一个基于生物物理学的谷氨酸能突触传递模型,该模型整合了谷氨酸转运、受体动力学以及电紧张效应

《Journal of Computational Neuroscience》:A biophysically grounded model of glutamatergic synaptic transmission integrating glutamate transport, receptor kinetics, and electrotonic effects

【字体: 大 中 小 】 时间:2026年05月14日 来源:Journal of Computational Neuroscience 2

编辑推荐:

  摘要:谷氨酸能突触传递对于学习和记忆至关重要,它依赖于星形胶质细胞转运蛋白(特别是EAAT2)对细胞外谷氨酸水平的精确调节。尽管现有的AMPA和NMDA受体动力学模型常常过度简化了谷氨酸的动态过程,或者在计算上变得难以处理,但本研究开发了一个平衡的、基于生物物理学的模型,该模型整

  摘要:谷氨酸能突触传递对于学习和记忆至关重要,它依赖于星形胶质细胞转运蛋白(特别是EAAT2)对细胞外谷氨酸水平的精确调节。尽管现有的AMPA和NMDA受体动力学模型常常过度简化了谷氨酸的动态过程,或者在计算上变得难以处理,但本研究开发了一个平衡的、基于生物物理学的模型,该模型整合了谷氨酸转运、受体敏感性和电紧张效应。使用大鼠海马切片,我们在控制条件下以及谷氨酸转运蛋白被阻断的情况下记录了CA1锥体神经元的突触后电流。所提出的数学模型由七个常微分方程组成,区分了细胞体和树突区室、突触可塑性以及AMPA和NMDA受体的不同敏感性。关键发现表明,谷氨酸转运蛋白的阻断延长了NMDA受体介导的电流,而不改变AMPA受体的动力学,这与NMDA受体较高的谷氨酸敏感性一致。该模型还预测了突触内和突触外空间中的谷氨酸浓度,为理解神经递质的空间动态提供了见解。此外,它还解释了实验观察到的电压依赖性NMDA反应和短期可塑性。通过弥合过度简化和过于复杂的方法之间的差距,这项工作为研究正常和病理条件下的突触传递提供了一个多功能工具,例如在癫痫或神经退行性疾病中,谷氨酸失调起着核心作用。

1 引言
谷氨酸是中枢神经系统中的主要兴奋性神经递质,在突触传递、可塑性和学习中起着关键作用(Meldrum, 2000)。它通过离子型受体(Hansen等人,2021)介导快速兴奋性信号传导,这些受体对于信息处理和记忆形成至关重要(Reiner & Levitz, 2018; Riedel等人,2003)。突触间隙和细胞外空间中谷氨酸水平的精确调节对于维持兴奋与抑制之间的平衡至关重要,这一过程主要由星形胶质细胞的谷氨酸转运蛋白(特别是EAAT2)控制(Chen等人,2004; Scimemi, 2019; Tzingounis & Wadiche, 2007)。谷氨酸信号传导的失调与多种神经系统疾病有关,如癫痫、中风和神经退行性疾病,这突显了其作为神经科学研究重点的重要性(Mogoanta等人,2014; Pajarillo等人,2019; Tanaka等人,1997; Tian等人,2005; Zaitsev等人,2020)。理解谷氨酸能传递的机制不仅对于阐明正常的大脑功能至关重要,而且对于揭示神经系统疾病的病理过程也至关重要。数学建模已成为研究这些复杂过程的强大工具,使研究人员能够整合实验数据并预测在不同条件下的系统行为。通过模拟谷氨酸的释放、扩散和摄取动态,模型可以提供关于突触反应如何受到受体动力学、电紧张效应和突触可塑性等因素影响的见解(Sylantyev等人,2008, 2013; T?nnesen等人,2018, 2023)。

现有的模型分为两个极端:要么是过于简化的方法,要么是计算上难以处理的过于复杂模型。在这里,我们通过开发一个既简洁又基于生物物理学的模型来填补这一空白,该模型在生物准确性和计算效率之间取得了平衡。简化模型忽略了谷氨酸转运和扩散的作用。过于复杂的模型包含了突触几何的详细空间动态,但这使得它们在大规模网络模拟中计算成本过高。简化模型通常基于常微分方程(ODEs)系统,描述了AMPA和NMDA受体的开放和关闭,但一般忽略了谷氨酸扩散和转运的空间方面(Chizhov, 2014; Dayan & Abbott, 2001; Destexhe等人,1994, 1998)。在这些没有详细考虑神经递质动态的模型中,突触后电导被看作是ODE的解,该ODE用一个或两个指数时间核过滤了任意的突触前脉冲序列或发射率。例如,在Chizhov(2014)中,二阶ODE将突触电导近似为发射率与形状单一突触后事件的alpha函数的卷积(Rall, 1967)。虽然这些模型在计算上高效且适用于模拟网络活动,但它们未能捕捉到突触传递的全部复杂性,特别是星形胶质细胞清除谷氨酸的作用。相反,更复杂的模型包括了突触几何和分子扩散的详细描述(Allam等人,2012; Franks等人,2002; Rusakov & Kullmann, 1998; Sylantyev等人,2008, 2013),提供了更准确的谷氨酸动态表示,但往往计算密集且难以应用于大规模模拟。这种二分法突显了需要一个在生物准确性和计算可行性之间取得平衡的模型的需求。

在这里,我们通过开发一个简洁但基于生物物理学的谷氨酸能电流模型来填补这一空白。该模型包括:(1)谷氨酸在突触内和突触外区室中的扩散,(2)EAAT2介导的摄取,(3)电压依赖的NMDA受体调节,(4)短期可塑性,以及(5)两室神经元中的电紧张信号传播。该模型由七个ODE组成,平衡了生物真实性和计算效率。我们使用大鼠海马切片的实验记录来验证它,证明了其复制关键现象的能力,包括EAAT2阻断对AMPA和NMDA受体动力学的不同影响。此外,该模型预测了突触间隙中的谷氨酸浓度——这是一个实验上难以测量的变量。该模型旨在描述由Schaffer侧支场刺激共同激活的许多突触的群体平均响应,而不是单个突触接触的响应;这种群体级别的描述使其可以直接应用于网络规模模拟。通过统一转运蛋白动态、受体敏感性和树突整合,这项工作提高了我们在健康和疾病状态下模拟突触传递的能力,为机制研究和网络级别探索提供了一个多功能工具。

2 方法
2.1 实验方法
2.1.1 动物准备和切片制备
实验是在来自俄罗斯科学院Sechenov进化生理学和生物化学研究所(圣彼得堡)的三周大的雄性Wistar大鼠身上进行的。动物在标准实验室条件下饲养,可以自由获取食物和水。所有实验程序均符合欧洲共同体理事会指令86/609/EEC,并按照机构关于实验室动物伦理使用的指南进行。大鼠通过斩首处死,然后迅速解剖其大脑。大脑切片的制备方法如前所述(Postnikova等人,2021)。简而言之,使用振动切片机(Microm HM 650 V,Microm,德国)切割厚度为350微米的水平切片。切片保存在人工脑脊液(ACSF)中,其组成如下(以毫摩尔计):126 NaCl,24 NaHCO?,2.5 KCl,2 CaCl?,1.25 NaH?PO?,1 MgSO?,和10葡萄糖。ACSF持续用95% O?和5% CO?的混合物进行氧合。切片切割后转移到含氧的ACSF中,在35°C下孵育一小时,然后进行电生理记录。每只大鼠使用一到五个切片进行实验。
2.1.2 电生理记录
从CA1锥体神经元获得全细胞膜片钳记录;总共记录了大约60个细胞,来自25只大鼠,其中选择了4个代表性神经元用于模型拟合。这些神经元还通过其规律的尖峰发射模式被识别为主要的兴奋性细胞,且在发射序列中有明显的频率适应。记录时使用的pipette溶液包含(以毫摩尔计):127铯甲磺酸盐(CsMeSO?),10 NaCl,5 EGTA,10 HEPES,6 QX314,4 ATP-Mg,和0.3 GTP,pH值用CsOH调整至7.25;或者使用另一种pipette溶液(以毫摩尔计):136葡萄糖酸钾(K-Glu),10 NaCl,5 EGTA,10 HEPES,4 ATP-Mg,和0.3 GTP,pH值用KOH调整至7.25。系列电阻未进行补偿。通过使用双极钨丝电极电刺激Schaffer侧支轴突来诱发兴奋性突触后电流(EPSCs)。记录间隔为20秒,以确保响应稳定性。
在-80 mV的保持电位下记录AMPA受体介导的响应,而在-20 mV和+40 mV的保持电位下记录NMDA受体介导的响应。为了分离通过AMPA和NMDA受体的电流,在灌注溶液中添加了特定的药物:bicuculline(10 μM)以阻断GABA?受体,DNQX(20 μM)以阻断AMPA受体,以及D-AP5(50 μM)以阻断NMDA受体。为了研究谷氨酸转运的作用,在开始电生理记录前一小时向外部溶液中添加了广谱EAAT抑制剂TFB-TBOA(300 nM),该抑制剂可以阻断EAAT1、EAAT2和EAAT3。由于EAAT2是海马CA1突触中的主要谷氨酸转运蛋白,并且表达在突触周围的星形胶质细胞上,我们在整个手稿中将这种操作称为“EAAT2主导阻断”;然而,我们也承认EAAT1(星形胶质细胞)和EAAT3(突触后神经元)阻断的潜在贡献。使用双尾Student's t检验(根据实验设计分为配对或非配对)进行对照组和TFB-TBOA条件之间的统计比较,显著性阈值分别设定为p < 0.05(*),p < 0.01(**),和p < 0.001(***),如图4所示。
2.2 数学模型
我们开发了一个能够再现实验观察到的突触电流的数学模型,其中包括以下关键特征:(i)膜上的电流整合,(ii)体细胞和树突的电紧张传播,(iii)谷氨酸释放,(iv)谷氨酸在突触间隙中的扩散,(v)响应形状的电压依赖性,(vi)谷氨酸在突触间隙和突触外空间之间的扩散,(vii)谷氨酸摄取,(viii)突触前可塑性,包括促进和脱敏/抑制,以及(ix)AMPA和NMDA受体的激活,考虑了它们对谷氨酸的不同敏感性(图1中的红色和橙色线条)。所提出的模型基于七个常微分方程(ODEs)系统,旨在复制实验观察到的突触传递动态。

图1
该图像的替代文本可能是使用AI生成的。
全尺寸图像
所提出模型的示意图。该模型基于七个常微分方程(ODEs)系统,并包含了上述关键特征,能够再现实验观察到的突触电流。

2.2.1 神经元模型
数学模型基于一个两室神经元模型(Chizhov等人,2015),其中假设AMPA和NMDA受体都位于树突上。在电流钳(CC)模式下,模型由两个方程组成,描述了树突和体细胞的膜电位:
$$\begin{aligned} \tau _{m}\frac{dU}{dt} = - \left( U - U_{L} \right) + \frac{2\gamma }{l}\left( U_{d} - U \right) + \frac{I_{inj}}{G_{s}} \end{aligned}$$
$$\begin{aligned} \tau _{m}\frac{dU_{d}}{dt} = - \left( U_{d} - U_{L} \right) - \frac{2}{l}\left( U_{d} - U \right) + \frac{I_{d}}{\gamma G_{s}} \end{aligned}$$
这里,\(G_{s}\)是体细胞电导,\(\gamma\)是树突和体细胞膜面积的比率,l是树突长度与特征长度\(\lambda\)的比值的平方,\(\tau _{m}\)是特征膜时间,\(I_{inj}\)是注入体细胞的电流,\(I_{d}\)是树突接收到的突触电流。从上述方程的稳态解得出的体细胞注入电流的输入电导为\(G_{in} = G_{s}(3 + 2\gamma )/(3 + \gamma )\)。
树突接收到的突触电流\(I_{d}(t)\)可以直接从已知的AMPA和NMDA突触电导计算得出,或者从体细胞记录的电流\(I_{VC}(t)\)近似重建得出。在前一种情况下:
$$\begin{aligned} I_{d}(t) = I_{AMPA}(t) + I_{NMDA}(t) \end{aligned}$$ (3)
其中
$$\begin{aligned} I_{AMPA}(t) = {\overline{g}}_{AMPA}\ m_{AMPA}(t)\ \left( U_{AMPA} - U(t) \right) , \end{aligned}$$ (4)
$$\begin{aligned} I_{NMDA}(t) = {\overline{g}}_{NMDA}\ m_{NMDA}(t)\ f_{NMDA}\left( U_{d}(t),{[Mg]_{o}} \right) \left( U_{NMDA} - U(t) \right) \end{aligned}$$ (5)
这里,\(m_{AMPA}(t)\) 和 \(m_{NMDA}(t)\) 是受体激活变量,\({\overline{g}}_{AMPA}\) 和 \({\overline{g}}_{NMDA}\) 是电导的缩放因子,而
$$\begin{aligned} f_{NMDA}\left( V,[Mg]_{o} \right) = {1}/{\left( 1 + \frac{[Mg]_{o}}{3.57}\exp ( - 0.062\ V) \right) } \end{aligned}$$ (6)
是镁离子对NMDA通道阻断的电压依赖性因子(Jahr & Stevens, 1990)。
在从体细胞记录的电流 \(I_{VC}(t)\) 重建 \(I_{d}(t)\) 的情况下,其近似值如Chizhov等人(2015年)所提出的:
$$\begin{aligned} I_{d}(t) = \left( \frac{l}{2}\tau _{m}\frac{d}{dt} + 1 + \frac{l}{2} \right) I_{VC}(t) \end{aligned}$$ (7)
在电压钳制(VC)模式下,当体细胞电位固定为 \(U = V_{h}\) 时,树突电压方程仍由方程(2)控制;其静息电位为 \(U_{d}^{0} = (U_{L} + 2V_{h}/l)/(1 + 2/l)\)。树突突触电流通过方程(3-6)通过突触电导来表达。体细胞记录的电流 \(I_{VC}(t)\) 与电压梯度成正比,其表达式为:
$$\begin{aligned} I_{VC}(t) = \ 2(G_{s}\gamma /l)\ \left( U_{d} - U_{d}^{0} \right) \end{aligned}$$ (8)
2.2.2 突触动力学和敏感性
我们区分了细胞外空间的两个区域:突触内区和突触外区(图2)。AMPA受体仅位于突触间隙内,而NMDA受体主要位于间隙外。
图2
此图像的替代文本可能是使用AI生成的。
全尺寸图像
突触。谷氨酸从突触前末端(顶部,蓝色)释放,通过细胞外空间扩散到胶质细胞(右侧),在那里被EAAT2转运蛋白吸收。
AMPA受体被谷氨酸激活,然后失活并脱敏。激活速度远快于失活速度(Hansen等人,2021年;Silver等人,1996年),主要受谷氨酸浓度动态的影响,而失活过程具有某个时间尺度 \(\tau _{A}\)。我们用一阶常微分方程(ODE)来描述AMPA受体电导的动力学:
$$\begin{aligned} \left( \tau _{A}\frac{d}{dt} + 1 \right) m_{AMPA}(t) = S_{AMPA}\left( C_{glu}(t) \right) {D(t)} \end{aligned}$$ (9)
其中 \(\tau _{A}\) 是AMPA受体的关闭时间,\(S_{AMPA}\) 是AMPA受体的敏感性,由突触间隙中央部分的谷氨酸浓度 \(C_{glu}(t)\) 决定的S型激活函数表示,D(t) 是受体脱敏因子。
相比之下,NMDA受体的动力学被认为是瞬时的,其激活由突触间隙边缘的谷氨酸浓度 \(C_{glu}^{periph}\) 驱动(Cavalier等人,2005年;Hansen等人,2021年)。因此,突触电导会立即跟随谷氨酸浓度的变化:
$$\begin{aligned} m_{NMDA}(t) = S_{NMDA}\left( C_{glu}^{periph} \right) -S_{NMDA}\left( C_{glu}^{0} \right) \end{aligned}$$ (10)
其中 \(S_{NMDA}\) 是NMDA受体的敏感性,也由依赖于谷氨酸浓度的S型激活函数表示。这里 \(C_{glu}^{0}\) 是静息状态下的背景谷氨酸浓度。项 \(S_{NMDA}\left( C_{glu}^{0} \right)\) 衡量了被持续存在的谷氨酸脱敏的NMDA受体比例。
根据实验数据(Featherstone & Shippy,2008年),激活函数 \(S_{AMPA}\) 和 \(S_{NMDA}\) 可以近似为:
$$\begin{aligned} S_{AMPA}(x) = \frac{1}{\left( 1 + \left( \frac{1000\mu M}{x} \right) ^{1.6} \right) },\quad S_{NMDA}(x) = \frac{1}{(1 + 4.7\mu M/x)} \end{aligned}$$ (11)
这些函数突出了NMDA受体对谷氨酸的敏感性显著高于AMPA受体(图3中的橙色对比红色)。
图3
此图像的替代文本可能是使用AI生成的。
全尺寸图像
AMPA和NMDA受体对谷氨酸浓度的敏感性。激活函数 \(S_{AMPA}\) 和 \(S_{NMDA}\) 展示了AMPA和NMDA受体对谷氨酸的不同敏感性。
2.2.3 谷氨酸转运
当谷氨酸进入突触间隙时,它会影响那里的AMPA受体,并进一步向外扩散,激活突触周围和突触外的NMDA受体。突触间隙中央区域及其边缘的谷氨酸浓度(Hires等人,2008年)可以用松弛方程来描述:
$$\begin{aligned} \frac{dC_{glu}}{dt} = \frac{C_{glu}^{periph} - C_{glu}}{\tau _{glu}}\ + W\ F(t)\ \nu (t) \end{aligned}$$ (12)
$$\begin{aligned} \frac{dC_{glu}^{periph}}{dt} = \frac{C_{glu} - C_{glu}^{periph}}{\beta \ \ \tau _{glu}} - \frac{ C_{glu}^{periph}-C_{glu}^{0}}{\tau _{diff}} - \alpha ^{periph}\ f_{EAAT2}(C_{glu}^{periph}) \end{aligned}$$ (13)
其中方程(12)右侧的第一项描述了谷氨酸从中央突触间隙向周围区域的扩散。方程(12)的第二项是突触前释放的谷氨酸,其中 \(\nu (t)\) 是由一系列脉冲中的单个脉冲引发的突触脉冲。在我们的模拟中,\(\nu (t)\) 被描述为具有幅度 \(\nu ^{pulse}\) 和持续时间 \(\Delta t^{pulse}\) 的方波脉冲,\(\nu ^{pulse}\) 是在时间周期 \(\Delta t^{pulse}\) 内到达突触后膜受体的介质流量。注意,谷氨酸通过突触间隙的扩散时间只是通过 \(\Delta t^{pulse}\) 隐式考虑的。因此,例如,突触间隙宽度的变化会影响 \(\nu ^{pulse}\) 和 \(\Delta t^{pulse}\),但总介质量 \(\nu ^{pulse} \cdot \Delta t^{pulse}\) 不会受到影响;主要预期的效果是突触电流上升阶段的重塑。值得注意的是,方程(12)没有包括中央间隙中的EAAT吸收项,这反映了实验和建模证据表明EAAT2转运蛋白主要位于突触外/突触周围的星形胶质细胞膜中,而不是在突触间隙本身内(Tzingounis & Wadiche,2007年)。
方程(13)右侧的第一项描述了从周围区域向突触间隙的扩散。方程(13)的第二项是周围区域与神经组织主体和灌注溶液之间的扩散,我们将浓度表示为 \(C_{glu}^{0}\)。在谷氨酸转运蛋白完整的控制情况下,这个背景浓度被假设为零,而在转运蛋白阻断的情况下则不可忽略。最后一项反映了EAAT2转运蛋白对谷氨酸的清除,最大速率为 \(\alpha ^{periph}\)。通过设置 \(\alpha ^{periph} = 0\) 来模拟谷氨酸转运蛋白的阻断。
其他参数包括:\(\beta \) 是细胞外空间体积与突触间隙体积的比率,\(\tau _{glu}\) 是从突触间隙到细胞外空间其他部分的扩散特征时间,\(\tau _{diff}\) 是谷氨酸从细胞外空间到灌注溶液的扩散特征时间,F(t) 和 D(t) 是突触前促进和脱敏/抑制因子,W 是单个脉冲对介质浓度变化的贡献。(为了考虑电扩散(Savtchenko等人,2017年;Sylantyev等人,2013年),我们可能会考虑扩散尺度依赖于保持电压 \(\tau _{glu}(V_{h})\),然而,这种概括对于复现实验数据并不是必需的,因此被避免了。)
EAAT2利用Na\(^+\)离子的梯度来转运谷氨酸分子(Cater等人,2016年),根据以下公式:
$$\begin{aligned} f_{EAAT2}(C_{glu}) = \frac{\left( Na^{e} - Na^{a} \right) ^{1.5}}{(50mM)^{1.5} + \left( Na^{e} - Na^{a} \right) ^{1.5}}\ \frac{C_{glu}}{k_{1/2}^{Glu} + C_{glu}} \end{aligned}$$ (14)
其中 \(Na^{e} = 130mM\) 是细胞外钠浓度,\(Na^{a} = 15mM\) 是星形胶质细胞中的钠浓度,达到半最大电流所需的钠浓度设为50mM,\(k_{1/2}^{Glu}\) 是达到半最大值所需的谷氨酸浓度。
2.2.4 突触促进和脱敏
重复的突触刺激改变了释放的介质比例和受体的效能(Hansen等人,2021年)。我们以突触促进 F(t) 和AMPA受体脱敏 D(t) 的形式考虑这些过程,从而忽略了突触前抑制,优先考虑主要的脱敏效应(Chen等人,2002年)。自然地,促进 F(t) 通过方程(12)影响谷氨酸浓度,而脱敏 D(t) 通过方程(9)影响AMPA电导。突触前促进的方程 F(t) 是根据Tsodyks-Markram模型(Markram等人,1998年)修改的。虽然他们的模型中促进和抑制取决于突触前脉冲的时序或突触前放电率,但我们实验观察到,在EAAT2阻断后,对单个短刺激的AMPA受体激活会发生变化(比较图4A中的灰线和黑线)。因此,我们假设F(t)取决于谷氨酸浓度。这种依赖性可以通过以下机制来解释。促进作用取决于准备释放的突触囊泡池。这个池取决于通过电压门控突触通道进入突触前的钙离子。反过来,去极化由代谢型谷氨酸受体(Chu & Hablitz,2000年)或突触外NMDA受体(Duguid & Smart,2009年)介导。因此,我们假设F(t)取决于突触间隙边缘的谷氨酸浓度 \(C_{glu}^{periph}\),而不是突触前脉冲率:
$$\begin{aligned} \frac{dF}{dt} = \frac{F_{0} - F\ }{\tau _{F}} + H_{F}(1 - F)\ \frac{C_{glu}^{periph}(t)}{k_{1/2}^{Glu}} \end{aligned}$$ (15)
其中 \(\tau _{F}\) 是促进衰减的特征时间;\(F_{0}\) 是F(t)的静息值;\(H_{F}\) 是每次刺激后F的增加量;\(k_{1/2}^{Glu}\) 是来自方程(14)的浓度缩放因子。
对于脱敏 D(t),我们修改了Tsodyks-Markram模型中的突触前抑制方程,假设该过程影响那些在间隙中被谷氨酸激活的AMPA受体,因此与 \(S_{AMPA}(C_{glu}(T))\) 成正比:
$$\begin{aligned} \frac{dD}{dt} = \frac{(1 - D)\ }{\tau _{D}} - H_{D}D\ {S_{AMPA}\left( C_{glu}(t) \right) } \end{aligned}$$ (16)
其中 \(\tau _D\) 是从脱敏中恢复的时间尺度;\(H_{D}\) 控制每次刺激后受体效能的下降。注意,方程(9、12、15和16)意味着F(t)影响谷氨酸浓度,从而影响AMPA和NMDA的电导,而D(t)仅影响AMPA电导。突触前抑制可能通过D(t)的参数隐式贡献,因此可以称之为脱敏/抑制因子。
最后,我们得到了一个由七个一阶常微分方程组成的系统,其中2个ODE描述了神经元膜极化,1个ODE近似了突触动力学,2个ODE描述了两个区域中的谷氨酸浓度,2个ODE用于突触可塑性。
2.3 数值实现
该模型使用Python(版本3.10)实现,使用scipy.integrate.odeint函数进行微分方程积分。参数拟合是通过使用scipy.integrate.minimize函数实现的Nelder-Mead方法最小化模拟和实验轨迹之间的均方误差来完成的,起始参数值是生理上合理的(见参数表)。模型代码可在https://github.com/antonvchizhov/EAAT-paper.git获取。
3 结果
3.1 实验观察
在海马CA1区域的锥体细胞中,记录了通过AMPA和NMDA受体的药理学隔离突触电流,这些电流是对大鼠脑切片中Schaffer侧支刺激的响应。刺激每20秒进行一次,每次五个脉冲,频率为50 Hz。这些响应的几个关键特征被识别出来,这对在数学模型中准确复制提出了挑战。
3.1.1 EAAT2阻断对受体动力学的影响
药理学阻断EAAT2转运蛋白并未改变AMPA受体介导的电流动力学(图4A)。相比之下,NMDA受体介导的电流的衰减阶段与对照条件相比显著延长(比较图4B中的灰线和黑线)。准确描述EAAT2阻断的这种差异效应对数学模型来说是一个关键挑战。
图4
此图像的替代文本可能是使用AI生成的。
全尺寸图像
来自代表性神经元的实验数据。(A) 在对照条件和存在EAAT2阻断剂TFB-TBOA的情况下,对五个刺激序列的AMPA受体介导的响应,记录在-20 mV的保持电位下。(B) 在对照条件和存在TFB-TBOA的情况下,对五个刺激序列的NMDA受体介导的响应,记录在-20 mV的保持电位下。(C) 在-20 mV和+40 mV的保持电位下记录的对照NMDA受体介导的响应。归一化响应(下方)显示了-20 mV和+40 mV下的形状差异。右侧面板显示了群体特征:衰减时间和幅度。每个点代表一个记录的细胞。
3.1.2 AMPA受体介导电流的短期突触可塑性
在记录对五个刺激序列的AMPA受体介导的电流时,我们观察到响应幅度的变化。序列中的第一个响应幅度最小,表明了一个初始的促进阶段(图4A,黑线)。这种现象是短期突触可塑性的特征,被纳入数学模型中,以更准确地表示突触传递的动态。3.1.3 NMDA受体介导的电流的电压依赖性在-20 mV和+40 mV的保持电位下记录的NMDA受体介导的反应显示出相似的幅度(图4C)。这一观察结果值得注意,因为在-20 mV时驱动力更强,预期电压依赖性的镁阻断效应会显著影响反应,因此-20 mV时的反应应该比+40 mV时小。使用建模来探讨这一明显的差异。与幅度不同,-20 mV和+40 mV下的NMDA受体介导的反应形状有显著差异,这从图4C中标准化反应的比较可以看出。我们利用该模型来研究这种差异是否可以归因于电扩散或其他因素。3.2 模型拟合实验数据为了获得模型的系数,我们使用了图5中显示的一组代表性实验记录。每种类型的反应都是从大约十个细胞中记录的。我们选择了4个代表性神经元的数据来拟合模型参数。其中两个神经元的记录是在CsMeSO?基溶液中进行的,另一个是在K-Glu基溶液中进行的。对于这些神经元,我们估计了输入电阻(从测量的输入电导G_in得出),然后在拟合过程中固定这些电阻;其余参数假设对所有4个细胞都是相同的。拟合过程涉及解决一个优化问题,以最小化模型和实验轨迹之间的均方差异,初始值来自生理上合理的参数范围。拟合过程分为四个步骤:首先,通过基于电压钳制的记录来找到神经元模型的参数;其次,对于有无TFB-TBOA应用的AMPA电流;第三,对于NMDA电流;最后,对于所有记录的完整集合来确定整个参数集。最终的参数集在表1中给出。拟合结果非常稳健;通过用随机数扰动所有参数(范围在50%以内)并验证最优值至少以20%的精度恢复,来探索对初始条件的敏感性。在模型中实现TFB-TBOA是通过设置α_periph = 0和非零的C_glu^0来实现的,即移除了方程(13)中的EAAT2介导的谷氨酸摄取项。表1 模型参数。“Fitted”表示通过拟合实验数据获得的值。“Literature”表示从已发表的来源取得的值。“Fixed”表示从直接实验测量中设定的值。全尺寸表格图5这张图片的替代文本可能是使用AI生成的。全尺寸图片将模型拟合到实验数据中。A,在VC模式下,细胞1的胞体处记录的实验电流I_VC(t)(黑色)以及使用方程(7)从I_VC(t)计算出的树突电流I_d(t)(黑色)。B,在相同条件下,细胞1在CC模式下的实验膜电位V(t)(黑色);胞体处的膜电位U(t)(红色)和树突处的膜电位U_d(t)(虚线),在两室模型中根据I_d(t)重建;一室模型中的膜电位(绿色)。C,细胞2对5个刺激序列的反应,在V_h = -80mV的对照条件下(黑色)和存在谷氨酸转运体TBOA的情况下(灰色);模型化的反应(红色和绿色)。D,细胞3在存在AMPA受体阻断剂的情况下对5个刺激序列的反应,在V_h = -20mV时记录(黑色)以及细胞4在TBOA存在下的类似反应(灰色);模型化的反应(分别为红色和黄色)。E,细胞3在没有TBOA的情况下在V_h = -20mV(黑色)和V_h = +40mV(灰色)时的类似反应;在两室模型中的模型化反应(分别为红色和蓝色)和在一室模型中的模型化反应(虚线)。图5B中用于比较的一室模型(绿色,E中的虚线)是通过在方程(1-2)中设置γ → 0和l → 0获得的,有效地将两室描述简化为具有U=U_d的单一等势神经元,直接在胞体处接收突触电流I_d。因此,方程(1-3)被替换为:τ_m dU/dt = - (U - U_L) + (I_AMPA+I_NMDA+I_inj)/G_s。图5中用于模拟的完整参数集在表1中给出。图5A和B(黑色轨迹)中显示的相同刺激下的谷氨酸介导的反应,在VC模式和CC模式下记录,揭示了神经元膜和树突树上的电流整合特性。通过方程(7)从实验中的胞体电流(黑色)重建树突电流(图5A中的红色),然后通过方程(1,2)重建树突和胞体膜电位(图5B中的红色虚线和实线),我们将胞体电压(图5B中的红色实线)拟合到实验电压曲线(图5B中的黑色曲线),从而获得神经元的两室模型参数。树突和胞体膜电位之间的差异是由树突树上的电紧张效应引起的,这些效应重塑了向胞体传播的突触信号。两室模型很好地再现了这一现象。相比之下,一室模型(图5B中的绿色)得到的膜电位形状不同且幅度更大。图5C中的反应主要是AMPAR介导的电流,对应于5个刺激,在有(黑色)和没有(灰色)TBOA阻断谷氨酸转运体的情况下。由于在保持电位-80mV时镁几乎完全阻断,NMDAR的贡献很小。TBOA的效果是适中的,不会改变每个峰的动态,但会影响峰的幅度,主要是第一个峰。第二个峰更大,显示出促进作用。这种突触可塑性显然是突触前来源的。模型对这些特征提供了以下解释。TBOA下第一个峰的放大可以通过刺激前突触神经元由于背景谷氨酸浓度升高而轻微去极化来解释。显然,每个峰的形状不受TBOA的影响,因为它主要由裂隙中心的谷氨酸浓度的高幅度峰决定。只有浓度的峰而不是尾部决定了AMPA反应的进程,因为AMPAR对低谷氨酸浓度不敏感。模型(红色和黄色)再现了这些特征。在AMPAR被阻断的情况下,以及在保持电压-20mV时,我们观察到NMDAR的反应(图5D,黑色),在TBOA存在下(图5D,灰色)持续时间更长。模型通过当EAAT介导的摄取被移除时(方程(13)谷氨酸从突触间隙周围的缓慢清除来解释这种延长。TBOA降低了反应的幅度,我们通过TBOA在刺激序列之间剩余的谷氨酸对NMDAR的部分脱敏效应来解释这一点。在TBOA存在下,这种背景谷氨酸浓度更高;我们在模型中将其表示为C_glu^0,并假设在对照情况下为零。根据方程(10),假设由C_glu^0激活的NMDAR的一部分被脱敏,并从总激活的NMDAR中提取出来。相应地,C_glu_periph根据方程(13)扩散到C_glu^0的水平。模型(图5D,红色和黄色)很好地拟合了两个实验轨迹(图5D,黑色和灰色),显示了谷氨酸摄取的贡献,表现为方程(13)中的源项,这种扩散平滑了裂隙边缘的谷氨酸浓度分布,以及与突触间隙外溶液的扩散。实验上,在两个不同电压V_h = -20mV和V_h = +40mV下获得的电流在形状上有所不同(图5E,黑色和灰色)。一种解释涉及电扩散(Savtchenko等人,2017;Sylantyev等人,2013):电场阻碍了带负电荷的谷氨酸分子从裂隙中逸出,这可以解释为什么在V_h = +40mV(灰色)时的反应比在V_h = -20mV(黑色)时慢。然而,即使没有扩散的电压依赖性,即没有电扩散,模型也再现了这种形状差异(分别为红色和蓝色)。在我们的模型中,V_h = -20mV和V_h = +40mV时的反应形状不同是由于电紧张效应。这是Sylantyev等人(2013)提出的另一种机制。通过比较V_h = -20mV和+40mV时的反应幅度(图5E中的黑色和灰色),可以看到沿树突树传播的电紧张效应的另一个显著效果。在V_h = -20mV和+40mV时的幅度相当相似,而在一室模型中则完全不同(图5E中的红色和蓝色虚线)。在不同的V_h下获得的反应,对于V_h = +40mV的情况(|V_h - V_rev| = 40mV,假设V_rev ≈ 0),驱动力比V_h = -20mV的情况(|V_h - V_rev| = 20mV)更强。由于这种差异以及镁的阻断,我们可以预期在V_h = +40mV时的反应(图5E,蓝色虚线)比在V_h = -20mV时的反应(图5E,红色虚线)更大。然而,由于空间钳制问题,树突在V_h = +40mV时的驱动力显著低于V_h = -20mV时的驱动力,这抵消了镁阻断的效果。这种效应在两室模型中得到了再现,其中反应重复了实验曲线(图5E,红色和蓝色实线)。3.3 模型化反应背后的内部变量虽然图5显示了可实验观察到的变量,但图6中的量是模型预测的,无法直接测量:谷氨酸浓度、可塑性变量和突触电导。正如模型所预测的,裂隙中的谷氨酸浓度比外围高一个数量级(比较图6A,B和图6C,D)。在后期阶段,浓度趋于一致。当摄取被阻断时,稳态水平升高。裂隙中心的谷氨酸浓度不受TBOA的显著影响,这就是为什么在TBOA下AMPA电流变化不大,而NMDA电流变化较大的原因。图6这张图片的替代文本可能是使用AI生成的。全尺寸图片模型化的AMPA(左)和NMDA介导(右)反应背后的内部变量。A-D,谷氨酸浓度。E,F,突触促进和抑制。G,H,突触电导。I,J,胞体和树突膜电位。K,L,突触电流,与图5中的相同。图5C中可以看到对一系列中第一个和后续刺激的不同反应幅度,这显示了突触可塑性。在模型中,突触可塑性通过促进和抑制/抑制因子F(t)和D(t)在方程(12)的右侧来解释。这些因子的演变在图6E,F中显示。F(t)的初始水平在对照(红色)和TBOA(黄色)情况下不同,因为其依赖于谷氨酸浓度C_glu_periph(方程(15)),而C_glu_periph又依赖于EAATs的活性。因此,模型解释了在TBOA下观察到的第一个峰更大,这是由于摄取被阻断时基线C_glu_periph升高的结果。关于F(t)的动态,它完全由C_glu_periph的进程决定,因为方程(15)中的τ_D可以忽略不计,F(t)对C_glu_periph的非线性依赖性以该方程右侧的零形式表示,这有效地将整个ODE系统的阶数从7降低到6。随后,谷氨酸浓度C_glu和C_glu_periph决定了突触电导(图6G,H)。AMPA电导的形状(图6G中的红色)遵循裂隙中心的谷氨酸浓度(图6A中的红色);NMDA电导的形状(图6H中的红色)由两个因素决定:外围的浓度(图6D中的红色和蓝色)和由于镁阻断而产生的电压(图6J中的红色虚线)。由于空间钳制问题,胞体和树突电压不同(图6I,J)。如果保持电压更接近泄漏反转电位,那么树突电压将接近体细胞电压;因此,在+40mV保持电压下的室间电压差异比在-20mV时更为显著(图6J中的蓝色与红色对比)。在NMDA的情况下,树突电位的形状决定了镁阻断的效果,并导致在-20mV和+40mV时记录的电流形状不同(图6L中的红色和蓝色)。在AMPA的情况下,电流的形状(图6K中的红色)与电导的形状相似(图6G中的红色)。

**讨论**
本研究提出了一个数学模型,该模型通过结合谷氨酸转运、电紧张效应和突触可塑性,成功再现了谷氨酸能突触电流的动力学。该模型由七个常微分方程(ODEs)组成,区分了体细胞和树突神经元区室,并考虑了突触内和突触外的谷氨酸扩散。我们的方法通过将这些关键特征整合到一个计算上可行的框架中,推进了之前的建模工作,这种框架在保持生物学准确性的同时具备可扩展性。与传统的突触模型不同(Chizhov, 2014; Destexhe et al., 1994; Tranquillo & Neurophysiology, 2022),我们的模型明确地将谷氨酸动态与突触后反应联系起来,用生物物理学术语重新解释状态变量,同时保持了相当的数学复杂性:仅电导描述的ODE系统从四阶扩展到五阶,其中NMDA电导瞬时跟随突触周围的谷氨酸,而AMPA电导则根据受体关闭时间常数衰减。这种明确的联系使得能够复制EAAT2阻断的差异效应——转运体抑制延长了NMDA受体介导的电流,而不改变AMPA的动力学——突显了星形胶质细胞清除谷氨酸的关键作用。虽然空间上详细的模型(Franks et al., 2002; Sylantyev et al., 2008)提供了分子扩散的全面描述,但它们的计算需求限制了其在网络研究中的应用;通过将空间动态区室化,我们的模型在保持足够效率的同时,能够对病理条件(如癫痫(Zaitsev et al., 2020)或神经退行性疾病(Pajarillo et al., 2019)进行预测。

未来工作的一个重要方向是将当前的突触模型与详细的多区室神经元模型相结合。据我们所知,目前还没有一个既定的公式能够在多区室框架内同时描述谷氨酸浓度动态和由此产生的突触电导;在NEURON等网络模拟器中的标准做法是将一个简化的电导核(alpha函数或双指数函数)应用于一个或几个区室,完全忽略了中介体的动态。相比之下,我们的模型提供了对整个突触传输链的7变量ODE描述(包括谷氨酸动态、两种受体类型、可塑性和电紧张传播),适用于网络规模的建模。

该模型为突触功能提供了关键见解。首先,谷氨酸从突触间隙扩散到突触外空间形成了浓度梯度,这些梯度根据不同受体的敏感性选择性地影响它们。随着谷氨酸迅速离开突触间隙,AMPA受体反应突然停止,而NMDA受体介导的电流则持续到转运体清除突触外的谷氨酸为止。其次,沿树突的电紧张信号传播解释了在-20 mV和+40 mV时NMDA反应的相似幅度,这为涉及电扩散的机制提供了另一种解释(Sylantyev et al., 2013)。最后,模型预测的谷氨酸浓度与更复杂模型得出的结果一致(Gimenez et al., 2026; Sylantyev et al., 2008, 2013),尽管缺乏直接的实验测量,从而支持了我们简化方法的有效性。

然而,一些问题仍未解决。模型的可塑性方程仅部分解释了在EAAT2主导阻断期间观察到的增强反应,这表明在谷氨酸水平升高时可能存在其他调节突触前功能的机制。这是未来研究的一个重要方向。虽然我们的模型成功捕捉了谷氨酸转运和受体激活的快速动态,但它没有考虑Flanagan等人(2021)描述的谷氨酸循环和星形胶质细胞GABA释放的长期代谢过程。他们的研究表明,升高的星形胶质细胞谷氨酸水平可以通过GAT-3转运体触发GABA释放,为谷氨酸能突触增加了一个抑制机制——这是我们框架中未包含的特性。这种简化使我们的模型在保持网络规模模拟的计算效率的同时,能够承认未来扩展可以纳入这种代谢耦合,以研究像癫痫这样的病理情况,其中谷氨酸-GABA的相互作用至关重要。同样,神经-胶质-血管耦合(Blanchard et al., 2016)和谷氨酸稳态(Shestov et al., 2012)的长期过程超出了我们模型的范围。

当前模型中的一个简化是对受体脱敏和抑制的简化描述。AMPA受体在持续暴露于谷氨酸的情况下会迅速且显著地脱敏(Chen et al., 2002; Featherstone & Shippy, 2008),这种机制对于理解在高细胞外谷氨酸条件下的谷氨酸兴奋毒性是相关的。在当前的实验背景下——在缓冲良好的切片条件下进行短暂刺激——在观察到的电流中几乎无法区分脱敏和抑制效应,而且没有足够的数据来支持它们的完整显式描述。我们注意到因子D(t)(方程(16)捕捉了一些与活动相关的响应幅度减少的方面,但它主要是突触后受体的脱敏,而不是突触前抑制的生物物理描述。未来的模型扩展可能包括显式的突触前抑制,以提高完整性和适用性。

突触前促进模型(方程(15)本质上是现象学的:它没有明确追踪囊泡池动态、剩余钙或脉冲时序,而是使用突触周围谷氨酸浓度作为突触前状态的代理信号。这一选择是基于实验观察,即EAAT2主导的阻断改变了AMPA反应的幅度模式,表明升高的细胞外谷氨酸通过代谢型谷氨酸受体或突触外NMDA受体反馈到突触前末端(Chu & Hablitz, 2000; Duguid & Smart, 2009)。虽然这种方法没有完全捕捉到更生物物理约束的突触前模型的机制细节,但它提供了一个紧凑且功能上充分的描述,与方程(12–13)描述的谷氨酸动态自然结合。

关于我们模型预测与直接谷氨酸测量的关系:基于iGluSnFR的光学谷氨酸传感器现在允许实时监测具有高空间和时间分辨率的细胞外谷氨酸动态(Hires et al., 2008)。我们模型预测的时空浓度剖面——突触间隙峰值浓度约为数十微摩尔,突触周围浓度为1-3微摩尔——与这些测量结果以及更详细的蒙特卡洛模型(Sylantyev et al., 2008, 2013)的估计结果大体一致。未来的工作可以使用iGluSnFR测量来直接约束和验证τ_glu、τ_diff和β。通过结合实验验证和计算效率,我们的模型为研究生理和病理状态下的谷氨酸能传输提供了一个有用的工具。神经递质动态、受体激活和树突整合之间的明确联系为在网络尺度上研究突触功能提供了新的机会,同时保持了与电生理记录的直接可比性。总体而言,这项研究强调了谷氨酸转运和星形胶质细胞在维持突触稳态中的重要性。
相关新闻
生物通微信公众号
微信
新浪微博
  • 搜索
  • 国际
  • 国内
  • 人物
  • 产业
  • 热点
  • 科普

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号