Ćwiczenie na warsztaty KFnRD w ICM
Transkrypt
Ćwiczenie na warsztaty KFnRD w ICM
Ćwiczenie na warsztaty KFnRD w ICM Daniel K. Wójcik November 28, 2011 1. Statystyka prądu w kanałach jonowych. Wprowadzenie W błonie komórki nerwowej znajdują sie kanały jonowe, białka, które w zależności od sytuacji (np. różnicy potencjałów po obu stronach błony) mogą się otwierać lub zamykać z pewnym prawdopodobieństwem. W danej chwili każdy kanał jest albo otwarty, albo zamknięty. Płynący przez niego prąd wynosi ḡP (V − E), gdzie E jest Figure 1: Otwieranie i zamykanie się kanału jonowego w błonie komórkowej(Hille 1992, za Dayanem i Abbottem, rozdz. 5, rys. 7). tzw. potencjałem odwrócenia charakteryzującym dany kanał, ḡ jest przewodnością otwartego kanału, P określa stan kanału — zamknięty (0) lub otwarty (1), V to potencjał błonowy (≡ różnica potencjałów między wnętrzem komórki a płynem zewnątrzkomórkowym; często na zewnątrz przyjmujemy V = 0, wtedy w środku w stanie spoczynku jest −70mV ). Kiedy mamy populację kanałów o takich samych własnościach, z których każdy otwiera i zamyka się niezależnie od pozostałych, prąd płynący przez błonę jest proporcjonalny do liczby otwartych kanałów N i wynosi I = N ḡ(V − E). Liczba otwartych kanałów w każdej chwili czasu jest zmienną losową, zatem N (t) jest funkcją losową. Jeżeli wielokrotnie powtórzymy doświadczenie lub symulację, za każdym razem dostaniemy inny przebieg tej 1 funkcji. Takie pojedyncze przebiegi nazywamy realizacjami procesu stochastycznego albo funkcjami próbnymi. Dla ustalenia uwagi rozważmy jeden z najprostszych kanałów jonowych, kanał potasowy K + . Ten kanał składa się z 4 podjednostek (bramek) i otwarty jest tylko wtedy, kiedy wszystkie 4 bramki są otwarte. Czyli mamy pięć stanów kanału numerowanych liczbą otwartych bramek od 0 do 4 (+1). Opisać dynamikę takiego kanału możemy przy pomocy Figure 2: Prąd płynący przez błonę komórkową przy rosnącej liczbie kanałów jonowych (Dayan i Abbott, rozdz. 5, rys. 12). równań kinetycznych na prawdopodobieństwa pk znalezienia układu w danym stanie k (patrz rysunek 2): ṗ1 ṗ2 ṗ3 ṗ4 ṗ5 = = = = = βn p2 − 4αn p1 4αn p1 + 2βn p3 − (βn + 3αn )p2 3αn p2 + 3βn p4 − (2βn + 2αn )p3 2αn p3 + 4βn p5 − (3βn + αn )p4 αn p4 − 4βn p5 . Tylko kiedy kanał znajduje się w stanie 5 przewodzi prąd. Kiedy kanałów jest bardzo dużo, M ≫ 1, wówczas wartość oczekiwana liczby otwartych bramek wynosi n, ṅ = βn (1 − n) − αn n, co znaczy, że każda bramka przeskakuje między stanami otwartym i zamkniętym, a prawdopodobieństwo otwarcia kanału (przy założeniu 2 niezależności bramek) wynosi n4 i odpowiada to p5 (analogicznie p1 = (1 − n)4 , itd.). Kiedy liczba kanałów w modelowanym/badanym kawałku błony rośnie, wówczas prąd wyliczany z równań I = n4 ḡ(V − E) ṅ = βn (1 − n) − αn n (1) (2) jest coraz bliższy rzeczywistemu prądowi I = N ḡ(V − E). Zadanie (a) Napisać program symulujący powyższy model kanału potasowego. Przyjąć αn = 0.01 ∗ (V + 55)/(1 − exp(−0.1 ∗ (V + 55))) βn = 0.125 ∗ exp(−0.0125 ∗ (V + 65)) jednostki: 1/ms dla potencjału w mV. (b) Zasymulować następującą sytuację: układ jest w stanie równowagi dla V = −100mV . Następnie na 20 ms przestawiamy potencjał na +10mV , po czym przywracamy −100mV . (c) Policzyć średnie odchylenie kwadratowe prądu płynącego przez zadaną liczbę kanałów z odpowiednio dopasowanym (tak, żeby średnie były równe) prądem średnim z równania (1) dla liczby kanałów M od 1 do 100 i wykreślić w funkcji M . Rozwiązania zadanie przyjmuję w postaci pdf — analiza i rysunki; kod mnie nie interesuje. 2. Model neuronu “Całkuj i strzelaj” [UWAGA: Tylko dla osób, które go nie robiły w zeszłym roku.] Rozważmy najprostszy model neuronu zwany “całkuj i strzelaj” (ang. leaky integrate and fire, w skrócie LIF). W modelu tym zakładamy, że prąd I napływający przez elektrodę lub przez synapsy (wejścia z innych neuronów) powoduje zwiększenie potencjału błonowego v proporcjonalne do oporu błony R jednocześnie ładując warstwę lipidową C. Możemy to zapisać równaniem C dv v(t) =− + I(t). dt R 3 Przyjmujemy tu, że potencjał spoczynkowy wynosi 0. Mnożąc to równanie przez R i wprowadzając stałą czasu τm = RC równanie przymuje postać dv τm = −v(t) + RI(t). (3) dt Kiedy potencjał osiągnie wartość progową v = θ komórka generuje potencjał czynnościowy, impuls, który jest przesyłany dalej, a następnie resetuje potencjał błonowy do zera. (a) Przyjmując stały prąd I(t) = I = const. wyznacz i narysuj częstość generacji potencjałów czynnościowych f w funkcji natężenia prądu I (tzw. “Krzywa F-I”). (b) Jak zmieni się zależność F-I, jeżeli po generacji każdego potencjału czynnościowego neuron nie reaguje na pobudzenie przez czas refrakcji τref ? Wyznacz i narysuj. Rozwiązać analitycznie lub numerycznie. Wskazówki (a) (Pokaż, że) Równanie (3) dla stałego I oraz dla warunku początkowego v(t = 0) = 0 ma rozwiązanie v(t) = RI(1 − e−t/τm ). (b) Częstość generacji potencjałów czynnościowych jest odwrotnością interwału między impulsami. Równania różniczkowe Jeżeli ktoś się nie spotkał z pochodnymi, np. dv/dt, czy z równaniami różniczkowymi to można o tym myśleć tak: o pochodnej du/dt funkcji v(t) możemy myśleć jako o ilorazie różnicowym dv v(t + ∆) − v(t) ≈ dt ∆ gdzie ∆ jest “małe” (dowolnie bliskie 0). Wtedy równanie różniczkowe dv = f (v, t) dt możemy interpretować tak: dv v(t + ∆) − v(t) = = f (v, t) dt ∆ 4 czyli przybliżone wartości funkcji v w kolejnych czasach (co ∆) możemy wyznaczyć z następującego schematu: v(t + ∆) = v(t) + f (v(t), t) · ∆. Literatura pomocnicza http://www.klab.caltech.edu/~koch/biophysics-book/membrane_equation.ps http://www.klab.caltech.edu/~koch/biophysics-book/neuron_models.ps http://icwww.epfl.ch/~gerstner/SPNM/node13.html http://icwww.epfl.ch/~gerstner/SPNM/node14.html http://icwww.epfl.ch/~gerstner/SPNM/node15.html http://icwww.epfl.ch/~gerstner/SPNM/node26.html 5