|
大规模神经元网络的模拟是欧洲人脑项目(HBP)的关键要素。在一篇新的视角文章中，来自HBP的科学家们争辩说为什么这种模拟对于弥合大脑中神经元和系统水平之间的尺度是不可或缺的。作者描述了对开放式通用模拟引擎的需求，该引擎可以在不同生物细节水平上运行大量不同的大脑候选模型。将这些模拟得出的预测与实验数据进行比较，可以在计算和实验神经科学之间的循环中对模型进行系统测试和改进。
今天，神经科学中使用了各种各样的实验技术来从测量的脑信号中获得对神经功能的深入了解。但要了解大脑中复杂的非线性动力学并解释基础活动如何产生信号，需要进行计算建模。模拟提供了实验主义者和这些模型生成的数据之间的关键联系，一个多作者团队，都隶属于欧洲旗舰人脑项目，现在在新文章“大脑模拟的科学案例”中写道。 这种模拟的基础已经在HBP的脑仿真平台上创建，这是脑科学研究基础设施项目的一部分，可供神经科学界公开使用。该平台提供了一套不断改进的脑网络模拟器，并推动了从单个神经元到大规模全脑网络的各种规模的计算模型和模拟的构建。 由于这些术语很容易混淆，研究人员强调模拟和模型并不完全相同。虽然数学模型可以体现关于大脑如何在方程和实验参数中工作的许多不同假设，但“大脑模拟器可以被视为'数学观测台'来测试各种候选假设。科学家写道，大脑模拟器因此是一种工具，而不是假设，因此可以比作用于对大脑结构或大脑活动进行成像的工具“。在这种情况下的模拟意味着使用复杂的软件工具来设置大脑的复杂模型，这些模型将大量相互连接的神经元表示为运动 - 并观察从它们中产生的可测试预测。 挪威生命科学大学(NMBU)教授，该论文的第一作者Gaute Einevoll解释说：“模拟并不代表目标本身，而是作为测试大脑竞争假设的强有力的新方法”。然后，这用于实现系统的“生物模仿游戏”，其中提供实验数据的最佳预测的模型“获胜”。 为了说明这一点，Einevoll对物理学史进行了类比：“我们的项目可以与艾萨克牛顿的数学新分支的发展进行比较。牛顿需要开发一种称为微积分的数学类型，以检查他提出的关于行星等质量如何相互吸引的拟议定律是否正确。有了它，他可以计算出模型中的行星路径，并验证他的理论与观察结果一致。通过我们开发的模拟基础设施，我们可以类似地测试我们的候选网络模型是否提供与大脑测量一致的预测。Einevoll说，这个工作流程对于进一步的科学进步非常重要。 虽然创建详细的数学模型必须整合和推广实验提供的各种数据，但网络模拟器的基础更简单，更完善，本文解释 - “如何模拟神经元中的电活动的生物物理原理和神经元如何整合来自其他神经元的突触输入并产生动作电位。这些原则是构建大脑网络模拟器的唯一假设。[...]这就是为什么许多模型可以在同一个模拟器中表示的原因，以及为什么可以为网络神经科学开发通用的模拟器。“ “在过去几年中，脑网络模拟器已经成熟，其规模和应用也非常成熟”，Jülich研究中心的计算神经科学家，模拟引擎NEST(神经模拟工具)的开发人员之一Markus Diesmann说。 。在NEURON，Arbor，NEST或The Virtual Brain等HBP模拟引擎中，提供了解决不同分辨率和生物细节水平的骨干(见下文)。每个都根据问题提供特定的优势。 皮质细胞中神经活动的测量：来自插入皮质灰质的线性微电极的尖峰(动作电位)和LFP，来自位于皮质表面上的电极的ECoG，来自位于头皮上的电极的EEG，以及来自脑的源自MEG的测量磁场通过置于头部外部的超导量子干涉装置(SQUID)的活动。用于评估生物物理起源以及神经活动与各种测量中记录的信号之间的联系。该图像归功于人脑计划。 “这些经过充分测试的模拟器在通过数字化工作流程提高研究的可重复性方面发挥着重要作用。Jülich的数据分析专家SonjaGrün表示，在这里取得进展对于能够建立彼此的工作至关重要。“更重要的是，它真正创造了一种跨越实验和理论神经科学的大规模合作的新文化，这是我们迄今为止所没有的”，Diesmann补充道。 科学家在他们的论文中强调，这种合作方法在物理学或天文学等学科中已经很成熟，是解决大脑复杂性的关键步骤。牛顿说他比其他人看得更远，因为他'站在巨人的肩膀上'。同样，我们认为我们需要找到一种方法站在彼此的数学模型的肩膀上，希望能够详细了解大脑网络的功能。“ |
