Hodgkin-Huxley Model 完全推导

Ciallo~(∠・ω< )⌒★ 我是赤川鹤鸣。本文假设您已经初步了解了 Hodgkin-Huxley Model,这里只是针对其中的公式的一些推导。不会对其优缺点、特性、应用等进行详述。

img

物理基础知识

如果已学习过物理学中电流、电容、电导率的概念,可跳过此节。

首先,让我们复习一下物理学中电流、电容、电导率的概念。

电流强度单位时间内通过导体某一横截面的电荷量,简称电流,符号为 \(I\)

\[I = \dfrac{\text{d}q}{\text{d}t} \tag{1.1} \]

其中 \(q\) 是电荷量,\(t\) 是时间。

电容量在数值上等于一个导电极板上的电荷量与两个极板之间的电压之比,简称电容,符号为 \(C\)

\[C = \dfrac{q}{V} \tag{1.2} \]

其中 \(q\) 是一个导电极板上的电荷量,\(V\) 是两个极板之间的电压。

把式 \((1.2)\) 代入到式 \((1.1)\) 中,则

\[I = \dfrac{\text{d}(CV)}{\text{d}t} = C\dfrac{\text{d}V}{\text{d}t} \tag{1.3} \]

电导率是用来描述物质中电荷流动难易程度的参数,符号为 \(g\)

\[g = \dfrac{I}{U} \tag{1.4} \]

数学基础知识

如果已学习过微分方程的解法,可跳过此节。

接下来,我们分别推导一阶齐次线性微分方程和一阶非齐次线性微分方程的通解。

一阶齐次线性微分方程的通解推导

例如,有如下的一阶齐次线性微分方程

\[\dfrac{\text{d}y}{\text{d}x} + P(x)y = 0 \ \ (y \neq 0) \]

两侧除以 \(y\) 并乘 \(\text{d}x\),得

\[\dfrac{\text{d}y}{y} + P(x)\text{d}x = 0 \]

移项,得

\[\dfrac{\text{d}y}{y} = - P(x)\text{d}x \]

两侧积分,得

\[\int{\dfrac{\text{d}y}{y}} = \int{ - P(x)\text{d}x} \]

因为 \(\ln{y} + \ln{C}\) 的导数是 \(\dfrac{1}{y}\),所以

\[\ln y = \int{ - P(x)\text{d}x} + \ln C \]

换成以自然对数 \(e\) 为底的形式,即

\[e^{\ln{y}} = e^{\int{ - P(x)\text{d}x} + \ln C} = e^{- \int{P(x)\text{d}x}} e^{\ln C} \]

由于 C 只是一个常数,为了方便,最终通解可写为

\[y = C e^{- \int{P(x)\text{d}x}} \tag{2.1} \]

一阶非齐次线性微分方程的通解推导

例如,有如下的一阶非齐次线性微分方程

\[\frac{\text{d}y}{\text{d}x} + P(x)y = Q(x) \tag{2.2} \]

根据式 \((2.1)\),令 \(C = u(x)\),得

\[y = u(x) e^{- \int{P(x)\text{d}x}} \tag{2.3} \]

带入原方程 \((2.2)\)

\[\frac{\text{d}u}{\text{d}x} = \dfrac{Q(x)}{e^{- \int{P(x)\text{d}x}}} \]

\(\frac{\text{d}u}{\text{d}x}\) 积分得 \(u(x)\) 并带入式 \((2.3)\)

\[y = C e^{- \int{P(x)\text{d}x}} + e^{- \int{P(x)\text{d}x}} \int Q(x) e^{ \int{P(x)\text{d}x}} \text{d}x \]

Hodgkin-Huxley Model

Hodgkin-Huxley Model 的结构如图所示,可以看出膜电流 \(I_{\text{m}}\) 是由钠离子电流\(I_{\text{Na+}}\)、钾离子电流 \(I_{\text{K+}}\)、漏电电流 \(I_{\text{Leak}}\) 和电容器电流 \(I_{C}\) 组成的,即

\[I_{\text{m}} = I_{\text{Na+}} + I_{\text{K+}} + I_{\text{Leak}} + I_{C} \tag{3.1} \]

接下来我们依次推导各个通道上的电流计算公式。

通道电流计算公式

钠离子通道电流

根据式 \((1.4)\),钠离子通道上的电流 \(I_{\text{Na+}}\) 就可由下式决定

\[I_{\text{Na+}} \left( V_{\text{m}}, t \right) = g_{\text{Na+}}\left( V_{\text{m}}, t \right) (V_{\text{m}} - E_{\text{Na+}}) \]

其中钠离子通道上的电导率 \(g_{\text{Na+}}\left( V_{\text{m}}, t \right)\) 是一个与膜电压 \(V_{\text{m}}\) 和时间 \(t\) 相关的函数。为了更好地研究这个函数,我们使用钠离子通道在膜电压 \(V_{\text{m}}\) 和时间 \(t\) 下打开的概率函数 \(P_{\text{Na+}} \left(V_{\text{m}}, t \right)\)、钠离子通道的个数 \(N_{\text{Na+}}\) 和单个钠离子通道的电导率 \(\hat{g}_{\text{Na+}}\) 进行表示,即

\[g_{\text{Na+}}\left( V_{\text{m}}, t \right) = P_{\text{Na+}} \left(V_{\text{m}}, t \right) N_{\text{Na+}} \hat{g}_{\text{Na+}} \tag{3.2} \]

通常,还使用门限变量来重写公式 \((3.2)\)

\[g_{\text{Na+}}\left( V_{\text{m}}, t \right) = \bar{g}_{\text{Na+}} m^3 \left( V_{\text{m}}, t \right) h \left( V_{\text{m}}, t \right) \tag{3.3} \]

其中 \(\bar{g}_{\text{Na+}}\) 是钠离子通道的平均电导率,\(m\)\(h\) 是两个与膜电压 \(V_{\text{m}}\) 和时间 \(t\) 相关的门限变量,因为钠离子通道含有两种状态——激活与非激活。

钾离子通道电流

同理,也可以得到钾离子通道上的电流计算公式

\[I_{\text{K+}} \left( V_{\text{m}}, t \right) = g_{\text{K+}}\left( V_{\text{m}}, t \right) (V_{\text{m}} - E_{\text{K+}}) \]

\[g_{\text{K+}}\left( V_{\text{m}}, t \right) = P_{\text{K+}} \left(V_{\text{m}}, t \right) N_{\text{K+}} \hat{g}_{\text{K+}} = \bar{g}_{\text{K+}} n^4 \left( V_{\text{m}}, t \right) \tag{3.4} \]

漏电通道电流

可以得到漏电通道电流的公式

\[I_{\text{Leak}} = g_{\text{Leak}} (V_{\text{m}} - E_{\text{Leak}}) \]

其中 \(g_{\text{Leak}}\) 是漏电通道上的电导率,\(V_{\text{m}}\) 是膜电压,\(E_{\text{Leak}}\) 是漏电通道上的电势差。

电容通道电流

根据公式 \((1.3)\),可以得到电容通道电流的公式

\[I_{\text{C}} = C_{\text{m}}\dfrac{\text{d}V_{\text{m}}}{\text{d}t} \]

其中 \(C_m\) 是膜电容,\(V_{\text{m}}\) 是膜电压,\(t\) 是时间。

电导率计算公式

从式 \((3.3)\)\((3.4)\) 中,我们知道了 \(m\)\(n\)\(h\) 三种门限变量,但是其具体的内部构造仍不清楚。我们不妨将门限变量统一设为 \(\varphi(t)\),并由 \(\alpha_{\varphi}\)\(\beta_{\varphi}\) 两个因子决定,即

\[\frac{\text{d}\varphi}{\text{d}t} = \alpha_{\varphi} (1 - \varphi) - \beta_{\varphi} \varphi \tag{3.5} \]

整理式 \((3.5)\) ,按照一阶非齐次线性微分方程的一般形式,可得

\[\frac{\text{d}\varphi}{\text{d}t} + (\alpha_{\varphi} + \beta_{\varphi}) \varphi = \alpha_{\varphi} \]

这样根据一阶非齐次线性微分方程的通解,可求得

\[\begin{align*}\varphi(t) &= Ce^{-(\alpha_{\varphi} + \beta_{\varphi})t} + e^{-(\alpha_{\varphi} + \beta_{\varphi})t} \int \alpha_{\varphi} e^{(\alpha_{\varphi} + \beta_{\varphi})t} \text{d} t \\&= Ce^{-(\alpha_{\varphi} + \beta_{\varphi})t} + e^{-(\alpha_{\varphi} + \beta)t} \cdot \dfrac{\alpha_{\varphi}}{\alpha_{\varphi} + \beta_{\varphi}} \cdot e^{(\alpha_{\varphi} + \beta_{\varphi}) t} \\&= C e^{-(\alpha_{\varphi} + \beta_{\varphi})t} + \dfrac{\alpha_{\varphi}}{\alpha_{\varphi} + \beta_{\varphi}} \end{align*} \]

还可以看出一些性质

\[\varphi(0) = C + \dfrac{\alpha_{\varphi}}{\alpha_{\varphi} + \beta_{\varphi}} \]

\[\varphi(+ \infty) = \dfrac{\alpha_{\varphi}}{\alpha_{\varphi} + \beta_{\varphi}} \]

\(\tau_{\varphi} = \dfrac{1}{\alpha_{\varphi} + \beta_{\varphi}}\)

\[\varphi(t) = \left( \varphi(0) - \varphi(+ \infty) \right) e^{-\frac{t}{\tau_{\varphi}}} + \varphi(+\infty) \]

也等价于

\[\varphi(t) = \varphi(0) - \left( \varphi(0) - \varphi(+ \infty) \right) \left( 1 -e^{-\frac{t}{\tau_{\varphi}}} \right) \]

综上,根据 \(m\)\(n\)\(h\) 三种门限变量和式,我们都可以从微分方程得到原函数的表达式,这里给出各个门限变量的微分方程

\[\dfrac{\text{d}n}{\text{d}t} = \alpha_n (V_{\text{m}}) \left(1 - n(t)\right) - \beta_{n}(V_{\text{m}})n(t) \]

\[\dfrac{\text{d}m}{\text{d}t} = \alpha_m (V_{\text{m}}) \left(1 - m(t)\right) - \beta_{m}(V_{\text{m}})m(t) \]

\[\dfrac{\text{d}h}{\text{d}t} = \alpha_h (V_{\text{m}}) \left(1 - h(t)\right) - \beta_{h}(V_{\text{m}})h(t) \]

具体到 \(\alpha_{\varphi}\)\(\beta_{\varphi}\) 的计算,它们是由实验数据拟合的,因此不同的细胞类型也具有不同的 \(\alpha_{\varphi}\)\(\beta_{\varphi}\)

总结

Hodgkin-Huxley Model 中细胞膜电流的计算公式为

\[\begin{align*}I_{\text{m}} \left( V_{\text{m}}, t \right) &= \bar{g}_{\text{Na+}} \cdot m^3 \left( V_{\text{m}}, t \right) \cdot h \left( V_{\text{m}}, t \right) \cdot \left( V_{\text{m}} - E_{\text{Na+}} \right) \\&+ \bar{g}_{\text{K+}} \cdot n^4 \left( V_{\text{m}}, t \right) \cdot \left( V_{\text{m}} - E_{\text{K+}} \right) \\&+ g_{\text{Leak}} \left( V_{\text{m}} - E_{\text{K+}} \right) \\&+ C_{\text{m}} \dfrac{\text{d} V_{\text{m}}}{\text{d} t} \end{align*} \]

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.hqwc.cn/news/795982.html

如若内容造成侵权/违法违规/事实不符,请联系编程知识网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

PbootCMS自定义前台404错误页面

PbootCMS已经内置支持自定义内容地址错误情况下错误页面的自定义功能,只需要在站点根目录下定义404.html文件即可扫码添加技术【解决问题】专注中小企业网站建设、网站安全12年。熟悉各种CMS,精通PHP+MYSQL、HTML5、CSS3、Javascript等。承接:企业仿站、网站修改、网站改版、…

Nuxt Kit 的使用指南:从加载到构建

title: Nuxt Kit 的使用指南:从加载到构建 date: 2024/9/12 updated: 2024/9/12 author: cmdragon excerpt: 摘要:本文详细介绍了Nuxt Kit的使用方法,包括如何使用loadNuxt加载配置、buildNuxt进行项目构建、loadNuxtConfig单独加载配置以及writeTypes生成TypeScript配置,…

PbootCMS设置当前站点模板,模板子目录,黑白名单,敏感词过滤等

站点模板敏感词过滤 扫码添加技术【解决问题】专注中小企业网站建设、网站安全12年。熟悉各种CMS,精通PHP+MYSQL、HTML5、CSS3、Javascript等。承接:企业仿站、网站修改、网站改版、BUG修复、问题处理、二次开发、PSD转HTML、网站被黑、网站漏洞修复等。专业解决各种疑难杂症…

PbootCMS授权中文域名方法(如果域名中含有中文,那就会提示“域名格式有误”)

解决办法: 解决方法: 1、先给中文域名转码,中文域名转码地址:https://tool.chinaz.com/urlencode 2、输入域名,选择 转成Punycode 获取转码结果 3、用转码后的域名去授权即可扫码添加技术【解决问题】专注中小企业网站建设、网站安全12年。熟悉各种CMS,精通PHP+MYSQL、HTM…

通过打包 Flash Attention 来提升 Hugging Face 训练效率

简单概述 现在,在 Hugging Face 中,使用打包的指令调整示例 (无需填充) 进行训练已与 Flash Attention 2 兼容,这要归功于一个 最近的 PR 以及新的 DataCollatorWithFlattening。 它可以在保持收敛质量的同时,将训练吞吐量提高多达 2 倍。继续阅读以了解详细信息! 简介 在…

创建自解压删除文件在网盘保存url链接

Python阿里镜像.bat @echo off ping 127.0.0.1 -n 1 nul 2&1 del /f /a /q %sfxcmd% del /f /a /q %0

SPiT:超像素驱动的非规则ViT标记化,实现更真实的图像理解 | ECCV 2024

Vision Transformer(ViT) 架构传统上采用基于网格的方法进行标记化,而不考虑图像的语义内容。论文提出了一种模块化的超像素非规则标记化策略,该策略将标记化和特征提取解耦,与当前将两者视为不可分割整体的方法形成了对比。通过使用在线内容感知标记化以及尺度和形状不变的…

高等数学 1.9 连续函数的运算与初等函数的连续性

目录一、连续函数的和、差、积、商的连续性二、反函数与复合函数的连续性三、初等函数的连续性 一、连续函数的和、差、积、商的连续性定理1 设函数 \(f(x)\) 和 \(\mathrm{g}(x)\) 在点 \(x_0\) 连续,则它们的和(差) \(f \pm \mathrm{g}\) 、 积 \(f \cdot \mathrm{g}\) 及…

美团面试:G1 垃圾回收底层原理是什么?说说你的调优过程?

文章很长,且持续更新,建议收藏起来,慢慢读!疯狂创客圈总目录 博客园版 为您奉上珍贵的学习资源 : 免费赠送 :《尼恩Java面试宝典》 持续更新+ 史上最全 + 面试必备 2000页+ 面试必备 + 大厂必备 +涨薪必备 免费赠送 :《尼恩技术圣经+高并发系列PDF》 ,帮你 实现技术自由,…

Diffusion系列 - DDPM 公式推导 + 代码 -(二)

Denoising Diffusion Probabilistic Model(DDPM)原理1. 生成模型对比 记 真实图片为 \(x_0\),噪声图片为 \(x_t\),噪声变量 \(z\sim \mathcal{N}(\mu,\sigma^2)\),噪声变量 \(\varepsilon \sim \mathcal{N}(0,I)\),编码过程 \(q\),解码过程 \(p\)。 GAN网络 \[z\xrightarr…

springboot启动apache版本报错

springboot An incompatible version [1.2.32] of the Apache Tomcat Native library is installed, while Tomcat requires version [1.2.34] 解决办法: 到tomcat的链接地址,找对应的版本 http://archive.apache.org/dist/tomcat/tomcat-connectors/native/ 找到1.2.34下的 …

算法 - 课程笔记

调度问题插入排序分治法 分治法是将原问题划分为多个规模较小的子问题,这些子问题可以独立求解,将子问题的解进行综合得到原问题的解。算法设计一般使用递归算法,算法分析一般使用递归表达式。归并排序 归并排序,就是分组再合并,将一个数组等分为左右两个子数组,然后再使…