检查本地网络处理采用多接触层电极记录

该程序的总体目标是描述一种方法，该方法将使我们能够检查初级视觉皮层不同皮层中的单个神经元和局部场电位。在代码感官信息。该程序首先描述计算机控制的微型驱动系统的构造以及使用多触点层状电极在初级视觉皮层中进行记录。

下一步是在电极推进到目标大脑区域后执行诱发电位范式。在此之后，电流源密度分析用于根据极性反转识别皮层，并伴随着同步源配置。该程序的最后一步是进行感受野映射并分析神经活动对视觉刺激的响应差异。

最终，可以获得显示编码感觉信息中特定于层的变化的结果。大家好，我叫 Sarah Eagleman，是休斯顿德克萨斯大学医学院的研究生。与现有方法（如多电极阵列）相比，该技术的主要优点是 U 探针可以在一次穿透中同时记录数毫米皮层的神经活动。

大家好，我是 Brian Hansen。我是休斯顿德克萨斯大学医学院的一名研究生。这种方法可以回答神经科学领域的关键问题，探索是否以及如何以层流特定方式处理信息。

要首先构建名称电极驱动组件，请组装必要的工具和部件，包括导管、导丝、完整的 Dremel、设置名称工具和零件以及 U 型探针。测量导管，使其在连接到记录设备时足够长，可以放在硬脑膜顶部而不会损坏它。接下来，在测量记录室的深度后，在切割导管的同时，将导管切割成测量的长度约为 5 到 7 厘米。

尽量确保没有金属碎片进入管内。使用小于导管内径的硬丝去除导管内的任何金属碎片。接下来，将名称网格放入名称库中。

拧紧 clamp 螺钉和网格螺钉。然后确定感兴趣的记录区域，并将微型驱动器塔放置在该区域上。确定感兴趣区域后，将导管推进网格底部，直到它距离名称室约 1 到 2 毫米。

接下来，在每个 NA 微型驱动器塔上组装两个夹具。电机驱动顶部夹具，而底部夹具可以固定到位或松动。顶部夹具连接到 U 型探头的加固管上。

将底部夹子连接到导管上，并涂抹少量强力胶以将导管固定到位。两个夹具为系统提供稳定性和精度。小心地将 U 型探针的尖端与导管顶部对齐，然后将 U 型探针穿过导管，直到您可以将塔固定到主底座上。

使用翼形螺钉调整塔的位置，使 U 型探头或导管上不会增加张力。将名称系统放在圆柱体底座上，并将电机电缆连接到相应的塔架。如果使用多个塔，则使用颜色编码的扎带来帮助区分电机电缆和塔，使用名称软件程序开始推进 U 探头，通过设置自动将 U 探头推进到该位置的目标位置，或者通过单击名称软件界面，推进 U 探头，使尖端至少有 10 毫米穿过导管越过末端Chamber 这个名字。

U 探针置于地铁侧活性醛溶液中 20 至 30 分钟，然后将 U 探针连接到植入的记录室，对 U 探针进行消毒。之后，用无菌水 0 冲洗 U 探针和命名碱基。名称软件通过缩回 U 型探针来定位，使尖端刚好位于名称软件中的导管内。

单击将所有位置归零。将名称底座连接到植入的记录室并拧紧所有四个螺钉。然后根据录音室侧面的销钉对齐底座。

再次拧紧所有四个螺钉，并确保名称底座牢固地连接到记录室。为了准备提前记录，U 探头接地，并根据接地和参考说明被视为浮动。这是通过放置导线连接跳线来实现的。

在底部连接器上，头部级固定在 U 形探头连接器上，然后连接放大器电缆并接地。U 探头最初以快速而有力的方式前进约 1 到 2 毫米。将速度参数设置为每秒 0.1 到 0.2 毫米，将深度步长设置为 0.2 到 0.3 毫米。

这些值确保 U 探针能够干净地刺穿硬脑膜，并且是记录中重要的第一步。穿过硬脑膜后，将速度降低到每秒 0.50 到 0.1 毫米，并将深度步长减少到 0.5 到 0.1 毫米。目标是尽可能平稳和缓慢地推进 U 探针，以免组织受损。

探针已进入大脑的迹象之一是 LFP 振幅的变化伴随着噪声水平的降低，以验证电极是否跨越所有皮层，测量响应全场白光刺激的振幅变化。LFP 振幅随时间的变化是诱发电位分析的基础。该分析为识别皮质层以识别皮质层提供了基础。

测量被动注视任务期间的诱发电位反应电位，同时将受试者暴露在全场黑屏中，该黑屏闪烁白色 100 毫秒，然后返回黑色。此序列构成一个试验，重复 200 次。plex on 多通道采集处理器通过 National Instruments PCI 板将所有连续数据信号直接保存到记录计算机。

保存数据后，开始处理电流源密度分析的信号。使用 Plex on 提供的软件校正 FP 对齐来校正由头级和前置放大板中的滤波器引起的 LFP 信号中的时间延迟。此时，数据通过 neuro explorer 传输到 MATLAB。

每个 LFP 通道都使用截止频率为 0.5 赫兹和 100 赫兹的标准高通和低通滤波器进行滤波。过滤每个电极触点后，确定每个试验和试验之间的平均值，以获得每个电极触点的平均 LFP 时间序列，然后将每个触点组织成一个矩阵，其中 LFP 振幅作为时间的函数，通过在工作区中键入 CSD 绘图仪在 MATLAB 中运行 ICSD 工具箱。假设连续数据的采样频率为 1 kHz，请将 DT 参数设置为 1 毫秒。

接下来，将皮质电导率值设置为 0.4 西门子/米，该值近似于电流源密度（以每立方毫米纳米对等体为单位），并将电极位置更改为 0.1 的矢量 0.1 到 1.6，即触点总数。插入所有参数后，单击 Run this （运行此项）。在 CSD 绘图仪界面中查看 CSD 配置文件并将其粘贴到新图窗中。

MATLAB 中的常用函数（如图像 SC）可用于绘制层剖面，并且可以应用各种平滑算法和归一化例程来表示 CSD 数据并比较小时和会话之间的层标识。要首先识别第 4 层基底的 sink source 配置的极性反转，请验证粒度层中是否存在主 sink。使用层流 CSD 剖面，在 CSD 图中找到 sink 驱动的负极性。

然后计算颗粒 sink 的质心。从分析中获得 OID，该分析包含联系人编号和同步最大的时间。与 syn Centro 的接触用作零微米处的粒度层参考。

分析参考上方和下方的所有触点，并将它们分组到三个可能的层之一。Supra、granular、granular 和 infra granular 通过改变电极位置来验证颗粒汇，同时保持时间域不变。混组后，CSD 矩阵计算 OID 分析。

同样，作为皮质深度的函数的随机电极接触应该会破坏任何层状特异性。要找到感受野，首先要在感受野可能所在的监视器上呈现逆相关刺激。刺激由 45 度、0 度、90 度和 135 度的四个方向分级组成。

对发射速率图进行聚类分析以定位感受野。首先，计算每个时间延迟的最大发射速率位置及其质心。然后计算 Centro 与这些最大射速位置之间的距离。

独立计算每个神经元在 40 到 120 毫秒之间的传导延迟的发射速率图，间隔为 5 毫秒。查找 OID 与周围最大射速点在所有时间延迟下的总距离。感受野处于使该距离最小化的时间延迟处。

一旦找到一个感受野，每个细胞就会出现一个逆向相关刺激 大于所有感受野位置，重叠记录的群体中的所有感受野。实时发射速率图可用于确定是否已确定正确的感受野位置。最后，使用 plex on 的离线分选程序对尖峰波形进行排序，该程序根据主成分尖峰、宽度谷值和峰值属性等参数实现波形聚类。

请务必删除突然改变响应的信号单位，只保留具有稳定射速的单位，以便进一步分析，如下所示。一个例子说明了 CSD 分析在皮层深度上定位皮层作为时间的函数，即使在录制会话开始后四个小时，超颗粒、颗粒和下颗粒层的位置仍然保持稳定。CSD 跟踪表示分配给给定层的那些触点的平均值。

在此示例中，粒度层的 CSD 振幅在大约 50 毫秒时明显减小。使用层状电极时的另一项关键分析是准确识别和定位神经元感受野。这些图的原点是注视点，它是一个白色的小圆圈，显示在黑色计算机屏幕上的中央。

这些图中的颜色表示每个神经元响应动态逆相关刺激的放电率。该图表示在同一通道上隔离的尖峰波形的两个示例。使用主成分分析和尖峰波形特征进行聚类分析。

平均尖峰波形以实线显示。标准差以虚线显示。在尝试这些程序时，重要的是要记住要小心前进，并留出足够的时间让大脑在前进后充分稳定下来。

我们通常在最后一次提前后约 30 到 45 分钟开始录制，遵循此程序。其他光谱技术，如 LFP 功率和尖峰场同步，可用于研究皮层内部和之间的网络结构。