SİNİR HÜCRESİNİN PASİF KABLO MODELLEMESİ VE SİMÜLASYONU

Yıl 2012, Cilt: 27 Sayı: 1, 0 - , 13.02.2013

Özlem Coşkun Mesut Kahriman Selçuk Çömlekçi Suat Özkorucuklu

Öz

Sinir hücrelerinin fizyolojik yapılarını ve dinamik davranışlarını incelemek üzere geliştirilen modellemeler ve simülasyonlar, deneysel çalışmaların desteklemesi açısından önemlidir. Bu çalışmada uyarılabilir hücrelerde uyarı iletiminin elektriksel kuramı üzerinde durulmuştur. Pasif kablo teorisinin esaslarına yer verilmiş ve uyarılabilir hücreler ile ilgili genel diferansiyel denklemlerin türetilmesi yapılmıştır. Sinir hücresinin pasif kablo model simülasyonu, MATLAB7.0.4/Simulink programı ile gerçekleştirilmiştir. Çalışmanın ana hedeflerinden biri olan gerçekçi modele erişmek için, basitleştirilmiş ve revize edilmiş iki model kullanılmıştır. Sinir hücresinde yayılan aksiyon potansiyeli dalga şekli olarak, MATLAB7.0.4/Simulink’te gerçekçi dalga şekli üretilmiştir. Basitleştirilmiş ve revize edilmiş iki modelin simülasyon sonuçları karşılaştırıldığında revize edilmiş model çıkışında, minimum genliğin azaldığı görülmektedir. Revize edilmiş modelde; önerdiğimiz olması gereken bir kapasite elemanı bulunmuştur.

Anahtar Kelimeler

Sinir hücresi, MATLAB7.0.4/Simulink, pasif kablo teoremi

Kaynakça

• P. Revest, Neurosim For Windows, Trends Neuroscience, 18:556, 1995.
• J. M. Bower and D. Beeman, The Book of Genesis, Springer, Berlin, 1995.
• E. De Schutter, Computer Software for Development and Simulation of Compartmental
• Models of Neurons, Computer Methods Programs in Biomedicine, 2:71-81, 1989.
• M. L. Hines and N. T. Carnavale, The NEURON imulation Environment, Neural Computation,9: 1179-1209, 1997.
• A. M. Brown, A Methodology for SimulatingBiological Systems Using Microsoft Excel,
• Computer Methods and Programs in Biomedicine, 58: 181-190, 1999.
• A. M. Brown, Simulation of Axonal Excitability Using a Spreadsheet Template in Microsoft Excel, Computer Methods and Programs in Biomedicine, 63:47-54, 2000.
• E. De Schutter, A Consumer Guide to Neuronal Modeling Software, Trends Neuroscirnce, 15:462-464, 1992.
• M. Ozer, Y. Isler and H. Ozer, A Computer Software for Simulating Single Compartment Model of Neurons, Computer Methods Programs in Biomedicine, 75:51-57, 2004.
• Ş. Cinal, N. H. Ekmekci ve M. Özer, Stokastik Nöron Modellerinin Simulink İle Benzetimi, Elektrik-Elektronik-Bilgisayar Müh. 11.Ulusal Kongresi, İstanbul, 458-461, 2005.
• J. J. B. Jack, D. Noble, R. W. Tsien, Electric Current Flow in Excitable Cells, Clarendon Press, 1983.
• W. Rall, J. Rinzel, Branch Input Resistance and
• Steady Attenuation for Input to One Branch of a dendritic Neuron Model, Journal Biophysics, 13:648-688, 1973.
• J. Rinzel, W. Rall, Transient Response in aDendritic Neuronal Model for Current Injected at one Branch, Journal Biophysics, 14:759- 790,1974.
• E. G. Butz, J. D. Cowan, Transient Potentials in Dendritic Systems of Arbitrary Geometry,
• Journal Biophysics, 14:661-689, 1974.
• C. Koch and T. Poggio, A Simple Algorithm for Solving the Cable Equation in Dendritic Trees of Arbitrary Geometry. Journal Neuroscience Method, 12: 303-315, 1985.
• I. Z. Steinberg, On the Analytic Solution of Electrotonic Spread in Branched Passive Trees, Journal Computational Neuroscience, 3:301- 311, 1996.
• M. Nazıroğlu, New Molecular Mechanisms on the Activation of TRPM2 Channels by Oxidative Stress and ADP-ribose, Neurochemical Research, 32:1990-2001, 2007.
• A. D. Rosen, Mechanism of Action of Moderate- Intensity Static Magnetic Fields on Biological
• Systems, Cellular Biochemistry and Biophysics, 39(2):163-173, 2003.
• Simulink., Model-based and System-based Design, Using Simulink, MathWorks Inc.,Natick, MA, 2000.
• Sim Power Systems for Use with Simulink., User’s Guide, MathWorks Inc., Natick, MA, 2002.
• Ö. Coşkun, Sinir Dokusu Modeli Analizinde Gerçekçi Model ve Dışsal Manyetik Alandan Etkilenme Mekanizmasının Analizi, SDÜ Fen Bilimleri Enstitüsü, Doktora Tezi, 2009.