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.
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.
Explore la classification des neurones, soulignant l'importance de comprendre la complexité du cerveau et les défis dans la définition des types de cellules.
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 bases de la neuroimagerie, les échelles du réseau cérébral, la connectivité, l'histoire et la physique, soulignant l'importance de comprendre les données à différentes échelles.
Explore la modélisation de l'activité électrique du neurone, y compris les canaux ioniques et les concentrations, l'équation de Nernst et le potentiel de repos.
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.
Couvre les mises en garde et le résumé de Simulation Neuroscience, soulignant l'importance des données critiques et des trois approches fondamentales pour comprendre le cerveau.
Explore le traitement du signal graphique appliqué aux réseaux cérébraux, en mettant l'accent sur la relation entre la fonction cérébrale et la structure en utilisant des méthodes telles que le graphique Fourier Transform et l'indice de découplage structural.
Introduit des approches et des applications modernes en neuroscience, mettant l'accent sur la modélisation computationnelle et son importance dans la compréhension du cerveau.
