Hodgkin - Huxley模型是描述神经元膜电位动态变化的经典模型。以下是一个使用Python模拟100个神经元的Hodgkin - Huxley模型的示例代码，该代码设定了动作电位发放阈值，记录每次电位上升到阈值的时间，并以纵坐标为100个神经元的排序、横坐标为记录时间输出结果。 ```python import numpy as np import matplotlib.pyplot as plt # Hodgkin - Huxley模型的参数 C_m = 1.0 # 膜电容 (μF/cm²) g_Na = 120.0 # 钠通道最大电导 (mS/cm²) g_K = 36.0 # 钾通道最大电导 (mS/cm²) g_L = 0.3 # 泄漏通道最大电导 (mS/cm²) E_Na = 50.0 # 钠通道反转电位 (mV) E_K = -77.0 # 钾通道反转电位 (mV) E_L = -54.387 # 泄漏通道反转电位 (mV) # 时间参数 dt = 0.01 # 时间步长 (ms) T = 500 # 总模拟时间 (ms) t = np.arange(0, T, dt) # 神经元数量 N = 100 # 刺激电流 I = np.zeros((N, len(t))) I[:, 1000:4000] = 10 # 给每个神经元施加10 μA/cm²的刺激电流 # 初始条件 V = np.full((N, len(t)), -65.0) # 膜电位 (mV) m = np.zeros((N, len(t))) h = np.zeros((N, len(t))) n = np.zeros((N, len(t))) m[:, 0] = 0.05 h[:, 0] = 0.6 n[:, 0] = 0.32 # 动作电位发放阈值 threshold = -20.0 # 记录动作电位时间 spike_times = [[] for _ in range(N)] # 模拟Hodgkin - Huxley模型 for i in range(1, len(t)): alpha_m = 0.1 * (V[:, i - 1] + 40.0) / (1.0 - np.exp(-(V[:, i - 1] + 40.0) / 10.0)) beta_m = 4.0 * np.exp(-(V[:, i - 1] + 65.0) / 18.0) alpha_h = 0.07 * np.exp(-(V[:, i - 1] + 65.0) / 20.0) beta_h = 1.0 / (1.0 + np.exp(-(V[:, i - 1] + 35.0) / 10.0)) alpha_n = 0.01 * (V[:, i - 1] + 55.0) / (1.0 - np.exp(-(V[:, i - 1] + 55.0) / 10.0)) beta_n = 0.125 * np.exp(-(V[:, i - 1] + 65.0) / 80.0) m[:, i] = m[:, i - 1] + dt * (alpha_m * (1 - m[:, i - 1]) - beta_m * m[:, i - 1]) h[:, i] = h[:, i - 1] + dt * (alpha_h * (1 - h[:, i - 1]) - beta_h * h[:, i - 1]) n[:, i] = n[:, i - 1] + dt * (alpha_n * (1 - n[:, i - 1]) - beta_n * n[:, i - 1]) g_Na_ = g_Na * m[:, i] ** 3 * h[:, i] g_K_ = g_K * n[:, i] ** 4 g_L_ = g_L I_Na = g_Na_ * (V[:, i - 1] - E_Na) I_K = g_K_ * (V[:, i - 1] - E_K) I_L = g_L_ * (V[:, i - 1] - E_L) dV = (I[:, i - 1] - I_Na - I_K - I_L) / C_m V[:, i] = V[:, i - 1] + dt * dV # 检测动作电位 for j in range(N): if V[j, i - 1] < threshold and V[j, i] >= threshold: spike_times[j].append(t[i]) # 绘制结果 plt.figure(figsize=(10, 6)) for i in range(N): plt.scatter(spike_times[i], [i] * len(spike_times[i]), s=1, color='k') plt.xlabel('Time (ms)') plt.ylabel('Neuron index') plt.title('Spike raster plot of 100 neurons') plt.show() ``` ### 代码解释 1. **参数设置**：设置了Hodgkin - Huxley模型的参数，包括膜电容、各种离子通道的最大电导和反转电位等。 2. **时间参数**：设定了时间步长和总模拟时间。 3. **神经元数量**：模拟了100个神经元。 4. **刺激电流**：给每个神经元施加了一段时间的刺激电流。 5. **初始条件**：设置了膜电位和离子通道门控变量的初始值。 6. **动作电位发放阈值**：设定了动作电位发放的阈值。 7. **模拟过程**：使用欧拉法对Hodgkin - Huxley模型进行数值求解，并检测动作电位的发放。 8. **绘制结果**：使用散点图绘制了每个神经元的动作电位发放时间。