蓝脑项目引入了一个通用的工作流程，用于使用开源工具创建和验证神经元模型。
生物物理上详细的神经元模型为单个神经元的工作提供了一个独特的窗口。它们使研究人员能够系统地、可逆地操纵神经元的特性，这在现实世界的实验中通常是不可能的。
这些硅模型在促进我们对神经元形态如何影响兴奋性以及特定离子电流如何促进细胞功能的理解方面发挥了关键作用。此外，它们在构建神经元回路以模拟和研究大脑活动方面发挥了重要作用，让我们得以一窥隐藏在我们思想和行为背后的神经元的复杂舞蹈。
创建准确的电模型，忠实地复制实验观察结果并非易事。它涉及量化模型响应与实际电生理行为之间的相似性，当离子通道电导和被动膜特性等参数无法直接测量时，这可能具有挑战性。获得较高的相似度得分通常需要对参数空间进行广泛的探索，这是一项艰巨而耗时的任务。
为了应对这些挑战，研究人员转向进化算法(EAs)寻求帮助。EAs是高维空间全局参数优化的有效工具。特别是，基于指标的进化算法(IBEA)在这方面显示出了希望。然而，该领域仍然缺乏完全开源和可重复的模型优化工作流。
在这项刊登在11月《Patterns》杂志封面上的新研究中，Blue Brain提出了一个开创性的通用工作流程，用于创建、验证和概括详细的神经元模型。该方法建立在开源工具之上，所有步骤都是免费提供的，为研究人员提供了一个构建神经元模型的综合解决方案，该模型既可以表示单个生物细胞，也可以表示预定义类型的细胞。
工作流的一个独特特征是能够建立所谓的规范神经元模型。BBP的小组组长Werner Van Geit解释说:“与其为单个神经元定制每个模型，不如创建代表整个神经元类型的模型。这种方法在研究特定神经元类型的特性和构建大型神经元回路时特别有用。”
在这项研究中，作者应用该工作流程创建了40个模型，代表了幼年大鼠体感皮层中的11种电类型(e型)。体感皮层是大脑皮层的一个区域，负责处理与身体各个部位的触觉、压力、温度和疼痛相关的感觉信息。每个模型都基于一组电生理特征进行优化，确保与实验数据紧密匹配。然后在各种形态上测试这些规范模型，以评估它们的泛化性。
通过分析这些模型中使用的参数，科学家们可以深入了解它们的生物物理特性。“敏感性分析有助于揭示哪些参数对模型性能至关重要，哪些参数可以在不影响结果的情况下变化，这种更深层次的理解对改进模型创建有重要帮助。”
尽管这种方法很强大，但作者指出了目前的一些局限性。某些神经元类型可以很好地概括各种形状，而另一些则很难。理解为什么某些模型更适合特定的形态是一个正在进行的研究领域。此外，创建一个单一的规范模型意味着排除真实神经元中的一些可变性。为了解决这个问题，神经科学家可以基于相同的输入创建多个模型，引入变量来表示现实世界的多样性。
“这里展示的一组电子模型是基于对神经元主体的膜片钳记录的电测量，”共同主要作者Maria Reva指出，“在未来的版本中，这些模型可以添加更多细节，例如突触和树突整合以及额外的离子电流。”
“这些改进将使我们更接近于理解神经元的功能，”Van Geit总结道。
参考资料:
A universal workflow for creation, validation, and generalization of detailed neuronal models
