首页 > 其他分享 >膜片钳的基本概念—电压钳原理详解

膜片钳的基本概念—电压钳原理详解

时间:2024-07-17 20:51:26浏览次数:13  
标签:膜片钳 over 电压钳 电位 详解 Gain quad 我们

什么是电压钳

  在膜片钳技术出现之前,其实就存在电压钳技术,他的原理是通过向细胞内注射变化的电流,抵消离子通道开放时所产生的离子流,从而将细胞膜电位固定在某一数值,即钳制电压,记录电流。通俗点就是,将细胞上的电压保持为一个我们设定的电压值,同时记录跨膜电流。
  作用主要是记录离子通道电流,研究通道性质、通道的影响因素。

电压钳的原理

  大家学习膜片钳的时候,肯定看到过下面这张图,这是电压钳的基本原理构造,但是,这上面需要知道知识设计到模拟电路方面,很多人其实不知道这方面的相关知识,所以看的一脸懵逼,完全不知下面的两个公式是怎么成立的,现在,我们就详细的来解释电压钳的原理,保证你看完一定懂。

  首先,我们先来解释一下这幅图,我们从左往右依次介绍:

  • 探头接地线:左边的那根接地线,就是我们做膜片钳实验室,在实验台上需要放在溶液内的那根黑黑的像铁丝一样的东西。说个题外话,太黑了就需要处理了,否则会影响实验
  • Vm:细胞上的Vm标识标识的是细胞膜电位,上面V字形状的是我们的玻璃电极。
  • A1:运算放大器,他的原理就是输出=(正相输入-负相输入)*内部放大倍数。
  • A2:单倍增益差分放大器,输出=(正相输入-负相输入)*1。
      那么如何得到左下角的公式呢?我们先说构成等式的前提,在A1和A2这样的电路构成中,Vp是和Vc是可以认为相等,同时,流过Rf的电流I是可以认为全部流向细胞的。同时细胞通过玻璃管与A1的负端相连接,所以细胞膜的电位

\[V_m(细胞电位)=V_p(电极电位)=V_c(命令电位) \]

  这样,我们就能得到第一个公式:

\[V_1-V_p=V_1-V_c=I*R_f \]

  那么,这个公式的意义是什么呢?上面我们得到了$V_m(细胞电位)=V_p(电极电位)=V_c(命令电位) $,Vc是我们可以手动设置的,因此,我们只要手动改变Vc的电压值,就能同时改变细胞膜上Vm的电压值,从而达到钳住膜电压的要求。
  这个时候,我们能够改变膜电压了,但是,该怎么记录电流呢,这时候就需要A2了,根据上面的公式,想要得到电流I,需要知道V1和Rf的大小,Rf电阻我们是知道的,那么就需要得到电压V1的值,那么经过A2,我们可以得到:

\[V_1-V_c=V_o \]

  Vo的电位我们可以通过后面的电路采集到,这个时候,我们就可以得到V1的大小了。做一个简单的变换,我们就知道膜电流的大小了。

\[I= \quad {V_o+V_c-V_c\over R_f} = \quad {V_o\over R_f} \]

  到这里,我们就捋清楚这个电路的基本原理了,即通过改变Vc,来改变细胞膜的电位,记录Vo,来记录跨膜电流。
  好了,其实到这里,大家如果是学医的,那差不多就可以了,那肯定有人就要问了,为啥$V_p(电极电位)=V_c(命令电位) $呀?,是有什么判断条件吗?硬背的话,以后我该怎么判断呢?所以接下来,我还是为大家讲解一下为什么,我将尽可能从数学上为大家讲解,防止这是电学知识而听不懂。
  我们先单独说明一下运算放大器,运算放大器的输出 \(V_o=(V_+-V_- )*Gain\) , \(Gain\) 是运算放大器内部的增益,这个数值是非常大的,我们理解起来的话可以把它当作一个近似无穷大的数。

  接下来我们把第一幅图做一个简化,细胞我们使用一个 $R_m$ 等效电阻代替,根据运算放大器的模型,我们可以得到 $V_1$ 的输出表达式: $$V_1=(V_c-V_p)*Gain $$
  由于运算放大器输入端的阻抗很大,所以,我们可以认为电流的路径只有一条,即 $V_1$ 到 $R_f$ 到 $R_m$,所以可以得到 $V_p$ 的电压表达式: $$V_p= V_1*\quad {R_m\over (R_f+R_m)} $$   将两个方程式结合一下,可以得到: $$V_p= (V_c-V_p)*Gain*\quad {R_m\over(R_f+R_m)} $$   取 $$F= \quad {R_m\over(R_f+R_m)} $$   得到 $$V_p= (V_c-V_p)*Gain*F $$   得到,变化过程大家自己换算一下 $$V_p= V_c*\quad {Gain*F\over(1+Gain*F)} $$   由于$Gain$ 非常大,所以上面公式中的分母中的1可以省略,得到表达式: $$V_p= V_c*\quad {Gain*F\over (Gain*F)} $$ $$V_p= V_c $。$   这样,我们就推导出了$V_p= V_c $。

  当然,我还可以建立一个简单的数学表达式,系统框图如下:

  系统的表达式为: $$V_1=(V_c-V_p)*Gain $$ $$V_p=V_1*F $$   计算可以得到: $$V_1= V_c*\quad {Gain\over1+Gain*F} $$   同样,由于$Gain$ 非常大,所以上面公式中的分母中的1可以省略,得到表达式: $$V_1= V_c*\quad {Gain\over Gain*F} $$ $$V_1= V_c*\quad {1\over F} $$   带入上面的式子,也可以得到: $$V_p=V_1*F = V_c*\quad {1\over F}*F$$ $$V_p=V_c$$

标签:膜片钳,over,电压钳,电位,详解,Gain,quad,我们
From: https://www.cnblogs.com/nightmarefule/p/18302161

相关文章

  • docker ps 命令详解
    dockerps命令:-a,–all展现出来所有状态的容器Showallcontainers(defaultshowsjustrunning)-f,–filter过滤显示Filteroutputbasedonconditionsprovided–format格式化显示Pretty-printcontainersusingaGotemplate-n,–list简单理解,就是显......
  • Task2:从baseline代码详解入门深度学习
    Task2:从baseline代码详解入门深度学习准备工作数据集数据集被划分为三种,分别是:训练集,开发集测试集。训练集数量最多,用于训练模型,开发集用于在训练中不断调整模型的参数,架构,测试集用于测试模型模型基于seq2seq模型主要由encoderdecoder两部分构成使用GRU模型大致可以理......
  • Clarke-Wright节约算法详解与Python代码示例
    Clarke-Wright节约算法详解与Python代码示例一、算法详解Clarke-Wright节约算法(简称C-W算法),也称为节约里程法或节约算法,是由Clarke和Wright于1964年提出的一种启发式算法。该算法主要用于解决车辆路径问题(VehicleRoutingProblem,VRP),特别是在运输车辆数目不确定的情况下......
  • Nginx、LNMP万字详解
    目录Nginx特点Nginx安装添加Nginx服务Nginx配置文件全局配置HTTP配置状态统计页面Nginx访问控制授权用户授权IP虚拟主机基于域名测试基于IP测试基于端口测试LNAMP解析方式LNMP转发php-fpm解析Nginx代理LAMP解析LNMP部署示例实验环境MariaDB修改密码......
  • 小一保姆级 Python 文件操作与管理详解
    Python文件操作与管理在Python编程中,文件操作是日常任务中不可或缺的一部分。本文将介绍Python中三个重要的文件相关模块和功能:open函数、json与pickle库、以及os模块的使用。1. open 函数的使用Python中的open函数是用来打开文件的核心函数。它提供了多种......
  • TCP/IP网络模型详解
    在计算机网络领域,网络模型通常指的是OSI(OpenSystemsInterconnection)参考模型或TCP/IP(TransmissionControlProtocol/InternetProtocol)模型。这些模型描述了网络中数据传输的层次结构,便于理解和设计网络系统。1.OSI七层网络模型OSI(OpenSystemsInterconnection)七层网络......
  • 基于QEMU的LCD驱动详解
    1.使用QEMU的优点概述:使用QEMU模型LCD屏幕,可以只写驱动程序,不需要设置LCD硬件相关,也不需要映射Framebuffer。使用QEMU可以非常方便地调试内核、查看驱动程序执行过程有助于深入研究内核及驱动Linux驱动=驱动框架+硬件操作。如果硬件操作足够简单,我们就可以把精力......
  • FastJson详解
    文章目录一、FastJson介绍二、FastJson序列化API1、序列化Java对象2、序列化List集合3、序列化Map集合三、FashJson反序列化API1、反序列化Java对象2、反序列化List集合3、反序列化Map集合(带泛型)四、SerializerFeature枚举1、默认字段为null的不显示2、格式化五、@JSo......
  • 以电商、消费行业为例,详解火山引擎数智平台如何应用湖仓一体架构
    更多技术交流、求职机会,欢迎关注字节跳动数据平台微信公众号,回复【1】进入官方交流群。 随着互联网的不断发展,企业数据的使用场景也发生巨大变化,湖仓一体逐渐成为一种被广泛应用的底层数据架构。 详细来说,湖仓一体架构是一种将数据湖和数据仓库的优势结合起来的新型数据架......
  • SIP消息结构详解
    SIP协议的消息由三部分构成,分别是起始行(请求行+状态行)、消息头和消息体(正文)一.起始行1.请求消息起始行 起始行:由方法名、请求URI和协议版本组成,自身内部用逗号分割,三者之间用空格分隔。例如:INVITE sip:[email protected];user=phone SIP/2.0方法名:SIP协议定义了一系列......