4、神经元模型的降维与相平面分析

神经元模型的降维与相平面分析

在神经科学领域，理解神经元动作电位的发放机制是一个核心问题。Hodgkin - Huxley模型成功地描述了动作电位的发放，但该模型由四个非线性微分方程定义，高维系统的行为难以可视化和分析。因此，降维与相平面分析成为研究神经元模型的重要工具。

1. 阈值效应

许多神经科学入门教材指出，当膜电位达到阈值时，神经元会发放动作电位。然而，这种阈值在数学上并没有明确定义。

1.1 脉冲输入

当使用不同时长的电流脉冲刺激Hodgkin - Huxley模型时，会得到不同的电压阈值。例如，1ms的短电流脉冲和100ms的长电流脉冲会导致不同的电压阈值。这表明神经元动作电位的发放虽然常被视为阈值行为，但该阈值依赖于刺激协议。

对于短电流脉冲，触发动作电位的有效阈值不是电流幅度，而是电流脉冲的积分或电荷。因为膜电容的存在，更多的电荷会使膜电压升高。短电流脉冲相当于电压的阶跃增加，电压升高量为$\Delta u = q/C$，其中$q$是电流脉冲的电荷。

1.2 阶跃电流输入

当使用阶跃电流$I(t) = I_1 + \Delta I \Theta(t)$刺激模型时，发放行为不仅取决于最终电流值$I_2$，还取决于电流阶跃的大小$\Delta I$。大的阶跃$\Delta I$有助于动作电位的起始。例如，目标值$I_2 = 2\mu A/cm^2$，只有当阶跃足够大时才会引发动作电位。

从图中可以得出，使用阶跃电流探测时，既没有唯一的动作电位起始电流阈值，也没有重复发放的电流阈值。动作电位的触发机制不仅取决于$I_2$，还取决于电流阶跃的大小$\Delta I$