2.1 电缆方程与树突整合

2.1 电缆方程与树突整合

第 1 章的等效电路描述的是"一小块膜"，但树突是绵延数百微米的管状结构，注入一点的电流会沿膜分流、泄漏、延迟。本节把这层膜铺成分布电路，得到神经科学里最基础的空间方程——电缆方程。它回答两个网络模型完全回避不了的问题：远处的突触输入到达胞体时还剩多少？到达时被磨圆了多少？

从一小段膜到分布电路

把树突切成一个个小圆柱段，每段膜都有电容 Cm 与漏电导 gL，相邻段之间靠轴浆电阻 Ri 连接——电流想从一段流到下一段，必须穿过这段内部电阻。一段膜的纵向电流 = 前方段的电流 + 本段经膜漏掉的电流。把这个电流守恒写细，就得到电缆方程（被动膜的一维形式）：

τm · ∂V/∂t = λ² · ∂²V/∂x² − (V − Vrest) + (Rm/rt) · I(x,t)

两个无量纲化常数登场：膜时间常数 τm = Rm·Cm，典型值 10 至 30 ms，控制电压变化的快慢；空间常数 λ = √(d·Rm / (4·Ri))，细树突上典型 0.1 至 1 mm（实际皮层树突常在几十到几百微米），控制信号传多远。d 是纤维直径——注意 λ 与直径的平方根成正比：粗的管道漏得相对少、送得远，这是轴突为什么比细树突粗的物理原因之一。

指数衰减：突触位置的"话语权"

对稳态输入（电流注入一点后趋于平衡），电缆方程的解是指数衰减：

V(x) = V(0) · exp(−x / λ)

也就是说，每隔一个空间常数，信号只剩原来的约 37%。若树突远端的突触距胞体 3λ，到达胞体时只剩约 5% 的幅度。这个残酷的算术直接决定了树突电学的核心格局：同一个突触，长在哪里比强多少更重要。皮层锥体细胞顶部树突远端的输入确实带着更大的"等效权重"来补偿距离，这叫突触的位置依赖标定，是树突建模里反复出现的主题。

时间维度上，瞬态输入在传播中被膜电容磨圆：一个快如 1 ms 的突触电流，传到胞体后变成持续十几毫秒的缓坡（时间常数滤波）。所以胞体实际"看到"的，是成百上千个被拉长、压低、交叠的信号之和——树突不是电线，而是一台分布式低通滤波加积分器。

图：同一强度的突触电流，注入位置不同，到达胞体的波形截然不同

树突整合：不是加法这么简单

有了衰减规律，可以谈"整合"了。直觉版本说树突把输入加权求和，权重按位置衰减。真实情况有两层修正。

第一层是非线性叠加。膜电导是电压依赖的（即便被动树突，通道的非线性仍在），叠加的突触电位不是线性相加：两个同时到达的兴奋输入，联合效果常小于各自单独效果之和（饱和），而一个兴奋紧跟一个抑制的联合效果又可能超过线性预期。若抑制输入与兴奋输入在同一树突段上共定位，抑制主要通过提升局部电导把兴奋信号"分流"掉，这就是 1.2 节预告的分流抑制——它的效果取决于共定位程度，而不是抑制电位本身的深度。

第二层是树突的主动性质。许多树突膜上有电压门控钙通道、钠通道，局部强输入可以在树突上触发局部再生事件（如钙峰），让远端输入绕过电缆衰减直接广播到胞体。这让单个树突分支具备"与门"式的局部计算能力：只有同分支上多个输入协同激活才触发局部事件。树突从被动的加法器升级成了分布式的非线性处理器。

概念代码：数值观察电缆滤波

import numpy as np

# 被动电缆：把树突切成 N 段，每段是 RC 电路，段间电阻耦合
N, dx = 100, 1.0        # 段数与段长（单位：λ 的 1/50 量级）
tau_m = 20.0            # 膜时间常数 ms（典型值 20）
lam = 1.0               # 空间常数，段长归一化后以 lambda 计
dt, steps = 0.05, 6000
V = np.zeros(N)

def gaussian(t, t0=50.0, w=3.0):
    # 突触电流的时间包络：中心 t0、宽度 w 的 10 ms 量级脉冲
    return np.exp(-0.5*((t-t0)/w)**2)

for k in range(steps):
    t = k*dt
    Iin = np.zeros(N); Iin[10] = gaussian(t)  # 注入在第 10 段（远端）
    # 电缆项：二阶空间差分 × lam^2/dx^2
    lap = np.zeros(N)
    lap[1:-1] = (V[:-2] - 2*V[1:-1] + V[2:]) * (lam/dx)**2
    lap[0], lap[-1] = lap[1], lap[-2]        # 封闭端边界
    V += dt/tau_m * (lap - V + Iin*100)      # 欧拉积分
    if abs(t-100) < dt/2:                    # 100 ms 时刻的快照
        print("注入段:", round(V[10],2), " 半程:", round(V[55],2), " 胞体端:", round(V[-1],3))
​

把注入位置从第 10 段挪到第 80 段再跑一遍，观察胞体端峰值的变化——你会亲手复现"位置即权重"的规律，也能看到远端信号到达更晚、更缓。这段代码把 λ 与 τ 的物理意义从公式变成了可调的旋钮。

工程取舍：什么时候需要电缆方程

并非所有模型都要付出空间代价。判据很简单：输入在空间上是否需要区分。网络级仿真（成千上万个单元）用点神经元足够，因为问题在群体统计而不在单细胞细节；研究树突整合、突触定位、分支计算时，空间是主角，必须上多室模型（2.4 节）。中间态是"双室模型"：胞体一室加树突一室，用一根耦合电导连接，代价小又能表达"远端输入被衰减"的核心事实——很多皮层模型用这个折中拿到了九成的解释力。

⚠️ 常见坑：把空间常数 λ 想成固定参数。λ 依赖膜电阻 Rm，而 Rm 会被突触电导动态拉低——抑制性输入密集时树突的有效 λ 缩短，远端信号衰减更狠。电缆性质是随活动状态变化的，不是常数表。

本节要点回顾

• 要点一：电缆方程把膜铺成分布 RC 电路，τm 控快慢、λ 控远近。
• 要点二：稳态信号按 exp(−x/λ) 衰减，每过一个 λ 只剩约 37%。
• 要点三：膜电容把快信号磨圆，胞体看到的是展宽后的混合体。
• 要点四：树突整合有饱和与分流的非线性，主动树突还能做局部非线性计算。
• 要点五：是否建空间，取决于问题是否关心输入位置——点模型、双室、多室是三级台阶。

下一节给这层被动膜装上电压依赖的电导：同一根方程，当钠电导开始自己长大，动作电位就自己炸出来了。

变式实验：把两个参数扫一遍

把 2.1 节的概念代码当实验台，做两组扫描能加深对常数的体感。第一组扫空间常数 λ：把段间耦合强度减半（等效 λ 缩短），远端信号的胞体峰值会掉一个数量级——树突变细或膜电阻下降都是这个效果；第二组扫时间常数 τ：把 tau_m 从 20 ms 改成 5 ms，远端信号变得更窄更弱——快膜让信号来不及积分就衰减了。两组扫描合起来的结论：慢而粗的树突是远端信号的朋友，快而细的树突只认近端输入。锥体细胞的顶树突之所以长而粗、且携带主动通道，正是为了对抗这套衰减算术。

问题：突触电流到底是电流源还是电导变化？

两者都对，取决于建模层级。电导型写法（gsyn 乘驱动电位）物理准确：突触打开的是离子通道，电流大小随膜电位变化，自带整流与饱和；电流型写法（直接注入电流脉冲）是线性近似，方便解析与大规模仿真。判别标准是膜电位会不会大幅接近翻转电位——会，就必须用电导型；不会（电位变化只有几毫伏），电流型的误差可以忽略。第 3.1 节会把这个取舍正式化。