nm-bridge est une librairie C++ interfacée en R et en Python pour générer et estimer des réseaux d'interaction de type Hawkes (ou autres) afin de modéliser des données neuronales (trains de spikes).
Cette librairie est composée de deux modules:
- Un module générant des trains de spikes, nommé nm-spikes, basé sur les algorithmes décrits dans les deux articles suivants
Mascart, Cyrille; Hill, David; Muzy, Alexandre; Reynaud-Bouret, Patricia. Efficient Simulation of Sparse Graphs of Point Processes, ACM Transactions on Modeling and Computer Simulation, 33(1-2), 1-27 (2023) (arXiv)
Mascart, Cyrille; Scarella, Gilles; Reynaud-Bouret, Patricia; Muzy, Alexandre. Scalability of Large Neural Network Simulations via Activity Tracking with Time Asynchrony and Procedural Connectivity, Neural Computation, 34(9), 1915-1943 (2022) (bioRxiv)
- Un module qui reconstruit les paramètres du modèle sous-jacent selon les observations (reconstruction du réseau à partir des trains de spikes), nommé nm-reconstruction, basé sur les deux articles suivants:
Hansen, Niels R.; Reynaud-Bouret, Patricia; Rivoirard, Vincent. Lasso and probabilistic inequalities for multivariate point processes, Bernoulli, 21(1), 83-143 (2015) (arXiv)
Lambert, Régis; Tuleau-Malot, Christine; Bessaih, Thomas; Rivoirard, Vincent; Bouret, Yann; Leresche, Nathalie; Reynaud-Bouret, Patricia. Reconstructing the functional connectivity of multiple spike trains using Hawkes models, Journal of Neuroscience Methods, 297, 9-21 (2018) (HAL)
Les deux blocs communiquent et on peut simuler un réseau de processus de Hawkes en utilisant les paramètres estimés, par exemple, ou vérifier que l'on a suffisamment d'observations dans une simulation pour trouver le réseau sous-jacent. Les modules ont été élaborés pour prendre facilement en compte l'hétérogénéité des données et de regrouper des portions d'enregistrements similaires.
C'est une des codes de base développés à l'Institut Neuromod de l'Université Côte d'Azur.
Participants au LJAD: Patricia Reynaud-Bouret, Gilles Scarella & T. C. Phi (doctorant 2018-22)