‫חורף תשע"ח‬ ‫מבוא לאותות ומערכות ביולוגיים ‪ -‬פישוט חד‪-‬ממדי של משוואות ‪( HH‬גרסת סטודנט‪ ,‬ללא רווחים)‬

‫פרק ‪ – 6‬מודלים בעלי סף וקישור בין תאים‬

‫‪ .1‬מבוא‪:‬‬
‫המודלים שלמדנו בפרק הקודם אפשרו ניתוח מתמטי של התנהגות תא אקסיטבילי יחיד‪ ,‬תוך‬
‫שחזור מספר רב של ההתנהגויות האופיניות לתאים אלו‪ .‬עם זאת‪ ,‬קשה להשתמש במודלים‬
‫אלו כאבני בניין למודל של רשתות עצביות‪ .‬מכיוון שעיקר היכולות של מערכת העצבים‬
‫נובעות מהאינטראקציה בין התאים ברשת‪ ,‬ומאינטראקציות בין רשתות של תאים‪ ,‬נדרש‬
‫לבצע תהליך נוסף של פישוט‪ ,‬באמצעות צמצום למימד אחד ושימוש במושג הסף‪.‬‬

‫כיצד נמדל תא עצב בממד אחד?‬

‫‪ , f x‬לעולם איננה מחזורית‪ .‬כמוכן לא ניתן‬ ‫תזכורת‪ :‬התנהגות מערכת חד ממדית‪x ,‬‬
‫לקבל פו"פ במערכת כזו‪ .‬לכן‪ ,‬כדי לקבל פו"פ במודל חד‪-‬ממדי נצטרך להכניס גורם חדש‬
‫למשחק‪.‬‬

‫כזכור‪ ,‬ראינו במספר מודלים‪ ,‬כמו גם במודל ‪( HH‬ובמציאות!)‪ ,‬כי כאשר זרם הכניסה גבוה‬
‫מספיק התא יורה פו"פ באופן מחזורי‪ .‬אבל מכיוון שצורת הפו"פ קבועה פחות או יותר מרגע‬
‫חציית הסף‪ ,‬נוכל למדל את הדינמיקה עד ההגעה לסף בצורה פשוטה ואז "נרשום" פו"פ‬
‫ו"נחזיר" את המתח לערך נמוך‪.‬‬
‫הערה‪ :‬ראינו כי במודל ‪( HH‬כמו גם במודל ‪ )FN‬אין למעשה סף חד במתח (למשל‪ ,‬במודל ‪FN‬‬
‫ראינו "עקום סף" במרחב המצב)‪ .‬אנו נתעלם מחוסר החדות הזה במודלים של פרק זה‪.‬‬

‫‪ .2‬מודל הנתרן המתמיד ‪I Na , p‬‬

‫כמו בהרצאה שבה ניתחנו את מודל ‪ ,HH‬את הדינמיקה עד ההגעה לסף נבחן תחילה‬
‫באמצעות מודל חד מימדי מקורב‪ .‬כפי שראינו בהרצאה זו‪ ,‬הדינמיקה עד ההגעה לסף תלויה‬
‫בעיקר באקטיבציה של זרם הנתרן‪ .‬כזכור‪ ,‬הכוחות המרסנים (אינאקטיבציה של נתרן‬
‫ואקטיבציה של אשלגן) הינם מושהים ונכנסים לפעולה רק בהמשך‪ .‬לכן‪ ,‬על מנת למדל את‬
‫הדינמיקה בשלבים הראשונים של פוטנציאל הפעולה נותיר רק את האקטיבציה של הנתרן‬

‫(למעשה‪ ,‬נניח כי מוליכות האשלגן קבועה ולכן נכניס אותה כחלק מזרם הזליגה‪ ,‬ואת ‪h Vm0‬‬

‫נבלע לתוך ‪:)GNa‬‬

‫‪CV‬‬ ‫‪I‬‬ ‫‪GNa m3 V V VNa‬‬ ‫‪GL V VL‬‬

‫‪m V‬‬ ‫‪1 1 exp Vm,1 2 V‬‬ ‫‪km‬‬

‫גם במודל זה מניחים כי תהליך האקטיבציה מידי‪ .‬קיבלנו אם כן מודל חד‪-‬ממדי לתיאור‬
‫הדינמיקה‪,‬‬
‫‪CV‬‬ ‫‪I I V‬‬ ‫‪F V‬‬

‫‪1‬‬
‫חורף תשע"ח‬ ‫מבוא לאותות ומערכות ביולוגיים ‪ -‬פישוט חד‪-‬ממדי של משוואות ‪( HH‬גרסת סטודנט‪ ,‬ללא רווחים)‬

‫כיצד נראה מרחב הפאזה של מודל זה?‬

‫נש"מ יציבה‪-‬‬ ‫נש"מ לא יציבה‪-‬‬ ‫נש"מ יציבה‬

‫מתח המנוחה‬ ‫"מתח הסף"‬

‫מישור הפאזה במצב מנוחה‪ ,‬ללא זרם עירור‬

‫גדל‬

‫מישור הפאזה עבור עוצמות זרם הולכות וגדלות‬

‫כמו בפרק שעבר‪ ,‬נרצה לעבור עתה למודל פנומנולוגי שיהיה פשוט מתמטית אך ישמר את‬
‫מבנה מרחב הפאזה של מודל ‪ . I Na , p‬הפונקציה הפשוטה ביותר אשר תתן לנו את הסתעפות‬
‫האוכף ואת המשוב החיובי היא כמובן הפונקציה הריבועית‪.‬‬

‫‪ .3‬מודל )‪Quadratic Integrate and Fire (QIF‬‬

‫מאחר ואנו רוצים רק לתאר את ההתנהגות בזמן יצירת פו"פ‪ ,‬די לנו לשמר איכותית את צורת‬
‫הפונקציה ) ‪ F (V‬בתחום המתחים המתאים להיווצרות פו"פ‪ .‬כפי שניתן להתרשם מהאיור‬
‫האחרון‪ ,‬בחירה סבירה למדל את הדינמיקה סביב נקודת הסף באמצעות פונקציה ריבועית‬

‫‪2‬‬
‫חורף תשע"ח‬ ‫מבוא לאותות ומערכות ביולוגיים ‪ -‬פישוט חד‪-‬ממדי של משוואות ‪( HH‬גרסת סטודנט‪ ,‬ללא רווחים)‬

‫‪2‬‬
‫‪cV‬‬ ‫‪I‬‬ ‫‪k V‬‬ ‫‪Vmin‬‬

‫‪ , V‬וכי משנים את היחידות של‬ ‫נניח לשם פשטות כי מסיטים את מתח המנוחה ‪V Vmin‬‬
‫‪0.5‬‬ ‫‪0.5‬‬
‫‪.) V‬‬ ‫‪k‬‬ ‫‪V , t‬‬ ‫‪ck‬‬ ‫המתח והזמן כדי לקבל ‪ c 1‬ו‪( k 1 -‬למשל‪ ,‬ע"י ‪t‬‬
‫נשארנו עם‬
‫‪V‬‬ ‫‪I V2‬‬

‫נקבע שאירע פו"פ ונחזיר‬ ‫את הפו"פ נתאר ע"י הדרישה שכאשר המתח יגיע לערך כלשהו‬
‫את המתח לערך איתחול כלשהו‪ .‬המודל המלא אם כך הוא‪:‬‬

‫‪V‬‬ ‫‪I V2‬‬

‫‪V‬‬ ‫‪Vreset‬‬
‫‪if V‬‬ ‫‪then tk‬‬ ‫‪t‬‬
‫‪k‬‬ ‫‪k 1‬‬
‫מישור הפאזה של מודל זה כולל אם כן אי‪-‬רציפות‪.‬‬
‫כניסת המודל היא הזרם ‪. I‬‬
‫מוצא המודל הוא סדרת זמני הירי‪ ,‬או לחילופין רכבת הלמים בזמנים אלו‪:‬‬

‫‪y t‬‬ ‫‪t‬‬ ‫‪tk‬‬

‫‪k‬‬

‫שימו לב כי תיאור זה נותן אפיון כניסה‪-‬יציאה אחר מזה שקיבלנו במודלים הביו‪-‬פיסיים‪ .‬שם‬
‫המיפוי היה מזרם למתח‪ ,‬כעת המיפוי הוא מזרם לתהליך נקודה – רכבת הלמים‪.‬‬
‫הערה ‪ :1‬מבחינת תקשורת בין תאים‪ ,‬המידע של פעילות התא "מקודד" בזמני הירי במקום‬
‫בערך המתח המדויק‪.‬‬
‫בו נקבע שאירע פו"פ לבין הסף הדינמי‬ ‫הערה ‪ :2‬חשוב להבדיל בין מתח הסף השרירותי‬
‫(הנש"מ הלא יציבה)‪.‬‬

‫נחקור את ההתנהגויות של המודל בתגובה לקלט מהצורה‬

‫‪I t‬‬ ‫‪I‬‬ ‫‪p t ti‬‬

‫‪i‬‬

‫הם פולסים קצרים של זרם חיובי ‪ t i -‬הם זמני‬ ‫כאשר ‪ I‬הוא זרם קבוע‪ ,‬ו‪p t ti -‬‬
‫‪i‬‬

‫‪ p‬הם פונקציות המתארות את צורת הפולס‪ .‬כל פולס של זרם גורם לעליה‬ ‫הפולסים ו‪-‬‬
‫‪( p‬הפולס הוא פונקציית הלם כפול קבוע ‪ ,) q‬אז כל‬ ‫‪q‬‬ ‫מהירה במתח‪ .‬למשל‪ ,‬אם‬
‫פולס בזמן ‪ t i‬גורם לקפיצה מיידית במתח באותו הזמן‪ ,‬כפי שניתן לראות מאיזון הלמים‪:‬‬
‫‪ ti‬ל‪( ti 1 -‬לא כולל) מתקיים‬ ‫‪1‬‬
‫לכל ‪ t‬בתחום בין‬

‫‪3‬‬
‫חורף תשע"ח‬ ‫מבוא לאותות ומערכות ביולוגיים ‪ -‬פישוט חד‪-‬ממדי של משוואות ‪( HH‬גרסת סטודנט‪ ,‬ללא רווחים)‬

‫‪V‬‬ ‫‪I V2‬‬ ‫‪q‬‬ ‫‪t ti‬‬

‫‪ti‬‬ ‫‪ti‬‬ ‫‪ti‬‬

‫‪Vdt‬‬ ‫‪I V‬‬ ‫‪2‬‬

‫‪dt‬‬ ‫‪q‬‬ ‫‪t ti dt‬‬
‫‪ti‬‬ ‫‪ti‬‬ ‫‪ti‬‬

‫‪V ti‬‬ ‫‪V ti‬‬ ‫‪q‬‬

‫התגובה של המודל עבור פרמטרים שונים מתוארות באיורים הבאים (הכניסה באיורים לא‬
‫רציפה אך אינה הלם)‪:‬‬

‫‪Vreset‬‬ ‫‪Vthreshold , I‬‬ ‫‪0‬‬

‫‪Vreset‬‬ ‫‪Vthreshold , I‬‬ ‫‪0‬‬

‫‪4‬‬
‫חורף תשע"ח‬ ‫מבוא לאותות ומערכות ביולוגיים ‪ -‬פישוט חד‪-‬ממדי של משוואות ‪( HH‬גרסת סטודנט‪ ,‬ללא רווחים)‬

‫‪ I‬נקבל התנהגות מחזורית‪:‬‬ ‫כאשר ‪0‬‬

‫ניתן בקלות להרחיב מודל זה על מנת לקבל התנהגויות מורכבות יותר‪ .‬לדוגמא‪ ,‬חוקר בשם‬
‫איציקביץ' הוסיף משוואה נוספת עם 'משתנה ריסון' וקיבל את המערכת הבאה‪:‬‬

‫‪V I V2 u‬‬
‫מודל איציקביץ'‬ ‫‪u a bV u‬‬
‫‪if V‬‬ ‫‪then V‬‬ ‫‪c&u‬‬ ‫‪u d‬‬
‫הערה‪ :‬במקרה זה תנאי התחלה ניתנים‪ ,‬כמובן‪ ,‬עבור שני המשתנים ‪. V , u‬‬
‫בסה"כ במודל זה חמישה פרמטרים חופשיים‪:‬‬
‫‪ a‬הוא קבוע הקצב של משתנה הריסון‬
‫‪ b‬קובע את תלות משתנה הריסון במתח‬
‫‪ c‬הוא מתח האיתחול לאחר הפו"פ‬
‫‪ d‬מתאר את ההשפעה של פו"פ על הריסון‪ .‬הרעיון הוא שמייד לאחר פו"פ‪ ,‬היכולת‬
‫לייצר פו"פ נוסף קטנה (תקופה רפרקטורית)‪.‬‬
‫הוא מתח הסף – כאשר עוברים אותו‪ ,‬נוצר פוטנציאל פעולה‪.‬‬
‫איציקביץ' הראה שבאמצעות בחירה של ערכים שונים לפרמטרים אלו ניתן לשחזר מגוון רב‬
‫מאוד של התנהגויות שנצפו בתאי עצב שונים במערכת העצבים‪.‬‬

‫שחזור של התנהגויות עצביות שונות שאמצעות מודל איציקביץ'‬

‫‪5‬‬
‫חורף תשע"ח‬ ‫מבוא לאותות ומערכות ביולוגיים ‪ -‬פישוט חד‪-‬ממדי של משוואות ‪( HH‬גרסת סטודנט‪ ,‬ללא רווחים)‬

‫‪ .4‬מודל )‪Leaky Integrate & Fire (LIF‬‬

‫פישוט משמעותי של המודל יתקבל מהחלפת הדינמיקה עד לסף בדינמיקה ליניארית‪ ,‬לדוגמא‬
‫ע"י שימוש בזרם הזליגה בלבד‪:‬‬
‫‪CV‬‬ ‫‪I‬‬ ‫‪g L V VL‬‬
‫גם כאן‪ ,‬כאשר המתח מגיע לערך הסף‬
‫נרשם זמן הירי והמתח מאותחל‪:‬‬
‫‪V‬‬ ‫‪Vreset‬‬
‫‪if V t‬‬ ‫‪then‬‬ ‫‪tk‬‬ ‫‪t‬‬
‫‪k‬‬ ‫‪k 1‬‬

‫מודל זה נקרא מודל ‪ Leaky Integrate and Fire‬או בקיצור ‪ LIF‬והוא שימושי במיוחד למידול‬
‫רשתות עצביות‪ .‬ה‪ leaky-‬נובע מזרם הזליגה‪ Integrate ,‬נובע מכך שהמודל פועל כאינטגרטור‬
‫עבור פולסי זרם קצרים‪.‬‬
‫נסמן ‪ . R 1 / g L‬את מודל ה‪ LIF-‬ניתן לתאר באמצעות המעגל החשמלי הבא‪:‬‬

‫‪RC ; V t‬‬ ‫‪RI t‬‬ ‫נצמצם פרמטרים‪:‬‬

‫‪ Vreset‬ונקבל‪:‬‬ ‫‪VL‬‬ ‫נניח ‪0‬‬

‫‪V‬‬ ‫‪V V t‬‬

‫‪if V t‬‬ ‫‪then V‬‬ ‫‪0‬‬
‫‪I‬‬ ‫פתרון בזרם קבוע ‪I 0‬‬
‫נתעלם מהסף לרגע ונחשב את הדינמיקה של המתח‪:‬‬
‫‪V‬‬ ‫‪V V‬‬ ‫) ‪V (t‬‬ ‫‪V (0) V e‬‬ ‫‪t/‬‬
‫‪V‬‬
‫‪ V 0‬נקבל‪:‬‬ ‫‪Vreset‬‬ ‫‪ . V‬אם נניח ‪0‬‬ ‫כאשר ‪I 0 R‬‬
‫‪t‬‬ ‫‪t‬‬
‫‪V t‬‬ ‫‪V 1 e‬‬ ‫‪RI 0 1 e‬‬ ‫‪RC‬‬

‫‪6‬‬
‫חורף תשע"ח‬ ‫מבוא לאותות ומערכות ביולוגיים ‪ -‬פישוט חד‪-‬ממדי של משוואות ‪( HH‬גרסת סטודנט‪ ,‬ללא רווחים)‬

‫אם נזכר שהסף קיים נקבל שני מקרים אפשריים‪:‬‬

‫‪I‬‬
‫‪I0‬‬
‫‪V‬‬

‫‪V‬‬
‫‪V‬‬

‫‪t‬‬
‫‪t1 t 2‬‬ ‫‪t3‬‬ ‫‪t4‬‬

‫גם מודל ה‪ LIF-‬קל להרחבה בכיוונים שונים על מנת להוסיף התנהגויות האופייניות לתאים‬
‫ביולוגיים‪ .‬למשל‪ ,‬ניתן להוסיף תקופה רפרקטורית ע"י החזקת המתח (באופן מלאכותי) בערך‬
‫קבוע במשך זמן ‪ trefrac‬אחרי ההגעה לסף‪.‬‬
‫לדוגמא‪ ,‬הוספה של הסתגלות קצב ירי (‪ ,)Spike Rate Adaptation‬תופעה בה קצב הירי יורד‬
‫במהלך התגובה לגירוי ממושך‪ .‬על מנת לממש זאת מוסיפים מוליכות מרסנת התלויה‬
‫באירועי הירי‪:‬‬

‫‪cV‬‬ ‫‪I‬‬ ‫‪g L V VL‬‬ ‫‪g sra V Vk‬‬

‫‪sra‬‬ ‫‪g sra‬‬ ‫‪g sra‬‬ ‫מודל ‪ LIF‬בעל‬
‫‪V‬‬ ‫‪0‬‬ ‫הסתגלות‬
‫‪if V t‬‬ ‫‪then‬‬
‫‪g sra‬‬ ‫‪g sra‬‬ ‫‪g sra‬‬

‫ברור כי בסך הכל הדינמיקה של מודל ה‪ LIF-‬שונה מהותית מזו של המודלים הביופיסיים‪ ,‬ועל‬
‫אחת כמה וכמה מזו של תאים ביולוגיים‪ .‬יתרונו הגדול של מודל זה הוא בפשטותו וביכולת‬
‫למדל באמצעותו תקשורת בין תאים בקלות יחסית‪ ,‬כפי שנראה בסעיף הבא‪.‬‬

‫‪7‬‬
‫חורף תשע"ח‬ ‫מבוא לאותות ומערכות ביולוגיים ‪ -‬פישוט חד‪-‬ממדי של משוואות ‪( HH‬גרסת סטודנט‪ ,‬ללא רווחים)‬

‫‪ .5‬קי שור בין תאים – סינפסות‬

‫אחד המאפיינים המיוחדים לתאי עצב היא יכולתם לתקשר זה עם זה‪.‬‬

‫התקשורת בין התאים מתרחשת במבנים הקרויים סינפסות )‪ .(Synapses‬לכל‬
‫תא יכולות להיות אלפי סינפסות‪ .‬ישנם שני סוגים עיקריים של סינפסות‪:‬‬
‫סינפסות חשמליות (המאפשרות מעבר ישיר של יונים מתא לתא‪ ,‬ולא יידונו‬
‫במסגרת קורס זה) וסינפסות כימיות‪.‬‬

‫לכל סינפסה כימית שני חלקים‪:‬‬

‫החלק הפרה‪-‬סינפטי המצוי באקסון של התא ה'משדר' ‪.‬‬

‫החלק הפוסט‪-‬סינפטי‪ ,‬המצוי (לרוב בדנדריט אך גם בגוף התא או באקסון) של התא‬
‫ה'קולט'‪.‬‬

‫שני החלקים הללו קרובים זה לזה מאוד וביניהם ישנו חלל צר הקרוי המרווח הסינפטי (המרווח‬
‫כ‪ 20 -‬ננומטר‪ ,‬זמן דיפוזיה כ ‪ 0.1‬מילישניות)‪ .‬בחלק הפרה‪-‬סינפטי ישנו מאגר של בועיות‬
‫(‪ )vesicles‬המכילות חומר מיוחד הקרוי נוירוטרנסמיטור (הנוירוטרנסמיטור)‪ .‬כמו כן הקרום של‬
‫חלק זה מאופיין בריכוז גבוה של תעלות סידן תלויות מתח‪ .‬לעומת זאת‪ ,‬החלק הפוסט סינפטי‬
‫מאופיין בריכוז גבוה של קולטנים אשר נקשרים באופן ספציפי לנוירוטרנסמיטור המצוי באתר‬
‫הפרה‪-‬סינפטי‪.‬‬

‫קולטנים אלה משפיעים על הסתברות הפתיחה והסגירה של התעלות‪.‬‬

‫פטנציאל הפעולה מגיע במורד האקסון אל האתר הפרה‪-‬סינפטי וגורם לעליית מתח חדה באזור‬
‫זה‪ .‬מתח זה גורם לפתיחת תעלות הסידן ולזרימה של סידן פנימה‪ .‬הסידן נקשר לבועיות ובתהליך‬
‫מורכב גורם להתאחדותם עם קרום התא ולשחרור הנוירוטרנסמיטור אל המרווח הסינפטי‪.‬‬
‫חומר זה נקשר לקולטנים בצד הפוסט סינפטי‪ ,‬מה שמוביל בד"כ לפתיחת תעלות יונים המשנות‬
‫את מוליכות הקרום ובכך משפיעות על המתח הפוסט סינפטי‪ .‬בהמשך הנוירוטרנסמיטור מפורק‬
‫ומאוחזר לצד הפרה סינפטי וחוזר חלילה‪.‬‬

‫‪8‬‬
‫חורף תשע"ח‬ ‫מבוא לאותות ומערכות ביולוגיים ‪ -‬פישוט חד‪-‬ממדי של משוואות ‪( HH‬גרסת סטודנט‪ ,‬ללא רווחים)‬

‫השפעת הסינפסה על התא הפוסט סינפטי תלויה בסוג התעלות שנפתחות בעקבות קליטת‬
‫המוליך העצבי‪ .‬קיימים סוגים רבים של מוליכים עצביים ומגוון של השפעות על התעלות‬
‫הפוסט‪-‬סינפטיות‪ .‬נדון רק בשני מוליכים ראשיים ונעיר כי המוליכים והתעלות פועלות במגוון‬
‫רחב של סקלות זמן‪.‬‬

‫הנוירוטרנסמיטור גלוטמט )‪ (Glutamate‬גורם לפתיחת תעלות‬

‫‪ VNa‬תיגרם עלייה במתח התא‪ ,‬דה‪-‬‬ ‫נתרן‪ .‬מאחר ו ‪55 mV‬‬
‫פולריזציה‪ .‬לכן‪ ,‬תשדורת דרך סינפסת גלוטמט תגרום להגדלת‬
‫הסיכוי ליצירת פו"פ‪ .‬סינפסה שזו השפעתה נקראת סינפסה מעוררת‬
‫)‪.(Excitatory‬‬

‫לעומת זאת‪ ,‬הנוירוטרנסמיטור ‪ GABA‬גורם לפתיחת תעלות כלור או‬

‫‪ VK‬נקבל אפקט של היפר‪-‬‬ ‫‪VCl‬‬ ‫אשלגן‪ .‬מאחר ו ‪70 mV‬‬
‫פולריזציה‪ ,‬כלומר הקטנה (יתר שליליות) של המתח‪ .‬בשני המקרים‬
‫סינפסת ‪ GABA‬אם כן תפחית את הסיכוי ליצירת פו"פ בתא הפוסט‬
‫סינפטי‪ .‬סינפסה כזו נקראת סינפסה מדכאת או מעכבת‬
‫)‪.(Inhibitory‬‬

‫אם כן המעגל החשמלי שימדל את הסינפסה יכלול בצד הפוסט‪-‬סינפטי ענף של מוליכות‬
‫התלויה בריכוז הנוירוטרנסמיטור המשוחרר מהתא הפרה‪-‬סינפטי‪ ,‬וכן מתח היפוך התלוי‬
‫בסוג הסינפסה (מעוררת או מדכאת)‪.‬‬

‫פנים‬

‫‪Neurotransmitter‬‬

‫חוץ‬

‫כאמור‪ ,‬סינפסה היא מעוררת או מעכבת בהתאם לנטייה שלה לעודד או לעכב פו"פ‪ .‬למרות‬
‫שלתא (ולמודל ‪ )HH‬אין סף חד אלא איזור של סף (במרחב המתח ומשתני התעלות)‪ ,‬בקירוב‬
‫מגדירים סינפסה כמעוררת או מדכאת בהתאם לשאלה האם מתח ההיפוך שלה גדול או קטן‬
‫ממתח הסף‪:‬‬

‫‪ Vsyn‬הסינפסה מעוררת‪.‬‬ ‫אם ‪Vthresh‬‬

‫‪ Vsyn‬הסינפסה מדכאת‪.‬‬ ‫‪Vthresh‬‬

‫‪ g syn‬תלוי בריכוז המוליך העצבי ולעיתים גם במתח‪.‬‬

‫‪9‬‬
‫חורף תשע"ח‬ ‫מבוא לאותות ומערכות ביולוגיים ‪ -‬פישוט חד‪-‬ממדי של משוואות ‪( HH‬גרסת סטודנט‪ ,‬ללא רווחים)‬

‫נוסיף את זרם הסינפסה למודל ה‪:LIF-‬‬

‫‪cV‬‬ ‫‪g syn t Vsyn V‬‬ ‫‪g L V VL‬‬ ‫‪I syn (t ) g L V VL‬‬

‫שימו לב‪ :‬השפעת הזרם הפרה‪-‬סינפטי באה לידי ביטוי בשינוי המוליכות הפוסט‪-‬סינפטית‪.‬‬

‫מודל פשוט ונפוץ יותר הוא מידול הסינפסה כמקור זרם‪:‬‬

‫‪I syn t‬‬ ‫‪w‬‬ ‫‪t tk‬‬
‫כאשר‪:‬‬

‫‪ w j‬הסינפסה מעוררת‪,‬‬ ‫‪ w‬נקרא החוזק או המשקל הסינפטי‪ .‬אם ‪0‬‬

‫‪ w j‬היא מדכאת‪.‬‬ ‫אם ‪0‬‬

‫היא צורת גל הזרם הפוסט סינפטי‪ .‬למשל‪:‬‬ ‫‪t‬‬

‫‪1‬‬ ‫‪t‬‬
‫‪t‬‬ ‫‪t‬‬ ‫;‬ ‫‪t‬‬ ‫‪e‬‬ ‫‪syn‬‬
‫‪u t‬‬
‫‪syn‬‬

‫‪ t k‬הוא זמן הפו"פ ה‪ k -‬שאירע בתא הפרה‪-‬סינפטי‪.‬‬

‫מכיוון שכל תא פוסט‪-‬סינפטי מקבל קלט ממספר רב של תאים פרה‪-‬סינפטיים (במוח לכל תא‬
‫אלפי סינפסות)‪ ,‬נסכם את כל הקלטים הללו‪:‬‬
‫‪j‬‬
‫‪I syn t‬‬ ‫‪wj‬‬ ‫‪t tk‬‬
‫‪j‬‬ ‫‪k‬‬

‫‪ w j‬המשקל של הסינפסה של התא הפרה‪-‬סינפטי ה‪.j-‬‬

‫‪j‬‬
‫‪ tk‬הוא זמן הפו"פ ה‪ k -‬שאירע בתא הפרה‪-‬סיפסטי ה‪. j -‬‬
‫בסך הכל קיבלנו את המודל הבא למתח תא העצב הפוסט‪-‬סינפטי‪:‬‬

‫‪j‬‬
‫‪cV‬‬ ‫‪wj‬‬ ‫‪t tk‬‬ ‫‪g L V VL‬‬
‫מודל ‪ LIF‬של תא מרובה כניסות‬ ‫‪j‬‬ ‫‪k‬‬
‫‪V‬‬ ‫‪Vreset‬‬
‫‪if V t‬‬ ‫‪then‬‬ ‫‪t‬‬ ‫‪t‬‬
‫‪1‬‬

‫זהו מודל ה‪ Leaky Integrate and Fire-‬המלא‪ .‬התא מבצע אינטגרציה ליניארית של‬
‫הקלטים שהוא מקבל מהתאים הפרה‪-‬סינפטיים‪ ,‬ובחציית הסף מייצר פו"פ הגורם לאתחול‬
‫המתח‪ .‬עבור רשת של תאים נקבל את מודל הרשת העצבית הבא‪.‬‬

‫‪10‬‬
‫חורף תשע"ח‬ ‫מבוא לאותות ומערכות ביולוגיים ‪ -‬פישוט חד‪-‬ממדי של משוואות ‪( HH‬גרסת סטודנט‪ ,‬ללא רווחים)‬

‫‪j‬‬
‫‪cVi‬‬ ‫‪wij‬‬ ‫‪t tk‬‬ ‫‪g L Vi Vi , L‬‬
‫‪j‬‬ ‫‪k‬‬
‫‪i‬‬
‫‪if Vi t‬‬ ‫‪then Vi‬‬ ‫‪Vreset , t‬‬ ‫‪t,‬‬ ‫‪1‬‬

‫‪ wij‬בכל פעם שאין חיבור בין הנוירונים‪.‬‬ ‫כאשר קבענו ‪0‬‬

‫הערה למרות שמודל זה נראה פשוט‪ ,‬חשוב לשים לב כי איננו לינארי בשל העובדה שזמני‬
‫אינה לינארית‪ .‬אי‪-‬לכך‪ ,‬תיאור‬ ‫הירי הם פונקציה לא לינארית של המתח (אפקט הסף) וכן‬
‫מלא ומדויק של דינמיקת רשת של תאי ‪ LIF‬היא משימה מורכבת‪ ,‬וקיימים פתרונות מדויקים‬
‫(אפילו איכותית) רק במקרים בודדים‪ .‬נשים לב כי את התנהגות המערכת ניתן לתאר בגרף‬
‫דו‪-‬ממדי המציג את זמני הירי של כל התאים כפונקציה של הזמן – ‪.raster plot‬‬

‫‪11‬‬
‫חורף תשע"ח‬ ‫מבוא לאותות ומערכות ביולוגיים ‪ -‬פישוט חד‪-‬ממדי של משוואות ‪( HH‬גרסת סטודנט‪ ,‬ללא רווחים)‬

‫‪ .6‬מודלים מבוססי קצב ירי )‪(Rate Models‬‬

‫ניתן בתנאים מסוימים להזניח את ההשפעה של פו"פ בודדים ובמקומם להציב את קצב הירי‪,‬‬
‫כלומר את מספר הפו"פ שמגיעים בממוצע ביחידת זמן‪ .‬הגדרות מדויקות של מושג זה‬
‫מחייבות שימוש בכלים מתחום התהליכים האקראיים שיילמדו בפרק הבא‪ .‬כאן נראה רק‬
‫דוגמא למודל המשתמש במושג זה‪ .‬המוטיבציה למודלים מסוג זה היא הרצון לפתח כלים‬
‫מתמטיים ואיכותיים (למשל‪ ,‬מסוג תיאור במרחב הפאזה) המאפשרים הבנה יותר מדויקת‬
‫ואיכותית של התופעות ברמה של רשת עצבית‪.‬‬

‫מטרה‪ :‬תיאור יחסי הקלט‪/‬פלט של תא במונחי קצב ירי בלבד‪.‬‬

‫ברור כי כאשר אנו מדברים על קצב ירי‪ ,‬אנו חייבים להגדיר בדיוק למה אנו מתכוונים במושג‬
‫זה‪ .‬בשלב זה נניח כי הכוונה לממוצע של מספר פו"פ בחלון זמן – ברור מכאן כי תיאור ברמה‬
‫זו לא יאפשר לתאר תופעות בסקלות זמן קצרות‪ ,‬או מקרים בהם הירי הסימולטני של תאים‬
‫הוא בעל משמעות‪ .‬עם זאת‪ ,‬במקרים מסוימים מהווה מודל מסוג זה בסיס להסבר תופעות‬
‫נסיוניות‪.‬‬

‫‪ ,‬אחרי קצבי הירי של התאים הפרה‪-‬‬ ‫‪I‬‬ ‫נניח כי הזרם הסינפטי הכולל עוקב‪ ,‬עם קבוע זמן‬

‫‪ ,‬סכום הזרמים שמעוררים התאים הפרה‪-‬‬ ‫‪k‬‬

‫) ‪t tk( j‬‬ ‫סינפטיים‪ .‬כאן נחליף את‬
‫סינפטיים בתא הפוסט סינפטי‪ ,‬בקצב הירי עצמו‪ .‬נמדל זאת בצורה‬

‫‪I I syn‬‬ ‫‪t‬‬ ‫‪I syn t‬‬ ‫‪wj‬‬ ‫‪j‬‬ ‫‪t‬‬

‫‪j N i‬‬

‫הוא קצב הירי של התא ה‪.j-‬‬ ‫‪j‬‬ ‫כאשר‬

‫כזכור‪ ,‬במקרה של מודל ‪( HH‬ומודלים אחרים) ראינו כי עבור זרם כניסה קבוע מקבלים‬
‫לעתים ירי פו"פ מחזורי‪ ,‬כך שקצב הירי תלוי באופן לא לינארי בזרם הכניסה‪ ,‬כלומר‬
‫‪I syn‬‬

‫נקראת פונקצית התמסורת (לא לבלבל עם פונ' התמסורת שאנו מכירים מאותות‬
‫ומערכות) והיא מונוטונית לא יורדת ואי‪-‬שלילית‪.‬‬

‫‪ ,‬אחרי פונקציה לא‬ ‫כאן נניח הנחה נוספת‪ :‬קצב הירי של התא עוקב‪ ,‬עם קבוע זמן אופיני‬
‫לינארית של הזרם הסינפטי‪ .‬כלומר‬
‫‪t‬‬ ‫‪t‬‬ ‫‪I syn t‬‬

‫קיבלנו לכן את שתי המשוואות מצומדות המתארות את יחסי הקלט‪/‬פלט במוחי קצבי ירי‪.‬‬

‫‪12‬‬
‫חורף תשע"ח‬ ‫מבוא לאותות ומערכות ביולוגיים ‪ -‬פישוט חד‪-‬ממדי של משוואות ‪( HH‬גרסת סטודנט‪ ,‬ללא רווחים)‬

‫‪i‬‬ ‫‪i‬‬
‫‪I I syn‬‬ ‫‪t‬‬ ‫‪I syn‬‬ ‫‪t‬‬ ‫‪wj‬‬ ‫‪j‬‬ ‫‪t‬‬
‫מודל מבוסס‬ ‫‪j N i‬‬
‫‪i‬‬
‫קצבי ירי‬ ‫‪i‬‬ ‫‪t‬‬ ‫‪i‬‬ ‫‪t‬‬ ‫‪I syn‬‬ ‫‪t‬‬

‫הערה‪ :‬בקורס "רשתות עצביות ביולוגיות" נפתח את הקשר הזה בצורה יותר שיטתית‪.‬‬
‫ניתן להניח כי השינויים בזרם מתרחשים באופן מיידי ולצמצם‬ ‫‪I‬‬
‫במקרה בו‬
‫למשוואה אחת‪:‬‬

‫‪i‬‬ ‫‪t‬‬ ‫‪i‬‬ ‫‪t‬‬ ‫‪wj‬‬ ‫‪j‬‬ ‫‪t‬‬

‫‪j‬‬

‫בחירה נוחה לצורך מידול של רשתות עצביות מבוססת על הפונקציה‬

‫‪x, x‬‬ ‫‪0‬‬

‫‪x‬‬ ‫‪x‬‬ ‫‪0, x‬‬ ‫‪0‬‬
‫במקרה זה נקבל נקבל את הצורה המקובלת ביותר למודל מבוסס קצבי ירי של רשתות‪:‬‬

‫‪i‬‬ ‫‪t‬‬ ‫‪i‬‬ ‫‪t‬‬ ‫‪wij‬‬ ‫‪j‬‬ ‫‪t‬‬

‫‪j‬‬

‫כמו שנראה בקורס ההמשך על רשתות עצביות‪ ,‬ניתן תחת תנאים מתאימים לחקור מערכת‬
‫כזו באופן מתמטי מלא‪ .‬אבל‪ ,‬אפילו מודל זה לא ניתן תמיד לניתוח מלא!‬
‫הערה‪ :‬במקרים מסוימים (ונדירים) ניתן לגזור את המשוואות האלה מתוך עקרונות‬
‫ראשוניים (למשל‪ ,‬קצב ירי נמוך‪ ,‬העדר סינכרון בירי של תאים)‪.‬‬

‫‪ .7‬מעבר לזמן בדיד ומודל ‪( McCulloch – Pitts‬פרספטרון)‬

‫למען התיאור ההסטורי נזכיר מודל קלאסי שהוצע לראשונה ב‪( 1943 -‬אך לא כרדוקציה של‬
‫מודל ביופיסי)‪.‬‬

‫אם נסתכל בחלון זמן קצר‪ ,‬פעולת התא הופכת ל"בינארית"‪:‬‬

‫אם התרחשו מספיק אירועים פרה‪-‬סינפטים‪ ,‬הנוירון ירה פו"פ‪.‬‬
‫אם לא התרחשו מספיק אירועים פרה‪-‬סינפטים‪ ,‬הנוירון לא ירה פו"פ‪.‬‬

‫נשתמש בהסתכלות זו לפישוט נוסף‪.‬‬

‫‪n‬‬ ‫‪,..., 1,0,1,2,...‬‬ ‫נגדיר זמן בדיד‪:‬‬

‫ונגדיר את פעולת התא ה‪ i -‬ברגע ‪ n‬כמשתנה בינארי ‪ yi n‬כאשר‪:‬‬

‫התא ירה בחלון זמן ‪n‬‬

‫התא לא ירה בחלון זמן ‪n‬‬

‫‪13‬‬
‫חורף תשע"ח‬ ‫מבוא לאותות ומערכות ביולוגיים ‪ -‬פישוט חד‪-‬ממדי של משוואות ‪( HH‬גרסת סטודנט‪ ,‬ללא רווחים)‬

‫אזי נקבל את המיפוי (בזמן בדיד)‬

‫‪M‬‬
‫‪yi n 1‬‬ ‫‪wij y j n‬‬
‫‪j 0‬‬

‫‪ -‬נקראת גם כאן פונ' התמסורת (לא במובן שאנו מכירים מאותות ומערכות) והיא איננה‬

‫‪ .‬במקרה‬ ‫‪z‬‬ ‫ליניארית‪ .‬ישנן אפשרויות שונות לבחירת פונ' התמסורת‪ ,‬לדוגמה ‪u z‬‬
‫זה‪ ,‬אם הגיעו בחלון הזמן יותר קלטים מעוררים ממדכאים הנוירון ירה‪.‬‬

‫אפשרות נוספת להגדיר את מודל הנוירון הבינארי היא‪:‬‬

‫התא ירה בחלון זמן ‪n‬‬

‫התא לא ירה בחלון זמן ‪n‬‬
‫מובן שאין הבדל עקרוני בין שתי ההגדרות‪ ,‬אך הגדרה זו מאפשרת להשתמש בתיאוריה‬
‫שפותחה לניתוח אינטראקציה בין ספינים מגנטיים בחקר התנהגות רשת עצבית‪.‬‬

‫היסטוריה‪ McCulloch & Pitts :‬הציעו את המודל שלהם במטרה לענות על שאלה חישובית‪.‬‬
‫אילו סוגי חישובים מסוגלת רשת עצבית בינארית לבצע? הם הוכיחו שכל חישוב הניתן‬
‫לביצוע במכונת מצבים סופית כלשהי ניתן לביצוע ברשת מהסוג שתואר לעיל‪ .‬מאוחר יותר‬
‫הראו חוקרים אחרים שלמעשה ניתן לבצע ברשת מסוג זה כל חישוב הניתן לביצוע במכונת‬
‫טיורינג כלשהי!‬

‫‪14‬‬