Войти
| Разработчик (и) | Майкл Хайнс, Джон В. Мур, и Ted Carnevale |
|---|---|
| Стабильная версия | 7.4 / 5 апреля 2016 г.; 4 года назад (05.04.2016) |
| Репозиторий |  |
| Написано на | C, C ++, FORTRAN |
| Операционная система | Кросс-платформенность |
| Тип | Моделирование нейронов |
| Лицензия | GNU GPL |
| Веб-сайт | http://www.neuron.yale.edu/neuron/ |
Neuron - это среда моделирования для моделирования отдельных и сетей нейронов. Он был в первую очередь разработан Майклом Хайнсом, Джоном В. Муром и Тедом Карневейлом в Йельском университете и Дьюком.
. Нейрон моделирует отдельные нейроны с помощью секций, которые автоматически разделены на отдельные отсеки, вместо того, чтобы требовать от пользователя вручную создавать отсеки. Основным языком сценариев является hoc, но также доступен интерфейс Python. Программы могут быть написаны интерактивно в оболочке или загружены из файла. Neuron поддерживает распараллеливание по протоколу MPI.
Нейрон способен работать с моделями диффузионных реакций и интегрировать диффузионные функции в модели синапсов и клеточных сетей. Распараллеливание возможно с помощью внутренних многопоточных программ для использования на многоядерных компьютерах. 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 GENESIS, Neuron является основой для обучения вычислительной нейробиологии на многих курсах и в лабораториях по всему миру.
Neuron имеет графический пользовательский интерфейс (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 многокамерные 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. С помощью этих конструкторов пользователь может лечь в основу всех симуляций и моделей.
Меню построителя ячеек с шестью видимыми опциями Конструктор ячеек позволяет пользователю создавать и изменять структуры ячеек в виде фигурок. Эти секции составляют основу функционально различных областей нейрона.
Пользователь может определять функционально различные группы секций. Отрезки, ответвляющиеся друг от друга, можно обозначить как «дендриты», в то время как другой, единственный участок, который выступает из того же центрального участка, можно обозначить как «аксон». Пользователь может определять параметры, по которым определенные значения являются переменными в зависимости от раздела. Например, длина пути вдоль подмножества может быть определена как область, функции которой затем могут быть определены позже.
Пользователь может выбрать либо отдельные секции, либо группы и установить точные параметры для длины, диаметра, площадь и длина 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.
Пользователи могут определять кинетические и электрофизиологические функции как для подмножеств, так и для секций. Neuron оснащен вероятностной моделью модели Ходжкина-Хаксли гигантской кинетики аксона кальмара, а также функцией для моделирования пассивной кинетики канала утечки. 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.
Пользователь может генерировать модели как напряжение,, так и лиганд-стробируемый канал. 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.
Neuron позволяет создавать смешанные модели, содержащие как искусственные клетки, так и нейроны. Искусственные ячейки по сути 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.
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 напряжения, патч, одиночных электродов и токовых зажимов, 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. Графики, описывающие оси напряжения, проводимости и тока с течением времени, можно использовать для описания изменений электрического состояния в месте расположения любого сегмента ячейки. Neuron позволяет строить графики изменений как для отдельных точек во времени, так и для всего сечения во времени. Продолжительность пробега может быть установлена. Все точечные процессы, включая те, которые обозначают клетки или синапсы искусственных нейронов, и все графики отражают продолжительность.
В этом примере создается простая клетка с одним отсеком сома и многосекционным аксоном. Он имеет динамику клеточной мембраны, смоделированную с использованием аксона кальмара Ходжкина-Хаксли. Симулятор стимулирует клетку и работает в течение 50 мс.
// создаем две секции, тело нейрона и очень длинный аксон, создаем сому, аксон soma {// длина установлена на 100 микрометров L = 100 // диаметр установлен на 100 микрометров diam = 100 // вставить механизм, имитирующий стандартные каналы кальмара Ходжкина – Хаксли вставить hh // вставить механизм, имитирующий пассивные свойства мембраны insert pas} axon {L = 5000 diam = 10 insert hh insert pas // аксон должен быть смоделирован с использованием 10 отсеков. По умолчанию используется один отсек nseg = 10} // подключаем проксимальный конец аксона к дистальному концу сомы подключаем аксон (0), soma (1) // объявляем и вставляем текущий зажим в середину soma objref стим somatim = new IClamp (0.5) // определяем некоторые параметры стимула: задержку, длительность (в мс) и амплитуду (в нА) стим.del = 10 стим.дур = 5 стим.амп = 10 / / загрузить файл библиотеки NEURON по умолчанию, который определяет процедуру выполнения load_file ("stdrun.hoc") // установить запуск моделирования на 50 мс tstop = 50 // запустить моделирование run ()Можно сгенерировать график, показывающий следы напряжения, начинающиеся от сомы и дистального конца аксона. Потенциал действия на конце аксона возникает немного позже, чем он появляется в соме в момент стимуляции. График зависимости напряжения мембраны от времени.
