दृश्य प्रोस्थेसिस अनुसंधान के लिए रेटिना न्यूरॉन्स का कम्प्यूटेशनल मॉडलिंग - मौलिक दृष्टिकोण

Summary

हम विद्युत उत्तेजना के जवाब में रेटिना न्यूरॉन के व्यवहार को कम्प्यूटेशनल रूप से मॉडल करने के लिए एक वर्कफ़्लो को संक्षेप में प्रस्तुत करते हैं। कम्प्यूटेशनल मॉडल बहुमुखी है और इसमें स्वचालन चरण शामिल हैं जो शारीरिक परिदृश्यों की एक श्रृंखला का अनुकरण करने और विवो / इन विट्रो अध्ययनों में भविष्य के परिणामों की भविष्यवाणी करने में उपयोगी हैं।

Abstract

कम्प्यूटेशनल मॉडलिंग विवो और इन विट्रो सिस्टम में व्यवहार की भविष्यवाणी करने की क्षमता के कारण तंत्रिका इंजीनियरिंग में एक तेजी से महत्वपूर्ण तरीका बन गया है। शारीरिक परिणामों की अक्सर बहुत सटीक भविष्यवाणी प्रदान करके किसी दिए गए अध्ययन में आवश्यक जानवरों की संख्या को कम करने का यह महत्वपूर्ण लाभ है। दृश्य कृत्रिम अंग के क्षेत्र में, कम्प्यूटेशनल मॉडलिंग में व्यावहारिक अनुप्रयोगों की एक सरणी है, जिसमें एक इम्प्लांटेबल इलेक्ट्रोड सरणी के डिजाइन को सूचित करना और दृश्य परसेप्ट्स की भविष्यवाणी करना शामिल है जो उक्त सरणी से विद्युत आवेगों के वितरण के माध्यम से प्राप्त किया जा सकता है। साहित्य में वर्णित कुछ मॉडल विद्युत क्षेत्र और न्यूरॉन या तंत्रिका नेटवर्क के केबल मॉडल की गणना करने के लिए एक त्रि-आयामी (3 डी) आकृति विज्ञान को जोड़ते हैं। कम्प्यूटेशनल मॉडलिंग में सीमित पूर्व अनुभव वाले शोधकर्ताओं के लिए इस दो-चरण यी विधि की पहुंच बढ़ाने के लिए, हम एक कम्प्यूटेशनल मॉडल बनाने के लिए मौलिक दृष्टिकोणों का एक वीडियो प्रदान करते हैं और इसके माध्यम से तैनात उत्तेजना प्रोटोकॉल के शारीरिक और मनोवैज्ञानिक परिणामों की भविष्यवाणी करने में इसका उपयोग करते हैं। एक दृश्य कृत्रिम अंग। गाइड में एक परिमित तत्व मॉडलिंग (फेम) सॉफ्टवेयर में 3 डी मॉडल बनाने के चरण शामिल हैं, एक बहु-कंपार्टमेंटल न्यूरॉन कम्प्यूटेशनल सॉफ्टवेयर में रेटिना गैंग्लियन सेल मॉडल का निर्माण, इसके बाद दोनों का समामेलन। संख्यात्मक रूप से भौतिक समीकरणों को हल करने के लिए एक परिमित तत्व मॉडलिंग सॉफ्टवेयर का उपयोग ऊतक की विद्युत उत्तेजनाओं में विद्युत क्षेत्र वितरण को हल करने के लिए किया जाएगा। फिर, तंत्रिका कोशिका या नेटवर्क की विद्युत गतिविधियों को अनुकरण करने के लिए विशेष सॉफ्टवेयर का उपयोग किया गया था। इस ट्यूटोरियल का पालन करने के लिए, न्यूरोप्रोस्थेसिस के कामकाजी सिद्धांत के साथ-साथ न्यूरोफिज़ियोलॉजिकल अवधारणाओं (जैसे, कार्रवाई संभावित तंत्र और हॉजकिन-हक्सले मॉडल की समझ) के साथ परिचित होने की आवश्यकता होगी।

Introduction

दृश्य न्यूरोप्रोस्थेसिस उपकरणों का एक समूह है जो प्रकाश को देखने की फॉस्फीन या संवेदना बनाने के लिए दृश्य मार्ग में तंत्रिका कोशिकाओं को उत्तेजना (विद्युत, प्रकाश, आदि) प्रदान करता है। यह एक उपचार रणनीति है जो अपक्षयी रेटिना रोगों के कारण स्थायी अंधापन वाले लोगों के लिए लगभग एक दशक से नैदानिक उपयोग में है। आमतौर पर, एक पूर्ण प्रणाली में एक बाहरी कैमरा शामिल होता है जो उपयोगकर्ता के आसपास की दृश्य जानकारी को कैप्चर करता है, छवि को विद्युत दालों की एक श्रृंखला में संसाधित करने और अनुवाद करने के लिए एक बिजली की आपूर्ति और कंप्यूटिंग इकाई, और एक प्रत्यारोपित इलेक्ट्रोड सरणी जो तंत्रिका ऊतक को इंटरफेस करती है और तंत्रिका कोशिकाओं को विद्युत दालें पहुंचाती है। कार्य सिद्धांत एक दृश्य न्यूरोप्रोस्थेसिस को रेटिना से दृश्य प्रांतस्था तक दृश्य मार्ग के साथ विभिन्न साइटों में रखने की अनुमति देता है, जब तक कि यह क्षतिग्रस्त ऊतक से नीचे की ओर हो। दृश्य न्यूरोप्रोस्थेसिस में वर्तमान शोध का बहुमत उत्तेजना की प्रभावकारिता बढ़ाने और अधिक प्राकृतिक दृष्टि प्रदान करने के लिए स्थानिक तीक्ष्णता में सुधार करने पर केंद्रित है।

उत्तेजना की प्रभावकारिता में सुधार के प्रयासों में, कम्प्यूटेशनल मॉडलिंग एक कृत्रिम अंग डिजाइन को मान्य करने और इसके दृश्य परिणाम को अनुकरण करने के लिए एक लागत और समय प्रभावी तरीका रहा है। इस क्षेत्र में कम्प्यूटेशनल मॉडलिंग ने 1999 से लोकप्रियता हासिल की क्योंकि ग्रीनबर्ग¹ ने बाह्य विद्युत उत्तेजनाओं के लिए रेटिना गैंग्लियन सेल की प्रतिक्रिया का मॉडल तैयार किया। तब से, कम्प्यूटेशनल मॉडलिंग का उपयोग विद्युत पल्स^2,3 या इलेक्ट्रोड ^4,5 के ज्यामितीय डिजाइन के मापदंडों को अनुकूलित करने के लिए किया ^{गया है}। जटिलता और अनुसंधान प्रश्नों में भिन्नता के बावजूद, ये मॉडल माध्यम (जैसे, तंत्रिका ऊतक) में विद्युत वोल्टेज वितरण का निर्धारण करके और विद्युत प्रतिक्रिया का अनुमान लगाकर काम करते हैं जो विद्युत वोल्टेज के कारण आसपास के न्यूरॉन्स का उत्पादन करेंगे।

एक कंडक्टर में विद्युत वोल्टेज वितरण सभी स्थानों पर पॉइसन समीकरण⁶ को हल करके पाया जा सकता है:

जहां E विद्युत क्षेत्र है, V विद्युत क्षमता है, J वर्तमान घनत्व है, और σ विद्युत चालकता है। समीकरण में एक ढाल ऑपरेटर को इंगित करता है। स्थिर धारा के मामले में, मॉडल पर निम्नलिखित सीमा शर्तें लगाई जाती हैं:

जहां n सतह के लिए सामान्य है, Ω सीमा का प्रतिनिधित्व करता है, और I₀ विशिष्ट धारा का प्रतिनिधित्व करता है। साथ में, वे बाहरी सीमाओं पर विद्युत इन्सुलेशन बनाते हैं और चयनित सीमा के लिए एक वर्तमान स्रोत बनाते हैं। यदि हम एक आइसोट्रोपिक चालकता के साथ एक सजातीय माध्यम में एक मोनोपोलर बिंदु स्रोत मानते हैं, तो एक मनमाने स्थान पर बाह्य विद्युत क्षमता की गणना⁷ द्वारा की जा सकती है:

जहां I_e धारा है और इलेक्ट्रोड और माप के बिंदु के बीच की दूरी है। जब माध्यम असमान या अनिसोट्रोपिक होता है, या इलेक्ट्रोड सरणी में कई इलेक्ट्रोड होते हैं, तो समीकरणों को संख्यात्मक रूप से हल करने के लिए एक कम्प्यूटेशनल सूट सुविधाजनक हो सकता है। एक परिमित-तत्व मॉडलिंग सॉफ्टवेयर⁶ वॉल्यूम कंडक्टर को 'तत्वों' के रूप में जाना जाने वाला छोटे वर्गों में तोड़ देता है। तत्व एक दूसरे के साथ इस तरह से जुड़े हुए हैं कि एक तत्व में परिवर्तन के प्रभाव दूसरों में परिवर्तन को प्रभावित करते हैं, और यह उन भौतिक समीकरणों को हल करता है जो इन तत्वों का वर्णन करने के लिए काम करते हैं। आधुनिक कंप्यूटरों की बढ़ती कम्प्यूटेशनल गति के साथ, इस प्रक्रिया को सेकंड के भीतर पूरा किया जा सकता है। एक बार विद्युत क्षमता की गणना करने के बाद, कोई न्यूरॉन की विद्युत प्रतिक्रिया का अनुमान लगा सकता है।

एक न्यूरॉन विद्युत संकेतों के रूप में जानकारी भेजता और प्राप्त करता है। इस तरह के संकेत दो रूपों में आते हैं - वर्गीकृत क्षमता और कार्रवाई क्षमता। वर्गीकृत क्षमता झिल्ली क्षमता में अस्थायी परिवर्तन हैं जिसमें झिल्ली में वोल्टेज अधिक सकारात्मक (विध्रुवण) या नकारात्मक (हाइपरपोलराइजेशन) हो जाता है। वर्गीकृत क्षमता में आमतौर पर स्थानीय प्रभाव होते हैं। उन कोशिकाओं में जो उनका उत्पादन करते हैं, कार्रवाई क्षमता सभी-या-कुछ भी प्रतिक्रियाएं नहीं हैं जो एक अक्षतंतु की लंबाई के साथ लंबी दूरी की यात्रा कर सकती हैं। वर्गीकृत और कार्रवाई क्षमता दोनों विद्युत के साथ-साथ रासायनिक वातावरण के प्रति संवेदनशील हैं। रेटिना गैंग्लियन कोशिकाओं सहित विभिन्न न्यूरोनल सेल प्रकारों द्वारा एक क्रिया संभावित स्पाइक का उत्पादन किया जा सकता है, जब एक दहलीज ट्रांसमेम्ब्रेन क्षमता पार हो जाती है। क्रिया क्षमता स्पाइकिंग और प्रसार तब डाउनस्ट्रीम न्यूरॉन्स को संकेतों के सिनैप्टिक ट्रांसमिशन को ट्रिगर करता है। एक न्यूरॉन को एक केबल के रूप में मॉडलिंग किया जा सकता है जिसे बेलनाकार खंडों में विभाजित किया जाता है, जहां लिपिड बाइलेयर झिल्ली⁸ के कारण प्रत्येक खंड में धारिता और प्रतिरोध होता है। एक न्यूरॉन कम्प्यूटेशनल प्रोग्राम⁹ सेल को कई डिब्बों में विभाजित करके और गणितीय मॉडल¹⁰ को हल करके विद्युत-उत्तेजक सेल की विद्युत गतिविधि का अनुमान लगा सकता है:

इस समीकरण में, सी_एमझिल्ली धारिता है, वी_{ई, एन} नोड एन पर बाह्य क्षमता है, वी_{आई, एन} नोड एन पर इंट्रासेल्युलर क्षमता, आर_एननोड एन पर इंट्रासेल्युलर (अनुदैर्ध्य) प्रतिरोध, और आई_आयन नोड एन पर आयन चैनलों के माध्यम से जाने वाला आयनिक प्रवाह है। उत्तेजना सक्रिय होने पर एफईएम मॉडल से वी के मूल्यों को न्यूरॉन में सभी नोड्स के लिए वी_ई,एन के रूप में लागू किया जाता है।

आयन चैनलों से ट्रांसमेम्ब्रेन धाराओं को हॉजकिन-हक्सले फॉर्मूलेशन¹¹ का उपयोग करके मॉडलिंग किया जा सकता है:

जहां जी_आई चैनल का विशिष्ट चालकता है, वी_एम ट्रांसमेम्ब्रेन क्षमता (वी_{आई, एन} - वी_{ई, एन}) और ई_{आयन आयन} चैनल की रिवर्सल क्षमता है। वोल्टेज-गेटेड चैनलों के लिए, जैसे कि एनए चैनल, आयाम रहित पैरामीटर, एम, और एच, जो चैनलों के खुलने या बंद होने की संभावना का वर्णन करते हैं, पेश किए जाते हैं:

विशेष आयन चैनल के लिए अधिकतम झिल्ली चालकता कहां है, और पैरामीटर एम और एच के मूल्यों को अंतर समीकरणों द्वारा परिभाषित किया गया है:

जहां α_एक्स और β_एक्स वोल्टेज-निर्भर फ़ंक्शन हैं जो आयन चैनल के दर स्थिरांक को परिभाषित करते हैं। वे आम तौर पर फॉर्म लेते हैं:

इन समीकरणों में मापदंडों के मूल्य, जिनमें अधिकतम चालकता, साथ ही स्थिरांक ए, बी, सी और डी शामिल हैं, आमतौर पर अनुभवजन्य माप से पाए गए थे।

इन बिल्डिंग ब्लॉकों के साथ, वर्णित चरणों का पालन करके विभिन्न जटिलताओं के मॉडल बनाए जा सकते हैं। एक फेम सॉफ्टवेयर तब उपयोगी होता है जब पॉइसन समीकरण को विश्लेषणात्मक रूप से हल नहीं किया जा सकता है, जैसे कि वॉल्यूम कंडक्टर में असंगत या अनिसोट्रोपिक चालकता के मामले में या जब इलेक्ट्रोड सरणी की ज्यामिति जटिल होती है। बाह्य संभावित मूल्यों को हल करने के बाद, न्यूरॉन केबल मॉडल को न्यूरॉन कम्प्यूटेशनल सॉफ्टवेयर में संख्यात्मक रूप से हल किया जा सकता है। दो सॉफ्टवेयर का संयोजन एक जटिल न्यूरॉन सेल या नेटवर्क की गणना को एक गैर-समान विद्युत क्षेत्र में सक्षम बनाता है।

उपरोक्त कार्यक्रमों का उपयोग करके सुप्राकोरॉइडल उत्तेजना के तहत रेटिना गैंग्लियन सेल का एक सरल दो-चरण मॉडल बनाया जाएगा। इस अध्ययन में, रेटिना गैंग्लियन सेल को विद्युत प्रवाह दालों के परिमाण की एक श्रृंखला के अधीन किया जाएगा। उत्तेजना के सापेक्ष सेल का स्थान भी दूरी-दहलीज संबंध दिखाने के लिए विविध है। इसके अलावा, अध्ययन में उत्तेजना इलेक्ट्रोड¹² के विभिन्न आकारों का उपयोग करके कॉर्टिकल सक्रियण सीमा के विवो अध्ययन के खिलाफ कम्प्यूटेशनल परिणाम का सत्यापन शामिल है, साथ ही एक इन विट्रो अध्ययन इलेक्ट्रोड-न्यूरॉन दूरी और सक्रियण^{सीमा 13} के बीच संबंध दिखाता है।

Protocol

1. विद्युत क्षमता गणना के लिए परिमित तत्व मॉडल स्थापित करना

1. सिमुलेशन चरणों और मॉडल की जटिलता निर्धारित करें
   नोट: पहले चरण का उद्देश्य मॉडलिंग के उद्देश्य को स्पष्ट करना है, जो मॉडल और सिमुलेशन प्रक्रिया के आवश्यक तत्वों को निर्धारित करेगा। विचार करने के लिए एक महत्वपूर्ण बिंदु तंत्रिका कोशिकाओं का व्यवहार है जिसे मॉडल द्वारा दिखाया जाना चाहिए, और उस व्यवहार को प्रदर्शित करने के लिए किस परीक्षण प्रोटोकॉल की आवश्यकता होगी। यह अध्ययन एक न्यूरॉन के लिए एक दूरी-दहलीज संबंध दिखाता है जो बाह्य रूप से उत्तेजित होता है, साथ ही इलेक्ट्रोड आकार-दहलीज वक्र भी। ऐसा करने के लिए, एक तंत्रिका कोशिका मॉडल को विभिन्न वर्गों (न्यूरॉन में रूपात्मक और बायोफिज़िकल मापदंडों की भिन्नता को शामिल करने के लिए) में विभाजित किया जाता है जो बाह्य वोल्टेज के प्रति संवेदनशील होता है और इलेक्ट्रोड आकार और पदों की एक श्रृंखला के सिमुलेशन की आवश्यकता होती है।
   1. अनुसंधान प्रश्न और प्रयोगात्मक चर को परिभाषित करें।
      1. मॉडल के निर्माण का मार्गदर्शन करने के लिए एक शोध प्रश्न और परीक्षण प्रोटोकॉल को परिभाषित करें। एक स्पष्ट प्रश्न के साथ शुरू करना और इसका उत्तर देने के लिए जितना संभव हो उतना सरल मॉडल बनाना सबसे अच्छा है।
   2. पूर्ण मॉडल में शामिल किए जाने वाले आवश्यक तत्वों का निर्धारण करें
      नोट: इस मॉडलिंग दृष्टिकोण में, सेल को विद्युत प्रवाहकीय माध्यम, यानी जैविक ऊतक में डूबे होने के रूप में देखा जाता है। विद्युत उत्तेजना इस 'वॉल्यूम कंडक्टर' यानी माध्यम में होती है, जिसके परिणामस्वरूप विद्युत क्षमता का वितरण होता है।
      1. शोध प्रश्नों और चर को हल करने के आधार पर, तय करें कि क्या दोनों तत्वों (फेम और न्यूरॉन केबल मॉडल) की आवश्यकता है। यदि, उदाहरण के लिए, मॉडलिंग को एक एकल इलेक्ट्रोड की आवश्यकता होती है जिसे बिंदु स्रोत के रूप में सरल बनाया जा सकता है और यह कि माध्यम सजातीय है, तो एक फेम आवश्यक नहीं हो सकता है, और इसे बदलने के लिए बाह्य विद्युत क्षेत्र की विश्लेषणात्मक गणना की जा सकती है।
2. सॉफ़्टवेयर डाउनलोड और स्थापित करें
   नोट: अध्ययन ने सामग्री की तालिका में निर्दिष्ट सॉफ्टवेयर अनुप्रयोगों (COMSOL, NEURON, और Python Anaconda) और हार्डवेयर के संस्करणों का उपयोग किया। यदि सॉफ़्टवेयर/हार्डवेयर के विभिन्न संस्करणों का उपयोग किया जाता है, तो चरणों या परिणामों में मामूली अंतर हो सकते हैं.
   1. कंप्यूटर के ऑपरेटिंग सिस्टम के अनुरूप सॉफ़्टवेयर डाउनलोड करें और यदि आवश्यक हो तो लाइसेंस खरीदें। सुनिश्चित करें कि सभी आवश्यक सिमुलेशन मॉड्यूल डाउनलोड किए गए हैं और सभी सॉफ़्टवेयर स्थापित करते हैं।
3. मॉडलिंग के लिए ऊतक और कोशिका की शारीरिक रचना पर डेटा इकट्ठा करें
   नोट: इस विधि के लिए, शारीरिक और बायोफिज़िकल पैरामीटर अनुभवजन्य निष्कर्षों से लिए गए थे। डेटा की अनुपलब्धता के कारण कम्प्यूटेशनल मॉडल के लिए विभिन्न प्रजातियों में मापा गया मापदंडों को मिलाना आम है। सुप्राकोरॉइडल उत्तेजना के सिमुलेशन के लिए, उत्तेजक और संदर्भ इलेक्ट्रोड के बीच ऊतक परतों को मॉडल में शामिल करने की आवश्यकता होती है।
   1. हिस्टोलॉजिकल अध्ययन से ऊतक की शारीरिक रचना इकट्ठा करें।
      1. इस मॉडल में, कोरॉयड, रेटिना ऊतक और विट्रीस डोमेन शामिल हैं, जहां प्रत्येक डोमेन को मॉडल के आसान निर्माण के लिए आयताकार प्रिज्म के रूप में मॉडलिंग किया जाता है। प्रकाशित हिस्टोलॉजिकल डेटा¹⁴ से औसत रेटिना ऊतक मोटाई एकत्र करें ताकि बाद में प्रत्येक प्रिज्म की ऊंचाई के रूप में उपयोग किया जा सके।
   2. सेल स्टेनिंग या सार्वजनिक न्यूरॉन डेटाबेस से एकल-कोशिका आकृति विज्ञान डेटा एकत्र करें।
      1. NeuroMorpho.org जैसे डेटाबेस से विस्तृत न्यूरॉन आकृति विज्ञान डाउनलोड करें, जो प्रजातियों, मस्तिष्क क्षेत्र, सेल प्रकार आदि के आधार पर प्रासंगिक न्यूरॉन को खोजने के लिए एक खोज मेटाडेटा सुविधा प्रदान करता है। इस अध्ययन के लिए, प्रजाति क्षेत्र में खरगोश > न्यूजीलैंड व्हाइट और मस्तिष्क क्षेत्र क्षेत्र क्षेत्र में रेटिना में प्रवेश करके गुओ के ऑफ आरजीसी मॉडल (D23WM13_27_1-OffRGC_msa)¹⁵ का पता लगाएं। मॉडल पर क्लिक करें और .swc फ़ाइल डाउनलोड करें।
4. मॉडलकिए गए सेल के बायोफिज़िकल डेटा को इकट्ठा करें
   नोट: बायोफिज़िकल मापदंडों में प्रत्येक ऊतक परत के लिए विद्युत चालकता मान और तंत्रिका झिल्ली और आयन चैनलों के विद्युत पैरामीटर शामिल हैं।
   1. डेटा की उपलब्धता के कारण, ऊतक मॉडल के लिए खरगोश¹⁶ से लिए गए विद्युत चालकता मूल्यों का उपयोग करें, जबकि आयन चैनलों की गतिशीलता टाइगर सैलामैंडर रेटिना¹⁷ के शीस्बी और फोहलमिस्टर मॉडल पर आधारित थी।
5. फेम सॉफ्टवेयर में ऊतक और इलेक्ट्रोड के परिमित तत्व मॉडल की ज्यामिति का निर्माण करें
   नोट: ऊतक और इलेक्ट्रोड सरणी की ज्यामिति दोनों विद्युत क्षमता वितरण को प्रभावित करती है, जो बदले में तंत्रिका कोशिका व्यवहार को प्रभावित करती है। इसलिए, उस माध्यम की यथार्थवादी ज्यामिति का निर्माण करना जहां कोशिकाएं रहती हैं, साथ ही इलेक्ट्रोड भी महत्वपूर्ण है। इस ट्यूटोरियल में उपयोग किए जाने वाले फेम सॉफ्टवेयर में एक जीयूआई है जो मॉडल ज्यामिति के आसान निर्माण को सक्षम बनाता है।
   1. सॉफ्टवेयर के जीयूआई में फेम मॉडल स्थापित करना:
      1. FEM सॉफ़्टवेयर चलाएँ और मॉडल विज़ार्ड > 3D पर क्लिक करें। भौतिकी चयन सूची बॉक्स में, AC/DC > विद्युत क्षेत्र और विद्युत धाराएँ (ec) > विस्तृत करें, और तब जोड़ें पर क्लिक करें. अध्ययन पर क्लिक करें और सामान्य अध्ययन विकल्प के तहत एक स्थिर अध्ययन जोड़ें, और फिर किया गया (पूरक चित्र 1) पर क्लिक करें।
   2. इलेक्ट्रोड की इकाई और ज्यामितीय मापदंडों की स्थापना।
      1. मॉडल बिल्डर ट्री पर, पैरामीटर 1 पर क्लिक करें। तालिका में, त्रिज्या में 50 इकाइयों वाला इलेक्ट्रोड बनाने के लिए नाम फ़ील्ड में 'elec_rad' और अभिव्यक्ति फ़ील्ड में '50' टाइप करें। फिर, ज्यामिति पर क्लिक करें, और लंबाई इकाई को μm में बदलें, क्योंकि एक विशिष्ट रेटिना गैंग्लियन सेल का सोमा व्यास में लगभग 10 μm है (पूरक चित्र 2)।
   3. ब्लॉक डोमेन का उपयोग करके ऊतक परतें बनाएं
      नोट: मॉडल ज्यामिति का निर्माण करने के लिए, आंख में विभिन्न संरचनाओं का प्रतिनिधित्व करने के लिए तीन ब्लॉकों का उपयोग किया गया था। ब्लॉक 1 कोरॉयड का प्रतिनिधित्व करता है, ब्लॉक 2 रेटिना ऊतक का प्रतिनिधित्व करता है, और ब्लॉक 3 विट्रस का प्रतिनिधित्व करता है।
      1. ब्लॉक डोमेन बनाने के लिए ज्यामिति 1 > ब्लॉक पर राइट-क्लिक करें। कुल मिलाकर तीन ब्लॉक बनाने के लिए इस चरण को दो बार दोहराएं। सभी ब्लॉकों के लिए, गहराई और चौड़ाई दोनों को 5,000 μm पर सेट करें, और आधार विकल्प ( स्थिति के तहत) को केंद्र में बदलें। प्रत्येक ब्लॉक के लिए निम्न ऊंचाई ( आकार और आकार के तहत) और z ( स्थिति के तहत) मान असाइन करें:
         ब्लॉक 1: ऊंचाई = 112 μm, z = 0 μm
         ब्लॉक 2: ऊंचाई = 151 μm, z = 131.5 μm
         ब्लॉक 3: ऊंचाई = 5,000 μm, z = 2,707 μm
   4. मॉडल में इलेक्ट्रोड जोड़ने के लिए एक वर्कप्लेन बनाना
      1. मॉडल ट्री में ज्यामिति 1 पर राइट-क्लिक करें, और वर्क प्लेन चुनें। वर्क प्लेन 1 पर क्लिक करें और प्लेन टाइप को फेस पैरेलल में बदलें, प्लेन टाइप के नीचे एक्टिवेट सेलेक्शन बटन पर क्लिक करें और ब्लॉक 1 (बीएलके 1 > 1) की निचली सतह चुनें।
   5. कार्य तल पर डिस्क इलेक्ट्रोड खींचना
      1. वर्क प्लेन 1 के तहत प्लेन ज्योमेट्री पर क्लिक करें और मुख्य टूलबार में स्केच पर क्लिक करें। वृत्त का चयन करें, ग्राफ़िक्स टैब में आयत के अंदर कहीं भी क्लिक करें, और डिस्क इलेक्ट्रोड बनाने के लिए खींचें. त्रिज्या को 'elec_rad' μm, xw और yw से 0 μm में बदलें, और फिर Build All पर क्लिक करें।
   6. प्रत्येक डोमेन के लिए सामग्री गुण असाइन करना
      नोट: ज्यामिति बनाने के चरणों का पालन करके, मॉडल को कई 'डोमेन' में विभाजित किया जाएगा, जो व्यक्तिगत 3 डी भाग हैं जो पूर्ण ज्यामिति बनाते हैं। पूरे मॉडल में विद्युत क्षेत्र वितरण की गणना करने के लिए प्रत्येक डोमेन को एक विद्युत चालकता मूल्य सौंपा जाना चाहिए।
      1. मॉडल ट्री में, सामग्री > रिक्त सामग्री पर राइट-क्लिक करें, और फिर सामग्री 1 पर क्लिक करें और चयन को मैन्युअल में बदलें।
      2. ग्राफ़िक्स विंडो में डोमेन पर क्लिक करें ताकि केवल डोमेन 1 चुना जाए. विद्युत चालकता > मूल गुणों > सामग्री गुण चुनें, सामग्री में जोड़ें बटन पर क्लिक करें, और विद्युत चालकता मान को 0.043 S/m¹⁵ में बदलें।
      3. डोमेन 2 और 3 के लिए चरणों को दोहराएं, क्रमशः 0.7¹⁶ और 1.55¹⁶ एस / मीटर के विद्युत चालकता मान के साथ (पूरक चित्र 3)।
   7. एक 3 डी मॉडल को मेष करना: मॉडल को मेष करने के लिए, मॉडल ट्री पर जाएं और मेश 1 > फ्री टेट्राहेड्रल पर राइट-क्लिक करें। फ्री टेट्राहेड्रल 1 पर क्लिक करें और बिल्ड ऑल चुनें।
      नोट: मेशिंग प्रक्रिया पूरी ज्यामिति को छोटे 'तत्वों' में तोड़ देती है (एक तत्व मॉडल की ज्यामिति का एक आभासी खंड है जहां भौतिक समीकरणों को संख्यात्मक रूप से हल किया जाता है)। छोटे तत्वों के साथ जाल सैद्धांतिक रूप से अनुमान की सटीकता को बढ़ाता है लेकिन कम्प्यूटेशनल रूप से संपूर्ण है। एक आम अभ्यास विरल जाल के साथ मॉडल शुरू करना और सिमुलेशन के परिणाम को रिकॉर्ड करना है, फिर हर बार छोटे जाल तत्वों के साथ सिमुलेशन को लगातार दोहराना और परिणामों की तुलना करना है। परिष्करण प्रक्रिया तब रुक सकती है जब बाद के शोधन चरणों से गणना परिणामों में कोई महत्वपूर्ण अंतर नहीं होता है।
      1. जाल की गुणवत्ता का आकलन: जाल 1 पर राइट-क्लिक करें और तत्व गुणवत्ता के हिस्टोग्राम को दिखाने के लिए सांख्यिकी चुनें। तत्वों की गुणवत्ता में सुधार करने के लिए नीचे दिए गए जाल शोधन चरणों का पालन करें।
         नोट: डिफ़ॉल्ट जाल का उपयोग करने से कई कम गुणवत्ता वाले तत्व उत्पन्न हो सकते हैं, जो बदले में गलत गणना प्रस्तुत करता है। ज्यादातर मामलों में, कुछ हद तक जाल शोधन की आवश्यकता होती है।
      2. इलेक्ट्रोड की परिधि के चारों ओर जाल को परिष्कृत करना
         नोट: जिन क्षेत्रों में विद्युत क्षेत्र में अचानक परिवर्तन हो सकते हैं, उन्हें आमतौर पर अधिक परिष्कृत जाल की आवश्यकता होती है। यहां, एज वितरण सुविधा का उपयोग करके इलेक्ट्रोड की परिधि के चारों ओर एक सघन जाल जोड़ा गया था।
         1. सबसे पहले, मौजूदा फ्री टेट्राहेड्रल 1 जाल को हटा दें। फिर, जाल 1 > वितरण पर राइट-क्लिक करें, वितरण 1 पर क्लिक करें, ज्यामितीय इकाई स्तर को एज में बदलें और किनारे 19-22 (डिस्क इलेक्ट्रोड की परिधि) चुनें।
         2. तत्वों की निश्चित संख्या के लिए वितरण प्रकार सेट करें और तत्वों को यथोचित रूप से छोटा बनाने के लिए तत्व फ़ील्ड की संख्या को elec_rad * 3/10 में बदलें।
      3. कोरॉयड और रेटिना ऊतक में जाल को परिष्कृत करना
         1. मॉडल ट्री में, जाल 1 > स्वेप पर राइट-क्लिक करें। स्वेप्ट 1 पर क्लिक करें। डोमेन 1 और 2 चुनें। फिर, जाल 1 > फ्री टेट्राहेड्रल पर राइट-क्लिक करें, ज्यामितीय इकाई स्तर को शेष पर सेट करें, और बिल्ड ऑल पर क्लिक करें। (वैकल्पिक: तत्व गुणवत्ता हिस्टोग्राम को फिर से जांचें ताकि यह सुनिश्चित हो सके कि कम गुणवत्ता वाले तत्व अनुपात में कम हो गए हैं)।
6. परिमित तत्व मॉडल पर भौतिकी लागू करें
   नोट: फेम सॉफ्टवेयर में 'भौतिकी' गणितीय समीकरणों और सीमा स्थितियों के सेट हैं जिन्हें मॉडल को सौंपा जाना चाहिए। यह समीकरणों के एक साथ सेट के समाधान की कंप्यूटिंग है जो मॉडल चलाने के दौरान किया जाता है। ज्यामिति पर लागू करने के लिए भौतिकी का विकल्प भौतिक घटना पर निर्भर करता है जो सिम्युलेटेड है। उदाहरण के लिए, विद्युत प्रवाह भौतिकी, जैसा कि इस मॉडल में उपयोग किया जाता है, विद्युत क्षेत्र वितरण का अवलोकन करता है और चुंबकीय (प्रेरक) घटना की उपेक्षा करता है। अन्य भौतिकी को ज्यामिति पर लागू किया जा सकता है यदि अन्य भौतिक समस्याओं (जैसे, तापमान वितरण, यांत्रिक तनाव, आदि) को हल किया जाना है।
   1. भौतिकी का चयन और सीमा शर्तों का अनुप्रयोग
      नोट: यदि एक निरंतर वोल्टेज पल्स लागू किया जाना है, तो फ्लोटिंग संभावित सीमा की स्थिति को विद्युत संभावित सीमा स्थिति के साथ बदल दिया जाना चाहिए।
      1. मॉडल ट्री में इलेक्ट्रिक धाराओं 1 का विस्तार करें और जांचें कि क्या वर्तमान संरक्षण 1, इलेक्ट्रिक इन्सुलेशन 1, और प्रारंभिक मान 1 सूचीबद्ध हैं। फिर, इलेक्ट्रिक धाराओं 1 > ग्राउंड पर राइट-क्लिक करें (यह एक दूर के संदर्भ इलेक्ट्रोड का अनुकरण करते हुए, एक दूर के विमान को 0 वी प्रदान करता है) और इसे इलेक्ट्रोड (सतह 10) से सतह पर लागू करें।
      2. इसके बाद, विद्युत धाराओं 1 > फ्लोटिंग पोटेंशियल (यह निरंतर धारा के साथ एक वर्तमान स्रोत का अनुकरण करता है) पर राइट-क्लिक करें, जिसे डिस्क इलेक्ट्रोड (सतह 14) को सौंपा गया है, और एकात्मक धारा लागू करने के लिए आई ₀ मान को 1 में बदलें।
   2. एक पैरामीट्रिक स्वीप के साथ सिमुलेशन चलाना।
      नोट: यह चरण सिमुलेशन चलाएगा और एक पैरामीट्रिक स्वीपिंग जोड़ा गया था, जहां प्रत्येक सिमुलेशन में बदले गए पैरामीटर के मूल्य के साथ कई सिमुलेशन किए गए थे। यहां, इलेक्ट्रोड त्रिज्या पैरामीटर को बहा दिया गया था और प्रत्येक सिमुलेशन के लिए विद्युत क्षमता वितरण मॉडल फ़ाइल में संग्रहीत किया गया था। सिमुलेशन चलाए जाने के बाद, मॉडल ट्री में परिणाम शाखा को इलेक्ट्रिक पोटेंशियल (ईसी) मल्टीस्लाइस ग्राफ के साथ आबाद किया गया था।
      1. मॉडल ट्री में, पैरामीट्रिक स्वीप > स्टडी 1 पर राइट-क्लिक करें। पैरामीट्रिक स्वीप पर क्लिक करें, और अध्ययन सेटिंग तालिका में, जोड़ें पर क्लिक करें, और फिर पैरामीटर नाम के लिए elec_rad चुनें।
      2. पैरामीटर मान सूची के लिए '50, 150, 350, 500' टाइप करें और पैरामीटर यूनिट के लिए 'μm', और अध्ययन चलाने के लिए गणना पर क्लिक करें (पूरक चित्रा 4)।

चित्र 1: टिशू ज्यामिति बनाना। ऊतक का प्रतिनिधित्व करने के लिए फेम मॉडल में एक ब्लॉक ज्यामिति डाली गई थी। कृपया इस आंकड़े का एक बड़ा संस्करण देखने के लिए यहां क्लिक करें।

चित्र 2: इलेक्ट्रोड की ज्यामिति बनाना। (A) डिस्क इलेक्ट्रोड खींचने के लिए एक कार्य विमान बनाना। (बी) डिस्क इलेक्ट्रोड बनाने के लिए एक कार्य विमान पर एक सर्कल स्केच करना। कृपया इस आंकड़े का एक बड़ा संस्करण देखने के लिए यहां क्लिक करें।

चित्रा 3: फेम मॉडल का तत्व गुणवत्ता हिस्टोग्राम। हिस्टोग्राम ने पूरे मॉडल में तत्वों की गुणवत्ता दिखाई। यदि तत्वों का एक महत्वपूर्ण हिस्सा कम गुणवत्ता वाले क्षेत्र में है तो जाल शोधन की आवश्यकता होती है। कृपया इस आंकड़े का एक बड़ा संस्करण देखने के लिए यहां क्लिक करें।

चित्रा 4: इलेक्ट्रोड को एक वर्तमान मान असाइन करना। फेम सॉफ्टवेयर में इलेक्ट्रोड की ज्यामिति पर लागू एक एकात्मक धारा। कृपया इस आंकड़े का एक बड़ा संस्करण देखने के लिए यहां क्लिक करें।

2. न्यूरॉन कम्प्यूटेशनल सूट के जीयूआई में तंत्रिका कोशिका की ज्यामिति का आयात करना

1. सेल मॉडल की ज्यामिति का निर्माण करें
   1. सेल बिल्डर सुविधा का उपयोग कर आकृति विज्ञान आयात करना।
      1. न्यूरॉन कम्प्यूटेशनल सुइट के इंस्टॉलेशन फ़ोल्डर से 'nrngui' चलाएं, विविध > आयात 3 डी > उपकरण पर क्लिक करें, और फिर फ़ाइल चुनें बॉक्स पर टिक करें।
      2. डाउनलोड की गई .swc फ़ाइल की स्थिति जानें और Read पर क्लिक करें। ज्यामिति आयात होने के बाद, निर्यात > सेल बिल्डर (पूरक चित्रा 5) पर क्लिक करें।
   2. आयातित सेल आकृति विज्ञान की .hoc फ़ाइल बनाना
      1. उपसमुच्चय टैब पर जाएं और मॉडल में पूर्वनिर्धारित उप-समूहों का निरीक्षण करें (जैसे, सोमा, अक्षतंतु, बेसल, आदि)। निरंतर बनाएं बॉक्स पर टिक करें, प्रबंधन > निर्यात पर जाएं, और आकृति विज्ञान को 'rgc.hoc' के रूप में निर्यात करें।
   3. कोशिका की आकृति विज्ञान को देखना
      1. टूलबार पर टूल > मॉडल व्यू > 1 रियल सेल > रूट सोमा[0] पर क्लिक करें, दिखाई देने वाली विंडो पर राइट-क्लिक करें और एक्सिस टाइप > व्यू एक्सिस पर क्लिक करें। दृश्य निरीक्षण द्वारा, इस मॉडल का डेंड्राइटिक क्षेत्र व्यास लगभग 250 μm है। अभी के लिए न्यूरॉन खिड़कियां बंद करें।

चित्रा 5: न्यूरॉन मॉडल जानकारी को .hoc फ़ाइल के रूप में निर्यात करना। न्यूरॉन की ज्यामिति को आगे के संशोधनों की अनुमति देने के लिए एक .hoc फ़ाइल में निर्यात किया गया था। कृपया इस आंकड़े का एक बड़ा संस्करण देखने के लिए यहां क्लिक करें।

चित्रा 6: न्यूरॉन के आयाम को मापना। न्यूरॉन (शीर्ष दृश्य) की आकृति विज्ञान को न्यूरॉन कम्प्यूटेशनल सूट के जीयूआई में एक्स-वाई अक्षों के साथ प्रदर्शित किया गया था। पैमाना μm में था। कृपया इस आंकड़े का एक बड़ा संस्करण देखने के लिए यहां क्लिक करें।

3. न्यूरॉन गणना सिमुलेशन प्रोग्रामिंग

1. .hoc भाषा में प्रोग्रामिंग द्वारा सेल की आकृति विज्ञान को समायोजित करना
   नोट: सेल की आकृति विज्ञान को जीयूआई के सेल बिल्डर फीचर के माध्यम से समायोजित किया जा सकता है। हालांकि, प्रक्रिया को गति देने के लिए .hoc फ़ाइल को संपादित करके यह कैसे किया जा सकता है, यह प्रदर्शित किया गया है। .hoc फ़ाइल टोपोलॉजी (न्यूरॉन्स के प्रत्येक भाग के बीच भौतिक कनेक्शन), आकृति विज्ञान (प्रत्येक न्यूरॉन अनुभाग की लंबाई, व्यास और स्थान) और मॉडलिंग सेल के बायोफिज़िकल गुणों (आयन चैनल पैरामीटर) को परिभाषित करती है। .hoc प्रोग्रामिंग के लिए पूर्ण प्रलेखन पाया जा सकता है: https://neuron.yale.edu/neuron/static/new_doc/index.html #,
   1. परिणामी .hoc फ़ाइल को पाठ संपादक (जैसे, नोटपैड) के साथ खोलें। 40 μm लंबाई का एक अक्षतंतु प्रारंभिक खंड जोड़ें और सोमा के करीब 90 μm लंबाई का एक संकीर्ण अक्षीय खंड जोड़ें, जैसा कि शीस्बी और फोहलमिस्टर¹⁷ में वर्णित है, साथ ही डेंड्राइट की लंबाई को बदलें ताकि डेंड्राइटिक क्षेत्र का आकार रॉकहिल, एट अल.18 में जी 1 सेल से मेल खाने के लिए ¹⁸⁰ μm हो जाए।
      1. नए सेल अनुभाग बनाना और प्रत्येक अनुभाग के लिए टोपोलॉजिकल कनेक्शन को परिभाषित करना।
         1. अक्षतंतु प्रारंभिक खंड (AIS) और संकीर्ण अक्षीय खंड (NS) के लिए नए सेल अनुभाग बनाने के लिए, rgc.hoc फ़ाइल की शुरुआत में इन पंक्तियों को जोड़ें:
            एआईएस, एनएस / एआईएस और एनएस नामक सेल डिब्बों की घोषणा करना
            फिर, 'कनेक्ट एक्सॉन (0), सोमा[1](1)' लाइन को निम्न के साथ बदलें:
            एआईएस (0), सोमा [1](1) / / एआईएस के पहले खंड को सोमा के अंत तक कनेक्ट करना[1]
            एनएस (0), एआईएस (1) / / एनएस के पहले खंड को एआईएस के अंत तक कनेक्ट करना
            अक्षतंतु (0), एनएस (1) / / अक्षतंतु के पहले खंड को एनएस के अंत से कनेक्ट करना
      2. सेल अनुभागों की 3 डी स्थिति, व्यास और लंबाई को परिभाषित करना
         1. 'प्रोक shape3d_31()' कोष्ठक के अंदर इन पंक्तियों को लिखकर एआईएस और एनएस डिब्बों के 3 डी पदों और व्यास को परिभाषित करें:
            ais { pt3dadd(-2.25, -1.55, 0, 1) / / पहली तीन संख्याएं xyz-निर्देशांक हैं, और व्यास 1 μm है
            pt3dadd(37.75, -1.55, 0, 1)} // पहला बिंदु x = -2.25 μm पर है और अंतिम बिंदु x = 37.75 μm पर है
            ns { pt3dadd(37.75, -1.55, 0, 0.3) // 3D निर्देशांक और NS खंडों के लिए व्यास
            pt3dadd(127.75, -1.55, 0, 0.3)}
         2. फ़ाइल के अंत में, अक्षतंतु के 3 डी निर्देशांक को स्थानांतरित करें ताकि इसका प्रारंभिक बिंदु टाइप करके एनएस के अंतिम बिंदु को पूरा करे:
            अक्षतंतु {के लिए i=0,n3d()-1 {pt3dchange(i, x3d(i)+130, y3d(i), z3d(i)-5, diam3d(i))}} //x-निर्देशांक को स्थानांतरित करें
         3. फ़ाइल के अंत में, टाइप करके डेंड्राइटिक डिब्बों को 18% तक छोटा करें:
            डेंड्राइटिक क्षेत्र के आकार को छोटा बनाने के लिए फोरसेक बेसल {L =L*0.82} //लंबाई को स्केल करना
            define_shape () / / लापता 3 डी जानकारी भरना
2. प्रत्येक अनुभाग के लिए खंडों की संख्या को परिभाषित करना
   नोट: न्यूरॉन के प्रत्येक खंड को फेम मॉडल में जाल की प्रक्रिया की तरह स्थानिक रूप से डिस्करेट किया जा सकता है। स्थानिक विश्लेषण न्यूरॉन को लगभग छोटे खंडों में विभाजित करता है जहां गणना की जानी है। खंडों 'nseg' की संख्या के लिए, सुनिश्चित करें कि विषम संख्याओं का उपयोग यह सुनिश्चित करने के लिए किया जाता है कि सेल अनुभाग के मध्य बिंदु पर एक आंतरिक नोड है, और जब तक गणना एक सुसंगत परिणाम^{उत्पन्न} नहीं करती है तब तक nseg संख्या को तीन गुना करने का प्रयास करें। खंडों की एक उच्च संख्या अधिक सटीक संख्यात्मक अनुमान का उत्पादन करेगी लेकिन कम्प्यूटेशनल लोड को भी बढ़ाएगी।
   1. प्रक्रिया का उदाहरण देने के लिए, दैहिक और अक्षीय उपसमुच्चय में न्यूरोनल वर्गों को कई खंडों में विभाजित करने के लिए rgc.hoc फ़ाइल में निम्नलिखित पंक्तियाँ जोड़ें:
      forsec somatic {nseg=31}
      forsec axonal {nseg=301}
      मॉडल के अन्य अनुभागों को भी इन पंक्तियों को टाइप करके डिस्करेट करने की आवश्यकता होती है, लेकिन वांछित रूप से उप-समूह नाम ('फोरसेक' के बाद) और खंडों की संख्या ('एनएसईजी' के बाद) को बदलना होगा।
3. अनुकूलित आयन चैनल तंत्र सम्मिलित करें
   1. .mod फ़ाइलों के रूप में अनुकूलित आयन चैनल तंत्र लिखना: आयन चैनल तंत्र को लागू करने के लिए, .mod फ़ाइलें बनाएं और चरण 3.3.1-3.3.3 का पालन करके .hoc फ़ाइल के बायोफिज़िकल अनुभाग भाग में फ़ाइलों को सम्मिलित करें। .mod फ़ाइल में चर और प्रत्येक आयन चैनल के लिए हल किए जाने वाले अंतर समीकरण शामिल हैं।
      नोट: सही आयन चैनल तंत्र परिभाषाएं और कार्यान्वयन सटीक न्यूरॉन सिमुलेशन में महत्वपूर्ण हैं। .mod फ़ाइलें लिखते समय, जांचें कि क्या इकाइयाँ सही हैं (प्रदान की गई 'modlunit' उपयोगिता जिसे इकाई स्थिरता की जांच करने के लिए चलाया जा सकता है) और यह कि समीकरण सही ढंग से लिखे गए हैं। यह परीक्षण करने के लिए कि आयन चैनल तंत्र सही हैं, इंट्रासेल्युलर या बाह्य उत्तेजना के दौरान प्रत्येक आयन चैनल के लिए वर्तमान को प्लॉट किया जा सकता है और अनुभवजन्य निष्कर्षों की तुलना की जा सकती है।
      1. वोल्टेज-गेटेड आयन चैनल
         नोट: वोल्टेज-गेटेड आयन चैनल बनाने के लिए एक .mod फ़ाइल में आमतौर पर एक व्युत्पन्न ब्लॉक शामिल होता है जिसमें हल करने के लिए अंतर समीकरण होता है, एक ब्रेकपॉइंट ब्लॉक जिसमें एक चुने हुए संख्यात्मक सन्निकटन विधि का उपयोग करके अंतर समीकरणों को हल करने के लिए कमांड होते हैं, और प्रक्रिया ब्लॉक जो प्रोग्राम को गेटिंग पैरामीटर (जैसे, mt, ht, और d) की गणना करने के लिए बताते हैं। यह कोड प्रत्येक बार चरण के लिए चैनल से गुजरने वाले आयनिक प्रवाह के मूल्यों की गणना करेगा।
         1. प्रक्रिया का उदाहरण देने के लिए, एक वोल्टेज-निर्भर सीए चैनल बनाएं जिसमें गेटिंग चर के लिए हल करने के लिए प्रथम-क्रम अंतर समीकरण हैं।
         2. पाठ संपादक में एक नई फ़ाइल खोलें और पूरक सामग्री में पंक्तियाँ लिखें-वोल्टेज-निर्भर कैट चैनल को परिभाषित करना। इस फ़ाइल को Cat.mod के रूप में उसी फ़ोल्डर में .hoc फ़ाइल के रूप में सहेजें. इस प्रक्रिया को अन्य आयन चैनलों के लिए दोहराया जाना चाहिए जो मॉडल न्यूरॉन में शामिल हैं।
      2. वोल्टेज- और एकाग्रता-निर्भर आयन चैनल
         1. कुछ आयन चैनलों के कैनेटीक्स, जैसे रेटिना गैंग्लियन कोशिकाओं में कैल्शियम-सक्रिय पोटेशियम चैनल, ट्रांसमेम्ब्रेन वोल्टेज¹⁹ के अलावा इंट्रासेल्युलर कैल्शियम एकाग्रता पर निर्भर करते हैं। इस प्रकार के तंत्र को मॉडल करने के लिए, KCa.mod नामक एक फ़ाइल बनाएं, और पूरक सामग्री-वोल्टेज- और एकाग्रता-निर्भर आयन चैनलों में दिखाए गए अनुसार लाइनें टाइप करें। इस .mod फ़ाइल में, चर 'cai', जिसे Ca आयन की आंतरिक एकाग्रता के रूप में परिभाषित किया गया है, की गणना की गई थी, और फिर इस चर का उपयोग iKCa धारा की गणना करने के लिए समीकरण में किया जाता है।
   2. .mod फ़ाइलों का संकलन
      1. स्थापना फ़ोल्डर से न्यूरॉन कम्प्यूटेशनल सूट की mknrndll उपयोगिता चलाकर सभी .mod फ़ाइलों को संकलित करें। उस फ़ोल्डर की स्थिति जानें जहाँ .mod फ़ाइलें निहित हैं और O और C फ़ाइलें बनाने के लिए संकलित क्लिक करें। इसके बाद, तंत्र को इस सेल मॉडल में डाला जा सकता है।
   3. मुख्य NEURON मॉडल फ़ाइल में .mod फ़ाइलों का अनुप्रयोग।
      नोट: आयन चैनलों को सम्मिलित करने के अलावा, अधिकतम एनए चालकता को केवल 'दैहिक' उप-समूह के लिए परिभाषित किया गया था। यदि आवश्यक हो तो हम व्यक्तिगत रूप से विभिन्न न्यूरोनल खंडों के लिए अधिकतम झिल्ली चालकता को समायोजित कर सकते हैं।
      1. संक्षिप्तता के लिए, सभी आयन चैनल तंत्रों को एक एकल .mod फ़ाइल (पूरक सामग्री-पूर्ण .mod फ़ाइल) में संयोजित करें। आरजीसी.हॉक फ़ाइल की 'बायोफिज़' प्रक्रिया में नीचे दी गई पंक्तियों को टाइप करके 'दैहिक' उप-समूह में सभी खंडों में सभी आयन चैनलों और एक निष्क्रिय रिसाव चैनल युक्त संयुक्त .मॉड फ़ाइल डालें:
         forsec सोमैटिक {rgcSpike डालें
         निष्क्रिय रिसाव चैनल डालें
         gnabar_rgcSpike = 80e-3
         g_pas = 0.008e-3//रिसाव झिल्ली चालकता}
   4. एक्सोप्लाज्मिक प्रतिरोधकता सेट करना
      1. कोशिकाओं में एक्सोप्लाज्मिक प्रतिरोधकता होती है जिसे प्रति डिब्बे बदला जा सकता है। इस मॉडल के लिए, सभी खंडों में 110 Ω सेमी की समान प्रतिरोधकता है। rgc.hoc फ़ाइल में एक्सोप्लाज्मिक प्रतिरोधकता को बदलें:
         forall {Ra = 110}
4. बाह्य तंत्र सम्मिलित करें और पल्स वेवफॉर्म को परिभाषित करें
   1. सेल मॉडल में एक बाह्य तंत्र सम्मिलित करना
      1. सेल मॉडल को बाह्य वोल्टेज का जवाब देने के लिए, आरजीसी.हॉक फ़ाइल के निचले भाग में लाइन टाइप करके सभी खंडों में एक बाह्य तंत्र डालें:
         सभी के लिए {बाह्य बाह्य कोशिकीय सम्मिलित करें}
   2. एक द्विध्रुवीय नाड़ी बनाना
      नोट: इस प्रदर्शन में, एक निरंतर वर्तमान द्विध्रुवीय पल्स बनाया जाता है जो .hoc फ़ाइल में एक प्रक्रिया बनाकर पल्स चौड़ाई, इंटरफेज गैप और पुनरावृत्ति की संख्या में उपयोगकर्ता-समायोज्य है। अधिक संरचित प्रोग्राम के लिए, सेल मॉडल बनाने के लिए फ़ाइल के रूप में rgc.hoc फ़ाइल का उपयोग करें, जबकि उत्तेजना प्रक्रिया को एक अलग .hoc फ़ाइल में लागू किया जाता है, जो सेल मॉडल को लोड करेगा जिस पर उत्तेजना लागू होती है।
      1. उत्तेजना.हॉक नामक एक नई पाठ फ़ाइल बनाएं और सेल मॉडल फ़ाइल लोड करके कोड शुरू करें; फिर, पूरक सामग्री में दिखाए गए अनुसार एक प्रक्रिया को परिभाषित करके एक द्विध्रुवीय पल्स बनाएं- न्यूरॉन सिमुलेशन में एक द्विध्रुवीय पल्स बनाना।
         नोट: यह चरण एक निरंतर वर्तमान कैथोडिक-फर्स्ट बाइफैसिक पल्स बनाता है जहां सिमुलेशन चलाते समय उपयोगकर्ता द्वारा उत्तेजना मापदंडों की घोषणा की जानी है। वर्तमान में, एनोडिक और कैथोडिक दालों का परिमाण ±1 μA है, लेकिन डिस्क इलेक्ट्रोड द्वारा वितरित उत्तेजना प्रवाह के आधार पर इस परिमाण को बदलने की आवश्यकता है।

4. कई सिमुलेशन चलाना और स्वचालित करना

1. मॉडलों का संयोजन
   1. न्यूरॉन सेल मॉडल में नोड्स के लिए निर्देशांक निकालना
      नोट: सिमुलेशन के संयोजन का उद्देश्य सेल मॉडल के प्रत्येक नोड के अनुरूप बाह्य संभावित मूल्यों को प्राप्त करना है। हालांकि, दो मॉडलों के निर्देशांक संरेखित किए जाने चाहिए। इस उदाहरण में, सोमा (सोमा (0.5)) के केंद्र खंड को रेटिना ऊतक (रेटिना गैंग्लियन सेल परत के अनुरूप) के क्षैतिज मिडप्लेन पर स्थित होने के लिए संरेखित किया गया था, जिसमें सोमा का केंद्र नोड डिस्क इलेक्ट्रोड के केंद्र के ठीक ऊपर स्थित था।
      1. फेम मॉडल खोलें, और एक संदर्भ बिंदु के समन्वय पर ध्यान दें (उदाहरण के लिए, डिस्क इलेक्ट्रोड के केंद्र के ऊपर रेटिना ऊतक का क्षैतिज मिडप्लेन), जिस स्थिति में यह [0, 0, 131.5] μm है।
      2. न्यूरॉन कम्प्यूटेशनल सुइट में, प्रत्येक खंड के केन्द्रक के निर्देशांक निकालने और प्रत्येक खंड को स्थानांतरित करने के लिए CallycatCoord.hoc नामक एक फ़ाइल बनाएं ताकि सोमा के केंद्र खंड में फेम मॉडल में संदर्भ बिंदु के समान समन्वय हो (पूरक सामग्री-प्रत्येक नोड के समन्वय की गणना)।
   2. निर्देशांक बिंदुओं को पाठ फ़ाइल में सहेजना
      1. CalcatCoord.hoc फ़ाइल चलाएँ (या तो फ़ाइल एक्सप्लोरर से डबल-क्लिक करके या न्यूरॉन कम्प्यूटेशनल सूट के GUI खोलकर; फिर, टूलबार में फ़ाइल > लोड हॉक पर क्लिक करें)। बाह्य वोल्टेज मानों के लिए निर्देशांक को 'निर्देशांक.dat' नामक पाठ फ़ाइल में मूल्यांकन करने के लिए सहेजें।
   3. सिमुलेशन चलाना और वोल्टेज डेटा को टेक्स्ट फ़ाइल में सहेजना
      नोट: इस चरण में, हमने फेम मॉडल से गणना किए गए बाह्य मान निकाले, लेकिन हम केवल प्रासंगिक निर्देशांक से डेटा को सहेजेंगे जो प्रत्येक सेल सेगमेंट के केंद्र के साथ मेल खाते हैं। चरण 4.1.6.2 का पालन करें जब निर्यात करने के लिए बड़ी संख्या में क्षमता की आवश्यकता होती है।
      1. FEM सॉफ्टवेयर में ऊतक मॉडल फ़ाइल खोलें; मॉडल ट्री में परिणाम शीर्षक पर जाएं, और डेटा > निर्यात > डेटा 1 पर क्लिक करें। सुनिश्चित करें कि डेटासेट अध्ययन 1/पैरामीट्रिक समाधान 1 के लिए सेट है, और फिर अभिव्यक्ति कॉलम में 'वी' और यूनिट कॉलम में 'एमवी' टाइप करें।
      2. आउटपुट के तहत, फ़ाइल नाम को बाह्य.dat में बदलें, और मूल्यांकन करने के लिए बिंदु चुनें: फ़ाइल से। निर्देशांक लोड करें.dat निर्देशांक फ़ाइल फ़ील्ड के लिए, और उसके बाद निर्यात पर क्लिक करें।
   4. सेल मॉडल में बाइफैसिक पल्स को लागू करना
      नोट: इस स्तर पर, एक समय बिंदु पर प्रत्येक सेल सेगमेंट के लिए बाह्य वोल्टेज मान उपलब्ध हैं (जहां वर्तमान 1 μA है) उपलब्ध है। जैसा कि अध्ययन का उद्देश्य सेल को एक द्विध्रुवीय पल्स के अधीन करना है, 'वेक्टर.प्ले' विधि का उपयोग करके समय के साथ सेल द्वारा अनुभव किए गए बाह्य वोल्टेज मूल्य को बदलें।
      1. पूरक सामग्री में दिखाई गई पंक्तियों को जोड़ें- उत्तेजना में द्विध्रुवीय नाड़ी का अनुप्रयोग।
   5. संयुक्त सिमुलेशन चलाना
      नोट: सिमुलेशन चलाने के लिए संख्यात्मक अनुमानों के लिए एक समय अंतराल 'डीटी' को परिभाषित करने की आवश्यकता है। एनएसईजी के समान, एक छोटा डीटी कम्प्यूटेशनल सटीकता को बढ़ा सकता है लेकिन कम्प्यूटेशनल लागत को भी बढ़ाता है।
      1. पूरक सामग्री में दिखाई गई लाइनों को जोड़ें- उत्तेजना के अंत में न्यूरॉन सिमुलेशन को निष्पादित करना। फिर, स्क्रिप्ट लोड करने और स्वचालित रूप से सिमुलेशन चलाने के लिए उत्तेजना.हॉक फ़ाइल पर डबल-क्लिक करें। रुचि के खंड की ट्रांसमेम्ब्रेन क्षमता को न्यूरॉन कम्प्यूटेशनल सूट (चरण 4.2.1) के जीयूआई में प्रदर्शित किया जा सकता है या अन्य कार्यक्रमों (चरण 4.1.6.1.2) में पढ़ने के लिए एक पाठ फ़ाइल में सहेजा जा सकता है। चरण 4.1.6.1 और 4.1.6.2 का पालन करें यदि बार-बार गणना और बड़ी संख्या में झिल्ली क्षमता निर्यात करने की आवश्यकता है।
   6. अतिरिक्त: सिमुलेशन को स्वचालित करना
      नोट: एक दहलीज आयाम खोजने के लिए, सिमुलेशन को हर बार एक अलग वर्तमान आयाम के साथ कई बार लूप करें। उत्तेजक इलेक्ट्रोड के सापेक्ष विभिन्न पदों पर स्थित न्यूरॉन्स के लिए दहलीज खोजने के लिए एक और स्वचालन की आवश्यकता हो सकती है। एक प्रक्रिया का उपयोग करके न्यूरॉन कम्प्यूटेशनल सूट में एक स्वचालन चरण किया जा सकता है, साथ ही फेम सॉफ्टवेयर में 'विधि' नामक स्क्रिप्ट का उपयोग करके।
      1. एक दहलीज आयाम खोजने के लिए न्यूरॉन सिमुलेशन का स्वचालन
         नोट: न्यूरॉन सिमुलेशन का एक बैच स्वचालित रूप से किया जा सकता है। विभिन्न उत्तेजना मापदंडों के तहत न्यूरॉन्स के दहलीज आयामों को खोजने के लिए न्यूरॉन सिमुलेशन प्रोग्राम में निम्नलिखित चरण लागू किए जाते हैं।
         1. न्यूरॉन सिमुलेशन प्रोग्राम में सिमुलेशन को दोहराने के लिए एक प्रक्रिया बनाएं: उत्तेजना में, परीक्षण करने के लिए वर्तमान आयाम की एक श्रृंखला को शामिल करने के लिए एक वेक्टर बनाएं। फिर, वर्तमान आयाम को लागू करने के लिए एक प्रक्रिया बनाएं और स्पाइक की किसी भी उपस्थिति को रिकॉर्ड करें (एक नकारात्मक से सकारात्मक ट्रांसमेम्ब्रेन वोल्टेज में एक सकारात्मक परिवर्तन), और थ्रेशोल्ड आयाम को सबसे कम वर्तमान आयाम के रूप में परिभाषित किया गया है जो स्पाइक का कारण बनता है। ऐसा करने के लिए, उत्तेजना.हॉक फ़ाइल के अंत में findTh() (पूरक सामग्री-लूपिंग वर्तमान आयामों की एक श्रृंखला पर) नामक एक प्रक्रिया को परिभाषित करें।
         2. टेक्स्ट फ़ाइल में प्रत्येक बार चरण से सभी न्यूरॉन डिब्बों के लिए गणना किए गए ट्रांसमेम्ब्रेन वोल्टेज मानों को संग्रहीत करने के लिए उत्तेजना में findTh() प्रक्रिया में निम्नलिखित पंक्तियाँ जोड़ें:
            स्प्रिंट (सेवफाइलनेम, "Response_%d.dat", th) / / थ्रेशोल्ड मान स्टोर करें
            saveFile.wopen(saveFileName)
            i= 0 के लिए, (responseVector.size()-1){
            saveFile.printf("%g, ", responseVector.x[i])
            यदि(i==responseVector.size()-1) {saveFile.printf("%g\n", responseVector.x[i])
            saveFile.क्लोज(saveFileName)
            }}
      2. विभिन्न स्थानों में न्यूरॉन्स के लिए वोल्टेज मान खोजने के लिए फेम सॉफ्टवेयर में स्वचालन
         नोट: एक और स्वचालन जो किया जा सकता है वह विभिन्न स्थानों में न्यूरॉन्स के लिए बाह्य वोल्टेज मूल्यों का स्वचालित अधिग्रहण है। FEM सॉफ़्टवेयर में एप्लिकेशन बिल्डर मेनू एक 'विधि' को परिभाषित करने का एक साधन प्रदान करता है, या गणना करने के लिए सॉफ़्टवेयर के लिए आवश्यक चरणों को स्वचालित करने के लिए एक स्क्रिप्ट प्रदान करता है। प्रदर्शित करने के लिए, एक्स-दिशा में सेल का स्थान 100 μm चरण (पूरक चित्रा 6) में 5 गुना स्थानांतरित किया जाता है।
         1. फेम सिमुलेशन के स्वचालन के लिए एक कोड लिखना।
            1. एप्लिकेशन बिल्डर पर जाएं, एप्लिकेशन बिल्डर ट्री में विधियों पर राइट-क्लिक करें, नई विधि चुनें, और ओके पर क्लिक करें। फ़ाइल > प्राथमिकताएँ > विधियाँ पर जाएँ, सभी कोड देखें बॉक्स में टिक करें, और OK पर क्लिक करें.
            2. एक .hoc स्क्रिप्ट लिखें जो समन्वय फ़ाइल को लोड करेगी, वांछित स्थान से मेल खाने के लिए मानों को स्थानांतरित करेगी, और पूरक सामग्री में दिखाए गए कोड को टाइप करके सेल के नए स्थान के लिए वोल्टेज मानों वाली एक पाठ फ़ाइल को सहेजेगी- फेम सिमुलेशन को स्वचालित करने के लिए एक विधि को परिभाषित करना।
         2. FEM सॉफ़्टवेयर में स्वचालित चरण चलाना: मॉडल बिल्डर, डेवलपर > विधि > विधि 1 पर स्विच करें। यह उपयुक्त वोल्टेज मानों के साथ .dat फ़ाइलों का उत्पादन करेगा, जिन्हें extracellular_1.dat, extracellular_2.dat आदि नाम दिए गए हैं।
      3. एक सामान्य उद्देश्य प्रोग्रामिंग भाषा में सिमुलेशन लूपिंग
         नोट: सिमुलेशन को लूप करने के लिए, उपयुक्त टेक्स्ट फ़ाइल को हर बार न्यूरॉन कम्प्यूटेशनल सूट के सिमुलेशन में लोड करने की आवश्यकता होती है, और एक प्रोग्रामिंग भाषा²⁰ जो आसानी से टेक्स्ट फ़ाइलों को लोड और हेरफेर कर सकती है, इस चरण को करने के लिए सुविधाजनक है। इस चरण के लिए किसी भी सुविधाजनक एकीकृत विकास वातावरण (आईडीई) ²¹ का उपयोग किया जा सकता है।
         1. चयनित आईडीई खोलें, एक नई स्क्रिप्ट बनाने के लिए नई फ़ाइल पर क्लिक करें। यहाँ इस उदाहरण में एक .py फ़ाइल का उपयोग किया जाता है। पूरक सामग्री में दिखाई गई पंक्तियों को टाइप करें- सिमुलेशन को एक सामान्य उद्देश्य प्रोग्रामिंग भाषा में चलाना।
         2. अंत में, स्क्रिप्ट चलाने के लिए रन या एफ 5 दबाएं पर क्लिक करें, जो जीयूआई (पूरक चित्रा 7) भी खोल देगा।
2. सिमुलेशन डेटा का प्रदर्शन
   नोट: उपरोक्त सभी चरणों का पालन करके, सिमुलेशन परिणामों को टेक्स्ट फ़ाइलों में संग्रहीत किया जाना चाहिए, जिसमें दहलीज मान और सीमा पर ट्रांसमेम्ब्रेन क्षमता शामिल है। हालांकि, उपयोगकर्ता के पास सिमुलेशन परिणाम प्रदर्शित करने का विकल्प है, जबकि सिमुलेशन न्यूरॉन के जीयूआई का उपयोग करके चल रहा है।
   1. न्यूरॉन कम्प्यूटेशनल सूट के जीयूआई में बाह्य उत्तेजना के लिए न्यूरॉन मॉडल की प्रतिक्रिया को ग्राफ करें। ऐसा करने के लिए, stimulation.hoc चलाएँ, टूलबार से ग्राफ़ > वोल्टेज एक्सिस पर क्लिक करें, और ग्राफ़ विंडो पर, कहीं भी राइट-क्लिक करें और प्लॉट क्या चुनें।
   2. चर से ग्राफ फ़ील्ड में 'एक्सॉन.वी (1)' टाइप करें, जिसका अर्थ है कि यह प्रति समय चरण एक्सॉन के अंतिम खंड की ट्रांसमेम्ब्रेन क्षमता को प्लॉट करेगा।

चित्रा 7: फेम गणना परिणामों को टेक्स्ट फ़ाइल में प्रदर्शित और निर्यात करना। ग्राफिक्स विंडो वी में विद्युत क्षमता का एक मल्टीस्लाइस प्लॉट दिखाती है। डेटा निर्यात सेटिंग के विकल्पों ने परिकलित चर को पाठ फ़ाइल में निर्यात करने की अनुमति दी. कृपया इस आंकड़े का एक बड़ा संस्करण देखने के लिए यहां क्लिक करें।

चित्रा 8: वोल्टेज ग्राफ का उपयोग करके ट्रांसमेम्ब्रेन क्षमता के ग्राफ को प्रदर्शित करना। न्यूरॉन ट्रांसमेम्ब्रेन क्षमता को न्यूरॉन कम्प्यूटेशनल सूट के जीयूआई में प्रदर्शित किया गया था। एक्स-अक्ष एमएस में समय है, जबकि वाई-अक्ष एमवी में चुने गए न्यूरॉन सेगमेंट की ट्रांसमेम्ब्रेन क्षमता है। कृपया इस आंकड़े का एक बड़ा संस्करण देखने के लिए यहां क्लिक करें।

Representative Results

हमने मॉडल के उपयोग को प्रदर्शित करने के लिए दो सिमुलेशन प्रोटोकॉल आयोजित किए। पहले प्रोटोकॉल में न्यूरॉन और विद्युत पल्स मापदंडों के स्थान को समान रखते हुए इलेक्ट्रोड आकार को बदलना शामिल था। दूसरे प्रोटोकॉल में न्यूरॉन को एक्स-दिशा में 100 μm चरणों में स्थानांतरित करना शामिल था, जबकि इलेक्ट्रोड का आकार स्थिर रहा। दोनों प्रोटोकॉल के लिए, इस्तेमाल की गई पल्स 0.05 एमएस इंटरफेज गैप के साथ 0.25 एमएस चौड़ाई की एकल कैथोडिक-पहली बाइफैसिक पल्स थी। पहले प्रोटोकॉल के लिए, इलेक्ट्रोड की त्रिज्या 50, 150, 350 और 500 μm थी, जबकि दूसरे प्रोटोकॉल के लिए, इलेक्ट्रोड की त्रिज्या को स्थिर 50 μm पर रखा गया था।

यहां वर्णित मॉडल से पता चला है कि 0.25 एमएस पल्स चौड़ाई पर सुप्राकोरॉइडल इलेक्ट्रोड आकार बढ़ाने से मॉडल न्यूरॉन (चित्रा 9 ए) की सक्रियण सीमा में वृद्धि हुई है। इस परिणाम ने लियांग एट अल .¹² के विवो निष्कर्षों को प्रतिबिंबित किया, जिन्होंने दिखाया कि इस पल्स चौड़ाई पर बढ़ते इलेक्ट्रोड आकार के साथ कॉर्टिकल सक्रियण सीमा बढ़ जाती है।

मॉडल की सक्रियण थ्रेसहोल्ड के परिमाण कई कारकों के कारण अनुभवजन्य निष्कर्षों से भिन्न होते हैं। सबसे पहले, इस मॉडल में केवल एक विशिष्ट प्रकार का एक आरजीसी शामिल है, जो विवो अध्ययन में सक्रिय होने वाली कोशिकाओं के समूह में मौजूद नहीं हो सकता है। इसके बाद, इस मॉडल में रेटिना नेटवर्क शामिल नहीं था, जो द्विध्रुवी कोशिकाओं से उत्तेजक इनपुट के माध्यम से आरजीसी के सक्रियण की सुविधा प्रदान कर सकता है। विसंगति का एक और संभावित कारण इलेक्ट्रोड-रेटिना दूरी है। यह संभव है कि रचनात्मक परिवर्तनशीलता या सर्जरी के कारण विवो अध्ययन में इलेक्ट्रोड-रेटिना दूरी इस मॉडल की तुलना में कम थी। नतीजतन, हमने इलेक्ट्रोड-रेटिना दूरी और इस प्रकार सक्रियण सीमा को कम कर दिया। यह भी ध्यान रखना महत्वपूर्ण है कि, हालांकि यह हमारे परिणामों में प्रदर्शित नहीं किया गया था, एकल सेल सीमा मॉडलिंग अक्सर विवो कॉर्टिकल सीमा को कम आंकेगी। यह कॉर्टिकल माप (मुख्य रूप से सिग्नल-टू-शोर अनुपात से संबंधित) में तकनीकी सीमाओं के कारण है कि कॉर्टिकल गतिविधि आमतौर पर केवल कई रेटिना गैंग्लियन कोशिकाओं के सक्रिय होने के बाद पता चलती है। नतीजतन, रेटिना और कॉर्टिकल सक्रियण थ्रेसहोल्ड के परिमाण में विसंगति की उम्मीद की जानी चाहिए। इन मतभेदों के बावजूद, इस मॉडल ने इलेक्ट्रोड आकार में वृद्धि के कारण सक्रियण सीमा की बढ़ती प्रवृत्ति को सफलतापूर्वक दिखाया। यह इलेक्ट्रोड आकार में वृद्धि होने पर अपने परिवेश की तुलना में उच्च विद्युत क्षेत्र के क्षेत्र की अनुपस्थिति के परिणामस्वरूप हुआ, जो तंत्रिका सक्रियण²² के पक्ष में नहीं था।

इसके बाद, हमने यहां वर्णित मॉडल को मान्य करने के लिए कार्रवाई संभावित विशेषताओं का अवलोकन किया। विलंबता, या उत्तेजना की शुरुआत और कार्रवाई संभावित स्पाइक के चरम के बीच का समय, 1-2.2 एमएस (चित्रा 9 बी) से था। यह गैर-नेटवर्क मध्यस्थता रेटिना सक्रियण²³ के कारण शॉर्ट-लेटेंसी स्पाइकिंग के अनुरूप था। इस मॉडल की स्पाइक चौड़ाई 1 एमएस थी, और यह विट्रो²⁴ में मापा गया खरगोश आरजीसी की स्पाइक चौड़ाई के समान सीमा में है।

दूसरे उत्तेजना प्रोटोकॉल में, इलेक्ट्रोड के सापेक्ष एक्स-अक्ष (अक्षतंतु की लंबाई के साथ) में न्यूरॉन का स्थान विविध था। 0 की दूरी पर, सोमा अनुभाग का केन्द्रक डिस्क इलेक्ट्रोड के केंद्र के ठीक ऊपर था। नकारात्मक दूरी का मतलब है कि डिस्क इलेक्ट्रोड अक्षीय पक्ष के करीब स्थित था, जबकि सकारात्मक दूरी का मतलब है कि डिस्क इलेक्ट्रोड डेंड्राइटिक पक्ष के करीब स्थित था। मॉडल से पता चला कि सबसे कम सीमा तब हासिल की गई थी जब अक्षतंतु का संकीर्ण खंड डिस्क इलेक्ट्रोड के ठीक ऊपर था, और यह बढ़ गया क्योंकि एक्स-दूरी बड़ी हो गई (चित्रा 9 सी)। इलेक्ट्रोड को डिस्टल एक्सॉन की ओर आगे ले जाने से अक्षतंतु प्रारंभिक खंड और संकीर्ण खंड की उपस्थिति के कारण इलेक्ट्रोड को डेंड्राइट की ओर ले जाने की तुलना में कम सीमा उत्पन्न होती है जहां सोडियम चैनल अधिक प्रचलित होते हैं। यह परिणाम जेन्सेन एट अल .¹³ से इन विट्रो खोज के साथ सहमत था, जहां खरगोश आरजीसी को एक अल्ट्राफाइन माइक्रोइलेक्ट्रोड के साथ उत्तेजित किया गया था, और सक्रियण सीमा सबसे अधिक थी जब इलेक्ट्रोड को डेंड्राइट के करीब स्थानांतरित किया गया था।

चित्र 9: मॉडलिंग विधि के परिणाम। (A) डिस्क इलेक्ट्रोड के ऊपर स्थित रेटिना गैंग्लियन सेल के लिए सक्रियण थ्रेसहोल्ड। इलेक्ट्रोड त्रिज्या विविध थी (50, 150, 350, और 500 μm) और बढ़ते इलेक्ट्रोड आकार के साथ दहलीज बढ़ गई। (बी) न्यूरॉन मॉडल की कार्रवाई संभावित आकार 0.25 एमएस पल्स चौड़ाई पर। विभिन्न इलेक्ट्रोड आकारों के लिए दहलीज पर कार्रवाई क्षमता में 1 एमएस की समान स्पाइक चौड़ाई होती है, लेकिन इलेक्ट्रोड आकार बढ़ने के साथ विलंबता बढ़ जाती है। उत्तेजना की शुरुआत का समय 1 एमएस था और कैथोडिक चरण ने झिल्ली पर एक विध्रुवण का कारण बना लेकिन कार्रवाई क्षमता का कारण बनने के लिए पर्याप्त नहीं था। (सी) न्यूरॉन को एक्स-अक्ष के साथ स्थानांतरित कर दिया गया था और सक्रियण की थ्रेसहोल्ड से पता चला कि सबसे कम सीमा न्यूरॉन द्वारा प्राप्त की गई थी जिसका सोमा इलेक्ट्रोड के केंद्र के ठीक ऊपर स्थित था। इलेक्ट्रोड की त्रिज्या 50 μm थी। कृपया इस आंकड़े का एक बड़ा संस्करण देखने के लिए यहां क्लिक करें।

पूरक चित्रा 1: परिमित तत्व मॉडल का आरंभ। अध्ययन और भौतिकी के प्रकार मॉडल में हल किए गए समीकरणों की सूची निर्धारित करते हैं। ये फेम मॉडल फ़ाइल के प्रारंभिक निर्माण के दौरान सेट किए गए थे, लेकिन मॉडल बनाने के बाद भी संशोधित / जोड़ा जा सकता है। कृपया इस फ़ाइल को डाउनलोड करने के लिए यहाँ क्लिक करें.

पूरक चित्र 2: लंबाई की इकाई को बदलना। लंबाई इकाई और कोणीय इकाई ज्यामिति परिभाषा प्रक्रिया में उपयोग की जाने वाली इकाइयों को निर्धारित करती है। कृपया इस फ़ाइल को डाउनलोड करने के लिए यहाँ क्लिक करें.

पूरक चित्र 3: एक भौतिक संपत्ति सम्मिलित करना। सामग्री गुणों को 3 डी मॉडल में प्रत्येक डोमेन के लिए परिभाषित किया गया था। उपलब्ध सामग्री गुण सामग्री सेटिंग विंडो में सामग्री गुणों में सूचीबद्ध थे। विद्युत क्षमता गणना के लिए, केवल विद्युत चालकता गुण को परिभाषित किया गया था। कृपया इस फ़ाइल को डाउनलोड करने के लिए यहाँ क्लिक करें.

पूरक चित्रा 4: पैरामीटर मानों की एक सूची पर लूप करने के लिए एक पैरामीट्रिक अध्ययन बनाना। एक पैरामीट्रिक अध्ययन ने फेम सॉफ्टवेयर को स्वचालित रूप से कम्प्यूटेशन को दोहराने और प्रत्येक पुनरावृत्ति के लिए इलेक्ट्रोड त्रिज्या मान को बदलने की अनुमति दी। प्रत्येक पुनरावृत्ति के लिए गणना परिणाम संग्रहीत किए गए थे। कृपया इस फ़ाइल को डाउनलोड करने के लिए यहाँ क्लिक करें.

पूरक चित्रा 5: एसडब्ल्यूसी फ़ाइल से न्यूरॉन आकृति विज्ञान आयात करना। न्यूरॉन कम्प्यूटेशनल सुइट न्यूरोनल ट्रेसिंग से प्राप्त एसडब्ल्यूसी फ़ाइल को पढ़ने में सक्षम था। आयातित फ़ाइल में प्रत्येक न्यूरॉन खंड की आकृति विज्ञान और टोपोलॉजी पर जानकारी होती है। कृपया इस फ़ाइल को डाउनलोड करने के लिए यहाँ क्लिक करें.

पूरक चित्रा 6: एक विधि को परिभाषित करके फेम संचालन को स्वचालित करना। फेम सॉफ्टवेयर में प्रक्रियाओं को स्वचालित करने के लिए एक स्क्रिप्ट लिखकर एक विधि को परिभाषित किया गया था जिसे पैरामीट्रिक अध्ययन को परिभाषित करके नहीं किया जा सकता है। कृपया इस फ़ाइल को डाउनलोड करने के लिए यहाँ क्लिक करें.

पूरक चित्रा 7: मॉडल को एकीकृत करना और एक सामान्य उद्देश्य प्रोग्रामिंग भाषा का उपयोग करके सिमुलेशन को स्वचालित करना। सामान्य उद्देश्य प्रोग्रामिंग भाषा का उपयोग न्यूरॉन सिमुलेशन को लूप करने के लिए किया गया था, जबकि लूप में प्रत्येक चरण के लिए इनपुट के रूप में उपयोग की जाने वाली बाह्य वोल्टेज फ़ाइल और तंत्रिका प्रतिक्रिया वोल्टेज फ़ाइल को आउटपुट के रूप में बदल दिया गया था। कृपया इस फ़ाइल को डाउनलोड करने के लिए यहाँ क्लिक करें.

पूरक सामग्री: (1) वोल्टेज-निर्भर बिल्ली चैनल को परिभाषित करने के लिए कमांड लाइनें। (2) वोल्टेज- और एकाग्रता-निर्भर आयन चैनल। (3) पूर्ण .mod फ़ाइल. (4) न्यूरॉन सिमुलेशन में एक द्विध्रुवीय पल्स बनाना। (5) प्रत्येक नोड के समन्वय की गणना करना। (6) बाइफैसिक पल्स का अनुप्रयोग। (7) न्यूरॉन सिमुलेशन को निष्पादित करना। (8) वर्तमान आयामों की एक श्रृंखला पर लूपिंग। (9) फेम सिमुलेशन को स्वचालित करने के लिए एक विधि को परिभाषित करना। (10) एक सामान्य उद्देश्य प्रोग्रामिंग भाषा में सिमुलेशन चलाना। कृपया इस फ़ाइल को डाउनलोड करने के लिए यहाँ क्लिक करें.

Discussion

इस पेपर में, हमने एक मॉडलिंग वर्कफ़्लो का प्रदर्शन किया है जो परिमित तत्व और बायोफिज़िकल न्यूरॉन मॉडलिंग को जोड़ता है। मॉडल अत्यधिक लचीला है, क्योंकि इसे विभिन्न उद्देश्यों को फिट करने के लिए इसकी जटिलता में संशोधित किया जा सकता है, और यह अनुभवजन्य निष्कर्षों के खिलाफ परिणामों को मान्य करने का एक तरीका प्रदान करता है। हमने यह भी प्रदर्शित किया कि हमने स्वचालन को सक्षम करने के लिए मॉडल को कैसे पैरामीटर किया।

दो-चरण मॉडलिंग विधि एक बाह्य उत्तेजना की उपस्थिति में न्यूरॉन के केबल समीकरण को हल करने के लिए फेम और न्यूरॉन कम्प्यूटेशनल सूट का उपयोग करने के फायदों को जोड़ती है। एक फेम वॉल्यूम कंडक्टर में बाह्य क्षेत्र की सटीक गणना करने में उपयोगी है, जो अक्सर जटिल ज्यामिति या चालकता की असमानता के मामले में विश्लेषणात्मक रूप से हल करने के लिए अव्यावहारिक है। इस मॉडल की कम्प्यूटेशनल लागत भी अपेक्षाकृत कम है, क्योंकि एक स्थिर स्थिति मानी जाती है।

जबकि वर्णित मॉडलिंग विधि उपयोग और लचीलेपन में आसानी में फायदेमंद है, इस मॉडलिंग वर्कफ़्लो की सीमाएं हैं। सबसे पहले, इस विधि ने विद्युत क्षेत्र की गणना में एक तंत्रिका झिल्ली की उपस्थिति की अनुमति नहीं दी। Joucla et ^al.25 ने दो-चरण यी विधि की तुलना पूरे FEM विधि से की, जहां तंत्रिका ज्यामिति और झिल्ली गुणों को FEM मॉडल में शामिल किया गया था। उन्होंने दिखाया कि विद्युत क्षेत्र गणना में न्यूरॉन को शामिल करने से ट्रांसमेम्ब्रेन संभावित गणना बदल जाएगी जब एक बड़ी कोशिका संरचना, जैसे कि सेल बॉडी, ज्यामिति में शामिल की गई थी। विशेष रूप से, दो-चरण यी विधि में न्यूरॉन ज्यामिति के सरलीकरण का मतलब है कि एक डिब्बे में किसी भी बिंदु की ट्रांसमेम्ब्रेन क्षमता को नोड या डिब्बे के केंद्र बिंदु पर ट्रांसमेम्ब्रेन क्षमता द्वारा दर्शाया जाता है। इसके विपरीत, जौक्ला द्वारा प्रस्तावित पूरे-फेम मॉडल में न्यूरॉन की 3 डी ज्यामिति का एक स्पष्ट प्रतिनिधित्व शामिल था, जिसने डिब्बे के अंदर किसी भी बिंदु पर ट्रांसमेम्ब्रेन क्षमता के व्यक्तिगत मूल्यांकन को सक्षम किया। इस प्रकार, पूरे-फेम मॉडल अधिक उपयुक्त हो सकता है यदि ट्रांसमेम्ब्रेन क्षमता के सटीक आकार और स्थान की आवश्यकता होती है। हालांकि, यह विधि दो-चरण यी विधि की तुलना में कम्प्यूटेशनल रूप से अधिक महंगी है।

मॉडलिंग विधि की दूसरी सीमा आकृति विज्ञान और आयन कैनेटीक्स डेटा की उपलब्धता से संबंधित है। यहां इस्तेमाल किया गया मॉडल टाइगर सैलामैंडर डेटा पर आधारित था, जिसका उपयोग अन्य प्रजातियों से आरजीसी को मॉडल करने के लिए किया गया है, लेकिन मौजूद आयन चैनलों के प्रकारों में अंतर हो सकता है जिन्हें स्पष्ट नहीं किया गया है। इसलिए, आयन चैनल मापदंडों को समायोजित करने के लिए कुछ मामलों में इन विट्रो कार्य करना आवश्यक हो सकता है।

तीसरा, फेम सॉफ्टवेयर की लागत एक बाधा हो सकती है। इस मामले में, एक ओपन-सोर्स फेम प्रोग्राम²⁶ जिसमें एक अंतर्निहित पॉइसन समीकरण सॉल्वर है, एक विकल्प हो सकता है। उपयोग किए गए FEM सॉफ़्टवेयर के अलावा, इस वर्कफ़्लो में उपयोग किया जाने वाला सॉफ़्टवेयर मुफ़्त है। जबकि उपयोग किया जाने वाला फेम सॉफ्टवेयर एक सहज ज्ञान युक्त जीयूआई और एक रेडी-टू-यूज इलेक्ट्रिक करंट मॉडलिंग प्रदान करता है, एक सामान्य उद्देश्य प्रोग्रामिंग सॉफ्टवेयर में बाह्य मूल्य गणना करना संभव है। हालांकि, इसके लिए समीकरणों को हल करने के लिए भौतिक समीकरणों और संख्यात्मक विधियों को मैन्युअल रूप से परिभाषित करने की आवश्यकता^होगी। इसके अलावा, यह विधि थकाऊ हो सकती है जब एक जटिल ऊतक या इलेक्ट्रोड सरणी ज्यामिति का उपयोग किया जाना है।

Materials

Name	Company	Catalog Number	Comments
Computer workstation	N/A	N/A	Windows 64-bit operating system, at least 4GB of RAM, at least 3 GB of disk space
Anaconda Python	Anaconda Inc.	Version 3.9	The open source Individual Edition containing Python 3.9 and preinstalled packages to perform data manipulation, as well as Spyder Integrated Development Environment. It could be used to control the simulation, as well as to display and analyse the simulation data.
COMSOL Multiphysics	COMSOL	Version 5.6	The simulation suite to perform finite element modelling. The licence for the AC/DC module should be purchased. The Application Builder capability should be included in the licence to follow the automation tutorial.
NEURON	NEURON	Version 8.0	A freely-distributed software to perform the computation of neuronal cells and/or neural networks.