神经动力学模型的建立

神经动力学模型的建立

1.通用模型建立平台

GENESIS（通用神经模拟系统的缩写）是一个通用模拟平台，旨在支持从亚细胞成分和生化反应到单个神经元的复杂模型、大型网络模拟和系统级模型的神经系统模拟。

DynaSim是一个开源的 MATLAB/GNU Octave 工具箱，用于神经模型的快速原型设计和批量仿真管理。 它旨在加速和简化具有一个或多个compartment的神经元网络模型的生成、共享和探索过程。

2.模型结构：

1.细胞层面上low-level组件模拟
2.将low-level组件链接到单个神经元细胞class中
3. Creating Arrays of Cells
4. Making Synaptic Connections

2.1细胞层面上的模拟

compartments, ion channels, and other elements that may include elements to simulate calcium fluxes, detect when spike thresholds have been reached, and so on
compartment，细胞内离子通道，钙电流，spike threshold等一些low-level组件以及单个神经元模型的选择

Hodgkin Huxley模型

神经元=RC等效电路

细胞膜两侧离子浓度差产生了电势差，该电势差被称之为电位，而膜电位的改变与N a+ ，K + ，leaky(以Cl −为代表）的三种通道的流入流出息息相关，N a+通道有激活和失活两个门控开关，K + 通道只有激活门；每个离子通道分别存在允许和不允许两种状态，而状态的转变与膜电势有关，可以表示每一时刻每一门控开关打开的概率，换句话说也就是可以衡量各离子通道允许离子通过的能力，进而记录膜电势的变化，达到对于神经元内信号传递过程进行仿真的目的

基于H-H模型可以对于细胞膜上各种离子通道进行仿真模拟，但是相应的计算复杂度也比较高

Integrate and Fire模型

整合发放模型，应用于大规模回路仿真和脉冲神经网络

没有离子电流（相比于H-H模型有所简化），仅施加了脉冲阈值，接受足够强足够密集的刺激，有一定几率使电势差达到脉冲激发阈值即可以引发一次脉冲，接着回到静息水平

没有任何离子通道，仅关注神经元接收什么信息，是如何连接的

Izhikevich模型

二维（2-D）常微分方程组

v代表神经元膜电位，u为膜电位恢复变量（对应K+失活，Na+激活）,0.04v^2+5v+140是通过拟合皮层神经元的spike initiation动力学得来的（没有固定的threshold，类似真实神经元放电），参数 a 描述了恢复变量 u 的时间尺度【a=0.02】，参数 b 描述了恢复变量 u 对膜电位 v 的亚阈值波动的敏感性【b=0.2；可以决定静息电位】，参数 c 描述了由快速高阈值 K+ 电导引起的膜电位 v 的after spike reset【-65mv】，参数 d 描述了由缓慢高阈值 Na+ 和 K+ 电导引起的恢复变量 u 的after spike reset【d=2】

The model for a single neuron must be:

1. computationally simple, yet
2. capable of producing rich firing patterns exhibited by real biological neurons.

该模型结合了H-H模型的生物学合理性和Integrate and Fire模型的计算效率。

Izhikevich模型可以模拟几乎所有类型的神经元放电

compartment 模型

每一个神经元模型在形态学上与真实神经元大致接近
神经元的几何结构离散成为许多小单元，每个小单元等效为一个RC电路，不同小单元间通过电流扩散传递神经信号

单个compartment的模型电路学

这些模型参数定义了所谓的被动属性，这些属性负责电脉冲沿树突树传输的方式（相当于H-H模型）

cable theory

传递过程中电压会随距离衰减-cable theory(将H-H模型的电路排列分布于cable上)Leaky-指数衰减

Cable theory 是建立树突树和轴突以及胞体这一经典神经元结构的基础

突触连接

动作电位导致神经递质从轴突分支末端的突触前末端释放。这会扩散到突触后连接处（通常在树突上）的突触间隙，导致对该递质敏感的一组特定离子通道的电导增加（离子通道开放）

离子通道的开闭—释放神经递质-神经元膜电位V出现改变

突触输入通过树突树被动传播到胞体和初始轴突段

总结

Compartment 模型解决树突分叉，具有很高的仿真度，但是计算复杂度也较高

— Detailed Compartmental Models-考虑所有细胞层面上的复杂性（将神经元分割为一个个可以interconnect的隔室）
— Equivalent Cylinder Models-尽量简化神经元（compartment个数少）Models of this sort can be used to model basic electrical properties of cells, or to construct small networks of neurons.
— Single and Few Compartment Models

模型选择：

从左到右，生物现实性（接近真实神经元的生理特性）逐渐增加，计算复杂度也越来越大。选择什么模型取决于关心问题的尺度，关心哪方面特征

2.2 将low-level组件链接到单个神经元细胞class中

2.3 Creating Arrays of Cells

创建与被建模的生物结构相对应的这些神经元细胞排列
（这里的array是指在一维空间内神经元细胞的排布以及数量，不涉及细胞间的突触连接）

2.4 Making Synaptic Connections

连接网络中的细胞，指定连接强度、轴突和突触传输延迟以及突触连接的所有其他参数

1）神经元之间的连接-化学突触
离子通道的开闭—释放神经递质-神经元膜电位V出现改变
化学突触由突触后神经元的各离子通道数量，释放神经递质的概率，突触后离子通道开放概率所决定
2）不同网络之间的连接：
使用基于距离的指数函数对 MSN-MSN 和 FSI-MSN 突触的连接概率进行建模，调整以匹配实验观察到的连接概率
3）gap junction
FSI之间的GJ被建模为第一级树突之间的电阻元件