.png){kind=icon}
返回
A Python toolbox for neural circuit parameter inference
.png){kind=icon}
OA
AI
DOI：10.1038/s41540-025-00527-9.png)
.png){kind=icon}
.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
计算研究工具已达到成熟的水平，能够高效模拟跨不同尺度的神经元活动。与此同时，实验神经科学正经历前所未有的数据生成规模。尽管取得了这些进展，我们对神经记录与神经元活动关键方面之间精确机制关系的理解仍然不足，包括哪些特定的电生理群体动力学特征（即假定的生物标志物）最能反映底层微电路配置的性质。我们介绍了ncpi，这是一个开源Python工具箱，作为一站式解决方案，有效整合了基于单神经元网络模型模拟的细胞外信号正演和反演建模的成熟方法。我们的工具作为模型驱动解释电生理数据和评估候选生物标志物的基准资源，这些生物标志物可能指示神经回路参数的变化。使用小鼠LFP数据和人类EEG记录，我们展示了ncpi在揭示大脑发育和阿尔茨海默病期间神经回路参数失衡方面的潜力。
Keyword:
LOCAL-FIELD POTENTIALS
ALZHEIMERS-DISEASE
DYNAMICS
MODELS
FRAMEWORK
NETWORKS
BALANCE
BRAIN
EEG
SIMULATION
期刊
N
IF:
3.5
论文数:
852
被引数:
1.5K
机构
引用论文
Inferring synaptic excitation/inhibition balance from field potentials从场电位推断突触兴奋/抑制平衡.png)
NeuroImage
OAAI
NeuroImageIF0
OAAI分享收藏Integrating multimodal and multiscale connectivity blueprints of the human cerebral cortex in health and diseasePLOS BiologyOAAI
PLOS BiologyIF0
OAAI分享收藏A Hybrid Machine Learning and Mechanistic Modelling Approach for Probing Potential Biomarkers of Excitation/Inhibition Imbalance in Cortical Circuits in Dementia一种混合机器学习与机制建模方法，用于探究痴呆症皮质回路中兴奋/抑制失衡的潜在生物标志物
IF0
PREAI
分享收藏
查看更多内容