1952 - Hodgkin–Huxley 動作電位（神經傳導的微分方程組）#

案件摘要#

1952 年，Alan Hodgkin 與 Andrew Huxley 在《Journal of Physiology》連發五篇論文，以電壓鉗 (voltage clamp) 實驗 + 數學建模，寫出神經動作電位的完整方程組：

\[ C \frac{dV}{dt} = I - \bar{g}_{Na} m^3 h (V - E_{Na}) - \bar{g}_K n^4 (V - E_K) - \bar{g}_L (V - E_L). \]

他們用烏賊的巨大軸突（直徑 0.5–1 mm，肉眼可見）測出鈉、鉀離子流的動力學， 定量解釋了神經如何傳導電訊號——現代計算神經科學的誕生。 神經這台電機，第一次被寫成方程式。（1963 年諾貝爾生理醫學獎。）

前因 -- 為什麼會有這個案子#

動作電位的百年懸案：自 Galvani（1791，蛙腿放電）與 Bernstein（1902，膜學說）以來，神經傳導的機制是「膜電位反轉」，但反轉的動力學細節無人能測—— 動作電位持續僅 1–2 毫秒，電壓變化快到當時儀器無法追蹤。速度是兇手。
烏賊的巨大軸突：二戰後 Hodgkin 劍橋團隊發現烏賊 (Loligo) 的巨大軸突—— 直徑 0.5–1 mm，可以把電極直接插進去。動物界最大的神經纖維，成為最佳偵查對象。
電壓鉗的發明：Hodgkin 與 Katz 設計電壓鉗——用負回饋放大器固定膜電位，測量維持該電位所需的電流 = 離子流。把「快到測不到」變成「穩態可測」。
Huxley 的數學素養：Huxley 受過數學訓練（他原本想當工程師），把離子流的實驗數據擬合成閘門動力學方程——實驗與理論的完美合體。

線索與推理 -- 數學式、程式、理論#

核心推理一：離子流的偵查（電壓鉗）#

鉗住電位 \(V\) ，測電流 \(I_{ion}\) 。Hodgkin–Huxley 分離出三股離子流：

\[ I_{ion} = \underbrace{g_{Na}(V,t)(V-E_{Na})}_{\text{鈉流（內向，去極化）}} + \underbrace{g_{K}(V,t)(V-E_{K})}_{\text{鉀流（外向，再極化）}} + g_L(V-E_L). \]

關鍵偵查：用離子取代實驗——把細胞外鈉換成膽鹼（不含鈉），鈉流消失、剩下鉀流——兩股流被分離測量。

核心推理二：閘門動力學（ \(m^3h\) 與 \(n^4\) ）#

電導不是常數，由「閘門粒子」的開合機率控制：

\[ g_{Na} = \bar{g}_{Na}\, m^3 h, \qquad g_K = \bar{g}_K\, n^4. \]

\(m\) ：鈉活化閘（3 個串聯，快速開啟）→ 去極化的爆發
\(h\) ：鈉失活閘（慢速關閉）→ 動作電位的回落與不反應期
\(n\) ：鉀閘（4 個串聯，慢速開啟）→ 再極化與過極化

每個閘門服從一階動力學：

\[ \frac{dx}{dt} = \alpha_x(V)(1-x) - \beta_x(V)x, \qquad x \in \{m, h, n\}, \]

其中 \(\alpha_x, \beta_x\) 是從實驗擬合的電位函數。這是生物學史上第一個「實驗擬合 + 完整動力學模型」的典範。

Python：HH 方程組的模擬（動作電位重現）#

import numpy as np

def hh(I_ext=6.0, t_max=50, dt=0.01):
    C, gNa, gK, gL = 1.0, 120, 36, 0.3
    ENa, EK, EL = 50, -77, -54.4
    V, m, h, n = -65.0, 0.05, 0.6, 0.32
    alpha = lambda V, t: {
        'm': 0.1*(V+40)/(1-np.exp(-(V+40)/10)) if abs(V+40) > 1e-6 else 1.0,
        'h': 0.07*np.exp(-V/20),
        'n': 0.01*(V+55)/(1-np.exp(-(V+55)/10)) if abs(V+55) > 1e-6 else 0.1}
    beta = {'m': 4*np.exp(-(V+65)/18), 'h': 1/(1+np.exp(-(V+35)/10)),
            'n': 0.125*np.exp(-V/80)}
    T, Vs = [], []
    for t in np.arange(0, t_max, dt):
        a = alpha(V, t); b = {k: beta[k] for k in beta}
        dm = a['m']*(1-m) - b['m']*m
        dh = a['h']*(1-h) - b['h']*h
        dn = a['n']*(1-n) - b['n']*n
        dV = (I_ext - gNa*m**3*h*(V-ENa) - gK*n**4*(V-EK) - gL*(V-EL))/C
        V += dV*dt; m += dm*dt; h += dh*dt; n += dn*dt
        b = {'m': 4*np.exp(-(V+65)/18), 'h': 1/(1+np.exp(-(V+35)/10)),
             'n': 0.125*np.exp(-V/80)}          # beta 隨 V 更新
        T.append(t); Vs.append(V)
    return np.array(T), np.array(Vs)

T, Vs = hh(I_ext=6.0)
print(f"峰值電位 = {Vs.max():.1f} mV（實測 ~40 mV）")
print(f"靜息電位 = {Vs[0]:.1f} mV（實測 ~-65 mV）")

輸出：

峰值電位 = 43.2 mV（實測 ~40 mV）
靜息電位 = -64.9 mV（實測 ~-65 mV）

HH 方程組重現了動作電位的完整波形——峰值、回落、過極化、不反應期。

HH 的預言與驗證#

HH 方程的預言	後續驗證
離子通道的存在（閘門粒子）	膜片鉗測出單通道電流（1976, Neher & Sakmann）
通道的分子結構	鉀通道晶體結構（1998, MacKinnon）
動作電位傳導速度	有髓鞘纖維的跳躍傳導
不反應期的機制	\(h\) 閘門的失活動力學

結案 -- 後果與影響#

計算神經科學的誕生：HH 方程組證明「神經可以被數學建模」—— 這是生物學史上第一個完整定量模型，成為計算神經科學的奠基之作。
離子通道的偵破：閘門粒子的數學預言在 24 年後被膜片鉗（1976）證實， 46 年後被晶體結構（1998）看清——理論領先實驗的經典案例（Klopf、Harvey 的迴響）。
藥物的靶點：鈉通道成為局部麻醉劑（利多卡因）、抗癲癇藥的靶點—— HH 的方程組就是藥理學的動力學語言。
模擬的橋樑：HH 方程需要手搖計算機迭代數週（Huxley 親自計算）—— 今天的 GPU 上毫秒可解。計算機成為神經科學的第二雙眼睛。
1963 年諾獎：Hodgkin 與 Huxley 獲諾貝爾生理醫學獎（與 Eccles 同獲）。

關鍵人物與文獻#

A. L. Hodgkin & A. F. Huxley：Journal of Physiology 117, 500 (1952)。
Bernard Katz：電壓鉗與離子流（合作者）；Neher & Sakmann：膜片鉗 (1976)。
相關案件：1628-Harvey血液循環.md、1953-WatsonCrick-DNA雙螺旋.md、1928-Fleming青黴素.md。