第 8 章：细胞间通信（Intercellular Communication）
8.1 Chemical Synapses
化学突触的工作流程从突触前终端的 Ca²⁺ 内流开始。Ca²⁺ 触发神经递质释放，递质在突触间隙中扩散，抵达突触后膜的受体并引发膜电位变化；随后递质通过扩散和水解从突触间隙中清除。作者列举了 40 余种突触递质，分类依据是对突触后膜的去极化或超极化效应：去极化（兴奋型）的典型如乙酰胆碱（ACh），它作用于骨骼肌上的阳离子通道——ACh 受体打开后 Na⁺ 流入使膜去极化，而其他受体（如 GABA）打开阴离子（主要是 Cl⁻）通道使膜超极化。其他重要递质包括肾上腺素（epinephrine）、去甲肾上腺素（norepinephrine）、多巴胺、甘氨酸、谷氨酸、5-羟色胺等；其中多巴胺、甘氨酸、GABA 通常是抑制性的，谷氨酸和 ACh 通常（但非总是）兴奋性。
许多神经递质直接门控离子通道——这种通道被称为激动剂控制通道（agonist-controlled）或配体门控通道（ligand-gated），其简单模型已在第 3.5.4 节讨论。但并非所有递质都按此方式工作：谷氨酸是大脑中最主要的兴奋性递质，它的受体分两类——离子型受体（ionotropic，激动剂控制）和代谢型受体（metabotropic，连接 G 蛋白并通过第二信使 IP₃ 触发内质网 Ca²⁺ 释放，第 7 章已讨论）。
作者随后用两个具体临床实例说明突触递质功能丧失如何对应特定疾病。Huntington 病（遗传性疾病，特征是关节处先出现局部抽动、随后进展为全身的严重扭曲运动）由脑内某些 GABA 分泌神经元的丧失引起：抑制功能丧失被认为导致神经活动爆发，从而产生扭曲运动。Parkinson 病则源于基底神经节中多巴胺分泌神经元的大规模破坏，临床表现为肌肉僵硬、受累部位的不自主震颤以及启动运动的严重困难；具体运动异常的原因虽未确定，但多巴胺抑制的丧失可能导致肌肉过度兴奋（引起僵硬），也可能对高增益反馈回路失去抑制控制（引起震颤——即肌肉振荡）。
8.1.1 Quantal Nature of Synaptic Transmission
化学突触通常很小、难以触及，且在脑中以极大量密集存在。神经元也常与骨骼肌细胞形成突触，这些突触较容易分离和研究。因此早期突触传递的实验和理论工作主要在神经肌肉接头（neuromuscular junction）上开展——运动神经元的轴突在此与骨骼肌纤维形成化学突触，肌细胞对神经元刺激的响应称为终板电位（end-plate potential, epp）。1952 年 Fatt 和 Katz 发现：当突触间隙 Ca²⁺ 浓度很低时，动作电位仅引发一个小的终板电位（Fig. 8.2）；进一步，这些微终板电位看起来是最小 epp 的整数倍，而最小 epp 的幅度与自发出现的 epp 相同（即由动作电位之外的其他随机活动引起）。这暗示 epp 由大量相同的小幅"基本单元"叠加而成。
现在已知量子式突触传递源自 ACh 被包装入离散的囊泡（vesicle）。每个神经末梢含有大量含 ACh 的突触囊泡，受刺激时这些囊泡与细胞膜融合，将其内容物释放入突触间隙；即使无刺激，背景随机活动也可使囊泡与细胞膜融合并释放内容物。自发活动中的 epp 来自单个囊泡的内容物释放，微 epp 来自少数囊泡的融合，因此幅度呈自发 epp 的整数倍。基于在蛙肌上的观察，del Castillo 和 Katz（1954）提出 ACh 释放的概率模型，后被 Boyd 和 Martin（1956）应用于哺乳动物的神经肌肉接头。该模型假设突触前终末由大量（记为 \(n\) 个）释放位点组成，每个位点以概率 \(p\) 释放固定量 ACh；若位点独立释放，则一个动作电位释放的 ACh 量子数服从二项分布：
正常条件下 \(p\) 较大（且"独立释放位点"的假设可能不准确），但在低胞外 Ca²⁺、高 Mg²⁺ 条件下 \(p\) 很小——因为 ACh 量子的释放需要 Ca²⁺ 进入突触，胞外 Ca²⁺ 浓度低时进入量少，释放概率随之减小。若 \(n\) 相应很大但 \(np = m\) 保持有限，二项分布可以泊松分布近似：
即均值为 \(m\) 的泊松分布。\(m\) 有两种估计方法：其一，\(P(0) = e^{-m}\)，故
其二，模型假设自发 epp 来自单个 ACh 量子释放，微 epp 是自发 epp 的线性叠加，因此 \(m\) 等于微 epp 平均幅度与自发 epp 平均幅度之比。del Castillo 和 Katz 显示这两种估计结果吻合良好，证实了模型假设。
自发 epp 的幅度并非完全恒定，因为每个囊泡释放的 ACh 量并不完全相同。在 Fig. 8.4 的插图中展示了自发 epp 的幅度分布：单量子释放的幅度 \(A_1(x)\) 近似为正态（高斯）分布，均值 \(\mu\)、方差 \(\sigma^2\)。由此可计算微 epp 的幅度分布：若释放 \(k\) 个囊泡，幅度分布 \(A_k(x)\) 是均值为 \(k\mu\)、方差为 \(k\sigma^2\) 的正态分布（\(k\) 个独立同分布正态变量之和）。对 \(k = 1, 2, 3, \ldots\) 求加权和，并以 \(P(k)\) 加权，得到整体幅度分布：
对应 Fig. 8.4。图中可清楚看到对应 1、2、3 个量子的峰，但这些峰被正态分布的方差"涂抹"和展平。理论预测与实验数据（del Castillo 和 Katz 1954；Boyd 和 Martin 1956）吻合良好，为量子式突触传递模型提供了进一步支持。
8.1.2 Presynaptic Voltage-Gated Calcium Channels
化学突触传递始于动作电位抵达神经末梢并打开电压门控 Ca²⁺ 通道，导致 Ca²⁺ 内流和神经递质释放。基于乌贼巨大突触的电压钳数据，Llinás 等（1976）构建了 Ca²⁺ 电流及其与突触传递关系的模型。当突触前电压阶跃并被钳制在恒定值时，突触前 Ca²⁺ 电流 \(I_{Ca}\) 以 S 形方式增加。为建模这些数据，作者假设电压门控 Ca²⁺ 通道由 \(n\) 个相同的独立亚基组成，每个亚基处于两种状态 S 或 O 之一，仅当所有亚基都处于 O 态时通道才导通 Ca²⁺ 电流：
通道开放的概率正比于 \(o^{n}\)，其中 \(o\) 是单个亚基处于开放态的概率。为引入通道的电压依赖性，开关速率常数被假设为电压的函数：
其中 \(k\) 是 Boltzmann 常数，\(T\) 是绝对温度，\(V\) 是膜电位，\(q\) 是基本电荷，\(z_1\)、\(z_2\) 分别是 S→O 和 O→S 转换时跨越膜的等效电荷数，\(k_1^0\)、\(k_2^0\) 是常数。这种形式与第 3 章中（如 (3.44)、(3.45)）的速率常数表达相同；不同之处在于第 3 章的 \(z\) 描述的是通过通道的离子的电荷数，而这里的 \(z_1\)、\(z_2\) 描述的是通道构象变化时跨越膜的等效电荷数。但二者的数学效果相同，为速率常数引入电压依赖性提供了简单而合理的方式。
由 (8.5) 可得
设 \(o\) 的稳态为 \(\hat{o}\)：
并假设膜电位在 \(t = 0\) 时刻从 \(V_0\) 阶跃至 \(V_1\)，且 \(o(0) = \hat{o}(V_0)\)。(8.7) 的解为
其中 \(k_1\)、\(k_2\) 在 \(V_0\) 处取值。假设单通道 Ca²⁺ 电流 \(i\) 由 Goldman–Hodgkin–Katz 电流方程 (2.123) 给出：
其中 \(c_i\)、\(c_e\) 分别为胞内和胞外 Ca²⁺ 浓度，\(P_{Ca}\) 是 Ca²⁺ 通道的通透性（注意 Ca²⁺ 内流对应负电流）。最终，\(I_{Ca}\) 是开放通道数与单通道电流之积：
其中 \(s_0\) 是通道总数。Llinás 等通过拟合实验数据得到最优参数：\(n = 5\)，\(k_1^0 = 2\,\mathrm{ms}^{-1}\)，\(k_2^0 = 1\,\mathrm{ms}^{-1}\)，\(z_1 = 1\)，\(z_2 = 0\)。即 Ca²⁺ 通道由 5 个独立亚基组成，O→S 转换与电压无关（\(z_2 = 0\)），S→O 转换涉及一个电荷跨越膜（\(z_1 = 1\)），因此依赖膜电位。
典型响应如图 8.5 所示，参数取 \(c_i = 0.1\,\mu\mathrm{M}\)、\(c_e = 40\,\mathrm{mM}\)、\(s_0 = 20\)、\(P_{Ca} = 10\,\mu\mathrm{m\,s^{-1}}\)、\(V_0 = -70\,\mathrm{mV}\)。作者注意到响应随电压阶跃增大而加速，但平台值（绝对值）先达极大、随后随阶跃进一步增大而下降——这是两个竞争效应的结果（见下文）。
Synaptic Suppression
稳态下，开放通道比例为
是 \(V\) 的递增函数。但单通道电流 (8.10) 是 \(V\) 的递减函数。因此稳态 \(I_{Ca}\) 作为这两者之积是 \(V\) 的钟形函数（Fig. 8.6）。模型中包含两个时间尺度：单通道电流瞬时跟随电压，而开放通道数受电压控制但变化较慢。当电压阶跃上升时，单通道电流瞬时减小，但由于阶跃前只有很少通道开放，瞬时减小对总电流影响很小；在较慢的时间尺度上，通道逐渐开放，导致 Fig. 8.5 中所见对正向阶跃的慢响应。当然，若单通道电流降至零，即使通道开放数增加，总电流也不会上升。
当电压阶跃下降时，单通道 Ca²⁺ 电流瞬时增加；但与之前不同的是，阶跃前已有大量通道开放，因此单通道电流的瞬时增加导致总电流快速大幅增加；在较慢的时间尺度上，电压下降导致开放通道数慢速减少，从而总电流慢速下降。这些响应如图 8.7 所示。当小幅正向阶跃开启后关闭时，\(I_{Ca}\) 单调上升随后单调下降（曲线 a）。阶跃增至 70 mV 时上升仍单调，但下降前先出现一个小"鼓包"（曲线 b，电流先小幅增加）。对 150 mV 大阶跃，由于单通道电流几乎为零，初始响应被完全抑制；但抑制解除后，电压响应大幅出现，最后回到静息状态（曲线 c）。这一现象被称为突触抑制（synaptic suppression）。
Response to an Action Potential
到目前为止解析计算的是模型对电压阶跃的响应，这在电压钳条件下可行，因为电压是分段恒定的。但更真实的刺激是对应于神经末梢动作电位的时变电压。求解 (8.7) 最简单的方式是数值计算，Fig. 8.8 给出了结果。给定看起来像动作电位的输入 \(V(t)\)，可计算开放通道数（曲线 a）和突触前 Ca²⁺ 电流（曲线 b）。Fig. 8.8 还包括突触后电流（曲线 c）和突触后膜电位（曲线 d）的理论预测。突触后电流假设与突触前电流形状相同、延迟 200 ms 并适当放大（这些假设由未在本书讨论的实验证据支持）；突触后膜电位通过将突触后电流作为输入代入一个稍后描述的电路模型得到。
Llinás 模型提供了对突触传递初始阶段和电压门控 Ca²⁺ 通道的详细描述，但其对突触后响应的描述过于简化。从突触前 Ca²⁺ 电流到突触后电流之间有许多中间步骤，在该模型中均被假设为线性关系——因此突触后电流的下降直接由突触前 Ca²⁺ 电流下降引起、后者导致突触间隙中递质浓度下降。然而更详细的神经递质动力学模型显示，至少在神经肌肉接头处，这一描述并不准确。
8.1.3 Presynaptic Calcium Dynamics and Facilitation
上述模型（以及本章其他模型）的一个基本假设是：神经递质释放由 Ca²⁺ 经电压敏感通道进入突触前神经元引起。虽然有大量证据支持这一假说，但也有些证据难以与该模型调和，由此引发了相当大的争论。钙假说（calcium hypothesis）阵营认为递质释放直接由 Ca²⁺ 内流引起，电压的唯一作用是引起 Ca²⁺ 内流（Fogelson and Zucker 1985; Zucker and Fogelson 1986; Zucker and Landò 1986; Yamada and Zucker 1992）。钙-电压假说（calcium–voltage hypothesis）阵营则认为递质释放可由突触前膜电位直接触发，Ca²⁺ 起到调节作用（Parnas and Segel 1980; Parnas et al. 1989; Aharon et al. 1994）。
钙/电压争论特别有趣的原因是数学模型在其中扮演的角色。1985 年 Fogelson 和 Zucker 提出了一个模型，其中 Ca²⁺ 从一组单通道扩散，用于解释递质释放的持续时间和易化（facilitation）的衰减。该模型后来成为大量后续建模研究的基础——一些研究显示 Ca²⁺ 扩散本身不能解释所有实验数据，另一些研究显示对基本模型的各种精细化可以与实验更好吻合。实验和理论小组都以该模型为讨论基础，因此无论其准确性的最终结论如何，Fogelson–Zucker 模型都是建模价值和应用的一个极好范例。这场争论至今没有减弱的迹象（Parnas et al. 2002; Felmy et al. 2003），数学模型在突触前终末研究中的作用越来越重要。两位诺贝尔奖得主 Erwin Neher 和 Bert Sakmann 都积极参与 Ca²⁺ 进入、结合和突触前细胞扩散的数学模型构建和研究（如 Meinrenken et al. 2003、Neher 1998a,b），当前的模型已经非常详细且紧密基于实验数据。
Facilitation
突触前 Ca²⁺ 动力学研究的主要挑战之一是易化现象——当动作电位之间的时间间隔不太大时，先前的动作电位会增加后续动作电位引起的神经递质释放量。有大量证据表明易化主要是突触前机制，因此量化解释集中在突触前终末。最早的假说之一（Katz and Miledi 1968）认为易化由突触前终末中 Ca²⁺ 的累积引起——一个动作电位引入的 Ca²⁺ 在下一个动作电位到达前未被完全清除——这一假说的大体形式仍被广泛接受。
虽然普遍认同 Ca²⁺ 累积（以某种方式）导致易化，但细节仍有争议：Ca²⁺ 在哪里、以什么形式累积仍未有定论。残余自由钙假说（residual free calcium hypothesis）认为突触前自由 Ca²⁺ 的增加是易化的基础，有相当多证据支持（Zucker and Regehr 2002）。例如 Kamiya 和 Zucker（1994）测试了易化对胞质 Ca²⁺ 缓冲剂浓度快速增加的响应——通过光解释放 Ca²⁺ 缓冲剂 diazo-2 实现快速增加。他们发现 diazo-2 在突触前终末中的快速释放会在毫秒内引起突触响应下降。由于在此时间尺度上加入缓冲剂的主要效应是降低自由 Ca²⁺ 浓度，这暗示是静息自由 Ca²⁺ 浓度在负责易化。
残余自由 Ca²⁺ 假说的数学模型（Tang et al. 2000; Matveev et al. 2002; Bennett et al. 2004, 2007）显示该假说能解释许多实验结果。这些模型要求 Ca²⁺ 易化结合位点（对囊泡释放机器）距离释放结合位点至少 150 nm——若非如此，每个动作电位都会使易化结合位点饱和，导致后续动作电位无递质释放增加。此外，这些模型要求 Ca²⁺ 通道附近 Ca²⁺ 的扩散系数很低，外源缓冲剂的扩散系数也很低。
另一个类似假说认为易化由 Ca²⁺ 通道口附近的 Ca²⁺ 缓冲剂局部饱和引起，导致动作电位序列期间胞质 Ca²⁺ 累积，从而产生易化（Klingauf and Neher 1997）。尽管该缓冲剂饱和假说的数学模型（Matveev et al. 2004）能解释许多实验结果（至少在小龙虾神经肌肉接头），但仍有未解问题。因此，虽然有强证据显示缓冲剂饱和在某些实验准备中起重要作用（Blatow et al. 2003），在其他情况下证据仍不确定。
第三个假说在历史上是最早提出的。1968 年 Katz 和 Miledi 提出易化是残余 Ca²⁺ 与囊泡释放位点结合的结果——若动作电位跟随过密，则没有足够时间让 Ca²⁺ 解离，使后续动作电位更易释放神经递质。尽管残余结合 Ca²⁺ 假说近年来略显失宠（主要由于上文简述的实验，即外源缓冲剂的应用被显示会快速降低突触响应），但更近期的详细模型（Matveev et al. 2006）显示该假说其实与这些实验一致。事实上，残余结合 Ca²⁺ 假说在某些方面更优——它不需要像 150 nm 分离这样稍显人为的要求，也不需要 Ca²⁺ 通道口附近的小扩散系数。
尽管如此，易化的原因仍未完全解决。通常最可能的解释是上述三种假说的组合，每种在不同情形下以不同强度起作用。
A Model of the Residual Bound Calcium Hypothesis
残余结合 Ca²⁺ 假说的一个简单模型不包含任何空间信息，完全基于 Ca²⁺ 与囊泡结合位点结合的动力学（Bertram et al. 1996）。这种简化由实验结果支持：Ca²⁺ 内流与递质释放起始之间的最小延迟可短至 200 μs。由于 Ca²⁺ 结合位点必须靠近 Ca²⁺ 通道，在简单模型中可以忽略 Ca²⁺ 扩散、假设通过通道进入的 Ca²⁺ 立即可用于与囊泡结合位点结合。还假设递质释放由 Ca²⁺ 通过单一通道进入引起——Ca²⁺ 微域假说（Ca²⁺-domain hypothesis）。若 Ca²⁺ 通道间距足够大，或每个动作电位期间只有少量通道开放，则各通道的 Ca²⁺ 微域是独立的。
本节的主要目标是为一个有趣的实验观察提供合理解释：易化随条件动作电位序列频率呈阶梯式增加。模型假设通过 Ca²⁺ 通道进入的 Ca²⁺ 立即可与递质释放位点结合，递质释放位点本身由四个独立但不完全相同的门控（gate）组成，记为 \(S_1\) 到 \(S_4\)。门 \(S_j\) 可处于关闭（概率 \(C_j\)）或开放（概率 \(O_j\)）状态：
因此
其中 \(\tau_j(c) = 1/(k_j c + k_{-j})\)，\(c\) 是 Ca²⁺ 浓度。释放位点被激活的概率 \(R\) 为
速率常数取为与实验数据吻合良好的值（Table 8.1）。注意 \(S_3\)、\(S_4\) 的关闭速率远大于 \(S_1\)、\(S_2\)，因此 Ca²⁺ 与 \(S_1\)、\(S_2\) 结合的时间相对较长，提供了易化的可能性。
为演示该模型中易化的工作方式，假设一系列 Ca²⁺ 方波脉冲（每个宽度 \(t_p\)、幅度 \(c_p\)）到达突触。作者要计算每个脉冲末端的激活水平并证明这是时间的递增函数。递推从 (8.14) 的控制方程可以直接看出原因：若一群门控初始处于关闭状态，Ca²⁺ 脉冲开始使它们打开；当 Ca²⁺ 消失时门控关闭。若脉冲间隔足够短、衰减时间常数足够大，则当下一个脉冲到达时，一些门控已经开放，所以新脉冲激活的递质释放位点比例大于第一个，如此往复。
为量化这一观察，定义 \(t_n\) 为第 \(n\) 个脉冲末端的时间：
其中 \(T = t_p + t_I\) 是周期，\(t_I\) 是脉冲间间隔。对任何门控（暂时省略下标 \(j\)），设 \(O(0) = 0\)，第一个脉冲末端的开放概率为
其中 \(O_{\infty} = k c_p \tau_p\) 是对应于稳态 Ca²⁺ 浓度 \(c_p\) 的稳态概率，\(\tau_p = \tau(c_p) = 1/(k c_p + k_-)\)。
设 \(O(t_{n-1})\) 是第 \((n-1)\) 个 Ca²⁺ 脉冲末端的开放概率。脉冲间隔期间，\(O\) 以时间常数 \(\tau(0)\) 衰减。因此第 \(n\) 个脉冲开始时
于是在第 \(n\) 个脉冲末端
其中
、\(K = k_- / k_+\)。这是 \(O(t_n)\) 的简单差分方程，可设 \(O(t_n) = A\alpha^{n} + B\) 求解，代入 (8.19) 得
注意当脉冲间隔变大（\(t_I \to \infty\)）时，\(\alpha \to 0\)，故 \(O(t_n)\) 与 \(n\) 无关。另一方面，若 Ca²⁺ 脉冲缩短（\(t_p\) 减小），\(\alpha\) 增加。
现在定义易化为比值
并发现
其中 \(\alpha_j\) 是对应于门 \(j\) 的 \(\alpha\)。对 Table 8.1 中的数值，\(\alpha_4\) 在生理相关频率范围内几乎为零，可以安全忽略。\(F_n\) 对脉冲序列频率的图显示阶梯函数，这与实验观察一致。Fig. 8.9 显示了最大易化
也呈阶梯形。
A More Complex Version
残余结合 Ca²⁺ 假说的更复杂模型考虑了 Ca²⁺ 从通道到结合位点的扩散以及 Ca²⁺ 缓冲剂的存在（Matveev et al. 2006）。假设 \(n\) 个 Ca²⁺ 通道位于离散位置 \(r_j\)（\(j = 1, \ldots, n\)），且存在两种 Ca²⁺ 缓冲剂，其中一种动力学较慢。因此，按照第 7 章关于缓冲剂和离散 Ca²⁺ 释放的讨论，可得
这些方程在 Fig. 8.10 所示区域上数值求解。Ca²⁺ 通道聚集成活性区，每个活性区 16 个通道；利用活性区周围的对称性将问题简化为由虚线包围的四分之一盒子。在每个四分之一盒子中有一个 Ca²⁺ 结合区域（实心圆），含多个共定位的 Ca²⁺ 结合位点。Ca²⁺ 仅在顶面和底面（阴影部分）被泵出，其他表面为无通量边界条件（假设活性位点的规则阵列）。Ca²⁺ 泵出假设为简单的饱和机制（Hill 系数 1），与恒定的渗漏进入相平衡。
于是在阴影边界上
其中 \(n\) 是边界法向。结合区域假设含有两种结合位点：较快的（X 型）和较慢的（Y 型）。X 型结合位点可结合两个 Ca²⁺ 离子：
而 \(Y_1\)、\(Y_2\) 型结合位点各可结合一个 Ca²⁺ 离子：
若 \(R\) 表示递质释放速率，则 \(R\) 的增加率假设正比于 \([\mathrm{Ca}_2X][\mathrm{Ca}Y_1][\mathrm{Ca}Y_2]\)：
典型模型仿真如图 8.11 所示。重要的是，这些结果显示在模型中，外源缓冲剂的 UV 闪光释放在毫秒尺度上确实降低了突触响应（Fig. 8.11 的 C、D 面板）。因此 Kamiya 和 Zucker（1994）的实验结果——通常被作为残余结合 Ca²⁺ 假说不正确的证据——并不能说明这一点。虽然我们不能得出残余结合 Ca²⁺ 假说正确的结论，但也不能仅基于这些实验否定它。
8.1.4 Neurotransmitter Kinetics
当终板电压被钳制、神经被刺激（使终板接受 ACh 刺激，形式未定）时，终板电流先上升到峰值、随后以指数形式衰减，衰减时间常数是电压的指数函数。Magleby 和 Stevens（1972）构建了蛙神经肌肉接头终板电流的详细模型，对这一观察给出机制性解释，并展示了受体操纵的简单模型如何定量重现观察到的终板电流。
首先，Magleby 和 Stevens 证明了瞬时终板电流-电压关系是线性的，因此对固定电压，终板电流正比于终板电导。正因如此，研究终板电导已足够，无须直接研究终板电流。由于终板电导是 ACh 浓度的函数，作者将注意力限制在突触间隙 ACh 的动力学上。
假设 ACh 以酶促方式与受体 \(R\) 反应：
且 ACh-受体复合物仅在开放态 \(\mathrm{ACh} \cdot R^{*}\) 时通过电流。设 \(c = [\mathrm{ACh}]\)、\(y = [\mathrm{ACh} \cdot R]\)、\(x = [\mathrm{ACh} \cdot R^{*}]\)，由质量作用定律得
其中 \(N\) 是 ACh 受体总浓度（假设守恒），ACh 以一阶过程以速率 \(k_e\) 衰减。突触后电导假设正比于 \(x\)，ACh 的形成速率是给定函数 \(f(t)\)。\(f(t)\) 的一种选择是使用上一节单微域/结合钙模型的输出（Exercise 8）。
如上所述的模型方程过于复杂、无法解析求解，因此作者通过一些简化假设来推进。首先假设 ACh 与受体结合的动力学远快于方案中的其他反应，因此 \(y\) 与 \(c\) 处于瞬时平衡。为形式化这一假设，引入无量纲变量 \(X = x/N\)、\(Y = y/N\)、\(C = k_1 c/k_2\)、\(\tau = \alpha t\)，(8.33) 变为
其中 \(\epsilon = \alpha/k_2 \ll 1\)。令 \(\epsilon\) 趋零，得到准稳态近似
或在有量纲变量下
其中 \(K = k_2/k_1\)。现在可以从 (8.32) 中消去 \(y\)，得
接着观察到
在无量纲变量下变为
其中 \(F(\tau) = f(t)/(\alpha K)\)、\(K_e = k_e/\alpha\) 假设为一阶量。若假设 \(N \ll K\)，则在 (8.40) 中令 \(N/K\) 趋零，得到（有量纲形式）
若进一步假设 \(\beta \ll \alpha\)。由 (8.38) 可得
因此
一旦过程运行一段时间（初始数据的影响可忽略），\(x\) 的量级为 \(\beta N/(\alpha + \beta)\)。若 \(\beta \ll \alpha\)，则 \(x \ll N\)，(8.38) 简化为
对任意给定输入 \(f(t)\)，(8.41) 可对 \(c(t)\) 求解，(8.44) 可对 \(x(t)\) 求解，后者是突触后电导。
如上所述，突触后电流的衰减具有依赖电压的时间常数。这可以通过两种主要方式发生。其一，若受体的构象变化远快于突触间隙中 ACh 的衰减，\(x\) 将处于准平衡，我们有
因此，若 \(c\) 很小，\(x\) 近似正比于 \(c\)。此时由 \(-k_e c\) 引起的 \(c\) 指数衰减将引起突触后电导的指数衰减。另一种可能是 ACh 在突触间隙中快速降解，使 \(c\) 迅速趋于零，但终板电流的衰减由 ACh 受体的构象变化引起。按照这一假说，ACh 在间隙中的释放会引起 \(x\) 的增加，随后
衰减（因为 \(c\) 几乎为零）。此时终板电流的指数衰减由 \(-\alpha x\) 主导。
Magleby 和 Stevens 认为后者更可取。因此假设终板电流衰减的限速步骤是 \(x\) 的衰减，\(\alpha\) 可直接从终板电流衰减的实验测量估计为
其中 \(A = 0.008\,\mathrm{mV}^{-1}\)、\(B = 1.43\,\mathrm{ms}^{-1}\)。
为从 (8.44) 计算终板电流的完整时间过程，还需确定 \(c(t)\)。一般情况下这是未知的，因为突触间隙中 ACh 的浓度无法准确测量。Magleby 和 Stevens 提出了从实验数据确定 \(c(t)\) 的方法。首先假设 \(\beta\) 也是 \(V\) 的函数（符合预期，因为 \(\alpha\) 是 \(V\) 的函数），则 (8.44) 可写为
其中 \(W(t) = N c(t)/[K + c(t)]\)。由于对任何固定电压 \(x\) 的时间过程可通过实验测量（实验在电压钳条件下进行），\(\beta(V) W(t)\) 可从
确定。虽然这需要数值微分（众所周知的不稳定），但实验记录足够光滑，可以合理地从 \(x\) 的时间过程确定 \(W\)。由于假设 \(W\) 与 \(V\) 无关，可从任何固定电压的 \(x\) 时间过程确定 \(W\)（到任意尺度因子）。此外，若模型有效，我们期望无论使用哪个电压都得到同样的 \(W\)。Fig. 8.12 中展示的 \(W\) 典型结果，其升降过程与上文 Llinás 模型（Fig. 8.8）计算出的响应类似。
最后一个未知量是 \(\beta(V)\)，是 \(W\) 确定的尺度因子。\(\beta\) 的相对值可通过比较不同电压下的时间过程获得。若 \(\beta(V_1) W(t)\) 和 \(\beta(V_2) W(t)\) 是从 (8.49) 在两个不同电压下获得的时间过程，比值 \(\beta(V_1)/\beta(V_2)\) 由时间过程的比值给出。然而由于实验变异性或模型假设的无效性，该比值可能不是时间的常数，此时比值无法唯一确定。Magleby 和 Stevens 使用时间过程最大幅度的比值，从而唯一地获得 \(\beta(V_1)/\beta(V_2)\)。他们确定 \(\beta\) 与 \(\alpha\) 类似，也是 \(V\) 的指数函数：
其中 \(a = 0.00315\,\mathrm{mV}^{-1}\)，\(b\) 是任意的尺度因子。
现在可以对 (8.48) 数值求解以确定不同电压下终板电流的时间过程。典型结果如图 8.13 所示。虽然模型构建保证了正确的峰值响应（因为这是确定 \(\beta\) 的方式）以及某一特定电压下的正确时间过程（因为这是确定 \(W\) 的方式），但模型响应在所有时间和电压下都与实验记录吻合良好。这确认了 \(W\) 与电压无关的基本假设。
虽然 Magleby 和 Stevens 直接从数据确定 \(W(t)\) 的方法与实验数据非常吻合，但缺点是没有为函数 \(W\) 给出机制性理由。若能从 ACh 释放和降解动力学的根本假设推导出 \(W\) 的行为将更理想，但目前还无法做到。
Neurotransmitter Diffusion
另一类模型如 Smart 和 McCammon（1998）或 Tai 等（2003）所构建。这些小组构建了神经肌肉接头的高度详细有限元模型，其中 Tai 等的模型直接基于解剖结构信息（Stiles and Bartol 2000）。在该区域中他们对 ACh 求解了一个简单扩散方程，在选定边界部分有 ACh 降解。这些详细结构模型仍有些初步，因为迄今为止大部分工作集中于发展必要的计算技术；这些模型目前提供的额外生理学洞见较少。然而，它们能够理想地提供不同神经肌肉接头比较行为的洞见，并可能在未来成为一类重要的模型。
8.1.5 The Postsynaptic Membrane Potential
乙酰胆碱通过打开突触后膜中对 Na⁺ 和 K⁺ 离子通透的离子通道起作用。突触后膜电路模型示意图如图 8.14 所示。该模型基于通常假设（参见第 2 章）：膜通道可建模为欧姆电阻，膜行为类似电容（电容 \(C_m\)）。ACh 敏感通道的反转电位 \(V_s\) 约为 \(-15\,\mathrm{mV}\)，电导依赖于 ACh 浓度。膜中所有其他离子通道的效应由静息电导 \(g_r\) 和静息电位 \(V_r\)（约 \(-70\,\mathrm{mV}\)）概括。按通常方式，膜电位 \(V\) 的方程为
一般地，\(g_s\) 是结合了 ACh 的 ACh 受体数量的函数，即按上节记号，\(g_s = g_s(x)\)。由于 \(x\) 是时间的函数，\(g_s\) 也是时间的函数。因此
该方程可通过积分因子
化为可积分形式，原则上从 \(x\) 的时间过程可计算突触后膜的响应。但由于 \(g_s(t)\) 依赖时间，积分本质上永远无法显式求出，因此精确公式实际上无用。
然而，假设 \(g_s(t)\) 相对于 \(g_r\) 很小。设 \(V_1 = V - V_r\)，则
现在我们预期 \(V_1\) 量级为 \(g_s/g_r\)，因此 \(g_s/g_r \cdot V_1\) 项可以忽略，剩下方程
该方程可精确求解。
例如，当 \(g_s\) 取为正比于 \(x\)、且 Magleby 和 Stevens 模型的输入 \(f(t)\) 在 \(\gamma/K\) 小的极限下假设为 \(\gamma \delta(t)\) 时，可得简单解。在此情况下
如 Exercise 5 所推导。(8.54) 的解现在可以使用标准求解技术容易地找到（Exercise 7）。
8.1.6 Agonist-Controlled Ion Channels
乙酰胆碱受体/通道是激动剂控制通道的一个例子，其简单模型已在第 3.5.4 节讨论。第 8.1.5 节描述了 ACh 受体/通道的一个更简单模型。还有许多更复杂的突触后激动剂控制离子通道模型。Destexhe 等（1998）是有用的综述，简短讨论了 AMPA、NMDA 和 GABA 受体的几个主要模型。典型例子是 Patneau 和 Mayer（1991）的 AMPA 受体 Markov 模型（Fig. 8.15）。该模型有三个关闭态、两个失活态和一个开放态。受体只能从结合了两个递质分子的关闭态 \(C_2\) 打开。该模型对 delta 函数输入（即 \(T(t) = \delta(t)\)）的响应如图 8.16 所示。
AMPA 受体的多态 Markov 模型可以简化为两态模型，而不改变冲激响应的定性性质。两态模型
对冲激的响应与完整模型基本相同，可从 Fig. 8.16 的虚线看出。
显然 Fig. 8.15 所示的 Markov 模型并未被其冲激响应唯一确定——鉴于第 3.6 节的讨论，这一点不应令人意外。然而这是一个应引起谨慎的事实。为唯一确定速率常数，我们至少需要使用单通道数据；即便如此，对于这样一个复杂模型，任务也不简单，甚至可能根本不可能。
8.1.7 Drugs and Toxins
上述模型足以拼凑出突触传递的粗略模型。然而许多特征被忽略，且有许多情况会改变该系统的行为。其中最重要的是影响神经传递过程中特定事件的药物和毒素。例如，Ca²⁺ 内流可被二价金属离子如 \(\mathrm{Pb}^{2+}\)、\(\mathrm{Cd}^{2+}\)、\(\mathrm{Hg}^{2+}\)、\(\mathrm{Co}^{2+}\) 削弱。通过减少 Ca²⁺ 内流，这些阳离子抑制或消除动作电位诱发的递质释放。某些毒素（包括破伤风毒素和肉毒梭菌毒素）是递质胞吐的强抑制剂，其作用本质上不可逆。肉毒梭菌毒素对胆碱能突触具有选择性，是已知最强的神经麻痹剂之一。破伤风毒素被脊髓运动神经末梢摄取并逆向运输到脊髓，阻断甘氨酸在抑制性突触的释放。毒素扩散至脑和脊髓可导致严重惊厥和死亡。黑寡妇蜘蛛的毒液含有一种毒素（\(\alpha\)-latrotoxin），可引起突触前神经末梢的递质大量胞吐和突触囊泡的耗竭。
与递质竞争受体结合位点、从而阻止受体激活的药剂称为受体拮抗剂。骨骼神经肌肉接头 ACh 受体的一个拮抗剂例子是箭毒（curare）。通过抑制 ACh 与受体位点的结合，箭毒引起 epp 幅度的渐进减小和缩短。在严重箭毒中毒中，传递被阻断。大多数递质受体都有选择性拮抗剂：例如 bicuculline 是 GABA 受体的拮抗剂，是著名的致惊厥剂。
模拟天然递质作用的药剂称为受体激动剂。神经肌肉接头 ACh 受体的一个著名激动剂是尼古丁。尼古丁与 ACh 受体结合并以与 ACh 相同的方式激活它。然而尼古丁引起受体的持久激活，因为它不被 ACh 酯酶降解（而 ACh 被降解）。另一方面，二异丙基磷酰氟（俗称神经毒气）是抗胆碱酯酶的例子，因为它抑制 ACh 酯酶的活性，使 ACh 在突触间隙中持续存在。类似地，可卡因的一个作用是通过阻断突触间隙中多巴胺的重吸收来延长多巴胺的活性。
其他药剂通过干扰通道本身来干扰受体门控通透性。picrotoxin 阻断 GABA 激活的 Cl⁻ 通道，strychnine 阻断甘氨酸激活的 Cl⁻ 通道；它们是抑制性突触的强阻断剂和已知的致惊厥剂。
8.2 Gap Junctions
缝隙连接（gap junction）是小的非选择性通道（直径约 1.2 nm），形成直接的细胞间连接，离子或其他小分子可经此流动。它们由两个连接子（connexon）连接而成——连接子是连接蛋白（connexin）分子的六角形阵列（Fig. 8.17）。尽管被称为电突触，本章将注意力集中在膜电位不起作用的模型上，转而关注细胞内扩散与细胞间通透性之间的相互作用。缝隙连接的电气特性对心肌细胞功能很重要，将在第 12 章的语境中讨论。缝隙连接如何用于通过第二信使进行细胞间信号传递的一个例子在第 7 章中已描述——在那里讨论了细胞间 Ca²⁺ 波传播的模型。
8.2.1 Effective Diffusion Coefficients
首先考虑一维情形：物质 \(u\) 沿一列由缝隙连接相连的细胞扩散。由于缝隙连接对流动的阻力相对较高（与胞质相比），它们降低 \(u\) 沿该列的扩散速率。由于这是一维问题，假设每个细胞间膜作为具有给定通透性 \(F\) 的单一阻力孔起作用。缝隙连接在细胞间膜内分布的效应将在本章稍后讨论。
假设 Fick 定律成立，即 \(u\) 的通量 \(J\) 正比于 \(u\) 的梯度：
其中 \(D\) 是细胞内空间的扩散系数。由 \(u\) 的守恒，在每个细胞内部
然而 \(u\) 在细胞间边界上不必连续。事实上，若在 \(x = x_b\) 处存在细胞边界，则通过边界的通量假设正比于边界两侧的浓度差。\(u\) 在边界上的守恒要求
对某常数 \(F\)（称为通透性系数，单位为距离/时间）。上标 \(+\) 和 \(-\) 表示函数值从右、左两侧取极限得到。
当 \(u\) 扩散穿过的细胞相对于 \(u\) 移动的总距离较短时，\(u\) 的运动可以由有效扩散系数描述。有效扩散系数通过假设 Ohm 定律的类比成立来定义并可通过实验测量。因此，在 \(N\) 个细胞的准备中，每个长度为 \(L\)，\(u(0) = U_0\)、\(u(NL) = U_1\)，有效扩散系数 \(D_e\) 定义为
其中 \(J\) 是 \(u\) 的稳态通量。
为计算 \(D_e\)，寻找满足以下条件的函数 \(u(x)\)：当 \(x \neq (j + 1/2)L\) 时 \(u_{xx} = 0\)；在 \(x = (j + 1/2)L\)（\(j = 0, \ldots, N-1\)）处满足 (8.59)。进一步要求 \(u(0) = U_0\)、\(u(NL) = U_1\)。注意这里假设细胞边界出现在 \(L/2\)、\(3L/2\)、\(\ldots\) 处，因此 \(x = 0\) 和 \(x = NL\) 处的边界条件出现在细胞中央。满足这些条件的典型解必须在每个细胞内是线性的、在细胞边界处有跳跃的逐段连续函数。设 \(u\) 在每个细胞内的斜率为 \(-\lambda\)，细胞间的跳跃为 \(u(x_b^{+}) - u(x_b^{-}) = -\zeta\)。则由于有 \(N-1\) 个完整细胞、两个半细胞（在边界处）以及 \(N\) 个内部细胞边界，我们有
进一步，由 (8.59) 得
由 (8.60) 和 (8.61) 我们发现
由此可得
8.2.2 Homogenization
上述有效扩散系数的计算可以通过均化过程形式化。均化是重要技术，已在第 7 章附录中描述，并在第 12 章再次出现。当存在两个空间尺度（微观和宏观）时，均化用于在宏观尺度上确定解的行为、并考虑来自微观尺度的影响、而无需计算微观尺度上解的全部细节。这里的基本假设是 Fick 定律成立，但扩散系数 \(D\) 是周期的、变化快的函数，因此通量为
无量纲参数 \(\epsilon\) 很小，表示 \(D\) 的变化相对于问题的其他空间尺度（特别是扩散长度）是快的。因此，假设相对于扩散长度尺度而言细胞是短的。
在第 7.8.2 节中我们计算了有效扩散系数是平均电阻的倒数：
其中
是平均电阻。
为将该结果应用于缝隙连接的特定问题，我们取
以反映在长度为 \(L\) 的细胞末端规则间隔出现的缝隙连接（电阻 \(r_g\)）。注意 \(D = 1/r_c\) 是细胞内空间的扩散系数，而 \(F = 1/r_g\) 是细胞间通透性。容易得到
这与 (8.66) 相同。
8.2.3 Measurement of Permeabilities
虽然有效扩散系数在感兴趣物质扩散穿过大量细胞时很有用，但在某些实验情形中，研究者关心染料分子（或第二信使如 IP₃）如何扩散穿过相对少量的细胞。在这种情况下有效扩散系数近似不能总是使用，有必要在内部边界条件下求解方程（Brink and Ramanan 1985; Ramanan and Brink 1990）。通过计算具有内部边界条件的线性扩散方程的精确解（例如使用变换方法）并将其拟合到荧光探针运动的实验测量，可以获得细胞内扩散系数和细胞间膜通透性的估计。
Brink 和 Ramanan 的解析解仅在底层方程为线性时有用。然而在许多情况下，感兴趣物质也以非线性方式反应。这产生了一组由缝隙连接处跳跃条件耦合的非线性扩散方程组，该系统只能用数值方法求解。两个小组使用数值方法研究此类问题。Christ 等（1994）研究了通过缝隙连接的扩散问题，假设扩散物质 \(u\) 以非线性方式降低缝隙连接的通透性。Sneyd 等（1995a）使用类似模型研究了通过缝隙连接耦合的细胞层中 Ca²⁺ 波的传播，该模型在第 7 章中描述。
8.2.4 The Role of Gap-Junction Distribution
细胞间通透性受缝隙连接在细胞间膜中分布的强烈影响这一事实并不总是被认识到——虽然在入门生物学教材中常观察到叶片上气孔分布与水经叶面蒸发速率之间存在类似关系。单个缝隙连接通常聚集成更大的连接斑块（junctional plaque），因为单个缝隙连接颗粒难以与其他非连接颗粒区分。然而数值模拟显示，缝隙连接颗粒聚集成较大群体时，细胞间膜的通透性下降。这引出一个有趣的可能性：细胞间通透性可能在缝隙连接斑块最易被看到时最低。这反过来为以下事实提供了可能的解释：难以建立可识别的缝隙连接数量与细胞间通透性之间的直接联系。
Chen 和 Meng（1995）构建了一个两细胞系统共用边界的立方格子模型。多个缝隙连接颗粒以不同程度的聚集放置在边界格点上。标记颗粒放置在其中一个立方体中并沿立方体的格点进行随机游走。当它们在边界遇到缝隙连接格点时，存在指定的概率使标记颗粒移动到另一细胞。通过测量一定百分比的标记颗粒从一个细胞移动到另一个细胞所需的时间，Chen 和 Meng 获得了缝隙连接聚集程度对细胞间传输效率的定量估计。他们的结果总结在 Fig. 8.18 中。当缝隙连接被聚集到单个连接斑块时，10,000 时间步才能传输约 10% 的标记颗粒。然而当缝隙连接颗粒随机分散时，仅需 1,000 时间步就能完成同样的传输。这一差异的幅度强调了一个事实：缝隙连接分布可对细胞间传输速率产生巨大影响。
这一结果在直觉上是合理的。传输速率与进行随机游走的分子找到出口所需的时间相关。容易看出，相比于将所有出口聚集成一处，分散成许多出口更容易找到。
为更分析性地理解缝隙连接分布如何影响扩散系数，我们求解一个模型问题，类似于第 8.2.1 节求解的一维问题。考虑细胞为二维矩形，其末端部分开口用于扩散传输（缝隙连接），其余部分关闭（Fig. 8.19A）。图中虚线是对称线，在稳态问题中无通量，因此我们可以将细胞配置简化为 Fig. 8.19B 所示。
为研究 \(x\) 坐标方向的扩散，假设垂直墙间隔长度为 \(L\)，规则间隔的开口宽度为 \(2\delta\)，中心间隔长度为 \(2l\)。细胞间垂直分隔中开口的比例为 \(\phi = \delta/l\)。为研究缝隙连接分布如何影响扩散系数，我们保持 \(\phi\) 固定而改变 \(l\)。当 \(l\) 小时，缝隙连接小且均匀分布；当 \(l\) 大时，缝隙连接聚集成更大聚集；无论哪种情况，缝隙连接占据细胞间膜的比例（\(\phi\)）相同。
假设有大量细胞（记为 \(N\) 个）每个长度为 \(L\)、首尾相连。施加跨越该阵列的固定浓度梯度，并用定义 (8.60) 定义该阵列的有效扩散系数。为寻找通量，对 Laplace 方程求数值解，水平线 \(y = 0\)、\(y = l\) 以及垂直线 \(\delta < y < l\)、\(x = pL\)（\(p = 0, \ldots, N\)）上为无通量边界条件。进一步将该区域分为两个子区域：\(y \ge \delta\) 的一个和 \(y \le \delta\) 的一个。
首先考虑上部区域的解。\(0 \le x \le L\) 单个细胞的解可通过分离变量求得
该解满足 \(y = l\) 和 \(x = 0\)、\(L\) 处的无通量边界条件。注意该解是周期的，因此是任何细胞解的候选。
回想一维情况下，解是逐段线性的、在细胞边界处有跳跃，且解在每个细胞内的斜率相同（第 8.2.1 节）。这提示在二维情况下解的导数在每个细胞中应相同——等价地，每个细胞中的解应只差一个可加常数。因此
对 \(pL < x < (p+1)L\)、\(\delta < y < l\)、\(p = 0, \ldots, N-1\)。为方便起见，我们用 \(\cosh(n\pi(\delta - l)/L)\) 对未知常数 \(A_n\) 进行了缩放。
在下部区域，类似论证给出
对 \(0 < x < NL\)、\(0 < y < \delta\)。注意该解满足 \(y = 0\) 处的无通量边界条件并具有正确的整体浓度梯度。
现在，为使这些解成为 Laplace 方程的平滑解，我们要求 \(u(x, y)\) 和 \(u_y(x, y)\) 在 \(y = \delta\) 处连续。这给出两个条件
在区间 \(pL < x < (p+1)L\) 上。我们通过对 (8.74) 在细胞 \(p\) 上求平均来确定 \(\alpha_p\)。将 (8.74) 从 \(x = (p-1)L\) 积分到 \(x = pL\) 得
因为所有三角项积分为零。因此
最后，为方便起见选择 \(U_0 = N/2\)、\(U_1 = -N/2\)，这给出 \(\alpha_p = p + (1+N)/2\)。由于这是线性问题，所选 \(U_0\)、\(U_1\) 的值对有效扩散系数没有影响。
为获得系数的方程，我们将每个方程投影到 \(\cos(k\pi x/L)\) 上，即乘以 \(\cos(k\pi x/L)\) 并从 0 积分到 \(L\)。我们发现
其中
有一个直接的简化。注意 \(k\) 为偶数时 \(I_{2n, k} = 0\)、\(F_k = 0\)。因此对所有偶数 \(k\)，\(A_k = 0\)。现在我们从 (8.78) 和 (8.79) 中消去系数 \(A_k\)，得到
对所有奇数 \(k\)，其中 \(\phi = \delta/l\)。由于 \(k\) 可以取任何奇正整数值，(8.82) 是系数 \(C_n\) 的无限方程组。由于微分方程的解收敛，我们可以截断该方程组并数值求解所得有限线性系统。
按该解，平均通量为
有效扩散系数为
典型结果如图 8.20A 所示，其中比值 \(D_e/D\) 绘制为 \(l/L\) 的函数（对固定 \(\phi = \delta/l\)），图 8.20B 中 \(D_e/D\) 绘制为 \(\phi\) 的函数（对固定 \(l/L\)）。
可以做出一些重要观察。首先注意在 \(\phi \to 1\) 或 \(l/L \to \infty\) 的极限下，
。因此
且
最后，从数值解可以看到 \(D_e\) 是 \(l/L\) 的递减函数。因此，缝隙连接的聚集相比均匀分散降低了有效扩散系数，与上文描述的数值实验一致。
从 Fig. 8.20B 可见，当缝隙连接小但均匀分散时，有效扩散系数下降不多——除非 \(\phi\) 相当小。因此例如 \(\phi = 0.01\)（即缝隙连接占膜表面积的 1%）、\(l = 0\) 时，有效扩散系数约为胞质扩散的 86%。另一方面，若方形细胞末端膜上仅有一个 \(\phi = 0.01\) 的大缝隙连接（\(l = 0.5\)），有效扩散系数降至原来的约 27%。
将这些结果与一维解 (8.66) 联系起来是很有趣的。当 \(l/L \to 0\) 时，该二维问题有效变为一维，细胞内部为逐段线性轮廓、端面附近有小边界层或角层。在此极限下，有效扩散系数满足
其中 \(\mu = 0.0016\)。该公式通过绘制 \(\phi (D/D_e - 1)\) 对 \(\phi\) 的曲线发现，曲线与直线 \(\mu(1 - \phi)\) 数值上无法区分。与一维结果比较，我们发现端面通透性
本章个人批注
本章体量极大——13 个内容节（不含 8.3 Exercises）。读完最深的印象是 Keener 把"细胞间通信"拆成两种完全不同的物理机制：化学突触（神经递质扩散 + 受体门控 + 钙动力学 + 突触后电路）和缝隙连接（细胞间小孔 + 均化近似）。两套数学工具几乎没有重叠：化学突触部分需要随机释放（量子假说）、电压门控通道 Markov 模型、钙缓冲与扩散的 PDE、酶动力学降阶简化（quasi-steady）；缝隙连接部分则需要一维 / 二维 Laplace 方程的分离变量 + Fourier 系数消去 + 截断后线性系统数值解。这种"用一章篇幅横扫两套数学风格"的写法对读者而言信息密度很大。
最让我意外的是 8.2.4 节的"缝隙连接聚集反而降低通透性"——这是一个反直觉但数学上明确的结果。Chen 和 Meng 的随机游走模拟给出一个数量级差异（10,000 vs 1,000 步传输 10% 标记颗粒），而 Keener 的二维 Laplace 解析又把这一结果定量化：相同的总开口比例 \(\phi\) 下，开口越分散、\(D_e\) 越接近 \(D\)；开口越聚集、\(D_e\) 越接近 \(D\phi\)。这一结果与叶片气孔分布 / 蒸腾的类比是精确的——气孔多且分散的叶子蒸腾速率远高于气孔少且集中的叶子。我之前在工程多孔介质里见过类似现象（达西定律中"高连通性 vs 低连通性"），但在生物细胞尺度上看到如此清晰的解析推导还是第一次。
8.1.3 节的钙/电压争论以及三种易化假说（残余自由钙 / 缓冲剂饱和 / 残余结合钙）的并列呈现很 Keener——他不站队，明确说"最可能的解释是上述三种假说的组合，每种在不同情形下以不同强度起作用"。Matveev et al. 2006 的更复杂模型把残余结合钙假说从"被 Kamiya-Zucker 实验否决"的状态救了回来，这一案例是建模驱动实验再解读的典范。Bertram et al. 1996 的四门控模型通过简单差分方程 (8.19) 直接给出 \(O(t_n)/O(t_1) = (1 - \alpha^n)/(1 - \alpha)\)，进而得到 \(F_n\) 是四个这种因子的乘积——这中间没有空间、没有扩散，纯粹是"门控关闭速率差异 × 脉冲间隔"导致的频率阶梯。Table 8.1 中 \(S_3\)、\(S_4\) 的关闭速率比 \(S_1\)、\(S_2\) 大几个数量级是关键，这是模型能给出阶梯式易化的全部原因。
8.1.1 节的二项 → 泊松极限推导 (8.2) 在数学上非常干净——把 \((1 - m/n)^{n-k}\) 拆成 \(((1-m/n)^n)^{1-k/n}\) 然后让 \(n \to \infty\)，自然得到 \(e^{-m}\)。这是一个标准的教科书例子，Keener 在 2.9 节的随机过程中很可能也处理过类似极限（虽然具体形式不同）。del Castillo-Katz 的 \(m\) 双估计（通过 \(P(0)\) 计数零响应 vs 通过幅度比）是模型验证的经典手法——同一个参数从两个独立测量得到一致估计，是"量子假说"被广泛接受的关键证据之一。
公式排版上本章比前面章节简单一些：8.1.1 / 8.1.2 / 8.1.4 有大量派生公式（\(P(k)\)、\(\hat{o}\)、\(o(t)\)、\(I_{Ca}\)、\(W(t)\)、Magleby-Stevens 各方程），都需要 display 块；8.2 节所有 \(J\)、\(u\)、\(D_e\) 的定义 / 推导也几乎全是 display。inline 仅留 \(c\)、\(x\)、\(y\)、\(t\)、\(V\)、\(P(k)\)、\(k_1\)、\(k_2\) 等短符号。8.1.3 节有 \((8.24)\)–\((8.30)\) 多个耦合 PDE 偏微分方程，全部 display。
与上下章的衔接（一段话）
第 8 章位于 Keener 全书的"细胞内机制 → 细胞间通信 → 器官级耦合"链条中段。第 7 章（钙动力学）提供了 8.1.2 节的 Llinás 突触前 Ca²⁺ 电流模型所引用的 Ca²⁺ 通道电压依赖速率常数形式（(3.44)、(3.45) 在第 3 章已建立）、8.1.3 节中"通道附近的钙扩散与缓冲剂"模型（直接引用第 7 章的缓冲剂方程）、8.1.4 节 Magleby-Stevens 模型中 \(f(t)\) 可选的"单微域 / 结合钙模型"（即第 7 章产物）。第 2 章为 8.1.2 节提供 Goldman–Hodgkin–Katz 电流公式 (2.123) 和 Markov 模型基础；第 3 章为 8.1.2 节提供电压门控通道构象变化中"等效电荷 \(z\)"概念、为 8.1.6 节提供两态 Markov 激动剂控制通道模型 (3.5.4 节)；第 5 章为 8.3 节 Exercise 8 提供 FitzHugh–Nagumo 动作电位（作为突触前输入 \(V_1\) 的来源）。向前看，第 8 章明确预告第 12 章（心脏）中缝隙连接的电气耦合（gap junction 在心脏电传导中的作用）以及第 7 章细胞间 Ca²⁺ 波传播模型（已在 7.4 节出现）；第 9 章（神经内分泌细胞）将延展 8.1.3 节的 burst 振荡主题到胰岛 β 细胞（Chay-Keizer 模型）。第 8 章本身完成了从"突触前动作电位 → Ca²⁺ 内流 → 量子式递质释放 → 受体门控 → 突触后膜电位 → 易化与调控"的完整化学突触建模链条，并在 8.2 节转入细胞间直接耦合的另一条建模路径——两条路径的合流是更高层级（组织、器官）建模的基础。