Тема: Моделирование гигантских деполяризующих потенциалов на срезах гиппокампа
Закажите новую по вашим требованиям
Представленный материал является образцом учебного исследования, примером структуры и содержания учебного исследования по заявленной теме. Размещён исключительно в информационных и ознакомительных целях.
Workspay.ru оказывает информационные услуги по сбору, обработке и структурированию материалов в соответствии с требованиями заказчика.
Размещение материала не означает публикацию произведения впервые и не предполагает передачу исключительных авторских прав третьим лицам.
Материал не предназначен для дословной сдачи в образовательные организации и требует самостоятельной переработки с соблюдением законодательства Российской Федерации об авторском праве и принципов академической добросовестности.
Авторские права на исходные материалы принадлежат их законным правообладателям. В случае возникновения вопросов, связанных с размещённым материалом, просим направить обращение через форму обратной связи.
📋 Содержание
2. ПОСТАНОВКА ЗАДАЧИ 5
3. ТЕОРЕТИЧЕСКОЕ ОБОСНОВАНИЕ 7
3.1. НЕЙРОБИОЛОГИЯ 7
3.2. СТРОЕНИЕ НЕЙРОНА 9
3.3. ГИППОКАМП 12
3.3.1. СТРОЕНИЕ ГИППОКАМПА 13
3.4. GDP 16
3.5. МОДЕЛЬ ХОДЖКИНА-ХАКСЛИ 18
3.5.1. КАНАЛЫ С ИОННЫМИ НАПРЯЖЕНИЯМИ 21
3.5.2. КАЛИЕВЫЕ КАНАЛЫ 22
3.5.3. НАТРИЕВЫЕ КАНАЛЫ 23
3.5.4. КАНАЛЫ УТЕЧКИ 24
4. РЕАЛИЗАЦИЯ МОДЕЛИ 25
4.1. NEURON 25
4.2. ПЕРВОНАЧАЛЬНАЯ МОДЕЛЬ 27
4.3. МОДИФИЦИРОВАННАЯ МОДЕЛЬ 29
4.3.1. ЦЕЛЬ РАБОТЫ 30
4.3.2. NAP-КАНАЛ 30
4.3.3. ОСНОВНАЯ ПРОГРАММА 32
4.3.4. ЭКСПЕРИМЕНТ С ПРОВОДИМОСТЬЮ НАТРИЯ В NAP-КАНАЛЕ 34
5. ЗАКЛЮЧЕНИЕ 37
6. ГЛОССАРИЙ 38
7. СПИСОК ЛИТЕРАТУРЫ 40
8. ПРИЛОЖЕНИЕ
📖 Введение
В настоящее время существует множество методов компьютерного моделирования и воспроизведения нейронных связей и сетей на мощностях электронно-вычислительных машин. Наиболее популярными и распространёнными симуляторами, моделирующие нейронные сети являются следующие симуляторы:
• NEURON;
• NEST;
• SPLIT;
• Brian;
• Brainlab.
Цель данной работы заключается в изучении процесса гигантских деполяризующих потенциалов, или по-другому Giant depolarizing potentials (GDP), исследовании выпуска гамма-аминомасляной кислоты (Г АМК) и построении модели гиппокампа крысы.
Гиппокамп входит в гиппокамповую формацию, которая включает, не считая него, энторинальную кору, пресубикулум, субикулум и зубчатую фасцию, и является центральной частью одной из самых старых систем головного мозга - лимбической, которая генерирует тета-ритм, участвует в формировании эмоций и отвечает за большое количество важных функций:
• кратковременная память
• перевод кратковременной памяти в долговременную
• пространственная память - запоминание и кодирование окружающего пространства.
Как происходят данные процессы все еще не ясно. Так как изучение гиппокампа является весьма трудоёмким процессом, потому что возникают сложности со вскрытием головного мозга, компьютерная симуляция помогает облегчить исследования. Компьютерная модель гиппокампа могла бы помочь учёным в улучшении понимания процессов, а также на основе изученного делать выводы.
GDP - тип спонтанной активности, который наблюдается в незрелом мозге. Самое главное условие для развития процесса GDP является то, что действие тормозящего нейромедиатора Г АМК должно быть возбуждающим, а не тормозным. Во взрослом мозге ГАМК, как правило, оказывает тормозящее действие.
В компьютере отсутствуют нейронов, так как он способен только выполнять вычислительный процесс. Но полученные с помощью вычислительной машины данные есть возможность соотнести с реальными. Было решено моделировать гиппокамп крысы, по причине того, что компьютерной мощности недостаточно чтобы построить модель человеческого мозга. Так как гиппокамп человека и млекопитающих весьма схож, то адаптация модели для человеческого мозга без особых трудностей может быть воспроизведена.
✅ Заключение
Эксперимент с проводимостью натрия в NAP-канале показывает, что при повышении проводимости натрия, повышается интенсивность возбуждающего действия Г АМК, следовательно повышается частота спайков.



