物理学 > 生物物理
[提交于 2023年6月13日
]
标题: 亚阈值状态下嗅觉受体神经元选择性的最大化
标题: Maximization of the olfactory receptor neuron selectivity in the sub-threshold regime
摘要: 已知如果将气味以亚阈值浓度呈现在嗅觉受体神经元(ORN)上——即当结合的受体蛋白(RPs)数量的平均值不足以产生动作电位,但由于平均值周围的波动仍有可能产生动作电位时——ORN的选择性可以高于较高浓度下的选择性,并且尤其高于ORN的RPs的选择性。 在这项工作中,在简化ORN模型的框架内,找到了提供最高ORN选择性的最优气味浓度,并推导出了最高选择性与ORN中总RPs数量 $N$ 和其阈值 $N_{0}$ 之间的关系。 在 $N_{0}$ 接近于1或 $N$ 时,亚阈值状态下增强的选择性效果表现得最为明显。 在较大的 $N$ 值下,这种现象也更为显著。
文献和引用工具
与本文相关的代码,数据和媒体
alphaXiv (什么是 alphaXiv?)
CatalyzeX 代码查找器 (什么是 CatalyzeX?)
DagsHub (什么是 DagsHub?)
Gotit.pub (什么是 GotitPub?)
Hugging Face (什么是 Huggingface?)
带有代码的论文 (什么是带有代码的论文?)
ScienceCast (什么是 ScienceCast?)
演示
推荐器和搜索工具
arXivLabs:与社区合作伙伴的实验项目
arXivLabs 是一个框架,允许合作伙伴直接在我们的网站上开发和分享新的 arXiv 特性。
与 arXivLabs 合作的个人和组织都接受了我们的价值观,即开放、社区、卓越和用户数据隐私。arXiv 承诺这些价值观,并且只与遵守这些价值观的合作伙伴合作。
有一个为 arXiv 社区增加价值的项目想法吗? 了解更多关于 arXivLabs 的信息.