[论文解读] SIM-CE: An Advanced Simulink Platform for Studying the Brain of Caenorhabditis elegans

Ramin Hasani, Victoria Beneder+3 more|arXiv (Cornell University)|Mar 18, 2017

Genetics, Aging, and Longevity in Model Organisms参考文献 10被引用 10

一句话总结

SIM-CE 是一个用户友好的基于 Simulink 的平台，可在多尺度水平上对秀丽隐杆线虫神经系统进行建模，整合了神经元和突触的详细生物物理动力学，包括离子通道和细胞内钙离子。该平台可模拟神经环路（如撤触反射），准确再现机械刺激下命令神经元的激活和钙离子动力学。

ABSTRACT

We introduce SIM-CE, an advanced, user-friendly modeling and simulation environment in Simulink for performing multi-scale behavioral analysis of the nervous system of Caenorhabditis elegans (C. elegans). SIM-CE contains an implementation of the mathematical models of C. elegans's neurons and synapses, in Simulink, which can be easily extended and particularized by the user. The Simulink model is able to capture both complex dynamics of ion channels and additional biophysical detail such as intracellular calcium concentration. We demonstrate the performance of SIM-CE by carrying out neuronal, synaptic and neural-circuit-level behavioral simulations. Such environment enables the user to capture unknown properties of the neural circuits, test hypotheses and determine the origin of many behavioral plasticities exhibited by the worm.

研究动机与目标

• 开发一个全面、用户友好的仿真环境，用于在神经元、突触和环路水平研究秀丽隐杆线虫神经系统。
• 将离子通道、钙离子动力学和突触传递的详细生物物理模型整合到模块化的 Simulink 框架中。
• 支持假设检验和未知神经环路特性（包括突触极性和行为可塑性）的预测。
• 提供可扩展的平台，用于模拟大规模神经网络，包括整个秀丽隐杆线虫神经连接组。
• 通过结合神经动力学的确定性和随机建模，支持多尺度行为分析。

提出的方法

• 使用霍奇金-赫布模型和常微分方程（ODEs）实现单 compartment 神经元模型，以描述膜电位和离子通道动力学。
• 通过门控变量和电导方程对电压门控和钙激活离子通道（如 Ca2+、K+、SK、漏电流）进行建模。
• 通过钙缓冲和泵机制模拟细胞内钙浓度变化，实现细胞内钙离子动力学的整合。
• 基于速率常数（kf、kb）和电压依赖性耦合的电间隙连接模型，设计化学突触和电突触。
• 在 Simulink 中使用 MATLAB 的 ode45 求解器数值求解控制膜电位和离子通道状态的 ODEs。
• 通过基于已知连接组数据定义的突触权重和极性，连接预突触和后突触神经元，构建神经环路。

实验结果

研究问题

• RQ1 如何通过模块化的基于 Simulink 的平台，以生物物理保真度模拟秀丽隐杆线虫的多尺度神经动力学？
• RQ2 在机械刺激下，该平台能否准确再现已知的行为反应，例如撤触反射？
• RQ3 细胞内钙离子动力学和突触极性在决定 TW 环路中命令神经元激活方面起什么作用？
• RQ4 该平台在预测未知环路特性（如突触连接性或学习机制）方面的能力有多大？
• RQ5 该平台在模拟大规模神经网络（包括整个秀丽隐杆线虫神经系统）方面的可扩展性如何？

主要发现

• SIM-CE 准确再现了撤触神经环路的行为，显示前部刺激可激活 AVA（反向命令神经元）并抑制 AVB（前向命令神经元）。
• 该模型准确捕捉了 AVA 和 AVB 命令神经元的膜电位动力学，其中 AVA 在 AVM 刺激下表现出显著去极化。
• AVB 中的细胞内钙浓度在刺激期间显著升高，与激活相关，而 AVB 保持静息状态。
• 该平台支持确定性和随机仿真，可探索神经反应中的变异性。
• 通过速率常数（kf、kb）实现的电突触和化学突触的建模，实现了逼真的电化学突触传递。
• 模块化设计使得平台易于扩展和参数调优，可用于研究基因修饰、学习和可塑性机制。