[neuron][파이썬] 16. 링 네트워크 구성을 위한 초기 구성 - Initial configuration for build a ring network

 

 

 

 

 

🙆‍♂️ 일반 cell과 고유 cell class 나누기

---

from neuron import h, gui
from neuron.units import ms, mV

h.load_file('stdrun.hoc')

먼저 라이브러리들을 import 합니다.

 

class Cell:
    def __init__(self, gid):
        self._gid = gid
        self._setup_morphology()
        self.all = self.soma.wholetree()
        self._setup_biophysics()
    def __repr__(self):
        return '{}[{}]'.format(self.name, self._gid)

일반 cell의 class는 이렇구

 

class BallAndStick(Cell):
    name = 'BallAndStick'
    def _setup_morphology(self):
        self.soma = h.Section(name='soma', cell=self)
        self.dend = h.Section(name='dend', cell=self)
        self.dend.connect(self.soma)
        self.soma.L = self.soma.diam = 12.6157
        self.dend.L = 200
        self.dend.diam = 1
    def _setup_biophysics(self):
        for sec in self.all:
            sec.Ra = 100    # Axial resistance in Ohm * cm
            sec.cm = 1      # Membrane capacitance in micro Farads / cm^2
        self.soma.insert('hh')                                          
        for seg in self.soma:
            seg.hh.gnabar = 0.12  # Sodium conductance in S/cm2
            seg.hh.gkbar = 0.036  # Potassium conductance in S/cm2
            seg.hh.gl = 0.0003    # Leak conductance in S/cm2
            seg.hh.el = -54.3     # Reversal potential in mV
        # Insert passive current in the dendrite
        self.dend.insert('pas')                 
        for seg in self.dend:
            seg.pas.g = 0.001  # Passive conductance in S/cm2
            seg.pas.e = -65    # Leak reversal potential mV

고유한 BallAndStick의 class는 이렇습니다.

둘의 차이점은 BallAndStick에서는 __init__, __repr__ 메서드가 없고 self.all도 없습니다.

 

일반 cell에서 만들어질 때 한 개 이상의 셀이 있을 때 서로 구분이 되도록 조정을 해야합니다.

class Cell:
    def __init__(self, gid, x, y, z, theta):
        self._gid = gid
        self._setup_morphology()
        self.all = self.soma.wholetree()
        self._setup_biophysics()
        self.x = self.y = self.z = 0                     # <-- NEW
        h.define_shape()
        self._rotate_z(theta)                            # <-- NEW        
        self._set_position(x, y, z)                      # <-- NEW
        
    def __repr__(self):
        return '{}[{}]'.format(self.name, self._gid)
    
    # everything below here is NEW
    
    def _set_position(self, x, y, z):
        for sec in self.all:
            for i in range(sec.n3d()):
                sec.pt3dchange(i,
                               x - self.x + sec.x3d(i),
                               y - self.y + sec.y3d(i),
                               z - self.z + sec.z3d(i),
                              sec.diam3d(i))
        self.x, self.y, self.z = x, y, z
    def _rotate_z(self, theta):
        """Rotate the cell about the Z axis."""
        for sec in self.all:
            for i in range(sec.n3d()):
                x = sec.x3d(i)
                y = sec.y3d(i)
                c = h.cos(theta)
                s = h.sin(theta)
                xprime = x * c - y * s
                yprime = x * s + y * c
                sec.pt3dchange(i, xprime, yprime, sec.z3d(i), sec.diam3d(i))

x,y,z 좌표값을 각각의 cell 값들에게 부여합니다.

 

그래서 cell을 만들 때 gid, x, y, z, theta 값을 입력해서 만들어야 합니다.

 

mycell = BallAndStick(0, 0, 0, 0, 0)
h.topology()

잘 만들어졌습니다. 사실 테스트 용이라 다시 삭제하겠습니다.

 

del mycell

 

 

 

🙋‍♂️ cell 생성

---

def create_n_BallAndStick(n, r):
    """n = number of cells; r = radius of circle"""
    cells = []
    for i in range(n):
        theta = i * 2 * h.PI / n
        cells.append(BallAndStick(i, h.cos(theta) * r, h.sin(theta) * r, 0, theta))
    return cells    

cell을 하나하나 생성하기에는 오래걸리기에 함수를 통해서 생성할 수 있도록 합니다.

n과 r값을 인자로 갖는데 n은 셀의 개수, r은 반지름 값 입니다.

 

my_cells = create_n_BallAndStick(7, 50)

이렇게 셀 배열을 만들 수 있습니다.

ps = h.PlotShape(True)
ps.show(0)

이런게 나오면서 확인할 수 있습니다.

 

my_cells = create_n_BallAndStick(5, 50)

새로 5개의 셀을 만들고 싶다면 다른 배열 변수에 넣는 것이 아닌 기존 변수에다가 다시 넣으면 됩니다.

그러면 기존 값은 사라지고 5개 넣은 값만 남습니다.

 

💆‍♂️시냅스 입력하기

---

이번에는 전류자극으로 자극하는 것이 아닌 가상 시냅스를 통해서 자극하는 방법을 알아보겠습니다.

NetCon이라는 네트워크 연결 개체를 통해 뉴런의 개체 간 이벤트를 통신하는데 일반적으로 스파이크의 임계값을 감지합니다.

NetStim을 통해서 스파이크를 생성하여 외부입력으로 작동합니다.

stim = h.NetStim() # Make a new stimulator

# Attach it to a synapse in the middle of the dendrite
# of the first cell in the network. (Named 'syn_' to avoid
# being overwritten with the 'syn' var assigned later.)
syn_ = h.ExpSyn(my_cells[0].dend(0.5))

stim.number = 1
stim.start = 9
ncstim = h.NetCon(stim, syn_)
ncstim.delay = 1
ncstim.weight[0] = 0.04 # NetCon weight is a vector.

시간값이 9일 때 스파이크를 생성하고 10일 때 시냅스 이벤트 전달을 위해 delay는 1로 둡니다.

 

syn_.tau = 2

tau값은 전류가 얼마나 빨리 감쇠하는지 정하는 값입니다.  2ms로 지정합니다.

전류의 정확한 값은 세포의 막전위와 시냅스의 반전 전위 (syn_.e)에 따라 결정됩니다.

print('Reversal potential = {} mV'.format(syn_.e))

이렇게 확인할 수 있습니다.