Verwenden von Neuron Spiking Activity zum Auslösen von Closed-Loop Stimuli in neurophysiologischen Experimenten
12. November 2019
Dieses Protokoll zeigt, wie ein elektrophysiologisches System zur geschlossenen Stimulation verwendet wird, das durch neuronale Aktivitätsmuster ausgelöst wird. Beispiel-Matlab-Code, der leicht für verschiedene Stimulationsgeräte geändert werden kann, wird ebenfalls bereitgestellt.
Dieses standard neurophysiologische Aufzeichnungssystem kann verwendet werden, um eine geschlossene Stimulation durchzuführen, die für die Untersuchung kausaler Wechselwirkungen im Gehirn nützlich ist. Dieses Protokoll ermöglicht es Neurowissenschaftlern mit nur begrenztem Fachwissen in der Informatik, schnell eine Vielzahl von geschlossenen Experimenten mit geringen Kosten durchzuführen. Geschlossene Experimente werden für die Grundlagenforschung und Forschung immer wichtiger.
Zum Beispiel haben mehrere Epilepsie-Studien gezeigt, dass Neuronenstimulation Trigger auf Anfall Beginn ist ein effektiver Ansatz, um die Schwere der Anfälle zu reduzieren. Um die Annahme von geschlossenen Experimenten in der neurowissenschaftlichen Forschung zu erleichtern, bietet dieses Protokoll MATLAB-Code, um ein elektrophysiologisches Aufzeichnungssystem mit offenem Kreislauf in ein Closed-Loop-System umzuwandeln. Diese Umsetzung der Closed-Loop-Stimulation wird in einer wachen Ratte demonstriert.
Um das Cheetah 6.4 Data Acquisition System zu installieren, öffnen Sie die Webseite für die Software, die Bibliotheken enthält, um mit dem Cheetah-Erfassungssystem zu interagieren, und installieren SpikeSort-3D. Installieren Sie das NetCom-Entwicklungspaket. Melden Sie sich bei einem MATLAB-Konto an, um die richtige Lizenz, Version und das richtige Betriebssystem auszuwählen.
Laden Sie dann die Bibliothek für die Online-Ereignisauslösung wie angegeben herunter und extrahieren Sie die Dateien in den Ordner MATLAB. Öffnen Sie für die Datenerfassung die Cheetah-Software, und zeichnen Sie Spiking-Daten auf, um die Vorlagenwellenformen aufzufüllen. Beenden Sie nach einigen Minuten die Datenerfassung, und führen Sie einen SpikeSort für die aufgezeichneten Daten aus.
Als Nächstes öffnen Sie SpikeSort3-D und klicken Sie auf das Dateimenü und laden Spike-Datei, um eine Spike-Datei aus dem Ordner mit den aufgezeichneten Daten auszuwählen. Klicken Sie dann auf das Clustermenü, den Autocluster mit KlustaKwik, und führen Sie die Option aus. Um ein Closed-Loop-Experiment durchzuführen, setzen Sie die Datenerfassung in Cheetah fort, und öffnen Sie MATLAB.
Öffnen Sie ClosedLoop. M und klicken Sie auf Ausführen. Alternativ können Sie eine geschlossene Schleife im Befehlsfenster ausführen.
Navigieren Sie zum Aufzeichnungsordner, und wählen Sie eine der spiking-Datendateien aus, um die in der Erstaufnahme definierten Spike-Informationen zu laden. Klicken Sie auf die entsprechenden Kontrollkästchen unter den geplotteten Wellenformen, um ein oder mehrere Neuronen auszuwählen, die eine Stimulation auslösen. Definieren Sie die minimale Anzahl von Neuronen, die die Stimulation auslösen, indem Sie eine ganze Zahl in das Textfeld min matches eingeben, und definieren Sie das Zeitfenster, in dem die Spitzen, die den verschiedenen Wellenformen entsprechen, als koaktiv betrachtet werden, indem sie eine Zahl in das Fenstertextfeld eingeben.
Klicken Sie dann auf Senden, um das Online-Auslösen von Ereignissen basierend auf der Spiking-Aktivität der ausgewählten Neuronen zu beginnen. In diesem repräsentativen Experiment wurde die Ratte auf einem Blumentopf ausgeruht, der während der Pausen in den Verhaltensexperimenten ein vertrauter Ruheplatz war. Hierbei kann ein repräsentativer gleichzeitiger Betrieb der Aufnahmesoftware und des MATLAB-Programms beobachtet werden, das in Echtzeit erfasste Spike-Wellenformen anzeigt.
Wenn Spitzen aus vordefinierten Triggerclustern erkannt werden, werden die Wellenformen mit einer fett formatierten Strichlinie im MATLAB-Abbildungsfenster angezeigt, die einen Ton auslöst und ein Closed-Loop-System bereitstellt. In dieser Abbildung wird ein repräsentatives Histogramm dargestellt, das die Verzögerungen zwischen dem Zeitpunkt der Erzeugung einer künstlichen Spitze und dem Zeitpunkt der Induktion eines ausgelösten Signals veranschaulicht. Nach der Vorbereitung eines Tieres und der Installation der Software besteht das Closed-Loop-Experiment aus zwei Hauptphasen, der anfänglichen Datenerfassung und der Closed-Loop-Stimulation, bei der Spikes externe Reize auslösen.
Dieses Protokoll ermöglicht auch die Behandlung von Reizen basierend auf der Aktivität mehrerer Neuronen, die wichtig für die Behandlung von Fragen über die Informationsverarbeitung im Gehirn ist. Die Vorteile dieser MATLAB-Lösung sind ihre geringen Kosten und die Flexibilität bei der Definition der Aktivitätsmuster, um Reize auszulösen, die bei der Untersuchung einer Vielzahl von neurowissenschaftlichen Fragen helfen können.
Sehen Sie sich das vollständige Transkript an und erhalten Sie Zugang zu Tausenden wissenschaftlicher Videos
Übersicht
Dieses Protokoll demonstriert die Verwendung eines elektrophysiologischen Systems für geschlossene-Schleife-Stimulation basierend auf neuronalen Aktivitätsmustern. Es ermöglicht Neurowissenschaftlern, selbst mit begrenztem Fachwissen in Informatik, geschlossene-Schleife-Experimente effizient und kostengünstig durchzuführen. Das Protokoll beinhaltet Beispiel-MATLAB-Code für die Implementierung und wird anhand von Aufzeichnungen einer wachen Ratte veranschaulicht, die die Echtzeit-Interaktion zwischen neuronalen Spikes und Stimulation zeigt.
Wichtige Studienkomponenten
Wissenschaftsbereich
- Neurowissenschaften
- Elektrophysiologie
- Geschlossene-Schleife-Systeme
Hintergrund
- Geschlossene-Schleife-Stimulation ist entscheidend für die Untersuchung kausaler Interaktionen im Gehirn.
- Dieser Ansatz ist besonders nützlich in der Epilepsieforschung zur Linderung der Anfallsschwere.
- Das Protokoll adressiert den Bedarf an zugänglichen geschlossenen-Schleife-Systemen in der Neurowissenschaft.
Zweck der Studie
- Eine Methode zur Implementierung von geschlossener-Schleife-Stimulation mit minimalen Kosten und Expertise bereitzustellen.
- Die Untersuchung neuronaler Aktivität und Reaktionen durch Echtzeit-Stimulation zu erleichtern.
- Forschern zu ermöglichen, die Informationsverarbeitung im Gehirn besser zu verstehen.
Verwendete Methoden
- Die Studie verwendet ein Standard-neurophysiologisches Aufzeichnungssystem für geschlossene-Schleife-Experimente.
- Aufnahmen von wachen Ratten wurden als biologisches Modell verwendet.
- MATLAB-Code wird für Anpassung und Umwandlung von offenen-Schleife-Systemen bereitgestellt.
- Schlüsselschritte umfassen Datenerfassung, Sortierung von Spike-Daten und Definition von Stimulationsparametern.
- Das geschlossene-Schleife-Experiment beinhaltet Echtzeit-Triggerung von Reizen basierend auf neuronaler Aktivität.
Hauptergebnisse
- Das Protokoll ermöglicht Stimulation basierend auf der Aktivität mehrerer Neuronen, was das Verständnis neuronaler Interaktionen verbessert.
- Spike-Daten wurden verwendet, um externe Stimuli auszulösen, was effektive geschlossene-Schleife-Rückkopplung demonstriert.
- Die Echtzeit-Visualisierung neuronaler Aktivität wurde durch die MATLAB-Schnittstelle erreicht.
- Wichtige Erkenntnisse unterstreichen die Flexibilität und Kosteneffizienz der MATLAB-basierten Lösung.
Schlussfolgerungen
- Diese Studie ermöglicht Forschern, geschlossene-Schleife-Stimulationstechniken einfach zu implementieren und anzuwenden.
- Die Ergebnisse haben Auswirkungen auf die Weiterentwicklung des Verständnisses neuronaler Mechanismen und Gehirnfunktionen.
- Flexible Stimulationsmuster tragen dazu bei, verschiedene neurowissenschaftliche Fragen zu beantworten.
Häufig gestellte Fragen
Executive Industry Relevance
Closed-loop neurophysiological systems enable causal interrogation of brain circuits by linking neuronal activity patterns to real-time stimulation, supporting target validation and mechanistic de-risking in preclinical neuroscience. This MATLAB-based approach lowers technical barriers for implementing closed-loop designs, facilitating scalable and reproducible studies of neural information processing. The protocol supports early discovery workflows by providing a flexible, cost-effective tool for hypothesis-driven stimulation experiments in disease-relevant models.
Strategic Applications in Biopharma R&D
Early Discovery & Target Validation
- Scientific Value: Enables interrogation of therapeutic hypotheses by triggering stimuli based on defined spiking activity of single or multiple neurons.
- Operational Value: Supports functional target validation through real-time causal manipulation of neuronal circuits in awake animal models.
- Predictive Value: Enhances confidence in target engagement by demonstrating stimulus-evoked neural responses under controlled, closed-loop conditions.
Screening & Assay Development
- Scientific Value: Prepares validated neuronal recording systems for downstream assay standardization by enabling precise, activity-dependent stimulation.
- Operational Value: Improves assay reproducibility through user-defined spike detection thresholds and coactivity windows for consistent stimulus triggering.
- Scalability: Facilitates platform reuse across experiments via modifiable MATLAB code adaptable to various stimulation devices and recording setups.
Translational & Preclinical Research
- Translational Continuity: Demonstrated in awake rats, supporting relevance to disease models and preclinical validation of neuromodulation strategies.
- Mechanistic De-risking: Allows study of information processing in the brain by treating stimuli based on multi-neuron activity patterns, reducing ambiguity in causal interpretations.
- Risk-Adjusted Advancement: Supports go/no-go decisions by providing quantitative, real-time feedback on neural responses to stimulation.
Pipeline & Workflow Integration
The method integrates into early discovery workflows by enabling hypothesis testing through real-time stimulation triggered by neuronal spiking activity, bridging electrophysiology and intervention studies.
- Discovery Biology: Supports pathway clarification and biological de-risking by allowing researchers to test causal relationships between defined neural activity patterns and downstream responses.
- Screening: Enhances assay readiness through reproducible spike-sorting and online event triggering based on user-defined neuronal clusters.
- Analytics: Provides quantitative dependent variable measurements such as spike-triggered stimulus timing and histogrammed response delays for comparative condition analysis.
- Translational Research: Connects to preclinical continuity via demonstration in awake rodents, supporting extrapolation to disease-relevant systems.
- Enterprise Reuse: Framed as a reusable capability due to open-source MATLAB code that can be adapted across labs and stimulation modalities without major reengineering.
Operational & Enterprise Impact
- Scientific Value: Predictive confidence in target modulation, reduction of mechanistic ambiguity in neural circuit studies.
- Operational Value: Standardization, reproducibility, and low-cost implementation using widely available electrophysiology and MATLAB tools.
- Strategic Value: Better go/no-go decisions in target validation, capital efficiency, and reduced late-stage biological risk in neuromodulation programs.
- Portfolio Impact: Risk-adjusted prioritization of targets based on causal evidence from closed-loop stimulation experiments.
Implementation Considerations
- Requires expertise in electrophysiology, spike sorting, and basic MATLAB scripting for parameter configuration.
- Depends on instrumentation such as Neuralynx Cheetah system and compatible PC for real-time data acquisition and processing.
- Necessitates cross-team standardization of spike detection thresholds, coactivity windows, and min-match parameters for reproducible triggering.
- Involves adaptation considerations when applying to different model systems or stimulation modalities beyond tone or serial port outputs.
- Practical limitations include dependency on stable spike sorting and potential latency in real-time processing affecting temporal precision of stimulation.
