Auflösung des schnellen Schaltens bei Patch-Clamp Untersuchungen
Auflösung des schnellen Schaltens bei Patch-Clamp Untersuchungen
Auflösung des schnellen Schaltens bei Patch-Clamp Untersuchungen
Erfolgreiche ePaper selbst erstellen
Machen Sie aus Ihren PDF Publikationen ein blätterbares Flipbook mit unserer einzigartigen Google optimierten e-Paper Software.
4 Modelle für die Beschreibung der Transportvorgänge<br />
in Membrankanälen<br />
Für die Beschreibung der Funktionsweise von Kanälen werden mathematische und<br />
physikalische Modelle angewendet, die den Mechanismus <strong>des</strong> Transportes der Ionen durch<br />
den Kanal erklären. Eine grundsätzliche Unterscheidung ist die in Gating- und Permeationsmodelle<br />
(Hansen et al., 1997). Permeationsmodelle beschreiben den Transport eines einzelnen<br />
Ions durch den Kanal. Gating-Modelle beschäftigen sich mit der Unterbrechung <strong>des</strong> Stroms<br />
permeierender Ionen durch Übergänge zwischen aktiven und inaktiven Zuständen <strong>des</strong> Kanals.<br />
Hier gilt das besondere Interesse den Modellen, die die mechanische Erklärung <strong>des</strong> AMFEs<br />
zum Ziel haben.<br />
4.1 Markov-Modelle<br />
Markov-Modelle sind formale Gating-Modelle, die das Schaltverhalten der Kanäle durch<br />
Übergänge zwischen diskreten offenen und geschlossenen Zuständen beschreiben. Ziel der<br />
Analyse ist die Ermittlung der Anzahl von „open“ und „closed“ Zuständen, ihre Anordnung<br />
zueinander und der Ratenkonstanten kij (Übergangswahrscheinlichkeit von Zustand i in<br />
Zustand j).<br />
Für eine stochastische Betrachtung der Schaltvorgänge der Kanäle auf der Grundlage<br />
eines Markov-Modells gibt es zwei einfache Voraussetzungen. Eine der Voraussetzungen ist,<br />
daß das System kein Gedächtnis hat. Das bedeutet, daß ein Übergang von einem Zustand in<br />
einen anderen nicht von vorherigen Übergängen abhängt. Die andere Voraussetzung ist, daß<br />
die kij nicht von der Besetzung der Zustände abhängig ist (Linearität <strong>des</strong> Systems, Colquhoun<br />
und Hawkes, 1977).<br />
Das Verhalten dieses Modells wird durch ein System von Differentialgleichungen erster<br />
Ordnung beschrieben, das durch eine Exponentialfunktion gelöst wird.<br />
dP(<br />
t)<br />
= P(<br />
t)<br />
⋅K<br />
dt<br />
P =<br />
(4.1)<br />
Kt<br />
( t)<br />
e<br />
(4.2)<br />
Die Elemente <strong>des</strong> Vektors P(t) sind die Besetzungswahrscheinlichkeiten je<strong>des</strong> einzelnen<br />
Zustan<strong>des</strong>, und die Matrix K bildet sich aus den Ratenkonstanten kij.<br />
Für die Beschreibung der Aufenthaltszeiten in einem Zustand <strong>des</strong> Markov-Modells wird<br />
meistens eine Summe von Exponentialfunktionen benötigt (Colquhoun und Hawkes, 1977).<br />
Wenn mehrere Zeitkonstanten vorkommen, existieren mehrere Zustände, die voneinander<br />
unabhängig sind.