728x90 반응형 SMALL Natural Intelligence/Computational Neuroscience17 [Computational Neuroscience] 흥분성에 영향을 미치는 인자들 흥분성에 영향을 미치는 인자들 (Factors affecting membrane excitability) 세포외액의 Ca2+은 Na+의 세포막에 대한 투과도를 감소시키므로 세포막에서 stabilizer로 작용한다. 따라서, hypercalcemia 시는 Na+의 투과도가 감소되어 막전위가 과분극 (hyperpolarization)으로 되어 흥분성은 감소하는 반면 hypocalcemia 시는 Na+의 투과도가 증가되어 막전위가 저분극 (hypopolarization)이 되어 흥분성이 증가된다. Hypokalemia 시는 세포외액의 K+이 감소되면 [K+]o / [K+]i의 비율이 증가되어 막전위가 과분극으로 되어 흥분성이 감소된다. Hyperkalemia 시는 [K+]o / [K+]i의 비율이 감소되어 막.. 2022. 12. 6. [Computational Neuroscience] 막 흥분성의 변화 (Changes of membrane excitability) 후전위 (After potential) Action potential이 정점에 도달하면 재분극이 일어나는데 재분극이 거의 이루어질 때 negative after potential (陰性後電位)가 일어나고 막 전위로 돌아온 다음에는 과분극 상태가 오래 지속되는 positive after potential (陽性後電位)이 나타난다. Negative after potential은 막이 재분극되는 과정에서 12-80 msec 동안 지속되는 저분극 (hypopolarization) 상태를 말한다. 이것은 action potential이 정점에 도달하면 세포 안의 K+ 이 밖으로 나오게 되어 저분극이 되는데 세포 안의 K+ 농도와 세포 바깥의 K+의 농도차이가 감소되어 나타난다. Action potential의 정.. 2022. 11. 8. [Computational Neuroscience] 활동 전위 (Action potential) 활동 전위 (Action potential) 활동전위란 자극을 받으면 막전위가 계속 감소되어서 0 전위가 되었다가 이번에는 막 안이 +로 하전되어 overshoot가 일어나서 정점에 도달하고 다시 막전위가 증가하여 자극 받기 전의 전위로 돌아오는 것이다. 신경섬유가 자극을 받은 다음 막전위가 감소되어 정점까지 도달하는 과정을 탈분극 (depolarization)이라 하고 정점에서 막전위가 증가해서 자극 받기 전의 막전위로 돌아오는 과정을 재분극 (repolarization)이라고 한다. Hodgkin과 Huxley는 섬유막에는 Na+ channel과 K+ channel이 있어 Na+ channel이 급격히 열려서 Na+이 막 안으로 들어오고 곧 닫히면 Na+는 들어가지 못하고, 서서히 열린 K+ chan.. 2022. 10. 4. [Computational Neuroscience] 신경의 흥분성 (Nerve Excitability) 안정막전위 (Resting Membrane Potential) 모든 세포는 안정기에서 세포 밖에 비하여 세포 안이 전기적으로 음극의 상태를 유지하고 있다. 확산 전위 (Diffusion potential) K+은 세포 내에 많고 세포밖에는 매우 적다. 세포막이 K+만 통과시키고 다른 이온들은 통과시키지 않는다고 가정하면 K+은 세포 밖으로 확산하게 되고 그 결과 세포 밖은 전기적으로 양전기를 띄게 되며 세포 안은 음이온이 결집하여 음전기를 띄게 된다. 수 milliseconds 내에 이러한 전압차이는 K+ 을 더 이상 밖으로 확산되지 않게 막는 힘으로 작용하게 되어 정상적인 포유동물의 신경섬유는 세포 안이 -94 millivolts의 전압을 가지게 된다. Na+은 세포밖에 많고 세포 안에는 매우 적다. .. 2022. 9. 20. [Brian] Example : Spiking model Hodgkin Huxley from brian2 import * num_neurons = 100 duration = 2*second # Parameters area = 20000*umetre**2 Cm = 1*ufarad*cm**-2 * area gl = 5e-5*siemens*cm**-2 * area El = -65*mV EK = -90*mV ENa = 50*mV g_na = 100*msiemens*cm**-2 * area g_kd = 30*msiemens*cm**-2 * area VT = -63*mV # The model eqs = Equations(''' dv/dt = (gl*(El-v) - g_na*(m*m*m)*h*(v-ENa) - g_kd*(n*n*n*n)*(v-EK) + I)/Cm : vol.. 2022. 2. 14. [Brian] Introduction to Brian part 3 : Simulations Multiple runs # remember, this is here for running separate simulations in the same notebook start_scope() # Parameters num_inputs = 100 input_rate = 10*Hz weight = 0.1 # Range of time constants tau_range = linspace(1, 10, 30)*ms # Use this list to store output rates output_rates = [] # Iterate over range of time constants for tau in tau_range: # Construct the network each time P = PoissonGroup(.. 2022. 2. 14. [Brian] Introduction to Brian part 2 : Synapses The simplest Synapse start_scope() eqs = ''' dv/dt = (I-v)/tau : 1 I : 1 tau : second ''' G = NeuronGroup(2, eqs, threshold='v>1', reset='v = 0', method='exact') G.I = [2, 0] G.tau = [10, 100]*ms # Comment these two lines out to see what happens without Synapses S = Synapses(G, G, on_pre='v_post += 0.2') S.connect(i=0, j=1) M = StateMonitor(G, 'v', record=True) run(100*ms) plot(M.t/ms, M.v[0], l.. 2022. 2. 14. [Brian] Introduction to Brian part 1 : Neurons running cell from brian2 import * %matplotlib inline # activate inline plotting Units system # Brian has a system for using quantities with physical dimensions 20*volt --> 20.0V 1000*amp --> 1.0kA 1e6*volt --> 1.0MV 1000*namp --> 1.0000000000000002μA 10*nA*5*Mohm --> 49.99999999999999mV A simple model start_scope() tau = 10*ms eqs = ''' dv/dt = (1-v)/tau : 1 ''' G = NeuronGroup(1, eqs) run(100*m.. 2022. 2. 11. Brian 2 Brian 2 Brian은 spiking neural network를 위한 시뮬레이터이다. Python 프로그래밍 언어로 작성되었으며 거의 모든 플랫폼에서 사용할 수 있다. # Installation conda install brian2 import brian2 brian2.test() https://brian2.readthedocs.io/en/stable/index.html Brian 2 documentation — Brian 2 2.5.0.3 documentation © Copyright 2012–2022, Brian authors Revision 2098ea0f. brian2.readthedocs.io 2022. 2. 11. [Computational Neuroscience] Molecular Dynamics : Periodic Boundary Conditions Molecular Dynamics : Periodic Boundary Conditions import random import numpy as np random.seed(10) numAtoms = 10 unitCellLength = 10 positions = np.random.rand(unitCellLength,2)*unitCellLength+unitCellLength #positions of the particles velocities = (np.random.rand(unitCellLength,2)-0.5) #velocities of particles iterations = 600 timestep = 0.1 def check_boundaries(positions, unitCellLength): #Fun.. 2022. 1. 19. 이전 1 2 다음 728x90 반응형 LIST
