第 3 章：膜离子通道 (Membrane Ion Channels)
3.1 电流-电压关系 (Current–Voltage Relations)
本章开宗明义：离子电流没有"普适表达式"——与 Nernst 方程 (2.104) 可由热力学直接推导不同，Na⁺ 电流的 I–V 关系必须基于具体通道模型。第 2 章已给出两种最常用的形式：(1) 线性模型 \(I_{Na} = g_{Na}(V - V_{Na})\) (3.1)，其中 \(V_{Na} = (RT/F) \ln([Na^+]_e/[Na^+]_i)\)，电流在 Nernst 电位处为零；(2) Goldman–Hodgkin–Katz 常电场电流方程 (3.2)，电流对电压呈非线性、对离子浓度呈线性，同样在 Nernst 电位处归零。Fig. 3.1A 在单离子条件下比较两条曲线：两者都过 \((V_{Na}, 0)\)，但 \(V\) 远离 \(V_{Na}\) 时 GHK 给出非线性曲线（参数：\([Na^+]_i = 50\) mM, \([Na^+]_e = 437\) mM, \(g_{Na} = 0.01\) mS/cm²，\(P_{Na}\) 选择使两曲线在 \(V = 0\) 处相交）。没有"正确"的 I–V——不同细胞、不同通道有自己的 I–V，作者强调应基于"哪种能更好地描述该通道的实验数据"来选择模型，而不是"哪种更基础"。关键提示：Nernst 方程 (2.104) 描述平衡电压，可由热力学严格推导；离子电流则没有这样的热力学推导，必须基于具体模型——这一区别贯穿本章。
两种模型都有重要的历史地位。乌贼巨轴突的开放 Na⁺、K⁺ 通道 I–V 近似线性，因此 Hodgkin-Huxley 经典模型（详见第 5 章）用线性形式；但脊椎动物轴突的 I–V 更好用 GHK 描述（Frankenhaeuser 1960a, b, 1963; Campbell & Hille 1976）。当膜两侧同时有 Na⁺、K⁺ 可通过时，两种模型的反转电位 \(V_r\)（净电流为零的电压）显著不同：GHK 给出对数形式
(3.3)，线性模型给出电导加权平均 \(V_r = (g_{Na}V_{Na} + g_K V_K)/(g_{Na} + g_K)\) (3.4)。这是因为反转电位是净电流为零的电压，但单个离子电流并不为零——所以 Nernst 方程这种平衡论证不适用，没有普适的反转电位。Fig. 3.1B 比较了两条反转电位曲线：两者定性相似，但定量不同（参数：\([K^+]_i = 397\) mM, \(g_K = 0.367\) mS/cm²，\(P_K\) 选择使两曲线在 \(V = 0\) 处相交，\([K^+]_e = 20\) mM）。结论：仅靠反转电位测量无法区分线性和 GHK 模型——这一警告有重要的实验意义：早期文献常常根据反转电位推断"模型本质"，但实际上两种模型在生理范围内给出相似的反转电位行为。要区分模型需要更细的实验设计（如电压斜坡 vs 阶跃、不同离子浓度组合）。作者强调：不同细胞不同通道有不同的 I–V——挑战是为给定离子通道确定 I-V 曲线并将其与潜在生物物理机制联系起来——这是 3.3-3.4 节通道建模问题的起点。作者选择这两种模型作为示例并非偶然——它们是理论细胞电活动模型中最常用的两个：相对简单，且能对许多离子通道给出好的定量描述。Hille (2001) 的教材提供更详细的通道电流-电压关系综述。
关于 Nernst 方程 (2.104) 的更多背景：Nernst 方程适用于「单离子可通透」情形——即膜仅对一种离子有通透性时。反转电位 \(V_r\) 对应「净电流为零」的电压，但单个离子电流在反转电位不一定为零。线性模型与 GHK 模型在单离子条件下都满足 (2.104)，所以单离子情形下两者不可区分。实验上区分线性和 GHK 的方法：(1) 在多离子条件下测量反转电位随浓度的变化（如 Fig. 3.1B）；(2) 在远离反转电位的电压下测量 I-V 曲线的非线性程度（如 Fig. 3.1A）；(3) 改变膜两侧的离子浓度比，观察反转电位的偏移是否符合对数或加权平均形式。这三种方法在 Hille (2001) 中都有详细讨论。为什么选择这两种模型：它们是 1970-1990 年代 Hodgkin-Huxley 风格模型的标准选择，简洁且能描述大部分实验数据；现代模型可能更精细（多状态 Markov、Hodgkin-Huxley 改进版等），但本质思想相同。
3.1.1 稳态与瞬时电流-电压关系 (Steady-State and Instantaneous Current–Voltage Relations)
测量 I–V 曲线时，通道本身会对电压响应而开关，因此观察到的电流变化可能来自两个因素：更多通道打开（门控变化）、或每个开放通道的电流增大（单通道 I-V）。要分离这两种效应，可以做两种测量：(a) 瞬时 I–V 曲线——在阶跃电压后立即测量电流，前提是电压变化快到通道没有时间"反应"（开/关过程慢于开放通道本身的电流变化），假设开放通道的电流瞬时跟随电压；(b) 稳态 I–V 曲线——等通道达到新的开/关稳态分布后再测电流。瞬时 I–V 反映单个开放通道的 I–V 关系 \(\varphi(V)\)；稳态 I–V 反映通道开/关分布 \(g(V, t)\) 与 \(\varphi(V)\) 的乘积。两者的差异直接给出 \(g\) 的信息——这是 3.5 节门控动力学的实验基础。实验上，电压钳（voltage clamp）是关键工具：通过反馈电路把膜电位钳在指定值，同时记录跨膜电流；全细胞电压钳下，细胞外液和细胞内液都灌流指定离子，从阶跃电压响应可反推 \(\varphi(V)\) 和 \(g(V, t)\)。Hodgkin-Huxley 1952a 的经典工作正是用这种技术系统测量了乌贼巨轴突的 \(g_{Na}(V, t)\) 和 \(g_K(V, t)\)——他们发现 \(g_{Na}\) 是 3 个独立的"激活粒子" + 1 个"失活粒子"，\(g_K\) 是 4 个独立的"延迟整流粒子"，这种多亚基门控的发现直接启发了本章 3.5.2 节的数学框架（不变流形）。
本章后文分两类建模开放通道电流：(1) 连续介质模型——把通道视为连续介质，离子流由 Nernst–Planck 方程 + Poisson 方程耦合系统决定（3.3 节）；(2) 势垒模型——把通道视为"结合位点 + 势能垒"序列，离子在位点间跳跃（3.4 节）。Dani & Levitt (1990) 对两类模型的优缺点给出综述：连续模型几何假设少但电场耦合难处理；势垒模型几何灵活但能垒参数多。本章也讨论通道门控的简单动力学模型（3.5 节）和单通道随机行为（3.6 节），这些是第 5 章 Hodgkin-Huxley 动作电位模型的基础。更现代的门控模型（Hille 2001; Armstrong 1981; Armstrong & Bezanilla 1973, 1974, 1977; Aldrich et al. 1983; Finkelstein & Peskin 1984）本章不深入讨论；通道如何区分不同离子（如 Na⁺ vs K⁺ 选择性，过滤器机制）本章也不涉及——详见 Hille 2001 及其参考文献。
关于 Nernst 方程 (2.104) 的更多背景：Nernst 方程适用于「单离子可通透」情形——即膜仅对一种离子有通透性时。反转电位 \(V_r\) 对应「净电流为零」的电压，但单个离子电流在反转电位不一定为零。线性模型与 GHK 模型在单离子条件下都满足 (2.104)，所以单离子情形下两者不可区分。实验上区分线性和 GHK 的方法：(1) 在多离子条件下测量反转电位随浓度的变化（如 Fig. 3.1B）；(2) 在远离反转电位的电压下测量 I-V 曲线的非线性程度（如 Fig. 3.1A）；(3) 改变膜两侧的离子浓度比，观察反转电位的偏移是否符合对数或加权平均形式。这三种方法在 Hille (2001) 中都有详细讨论。为什么选择这两种模型：它们是 1970-1990 年代 Hodgkin-Huxley 风格模型的标准选择，简洁且能描述大部分实验数据；现代模型可能更精细（多状态 Markov、Hodgkin-Huxley 改进版等），但本质思想相同。
3.2 独立性、饱和与 Ussing 通量比 (Independence, Saturation, and the Ussing Flux Ratio)
离子通道最基本的问题是：一个离子的通过是否独立于其他离子？满足"独立性原理 (independence principle)"的通道，其离子流正比于局部浓度，与膜另一侧的浓度无关——即内向通量 \(J_{in} = k_e c_e\) (3.5)，外向通量 \(J_{out} = k_i c_i\) (3.6)，一般 \(k_e \neq k_i\)（不同方向的速率常数可以不同，反映通道的不对称性）。Nernst 电位 \(V_S\) 给出"使净通量为零的浓度比"。定义 \(c_e^*\) 是当 \(V = V_S\) 时的外浓度（满足 \(c_e^*/c_i = \exp(zV_SF/RT)\)，3.7-3.8），则 \(k_e c_e^* = k_i c_i\) (3.9)。Ussing 通量比（Ussing 1949 首次提出，Hodgkin-Huxley 1952a 给出此简洁推导）为
第二种偏离独立性的方式是通量耦合 (flux coupling)——离子在通道内相互作用。多离子通道（Hodgkin & Keynes 1955）假设通道内有多个结合位点，可以同时容纳多个离子；单文件通过 (single-file) 机制使得一个离子必须等另一个离开才能移动——这是导致通量比偏离 Ussing 的关键机制。Hodgkin-Keynes 的标签实验：膜两侧分别是标记离子 A（左）和 B（右），通道有 \(n\) 个位点，每个位点被占据形成构型 \([A_r, B_{n-r}]\)，\(r = 0, ..., n\)（\(r\) 个 A 占据左 \(r\) 位，\(n-r\) 个 B 占据右 \(n-r\) 位）。关键观察：只有构型 \([A_n B_0]\) 能把 A 移到右边——因为单文件要求左端 A 必须经过所有位点。从 A 转移到 B 的总速率 \(\alpha\)，反向总速率 \(\beta\)，满足 Ussing 形式 \(\alpha/\beta = (c_e/c_i)\exp(-VF/RT)\) (3.12)——这是总通量比，不是标记通量比。为什么总通量比满足 Ussing——因为总通量涉及"单个电荷（\(z = 1\)）跨膜运动"，与独立情形一样，电压依赖相同。
从 A→B 的速率是 \(\alpha[A_n B_0]\)（只有构型 \([A_n B_0]\) 能把 A 移到右边），B→A 的速率是 \(\beta[A_0 B_n]\)（只有构型 \([A_0 B_n]\) 能把 B 移到左边）。数学推导：稳态下相邻构型比 \([A_{r+1}B_{n-r-1}]/[A_r B_{n-r}] = \alpha/\beta\) (3.14)，递推得 \(J_{in}/J_{out} = (\alpha/\beta)^{n+1}\) (3.15)，即 Ussing 通量比的 \(n+1\) 次方：
Ussing 通量比的物理解释：从外向内的离子通量 \(J_{in}\) 是「单位时间内某个外向内的离子通过膜」；从内向外的 \(J_{out}\) 类似。两者之比是「外向内的概率」与「内向外的概率」之比。Ussing 公式 \(J_{in}/J_{out} = (c_e/c_i)\exp(-zVF/RT)\) 表明这一概率比由浓度比和电压共同决定——电压项 \(\exp(-zVF/RT)\) 给出 Boltzmann 权重（电势对离子势能的影响）。这一关系对所有平衡热力学适用——它来自细致平衡，不需要任何动力学假设。与独立性的区别：独立性原理要求通道内流通与另一侧浓度无关（流量对 \(c_e, c_i\) 各自线性），而 Ussing 通量比只是「比值关系」，对流量本身的函数形式没有要求——饱和模型（流量非线性）的通量比仍可满足 Ussing。对实验生物学的意义：测量通量比可验证 Ussing 关系（许多通道确实满足），但不能据此推断独立性——许多不独立的饱和模型也满足 Ussing。
3.3 电扩散模型 (Electrodiffusion Models)
早期大部分离子通道工作基于电扩散理论。第 2 章已经给出 Nernst–Planck 方程描述离子在浓度梯度和电场下的运动：
PNP 方程的数值求解：Eisenberg 团队（Chen et al. 1992; Barcilon 1992 等）开发了 PNP 方程的数值求解方法，使用有限差分或有限元处理 Poisson + Nernst-Planck 耦合。这些方法可以处理任意形状的通道几何（包括感应电荷），是现代生物物理学建模的标准工具。PNP 方程的局限性：(1) 假设通道是连续介质，忽略了分子结构细节；(2) 不显式包含结合位点（位点是连续浓度场的局部特征而非离散能垒）；(3) 不能直接解释多离子机制（如 Hodgkin-Keynes \(n' = 2.5\)）。势垒模型（3.4 节）补充这些缺陷——位点显式建模为离散能阱，多离子机制自然出现。两类模型的关系：在某些极限（如短通道、低浓度）下，两类模型给出相同结果（GHK）；在更一般情形下，势垒模型更适合描述饱和和多离子效应。
3.3.1 多离子通量：Poisson–Nernst–Planck 方程 (Multi-Ion Flux: The Poisson–Nernst–Planck Equations)
设通道内有两种离子 \(S_1, S_2\)（价数 \(+z, -z\)），浓度 \(c_1, c_2\)，电位 \(\phi(x)\)，膜长 \(L\)，左边界 \(x = 0\) 为内侧。Poisson 方程：
（通道内无电荷堆积），故 \(J_1, J_2\) 均为常数 (3.20, 3.21)：
无因次化：令 \(y = x/L, \psi = \phi zF/RT, v = VF/RT, u_k = c_k/\tilde c\) （\(k = 1, 2, i, e\)，\(\tilde c = c_e + c_i\)）。代入得
短通道极限（通道短或浓度低，\(\lambda \ll 1\)）：设 \(\lambda = 0\)，则 \(d^2\psi/dy^2 = 0\) (3.27)，\(d\psi/dy = -v\) (3.28)——电场为常数，正是常电场假设。\(u_1\) 满足 \(du_1/dy - v u_1 = -j_1\) (3.29)，解为 \(u_1 = j_1/v + K_1 e^{vy}\) (3.30)，由边界条件给出 \(j_1 = v(u_i - u_e e^{-v})/(1 - e^{-v})\) (3.31)。回到有因次形式：
长通道极限（通道长度 \(L \to \infty\)，\(\eta = 1/\lambda\) 是小参数）。重写方程 (3.33-3.35)，\(-\eta^2 d^2\psi/dy^2 = u_1 - u_2\)——小参数乘最高阶导数，奇异摄动问题。设 \(\eta = 0\) 给出 \(u_1 = u_2\)（同时满足两个边界条件！），代入 (3.33, 3.34) 得 \(d(u_1 + u_2)/dy = -j_1 - j_2\) (3.36)。由 \(j_1, j_2\) 是常数，\(u_1\) 必为线性：\(u_1 = u_2 = u_i + (u_e - u_i) y\) (3.37)。由 (3.34)-(3.35) 的差 \(2u_1 d\psi/dy = 2j\) (3.38)，\(2j = j_2 - j_1\)，积分得 \(\psi = (j/(u_e - u_i))\ln[u_i + (u_e - u_i) y] + K\) (3.39)。边界条件 \(\psi(0) = v, \psi(1) = 0\) 确定 \(j\) 和 \(K\)：
两个极限的总结：PNP 方程的短通道极限给出 GHK I–V（电场常数、浓度非线性），长通道极限给出线性 I–V（浓度常数斜率、电位非线性）。关键定理（练习 1）：GHK 满足独立性原理 + Ussing 通量比，线性 I-V 两者都不满足。物理解释：长通道或高浓度下，离子不可能独立运动（电场被强对流效应扭曲）；短通道或低浓度下，独立运动是合理的。对生物通道的意义：用 PNP 极限可以估计特定通道接近哪一极限——例如 Na⁺ 通道短、浓度低，更接近短通道极限（GHK）；某些长通道或高浓度通道更接近长通道极限（线性 I-V）。
PNP 方程的数值求解：Eisenberg 团队（Chen et al. 1992; Barcilon 1992 等）开发了 PNP 方程的数值求解方法，使用有限差分或有限元处理 Poisson + Nernst-Planck 耦合。这些方法可以处理任意形状的通道几何（包括感应电荷），是现代生物物理学建模的标准工具。PNP 方程的局限性：(1) 假设通道是连续介质，忽略了分子结构细节；(2) 不显式包含结合位点（位点是连续浓度场的局部特征而非离散能垒）；(3) 不能直接解释多离子机制（如 Hodgkin-Keynes \(n' = 2.5\)）。势垒模型（3.4 节）补充这些缺陷——位点显式建模为离散能阱，多离子机制自然出现。两类模型的关系：在某些极限（如短通道、低浓度）下，两类模型给出相同结果（GHK）；在更一般情形下，势垒模型更适合描述饱和和多离子效应。
3.4 势垒模型 (Barrier Models)
第二类通道模型把离子通过通道的过程视为跨越离散能垒的跳跃（Eyring et al. 1949; Woodbury 1971; Läuger 1973）。通道内的势能曲线形如 Fig. 3.6：局部极小对应结合位点（离子可短暂停留），局部极大对应能垒（离子必须越过才能前进）。离子通过速率 \(k_j = \kappa \exp(-\Delta G_j/RT)\) (3.43)，\(\kappa\) 的精确形式是争议焦点。Eyring 速率理论（Hille 2001 的用法）给出 \(\kappa = kT/h\)（\(k\) Boltzmann 常数，\(h\) Planck 常数），但这一推导假设离子在过渡态的能级是量子化的——在生理温度下这一假设不一定成立。Kramers (1940) 用非平衡统计热力学推导出另一种 \(\kappa\) 形式（见 3.7.3 节）——McQuarrie (1967), Laidler (1969) 给出进一步讨论。Kramers 公式的特征：\(\kappa\) 与 \(\Delta G\) 有关（不是常数），在深能阱极限下与 Arrhenius 一致，但浅能阱下偏离。本章承认争议的存在但不卷入：本章假设 \(\kappa\) 已知且与 \(\Delta G_j\) 无关（即使 Kramers 公式下这一假设不严格成立）——这是 3.4 节所有势垒模型的隐含假设。
简化假设：(a) 每个极大点位于相邻两个极小点的中点（对称能垒）——简化电压依赖分析；(b) 膜内电场对正向（外向）能垒的降低和反向（内向）能垒的升高各为 \(zF \Delta V_j/2\)——电压均分于能垒两侧。第 \(j\) 个能垒的电压降 \(\Delta V_j\) 已知，则
(3.46)——这是细致平衡的具体表达。
本章三种子模型：(a) 非饱和势垒模型（3.4.1，Woodbury 1971）——结合位点可容纳任意多离子，流量线性依赖于浓度；(b) 饱和单离子孔（3.4.2，Läuger 1973; Hille 2001）——每个位点只能容纳一个离子，每通道同时只有一个离子，流量饱和；(c) 饱和多离子孔（3.4.3，Hille & Schwartz 1978 等）——每通道可同时容纳多个离子。重要警告（章首）：势垒模型是唯象的——能垒曲线只是拟合数据的工具，不能假设它对应通道的物理性质；这一点同样适用于 PNP 方程（Dani & Levitt 1990 给出两类模型的优缺点比较）。两种模型的对应：非饱和势垒在均匀膜极限下还原为 GHK；饱和势垒则在低浓度下还原为 GHK，高浓度下偏离（饱和效应）。
外部电场调整两侧能垒高度的图示见 Fig. 3.7B（与 Fig. 3.7A 的无电场情形对照）。与连续 PNP 模型的关系：(3.46) 是势垒模型的细致平衡条件，与 3.3 节 PNP 方程的稳态条件本质相同——都保证零电压零浓度差下无净通量。三种子模型的整体关系：非饱和 (3.4.1) 是最简形式（每个位点无限容量）；单离子饱和 (3.4.2) 加"位点只能容纳一个离子"的约束；多离子饱和 (3.4.3) 加"位点可同时容纳多个离子"的约束。三者都满足 Ussing 通量比（独立性与否不同），但只有非饱和 + 单离子饱和是线性方程组；多离子饱和是大型耦合线性系统，需要数值或符号工具。
势垒模型的历史地位：Eyring 等 (1949) 最早将化学动力学理论应用于离子通道——把离子通过通道视为「跨越能垒的反应」。这一思想比 Nernst-Planck 方程更适合描述分子尺度的过程。Woodbury (1971) 的简化：把势能曲线简化为线性递减 + 对称能垒 + 常电场——这是后续几十年标准势垒模型的基础。Läuger (1973) 的扩展：加入「位点只能容纳一个离子」的饱和机制，预测流量饱和——与实验观察一致。Hille & Schwartz (1978) 的多离子模型：把位点数从 1 扩展到多个，处理 Hodgkin-Keynes 多离子实验。模型选择的实用建议：对单通道快速筛选，用非饱和模型（参数少、计算快）；对饱和效应，用单离子饱和模型；对多离子机制（如 Hodgkin-Keynes 实验），用多离子模型。
3.4.1 非饱和势垒模型 (Nonsaturating Barrier Models)
最简能垒模型（Woodbury 1971; Eyring et al. 1949）假设每个结合位点可容纳任意多离子（独立于邻近位点的浓度）。设通道内 \(n\) 个能垒、\(n-1\) 个结合位点、内部浓度 \(c_0\)、外部浓度 \(c_n\)——为方便标注，用 \(c_0\)（内部）\(\to c_1, c_2, ..., c_{n-1}\)（结合位点）\(\to c_n\)（外部）。设每个能垒的电压降相同——电学距离 \(\lambda\) 相同，物理距离也相同（等价于常电场假设）。无电场下能垒高度线性递减：\(\Delta G_j = \Delta G_0 - j\delta G\) (3.47)，即每跨一个能垒下降 \(\delta G\)（Fig. 3.7A）。从左到右流过第 \(j\) 个能垒的通量 \(J = \lambda(k_{j-1} c_{j-1} - k_{-j} c_j)\) (3.48)——\(J\) 的单位是浓度 × 距离/时间 = 通量密度（与 PNP 方程的 \(J\) 相同）。
稳态下，每个能垒的 \(J\) 相同（无积累）：
(3.49)，其中 \(M = J/\lambda\) 是常数。联立得 \(k_0 c_0 = (k_1 + k_{-1})c_1 - k_{-2} c_2\) (3.50) ≡ ...。顺序代入求解 \(J\)，定义递推量 \(\pi_j = (k_{-1}\cdots k_{-j})/(k_1 \cdots k_j)\) (3.55)，\(\pi_0 = 1\)，
(3.54)，最终得
与电压的关系：常电场下（Fig. 3.7B）\(\Delta G_j = \Delta G_0 - j\delta G - FzV/(2n)\) (3.61)， \(\Delta G_{-j} = \Delta G_0 - (j-1)\delta G + FzV/(2n)\) (3.62)。代入 (3.43) 得 \(k_{-j}/k_{j-1} = \exp(-v/n)\) (3.63)，\(k_{-j}/k_j = \exp(-g - v/n)\)，\(g = \delta G/(RT)\), \(v = FzV/(RT)\)。于是 \(\pi_j = \exp(-j(g + v/n))\) (3.64)， \(\phi_{n-1} = (e^{-n(g+v/n)} - 1)/(e^{-(g+v/n)} - 1)\) (3.65)，代回 (3.60)：
势垒模型的历史地位：Eyring 等 (1949) 最早将化学动力学理论应用于离子通道——把离子通过通道视为「跨越能垒的反应」。这一思想比 Nernst-Planck 方程更适合描述分子尺度的过程。Woodbury (1971) 的简化：把势能曲线简化为线性递减 + 对称能垒 + 常电场——这是后续几十年标准势垒模型的基础。Läuger (1973) 的扩展：加入「位点只能容纳一个离子」的饱和机制，预测流量饱和——与实验观察一致。Hille & Schwartz (1978) 的多离子模型：把位点数从 1 扩展到多个，处理 Hodgkin-Keynes 多离子实验。模型选择的实用建议：对单通道快速筛选，用非饱和模型（参数少、计算快）；对饱和效应，用单离子饱和模型；对多离子机制（如 Hodgkin-Keynes 实验），用多离子模型。
3.4.2 饱和势垒模型：单离子孔 (Saturating Barrier Models: One-Ion Pores)
独立通道的离子流 \(\propto [S]\)，即使 \([S]\) 很大时仍如此——但实验通常不是这样：更常见的是流量随 \([S]\) 增大而饱和（Fig. 3.8），达到某个最大值 \(k_1\)。这启发了"流量非线性饱和函数 of \([S]\)"的模型——形式上类似酶动力学（Michaelis-Menten 形式）。饱和势垒模型的基本假设：离子必须先结合到通道内的结合位点才能通过；每个位点只能容纳一个离子（Läuger 1973; Hille 2001）。如果所有位点都被占据，再增加浓度也不能增加流量——通道饱和。饱和势垒模型细分为单离子孔（每通道同时只有一个离子）和多离子孔（每通道可同时容纳多个离子）——本节先讲单离子孔。
最简单的单离子饱和模型（图 3.8 演示）：单个结合位点。设 \(S_e\)（外侧离子）、\(S_i\)（内侧离子）、\(X\)（结合位点），反应机制为
(3.69)——结合位点像酶一样把离子从一侧转运到另一侧，类似第 2 章葡萄糖运输。设 \(c_0 = [S_i]\), \(c_2 = [S_e]\)。\(c_1\) 不再是位点浓度，而是位点被占据的概率（在通道群体中，\(c_1\) 是"位点被占据的通道比例"）。稳态下 \(k_0 c_0 x - k_{-1} c_1 = k_1 c_1 - k_{-2} c_2 x\) (3.70)，其中 \(x\) 是"位点空"的概率。守恒方程 \(x + c_1 = 1\) (3.71)。解得
与电压的关系（3.43 的应用）：与之前一样假设对称能垒。但不再假设能垒等距——设局部极小在电学距离 \(\delta\)（\(0 \leq \delta \leq 1\)）。则 \(k_0 = \kappa \exp[(-\Delta G_0 + \delta zFV/2)/RT]\) (3.73)， \(k_1 = \kappa \exp[(-\Delta G_1 + (1-\delta)zFV/2)/RT]\) (3.74)， \(k_{-1} = \kappa \exp[(-\Delta G_{-1} - \delta zFV/2)/RT]\) (3.75)， \(k_{-2} = \kappa \exp[(-\Delta G_{-2} - (1-\delta)zFV/2)/RT]\) (3.76)。\(\delta\) 是电学距离而非物理距离——不需要假设电场常数，只需"第一能垒电压降 \(\delta V\)、第二能垒电压降 \((1-\delta)V\)"。任何特定通道的能垒图未知，但结合位点的数量、位置、局部极值原则上可通过拟合实验数据得到。
Ussing 通量比：单离子饱和模型不满足独立性（流量非线性饱和，Fig. 3.8），但满足 Ussing 通量比——这是 3.2 节原理的具体例子。证明：设两种同位素 \(S\) 和 \(\bar S\)，能量曲线相同；左侧只有 \(S\)（浓度 \(c\)），右侧只有 \(\bar S\)（浓度 \(\bar c\)）。从反应机制得 \(k_0 c_0 x - k_{-1} c_1 = k_1 c_1 - k_{-2} c_2 x = J_S\) (3.77)， \(k_0 \bar c_0 x - k_{-1} \bar c_1 = k_1 \bar c_1 - k_{-2} \bar c_2 x = J_{\bar S}\) (3.78)，守恒 \(x + \bar c_1 + c_1 = 1\) (3.79)。消去 \(x\) 计算通量比 \(J_S/J_{\bar S}\)，化简得 \(J_S/J_{\bar S} = -k_0 k_1 c_0/(k_{-1} k_{-2} \bar c_2)\) (3.82)。代入 (3.73-3.76)，并使用"势能曲线两端等高"条件 \(\Delta G_0 + \Delta G_1 - \Delta G_{-1} - \Delta G_{-2} = 0\) ，得
多结合位点（推广 \(n\) 个能垒，\(n-1\) 个位点）：稳态方程
(3.84)，\(x\) 是"所有位点都空"的概率，\(c_j\) 是"离子在第 \(j\) 位点"的概率。守恒
(3.85)。可解得 (3.86)（详见练习 5），其中 \(\alpha, \beta\) 由 \(\phi_j, \pi_j\) 给出 (3.87, 3.88)。(3.86) 不满足独立性但满足 Ussing 通量比——与单结合位点情形相同。
势垒模型的历史地位：Eyring 等 (1949) 最早将化学动力学理论应用于离子通道——把离子通过通道视为「跨越能垒的反应」。这一思想比 Nernst-Planck 方程更适合描述分子尺度的过程。Woodbury (1971) 的简化：把势能曲线简化为线性递减 + 对称能垒 + 常电场——这是后续几十年标准势垒模型的基础。Läuger (1973) 的扩展：加入「位点只能容纳一个离子」的饱和机制，预测流量饱和——与实验观察一致。Hille & Schwartz (1978) 的多离子模型：把位点数从 1 扩展到多个，处理 Hodgkin-Keynes 多离子实验。模型选择的实用建议：对单通道快速筛选，用非饱和模型（参数少、计算快）；对饱和效应，用单离子饱和模型；对多离子机制（如 Hodgkin-Keynes 实验），用多离子模型。
3.4.3 饱和势垒模型：多离子孔 (Saturating Barrier Models: Multi-Ion Pores)
单离子模型满足 Ussing 通量比；为解释 Hodgkin-Keynes (1955) 测得 Sepia 轴突 K⁺ 通道通量比的 \(n' = 2.5\)（不满足 Ussing 比），需要多离子模型——通道可同时容纳多个离子，离子间相互作用导致通量耦合。状态数：单离子模型有 \(n\) 独立状态（离子可在任一位点）；多离子模型有 \(2^n\) 状态（每个位点"空/占据"两种），加上多离子类型则更多。因此稳态方程是大型线性系统，数值方法是主要工具。参考文献：Hille & Schwartz 1978; Begenisich & Cahalan 1980; Schumaker & MacKinnon 1990; Urban & Hladky 1979; Kohler & Heckmann 1979；Hille (2001) 给出详细讨论。本节只展示最简模型。
最简多离子模型（图 3.9）：3 个能垒、2 个结合位点，4 个状态 OO, OS, SO, SS。关键约束：OO 不能直接跃迁到 SS——需要两个离子同时进入通道，物理上不可能。设状态标号如图：\(P_1 = OO, P_2 = OS, P_3 = SO, P_4 = SS\)，\(k_{ij}\) 是状态 \(i \to j\) 的速率（\(k_{12}, k_{14}\)：从 OO 进入；\(k_{21}, k_{23}, k_{24}\)：从 OS 离开；\(k_{32}, k_{34}\)：从 SO 离开；\(k_{41}, k_{42}, k_{43}\)：从 SS 离开）。\(c_e, c_i\) 是外、内离子浓度。动力学方程（质量作用定律）：
(3.93)。用守恒代替 \(P_4\) 方程，稳态解为 (3.94) 的 4×4 线性系统。通量由中间能垒决定：\(J = P_2 k_{24} - P_4 k_{42}\) (3.95)。重要结论（练习 5）：多离子模型不满足 Ussing 通量比——这是 Hodgkin-Keynes 实验中 \(n' = 2.5\) 的物理解释。建模代价：与单离子模型相比，多离子模型的方程数和参数数都大幅增加，需要 Maple/Mathematica 等符号工具或数值方法求解。
势垒模型的历史地位：Eyring 等 (1949) 最早将化学动力学理论应用于离子通道——把离子通过通道视为「跨越能垒的反应」。这一思想比 Nernst-Planck 方程更适合描述分子尺度的过程。Woodbury (1971) 的简化：把势能曲线简化为线性递减 + 对称能垒 + 常电场——这是后续几十年标准势垒模型的基础。Läuger (1973) 的扩展：加入「位点只能容纳一个离子」的饱和机制，预测流量饱和——与实验观察一致。Hille & Schwartz (1978) 的多离子模型：把位点数从 1 扩展到多个，处理 Hodgkin-Keynes 多离子实验。模型选择的实用建议：对单通道快速筛选，用非饱和模型（参数少、计算快）；对饱和效应，用单离子饱和模型；对多离子机制（如 Hodgkin-Keynes 实验），用多离子模型。
3.4.4 电致泵与交换器 (Electrogenic Pumps and Exchangers)
第 2 章指出细致平衡要求电致交换器和泵的速率常数依赖于膜电位——如 (2.78) 或 (2.96)。但化学平衡论证只给出"电压依赖必须存在"，不指定"哪个速率依赖电压、以什么函数形式依赖"。实际建模中可选择：哪个步骤电压依赖？什么函数？都难确定。一个简单方法：假设载体蛋白的构象变化是带电步骤——构象变化涉及跨膜电荷运动，必须跨越能垒。考虑 Fig. 2.9 状态 \(X_2 \to Y_2\) 涉及 2 个正离子跨过能垒和电压 \(V\)，则
势垒模型的历史地位：Eyring 等 (1949) 最早将化学动力学理论应用于离子通道——把离子通过通道视为「跨越能垒的反应」。这一思想比 Nernst-Planck 方程更适合描述分子尺度的过程。Woodbury (1971) 的简化：把势能曲线简化为线性递减 + 对称能垒 + 常电场——这是后续几十年标准势垒模型的基础。Läuger (1973) 的扩展：加入「位点只能容纳一个离子」的饱和机制，预测流量饱和——与实验观察一致。Hille & Schwartz (1978) 的多离子模型：把位点数从 1 扩展到多个，处理 Hodgkin-Keynes 多离子实验。模型选择的实用建议：对单通道快速筛选，用非饱和模型（参数少、计算快）；对饱和效应，用单离子饱和模型；对多离子机制（如 Hodgkin-Keynes 实验），用多离子模型。
3.5 通道门控 (Channel Gating)
本章前 4 节讨论单个开放通道的电流对电压、浓度的依赖（\(\varphi(V)\)）。3.5-3.6 节转向另一个同等重要的问题：通道如何对电压响应而开关（门控）——即 \(g(V, t)\)（开放比例）。电压门控是电兴奋性的基础（第 5 章）。通道群体的电流 \(I = N g(V, t) \varphi(V)\) (3.101)，\(\varphi(V)\) 是单通道 I-V，\(g(V, t)\) 是开放比例，\(N\) 是通道总数。前 4 节讨论 \(\varphi(V)\)（PNP / 势垒模型），本节讨论 \(g\) 对电压和时间的依赖——这两个函数的乘积给出宏观电流。
Fig. 3.10 显示电压从 \(-65\) 跳到 \(-9\) mV 时 Na⁺ 电导 \(g_{Na}\) 先升后降（先激活后失活），K⁺ 电导 \(g_K\) 缓慢上升到一个新水平。实验数据来源：Hille (2001) Fig. 2.11 p. 41。这种动力学差异是神经冲动 (action potential) 的基础——Na⁺ 通道的快速激活和失活产生动作电位的去极化相（快速上升 + 快速下降），K⁺ 通道的延迟激活产生复极化相（慢下降）和超极化后电位。复极化后 \(g_{Na}\) 快速恢复（dashed line），\(g_K\) 缓慢恢复——恢复时间常数的差异决定了不应期长短，进而限制最大发放频率。这正是 Hodgkin-Huxley 1952 模型的核心——第 5 章会详细讨论。本节给出简单数学框架，3.6 节处理单通道随机记录，3.7 节回到反应速率的微观基础（门控电流的物理来源）。门控与电流的区别：门控（\(g\)）描述"多少通道处于开放态"，是宏观电导的时间演化；电流（\(\varphi\)）描述"单个开放通道能流多少"，由 PNP / 势垒模型给出。两者乘积（3.101）给出宏观电流——这是 Ch4 动作电位模型的基础数学结构。
3.5 节与 3.4 节的关系：3.4 节讨论开放通道的电流（\(\varphi(V)\)），3.5 节讨论通道开放/关闭的速率（\(g(V, t)\)）。两者乘积 (3.101) 给出宏观电流。3.5 节为 Ch5 准备：Hodgkin-Huxley 动作电位模型完全基于门控动力学——Na⁺ 通道的 \(m^3 h\) 和 K⁺ 通道的 \(n^4\) 都是 3.5 节多亚基模型的具体实例。门控电流 (gating current)：除离子电流外，通道开关还涉及「门控粒子」（亚基）的构象变化，构象变化跨膜移动电荷——这是门控电流。它比离子电流小（~pA 量级 vs ~nA），需要特殊测量技术（Armstrong & Bezanilla 1973 首次测量）。门控电流的物理意义：直接反映构象变化时跨膜的电荷数 + 距离，是 (3.105) 中参数 \(a\) 的实验来源。
3.5.1 双态 K⁺ 通道 (A Two-State K⁺ Channel)
最简 K⁺ 模型：双态 \(C \underset{\beta}{\overset{\alpha}{\rightleftarrows}} O\) (3.102)，\(g\) 是开放比例，\(1 - g\) 是关闭比例。
\(g_\infty(V)\) 的形式可由自由能论证推出。两态之间自由能差为 \(\Delta G = \Delta G_0 + aFV\) (3.105)，\(\Delta G_0\) 是无电场下的自由能差，\(a\) 是与构象变化时移动的电荷数 + 距离相关的常数（电压依赖的强度）。两态间构象变化涉及电荷跨膜运动——这就是门控电流 (gating current)。平衡常数 \(\beta/\alpha = k_0 \exp(aFV/RT)\) (3.106)，故
3.5 节与 3.4 节的关系：3.4 节讨论开放通道的电流（\(\varphi(V)\)），3.5 节讨论通道开放/关闭的速率（\(g(V, t)\)）。两者乘积 (3.101) 给出宏观电流。3.5 节为 Ch5 准备：Hodgkin-Huxley 动作电位模型完全基于门控动力学——Na⁺ 通道的 \(m^3 h\) 和 K⁺ 通道的 \(n^4\) 都是 3.5 节多亚基模型的具体实例。门控电流 (gating current)：除离子电流外，通道开关还涉及「门控粒子」（亚基）的构象变化，构象变化跨膜移动电荷——这是门控电流。它比离子电流小（~pA 量级 vs ~nA），需要特殊测量技术（Armstrong & Bezanilla 1973 首次测量）。门控电流的物理意义：直接反映构象变化时跨膜的电荷数 + 距离，是 (3.105) 中参数 \(a\) 的实验来源。
3.5.2 多亚基 (Multiple Subunits)
双态模型的推广：通道由多个相同亚基组成，每亚基可开/关。设 2 亚基，4 个状态 \(S_{00}, S_{10}, S_{01}, S_{11}\)（\(S_{ij}\)：亚基 \(i, j\) 状态，1 = 开，0 = 关）。一般需要 3 个微分方程（4 个变量 + 守恒 \(S_{00} + S_{10} + S_{01} + S_{11} = 1\)）。对称性可化简：\(S_{10}, S_{01}\) 无差别，合并为 \(S_1\)。设 \(S_i\) = 恰好 \(i\) 个亚基开放的通道比例，转换规则为
微分方程 \(dx_0/dt = \beta x_1 - 2\alpha x_0\) (3.110)，\(dx_2/dt = \alpha x_1 - 2\beta x_2\) (3.111)，守恒 \(x_0 + x_1 + x_2 = 1\)。关键观察：令 \(x_2 = n^2\)（其中 \(n\) 满足 \(dn/dt = \alpha(1-n) - \beta n\) (3.112)），直接代入验证 \(x_0 = (1-n)^2, x_1 = 2n(1-n)\) 是解——这是一个关键的不变流形。更强的结论：令 \(x_0 = (1-n)^2 + y_0\), \(x_2 = n^2 + y_2\) (3.113, 3.114)，则 \(x_1 = 2n(1-n) - y_0 - y_2\)，\(y_0, y_2\) 满足
推广到 \(k\) 个相同独立结合位点（练习 14）：不变流形是概率 \(n\)（满足 (3.112)）的二项分布，故通道电导 \(\propto n^k\)，\(n\) 满足简单方程 (3.112)。这个多亚基模型是第 5 章兴奋性模型的基础——Hodgkin-Huxley 的 \(n^4\)（K⁺ 通道）和 \(m^3 h\)（Na⁺ 通道）都是这种结构的实例。
3.5 节与 3.4 节的关系：3.4 节讨论开放通道的电流（\(\varphi(V)\)），3.5 节讨论通道开放/关闭的速率（\(g(V, t)\)）。两者乘积 (3.101) 给出宏观电流。3.5 节为 Ch5 准备：Hodgkin-Huxley 动作电位模型完全基于门控动力学——Na⁺ 通道的 \(m^3 h\) 和 K⁺ 通道的 \(n^4\) 都是 3.5 节多亚基模型的具体实例。门控电流 (gating current)：除离子电流外，通道开关还涉及「门控粒子」（亚基）的构象变化，构象变化跨膜移动电荷——这是门控电流。它比离子电流小（~pA 量级 vs ~nA），需要特殊测量技术（Armstrong & Bezanilla 1973 首次测量）。门控电流的物理意义：直接反映构象变化时跨膜的电荷数 + 距离，是 (3.105) 中参数 \(a\) 的实验来源。
3.5.3 钠通道 (The Sodium Channel)
Na⁺ 通道既激活又失活，需要比 3.5.1-3.5.2 节更复杂的模型。最简方法：把多亚基分析扩展到两类亚基——激活型 \(m\) 亚基和失活型 \(h\) 亚基。设通道有 1 个 \(h\) 亚基和 2 个 \(m\) 亚基（Fig. 3.11）。\(S_{ij}\) 表示 \(i\) 个 \(m\) 亚基开、\(j\) 个 \(h\) 亚基开的通道，\(x_{ij}\) 是处于状态 \(S_{ij}\) 的通道比例，\(S_{00}, S_{10}, S_{01}, S_{11}, S_{20}, S_{21}\) 共 6 个状态——对应 6 个 ODE。直接代入验证系统有一个不变流形：
，其中 \(m\) 和 \(h\) 分别满足单 ODE：
另一种 Na⁺ 通道模型（Aldrich et al. 1983; Peskin 1991）：假设通道只取三个态——\(C\)（关）、\(O\)（开）、\(I\)（失活），且一旦失活不能回到关态或开态，即 \(I\) 是吸收态（图 3.12）。这一近似在一般情形下不严格成立，但在高电压下是合理近似。设 \(g\) = 开放比例、\(c\) = 关闭比例，则失活比例 \(i = 1 - c - g\)。动力学由两个 ODE 描述：
3.5 节与 3.4 节的关系：3.4 节讨论开放通道的电流（\(\varphi(V)\)），3.5 节讨论通道开放/关闭的速率（\(g(V, t)\)）。两者乘积 (3.101) 给出宏观电流。3.5 节为 Ch5 准备：Hodgkin-Huxley 动作电位模型完全基于门控动力学——Na⁺ 通道的 \(m^3 h\) 和 K⁺ 通道的 \(n^4\) 都是 3.5 节多亚基模型的具体实例。门控电流 (gating current)：除离子电流外，通道开关还涉及「门控粒子」（亚基）的构象变化，构象变化跨膜移动电荷——这是门控电流。它比离子电流小（~pA 量级 vs ~nA），需要特殊测量技术（Armstrong & Bezanilla 1973 首次测量）。门控电流的物理意义：直接反映构象变化时跨膜的电荷数 + 距离，是 (3.105) 中参数 \(a\) 的实验来源。
3.5.4 激动剂控制离子通道 (Agonist-Controlled Ion Channels)
许多离子通道由激动剂而非电压控制。例子：神经肌肉接头（8 章）突触后膜由乙酰胆碱控制，中枢神经系统的谷氨酸、多巴胺、GABA、血清素，IP3 受体、Ryanodine 受体（7 章）。早期理论（Clark 1933）假设通道仅由激动剂结合打开： \(A + T \underset{k_{-1}}{\overset{k_1}{\rightleftarrows}} AT\) (3.126，\(AT\) 是开态)。但这无法解释实验：即使在很高激动剂浓度下也只一部分通道开放——这是该简单模型被废弃的关键证据。为什么高浓度下也不全开——若 \(A + T \to AT\) 是唯一的开放途径，高 \([A]\) 下所有通道应该都开（\(AT\) 占主导）；但实际观察到 \(A_{max} < 1\) 表明有"额外的状态"——这是 del Castillo-Katz 模型的动机。
del Castillo-Katz 1957 模型：把激动剂结合与门控分开
通道群体的电导由 ODE 系统决定（设 \(\phi_i\) = 状态 \(i\) 的百分比，\(a\) = 激动剂浓度）：
3.5 节与 3.4 节的关系：3.4 节讨论开放通道的电流（\(\varphi(V)\)），3.5 节讨论通道开放/关闭的速率（\(g(V, t)\)）。两者乘积 (3.101) 给出宏观电流。3.5 节为 Ch5 准备：Hodgkin-Huxley 动作电位模型完全基于门控动力学——Na⁺ 通道的 \(m^3 h\) 和 K⁺ 通道的 \(n^4\) 都是 3.5 节多亚基模型的具体实例。门控电流 (gating current)：除离子电流外，通道开关还涉及「门控粒子」（亚基）的构象变化，构象变化跨膜移动电荷——这是门控电流。它比离子电流小（~pA 量级 vs ~nA），需要特殊测量技术（Armstrong & Bezanilla 1973 首次测量）。门控电流的物理意义：直接反映构象变化时跨膜的电荷数 + 距离，是 (3.105) 中参数 \(a\) 的实验来源。
3.5.5 药物与毒素 (Drugs and Toxins)
许多药物通过阻断特定离子通道起作用。重要例子包括：verapamil（Ca²⁺ 通道阻断剂）、quinidine, sotolol, nicotine, DDT, 各种 barbiturates（K⁺ 通道阻断剂）、tetrodotoxin (TTX, 河豚毒素的主要成分)、scorpion toxins（Na⁺ 通道阻断剂）。TTX 的高效力反映在它的小平衡常数 \(K_d\) 上：神经细胞 Na⁺ 通道 \(K_d \approx 1\)-\(5\) nM，心肌细胞 Na⁺ 通道 \(K_d \approx 1\)-\(10\) μM；相比之下 verapamil \(K_d \approx 140\)-\(940\) μM——TTX 阻断神经 Na⁺ 通道比 verapamil 阻断 Ca²⁺ 通道强 ~\(10^5\) 倍。
将 TTX 等毒素纳入 Na⁺ 通道模型：假设 Na⁺ 通道群体 \(P\) 可用于导电，被毒素结合的群体 \(B\) 被阻断，\(P + B = P_0\)（常数）：
使用依赖性阻断剂（如 lidocaine, flecainide, encainide）只在通道开放时结合 Na⁺ 通道，使用越多、阻断概率越大。lidocaine 用于治疗心律失常——使用依赖性使它能选择性阻断高频放电（与心律失常相关的）。flecainide 和 encainide 虽然官方归类为抗心律失常药，但已知在某些心肌梗塞后患者中是致心律失常的（具体机制不完全清楚）。四态模型：\(C\)（关-未结合）、\(O\)（开-未结合）、\(CB\)（关-结合）、\(OB\)（开-结合，不能导通）。模型假设：药物不影响通道开关速率，只影响电流；药物只在通道开放时结合。具体方程作为练习留给读者。其他药物-通道相互作用模式（如多亚基通道中药物只结合特定亚基构象）也存在，但许多细节尚未解决。
3.5 节与 3.4 节的关系：3.4 节讨论开放通道的电流（\(\varphi(V)\)），3.5 节讨论通道开放/关闭的速率（\(g(V, t)\)）。两者乘积 (3.101) 给出宏观电流。3.5 节为 Ch5 准备：Hodgkin-Huxley 动作电位模型完全基于门控动力学——Na⁺ 通道的 \(m^3 h\) 和 K⁺ 通道的 \(n^4\) 都是 3.5 节多亚基模型的具体实例。门控电流 (gating current)：除离子电流外，通道开关还涉及「门控粒子」（亚基）的构象变化，构象变化跨膜移动电荷——这是门控电流。它比离子电流小（~pA 量级 vs ~nA），需要特殊测量技术（Armstrong & Bezanilla 1973 首次测量）。门控电流的物理意义：直接反映构象变化时跨膜的电荷数 + 距离，是 (3.105) 中参数 \(a\) 的实验来源。
3.6 单通道分析 (Single-Channel Analysis)
20 世纪 70 年代末，膜片钳 (patch-clamp) 技术的发明使得测量通过一小片细胞膜（只含几个甚至单个离子通道）的电流成为可能（Hamill et al. 1981; Sakmann & Neher 1995; Neher & Sakmann 因膜片钳技术获 1991 年诺贝尔生理学或医学奖）。单通道记录分析的数学理论主要在 Colquhoun & Hawkes (1977, 1981, 1982) 系列论文中建立——这些论文写得非常清楚，但新手应先读 Plymouth Workshop Handbook on Microelectrode Techniques 中的两章（Colquhoun 1994; Colquhoun & Hawkes 1994），Sakmann & Neher (1995) 书中 Colquhoun & Hawkes 章节也是宝贵参考。
Fig. 3.13 给出 Na⁺ 通道的实验记录示例：单通道电流是随机的（panel A），不能由确定性过程描述；但对多次实验做集合平均（panel B）是确定性的，重现 Fig. 3.10 的宏观性质。单通道记录包含比集合平均更多的信息：(a) 单通道平均开放时间（或更一般地，开放时间的分布）；(b) 关闭时间的分布；(c) 如果有额外的动力学过程（如 Na⁺ 通道的失活），可以测量通道在失活前开/关多少次，或有多少通道从未打开过。这些信息不能从宏观数据恢复——单通道记录是 Markov 模型参数确定的唯一方法（3.5.3 节 Na⁺ 通道欠定问题的解决方案）。
最常见的离子通道模型是离散空间连续时间 Markov 过程（基本理论见 2.9.2 节）——读者被鼓励在继续之前先复习 Ch2 有关章节。Markov 假设意味着"给定当前状态，未来不依赖过去"——这是单通道分析的核心数学假设。
膜片钳技术细节：Hamill et al. (1981) 的 patch-clamp 技术有 4 种构型：(1) cell-attached——电极贴在细胞表面，记录单通道；(2) inside-out——撕下膜片，内侧暴露浴液，可改变内溶液；(3) outside-out——撕下膜片，外侧暴露浴液，可改变外溶液；(4) whole-cell——破坏膜片下的大片膜，记录整个细胞的电流。信号特征：单通道电流是矩形脉冲（开/关两态），开关时刻由 Markov 过程决定。典型单通道电流 ~1-10 pA，记录时间分辨率 ~10-50 μs。数据量大：一次实验可能记录 \(10^4\)-\(10^6\) 个开关事件；现代分析需要自动化工具（Colquhoun & Hawkes 软件）。与宏观记录的区别：宏观记录是 ~\(10^6\) 个单通道的集合平均（丢失时间信息），单通道记录保留完整的时间信息。
3.6.1 单通道 Na⁺ 通道分析 (Single-Channel Analysis of a Sodium Channel)
考虑 3.5.3 节 Fig. 3.12 的 Na⁺ 通道模型（\(C, O, I\) 三态，\(I\) 是吸收态）。两个等待时间问题：(a) 关闭态持续时间——通道在关闭后多久首次打开；(b) 开放态持续时间——通道在打开后多久首次关闭。
关闭时间：求关闭态首次到达开放态的时间分布。在该等待时间中，通道从 \(C\) 出发，到达 \(O\) 之前可以跳到 \(I\)（失活）。从 \(C\) 出发，跃迁到 \(O\) 的速率是 \(\alpha\)，跃迁到 \(I\) 的速率是 \(\delta\)。条件概率 \(P(t)\)（离开 \(C\) 的时间 \(< t\)）满足 \(dP/dt = \alpha(1 - P)\) (3.134)，\(P(0) = 1\)，解为 \(P(t) = 1 - \exp(-\alpha t)\) (3.135)。关闭时间分布 = \(\alpha \exp(-\alpha t)\)——等待离开 \(C\) 的时间。
开放时间：在 \(O\) 态，通道只能去 \(C\)（速率 \(\beta\)）或 \(I\)（速率 \(\gamma\)）。离开 \(O\) 的总速率是 \(\beta + \gamma\)，所以 \(P(t) = 1 - \exp(-(\beta + \gamma)t)\)，开放时间分布 = \((\beta + \gamma) \exp(-(\beta + \gamma) t)\)。
关于 \(I\) 的进入：从 \(C\) 出发，第一个跃迁到 \(O\) 的概率是 \(A = \alpha/(\alpha+\delta)\)，第一个跃迁到 \(I\) 的概率是 \(1 - A\)。\(1 - A\) 可由实验记录中"始终无电流"的比例估计。通道可能多次开/关后才最终失活。设 \(N\) = 通道最终失活前打开的次数，\(B = \beta/(\beta+\gamma)\)（在 \(O\) 中第一次跃迁到 \(C\) 而不是 \(I\) 的概率）。计算 \(N\) 的分布：
确定四个速率常数：\(A\) 由"从不打开"的比例确定，\(B\) 由 \(P[N=k]\) vs \(k\) 的实验数据确定，\(\beta + \gamma\) 由开放时间分布确定，\(\alpha\) 由关闭时间分布确定。传统观点（Hodgkin-Huxley 1952，第 5 章）：Na⁺ 通道快速激活、缓慢失活，因此 Fig. 3.10 中 \(g_{Na}\) 的下降完全归因于失活。单通道分析颠覆了这个传统——某些哺乳动物 Na⁺ 通道的失活速率比激活速率还快。例如 Aldrich et al. (1983) 在神经母细胞瘤细胞系和垂体细胞系中测得 \(V = 0\) 时 \(\alpha = 1\)/ms, \(\beta = 0.4\)/ms, \(\gamma = 1.6\)/ms, \(\delta = 1\)/ms——失活比激活还快（激活 1/ms vs 失活 1.6/ms）。虽然不是所有物种所有 Na⁺ 通道都这样，但这个结果推翻了一些关于 Na⁺ 通道如何工作的传统观念。这正是单通道记录提供新信息的经典例子。
现代 Na⁺ 通道模型基于广泛的实验数据，包括单通道记录 + 宏观离子电流 + 门控电流。Vandenberg & Bezanilla (1991) 的严谨尝试得出结论：包含 3 个关闭态 + 1 个开放态 + 1 个失活态的序贯 Markov 模型是重现最广泛数据的最优选择。但因为这是一个不适定反问题 (ill-posed inverse problem)，不可能排除其他多个状态的存在——数据可以由多个不同模型同等程度地解释。
膜片钳技术细节：Hamill et al. (1981) 的 patch-clamp 技术有 4 种构型：(1) cell-attached——电极贴在细胞表面，记录单通道；(2) inside-out——撕下膜片，内侧暴露浴液，可改变内溶液；(3) outside-out——撕下膜片，外侧暴露浴液，可改变外溶液；(4) whole-cell——破坏膜片下的大片膜，记录整个细胞的电流。信号特征：单通道电流是矩形脉冲（开/关两态），开关时刻由 Markov 过程决定。典型单通道电流 ~1-10 pA，记录时间分辨率 ~10-50 μs。数据量大：一次实验可能记录 \(10^4\)-\(10^6\) 个开关事件；现代分析需要自动化工具（Colquhoun & Hawkes 软件）。与宏观记录的区别：宏观记录是 ~\(10^6\) 个单通道的集合平均（丢失时间信息），单通道记录保留完整的时间信息。
3.6.2 激动剂控制离子通道的单通道分析 (Single-Channel Analysis of an Agonist-Controlled Ion Channel)
激动剂控制通道 (3.127) 的单通道分析比 Na⁺ 通道更微妙——因为存在不能直接观测、只能从数据推断的状态。如果 \(AR\) 是唯一的开放态，单通道记录理想情况下如图 3.14：开放以簇 (burst) 形式出现，通道在 \(AR\) 和 \(AT\) 间快速闪烁，簇间的较长间隙是通道从 \(AT\) 通过失结合进入 \(T\) 的时间。\(T\) 和 \(AT\) 之间的跃迁不能直接观测——这个过程是隐 Markov 过程 (hidden Markov process)。
两个直接可测的分布：开放时间 + 关闭时间。开放时间：开放态 \(AR\) 只能通过单一路径（到 \(AT\)）关闭，所以开放时间分布是指数分布 \(\alpha e^{-\alpha t}\)，均值 \(1/\alpha\)。
关闭时间分布：每次关闭开始时通道在 \(AT\)，结束时在 \(AR\)，期间可在 \(AT\) 或 \(T\) 徘徊。计算关闭时间概率：把 \(AR\) 设为吸收态（\(\alpha = 0\)），初值 \(\phi_1(0) = 0, \phi_2(0) = 1, \phi_3(0) = 0\)。系统 (3.137-3.139)：
其他分布：簇内关闭时间、簇内开放次数、间隙关闭时间——这些分布可计算但数据获取较主观。簇内关闭时间分布最简单：\(\beta \exp(-\beta t)\)。簇内开放次数 \(N\)：每次通道在 \(AT\) 时，去 \(AR\)（概率 \(\beta/(\beta+k_{-1})\)）或去 \(T\)（概率 \(k_{-1}/(\beta+k_{-1})\)）。故 \(N \geq 1\) 次开放的概率
膜片钳技术细节：Hamill et al. (1981) 的 patch-clamp 技术有 4 种构型：(1) cell-attached——电极贴在细胞表面，记录单通道；(2) inside-out——撕下膜片，内侧暴露浴液，可改变内溶液；(3) outside-out——撕下膜片，外侧暴露浴液，可改变外溶液；(4) whole-cell——破坏膜片下的大片膜，记录整个细胞的电流。信号特征：单通道电流是矩形脉冲（开/关两态），开关时刻由 Markov 过程决定。典型单通道电流 ~1-10 pA，记录时间分辨率 ~10-50 μs。数据量大：一次实验可能记录 \(10^4\)-\(10^6\) 个开关事件；现代分析需要自动化工具（Colquhoun & Hawkes 软件）。与宏观记录的区别：宏观记录是 ~\(10^6\) 个单通道的集合平均（丢失时间信息），单通道记录保留完整的时间信息。
3.6.3 与实验数据比较 (Comparing to Experimental Data)
实验数据通常是开放/关闭时间的列表。数据显示为直方图，每个直方条的面积 = 该区间内的事件数。但从一个直方图判断有多少个指数分量很困难——两个指数的分布可以看起来非常像三个指数的，即使时间常数差异很大。
常见技巧：先取时间的对数，再画 log(time) 的直方图。因为 log 是单调递增，\(P[t < t_1] = P[\log t < \log t_1]\)，所以累积分布在 log 和线性时间下相同。但感兴趣的函数是概率密度（累积分布的导数）。设 \(\Phi(t)\) 是累积分布，\(\phi(t) = d\Phi/dt\) 是密度。对任何单调递增 \(g(x)\)，\(\Phi(g(x))\) 也是累积分布，密度为
现代拟合单通道数据的方法远比拟合直方图复杂。直接用对数似然拟合开放/关闭时间是常见方法；最近还发展了直接对单通道时间序列原始数据（不只是开放/关闭时间列表）拟合的方法，使用 Markov chain Monte Carlo 和贝叶斯推断（Fredkin & Rice 1992; Ball et al. 1999; Hodgson & Green 1999）。这些方法可以避免"先提取开放/关闭时间列表"这一步引入的偏差。
膜片钳技术细节：Hamill et al. (1981) 的 patch-clamp 技术有 4 种构型：(1) cell-attached——电极贴在细胞表面，记录单通道；(2) inside-out——撕下膜片，内侧暴露浴液，可改变内溶液；(3) outside-out——撕下膜片，外侧暴露浴液，可改变外溶液；(4) whole-cell——破坏膜片下的大片膜，记录整个细胞的电流。信号特征：单通道电流是矩形脉冲（开/关两态），开关时刻由 Markov 过程决定。典型单通道电流 ~1-10 pA，记录时间分辨率 ~10-50 μs。数据量大：一次实验可能记录 \(10^4\)-\(10^6\) 个开关事件；现代分析需要自动化工具（Colquhoun & Hawkes 软件）。与宏观记录的区别：宏观记录是 ~\(10^6\) 个单通道的集合平均（丢失时间信息），单通道记录保留完整的时间信息。
3.7 附录：反应速率 (Appendix: Reaction Rates)
3.4 节广泛使用了公式 (3.43)（同 (3.148)），即分子离开结合位点的速率 \(k_i = \kappa \exp(-\Delta G_i / RT)\)。这称为 Arrhenius 方程，由 Svante Arrhenius 在 19 世纪末首次实验发现（Arrhenius 因之获 1903 年诺贝尔化学奖）。Arrhenius 测定的不是 \(k_i\) 对 \(\Delta G_i\) 的依赖，而是对温度 \(T\) 的依赖——他实验显示反应速率正比于 \(\exp(-B/T)\)（\(B\) 是某个正常数），然后用 Boltzmann 分布论证 \(B = \Delta G_i/R\)（详见下文）。历史背景：Arrhenius 的实验工作早于 Boltzmann 分布的严格推导，因此他的 \(B = \Delta G/R\) 论证在当时是原创性的——后来由 Kramers (1940) 等人进一步发展。
如 1.2 节所述，反应的平衡常数 \(K_{eq}\) 与自由能变化 \(\Delta G_0\) 由 \(K_{eq} = \exp(\Delta G_0/RT)\) (3.149) 联系。如果 \(\kappa\) 与 \(\Delta G_i\) 无关，则 (3.148) 与 (3.149) 一致：
，\(\Delta G_0 = \Delta G_1 - \Delta G_{-1}\)（Fig. 3.16）。然而，尽管一致，(3.148) 不能从 (3.149) 推出——平衡关系只给出速率常数的比，对各自的绝对值无能为力。平衡条件的推导只依赖于基本热力学原理，速率表达式的推导则困难得多，且精确形式依赖于模型的选择。关于如何推导速率方程以及哪个最适合给定情形，目前仍有巨大争议。本节只给出 (3.148) 的一般形式的简短推导；指数依赖出现在每个速率方程中，分歧的来源是前因子 \(\kappa\) 及其可能的函数依赖。
3.7 节与 3.4 节的关系：3.4 节使用 \(k_j = \kappa \exp(-\Delta G_j / RT)\) 形式（Arrhenius 形式），但不给出 \(\kappa\) 的推导——3.7 节填补这一空缺。3.7 节与 Ch7 钙动力学的关系：Ch7 钙通道、IP3 受体的门控速率常数依赖温度——3.7 节的 Kramers 公式给出温度依赖的微观预测，可用于拟合实验数据。Arrhenius vs Kramers：Arrhenius 形式（\(\kappa\) 与 \(\Delta G\) 无关）在深能阱下与 Kramers 一致；但浅能阱下偏离——Kramers 的 \(\kappa \propto \Delta G\)。Eyring 形式：Hille (2001) 使用的 \(\kappa = kT/h\) 是 Eyring 过渡态理论的形式——假设过渡态的能级是量子化的，与 Kramers 的连续介质假设不同。本章的折衷：使用 Arrhenius 形式，承认 \(\kappa\) 的精确形式仍有争议。
3.7.1 Boltzmann 分布 (The Boltzmann Distribution)
为证明 \(B = \Delta G/R\)（或 \(\Delta G/k\)，取决于 \(\Delta G\) 单位是每摩尔还是每分子），Arrhenius 假设反应速率正比于能量超过某最小值的分子比例。由 Boltzmann 分布可得 Arrhenius 方程——下面给出推导。
简短插话：扔公平硬币 \(n\) 次得到 \(h\) 次正面的概率是 \(n!/(2^n h!(n-h)!)\) (3.150)。\(n\) 大时这个分布是尖锐峰化的，最大值在 \(h = n/2\)（可用 Stirling 公式 \(\ln(n!) \approx n\ln n - n\) 证明）。换言之，\(n\) 大时得到非 50:50 分布的概率消失。相同的论证支撑 Boltzmann 分布：设 \(n\) 个粒子可处于 \(k\) 个状态，状态 \(i\) 能量 \(U_i\)，\(n_i\) 个粒子处于状态 \(i\)。设总能量 \(U_{tot}\) 固定：
关键观察：\(n\) 大时 \(W\) 尖锐峰化，对应峰值的分布是最可能发生的。为找这个压倒性最可能的分布，在约束 (3.151, 3.152) 下最大化 \(W\)。用 Lagrange 乘子最大化
(3.154)。用 Stirling 公式
(3.155)，
(3.156)，零时给出
与反应速率的联系：设一群粒子有两个能级——基态 \(U_0\) 和反应态 \(U_r > U_0\)。统计平衡下反应态的比例是 \(e^{\beta(U_0 - U_r)} = e^{-\beta \Delta U}\) (3.158)。假设这就是反应发生的速率： \(k \propto e^{\beta(U_0 - U_r)} = e^{-\beta \Delta U}\) (3.159)。剩下证明 \(\beta = 1/(RT)\)——严格证明超出本章范围，但简单量纲分析可显示合理性。实验已知 \(k \propto e^{-B/T}\) (3.160)，所以从 (3.159) \(\beta\) 必须正比于 \(1/T\)；为了单位正确，\(\beta \propto 1/(RT)\) 或 \(1/(kT)\)，取决于 \(U\) 的单位是每摩尔还是每分子。
3.7 节与 3.4 节的关系：3.4 节使用 \(k_j = \kappa \exp(-\Delta G_j / RT)\) 形式（Arrhenius 形式），但不给出 \(\kappa\) 的推导——3.7 节填补这一空缺。3.7 节与 Ch7 钙动力学的关系：Ch7 钙通道、IP3 受体的门控速率常数依赖温度——3.7 节的 Kramers 公式给出温度依赖的微观预测，可用于拟合实验数据。Arrhenius vs Kramers：Arrhenius 形式（\(\kappa\) 与 \(\Delta G\) 无关）在深能阱下与 Kramers 一致；但浅能阱下偏离——Kramers 的 \(\kappa \propto \Delta G\)。Eyring 形式：Hille (2001) 使用的 \(\kappa = kT/h\) 是 Eyring 过渡态理论的形式——假设过渡态的能级是量子化的，与 Kramers 的连续介质假设不同。本章的折衷：使用 Arrhenius 形式，承认 \(\kappa\) 的精确形式仍有争议。
3.7.2 Fokker-Planck 方程方法 (A Fokker-Planck Equation Approach)
上述推导假设有大量粒子，每个粒子可处于多个不同状态。对于少量分子或单个分子如何应用类似推导不明显——需要使用 2.9 节附录的方法，转向分子运动的 Fokker-Planck 描述。
设分子通过 Brownian 运动移动，并受势 \(U(x)\) 产生的力和摩擦。\(x(t)\) 表示分子位置，Langevin 方程（2.9.5 节）为
若 \(U(x)\) 是双阱势，最大值在 \(x = 0\) 处分隔两阱，则左侧概率/右侧概率是
(3.168)（\(x_j\) 分隔第 \(j-1\) 与第 \(j\) 个势阱），可精确化离散与连续情形的对应。若只有两个能阱，状态 1 与状态 2 概率之比
3.7 节与 3.4 节的关系：3.4 节使用 \(k_j = \kappa \exp(-\Delta G_j / RT)\) 形式（Arrhenius 形式），但不给出 \(\kappa\) 的推导——3.7 节填补这一空缺。3.7 节与 Ch7 钙动力学的关系：Ch7 钙通道、IP3 受体的门控速率常数依赖温度——3.7 节的 Kramers 公式给出温度依赖的微观预测，可用于拟合实验数据。Arrhenius vs Kramers：Arrhenius 形式（\(\kappa\) 与 \(\Delta G\) 无关）在深能阱下与 Kramers 一致；但浅能阱下偏离——Kramers 的 \(\kappa \propto \Delta G\)。Eyring 形式：Hille (2001) 使用的 \(\kappa = kT/h\) 是 Eyring 过渡态理论的形式——假设过渡态的能级是量子化的，与 Kramers 的连续介质假设不同。本章的折衷：使用 Arrhenius 形式，承认 \(\kappa\) 的精确形式仍有争议。
3.7.3 反应速率与 Kramers 结果 (Reaction Rates and Kramers' Result)
如 Ch1 所述，平衡关系只给出速率常数的比，不给出各自的绝对值。要推导速率常数的表达式，需要构造反应发生方式的模型——所得速率常数的表达式只与模型假设一样好。
反应速率的常见模型基于时变 Fokker-Planck 方程 (3.163) 的平均首次逸出时间 (mean first exit time)（2.9.6 节讨论）。模型假设反应物分子可视为被随机力驱动的阻尼振子，反应在分子到达反应物与产物态间能垒峰时发生。虽然这个模型基于多个粗糙假设（如反应只发生在分子到达能垒顶的瞬时），但对一系列势能曲线，特别是深能阱情形，给出相当好的结果——这是 Kramers (1940) 经典工作的核心贡献。
平均首次逸出时间 \(\tau\) 由常微分方程
具体例子（Fig. 3.17A）：\(U(x)\) 是三次多项式 \(U(x) = \Delta G (2x^2(3/2 - x))\)，\(x = 0\) 处极小、\(x = 1\) 处极大、\(U(1) = \Delta G\)。粒子大部分时间在 \(x = 0\) 附近，但若到达 \(x = 1\) 可逃逸到 \(x = \infty\)，假设反应发生。所以反应时间（反应速率的倒数）近似为从 \(x = 0\) 到 \(x = 1\) 的平均首次通过时间。更一般地，设 \(U(x) = \Delta G u(x/L)\)，\(u'(0) = u'(1) = u(0) = 0\)，\(u(1) = 1\)，所以 \(x = 0\) 是局部极小、\(x = L\) 是局部极大、势垒高度 \(\Delta G\)。平均首次通过时间是 (3.170) 配边界条件 \(\tau(-\infty) = 0, \tau(L) = 0\) 的解。
无因次化：令 \(y = x/L, \sigma = \alpha \tau\) 得 \(-a u'(y) d\sigma/dy + d^2\sigma/dy^2 = -1\) (3.171)，\(a = \Delta G/(kT), \alpha = \nu L^2/(kT)\)。用积分因子易得
与 Arrhenius 速率律的渐近一致性：下面的推导证明 (3.173) 在 \(a = \Delta G/(kT) \gg 1\)（深阱）时与 Arrhenius 一致。注意到
双阱势情形（Fig. 3.17B）：\(U(x) = \Delta G_0 u(x/L)\)，
在 \(x = 0, x = b > 1\) 处有两个局部极小，\(x = 1\) 处局部极大。Fig. 3.17B 例中 \(\Delta G_0 = L = 1, b = 2\)。势能形状使 \(\Delta G_{-1} = 2 \Delta G_0, \Delta G_1 = \Delta G_0\) 。Kramers 速率理论给出
平衡常数（用 Kramers 公式）：
本章个人批注
本章是 Ch1-Ch2 数学准备到 Ch5 应用（动作电位）的关键过渡。对我个人研究 (计算生物力学/血管平滑肌) 的意义：3.4 节势垒模型 + 3.7 节反应速率是细胞内信号转导（如 Ca²⁺ 通道、IP3 受体）建模的核心方法——生物力学中的细胞响应涉及类似的饱和单离子机制。本章对建模哲学的提示：(a) 没有"普适"模型——选择应基于数据；(b) 多独立模型给出同一结果（convergent validity）增强可信度，GHK 方程既是 PNP 短通道极限又是 Woodbury 非饱和势垒均匀膜极限就是例子；(c) 模型的欠定性是普遍问题——宏观数据通常不足以唯一确定参数，需要单通道记录。
与 Ch2.9 随机过程附录的关系：3.5 节门控粒子 + 3.6 节单通道分析 = Markov 主方程 + Gillespie 算法（Ch2.9 引入）的具体应用。本章可以说是 Ch2.9 思想的物理实例化。与 Ch4 的衔接：Ch4 是兴奋性的中心（动作电位、Hodgkin-Huxley 模型），依赖本章 3.5 节的门控框架 + 3.6 节的分析方法。待补的问题：(1) 3.5.3 节 Na⁺ 通道的 3 态模型 vs 多亚基模型哪个更接近真实？(2) 3.7 节 Kramers 公式与 Eyring 公式的实验比较；(3) 多离子孔 3.4.3 节的 4 态模型在实际 K⁺ 通道上的拟合效果。
与上下章的衔接（一段话）
本章是 Ch1（数学基础：ODE、Markov、概率）-Ch2（细胞内稳态：Nernst、GHK、pump-leak、随机过程）到 Ch4（兴奋性：动作电位、神经冲动）的桥梁。Ch2 给出了离子电流的宏观连续介质描述（线性模型 + GHK），本章进一步把电流分解为单通道 I-V（\(\varphi(V)\)，3.1-3.4 节）和门控动力学（\(g(V, t)\)，3.5-3.6 节），并提供了详细的数学工具——PNP 方程的极限分析、Eyring 势垒模型的稳态解、不变流形论证、单通道 Markov 分析。Ch4 将直接基于本章 3.5 节的多亚基门控框架建立 Hodgkin-Huxley 动作电位模型，并依赖 3.6 节的单通道分析来理解 Hodgkin-Huxley 门控变量 \(n, m, h\) 的物理意义。本章 3.7 节附录提供的反应速率理论（Kramers 公式）也是 Ch7 钙动力学、Ch8 突触传递中受体-配体动力学的预备知识。作者安排本章位置的原因：Ch2 给出的"宏观 I-V"过于简化，无法解释 Hodgkin-Keynes 多离子、门控粒子等实验现象；Ch4 直接进入动作电位又过于抽象。本章填补这一空缺：先讨论单通道电流的多种建模方法（PNP vs 势垒、单离子 vs 多离子），再讨论门控的 Markov 模型，最后给出单通道记录的分析方法——为 Ch4 的完整神经兴奋性模型铺路。