25.02.2013 Aufrufe

Auflösung des schnellen Schaltens bei Patch-Clamp Untersuchungen

Auflösung des schnellen Schaltens bei Patch-Clamp Untersuchungen

Auflösung des schnellen Schaltens bei Patch-Clamp Untersuchungen

MEHR ANZEIGEN
WENIGER ANZEIGEN

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.

Hurra! Ihre Datei wurde hochgeladen und ist bereit für die Veröffentlichung.

Erfolgreich gespeichert!

Leider ist etwas schief gelaufen!