XiaoMi-AI文件搜索系统
World File Search SystemNeuroML
标准化多-UCL发现的神经元生态系统
神经元和电路的抽象数据驱动模型对于理解膜电导，突触，树突和神经元之间的解剖连通性如何产生健康和疾病中脑电路的复杂动力学行为。然而，这些生物过程的固有复杂性使生物学上详细的模型的构建和重复使用具有挑战性。已经开发了广泛的工具来帮助他们的构建和模拟，但是设计和内部代表的差异是希望在其研究工作流程中使用数据驱动模型的人的技术障碍。Neuroml是一种模型描述计算神经科学的语言，是为了解决建模工具中的这种分裂而开发的。自成立以来，Neuroml已演变为一个成熟的社区标准，该标准涵盖了计算神经科学中广泛的模型类型和方法。它已启用了可互操作的开源软件工具的大型生态系统，用于创建，可视化，验证和模拟模型。在这里，我们描述了如何将神经生态系统纳入研究工作流程中，以简化神经系统的标准化模型的构建，测试和分析，并支持公平的（可发现性，可访问性，互操作性和可重复性）原理，从而促进开放，透明，透明，透明，透明和可重复的科学。
用于神经科学标准化多尺度建模的 NeuroML 生态系统
神经元和电路的数据驱动模型对于理解膜电导、突触、树突和神经元之间的解剖连接的特性如何产生健康和疾病状态下的脑回路的复杂动态行为非常重要。然而，这些生物过程固有的复杂性使得构建和重复使用生物学详细模型具有挑战性。已经开发了各种各样的工具来帮助构建和模拟它们，但设计和内部表示的差异对那些希望在研究工作流程中使用数据驱动模型的人来说是技术障碍。NeuroML 是一种用于计算神经科学的模型描述语言，它的开发就是为了解决建模工具中的这种碎片化问题。自成立以来，NeuroML 已经发展成为一个成熟的社区标准，涵盖了计算神经科学中的各种模型类型和方法。它促成了一个大型生态系统的开发，该生态系统由可互操作的开源软件工具组成，用于创建、可视化、验证和模拟数据驱动模型。在这里，我们描述了如何将 NeuroML 生态系统纳入研究工作流程，以简化神经系统标准化模型的构建、测试和分析，并支持 FAIR（可查找性、可访问性、互操作性和可重用性）数据原则，从而促进开放、透明和可重复的科学。
定量评估临床前铸造的原代基因编辑人干细胞中染色体重排的定量评估
研究人员开发了具有越来越复杂和规模的神经系统的计算模型，通常情况下，从头开始模型的开发是不切实际且效率低下的。因此，迫切需要快速找到，评估，重复使用和建立其他研究人员开发的模型和模型组件。我们介绍了Neuroml数据库（Neuroml-db.org），该数据库已开发出来，以满足这一需求并汇总其他模型共享资源。Neuroml-DB存储以前已转换为模块化神经模型描述语言的离子通道，细胞和网络的1,500多个离子通道，细胞和网络模型。数据库还提供了与其他神经科学模型数据库（模型，开源大脑）的相互链接以及对原始模型出版物的访问（PubMed）。这些链接以及神经科学信息框架（NIF）搜索功能提供了与其他神经科学社区建模资源的深入集成，并极大地促进了寻找合适的重复使用模型的任务。作为一种中间语言，NeuroMl及其工具生态系统可以有效地翻译模型为其他流行的模拟器格式。模块化性质还可以有效地分析大量模型和对其性质的检查。数据库的搜索功能以及基于Web的可编程在线界面，使研究人员社区可以快速评估存储的模型电力学，形态和计算复杂性属性。此分析提供了有关模型相似性的进一步信息，以丰富数据库搜索。我们使用这些功能来对神经元和离子通道模型进行数据库规模分析，并描述由细胞模型簇在模型性能和f构图的空间中形成的新型四面体结构。
EDEN：高性能、通用、NeuroML...
现代神经科学在不断增加和更详细的神经网络上采用计算机模拟实验。高建模细节与高模型可重复性、可重用性和透明度的需求密切相关。此外，模型的大小和研究中的长时间尺度要求使用具有高计算性能的模拟系统，以提供可接受的结果时间。在这项工作中，我们提出了 EDEN（网络可扩展动态引擎），这是一种新的通用、基于 NeuroML 的神经模拟器，通过创新的模型分析和代码生成技术实现了高模型灵活性和高计算性能。该模拟器直接运行 NeuroML-v2 模型，无需用户学习另一种特定于模拟器的模型规范语言。EDEN 的功能正确性和计算性能通过 NeuroML-DB 和开源大脑模型存储库中提供的 NeuroML 模型进行评估。在定性实验中，EDEN 生成的结果针对各种模型与现有的 NEURON 模拟器进行了验证。同时，计算性能基准测试表明，EDEN 的运行速度比典型台式计算机上的 NEURON 快一到两个数量级，而且无需用户付出额外努力。最后，无需用户付出额外努力，EDEN 已从头开始构建，可在多个 CPU 和计算机集群（如果可用）上无缝扩展。