随机离子通道多状态扩散近似算法的简单、快速和准确实现
摘要：离子通道的随机开闭（通道噪声）与非线性神经动力学的相互作用产生的现象对于我们理解神经系统的运作至关重要。通常使用基于离散马尔可夫链（MC）的算法对通道噪声对神经动力学的影响进行研究，这些算法似乎是最可靠和可信赖的，但即使是优化的算法也有相当大的计算成本。扩散逼近（DA）方法使用随机微分方程（SDE）来近似多个MC的行为，大大加快了模拟时间。然而，模型比较结果表明，与MC建模相比，DA方法在通道噪声统计和对兴奋性的影响方面并不产生相同的结果。最近的研究表明，差异是因为MC是通过耦合的激活亚单位进行建模，而DA是通过单独的激活亚单位进行建模。在特定动力学方案的背景下，使用耦合亚单位的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，以及它们是否比MC算法更快仍然不清楚。此外，使用了稳态近似来处理随机项，我们发现这可能会引入显著的不准确性。我们针对任何给定的离子通道动力学方案明确推导了SDE。得到的通用方程出奇的简单易懂，可以轻松高效地实现DA。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，结果与MC建模相同。此外，这种DA方法的模拟效率明显优于MC方法。
作者：Patricio Orio and Daniel Soudry
论文ID：1111.6062
分类：Neurons and Cognition
分类简称：q-bio.NC
提交时间：2012-05-29