NetPyNE について

• デュラ・ベルナル S、スーター B、グリーソン P、カンタレッリ M、キンタナ A、ロドリゲス F、ケジオラ DJ、チャダードン GL、カー CC、ネイモティン SA、マクドゥガル R、ハインズ M、シェパード GMG、リットン WW。 NetPyNE: 脳回路のデータ駆動型マルチスケール モデリングのためのツール。 eLife 2019;8:e44494 、 2019.

• リットン WW、ザイデンシュタイン AH、デュラ ベルナル S、マクドゥガル RA、シュールマン F、ハインズ ML。 脳研究を前進させるためのシミュレーション ニューロテクノロジー: NEURON での大規模ネットワークの並列化。 ニューラル コンピューティング、2016 年。

• デュラ・ベルナル S、スーター BA、キンタナ A、カンタレッリ M、グリーソン P、ロドリゲス F、ネイモティン SA、ハインズ M、シェパード GMG、リットン WW。 NetPyNE: 大規模なデータ駆動型ネットワーク モデルを並行して構築、シミュレーション、分析するための GUI ベースのツール NEURON。 Society for Neuroscience (SfN)、2018。

• デュラ・ベルナル S、スーター BA、ネイモティン SA、シェパード GMG、リットン WW。 皮質微小回路におけるシナプス接続の細胞内分布のモデル化。 神経科学協会 (SFN)、2016。

• デュラ・ベルナル S、スーター BA、ネイモティン SA、カー CC、キンタナ A、グリーソン P、シェパード GMG、リットン WW。 NetPyNE: 生物学的ニューロン ネットワークの開発と並列シミュレーションを容易にする NEURON 用の Python パッケージ 計算神経科学 (CNS)、2016 年

• グリーソン P、マリン B、サデー S、キンタナ A、カンタレッリ M、デュラ ベルナル S、リットン WW、デイヴィソン A、シルバー RA。 オープンソース脳上の複数のスケールで厳選された皮質モデルのセット。 計算神経科学 (CNS)、2016。

• デュラ・ベルナル S、スーター BA、ネイモティン SA、キンタナ AJ、グリーソン P、シェパード GMG、リットン WW。 皮質における細胞接続性の一次座標系としての正規化皮質深さ (NCD): 実験とモデル。 神経科学協会 (SFN)、2015。

NetPyNE を利用する

• テラ、H.d.C.B.、ボルヘス、F.d.S.、モラエス、MF.D.、コタ、V.R. NEURON シミュレータ用の細胞内および細胞外の非周期的スケールフリー刺激のコンピュータでの実装。Communications in Computer and Information Science、vol 1519。Springer、Cham。 2021年。ドイ:https://doi.org/10.1007/978-3-031-08443-0_8

• Ying Y、Yubo F、Songan H、Qingyun W. 一次運動野の光遺伝学的刺激は大脳基底核のベータ振動を調節する: 計算による研究 非線形科学と数値シミュレーションにおけるコミュニケーション、第 117 巻。2023。ドイ:https://doi.org/10.1016/j.cnsns.2022.106918

• ハセガン D、デイブル M、アール C、ドノフリオ D、ハザン H、アンワル H、ネイモティン SA。 マルチタイムスケールの生物学的学習アルゴリズムは、スパイキング ニューロン ネットワークの運動制御をトレーニングします bioRxiv 2021.11.20.469405、2021。土井: https://doi.org/10.1101/2021.11.20.469405.

• ブライソン A、バーコビッチ SF、ペトルー S、グレイデン DB。 皮質ネットワーク モデルにおける抑制性介在ニューロンを介した状態遷移。 PLoS Comput Biol 17(10): e1009521、2021。土井: https://doi.org/10.1371/journal.pcbi.1009521.

• ピメンテル1 JM、モイオリRC、デ・アラウホMFP、ラニエリCM、ロメロRAF、ブロズF、バルガスPA。 Neuro4PD: パーキンソン病の初期ニューロボティクス モデル。 正面。ニューロロボット。 15:640449、2021。土井：10.3389/fnbot.2021.640449。

• ヴォルク、V.L.、ハミルトン、LD、ヒューム、DR他。 神経筋骨格モデリングを改善するための有限要素フレームワーク内での神経アーキテクチャの統合。 Scientific Reports 11、22983、2021。土井: https://doi.org/10.1038/s41598-021-02298-9.

• ラニエリ CM、モイオリ RC、バルガス P、ロメロ RAF、人間活動認識に基づく行動選択へのニューロロボティクス アプローチ、arXiv:2107.12540 [cs.RO]、2021。 https://arxiv.org/abs/2107.12536.

• Ranieri CM、Pimentel JM、Romano MR、Elias LA、Romero RAF、Lones MA、Araujo MFP、Vargas PA、Moioli RC、マーモセット サルに基づくパーキンソン病のデータ駆動型生物物理計算モデル、IEEE Access、vol. 9、122548-122567ページ、2021。土井: https://doi.org/10.1109/ACCESS.2021.3108682.

• Metzner C、Mäki-Marttunen T、Karni G、McMahon-Cole H、Steuber V. ガンマ帯振動に対する統合失調症関連遺伝子の変化の影響、bioRxiv 2020.09.28.316737、2020。土井: https://doi.org/10.1101/2020.09.28.316737.

• Gao P、Graham J、Zhou W、Jang J、Angulo S、Dura-Bernal S、Hines ML、Lytton WW、Antic S 局所グルタミン酸媒介樹状プラトー電位は皮質錐体ニューロンの状態を変化させる、Journal of Neurophysiology (出版中)。 2020年。

• Sivagnanam S、Gorman W、Doherty D、Neymotin S、Hovhannisyan H、Fang S、Lytton W、Dura-Bernal S Google Cloud Platform を使用した脳神経回路の大規模モデルのシミュレーション、先端研究コンピューティングの実践と経験、PEARC2020、2020。

• Neymotin, S.A.、Daniels, D.S.、Caldwell, B.、McDougal, R.A.、Carnevale, N.T.、Jas, M.、Moore, C.I.、Hines, M.L.、Hamalainen, M.、および Jones, S.R.、 Human Neocortical Neurosolver (HNN)、ヒト MEG/EEG の細胞およびネットワーク起源を解釈するための新しいソフトウェア ツールデータ、eLife、9、p.e51214、2020。ドイ: https://elifesciences.org/articles/51214 。

• Lytton WW、Sherif MA、Dura-Bernal S、Neymotin S. 「精神」疾患のマルチスケール モデリング、仮想生理学的人間カンファレンス、VHP2020、2020。

• デュラベルナル S、ネイモティン SA、スーター BA、シェパード GMG、リットン WW。 一次運動野微小回路のデータ駆動型モデルにおけるマルチスケールのダイナミクスと情報の流れ、bioRxiv 201707、2019。土井: https://www.biorxiv.org/content/10.1101/201707v3.

• Gerkin, R.C.、Birgiolas, J.、Jarvis, R.J.、Omar, C.、Crook, S.M.. NeuronUnit: SciUnit を使用したニューロン モデルのデータ駆動型検証用パッケージ、bioRxiv、p.665331、2019。

• グリーソン P、カンタレッリ M、キンタナ A、アーンサー M、ピアジーニ E、ビルジオラス J、キャノン RC、ケイコ-ガジック A、クルック S、デイヴィソン AP、デュラ-ベルナル S、他。 Open Source Brain: ニューロンと回路の標準化モデルを視覚化、分析、シミュレーション、開発するための共同リソース、Neuron、10.1016/j.neuron.2019.05.019、2019。ドイ: https://www.cell.com/neuron/fulltext/S0896-6273(19)30444-1。

• Dai K、Hernando J、Billeh JN、Gratiy SL、Planas J、Davison AP、Dura-Bernal S、Gleeson P、Devesse A、Gevaert M、King JG、Van Geit WAH、Povolotsky AV、Muller E、Courcol J-D、Arkhipov A 。 大規模ネットワーク モデルの効率的な記述のための SONATA データ形式、bioRxiv、625491 [Preprint] doi: https://www.biorxiv.org/content/10.1101/625491v2. PLoS Computational Biology で検討中。 2019年

• Dura-Bernal S、Neymotin SA、Suter BA、Shepherd GMG、Lytton WW 長距離入力と H 電流は、マウス M1 微細回路のマルチスケール モデルにおけるさまざまな動作モードを制御します、bioRxiv 201707、2018。土井: https://www.biorxiv.org/content/10.1101/201707v3.

学位論文:

• Volk, V. 神経変性状態のメカニズムと治療を調査するための有限要素フレームワーク内の統合神経筋骨格モデリング、ボイシ州立大学、2022。

カンファレンスの要約:

• デュラ・バーナル S、グリフィス EY、バルザック A、オコネル ミネソタ、マクギニス T、アンワー H、リットン WW、ラカトス P、ネイモティン SA。 マカクの聴覚視床皮質回路の生物物理学的に詳細なマルチスケール モデルは生理学的振動を再現します。 Computational Neurosience (CNS)、2020。

• グリフィス EY、デュラ バーナル S、バルザック A、オコネル ミネソタ、マクギニス TM、リットン WW、ラカトス P、ネイモティン SA。 聴覚視床皮質系リズムのデータ駆動型モデル。 神経科学学会 (SfN)、2019。

• ドハーティ DW、デュラ・バーナル S、リットン WW。 マウス領域 M1 のコンピューター モデルは、層または細胞の種類によって定義された完全なモデルとサブサーキットの雪崩を示しています。 神経科学協会 (SfN)、2019。

• デュラ・ベルナル S、メンジーズ RS、マクロークラン C、ファン アルバダ SJ、ケジオラ DJ、ネイモティン SA、リットン WW、カー CC。 計算能力に対するネットワーク サイズの影響。 計算神経科学 (CNS)、2016。

• ロマロ C、アラウホ ナジマン F、デュラ ベルナル S、ロケ AC。 再スケーリング オプションを備えた NetPyNE/NEURON への Potjans-Diesmann 皮質微小回路モデルの実装。 Computational Neuroscience (CNS)、2018。

• ロドリゲス F. 歯状回ネットワーク モデル 計算神経科学 (CNS)、2018。

NetPyNE を引用します

• Spreizer S、Senk J、Rotter S、Diesmann M、Weyers、NEST デスクトップ、神経科学のための教育アプリケーション eNeuro 2021 年 11 月 11 日、8 (6) ENEURO.0274-21.2021、2021。土井: http://doi.org/10.1523/ENEURO.0274-21.2021.

• Amsalem, O.、Eyal, G.、Rogozinski, N.、Gevaert, M.、Kumbhar, P.、Schürmann, F.、および Segev, I.、詳細な非線形ニューロン モデルの効率的な分析的削減 Nature Communications、11(1)、pp.1-13、2020。土井: https://www.nature.com/articles/s41467-019-13932-6.

• Billeh、Y.N.、Cai、B.、Gratiy、S.L.、Dai、K.、Iyer、R.、Gouwens、N.W.、Abbasi-Asl、R.、Jia、X.、Siegle、J.H.、Olsen、S.R.そしてコッホ、C.、 マウス一次視覚野のマルチスケールモデルへの構造データと機能データの体系的な統合。 Neuron (プレス中) NEURON-D-19-01027、2020。土井: https://papers.ssrn.com/sol3/papers.cfm?abstract_id=3416643.

• Tran, H.、Ranta, R.、Le Cam, S.、および Louis-Dorr, V.、形態学的フィルタリング近似に基づく細胞外活動電位シグネチャの高速シミュレーション Journal of Computational Neuroscience、pp.1-20、2020。土井: https://doi.org/10.1007/s10827-019-00735-3.

• Gast, R.、Rose, D.、Salomon, C.、Möller, H.E.、Weiskopf, N.、および Knösche, T.R.. PyRates—レートベースのニューラル シミュレーション用の Python フレームワーク。 PLoS ONE、14(12)、2019。土井: https://doi.org/10.1371/journal.pone.0225900.

• Tejada J、Roque AC、コンダクタンスベースのモデルと断片化問題: 海馬 CA1 錐体細胞モデルとてんかんに基づくケーススタディ Epilepsy & Behavior、106841、2019。土井: https://doi.org/10.1016/j.yebeh.2019.106841.

• Kuhl E、Alber M、Tepole BA、Cannon WR、De S、Dura-Bernal S、Garikipati K、Karniadakis GE、Lytton WW、Perdicaris P、Petzold L. マルチスケール モデリングと機械学習の出会い: 何が学べるでしょうか? arXiv:1911.11958。ドイ: https://doi.org/10.1007/s11831-020-09405-5. [プレプリント]。 応用力学および工学におけるコンピュータ手法で検討中。 2019年

• Alber M、Buganza A、Cannon W、De S、Dura-Bernal S、Garikipati K、Karmaadakis G、Lytton W、Perdicaris P、Petzold L、Kuhl E. 機械学習とマルチスケール モデリングの統合: 生物学、生物医学、および行動科学における展望、課題、機会。 Nature Partner Journals (npj) Digital Medicine、2、 115、2019。土井: https://www.nature.com/articles/s41746-019-0193-y.

ここでは、Google Scholar</a> の 更新されたリストを参照してください。

将来

• 2022 年 6 月: Google Cloud、Google Office、ニューヨークでの脳回路モデルの構築とシミュレーション (遅延)

過去

• 2020 年 12 月 1: Minicurso - Modelagem Computacional em NetPyNE usand Google Cloud Platform - Simpósio do PPGNCG (ポルトガル語のブラジル語コース)

• 2021 年 7 月: CNS’21 NEURON と NetPyNE を使用して、分子からネットワークまで生物物理学的に詳細なニューロン モデルを構築します。

• 2021 年 5 月: オンライン 2 週間コース: NetPyNE を使用した脳回路のマルチスケール モデリング。

• 2020 年 7 月: CNS*2020 機構マルチスケール モデルの構築: NEURON と NetPyNE を使用した分子からネットワークまで、オンライン カンファレンス

• 2020 年 1 月: VIII Latin American School on Computational Neuroscience (LASCON)、サンパウロ大学数学統計研究所、ブラジル

• 2019 年 7 月: CNS*2019 チュートリアルの主催者および講師、生物物理学的に詳細なニューロン モデルの構築: 分子からネットワークまで、バルセロナ。

• 2019 年 5 月: マルチスケール ネットワーク モデリングに関するワークショップ、ブラウン大学。

• 2019 年 5 月: 計算神経科学の原理、サルデーニャのサッサリ大学。

• 2018 年 6 月: NEURON 夏期コース、アトランタのエモリー大学。

• 2018 年 7 月: CNS/*2018 分子レベルから大規模ネットワーク レベルまでのマルチスケール モデリング、CNS/*2018、シアトル。

• 2018 年 1 月: VII Latin American School on Computational Neuroscience (LASCON)、サンパウロ大学数学統計研究所、ブラジル

• 2017 年 7 月: バーンスタイン計算神経科学カンファレンス、マルチスケール モデリングとシミュレーション、ゲッティンゲン。