细胞电生理仿真软件：GENESIS_（15）.科研应用与最新进展

科研应用与最新进展

1. 仿真软件在神经网络建模中的应用

1.1 神经元网络建模的基本概念

在细胞电生理仿真软件中，神经元网络建模是一个重要的研究方向。神经元网络建模不仅仅是单个神经元的仿真，而是通过多个神经元的相互作用来研究复杂神经系统的功能和行为。GENESIS 提供了丰富的工具和库，使得研究人员可以构建和仿真复杂的神经网络模型。

1.2 使用 GENESIS 构建简单的神经元网络

构建一个简单的神经元网络模型是理解神经网络仿真基础的关键。以下是一个使用 GENESIS 构建简单神经元网络的示例。

1.2.1 模型描述

我们将构建一个由两个神经元组成的简单网络，其中一个神经元通过突触连接到另一个神经元。我们将使用 GENESIS 的标准神经元模型和突触模型。

1.2.2 代码示例

// 神经元网络建模示例 // 创建一个神经元 create HHCell /cell1 setfield /cell1 area 10000.0 // 创建另一个神经元 create HHCell /cell2 setfield /cell2 area 10000.0 // 创建一个突触 create ExpSyn /syn1 // 将突触连接到第二个神经元 connect pre /cell1/axon pre /syn1 pre connect post /syn1 post /cell2/soma post // 设置突触参数 setfield /syn1 gmax 0.5 tau 2.0 e 0.0 // 设置仿真时间 setfield /run stopTime 200 // 创建电压记录器 create VmMeter /vm1 create VmMeter /vm2 // 将电压记录器连接到神经元 connect /vm1 /cell1/soma connect /vm2 /cell2/soma // 设置记录器参数 setfield /vm1 vclamp_on 1 vclamp_i 1 setfield /vm2 vclamp_on 1 vclamp_i 1 // 创建输出文件 create File /out1 create File /out2 // 将记录器输出连接到文件 connect /out1 /vm1 connect /out2 /vm2 // 设置文件参数 setfield /out1 fileName "cell1_vm.dat" format 0 MODE_W setfield /out2 fileName "cell2_vm.dat" format 0 MODE_W // 启动仿真 run

1.2.3 代码解释

1. 创建神经元：我们使用HHCell模型创建了两个神经元/cell1和/cell2，并设置了它们的膜面积为 10000.0 μm²。

2. 创建突触：我们创建了一个指数型突触ExpSyn，并将其命名为/syn1。

3. 连接突触：使用connect命令将突触/syn1的前突触连接到/cell1的轴突，后突触连接到/cell2的胞体。

4. 设置突触参数：我们设置了突触的最大电导gmax为 0.5 nS，时间常数tau为 2.0 ms，逆电势e为 0.0 mV。

5. 设置仿真时间：我们设置仿真时间为 200 ms。

6. 创建电压记录器：我们创建了两个电压记录器/vm1和/vm2，并将它们分别连接到/cell1和/cell2的胞体。

7. 设置记录器参数：我们开启了电压钳模式，并设置了记录器的输出格式。

8. 创建输出文件：我们创建了两个文件/out1和/out2，并将电压记录器的输出连接到这些文件。

9. 设置文件参数：我们设置了文件的输出格式和模式。

10. 启动仿真：最后，我们使用run命令启动仿真。

1.3 神经元网络的高级建模

高级神经元网络建模涉及更多的神经元和更复杂的连接模式。GENESIS 提供了多种高级功能，包括多神经元网络的构建、动态连接和参数调整等。

1.3.1 多神经元网络的构建

多神经元网络的构建可以通过循环和条件语句来实现。以下是一个构建由 10 个神经元组成的全连接网络的示例。

1.3.2 代码示例

// 多神经元网络建模示例 // 创建 10 个神经元 for {set n 1} {< $n 11} {incr n 1} { create HHCell /cell$n setfield /cell$n area 10000.0 } // 创建 45 个突触（10 个神经元的全连接网络） for {set i 1} {< $i 11} {incr i 1} { for {set j 1} {< $j 11} {incr j 1} { if {!= $i $j} { create ExpSyn /syn$i$j connect pre /cell$i/axon pre /syn$i$j pre connect post /syn$i$j post /cell$j/soma post setfield /syn$i$j gmax 0.5 tau 2.0 e 0.0 } } } // 设置仿真时间 setfield /run stopTime 200 // 创建电压记录器 for {set n 1} {< $n 11} {incr n 1} { create VmMeter /vm$n connect /vm$n /cell$n/soma setfield /vm$n vclamp_on 1 vclamp_i 1 } // 创建输出文件 for {set n 1} {< $n 11} {incr n 1} { create File /out$n connect /out$n /vm$n setfield /out$n fileName "cell$n_vm.dat" format 0 MODE_W } // 启动仿真 run

1.3.3 代码解释

1. 创建神经元：我们使用for循环创建了 10 个神经元/cell1到/cell10，并设置了它们的膜面积为 10000.0 μm²。

2. 创建突触：我们使用嵌套的for循环创建了 45 个突触（10 个神经元的全连接网络），并确保每个突触连接不同的神经元。

3. 连接突触：通过connect命令将突触连接到相应的神经元。

4. 设置突触参数：我们设置了每个突触的最大电导gmax为 0.5 nS，时间常数tau为 2.0 ms，逆电势e为 0.0 mV。

5. 设置仿真时间：我们设置仿真时间为 200 ms。

6. 创建电压记录器：我们使用for循环创建了 10 个电压记录器/vm1到/vm10，并将它们分别连接到 10 个神经元的胞体。

7. 设置记录器参数：我们开启了电压钳模式，并设置了记录器的输出格式。

8. 创建输出文件：我们使用for循环创建了 10 个文件/out1到/out10，并将电压记录器的输出连接到这些文件。

9. 设置文件参数：我们设置了文件的输出格式和模式。

10. 启动仿真：最后，我们使用run命令启动仿真。

2. 仿真软件在神经退行性疾病研究中的应用

2.1 神经退行性疾病的研究背景

神经退行性疾病，如阿尔茨海默病和帕金森病，是近年来研究的热点。通过仿真软件，研究人员可以模拟疾病状态下神经元和神经网络的行为，从而更好地理解疾病的机制和寻找治疗策略。

2.2 使用 GENESIS 模拟阿尔茨海默病

阿尔茨海默病的病理特征之一是神经元之间的突触连接受损。我们可以通过仿真软件来模拟这种突触连接的变化，观察其对神经网络功能的影响。

2.2.1 模型描述

我们将构建一个由 10 个神经元组成的网络，并模拟其中某些突触连接的逐渐丧失。

2.2.2 代码示例

// 模拟阿尔茨海默病的示例 // 创建 10 个神经元 for {set n 1} {< $n 11} {incr n 1} { create HHCell /cell$n setfield /cell$n area 10000.0 } // 创建 45 个突触（10 个神经元的全连接网络） for {set i 1} {< $i 11} {incr i 1} { for {set j 1} {< $j 11} {incr j 1} { if {!= $i $j} { create ExpSyn /syn$i$j connect pre /cell$i/axon pre /syn$i$j pre connect post /syn$i$j post /cell$j/soma post setfield /syn$i$j gmax 0.5 tau 2.0 e 0.0 } } } // 设置仿真时间 setfield /run stopTime 200 // 创建电压记录器 for {set n 1} {< $n 11} {incr n 1} { create VmMeter /vm$n connect /vm$n /cell$n/soma setfield /vm$n vclamp_on 1 vclamp_i 1 } // 创建输出文件 for {set n 1} {< $n 11} {incr n 1} { create File /out$n connect /out$n /vm$n setfield /out$n fileName "cell$n_vm.dat" format 0 MODE_W } // 模拟突触连接的逐渐丧失 for {set t 50} {< $t 200} {incr t 50} { for {set i 1} {< $i 11} {incr i 1} { for {set j 1} {< $j 11} {incr j 1} { if {!= $i $j} { setfield /syn$i$j gmax [expr [getfield /syn$i$j gmax] * 0.8] } } } run setfield /run startTime [getfield /run startTime] + 50 } // 启动仿真 run

2.2.3 代码解释

1. 创建神经元：我们使用for循环创建了 10 个神经元/cell1到/cell10，并设置了它们的膜面积为 10000.0 μm²。

2. 创建突触：我们使用嵌套的for循环创建了 45 个突触（10 个神经元的全连接网络），并确保每个突触连接不同的神经元。

3. 连接突触：通过connect命令将突触连接到相应的神经元。

4. 设置突触参数：我们设置了每个突触的最大电导gmax为 0.5 nS，时间常数tau为 2.0 ms，逆电势e为 0.0 mV。

5. 设置仿真时间：我们设置仿真时间为 200 ms。

6. 创建电压记录器：我们使用for循环创建了 10 个电压记录器/vm1到/vm10，并将它们分别连接到 10 个神经元的胞体。

7. 设置记录器参数：我们开启了电压钳模式，并设置了记录器的输出格式。

8. 创建输出文件：我们使用for循环创建了 10 个文件/out1到/out10，并将电压记录器的输出连接到这些文件。

9. 设置文件参数：我们设置了文件的输出格式和模式。

10. 模拟突触连接的逐渐丧失：我们使用嵌套的for循环在每个 50 ms 的时间点上逐渐减少突触的最大电导gmax，模拟突触连接的逐渐丧失。

11. 启动仿真：最后，我们使用run命令启动仿真。

2.3 使用 GENESIS 模拟帕金森病

帕金森病的病理特征之一是多巴胺神经元的逐渐死亡。我们可以通过仿真软件来模拟这种神经元死亡的过程，观察其对神经系统的影响。

2.3.1 模型描述

我们将构建一个由 20 个神经元组成的网络，其中 10 个多巴胺神经元逐渐死亡，观察其对网络功能的影响。

2.3.2 代码示例

// 模拟帕金森病的示例 // 创建 20 个神经元 for {set n 1} {< $n 21} {incr n 1} { create HHCell /cell$n setfield /cell$n area 10000.0 } // 创建 190 个突触（20 个神经元的全连接网络） for {set i 1} {< $i 21} {incr i 1} { for {set j 1} {< $j 21} {incr j 1} { if {!= $i $j} { create ExpSyn /syn$i$j connect pre /cell$i/axon pre /syn$i$j pre connect post /syn$i$j post /cell$j/soma post setfield /syn$i$j gmax 0.5 tau 2.0 e 0.0 } } } // 设置仿真时间 setfield /run stopTime 200 // 创建电压记录器 for {set n 1} {< $n 21} {incr n 1} { create VmMeter /vm$n connect /vm$n /cell$n/soma setfield /vm$n vclamp_on 1 vclamp_i 1 } // 创建输出文件 for {set n 1} {< $n 21} {incr n 1} { create File /out$n connect /out$n /vm$n setfield /out$n fileName "cell$n_vm.dat" format 0 MODE_W } // 模拟多巴胺神经元的逐渐死亡 for {set t 50} {< $t 200} {incr t 50} { for {set i 1} {< $i 11} {incr i 1} { setfield /cell$i area [expr [getfield /cell$i area] * 0.8] for {set j 1} {< $j 21} {incr j 1} { if {!= $i $j} { setfield /syn$i$j gmax [expr [getfield /syn$i$j gmax] * 0.8] setfield /syn$j$i gmax [expr [getfield /syn$j$i gmax] * 0.8] } } } run setfield /run startTime [getfield /run startTime] + 50 } // 启动仿真 run

2.3.3 代码解释

1. 创建神经元：我们使用for循环创建了 20 个神经元/cell1到/cell20，并设置了它们的膜面积为 10000.0 μm²。

2. 创建突触：我们使用嵌套的for循环创建了 190 个突触（20 个神经元的全连接网络），并确保每个突触连接不同的神经元。

3. 连接突触：通过connect命令将突触连接到相应的神经元。

4. 设置突触参数：我们设置了每个突触的最大电导gmax为 0.5 nS，时间常数tau为 2.0 ms，逆电势e为 0.0 mV。

5. 设置仿真时间：我们设置仿真时间为 200 ms。

6. 创建电压记录器：我们使用for循环创建了 20 个电压记录器/vm1到/vm20，并将它们分别连接到 20 个神经元的胞体。

7. 设置记录器参数：我们开启了电压钳模式，并设置了记录器的输出格式。

8. 创建输出文件：我们使用for循环创建了 20 个文件/out1到/out20，并将电压记录器的输出连接到这些文件。

9. 设置文件参数：我们设置了文件的输出格式和模式。

10. 模拟多巴胺神经元的逐渐死亡：我们使用嵌套的for循环在每个 50 ms 的时间点上逐渐减少前 10 个多巴胺神经元的膜面积和突触的最大电导gmax，模拟多巴胺神经元的逐渐死亡。

11. 启动仿真：最后，我们使用run命令启动仿真。

3. 仿真软件在药物作用研究中的应用

3.1 药物作用研究的基本概念

3. 仿真软件在药物作用研究中的应用

3.1 药物作用研究的基本概念

药物作用研究是神经科学研究中的一个重要领域，通过仿真软件，研究人员可以模拟药物对神经元和神经网络的影响，从而更好地理解药物的机制和优化药物设计。药物作用研究通常涉及多个层次的建模，包括细胞水平、网络水平和系统水平。在这些研究中，仿真软件如 GENESIS 可以帮助研究人员模拟药物对神经元膜电导、突触传递和神经网络活动的多种影响。

3.2 使用 GENESIS 模拟药物作用

3.2.1 模型描述

我们将构建一个由 10 个神经元组成的网络，并模拟一种假设药物对突触传递的影响。这种药物将逐渐降低突触的最大电导gmax，观察其对网络功能的影响。

3.2.2 代码示例

// 药物作用仿真示例 // 创建 10 个神经元 for {set n 1} {< $n 11} {incr n 1} { create HHCell /cell$n setfield /cell$n area 10000.0 } // 创建 45 个突触（10 个神经元的全连接网络） for {set i 1} {< $i 11} {incr i 1} { for {set j 1} {< $j 11} {incr j 1} { if {!= $i $j} { create ExpSyn /syn$i$j connect pre /cell$i/axon pre /syn$i$j pre connect post /syn$i$j post /cell$j/soma post setfield /syn$i$j gmax 0.5 tau 2.0 e 0.0 } } } // 设置仿真时间 setfield /run stopTime 200 // 创建电压记录器 for {set n 1} {< $n 11} {incr n 1} { create VmMeter /vm$n connect /vm$n /cell$n/soma setfield /vm$n vclamp_on 1 vclamp_i 1 } // 创建输出文件 for {set n 1} {< $n 11} {incr n 1} { create File /out$n connect /out$n /vm$n setfield /out$n fileName "cell$n_vm.dat" format 0 MODE_W } // 模拟药物作用 for {set t 50} {< $t 200} {incr t 50} { for {set i 1} {< $i 11} {incr i 1} { for {set j 1} {< $j 11} {incr j 1} { if {!= $i $j} { setfield /syn$i$j gmax [expr [getfield /syn$i$j gmax] * 0.7] } } } run setfield /run startTime [getfield /run startTime] + 50 } // 启动仿真 run

3.2.3 代码解释

1. 创建神经元：我们使用for循环创建了 10 个神经元/cell1到/cell10，并设置了它们的膜面积为 10000.0 μm²。

2. 创建突触：我们使用嵌套的for循环创建了 45 个突触（10 个神经元的全连接网络），并确保每个突触连接不同的神经元。

3. 连接突触：通过connect命令将突触连接到相应的神经元。

4. 设置突触参数：我们设置了每个突触的最大电导gmax为 0.5 nS，时间常数tau为 2.0 ms，逆电势e为 0.0 mV。

5. 设置仿真时间：我们设置仿真时间为 200 ms。

6. 创建电压记录器：我们使用for循环创建了 10 个电压记录器/vm1到/vm10，并将它们分别连接到 10 个神经元的胞体。

7. 设置记录器参数：我们开启了电压钳模式，并设置了记录器的输出格式。

8. 创建输出文件：我们使用for循环创建了 10 个文件/out1到/out10，并将电压记录器的输出连接到这些文件。

9. 设置文件参数：我们设置了文件的输出格式和模式。

10. 模拟药物作用：我们使用嵌套的for循环在每个 50 ms 的时间点上逐渐减少突触的最大电导gmax，模拟药物对突触传递的抑制作用。每次减少 30% 的gmax。

11. 启动仿真：最后，我们使用run命令启动仿真。

3.3 药物作用研究的最新进展

3.3.1 多药物组合研究

多药物组合研究是药物作用研究的一个重要方向。通过仿真软件，研究人员可以模拟多种药物同时作用于神经网络的效果，评估不同药物组合的治疗效果。例如，可以模拟一种药物对突触传递的抑制作用和另一种药物对神经元膜电导的改变，观察其对神经网络活动的综合影响。这种研究有助于发现更有效的治疗策略，减少单一药物的副作用。

3.3.2 药物动力学和药效学建模

药物动力学（Pharmacokinetics, PK）和药效学（Pharmacodynamics, PD）建模是药物作用研究中的重要技术。PK 建模关注药物在体内的吸收、分布、代谢和排泄过程，而 PD 建模关注药物在靶点的作用机制。通过结合 PK 和 PD 建模，研究人员可以更准确地预测药物在不同时间和剂量下的效果。这种综合建模方法在临床前研究中具有重要应用，可以为药物的临床试验提供重要的参考数据。

3.3.3 个性化药物治疗研究

个性化药物治疗是近年来的热点研究方向。通过仿真软件，研究人员可以根据患者的特定生物标志物和基因型，模拟不同药物对患者神经网络的影响，从而为每个患者选择最合适的治疗方案。例如，可以通过仿真软件模拟一种药物对特定基因型患者神经元膜电导的影响，评估其治疗效果。这种研究方法有助于实现精准医疗，提高治疗的成功率和患者的生活质量。

3.4 未来展望

随着计算机技术的不断发展，仿真软件在药物作用研究中的应用将越来越广泛。未来的仿真软件将更加先进，能够模拟更大规模的神经网络和更复杂的药物作用机制。同时，结合机器学习和大数据分析技术，研究人员可以更高效地优化药物设计和评估治疗效果，为神经退行性疾病的治疗提供更多的可能性。例如，通过机器学习模型预测药物在不同生物标志物背景下的效果，可以大大缩短药物研发周期，降低研发成本。

3.5 总结

仿真软件如 GENESIS 为研究人员提供了强大的工具，用于模拟和研究神经元和神经网络的行为。通过这些工具，研究人员可以更好地理解神经退行性疾病的机制，评估药物的效果，为未来的治疗策略提供科学依据。随着技术的不断进步，仿真软件将在神经科学研究中发挥越来越重要的作用，有望在个性化医疗和多药物组合研究中取得突破性进展。

4. 仿真软件在认知神经科学中的应用

4.1 认知神经科学的研究背景

认知神经科学是研究大脑如何产生认知功能的学科，涵盖了感知、学习、记忆、语言和决策等多个领域。通过仿真软件，研究人员可以构建认知过程的神经网络模型，模拟大脑在不同认知任务中的活动模式，从而更好地理解认知功能的神经机制。

4.2 使用 GENESIS 模拟学习和记忆过程

4.2.1 模型描述

我们将构建一个简单的神经网络模型，模拟学习和记忆过程中的突触可塑性。这种模型可以通过调整突触的最大电导gmax来模拟突触的增强或减弱，从而观察神经网络在不同学习条件下的活动变化。

4.2.2 代码示例

// 学习和记忆过程仿真示例 // 创建 10 个神经元 for {set n 1} {< $n 11} {incr n 1} { create HHCell /cell$n setfield /cell$n area 10000.0 } // 创建 45 个突触（10 个神经元的全连接网络） for {set i 1} {< $i 11} {incr i 1} { for {set j 1} {< $j 11} {incr j 1} { if {!= $i $j} { create ExpSyn /syn$i$j connect pre /cell$i/axon pre /syn$i$j pre connect post /syn$i$j post /cell$j/soma post setfield /syn$i$j gmax 0.5 tau 2.0 e 0.0 } } } // 设置仿真时间 setfield /run stopTime 200 // 创建电压记录器 for {set n 1} {< $n 11} {incr n 1} { create VmMeter /vm$n connect /vm$n /cell$n/soma setfield /vm$n vclamp_on 1 vclamp_i 1 } // 创建输出文件 for {set n 1} {< $n 11} {incr n 1} { create File /out$n connect /out$n /vm$n setfield /out$n fileName "cell$n_vm.dat" format 0 MODE_W } // 模拟学习过程 for {set t 50} {< $t 200} {incr t 50} { for {set i 1} {< $i 11} {incr i 1} { for {set j 1} {< $j 11} {incr j 1} { if {!= $i $j} { setfield /syn$i$j gmax [expr [getfield /syn$i$j gmax] * 1.2] } } } run setfield /run startTime [getfield /run startTime] + 50 } // 启动仿真 run

4.2.3 代码解释

1. 创建神经元：我们使用for循环创建了 10 个神经元/cell1到/cell10，并设置了它们的膜面积为 10000.0 μm²。

2. 创建突触：我们使用嵌套的for循环创建了 45 个突触（10 个神经元的全连接网络），并确保每个突触连接不同的神经元。

3. 连接突触：通过connect命令将突触连接到相应的神经元。

4. 设置突触参数：我们设置了每个突触的最大电导gmax为 0.5 nS，时间常数tau为 2.0 ms，逆电势e为 0.0 mV。

5. 设置仿真时间：我们设置仿真时间为 200 ms。

6. 创建电压记录器：我们使用for循环创建了 10 个电压记录器/vm1到/vm10，并将它们分别连接到 10 个神经元的胞体。

7. 设置记录器参数：我们开启了电压钳模式，并设置了记录器的输出格式。

8. 创建输出文件：我们使用for循环创建了 10 个文件/out1到/out10，并将电压记录器的输出连接到这些文件。

9. 设置文件参数：我们设置了文件的输出格式和模式。

10. 模拟学习过程：我们使用嵌套的for循环在每个 50 ms 的时间点上逐渐增加突触的最大电导gmax，模拟突触的增强过程。每次增加 20% 的gmax。

11. 启动仿真：最后，我们使用run命令启动仿真。

4.3 使用 GENESIS 模拟决策过程

4.3.1 模型描述

我们将构建一个简单的神经网络模型，模拟决策过程中的神经活动。这种模型可以通过调整神经元的兴奋性和抑制性连接，观察神经网络在不同决策条件下的活动变化。

4.3.2 代码示例

// 决策过程仿真示例 // 创建 10 个神经元 for {set n 1} {< $n 11} {incr n 1} { create HHCell /cell$n setfield /cell$n area 10000.0 } // 创建 45 个突触（10 个神经元的全连接网络） for {set i 1} {< $i 11} {incr i 1} { for {set j 1} {< $j 11} {incr j 1} { if {!= $i $j} { create ExpSyn /syn$i$j connect pre /cell$i/axon pre /syn$i$j pre connect post /syn$i$j post /cell$j/soma post setfield /syn$i$j gmax 0.5 tau 2.0 e 0.0 } } } // 设置仿真时间 setfield /run stopTime 200 // 创建电压记录器 for {set n 1} {< $n 11} {incr n 1} { create VmMeter /vm$n connect /vm$n /cell$n/soma setfield /vm$n vclamp_on 1 vclamp_i 1 } // 创建输出文件 for {set n 1} {< $n 11} {incr n 1} { create File /out$n connect /out$n /vm$n setfield /out$n fileName "cell$n_vm.dat" format 0 MODE_W } // 模拟决策过程 for {set t 50} {< $t 200} {incr t 50} { for {set i 1} {< $i 11} {incr i 1} { for {set j 1} {< $j 11} {incr j 1} { if {!= $i $j} { if {< $i 6} { // 前 5 个神经元模拟兴奋性连接 setfield /syn$i$j gmax [expr [getfield /syn$i$j gmax] * 1.2] } else { // 后 5 个神经元模拟抑制性连接 setfield /syn$i$j gmax [expr [getfield /syn$i$j gmax] * 0.8] } } } } run setfield /run startTime [getfield /run startTime] + 50 } // 启动仿真 run

4.3.3 代码解释

1. 创建神经元：我们使用for循环创建了 10 个神经元/cell1到/cell10，并设置了它们的膜面积为 10000.0 μm²。

2. 创建突触：我们使用嵌套的for循环创建了 45 个突触（10 个神经元的全连接网络），并确保每个突触连接不同的神经元。

3. 连接突触：通过connect命令将突触连接到相应的神经元。

4. 设置突触参数：我们设置了每个突触的最大电导gmax为 0.5 nS，时间常数tau为 2.0 ms，逆电势e为 0.0 mV。

5. 设置仿真时间：我们设置仿真时间为 200 ms。

6. 创建电压记录器：我们使用for循环创建了 10 个电压记录器/vm1到/vm10，并将它们分别连接到 10 个神经元的胞体。

7. 设置记录器参数：我们开启了电压钳模式，并设置了记录器的输出格式。

8. 创建输出文件：我们使用for循环创建了 10 个文件/out1到/out10，并将电压记录器的输出连接到这些文件。

9. 设置文件参数：我们设置了文件的输出格式和模式。

10. 模拟决策过程：我们使用嵌套的for循环在每个 50 ms 的时间点上调整突触的最大电导gmax，模拟前 5 个神经元的兴奋性连接和后 5 个神经元的抑制性连接。每次增加 20% 的兴奋性连接的gmax，减少 20% 的抑制性连接的gmax。

11. 启动仿真：最后，我们使用run命令启动仿真。