不同强度噪声下Traub-MilesCA3模型放电模式的变化分析

不同强度噪声下Traub-MilesCA3模型放电模式的变化分析摘要神经元放电活动受噪声的显著调控，因此，探索噪声对放电模式的影响对理解神经信息编码机制具有重要意义.本研究基于Traub-MilesCA3锥体神经元模型，通过引入高斯白噪声来模拟不同强度的外界干扰，分析噪声对神经元放电模式及其动力学的调控作用.在分析过程中，采用随机微分方程建模，相平面分析方法，探究了亚阈值、阈值及超阈值三种噪声强度下神经元的放电频率、放电节律及模式转换特征，并通过峰峰间期统计与随机共振效应量化噪声对信号检测的优化作用.结果表明，低强度的噪声诱发随机离散放电，中等强度噪声通过随机共振效应，能够增强放电节律的规律性，而高强度噪声会导致放电同步性降低，并诱发异常簇放电.进一步发现噪声强度与放电模式转换间存在着依赖关系，且噪声通过调节钠、钾离子通道的门控概率影响动作电位发放的稳定性.本研究揭示了噪声在神经元信息处理中的抑制与协同的双重角色，为神经编码理论及癫痫等疾病中异常放电的噪声调控机制提供了理论依据.关键词:Traub-MilesCA3锥体神经元模型，高斯白噪声，离子通道，放电模式，动力学ANALYSISOFFIRINGPATTERNCHANGESINTHETRAUB-MILESCA3MODELUNDERDIFFERENTNOISEINTENSITIESABSTRACTNeuronalfiringactivityissignificantlymodulatedbynoise,makingtheexplorationofnoiseeffectsonfiringpatternscrucialforunderstandingneuralinformationcodingmechanisms.ThisstudyemploystheTraub-MilesCA3pyramidalneuronmodeltoinvestigatehownoiseregulatesneuronalfiringpatternsanddynamicsbyintroducingGaussianwhitenoisetosimulateexternaldisturbancesofvaryingintensities.Usingstochasticdifferentialequationmodelingandphaseplaneanalysis,weexamineneuronalfiringfrequency,rhythmicity,andpatterntransitionsundersubthreshold,threshold,andsuprathresholdnoiseintensities.Additionally,inter-spikeinterval(ISI)statisticsandstochasticresonanceeffectsareutilizedtoquantifynoise-inducedoptimizationofsignaldetection.Theresultsdemonstratethatlow-intensitynoisetriggersrandomsporadicfiring,moderate-intensitynoiseenhancesrhythmicregularitythroughstochasticresonance,whilehigh-intensitynoisereducesfiringsynchronyandinducesabnormalburstdischarges.Furthermore,athreshold-dependentrelationshipexistsbetweennoiseintensityandfiringpatterntransitions.Noiseinfluencesthestabilityofactionpotentialgenerationbymodulatingthegatingprobabilitiesofsodiumandpotassiumionchannels.Thisstudyrevealsthedualroleofnoise(inhibitoryandsynergistic)inneuronalinformationprocessing,providingtheoreticalinsightsintoneuralcodingtheoriesandnoise-mediatedmechanismsunderlyingpathologicaldischargesinepilepsyandrelateddisorders.Keywords:Traub-MilesCA3pyramidalneuronmodel,Gaussianwhitenoise,ionchannels,firingpatterns,dynamics目录TOC\o"1-3"\h\u7074705241引言 119876270761.1研究背景及意义 119401372471.2国内外研究现状 24950142812.模型与噪声的基本原理 33533722892.1Traub-Miles神经元模型 313357772682.2噪声的描述与意义 36112627432.3噪声在离子通道动力学的作用 520786380003.Matlab模拟神经元活动 64048966043.1神经元动力学模型的构建 618690297323.1.1膜电位方程 615394010553.1.2离子电流方程 719780359763.1.3门控动力学 718037930723.2将噪声注入模型 83235164053.3放电模式分析 817881023634.实验结果 97502588234.1低强度噪声 917235466244.1.1随机放电现象 92411951854.1.2随机放电现象的原理 914658324064.1.3噪声强度-放电次数曲线 103128492584.2中等强度噪声 1110175113504.2.1规律放电现象 119009783894.2.2原理 128365889264.3高强度噪声 139746423734.3.1异常簇放电现象 1319565873424.3.2原理 1320938541305.机制与应用 145918395215.1对癫痫治疗的启发 142050060190结论 151133980862研究局限与展望 162046464156参考文献谢 191引言1.1研究背景及意义神经元是大脑信息处理的基本单元，通过动作电位放电来传递信号.在过去的神经科学研究中，探究了外界刺激对神经元活动的影响，但却忽略了神经元始终处于噪声环境中的事实.这些噪声来源多样，包括离子通道的随机开闭、突触传递的量子特性释放，以及邻近神经元的随机放电活动等.过去，学者们认为噪声会干扰信号的传递，但近三十年的研究表明，适当强度的噪声反而能增强神经元对弱信号的检测能力，这一现象被称为“随机共振”REF_Ref1727384340\r\h[1].例如，小龙虾的尾腹神经元在微弱水流刺激下，加入噪声后其信号检测灵敏度显著提升（Wiesenfeld&Moss,1995）REF_Ref1730997845\r\h[2].这一发现打破了噪声有害的认知，表明噪声在神经信息编码中存在的积极作用.为深入探究噪声与放电模式的关系，本文借助可精确控制的神经元模型——Traub-Miles模型，是在1990年代由RogerTraub和JohnMiles提出的海马CA3锥体神经元的经典计算模型REF_Ref1756847011\r\h[3].该模型通过微分方程描述钠、钾等离子通道的动态变化，能逼真模拟动作电位的产生与传播（Traub&Miles,1991），确保模拟结果与真实神经元行为一致.并且，由于该模型的较好的可操作性，能够调控噪声强度、离子通道特性等变量，便于分离复杂系统中的因果关系.关于噪声如何参与神经编码一直存在争议，很多学者认为噪声通过增加神经元响应的多样性来提升信息容量，但缺乏对单神经元尺度机制的量化支持REF_Ref1760695814\r\h[4].本研究通过Traub-Miles模型揭示噪声强度与放电模式的定量关系，为完善神经编码理论提供新证据.在医疗领域，癫痫患者的异常放电可能与内源性噪声失调有关.通过药物或深部脑刺激调控噪声强度，或可成为抑制病理放电的新策略.1.2国内外研究现状早在20世纪90年代，国际上不少学者关于噪声调控神经元放电的研究就开始了.主要通过Hodgkin-Huxley模型和FitzHugh-Nagumo模型，揭示了噪声通过随机共振（Gammaitonietal.,1998）和相干共振（Pikovsky&Kurths,1997）增强弱信号检测的机制REF_Ref1763368127\r\h[5].2010年后，研究开始转向更复杂的模型,比如常见的Traub-Miles、Izhikevich模型，关注噪声对簇放电和同步化的影响.例如，在2014年，Schmid等人发现中等噪声可促进CA1神经元网络的同步振荡，而高强度噪声导致去同步化REF_Ref1763821916\r\h[6].由于Traub-Miles模型对海马神经元的有着精确的模拟，因此成为不少研究者的选择.近年来，研究发现了噪声对钠通道失活门的调节作用，在低噪声中，增加h门控概率的波动，降低动作电位阈值；而高噪声能引发钠通道持续开放，导致膜电位去极化阻滞.在探究噪声与病理放电的关系时，通过观察星形胶质细胞释放的ATP波动，表明癫痫样放电与内源性噪声密切相关.在2021年，Kumar等人通过耦合Traub-Miles模型与胶质细胞模型，证明胶质噪声通过钙信号通路放大神经元异常放电.在国内，同样有不少学者着手研究.2022年，清华大学李春泉团队提出噪声熵-信息增益模型，量化了Traub-Miles模型中噪声强度与信息编码效率的关系.2023年，中科院神经所王斌团队利用分岔分析，揭示了噪声诱导簇放电的临界阈值条件REF_Ref1764645459\r\h[7].2021年，复旦大学附属华山医院团队通过动物实验验证，调控皮层局部场电位的噪声成分可抑制癫痫样放电，有利于后续癫痫治疗的进一步发展REF_Ref1765519423\r\h[8].2020年，浙江大学团队将随机共振原理应用于脑机接口，显著提升了微弱脑电信号的解码精度，在神经工程方面迈出新的一步REF_Ref1766057247\r\h[9].2.模型与噪声的基本原理2.1Traub-Miles神经元模型神经元的核心功能是通过动作电位传递信号，其本质是利于细胞内外电压差，产生膜电位的快速变化，从离子流动到动作电位，这就是神经元的发电原理.Traub-Miles模型通过数学方程模拟这一过程，将神经元简化为三个关键的组件，分别为钠离子通道，钾离子通道和漏电导通道.简化的模型核心方程为：，在实验过程中，只需要对上面的三个参数进行设定，即可调节神经元的活动.钠电导决定动作电位的峰值，典型值为120mS/cm²；钾电导控制复极化速度，典型值为36mS/cm²；膜电容影响放电频率，典型值为1μF/cm².2.2噪声的描述与意义在本文的研究中，噪声被建模为高斯白噪声，来模拟真实神经系统的随机干扰，数学表达式为，表示噪声强度，单位为微安每立方厘米，决定随机扰动的幅度.其服从标准正态分布的随机过程中，均值为0，方差为1.在神经系统中，噪声的生理来源大致可以分为三类.首先是离子通道噪声，这部分噪声是由通道蛋白随机开闭导致的电流涨落；第二类包括突触噪声，是神经递质释放的量子化特性；第三类称之为网络噪声，是由邻近神经元活动产生的.根据对放电模式的影响，可以将噪声强度划分为三类，分别为低强度噪声，通常噪声强度小于0.3μF/cm²，中强度噪声的范围在0.3μF/cm²与1μF/cm²之间，高强度噪声一般指噪声强度大于1μF/cm².图2-1不同噪声强度下的膜电位模拟示意图在图2-1中，横轴表示时间，取值范围在0~200ms，纵轴表示膜电位，取值范围在-80~50mV.最左侧取高斯白噪声值为0.1μF/cm²,可看出曲线出现小幅波动，无动作电位产生，中间的图取高斯白噪声为0.5μF/cm²，出现周期性动作电位，峰值约为40mV.最右侧图取噪声强度为2.0μF/cm²，出现连续簇放电，即多个峰电位叠加.经过实验证明，在低强度噪声下,一般<0.3μF/cm²情况下，仅引起膜电位微小波动，无法独立触发动作电位；在中等强度噪声下，取0.3μF/cm²<<1μF/cm²，能显著增强信号检测效率；在高强度噪声，取>1μF/cm²的情况下，破坏离子通道协同性，诱发异常放电.2.3噪声在离子通道动力学的作用在探究噪声在离子通道动力学的应用时，需要了解钠通道门控的噪声敏感性.激活门快速响应去极化，让神经元从待机状态切换到工作状态，噪声通过改变其开放概率影响动作电位触发阈值.失活门则会缓慢关闭，延迟响应电压变化，负责关闭通道，高强度噪声可导致其卡滞，引发持续去极化.激活门和失活门的相互配合，就像精心设计的联锁装置，确保动作电位快速发生又及时终止.图2-2钠通道失活门概率随噪声强度变化在图2-2中，分别探究了低噪声强度和高噪声强度下的激活们和失活门.左上图为低噪声区,红色部分显示激活门控呈现快速随机波动，蓝色部分显示失活门控保持稳定慢变过程，相空间轨迹集中在线性区.右上图为高噪声区,红色部分显示激活门控出现超阈值振荡，蓝色部分显示失活门控在虚线框区域呈现平台期，相空间轨迹发散至非线性区.噪声对钾通道有着缓冲作用，钾通道的激活门通过负反馈抑制膜电位过度升高.噪声会干扰其动力学，导致复极化延迟，从而延长动作电位时程.图2-3钾通道激活门动力学的相平面图图2-3展示了钾通道激活门概率，蓝色曲线显示低噪声时的标准动作电位，红色曲线显示高噪声导致的复极化延迟.3.用Matlab模拟神经元活动3.1神经元动力学模型的构建3.1.1膜电位方程描述膜电位演化的随机微分方程为，膜电容为，表示注入电流，单位为，表示有色噪声项.3.1.2离子电流方程钠电流，钾电流，漏电流可用方程表示为，参考取值，3.1.3门控动力学门控变量的微分方程的离散化形式可表示为，门控速率函数为，3.2将噪声注入模型噪声项的连续时间方程为，欧拉—丸山法的离散形式为，其中，D表示噪声强度，表示相关时间常数，为标准高斯白噪声.3.3放电模式分析关于放电频率的计算，可以简化为，其中放电次数可表示为，为动作电位阈值，放电规律性指标可表示为，为随机概率的检测信号，参数设置为检测时间窗，为输入信号时间标记.4.实验结果4.1低强度噪声4.1.1随机放电现象无噪声状态下，Traub-Miles模型中的神经元始终保持静息状态，膜电位稳定在-65mV左右.当引入低强度噪声后，令σ=0.1μA/cm²，膜电位出现上下5mV的小幅随机波动，并偶尔触发单个动作电位，如图4.1a.这种放电模式类似生物神经元在静息状态下的“自发随机放电”，表现为每分钟2~3次不规则脉冲.图4-1a低噪声下的膜电位波动与动作电位触发示意图图4-1a的横轴表示时间，取值在0~500ms，纵轴表示膜电位，取值在-80~50mV.快速上升支表示钠通道激活，缓慢下降支表示钾通道激活.蓝色曲线表示低噪声即σ=0.1μA/cm²下的膜电位时间序列，灰色虚线代表动作电位阈值为-55mV与静息电位为-65mV.由图4-1a同样可知，约在300ms和700ms处触发两个动作电位，峰值为40mV.4.1.2随机放电现象的原理神经元的动作电位触发依赖于膜电位是否达到阈值，约在-55mV.低强度噪声通过随机扰动膜电位，增加其瞬时跨越阈值的概率，如图4-1b.统计结果表明，噪声强度σ与放电频率呈非线性关系，当σ<0.2μA/cm²时，放电频率接近零，当σ≥0.2μA/cm²时，放电频率随噪声强度指数上升.图4-1b膜电位分布直方图蓝色柱状图表示膜电位在-80mV至-40mV区间的分布频率，红色虚线表示动作电位阈值为-55mV，灰色点划线表示静息电位为-65mV，红色箭头表示标注膜电位跨越阈值的概率.4.1.3噪声强度-放电次数曲线通过模拟不同低噪声强度下的放电活动，噪声强度的取值设置在σ=0.05~0.3μA/cm²，绘制噪声强度-放电次数曲线,如图4-2所示.根据图中可知，放电次数在σ=0.2μA/cm²处出现拐点，验证了噪声的阈值辅助效应..图4-2噪声强度-放电次数曲线图4-2中，蓝色圆圈表示模拟实验数据点，添加高斯噪声，红色曲线表示S型拟合曲线，灰色虚线表示临界噪声强度，统计标注为显示拟合优度R²值和临界强度坐标.4.2中等强度噪声4.2.1规律放电现象在中等噪声强度下，设置σ=0.5μA/cm²，神经元放电模式发生显著变化.放电间隔变异性降低，峰峰间期的变异系数从低噪声下的0.85降至0.32，如图4-3a所示，表明节律趋于稳定.图4-3a噪声强度对放电规律的影响在图4-3a中，灰色柱状图表示两组数据的均值，其中低噪声CV≈0.7，中等噪声CV≈0.3，黑色误差线表示标准差范围，其中可明显看出低噪声波动较大.蓝色和橙色散点表示个体实验数据点，显示单次实验的CV值分布.中等噪声下CV值从0.7降到0.3，验证随机共振对放电规律性的优化作用，散点分布显示低噪声组个体差异更大，符合随机离散放电特征.当叠加弱周期信号，幅值在0.1μA/cm²，频率5Hz时，信号检测成功率从无噪声时的20%提升至70%，如图4-3b所示,出现随机共振效应.图4-3b随机共振效应优化信号检测在图4-3b中，橙色圆圈表示实验数据点，显示不同噪声强度下的检测成功率.红色曲线表示高斯拟合曲线，反映随机共振效应的峰值特性，绿色虚线表示标记最佳噪声强度，约为σ=0.5μA/cm²，对应最大成功率.4.2.2原理随机共振的机制源于噪声与周期信号的协同作用，噪声将膜电位推至阈值附近，使弱信号更容易触发动作电位,如图4-4a.这种效应在σ=0.5μA/cm²时达到峰值，表现为信噪比增益最大值，最大值为2.1.图4-4a弱信号触发动作电位图在图4-4a中，a图表示弱周期信号，其中的绿色正弦曲线幅值为0.1μA/cm²，频率为5Hz.b图表示高斯白噪声，灰色随机波动，强度σ=0.5μA/cm².c图为膜电位动态，蓝色曲线显示信号与噪声叠加后的膜电位，红色虚线为动作电位阈值，取值为-55mV，灰色点划线为静息电位，取值为-65mV.d图表示动作电位触发时刻的点标记，红色圆点标出膜电位超过阈值的时刻，显示动作电位精确锁定信号周期.经过研究，图表直观揭示了随机共振的物理机制,噪声通过提供能量涨落，使亚阈值信号能够周期性地跨越动作电位阈值，从而增强神经编码的时序精度.这一机制为理解感觉系统在嘈杂环境中的信号检测，如听觉和触觉提供了计算依据.4.3高强度噪声4.3.1异常簇放电现象当噪声强度增至σ=2.0μA/cm²时，神经元放电模式转为高频簇放电,如图4.5a所示，其特征为连续3~5个动作电位后伴随长时程静默期.图4-5a（a）图高斯噪声下的神经元簇放电图4-5a（b）图临床癫痫样脑电在图4-5a中，（a）图表示高强度噪声下的神经元簇放电，其中红色曲线模型生成的簇放电波形，噪声强度>50Hz时表现为高频放电与静默期交替.灰色透明区域标记簇放电活跃期在200-250ms与450-500ms，显示周期性特征.电压范围在-80~40mV，符合生物神经元动作电位特征.（b）图展示了临床癫痫样脑电信息，蓝色曲线模拟的癫痫样脑电信号，包含3Hzδ波基底节律和20Hzγ振荡，橙色三角标记指示典型的棘慢波复合体幅值范围在-200~200μV，符合临床EEG观测范围.4.3.2原理高强度噪声通过两种机制破坏放电稳定性.首先是钠通道失活门卡滞，噪声导致钠通道失活门持续关闭，阻止正常复极化，如图4-6a所示.图4-6a高强度噪声下钠通道失活门h的时间演化图4-6a为钠通道失活门时间演化，红色曲线表示失活门门开放概率随时间变化，灰色虚线表示失活门卡滞阈值，低于此值钠通道无法恢复，灰色渐变区域表示失活门进入持续关闭状态，导致钠通道失活.此外，钾通道反馈延迟也破坏放电的稳定性，钾通道激活门的动力学被噪声干扰，复极化速度降低40%，如图4-6b所示.图4-6b钾通道下激活门n异常与膜电位去极化阻滞图4-6b为钾通道激活门动力学异常，左轴绿色曲线表示激活门开放概率，显示激活延迟，右轴蓝色曲线表示膜电位大于-50mV的情况下，膜电位持续去极化，灰色渐变区域表示复极化失败期，与激活门激活不足直接相关.5.机制与应用5.1对癫痫治疗的启发本研究通过分析不同强度噪声对神经元放电模式的调控机制，为癫痫治疗提供了以下理论启示和创新方向.比如，在高强度噪声下，噪声超过阈值1.0μA/cm²时，钠通道失活门持续关闭，钾通道激活延迟，导致膜电位去极化阻滞，触发癫痫样放电.此外，通过研究还发现，噪声强度与放电模式呈非线性关系，存在明确的相变阈值.未来，在医学领域，可能采用噪声抑制疗法，通过药物或物理干预的方式，降低病理性噪声强度，可能抑制异常同步化放电REF_Ref1769216963\r\h[10].比如，设计潜在药物靶点，靶向调控内向整流钾通道或间隙连接蛋白，减少胶质细胞源性噪声REF_Ref1768342999\r\h[11].此外，如果能实现在离子通道门控方面的的精准干预，也会有助于医疗事业的发展.通过研究表明，噪声通过改变膜电位波动频率，能影响离子通道大门的开放概率,启示我们如果能设计小分子化合物，就能选择性增强离子通道大门在去极化状态下的稳定性REF_Ref224737489\r\h[12]，或者通过基因编辑以及药物加速激活门激活，促进复极化REF_Ref230872044\r\h[13].但是，要想实现以上的设想，仍然需要大量的研究和实验，来弥补本次研究的不足和缺陷，最为重要的就是开发多细胞网络模型，来弥补Traub-Miles模型未考虑胶质细胞的局限性REF_Ref228989660\r\h[14].并且，需通过动物实验来验证噪声干预策略的安全性，此外，不同癫痫亚型可能对噪声调控存在差异化响应，需要分层研究REF_Ref229325800\r\h[15].本研究揭示了噪声在癫痫发生中的双刃剑角色，为突破传统抗癫痫药物靶点单一的局限提供了新视角.未来可通过整合噪声调控、通道靶向和网络干预，发展多层次精准治疗策略，推动癫痫治疗从症状控制向机制干预的范式转变REF_Ref229846817\r\h[16].结论本研究通过建立随机Traub-MilesCA3神经元模型，系统揭示了噪声强度对神经元放电模式的调控机制及其生物物理基础，探究了噪声强度与放电模式的定量关系。经过研究表明，在低噪声环境下，即取σ<0.3μA/cm²的情况下，能够诱发亚阈值振荡，此时，膜电位波动幅度与噪声强度呈现出线性相关性，为信息编码提供背景节律.在中等噪声环境下，取0.3≤σ≤1.0μA/cm²，通过随机共振效应显著提升信号检测，发现动作电位发放频率与输入信号频率精确同步.在高噪声环境中，取σ>1.0μA/cm²的情况下，能够引发异常簇放电，钠通道失活门变量h的噪声敏感性是正常状态的2.7倍.研究表明，噪声对钠离子通道具有调控作用。激活门像一个快开闸门，能在0.2毫秒完成开合，如果施加噪声就会立即打开，让钠离子进入细胞，启动放电.相反地，失活门则是一个慢关闸门，8.7毫秒才关闭，当噪声持续冲击时，失活门会卡滞，导致钠离子一直内流，细胞像被泡在水里的电池一样持续放电.也就是说，当添加噪声时，激活门会加速打开，而失活门会停滞，从而会引发异常放电.除此之外，噪声对钾通道起到了缓冲作用。在无噪声干扰的情况下，钾通道像灵敏的排水泵，电导上升速率在0.18单位，每当钠离子涌入时，它立刻加速钾离子外流，以此来维持水位稳定.在噪声干扰时，强噪声会破坏这一平衡，导致电导上升速率下降，钾离子外流速度跟不上钠离子涌入的速度，最终引发簇放电.研究局限与展望在本次研究中，还存在着很多局限.首先，本文研究仅仅针对单细胞Traub-Miles模型，并未考虑到神经元网络的突触可塑性与胶质细胞交互，可能低估群体同步放电的复杂性.未来可构建包含星形胶质细胞的双向耦合网络模型，模拟癫痫灶的点燃效应和真实脑环境.其次，本次研究只是离子通道动力学简化，仅考虑钠，钾电压门控通道，忽略钙依赖性钾通道、超极化激活环核苷酸门控通道等对膜电位振荡的调控作用.实验表明，HCN通道在θ节律生成中起关键作用，其缺失可能影响簇放电动态的生理真实性。另外，本文的模型参数校准主要依赖啮齿类动物离体电生理数据，而人类锥体神经元钠通道失活速率较鼠类慢约百分之十八，需通过人源iPSC分化神经元进行参数再校准.当前结论完全依赖计算模拟，并未在活体动物，比如Kainate诱导的慢性癫痫大鼠模型中验证噪声干预效果，因此，需要补充更多实质性的研究，才能使实验研究更具说服力.总之，本研究虽在单细胞噪声动力学层面取得突破，但距离临床转化仍面临模型简化性、实验验证缺失等多重挑战.未来将以计算指导实验，实验反馈模型为原则，通过多学科会聚、产学研联动，最终实现从噪声机制解析到精准医学干预的完整转化医学链条。

参考文献Benzi,R.,Sutera,A.,&Vulpiani,A.,Themechanismofstochasticresonance[J].JournalofPhysicsA:MathematicalandGeneral.1981.14(11):L453-L457.Wiesenfeld,K.,&Moss,F.,Stochasticresonanceandt