多状态随机离子通道扩散近似算法的简单、快速与精确实现
神经元与认知
2012-05-29 v1
摘要
离子通道的随机开放与关闭（通道噪声）与非线性神经动力学相互作用所产生的现象，对于我们理解神经系统的运作至关重要。通道噪声对神经动力学的影响通常通过随机模型的数值模拟进行研究。基于离散马尔可夫链 (MC) 的算法似乎是最可靠和值得信赖的，但即使是优化过的算法也会带来不可忽略的计算成本。扩散近似 (DA) 方法使用随机微分方程 (SDE) 来近似多个 MC 的行为，从而显著加快模拟时间。然而，模型比较表明，在通道噪声统计和对兴奋性的影响方面，DA 方法并未得出与 MC 建模相同的结果。最近的研究表明，这种差异的产生是因为 MC 是用耦合的激活亚基建模的，而 DA 则是用非耦合的激活亚基建模的。在特定动力学方案的背景下，使用耦合亚基的 DA 实现产生了与 MC 相似的结果。然而，如何将这些实现推广到不同的动力学方案，或者它们是否比 MC 算法更快，仍然不清楚。此外，随机项使用了稳态近似，正如我们在此展示的，这会引入显著的误差。我们针对任意给定的离子通道动力学方案显式地推导了 SDE。所得的通用方程出人意料地简单且易于解释——使得 DA 的实现变得简单而高效。该算法在电压钳模拟和两种不同的电流钳模拟中进行了测试，得到了与 MC 建模相同的结果。同时，该 DA 方法的模拟效率显示出远超 MC 方法的优越性。
引用
@article{arxiv.1111.6062,
title = {Simple, Fast and Accurate Implementation of the Diffusion Approximation Algorithm for Stochastic Ion Channels with Multiple States},
author = {Patricio Orio and Daniel Soudry},
journal= {arXiv preprint arXiv:1111.6062},
year = {2012}
}
备注
32 text pages, 10 figures, 1 supplementary text + figure