NeuroTS

基于重建细胞拓扑及其统计属性的计算生成伪神经元树。

主要用途

神经元形态为神经元的电行为、形成的连接组以及大脑的动态特性提供了基础。全面的神经元模型对于定义细胞类型、辨别其功能角色以及研究与树突变化相关的脑疾病至关重要。然而，对神经元形态背后的原理缺乏了解，阻碍了数十年来在计算合成形态方面的尝试。我们介绍了一种基于神经元拓扑描述符的合成算法，该算法能够快速从少量参考细胞中重建整个脑区的数字形态。这种拓扑引导的合成（NeuroTS）在形态电和连接特性方面生成的树突与生物重建的统计数据相似，为研究神经元形态与大脑功能在不同时空尺度之间的联系提供了重大机遇。

NeuroTS可用于从生物重建中创建神经元形态。用户需要使用软件提取拓扑和统计特性的分布，以便创建必要的合成输入。有关参数和分布的示例，请参阅文档中的参数和分布页面。

一旦定义了input_parameters和input_distributions，NeuroTS就可以根据相应的输入生成一个或多个细胞。生成的细胞可以保存为多种文件格式（SWC、ASC、H5），以便它们可以被各种不同的软件包进行分析和可视化。以下是如何提取分布、生成细胞和进行基本验证的示例。

示例

我们提供了一些基本示例，以展示NeuroTS的基本功能

• 从一组基本输入中合成单个神经元
• 使用相同的输入参数和分布合成多个神经元
• 使用简单方法使用神经元直径合成单个神经元
• 使用外部直径仪合成单个神经元
• 提取可作为合成输入使用的参数和分布

所有这些示例的脚本和所需输入数据均位于存储库的examples目录中。

更多信息请参阅文档的示例页面。

安装

建议使用pip安装NeuroTS

pip install neurots

引用

当您在研究中使用NeuroTS软件或方法时，我们要求您引用与此存储库相关的出版物（请在代码的主页上的“引用此存储库”按钮上引用）。

资助与致谢

本软件的开发得到了瑞士联邦理工学院洛桑联邦理工学院（EPFL）的研究中心Blue Brain Project的资助。

有关许可证和作者，请分别参阅LICENSE.txt和AUTHORS.md。

版权所有 © 2022 Blue Brain Project/EPFL