神经信息学

神经信息学是涉及通过计算模型和分析工具的应用来组织神经科学数据的研究领域。这些研究领域对于集成和分析日益增长的大容量，高维和细粒度的实验数据非常重要。神经信息学家提供计算工具，数学模型，并为临床医生和研究科学家创建可互操作的数据库。神经科学是一个异质领域，由许多不同的子学科组成（例如，认知心理学，行为神经科学和行为遗传学）。为了使作者对大脑的理解继续加深，这些子学科必须能够以有意义的方式共享数据和发现。神经信息学家对此有所帮助。[1]

神经信息学站在神经科学与信息科学的交汇处。其他领域，例如基因组学，已经证明了自由分布的数据库的有效性以及理论和计算模型在解决复杂问题中的应用。在神经信息学中，此类工具使研究人员可以通过计算模型更轻松地定量确认其工作理论。此外，神经信息学促进了合作研究，这一重要事实促进了该领域对研究大脑多层次复杂性的兴趣。

必须在三个主要方向应用神经信息学：[2]

开发用于管理和共享所有分析级别的神经科学数据的工具和数据库，
开发用于分析和建模神经科学数据的工具，
神经系统和神经过程的计算模型的发展。
在最近的十年中，由于许多研究小组收集了大量有关大脑的各种数据，因此提出了一个问题，即如何整合来自数千种出版物的数据，以便为进一步的研究提供有效的工具。生物学和神经科学数据之间具有高度的相互联系和复杂性，对于科学家来说，整合本身就是一个巨大的挑战。

将信息学研究与大脑研究相结合可为两个科学领域带来益处。一方面，信息学通过提供新的电子和软件技术来安排大脑研究中的数据库，建模和通信，从而促进了大脑数据的处理和数据处理。另一方面，神经科学领域的新发现将推动信息技术（IT）新方法的发展。



内容
1 历史
1.1 国际神经信息学协调机构
1.2 神经科学学会大脑信息小组
2 与其他学科的合作
3 研究计划和小组
3.1 澳大利亚
3.2 加拿大
3.3 丹麦
3.4 德国
3.5 意大利
3.6 日本
3.7 荷兰
3.8 巴基斯坦
3.9 瑞士
3.10 英国
3.11 美国
4 技术与发展
5 参考

历史
从1989年开始，美国国家心理健康研究所（NIMH），国家药物滥用研究所（NIDA）和国家科学基金会（NSF）为美国国家科学院医学院提供了资金，用于进行仔细的分析和研究创建数据库，共享神经科学数据的需求，并研究信息技术领域如何创建增加神经科学数据的数量和方式所需的工具。 1991年报告了积极建议。[3]这份积极的报告使现在由艾伦·莱什纳（Allan Leshner）指导的NIMH创建了“人脑计划”（HBP），并于1993年获得了第一笔资助。该计划由Koslow牵头，并与其他NIH研究所，NSF，美国国家航空航天局和能源部。在这一领域中，HPG [expand acronym]和赠款资助计划稍早于Internet爆炸性扩展之前。从1993年到2004年，该计划的资助赠款增加到1亿多美元。

接下来，科斯洛通过欧盟和法国巴黎经济合作与发展诊室（OECD）追求HPG和神经信息学的全球化。 1996年发生了两次特别的机会。

首先是由NSF的Mary Clutter共同主持的美国/欧洲委员会生物技术工作组的成立。在该委员会的职责范围内（由Koslow担任成员），美国欧洲委员会神经信息学委员会成立，并由来自美国的Koslow共同主持。该委员会的结果是，欧洲委员会在框架5中启动了对神经信息学的支持，并且继续支持神经信息学的研究和培训活动。
当被问及经合组织超级科学论坛（MSF）参加政府的政府是否有任何新的科学计划来推动全球科学合作时，神经信息学全球化的第二次机会就出现了。白宫科学技术政策诊室要求联邦政府的机构在NIH开会，以决定是否需要合作，这将对全球有益。 NIH举行了一系列会议，讨论了来自不同机构的提案。美国对MSF的建议建议是NSF和NIH建议的组合。 NSF的Jim Edwards支持了生物多样性领域的数据库和数据共享； Koslow提出HPG与神经信息学的新名称一起作为共享神经科学数据的模型。
两项相关的倡议相结合，形成了美国关于“生物信息学”的提案。这项倡议得到了白宫科学技术政策诊室的支持，并由爱德华兹和科斯洛在经合组织无国界医生组织中提出。无国界医生组织成立了一个生物信息学委员会，下设两个小组委员会：1.生物多样性（主席，詹姆斯·爱德华兹，NSF）和2.神经信息学（主席，斯蒂芬·科斯洛，NIH）。两年末，生物工作组的神经信息学小组委员会发表了一份支持全球神经信息学研究的报告。 Koslow与NIH和白宫科学技术政策诊室合作建立了一个新的Neuroinformatics工作组，以制定具体建议以支持第一份报告的更一般性建议。经合组织的全球科学论坛（GSF；从MSF改名）支持该建议。

国际神经信息学协调机构
主要文章：国际神经信息学协调机构

该委员会向GSF成员国政府提出了3条建议。这些建议是：

国家神经信息学计划应该在每个国家继续或启动，应该有一个国家节点，既可以在全国范围内提供研究资源，又可以作为国家和国际协调的联系人。
应该建立一个国际神经信息学协调机构（INCF）。 INCF将通过整合国家神经信息学节点来协调全球神经信息学网络的实施。
应该建立一个新的国际筹资计划。该计划应消除国家和学科障碍，并为全球协作研究和数据共享提供最有效的方法。在这个新计划中，每个国家将有望为其国家的研究人员提供资金。
然后，GSF神经信息学委员会为INCF的运营，支持和建立制定了业务计划，该计划得到了GSF科学部长在2004年会议上的支持和批准。在2006年成立了INCF，在Sten Grillner的领导下，其中央诊室在瑞典斯德哥尔摩的Karolinska研究所成立并开始运作。十六个国家（澳大利亚，加拿大，中国，捷克共和国，丹麦，芬兰，法国，德国，印度，意大利，日本，荷兰，挪威，瑞典，瑞士，英国和美国）成立了欧盟委员会INCF和国际神经信息学计划（PIN）的法律依据。迄今为止，有18个国家（澳大利亚，比利时，捷克共和国，芬兰，法国，德国，印度，意大利，日本，马来西亚，荷兰，挪威，波兰，大韩民国，瑞典，瑞士，英国和美国） INCF的成员。尚待其他几个国家加入。

INCF的目标是协调和促进神经信息学方面的国际活动。 INCF致力于神经科学应用程序的数据库和计算基础结构以及支持机制的开发和维护。该系统有望为国际研究界提供对所有可自由访问的人脑数据和资源的访问。 INCF的更一般的任务是为神经科学实验室的发展提供便利和灵活的应用条件，以增进作者对人脑及其疾病的了解。

神经科学学会大脑信息小组
在所有这些活动的基础上，2003年神经科学学会（SfN）主席Huda Akil成立了大脑信息小组（BIG），以评估神经信息学对神经科学特别是对SfN的重要性。根据BIG的报告，SfN还成立了神经信息学委员会。

2004年，SfN宣布神经科学数据库网关（NDG）作为神经科学家的通用资源，通过它可以访问几乎所有神经科学数据库和工具。 NDG由NIDA，NINDS和NIMH资助建立。神经科学数据库网关已过渡到新的增强平台神经科学信息框架。[4] NIF是由NIH Neuroscience BLueprint资助的动态门户，可通过单个搜索界面访问与神经科学相关的资源（数据，工具，材料）。 NIF建立在NDG的基础上，但提供了一组专门为神经科学家量身定制的工具：更广泛的目录，可以从NIF主页直接搜索多个数据库的功能，神经科学资源的自定义Web索引以及专注于神经科学的文献搜索功能。

与其他学科的合作

神经信息学是在以下领域的交叉领域形成的：神经科学，计算机科学，生物学，实验心理学，医学，工程学，物理科学，数学和化学。

生物学与分子数据有关（从基因到细胞特异性表达）。具有突触结构和系统级解剖结构的医学和解剖结构；工程–电生理学（从单通道到头皮表面EEG），大脑成像；计算机科学–数据库，软件工具，数学科学–模型，化学–神经递质等。神经科学使用上述所有实验和理论研究来从各个层面了解大脑。医学和生物学专家帮助确定独特的细胞类型及其元素和解剖联系。复杂有机分子和结构的功能，包括调节和控制脑部功能的多种生化，分子和遗传机制，由化学和细胞生物学专家确定。脑部成像可确定心理和行为活动期间的结构和功能信息。生物物理学和生理学专家研究神经细胞神经元网络内的物理过程。这些研究领域的数据经过分析和整理后放在数据库和神经模型中，以便将各种元素集成到一个复杂的系统中。这是神经信息学与其他学科相遇的地方。

神经科学提供以下类型的数据和信息，而神经信息学则在这些数据和信息上运行：

分子和细胞数据（离子通道，动作电位，遗传学，神经元细胞学，蛋白质途径），
来自器官和系统的数据（视觉皮层，知觉，听觉，感觉系统，疼痛，味觉，运动系统，脊髓），
认知数据（语言，情感，运动学习，性行为，决策，社会神经科学），
发展信息（神经分化，细胞存活，突触形成，运动分化，损伤和再生，轴突引导，生长因子），
有关疾病和衰老的信息（自主神经系统，抑郁症，焦虑症，帕金森氏病，成瘾，记忆力减退），
神经工程数据（脑机接口），以及
计算神经科学数据（各种神经元系统的计算模型，从膜电流，蛋白质到学习和记忆）。
Neuroinformatics使用数据库，Internet和可视化来存储和分析提到的神经科学数据。

研究计划和小组
澳大利亚
墨尔本大学霍华德·弗洛里研究所神经影像与神经信息学
研究所的科学家利用诸如磁共振成像之类的大脑成像技术来揭示人类思想中涉及的大脑网络的组织。由Gary Egan领导。
加拿大
麦吉尔大学蒙特利尔神经研究所麦吉尔综合神经科学中心（MCIN）
在艾伦·埃文斯（Alan Evans）的带领下，MCIN使用创新的数学和统计方法进行了计算密集型大脑研究，以将临床，心理和大脑影像数据与遗传学整合在一起。 MCIN的研究人员和工作人员还在图像处理，数据库和高性能计算领域开发基础结构和软件工具。 MCIN社区与Ludmer神经信息学和心理健康中心一起，与广泛的研究人员合作，并越来越关注开放数据共享和开放科学，包括蒙特利尔神经学研究所。
丹麦
THOR神经信息学中心
于1998年4月在丹麦技术大学数学建模系成立。除了追求独立的研究目标，THOR中心还主持了许多有关神经网络，功能性神经成像，多媒体信号处理和生物医学信号处理的相关项目。
德国
神经信息学门户网站飞行员
该项目是加强神经科学数据，数据分析工具和建模软件交换的更大努力的一部分。经合组织神经信息学工作组的许多成员都支持该门户。 Portal Pilot由德国科学和教育部推广。
计算神经科学，ITB，H鼓膜凸ldt-柏林大学
该小组专注于计算神经生物学，尤其是具有尖峰神经元的系统的动力学和信号处理能力。由Andreas VM Herz领导。
比勒费尔德的神经信息学小组
自1989年以来一直活跃在人工神经网络领域。该小组中的当前研究计划集中于改善人机界面，机器人力控制，眼动追踪实验，机器视觉，虚拟现实和分布式系统。
意大利
计算嵌入式神经科学实验室（LOCEN）[5]
该小组是意大利国家研究委员会（ISTC-CNR）在罗马的认知科学与技术研究所的一部分，成立于2006年，目前由Gianluca Baldassarre领导。它有两个目标：（a）在具体的计算模型的基础上，了解感觉运动行为的学习和表达所基于的大脑机制，以及以此为基础的相关动机和更高层次的认知； （b）将获得的知识转移到为自主的类人机器人构建创新的控制器，从而能够根据内在和外在动机以开放式方式学习。
日本
日本国家神经信息学资源
Visiome平台是Neuroinformatics搜索服务，可提供对数学模型，实验数据，分析库和相关资源的访问。作为MEXT脑科学战略研究计划（SRPBS）的一部分，也可以在BrainLiner.jp上找到神经生理数据共享的在线门户。
理化学研究所脑科学研究所数学神经科学实验室（（玉县和光市）
数学神经科学实验室的目标是为构建新型信息科学建立大脑式计算的数学基础。由Aichi Shunichi领导。
荷兰人
荷兰神经信息学国家计划
以国际经合组织全球科学论坛为起点，该论坛旨在创建神经信息学的全球计划。
巴基斯坦
NUST-SEECS神经信息学研究实验室[6]
SEECS-NUST建立了神经信息学实验室，使巴基斯坦的研究人员和教职员工能够积极参与此类工作，从而成为上述实验，模拟和可视化过程的积极组成部分。该实验室与领先的国际机构合作开发相关领域的高技能人才。该实验室可帮助巴基斯坦的神经科学家和计算机科学家使用最先进的研究方法对收集的数据进行实验和分析，而无需投资建立实验性神经科学设施。该实验室的主要目标是为所有受益者，包括高等教育机构，医学研究人员/从业人员以及技术行业，提供最先进的实验和模拟设施。
瑞士
蓝脑计划
Blue Brain项目成立于2005年5月，使用了IBM开发的8000处理器Blue Gene / L超级计算机。当时，这是世界上最快的超级计算机之一。
该项目涉及：
数据库：3D重建模型神经元，突触，突触途径，微电路统计，计算机模型神经元，虚拟神经元。
可视化：微电路构建器和仿真结果可视化器，2D，3D和沉浸式可视化系统正在开发中。
Simulation（仿真）：在IBM Blue Gene超级计算机的8000个处理器上进行形态复杂的神经元的大规模仿真的仿真环境。
仿真和实验：在新皮质微电路的大规模仿真和实验之间进行迭代，以验证计算模型并探索预测。
蓝脑计划的任务是通过详细的模拟来了解哺乳动物的脑功能和功能障碍。蓝脑计划将邀请研究人员使用蓝脑软件对蓝基因进行仿真，以建立不同物种，不同细节水平的不同大脑区域的模型。这些模型将存储在一个互联网数据库中，Blue Brain软件可以从该数据库中提取模型并将它们连接在一起以构建大脑区域，并开始进行第一个全脑仿真。
神经信息学研究所（INI）
该研究所于1995年底在苏黎世大学成立，其任务是发现大脑工作的关键原理，并将其应用于与现实世界进行智能交互的人工系统中。
英国
认知基因计划
一个神经科学研究计划，以综合方式研究基因，大脑和行为。它从事对突触中发现的分子功能的大规模研究。这主要集中在与NMDA受体相互作用的蛋白质上，NMDA受体是神经递质的受体，谷氨酸是突触可塑性过程（如长期增强（LTP））所必需的。所使用的许多技术本质上都是高通量的，并且集成了各种数据源以及指导实验，这引起了许多信息学问题。该计划主要由Wellcome Trust Sanger研究所的Seth Grant教授管理，但世界各地还有许多其他合作者团队。
CARMEN项目[7]
CARMEN项目是一个多站点（英国11所大学）研究项目，旨在使用GRID计算使实验神经科学家能够将其数据集存储在结构化数据库中，从而使他们可以广泛地用于进一步研究，建模和算法研究开发人员可以利用。
EBI计算神经生物学，EMBL-EBI（Hinxton）
该小组的主要目标是基于对分子功能和相互作用的精确了解，建立从突触到微电路的各个层次的逼真的神经元功能模型。由Nicolas LeNovère领导。
美国
神经科学信息框架
神经科学信息框架（NIF）是由美国国立卫生研究院（NIH）在2004年建立的NIH神经科学研究蓝图的一项倡议。与一般的搜索引擎不同，NIF可以更深入地访问与神经科学相关的更集中的资源，针对神经科学的搜索策略以及对传统上从网络搜索引擎“隐藏”的内容的访问。 NIF是动态的神经科学数据库清单，带有注释并与统一的生物医学术语系统（即NeuroLex）集成在一起。 NIF支持跨多个生物学结构规模和多个生物学功能级别的基于概念的查询，从而使搜索和理解结果更加容易。 NIF还将提供一个注册表，资源提供者可以通过该注册表披露与神经科学研究相关的资源的可用性。 NIF本身并不是仓库或存储库，而是一种通过网络公开和查找其他资源的手段。
神经遗传学基因网络
Genenetwork于1999年作为NIH Human Brain Project的组成部分开始，其重点是对大脑结构和功能的遗传分析。该国际计划由紧密集成的人，小鼠和大鼠基因组和表观数据集组成，这些数据集是专门为大规模系统和网络研究而设计的，这些研究将基因变体与mRNA和蛋白质表达的差异以及CNS结构和行为的差异相关。绝大多数数据都是开放访问的。 GeneNetwork有一个伴随的神经影像网站-小鼠脑库-包含了成千上万种经过基因定义的小鼠品系的高分辨率图像。
神经元时间序列分析（NTSA）[8]
NTSA Workbench是一套工具，技术和标准，旨在满足使用神经元时间序列数据的神经科学家的需求。该项目的目标是开发信息系统，使实验和模拟神经元数据的存储，组织，检索，分析和共享更加容易。最终目的是开发一套工具，技术和标准，以满足使用神经元数据的神经科学家的需求。
认知地图集[9]
认知地图集是一个在认知科学和神经科学领域发展共享知识库的项目。这包括两种基本知识：任务和概念，提供其定义和属性以及它们之间的关系。该网站的一个重要功能是能够引用文献进行断言（例如“ Stroop任务衡量执行控制”）并讨论其有效性。它为NeuroLex和Neuroscience Information Framework做出了贡献，允许以编程方式访问数据库，并且基于语义Web技术构建。
艾伦脑科学研究所的大脑大数据研究小组（华盛顿州西雅图）
在彭汉川的领导下，[10]该小组致力于使用大规模成像计算和数据分析技术来重建单个神经元模型，并将其映射到不同动物的大脑中。
技术与发展
神经信息学的主要技术趋势是：

计算机科学在神经科学中建立数据库，工具和网络的应用；
神经元系统的分析和建模。
为了利用神经数据进行组织和操作，科学家需要使用精确描述大脑结构及其关系的标准术语和地图集。

神经元追踪和重建是建立神经元形态数字模型的必要技术。这种形态对于神经元分类和模拟很有用。
BrainML [11]是一个提供用于交换神经科学数据的标准XML元格式的系统。
生物医学信息学研究网络（BIRN）[12]是神经科学网格系统的一个示例。 BIRN是共享资源的地理上分散的虚拟社区，提供广泛的服务范围以促进疾病的诊断和治疗。 BIRN允许将数据库，接口和工具组合到一个环境中。
Budapest Reference Connectome是一个基于Web的3D可视化工具，用于浏览人脑中的连接。传感器和连接是根据人类Connectome项目的MRI数据集计算得出的。
GeneWays [13]与细胞形态和电路有关。 GeneWays是一个自动从研究文献中提取，分析，可视化和整合分子途径数据的系统。该系统专注于分子物质与作用之间的相互作用，提供所收集信息的图形视图，并使研究人员可以查看和更正集成的信息。
新皮层微电路数据库（NMDB）。[14]从细胞到复杂结构的全能大脑数据数据库。研究人员不仅可以将数据添加到数据库中，还可以获取和编辑数据。
SenseLab。[15] SenseLab是建立神经元和神经系统的集成，多学科模型的长期努力。它成立于1993年，是原始人脑计划的一部分。多级神经元数据库和工具的集合。 SenseLab包含六个相关的数据库，这些数据库支持使用嗅觉途径作为模型系统，对介导神经细胞信息处理的膜特性进行实验和理论研究。
BrainMaps.org [16]是使用高速数据库和虚拟显微镜的交互式高分辨率数字脑图集，其基于包括人类在内的多种物种的扫描图像的1200万兆像素以上。
大脑映射领域的另一种方法是从不同人群的真实数据中获得的概率图谱，这些概率图谱是由特定因素（例如年龄，性别，患病等）形成的。为大脑研究提供了更灵活的工具，并允许获得更可靠和更可靠的信息。精确的结果，而传统的大脑图谱则无法实现。

另见
Outline of the human brain
Outline of brain mapping
List of neuroscience databases
Brain simulation
Computational neuroscience
Computational anatomy
Systems neuroscience
Vision science
Brain-reading
Human Brain Project
Connectogram
Neuroethology
参考
Citations
Adee, Sally (June 2008). "Reverse engineering the brain". IEEE Spectrum. 45 (6): 51–55. doi:10.1109/MSPEC.2008.4531462.
"INCF Strategy 概述".
Pechura, Constance M.; Martin, Joseph B., eds. (1991). Mapping the Brain and Its Functions: Integrating Enabling Technologies into Neuroscience Research (Consensus study report). Washington, DC: National Academy Press. doi:10.17226/1816. ISBN 978-0-309-04497-4.
http://www.neuinfo.org[permanent dead link]
"Laboratory of Computational Embodied Neuroscience - Institute of Cognitive Sciences and Technologies". www.istc.cnr.it. Retrieved 2 April 2018.
"Neuro-Informatics Lab @ SEECS, NUST - School of Electrical Engineering & Computer Sciences, National University of Sciences & Technology". neuro.seecs.nust.edu.pk. Retrieved 2 April 2018.
"Welcome to CARMEN". Welcome to CARMEN. Retrieved 2 April 2018.
"NTSA Workbench". University of Illinois Urbana-Champaign. Archived from the original on 21 July 2006.
"Cognitive Atlas". www.cognitiveatlas.org. Retrieved 2 April 2018.
"Hanchuan Peng's Homepage". home.penglab.com. Retrieved 2 April 2018.
"BrainML Model Repository".
"Archived copy". Archived from the original on 2010-05-29. Retrieved 2010-05-17.
http://anya.igsb.anl.gov/Geneways/GeneWays.html[permanent dead link]
Henry Markram, X. Luo, G. Silberberg, M. Toledo-Rodriguez and A. Gupta. The Neocortical Microcircuit Database (NMDB), in Databasing the Brain: From Data to Knowledge (Neuroinformatics), p. 327-342, 2005.
"SenseLab: Home". senselab.med.yale.edu. Retrieved 2 April 2018.
Davis, UC. "BRAINMAPS.ORG - BRAIN ATLAS, BRAIN MAPS, BRAIN 结构, NEUROINFORMATICS, BRAIN, STEREOTAXIC ATLAS, NEUROSCIENCE". brainmaps.org. Retrieved 2 April 2018.
Sources
Adee, Sally (June 2008). "Reverse Engineering the Brain". IEEE Spectrum. 45 (6): 51–53. doi:10.1109/MSPEC.2008.4531462.
"Annual Report FY2006: Navigating a changing landscape" (PDF). Society for neuroscience. 2006.
Arbib, Michael A.; Grethe, Jeffrey S., eds. (2001). Computing the Brain, A Guide to Neuroinformatics. San Diego, CA: Academic Press. ISBN 978-0-12-059781-9. OCLC 162129478.
Ascoli, Giorgio A.; De Schutter, Erik; Kennedy, David N. (March 2003). "An information science infra结构 for neuroscience". Neuroinformatics. 1 (1): 001–002. doi:10.1385/NI:1:1:001. PMID 15055390.
Beltrame, F.; Koslow, S.H. (September 1999). "Neuroinformatics as a megascience issue". IEEE Transactions on Information Technology in Biomedicine. 3 (3): 239–40. doi:10.1109/4233.788587. PMID 10719488.
Gardner, Daniel; Shepherd, Gordon M. (September 2004). "A gateway to the future of Neuroinformatics". Neuroinformatics. 2 (3): 271–274. doi:10.1385/NI:2:3:271. PMID 15365191.
Koslow, Stephen H.; Huerta, Michael F., eds. (1997). Neuroinformatics: An 概述 of the Human Brain Project. Progress in neuroinformatics research. Mahwah, NJ: L. Erlbaum. ISBN 978-0-8058-2099-7. OCLC 34958678.
Koslow, Steven H.; Subramaniam, Shankar, eds. (2005). Databasing the Brain: From Data to Knowledge. Neuroinformatics. Hoboken, NJ: Wiley-Liss. ISBN 978-0-471-30921-5. OCLC 60194822.
"Strategy 概述 2008–2010". INCF. International Neuroinformatics Coordinating Facility. 8 July 2008.