需要JoVE订阅才能观看此内容。 请登录或开始免费试用

方法文章

具有突触可塑性的树突棘三维建模

7K 次观看

⸱

DOI：

10.3791/60896

⸱

2020年5月18日

 , 
1Center for Mathematics, Computation and Cognition, Federal University of ABC

* These authors contributed equally

本文内容

摘要

本方案建立了一个包含树突棘的树突段三维（3D）模型，用于突触可塑性的建模。所构建的网格可用于在Blender软件中结合CellBlender和MCell程序，对长期突触可塑性过程中AMPA受体的转运进行计算建模。

摘要

在三维（3D）几何结构中对化学物质的扩散与反应进行计算建模，是理解树突棘中突触可塑性机制的基本方法。在本实验方案中，使用 Blender 软件结合 CellBlender 工具，通过网格对树突及树突棘的详细三维结构进行建模。突触区与突触外区域在网格上被明确定义。随后，定义突触受体与突触锚定分子，并赋予其相应的扩散系数。最后，引入突触受体与突触锚定分子之间的化学反应，并利用 MCell 软件对计算模型进行数值求解。该方法可描述每个单个分子在三维几何结构中的时空运动路径，因此在研究突触可塑性发生过程中突触受体进出树突棘的转运过程方面具有重要价值。该方法的一个局限性在于，分子数量较多会显著降低模拟运算速度。利用该方法对树突棘进行建模，可实现对单个树突棘内的同突触增强与抑制，以及相邻树突棘之间异突触可塑性的研究。

引言

突触可塑性与学习和记忆密切相关1。突触可塑性，例如长时程增强（LTP）和长时程抑制（LTD），分别与AMPA受体（AMPARs）在突触膜上的插入和移除有关2。AMPAR突触位于称为树突棘的小体积结构顶端3。每个树突棘在其突触后膜上含有一个富含蛋白质的区域，称为突触后密度区（PSD）。PSD上的锚定蛋白可将AMPARs捕获在突触区域。单个突触内的AMPARs数量较少，且AMPARs在树突棘中与其他分子的运输和反应属于随机过程2,4。目前已有一些关于树突棘中突触受体运输的区室化模型5,6,7,8。然而，目前尚缺乏针对树突及其树突棘三维结构中与突触可塑性相关的AMPARs运输的随机计算模型。

计算建模是研究复杂系统动态背后机制的有用工具，例如在突触可塑性发生过程中树突棘内AMPA受体的反应-扩散过程9,10,11,12。该模型可用于可视化复杂情景，调节敏感参数，并在涉及大量难以或无法通过实验控制的变量的科学条件下做出重要预测12,13。确定计算模型的细节水平是获得所模拟现象准确信息的基本步骤。理想的计算模型应在复杂性与简洁性之间取得精巧平衡，以捕捉自然现象的本质特征，同时避免计算成本过高。过于详细的计算模型可能计算代价昂贵；而细节不足的模型则可能缺少捕捉现象动态所必需的基本组分。尽管树突棘的三维建模在计算上比二维和一维更为昂贵，但在某些条件下——例如包含多个非线性变量在时间和三维空间中发生反应与扩散的复杂系统——进行三维水平的建模对于理解系统功能至关重要。此外，可通过谨慎简化以保留低维模型的关键特征，从而降低模型复杂性。

在体积较小且某种特定物种分子拷贝数较少的随机系统中，系统的平均动力学行为会偏离大群体的平均动力学行为。在此情况下，需要采用反应-扩散粒子的随机计算建模方法。本研究介绍了一种用于在三维树突棘中对少量AMPA受体（AMPARs）进行反应-扩散随机建模的方法。该方法的目的是建立包含树突棘及其突触的树突节段三维计算模型，以用于突触可塑性的模拟研究。

该方法使用软件 MCell 对模型进行数值求解，利用 Blender 构建三维网格，并通过 CellBlender 创建和可视化 MCell 模拟过程，包括分子在三维网格中的时空反应-扩散过程14,15,16。Blender 是一套用于创建网格的软件套件，而 CellBlender 是其基础软件 Blender 的一个插件。MCell 是一种用于单分子反应-扩散过程的蒙特卡洛模拟器17。

采用该方法的原理在于模拟突触可塑性，以更深入地理解树突棘微生理环境中这一现象的本质14。特别是，该方法能够模拟树突棘之间的同突触增强、同突触抑制以及异突触可塑性14。

该方法的特点包括对树突及其突触的三维几何结构、分子的随机游走扩散过程，以及与突触可塑性相关的分子化学反应进行建模。该方法的优势在于能够构建丰富的环境，用于检验假设并对具有大量变量的复杂非线性系统的功能进行预测。此外，该方法不仅可用于研究突触可塑性，还可广泛应用于研究分子在三维网格结构中的随机反应-扩散过程。

或者，可以直接在Blender中利用电子显微镜连续切片重建结果构建树突结构的三维网格18。尽管基于连续切片重建的网格能够提供三维结构，但实验数据并不总是可获取。因此，如本实验方案所述，基于基本几何结构构建网格的方法具有较高的灵活性，可用于开发带有树突棘的定制化树突片段。

另一种可选的计算方法是在规则体积内对充分混合的反应进行整体模拟9,10,11,19,20,21,22。整体模拟在求解单个充分混合体积内多种物质的反应时效率很高23，但该整体方法在求解高分辨率三维网格中大量充分混合体素内的反应-扩散过程时速度极慢。相比之下，本方法采用MCell对单个粒子的反应-扩散过程进行模拟，在高分辨率三维网格中具有较高的计算效率15。

在使用此方法之前，应首先判断所研究的现象是否需要在三维网格中采用随机反应-扩散方法。如果该现象涉及的反应物中至少有一种的拷贝数较少（少于1,000个），并在具有小体积区室（如树突棘）的复杂几何结构中扩散，则适用于在三维网格中进行随机反应-扩散建模。

构建包含树突棘及其突触可塑性的树突段三维计算模型需要多个步骤。主要步骤包括：安装用于构建模型的适当软件，构建单个树突棘作为模板以生成多个树突棘，以及创建与多个树突棘相连的树突段。建模突触可塑性的步骤包括在 PSD区域和树突段及树突棘中插入锚定蛋白和AMPARs。随后，定义位于 PSD区域的锚定蛋白与AMPARs之间的动力学反应，形成锚定蛋白-AMPAR复合物，从而将AMPARs滞留在 突触区域。相应地，锚定蛋白与突触AMPARs之间亲和力的增强和减弱分别模拟了LTP和LTD过程。

访问受限。请登录或开始试用以查看此内容。

方案

注意：本实验方案中所用术语的词汇表请参见补充文件1。

1. 安装 Blender、CellBlender 和 MCell

注意：本方案需要安装 MCell、Blender 和 Cell Blender。

  1. 在 MCell 主页（https://mcell.org/tutorials_iframe.html）下载并安装软件。点击页面顶部的“Downloads”部分，然后按照分步说明在所选环境中下载并安装软件（例如 Linux、Mac OSX 或 Windows）。
    注意：本方案中描述的所有计算模型和模拟均在包含 Blender 2.78、MCell 3.4 和 CellBlender 1.1 的 CellBlender 1.1 软件包上进行测试。该软件包在 Blender 2.79b 上也可正常运行。所有这些软件均为开放获取，无需获得再版许可即可使用。不同版本之间的模型构建与模拟操作说明可能略有差异。本方案部分内容改编自 Czech 等人16。

2. 创建单个树突棘

注意：本实验方案使用经修饰的球体创建单个树突棘的网格模型，该模型包含树突棘头和树突棘颈。

  1. 在主面板中设置 Blender 3D 视图。
    1. 打开已安装 CellBlender 的 Blender。按下 5 在键盘上切换 视角 到 正交的 查看并按下 1 切换至前视图。透视图具有景深效果，但当前无需此效果。从 视角 到 正交 视图可更清晰地显示网格。按 Shift+C 将光标居中（图1A).
  2. 创建树突棘头部。
    1. 按压 Shift+A 打开网格调色板。选择 网孔 然后选择 紫外球体. UV球体是一种映射到球体三维表面的网格。该UV球体代表蘑菇状树突棘的球形头部。软件默认UV球体的单位为微米。
    2. 更改参数以 添加紫外光球体 面板。更换 大小 到 0.25 和 环状结构 到 32 (图1B）。按压 + 或 – 在键盘上分别按相应键以放大和缩小网格的可视化效果。或者，使用鼠标滚轮上下滚动以实现放大和缩小（图1C).
      注意： 参数大小 缩放原始球体的大小以及 参数环 定义网格的分辨率。
  3. 使头部顶部保持平坦。
    1. 按压 标签 切换 搅拌器 来自 物体模式，该 标准物体交互模式，以 编辑模式. 在工作中 编辑模式 用于修改现有网格的组分。
    2. 创建的网格被自动选中后，按 a 取消选择创建的网格。按 z 使网格变为透明，以方便观察需要编辑的部分。放大网格。按下 b 使用鼠标选择球体的上¾部分（图2A）。按压 删除，选择 顶点，以及 进入 以去除顶点（图2B).
    3. 按压 b 并选择顶部。按下 e, s, 0，以及 输入 用蓝色箭头向下移动，与树突棘头部顶端对齐，同时保持顶点仍被选中，以密封顶部。图2C）。按压 z 切换为实体视图（图3A）。按压 7 切换至顶视图。
      注意：球体的顶部被做成平面，以模拟树突棘头部的PSD区域。
  4. 为提高脊柱顶部的网格分辨率，首先进行选择 工具与刀具用刀在顶部中心周围切出一个圆形图3B）。选择 工具 和 环切与滑移. 重复此步骤四次，以在顶部中心周围形成四个同心圆图3C).
    注意：使用同心圆来添加新的体素，以提高PSD的分辨率。
  5. 创建树突棘颈部。
    1. 按压 a 取消选中网格。按 1 切换至前视图。按下 z 使网格变为透明。按下 b 然后选择网格的底部（图4A）。按压 删除 和 顶点 (图4B）。按压 b 并选择网格的底部（图4C）。按压 e 和 z, -0.45 以形成挤出物（图 4D).
      注意：这将生成一个延伸至 z 轴 -0.45 μm 位置的挤出结构。按下 a 取消选择整个网格。
    2. 按压 b 并选择颈部下方。按压 e, s，以及 0 密封底部（图4E）。按压 a 选择整个网格。
  6. 使网格与 MCell 兼容。
    1. 按压 Crtl+T 对网格进行三角剖分。将网格转换为一组相互连接的三角形。这是使网格与 MCell 兼容所必需的步骤。选择 工具 和 去除重复项. 使用 去除重复细胞 用于移除具有相同坐标或彼此非常接近的重复顶点的工具（如果存在），以使网格与 MCell 兼容。
      注意：在网格创建和编辑过程中，可能意外生成了重叠的顶点。
    2. 选择 模型对象 在 CellBlender 面板. 更改名称 主动物体 到 脊柱 并按压 + 以创建对象的脊柱。在 CellBlender 面板，选择 网孔分析 然后点击 分析网格 (图4F）此步骤将分析所创建网格的属性，包括顶点数、边数、面数、表面积、体积及网格拓扑结构。
      注意：分析将打印出信息 网格分析面板 它应该是 密封的, 多流道，以及 向外的法线此步骤是确保网格能够在 MCell 上正常运行所必需的。否则，可能遗漏了某个步骤。在这种情况下， 删除 网筛并重新从步骤 2.1 开始。
    3. 按压 z 以可视化脊柱的立体结构。按压 文件与保存 将脊柱保存在磁盘上的 Blender 文件副本。
      注意：网孔的尺寸（即长度、直径、大小）单位为微米。键盘快捷键的含义请参见术语表。

3. 创建具有多个棘突的树突

  1. 按照第2.1–2.6节中所述方法生成脊柱。按压 a 取消选中脊柱。输入 Shift+C 将光标居中。
  2. 创建一个树突。按下 Shift+A 打开网格调色板。选择 网孔 然后 圆柱体. 更改参数 添加圆柱体 菜单： 半径 = 0.3 μm, 深度 = 2 μm. 按压 进入.
    注意：参数半径和深度根据树突的几何特征定义。
  3. 在树突中插入一个棘突。
    1. 按压 r 和类型 90 将圆柱体旋转90°（图 5A）。使用蓝色箭头将圆柱体拖动至脊柱底部。按下 3 在键盘上操作以获得圆柱体的正面视图。
    2. 按压 z 使网格变为透明。使用鼠标将圆柱体的蓝色法线箭头向下移动，以将脊柱的基部移至圆柱体内部（图5B）。按压 a 取消选择所有对象。
    3. 使用鼠标右键选择树突（图5C）。选择 修饰因子 在Blender面板上（图 5D），选择 添加修饰剂然后选择 布尔，选择 行动联盟，并选择 物体棘突. 按压 应用 创建树突与树突棘的联合网格图5E）此操作会创建一个新网格，将两个网格合并为单个网格。
      注意：新生成的网格将包含树突和树突棘的组合结构。当不同网格合并后，独立的树突部分会消失，但独立的树突棘网格仍会与新网格重叠，并用于生成多个相同的树突棘副本。在完成网格构建后，需删除所有独立的树突棘。必须确保树突棘颈部与树突之间完全重叠，否则网格将无法形成密闭结构。
  4. 将树突对象设置到 CellBlender 环境中。
    1. 按压 a 取消选中网格。使用鼠标在树突上右键单击，仅选择该树突。选择 CellBlender, 模型对象，以及改变 主动物体 到 树突 并按压 + 创建树突对象。
  5. 在树突中插入新的棘突。
    1. 按压 1 切换到圆柱体的侧视图。使用鼠标选择孤立脊柱的网格。如需插入更多脊柱，请遵循步骤3.3，调整每个脊柱的插入位置和角度，以获得生理性的分布。
  6. 使网格与 MCell 兼容。为此，请按下 标签 前往 编辑模式. 按压 a 选择整个网格。按下 Crtl+T 对网格进行三角剖分。选择 工具 在 搅拌器 面板并选择 去除双细胞.
  7. 对网格进行样式化处理。
    1. 平滑网格。按压 标签 更换为 物体模式选择 工具 在 搅拌器 面板并选择 平滑选择 CellBlender, 模型对象，并选择 添加材料.
    2. 通过选择使网格变为透明 物体透明 和 材料透明. 变化 α 至 0.5 和 进入 使网格部分透明。按下 z 切换为实体视图。
  8. 确认网格是否仍与 MCell 兼容。为此，请选择 网孔分析 在 CellBlender 面板 确保网格仍然 不透水的, 流形网格，以及 朝外的法向量.
  9. 保存 blender 文件作为 dendrite_with_spines.blend.

4. 定义表面区域

注意：此步骤将生成网格的表面区域，后续将用于设置这些区域与分子之间的相互作用方式。

  1. 打开文件 带有树突棘的树突 在 Blender 环境为此，请选择 文件, 开放, dendrite_with_spines.blend，以及 打开 Blender 文件.
  2. 准备用于定义表面区域的网格。为此，请按下 标签 更换为 编辑模式. 按压 z 切换至透明视图（视口着色，线框）。按压 a 选择带有棘突的整个树突网格。选择 模型对象选择 树突. 按压 t 以隐藏 CellBlender 面板 并在主面板中更好地可视化整个网格。
    1. 使用 + 和 – 在键盘上使用缩放功能或用鼠标滚轮进行缩放，以更清晰地观察脊柱顶部，从而选择并定义表面区域。按下 a 取消选择该对象。按 标签 更换为 编辑模式. 按压 t 展示 CellBlender 面板 再次。
  3. 定义PSD表面区域。为此，请按 b 并用鼠标选择树突棘的顶部图6A,6B）。按压 + 开启 明确的表面区域. 更换 区域名称 到 PSD1 并点击 分配 (图6C）。按压 a 取消选择该对象。
  4. 定义突触外表面区域。为此，请按下 b 并使用鼠标选择树突棘顶端周围的区域（图 6D）。对 区域名称 至 额外_syn1. 重复步骤 4.3，对其他脊柱进行操作以定义网格的其他区域（PSD2, PSD3, PSD4, 额外的 syn2, 额外_syn3，以及 额外_syn4) (图6F）。按压 a 取消选择该对象。
  5. 定义树突末端的表面区域。为此，请按下 b 并选择树突的左端。更改 区域名称 到 左端 并点击 分配. 按压 a 取消选择该对象。按 b 并选择树突的右端（图6E）。更换 区域名称 到 右端 并点击 分配.
    注意：移动网格以找到选择每个目标的最佳位置 限定区域.

5. 创建分子

  1. 构建AMPARs。为此，选择 分子 在 CellBlender 面板选择 + 开启 明确的分子 插入新分子并进行修改 名称 到 AMPAR. 改变 分子类型 至 表面分子 和 扩散常数 到 5 × 10⁻¹⁰ cm2/s14 以确定膜上AMPARs的扩散常数（图7A).
  2. 创建锚点。操作方法为，选择 分子 在 CellBlender 面板选择 + 开启 明确的分子 插入新分子并进行修改 名称 到 锚点. 改变 分子类型 到 表面分子 并改变 扩散常数 到 0.001e-8 厘米2/s14 以确定膜中锚定分子的扩散常数（图7A).
  3. 为了创建与AMPARs结合的锚定物，选择 分子 在 CellBlender 面板选择 + 在 明确的分子 插入新分子。更改 名称 到 锚定AMPA受体. 改变 分子类型 到 表面分子. 变化 扩散常数 到 0.001e-8 厘米2/s14.
  4. 创建 锚定LTP和锚定AMPAR-LTP. 为此，请重复步骤 5.2。为该分子命名 锚定LTP. 重复步骤 5.3。为分子命名 锚定AMPA受体的长时程增强.
    注意： 锚定长时程增强（anchor_LTP） 对……具有高亲和力 AMPAR因此，AMPA受体在突触区域增加。
  5. 创建 锚定LTD 和 锚定AMPAR-LTD. 创建一个 锚点长时程抑制, 重复步骤 5.2。为分子命名 锚定长时程抑制. 重复步骤 5.3。为分子命名 锚定AMPAR-LTD.
    注意：该 锚定LTD 对……亲和力较低 AMPAR因此，AMPA受体在突触区域减少。

6. 定义表面类别

注意：此步骤定义了与表面区域相关联的具有特定属性的类别。胞外突触区域反映游离锚点及与AMPAR结合的锚点。树突的侧端反映所有分子。

  1. 定义突触外区域的特性。
    1. 按压 标签 更换为 物体模式选择 表面类别 在 CellBlender 面板. 按压 + 在 表面分类 定义一个新的表面类别。
    2. 使突触外区域反映 AMPAR 结合到 锚点 分子
      注意：此步骤将捕获 锚点 以及突触区域内与它们结合的所有物质。
      1. 改变 表面类别名称 到 反射性额外同步. 按压 + 开启 反射性额外同步 特性 将其与分子关联。选择 分子 | 单分子. 选择 锚定AMPA受体. 选择 方向 = 忽略. 选择 类型 = 反射性 以使该区域显现 锚定AMPA受体 分子
      2. 重复步骤 6.1.2.1 锚定AMPAR与LTP 和 锚定AMPAR-LTD.
    3. 使突触外区域反映 锚点。
      1. 按压 + 开启 反射性额外同步 性质 将其与一个分子关联。选择 分子 | 单分子. 选择 锚点. 选择 方向 = 忽略. 选择 类型 = 反射性 以使该区域反映 锚点 分子
      2. 重复步骤 6.1.3.1 锚定LTP 和 锚定LTD.
  2. 定义树突末端的特性。为此，请按下 + 在 表面分类 定义一个新的表面类别。更改 表面类别名称 到 反射端. 按压 + 开启 特性 将其与一个分子关联。选择 分子 | 所有表面分子. 选择 方向 | 忽略. 选择 类型 | 反射性 以使其反映所有表面分子。

7. 将创建的类别分配给每个表面区域

注意：此步骤将表面类别分配给表面区域。

  1. 分配末端的属性 树突
    1. 按压 + 至 分配 具有区域的表面类。选择 反射端 用于 表面类别名称 (图7C）。选择 树突 用于 对象名称选择 指定区域 用于 区域选择选择 左端 用于 区域名称.
    2. 重复步骤 7.1.1 对于 右端 (图7D).
  2. 分配突触外区域的属性。
    1. 按压 + 为区域分配一个表面类别。选择 反射性额外同步 用于 表面类别名称选择 树突 用于 对象名称选择 指定区域 用于 区域选择选择 额外突触1 用于 区域名称.
    2. 重复步骤 7.2.1 额外的 syn2, 额外_syn3，以及 额外_syn4.

8. 将分子放置在网格上

注意：此步骤将AMPARs、锚定蛋白以及与锚定蛋白结合的AMPAR放置在网格上。

  1. 放置 AMPAR 分子 在网格上选择 分子定位 在 CellBlender 面板. 按压 + 在 释放/放置位点 以创建一个 新发布站点. 变化 站点名称 至 relAMPAR (图7B）。选择 分子 = AMPAR. 物体/区域 = 树突[ALL](树突[左端]+树突[右端]). 释放量 = 1,000.
  2. 放置 锚点 网格上的分子
    1. 选择 分子定位 在 CellBlender 面板. 按压 + 在 释放/放置位点 以创建一个 新发布站点. 更改 站点名称 到 rel_anchor_PSD1. 选择 分子 锚点. 物体/区域 = 树突[PSD1]. 释放量 = 200.
    2. 重复步骤 8.2.1 PSD2, PSD3，以及 PSD4.
  3. 放置 锚定长时程增强（anchor_LTP） 分子 在网格上。为此，请选择 分子定位 在 CellBlender 面板. 按压 + 在 释放/放置位点 以创建一个 新发布站点. 变化 站点名称 到 rel_anchor_LTP_PSD1. 选择 分子 = 锚定LTP. 物体/区域 = 树突[PSD1]. 释放量 = 0.
    注意： 锚定LTP 具有高结合亲和力的锚定分子 AMPARs
  4. 放置 锚定长时程抑制 分子 在网格上重复步骤 8.3 锚定LTD.
    注意： 锚定LTD 是一种对...结合亲和力较低的锚定分子 AMPARs

9. 建立化学反应

  1. 创建 反应 之间 锚点 和 AMPARs
    1. 选择 反应 (图7D）以配制反应体系。按压 + 以包括一个 新反应. 反应物 = 锚定 + AMPA受体. 反应类型 = <->. 这定义了一个双向反应。 产品 = 锚定AMPA受体. 正向速率 = 0.03. 逆向速率 = 0.05.
  2. 创建 反应 之间 ANCHOR_LTP 和 AMPARs 为此，请重复步骤 9.1，但替换 锚点 与 锚定长时程增强（anchor_LTP），并使用一个 逆向速率 = 0.005 以增强两者之间的亲和力 反应物.
  3. 创建 反应 介于 锚定LTD 和 AMPARs 并保存文件。为此，请重复步骤 9.2，但替换 锚点 与 锚定长时程抑制，并使用一个 逆向速率 = 0.5 降低两者之间的亲和力 反应物然后 保存 文件。

10. 绘制模型的输出结果

  1. 绘图 锚点 结合到 AMPARs 在 PSD1 在基础状态下。为此，选择 绘图输出设置. 按压 + 定义 分子选择 锚定AMPA受体 开启 分子选择 树突 开启 对象选择 PSD1 开启 区域对所有PSD区域重复步骤10.1。
    注意：观察捕获的基线数量是有用的 AMPARs 到每个树突棘的突触后密度区（PSD）。结合到PSD上的锚定蛋白数量 AMPARs 与基础状态相比，可在LTP和LTD期间增加或减少。
  2. 与锚定的绘图锚点 AMPARs 在 的 PSD1 在LTP期间。通过重复步骤10.1进行操作。替换 锚定AMPA受体 与 锚定AMPAR-LTP，然后绘制与锚点结合的图 AMPARs 在 的 PSD1 在LTD期间最终重复 步骤10.1，但替换 锚定AMPA受体的长时程增强 与 锚定AMPAR的LTD.

11. 运行模拟

  1. 运行基础条件时，选择 运行模拟。 选择 迭代 = 30,000. 设置 时间步长 = 1×10⁻³ s. 按压 导出 & 运行等待模拟结束。所需时间可能从几分钟到几小时不等。
    注意：在基础状态下，无释放发生 锚定长时程增强（anchor_LTP） 和 rel_anchor_LTD 分子关于模拟参数，迭代次数需要足够长，以便能够观察到扩散现象 AMPARs 从树突及其在突触后密度区（PSD）的锚定位点出发。较小的时间步长虽然模拟精度更高，但完成模拟所需时间更长。
  2. 选择 重新加载可视化数据选择 播放动画 以可视化时空结果（图8）。选择 绘图输出设置. 按压 绘图.
    注意：由 CellBlender 是所选化学物质的孤立时间序列。可以使用第三方程序导入多次模拟保存的数据，以创建多种条件下的叠加图（例如，基础状态、LTP、LTD；参见 图8).
  3. 运行同突触增强条件（即LTP；参见 图8）。为此，请选择 分子定位 在 CellBlender 面板选择 rel_anchor_LTP_PSD1 在 释放/放置位点.
  4. 改变 释放量 = 200. 选择 rel_anchor_LTD_PSD1 在 释放/放置位点. 改变 释放量 = 0. 选择 rel_anchor _PSD1 在 释放/放置位点. 变化 释放量 = 0. 重复步骤 11.1–11.2。
  5. 运行同突触抑制条件（即长时程抑制，LTD；参见 图8）。为此， 释放 200 rel_anchor_LTD_PSD1 而不是 rel_ANCHOR_LTP_PSD1. 设置 rel_anchor 和 rel_anchor_LTP_PSD1 到 零. 重复步骤 11.1–11.2。

访问受限。请登录或开始试用以查看此内容。

结果

这些结果提供了构建模拟树突棘（包含棘头和棘颈）的三维网格的步骤（图1 至 图4）。此外，可在单个树突节段中插入多个树突棘（图5），以研究AMPA受体的异突触可塑性14。位于棘头顶部的突触后致密区（PSD）（图6）是突触锚定蛋白结合AMPA受体并暂时将其捕获在突触部位的位置（图7、图8）。

可通过每个树突棘处 anchor_AMPAR、anchor_AMPAR_LTP 和 anchor_AMPAR_LTD 物种数量的变化，粗略验证突触可塑性。为精确计算突触可塑性的发生情况，建议计算突触处锚定AMPARs与游离AMPARs总数的变化...

访问受限。请登录或开始试用以查看此内容。

讨论

本文介绍了一种用于构建三维网格的方法，以模拟树突棘中树突区段上的反应-扩散型突触可塑性过程。所建立的模型包含一个带有少量树突棘的树突区段。通过AMPA受体（AMPARs）与突触锚定蛋白之间的侧向扩散和反应，可模拟基础动力学过程。该方案中的关键步骤包括：切割球体以形成树突棘头部顶端（图1，图2，图3），拉伸生成树突棘颈部（图4），以及将树突与树突棘合并为单一网格（图5）。必须确保树突棘颈部与树突之间完全重叠，否则网格将无法形成密闭结构。其他关键步骤包括膜区域的选择以及表面类别的定义（图6，图7）。每个关键步骤的文件应以不同名称分别保存。

在创建单个树突棘以及将树突棘与树突...

访问受限。请登录或开始试用以查看此内容。

披露

作者声明不存在任何竞争性经济利益。

致谢

本工作部分得到了圣保罗州科学基金会（FAPESP）基金项目 #2015/50122-0 和 IRTG-GRTK 1740/2、IBM/FAPESP 基金项目 #2016/18825-4 以及 FAPESP 基金项目 #2018/06504-4 的支持。

访问受限。请登录或开始试用以查看此内容。

材料

本文使用的材料清单
姓名公司目录编号评论
BlenderBlender 基金会https://www.blender.org/
CellBlender匹兹堡大学https://mcell.org/
Mcell匹兹堡大学https://mcell.org/

参考文献

  1. Sweatt, J. D. Neural plasticity and behavior - sixty years of conceptual advances. Journal of Neurochemistry. 139, 179-199 (2016).
  2. Heine, M., et al. Surface mobility of postsynaptic AMPARs tunes synaptic transmission. Science. 320 (5873), 201-205 (2008).
  3. Buonarati, O. R., Hammes, E. A., Watson, J. F., Greger, I. H., Hell, J. W. Mechanisms of postsynaptic localization of AMPA-type glutamate receptors and their regulation during long-term potentiation. Science Signaling. 12 (562), 6889(2019).
  4. Nair, D., et al. Super-Resolution Imaging Reveals That AMPA Receptors Inside Synapses Are Dynamically Organized in Nanodomains Regulated by PSD95. Journal of Neuroscience. 33 (32), 13204-13224 (2013).
  5. Czöndör, K., et al. Unified quantitative model of AMPA receptor trafficking at synapses. Proceeding of the National Academy of Sciences of the United States of America. 109 (9), 3522-3527 (2012).
  6. Triesch, J., Vo, A. D., Hafner, A. S. Competition for synaptic building blocks shapes synaptic plasticity. eLife. 7, 37836(2018).
  7. Earnshaw, B. A., Bressloff, P. C. Biophysical model of AMPA receptor trafficking and its regulation during long-term potentiation/long-term depression. Journal of Neuroscience. 26 (47), 12362-12373 (2006).
  8. Earnshaw, B. A., Bressloff, P. C. Modeling the role of lateral membrane diffusion in AMPA receptor trafficking along a spiny dendrite. Journal of Computational Neuroscience. 25 (2), 366-389 (2008).
  9. Antunes, G., Roque, A. C., Simoes-de-Souza, F. M. Stochastic Induction of Long-Term Potentiation and Long-Term Depression. Scientific Reports. 6, 30899(2016).
  10. Kotaleski, J. H., Blackwell, K. T. Modelling the molecular mechanisms of synaptic plasticity using systems biology approaches. Nature Reviews Neuroscience. 11 (4), 239-251 (2010).
  11. Bhalla, U. S. Molecular computation in neurons: a modeling perspective. Current Opinion in Neurobiology. 25, 31-37 (2014).
  12. Czöndör, K., Thoumine, O. Biophysical mechanisms regulating AMPA receptor accumulation at synapses. Brain Research Bulletin. 93, 57-68 (2013).
  13. Bromer, C., et al. Long-term potentiation expands information content of hippocampal dentate gyrus synapses. Proceedings of the National Academy of Sciences of the United States of America. 115 (10), 2410-2418 (2018).
  14. Antunes, G., Simoes-de-Souza, F. M. AMPA receptor trafficking and its role in heterosynaptic plasticity. Scientific Reports. 8 (1), 10349(2018).
  15. Kerr, R. A., et al. Fast monte carlo simulation methods for biological reaction-diffusion systems in solution and on surfaces. SIAM Journal on Scientific Computing. 30 (6), 3126(2008).
  16. Czech, J., Dittrich, M., Stiles, J. R. Rapid Creation, Monte Carlo Simulation, and Visualization of Realistic 3D Cell Models. Systems Biology. 500, 237-287 (2009).
  17. Stiles, J., Bartol, T., et al. Monte Carlo Methods for Simulating Realistic Synaptic Microphysiology Using MCell. Computational Neuroscience. De Schutter,, et al. , CRC Press. (2000).
  18. Jorstad, A., et al. NeuroMorph: A Toolset for the Morphometric Analysis and Visualization of 3D Models Derived from Electron Microscopy Image Stacks. Neuroinformatics. 13 (1), 83-92 (2015).
  19. Antunes, G., Roque, A. C., Simoes de Souza, F. M. Modelling intracellular competition for calcium: kinetic and thermodynamic control of different molecular modes of signal decoding. Scientific Reports. 6, 23730(2016).
  20. Antunes, G., Roque, A. C., Simoes-de-Souza, F. M. Molecular mechanisms of detection and discrimination of dynamic signals. Scientific Reports. 8 (1), 2480(2018).
  21. Hoops, S., et al. COPASI--a COmplex PAthway SImulator. Bioinformatics. 22 (24), 3067-3074 (2006).
  22. Faeder, J. R., Blinov, M. L., Hlavacek, W. S. Rule-based modeling of biochemical systems with BioNetGen. Methods in Molecular Biology. 500, 113-167 (2009).
  23. Gillespie, D. T. Exact stochastic simulation of coupled chemical reactions. Journal of Physical Chemistry. 81 (25), 21(1977).
  24. Anggono, V., Huganir, R. L. Regulation of AMPA receptor trafficking and synaptic plasticity. Current Opinion in Neurobiology. 22 (3), 461-469 (2012).
  25. Matsuda, S., Launey, T., Mikawa, S., Hirai, H. Disruption of AMPA receptor GluR2 clusters following long-term depression induction in cerebellar Purkinje neurons. EMBO Journal. 19 (12), 2765-2774 (2000).
  26. Ahmad, M., et al. Postsynaptic Complexin Controls AMPA Receptor Exocytosis during LTP. Neuron. 73 (2), 260-267 (2012).
  27. Sheng, M., Hoogenraad, C. C. The postsynaptic architecture of excitatory synapses: a more quantitative view. Annual Review of Biochemistry. 76, 823-847 (2007).

访问受限。请登录或开始试用以查看此内容。

重印与许可

标签

Blender CellBlenderMCell 模拟AMPAR 转运扩散常数化学反应网格三角剖分同突触增强
具有突触可塑性的树突棘三维建模
联系我们
向图书馆推荐

隐私政策

使用条款

政策

版权所有 © 2026 MyJoVE Corporation。保留所有权利。