前几天有人讨论计算神经科学,偶来说两句八。当然理论神经科学和计算神经科学含义并不一致,不过都没有太严格的定义,不多说。
1 入门教程 (当然只是偶认为比较好的一本,各人背景不同,要具体看乐)
theoretical neuroscience, Dayan and Abbott 这本书在amazon.com买50$,偶当时找乐一个小网站,30$搞定,网上也有全文下载的地方。
这本书对theoretical neuroscience 介绍的比较全面,但要想真正明白每一章的内容,似乎并不容易,反正偶只是明白乐一点点。 theoretical neuroscience 的内容很多,可以先看看着本书,看看有没有自己喜欢以及能做的部分。
Abbott 在univ of brandies.主页上有习题 http://people.brandeis.edu/~abbott/。不过有些习题并不好做,有的题目极其无聊,无聊的题目,偶一怒之下,一概没做,所以最后只拿个A- 的说(上学期选的这们课)。
生物部分,自然是看 principles of neural science. 不知道第5 版出来没,不过偶前老板去年8月份已经把第五版他负责的一章交给kandel乐
2 偶大概了解的几个方向
从切入的学科说
a) differential equations and dynamical systems学过一点电生理的,都知道Hodgkin and Huxley 的经典工作,发在52年的J. physiology上的。有空可以读一下原文,非常cool. 不过有一点要注意,那篇文章中,电流的正负方向和现在通常定义的相反,所以一般现在复述他们的工作时也就用乐现在的定义。在看原文时,不要觉得奇怪。
由於微分方程可以极好的描述动作电位,所以可以从数学上来看。大抵是可以用关于limit cycles, bifurcations, chaos,的一些结果 来做一些关于synchrony ,adaptation,
nonlinear oscillations 之类的东西。可以是关于单个neuron 的,也可以是 关于一个neuronal network( 不是neural network)的。
有一本极好的教材,spikes,decisions and actions, by wilson. 很便宜,偶15$买的。wilson 以前在u of Chicago, 现在好像在Canada. wilson 是G. Bard Ermentrout
postdoc 的committee。按Ermentrout 的意思,这是一本很decent 的教材,只是取乐一个莫名其妙的名字。 做这个方向的人,偶知道的是 u of pittsburgh 的 Bard Ermentrout ,boston U 的nancy, etc.
b) EE & physics
这个方向的大牛人,自然是caltech的koch. 他的biophysics of computitions, 几乎是必备书,50$. 想来大家都知道koch,不多说。偶听过他的一次讲座,当时太困,睡着乐,实在是很不好意思的说。
c) statistics
有本很好的书,Spikes: Exploring the Neural Code (Computational Neuroscience) by Fred Rieke , David Warland , Rob deRuytervanSteveninck , William Bialek 。
好像后三个作者都是在NEC的,后来NEC 取消乐一个相关的实验室, 於是大名鼎鼎 Rob deRuytervanSteveninck 便被layoff 乐。:)
当然他是不愁没地方的要的,转身就到Princeton 去做乐教授。这家伙的名字实在是长,要查他的文章,都不知道该用哪个名字,总是查不到 :( 。 听过他的一次讲座,是用果蝇( 或者某种其他的的蝇, not sure, 没听清,:P ) 做视觉编码,电极插下去后,可以连续记录一个星期,想起偶插电极的痛苦,实在是羡慕不已。
偶学过一点点theoretical neuroscience ,只是太笨,也没学明白什么。不过偶大概定乐一下毕业论文的题目, 就认为是解码吧。大概是这样的:
Given a neuron and the stimuli, the spike train can be gotten by the intracellular and extracelluar recording. Now the question is : given the spike train, can we estimate the parameters of the neurons, say, resting potential, threshold, time constant, and the parameters of the stimuli, say, mean, & sd ?The answer is yes if we use the integrate and fire model and if the stimuli are white noises. the methods that I use are maximum likelihood estimation, optimization etc based on that stochastic differential equation.