Un appareil simple pour Stimulatory Evoquant point comme stimuli tactiles: un projecteur pour LFP à Spike Transitions

Summary

Pour élucider la transition complexe de champs potentiels locaux (LFP) à pointes un stimulateur adapté à des stimuli périphériques mécaniques légères a été construit. Comme application, les activités de dopage enregistrés à partir de cortex somatosensoriel ont été analysés par une stratégie d'optimisation multi-objectif. Les résultats ont démontré que le stimulateur a été proposé en mesure de fournir des stimuli tactiles avec milliseconde et millimétrique précisions.

Abstract

La recherche neurophysiologique actuelle a pour but de développer des méthodes pour étudier la voie de signal entre les neurones, notamment dans les transitions de pointes au champ potentiels locaux (LFP) et de LFPs à pointes.

LFP ont une dépendance complexe sur l'activité de pointe et leur relation est encore mal compris ^1. L'élucidation de ces relations de signal serait utile à la fois pour le diagnostic clinique (par exemple, les paradigmes de stimulation pour la stimulation cérébrale profonde) et pour une compréhension plus profonde des stratégies de codage neural dans des conditions normales et pathologiques (par exemple, l'épilepsie, la maladie de Parkinson, la douleur chronique). Dans ce but, il faut résoudre les problèmes techniques liés aux dispositifs de stimulation, les paradigmes de stimulation et des analyses informatiques. Par conséquent, un dispositif de stimulation sur mesure a été développé afin de fournir des stimuli bien réglementés dans l'espace et le temps qui ne subissent pas de résonance mécanique. Par la suite,comme un exemple, un ensemble de relations LFP-pointes fiables a été extrait.

La performance de l'appareil a été étudié par des enregistrements extracellulaires, pointes conjointement et réponses LFP aux stimuli appliqués, de la rat cortex somatosensoriel primaire. Ensuite, au moyen d'une stratégie d'optimisation multi-objectif, un modèle prédictif de survenue transitoire basée sur LFP a été estimé.

L'application de ce modèle montre que le dispositif est adapté de manière adéquate pour fournir une stimulation tactile de haute fréquence, supérieure actionneurs piézo-électriques communs. Comme une preuve de l'efficacité de l'appareil, les résultats suivants ont été présentés: 1) le calendrier et la fiabilité des réponses LFP correspondent bien les réponses à pointes, 2) LFP sont sensibles à l'histoire de la stimulation et de capturer non seulement la réponse moyenne, mais aussi la procès-à-la-montre des fluctuations de l'activité de pointe et, enfin, 3) à l'aide de la LFP signal, il est possible d'estimer une fourchette of modèles de prévision qui capturent les différents aspects de l'activité de pointe.

Introduction

Dans le contexte du traitement de signal de la réponse impulsionnelle fournit une caractérisation fondamentale du comportement d'un système dynamique.

Bien que le stimulus impulsion idéale n'est pratiquement pas réalisable, il est possible d'obtenir une approximation raisonnable de celle-ci à l'aide d'un élément d'actionnement qui génère des déplacements à haute fréquence. Ce type de stimulation tactile vibratoire lumière est connu pour cibler à la fois la peau en profondeur (par exemple, de répondre rapidement, l'adaptation rapide corpuscules de Pacini) ² et les récepteurs superficiels (par exemple bas-seuil adaptation lente structures discoïdes Merkel) ^2.

Dispositifs de stimulation actuels, les actionneurs piézoélectriques, principalement sont facturés avec un certain nombre d'inconvénients, pas moins de résonances et de petits déplacements. Pour remédier à ces défauts, une alternative mise en œuvre de la stimulation par impulsions, est proposé en utilisant une pointe émoussée (une pointe de cactus lissée dans notre cas) à la verticalemonté sur le centre de la membrane d'un haut-parleur conique de milieu de gamme. Ceci offre l'avantage de déplacements plus grands et plus large spectre de fréquences.

Une application efficace d'un tel dispositif était l'étude du problème neurophysiologique pertinente de la LFP à pointes dépendance. En raison de l'association temporelle subtil entre ces événements électriques d'un dispositif finement régulé est nécessaire pour fournir des stimuli périphériques. Les stimuli ont dû être aussi rapide et spatialement sélective que possible afin de réduire le "bruit de fond" et aiguiser les signaux d'intérêt. A cette fin, le dispositif de stimulation et le protocole de livraison de stimulation ont été optimisées conjointement pour la tâche. Dans cet article, nous décrivons la technique et présentons quelques résultats représentatifs.

Un protocole de stimulation sur la base des impulsions appariées randomisés a été conçu et optimisé pour éviter l'accoutumance. Ce protocole offre l'avantage de paire classiqueed impulsions et réduit la possibilité de blocage parasite entre les stimuli et des éclats périodiques spontanées de l'activité neuronale.

En utilisant cette étude randomisée impulsion jumelé il a été possible d'obtenir des réponses de la LFP et pointes rapides et fiables et à capturer la particularité de ces réponses liées à la dépendance des deux LFP et des pointes sur l'histoire de la stimulation. En effet, à partir des réponses premières LFP, un ensemble de trois LFP dispose (la LFP elle-même, la LFP dérivée première et la phase de la première dérivée) fortement en corrélation avec la réponse moyenne de pointe, a également été extrait.

Peu de méthodes ont été proposées pour s'adapter à des modèles qui permettent de prévoir les pics de ^3,4 LFP. En général, un point critique du processus d'ajustement de modèle, commune également à la prévision de l'événement de pointe à partir du signal de relance, est constitué par le choix approprié de la fonction objectif à maximiser / minimiser. Alors que toute une gamme de fonctions objectif a été de proposerd (par exemple, la corrélation et la cohérence) ⁵ aucune de ces capture conjointement toute la complexité des réponses à pointes. Par conséquent, un cadre roman basé sur l'optimisation multi-objectif est en place. Nous montrons que l'utilisation de la proposition élaborée et ce cadre de calcul, il est possible d'estimer un ensemble de modèles de prévision basé sur une forte LFP à pic relations.

Protocol

Déclaration éthique

Pour étudier comment les stimuli sensoriels sont représentés par l'activité neuronale, il n'existe pas d'alternative à l'utilisation des animaux et l'utilisation d'une approche in vivo. Tous les animaux ont été traités selon les lois italiennes et européennes sur le traitement des animaux dans la recherche scientifique (Comité de bioéthique italien, le décret-loi sur le traitement des animaux dans la recherche 27 Jan 1992, n ° 116). Le Conseil national de recherches, où les expériences ont été réalisées, adhère au Comité international sur la science des animaux (ICLAS) au nom de la organismes culturels des Nations Unies pour l'éducation, la science et la culture (UNESCO), le Conseil des organisations internationales des sciences médicales (CIOMS ) et l'Union internationale des sciences biologiques (UISB). Par conséquent, aucune approbation spécifique au protocole a été nécessaire. L'approbation du Ministère de la Santé est classé comme "Biella 1, 3/2011" dans les fichiers de la Commission d'éthique de laUniversité de Milan.

Une. Préparation des animaux expérimentaux

1. Sélectionnez les rats mâles d'environ 300-400 g en taille.
2. Anesthésier les rats pour la préparation expérimentale.
   1. Injecter par voie intrapéritonéale d'une solution barbiturique (pentobarbital, 50 mg / kg pour l'induction, 10 mg / kg pour la maintenance).
   2. Vérifiez le niveau d'anesthésie par seuil bas et seuil haut stimuli mécaniques sur une patte veiller à ce qu'aucun retrait réflexe se produit.
   3. Préparer la peau du crâne par le rasage de la voûte crânienne précision et ensuite faire une incision pour exposer la surface du crâne.
   4. Cathétériser la trachée, en une canule trachéale (de diamètre intérieur de 2 mm et de diamètre extérieur de 2,5 mm) le fixant par ligature chirurgicale autour de la trachée-artère elle-même.
   5. Latéralement au segment d'exposer la trachée et la veine jugulaire cathétériser elle l'insertion d'une canule (PE10) reliée à une seringue de fixation par ligature chirurgicale autour de la cuve.
3. Montez le rat sur un appareil stéréotaxique.
   1. Fixer le corps de rat et le placer dans une position couchée.
   2. Fixez la tête par des barres de l'oreille et de bloquer le museau. Mettre une ou deux gouttes d'anesthésique local (lidocaïne) dans l'oreille du rat avant de placer les barres de l'oreille.
4. Réguler la température de la plaquette stéréotaxique par un coussin chauffant commandé électroniquement, en maintenant la température à 37,5 ° C.
5. Connectez le tube trachéal à l'appareil d'anesthésie respiratoire.
   1. Réglez l'appareil d'anesthésie respiratoire à 1 coup / s fournissant isoflurane (2,5% 0,4-0,8 L / min) et O ₂ (0,15-0,2 L / min).
6. Nettoyez soigneusement la voûte crânienne par un antiseptique topique de povidone-iode.
7. Prenez un scalpel stérile et couper longitudinalement sur la ligne médiane de la base du museau à l'angle de l'os occipital.
   1. Diverger les frontières de la plaie par un écarteur et les fixer par deux petites pinces cocker appliqué to les frontières de la plaie.
   2. Identifier le périoste en pointant une lumière sur une voûte crânienne observant la surface translucide. Grattez soigneusement la voûte osseuse enlever le périoste et l'exposition de la surface de l'os.
   3. Fournir l'hémostase avec un coton-tige ou d'une éponge chirurgicale sur la surface de l'os si hémorragies focales apparaissent sur l'os.
8. Avec un stylo à pointe fine, identifier le point bregma stéréotaxique au point des suturas sagittal et coronal croix.
   1. Sous la commande du microscope chirurgical, identifier la zone stéréotaxique (S1HL) recouvrant le cortex somatosensoriel controlatérale à la patte postérieure utilisé pour l'expérience (bregma, AP -0,5 à 1,2 mm, LL -2,3 à 2,5 mm).
9. Avec un stylo à pointe fine dessiner le périmètre carré délimitant le trou à percer.
   1. Percez un trou de 9 mm ² sur le carré bleu précédemment identifié enlever des carreaux d'os.
   2. Nettoyez et absorber saignements osseux potentiels. Retirez délicatement la dure-mère et couvrir la surface corticale avec une éponge imbibée chirurgicale dans le liquide céphalorachidien artificiel maintenu à 37,5 ° C.
10. Fixer la matrice d'électrodes à un support relié à un micromanipulateur électronique.
    1. Connectez la tête de la matrice au préamplificateur par un microconnecteur.
    2. Conduire manuellement la matrice d'électrodes (sous le contrôle du microscope chirurgical) jusqu'à la surface corticale (sans le toucher).
    3. Allumez les amplificateurs avec signal sonore.
    4. Conduire, par la commande électronique, la matrice d'électrodes de toucher la surface corticale jusqu'à ce que le contact est atteint, signalée par un bruit changement son clair.
    5. Tirer vers le bas la matrice d'électrodes par des étapes de contrôle électronique (2 um / étape) jusqu'à une profondeur de 350 à 400 um est atteint (couche corticale IV).
    6. Vérifiez la réactivité des neurones par touches légères sur la patte postérieure controlatérale.
    7. Ajustez la profondeur de quelques autres mesures jusqu'à ce qu'une réponse claire de dopage est observée.
    8. Paralyser le rat par thriethiodide de Gallamine intraveineuse (20 mg / kg / h). Utilisez doses réfractées à travers l'expérience de maintenir des niveaux de curarisation (0,2 ml / 1 hr).

2. Traitement du signal

1. Régler le filtre passe-bande de logiciel à [0,1 6000] Hz.
   1. Enregistrer les signaux neuronaux de la 8 canaux matrice de microélectrodes échantillonné à 32 kHz.
2. Après la fin de l'acquisition, exporter les signaux enregistrés dans un format binaire approprié pour le post-traitement.
   1. Effectuez la procédure de pic de tri à l'aide de la boîte à outils Wave_clus ^11.

3. Fabrication et configuration de l'appareil de stimulation

1. Monter une tige de cactus (avec la pointe émoussée) perpendiculairement à la surface d'un milieu de gamme haut-parleur collage la base de la tige au bouchon.
2. Programme uneun microcontrôleur pour fournir des impulsions de tension à un circuit d'attaque pour le haut-parleur.
   1. Programmer le microcontrôleur pour fournir deux impulsions paires de courant à chaque seconde (voir figure 1C).
3. Assemblez le haut-parleur et le micro à l'aide d'un L293D h-pont avec des composants passifs de base (voir la figure 1A).
4. Connectez le microcontrôleur à une batterie de 12 V rechargeable.

4. Protocole de stimulation

1. Collez la face dorsale de l'arrière-patte à un cadre solide, exposant la surface palmaire et d'éviter les torsions articulaires.
2. Placez l'extrémité du dispositif de stimulation sur la position des membres / patte souhaitée.
3. Allumez l'appareil de stimulation.

Étapes hors ligne:

5. Évaluation des réponses transitoire

1. Pour chaque neurone enregistré, calculer l'information mutuelle de Shannon (MI) du stimulus évoqué l'activité de dopage (stimulus catégorie est soit 1, stimulus, ou 0, aucun stimulus).
   1. Estimer la probabilité de réponse conditionnelle p (r | s) où s représente la catégorie de stimulus et r représente le nombre de pics émis à l'intérieur d'une fenêtre de temps fixe.
   2. Corriger l'estimation MI en utilisant la procédure de brassage décrit ^9.

6. Évaluation des réponses LFP

1. Filtrage du signal enregistré dans la plage de fréquences [0,1 100] Hz afin d'obtenir le signal LFP
2. Calculer LFPSNR, une mesure de la LFP réactivité, comme expliqué dans la référence ^10.

7. Estimation du modèle

1. Générer un modèle de la forme
   
   où les arguments x représentent les trois caractéristiques différentes LFP (x ₁ la LFP se, < em> x ₂ et x son dérivé ₃ la phase de Hilbert de son dérivé) et F est exprimée comme suit
   
   les coefficients g sont des poids d'une combinaison linéaire et f est un opérateur qui prend soit la valeur absolue, de la puissance ou de la valeur d'origine de chaque x _i.
2. Utilisez l'algorithme NSGAII pour estimer les paramètres du modèle et les opérateurs en utilisant les trois objets suivants: i) un local, base essai à essai, mesure de l'ajustement , Où N et N _{sp r} représentent respectivement les pointes ensemble comptent et la longueur du vecteur de réponse, ii) une mesure globale de l'ajustement sur ​​la base de la moyenne des réponsesad/50941/50941eq4.jpg "width =" 205 "/> où N _resp représente la longueur de la réponse moyenne; iii) une mesure de la complexité du modèle (voir aussi) ¹⁰ .

8. Confirmation histologique

1. Sacrifiez le rat.
   1. A la fin des enregistrements expérimentaux, mettre l'animal sous anesthésie profonde gazeuse (isoflurane 2%, 4 L / min) et injecter par voie intraveineuse une surdose de barbituriques (> 50 mg / kg, le pentobarbital).
   2. Attendez l'arrêt cardiaque.
   3. Démontez le rat de l'appareil de stéréotaxie
2. Perfusion.
   1. Placer le rat s'étendant au-dessus d'une grille sur un bassin pour collecter le sang et les fluides à partir de la perfusion.
   2. Ouvrez le thorax en disséquant le sternum séparant des insertions des côtes.
   3. Bloquer le processus xiphoïde du sternum avec une pince de cocker et cr renversementanially le sternum et les côtes divaricate sur le cœur.
   4. Identifier le ventricule gauche et l'oreillette droite, placer une aiguille à pointe neuf de calibre émoussé (relié à la canule de perfusion) dans le ventricule et ouvrir avec des ciseaux fins chirurgicales de l'oreillette droite.
   5. Commencer la perfusion de froid (4 ° C) une solution physiologique hépariné (250 ml), suivi par la perfusion d'une solution de formaline à 4% (250 ml).
3. Extraire le cerveau du crâne par l'ouverture de la voûte du crâne avec une pince appropriés et placer le cerveau dans une solution de formol à 10%.
4. Après une semaine, la préparation des coupes histologiques par un microtome (10 um d'épaisseur d').
5. Colorer les sections cerveau frontal et sagittal avec une solution de crésyl violet.

Representative Results

Astuce caractéristiques d'excursion

Afin de caractériser les propriétés dynamiques du dispositif de stimulation proposée, une série d'expériences a été mis en place. Un dispositif spécifique qui est constitué d'un arséniure de gallium diode infrarouge couplé à un phototransistor en silicium électroluminescent a été utilisé pour évaluer le déplacement de la pointe, la durée de déplacement et les retards de déplacements possibles. Au moyen de ce commutateur de coupure optique, nous avons placé la pointe de stimulation sur le bord du trou de la diode électroluminescente (hauteur = 1 mm) et à la fois le microcontrôleur et les sorties du phototransistor ont été enregistrées. La procédure de mise en place est facilitée par un dispositif de microstepper avec une résolution maximale de 1 mm.

La réponse des dispositifs sont présentés dans la figure 2A. La ligne rouge représente la réponse de la photo-transistor suivie par la réaction du microcontrôleur qui indique le début exact de la pointe déplacement. Notamment, un retard systématique en raison de navetteurstions était présent et quantifiés (Figure 2B, moyenne = 583 ps dans 100 essais) résultant aussi abondamment en dessous de la précision de temps souhaité (1 ms). Enfin, nous avons mesuré la durée de déplacement de pointe qui était de 3,96 ms en moyenne, comme représenté sur la figure 2C.

Randomisé Protocole d'impulsion jumelés pour capturer LFP et les relations de Spike

Afin de comprendre la relation entre la LFP et les pointes, nous avons décidé de créer un dispositif de stimulation qui peut susciter des réponses rapides et fiables des deux signaux. La figure 3A montre la répartition inter-stimulus-intervalle, veiller à ce que l'appareil a provoqué une modulation de l'activité de dopage. La description de l'appareil et le fonctionnement est détaillé dans la section Protocole.

Dans les figures 3B et 3C la LFP et transitoire des réponses pour un neurone représentant sont présentés, respectivement. En mesurant mutuelle Informeration pour les pointes et SNR pour LFP (figures 4A et 4B), il était clair que les deux codent une quantité importante d'informations sur les stimulus occurrence.

Fait intéressant LFP et les pointes également fourni des informations sur l'histoire de la stimulation (figures 4C-E). En particulier les réponses LFP ont été considérablement réduites lorsque le stimulus réel a été précédée par une impulsion précédente avec un assez petit inter-stimulus-intervalle (figures 4C et 4D). Codage neuronal de l'histoire de la stimulation en corrélation positive avec MI bien exposé valeurs nettement plus faibles (figure 4E).

Nous avons ensuite demandé qui dispose du signal LFP meilleure corrélation avec la réponse de pointe. Après une analyse préliminaire, trois caractéristiques LFP qui correspondent fortement avec la réponse moyenne de pointe ont été identifiés: la LFP moyenne, son dérivé et la phase du dérivé LFP (

Une stratégie multi-objectif Spike prédiction basée sur LFP

trains Spike ont généralement des structures temporelles complexes qui présentent des corrélations significatives sur plusieurs échelles de temps. Alors, quels sont les aspects de la réponse neuronale sont capturés par LFP?

Un bon test pour sonder la compréhension de la relation LFP-pointe est de se demander comment bien les pointes sont prévisibles juste en regardant le signal LFP. Par conséquent, en utilisant l'ensemble des caractéristiques ci-dessus LFP (voir la figure 4F), l'objectif était de construire un modèle prédictif qui, à tout moment, lit les valeurs de ces caractéristiques et génère une prédiction binaire sur l'apparition d'un pic.

Un problème essentiel lié à l'installation d'un modèle de prédiction de pointe est constituée par le choix d'une fonction objectif approprié. Les choix les plus courants sont le coefficient de Pearson et la fonction de cohérence ^5. Interesalternatives Ting sont fournies par des mesures de pointes ^6. Alors que les deux premières mesures sont fondées sur les réponses neuronales moyenne et donc ne tiennent pas compte de la structure complète des trains de potentiels, ce dernier est de calcul exigeant et pas pratique à des fins de montage. Une solution alternative basée sur l'optimisation multi-objectif est proposé. L'idée est de minimiser conjointement plusieurs fonctions objectifs (ci-après appelé juste objectifs). Ces objectifs doivent être de calcul efficace pour calculer et capable de capturer les différents aspects de la réponse neuronale.

En utilisant le concept de l'optimalité de Pareto nous pouvons alors trouver un ensemble de modèles, chacune optimisée pour des compromis entre ces objectifs spécifiques. Afin d'estimer les surfaces optimales de Pareto l'algorithme NSGAII a été utilisé ^12. Nous avons identifié trois fonctions objectives: l'une globale basée sur la distance dans la moyenne des réponses, un local sur la base de la distance sur un procès procès-base et un objectif supplémentaire qui pénalise la complexité du modèle (voir la section relative Protocole).

Les résultats obtenus en ajustant un neurone représentatif de notre ensemble de données sont présentés aux figures 5A et 5B. Figure 5A indique la distance globale (PF) et de la distance locale (SM) entre le modèle et des réponses véritables. Notez que les distances pour chaque modèle sont optimaux au sens de Pareto afin qu'aucun modèle est meilleur ou pire que tout autre dans les deux distances. Le même principe vaut pour tous les trois distances considérées conjointement (figure 5B).

Un principal avantage donné par l'estimation d'un ensemble de modèles optimaux au lieu d'un seul réside dans le fait que les différents modèles, sur la base de compromis optimaux entre les objectifs fixés, saisir les différents aspects de la vraie réponse neuronale. Ceci est représenté sur la figure 6, où le diag raster originalebéliers (figures 6A et 6D) et celles prédites (figures 6B, 6C, 6E et 6F) sont signalés, de deux neurones représentatives: les modèles qui minimisent la capture à distance locale de la phase la plus fiable des réponses neuronales (figures 6B et 6E ) tandis que les modèles basés sur un compromis raisonnable entre le local et la distance globale mieux capturer la variabilité des neurones et la décharge spontanée sur toute la plage temporelle (0-50 ms, les figures 6C et 6F).

Figure 1. (A) Schéma de circuit de commande. L'élément principal est un L293D h-pont. Les commandes de microcontrôleur sont livrés à la p ins D1 et D2. (B) Blunted mouvements de pointe pour la stimulation mécanique de la lumière. La taille de la grille sur le papier millimétré est de 1 mm. Cliquez ici pour agrandir l'image .

Figure 2. Astuce caractéristiques de déplacement. (A) Les sorties du microcontrôleur (ligne bleue) et du phototransistor (ligne rouge). La ligne verticale verte est définie à 0 indique le début de la pointe déplacement. (B) La distribution de probabilité des retards efficaces pointe de déplacement obtenu plus de 100 essais. (C) La distribution de probabilité de la durée de déplacement de la pointe, en moyenne, dans les essais 100./ Ftp_upload/50941/50941fig2highres.jpg "target =" _blank "> Cliquez ici pour agrandir l'image.

Figure 3. (A) de distribution inter-stimulation-intervalle. (B, C) ​​"sur l'air" stimuli ne pas évoquer les réponses (voir le sommet de deux graphiques dans la gamme 1000 à 1200 essais). Comparez-les à la véritable période d'essai de relance (sur les axes des ordonnées) de 0 à 1000, où entre 15 - et 40 msec de retard du début du stimulus (temps 0 en abscisse) des réponses claires peuvent être observées. L'intrigue dans (B) se réfère à la réponse LFP alors que la parcelle en (C) se réfère à la réponse de pointe. Dans l'axe des y de la droite la plus figure, il ya des positions ("BIG TOE", "II", et #34;. Des stimuli sur la patte postérieure de rats III ", etc) Cliquez ici pour agrandir l'image .

Figure 4. (A, B) d'information mutuelle et LFP _SNR en fonction du temps le long des chiffres différents. (C) LFP valeurs normalisées après un court (<100 ms) et à long (> 300 ms) entre les stimuli-Intervalle (IStimI) . (D) Puissance moyenne des réponses de la LFP après une longue et courte IStimI. Chaque point représente un enregistrement distinct. (E) MI sur / long court IStimI en fonction des plus grandes valeurs de MI environ stimulus occurrence (Imax). Chaque point représente annonceneurone istinct. (F) Le PSTH d'un neurone représentant corrèle bien avec trois caractéristiques de la réponse LFP:. Signal brut moyen, la moyenne dérivés et la phase du dérivé Cliquez ici pour agrandir l'image .

Figure 5. (A, B) de la distance locale et mondiale entre les réponses prédites et vrais pour un neurone représentant. (B) Évaluation conjointe pour les trois distances. Solutions Pareto optimales ont été estimées en utilisant l'algorithme NSGAII. Cliquez ici pour agrandir l'image .

Figure 6. True (A, D) et estimé (B, C et E, F respectivement) Réponses pour deux neurones représentatives. X, y, z représentent respectivement le signal LFP brut, de ses dérivés et la phase de son dérivé. Cliquez ici pour agrandir l'image .

Discussion

Ce travail d'abord présenté une nouvelle, simple et à faible coût dispositif permettant de fournir des stimuli sensoriels ponctuelles rapides et dans l'espace. Ensuite, une impulsion appariée protocole de stimulation aléatoire et un ensemble d'analyses informatiques ont été validés. L'objectif général était d'établir un cadre pour l'estimation des relations LFP-pic dans les enregistrements électrophysiologiques pendant la stimulation tactile.

Le dispositif, le protocole et l'approche analytique ont contribué conjointement au résultat, à savoir la première démonstration d'une approche déterministe capable de décrire et de prévoir des transitions LFP à pic, un processus neuronal encore mal comprise ^1.

Un point critique était représentée par le réglage approprié de la carte microcontrôleur programmable, qui régule la force et la durée de l'excursion de pointe tirée par le capuchon anti-poussière. Une solution adaptée permettant stimuli haute fréquence fiables et relativement importante déplaciments a été décrite dans la section Résultats. Par rapport à piézoélectrique classique actionneurs du dispositif prévu deux principaux avantages: il a échappé le problème typique de résonance mécanique et il a permis relativement importants déplacements de pointe.

Les neurones de cortex S1 sont connus pour exprimer de grandes champs récepteurs et des réponses rapides à la stimulation tactile ^8. Le jeûne, l'impulsion comme stimuli sont parfaitement adaptés à recruter des récepteurs de la peau à la fois superficielles et profondes (par exemple Merkel ou corpuscules de Pacini) ^2, et en changeant opportunément les paramètres de stimulation (intensité, durée, rampe dérivées) on pourrait préférentiellement recruter un de ces différentes classes de récepteurs . Le protocole d'impulsions couplé randomisée visait à réduire l'entraînement prédictive des oscillations neuronales à un stimulus événement qui se produit généralement lors de stimuli périodiques. D'autre part l'intervalle variable entre les impulsions appariées nous a permis d'extraire un dependenc claire sur l'histoire de la stimulation. Pour l'estimation de la structure et des paramètres de notre modèle prédictif nous nous sommes appuyés sur un algorithme d'optimisation multi-objectif bien connu, appelé la non-Dominé tri algorithme génétique II ou NSGAII ^12. Un problème principal en ajustant un modèle prédictif de survenue transitoire repose dans la structure temporelle complexe des trains de potentiels réels. Mesure de la distance entre les trains de pointes prévues et fidèles s'est avéré être une tâche coûteuse en ressources informatiques ^6. L'utilisation de NSGAII, un algorithme d'optimisation multi-objectif, permet de décomposer le problème en plusieurs distances, de calcul efficaces.

Pour évaluer la bonté d'un modèle que nous avions besoin de quantifier l'erreur dans la prévision représentée par la distance entre les trains de pointes prévues et réelles. Deux principaux critères pour évaluer les prédictions du modèle ont été prises en considération. Le processus d'ajustement a retourné un ensemble de modèles au lieu d'un seul. Il est intéressant de chaque modèle in l'ensemble semblait capturer différents aspects des trains de potentiels d'origine.

En conclusion, le cadre élaboré, sur la base optimisé conjointement dispositif de stimulation, le protocole et les analyses, pourrait être utilisé pour obtenir de nouvelles informations sur la relation LFP-pointe et d'améliorer les stratégies actuelles de programmation efficace des interfaces et des neuroprothèses cerveau-machine.

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)