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 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.
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.
Par Meenakshi Khosla explore la modélisation basée sur les données dans les neurosciences naturalistes à grande échelle, en mettant l'accent sur la représentation de l'activité cérébrale et les modèles de calcul.
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.
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.
Introduit des approches et des applications modernes en neuroscience, mettant l'accent sur la modélisation computationnelle et son importance dans la compréhension du cerveau.
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.
Explore la vue d'ensemble, la justification et les stratégies de la neuroscience de simulation, en mettant l'accent sur les défis de la reconstruction et de la simulation du cerveau.
Explore la connectivité synaptique dans les régions hippocampales, en mettant l'accent sur la complexité des réseaux neuronaux et le rôle des approches de modélisation.
