Summary
빛 기계 주변 자극에 적절한 자극을 못을 박는 다하기 위해 현지 필드 잠재력 (LFPs)에서 복잡한 변화를 해명하는 것은 건축되었다. 응용 프로그램으로, 체성 감각 피질에서 기록 된 급상승 활동은 다중 목적 최적화 전략에 의해 분석 하였다. 결과는 제안 자극이 밀리 밀리미터 정밀도와 촉각 자극을 제공 할 수있는 것을 보여 주었다.
Abstract
현재 신경 생리 학적 연구는 스파이크 즉 현지 필드 잠재력에 스파이크 (LFPs)에서 전환 및 LFPs에서 신경 세포로 신경 세포의 신호 경로를 조사하는 방법을 개발하는 것을 목표를 가지고 있습니다.
LFPs 스파이크 활동에 대한 복잡한 의존성을 가지고 있고 그들의 관계는 여전히 저조한 1을 이해된다. 이러한 신호 관계의 해명은 임상 진단 (뇌 심부 자극에 대한 예를 들어, 자극 패러다임)과 정상 및 병적 인 상태 (예를 들어 간질, 파킨슨 병, 만성 통증)에있는 신경 코딩 전략의 깊은 이해에 모두 도움이 될 것입니다. 이 목표로, 하나는 자극 장치, 자극 패러다임 및 전산 분석에 관련된 기술적 문제를 해결해야합니다. 따라서 주문품 자극 장치는 기계적 공진이 발생하지 않는 잘 시공간 규제 자극을 제공하기 위해 개발되었다. 그 후,예시로서, 신뢰성 LFP 스파이크 관계의 세트는 추출 하였다.
장치의 성능, 세포 외 기록에 의해 조사 된 공동 스파이크와 쥐 차 체성 감각 피질에서 적용 자극에 LFP 응답. 이어서, 다중 목적 최적화 전략에 의해, LFPs에 근거 스파이크 발생에 대한 예측 모델을 추정 하였다.
이 패러다임의 애플리케이션은 장치가 적절하게 일반적인 압전 액추에이터를 상회, 고주파수 촉각 자극을 전달하기에 적합한 것을 보여준다. 장치의 효능의 증거로, 다음과 같은 결과를 제시했다 : 1) LFP 응답의 타이밍과 신뢰성은 물론, 스파이크 응답을 일치 2) LFPs는 자극의 역사에 민감하고 평균 응답뿐만 아니라 캡처뿐만 아니라 스파이크 활동하고, 마지막으로, 3) LFP를 사용하여 시험 대 시험 변동은 O 범위를 추정 할 수있다 신호F 스파이크 활동의 다양한 측면을 포착 예측 모델.
Introduction
신호의 맥락에서 임펄스 응답을 처리하는 동적 시스템의 동작의 기본적인 특성을 제공한다.
이상적인 임펄스 자극 사실상 달성되지 않지만, 높은 주파수의 변위가 발생하는 액추에이터 소자를 사용하여 그것의 합리적인 근사를 구하는 것이 가능하다. 빛 촉각 - 진동 자극의 유형은 모두 깊은 피부 (예 : 빠른 응답 빠른 Pacinian 미립자 적응) 2 및 표면 수용체 (예를 들어, 낮은 임계 값을 천천히 메르켈 원반 모양의 구조를 적응) 2를 대상으로하는 것으로 알려져 있습니다.
현재 자극 장치, 주로 압전 액추에이터는, 다수의 문제점이 아닌 이상 공명 작은 변위로 청구됩니다. 이러한 결점을 극복하기 위해, 임펄스 형상 자극의 대안적인 구현은 수직 무딘 팁 (우리의 경우 선인장 평활화 된 팁)를 사용하여 제안미드 레인지 스피커 콘의 막 센터에 장착. 이것은 큰 변위 및 넓은 주파수 스펙트럼의 장점을 제공한다.
이러한 장치의 효과적인 응용 프로그램 종속성을 스파이크하는 LFPs 관련 신경 생리 학적 문제의 연구했다. 때문에 이러한 전기 이벤트 사이의 미묘한 시간적 협회의 미세 조절 장치는 주변 자극을 전달하기 위해 필요했다. 자극은 "잡음"을 줄이고 관심의 신호를 선명하게하기 위해 최대한 빨리 가능한 공간적으로 선택해야했다. 이 목적을 위해, 자극 장치 및 자극 배달 프로토콜 공동 작업을 위해 최적화되었다. 본 논문에서는이 기법을 설명하고 몇 가지 대표적인 결과를 제시한다.
무작위 짝 - 펄스 기반으로 자극 프로토콜은 습관화을 피하기 위하여 설계 및 최적화되었다. 이 프로토콜은 고전 쌍의 이점을 제안펄스 에드 자극과 신경 활동의 자발적인 정기 버스트 사이의 의사 잠금의 가능성을 감소시켰다.
사용하여이는 빠르고 신뢰할 수있는 LFP와 스파이크 반응을 얻고 자극 역사에 모두 LFPs 스파이크의 의존성에 관한 이러한 반응의 특징을 포착 할 수 있었다 쌍 펄스를 무작위. 실제로, 원시 LFP 응답에서, 세 LFP 세트 강하게 평균 스파이크 반응과의 상관 관계 (LFP 자체, 첫 번째 유도체의 LFP 먼저 유도체 단계) 기능은, 또한 추출 하였다.
몇 가지 방법이 LFPs 3,4에서 스파이크를 예측하는 모델을 맞추기 위해 제안되었다. 일반적으로, 공통 또한 자극 신호에서 스파이크 이벤트의 예측을 최소화 / 최대화하는 목적 함수의 적절한 선택에 의해 모델 피팅 프로세스의 임계점 구성된다. 목적 함수의 범위가 제시되었지만이들 중 D (예를 들어 상관 관계 및 일관성) 5 아무도 공동 스파이크 응답의 전체 복잡성을 캡처하지 않습니다. 따라서, 다중 - 목적의 최적화에 기초하여 새로운 프레임 워크가 도입된다. 우리는 보여 그 제안 고안이 계산 프레임 워크는 관계 스파이크 강한 LFP에 따라 예측 모델의 집합을 추정 할 수있다를 사용하여.
Subscription Required. Please recommend JoVE to your librarian.
Protocol
윤리 정책
감각 자극은 신경 활성에 의해 표현되는 방법을 연구하는 동물의 사용 및 생체 내 접근법의 사용에 대안은 없다. 모든 동물은 과학 연구 (이탈리아어 생명 윤리위원회, 연구에 동물의 치료에 대한 법률 시행령, 1992년 1월 27일, 번호 116)에서 동물 치료에 이탈리아 및 유럽의 법률에 따라 처리하고 있습니다. 실험이 수행 된 국가 연구위원회는 국제 연합 교육 과학 문화 기관 (유네스코), 의료 과학의 국제 조직위원회 (대신 실험 동물 과학에 관한 국제위원회 (ICLAS)을 준수 CIOMS ) 및 생물 과학의 국제 연합 (IUBS). 따라서, 어떠한 프로토콜 별 승인이 필요하지 않았다. 보건 복지부의 승인의 윤리위원회의 파일에 "비 엘라 1, 3 / 리뷰"로 분류밀라노의 대학.
1. 실험 동물의 준비
- 수컷 쥐에게의 크기는 약 300-400g을 선택합니다.
- 실험 준비를위한 쥐를 마취.
- 복강 바르비 투르 산염 용액 (유도 펜토 바르 비탈, 50 ㎎ / ㎏, 유지 보수를 위해 10 ㎎ / ㎏)을 주입한다.
- 더 후퇴 반사가 발생하지 보장하는 발에 낮은 임계 값과 높은 임계 값 기계적 자극에 의해 마취의 수준을 확인합니다.
- 정확하고 두개골 표면을 노출 절개를 두개골 볼트를 도용하여 두개골 피부를 준비합니다.
- 기관 자체의 주위에 수술 적 치료로 고정하는 기관 캐뉼라 (2 ㎜, 2.5 ㎜, 외경, 내경)에 의해, 기관을 Cannulate.
- 옆으로 기관 세그먼트에 정맥을 노출하고 혈관 주위에 수술 적 치료로 고정 주사기에 연결된 정맥 (PE10)를 삽입 해 cannulate.
- 정위 장치에 쥐를 탑재합니다.
- 앙와위에서 쥐의 몸과 장소를 고정합니다.
- 귀 막대로 머리를 고정하고 주둥이를 차단합니다. 귀 막대를 삽입하기 전에 쥐의 귀에 국소 마취제 (리도카인) 중 하나 또는 두 방울을 넣어.
- 37.5 ℃로 온도를 유지하고, 전자적으로 제어되는 가열 패드에 의해 정위 패드의 온도를 조절
- 호흡 마취 장치에 기관 튜브를 연결합니다.
- 1 스트로크 / s의 아이소 플루 란 (2.5 % 0.4 ~ 0.8 L / 분)을 전달하고 O 2 (0.15-0.2 L / 분)에서 호흡 마취 장치를 설정합니다.
- 포비돈 - 요오드 국소 소독제에 의해 신중하게 두개골 천장을 청소합니다.
- 멸균 메스를 가지고 뒤통수 뼈의 각도로 주둥이의 기초에서 중간 선에 길이 방향으로 잘라.
- 트랙터에 의해 상처의 테두리를 두 갈래로 갈라지다 두 개의 작은 코 집게로이를 해결 적용 t상처 테두리 오.
- 반투명 표면을 관찰 두개골 볼트에 빛을 지정하여 골막을 확인합니다. 주의 깊게 뼈 볼트 골막을 제거하고 뼈의 표면을 노출 스크래치.
- 초점 출혈이 뼈에 나타나는 경우에 뼈 표면에면 팁이나 수술 스펀지로 지혈을 제공합니다.
- 좋은 팁 펜으로, mediosagittal 및 관상 suturas의 교차 지점에서 정위 점 브레 그마를 식별합니다.
- 수술 현미경 제어 실험 (브레 그마, AP -0.5 ~ 1.2 mm, 2.5 mm의 LL -2.3)에 사용되는 후방 발에 체성 감각 피질 반대측를 오버레이 정위 영역 (S1HL)를 식별합니다.
- 좋은 팁 펜으로 뚫어야 할 구멍을 구분 광장 주변을 그립니다.
- 뼈 타일을 제거 이전에 확인 된 파란색 사각형에 9mm 2 구멍을 뚫습니다.
- 청소 및 잠재적 뼈 출혈을 흡수한다. 조심스럽게 경막을 제거하고 37.5 ℃에서 인공 뇌척수액에 담가 외과 스폰지로 대뇌 피질의 표면을 커버
- 전자 미세 조작기에 연결 홀더에 전극 행렬을 수정합니다.
- 마이크로하여 프리 앰프로 매트릭스의 머리를 연결합니다.
- (그것을 건드리지 않고) 대뇌 피질의 표면까지 (수술 현미경 제어) 수동으로 전극 매트릭스를 구동한다.
- 청각 신호 증폭기의 전원을 켭니다.
- 전자 제어에 의해, 드라이브, 연락처까지 대뇌 피질의 표면을 접촉하는 전극의 행렬은 분명 노이즈 사운드의 변화에 의해 신호에 도달한다.
- 350 ~ 400 ㎛의 깊이 (대뇌 피질의 층 IV)에 도달 할 때까지 전자 제어 단계 (2 μm의 / 단계)에 의해 전극 매트릭스를 아래로 당깁니다.
- 반대측 후방 발에 가벼운 접촉에 의해 신경 세포의 응답을 확인합니다.
- 명확한 스파이크 반응이 관찰 될 때까지 몇 가지 추가 단계로 깊이를 조정합니다.
- 정맥 Gallamine의 thriethiodide (20 ㎎ / ㎏ / 시간)로 쥐를 마비. curarization 수준 (0.2 ㎖ / 1 시간)을 유지하기 위해 실험을 통해 굴절 된 복용량을 사용합니다.
2. 신호 처리
- [0.1 6000] Hz로 소프트웨어 대역 통과 필터를 설정합니다.
- 32 kHz에서 샘플링 된 8 채널 미세 전극 행렬의 신경 신호를 기록한다.
- 인수가 끝난 후, 후 처리에 적합한 바이너리 형식으로 기록 된 신호를 보냅니다.
- Wave_clus 도구 상자 (11)에 의해 스파이크 정렬 절차를 수행합니다.
3. 제조 및 자극 장치의 구성
- 직교 캡 줄기의 기초를 접착제로 붙이는 미드 레인지 스피커의 표면에 (무딘 팁) 선인장 줄기를 장착합니다.
- 프로그램스피커 구동기 회로에 전압 펄스를 제공하는 마이크로 제어기.
- (그림 1C 참조) 현재 초당 두 쌍의 펄스를 제공하는 마이크로 컨트롤러를 프로그래밍합니다.
- 기본 수동 부품 (그림 1A 참조) L293D의 H-브리지에 의해 스피커와 마이크로 컨트롤러를 조립합니다.
- 12 V 재충전 전지에 마이크로 컨트롤러를 연결합니다.
4. 자극 프로토콜
- 수장 측 표면을 노출하고 관절 비틀림을 방지, 단단한 프레임에 뒷발의 등 부분을 붙입니다.
- 원하는 다리 / 발 위치에 자극 장치의 끝 부분을 놓습니다.
- 자극 장치의 전원을 켭니다.
오프라인 단계 :
5. 스파이크 응답의 평가
- 각 기록 된 신경 세포의 경우, 계산 자극의 섀넌 상호 정보 (MI)가 급상승 활동을 유발 (자극 캘리포니아tegory 하나를 1, 자극, 또는 0, 아니 자극)입니다.
- s는 자극 스타일을 나타내며, R은 고정 된 시간 윈도우 내에서 방사 스파이크의 개수를 나타낸다 | 응답 조건부 확률 P (들 R)을 추정한다.
- 셔플 절차는 9 기술을 사용하여 MI 추정치를 수정합니다.
6. LFP 응답의 평가
- LFP 신호를 얻기 위해 주파수 범위 [0.1 100] Hz로 기록 된 신호를 필터링
- 계산 LFPSNR, 기준 (10)에 설명 된대로 LFP 응답의 측정.
7. 모델 추정
- 형태의 모델을 생성
X 인수는 <세 가지 LFP 기능 (x 1 LFP 자체를 나타내는 곳 다음과 같이 EM> × 2 그 유도체 및 X 3 힐버트 그 유도체의 단계)와 F가 표현된다
g 계수는 선형 조합의 가중치이며, F는 절대 값, 전력 또는 각 X I의 원래 값 중 하나를 취 연산자이다. - 착용감의 ⅰ) 지방, 시험 대 시험 기초하여, 측정 : 다음 세 개체를 사용하여 모델 파라미터 및 연산자를 추정 NSGAII 알고리즘을 사용
, N의 SP 및 N R 표현 여기서 각각 전체적인 스파이크 세고 응답 벡터의 길이, 평균 응답에 근거 맞는 II) 해외 메이저ad/50941/50941eq4.jpg "폭 ="205 "/> 여기서 N의 RESP는 평균 응답의 길이를 나타낸다; III) 모델 복잡성의 측정 (도 참조) (10) 
.
, N의 SP 및 N R 표현 여기서 각각 전체적인 스파이크 세고 응답 벡터의 길이, 평균 응답에 근거 맞는 II) 해외 메이저ad/50941/50941eq4.jpg "폭 ="205 "/> 여기서 N의 RESP는 평균 응답의 길이를 나타낸다; III) 모델 복잡성의 측정 (도 참조) (10) 
. 8. 조직 학적 확인
- 쥐를 희생.
- 실험 기록의 끝에, 깊은 마취 기체 (2 % 아이소 플루 란, 4 L / 분) 하에서 동물 두어 정맥 (펜토 바르 비탈> 50 ㎎ / kg) 유도체를 과량 주입.
- 심장 마비를 기다립니다.
- 정위 장치에서 쥐를 마운트 해제
- 관류.
- 관류의 혈액과 체액을 수집하는 분지에 그리드 위에 누워 쥐를 놓습니다.
- 리브의 삽입에서 분리 흉골을 절개하여 가슴을 엽니 다.
- 코 집게와 전복 CR과 흉골 xyphoid 과정을 차단anially 마음을 통해 흉골과 늑골 두 갈래로 갈라지다.
- , 좌심실과 우심방을 확인 심실로 (관류 정맥에 연결) 구 게이지 무딘 팁 바늘을 배치하고 수술 미세 가위로 우심방을 엽니 다.
- 4 % 포르말린 용액 (250 ㎖)의 관류 다음 차가운 (4 ℃) 헤파린 생리 용액 (250 ㎖)으로 관류를 시작합니다.
- 적당한 집게와 두개골 천장을 열어 두개골에서 뇌를 추출하여 10 % 포르말린 용액에 머리를 놓습니다.
- 일주일 후, 마이크로톰 (10 ㎛ 두께)에 의해 조직 학적 조각을 준비한다.
- 크레 실 바이올렛 솔루션으로 뇌 관상 및 시상 부분을 얼룩.
Subscription Required. Please recommend JoVE to your librarian.
Representative Results
팁 소풍 기능
제안 자극 장치의 역학적 성질을 특성화하기 위해, 일련의 실험이 설정되었다. 실리콘 광 트랜지스터와 결합 발광 다이오드 적외선 갈륨 비소로 구성되어 특정 장치가 팁 변위, 변위 기간 및 변위 가능한 지연을 평가하기 위해 사용되었다. 이 광 차단기 스위치에 의해 우리는 발광 다이오드 구멍 (높이 = 1 ㎜)의 가장자리에 자극 팁을 배치하고, 마이크로 컨트롤러와 포토 트랜지스터 출력을 모두 기록했다. 배치 과정은 1mm의 최대 해상도로 microstepper 장치에 의해 촉진되었다.
장치의 응답은 그림 2A에 표시됩니다. 빨간색 선은 끝 변위의 정확한 시작을 나타냅니다 마이크로 컨트롤러 응답 다음에 포토 트랜지스터의 응답을 나타냅니다. 특히, 체계적인 지연 인해 commut 할관리 포인트가 풍부하게 원하는 시간 정밀도 (1 밀리 초) 다음과 같이 결과 (그림 2B는 100 시험에서 = 583 마이크로 초를 의미) 현재와 정량 하였다. 마지막으로, 우리는 그림 (c)에 도시 된 바와 같이 평균 3.96 밀리이었다 팁 변위 지속 시간을 측정했다.
LFP와 스파이크 관계를 캡처 무작위로 짝 펄스 프로토콜
LFP와 스파이크 사이의 관계를 이해하기 위해서, 우리는 먼저 신호 모두에서 빠르고 신뢰할 수있는 반응을 불러 일으킬 수있는 자극 장치를 생성하기 위해 밖으로 설정합니다. 도 3a는 장치가 급상승 활동의 변조를 유발한다는 보장 자극 간 간격의 분포를 나타낸다. 장치 설명 및 기능은 프로토콜 섹션에 자세히 설명되어 있습니다.
도 3B 및 3C에서 대표적인 신경 세포의 LFP와 스파이크 응답은 각각 표시됩니다. 상호가 알려 측정하여LFPs에 대한 스파이크와 SNR에 대한 ATION (그림 4a 및도 4b)는 모두 자극 발생에 대한 정보의 상당한 양을 인코딩하는 것이 분명했다.
흥미롭게도 LFPs 스파이크는 자극의 역사 (그림 4C-E)에 대한 정보를 제공했다. 실제 자극이 작은만큼 간 자극 간격 (그림 4C와 4D)와 이전 충동 앞에 때 특히 LFP 응답은 크게 감소 하였다. 실질적으로 낮은 값 (그림 4E)를 전시하지만, 자극의 역사의 연결 코드는 긍정적으로 MI와 상관.
우리는 그 다음 LFP 신호의 더 나은 스파이크 반응과의 상관 관계를 제공하는 물었다. 예비 분석 후, 강하게 평균 스파이크 응답과 상관 세 LFP 기능이 확인되었다 : 평균 LFP, 그 유도체 및 LFP 유도체의 위상 ( LFPs을 바탕으로 스파이크 예측을위한 다중 목적 전략 스파이크 열차는 일반적으로 여러 가지 척도에 중요한 상관 관계를 나타내는 복잡한 시간 구조를 갖는다. 따라서, 신경 반응하는 측면 LFPs에 의해 캡처? LFP 스파이크 관계의 이해를 조사하는 좋은 테스트는 스파이크 그냥 LFP 신호를보고 예측할 얼마나 잘 부탁합니다. 따라서, (도 4F 참조) LFP 기능의 상기 세트를 사용하여, 목표는 언제든지, 이러한 기능의 값을 판독하고 스파이크의 발생에 대한 이진 예측을 생성하고, 예측 모델을 구축 하였다. 스파이크 예측 모델의 피팅과 관련된 중요한 문제는 적절한 목적 함수의 선택에 의해 구성된다. 가장 일반적인 선택은 피어슨 계수와 코히 런스 함수 5이다. 가출딸랑 딸랑 소리 대안 스파이크 측정 (6)에 의해 제공된다. 처음 두 대책 보통 신경 반응에 기초한 것이며, 따라서 스파이크 열차의 전체 구조를 포착하지 않지만, 후자는 피트 목적 실용적 계산적 까다로운 아니다. 다중 목적 최적화에 따라 다른 해결책을 제안한다. 아이디어는 공동으로 더 많은 목표 기능 (이하 단지라는 목표)를 최소화하는 것입니다. 이러한 목표는 계산 계산하는 효율적이고 신경 응답의 다양한 측면을 포착 할 수 있어야합니다. 파레토 최적 성의 개념을 사용함으로써, 우리는 모델의 세트, 이러한 목표 간의 특정한 절충을 위해 최적화 각각 찾을 수있다. 파레토 최적 표면을 추정하기 위해 NSGAII 알고리즘 (12)을 사용 하였다. 보통 반응, 시험 대 시험에서의 거리에 따라 로컬 개의 거리에 기초하여 글로벌 한 우리는 세 가지 목적 함수를 식별기초 및 모델의 복잡성을 처벌 부가 대물 (상대 프로토콜 절 참조). 우리의 집합에서 대표적인 신경 피트에 의해 얻어진 결과를도 5a 및도 5b에 나타낸다.도 5a는 글로벌 거리 (PF) 및 모델 반응 실 사이의 거리 로컬 (SM)을보고한다. 어떤 모델은 모두 거리에있는 다른 어떤 것보다 더 나은 또는 악화되지 않도록 각 모델에 대한 거리가 파레토 의미에서 최적화되어 있습니다. 같은 원칙이 공동으로 (그림 5B) 고려 모든 세 거리에 보유하고있다. 대신 단 하나의 최적의 모델 세트의 추정에 의해 주어진 주요 이점은 지정된 목표 간의 최적 트레이드 오프에 기초하여 다른 모델은, 실의 연결 응답의 서로 다른 측면을 포착한다는 사실에있다. 이는 그림 6에 표시되는 위치를 원래의 래스터 진단지역 거리 포착 신경 반응 (그림 6B와 6E의 가장 신뢰할 수있는 단계를 최소화 모델 : 램 (도 6a 및도 6D) 및 예측들 (그림 6B, 6C, 6E, 그리고 6 층)은 두 대표 뉴런에서보고 ) 로컬 및 글로벌 거리와 합리적인 트레이드 오프를 기반으로 모델이 더 나은 전체 시간 범위 (0 ~ 50 밀리 초 동안 신경 세포의 변화 및 자연 발화를 캡처하는 동안) (c) 및 6 층 피규어. 
도 1. 구동회로의 (A) 회로도. 주성분 L293D의 H-브리지이다. 마이크로 컨트롤러 명령어는 P에 전달된다 인 D1과 D2. (B) 등의 기계적 자극에 대한 팁의 움직임을 둔화. 그래프 용지에 격자 크기 1 ㎜이다. 더 큰 이미지를 보려면 여기를 클릭하십시오 . 
그림 2. 변위 기능을 팁. 마이크로 컨트롤러 (파란 선)와 포토 트랜지스터 (빨간색 선)의 (A)의 출력. 녹색 수직선을 0으로 설정 팁 변위의 개시를 나타낸다. (B) 유효 팁 변위 지연의 확률 분포는 100 개 이상의 시험을 얻을. (C) 100 시험에서 평균 팁 변위의 재생 시간의 확률 분포./ ftp_upload/50941/50941fig2highres.jpg "대상 ="_blank "> 큰 이미지를 보려면 여기를 클릭하십시오. 
그림 3. (A) 인터 자극 간격의 분포. (B, C) 자극 "공기에는"(범위 1,000 ~ 1,200 실험에서 두 그래프의 상단 참조) 응답을 보여주고 있지 않습니다. 자극 증상 (가로축에 시간 0)에서 지연의 40 밀리 명확한 응답을 관찰 할 수있다 - 15 사이의 1000, 0에서 (좌표 축에) 진정한 자극 시험 가동에 비교. (C)의 음모가 스파이크 응답을 의미하는 반면 (B)의 줄거리는 LFP 응답을 의미한다. 가장 오른쪽 도면의 y 축에서의 위치가 ( "BIG TOE", "II", 및 # 거기(34). 쥐의 뒷다리에 자극 III "등) 더 큰 이미지를 보려면 여기를 클릭하십시오 . 
다른 숫자에 따라 시간의 함수로 그림 4. (A, B) 상호 정보 및 LFP SNR. (C) LFP 정규화 된 값 후에 짧은 (<100 밀리 초)과 긴 (> 300 밀리 초) 간 자극 간격 (IStimI) . (D) 길고 짧은 IStimI 후 LFP 응답의 평균 전력. 각 점은 별개의 기록을 나타냅니다. (E) 자극의 발생 (아이 맥스)에 대한 가장 큰 MI 값의 함수로 MI에 대한 긴 / 짧은 IStimI. 각 점은 광고를 나타냅니다istinct 신경. (F)을 대표하는 신경 세포의 PSTH 잘 LFP 응답의 세 가지 기능과 상관 관계 :. 평균 원시 신호, 평균 파생 상품 및 파생 상품의 위상 큰 이미지를 보려면 여기를 클릭하십시오 . 
그림 5. 대표적인 신경 세포에 대한 예측과 사실 사이의 반응 (A, B) 지역 및 글로벌 거리. (B) 공동 평가의 세 거리를. 파레토 최적의 솔루션은 NSGAII 알고리즘을 사용하여 추정되었다. 더 큰 이미지를 보려면 여기를 클릭하십시오 .
그림 6. 두 대표 뉴런에 (A, D)과 추정 (B, C 및 E, F는 각각) 응답. X, Y, Z는 각각 원시 LFP 신호, 그 유도체 및 그 유도체의 위상을 나타냅니다. 더 보려면 여기를 클릭하십시오 이미지 .
Subscription Required. Please recommend JoVE to your librarian.
Discussion
이 작품은 첫째 빠르고 공간적 점과 같은 감각 자극을 제공 할 수 있도록, 새로운 간단하고 저렴한 장치를 발표했다. 그런 다음 무작위로 짝 펄스 자극 프로토콜 및 전산 분석하는 일련의 유효성이 확인되었다. 전반적인 목표는 촉각 자극하는 동안 전기 생리학 기록의 LFP 스파이크 관계의 추정을위한 프레임 워크를 구축하는 것이 었습니다.
장치, 프로토콜 및 분석 접근 방식은 공동 즉 LFP - 투 - 스파이크 전환을 설명하고 예측할 수 결정 론적 접근의 첫 번째 데모, 신경 프로세스가 계속 제대로 일을 이해하고, 그 결과에 기여했다.
중요한 점은 강도와 먼지 캡으로 뽑아 끝 소풍의 길이를 조절하는 프로그램 마이크로 컨트롤러 보드의 적절한 설정으로 표시했다. 신뢰할 수있는 고주파 자극과 비교적 큰 진열대는 허용 적합한 솔루션시멘트는 결과 섹션에 설명되어 있습니다. 그것이 기계적 공진의 일반적인 문제를 탈출하여 비교적 큰 팁 변위를 허용 : 종래의 압전체에 비해 장치가 두 가지 이점을 제공하는 액츄에이터.
S1 피질의 뉴런은 촉각 자극 8 대 수용 필드와 빠른 응답을 표현하는 것으로 알려져있다. 자극과 같은 빠른, 전류는 최적의 표면과 깊은 모두 피부 수용체 (예 : 메르켈 또는 Pacinian 미립자)를 2 모집에 적합하고, 마침 좋은 사람이 우선적으로 서로 다른 수용체 클래스 중 하나를 모집 할 수있는 자극 매개 변수 (강도, 지속 시간, 램프 유도체)를 변경하는 . 무작위 쌍 펄스 프로토콜은 일반적으로 정기적으로 자극하는 동안 발생 발생을 자극하는 신경 세포의 진동의 예측 유입을 감소하기위한되었다. 반면에 한 쌍의 펄스 사이의 변수 간격은 우리가 명확 dependenc를 추출 할 수자극의 역사에 전자. 구조의 추정 및 우리가 비 지배 정렬 유전자 알고리즘 II 또는 NSGAII 12이라는 잘 알려진 다중 목적 최적화 알고리즘에 의존하는 우리의 예측 모델의 매개 변수. 스파이크 발생에 대한 예측 모델을 피팅의 주요 문제는 실제 스파이크 열차의 복잡한 시간 구조에 의존한다. 예측 진정한 스파이크 열차 사이의 거리를 측정하는 것은 많은 계산 작업 6 것으로 입증되었습니다. NSGAII, 다중 목적 최적화 알고리즘의 사용은 여러 계산을 효율적으로 거리로 문제를 파괴 할 수 있습니다.
우리가 예측 진정한 스파이크 열차 사이의 거리로 표시 예측의 오류를 정량화하는 데 필요한 모델의 장점을 알아보고자 하였다. 모델 예측을 평가하는 두 가지 기준이 고려되었다. 피팅 프로세스 모델의 집합 대신 하나 하나를 반환했습니다. 흥미롭게도 각 모델 IN 세트는 원래 스파이크 열차의 다양한 측면을 캡처하는 것 같았다.
결론적으로, 공동으로 최적화 된 자극 장치, 프로토콜을 기반으로하고 분석 개발 프레임 워크, LFP 스파이크 관계에 더 통찰력을 얻기 위해 프로그래밍 효율적으로 뇌 - 기계 인터페이스 및 neuroprosthetics의 현재 전략을 개선하는 데 사용할 수 있습니다.
Subscription Required. Please recommend JoVE to your librarian.
Disclosures
저자는 더 경쟁 재정적 이익을 선언하지 않습니다.
Acknowledgments
SN과 AGZ은 PON 01-01297 VIRTUALAB 기금에 의해 지원되었다.
Materials
| Name | Company | Catalog Number | Comments |
| Microstepper | AB Transvertex (Stockholm, Sweden) | The microstepper used to pull down the electrode matrix | |
| 32-channel Cheetah System | Neuralynx (MT, USA) | The electrophysiological recording system | |
| L293D h-bridge | RS Components (Cinisello Balsamo, Italy) | The bridge used to connect the microcontroller to the speaker | |
| H21A3 Optical Interrupter Switch | Fairchild Semiconductor Corporation (San Jose, California) | The phototransistor used to estabilish the tip displacement | |
| Arduino Uno | Arduino (Duemilanove, Italy) | The microcontroller used to deliver current pulse to the speaker | |
| Microelectrode Matrices GB1 | FHC | ||
| Isoflurane | Rhodia Organique Fine Ltd. | The anesthetic used to prepare animals | |
| Stereotaxic apparatus | Narishighe (Tokyo, Japan) | ||
| Sprague-Dawley male rats | Charles River (Calco, LC, Italy) | ||
| Gallamine thriethiodide | Sigma-Aldrich | The compound used to curarize the animals | |
| Cresyl violet | Sigma-Aldrich | ||
| Topical antiseptics (Betadine 10%) | Meda Pharma (Milanm Italy) | ||
| Heparine | Sigma-Aldrich | ||
| Formaldehyde | Carlo Erba Reagents (Pomigliano Milanese, Milan, Italy) |
References
- Pesaran, B. Uncovering the Mysterious Origins of Local Field Potentials. Neuron. 61 (1-2), (2009).
- Delmas, P., Hao, J., Rodat-Despoix, L. Molecular Mechanisms of Mechanotrasduction in Mammalian Sensory Neurons. Nat. Rev. Neurosci. 12, 139-153 (2011).
- Rasch, M. J., Gretton, A., Murayama, Y., Maass, W., Logothetis, N. K. Inferring spike trains from local field potentials. J. Neurophys. 99 (3), 1461-1476 (2008).
- Galindo-Leon, E. E., Liu, R. C. Predicting stimulus-locked single unit spiking from cortical local field potentials. J. Comput. Neurosci. 29 (3), 581-597 (2010).
- Theunissen, F. E., David, S. V., Singh, N. C., Hsu, A., Vinje, W. E., Gallant, J. L. Estimating spatio-temporal receptive fields of auditory and visual neurons from their responses to natural stimuli. Network. 12 (3), 289 (2001).
- Victor, J. D., Purpura, K. Metric-space analysis of spike trains: theory, algorithms, and application. Network. 8, 127-164 (1997).
- Foffani, G., Chapin, J. K., Moxon, K. A. Computational Role of Large Receptive Fields in the Primary Somatosensory Cortex. J. Neurophysiol. 100 (1), 268-280 (2008).
- Microcontroller website. , Duemilanove, Italy. Available: http://arduino.cc (2014).
- Panzeri, S., Senatore, R., Montemurro, M. A., Petersen, R. S. Correcting for the sampling bias problem in spike train information measures. J. Neurophysiol. 98, 1064-1072 (2007).
- Storchi, R., Zippo, A. G., Caramenti, G. C., Valente, M., Biella, G. E. M. Predicting Spike Occurrence and Neuronal Responsiveness from LFPs in Primary Somatosensory Cortex. PLoS ONE. 7 (5), (2012).
- Quiroga, R. Q., Nadasdy, Z., Ben-Shaul, Y. Unsupervised Spike Detection and Sorting with Wavelets and Superparamagnetic Clustering. Neural Comput. 16, 1661-1687 (2004).
- Deb, K., Agrawal, A., Pratab, A., Meyarivan, T. A fast elitist non-dominated sorting genetic algorithm for multi-objective optimization: NSGA-II IEEE. Trans. Evol. Comput. 6 (2), 181-197 (2000).
