2

作为一个充满激情的项目,我正在纽约大学的 XJ Wang 实验室重建一个神经元模型。论文是 Wei, W., & Wang, XJ (2016)。皮质 - 基底神经节 - 丘脑皮质环的抑制控制:复杂的调节和与记忆和决策过程的相互作用。神经元,92(5),1093-1105。

我遇到的主要问题是解释计算神经元膜电压微分的方程。他们包括一个用于基底神经节和丘脑底核细胞的爆裂神经元模型。这些区域中膜电压的微分方程包含导致爆发和强直尖峰的超极化反弹。该等式位于先前论文的第 2 页,该论文使用基本完全相同的模型。我已经链接到下面的论文,并且我还提供了指向确切段落的图像链接。 http://www.cns.nyu.edu/wanglab/publications/pdf/wei.jns2015.pdf

这是我无法阅读的方程式,不要担心 Isyn 它是来自突触的输入电流

方程取自这篇论文:https ://www.physiology.org/doi/pdf/10.1152/jn.2000.83.1.588

显然,需要对等式进行区分,以便我可以使用 numpy 运行它,但我暂时忽略它,因为这样做相对容易。所有 H 的中间学期给我带来了麻烦。据我了解,我应该运行执行以下操作的代码:

gt * h * H(V-Vh) * (V-Vt)

其中H(V-Vh)是重侧阶跃函数,V 是前一时间步长Vh = -60mVVt = 120mV处的膜电压。gt是纳米西门子中的电导效率常数。我认为为python解释这个的正确方法是......

gt * h * 重边(-60, 0.5)*(V-120)

但我不是 100% 确定我是否正确阅读了符号。有人可以确认我已经按预期阅读了吗?

其次, h是引起爆裂的停用术语,如 Smith et al., 2000(我链接到的第二个 pdf)第 2 页的最后一段中所述。我非常了解控制 h 演化的微分方程,但是 h 的值是多少?在史密斯等人。2000 年,作者说 h 以 20ms 的时间常数松弛为零,并以 100ms 的时间常数松弛为一。h放松的价值是什么?放松到统一意味着什么?

4

1 回答 1

0

对你来说 x1 (numpy.heaviside) 是 = V-Vh; 您正在将该差异与零进行比较。您可以尝试编写自己的 Heaviside 函数版本以加深理解,然后如果您需要它以提高速度或兼容性,则返回到 numpy 版本。伪代码罗嗦的版本会是这样的,

if (V<Vh): return(0); else: return(1);

您可能只需要编写(V>=Vh)代码,因为 Python 会将布尔值视为 1(如果为真)和 0(如果为假)。

这忽略了 Heaviside 完整版本中 V==Vh 的可能性,但对于大多数具有实际值(甚至在计算机中离散化)的实际工作来说,这不太可能是值得关注的案例,但您可以轻松添加它在。

于 2018-03-12T11:59:52.973 回答