Synaptisk plasticitet har associerats med inlärning och minne¹. Synaptisk plasticitet, såsom långtidspotentiering (LTP) och långtidsdepression (LTD), associeras respektive med insättning och avlägsnande av AMPA-receptorer (AMPA-receptorer) in och ut ur synapmembranet². Ampar-synapserna ligger ovanpå de små volymstrukturer som kallas dendritiska taggar³. Varje ryggrad innehåller en proteintät region i det postsynaptiska membranet som kallas postsynaptic densitet (PSD). Förankra proteiner vid PSD-fällan AMPAR i synaptiska regionen. Det finns få kopior av AMPARs inom en enda synaps och människohandel och reaktion av AMPARs med andra arter i dendritiska spines är en stokastisk process^2,4. Det finns flera fackmodeller av synaptisk receptorhandel vid dendritiska spines^5,6,7,8. Det finns dock en brist på stokastiska beräkningsmodeller av handeln med AMPARs i samband med synaptisk plasticitet vid 3D-strukturer av dendriterna och deras dendritiska taggar.

Beräkningsmodellering är ett användbart verktyg för att undersöka de mekanismer som ligger bakom dynamiken i komplexa system såsom reaktion-diffusion av AMPARs i dendritiska taggar under förekomsten av synaptisk plasticitet^9,10,11,12. Modellen kan användas för att visualisera komplexa scenarier, varierande känsliga parametrar och göra viktiga förutsägelser i vetenskapliga förhållanden som involverar många variabler som är svåra eller omöjliga att kontrollera experimentell^12,13. Att definiera detaljnivån för en beräkningsmodell är ett grundläggande steg för att få korrekt information om det modellerade fenomenet. En idealisk beräkningsmodell är en känslig balans mellan komplexitet och enkelhet för att fånga naturfenomenens väsentliga egenskaper utan att vara beräkningsmässigt oöverkomliga. Beräkningsmodeller som är för detaljerade kan vara dyra att beräkna. Däremot kan system som är dåligt detaljerade sakna de grundläggande komponenter som är väsentliga för att fånga upp fenomenets dynamik. Även om 3D-modellering av dendritiska taggar är beräkningsmässigt dyrare än 2D och 1D, finns det villkor, såsom i komplexa system med många ickelinjära variabler reagerar och sprider i tid och 3D-rymden, för vilka modellering på en 3D-nivå är viktigt att få insikter om systemets funktion. Vidare kan komplexiteten minskas noggrant för att bevara de väsentliga egenskaperna hos en lägre dimensionell modell.

I ett stokastiskt system med få kopior av en given art inom en liten volym avviker den genomsnittliga dynamiken i systemet från den genomsnittliga dynamiken hos en stor population. I detta fall är den stokastiska beräkningsmodellering av reaktionsspridande partiklar krävs. Detta arbete introducerar en metod för stokastisk modellering reaktion-diffusion av några kopior av AMPARs i 3D dendritiska spines. Syftet med denna metod är att utveckla en 3D-beräkningsmodell av ett dendritisk segment med dendritiska spines och deras synapser för modellering synaptisk plasticitet.

Metoden använder programvaran MCell för att lösa modellen numeriskt, Blender för att konstruera 3D-maskor, och CellBlender för att skapa och visualisera MCell-simuleringarna, inklusive spatiotemporal reaktion-diffusion av molekyler i 3D-maskor^14,15,16. Blender är en svit för skapandet av maskor och CellBlender är ett tillägg för basen programvara Blender. MCell är en Monte Carlo-simulator för reaktion-diffusion av enstaka molekyler¹⁷.

Logiken bakom användningen av denna metod består av modellering synaptisk plasticitet för att uppnå en bättre förståelse av detta fenomen i den mikrofysiologiska miljön i dendritiska spines¹⁴. Särskilt, denna metod tillåter simulering av homosynaptisk potentiering, homosynaptisk depression, och heterosynaptic plasticitet mellan dendritiska spines¹⁴.

Funktionerna i denna metod inkluderar modellering av 3D geometriska strukturen av dendriten och dess synapser, diffusionen genom slumpmässig promenad, och de kemiska reaktionerna hos de molekyler som är involverade med synaptisk plasticitet. Denna metod ger fördelen att skapa rika miljöer för att testa hypoteser och göra förutsägelser om hur ett komplext ickelinjärt system med ett stort antal variabler. Dessutom kan denna metod tillämpas inte bara för att studera synaptisk plasticitet utan också för att studera stokastisk reaktion-diffusion av molekyler i 3D-nätstrukturer i allmänhet.

Alternativt kan 3D-maskor av dendritiska strukturer konstrueras direkt i Blender från elektronmikroskop seriella rekonstruktioner¹⁸. Även om maskor baserade på seriella rekonstruktioner ger 3D-strukturer, är tillgång till de experimentella data inte alltid tillgänglig. Således ger konstruktionen av maskor anpassade från grundläggande geometriska strukturer, som beskrivs i det föreliggande protokollet, flexibilitet att utveckla kundanpassade dendritiska segment med dendritiska taggar.

En annan alternativ beräkningsmetod är bulksimuleringen av väl blandade reaktioner i en vanlig volym^{9,10,11,19,20,21,22}. Bulksimuleringarna är mycket effektiva för att lösa reaktionerna hos många arter inom en enda väl blandad volym²³, men bulkstrategin är extremt långsam för att lösa molekylernas reaktionsdiffoföring inom många väl blandade voxels i en högupplöst 3D-mesh. Å andra sidan fungerar den föreliggande metoden med hjälp av MCell-simuleringar av reaktionsdiffusion av enskilda partiklar effektivt i högupplösta 3D-maskor¹⁵.

Innan man använder denna metod bör man fråga sig om det undersökta fenomenet kräver en stokastisk reaktionsdiffusionsansats i ett 3D-nät. Om fenomenet har få kopior (mindre än 1 000) av minst en av de reagerande arterna som sprider sig i en komplex geometrisk struktur med små volymfack som dendritiska taggar, då är stokastisk modellering av reaktionsdiffusion i 3D-maskor lämplig för applikationen.

Det finns flera steg som krävs för att konstruera en 3D-beräkningsmodell av ett dendritisk segment som innehåller dendritiska taggar med synaptisk plasticitet. De viktigaste stegen är installationen av rätt programvara för konstruktion av modellen, byggandet av en enda dendritisk ryggrad som ska användas som en mall för att skapa flera taggar, och skapandet av en dendritisk segment som är ansluten med flera dendritiska taggar. Steget för modellering av synaptisk plasticitet består av att sätta in ankare vid PSD-regionen och AMPAR i det dendritiska segmentet och dendritiska taggar. Därefter definieras kinetiska reaktioner mellan de ankare som ligger vid PSD och AMPARs för att producera komplexa ankar-AMPAR-arter som fångar ampaperna vid synapsregionen. Respektive, ökningen och minskningen av samhörigheten mellan ankare och de synaptiska AMPARs skapa processen för LTP och LTD.