神經元范文10篇

摘要：Lonworks技術的核心是神經元芯片，文中詳細描述了神經元芯片TMPN3150應用模式中的一種——并行口I/O模式，給出了基于該并行口I/O模式開發Lonworks協議與RS-232標準轉換的互連適配器的設計方案。

關鍵詞：Lonworks；神經元芯片；并行口I/O模式；TMPN3150

1引言

1993年美國Echelon公司發明了Lonworks技術，該技術提供了一個開放性很強且無專利權的底層通訊網絡——局部操作網絡（LON）。該通信協議采用Lontalk協議，網絡上的節點采用神經元芯片。神經元芯片（Neuron芯片）是Lonworks技術的核心，它含有Lontalk協議的固態軟件（簡稱為固件），因而能進行可靠地通訊。為了實現Neuron芯片與I／O設備之間的通信，Neuron芯片的11個引腳可定義為34種I／O對象，其中包括并行I／O對象、串行I／O對象、直接I／O對象、定時／計數器輸入對象等。用戶可根據實際應用的需要在應用程序中定義不同的I／O對象，然后調用ioin或ioout等函數來實現對I／O對象的數據讀寫操作，即實現Neuron芯片與I／O設備之間的通信。文中介紹了神經元芯片的一種I／O應用模式，即并行I／O模式（ParallelI／OMode）。該神經元芯片采用日本東芝公司的TMPN3150芯片。

RS－232標準是一種常見的電氣和通訊接口標準，而Lonworks現場總線在網絡通訊方面具有突出的優點（如網絡物理層支持多種通信介質，支持多種網絡拓撲結構等），它以其突出的統一性、開放性及互操作性受到各行各業的重視，并且作為現場總線中的佼佼者在國內各個領域的測控系統中廣泛流行。因此，將現場設備的RS－232信號轉換為包含LonTalk協議的信息來實現與其它LON節點以及LON網絡管理設備之間的通訊，具有拓寬LON應用范圍的意義。筆者基于神經元芯片的并行I／O應用模式設計了一個適配器，從而實現了RS－232通信網絡與Lonworks現場總線的集成。

圖1基于TMPN3150的RS-232網絡與Lonworks現場總線的適配器硬件框圖

摘要：小波神經元網絡比多層前饋神經網絡具有更多自由度和更好的適應性。為更好地反映氣象因素對負荷的影響及提高負荷猜測的精度，文章選用Morlet小波構建小波神經元網絡，采用誤差反傳學習算法來練習網絡，采用自學習隸屬度分析聚類的新方法選擇練習樣本。并應用武漢電網近年的負荷數據和氣象資料進行了建模和猜測，猜測結果表明所建立的小波神經元網絡猜測模型具有較好的收斂性，采用自學習隸屬度分析聚類方法選擇練習樣本能改善猜測精度。摘要：小波神經元網絡；隸屬度；短期負荷猜測；電力系統SHORT-TERMLOADFORECASTINGBASEDONWAVELETNEURALNETWORKABSTRACT摘要：Waveletneuralnetwork(WNN)possessesmoredegreeoffreedomandbetteradaptivitythanmulti-layerFPneuralnetwork.Tobetterreflecttheinfluenceofclimatefactorsonloadandimprovetheprecisionofloadforecasting,theMorletwaveletischosentoestablishawaveletneuronnetwork,thebackpropagatealgorithmisadoptedtotraintheWNNnetwork,anewmethodofanalyzingclusteringbyself-studymembershipisusedtotrainthesamples.TheloaddataandclimaticdataofWuhanpowernetworkinrecentyearsareappliedinmodelingandloadforecasting.TheforecastingresultsshowthattheestablishedWNNmodelpossessesbetterconvergenceandtheforecastingprecisioncanbeimprovedbychoosingtrainingsampleswithanalyzingclusteringbyself-studymembership.KEYWORDS摘要：Waveletneuralnetwork；Membership；Short-termloadforecasting；Powersystem1引言短期負荷猜測是負荷猜測的重要組成部分，是電力系統運行調度中的重要內容。國內外已提出了多種短期負荷猜測方法，如多元回歸、ARMA模型、人工神經元網絡方法等。可歸類為摘要：①利用負荷的自身發展規律，如ARMA模型[1等；②負荷發展規律和氣象因素相結合，如ANN(ArtificialNeuralNetwork)方法[2；③其他方法，如小波分解法[3-5、模糊聚類法[6及混沌算法[7。人工神經網絡以其強大的多元性映射能力能夠準確捕捉并學習負荷值和天氣之間的非線性關系，使考慮氣象因素的電力系統短期負荷猜測成為可能。近年來它一直受到密切關注，且已成為解決電力負荷猜測新問題的有效計算工具。小波在分析非固定信號和構造非線性函數模型方面具有卓越性能，因此結合了小波基函數的小波神經元網絡(WNN)比一般神經網絡具有更多的優越性。為更好地反映氣象因素對負荷的影響及提高負荷猜測的精度，本文構建了一種小波神經元網絡負荷猜測模型，以Morlet小波取代Sigmoid函數，采用誤差反傳學習算法來練習網絡，采用自學習隸屬度分析聚類方法來選擇練習樣本。2小波及小波變換基本小波或母小波定義為滿足相容性條件(如式(1)所示)的平方可積函數φ(t)∈L2(R)(L2(R)為二尺度空間)式中a、b為實數，且a≠0，稱φab(t)為由母小波(t)生成的依靠于參數a、b的連續小波，也稱為小波基。設反映負荷變化規律趨向的函數為f(t)∈L2(R)，定義其小波變換wf(a,b)為3小波神經元網絡3.1基本原理小波神經元網絡是基于小波分析的具有神經元網絡思想的模型，即采用非線性小波基取代常用的非線性Sigmoid函數，通過線性疊加所選取的非線性小波基來擬合負荷歷史數據序列。負荷曲線y(t)可采用小波基φab(t)進行如下擬合摘要：式中為負荷曲線y(t)的猜測值序列；Wk、bk、ak分別為第k個權重系數和第k個小波基的平移因子和伸縮因子；n為小波基個數。在小波神經元網絡中，小波神經元負責對輸入信號進行預處理，再將其傳遞到多層感知器。采用神經元網絡學習算法練習網絡，在迭代過程中調整網絡的各個參數和小波系數，使輸出誤差最小化。3.2網絡結構圖1為4層小波神經元網絡，圖中輸入層有I個神經元，xi為其第i個輸入量；小波變換層有J個神經元，、vj分別為其第j個輸入量和輸出量隱層有K個神經元，yk為其第k個輸出量；輸出層有1個神經元，輸出結果為Om，代表猜測日第m個猜測點的負荷值式中Ψs,t,j為小波變換函數；Wij、Wjk和Wk分別為輸入層和小波層、小波層和隱層、隱層和輸出層之間的連接權值。考慮到Morlet小波的簡明表達方式，選擇Morlet小波作為網絡隱含層的變換基函數式中xz=(x-tj)/sj，sj為小波神經元j的放縮系數，tj為小波神經元j的平移系數。神經元學習算法用于修正sj和tj以及網絡輸出線性組合的權值Wij、Wjk和Wk，通過最小化誤差能量函數優化這些網絡參數。簡化式(7)、(8)，取g(x)=x，小波神經元網絡的輸出Om可表示為式中D為練習樣本數目；為第d個樣本的第m個期望輸出值。3.3小波神經元網絡的誤差反傳學習算法為使誤差Em最小，采用梯度下降法學習函數作為小波神經元網絡的學習法則。該學習過程和普通神經元網絡的算法相同。根據式(5)-(7)和式(8)，可得到Em的負梯度值，由此推出和該WNN每個參數有關的局部誤差函數。如由局部誤差函數值構造出梯度矢量，該WNN參數即可用梯度下降法更新確定。對于式(11)的Em，對于第d個樣由于小波基函數對放縮系數和平移系數非凡敏感，因此小波基節點數應足夠大，以確保神經元網絡的穩定性。此外，本文模型的網絡參數初值選取如表1所示。4小波神經元網絡猜測模型的建立4.1采用改進隸屬度分析聚類法選擇練習樣本為避免氣象突變、日期、星期類型的不同導致負荷模式的不同，從而顯著增加神經元網絡的練習時間并影響猜測精度，需從歷史數據中選取和猜測日的特征量最為接近的歷史日的數據作為練習樣本，聚類分析是選擇樣本的有效手段。在短期負荷猜測的數據聚類中主要考慮的聚類特征指標有摘要：最高溫度、最低溫度、平均溫度、風力、可見度、濕度、天氣類型、舒適度指數以及日期、星期等。這些因素對負荷變化的影響程度不同，其中最高溫度、最低溫度的變化對負荷變化的影響最大，且各因素的取值范圍和正常變化范圍也不同。本文采用自學習加權隸屬度函數來進行模糊聚類分析。假設有K個負荷日，特征量的個數為M，第k個負荷日的第j個特征量表示為ykj，將其作如下歸一化處理各特征量的隸屬度函數表達式為式中μkj為第k個負荷日的第j個特征變量的隸屬度值；gj為猜測日(即聚類中心)的第j個特征變量；設置閾值λ來確定練習樣本，λ越大符合選擇條件的練習樣本數越少。采用監督式學習來決定權值wj。定義目標函數為式中nL為學習的樣本數目；yi＝Li/L0；L1為歷史日i的負荷總量；L0為目標日的負荷總量；ti為歷史日i和目標日的相似度值，即隸屬度值。采用梯度下降法來調整權值使式(22)達到最小值。4.2WNN的構建和練習本文構建的WNN網絡有55個輸入神經元(如表2所示)，112個小波層神經元，30個隱含層神經元，1個輸出神經元。需指出的是，隱含層神經元最適宜的數目取決于誤差檢驗，WNN網絡通過未參加練習的某一階段的歷史數據來檢驗誤差。練習中取近60天的歷史數據運用上述基于隸屬度分析的聚類方法來選取小波神經元網絡的練習樣本(10個)和檢驗樣本(5個)。通過誤差檢驗來確定隱含層神經元的數目。5算例基于本文的模型原理和建模步驟，采用C語言編寫出小波神經元網絡負荷猜測程序。利用湖北省武漢市1999年5月-12月的歷史氣象和負荷數據進行猜測摘要：①WNN網絡和BP網絡的性能比較(10個樣本批量練習，單點輸出條件下)見表3；②采用本文模型對武漢市電網負荷進行猜測，將其猜測結果和使用普通BP神經元網絡的結果進行比較。表4為采用小波神經元網絡方法對1999年5月21日-1999年5月27日的負荷進行猜測的平均相對誤差和普通BP網絡的比較，結果表明本文猜測算法穩定實用，能夠改善猜測精度。6結論本文探索了小波神經元網絡用于解決短期負荷猜測的能力。探究表明恰當地選擇練習樣本和合理地選擇網絡結構是影響WNN網絡猜測精度的主要因素。小波神經元網絡具有比BP網絡更快的收斂速度，改進隸屬度聚類方法的應用可改善負荷大波動日的猜測精度。參考文獻[1施泉生(ShiQuansheng)．短期負荷預告模型庫的探究及應用(Astudyandapplyonmodelsystemofshort-termloadforecasting)[J．系統工程理論和實踐(SystemEngineeringTheoryandPractice)，1996，16(7)摘要：99-104．[2ParkDC，El-SharkawiMA，MarksRJIIetal．Electricloadforecastingusinganartificialneuralnetwork[J．IEEETransactionsonPowerSystems，1991，6(2)摘要：442-449．[3邰能靈，侯志儉，李濤，等(TaiNengling，HouZhijian，LiTaoetal)．基于小波分析的電力系統短期負荷猜測方法(Newprinciplebasedonwavelettransformforpowersystemshort-termloadforecasting)[J．中國電機工程學報(ProceedingsoftheCSEE)，2003，23(1)摘要：45-50．[4冉啟文，單永正，王騏，等(RanQiwen，ShanYongzheng，WangQietal)．電力系統短期負荷預告的小波-神經網絡-PARIMA方法(Wavelet-neuralnetworks-PARIMAmethodforpowersystemshorttermloadforecasting)[J．中國電機工程學報(ProceedingsoftheCSEE)，2003，23(3)摘要：38-42．[5謝宏，陳志業，牛東曉(XieHong，ChenZhiye，NiuDongxiao)．基于小波分解和氣象因素影響的電力系統日負荷猜測模型探究(Theresearchofdailyloadforecastingmodelbasedonwaveletdecomposingandclimaticinfluence)[J．中國電機工程學報(ProceedingsoftheCSEE)，2001，21(5)摘要：5-10．[6姜勇(JiangYong)．基于模糊聚類的神經網絡短期負荷猜測方法(Short-termloadforecastingusinganeuralnetworkbasedonfuzzyclustering)[J．電網技術(PowerSystemTechnology)，2003，27(2)摘要：45-49．[7李天云，劉自發(LiTianyun，LiuZifa)．電力系統負荷的混沌特性及猜測(Thechaoticpropertyofpowerloadanditsforecasting)[J．中國電機工程學報(ProceedingsoftheCSEE)，2000，20(11)

摘要：目的觀察鉛、硒對原代培養的海馬神經元生長及存活的影響，研究硒對鉛的神經細胞生長抑制的拮抗作用。方法建立新生Wistar大鼠海馬神經元原代無血清培養技術，通過PbCl2,Na2SeO3單獨及聯合作用，觀察神經細胞的生長和存活情況。結果10-5mol/L鉛明顯抑制了原代培養的海馬神經元突起生長，引起神經元存活率下降；單獨硒(2×10-6mol/L)有明顯促進海馬神經元突起生長的作用，尤其在神經元突起生長早期；但對海馬神經元存活率的影響不明顯。鉛和硒共同孵育時，培養早期硒能拮抗鉛對神經元突起延伸的抑制，但隨著培養時間延長，這種拮抗作用消失；從神經元存活率來看，在實驗劑量下，未見硒能拮抗鉛對神經元存活的抑制作用。結論鉛具有抑制神經元生長和存活的毒性，本實驗劑量下的硒在細胞培養早期有促進神經元突起生長和拮抗鉛對神經元生長和存活的抑制作用。

【關鍵詞】鉛；硒；海馬；神經元；神經突起

鉛具有顯著的神經發育毒性。毒理學實驗和人群流行病學調查表明，鉛能對神經系統造成不可逆性損害，嚴重損壞海馬神經元，影響學習、記憶及行為發育〔1，2〕。硒有防止鉛吸收和加速其排泄的作用，因此，硒有可能成為有效防治鉛神經毒性的重要資源〔3〕。為了解硒拮抗鉛神經毒性的效果和研究其拮抗作用機制，同時也為更多有效地利用硒，本試驗對體外原代培養的Wistar乳鼠海馬神經元進行低劑量PbCl2和Na2SeO3染毒，觀察低水平鉛、硒單獨和聯合作用對神經細胞生長和存活的影響。

1材料與方法

11材料

111試劑解剖液、種植培養液、無血清培養液［由98%Neurobasal培養基和2%B27(美國Gibco公司)無血清培養基添加劑和1%的青霉素、鏈霉素和005mol/L的谷氨酰胺(美國Sigma公司)組成］；胰酶、DNaseⅠ、左旋多聚賴氨酸和臺盼蘭(美國Sigma公司)；PbCl2(上海試四赫維化工有限公司)；Na2SeO3(天津化學試劑研究所)。神經元特異性烯醇化酶(NSE)抗體和神經絲蛋白(NF)抗體(北京中山生物技術有限公司)。

【關鍵詞】氟西汀;細胞培養;海馬神經元;大鼠

氟西汀是5-羥色胺（5-HT）再攝取抑制劑之一，是應用較廣的抗抑郁藥。氟西汀除有抗抑郁作用外，尚可治療其他中樞神經系統疾病。有研究表明，氟西汀對海馬的神經保護作用是其發揮抗抑郁效應的機制之一［1］。關于氟西汀對體外培養的海馬神經元生長的影響未見報道，本研究初步探討了氟西汀對原代培養的海馬神經元生長的影響。

1材料與方法

1.1新生大鼠海馬神經元的分離和培養

技術方法在參考文獻［2］基礎上加以改進。取出生24h內的新生SD大鼠（東南大學醫學院動物實驗中心提供），無菌分離出雙側海馬，用顯微剪剪碎，D-Hank''''s液清洗2或3次，將剪碎的海馬組織轉移至離心管中，加入等量0.25%的胰酶（美國Sigma公司），37℃消化30min，中間振搖1或2次，加入10%的DMEM/F12（美國Gibco公司）5ml，輕輕吹打15次，然后1000r·min-1離心5min，制成單細胞懸液，置于CO2培養箱（德國Heraeus公司產品）中，差速貼壁30min，去除成纖維細胞，吸取未貼壁的細胞，并用200目的不銹鋼濾網過濾，收集過濾后的單細胞懸液于培養皿中，然后至離心管中，取一滴單細胞懸液進行計數，并用DMEM/F12將細胞密度調到1×106ml-1，然后接種于200μg·ml-1多聚賴氨酸（美國Sigma公司）包被的6孔培養板中，轉移至培養箱內培養，4h后換為無血清培養基，即含2%B27的Neurobasl培養基（美國Gibco公司），以后每3天半量換液1次。使用培養6d的神經元進行染色鑒定。

1.2大鼠海馬神經元的鑒定

【關鍵詞】溫度敏感性；膜片鉗術；神經節,脊；神經元【Abstract】AIM:Tostudytheeffectsoftemperatureonmediumdiameterprimarysensoryneuronsinratdorsalrootganglion(DRG).METHODS:WholecellpatchclamprecordingwasperformedonmediumdiameterDRGneuronsfreshlyisolatedfromratsforobservingthefiringcharacteristicsbytemperaturegradientstimulation.RESULTS:AccordingtothefiringcharacteristicsoftheprimarysensorymediumneuronstothetemperaturechangesinratDRG,therewere2classesofcells:InclassⅠ,themediumneuronwastemperaturesensitiveneuron.Allornoneactionpotentialscouldbegeneratedandthenumberofspikesandthefrequencydecreasedwithincreaseofthetemperature,andviceversa.Thecoldsensitiveneuronwasvoltagedependent.InclassⅡ,themediumneuronwastemperatureinsensitiveneuron.Itonlyhadsingleactionpotentialwithincreaseordecreaseofthetemperature,andtheamplitudeofthesingleactionpotentialdecreasedwithincreaseofthetemperature.CONCLUSION:ThetwoclassesofratDRGmediumneuronshavedifferentthermosensitivity.【Keywords】thermosensitivity;patchclamptechniques;ganglia,spinal;neurons【摘要】目的：觀察大鼠背根節(DRG)中型神經元的溫度敏感性.方法：在新鮮分散的大鼠背根節中型神經元運用全細胞膜片鉗技術，觀察給予不同溫度梯度刺激下引起細胞放電的特征.結果：根據大鼠背根節中型神經元在不同溫度梯度刺激下的放電特征可將它們區分為兩類溫度敏感神經元.Ⅰ類神經元的溫度敏感性與冷溫度變化密切相關，隨著溫度的升高而引發的逐漸增強的膜電位超級化可引發頻率由高到低的動作電位.隨著溫度的降低神經元又表現出頻率由低到高的動作電位變化.動作電位的幅值一致，符合“全或無”定律.該類神經元具有電壓依賴性.Ⅱ類神經元的興奮性與溫度變化的關系不明顯，隨著溫度升高或降低，神經元只出現一個動作電位，其頻率沒有變化，僅僅表現在隨溫度升高，動作電位的幅值降低，溫度降低后，其幅值又恢復.結論：大鼠DRG兩類神經元在溫度變化一致的情況下各具不同的冷溫度敏感性.【關鍵詞】溫度敏感性；膜片鉗術；神經節,脊；神經元0引言為了生存和適應自然界各種變化,溫度感受是動物最基本的生物行為.動物通過特殊的溫度感受器來感知冷和熱.依據細胞所具有不同的冷熱溫度感受器，可簡單將其溫度敏感性分為三類.這種分類在神經系統具有一定的普遍性［1-2］.背根節(dorsalrootganglion,DRG)是外周感受信號傳向中樞所經的第一站，節內細胞復雜多樣，其中中、小型細胞傳遞的信息和冷熱覺的關系密切.目前關于背根節小細胞和冷溫度敏感性關系的研究報道較多［3-5］，但有關中型細胞和溫度感受及傳遞關系的研究較少.本研究采用全細胞膜片鉗方法初步探討背根節上中型神經元的溫度敏感性，旨在深入了解初級感覺神經元在溫度感受與傳遞中的作用機制.1材料和方法1.1材料SD大鼠體質量50~60g，雌雄不拘，由第四軍醫大學實驗動物中心提供；胰蛋白酶(Ⅰ型)，膠原酶(Ⅲ型)，MgATP均購自美國Sigma公司；Axon200A放大器，美國Axon公司；半導體溫度計(7151型)，上海醫用儀表廠.1.2方法急性分離DRG細胞后，進行全細胞膜片鉗記錄.實驗在40個DRG細胞上進行記錄，靜息膜電位為：(-52.0±3.2)mV．1.2.1DRG細胞的制備SD大鼠在戊巴比妥鈉(40mg/kg,ip)麻醉下，迅速取出胸腰段DRG，置于氧飽和的RPMI1640液中，仔細剪除多余的神經纖維后將神經節置于含酶的RPMI1640液中(胰蛋白酶及膠原酶均為0.5g/L)，37℃消化40min，加入胰酶抑制劑終止消化．將急性分散的中型DRG細胞置于培養皿中，用細胞外液灌流(1.5mL/min)，細胞貼壁lh后進行電生理記錄．因為DRG細胞形態各異，細胞直徑測量方法是先測量細胞的長徑和短徑，然后相加得到平均直徑數值.依據細胞直徑，DRG細胞可分為大型(d>40μm),中型(d=30-40μm),小型(d<30μm)分別對應于Aα，Aβ，Aδ及C纖維細胞［6］．1.2.2電壓鉗記錄采用全細胞膜片鉗實驗記錄．細胞電位鉗制在-70mV，電極電阻約為：4～7MΩ，封接電阻達到1GΩ以上．電極內液配方(mmol/L)：140Kgluconate,2MgCl2,1.1EGTA,10HEPES,2MgATP,用KOH將pH調為7.2左右.細胞外液配方(mmol/L)：150NaCl,5KCl,1MgCl2,3CaCl2,10Glucose,10HEPES.用NaOH將pH調為7.4左右.1.2.3電流鉗制電壓鉗模式下啟動，先用電壓鉗模式完成封接，后轉向電流鉗模式進行記錄.封接電阻低于1GΩ的細胞放棄，靜息電位低于-40mV，記錄中電位衰減明顯的細胞放棄.1.2.4溫度刺激模式灌流液的溫度保持在20℃，使用溫度控制系統給予不同溫度刺激，由半導體溫度計即時檢測溫度變化.溫度變化模式為梯度型變化，分別在20℃,28℃,36℃三個溫度測量點上記錄細胞的放電模式，8℃/min，在每個溫度測量點上進行30s的記錄，然后繼續升溫，升溫速度為8℃/min.根據大鼠DRG中型神經元在不同溫度梯度刺激下的放電特征及動作電位數目的變化可將它們區分為兩類溫度敏感神經元.2結果根據大鼠DRG中型神經元在不同溫度梯度刺激下的放電特征及動作電位數目的變化可將它們區分為兩類溫度敏感神經元.給予500ms的相同去極化方波電流刺激(1000pA)，在三個依次升高的溫度測量點上記錄.發現12/40的細胞屬于Ⅰ類，隨溫度逐漸升高，該類細胞產生的動作電位數目明顯減少，放電頻率依次明顯降低，細胞的靜息膜電位進行性超極化，給予斜波刺激，可見相同的放電變化(圖1).另外，在同一細胞上，給予逐漸溫度升高的刺激后，改變溫度從36℃到20℃變化，細胞表現出相反的放電變化，證明Ⅰ類細胞具有冷溫度敏感性.實驗發現另外28個細胞屬于Ⅱ類，即溫度不敏感性.該類細胞對溫度刺激的表現是放電個數及頻率穩定，沒有變化，僅僅單個放電的幅值發生隨溫度升高而逐漸降低的變化.給予斜波刺激，該類細胞沒有反應(圖2).觀察Ⅰ類神經元在20℃測定點上的放電特征，其放電數目較多，在800pA去極化電流刺激下，動作電位呈很多的短促狀放電，放電后有振蕩，隨著刺激強度的增加(1000pA)，放電數目明顯增加，放電頻率穩定，具有電壓依賴性(圖3).而在20℃的溫度測量點上，給予Ⅱ類細胞800pA的去極化電流刺激，只產生一個動作電位，刺激強度的增加(1000pA)，放電數目和頻率不發生變化，僅動作電位的幅值升高(圖3).3討論由于DRG中型細胞和溫度感受和傳遞之間的密切關系，其對溫度刺激的反應具有不同的放電特征.我們以給予不同溫度變化刺激引起細胞放電的特征為依據,將DRG中型細胞分為兩類溫度敏感性神經元.其中Ⅱ類神經元在溫度刺激下的放電特征和以往文獻報道的溫度不敏感性神經元類似［1-2］.本研究中記錄到的Ⅰ類冷溫度敏感性神經元，一是電壓依賴性的，在同一溫度測量點上，給予方波和斜波刺激，該細胞的放電數目及頻率均增加.二是在三個依次升高的溫度測量點上，細胞產生的動作電位數目明顯減少，放電頻率依次明顯降低，給予斜波刺激，可見相同的放電變化，證明該類細胞具有明顯的溫度敏感性［6］.而在同一細胞上，給予逐漸溫度升高的刺激后，反方向降溫，細胞即明顯表現出與溫度變化呈反相關[1][2]的變化，這些特征與有關報道表現相似［7-8］，但其放電模式及變化還少見報道.我們觀察到的DRG中型神經元的不同溫度敏感性特別是Ⅰ類神經元冷溫度敏感性和放電特征，為研究分析不同溫度敏感性神經元在溫度信息傳遞整合中的作用提供依據.因為DRG中各種神經元傳導復雜的感覺信息，其中中型神經元與冷熱溫度的關系非常密切.在冷熱溫度信息的感受、傳遞和整合中，各種神經元的功能和機制不同，按上述分類后，可以從不同的角度研究溫度覺形成和傳遞過程中DRG細胞的不同作用機制.【參考文獻】［1］LiHQ,LiuBG,DobretsovM,etal.Thermosensitivityoflargeprimarysensoryneurons［J］.BrainRes,2002,926(1):18-26.［2］CraigAD,ChenK,BandyD,etal.Thermosensoryactivationofinsularcortex［J］.NatNeurosci,2000,3(2):184-190.［3］VianaF,ElviradeP,BelmonteC.Specificityofcoldthermotransductionisdeterminedbydifferentialionicchannelexpression［J］.NatNeurosci,2002,5(3):254-260.［4］ReidG,FlontaML.Coldcurrentinthermoreceptiveneurons［J］.Nature,2001,313(6):480.［5］CabanesC,VianaF,BelmonteC.Differentialthermosensitivityofsensoryneuronsintheguineapigtrigeminalganglion［J］.JNeurophysiol,2003,90(5):2219-2231.［6］ScroggsRS,FoxAP.Calciumcurrentvariationbetweenacutelyisolatedadultratdorsalrootganglionneuronsofdifferentsize［J］.JPhysiol,1992,445:639-658.［7］GordonR,AlexandruB,FlorentinaP.Acoldandmentholactivatedcurrentinratdorsalrootganglionneurons:propertiesandroleincoldtransduction［J］.JPhysiol,2002,545:595-614.［8］CarolinaR,CarlosB,FélixV.Coldsensitivityinaxotomizedfibersofexperimentalneuromasinmice［J］.Pain,2006,120:24-35

【關鍵詞】氟西汀;細胞培養;海馬神經元;大鼠

氟西汀是5-羥色胺（5-HT）再攝取抑制劑之一，是應用較廣的抗抑郁藥。氟西汀除有抗抑郁作用外，尚可治療其他中樞神經系統疾病。有研究表明，氟西汀對海馬的神經保護作用是其發揮抗抑郁效應的機制之一［1］。關于氟西汀對體外培養的海馬神經元生長的影響未見報道，本研究初步探討了氟西汀對原代培養的海馬神經元生長的影響。

1材料與方法

1.1新生大鼠海馬神經元的分離和培養

技術方法在參考文獻［2］基礎上加以改進。取出生24h內的新生SD大鼠（東南大學醫學院動物實驗中心提供），無菌分離出雙側海馬，用顯微剪剪碎，D-Hank''''s液清洗2或3次，將剪碎的海馬組織轉移至離心管中，加入等量0.25%的胰酶（美國Sigma公司），37℃消化30min，中間振搖1或2次，加入10%的DMEM/F12（美國Gibco公司）5ml，輕輕吹打15次，然后1000r·min-1離心5min，制成單細胞懸液，置于CO2培養箱（德國Heraeus公司產品）中，差速貼壁30min，去除成纖維細胞，吸取未貼壁的細胞，并用200目的不銹鋼濾網過濾，收集過濾后的單細胞懸液于培養皿中，然后至離心管中，取一滴單細胞懸液進行計數，并用DMEM/F12將細胞密度調到1×106ml-1，然后接種于200μg·ml-1多聚賴氨酸（美國Sigma公司）包被的6孔培養板中，轉移至培養箱內培養，4h后換為無血清培養基，即含2%B27的Neurobasl培養基（美國Gibco公司），以后每3天半量換液1次。使用培養6d的神經元進行染色鑒定。

1.2大鼠海馬神經元的鑒定

【摘要目的摘要：探索脊神經根性撕脫傷后脊髓運動神經元中Eta1mRNA表達的意義.方法摘要：首先建立脊神經根性撕脫傷的動物模型，采用原位雜交和免疫組織化學方法檢測損傷前后Eta1mRNA在脊髓運動神經元中表達的變化.結果摘要：損傷前Eta1在脊髓運動神經元中微量表達.損傷后3d，損傷側脊髓運動神經元總數減少31.6%，但表達Eta1的運動神經元數量增加52.5%.結論摘要：脊神經根撕脫后Eta1在脊髓運動神經元內上調表達可能是對神經元本身的一種保護.

【Eta1；脊髓；脊神經根/損傷

0引言

Eta1是一種磷酸化糖蛋白［1］，在中樞神經系統的炎癥［2,3］及創傷愈合過程中起到一定功能.然而，有關脊神經根性撕脫傷后Eta1mRNA在脊髓運動神經元中表達的變化及意義尚無相關報道.我們建立脊神經根撕脫的動物模型，探究脊神經根撕脫是否可以改變Eta1在大鼠脊髓運動神經元中的表達水平.

1材料和方法

1.1材料

【摘要】小鼠胚胎干細胞（embryonicstemcell,EScell）體外培養可以分化成為外胚層組織，并進一步分化為神經元和神經膠質細胞。這些細胞已用于中樞神經系統疾病的細胞替代治療和治療藥物的研發。小鼠胚胎干細胞定向分化為神經細胞的方法主要有擬胚體介導的神經細胞分化、基質細胞誘導的神經細胞分化、默認模式介導的神經細胞分化、單層粘附培養誘導的神經細胞分化和遺傳工程介導的神經細胞分化等。本文綜述了這些分化方法。

【關鍵詞】胚胎干細胞;神經細胞;分化

Progressindirecteddifferentiationofmouseembryonicstemcellsintoneuralcells

【Abstract】Mouseembryonicstemcellscangiverisetoectodermalderivativesincultureandcanbefurtherinducedintoneuronsandgliaforcell-replacementtherapiesinthecentralnervoussystemandforuseindrugdiscovery.Themethodsofdirecteddifferentiationofmouseembryonicstemcellsintoneuralcellsincludeneuraldifferentiationfromembryonicstemcellsviaembryoidbodies,stromalcellinducedneuraldifferentiation,defaultmodelmediatedneuraldifferentiation,adherentmonocultureinducedneuraldifferentiation,geneticengineeringmediatedneuraldifferentiationandsoon.Herewereviewthesemethodologies.

【Keywords】embryonicstemcell;neuralcell;differentiation

小鼠胚胎干細胞于1981年首次由Evans和Kaufman［1］成功分離建系，它們來源于胚泡的內細胞團（innercellmass,ICM），這些細胞具有穩定的二倍體核型，在體外可以分化為三個胚層的多種細胞。將小鼠胚胎干細胞重新植入胚泡可以參與形成胚胎。體外ES細胞維持未分化狀態依賴于一些細胞因子的存在，如白血病抑制因子（leukemiainhibitoryfactor,LIF）［2］。撤去這種自我更新的刺激信號后，ES細胞很快分化為多種細胞。這些屬性使ES細胞成為非常有用的發育生物學和功能基因組學研究的生物系統［3］。

【摘要】目的探討金銀花的解熱作用及中樞電生理解熱機制。方法復制IL1β性發熱新西蘭兔模型，觀察金銀花的解熱作用，并應用微電極細胞外放電記錄技術觀察金銀花對IL1β作用下POAH溫度敏感神經元放電頻率的影響。結果金銀花對IL1β性發熱有解熱作用;金銀花能增加IL1β作用下熱敏神經元的放電頻率，而減少IL1β作用下冷敏神經元的放電頻率。結論逆轉IL1β引起的溫度敏感神經元放電頻率的改變，可能是金銀花起解熱作用的機制之一。

【關鍵詞】金銀花IL1β解熱室前區下丘腦前部

Abstract：ObjectiveTostudytheantipyreticeffectandthemechanismofJinyinhua(JYH).MethodsFevermodelsofrabbitswereestablishedbyintravenousinjectionofIL-1β.TheantipyreticactionofJYHwasobserved.ThefiringratesofthermosensitiveneuronsinthePOAHwererecordedbyextracellularmicroelectrodetechnology.Results①JYHobviouslyreducedbodytemperatureoffebrilerabbitsinducedbyIL1β(P<0.01).②Afteri.vinjectionofJYH，thefiringratesofwarm-sensitiveneuronsresponsedtoIL-1βincreasedfrom（3.2±1.6）imp/s(beforei.vinjectionofJYH)to（9.7±4.4）imp/s(P<0.01，n=13)．Incontrast，thefiringratesofcold-sensitiveneuronsdecreasedfrom(20.1±5.8)imp/s(beforei.vJYH)to(8.4±2.0)imp/s(P<0.01，n=10)．Conclusion①JYHhasobviousantipyreticeffectonIL1βinducedfeverinrabbits．②JYHcanreversethechangesoffiringratesofthermosensitiveneuronstreatedbyIL1βinPOAHandplaysanantipyeticeffectbyincreaseinheatlostanddecreaseinheatproduction．

Keywords：Jinyinhua；IL1β；Antipyretic；POAH

金銀花是重要的清熱解毒中藥，以金銀花為主的復方制劑解熱作用的臨床觀察和藥效學研究很多，但對金銀花是通過何種途徑起解熱作用，其作用靶點和機制究竟如何，至今國內外少見報道。因此，本課題通過采用IL1β復制新西蘭兔發熱模型，在了解金銀花解熱作用的基礎上，運用玻璃微電極細胞外放電記錄技術來記錄金銀花對IL1β作用下下丘腦溫度敏感神經元放電的影響，以闡明金銀花的中樞解熱電生理機制，為臨床應用提供實驗依據和理論指導。

1材料與方法

交通運輸能力受許多因素影響，如發展水平、人口數量、自然條件等，而且還有季節性，如春運等，因此在建立預測模型的時候，在不影響精度的條件下，應該建立簡單的模型，科學的對交通運輸能力進行分析和預測，對促進運輸資源優化配置，全面提高交通運輸現代化水平，發揮各種運輸方式的最大效率，促進交通運輸業規范而高速的發展，加快交通現代化，具有十分重要的意義。[1]交通能力預測的方法很多，其中定量法常用的有移動平均法、指數平滑法、回歸分析法，灰色預測方法和作為多種方法綜合的組合預測方法。這些方法大都集中在對其因果關系回歸模型的分析上，所建立的模型不能全面和本質的反映所預測動態數據的內在結構和復雜特性，與這些方法相比，神經網絡有較強的映射能力、泛化能力、容錯能力和很強的聯想記憶能力，同時，也不需要建立函數模型，所以，用神經網絡模型進行交通運輸能力預測是一種有效的方法。[2]自1995年美國的Kak教授首次提出量子神經計算[3-4]的概念以來，量子神經網絡(QuantumNeuralNetwork,QNN)受到了廣泛關注.PurushothamanG等[5]提出了基于多層激勵函數的量子神經網絡模型,模型隱層神經元激勵函數采用多個傳統激勵函數的疊加,通過對模糊數據集的特征空間進行多級劃分,快速響應了其特征空間的結構.理論和實踐表明,量子神經網絡模型對具有不確定性非穩態數據具有良好的預測效果[6-7].因此,本文根據QNN對不確定性非穩態數據的較好預測效果的優點,建立道路交通運輸能力預測模型,在對原始數據進行相空間重構基礎上,采用態疊加的激勵函數,對道路交通運輸能力數據的特征空間進行多層梯級劃分,并在訓練過程中動態調整量子間隔,對算法的預測效果進行考察。

1道路交通運輸能力預測模型的建立

1.1量子神經元

神經網絡函數逼近的正確特性是因為神經網絡從輸入到輸出形成了一個非線性映射和激勵函數存在一些飽和區域,然而傳統的神經網絡是使用兩級激勵函數的神經元構成的,這種激勵函數的輸出僅有兩個飽和區,但是神經元中也可以采用具有多層飽和級別的激勵函數,此時這種神經元被叫做量子神經元.將兩層激勵函數神經元的思想推廣到多層激勵函數的神經元,其激勵函數，如圖1所示：

1.2基于量子神經網絡的預測模型

由于導致道路交通運輸能力的影響因素錯綜復雜,因此就直接采用時間t作為變量來綜合地代替這些因素，構成道路交通運輸能力時間序列,作為預測模型的輸入.由于預測效果受嵌入維數影響較大,依據相空間重構理論,當時間序列嵌入維數太低,難以恢復系統的演化行為和揭示其動力系統的內蘊,達不到預測的精度要求且網絡不穩定;維數太高則收斂太慢容易陷于局部最小經反復試驗,選取嵌入維數為6,確定輸入層節點數為6,輸入層激勵函數為線性函數g(g),輸入向量為6年內各年交通運輸能力的時間序列.由于每次預測都是通過6年的歷史交通運輸能力數據計算新一年的數據,因此選取輸出層節點數為1,輸出層激勵函數為線性函數g(g).隱含層神經元節點數的選取沒有明確的規定,采用經驗公式與試算法相結合的方法來確定隱含層節點個數.經驗公式選取:n(nm)a1其中1n表示隱含層節點數,n表示輸入層節點數,m表示輸出層節點數,a為[0,10]之間的常數.文中n=6,m=1,故隱含層神經元個數應該在3-13之間;再根據試算法來確定預測模型隱含層的確切節點數.這里隱含層節點數分別選擇3、5、8和12,構成一個試驗預測模型進行訓練,并分別查看不同隱含層節點數對應的網絡性能.通過比較不同隱含層節點數的訓練誤差曲線和不同隱含層節點數的誤差得出當隱含層神經元個數為5(即n1=5)時,網絡的收斂速度最快且誤差較小.