Translate this page to:
Spanish
In JoVE (1)
Other Publications (17)
- Journal of Neurophysiology
- Journal of Neurophysiology
- Journal of Neuroscience Methods
- Journal of Neurophysiology
- Journal of Neuroscience Methods
- Journal of Neurophysiology
- Journal of Neurophysiology
- The Journal of Neuroscience : the Official Journal of the Society for Neuroscience
- The European Journal of Neuroscience
- Neural Computation
- The Journal of Neuroscience : the Official Journal of the Society for Neuroscience
- Biological Cybernetics
- Journal of Neuroscience Methods
- Proceedings of the National Academy of Sciences of the United States of America
- Cortex; a Journal Devoted to the Study of the Nervous System and Behavior
- The Journal of Neuroscience : the Official Journal of the Society for Neuroscience
- Nature Neuroscience
Automatic Translation
This translation into Spanish was automatically generated.
English Version | Other Languages
Articles by Eran Stark in JoVE
JoVE Neuroscience
A gran escala de grabación de las neuronas por medio de sondas de silicio móviles en comportarse roedores
1Center for Molecular and Behavioral Neuroscience, University of New Jersey, 2Center for Interdisciplinary Research in Biology, Collège de France, 3Janelia Farm Research Campus, Howards Hughes Medical Institute, 4Deptartment of Psychology, University of Wisconsin at Milwaukee
Se describen métodos para la gran escala de grabación de múltiples unidades individuales y potencial del campo local en comportando los roedores con sondas de silicio. Unidad de fabricación, el apego de la sonda a la unidad y los procesos de implantación de la sonda se ilustran con suficiente detalle para facilitar la réplica.
Other articles by Eran Stark on PubMed
Organización Dinámica De Ajuste Direccional En La Corteza De Motor Primate Premotor Y Primaria
Aunque estudios anteriores han demostrado que la actividad de las neuronas de la corteza motora está relacionada con varios parámetros de movimiento, incluyendo la dirección del movimiento, el patrón espacial por el que están representados estos parámetros es aún no resuelto. El presente trabajo fue diseñado para estudiar el patrón de la representación de la dirección preferida (PD) del movimiento de la mano sobre la superficie cortical. Mediante el estudio de las diferencias de PD pares y aplicando una nueva implementación de la variación circular durante la preparación y períodos de movimiento en el contexto de una tarea central, demostramos una distribución nonrandom del PDs sobre la superficie cortical premotor y motor de dos monos. Nuestro análisis demuestra que, Considerando que el PDs de unidades registrada por electrodos no adyacentes no son más similares de lo esperado por casualidad, son PDs de unidades contabilizadas por electrodos adyacentes. PDs de unidades habían registrado por una pantalla de electrodo único la mayor semejanza. Comparación de distribuciones de PD durante la preparación y movimiento revela que el PDs de unidades cercanas tienden a ser más similar durante el periodo de preparación. Sin embargo, incluso para los pares de unidades contabilizadas por un solo electrodo, la diferencia media de PD es típicamente grande (45 grados y 75 grados durante la preparación y movimiento, respectivamente), de modo que una representación estrictamente modular de la dirección de movimiento de mano sobre la superficie cortical no es compatible con nuestros datos.
La Actividad Neuronal En áreas Corticales Motores Refleja El Contexto Secuencial Del Movimiento
Acciones naturales pueden describirse como cadenas de elementos simples, mientras que los elementos individuales del movimiento fácilmente se concatenan para generar innumerables secuencias de movimiento. Las neuronas de la secuencia específica se han descrito extensivamente, sugiriendo que el sistema motor puede implementar temporal complejos movimientos mediante esas neuronas para reclutar neuronas de nivel inferior movimiento modular. Aquí, nos propusimos para investigar si la actividad de las neuronas relacionadas con el movimiento es independiente del contexto secuencial de la propuesta. Dos monos fueron capacitados para realizar movimientos de brazos lineales ya sea individualmente o como componentes de doble segmento movimientos. Sin embargo, la comparación de la actividad neuronal entre estas condiciones es delicada porque sutiles variaciones cinemáticas ocurren generalmente dentro de diferentes contextos. Por lo tanto utilizamos procedimientos extensos para identificar la contribución de las variaciones en la ejecución de motor a las diferencias en la actividad neuronal. Sin embargo, incluso después de la aplicación de estos procedimientos que encontramos que la actividad neuronal en el córtex motor (PMd y M1) asociada a un segmento determinado movimiento diferencia entre los dos contextos. Estas diferencias aparecen durante la preparación y se vuelven más prominentes durante la ejecución del movimiento. Curiosamente, a pesar de las diferencias relacionadas con el contexto en el nivel de neuronas individuales, la población en su conjunto todavía permite una lectura confiable de la dirección del movimiento sin tener en cuenta el contexto secuencial. Así la dirección de un movimiento y el contexto secuencial que lo incorpora puede simultáneamente y confiablemente codificada por las neuronas de la corteza motora.
Aplicación De Métodos De Remuestreo a Datos Neurofisiológicos
Técnicas estadísticas estándar no siempre proporcionan respuestas a complejas cuestiones fisiológicas porque a menudo no hay paramétricas o no paramétricas distribuciones que puede estimarse la significación. Métodos de remuestreo proporcionan una batería de pruebas que pueden utilizarse en tales circunstancias. En los últimos años estos métodos han sido explorados teóricamente y ahora se emplean con frecuencia. En este trabajo describimos un marco unificado para el uso de tales métodos en el contexto del análisis de datos neurofisiológicos. Construimos pruebas específicas para poner límites de confianza en las estimaciones de información mutua y sobre parámetros de datos circulares, y presentamos procedimientos para probar hipótesis en circular y en datos de particiones. Estos exámenes son explicados en detalle e ilustrados con datos reales de experimentos con monos comportarse.
Análisis De Correlación Cruzada Parcial Resuelve La Ambigüedad En La Codificación De Múltiples Funciones De Movimiento
Una pregunta clásica en neurociencia es que las características de un estímulo o de una acción están representadas en la actividad cerebral. Cuando varias características son interdependientes ya sea en un momento dado en el tiempo o en diferentes puntos en el tiempo, la actividad neuronal relacionada con una característica parece correlacionarse con otras características. Así técnicas que consideran simultáneamente múltiples funciones no pueden explicar retrasadas interdependencias entre características. El resultado es una ambigüedad con respecto a las características codificadas. Aquí, resolvemos esta ambigüedad mediante la aplicación de un novedoso método estadístico basado en Cruz-correlaciones parciales. El método produce estimaciones de correlaciones lineales entre la actividad de los nervios y un rasgo dado que no son afectadas por las correlaciones lineales con otras características en múltiples retrasos. El método también proporciona una salida gráfica medido en una escala que permite comparaciones entre diferentes características, las neuronas y experimentos. Utilizamos datos de movimiento real y simulado según una amplia gama de modelos de ajuste de la actividad neurológica para ilustrar el método. Cuando se aplica a la actividad real neurológica, el procedimiento obtienen resultados que indican que las características consideradas la actividad neuronal se relaciona con y en qué tiempo demoras.
Clasificación De La Espiga: Bayesiano Agrupamiento De Datos No Estacionarios
Espiga clasificación consiste en agrupación picos registrados por un micro electrodos según las neuronas de la fuente. Es una tarea complicada, que requiere mucho trabajo humano, en parte debido a la naturaleza no estacionarios de los datos. Proponemos automatizar el proceso de agrupamiento en un marco Bayesiano, con las neuronas de origen modeladas como una mezcla de Gaussianas no estacionarios. En una primera etapa de búsqueda, los datos se dividen en cortos plazos y candidato descripciones de los datos como mezclas de Gaussianas se calculan para cada fotograma por separado. En una segunda etapa, se calculan las probabilidades de transición entre mezclas de candidato, y se encuentra una solución de agrupamiento óptima a nivel mundial como la solución de máximo a posteriori del modelo probabilístico resultante. Las probabilidades de transición se calculan utilizando hipótesis de estacionariedad local y se basan en una versión de Gaussianas de la divergencia de Jensen-Shannon. Contamos con datos de punto sintético generado para ilustrar el método y mostrar que supera a otros métodos de clasificación de espiga en un escenario no estacionarios. Luego usamos datos de espiga real y llegar a un acuerdo alto del método con clasificadores humanos expertos en dos modos de operación: una totalmente sin supervisión y un modo semisupervisado. Así, este método difiere de otros métodos en dos aspectos: su capacidad para tener en cuenta datos no estacionarios y su rendimiento humano.
Codificación Del Alcance Y Comprensión Por Las Neuronas Individuales En El Córtex Premotor Es Independiente Del Sitio De La Grabación
Actividad de los nervios se ha estudiado durante alcanzar y agarrar por separado, sin embargo, poco se sabe sobre su representación combinada. Para estudiar la organización funcional de alcanzar y agarrar en el córtex premotor (PM), entrenamos dos monos para alcanzar en una de las seis direcciones y tome uno de los tres objetos. Durante los movimientos prensiles, actividad de los músculos proximales (hombro y codo) fue modulada principalmente por la dirección de alcance, mientras que los músculos distales (dedos) también fueron modulados por tipo de agarre. Usando microstimulation intracortical, identificamos espacialmente distintos sitios de la PM que fueron evocados los movimientos de las articulaciones proximales o distales. En contraste con los músculos, la modulación de la actividad de los nervios por la dirección de alcance fue similar para unidades registradas en sitios proximales y distales. Del mismo modo, agarre tipo codificación fue la misma para unidades contabilizadas en los diferentes sitios. Este patrón de codificación alcance y comprensión independientemente de recodificación sitio se observó a lo largo de la tarea: antes, durante y después de los movimientos de prensión. A pesar de las similitudes entre unidades individuales en diferentes sitios, se encontraron diferencias entre pares de unidades. Pares de direccionalmente selectivas unidades contabilizadas por el mismo electrodo en el mismo sitio proximal preferían direcciones de alcance similar pero no tipos de agarre, mientras que en el mismo sitio distal pares de unidades objetos selectivas solían prefieren el mismo tipo de agarre pero no llega a la dirección. Sugerimos que el alcance de codificación "mezcla de neuronas" inesperado y asimiento en sitios distales y proximales, respectivamente, proporcionan un sustrato neural para llegar a una coordinación entre y agarre durante la prensión.
Comparación De Selectividad Dirección Y Objeto De Potenciales De Campo Local Y Unidades Individuales En La Corteza Parietal Posterior Macacos Durante La Prensión
Estudios recientes han demostrado que el potencial del campo local (LFP) puede proporcionar un método sencillo para obtener una medida exacta de comportamientos alcanzando y sacadas. Sin embargo, no está claro si esta señal es igualmente informativa con respecto a movimientos más complejos. Aquí registramos LFPs y unidades individuales (SUs) de diversas áreas en la corteza parietal posterior de macacos durante una tarea de la prensión y la selectividad LFP comparado con selectividad SU. Encontramos que parietal LFPs solían ser selectivos a la dirección de destino u objeto y que porcentajes de LFPs selectivas fueron similares a los porcentajes de SUs selectivas. Sin embargo, SUs eran más informativos que LFPs en varios aspectos. Recomendado: direcciones y objetos de LFPs generalmente se desviaban de una distribución uniforme, a diferencia de SUs preferencias. Además, las preferencias de LFPs no refleja las preferencias de SUs aun cuando las dos señales se registraron simultáneamente por el mismo electrodo. Adicionalmente, selectividad de movimiento-evocado LFPs apareció sólo después del inicio del movimiento, mientras que SUs demostraron con frecuencia premovement selectividad. El análisis espectral reveló una relación señal / ruído inferior de la señal de la LFP. Diversas bandas de frecuencia derivan en un solo sitio LFP mostraron preferencias inconsistentes. Relaciones significativas con parámetros de destino se encontraron para todas las bandas de pruebas de la LFP, pero efectos en la banda de rápida (gamma) exhiben propiedades que eran constantes con la contaminación de la LFP por residual clavar la actividad. Tomados en conjunto, nuestros resultados sugieren que la LFP proporciona un método simple para la extracción de información relacionados con el movimiento. Sin embargo, algunas de sus propiedades hacen menos adecuada para predecir los movimientos que cambian rápidamente.
Predecir El Movimiento De La Actividad Reciente
Estudios anteriores han demostrado que la actividad intracortical puede utilizarse para operar dispositivos prostéticos tales como un miembro artificial. Previamente usadas señales neuronales fueron ya sea la actividad de decenas a cientos de clavar las neuronas, que son difíciles de registro durante largos períodos de tiempo, o potenciales de campo local, que están altamente correlacionados entre sí. Aquí, demostramos que al estimar la actividad reciente (MUA), la actividad superpuesta de muchas neuronas alrededor de un microelectrodo, y con un pequeño número de electrodos, se obtiene una predicción exacta del próximo movimiento. Comparado con los puntos de una sola unidad, grabaciones de MUA solas se obtienen más fácilmente y las grabaciones son más estables en el tiempo. Comparado con potenciales de campo local, pares de grabaciones de MUA son considerablemente menos redundantes. En comparación con cualquier otra señal intracortical, grabaciones de MUA solas son más informativas. MUA es informativo incluso en la ausencia de picos. Combinando la información de las grabaciones micropozo-microcanal de las cortezas de motor de monos que realiza movimientos de seguimiento continuo o discreta de la prensión, demostramos que predicciones basadas en multicanal MUA son superiores a los basados en picos o potenciales de campo local. Estos resultados demuestran que considerable información se conserva en la actividad superpuesta de varias neuronas y por lo tanto sugieren que las neuronas dentro de la misma localidad procesan información similar. También ilustran que movimientos complejos pueden predecirse mediante procesamiento de señal relativamente simple sin la detección de picos y, así, mantener el potencial para acelerar enormemente el desarrollo de dispositivos protésicos motor-corticales.
Parámetros Distintos Movimiento Están Representados Por Diferentes Neuronas En La Corteza Motora
Estudios recientes sugirieron que una sola neurona cortical motor normalmente codifica varios parámetros de movimiento, pero los parámetros muestran a menudo fuerte interdependencia temporal. Para solucionar este problema, se registró actividad unitaria monos macacos hizo movimientos continuos y emplearon un análisis que considera explícitamente temporales correlaciones entre varios parámetros cinemáticos; mano de posición, velocidad y aceleración. Encontramos que mientras la actividad de casi todas las neuronas corticales motores fue modulada durante el movimiento, la mayoría de las neuronas estaban relacionados con sólo un único parámetro dominante. La actividad de neuronas diferentes covaried con diferentes parámetros con fuerza similar, pero las neuronas relacionadas con velocidad eran mucho más comunes que las neuronas relacionadas con cualquier otro parámetro. Estos resultados se obtuvieron para las neuronas que se registró en el principal motor (M1) y dorsales premotor (PMd) cortezas. Aunque la actividad de los nervios tiende a preceder el movimiento y la actividad de PMd tienden a preceder a la actividad de la M1, intervalos fueron muy disperso. Los músculos del hombro y el codo tenían las mismas propiedades que las neuronas, pero su actividad estrictamente había precedido de movimiento. Estos resultados demuestran la especificidad única neurona y heterogeneidad dentro de una población de neuronas con respecto a los parámetros de movimiento y de intervalos. Nuestros resultados sugieren que distintos subconjuntos de neuronas motoras corticales participan en cómputos relacionados con parámetros distintos de movimiento.
Dependencia De Las Correlaciones Neuronales De Filtro Características Y Estadísticas De Tren Punto Marginal
Actividad neuronal correlacionada se ha observado en varios niveles de señal (p. ej., púa cuenta, potencial de membrana, local campo potencial, EEG, fMRI BOLD). La mayoría de estas señales puede considerarse como superposiciones de trenes de espiga filtrados por componentes del sistema neural (sinapsis, las membranas) y el proceso de medición. Se desconoce en gran medida cómo se altera la estructura de correlación de tren punto por este filtrado y cuáles son las consecuencias para la dinámica del sistema y para la interpretación de correlaciones medidas. En este estudio, nos centramos en trenes de espiga linealmente filtrada y especialmente considerar las correlaciones causadas por la superposición de las poblaciones de la neurona presináptica. Demostramos que las funciones de correlación y estadísticas medidas de segundo orden como la varianza, la covarianza y el coeficiente de correlación generalmente exhiben una dependencia compleja de las propiedades de filtro y las estadísticas de los trenes de espiga presináptica. Señalamos que ambas contribuciones pueden desempeñar un papel importante en la modulación de la fuerza de interacción entre las neuronas o poblaciones de neuronas. En muchas aplicaciones, la coherencia permite una cuantificación de filtro independiente de actividad correlacionada. En los modelos de redes diferentes, discutimos la estimación de la conectividad de la red de la coherencia de la alta frecuencia de grabaciones simultáneas intracelulares de pares de neuronas.
Correlaciones Entre Grupos De Neuronas Premotor Llevan Información Acerca De La Prensión
Cómo distintos parámetros son atados en la actividad cerebral es desconocida. Combinación de codificación por interacciones interneuronal es una posibilidad, pero, para coordinar los parámetros, las interacciones entre pares neuronales deben llevar información sobre ellos. Para solucionar este problema, se registró actividad neural desde múltiples sitios en las cortezas premotora de monos que memorizan alcance dirección y agarre tipo seguido de prensión real. Encontramos que las correlaciones entre neuronas clavaba individuales son generalmente débiles y llevan poca información acerca de la prensión. En cambio, correlaciones y sincrónicas interacciones entre pequeños grupos de neuronas, cuantificadas por la reciente actividad (MUA), son un orden de magnitud más fuerte. Una porción sustancial de la información por pares interacciones entre MUAs trata de combinaciones de alcance y comprensión. Esto contrasta con la información por neuronas individuales y MUAs individuales, que trata principalmente alcanzan o agarrar pero mucho menos de sus combinaciones. La principal contribución de interacciones pares a la codificación de combinaciones de alcance la comprensión es cuando animales memorizan parámetros de prensión, consistentes con una representación interna del compuesto. Las interacciones informativas entre grupos neuronales pueden facilitar la coordinación de alcance y agarre en coherente de la prensión.
Movimiento Parabólico Primitivos Y Estados Corticales: Fusión De Optimalidad Con Invariancia Geométrica
Estudios previos han sugerido que varios tipos de reglas rigen la generación de los movimientos del brazo complejo. Una clase de reglas consiste en optimizar una función objetivo (por ejemplo, maximizando suavidad de movimiento). Otra clase consiste de restricciones geométricas y cinemáticas, por ejemplo el acoplamiento entre la velocidad y la curvatura durante movimientos de dibujo según lo expresado por la ley de alimentación de dos tercios. También se ha sugerido que movimientos complejos están compuestos por elementos más simples o primitivos. Sin embargo, la posibilidad de unificar las diferentes reglas sigue siendo un problema abierto. Abordamos este tema mediante la identificación de rutas de movimiento cuya generación según los dos tercios de la energía ley rendimiento máximo liso trayectorias. Utilizando equi-Afine la geometría diferencial que derivamos una condición matemática que deben obedecer a estos caminos. Entre todas las soluciones posibles sólo parabólicas caminos minimizan el tirón de la mano, obedecen la ley de alimentación de dos terceras partes y son invariantes bajo transformaciones equi-afines (que conservan el ajuste a la ley de alimentación de dos tercios). Transformaciones afines pueden utilizarse para generar cualquier movimiento parabólico de una plantilla de parabólica arbitraria, y unos movimientos parabólicos pueden ser concatenados compacto, formando un complejo camino. Para probar la posibilidad que elementos parabólicos se utilizan para generar movimientos planares, analizamos las trayectorias garabateo de monos. Garabatos practicados bien son aproximados por trazos largos parabólicos. De las neuronas corticales motores en garabatos más estaban relacionados con equi-afín que velocidad euclidiano. Segmentación sin supervisión de simultáneamente grabó varios neurona actividad rendimientos Estados relacionados con distintas parabólico elementos. Por lo tanto sugerimos que la representación cortical de los movimientos es estado dependiente y que elementos parabólicos son bloques de construcción usados por el sistema motor para generar movimientos complejos.
Estimación Imparcial De Correlaciones Temporales Precisas Entre Trenes De Espiga
Una cuestión clave en Neurociencia de sistemas es la contribución de las interacciones inter-neuronal temporales precisas para procesamiento en el cerebro de la información, y la principal herramienta analítica para el estudio de las interacciones de pares es el histograma de la correlación cruzada (CCH). Aunque fáciles de generar, un CCH está influenciada por múltiples factores además de correlaciones temporales precisas entre dos trenes de espiga, complicando así su interpretación. Una técnica basada en Monte-Carlo, el método inquieto, se ha sugerido para aislar la contribución de las interacciones temporales precisas para el procesamiento de la información neural. A continuación, os mostramos que variación trenes punto equivalente a convolución tamaño CCH proviene de los trenes originales con una ventana finita y mediante una distribución de Poisson para calcular probabilidades. Ambos procedimientos over-fit los trenes punto original y por lo tanto las pruebas estadísticas resultantes están sesgadas y baja potencia. Nos idear un método alternativo, basado en la convolución de la CCH con una ventana parcialmente hueca, de tamaño e ilustrar su utilidad mediante trenes punto real y artificial. El método de convolución modificado es insesgado, tiene alto poder y es computacionalmente rápido. Recomendamos precaución en el uso del método inquieto y en la interpretación de los resultados basados en él y sugerimos que use el método modificado de convolución para detectar correlaciones temporales precisas entre trenes de espiga.
El Principio De La Información Mínima Y Su Aplicación Al Análisis De Código Neural
El estudio de sistemas de procesamiento de información compleja requiere herramientas teóricas adecuadas para ayudar a desentrañar sus fundamentos de diseño. Teoría de la información es una herramienta y se ha utilizado extensivamente en el estudio del código neural. Aunque se ha avanzado mucho en metodología teórica de la información, no hay todavía ninguna respuesta satisfactoria a la pregunta: "¿Cuál es la información que lleva una propiedad determinada de la actividad neuronal de la población (por ejemplo, las respuestas de las células dentro de la población) de un conjunto de estímulos"? Aquí, respondemos preguntas vía el principio de la mínima información mutua (MinMI). Nos cuantificar la información en cualquier propiedad estadística de la respuesta neural teniendo en cuenta todas las poblaciones neuronales hipotéticas que tienen la propiedad dada y encontrando que contiene la información mínima sobre los estímulos. Todos los sistemas con mayor información sobre los valores necesariamente contienen mecanismos de procesamiento de información adicional y, por lo tanto, el mínimo captura la información relacionada con la característica dada solamente. MinMI puede utilizarse para medir la información en las propiedades de la respuesta neural, como la transportada por respuestas de pequeños subconjuntos de células (por ejemplo, solteros o parejas) en una población grande y efectos cooperativos entre las subunidades en redes. Mostramos cómo se puede utilizar el marco para estudiar la codificación en grandes poblaciones neuronales y revelan propiedades que no son descubiertas por otros métodos teóricos de la información.
La Actividad Cortical Motora Relacionados Con La Cinemática Del Movimiento Exhibe Organización Espacial
Si bien está generalmente aceptado que las neuronas múltiples cooperan para generar movimiento, los mecanismos precisos son en gran parte desconocidos. Una forma para generar una señal de control robusto local es para que las neuronas cercanas compartir propiedades similares. Para estudiar esta posibilidad, registramos la actividad neuronal de la corteza motora de macacos durante dos tareas de dibujo: garabateo libre y seguimiento dado caminos. Analizamos la actividad neuronal en relación con tres parámetros cinemáticos - posición, velocidad y aceleración - teniendo en cuenta explícitamente temporales correlaciones entre ellos. Unitarios (SU) actividad típicamente se relaciona un parámetro, más velocidad y tienden a preceder el movimiento. Codifican en SUs diferentes parámetros diferentes, pero unidades cercanas tienden a preferir el mismo parámetro. Por otra parte, mientras SUs cubrieron una amplia gama de SUs posiciones, las indicaciones de velocidad y direcciones de aceleración, grabada por el mismo electrodo solía prefieren valores similares del mismo parámetro. Sin embargo, algunas unidades cercanas exhiben marcadas diferencias. Múltiples actividades (MUA), estimar la actividad clavaba de muchas neuronas alrededor del electrodo de la grabación, también tendían a estar relacionado con un parámetro y preceden el movimiento. Sin embargo, el generales correlaciones entre el MUA y el movimiento fueron más de dos veces tan fuertes como las correlaciones de SU. Por último, SUs y MUAs registrados por el mismo electrodo solían compartir propiedades similares. Estas dos líneas de evidencia convergen para sugerir que la actividad de las neuronas de la corteza motora dentro de aproximadamente 200 micrómetros se acumula de manera útil para representar un único parámetro. Sin embargo, incluso dentro de una pequeña región también hay neuronas relacionadas con otros parámetros, potencialmente facilitar la coordinación entre los distintos parámetros.
Estimulación Eléctrica Transcraneal Arrastra a Poblaciones Neuronales Corticales En Ratas
Campos eléctricos de baja intensidad se han sugerido para afectar la continua actividad neuronal in vitro y en estudios en seres humanos. Sin embargo, el mecanismo fisiológico de cuán débiles campos eléctricos afectan e interactuar con el cerebro intacto actividad no se entiende bien. Realizamos grabaciones en vivo de intracelulares y extracelulares de la neocorteza y el hipocampo de ratas anestesiadas y grabaciones extracelulares en el comportamiento de las ratas. Campos eléctricos fueron generados por los patrones de la sinusoide con frecuencia lenta (0,8, 1.25 ó 1.7 Hz) a través de electrodos colocados en la superficie del cráneo o la dura. Estimulación eléctrica transcraneal (TES) había arrastrado confiablemente las neuronas en áreas corticales generalizadas, incluyendo el hipocampo. El porcentaje de neuronas de fase de TES aumentó con la intensidad del estímulo y dependía del estado del comportamiento del animal. Gradiente de tensión inducida por TES, tan bajo como 1 mV/mm en los lugares de grabación, fue suficiente para clavar neuronal de la diferencia de fase. Grabaciones intracelulares demostraron que clavaba tanto subliminal la actividad estaban bajo la influencia combinada de TES campos y actividad de la red. Sugerimos que TES en preparaciones crónicas pueden utilizarse para el control experimental y terapéutico de la actividad cerebral.
Circuitos GABAérgico Median Las Señales Relacionadas Con El Refuerzo De Interneurons Colinérgica Estriatal
Interneuronas colinérgicas Neostriatal se creen que son importantes para la selección de aprendizaje y la respuesta mediada por refuerzo al señalar la ocurrencia y el valor motivacional de estímulos conductualmente relevantes mediante precisamente respuestas de la población de tiempo multifásicos. Un problema importante es entender cómo estas señales regulan el funcionamiento del neostriatum. Aquí describimos la organización sináptica de un circuito previamente desconocido que implica excitación nicotínica directa de varias clases de interneuronas GABAérgicas, incluyendo neuroptide Y-expresión neurogilaform las neuronas y permite interneuronas colinérgicas ejercer rápido control inhibitorio de la actividad de las neuronas de proyección. También encontramos que, in vivo, el efecto dominante de una respuesta de población de pausa-excitación optogenetically reproducido de interneurons colinérgicos era poderosa y rápida inhibición de la leña de las neuronas de proyección que es coincidente con la activación colinérgica síncrona. Estos resultados revelan un mecanismo de circuito previamente desconocido que transmite información relacionada con el refuerzo de interneurons ChAT en la red de neostriatal de ratón.
