上位および下位運動ニューロン徴候；TDP-43病理；SOD1、C9orf72遺伝子
• ハンチントン病：HTTにおけるCAGリピート伸長；尾状核萎縮；舞踏運動、精神症状、認知機能低下

臨床神経学の設問における推論パターン

1. 病変を局在診断する：すべての所見を説明できる神経構造は何か？
2. 単一病変の原則：複数の病変よりも、すべてを説明できる単一の病変を優先する
3. 機序を判断する：血管性（突然発症）、炎症性（亜急性）、変性（緩徐）、腫瘍性（占拠効果を伴い進行性）
4. 解剖や症状について確信が持てない場合は、文献で検証する

---

4. 神経生理学的推論

活動電位

• 静止電位は約 -70 mV（K+の平衡電位 ≈ -90 mV、Na+ ≈ +60 mV、コンダクタンスで重み付け）
• ネルンストの式：E_ion = (RT/zF) * ln([ion]_out / [ion]_in) ≈ 37Cで 61.5/z * log10([out]/[in]) mV
• 静止電位に対するゴールドマンの式：Na+、K+、Cl-の相対的な透過性を考慮する
• APの各相：脱分極（Na+チャネルが開く） → オーバーシュート → 再分極（K+チャネルが開き、Na+チャネルが不活性化） → 過分極（K+チャネルが閉じるのが遅い）
• 不応期：絶対不応期（刺激を与えても発火しない）約1 ms；相対不応期（より強い刺激が必要）約2〜4 ms

シナプス伝達

• 化学シナプス：AP → Ca2+流入（N型、P/Q型チャネル） → 小胞融合（SNARE複合体） → 神経伝達物質の放出 → シナプス後受容体への結合
• 興奮性：グルタミン酸 → AMPA（速い、Na+/K+）、NMDA（遅い、Ca2+、電位依存性Mg2+ブロック）
• 抑制性：GABA → GABA_A（速い、Cl-）、GABA_B（遅い、K+、Gタンパク質共役型）；脊髄ではグリシン
• 神経修飾物質：ドパミン、セロトニン、ノルエピネフリン、アセチルコリン — 容量伝達を行い、作用は遅く、回路のゲインを変化させる

---

5. 利用可能なツール

ツール	用途	主なパラメーター
PubMed_search_articles	神経解剖学的な知見、臨床神経学、神経回路の研究	query、limit
EuropePMC_search_articles	プレプリントを含む、より幅広い文献	query、limit
WormBase_get_gene	C. elegans のニューロン、コネクトーム、遺伝子発現	query
DANDI_search_datasets/DANDI_get_dataset/DANDI_list_assets	公開済みの神経生理学データ（NWB 形式）：スパイク、LFP、イメージング、行動	query、dandiset_id
AllenCellTypes_search_specimens	単一ニューロンの電気生理学および形態学の標本（発火率、入力抵抗、時定数、再構築）；種／脳領域で絞り込み	species（例："Homo Sapiens"、"Mus musculus"）、brain_structure、limit
Alliance_search_genes	種をまたいだ遺伝子検索（マウス、ハエ、魚、線虫）	query
UniProt_search	神経タンパク質（イオンチャネル、受容体、疾患遺伝子）	query、organism
proteins_api_search	タンパク質の特徴、ドメイン、バリアント	query
NCBIGene_search	遺伝子情報、オルソログ、発現	query
ClinVar_search_variants	神経疾患のバリアント	gene、condition
gwas_search_associations	神経学的形質の関連	query
Orphanet_search_diseases	希少な神経疾患	query
kegg_get_pathway_info	神経シグナル伝達経路	pathway_id
OpenTargets_multi_entity_search_by_query_string	神経疾患の創薬標的	query

ツール選択の方針

1. 神経解剖学に関する質問：まず PubMed を使い、「[構造] [機能／接続性]」で検索します
2. イオンチャネル／受容体に関する質問：UniProt を使い、生物種を指定してタンパク質名を検索します
3. 疾患遺伝子に関する質問：ClinVar + GWAS + Orphanet
4. コネクトーム／神経回路に関する質問：WormBase（C. elegans）、PubMed（その他の生物）
5. 計算に関する質問：Python コードを記述します — 数値を推測してはいけません
6. 臨床神経学に関する質問：PubMed + 上記の推論フレームワークを使います。回答する前に解剖学的な情報を確認します

---

6. C. elegans コネクトームの検索

C. elegans の神経回路に関する質問では、特定のシナプスおよび接続性データを調べるため、必ず WormBase_get_gene を使用してください。一般知識から神経接続を推測してはいけません。

• ASJ ニューロンの投射：ASJ 軸索の主な投射先は PVQ です（WormBase のコネクトームデータで確認済み）。AIA ではありません。回路図から推測するのではなく、必ず実際のシナプス数を確認してください。
• WormBase で特定のニューロン名を検索し、そのニューロンのシナプス前／シナプス後のパートナーと投射先を調べてください。

7. 単一ニューロンの形態検索（NeuroMorpho）

特定の再構築ニューロンの形状、樹状突起／軸索の形態、または形態計測値に関する質問には、一般的な知識から典型的な値を推測するのではなく、7 つの NeuroMorpho.Org ツールを使用してください。NeuroMorpho.Org は、ニューロンごとの正確な定量的測定値を備えた、デジタルでトレースされた 250,000 件以上のニューロン再構築データベースです。

ツール	用途	主なパラメーター
NeuroMorpho_search_neurons	種／脳領域／細胞種／アーカイブ／染色法でニューロンを検索する	query_field、query_value、filter_field、filter_value、size
NeuroMorpho_get_field_values	検索前に、検索フィールドで有効な値を確認する	field_name（例：species、brain_region、cell_type）
NeuroMorpho_get_neuron	1 つのニューロンの全メタデータ：種、脳領域、細胞種、染色、再構築ソフトウェア、出典の文献	neuron_id または neuron_name
NeuroMorpho_get_morphometry	定量的な形状測定値：表面積、体積、幹／分岐点／枝の数、幅／高さ／奥行き、全長、フラクタル次元	neuron_id または neuron_name
NeuroMorpho_get_persistence_vector	100 係数の TMD（Topological Morphology Descriptor）形状シグネチャ。樹状突起形状の ML クラスタリング／分類に使用	neuron_id
NeuroMorpho_search_literature	脳領域／細胞種／種に関する再構築の出典文献を検索する	query_field（brainRegion、cellType、species、tracingSystem）、query_value
NeuroMorpho_get_literature	1 件の出典文献の完全な引用情報（DOI、PMID、ジャーナル、著者）	article_id（NeuroMorpho_search_literature から取得）

ワークフロー：NeuroMorpho_search_neurons を実行します（検索結果には、species、brain_region、cell_type、soma_surface、surface、volume、reference_pmid、png_url など、ほとんどのメタデータフィールドがすでに含まれているため、検索結果にないフィールドが必要な場合を除き、通常は NeuroMorpho_get_neuron を追加で呼び出す必要はありません）-> 検索結果に含まれない定量的測定値（分岐点、枝の数、フラクタル次元、経路距離／ユークリッド距離）を取得するには、特定の neuron_id に対して NeuroMorpho_get_morphometry を呼び出します -> 元の文献を調べるには、ニューロンレコードから reference_pmid を直接取得するか、特定のニューロンではなく脳領域／細胞種で文献を検索するために NeuroMorpho_search_literature／NeuroMorpho_get_literature を使用します。

ライブ環境で検証済みの例：species=human、brain_region=hippocampus で検索すると、139 件が見つかります（例：ニューロン 147055 はヒトの CA1 錐体細胞で、アーカイブは DeFelipe）。その形態計測値は surface=40808.7 um^2、volume=15367.3 um^3、n_bifs=76、length=11305.5 um、fractal_Dim=1.024 です。

8. 神経画像データセットの検索（OpenNeuro）

公開済みの BIDS 形式の神経画像データセット（MRI、fMRI、EEG、 iEEG、MEG、PET）を探す場合は、DANDI（NWB 形式の電気生理学／画像データ。上記で紹介済み）ではなく、7 つの OpenNeuro ツールを使用してください。OpenNeuro には 1600 以上のデータセットがあります。「適切な」ID のデータセットが存在すると決めつけず、必ず確認してください。また、ファイル名を推測せず、常に OpenNeuro_get_snapshot_files で解決してください。

Tool	Use For	Key Parameters
OpenNeuro_list_datasets	最新の公開データセットをカーソルページネーションで閲覧	first（最大 25）、after（カーソル）
OpenNeuro_search_by_modality	画像モダリティでデータセットを絞り込み	modality（MRI、EEG、iEEG、MEG、PET）、first
OpenNeuro_advanced_search	ファセット検索（種、性別、診断、タスク、スキャナーメーカー、PET トレーサー、年齢／被験者数の範囲）とアーカイブ全体の参加者数	ファセット引数を任意に組み合わせ。全アーカイブの件数を取得する場合はすべて省略
OpenNeuro_get_dataset	1 つのデータセットの完全なメタデータ：モダリティ、被験者、タスク、BIDS バージョン、著者、DOI、README	datasetId（例：ds000117）
OpenNeuro_get_dataset_snapshots	データセットの公開済みバージョン（スナップショットタグ）をすべて一覧表示	datasetId
OpenNeuro_get_snapshot_files	特定のバージョンのファイルマニフェストと直接ダウンロード URL	datasetId、tag（スナップショット取得時の呼び出しで取得）
OpenNeuro_get_snapshot_validation	ダウンロード前の品質確認用に、あるバージョンの BIDS バリデーターのエラー／警告件数を取得	datasetId、tag

ワークフロー：OpenNeuro_search_by_modality または OpenNeuro_advanced_search で候補となるデータセット ID を検索 -> その モダリティ／被験者／タスク／README を OpenNeuro_get_dataset で取得（データセットレベルのメタデータのみ。ファイル一覧は含まれません） -> OpenNeuro_get_dataset_snapshots で特定のバージョンタグを取得 -> 実際にダウンロード可能なファイルマニフェストを OpenNeuro_get_snapshot_files で取得するか、先に BIDS 準拠状況を OpenNeuro_get_snapshot_validation で確認します。

注意点（実データで確認済み）：OpenNeuro_advanced_search にファセットフィルターを指定すると、edges リストが空でも、pageInfo.count にゼロ以外の値が返されることがあります。ツールの説明にあるとおり、一致したデータセットの中には匿名で読み取れないものがあるため、ID リストが不完全でも件数は正確なままです。 pageInfo.count に値がある場合は、edges 配列が空でも「件数が間違っている」または「データセットが存在しない」と判断しないでください。

実データで確認済みの例：ds000117（「複数被験者によるマルチモーダルな顔処理」）には、公開済みのスナップショットが 13 バージョン（00001～00004、1.0.0 ～1.0.6、1.1.0、2.0.0）あります。最新のスナップショットは MRI+MEG モダリティ、17 人の被験者、2 つのタスク（facerecognition、noise）、合計 1157 個のファイル、約 90 GB にわたります。

9. 計算モデルの検索（ModelDB）

実験データではなく、公開済みの計算論的神経科学モデル（方程式レベルのシミュレーション。例：Hodgkin-Huxley 型の単一ニューロンモデル、ネットワークモデル）を検索または比較する場合は、特定の細胞種の「標準的な」モデルを推測するのではなく、5 つの ModelDB（Yale/SenseLab）ツールを使用してください。ModelDB では、各モデルが出典論文と、シミュレーション対象の具体的なニューロン／細胞種にリンクされています。

ツール	用途	主なパラメーター
ModelDB_list_models	モデル ID の検索。シミュレーターでの絞り込みも可能です	modeling_application（例：NEURON、GENESIS、Python、MATLAB、Brian、NEST、XPP、C or C++）。大文字と小文字が区別されます。1000 件を超えるすべてのモデルを対象にする場合は省略します
ModelDB_get_model	モデルの詳細情報：説明／注記、モデル化されたニューロン種、イオン電流、モデルの概念、シミュレーター、関連論文、実装者	model_id（整数）
ModelDB_get_paper	モデルの出典論文の完全な引用情報（タイトル、著者、ジャーナル、PubMed ID、DOI）	paper_id（モデルレコードの model_paper にある整数）
ModelDB_list_celltypes	ModelDB がモデルの分類に使用するニューロン／細胞種の ID を検索します	なし
ModelDB_get_celltype	1 つの細胞種の名前とメタデータ（例：「Hippocampus CA3 pyramidal GLU cell」）。応答には Picture の下に大きな base64 画像が埋め込まれている場合があるため、そのまま出力しないでください	celltype_id（ModelDB_list_celltypes またはモデルの neurons フィールドにある文字列）

ワークフロー：ModelDB_list_models（必要に応じてシミュレーターで絞り込み） -> 実在する ID を選択 -> ModelDB_get_model でイオン電流や model_concept タグ（例：「Bursting」、「Detailed Neuronal Models」）を含む詳細情報を取得 -> model_paper の object_id を取得し、ModelDB_get_paper を呼び出して引用情報と PubMed ID を取得 -> モデルの neurons フィールドから object_id を取得し、ModelDB_get_celltype を呼び出してモデル化された細胞種の説明を取得します。

ライブ環境で検証済みの例：モデル 3263 は「CA3 Pyramidal Neuron (Migliore et al 1995)」で、9 種類のイオン電流（I Na,t / I L high threshold / I N / I T low threshold / I A / I K / I M / I K,Ca / I Calcium）を持つ NEURON シミュレーター用モデルです。「Bursting」と「Detailed Neuronal Models」のタグが付けられており、論文 4307（Migliore et al., J Neurophysiol 73:1157-1168, 1995, PubMed 7608762）および細胞種 259（「Hippocampus CA3 pyramidal GLU cell」）にリンクされています。

10. ニューロイメージング統計マップの探索（NeuroVault）

公開済みのグループレベルの脳統計マップ（fMRI／PET の賦活マップ、解剖学的アトラス／パーセレーション）を探す場合は、6 つの NeuroVault ツールを使用します。これらは導出された解析結果であり、生のスキャンデータではありません（上記の OpenNeuro と比較してください。OpenNeuro では、これらのマップの計算に使用された生の BIDS データがホストされています）。

注意事項（実際に確認済み）：NeuroVault の公開 API には、機能するキーワード／名前検索がありません。name／search／q／keywords パラメーターを指定しても、フィルターが適用されず、カタログ全体（17,862 件以上のコレクション）が返されます。特定の研究を見つける実用的な方法は、コレクション ID／画像 ID（論文自体または NeuroVault のウェブサイトで確認できます）をあらかじめ知っておくか、NeuroVault_list_collections をクライアント側でページングすることだけです。検索機能があるかのように示さないでください。

ツール	用途	主なパラメーター
NeuroVault_list_collections	コレクションカタログ全体をページングして参照します（実質的なフィルタリングはありません。注意事項を参照）	limit（最大 100）、offset
NeuroVault_get_collection	1 つのコレクションの研究メタデータ全体を取得します：DOI、著者、ジャーナル、スキャナー／磁場強度／パルスシーケンス、画像数	collection_id
NeuroVault_list_collection_images	1 つのコレクション内の統計マップ画像を一覧表示します。マップの種類と Cognitive Atlas のパラダイム／コントラストラベルも含まれます	collection_id、limit、offset
NeuroVault_get_image	1 つの統計マップのメタデータ全体を取得します：マップの種類（T／Z／F／ベータ／ROI／パーセレーション）、モダリティ、認知パラダイム／コントラスト、NIfTI のダウンロード URL、被験者数	image_id
NeuroVault_list_atlases	ラベル付きの解剖学的パーセレーションマップを参照します（全 18 件）	limit、offset
NeuroVault_get_atlas	1 つのアトラスのラベル画像 URL とラベル説明ファイル（各パーセル／領域の名前を記載）を取得します	atlas_id

ワークフロー：コレクション ID（論文で引用されているものなど）が分かっている場合は、NeuroVault_get_collection で研究メタデータを取得し、NeuroVault_list_collection_images で利用可能なマップを確認してから、特定の画像に対して NeuroVault_get_image を実行し、その Cognitive Atlas のコントラストラベルと NIfTI のダウンロード URL を取得します。タスク賦活マップではなく、解剖学的ラベル／パーセレーションを調べる場合は、NeuroVault_list_atlases -> NeuroVault_get_atlas の順に使用します。

実際に確認済みの例：コレクション 457 は「WU-Minn Human Connectome Project: An overview」（DOI 10.1016/j.neuroimage.2013.05.041、画像 48 件）です。このコレクションの画像 3128 は Z マップで、「tfMRI EMOTION FACES minus SHAPES zstat1」です。Cognitive Atlas のパラダイムは「emotion processing fMRI task paradigm」、モダリティは fMRI-BOLD、被験者数は 486、空間は MNI です。

11. 4 種類の神経科学データリソースから選ぶ

このスキルでは、性質の異なる 4 種類の外部神経科学データリソースを扱います。 必要なオブジェクトの種類に応じて選択してください。

リソース	含まれるデータ	質問の例
NeuroMorpho（Sec. 7）	単一ニューロンのデジタル再構築形態（実際の組織から測定した樹状突起／軸索の形状）	「ヒト CA1 錐体細胞の樹状突起の全長はどれくらいですか？」
OpenNeuro（Sec. 8）	BIDS 形式の生の神経画像データセット（MRI／fMRI／EEG／MEG／PET スキャン。まだ解析されていません）	「再解析できる、公開されたマルチモーダルの顔処理 MEG+MRI データセットはありますか？」
ModelDB（Sec. 9）	公開済みの計算モデル（ニューロンやネットワークのシミュレーションを実装する方程式／パラメーター）	「バースト発火する CA3 錐体細胞の NEURON シミュレーター用モデルで、ベースとして利用できるものはありますか？」
NeuroVault（Sec. 10）	公開研究から得られた、解析後のグループレベルの統計的脳マップ（活性化マップ、アトラス）	「HCP 論文の感情処理コントラストに関するグループレベルの活性化マップはどこにありますか？」

NWB 形式の生の電気生理／画像データについては DANDI（Sec. 5、Available Tools）を、単一ニューロンの電気生理＋形態の標本については AllenCellTypes_search_specimens を参照してください。これらは、上記で既に説明した 5 番目と 6 番目のリソースタイプです。

まったく別の種類の質問、たとえば「この MNI 座標はどの認知機能に関連していますか？」や「この用語に関連する研究／座標はどれですか？」の場合、上記 6 種類のリソースには必要なデータがありません。これは約 14,000 件の公開済み fMRI 研究を対象とした座標ベースのメタ解析的デコーディングであり、別個の tooluniverse-neurosynth-meta-analysis スキルで扱います。

12. よくある落とし穴

• 脳領域の混同：海馬は前頭葉にはありません。黒質は中脳にあり、基底核にはありません（機能的には関連しています）。必ず確認してください。
• 神経伝達物質受容体の取り違え：GABA_A はイオンチャネル型（Cl-）、GABA_B は代謝調節型（G タンパク質）です。NMDA にはグルタミン酸とグリシン／D-セリンの共作動薬の両方が必要です。
• 計算時の単位の誤り：膜時定数の単位は ms（秒ではありません）です。発火頻度の単位は Hz（スパイク／秒）です。コンダクタンスの単位は nS または mS/cm2 です。
• すべてのニューロンが高速で発火すると想定すること：皮質ニューロンの平均発火頻度は 1～20 Hz です。100 Hz を超える発火を持続するのは、特定の細胞タイプ（高速発火介在ニューロンなど）に限られます。
• 側性化を無視すること：右利きの約 95％では、言語機能は左半球に側性化しています。空間的注意は右半球に側性化しています。必ずどちらの半球かを考慮してください。