Axon-somatic back-propagation in a detailed model of cat spinal motoneuron (Balbi et al, 2015)

 Download zip file   Auto-launch 
Help downloading and running models
Morphologically detailed conductance-based models of cat spinal alpha motoneurons have been developed, with the aim to reproduce and clarify some aspects of the electrophysiological behavior of the antidromic axon-somatic spike propagation. Fourteen 3D morphologically detailed somata and dendrites of cat spinal alpha motoneurons have been imported from an open-access web-based database of neuronal morphologies,, and instantiated in neurocomputational models.
1 . Balbi P, Martinoia S, Massobrio P (2015) Axon-somatic back-propagation in detailed models of spinal alpha motoneurons. Front Comput Neurosci 9:15 [PubMed]
Citations  Citation Browser
Model Information (Click on a link to find other models with that property)
Model Type: Neuron or other electrically excitable cell;
Brain Region(s)/Organism: Spinal motoneuron;
Cell Type(s): Spinal cord lumbar motor neuron alpha ACh cell;
Channel(s): I Na,p; I Na,t; I K; I h; I K,Ca; I Calcium;
Gap Junctions:
Simulation Environment: NEURON;
Model Concept(s):
Implementer(s): Balbi, Pietro [piero.balbi at];
Search NeuronDB for information about:  Spinal cord lumbar motor neuron alpha ACh cell; I Na,p; I Na,t; I K; I h; I K,Ca; I Calcium;
// Lista variabili utilizzate nel presente file,
// dichiarate in files eseguiti precedentemente:
// sl: lista dei dendriti primari (file 3)
// secmed: lista dei dendriti medi (dendriti con i canali per la PIC) (file 3)
// term: vettore delle distanze dei dendriti terminali da soma[0] (file 3)
// min_d, max_d: distanze minima e massima dei dendriti medi (file 3)

// load_file("fixnseg.hoc")  // calcolo di nseg in base a d_lambda
// geom_nseg()

print ""
print "Dati morfometrici da ", curr_mod, ":"
print ""

sect_num = 0 // numero sezioni
segm_num = 0 // numero compartimenti
area_tot = 0
forall {
sect_num = sect_num + 1
	for(x) {
		segm_num = segm_num + 1
		area_tot = area_tot + area(x)

area_soma = 0
forsec "soma" {
	for(x) {area_soma = area_soma + area(x)}

area_dend = 0
sect_dend = 0
segm_dend = 0
forsec "dend" {
	sect_dend = sect_dend + 1
	for(x) {
		area_dend = area_dend + area(x)
		segm_dend = segm_dend + 1

diam_dend = 0
diam_equi = 0
forsec sl {
	diam_dend = diam_dend + diam(0)
	diam_equi = diam_equi + diam(0)^(3/2)

print "numero di sezioni del modello: ", sect_num
print "numero di compartimenti del modello: ", segm_num
print "numero di sezioni dendritiche: ", sect_dend
print "numero di compartimenti dendritici: ", segm_dend
print "superficie totale: ", area_tot, " micron2"
print "superficie somatica: ", area_soma, " micron2"
print "superficie dendriti: ", area_dend, "micron2"
print "rapporto area dendriti/area soma: ", area_dend/area_soma
print "diametro soma: ", soma[0].diam, " micron"
print "diametro totale dendriti primari: ", diam_dend, " micron"
print "diametro cilindro equivalente somatico: ", soma[0].diam^(3/2), " micron"
print "diametro cilindro equivalente dendritico: ", diam_equi, " micron"
print "scostamento diametro equiv soma-dendriti: ", soma[0].diam^(3/2)-diam_equi, " micron"
print "distanza media delle terminazioni da soma: ", term.mean(), " micron"
print "distanza minima delle terminazioni da soma: ", term.min(), " micron"
print "distanza massima delle terminazioni da soma: ", term.max(), " micron"