BioNet: A Python interface to NEURON for modeling large-scale networks.
BioNet: A Python interface to NEURON for modeling large-scale networks.
复制标题
DOI：
10.1371/journal.pone.0201630
复制
发表时间：
2018
期刊：
影响因子：
3.7
通讯作者：
Arkhipov A
中科院分区：
文献类型：
--
作者：
Gratiy SL;Billeh YN;Dai K;Mitelut C;Feng D;Gouwens NW;Cain N;Koch C;Anastassiou CA;Arkhipov A
神经科学界对开发大规模网络模型非常感兴趣，这些模型将整合不同的实验数据集，以帮助阐明神经元活动和计算的潜在机制。虽然强大的数值模拟器（例如，NEST）的存在，数据驱动的大规模建模仍然具有挑战性，因为在设置和运行网络模拟方面存在困难。我们在Python中开发了一个高级应用程序编程接口（API），该接口有助于构建大规模生物物理学详细网络，并在并行计算机架构上使用NEURON对其进行模拟。这一工具被称为“BioNet”，旨在支持一个模块化的工作流程，其中对构建模型的描述被保存为文件，随后可以加载这些文件以进行进一步的改进和/或模拟。API支持NEURON的内置以及用户定义的细胞和突触模型。它能够模拟NEURON直接支持的各种可观测量（例如，尖峰、膜电压、细胞内[Ca++]），以及插入用于计算额外的可观察量（例如细胞外电位）的模块。高级API平台避免了为实现单个模型而耗时地开发自定义代码，并通过标准化文件轻松实现模型共享。这个工具将帮助神经科学家重新关注解决突出的科学问题，而不是开发狭隘的建模代码。
There is a significant interest in the neuroscience community in the development of large-scale network models that would integrate diverse sets of experimental data to help elucidate mechanisms underlying neuronal activity and computations. Although powerful numerical simulators (e.g., NEURON, NEST) exist, data-driven large-scale modeling remains challenging due to difficulties involved in setting up and running network simulations. We developed a high-level application programming interface (API) in Python that facilitates building large-scale biophysically detailed networks and simulating them with NEURON on parallel computer architecture. This tool, termed “BioNet”, is designed to support a modular workflow whereby the description of a constructed model is saved as files that could be subsequently loaded for further refinement and/or simulation. The API supports both NEURON’s built-in as well as user-defined models of cells and synapses. It is capable of simulating a variety of observables directly supported by NEURON (e.g., spikes, membrane voltage, intracellular [Ca++]), as well as plugging in modules for computing additional observables (e.g. extracellular potential). The high-level API platform obviates the time-consuming development of custom code for implementing individual models, and enables easy model sharing via standardized files. This tool will help refocus neuroscientists on addressing outstanding scientific questions rather than developing narrow-purpose modeling code.
登录
查看更多内容
神经结构：在3D空间中建模神经元网络的工具。
影响因子：
16.2
作者：
Gleeson P;Steuber V;Silver RA
通讯作者：
Silver RA
细胞外田地和电流的起源-EEG，ECOG，LFP和尖峰。
DOI：
10.1038/nrn3241
发表时间：
2012-05-18
期刊：
Nature reviews. Neuroscience
影响因子：
--
作者：
Buzsáki G;Anastassiou CA;Koch C
通讯作者：
Koch C
DOI：
10.1073/pnas.0712231105
发表时间：
2008-03-04
影响因子：
11.1
作者：
Izhikevich, Eugene M.;Edelman, Gerald M.
通讯作者：
Edelman, Gerald M.
影响因子：
7.7
作者：
Bezaire, Marianne J.;Raikov, Ivan;Soltesz, Ivan
通讯作者：
Soltesz, Ivan
影响因子：
1.2
作者：
Holt, GR;Koch, C
通讯作者：
Koch, C