神经元钙离子动力学的混合 PDE-深度神经网络模型
数值分析
2024-07-23 v1 数值分析
摘要
传统上，神经元中的钙离子动力学使用偏微分方程 (PDE) 和常微分方程 (ODE) 进行建模。PDE 组件关注反应扩散过程，而 ODE 组件处理通过细胞膜或胞器膜的离子通道传输。然而，由于离子通道的生物学过程的复杂性和未知因素，确定离子通道开放概率的底层方程极具挑战性。因此，我们采用深度神经网络 (DNN) 来建模离子通道的开放概率，这一任务在使用 ODE 方法时颇为复杂。该技术还减少了建模开放概率所需的未知数。经过有效数据训练后，相同的神经网络架构可用于不同的离子通道，如钠、钾和钙离子通道。此外，根据给定数据，我们可以构建更符合生理学常规的 DNN 模型进行定制。随后，我们将 DNN 模型集成到包含内质网的神经元钙离子动力学中， resulting in a hybrid model that combines PDEs and DNNs。提供数值结果，以展示 PDE-DNN 模型的灵活性和优势。
引用
@article{arxiv.2407.15364,
title = {Hybrid PDE-Deep Neural Network Model for Calcium Dynamics in Neurons},
author = {Abel Gurung and Qingguang Guan},
journal= {arXiv preprint arXiv:2407.15364},
year = {2024}
}