Inducci\u00f3n de ensamblajes neuronales en diferentes reg\u00edmenes de equilibrio de excitaci\u00f3n-inhibici\u00f3n. (A) Esquema de los protocolos convencionales para la inducci\u00f3n e investigaci\u00f3n de la plasticidad que a menudo implican un peque\u00f1o n\u00famero de neuronas y perturbaciones con pulsos breves. (B a D) Pasos anal\u00edticos (B) para evaluar el efecto de las perturbaciones externas en la formaci\u00f3n de ensamblajes que involucran din\u00e1micas de respuestas de red (C) y plasticidad en toda la red (D). Conociendo la matriz de pesos (W), las perturbaciones de entrada (s) se transfieren a las perturbaciones de salida (r) (C); los patrones de actividad correlacionados resultantes de las neuronas presin\u00e1pticas y postsin\u00e1pticas (), a su vez, gu\u00edan una plasticidad de pesos en toda la red (D). (E) Esquema del protocolo de perturbaci\u00f3n para estudiar la plasticidad en redes a gran escala compuestas de neuronas excitatorias (Exc) e inhibidoras (Inh) (arriba). No se muestran las conexiones entre las subpoblaciones. Abajo a la izquierda: las neuronas excitatorias Np se perturban con una serie de pulsos de estimulaci\u00f3n que alternan entre los estados ON y OFF. Abajo a la derecha: el resultado de las perturbaciones en t\u00e9rminos de la inducci\u00f3n de conjuntos se analiza evaluando la potenciaci\u00f3n de los pesos dentro del conjunto perturbado de neuronas (naranja) como resultado del aprendizaje hebbiano (ver Materiales y m\u00e9todos). (F) Parametrizaci\u00f3n de diferentes reg\u00edmenes en los que se inducen ensamblajes neuronales que ilustran reg\u00edmenes de acoplamiento EI d\u00e9biles (k = 1; arriba) versus fuertes (k > 1; abajo). JIE = JEI = JII = kJEE. (G) Respuestas de neuronas excitatorias NE e inhibidoras NI en una red con acoplamiento EI d\u00e9bil (k = 1; arriba) o fuerte (k = 4; abajo) a perturbaciones (10 pulsos con Tp = 50, entregados a Np = 50 neuronas , a partir de T = 300). NE = NI = 500. (H) Cambio promedio normalizado en la actividad (actividad) de diferentes subpoblaciones de neuronas durante la inducci\u00f3n en relaci\u00f3n con la l\u00ednea de base (BL). (I) Matriz de la covarianza de los cambios de respuesta despu\u00e9s de perturbaciones en (G) y (H). Barras naranjas, conjuntos perturbados. (J) La formaci\u00f3n de conjuntos se cuantifica mediante la potenciaci\u00f3n del conjunto (Ensemble pot.; consulte Materiales y m\u00e9todos, Ec. 6) para diferentes tama\u00f1os de conjuntos perturbados (Np) y perfiles temporales (Tp). Cr\u00e9dito: Science Advances, 10.1126\/sciadv.abg8411 <\/p>\n
Los ensamblajes neuronales se forman a trav\u00e9s de la activaci\u00f3n repetitiva de subpoblaciones de neuronas para guiar el aprendizaje y el comportamiento. Los avances t\u00e9cnicos han hecho posible inducir artificialmente tales ensamblajes, aunque queda por identificar el m\u00e9todo de optimizaci\u00f3n de los distintos par\u00e1metros. En un nuevo informe publicado ahora en Science Advances, Sadra Sadeh y Claudia Clopath del departamento de Bioingenier\u00eda del Imperial College London, Reino Unido, estudiaron esta cuesti\u00f3n en redes corticales a gran escala con equilibrio excitatorio-inhibidor (EI). Identificaron la red de fondo dentro de la cual se incrustaron los ensamblajes neuronales y c\u00f3mo regulaban fuertemente su din\u00e1mica y formaci\u00f3n. Si bien las redes con interacciones excitatorias dominantes permitieron la formaci\u00f3n r\u00e1pida de ensamblajes neuronales, este proceso estuvo acompa\u00f1ado por el reclutamiento de neuronas no perturbadas para la inducci\u00f3n no espec\u00edfica. La perturbaci\u00f3n es una t\u00e9cnica clave en la neurociencia de sistemas experimentales y puede ayudar a los investigadores a establecer c\u00f3mo determinadas neuronas se relacionan causalmente con un comportamiento determinado o con una actividad neuronal sucesiva. Los resultados de este trabajo destacaron la presencia de dos regiones que acompa\u00f1an las tareas computacionales y cognitivas con velocidad y especificidad. <\/p>\n
Comprender el cerebro mediante el estudio de ensamblajes neuronales<\/p>\n
Los ensamblajes neuronales o subgrupos de neuronas coactivas interconectadas son los componentes b\u00e1sicos de la computaci\u00f3n y el aprendizaje en el cerebro. Con el avance de las tecnolog\u00edas, los cient\u00edficos han reunido herramientas sin precedentes para interactuar con los circuitos para registrar y perturbar la actividad de las subpoblaciones neuronales y vincular su comportamiento din\u00e1mico. Por ejemplo, los experimentadores pueden inducir artificialmente ensamblajes neuronales dirigi\u00e9ndose a la activaci\u00f3n de un subconjunto de neuronas corticales y la inducci\u00f3n eficiente puede proporcionar un m\u00e9todo poderoso para desencadenar o suprimir un comportamiento para guiar el estudio del cerebro humano. Los investigadores pretenden comprender c\u00f3mo se pueden optimizar los par\u00e1metros de estimulaci\u00f3n y la activaci\u00f3n de las neuronas durante las t\u00e9cnicas de perturbaci\u00f3n para lograr una inducci\u00f3n eficiente. Para estudiar los ensamblajes neuronales en condiciones biol\u00f3gicas, los investigadores deben evaluar la compleja interacci\u00f3n de la plasticidad y la din\u00e1mica de la red. En este trabajo, Sadeh et al. estudi\u00f3 c\u00f3mo se podr\u00edan inducir ensamblajes neuronales en redes recurrentes a gran escala de neuronas excitatorias e inhibitorias en diferentes condiciones de perturbaci\u00f3n. Usando una teor\u00eda desarrollada recientemente para analizar el efecto de las perturbaciones neuronales, el equipo pregunt\u00f3 c\u00f3mo los cambios de actividad resultantes de diferentes perturbaciones guiaban la plasticidad de toda la red. En el primer paso experimental, estudiaron la transferencia de perturbaciones de entrada a respuestas de salida y analizaron los patrones de actividad correlacionados que surgen de estas respuestas para modificar los ensamblajes neuronales. <\/p>\n
Transici\u00f3n de reg\u00edmenes cooperativos a represivos. (A) Potenciaci\u00f3n promedio (Avg. pot.) de sinapsis individuales dentro del conjunto de neuronas perturbadas para diferentes tama\u00f1os de conjunto (Np) y perfiles temporales de perturbaci\u00f3n (Tp) normalizados al m\u00e1ximo. (B) Valores de potenciaci\u00f3n promedio relativos a los pesos promedio de EE en la red (wEE), en comparaci\u00f3n con los valores te\u00f3ricos obtenidos de la din\u00e1mica linealizada de la red basada en su matriz de peso (teor\u00eda W) y del an\u00e1lisis de campo medio (l\u00ednea discontinua). l\u00ednea) (ver Materiales y M\u00e9todos para m\u00e1s detalles). Los resultados de las simulaciones para valores de Tp m\u00e1s grandes convergen a los valores te\u00f3ricos inferidos de W, que, a su vez, coinciden con el an\u00e1lisis de campo medio. El tama\u00f1o del conjunto se expresa como una fracci\u00f3n del total de neuronas E en la red (Np\/NE, donde NE = 500). Otros par\u00e1metros son los mismos que en la Fig. 1. Las redes est\u00e1n en el r\u00e9gimen de acoplamiento EI d\u00e9bil (k = 1). (C) Potenciaci\u00f3n promedio relativa a wEE calculada a partir del an\u00e1lisis de campo medio para diferentes combinaciones de acoplamiento EE de red (JEE = NE wEE) y el tama\u00f1o de los conjuntos perturbados como una fracci\u00f3n del tama\u00f1o total de la red (Np\/NE). (D a F) Igual que (A) a (C) para conjuntos perturbados en redes con fuerte acoplamiento EI (k = 4). La l\u00ednea negra en (F) corresponde a simulaciones previas en (D) y (E) con JEE = 2. Las l\u00edneas blancas indican el rango de JEE estimado en redes corticales de rat\u00f3n con las l\u00edneas continuas y discontinuas correspondientes a la moda (JEE = 2.5 ) y la mediana (JEE = 4.7) de los valores estimados. Cr\u00e9dito: Science Advances, 10.1126\/sciadv.abg8411 Inducci\u00f3n de ensamblajes neuronales en redes inhibitorias excitatorias<\/p>\n
El equipo de investigaci\u00f3n luego investig\u00f3 la formaci\u00f3n de ensamblajes neuronales mediante el an\u00e1lisis de diferentes patrones de perturbaciones en modelos de redes corticales a gran escala con equilibrio excitaci\u00f3n e inhibici\u00f3n. A partir de entonces, simularon las redes compuestas por estos modelos usando conectividad recurrente aleatoria. Sadeh et al. caracteriz\u00f3 los protocolos de inducci\u00f3n basados en m\u00e9todos clave de las perturbaciones, incluido el n\u00famero de neuronas objetivo y las propiedades del est\u00edmulo. A continuaci\u00f3n, simularon la respuesta de la red antes y despu\u00e9s de las perturbaciones en cada r\u00e9gimen para mostrar el dominio de las interacciones excitatorias recurrentes para las neuronas excitatorias no perturbadas durante el acoplamiento d\u00e9bil de excitaci\u00f3n-inhibici\u00f3n. Por el contrario, las neuronas excitatorias no perturbadas en redes con un fuerte acoplamiento excitador-inhibitorio mostraron un dominio de las interacciones recurrentes inhibitorias, donde ambos efectos fueron m\u00e1s fuertes al aumentar el tama\u00f1o del conjunto perturbado en el estudio.<\/p>\n
Transacciones en redes corticales <\/p>\n
Especificidad de la formaci\u00f3n de asambleas en diferentes reg\u00edmenes de equilibrio E\/I. (A) El resultado de la inducci\u00f3n puede ser inespec\u00edfico (izquierda), si la potenciaci\u00f3n de los pesos dentro del conjunto va acompa\u00f1ada de una potenciaci\u00f3n sustancial de las conexiones que se originan fuera del conjunto perturbado, o espec\u00edfico (derecha), cuando la potenciaci\u00f3n de los pesos permanece restringida al conjunto deseado y perturbado. (B) Potenciaci\u00f3n de las conexiones presin\u00e1pticas dentro del ensamblaje (naranja) frente a las del ensamblaje hacia el exterior (ensamblaje hacia afuera; gris), desde el exterior hacia el ensamblaje (fuera hacia el ensamblaje; negro) y dentro del neuronas fuera del ensamblaje (out-to-out; gris punteado), respectivamente. Tp = 50 y la inducci\u00f3n est\u00e1 en el r\u00e9gimen de acoplamiento EI d\u00e9bil (k = 1). La potenciaci\u00f3n del conjunto se calcula como el promedio (a trav\u00e9s de las neuronas postsin\u00e1pticas) de la suma de los pesos de conexi\u00f3n de todas las fuentes presin\u00e1pticas (cf. Fig. 1J). Para cada Np, la potenciaci\u00f3n fuera de ensamblaje se calcula para 100 grupos de neuronas seleccionados aleatoriamente que no sean, pero con el mismo tama\u00f1o (Np) que las neuronas perturbadas. Las barras de l\u00ednea y de error muestran el promedio y la desviaci\u00f3n est\u00e1ndar de los grupos, respectivamente. (C) La especificidad de conjunto (Spec.) cuantifica la especificidad de los conjuntos inducidos para diferentes tama\u00f1os de neuronas perturbadas. Se calcula como (Ew Eo)\/(Ew + Eo), donde Ew y Eo son la potenciaci\u00f3n de conjunto promedio dentro y fuera del ensamblaje (ensamblaje a salida) en (B), respectivamente. La especificidad del conjunto cae para tama\u00f1os de conjunto m\u00e1s grandes, lo que refleja el hecho de que la potenciaci\u00f3n de los pesos dentro del conjunto va acompa\u00f1ada de una potenciaci\u00f3n sustancial de las conexiones desde el exterior. (D y E) Igual que (B) y (C) para ensamblajes neuronales que se forman en redes con fuerte acoplamiento EI (k = 4). La potenciaci\u00f3n fuera del ensamblaje crece mucho m\u00e1s lentamente que la potenciaci\u00f3n dentro del ensamblaje inicialmente hasta que la \u00faltima se estanca y comienza a caer (D), lo que conduce a una mayor especificidad de conjunto para todos los tama\u00f1os de conjunto (E). Cr\u00e9dito: Science Advances, 10.1126\/sciadv.abg8411 <\/p>\n
Para comprender mejor la formaci\u00f3n de asambleas en diversas regiones, Sadeh et al. estudi\u00f3 c\u00f3mo cambiaba la fuerza promedio de las sinapsis individuales en funci\u00f3n de los par\u00e1metros de perturbaci\u00f3n. En el conjunto de neuronas perturbadas, trazaron la potenciaci\u00f3n promedio de las sinapsis para diferentes regiones y mostraron c\u00f3mo surg\u00eda la cooperatividad durante la formaci\u00f3n de conjuntos neuronales en redes con un acoplamiento EI (excitador-inhibidor) m\u00e1s d\u00e9bil. Esto cambi\u00f3 a efectos supresores en redes con interacciones m\u00e1s fuertes. El cableado preexistente en la red guiaba el proceso y las conexiones entre las neuronas pod\u00edan organizarse de acuerdo con sus propiedades funcionales. Las redes corticales normalmente podr\u00edan regular su actividad despu\u00e9s de la privaci\u00f3n sensorial, como una lesi\u00f3n o privaci\u00f3n de entrada, donde los ensamblajes neuronales estuvieron involucrados durante la recuperaci\u00f3n espec\u00edfica de la subred. Para entender este proceso, Sadeh et al. redujo la entrada de retroalimentaci\u00f3n a un compartimento de neuronas en la red y estudi\u00f3 c\u00f3mo la activaci\u00f3n externa correlacionada de un subconjunto conduc\u00eda a la recuperaci\u00f3n. Los resultados mostraron c\u00f3mo las fuertes interacciones EI (excitatorias-inhibitorias) dieron forma a la formaci\u00f3n de ensamblajes neuronales espec\u00edficos en la red y su recuperaci\u00f3n como consecuencia de la privaci\u00f3n de entrada. <\/p>\n
Crecimiento de conjuntos en redes con interacci\u00f3n recurrente de din\u00e1mica y plasticidad. (A) Interacci\u00f3n de circuito cerrado de la din\u00e1mica de la red y la plasticidad de la red que subyace a la formaci\u00f3n y el crecimiento de los ensamblajes neuronales. La din\u00e1mica de la red gobernada por la matriz de pesos (W) determina las respuestas de entrada-salida a las perturbaciones externas que, a su vez, dan forma a la estructura de las covarianzas. La plasticidad de la red (P) guiada por los patrones de covarianza resultantes determina los cambios de peso y actualiza, en una escala de tiempo m\u00e1s lenta, la matriz de peso, que, a su vez, modifica la din\u00e1mica de la red. (B) Arriba: Radio espectral de la red que denota el crecimiento del valor propio m\u00e1ximo de la matriz de peso (0) en diferentes pasos de actualizaci\u00f3n de peso. Para evitar la inestabilidad de la din\u00e1mica de la red (0 > 1), el aprendizaje se detiene antes de que 0 alcance un umbral cercano a 1 (l\u00ednea discontinua vertical). Abajo: muestras de matrices de peso del conjunto perturbado en diferentes etapas para redes en diferentes reg\u00edmenes E\/I. Np = 20, Tp = 50; resto de par\u00e1metros iguales a los de la Fig. 2. (C) Evoluci\u00f3n del radio espectral en diferentes reg\u00edmenes. (D) Acoplamiento de conjunto (acoplamiento de campo medio de las poblaciones) dentro del conjunto perturbado (naranja) y de las neuronas fuera del conjunto perturbado al conjunto (gris) (cf. Fig. 3, B y D) en diferentes actualizaciones de peso ( punteada, k = 1; s\u00f3lida, k = 4). (E) Proyecci\u00f3n relativa del vector propio (v0) correspondiente al valor propio m\u00e1s grande (0) de la red sobre las neuronas dentro (naranja) y fuera (gris) del conjunto perturbado para redes con k = 1 (discontinua) y k = 4 ( s\u00f3lido). Se calcula como la parte real media de las entradas correspondientes a neuronas perturbadas y no perturbadas normalizadas por el valor m\u00e1ximo de cada r\u00e9gimen. (F) Izquierda: Distribuci\u00f3n de la parte real del vector propio m\u00e1s grande (v0) sobre las neuronas excitatorias al final del aprendizaje. L\u00ednea discontinua, el valor promedio (entre neuronas excitatorias) de la distribuci\u00f3n inicial antes de la inducci\u00f3n. Derecha: Proyecci\u00f3n promedio del vector propio final sobre neuronas excitatorias dentro y fuera del conjunto perturbado. Cr\u00e9dito: Science Advances, 10.1126\/sciadv.abg8411 Actuaciones conductuales asociadas con ensamblajes neuronales<\/p>\n
Los ensamblajes neuronales tambi\u00e9n est\u00e1n asociados con diferentes est\u00edmulos para guiar y desencadenar el comportamiento. Sadeh et al. a continuaci\u00f3n, busc\u00f3 comprender c\u00f3mo los ensamblajes neuronales formados en diferentes regiones de IE contribuyeron al desempe\u00f1o conductual al simular el desarrollo de dos ensamblajes neuronales asociados con est\u00edmulos distintos. Las redes con un acoplamiento EI d\u00e9bil aumentaron r\u00e1pidamente en fuerza de recuerdo para representar la capacidad de la red para detectar la presencia de un est\u00edmulo. Seg\u00fan los resultados, los ensamblajes neuronales amplificaron una estimulaci\u00f3n d\u00e9bil de una peque\u00f1a fracci\u00f3n de sus neuronas para proporcionar un sustrato para recuerdos r\u00e1pidos y fuertes. En redes con fuerte acoplamiento EI, la fuerza de recuerdo fue comparativamente m\u00e1s d\u00e9bil, aumentando m\u00e1s lentamente. Los resultados destacaron la aparici\u00f3n m\u00e1s lenta de ensamblajes neuronales en regiones dominadas por la inhibici\u00f3n, mientras que comparativamente, los ensamblajes formados en regiones de IE m\u00e1s d\u00e9biles eran aptos para tareas cognitivas m\u00e1s r\u00e1pidas pero m\u00e1s crudas. Los investigadores demostraron c\u00f3mo pueden regular diferentes modos de aprendizaje al modular el equilibrio de IE en la red a trav\u00e9s de mecanismos de arriba hacia abajo para proporcionar un m\u00e9todo poderoso. El equipo logr\u00f3 diferentes modos de aprendizaje e inducci\u00f3n, generalmente modulando la red seguida de estudios sobre transiciones din\u00e1micas entre diferentes regiones de plasticidad excitatoria-inhibitoria (EI) para mostrar c\u00f3mo las diferentes reglas de plasticidad dieron forma a la din\u00e1mica del aprendizaje de diferentes maneras.<\/p>\n
Transiciones din\u00e1micas entre diferentes reg\u00edmenes de formaci\u00f3n de asambleas. (A) Esquema de una red con plasticidad EE y EI antes y despu\u00e9s de la inducci\u00f3n de ensamblajes. (B) Matriz de peso final de la red al final del aprendizaje en la red donde los pesos EE y EI son pl\u00e1sticos (izquierda) en comparaci\u00f3n con la condici\u00f3n donde la plasticidad EI est\u00e1 bloqueada y solo queda la plasticidad EE (derecha). NE = NI = 400, Np = 100 (neuronas perturbadas #1 a 100). (C) Terminaci\u00f3n de patr\u00f3n en redes con plasticidad EE y EI (izquierda) y solo plasticidad EE (derecha) al final del aprendizaje. (D) Crecimiento del radio espectral (arriba), proyecci\u00f3n promedio del vector propio m\u00e1s grande sobre neuronas excitatorias (centro) y evoluci\u00f3n del acoplamiento de conjunto (abajo) en las redes con plasticidad EE y EI (l\u00edneas s\u00f3lidas) y cuando la plasticidad EI es bloqueado (l\u00edneas discontinuas). Cr\u00e9dito: Science Advances, 10.1126\/sciadv.abg8411 Outlook<\/p>\n
De esta manera, Sadra Sadeh y Claudia Clopath estudiaron c\u00f3mo diferentes patrones de perturbaciones induc\u00edan ensamblajes neuronales en redes a gran escala con equilibrio de excitaci\u00f3n-inhibici\u00f3n (EI). El trabajo destac\u00f3 la importancia de estudiar la din\u00e1mica de las redes neuronales y la plasticidad de toda la red para arrojar luz sobre la formaci\u00f3n de ensamblajes neuronales. Atribuyeron los resultados inesperados observados a las interacciones recurrentes dentro de las redes de neuronas excitatorias e inhibidoras. Dado que el aprendizaje conductualmente relevante se produc\u00eda en \u00faltima instancia en conjuntos de neuronas integradas en redes recurrentes a gran escala, el equipo busc\u00f3 comprender el impacto de los antecedentes en la formaci\u00f3n de conjuntos neuronales y el aprendizaje mediante el desarrollo de una red computacional. <\/p>\n
Explore m\u00e1s<\/p>\n
Visualizaci\u00f3n de sinapsis reci\u00e9n formadas con una resoluci\u00f3n sin precedentes M\u00e1s informaci\u00f3n:<\/strong> Sadra Sadeh et al, El equilibrio excitatorio-inhibitorio modula la formaci\u00f3n y la din\u00e1mica de conjuntos neuronales en redes corticales, Science Advances (2021). DOI: 10.1126\/sciadv.abg8411<\/p>\n Alan R. Mardinly et al, Control \u00f3ptico multimodal preciso de la actividad del conjunto neural, Nature Neuroscience (2018).DOI: 10.1038\/s41593-018-0139-8 Informaci\u00f3n de la revista:<\/strong> Science Advances , Nature Neuroscience <\/p>\n","protected":false},"excerpt":{"rendered":" Inducci\u00f3n de ensamblajes neuronales en diferentes reg\u00edmenes de equilibrio de excitaci\u00f3n-inhibici\u00f3n. (A) Esquema de los protocolos convencionales para la inducci\u00f3n e investigaci\u00f3n de la plasticidad que a menudo implican un peque\u00f1o n\u00famero de neuronas y perturbaciones con pulsos breves. (B a D) Pasos anal\u00edticos (B) para evaluar el efecto de las perturbaciones externas en la … Continuar leyendo \u00abLa din\u00e1mica de ensamblajes neuronales en redes corticales basada en el equilibrio excitatorio e inhibitorio\u00bb<\/span><\/a><\/p>\n","protected":false},"author":1,"featured_media":0,"comment_status":"","ping_status":"","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[1],"tags":[],"class_list":["post-2088","post","type-post","status-publish","format-standard","hentry","category-general"],"_links":{"self":[{"href":"https:\/\/www.biblia.work\/articulos-salud\/wp-json\/wp\/v2\/posts\/2088","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/www.biblia.work\/articulos-salud\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/www.biblia.work\/articulos-salud\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/www.biblia.work\/articulos-salud\/wp-json\/wp\/v2\/users\/1"}],"replies":[{"embeddable":true,"href":"https:\/\/www.biblia.work\/articulos-salud\/wp-json\/wp\/v2\/comments?post=2088"}],"version-history":[{"count":0,"href":"https:\/\/www.biblia.work\/articulos-salud\/wp-json\/wp\/v2\/posts\/2088\/revisions"}],"wp:attachment":[{"href":"https:\/\/www.biblia.work\/articulos-salud\/wp-json\/wp\/v2\/media?parent=2088"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/www.biblia.work\/articulos-salud\/wp-json\/wp\/v2\/categories?post=2088"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/www.biblia.work\/articulos-salud\/wp-json\/wp\/v2\/tags?post=2088"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}