1、HH神经元的电路图。

讯享网

电池表示特定离子的平衡电势,电阻器反映通道对特定离子的渗透性。
电容代表的就是细胞膜,存储电荷,起到了电容的作用。

在这个公式中IL代表的是泄露电流,图中它的电路中就是一个电阻R和一个电源的分路,而Ik代表的是各个离子的电流,图中它所代表的电路是一个可变电阻R和一个电源,如RNa和Rk,Ic代表的通过电容器的电流,下面这个公式代表的是。
电流是指在单位时间里通过导体任一横截面的电量。
I = dq/dt = C(du/dt)
用这个公式计算瞬时电压变化。
电导g:在数值上等于电阻的倒数,导电率。
在这里引入3个门控变量,m、h、n,其中m和h控制的是Na离子的流通,而n控制的是K离子的流通。在这里,m、n、h所代表的就是某离子通道某时刻打开的概率,由不允许到允许转换的速率为αi(t),由允许到不允许状态转换的速率为βi(t),

各个门控变量的变化导数。

参数初始化,因为门控系数和当时的膜电势有关:

然后,根据门控系数和初始化的参数,求得当时电流。

步骤:
1、设置参数,包括平衡电势、电容、电阻、静息电位、最大电导、dt以及仿真时长
2、循环开始
更新α和β
若i为1,利用上述参数得到初始化mnh
根据mnh更新电导
计算各通道电流,得到-∑Ik(t)+I(t)
更新膜电势
根据膜电势更新mnh
HH方程python实现
import numpy as np import matplotlib.pyplot as plt import cv2 as cv # 参数定义 可参考 # 平衡电位 E_Na = 115.0 # [mV] E_K = -12.0 # [mV] E_L = 10.6 # [mV] # 最大电导 g_Na = 120.0 # [mS] g_K = 36.0 # [mS] g_L = 0.3 # [mS] dt = 0.01 # [ms] T = 40 # [ms] img = cv.imread('t1.png') stimu1us1 = img[:, :, 0] stim1 = np.array([]) for i in range(0, 2): stim1 = np.hstack((stim1, stimu1us1[i])) stim1 = stim1 / 25 t = np.arange(0,len(stim1), 1) # 循环次数,时间 V = np.zeros(len(stim1)) n = np.zeros(len(stim1)) m = np.zeros(len(stim1)) h = np.zeros(len(stim1)) I_E = 0.0 V[0] = 0.0 h[0] = 0.59 # K离子通道系数 m[0] = 0.05 # Na离子通道系数 n[0] = 0.31 # Na离子通道系数 # 在10ms是注入10mA的电流,然后15ms再次置电流为0 for i in range(1, len(stim1)): # 把上一个输出作为神经元的下一次输入 if i == 1000: I_E = 10.0 if i == 1500: I_E = 0.0 # Calculate the alpha and beta functions (代码同上) # 计算α和β,分别代表从不允许到允许转换的速率和从允许到不允许转换的速率 alpha_n = (0.1 - 0.01 * V[i - 1]) / (np.exp(1 - 0.1 * V[i - 1]) - 1) alpha_m = (2.5 - 0.1 * V[i - 1]) / (np.exp(2.5 - 0.1 * V[i - 1]) - 1) alpha_h = 0.07 * np.exp(-V[i - 1] / 20.0) beta_n = 0.125 * np.exp(-V[i - 1] / 80.0) beta_m = 4.0 * np.exp(-V[i - 1] / 18.0) beta_h = 1 / (np.exp(3 - 0.1 * V[i - 1]) + 1) # Calculate the time constants and steady state values # 打开通道的比例随时间变化 tau_n = 1.0 / (alpha_n + beta_n) # 表示通道多久能打开 inf_n = alpha_n * tau_n tau_m = 1.0 / (alpha_m + beta_m) inf_m = alpha_m * tau_m tau_h = 1.0 / (alpha_h + beta_h) inf_h = alpha_h * tau_h # 更新n,m,h n[i] = (1 - dt / tau_n) * n[i - 1] + (dt / tau_n) * inf_n m[i] = (1 - dt / tau_m) * m[i - 1] + (dt / tau_m) * inf_m h[i] = (1 - dt / tau_h) * h[i - 1] + (dt / tau_h) * inf_h # 公式四 # 更新膜电位方程 I_Na = g_Na * (m[i] 3) * h[i] * (V[i - 1] - E_Na) I_K = g_K * (n[i] 4) * (V[i - 1] - E_K) I_L = g_L * (V[i - 1] - E_L) # dv = -(I_Na + I_K + I_L - I_E) dv = stim1[i] - (I_Na + I_K + I_L) # 变化 V[i] = V[i - 1] + dv * dt print(len(m)) print(m) plt.clf() plt.subplot(1, 3, 1) plt.plot(t, V) # 膜电位变化 plt.title('Membrane potential') plt.subplot(1, 3, 2) plt.plot(t, n) plt.plot(t, m) plt.plot(t, h) plt.title('Gating variables') plt.legend(['n', 'm', 'h']) plt.subplot(1, 3, 3) plt.plot(t, g_Na * h * m 3) plt.plot(t, g_K * n 4) plt.title('Ionic currents') plt.legend(['Na', 'K']) plt.show()
讯享网
版权声明:本文内容由互联网用户自发贡献,该文观点仅代表作者本人。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。如发现本站有涉嫌侵权/违法违规的内容,请联系我们,一经查实,本站将立刻删除。
如需转载请保留出处:https://51itzy.com/kjqy/81632.html