Evoked Membrane Potential Change in Rat Optic Nerve Fibre: Computer Simulation

论文摘要

哺乳动物的视觉是经过复杂的信号处理过程产生的。在这个处理过程的开始部分:视网膜神经节细胞将电磁刺激（光信号）转换成电信号,转换后的电信号通过视神经传输至外膝体（LGN）。因此视神经在视觉传导通路中占据重要位置。因此用合适的刺激信号刺激视神经,便有可能替代从节细胞传导来的电信号,产生人工视觉,从而治疗由于视网膜病变导致的失明。为了达到这个目的,必须首先建立视神经动作电位的产生和传导的模型。视神经动作电位产生和传导的建模不仅能应用于对视神经的直接电信号刺激,还能应用于对于视神经的间接电信号刺激（如,激光刺激视网膜局部从而产生间接电信号）。目前已有的神经模型大多基于Hodgkin-Huxley理论,并且只考虑主要离子通道的影响。尽管主要离子通道如快速钠离子通道、快速钾离子通道和渗漏通道能够解释动作电位的产生和传递,但仍然不足以解释激发动作电位的阈值的差异以及和长期刺激的影响。而这些正是视觉假体需要考虑的问题。由于目前尚没有满意的视神经模型.因此本课题根据现有的各种视神经试验数据,对大鼠视神经（RON）进行建模。本研究在建模过程中考虑了小离子通道、轴突的空间特征、细胞外液的钾离子浓度变化。考虑到试验数据的易获性,本课题使用大鼠神经作为模型。在本研究中,髓鞘的结构可以用双层电缆来明确模拟。一个新的”持续时间”A-current被提出,并且同动力学特性被改进的其它常用离子通道一起用于模型中。钾离子的累积和清除也用一种新的方法来模拟。Matlab编写的程序代码用来解决系统中大量的公式。在系统中还重现了以下的特点:当存在4-氨基吡啶（4-AP）药物时,动作电位持续时间增加:超极化后电位（AHP）随着去极化后电位（DAP）出现,并日.动作电位频率和四乙胺（TEA）药物都会影响超极化后电位的敏感性。更重要的是,在没有药物的时候模型仍然重现了以下的特点:一个单一的动作电位和一个短序列的动作电位后没有出现去极化后电位和超极化后电位;动作电位的振幅回复时间持续30ms:去极化电流会显示早期超极化后电位的出现:动作电位的适应性。

论文目录

• Abstract
• 摘要
• 1. Rat optic nerve
• 1.1 Presentation
• 1.2 RON data
• 1.2.1 Drugs
• 1.2.2 Main phenomena
• 2. Rat optic nerve model
• 2.1 Introduction
• 2.2 Methods
• 2.2.1 Ion channels
• 2.2.2 Simulation procedure
• 2.3 Results
• 2.3.1 Extracellular potassium
• 2.3.2 Slow potassium
• 2.3.3 A-current
• 2.4 Discussion
• 2.4.1 Link with anterior studies
• 2.4.2 Limitations of the model
• 3. Optic nerve data
• 3.1 General Data
• 3.1.1 Primates optic nerve
• 3.1.2 Rat optic nerve
• 3.2 Electrical data
• 3.2.1 Sucrose gap
• 3.2.2 Compound action potential
• 3.3 Ion concentrations data
• 3.3.1 General data
• + homeostasis'>3.3.2 K⁺homeostasis
• 4. Theory of nerve conduction
• 4.1 Ions
• 4.1.1 Data
• 4.1.2 Resting Equilibrium
• 4.1.3 Nernst potential & driving force
• 4.2 Mechanisms
• 4.2.1 Ion channels
• 4.2.2 Myelin
• 4.2.3 homeostasis
• 5. Nerve model: existing models
• 5.1 Models based on Hodgkin and Huxley theory
• 5.1.1 Hodgkin and Huxley model of action potential generation
• 5.1.2 Notable models
• 5.1.3 Example of a compartmental model: McIntyre et al
• 5.1.4 Stimulations
• 5.2 Individual Channels: Markov
• 6. Nerve model: computation - theory
• 6.1 Introduction
• 6.2 Approximation of the derivative: finite difference methods
• 6.2.1 forward Euler & backward Euler
• 6.2.2 Other methods
• 6.3 Implicit & Explicit methods
• 6.3.1 The Stiffness issue
• 6.4 PDEs
• 6.4.1 Approximating （?）V/（?）t
• 6.4.2 Tridiagonal system
• 6.4.3 Notation
• 6.4.4 Nonlinear Equations
• 6.4.5 Spatial Variation
• 6.4.6 Boundary Conditions
• 7. Nerve model: computation - Matlab
• 7.1 Program *.mat files
• 7.2 Utilisation
• 7.2.1 Command line
• 7.2.2 Save
• 7.2.3 Example
• 8. Appendix
• 8.1 Electric equations
• 8.1.1 Notations
• 8.1.2 Equations
• 8.2 Matlab files
• 8.2.1 Main file
• 8.2.2 Parameters & Variables
• 8.2.3 Equations & Resolution
• 8.2.4 Figures
• 8.2.5 Auxiliary functions
• BIBLIOGRAPHY
• Acknowledgments