1º Curso Prático de Modelagem Computacional em Neurociência. Neurossimuladores. Renan O. Shimoura Doutorando

Transcrição

1 1º Curso Prático de Modelagem Computacional em Neurociência Neurossimuladores Renan O. Shimoura Doutorando

2 O que são? Linguagens computacionais ou pacotes para uma linguagem já existente desenvolvidos para facilitar a simulação de neurônios e/ou redes neurais; Contém diversas funções e rotinas já pré-implementadas com foco nos elementos necessários para construção de um neurônio ou rede de neurônios, assim como nos mecanismos biofísicos envolvidos.

3 Por que utilizar neurossimuladores? Otimização da produtividade científica; Geralmente gastasse mais tempo escrevendo os códigos do que utilizando-os para rodar os experimentos; Ajuda na reprodutibilidade e universalização de rotinas computacionais; Ajuda o pesquisador a concentrar-se em pesquisa de alto nível em neurociência, sem a distração em problemas de nível técnico computacional e matemático.

4 Como escolher um simulador Definir o nível de modelagem envolvida em sua hipótese Qual o nível de detalhamento biológico será utilizado em seu trabalho? Você está trabalhando com redes ou neurônios individuais? Neurônio individual Será utilizado modelos fenomenológicos ou baseados em canais iônicos? Terá morfologia? Redes Qual o tamanho da rede? Buscar informações sobre a confiabilidade do simulador

5 ModelDB: uma ferramenta para compartilhamento de modelos

6 Neurosimuladores Neuron Modelos baseados em Hodgkin-Huxley Modelos com morfologia NEST Paralelização em clusters Simulações de grande porte BRIAN2 Maior liberdade na implementação de diferentes modelos de neurônios e sinapses Redes de médio porte

7 Organização das principais funções Grupo de neurônios Rede Sinapses Estímulo Cria o neurônio ou grupo de neurônios Se detalhado, cria-se o SOMA e os segmentos (morfologia) Topologia da rede Conecta populações de neurônios ou pares de neurônios Define o modelo de sinapse usado Insere estímulo externo ou referente à rede não simulada implicitamente Equações do modelo Possibilidade de mecanismos sinápticos. Ex: plasticidade

8 NEURON NEURON é um ambiente de simulação para modelagem individual e em rede de neurônios. Oferece ferramentas convenientes para construção, gerenciamento e uso de modelos de um jeito que seja numericamente sólido e computacionalmente eficiente.

9 Website:

10 Download e instalação:

11 Possibilidade de criar modelos via GUI (graphical user interface) Hines ML, Carnevale NT (2005). Recent Developments in NEURON.

12 Utiliza interpretador hoc (sintaxe similar a C) ou Python;

13

14 NEST Simulator NEST é um simulador para redes neurais com neurônios que disparam; Tem seu foco na dinâmica, tamanho e estrutura de sistemas neurais; Não é otimizado para estudo de neurônios individuais com morfologia exata.

15 Website:

16

17 BRIAN2 Simulator BRIAN é um simulador para redes neurais construído com base em Python; Simplifica a implementação de modelos, mas mantém a flexibilidade; Define os modelos por equações diferenciais. Há a possibilidade dos códigos serem gerados em outras linguagens de programação: Python; C++; Android.

18 Tem seu foco em rede de tamanho médio (de poucos a ~ neurônios) e possível de rodar em PC s. Não otimizado para supercomputadores; Boa ferramenta para pesquisa e ensino; Gratuito; Tem suporte para simulação em GPU.

19 Website: briansimulator.org

20 Documentação:

21 Tutoriais:

22 Exemplos:

23 Instalação Windows: Baixe e instale o programa Anaconda no site: Siga os passos de instalação padrão e instale na pasta de sua preferência; Se a instalação ocorrer corretamente, um ícone do aplicativo Anaconda Navigator será criado; Acesse o Prompt de Comando Vá no botão de pesquisa do Windows e digite: cmd

24 Instalação Digite no prompt: conda V Se a instalação estiver correta você verá a versão do Anaconda instalado em seu computador Digite: conda install -c brian-team brian2 Agora digite: conda install brian2 Se tudo ocorrer corretamente o Brian2 estará instalado em seu computador Alguns pacotes adicionais podem ser necessários: conda install matplotlib nose ipython jupyter-notebook

25 Instalação LINUX: É possível fazer a instalação via Anaconda, porém, o modo mais rápido é através do comando de instalação de biblioteca em python, o pip. Abra o terminal e digite o comando: pip install brian2

26 Modelo Integra-e-Dispara (Imagem retirada de Gerstner et al., 2014)

27 (Imagem retirada de Gerstner et al., 2014) Modelo Integra-e-Dispara V(t) V rest V(t) V rest

28 (Imagem adaptada de Gerstner et al., 2014) Modelo Integra-e-Dispara It () V dv dt ( V V ) R I( t) rest

29 Referências Gerstner W, Kistler WM, Naud R, Paninski L. Neuronal dynamics : from single neurons to networks and models of cognition doi: /s Goodman DFM, Brette R. The brian simulator. Front Neurosci 2009;3: doi: /neuro Hines ML, Davison AP, Muller E. NEURON and Python. Front Neuroinform 2009;3:1. doi: /neuro Hines ML, Carnevale NT. Recent Developments in NEURON In: Bower JM, Beeman D (eds): Special Issue on Realistic Neural Modeling - Wam-Bamm '05 Tutorials. Brains, Minds and Media, Vol. 1, bmm221. (urn:nbn:de: )