Till skillnad från experimentella neurovetenskapare som hanterar verkliga neuroner, beräkningsneurovetare använder modellsimuleringar för att undersöka hur hjärnan fungerar. Medan många beräkningsneurovetare använder förenklade matematiska modeller av neuroner, forskare vid Computational Neuroscience Unit vid Okinawa Institute of Science and Technology Graduate University (OIST) utvecklar programvara som modellerar neuroner i detalj i molekylära interaktioner med målet att framkalla nya insikter om neuronal funktion. Tillämpningarna av programvaran var begränsade till nu på grund av den intensiva beräkningskraft som krävs för sådana detaljerade neuronella modeller, men nyligen Dr Weiliang Chen, Dr Iain Hepburn, och professor Erik De Schutter publicerade två relaterade artiklar där de beskriver noggrannheten och skalbarheten hos deras nya höghastighetsberäkningsprogramvara, "Parallella STEG". De kombinerade fynden tyder på att Parallell STEPS kan användas för att avslöja nya insikter om hur enskilda neuroner fungerar och kommunicerar med varandra.

Den första tidningen, publicerad i Journal of Chemical Physics i augusti 2016, fokuserar på att säkerställa att noggrannheten hos Parallella STEPS är jämförbar med konventionella metoder. I konventionella metoder, beräkningar som associeras med neuronala kemiska reaktioner och molekyldiffusion beräknas alla på en beräkningsenhet eller "kärna" sekventiellt. Dock, Dr Iain Hepburn och kollegor introducerade ett nytt tillvägagångssätt för att utföra beräkningar av reaktion och diffusion parallellt som sedan kan distribueras över flera datorkärnor, samtidigt som simuleringsnoggrannheten bibehålls i hög grad. Nyckeln var att utveckla en originalalgoritm uppdelad i två delar - en som beräknade kemiska reaktionshändelser och den andra diffusionshändelser.

"Vi testade en rad modellsimuleringar från enkla diffusionsmodeller till realistiska biologiska modeller och fann att vi kunde uppnå förbättrad prestanda genom att använda ett parallellt tillvägagångssätt med minimal förlust av noggrannhet. Detta visade den potentiella lämpligheten av metoden i en större skala, säger doktor Hepburn.

I ett relaterat papper publicerat i Gränser inom neuroinformatik i februari, Dr Weiliang Chen presenterade implementeringsdetaljerna för Parallel STEPS och undersökte dess prestanda och potentiella applikationer. Genom att bryta en partiell modell av en Purkinje-cell - en av de största neuronerna i hjärnan - i 50 till 1000 sektioner och simulera reaktions- och diffusionshändelser för varje sektion parallellt på Sango-superdatorn vid OIST, Dr Chen och kollegor såg dramatiskt ökade beräkningshastigheter. De testade detta tillvägagångssätt på både enkla modeller och mer komplicerade modeller av kalciumutbrott i Purkinje -celler och visade att parallell simulering kan påskynda beräkningarna mer än flera hundra gånger jämfört med konventionella metoder.

"Tillsammans, våra resultat visar att Parallel STEPS -implementering uppnår betydande prestandaförbättringar, och bra skalbarhet, "säger Dr Chen." Liknande modeller som tidigare krävde månader av simulering kan nu slutföras inom timmar eller minuter, vilket innebär att vi kan utveckla och simulera mer komplexa modeller, och lär dig mer om hjärnan på kortare tid."

Dr Hepburn och Dr Chen från OIST:s Computational Neuroscience Unit, ledd av professor Erik De Schutter, samarbetar aktivt med Human Brain Project, ett globalt initiativ baserat på École Polytechnique Fédérale de Lausanne (EPFL) i Schweiz, att utveckla en mer robust version av Parallel STEPS som innehåller elektrisk fältsimulering av cellmembran.

Än så länge är STEPS endast realistiskt kapabel att modellera delar av neuroner men med stöd av Parallel STEPS, Computational Neuroscience Unit hoppas kunna utveckla en fullskalig modell av en hel neuron och därefter interaktionerna mellan neuroner i ett nätverk. Genom att samarbeta med EPFL -teamet och genom att använda IBM 'Blue Gene/Q' superdator som finns där, de syftar till att uppnå dessa mål inom en snar framtid.

"Tack vare moderna superdatorer kan vi studera molekylära händelser inom neuroner på ett mycket mer transparent sätt än tidigare, " säger Prof. De Schutter. "Vår forskning öppnar intressanta vägar inom beräkningsneurovetenskap som för första gången kopplar samman biokemi med elektrofysiologi."