Potjans-Diesmann 皮层微环路模型的 NetPyNE 实现与重缩放
编程语言
2020-05-11 v1 动力系统
适应与自组织系统
摘要
Potjans-Diesmann 皮层微环路模型是一个被广泛使用的模型，最初在 NEST 中实现。在此，我们使用 NetPyNE（NEURON 模拟器的高级 Python 接口）重新实现了该模型，并复现了原始发表的结果。我们还基于已有的网络理论工作，实现了一种保持一阶和二阶统计量的网络规模重缩放方法。新的实现使得使用具有多房室形态和多个生物物理真实通道的更详细神经元模型成为可能。这为新的研究打开了模型，包括树突处理、单个通道参数的影响以及网络中一般的多尺度相互作用的研究。该重缩放方法提供了在运行这些更真实的模拟时根据需要增大或减小网络规模的灵活性。最后，NetPyNE 便于使用其声明式语言修改或扩展模型；优化模型参数；运行高效的大规模并行化模拟；并通过内置方法分析模型，包括局部场电位计算和信息流度量。
引用
@article{arxiv.2005.03764,
title = {NetPyNE implementation and rescaling of the Potjans-Diesmanncortical microcircuit model},
author = {Cecilia Romaro and Fernando Araujo Najman and William W Lytton and Antonio C Roque and Salvador Dura-Bernal},
journal= {arXiv preprint arXiv:2005.03764},
year = {2020}
}