1 |
1
중앙처리장치, 저장장치, 메모리장치 및 디스플레이 장치를 포함하는 컴퓨터에서 운영되는 이질적 신경세포 집단 모델링 방법으로서,a) 단일 운동 신경세포 정규 모델로부터 신경세포의 수동적 역학관계를 나타내는 케이블 파라미터를 결정하는 단계;b) 상기 케이블 파라미터들의 이질적 특성인 시스템 특성을 결정하는 단계;c) 상기 시스템 특성의 함수로서 상기 케이블 파라미터의 역 방정식을 구하는 단계;d) 상이한 조건에서 독립적으로 측정된 실험 데이터에 기초하여 개별 축약 운동 신경 세포의 이질적 특성인 시스템 특성 값을 결정하는 단계;e) 상기 운동 신경 세포의 이질적 특성 중 전압 감쇠 인자들은 복수의 독립 변수에 대한 함수로 결정하는 단계;f) 이질적 특성을 만족하는 모델 파라미터들의 해집합을 구하여 이질적 신경세포 집단의 계산 모델을 구축하는 단계를 포함하는 이질적 신경세포 집단 모델링 방법
|
2 |
2
제1항에 있어서,상기 a) 단계의 케이블 파라미터는,세포체와 수상 돌기의 멤브레인(membrane) 컨덕턴스(Gm,S 및 Gm,D), 세포체와 수상 돌기의 멤브레인 커패시턴스(Cm,S 및 Cm,D), 세포체 및 수상 돌기 사이의 결합 컨덕턴스(GC)인 것을 특징으로 하는 이질적 신경세포 집단 모델링 방법
|
3 |
3
제2항에 있어서,상기 b) 단계의 이질적 특성은,입력 저항(RN), 멤브레인 시간 상수(τm), 세포체에 입력된 직류 전압 감쇠(VASDDC), 세포체에 입력된 교류 전압 감쇠(VASDAC), 수상 돌기의 모든 포인트에 입력된 직류 전압 감쇠(VADSDC), 기전류(Irheo), 후과분극 반감기(AHPt1/2)인 것을 특징으로 하는 이질적 신경세포 집단 모델링 방법
|
4 |
4
제3항에 있어서,상기 c) 단계의 역방정식은 아래의 수학식 1 내지 수학식 5로 표현되는 것을 특징으로 하는 이질적 신경세포 집단 모델링 방법
|
5 |
5
제3항에 있어서,상기 e) 단계의 함수는,아래의 수학식 6 내지 수학식 8로 표현되는 것을 특징으로 하는 이질적 신경세포 집단 모델링 방법
|
6 |
6
제2항에 있어서,상기 f) 단계의 모델 파라미터는,세포체의 멤브레인 컨덕턴스(Gm,S), 수상 돌기의 멤브레인 컨덕턴스(Gm,D), 결합 컨덕턴스(GC), 세포체의 멤브레인 커패시턴스(Cm,S), 수상 돌기의 멤브레인 커패시턴스(Cm,D), 최대 전도도(GNa,f) 및 세포체에 결합 된 자유 Ca2+의 비율(f)인 것을 특징으로 하는 이질적 신경세포 집단 모델링 방법
|