30、神经元网络建模：从基础到实例分析

神经元网络建模：从基础到实例分析

1. 参数空间与敏感性分析

在有节奏活动的网络中，参数空间存在不同区域，在某些区域，节律性可能变得不稳定或完全崩溃，这一关键点被称为分岔；而在其他区域，周期则保持恒定或平稳变化。需要注意的是，每次仅改变一个参数，实际上只是对控制输出变量的多维参数空间进行切片分析（该空间维度等于自由参数数量 (N) 加 1）。在整个多维空间中，一个参数的变化可能会补偿、几乎不影响或加剧另一个参数变化的作用。

为确保规范模型能作为研究生物系统的有用基准，自由参数的值应处于模型与生物系统相似的范围内。此时，确定规范模型输出变量对每个参数从规范值进行小幅度（约 ±5 - 10%）变化的敏感性是很有必要的，敏感性以输出变量的百分比变化与参数的百分比变化之比来衡量。例如，在甲壳动物口胃神经节中幽门和胃网络相互作用的模型中，所有突触电流（以及某些电压门控电流）的最大电导是自由参数，输出变量是胃周期。将参数从规范值改变 +10%，并按以下公式测定敏感性：
[S_{output} = \frac{\Delta output/output}{\Delta parameter/parameter}]
分析表明，模型周期对大多数参数不太敏感（(\vert S_{period} \vert < 1.25)），但确定了一个对确定模型周期很重要的关键突触。之后可以使用大参数扫描来分析该突触在控制模型周期中的作用。进行参数空间映射和敏感性分析的顺序是任意的，且该过程通常是迭代的。对参数化进行类似评估似乎是构建任何小网络有用模型的必要前提。

2. 模型测试

现实网络建模的一个重要原则是应与生物实验直接相互作用，因此模型开发的一个重要方面是通过实验