![Page 1: 1º Curso Prático de Modelagem Computacional em Neurociênciasisne.org/wp-content/uploads/2017/04/renan.pdf · Referências •Gerstner W, Kistler WM, Naud R, Paninski L. Neuronal](https://reader034.vdocuments.com.br/reader034/viewer/2022042414/5f2f57b8b3e99404196933a5/html5/thumbnails/1.jpg)
1º Curso Prático de Modelagem Computacional em Neurociência
NeurossimuladoresRenan O. Shimoura
Doutorando
![Page 2: 1º Curso Prático de Modelagem Computacional em Neurociênciasisne.org/wp-content/uploads/2017/04/renan.pdf · Referências •Gerstner W, Kistler WM, Naud R, Paninski L. Neuronal](https://reader034.vdocuments.com.br/reader034/viewer/2022042414/5f2f57b8b3e99404196933a5/html5/thumbnails/2.jpg)
O que são?
• Linguagens computacionais ou pacotes para uma linguagemjá existente desenvolvidos para facilitar a simulação deneurônios e/ou redes neurais;
• Contém diversas funções e rotinas já pré-implementadascom foco nos elementos necessários para construção de umneurônio ou rede de neurônios, assim como nosmecanismos biofísicos envolvidos.
![Page 3: 1º Curso Prático de Modelagem Computacional em Neurociênciasisne.org/wp-content/uploads/2017/04/renan.pdf · Referências •Gerstner W, Kistler WM, Naud R, Paninski L. Neuronal](https://reader034.vdocuments.com.br/reader034/viewer/2022042414/5f2f57b8b3e99404196933a5/html5/thumbnails/3.jpg)
Por que utilizar neurossimuladores?
• Otimização da produtividade científica;
• Geralmente gastasse mais tempo escrevendo os códigos doque utilizando-os para rodar os experimentos;
• Ajuda na reprodutibilidade e universalização de rotinascomputacionais;
• Ajuda o pesquisador a concentrar-se em pesquisa de altonível em neurociência, sem a distração em problemas denível técnico computacional e matemático.
![Page 4: 1º Curso Prático de Modelagem Computacional em Neurociênciasisne.org/wp-content/uploads/2017/04/renan.pdf · Referências •Gerstner W, Kistler WM, Naud R, Paninski L. Neuronal](https://reader034.vdocuments.com.br/reader034/viewer/2022042414/5f2f57b8b3e99404196933a5/html5/thumbnails/4.jpg)
• 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
Como escolher um simulador
![Page 5: 1º Curso Prático de Modelagem Computacional em Neurociênciasisne.org/wp-content/uploads/2017/04/renan.pdf · Referências •Gerstner W, Kistler WM, Naud R, Paninski L. Neuronal](https://reader034.vdocuments.com.br/reader034/viewer/2022042414/5f2f57b8b3e99404196933a5/html5/thumbnails/5.jpg)
ModelDB: uma ferramenta paracompartilhamento de modelos
![Page 6: 1º Curso Prático de Modelagem Computacional em Neurociênciasisne.org/wp-content/uploads/2017/04/renan.pdf · Referências •Gerstner W, Kistler WM, Naud R, Paninski L. Neuronal](https://reader034.vdocuments.com.br/reader034/viewer/2022042414/5f2f57b8b3e99404196933a5/html5/thumbnails/6.jpg)
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
![Page 7: 1º Curso Prático de Modelagem Computacional em Neurociênciasisne.org/wp-content/uploads/2017/04/renan.pdf · Referências •Gerstner W, Kistler WM, Naud R, Paninski L. Neuronal](https://reader034.vdocuments.com.br/reader034/viewer/2022042414/5f2f57b8b3e99404196933a5/html5/thumbnails/7.jpg)
Organização das principais funções
Grupo de neurônios
Cria o neurônio ou grupo de neurônios
Se detalhado, cria-se o SOMA e os segmentos
(morfologia)
Equações do modelo
Rede
Topologia da rede
Sinapses
Conecta populações de neurônios ou
pares de neurônios
Define o modelo de sinapse
usado
Possibilidade de mecanismos
sinápticos. Ex: plasticidade
Estímulo
Insere estímulo externo ou
referente à rede não simulada
implicitamente
![Page 8: 1º Curso Prático de Modelagem Computacional em Neurociênciasisne.org/wp-content/uploads/2017/04/renan.pdf · Referências •Gerstner W, Kistler WM, Naud R, Paninski L. Neuronal](https://reader034.vdocuments.com.br/reader034/viewer/2022042414/5f2f57b8b3e99404196933a5/html5/thumbnails/8.jpg)
NEURON
• NEURON é um ambiente desimulação para modelagemindividual e em rede de neurônios.
• Oferece ferramentas convenientespara construção, gerenciamento euso de modelos de um jeito queseja numericamente sólido ecomputacionalmente eficiente.
![Page 9: 1º Curso Prático de Modelagem Computacional em Neurociênciasisne.org/wp-content/uploads/2017/04/renan.pdf · Referências •Gerstner W, Kistler WM, Naud R, Paninski L. Neuronal](https://reader034.vdocuments.com.br/reader034/viewer/2022042414/5f2f57b8b3e99404196933a5/html5/thumbnails/9.jpg)
Website: http://www.neuron.yale.edu/
![Page 10: 1º Curso Prático de Modelagem Computacional em Neurociênciasisne.org/wp-content/uploads/2017/04/renan.pdf · Referências •Gerstner W, Kistler WM, Naud R, Paninski L. Neuronal](https://reader034.vdocuments.com.br/reader034/viewer/2022042414/5f2f57b8b3e99404196933a5/html5/thumbnails/10.jpg)
Download e instalação: http://www.neuron.yale.edu/neuron/download
![Page 11: 1º Curso Prático de Modelagem Computacional em Neurociênciasisne.org/wp-content/uploads/2017/04/renan.pdf · Referências •Gerstner W, Kistler WM, Naud R, Paninski L. Neuronal](https://reader034.vdocuments.com.br/reader034/viewer/2022042414/5f2f57b8b3e99404196933a5/html5/thumbnails/11.jpg)
• Possibilidade de criar modelos via GUI (graphical user interface)
Hines ML, Carnevale NT (2005). RecentDevelopments in NEURON.
![Page 12: 1º Curso Prático de Modelagem Computacional em Neurociênciasisne.org/wp-content/uploads/2017/04/renan.pdf · Referências •Gerstner W, Kistler WM, Naud R, Paninski L. Neuronal](https://reader034.vdocuments.com.br/reader034/viewer/2022042414/5f2f57b8b3e99404196933a5/html5/thumbnails/12.jpg)
• Utiliza interpretador hoc (sintaxe similar a C) ouPython;
![Page 13: 1º Curso Prático de Modelagem Computacional em Neurociênciasisne.org/wp-content/uploads/2017/04/renan.pdf · Referências •Gerstner W, Kistler WM, Naud R, Paninski L. Neuronal](https://reader034.vdocuments.com.br/reader034/viewer/2022042414/5f2f57b8b3e99404196933a5/html5/thumbnails/13.jpg)
![Page 14: 1º Curso Prático de Modelagem Computacional em Neurociênciasisne.org/wp-content/uploads/2017/04/renan.pdf · Referências •Gerstner W, Kistler WM, Naud R, Paninski L. Neuronal](https://reader034.vdocuments.com.br/reader034/viewer/2022042414/5f2f57b8b3e99404196933a5/html5/thumbnails/14.jpg)
• NEST é um simulador para redes neurais comneurônios que disparam;
• Tem seu foco na dinâmica, tamanho e estrutura desistemas neurais;
• Não é otimizado para estudo de neurôniosindividuais com morfologia exata.
NEST Simulator
![Page 15: 1º Curso Prático de Modelagem Computacional em Neurociênciasisne.org/wp-content/uploads/2017/04/renan.pdf · Referências •Gerstner W, Kistler WM, Naud R, Paninski L. Neuronal](https://reader034.vdocuments.com.br/reader034/viewer/2022042414/5f2f57b8b3e99404196933a5/html5/thumbnails/15.jpg)
Website: www.nest-simulator.org
![Page 16: 1º Curso Prático de Modelagem Computacional em Neurociênciasisne.org/wp-content/uploads/2017/04/renan.pdf · Referências •Gerstner W, Kistler WM, Naud R, Paninski L. Neuronal](https://reader034.vdocuments.com.br/reader034/viewer/2022042414/5f2f57b8b3e99404196933a5/html5/thumbnails/16.jpg)
![Page 17: 1º Curso Prático de Modelagem Computacional em Neurociênciasisne.org/wp-content/uploads/2017/04/renan.pdf · Referências •Gerstner W, Kistler WM, Naud R, Paninski L. Neuronal](https://reader034.vdocuments.com.br/reader034/viewer/2022042414/5f2f57b8b3e99404196933a5/html5/thumbnails/17.jpg)
BRIAN2 Simulator
• BRIAN é um simulador para redes neurais construído combase em Python;
• Simplifica a implementação de modelos, mas mantém aflexibilidade;
• Define os modelos por equações diferenciais.
• Há a possibilidade dos códigos serem gerados em outraslinguagens de programação:• Python;• C++;• Android.
![Page 18: 1º Curso Prático de Modelagem Computacional em Neurociênciasisne.org/wp-content/uploads/2017/04/renan.pdf · Referências •Gerstner W, Kistler WM, Naud R, Paninski L. Neuronal](https://reader034.vdocuments.com.br/reader034/viewer/2022042414/5f2f57b8b3e99404196933a5/html5/thumbnails/18.jpg)
• Tem seu foco em rede de tamanho médio (de poucos a~100000 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.
![Page 19: 1º Curso Prático de Modelagem Computacional em Neurociênciasisne.org/wp-content/uploads/2017/04/renan.pdf · Referências •Gerstner W, Kistler WM, Naud R, Paninski L. Neuronal](https://reader034.vdocuments.com.br/reader034/viewer/2022042414/5f2f57b8b3e99404196933a5/html5/thumbnails/19.jpg)
Website: briansimulator.org
![Page 20: 1º Curso Prático de Modelagem Computacional em Neurociênciasisne.org/wp-content/uploads/2017/04/renan.pdf · Referências •Gerstner W, Kistler WM, Naud R, Paninski L. Neuronal](https://reader034.vdocuments.com.br/reader034/viewer/2022042414/5f2f57b8b3e99404196933a5/html5/thumbnails/20.jpg)
Documentação:
![Page 21: 1º Curso Prático de Modelagem Computacional em Neurociênciasisne.org/wp-content/uploads/2017/04/renan.pdf · Referências •Gerstner W, Kistler WM, Naud R, Paninski L. Neuronal](https://reader034.vdocuments.com.br/reader034/viewer/2022042414/5f2f57b8b3e99404196933a5/html5/thumbnails/21.jpg)
Tutoriais:
![Page 22: 1º Curso Prático de Modelagem Computacional em Neurociênciasisne.org/wp-content/uploads/2017/04/renan.pdf · Referências •Gerstner W, Kistler WM, Naud R, Paninski L. Neuronal](https://reader034.vdocuments.com.br/reader034/viewer/2022042414/5f2f57b8b3e99404196933a5/html5/thumbnails/22.jpg)
Exemplos:
![Page 23: 1º Curso Prático de Modelagem Computacional em Neurociênciasisne.org/wp-content/uploads/2017/04/renan.pdf · Referências •Gerstner W, Kistler WM, Naud R, Paninski L. Neuronal](https://reader034.vdocuments.com.br/reader034/viewer/2022042414/5f2f57b8b3e99404196933a5/html5/thumbnails/23.jpg)
Instalação
• Windows:• Baixe e instale o programa Anaconda no site:https://www.continuum.io/downloads#windows
• Siga os passos de instalação padrão e instale na pasta desua preferência;
• Se a instalação ocorrer corretamente, um ícone doaplicativo Anaconda Navigator será criado;
• Acesse o Prompt de Comando• Vá no botão de pesquisa do Windows e digite: cmd
![Page 24: 1º Curso Prático de Modelagem Computacional em Neurociênciasisne.org/wp-content/uploads/2017/04/renan.pdf · Referências •Gerstner W, Kistler WM, Naud R, Paninski L. Neuronal](https://reader034.vdocuments.com.br/reader034/viewer/2022042414/5f2f57b8b3e99404196933a5/html5/thumbnails/24.jpg)
• 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
Instalação
![Page 25: 1º Curso Prático de Modelagem Computacional em Neurociênciasisne.org/wp-content/uploads/2017/04/renan.pdf · Referências •Gerstner W, Kistler WM, Naud R, Paninski L. Neuronal](https://reader034.vdocuments.com.br/reader034/viewer/2022042414/5f2f57b8b3e99404196933a5/html5/thumbnails/25.jpg)
• LINUX:• É possível fazer a instalação via Anaconda, porém, o
modo mais rápido é através do comando de instalaçãode biblioteca em python, o pip.
• Abra o terminal e digite o comando:
pip install brian2
Instalação
![Page 26: 1º Curso Prático de Modelagem Computacional em Neurociênciasisne.org/wp-content/uploads/2017/04/renan.pdf · Referências •Gerstner W, Kistler WM, Naud R, Paninski L. Neuronal](https://reader034.vdocuments.com.br/reader034/viewer/2022042414/5f2f57b8b3e99404196933a5/html5/thumbnails/26.jpg)
Modelo Integra-e-Dispara
(Imagem retirada de Gerstner et al., 2014)
![Page 27: 1º Curso Prático de Modelagem Computacional em Neurociênciasisne.org/wp-content/uploads/2017/04/renan.pdf · Referências •Gerstner W, Kistler WM, Naud R, Paninski L. Neuronal](https://reader034.vdocuments.com.br/reader034/viewer/2022042414/5f2f57b8b3e99404196933a5/html5/thumbnails/27.jpg)
Modelo Integra-e-Dispara
𝑉𝑟𝑒𝑠𝑡
𝑉(𝑡)
𝑉𝑟𝑒𝑠𝑡
𝑉(𝑡)
(Imagem retirada de Gerstner et al., 2014)
![Page 28: 1º Curso Prático de Modelagem Computacional em Neurociênciasisne.org/wp-content/uploads/2017/04/renan.pdf · Referências •Gerstner W, Kistler WM, Naud R, Paninski L. Neuronal](https://reader034.vdocuments.com.br/reader034/viewer/2022042414/5f2f57b8b3e99404196933a5/html5/thumbnails/28.jpg)
Modelo Integra-e-Dispara
)()( tIRVVdt
dVrest
( )I tV
(Imagem adaptada de Gerstner et al., 2014)
![Page 29: 1º Curso Prático de Modelagem Computacional em Neurociênciasisne.org/wp-content/uploads/2017/04/renan.pdf · Referências •Gerstner W, Kistler WM, Naud R, Paninski L. Neuronal](https://reader034.vdocuments.com.br/reader034/viewer/2022042414/5f2f57b8b3e99404196933a5/html5/thumbnails/29.jpg)
Referências
• Gerstner W, Kistler WM, Naud R, Paninski L. Neuronaldynamics : from single neurons to networks and models ofcognition. 2014. doi:10.1007/s13398-014-0173-7.2.
• Goodman DFM, Brette R. The brian simulator. Front Neurosci2009;3:192–7. doi:10.3389/neuro.01.026.2009.
• Hines ML, Davison AP, Muller E. NEURON and Python. FrontNeuroinform 2009;3:1. doi:10.3389/neuro.11.001.2009.
• Hines ML, Carnevale NT. Recent Developments in NEURON.2005. In: Bower JM, Beeman D (eds): Special Issue on RealisticNeural Modeling - Wam-Bamm '05 Tutorials. Brains, Minds andMedia, Vol. 1, bmm221. (urn:nbn:de:0009-3-2210)