24、神经元被动电缆建模：挑战与策略

神经元被动电缆建模：挑战与策略

1. 神经元建模中的常见问题

1.1 拟合拒绝、欠拟合和过拟合

真实神经元中的噪声表现不佳，主要有两个原因。其一，它受膜电位变化的主导，其持续时间与脉冲响应相近；其二，它是非高斯分布的，不像理想的白噪声那样易于处理。即便阻断所有已知的神经递质（这是为了消除自发的突触后电位，它是噪声的主要来源，同时在某些实验中降低膜电阻），仍然会存在大量噪声，这可能部分是由单通道噪声、封接不稳定以及树突或棘突的自发瞬态渗透破裂等因素共同导致的。

在将模型响应与真实数据进行比较时，判断模型是否拟合良好并非易事。可以通过肉眼观察两个波形是否能很好地重叠，但这种方法可能会产生误导。如果数据噪声较大，可能会出现欠拟合的情况，即看似拟合良好，但实际上模型并不能准确反映真实情况。而如果数据受到慢噪声的轻微扭曲，则可能导致过拟合，即最优拟合结果并非最接近真实细胞的模型。

为了更严谨地评估拟合效果，可以采用一种直接但繁琐的方法：将拟合残差与相同长度基线电压下获得的基线噪声进行比较。通过比较多个噪声轨迹，确定其最大和平均偏离零值的 95% 置信区间，然后将这些置信区间应用于拟合残差。任何超出 95% 置信区间的残差都可能是拟合不佳的结果，可以予以拒绝。不过，考虑到可能存在的大量系统误差，不必过于纠结这些随机误差。

1.2 电容补偿设置不当

如果电容补偿旋钮设置不正确，可能会扭曲脉冲或长脉冲响应的早期成分，在严重情况下，甚至会影响所有成分。例如，电容补偿设置不足会导致波形的早期成分增强，需要人为地提高输入电阻才能拟合这些波形。

解决这个问题的最佳方法是保持移液器内外的溶液液位较低，必要时在移液器上使