Summary
光力学的末梢刺激に適した刺激をスパイクするために局所電場電位（LFPは）から複雑な移行を解明するためには、建設された。アプリケーションとして、体性感覚皮質から記録されたスパイク活動は多目的最適化戦略により分析した。結果は、提案刺激装置は、ミリ波·ミリの精度で触覚刺激を提供することができたことを証明した。
Abstract
現在の神経生理学的研究では、スパイクから局所電場電位（LFPは）までとのLFPからスパイクまで、すなわち遷移で、神経細胞への神経細胞からの信号経路を調査するための方法論の開発を目指しています。
LFPは、スパイク活性に対する複雑な依存性を有し、それらの関係はまだよく理解されている1。これらの信号の関係の解明は臨床診断（脳深部刺激用などの刺激パラダイム）のための正常および病理学的状態（ 例えば 、てんかん、パーキンソン病、慢性疼痛）の神経コーディング戦略をより深く理解するために、両方の参考になる。この目的のために、人は刺激装置、刺激パラダイムとコンピュータ分析に関連する技術的な問題を解決することがあります。そのため、カスタムメイドの刺激装置は、機械的な共振で発生しないだけでなく、空間と時間で調節刺激を提供するために開発されました。その後、例示のように、信頼性のLFPスパイク関係のセットを抽出した。
デバイスの性能は、共同で、ラット一次体性感覚皮質から、適用される刺激に対する応答をスパイクとLFP、細胞外記録を調べた。その後、多目的最適化戦略によって、のLFPに基づいて、スパイク発生の予測モデルを推定した。
このパラダイムの適用は、装置が適切に共通の圧電アクチュエータを上回る高周波触覚刺激を送達するために適していることを示している。デバイスの有効性を証明するものとして、以下の結果が発表されました：1）LFP応答のタイミングと信頼性は、十分にスパイク応答を一致させる、2）のLFPは、刺激の歴史に敏感なだけでなく、平均応答をキャプチャするだけでなく、スパイク活性の試行間の変動と、最後に、3）LFP信号を用いることにより、範囲をoを推定することが可能であるFスパイク活動のさまざまな側面をキャプチャ予測モデル。
Introduction
信号の文脈では、インパルス応答を処理する力学系の挙動の基本的な特徴づけを提供します。
理想的なインパルス刺激が実際に達成可能ではないが、高周波変位を発生するアクチュエータ要素を使用してそれの合理的な近似値を得ることができる。光触覚振動刺激このタイプの両方の深い皮膚（ 例えば 、高速で応答する高速なパチニ小体を適応）2及び表在性受容体（ 例えば低閾値を徐々にメルケル円盤状の構造体を適応させる）2を対象とすることが知られている。
電流刺激装置、主として圧電アクチュエータは、多くの欠点ではなく、少なくとも共鳴と小さな変位で充電される。これらの欠陥を克服するために、インパルス状の刺激の代替的な実装は、垂直に鈍い先端部（ここではサボテン平滑化チップ）を用いて提案されているミッドレンジスピーカーコーンの膜中央に搭載された。これは、より大きな変位およびより広い周波数スペクトルの利点を提供する。
このような装置の効果的な適用は、依存関係をスパイクするのLFPの関連神経生理学的問題の研究であった。細かく調整されたデバイスは、周辺刺激を提供するために必要とし、これらの電気的事象間の微妙な時間的関連性のために。刺激は、「バックグラウンドノイズ」を低減し、目的の信号をシャープにするために、できるだけ迅速かつ空間的に選択しなければならなかった。この目的のために、刺激装置、および刺激配信プロトコルが共同タスクのために最適化した。本論文では、テクニックを説明し、いくつかの代表的な結果を提示する。
無作為化の対のパルスに基づいて刺激プロトコルは慣れを回避するために設計され、最適化されている。このプロトコルは、古典的なペアの利点を提供パルスをエドと刺激と神経活動の自発的な定期的なバースト間のスプリアス、ロックの可能性を減少させた。
使用してこれは、高速で信頼性の高いLFPとスパイク応答を得るために、刺激の歴史上の両方のLFPとスパイクの依存性に関連したこれらの応答の特別な機能を取り込むことができたペアリングパルスを無作為化。実際、生のLFPの応答から、3 LFPのセットが強く、平均スパイク応答と相関（LFP自体、一次導関数のLFPは、一次導関数と位相）を備えていますが、また、抽出した。
いくつかのメソッドは、LFPは3,4からのスパイクを予測するモデルに合うように提案されている。一般的に、一般的なものはまた、刺激信号からスパイク事象の予測を、最小化/最大化する目的関数を適切に選択することにより、モデルフィッティングプロセスの重要な点で構成されている。目的関数の範囲が提案されてきたがこれらのD（ 例えば相関とコヒーレンス）5はいずれも共同でスパイク応答の全体の複雑さを捉えていない。従って、多目的最適化に基づく新規なフレームワークが導入される。提案考案し、この計算のフレームワークは、それが関係をスパイク強いLFPに基づく予測モデルのセットを推定することが可能であるを使用していることを示しています。
Subscription Required. Please recommend JoVE to your librarian.
Protocol
倫理的な声明
感覚刺激が神経活動によってどのように表現されるか研究する動物の使用およびin vivoでのアプローチの使用に対する代替手段はありません。すべての動物は、科学研究（研究中の動物の治療にイタリアの生命倫理委員会、法令、1992年1月27日、第116号）における動物の治療にイタリアやヨーロッパの法律に沿って処理されている。実験が行われてきた米国学術研究会議は、国連教育科学文化機関（ユネスコ）、国際医学団体協議会（代表して実験動物学に関する国際委員会（ICLAS）に準拠しCIOMS ）および生物科学の国際連合（IUBS）。このように、全くプロトコル固有の承認が必要とされなかった。保健省の承認は倫理委員会のファイルに「ビエッラ1、2011分の3」に分類されているミラノの大学。
1。実験動物の作製
- 雄ラットの大きさが約300〜400グラムを選択します。
- 実験の準備のために、ラットを麻酔。
- 腹腔バルビツール酸塩溶液（誘導のためのペントバルビタール、50 mg / kgの、メンテナンスのための10 mg / kgの）を注入。
- 全く後退反射が発生しないことを確実にする、足の上に、低しきい値および高しきい値機械的刺激によって麻酔レベルを確認してください。
- 正確に頭蓋を削って頭蓋肌を整えた後、頭蓋表面を露出させる切開する。
- 気管自体の周りに外科的結紮によってそれを固定する気管カニューレ（2mm及び2.5mmの外径、内径）により、気管にカニューレを挿入。
- 横方向に気管セグメントに頸静脈を露出し、血管の周りの外科的結紮によってそれを固定し、注射器に接続されたカニューレ（PE10）を挿入してカニューレを挿入。
- 定位固定装置にラットをマウントします。
- 仰臥位で、ラットの体と場所を固定します。
- 耳の棒で頭を固定し、鼻をブロックします。耳のバーを配置する前に、ラットの耳に局所麻酔薬（リドカイン）の1〜2滴を入れてください。
- 37.5℃の温度を維持しながら、電子的に制御された加熱パッドにより定位パッドの温度を調節する
- 呼吸器、麻酔器に気管チューブを接続します。
- 1ストローク/秒イソフルラン（2.5％0.4-0.8リットル/分）を配信し、O 2（0.15〜0.2リットル/分）で、呼吸器、麻酔器を設定します。
- ポビドンヨード外用消毒によって慎重に頭蓋を清掃してください。
- 滅菌メスを取ると後頭骨の角に鼻を基準から正中線に縦方向に切断。
- リトラクターによる創傷の境界線を分岐させると、二つの小さなコッカー鉗子でそれらを修正適用トン傷の境界線O。
- 半透明の表面を観察頭蓋骨ボールトの上に光を向けることによって骨膜を識別します。丁寧に骨ボールト骨膜を除去して、骨の表面を露出を傷つける。
- 焦点出血が骨の上に現れた場合、骨の表面に綿棒または外科スポンジで止血を提供する。
- 細いペンで、mediosagittalと冠状suturasの交点に定位ポイントブレグマを識別します。
- 手術用顕微鏡の制御下に、実験（ブレグマ、AP -0.5〜1.2ミリメートル、2.5ミリメートルまでのLL -2.3）に使用後部足に体性感覚野の反対をオーバーレイ定位エリア（S1HL）を識別します。
- 細いペンで掘削するための穴を定める四角の外形を描く。
- 骨のタイルを削除する以前に同定された青い正方形に9ミリメートル2穴を開けます。
- きれいにし、潜在的な骨の出血を吸収する。 慎重に硬膜を除去し、37.5℃に維持した人工脳脊髄液に浸した外科用スポンジで皮質表面を覆う
- 電子マイクロマニピュレータに接続されているホルダーに電極マトリクスを修正します。
- マイクロコネクタによってプリアンプに行列の先頭を接続します。
- （それに触れることなく）皮質表面まで（手術用顕微鏡の制御下）を手動で電極マトリクスを駆動します。
- 聴覚信号のアンプのスイッチをオンにします。
- 明確なノイズ音の変化によって通知、連絡先に到達するまで皮質表面に触れ、電子制御により、電極マトリクスを駆動します。
- 350〜400ミクロンの深さ（皮質IV層）に達するまで、電子制御式のステップ（2ミクロン/ステップ）で電極マトリックスをプルダウン。
- 反対側の後部足に軽いタッチで神経細胞の応答性を確認してください。
- 明確なスパイク応答が観察されるまで、いくつかの更なるステップで深さを調整します。
- 静脈内ガラミンのthriethiodide（20 mg / kgの/時）でラットを麻痺させる。クラーレ麻痺レベル（0.2ミリリットル/ 1時間）を維持するために、実験を通して屈折用量を使用してください。
2。信号の処理
- [0.1 6000] Hzに、ソフトウェアバンドパスフィルタを設定します。
- 32 kHzでサンプリングされた8チャンネル微小電極マトリックスの神経細胞の信号を記録する。
- 買収が終了した後、後加工に適したバイナリフォーマットに記録された信号をエクスポートします。
- Wave_clusツールボックス11を用いてスパイクのソートの手順を実行します。
3。製造、刺激装置の構成
- キャップに茎の基礎を接着するミッドレンジスピーカーの表面に直角に（平滑化チップ付き）サボテンの茎をマウントします。
- プログラムaをスピーカ用の駆動回路に電圧パルスを送達するためのマイクロコントローラ。
- （ 図1C参照 ）、現在の毎秒の2パルス対を提供するためのマイクロコントローラをプログラムする。
- （ 図1A参照 ）、基本的な受動部品とL293D Hブリッジを用いてスピーカーとマイクロコントローラを組み立てる。
- 12 Vの充電式電池にマイクロコントローラを接続します。
4。刺激プロトコル
- 掌側表面を露出し、関節ねじれを回避し、固体フレームに後足の背側面を接着します。
- 希望の手足/足の位置に刺激装置の先端に配置します。
- 刺激装置のスイッチをオンにします。
オフラインのステップ：
5。スパイク応答の評価
- 記録された各ニューロンは、刺激のシャノン相互情報（MI）を計算する（刺激CAをスパイク活動を誘発tegoryのいずれか1、刺激、または0、無刺激）である。
- sは 、刺激カテゴリを表し、rは一定の時間ウィンドウ内で放出されたスパイクの数を表し、|条件付き応答確率p（単数r）を推定する。
- シャフリング手順を使用して、MIの推定値を補正9を記載した。
6。 LFP応答の評価
- LFP信号を得るために、周波数範囲[0.1〜100] Hz単位で記録された信号をフィルタ
- コンピュートLFPSNR、LFPの応答性の尺度、参照10で説明したように。
7。モデル推定
- フォームのモデルを生成
X引数は<3の異なるLFP機能（X 1 LFP自体を表す場合、 EM> X 2その誘導体であり、X 3その誘導体のヒルベルト相）と、以下のようにFが表現されている
G係数は線形結合の重みで、fは 、絶対値、電力または各x、iの元の値のいずれかをとる演算子です。 - 、I）は、ローカル、試行間の基礎適合性の尺度：以下の3つのオブジェクトを使用して、モデルパラメータと演算子を推定するためにNSGAIIアルゴリズムを使用
、N個のSPとN Rは、全体的なスパイクがカウントし、応答ベクトルの長さをそれぞれ表すとき。フィットII）グローバル指標平均応答に基づいてad/50941/50941eq4.jpg "幅=" 205 "/>ここで、NのRESPは 、平均応答の長さを表し、III）モデルの複雑さの尺度は（も参照）10 
。
、N個のSPとN Rは、全体的なスパイクがカウントし、応答ベクトルの長さをそれぞれ表すとき。フィットII）グローバル指標平均応答に基づいてad/50941/50941eq4.jpg "幅=" 205 "/>ここで、NのRESPは 、平均応答の長さを表し、III）モデルの複雑さの尺度は（も参照）10 
。 8。組織学的確認
- ラットを生け贄に捧げる。
- 実験の録音の終了時に、深いガス状の麻酔（イソフルラン2％、4リットル/分）の下で動物を置き、静脈内（ペントバルビタール> 50 mg / kgで、）バルビツール過剰摂取を注入。
- 心停止を待ちます。
- 定位固定装置からラットをアンマウントします。
- 灌流。
- 灌流からの血液や体液を収集するために流域にグリッド上でラットの敷設を配置します。
- リブの挿入から分離胸骨を切開することで胸郭を開きます。
- コッカーピンセットで胸骨剣状突起をブロックし、CRを覆すanially胸骨と心臓の上肋骨を分岐させる。
- 、左心室と右心房を識別心室に（灌流カニューレに接続されている）9ゲージ平滑化、先端の針を配置し、外科細かいハサミで右心房を開きます。
- 4％のホルマリン溶液（250ml）中の灌流、続いて冷（4℃）ヘパリン化生理溶液（250ml）で灌流を開始する。
- 適切な鉗子で頭蓋を開くことで、頭蓋骨から脳を抽出し、10％ホルマリン溶液中で脳を置く。
- 週間後、ミクロトーム（10ミクロン厚）で組織学的スライスを準備します。
- クレシルバイオレット溶液で脳の冠状および矢状切片を染色する。
Subscription Required. Please recommend JoVE to your librarian.
Representative Results
先端遠足特長
提案された刺激的なデバイスの力学的性質を特徴づけるために、一連の実験を設定した。シリコンフォトトランジスタに結合された赤外発光ダイオードをガリウムヒ素で構成され、特定のデバイスは、先端の変位、変位持続時間及び可能な変位の遅延を評価した。この光遮断スイッチを用いて、我々は、発光ダイオード穴（高さ= 1mm）の刺激装置の端に先端を入れ、マイクロコントローラとフォトトランジスタ出力の両方を記録した。載手順が1mmの最大解像度でマイクロステッピング装置によって促進された。
デバイスの応答は、 図2Aに示されている。赤い線は、先端の変位の正確な始まりを示すマイクロコントローラ応答に続いて、フォトトランジスタの応答を表している。 commutによる顕著なのは、体系的な遅延管理ポイントは、豊富に希望の時間精度（1ミリ秒）以下のように生じた（ 図2（b）は 、100試験で= 583秒平均）が存在し、定量化した。最後に、 図2Cに示すように、平均で3.96ミリ秒であった先端変位継続時間を測定した。
LFPとスパイクの関係をキャプチャするためにランダム化されたペアパルスプロトコール
LFPとスパイクとの関係を理解するためには、まず両方の信号から、高速で信頼性の高い反応を引き起こすことができる刺激装置を生成するために設定してください。 図3Aは、デバイスがスパイク活性のモジュレーションを引き起こしたことを確認して、刺激間間隔分布を示す。デバイス記述および機能は、プロトコルの項で詳しく説明します。
図3B及び3Cに代表ニューロンに対するLFPおよびスパイク応答がそれぞれ示される。相互お知らせ測定することにより、スパイクとのLFPのためのSNR（ 図4Aおよび4B）がATION、それは、両方とも、刺激発生に関する相当量の情報を符号化することが明らかとなった。
興味深いことにのLFPとスパイクも刺激履歴（ 図4C-E）についての情報を提供した。実際の刺激が十分に小さい刺激間間隔（ 図4Cおよび4D）と、前のインパルスに先行されたとき、特にLFP応答が大幅に減少した。刺激の歴史のニューロンの符号化は、積極的に出品し、実質的に低い値（ 図4E）が、心筋梗塞と相関した。
私たちは、その後、より良いスパイク応答と相関したLFP信号の特徴を尋ねた。予備的な分析の後、強く、平均スパイク応答と相関3 LFP機能は、同定された：平均LFP、その誘導体とLFP誘導体の位相（ LFPはに基づいて、スパイクの予測のための多目的戦略 スパイク列は、通常、いくつかのタイムスケールに有意な相関を示し、複雑な時間的な構造を持っている。だから、その神経細胞の応答の側面はのLFPで撮影していますか？ LFP-スパイク関係の理解を探るための良いテストがちょうどLFP信号を見て、スパイクが予測可能であるかをよく聞くことです。したがって、（ 図4F参照 ）LFP特徴の前記セットを使用することによって、その目的は、任意の時点で、これらの特徴の値を読み取り、スパイクの発生についての予測バイナリを生成し、予測モデルを構築することであった。 スパイク予測モデルのフィッティングに関連する重大な問題は、適切な目的関数の選択によって構成されている。最も一般的な選択肢は、ピアソン係数とコヒーレンス関数5です。 Interesティン選択肢はスパイクメトリック6で提供されています。最初の2措置は、平均の神経の回答をもとに、したがって、スパイク列の完全な構造を捉えるものではないが、後者は、計算上のフィッティングの目的のために実用的で厳しいとされていません。多目的最適化に基づいて、別の解決策が提案されている。アイデアは、共同で、より目的関数（以下、単にと呼ばれる目標）を最小限に抑えることです。これらの目的は、計算的に効率的に計算すると、ニューロン応答の異なる側面をキャプチャすることができなければならない。 パレート最適の概念を用いて、我々はその後、それぞれがこれらの目標の間の特定のトレードオフのために最適化され、モデルのセットを見つけることができます。パレート最適面を推定するためにNSGAIIアルゴリズム12を使用した。試行間での距離に基づいて、平均応答の距離に基づいてグローバル1、ローカル1：私たちは3目的関数を特定し根拠とモデルの複雑さにペナルティを課す追加的な目的（相対プロトコルの項を参照）。 我々のデータセットからの代表的なニューロンのフィッティングにより得られた結果を図5A及び図5Bに示されている。 図5Aは、グローバル距離（PF）とモデルと真の応答との間の局所距離（SM）を報告する。何モデルは両方の距離内の他のものより良いか悪いかではないように、各モデルの距離がパレートの意味で最適であることに注意してください。同じ原理が共同で想定されるすべての3つの距離（ 図5B）についても同様である。 代わりに、単一の1の最適なモデルのセットの推定によって与えられた主な利点は、指定された目標の中から最適なトレードオフに基づいて、さまざまなモデルが、真の神経細胞応答のさまざまな側面を捉えることにある。これは、 図6に示されており、元のラスタダイアグ2代表ニューロンからのラム（ 図6Aおよび6D）と（ 図6B、6C、6E、および6F）が報告されると予測もの、：ローカル距離を最小モデルは、神経細胞の応答（ 図6Bおよび6Eの最も信頼性の高い位相をキャプチャ）は、ローカルとグローバルの距離の間の妥当なトレードオフに基づくモデルは、より良い全体の時間的な範囲（0〜50秒かけて神経細胞の変動と自然発火をキャプチャしながら、）6Cと6Fを示す 。 
図1の駆動回路の（A）図。主成分L293D hのブリッジである。マイクロコントローラのコマンドは、pで配信されます D1およびD2は、INS。 （B）の光機械的刺激のために、先端の動きを鈍らせ。グラフ用紙上のグリッドの大きさは1mmである。 拡大画像を表示するには、ここをクリックしてください 。 
図2。変位の特徴をヒント 。マイクロコントローラ（青線）のフォトトランジスタ（赤線）の（A）を出力する。緑色の縦線は0に設定され、先端の変位の開始を示す。 （B）100回の試行にわたって得られた有効な先端の変位遅延の確率分布。 （C）100試験では、平均して、先端の変位の持続時間の確率分布。/ ftp_upload/50941/50941fig2highres.jpg "ターゲット=" _blank ">拡大画像を表示するにはここをクリックしてください。 
図3（A）刺激間-インターバル分布。（B、C）の 「オンエア」の刺激は反応を引き起こすしないでください（レンジ千〜1200試験で両方のグラフの上部を参照してください）。刺激開始（横軸の時間0）からの遅延の40ミリ明確な応答が観察することができます - 15の間千、0から（縦軸上）、真の刺激試運転と比較します。 （C）中のプロットは、スパイク応答を指すのに対し、（B）中のプロットは、LFPの応答を指す。一番右の図のy軸では、位置（「親指」、「II」、＆＃があります34;。ラットの後肢に刺激の第III」など）は、 拡大画像を表示するには、ここをクリックしてください 。 
別の数字に沿った時間の関数として図4（A、B）の相互情報量とLFP のSNR。（C）LFP正規化された値の後に短い（<100ミリ秒）と長い（> 300ミリ秒）間刺激間隔（IStimI） 。ロングとショートIStimI後LFP応答の（D）の平均パワー。各点は別個の記録を表す。 （E）刺激の発生（IMAX）約最大MI値の関数として、MI約ロング/ショートIStimI。各ドットは、広告を表し、istinctニューロン。 （F）代表ニューロンのPSTHはよく3 LFP応答の特徴と相関する。平均生信号、平均誘導体および誘導体の位相拡大画像を表示するには、ここをクリックしてください 。 
3つの距離については、図5。代表ニューロンの予測と真の応答の間（A、B）のローカルおよびグローバルの距離（B）合同評価。パレート最適解はNSGAIIアルゴリズムを用いて推定した。 拡大画像を表示するには、ここをクリックしてください 。
図6。 2代表ニューロンに真（A、D）と推定（B、CおよびE、Fそれぞれ）応答。X、Y、Zはそれぞれ、生LFP信号、その誘導体およびその誘導体の位相を表しています。 拡大表示するには、ここをクリックしてください画像 。
Subscription Required. Please recommend JoVE to your librarian.
Discussion
この作品は、第一に、迅速かつ空間的に点状の感覚刺激を提供することが可能新しい、シンプルで低コストのデバイスを発表した。そして、ランダム化されたペアのパルス刺激プロトコルとコンピュータ分析のセットが検証されました。全体的な目的は、触覚刺激の間電気生理学的記録におけるLFPスパイク関係を推定するための枠組みを確立することであった。
デバイス、プロトコル、および分析的なアプローチは、共同で、すなわちLFPへのスパイクの遷移を記述し、予測することが決定論的アプローチの最初のデモでは、神経プロセスがまだ不十分1を理解し 、その結果に貢献している。
重要な点は、ダストキャップに引っ張られ、先端の遠足の強さと長さを調節する、プログラム可能なマイクロコントローラ·ボードを適切に設定することで表現した。信頼性の高い高域の刺激と、比較的大きなディスプレイ表示を可能にし、適切な解決策セメントは、結果セクションに記載されている。それは機械的な共振の典型的な問題を免れており、比較的大きなチップ変位を許さ：従来の圧電と比較すると、デバイスが2つの主な利点を提供したアクチュエータ。
S1皮質におけるニューロンは、触覚刺激8に大きな受容野と高速応答を発現することが知られている。刺激のような高速で、インパルスが1が優先的にこれらの異なる受容体クラスのいずれかを採用できた（強度、持続時間、ランプ誘導体）を最適浅と深いの両方の皮膚受容体（ 例えばメルケルまたはパチニ小体）2を募集するのに適し、かつおりしも刺激パラメータを変更している。ランダム化されたペアのパルスプロトコルは、通常、定期的な刺激の際に発生する発生を刺激するために、神経振動の予測同伴を減少させることを目的とした。一方パルス対の間の可変間隔は、私たちは明確なdependencを抽出することができ刺激の歴史上のE。構造と我々はよく知られた多目的最適化アルゴリズムに依存していた私たちの予測モデルのパラメータの推定のために、非劣ソート遺伝的アルゴリズムIIまたはNSGAII 12と呼ばれる。スパイク発生の予測モデルを当てはめにおける主な問題は、実際のスパイク列の複雑な時間的構造に依存しています。予測された真のスパイク列間の距離を測定することは、計算的に高価なタスク6であることが証明された。 NSGAII、多目的最適化アルゴリズムの使用は、複数の、計算効率の距離に問題を分解することを可能にする。
我々は、予測された真のスパイク列との間の距離で表される予測の誤差を定量化するために必要なモデルの適合度を評価する。モデル予測を評価するには、2つの主な基準が考慮された。フィッティングプロセスではなく、単一の1のモデルのセットを返しました。興味深いことに、各モデルINセットは、元のスパイク列のさまざまな側面をキャプチャするように見えた。
結論として、共同で最適化された刺激装置は、プロトコルに基づいて開発された分析フレームワークは、LFPスパイクの関係へのさらなる洞察を得るために、プログラミング効率的な脳と機械のインターフェースおよび神経機能の現在の戦略を改善するために使用することができる。
Subscription Required. Please recommend JoVE to your librarian.
Disclosures
著者らは、競合する経済的利益を宣言していません。
Acknowledgments
SNとAGZは、PON 01から01297 VIRTUALAB資金によってサポートされていました。
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).
