Se penche sur la simulation de la dynamique du réseau dans les neurosciences silico, couvrant l'activité spontanée et évoquée, les simulations in-vitro et in-vivo, et l'analyse de sensibilité.
Se concentre sur l'assemblage des éléments constitutifs du réseau neuronal et sur la gestion de la rareté des données à l'aide de diverses stratégies et hypothèses.
Explore la classification des neurones, soulignant l'importance de comprendre la complexité du cerveau et les défis dans la définition des types de cellules.
Couvre l'activité spontanée du réseau cérébral, la simulation neuronale et la validation, soulignant l'importance des conditions in-vitro et in-vivo pour une modélisation précise du réseau.
Explore le regroupement dans les réseaux de neurosciences silico, la définition de l'espace et le traitement des données rares pour reconstruire les régions du cerveau.
Explore différentes formes de plasticité synaptique et les mécanismes qui les sous-tendent, en mettant l'accent sur le rôle du calcium dans l'induction et le maintien des changements plastiques.
Explore le modèle Hodgkin-Huxley, les phases de potentiel d'action, la dynamique ionique, la théorie des câbles et la modélisation compartimentale dans l'excitabilité neuronale.
Explore l'analyse des données de neurosciences, en mettant l'accent sur les données structurées, les outils de calcul et la tendance des neurosciences de calcul en tant que service.
Couvre les souris transgéniques utilisant les lignes de Cre et l'optogénétique, explorant les techniques de manipulation des cellules neurales et l'expression génétique spécifique à la région du cerveau.
Discute de l'assemblage des réseaux neuraux en définissant l'espace et en la populant avec des neurones, en mettant l'accent sur les défis et les stratégies pour des morphologies précises et de l'information sur le volume.
Déplacez-vous dans les types de neurones, la classification, les défis dans la reconstruction, les techniques de coloration et la correction des artefacts, soulignant l'importance de comprendre la complexité du cerveau.
Souligne la reproductibilité et la réutilisabilité des données dans les neurosciences silico, en mettant l'accent sur les outils et les méthodes de neuroinformatique.
Explore les modèles de connectivité neuronale, les probabilités de connexion et les techniques expérimentales utilisées pour étudier la connectivité synaptique.
