[论文解读] Validating Stochastic Models: Invariance Criteria for Systems of Stochastic Differential Equations and the Selection of a Stochastic Hodgkin-Huxley Type Model

Jacky Cresson, Bénédicte Puig+1 more|arXiv (Cornell University)|Sep 20, 2012

stochastic dynamics and bifurcation参考文献 7被引用 12

一句话总结

本文为随机微分方程（SDE）系统开发了显式的必要且充分的不变性准则，确保解保持在 R^m 的矩形子集内，例如神经元模型中门控变量的单位区间。作者推导了适用于 Itô 和 Stratonovich 解释的条件，从而能够构建有效的随机霍奇金-赫克斯利型模型，使门控变量在 0 和 1 之间有界，解决了计算神经科学中的一个关键验证难题。

ABSTRACT

In recent years, many difficulties appeared when taking into account the inherent stochastic behavior of neurons and voltage-dependent ion channels in Hodgking-Huxley type models. In particular, an open problem for a stochastic model of cerebellar granule cell excitability was to ensure that the values of the gating variables remain within the unit interval. In this paper, we provide an answer to this modeling issue and obtain a class of viable stochastic models. We select the stochastic models thanks to a general criterion for the flow invariance of rectangular subsets under systems of stochastic differential equations. We formulate explicit necessary and sufficient conditions, that are valid for both, It\\^o's and Stratonovich's interpretation of stochastic differential equations, improving a previous result obtained by A. Milian [A.Milian, Coll. Math. 1995] in the It\\^o case. These invariance criteria allow to validate stochastic models in many applications. To illustrate our results we present numerical simulations for a stochastic Hodgkin-Huxley model.

研究动机与目标

• 为解决随机神经元模型中出现非物理值的问题，特别是蒲肯野细胞中门控变量超出 [0,1] 区间的问题。
• 为 R^m 中的矩形子集建立 SDE 下的一般不变性准则，确保模型的可行性。
• 通过证明其在 Itô 和 Stratonovich 解释下的有效性，统一并扩展先前的不变性结果。
• 将准则应用于选择一个保持生物物理约束的随机霍奇金-赫克斯利模型。

提出的方法

• 建立一个带有漂移 f 和扩散 g 的 Itô SDE 系统，用于建模随机神经元动力学。
• 利用扩散过程的生成元，推导出矩形集合不变性的显式必要且充分条件。
• 将不变性定理应用于正锥体和单位超立方体，确保门控变量的有界性。
• 利用 Itô 与 Stratonovich SDE 之间的变换，证明不变性条件与随机微积分解释的选择无关。
• 在具有生物学合理参数的随机霍奇金-赫克斯利模型上验证准则。
• 进行数值模拟，证明所选模型在随机扰动下仍能保持门控变量在 [0,1] 范围内。

实验结果

研究问题

• RQ1 漂移和扩散系数需满足何种条件，才能确保 SDE 解保持在 R^m 的矩形子集（如 [0,1]^m）内？
• RQ2 如何使不变性准则独立于 SDE 的 Itô 与 Stratonovich 解释选择？
• RQ3 这些准则能否应用于验证神经元兴奋性的随机模型，特别是具有有界门控变量的霍奇金-赫克斯利型模型？
• RQ4 哪些具体的数学条件可保证随机霍奇金-赫克斯利模型中的门控变量不离开单位区间？
• RQ5 如何通过数值模拟确认所选随机模型保持了生物物理约束？

主要发现

• 本文建立了适用于 Itô 和 Stratonovich 解释的 SDE 下矩形子集不变性的显式必要且充分条件。
• 不变性条件与随机微积分解释的选择无关，确保在不同建模框架下具有鲁棒性。
• 对于正锥体 K^+ ⊂ R^m，当 x_i = 0 时满足 f_i ≥ 0 且 g_{i,j} = 0，则不变性成立。
• 对于单位超立方体 K = [0,1]^m，当 x_i = 0 时满足 f_i ≥ 0 且 g_{i,j} = 0，当 x_i = 1 时满足 f_i ≤ 0 且 g_{i,j} = 0，则不变性得以保证。
• 数值模拟证实，所选的随机霍奇金-赫克斯利模型能保持门控变量在 [0,1] 范围内，解决了长期存在的建模难题。
• 研究结果推广了 Milian（1995）的前期工作，并为系统生物学与神经科学中的随机模型验证提供了统一框架。