CHIPDOCS.RU – Компоненты и оборудование со склада и под заказ

Каталог брендов

• 3
• 4
• 7
• A
• B
• C
• D
• E
• F
• G
• H
• I
• J
• K
• L
• M
• N
• O
• P
• Q
• R
• S
• T
• U
• V
• W
• X
• Y
• Z

A&D Engineering

Aarco

Aaronia AG

Aavid

ABB Power Electronics

ABLIC

Abracon LLC

ACEINNA

Aceinna Electric

ACL Staticide Inc

Actuonix Motion Devices Inc

Adam Equipment

Adam Tech

Adesto Technologies

ADI Electronics Interconnects

ADLINK Technology

Advanced Cable Ties

Advanced Energy

Advanced Linear Devices

Advanced Micro Devices

Advanced Photonix

Advanced Thermal Solutions

Advantech

Aero Electric

Aim Dynamics

Aim-TTi

AIMS Power

Aimtec

Air Science

Airmaster Fan

AK-Nord GmbH

ALFA Network

Allegro MicroSystems

Alliance

Alliance Memory

Allied Components International

Allison Park Group

Allystar

Alpenglow Industries

Alpha & Omega Semiconductor

Alpha Wire

Altech

Altera

Altran Magnetics

AMD Xilinx

American Beauty Tools

American Bright Optoelectronics

American Electrical

American Hakko Products

American Micro Products

American Opto Plus LED

American Standard

American Technical Ceramics

American Zettler

Amerivacs

Ametherm

Amgis

Ampco Safety Tools

Amperex

Amphenol

Ampleon

Amplifier Solutions

Amprobe

ams

Amulet Technologies

Anadigics

Analog Devices

Anaren

Anatech Electronics

Anderson Power

ANGA POW

Antenna Technologies

Antenova

ANYSOLAR

Apacer

Apache Hose & Belting

APEM

Apex

API Delevan

APM Hexseal

Applied Kilovolts

Applied Photon Technology

Aptina-ON Semiconductor

APW Company

Aquantia

Arbiter Systems

Archimedes Controls

ARCOL

Arduino

Aries Electronics

ARM

Artesyn Embedded Power

Artillery 3D Technology

Asahi Kasei Microdevices

Asentek

Assmann

Astera Labs

Astro Tool

Astrodyne TDI

Asus

ATGBICS

Atlanta Micro

Atmel

ATOP Technologies

ATP Electronics

Atrix International

Attabox

ATX LED Consultants

AuthenTrend Technology

Aven Tools

AVMATRIX

Awntech

AZ Displays

Показать еще

Наши партнеры

Категории товаров

• RFID
• Аксессуары
• Аттенюаторы
• Блоки питания
• Вентиляторы
• Выключатели
• Датчики
• Диоды
• Драйверы
• Изоляторы
• Индикаторы
• Источники питания
• Кабель

• Клеммы
• Коммутаторы
• Комплектующие
• Компоненты
• Конденсаторы
• Контакты
• Корпуса
• Микроконтроллеры
• Микропроцессоры
• Микросхемы
• Микросхемы аудио
• Микросхемы для измерения тока
• Микросхемы интегральные

• Микросхемы логические
• Микросхемы радиочастотные
• Микросхемы силовые
• Микросхемы телекоммуникационные
• Модули памяти
• Нагреватели
• Одноплатные компьютеры
• Оптоэлектроника
• Переключатели
• Платы
• ПЛИС
• Потенциометры
• Преобразователи

• Приводы
• Программаторы
• Разъемы
• Регуляторы напряжения
• Резисторы
• Реле
• Сетевое оборудование
• Транзисторы
• Трансформаторы
• Усилители
• Фильтры
• Чипы SoC
• Энкодеры

Показать еще

Ваша заявка принята

Номиналы и обозначения электронных компонентов и радиодеталей.

Справочник сайта Паяльник. Внешняя ссылка.

		Раздел недели: Обезжиривающие водные растворы и органические растворители. Составы для очистки и обезжиривания поверхности.
Поиск на сайте DPVA Поставщики оборудования Полезные ссылки О проекте Обратная связь Ответы на вопросы. Оглавление Таблицы DPVA.ru — Инженерный Справочник	Адрес этой страницы (вложенность) в справочнике dpva.ru:  главная страница / / Техническая информация/ / Оборудование/ / Полупроводниковые и пр. электронные компоненты и радиодетали. Кодировки, обозначения, маркировки. Сопротивления, емкости (кондесаторы), индуктивности (катушки) / / Номиналы и обозначения электронных компонентов и радиодеталей. Справочник сайта Паяльник. Внешняя ссылка. Поделиться:    Каталог и описание бытовых электросчетчиков Люминесцентные лампы и их характеристики (Часть1) Люминесцентные лампы и их характеристики (Часть2) Справочные данные по ультрафиолетовым лампам Корпуса компонентов для поверхностного монтажа (SMD) Сквозная нумерация наиболее популярных корпусов SMD Немного о корпусах поверхностного монтажа (SMD) Ряды значений сопротивлений и емкости Операционные усилители Операционные усилители и их аналоги Система условных обозначений отечественных интегральных микросхем Отечественные микросхемы и их зарубежные аналоги Некоторые торговые знаки, которыми фирмы маркируют корпуса своих микросхем Универсальные аналоговые программируемые ИС: выбор элементарных функциональных узлов Микросхемы для бытовой аппаратуры M24C128, M24C256, M24C32, M24C64, M24C16, TDA7318,TDA7309,TDA7313 DVD-процессоры ESS ES4318, ES4408, ES4408FD Современные ПЛИС фирмы XILINX:серия VIRTEX SPST аналоговые ключи Maxim MAX4706 и MAX4707 Импульсный усилитель мощности звуковой частоты TDA8925 Цифровой сигнальный процессор SAA7706H для автомобильного аудиокомплекса Микросхемы памяти компании STMICROELECTRONICS Аналоги микросхем памяти для различной аппаратуры Микросхемы флэш памяти фирмы SАMSUNG 8-битные микроконтроллеры с интерфейсом USB для LCD- и CRT-мониторов ST72774/ST72754/ST72734 Компактные AC/DC-модули от фирмы ROHM Линейка AC/DC преобразователей фирмы RHOM Новые микросхемы LinkSwich для построения AC/DC-преобразователей 0Декодеры звуковых сигналов формата MPEG 2. 5 LAYER III STA013/013B/013T Преобразователь постоянного напряжения КР1446ПН1Е Стабилизатор напряжения 1158ЕНхх Маркировка микросхем серии К1197ЕН Схема управления импульсными стабилизаторами 1155ЕУ1 Микросхемы стабилизаторов напряжений Цветовая маpкиpовка отечественных диодов Цветовая маpкиpовка стабилитронов и стабисторов Светодиоды импортные Светодиоды отечественные Инфракрасные светодиоды Параметры отечественных светодиодов Оптроны Параметры оптронов (дополнение) Динисторы Маркировка SMD транзисторов Фототранзисторы Справочник по полевым транзисторам Цоколевка распространенных биполярных и полевых транзисторов Зарубежные полевые транзисторы Мощные СВЧ-транзисторы Philips Semiconductors Отечественные полевые транзисторы и их зарубежные аналоги Транзисторы. Кодовая маркировка. Корпус КТ-26 (ТО-92) Транзисторы. Маркировка. Корпус КТ-27 (ТО-126) Транзисторы. Цветовая маркировка. Корпус КТ-26 (ТО-92) Цветовая и кодовая маркировка транзисторов Параметры отечественных биполярных транзисторов Краткие справочные данные зарубежных транзисторов Конденсаторы. Кодовая маркировка Конденсаторы. Цветовая маркировка Кодовая маркировка электролитических конденсаторов (SMD) Конденсаторы. Допуски Конденсаторы. Температурный коэффициент емкости (ТКЕ) Высоковольтные алюминиевые конденсаторы для силовой электроники Резисторы. Кодовая маркировка Резисторы. Кодовая маркировка фирмы PHILIPS Резисторы. Кодовая маркировка фирмы BOURNS Кодовая маркировка прецизионных высокостабильных резисторов фирмы PANASONIC Перемычки и резисторы с «нулевым» сопротивлением Резисторы. Цветовая маркировка Резисторы. Цветовая маркировка фирмы PHILIPS Резисторы. Нестандартная цветовая маркировка Трансформаторы питания унифицированные — справочник Трансформаторы питания ТПП дополнение Индуктивности: Кодовая маркировка Индуктивности: Цветовая маркировка Индуктивности: Цветовая и кодовая маркировка (ещё вариант, не понравится — удали) Постоянные индуктивности серии ЕС24 Цветовая маркировка контурных катушек импортных радиоприемников Справочный листок по электретным микрофонам Внутренние схемы и схемы включения электретных микрофонов Микрофоны (дополнения) Микрофоны импортные Головки громкоговорителей низкочастотные Головки громкоговорителей с плоскими диафрагмами (НЧ, СЧ, ВЧ и ШП) Головки громкоговорителей широкополосные Головки громкоговорителей среднечастотные и высокочастотные Классификация ультразвуковых линий задержки Приборы селекции частоты Система обозначений пьезоэлектрических резонаторов Фильтры пьезоэлектрические на ПАВ Цветовая маркировка керамических фильтров Цветовая маркировка импортных пьезокерамических фильтров Отечественные коаксиальные кабели Американские коаксиальные кабели Огромный справочник фирмы Diodes Incorporated по SMD-элементам: диодам, мостам, транзисторам (PDF-формат) Разъемы компании Tyco Electronics / AMP серии Micro СРС Интегральный усилитель низкой частоты AN7168 Интегральная микросхема INF8577CN Основные параметры цветных кинескопов фирм THOMSON, PHILIPS и NOKIA Приемопередатчики для сетей CAN-bus Микросхемы для беспроводной связи фирмы TELECONTROLLI Семейство цифровых сигнальных процессоров TDA755X Сдвоенные коммутаторы напряжения КР1184КН1, КР1184КН2, КБ1184КН1-4. КБ1184КН2-4 для интерфейса USB Многофункциональные микросхемы серии МС34118 для телефонных аппаратов Процессор пространственного звучания TDA3810 Микросхемы для телевизионной техники ST63140, ST63142, ST63126, ST63156 Синтезатор частоты TSA6060 Аналого-цифровые преобразователи ВТ7106 и ВТ7107 Параметры герконов Основные параметры малогабаритных реле Основные параметры малогабаритных реле (продолжение) Разводка автомагнитолы «Ямаха» Разъемы автомагнитол «SONY» Разъемы автомагнитол «Kenwood» Однопереходные транзисторы. Полезные схемки. Кнопки. Справочный листок. Наборы микросхем для построения устройств Spread Spectrum Коды, коды, коды Перевод AWG в систему СИ Поиск в инженерном справочнике DPVA. Введите свой запрос: Дополнительная информация от Инженерного cправочника DPVA, а именно — другие подразделы данного раздела: Поиск в инженерном справочнике DPVA. Введите свой запрос:
Если Вы не обнаружили себя в списке поставщиков, заметили ошибку, или у Вас есть дополнительные численные данные для коллег по теме, сообщите , пожалуйста. Вложите в письмо ссылку на страницу с ошибкой, пожалуйста.
Коды баннеров проекта DPVA. ru Начинка: KJR Publisiers Консультации и техническая поддержка сайта: Zavarka Team	Проект является некоммерческим. Информация, представленная на сайте, не является официальной и предоставлена только в целях ознакомления. Владельцы сайта www.dpva.ru не несут никакой ответственности за риски, связанные с использованием информации, полученной с этого интернет-ресурса. Free xml sitemap generator

Пример микросхемы

pynest — документация пользователя симулятора NEST 1.0.0 документация

Пример файла для запуска микросхемы.

Хендрик Роте, Ханна Бос, Саша ван Альбада; Май 2016 г.

Модель микросхемы описана Potjans и Diesmann 1. В этом примере используется функция GetNodes, которая устарела. А поэтому выдается предупреждение об устаревании. Подробнее об устаревшем функции, см. документацию.

Для запуска микросхемы на локальной машине настройте переменные N_scaling и K_scaling в network_params. py на 0,1 . N_scaling регулирует количество нейронов и K_scaling число соединений, которые необходимо смоделировать. Полная сеть может быть запущена путем настройки эти значения равны 1. Если это сделано, опция печати времени В файле sim_params.py для прогресса должно быть установлено значение False. Для работает, используйте python example.py . Вывод будет сохранен в каталог данные .

Код можно распараллелить с помощью OpenMP и MPI, если NEST созданные с помощью этих приложений (параллельные вычисления с ГНЕЗДО). Номер потоков (на процесс MPI) можно выбрать, настроив local_num_threads в sim_params.py . Количество процессов MPI можно установить, выбрав разумное значение для num_mpi_prc , а затем запуск скрипта командой mpirun -n num_mpi_prc python пример.py .

Версия моделирования по умолчанию использует ввод Пуассона, т. е. определено в файле network_params.py для возбуждения популяций нейронов микросхемы. Если вход Пуассона не предусмотрен, вход постоянного тока рассчитывается, что должно приблизительно компенсировать пуассонов вход. Также возможно добавить в микросхему таламическую стимуляцию или управлять им с постоянным входом постоянного тока. Это можно определить в файле stimulus_params.py .

1

Потянс ТЦ. и Diesmann M. 2014. Специфические типы клеток коры Микросхема: взаимосвязь структуры и активности в полномасштабном пикировании сетевая модель. Кора головного мозга. 24(3):785–806. DOI: 10.1093/cercor/bhs358.

 время импорта
импортировать numpy как np
сеть импорта
из network_params импортировать net_dict
из sim_params импортировать sim_dict
из stimulus_params импортировать stim_dict
# Инициализировать сеть и передать ей параметры.
тик = время.время()
сеть = сеть.Сеть(sim_dict, net_dict, stim_dict)
toc = время.время() - тик
print("Время инициализировать сеть: %. 2f s" % toc)
# Соединить все узлы.
тик = время.время()
сеть.setup()
toc = время.время() - тик
print("Время создания соединений: %.2f s" % toc)
# Моделирование.
тик = время.время()
сеть.имитировать()
toc = время.время() - тик
print("Время симуляции: %.2f s" % toc)
# Построить растровый график пиков смоделированных нейронов и среднего
# частота всплесков всех популяций. Для визуальных целей только всплески 100 мс
# до и через 100 мс после времени таламического стимула нанесены здесь как
# по умолчанию. При вычислении частоты всплесков отбрасываются первые 500 мс
# моделирование для исключения артефактов инициализации.
raster_plot_time_idx = np.массив (
    [stim_dict['th_start'] - 100,0, stim_dict['th_start'] + 100,0]
    )
fire_rate_time_idx = np.array([500.0, sim_dict['t_sim']])
net.evaluate (raster_plot_time_idx, fire_rate_time_idx)
 

---

Редакция 63efc439 .

Exploration – Blue Brain Portal

Exploration опирается на создание программного обеспечения, которое сочетает в себе интеграцию данных, анализ и интерактивную визуализацию для создания, изменения и навигации по большим наборам научных данных. Для этого Blue Brain создала Blue Brain BioExplorer с открытым исходным кодом.

Blue Brain BioExplorer (BBBE), который начинался как внутренний проект, теперь имеет открытый исходный код. Первоначально он был разработан, чтобы ответить на ключевые научные вопросы, связанные с коронавирусом, в качестве варианта использования и предоставить инструмент визуализации. Сегодня BioExplorer позволяет реконструировать, визуализировать, исследовать и подробно описывать структуру и функции высокодетализированных биологических структур, таких как молекулярные системы, нейроны, астроциты, кровеносные сосуды и многое другое. Вы можете увидеть первое применение BioExplorer в «Машинно созданном представлении о роли уровней глюкозы в крови в тяжести COVID-19».’ изучать.

Посмотрите фильм и увидите SARS CoV 2 таким, каким вы его никогда раньше не видели!

2022 – 2023 – Выставка Brain(s), Испания

Проект Blue Brain EPFL представлен на захватывающей выставке Brain(s) в Барселонском центре современной культуры в Fundación Telefónica Madrid.

Представленные изображения Blue Brain были созданы с помощью BBBE . Ознакомьтесь с новостной статьей для получения дополнительной информации.

Используйте Blue Brain BioExplorer

Архитектура

Приложение BBBE построено на основе ответвления Blue Brain Brayns 1.0.0, платформы рендеринга Blue Brain. BBBE использует базовые технические возможности платформы рендеринга для создания крупномасштабных и точных 3D-сцен с ноутбуков Jupyter.

Дополнительную информацию можно найти в документации по архитектуре.

Сборки

Сборки представляют собой группы биологических элементов, таких как белки, мембраны, гликаны и т. д. Например, вирион состоит из липидной мембраны, шиповидных белков, последовательности РНК и т. д., и все эти элементы принадлежат тот же объект. Вот почему они должны принадлежать одному контейнеру, сборке. Сборки могут иметь различную форму: Сфера, Куб и т. д., которые автоматически генерируются в соответствии с параметрами отдельных компонентов.

Белки

Белки загружаются из файлов PDB. Атомы, неполимерные химические вещества и связи можно загружать и отображать в различных цветовых схемах: идентификатор цепи, атом, остаток и т. д. Белки также содержат аминокислотные последовательности отдельных цепей. Эти последовательности можно использовать для поиска сайтов гликозилирования или функциональных областей белка.

Гликаны

Гликаны представляют собой небольшие белки, присоединенные к существующему белку сборки. Отдельные гликановые деревья загружаются из файлов PDB и присоединяются к сайтам гликозилирования указанного белка. По умолчанию гликаны присоединяются ко всем доступным сайтам гликозилирования, но можно указать набор конкретных сайтов.

Модели дерева Glycan, расположенные в тестовой папке python sdk, были созданы с помощью Glycam Builder.

Последовательность РНК (в разработке)

Последовательность РНК можно загрузить из текстовой последовательности кодонов. Для представления последовательности РНК можно выбрать различные формы: узел-трилистник, тор, звезда и т. д. Это позволяет эффективно упаковать последовательность в заданный объем. Разный цвет назначается для каждого типа кодона.

Мембраны на основе сетки

Мембраны на основе сетки создают мембраны на основе трехмерных сеток. Это позволяет создавать сложные мембраны, в которых поверхности сетки заполнены белками.

Вирус

Вирусная частица представляет собой сборку, состоящую из мембраны, последовательности РНК и заданного количества белков S, M и E. Вирус имеет предопределенную сферическую форму, определяемую его радиусом. Параметры по умолчанию для вируса: радиус 45 нанометров, 62 белка S, 42 белка E и 50 белков M. Размеры и концентрации были взяты из литературы.

Мембрана

Мембрана представляет собой совокупность фосфолипидов. Структуры фосфолипидов создаются в соответствии с процессом, описанным в руководстве по VMD Membrane Proteins. Сама сборка создается BioExplorer для заданной формы и ряда экземпляров фосфолипидов.

Vasculature

Сосуды загружаются из базы данных (см. схему базы данных и пример блокнота для загрузки данных из файлов Sonata). Сосудистая сеть определяется кровеносными сосудами или расположением кровеносных сосудов в органе или части.

Пример набора данных можно загрузить с портала Blue Brain Neuro-Glia-Vasculature Portal

Ссылки:

• Микрососуды головного мозга имеют общую топологию с локальными различиями в геометрии, которые соответствуют метаболической нагрузке
• Портал нейро-глии-сосудов синего мозга. Сосудистая сеть. Данные реконструкции

Нейроны

Цепи нейронов загружаются из базы данных (см. схему базы данных и пример блокнота для загрузки данных из файлов Sonata) с использованием их положения и ориентации. Каждая клетка состоит из участков, которые образуют аксоны и дендриты, а также шипы. Согласно данным, представленным в научной литературе, внутренности клетки, такие как ядро ​​и митохондрии, могут быть созданы автоматически. BBBE также реализует процедурную генерацию варикозов вдоль аксона, а также миелиновых оболочек.

Пример набора данных доступен в публикации Model of Rat Non-barrel Somatosensory Cortex Anatomy. Пожалуйста, обратитесь к документации формата Sonata для получения информации о том, как загрузить и проанализировать модель. В комплект поставки входит блокнот Jupyter с основными примерами изучения данных с помощью пакетов Blue Brain с открытым исходным кодом NeuroM и Blue Brain SNAP.

Каталожные номера:

• Модель анатомии нествольной соматосенсорной коры крысы

Астроциты

Цепи астроцитов загружаются из базы данных (см. схему базы данных и пример блокнота для загрузки данных из файлов Sonata) с использованием их положения и ориентации. Концы-ножки астроцитов связаны с сосудистой сетью с использованием данных, хранящихся в специальной схеме базы данных коннектомов. Модель BBBE позволяет концевым ножкам автоматически адаптироваться к размеру сосудистой системы.

Сборка нейронов позволяет визуализировать микросхемы головного мозга. Морфологии, импортированные из файлов ASC, SWC или H5 в базу данных BBBE , могут быть загружены и преобразованы различными способами: только простые сферы или сомы, простой рендеринг полных морфологий с использованием сфер, конусов и цилиндров или расширенный рендеринг полных морфологий с использованием метод поля со знаком расстояния.

Многомасштабные модели мозга крыс и мышей объединяют модели ионных каналов, отдельных клеток, микросхем, областей мозга и систем мозга на разных уровнях детализации (молекулярные модели, морфологически подробные клеточные модели и абстрактные модели точечных нейронов). Нейронная микросхема — это наименьшая функциональная экосистема в любой области мозга, которая охватывает разнообразный морфологический и электрический набор нейронов и их синаптических взаимодействий. Blue Brain стала пионером в цифровой реконструкции и моделировании микросхем на основе данных, чтобы исследовать, как локальная структура нейронов приводит к глобальной сетевой динамике. Эти методы могут быть расширены для цифровой реконструкции микросхем в любой области мозга.

В нервной системе синапс представляет собой структуру, которая позволяет нейрону (или нервной клетке) передавать электрический или химический сигнал другому нейрону. Синапсы можно классифицировать по типу клеточных структур, выступающих в качестве пре- и постсинаптических компонентов. Подавляющее большинство синапсов в нервной системе млекопитающих представляют собой классические аксо-дендритные синапсы (аксон, соединяющийся с дендритом).

Пример набора данных доступен на портале Blue Brain Neuro-Glia-Vasculature Portal

Ссылки:

• Таламический контроль сенсорной обработки и веретен в биофизической модели соматосенсорного таламоретикулярного контура бодрствования и сна
• Компьютерный синтез морфологии корковых дендритов
• Цифровая реконструкция нейроглиально-сосудистой архитектуры
• Портал нейро-глии-сосудов синего мозга. Анатомия. Данные реконструкции
• Формат данных SONATA для эффективного описания крупномасштабных сетевых моделей

Моделирование активности нейронов

С помощью пакета моделирования NEURON информация о схеме загружается с диска, создавая экземпляры различных моделей клеток (морфологии с распределением ионных каналов) и синаптических связей. Экспериментатор выбирает протокол стимула, который будет подавать электрический ток в сеть и увеличивать мембранные напряжения клеток. Когда клетки приближаются к пороговому току, они высвобождают потенциал действия (ПД), который затем распространяет дополнительные изменения тока на другие клетки через механизмы высвобождения синапсов. BBBE загружает отчеты о моделировании, созданные NEURON, и сопоставляет напряжения с соответствующими сегментами морфологий. Передаточная функция определяет соответствие между цветом и значением напряжения.

Синтез морфологии

Цель компьютерного синтеза морфологий дендритов коры состоит в том, чтобы иметь возможность генерировать произвольное количество нейронов (а также других клеток, таких как глия), которые впоследствии можно использовать в различных типах моделирования. Частью этой цели является воссоздание в синтезированных клетках как можно большего количества морфологических признаков.

Схема синтеза основана на предположении, что необходимо знать среду, в которой растут клетки, чтобы точно воссоздать их. На морфологию нейронов влияет как пространство для встраивания, так и присутствие других клеток. Их аксоны могут нацеливаться на определенные области, или дендриты могут собираться в одной области для сбора входных данных, таких как апикальный пучок пирамидных клеток. Поэтому важно синтезировать клетки в биологически точных объемах.

Обнаружение близости

В контексте моделирования мозга обнаружение касаний между нейронами является неотъемлемой частью процесса. BBBE предоставляет средство визуализации, которое вычисляет расстояние между геометриями в 3D-сцене.

Когда луч попадает на геометрию, случайный вторичный луч отправляется в направлении, принадлежащем полусфере, определяемой нормалью к поверхности. Если этот вторичный луч попадает в другую геометрию, вычисляется расстояние между первоначальным попаданием и новым пересечением, и соответствующий цвет назначается пикселю. По умолчанию красный цвет предназначен для коротких расстояний (включая касания), а зеленый — для длинных. Понятие короткого и длинного определяется в настройках рендерера.

Белое вещество

Белое вещество состоит из пучков, которые соединяют различные области серого вещества (места расположения тел нервных клеток) головного мозга друг с другом и передают нервные импульсы между нейронами. Миелин действует как изолятор, который позволяет электрическим сигналам прыгать, а не проходить через аксон, увеличивая скорость передачи всех нервных сигналов.

Пример записной книжки Python демонстрирует, как загружать и импортировать потоки белого вещества с веб-сайта Allen Brain Institute в База данных BBBE . Другой блокнот Python демонстрирует, как визуализировать линии потока с помощью BBBE .

Ссылки:

• Allen Brain Institute: прогнозы подключения мыши
• Allen Brain Institute: атлас подключения мыши

Функция белого вещества способствовала созданию изображений для нулевой модели публикации микроконнектома целого неокортекса мыши и созданию соответствующего фильма.

Ферментативные реакции

Фермент притягивает субстраты к своему активному центру, катализирует химическую реакцию, в результате которой образуются продукты, а затем позволяет продуктам диссоциировать (отделяться от поверхности фермента). Комбинация, образованная ферментом и его субстратами, называется фермент-субстратным комплексом. BBBE позволяет легко визуализировать ферментативные реакции, предоставляя субстрат, продукт и тип реакции (например, гексокиназа).

Каталожные номера:

• Нейроглиально-сосудистый портал Blue Brain. Метаболизм. Данные реконструкции

Нейромодуляция

Нейромодуляция микросхем неокортекса — один из самых увлекательных и загадочных аспектов физиологии мозга. Несмотря на более чем столетие исследований, нейронаучному сообществу еще предстоит раскрыть фундаментальные принципы биологической организации, лежащие в основе нейромодуляторного высвобождения. Филогенетически ацетилхолин (АХ), пожалуй, самый старый нейромодулятор и один из наиболее хорошо изученных. ACh регулирует физиологию нейронов и синапсов и модулирует нейронные микросхемы, вызывая реконфигурацию состояний глобальной сети. Известно, что ACh поддерживает когнитивные процессы, такие как обучение и память, и участвует в регуляции возбуждения, внимания и сенсорной обработки. Хотя эффекты АХ в неокортексе широко охарактеризованы, комплексных знаний о механизмах его действия недостаточно. Более того, пути, которыми ACh высвобождается из проходных аксонов, происходящих из подкорковых ядер, все еще остаются спорными.

Парадигмы, основанные на моделировании, играют важную роль в проверке научных гипотез и обеспечивают полезную основу для интеграции того, что уже известно, и систематического исследования ранее неизведанной территории. Важно отметить, что вычислительные подходы, основанные на данных, выявляют пробелы в текущих знаниях и направляют экспериментальные исследования. С этой целью команда Blue Brain разработала многомасштабную модель холинергической иннервации соматосенсорной коры грызунов, включающую два различных набора восходящих проекций, реализующих либо синаптическую (ST), либо объемную передачу (VT). Модель позволяет комбинировать типы проекций в произвольных пропорциях, что позволяет исследовать относительный вклад этих двух модальностей передачи. Используя нашу модель АХ, мы обнаруживаем, что два режима выброса холинергических рецепторов действуют согласованно и оказывают мощное десинхронизирующее воздействие на активность микросхем. Кроме того, мы показываем, что эта модель моделирования может быть расширена на другие нейромодуляторы, такие как дофамин и серотонин, с минимальными ограничивающими данными. Таким образом, наши результаты предлагают более тонкий взгляд на нейромодуляцию, при котором несколько режимов высвобождения медиатора — ST против VT — необходимы для получения синергетических функциональных эффектов.