Gli angoli delle ramificazioni dendritiche delle cellule piramidali seguono

principi di progettazione geometrici comuni in diverse aree corticali

Concha Bielza, 1 Ruth Benavides-Piccione, una, 2,3 Pedro Lpez-Cruz, 1 Pedro
Larraaga, 1 e Javier DeFelipe2,3
Informazioni Autore Articolo note sul copyright e licenza informazioni
Questo articolo stato citato da altri articoli in PMC.
Vai a:
ASTRATTO
Svelare la struttura delle cellule piramidali cruciale per comprendere le
computazioni dei circuiti corticali. Anche se noto che i rami delle cellule
piramidali variano nelle diverse aree corticali, i principi che determinano le
forme geometriche di queste cellule non sono pienamente compresi. Qui
abbiamo analizzato e modellato con una distribuzione von Mises gli angoli di
ramificazione in 3D delle ramificazioni dendritiche basali di centinaia di cellule
piramidali corticali in sette diverse regioni corticali del frontale, parietale, e la
corteccia occipitale. Come modello stato utilizzato il topo. Abbiamo trovato
che, nonostante le differenze nella struttura delle cellule piramidali in queste
distinte aree corticali funzionali e citoarchitettoniche, ci sono principi di
progettazione comuni che governano la geometria della ramificazione
dendritica degli angoli delle cellule piramidali in tutte le aree corticali.
La maggior parte delle sinapsi nel cervello sono stabilite con dendriti che
rappresentano la principale regione neuronale specializzata per ricevere ed
elaborare gli input ai neuroni. Poich vi una grande variet di morfologie
dendritiche che sono specifiche per ciascuna regione del cervello, ne consegue
che vi sia un grande differenziamento nella progettazione dei circuiti sinaptici.
Nella corteccia cerebrale, le cellule piramidali sono i neuroni pi diffusi
(costituiscono circa il 70-85% della popolazione totale di neuroni). Questi
neuroni sono cellule di proiezione e si trovano in tutti i livelli tranne strato 1.
Inoltre, le cellule piramidali sono la principale fonte di sinapsi intrinseche
eccitatorie corticali, e le loro spine dendritiche sono il target principale delle
sinapsi eccitatorie. Pertanto, la comprensione dei principi che determinano la
geometria dendritica delle cellule piramidali essenziale per comprendere
come i circuiti neuronali operano nella corteccia cerebrale. Diversi studi hanno
dimostrato differenze quantitative nella dimensione e la complessit degli
alberi dendritici sia per quanto riguarda la densit che le dimensioni delle spine
dendritiche in varie aree corticali di diversi roditori e diverse specie di primati,
compresi gli uomini. Queste variazioni comportano differenze funzionali
fondamentali tra le cellule, rendendo lo studio delle propriet dendritiche di
notevole interesse. Ad esempio, la complessit della loro struttura dendritica
ne determina le propriet biofisiche, influenzando cos la loro capacit
funzionale e la neuroplasticit.
In un recente studio dal nostro gruppo, un modello grafico probabilistico
chiamato rete bayesiana stato applicato per modellare dendriti reali e
simulare dendriti virtuali della corteccia del topo, tra cui le aree sensoriale
primaria, motoria, e aree di associazione. Abbiamo osservato che i segmenti
terminali di dendriti basali erano pi lunghi dei segmenti intermedi. Infatti, i
dendriti di solito si ramificano quando sono prossimi al soma, producendo brevi
segmenti; mentre i segmenti che non danno ramificazioni si portano lontano

dal soma. Inoltre, abbiamo dimostrato che l'orientamento di un segmento tipo

controllato principalmente dall'orientamento dei segmenti precedenti.
Pertanto, gli alberi dendritici tendono a diffondersi rapidamente prima, quando
sono vicini al soma e poi, una volta che hanno raggiunto una dimensione
minima(standard), crescono velocemente allontanandosi dal nucleo.
Inoltre, stato proposto che gli schemi di ramificazione possano essere previsti
basandosi principalmente su principi di cablaggio e di planarit delle
biforcazioni dendritiche in 3D (per esempio, la condizione di una superficie in
cui tutti gli elementi sono in un piano) in linea con lottimizzazione dello spazio
nella rete. Tuttavia, non esistono studi che affrontano possibili differenze nella
geometria dell'angolo ramificazione in diverse aree corticali che possano fare
luce sugli schemi delle ramificazione regionali. Qui abbiamo analizzato e
modellato con la distribuzione di von Mises gli angoli di ramificazione tra due
segmenti fratelli(cio derivanti dallo stesso soma) in senso crescente da una
biforcazione. La ricostruzione tridimensionale ed stata operata sugli alberi
dendritici di centinaia di cellule piramidali corticali trattate in diverse regioni
corticali del topo (Figura 1).

Figura 1
Esempi di disegni effettuati tramite Neurolucida di alberi basali dendritici delle
cellule piramidali nello strato III , come appaiono da un piano di sezione
parallela alla superficie corticale, nelle sette aree corticali analizzate: primaria
(M1) e secondario (M2) corteccia motoria, primaria (S1) e secondaria (S2)
corteccia somatosensoriale, primaria (V1) e secondaria (V2) corteccia visiva e
prelimbica / corteccia infralimbica (PRL / IL)
RISULTATI
In questo studio, abbiamo analizzato in particolare le ramificazione angolari di
una banca dati di 345 alberi dendritici basali ricostruiti in 3D di cellule
piramidali del terzo strato corticale provenienti da sette diverse aree corticali
differenti (frontale, parietale e occipitale). A questo scopo, gli angoli tra due
segmenti dendritici divergenti a partire da una data biforcazione sono stati
raggruppati secondo due diversi schemi di ordinamento, in base all'ordine in
cui si sono verificate le biforcazioni (vedere la Figura 2A). Questi due sistemi di
ordinamento sono stati scelti in modo da analizzare angolazioni da prospettive

diverse. Nel caso dell ordine standard, il corpo cellulare viene preso come
'punto di partenza' da cui le biforcazioni sono progressivamente numerate 1, 2,
3, ecc. Invece, nel caso dell'ordine invertito, l'estremit distale dei dendriti
che viene presa come 'punto di partenza' da cui le biforcazioni sono numerate
progressivamente - in questo caso 1 ', 2', 3 ', etc.

Figura 2
(A): Diagramma schematico che mostra gli angoli di ramificazione misurati tra
i segmenti fratelli, secondo due schemi: ordini filiali standard e inverse. (B):
Esempio della distribuzione degli angoli per i rami di ordine 1 provenienti dagli
alberi basali dendritici di neuroni piramidali nella area M2. Il (superiore)
diagramma a rosa mostra la percentuale di dati in ogni intervallo di angoli (in
gradi). Il (inferiore) grafico mostra l'istogramma empirico dei dati (bar) e il fit
per la relazione di von Mises (spessa linea nera). Il set di dati mostrato con la
linea verde sotto l'istogramma. (C): I grafici boxplot circolari proposti, riferiti
agli angoli, mostrano le statistiche riassuntive di un set di dati sottoforma di
archi all'interno di un semicerchio, per lordine standard (figura in alto) e
inverso (schema in basso). Un punto nero rappresenta la mediana del set di

dati, mentre le linee spesse colorate (utilizzando lo stesso codice di colore

come in A) si estendono dal quarto inferiore (Q1) al quarto superiore (Q3). I
piccoli punti colorati indicano valori di dati che non sono in questo intervallo, e
sono considerati come valori outliers (vedi Figura supplementare S1 per
ulteriori dettagli). (D): test-based illustrano i confronti a coppie della media
degli angoli dal set di dati mostrati in (C). Due nodi (che rappresentano due set
di dati) sono collegati quando verificata l'ipotesi di una parit nella media
degli angoli dei corrispondenti set di dati utilizzando il test di Watson. Due nodi
non sono collegati se invece la media degli angoli significativamente
differente tra i due data set. Vedere le tabelle supplementari 6-7 (ordine
standard) e 10-11 (ordine inverse) per ulteriori dettagli sui test statistici. (E):
boxplots circolari provenienti da alberi dendritici di neuroni piramidali della
regione M2, raggruppati in base alll ordine del ramo (stesso codice colore in A).
I relativi diagrammi test-based sono presentati accanto a ogni grafico per
mostrare i risultati del confronto tra angoli medi di diversi ordini filiali. Per
ulteriori dettagli su test statistici e cifre supplementari S2-S4 per i
corrispondenti diagrammi delle restanti regioni corticali esaminati (M1, S1, S2,
V1, V2 e PRL) Vedi tabelle supplementari 8-9 e 12-13. O1-O4: per ramo di
ordine 1-4; O1'-O4 ': inversa per rami di ordine 1-4.
Una attenta osservazione dei diagrammi a rosa (figura 2B e supplementare
Figura S2 per tutte le aree corticali esaminati) ha rivelato che le distribuzioni
degli angoli erano chiaramente unimodale e simmetriche intorno alla media in
quasi tutti gli ordini di ramificazione e nelle aree corticali. Pertanto, abbiamo
adattato lo schema di biforcazione degli angoli con la distributione di von
Mises e svolto il relativo test di adattamento per verificare questa ipotesi.
Abbiamo concluso che la distribuzione von Mises sembra essere appropriata
per il modello degli angoli di biforcazione dello stesso ordine di ramificazione in
rappresentazioni sia per l ordine standard che invertito (vedi tabelle
supplementari 2-5).
Confronto tra angoli di diversi ordini di ramificazione
Dapprima, abbiamo confrontato angoli di diversi ordini di ramificazioni in
generale, secondo gli schemi di rappresentazione standard e inverse. Dal
momento che i grafici lineari non erano adatti a mostrare dati angolari,
abbiamo proposto dunque un adattamento del boxplot per la visualizzazione
delle statistiche per un set di dati angolari, che abbiamo chiamato boxplot
circolare (vedi Materiali e Metodi per ulteriori dettagli). Come mostrato in Figura
2C, D, gli angoli tendono a diminuire significativamente allaumentare
dellordine di ramificazione nella rappresentazione standard, mentre il contrario
stato verificato con la rappresentazione invertita dei rami. Ci stato
osservato per tutte le regioni corticali esaminate (Figura supplementare S3, e
tabelle supplementari 6-7 [Standard] e 10-11 [inverse] per i risultati di
significativit statistica). Differenze statisticamente significative sono
riscontrabili anche nei diagrammi test-based. In primis,le aree motorie (M1, M2)
e somatosensoriali (S1, S2) si comportano in maniera simile per le ramificazioni
di ordine standard, in quanto soltanto gli ordini 3 e 4 (su possibili confronti a
coppie 6) non erano significativamente differenti, come mostrato
congiungimento dei nodi 3 e 4 negli diagrammi test-based (Figura 2C, D e

supplementare figura S3). In secondo luogo, nella corteccia visiva secondaria

(V2) , tutti gli ordini a schema standard erano significativamente differenti (non
ci sono collegamenti tra i nodi). Infine, la corteccia visiva primaria (V1) e la
corteccia prelimbica / infralimbica (PRL) mostravano una differenza
statisticamente significativa tra gli ordini 1 e 3 di ramificazione (in V1 anche 2 e
3). In entrambe le aree, gli ordini 1-2, 1-4, 2-4 e 3-4 (e 2-3 per PRL) avevano
angoli con media simile (ci sono linee di collegamento tra queste coppie). Poi,
abbiamo confrontato angoli di diversi ordini di ramificazione provenienti da
alberi dendritici di complessit simile (ad esempio raggruppando alberi
dendritici che presentano lo stesso numero relativo ai rami terminali, in ogni
area corticale). Questa analisi (Figura 2E e supplementare Figura S4 per tutte le
aree corticali esaminate, e tabelle supplementari 8-9 [Standard] e 12-13
[inverse] per risultati statistici) ha mostrato differenze statistiche ancora
maggiori tra gli angoli di ramificazione dei diversi ordini. Anche i diagrammi
test-based riflettono queste differenze , infatti non sono presenti collegamenti
tra i nodi, tranne per la coppia 3-4 (prospettiva standard) e 3'-4 '(prospettiva
invertita). Cos,le biforcazioni pi vicine al soma (ordini di ramificaione minori)
presentano angoli pi ampi di biforcazione rispetto ad ordini di grado superiore
(ci sono differenze statistiche rilevanti). Di conseguenza, nella prospettiva
invertita le ramificazioni di grado minore hanno angoli moto pi stretti rispetto
a quelli di ordini superiori. Questo chiaramente la condizione per cui gli angoli
sono selettivamente raggruppatri secondo il massiomo grado dellordine di
ramificazione degli alberi dendritici.
Confronto tra angoli dello stesso ordine di ramificazione che
appartengono ad alberi dendritici di diversa complessit
Abbiamo, quindi, confrontato angoli dello stesso ordine di ramificazione ma
provenienti da alberi dendritici con diverso grado di ramificazione massima (ad
esempio angoli di ordine 1 appartenenti ad alberi con diverso grado di
ramificazione massima sono stati comparati direttamente). Questa analisi
(figura 3 a sinistra, prima riga nella tabella supplementare 14 e primo blocco di
righe nella Tabella-15) ha rivelato che, per una particolare regione corticale,il
ramo di ordine 1 in proiezione standard ha un angolo di ramificazione pi
ampio nei dendriti che hanno il grado massimo di ramificazione pi alto, quindi
pi complessi. (differenze statisticamente rilevanti sono state trovate soltanto
in M1, M2, S1 e PrL). Abbiamo anche trovato alcune differenze statisticamente
rilevanti tra gli angoli a ordini standard intermedi (2 e 3) per tutte le regioni
corticali (vedere figura S5, seconda e terza fila nella tabella integrativa 14 e
seconda e terza fila nella tabella 15). Quindi, le biforcazioni a ordini di basso
grado in prospettiva standard sembrano richiedere angoli maggiori per
accogliere il resto dell'albero dendritico, suggerendo che gli alberi dendritici
tendono a crescere per riempire lo spazio lasciato dall'angolo di ordine pi
basso (ramo di ordine 1 standard).

Figura 3
boxplot circolari che mostrano il confronto tra angoli dei rami di ordine 1 e 1'
provenienti da alberi dendritici a diversa complessit, cio con grado massimo
di ramificazione differente.
Per contro,in prospettiva invertita il ramo di ordine 1 mostrava un angolo
simile per la maggior parte degli alberi dendritici allinterno di una particolare
regione (eccetto in V2), indipendentemente dalla loro complessit, come

mostrato dalla elevata connettivit tra i nodi nei diagrammi test-based (vedi
Figura 3 destra, prima riga nella tabella supplemementare 16 e prima riga nella
tabella supplemementare 17). Inoltre,in prospettiva invertita gli ordini
intermedi (2 e 3) sono stati considerati non statisticamente differenti per la
maggior parte degli alberi dendritici di una particolare regione,
indipendentemente dalla loro complessit (vedi Figura complementare S5,
seconda e terza fila nella Tabella complementare 16 e seconda e terza fila nella
Tabella complementare 17).
Confronto tra le aree corticali
Abbiamo infine confrontato angoli dello stesso ordine di ramificazione, tra le
varie regioni corticali (Figura 4 e tabelle supplementari 18-21) e abbiamo
scoperto che la media per gli angoli di ordine 1 (figura 4 in alto a sinistra) era
piuttosto simile nelle varie regioni corticali (prima colonna della Tabella
supplementare 18 e prima fila nella tabella complementare 19). Ci appare
chiaro nel diagramma test-based. Contrariamente, la media angolare per i rami
di ordine 1 ' in prospettiva invertita (figura 4 in alto a destra) era notevolmente
diversa nelle sette regioni corticali (prima colonna della tabella complementare
20 e-prima riga nella tabella complementare 21). In particolare, M1, M2 S1 e V2
hanno mostrato degli angoli pi piccoli nelle loro biforcazione finali di V1, S2 e
PrL. Queste caratteristiche areali rivelano che, in generale, le regioni corticali
con grande alberi dendritici hanno angoli di biforcazione finali pi piccoli.

Figura 4

Grafici boxplot che mostrano il confronto degli angoli, per ordine di

ramificazione, nelle sette regioni corticali analizzate secondo prospettiva
standard (a sinistra) e inversa (a destra).

Discussione
I principali risultati dello studio sono i seguenti. In primo luogo, gli angoli di
ramificazione dei dendriti basali nelle cellule piramidali possono essere
modellizati tramite la distribuzione von Mises. In secondo luogo, la prima
biforcazione (angolo 1) di un particolare albero basale la pi ampia e le
successive biforcazioni diventano progressivamente pi strette. In terzo luogo,
la biforcazione finale (angolo 1') di una particolare regione piuttosto simile,
indipendentemente dall'ordine di ramificazione a cui appartiene quel ramo
dendritico. Infine, la media dgli angoli di ordine 1 piuttosto simile nelle
diverse regioni corticali, mentre la media degli angoli di ordine 1 ,secondo la
prospettiva invertita, risulta essere molto diversa nelle sette regioni corticali.
La scoperta che una distribuzione statistica teoretica (von Mises) potesse
essere applicata per schematizzare gli angoli tra i rami dendritici delle cellule
piramidali ha permesso di compiere progressi nel campo del modellamento
della struttura dendritica delle cellule piramidali in ogni area corticale. Ci
dimostra che queste componenti dei circuiti corticali sono progettatie secondo
le leggi di precise funzioni matematiche. Inoltre, il 90% di questi angoli cade in
un intervallo tra 20 e 97 gradi (per area corticale,gli angoli medi variavano tra
59 e 68 gradi e concentrazioni variavano da 5 a 8 gradi), suggerendo certa
prevedibilit nelle connessioni sinaptiche delle cellule piramidali in tutte le aree
corticali. Questo importante, in quanto la stragrande maggioranza delle
sinapsi dei neuroni piramidali sono stabilite con le loro spine dendritiche e la
lunghezza di queste spine tipicamente <2 m, Quindi, come conseguenza
delle restrizioni date da una tale lunghezza delle spine dendritiche, le leggi che
regolano le ramificazioni dendritiche delle cellule piramidali possono infatti
determinare la connettivit stessa della cellula piramidale.
La seconda regola geometrica trovata che la prima biforcazione (angolo 1) di
un particolare albero risulta essere la pi ampia e le successive diventano
progressivamente minori. Inoltre, la biforcazione finale (angolo 1') nelle cellule
di una particolare regione piuttosto simile, indipendentemente dall'ordine del
ramo considerato. Quindi, entrambi gli angoli 1 e 1' potrebbero prevedere la
complessit finale dell'albero dendritico per una particolare regione in modo
tale che, data l'ampiezza apparentemente predeterminata dell'angolo 1',
maggiore l'angolo 1, maggiore sar il grado di ramificazione dell'albero.
Questi risultati rivelano la presenza di regole che governano la geometria degli
angoli ramificazione dendritica delle cellule piramidali e che queste leggi siano
principi di progettazione comuni a tutte le aree corticali, nonostante le diverse
specializzazioni funzionali. Tuttavia, dal momento che l'angolo di biforcazione
finale 1' ha un valore medio statisticamente differente tra le regioni corticali, i
nostri risultati suggeriscono che l'architettura degli angoli di ramificazione
regolata anche a livello regionale.

Infine, il processo di formazione dendritica regolato in pi punti da una

combinazione di fattori cellulari intrinseci ed estrinseci: in primo luogo, il
numero di rami primari inviati e mantenuti in una direzione qualsiasi;
secondariamente, la modalit di ramificazione; per terzo, la frequenza di
ramificazione; e quarto, l'equilibrio tra crescita, stabilizzazione e retrazione di
rami dendritiche. I nostri risultati sono in linea con l'idea che il controllo
genetico sia determiante per la forma generale degli alberi dendritici
piramidali, mentre i fattori specifici dovrebbero essere coinvolti nella
formazione dei piccoli dettagli morfologici caratteristici di ogni area corticale.
Inoltre, ulteriori studi saranno necessari per stabilire se i cambiamenti nella
complessit degli alberi dendritici, che sono noti a verificarsi a causa di una
variet di fattori sperimentali, sono dovuti a variazioni negli angoli di
ramificazione(oppure se si trattta del loro effetto conseguente). Allo stesso
modo, in caso di patologie del cervello per le quali le variazioni anatomo
patologiche non sono state ben definite, come l'autismo e la schizofrenia,
questi studi potranno determinare se il cambiamento di questi angoli possa
rappresentare un passo importante per una migliore comprensione di queste
malattie. I risultati attuali propongono un nuovo approccio geometrico che
potrebbe contribuire a chiarire questi problemi analizzando le regole di
connessioni sinaptiche nel cervello normale e in condizioni sperimentali o
patologiche.
Metodi
Acquisizione dei dati e preparazione
Un insieme di 345 ricostruzioni 3D di neuroni piramidali da sette diverse regioni
della neocorteccia del topo stato utilizzato per questo studio. Neuroni
piramidali sono stati iniettati intracellularmente con la sostanza Lucifer yellow
in sezioni orizzontali dello strato III per permetttere la completa inclusione dei
dendriti basali. Lucifer yellow un colorante fluorescente utilizzato in biologia
cellulare. La propriet fondamentale di lucifer yellow che pu facilmente
essere visualizzato sia in cellule vive e fissate, utilizzando un microscopio a
fluorescenza. Le regioni analizzate comprendono le aree corticali del frontale,
parietale e corteccia occipitale: primaria (M1) e secondario (M2) corteccia
motoria, primaria (S1) e secondaria (S2) corteccia somatosensoriale primaria,
(V1) e secondaria (V2) visiva corteccia e prelimbica / corteccia infralimbica
(PRL) (vedi Ballesteros-Yez et al., 2010 per ulteriori dettagli metodologici). La
ricostruzione degli stessi neuroni, utilizzando il pacchetto Neurolucida
(MicroBrightField) stato utilizzato in precedenza in un altro studio per diversi
obiettivi. Abbiamo misurato l'angolo tra due segmenti di pari livello provenienti
da una biforcazione nelle ricostruzioni 3D degli alberi dendritici basali. Dato un
punto di biforcazione O con coordinate (xo, yo, zo) e due punti A = (xa, ya, za)

e B = (xb, yb, zb) definenti le estremit dei segmenti crescenti dalla

biforcazione (dove i "punti finali" sono sia un punto terminale sia un altro punto
di biforcazione), l'angolo di tra i vettori OA e OB dato da:
dove rappresenta il prodotto scalare dei vettori e || x || l'ampiezza del
vettore x. Gli angoli di ordine di ramificazione superiore a O4 non sono stati
inclusi nell'analisi a causa del loro numero relativamente basso (vedi Tabella
supplementare 1).

La distribuzione von Mises per i dati angolare

Dati direzionali e angolari hanno alcune caratteristiche distintive che rendono
la statistica classica inadatta per analizzare e lavorare con questo tipo di dati.
La statistica direzionale fornisce le basi teoriche e gli strumenti necessari per
gestire correttamente questi dati. La distribuzione von Mises (1918) l'analogo
angolare della distribuzione gaussiana, ed la distribuzione pi comunemente
usata in statistica direzionale. Diversi strumenti di visualizzazione da quelli
utilizzati nelle statistiche lineari classiche sono necessari per trasmettere
informazioni direzionali (ad esempio il boxplot lineare ignora la periodicit del
dominio e stima erroneamente le statistiche riassuntive per il primo set di dati,
vedere anche complementare Figura S1). Cos, i diagrammi a rosa sono stati
usati al posto di istogrammi regolari per rappresentare la distribuzione
empirica di un set di dati di angoli (Figura 2B). Il dominio della densit von
Mises il cerchio unitario che definisce angoli x [associative set] [0,2]. Una
variabile casuale X a seguito di una densit di von Mises con parametri (, )
denotato M (, ). La distribuzione von Mises una distribuzione a due
parametri con funzione di densit di probabilit:

dove l'angolo medio di X, 0 la concentrazione degli angoli intorno alla

media e I0 la funzione di Bessel modificata del primo tipo di ordine 0:

La densit dei punti nel cerchio diventa uniforme quando = 0, mentre i valori
alti di punti rendimento che sono strettamente raggruppati attorno . La
densit von Mises unimodale e simmetrico attorno alla direzione media. La
direzione media anche la modalit. La densit von Mises vicino alla densit
gaussiana quando la concentrazione elevata e vicino alla densit Cauchy
quando basso.
Dato un insieme di dati con N angoli {x1, ..., xn} campionati a caso da M (, ),
lo stimatore di massima verosimiglianza di la media campionaria direzione.
D'altra parte, lo stimatore di massima verosimiglianza di non pu essere
calcolata analiticamente e approssimazioni numeriche devono essere usate.
Qui, il pacchetto 'circolare' per R stato usato per calcolare gli stimatori di
massima verosimiglianza dei parametri. Vedere alcuni esempi in supplementari
figura S2, dove un istogramma e la densit von Mises si sovrappongono per i
dati dalla stessa zona corticale e per ordine del ramo.
Rappresentazioni grafiche di dati angolari
In questa sezione, si descrivono le due rappresentazioni grafiche utilizzate in
questo studio per ritrarre i risultati delle analisi.
Diagrammi a rosa

In un diagramma rosa, la circonferenza divisa in settori K con la stessa

lunghezza d'arco e l'area di ogni settore mostra il numero di angoli contenuti in
un dato intervallo di angoli. Per ottenere questo, il raggio di ciascun settore
deve essere proporzionale alla radice quadrata del numero di angoli
nell'intervallo. In questo studio abbiamo utilizzato K = 20 settori. Vedere alcuni
esempi in supplementare Figura S2.
Grafici a scatole circolari per dati angolare
Introduciamo qui un analogo circolare del boxplot noto, che abbiamo chiamato
boxplot circolare. Le statistiche riassuntive di un set di dati vengono
visualizzatie come archi all'interno di un cerchio (Figura 2C). La mediana del set
di dati mostrata con un punto segnato. Le linee spesse colorate si estendono
dal quartile inferiore (Q1) al quartile superiore (Q3) del dataset. I baffi (linee
nere sottili) si estendono dal minimo ai valori massimi nel dataset compresa
nell'intervallo [Q1 - 1.5 IQR, Q3 + 1.5 IQR], dove IQR = Q3 - Q1 la gamma
interquartile. I valori dei dati al di fuori di questo intervallo vengono considerati
valori anomali e mostrati con piccoli punti colorati. Questa rappresentazione
permette ai grafici a scatole di diverse serie di dati da visualizzare nello stesso
grafico, tracciando archi corrispondenti a diverse distanze dal centro del
cerchio. Gli angoli alle biforcazioni di dendriti basali hanno valori da 0 a 180
gradi. Pertanto, i grafici a scatole circolari sono stati visualizzati su un
semicerchio al posto del cerchio completo (vedi figure complementari S3-S5).
I test statistici
I test di bont di adattamento ad una distribuzione von Mises
Abbiamo testato se i set di dati di angoli di biforcazione a prospettiva
standard/invertita possono essere modellati con una densit di von Mises, M (,
), con parametri incogniti. Abbiamo eseguito un test di Watson per la bont di
adattamento ad un distribuzione von Mises. Sulla base dei quantili, gli intervalli
per il p-value di ciascuna prova sono quelli riportati nelle tabelle supplementari
2-5. Un livello di significativit = 0.05 stato utilizzato.
L'analisi della varianza per i dati angolare
Abbiamo cercato differenze statisticamente significative tra gli angoli medi dei
diversi set di dati. Dato un numero S di diversi set di dati di angoli, abbiamo
applicato il test Watson-Williams per verificare l'ipotesi nulla di mezzi uguali in
tutti i set di dati, vale a dire, (H0: 1 = 2 = ... = mS). Il test di WatsonWilliams presuppone che i set di dati S seguono distribuzioni von Mises
(verificato per i nostri dati) con la stessa concentrazione. Tuttavia, questo test
ha dimostrato di essere solido contro le deviazioni di queste assunzioni. Vedere
Tabelle supplementari 6, 8, 10, 12, 14, 16, 18 e 20.
Test non parametrici per confrontare le medie di due set di dati di angoli
Quando il test Watson-Williams rivelava differenze statisticamente significative,
abbiamo effettuato tutti i confronti a coppie tra i set di dati S e guardato per
differenze specifiche nei loro angoli medi. Abbiamo applicato un test non
parametrico per cercare le differenze tra due insiemi di dati senza assumere
una distribuzione di generazione parametrica nota. Il test Watson stato
utilizzato per verificare l'ipotesi nulla di mezzi uguali dei due dataset (H0: 1 =

2). Abbiamo usato un livello di significativit = 0.05. Vedere le tabelle

supplementari 7, 9, 11, 13, 15, 17, 19 e 21.
Diagrammi test-based
Qui, vi proponiamo un nuovo modo per mostrare graficamente i risultati dei
test Watson di tutti i confronti a coppie tra S diversi set di dati (vedi paragrafo
precedente). Abbiamo costruito un grafico con nodi S, uno per ogni insieme di
dati in confronto. Due nodi erano collegati da una linea quando non abbiamo
potuto rifiutare l'ipotesi nulla di angoli medi pari con prova Watson. Cos, due
nodi non erano collegati se gli angoli medi dei gruppi di dati corrispondenti
sono stati ritenuti significativamente differenti. Questi diagrammi statistici sono
riportati nelle figure 2D, 2E, del testo e nelle figure S3-S5.