Neuron (программное обеспечение) - Neuron (software)

Нейрон
Разработчики)Майкл Хайнс, Джон В. Мур, и Тед Карневейл
Стабильный выпуск
7.4 / 5 апреля 2016 г.; 4 года назад (2016-04-05)
Репозиторий
Отредактируйте это в Викиданных
Написано вC, C ++, FORTRAN
Операционная системаКроссплатформенность
ТипМоделирование нейронов
ЛицензияGNU GPL
Интернет сайтhttp://www.neuron.yale.edu/neuron/

Нейрон представляет собой симуляционную среду для моделирования отдельных лиц и сетей нейроны. Первоначально он был разработан Майклом Хайнсом, Джон В. Мур, и Тед Карневейл в Йель и Герцог.

Нейрон моделирует отдельные нейроны с помощью секций, которые автоматически подразделяются на отдельные секции, вместо того, чтобы требовать от пользователя вручную создавать секции. Основной язык сценариев - hoc но Python интерфейс также доступен. Программы могут быть написаны интерактивно в оболочке или загружены из файла. Neuron поддерживает распараллеливание через MPI протокол.

Нейрон способен обрабатывать модели диффузионных реакций и интегрировать функции диффузии в модели синапсов и сотовых сетей.[1] Распараллеливание возможно с помощью внутренних многопоточных подпрограмм для использования на многоядерных компьютерах.[2] Свойства мембранных каналов нейрона моделируются с использованием скомпилированных механизмов, написанных с использованием языка NMODL, или с помощью скомпилированных процедур, работающих с внутренними структурами данных, которые настраиваются с помощью Channel Builder.

Наряду с аналогичной программной платформой ГЕНЕЗИС, Neuron - основа для обучения вычислительная нейробиология во многих курсах и лабораториях по всему миру.

Пользовательский интерфейс

Neuron имеет графический интерфейс пользователя (GUI) для использования людьми с минимальным опытом программирования. Графический интерфейс пользователя снабжен конструктором для одно- и многосекционных ячеек, сетей, сетевых ячеек, каналов и линейных электрических цепей. Одно- и многосекционные клетки отличаются тем, что многокамерные клетки имеют несколько «секций», каждая из которых имеет потенциально различные параметры размеров и кинетики. На веб-сайте Neuron доступны учебные пособия, в том числе для получения базовых моделей из построителей сот, каналов и сетей.[нужна цитата ] С помощью этих конструкторов пользователь может лечь в основу всех симуляций и моделей.

Строитель ячеек

Меню построителя ячеек с шестью видимыми опциями

Cell Builder позволяет пользователю создавать и изменять структуры ячеек в виде фигурок. Эти участки составляют основу функционально различных областей нейрона.[3]

Пользователь может определять функционально отдельные группы разделов. Отрезки, ответвляющиеся друг от друга, могут быть обозначены как «дендриты», в то время как другой, единственный участок, который выступает из того же центрального участка, может быть обозначен как «аксон». Пользователь может определять параметры, по которым определенные значения являются переменными в зависимости от раздела. Например, длина пути в подмножестве может быть определена как область, функции которой затем могут быть определены позже.[4][5]

Пользователь может выбрать отдельные секции или группы и установить точные параметры длины, диаметра, площади и длины для этой группы или секции. Любое из этих значений может быть установлено как функция длины или какого-либо другого параметра соответствующего раздела. Пользователь может установить количество функциональных сегментов в секции, что является стратегией пространственного разрешения. Чем больше количество сегментов, тем точнее Neuron может обрабатывать функцию в разделе. Сегменты - это точки, в которых могут быть связаны менеджеры точечных процессов.[6]

Пользователи могут определять кинетические и электрофизиологические функции для подмножеств и секций. Neuron имеет вероятностную модель Модель Ходжкина-Хаксли[7] кинетика аксонов гигантских кальмаров, а также функция для моделирования пассивных канал утечки кинетика. Обе эти функции и характеристики, которые они описывают, могут быть добавлены к мембране сконструированной ячейки. Значения для скорости утечки, проводимости натрия и проводимости калия могут быть установлены для моделирования этой кинетики, могут быть установлены как функции в параметризованной области. Каналы становятся доступными для внедрения в клеточную мембрану.

Конструктор каналов

Пользователь может генерировать как Напряжение - и лиганд-закрытый канал модели. Channel Builder поддерживает локальные точечные каналы, обычно используемые для одиночных больших каналов, функция которых должна быть смоделирована, и общие каналы, плотность которых в ячейке может быть определена. Можно определить максимальную проводимость, обратный потенциал, чувствительность лиганда, ионную проницаемость, а также точную динамику переходных состояний с использованием переменных активации и инактивации, включая дифференциальную проводимость.[8]

Сеть и построитель сетевых ячеек

Neuron позволяет создавать смешанные модели, содержащие как искусственные клетки, так и нейроны. Искусственные ячейки по существу функционируют как точечные процессы, реализованные в сети. Для искусственных ячеек требуется только точечный процесс с определенными параметрами. Пользователь может создавать структуру и динамику ячеек сети. Пользователь может создавать синапсы, используя смоделированные процессы точек синапсов в качестве архетипов. Параметры этих точечных процессов можно изменять для имитации как тормозных, так и возбуждающих реакций. Синапсы могут быть размещены на определенных сегментах сконструированной клетки, где, опять же, они будут вести себя как точечные процессы, за исключением того, что они чувствительны к активности пресинаптического элемента. Ячейками можно управлять. Пользователь создает базовую сетку ячеек сети, принимая ранее завершенные ячейки сети в качестве архетипов. Связи могут быть определены между исходными ячейками и целевыми синапсами в других ячейках. Клетка, содержащая целевой синапс, становится постсинаптическим элементом, тогда как исходные клетки функционируют как пресинаптические элементы. Веса могут быть добавлены для определения силы активации синапса пресинаптической клеткой. Можно активировать опцию построения графика, чтобы открыть график всплесков во времени для отдельных нейронов.

Моделирование и запись

Neuron оснащен множеством инструментов моделирования. В частности, он включает в себя несколько «точечных процессов», которые представляют собой простые функции в определенном сегменте ячейки. Точечные процессы включают моделирование Напряжение, патч, одиночный электрод и текущий зажимы, а также несколько смоделированных синапсов. Процессы точки синапса отличаются своей способностью моделировать интенсивность стимуляции, нелинейно изменяющуюся во времени. Они могут быть размещены в любом сегменте любой секции построенной клетки, индивидуума или сети, и их точные значения, включая амплитуду и продолжительность стимуляции, время задержки активации в прогоне и параметры времени затухания (для синапсов), могут быть определены. из модуля точечного диспетчера процессов. При реализации в сети в виде синапсов параметры точечного процесса определяются в построителе синапсов для конкретной ячейки сети.[9] Графики, описывающие оси напряжения, проводимости и тока с течением времени, можно использовать для описания изменений электрического состояния в местоположении любого сегмента ячейки. Neuron позволяет строить графики изменений как для отдельных точек во времени, так и для всего сечения во времени.[10][11] Продолжительность пробега может быть установлена. Все точечные процессы, включая те, которые обозначают клетки или синапсы искусственных нейронов, и все графики отражают продолжительность.

Примеры

В этом примере создается простая ячейка с одним отсеком. сома и мультиотсек аксон. Он имеет динамику клеточной мембраны, смоделированную с использованием Аксон кальмара Ходжкина-Хаксли кинетика. Симулятор стимулирует клетку и работает в течение 50 мс.

// создаем две секции, тело нейрона и очень длинный аксонСоздайте сома, аксонсома {	// длина установлена ​​на 100 микрометров	L = 100	// диаметр установлен на 100 микрометров	диаметр = 100	// вставляем механизм, имитирующий стандартные каналы кальмара Ходжкина – Хаксли	вставить чч	// вставляем механизм, имитирующий свойства пассивной мембраны	вставить па}аксон {	L = 5000	диаметр = 10	вставить чч	вставить па	// аксон должен быть смоделирован с использованием 10 отсеков. По умолчанию используется одно отделение	nseg = 10}// соединяем проксимальный конец аксона с дистальным концом сомыподключиться аксон(0), сома(1)// объявляем и вставляем текущий зажим в середину сомыobjref стимсома стим = новый IClamp(0.5)// определяем некоторые параметры стимула: задержку, длительность (в мс) и амплитуду (в нА)стим.дель = 10стим.dur = 5стим.усилитель = 10// загружаем файл библиотеки NEURON по умолчанию, который определяет процедуру выполненияload_file("stdrun.hoc")// запускаем симуляцию на 50 мсtstop = 50// запускаем симуляциюбегать()

Может быть создан график, показывающий кривые напряжения, начиная с сомы и дистального конца аксона. В потенциал действия в конце аксона приходит немного позже, чем он появляется в соме в момент стимуляции. График зависимости напряжения мембраны от времени.

NEURON Plot.png

использованная литература

  1. ^ «Новая версия NEURON включает реактивную диффузию! - NEURON».
  2. ^ "www.neuron.yale.edu • Просмотр темы - Теперь доступен NEURON 7.0".
  3. ^ «Указать топологию».
  4. ^ «Указать подмножества».
  5. ^ "Настроить SubsetDomainIterator".
  6. ^ «Укажите геометрию».
  7. ^ Характеристика ионного тока Ходжкина-Хаксли
  8. ^ «Создание канала из спецификации в стиле HH».
  9. ^ Документация PointProcess
  10. ^ «Построение переменных из биофизических моделей клеток в сети».
  11. ^ «Используйте спецификацию модели».

внешние ссылки