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 Closed-Loop-Stimulation basierend auf neuronalen Aktivitätsmustern. Es ermöglicht Neurowissenschaftlern, auch mit begrenzten Informatikkenntnissen, Closed-Loop-Experimente effizient und kostengünstig durchzuführen. Das Protokoll beinhaltet Beispiel-MATLAB-Code zur Implementierung und wird anhand von Ableitungen von einem wachen Rattenexemplar veranschaulicht, wobei die Echtzeit-Interaktion zwischen neuronalen Spikes und Stimulation gezeigt wird.
Wesentliche Studienkomponenten
Bereich der Wissenschaft
- Neurowissenschaften
- Elektrophysiologie
- Geschlossene Regelkreise
Hintergrund
- Die Closed-Loop-Stimulation ist entscheidend, um kausale Wechselwirkungen im Gehirn zu untersuchen.
- Dieser Ansatz ist besonders nützlich in der Epilepsieforschung, um die Schwere von Anfällen zu verringern.
- Das Protokoll adressiert das Bedürfnis nach zugänglichen Closed-Loop-Systemen in der Neurowissenschaft.
Zweck der Studie
- Eine Methode bereitzustellen, um eine geschlossene Stimulation mit minimalem Aufwand und Fachwissen zu implementieren.
- Die Untersuchung neuronaler Aktivität und Antworten durch Echtzeit-Stimulation zu erleichtern.
- Forschenden zu ermöglichen, die Informationsverarbeitung im Gehirn besser zu verstehen.
Verwendete Methoden
- Die Studie verwendet ein standardmäßiges neurophysiologisches Aufzeichnungssystem für Closed-Loop-Experimente.
- Die Aufzeichnung von wachen Ratten diente als biologisches Modell.
- Es wird MATLAB-Code zur Anpassung und Umwandlung von Open-Loop-Systemen bereitgestellt.
- Zu den wichtigsten Schritten gehören Datenerfassung, Sortierung der Spikedaten und Definition der Stimulationsparameter.
- Das Closed-Loop-Experiment beinhaltet die Echtzeit-Auslösung von Reizen basierend auf neuronaler Aktivität.
Hauptergebnisse
- Das Protokoll ermöglicht eine Stimulation basierend auf der Aktivität mehrerer Neuronen, wodurch das Verständnis neuronaler Wechselwirkungen verbessert wird.
- Spik-Daten wurden verwendet, um externe Reize auszulösen, was eine effektive Closed-Loop-Rückkopplung demonstriert.
- Die Echtzeit-Visualisierung neuronaler Aktivität wurde über die MATLAB-Schnittstelle erreicht.
- Die wichtigsten Ergebnisse unterstreichen die Flexibilität und Kosteneffizienz der auf MATLAB basierenden Lösung.
Schlussfolgerungen
- Diese Studie ermöglicht es Forschern, geschlossene Stimulationsverfahren einfach zu implementieren und anzuwenden.
- Die Ergebnisse haben Auswirkungen auf das fortgeschrittene Verständnis neuronaler Mechanismen und Hirnfunktionen.
- Flexible Stimulationsmuster tragen dazu bei, verschiedene neurowissenschaftliche Fragestellungen zu bearbeiten.
Häufig gestellte Fragen
Ausschlaggebende Bedeutung für die Industrie
Geschlossene neurophysiologische Systeme ermöglichen die kausale Untersuchung von Hirnschaltkreisen, indem neuronale Aktivitätsmuster mit Echtzeit-Stimulation verknüpft werden, was der Zielvalidierung und der mechanistischen Risikominderung in der präklinischen Neurowissenschaft dient. Dieser auf MATLAB basierende Ansatz senkt die technischen Hürden für die Implementierung geschlossener Regelkreise und erleichtert skalierbare sowie reproduzierbare Studien zur neuronalen Informationsverarbeitung. Das Protokoll unterstützt frühe Entdeckungsabläufe, indem es ein flexibles, kosteneffizientes Werkzeug für hypothesengetriebene Stimulationsexperimente in krankheitsrelevanten Modellen bereitstellt.
Strategische Anwendungen in der Biopharma-Forschung und -Entwicklung
Frühe Entdeckung und Zielvalidierung
- Wissenschaftlicher Wert: Ermöglicht die Überprüfung therapeutischer Hypothesen, indem Reize basierend auf definierten Aktivitätsmustern einzelner oder mehrerer Neuronen ausgelöst werden.
- Operativer Wert: Unterstützt die funktionelle Validierung von Zielstrukturen durch zeitlich präzise, kausale Manipulation neuronaler Schaltkreise in wachen Tiermodellen.
- Prädiktiver Wert: Steigert das Vertrauen in die effektive Anbindung eines Zielmoleküls, indem stimulusausgelöste neuronale Antworten unter kontrollierten, geschlossenen Regelkreisbedingungen nachgewiesen werden.
Screening und Assay-Entwicklung
- Wissenschaftlicher Wert: Bereitet validierte neuronale Ableitsysteme für die Standardisierung nachgeschalteter Assays vor, indem präzise, aktivitätsabhängige Stimulation ermöglicht wird.
- Operationaler Wert: Verbessert die Reproduzierbarkeit von Assays durch benutzerdefinierte Schwellenwerte zur Spikenerkennung und für Koaktivitätsfenster, die eine konsistente Auslösung von Reizen gewährleisten.
- Skalierbarkeit: Erleichtert die Wiederverwendung der Plattform in verschiedenen Experimenten durch anpassbaren MATLAB-Code, der an unterschiedliche Stimulationsgeräte und Ableitaufbauten angepasst werden kann.
Translationale und präklinische Forschung
- Translationale Kontinuität: Nachgewiesen bei wachen Ratten, was die Relevanz für Krankheitsmodelle und die präklinische Validierung von Neuromodulationsstrategien unterstützt.
- Mechanistische Entlastung von Risiken: Ermöglicht die Untersuchung der Informationsverarbeitung im Gehirn, indem Reize basierend auf Aktivitätsmustern mehrerer Neuronen gegeben werden, wodurch Mehrdeutigkeiten bei kausalen Interpretationen verringert werden.
- Risikoadjustierte Weiterentwicklung: Unterstützt Go/No-Go-Entscheidungen, indem quantitative, Echtzeit-Rückmeldungen über neuronale Reaktionen auf Stimulation bereitgestellt werden.
Pipeline- und Workflow-Integration
Die Methode integriert sich in frühe Entdeckungsworkflows, indem sie Hypothesentests durch Echtzeit-Stimulation ermöglicht, die durch neuronale Spiking-Aktivität ausgelöst wird, und so eine Brücke zwischen Elektrophysiologie und Interventionsstudien schlägt.
- Entdeckungsbiologie: Unterstützt die Aufklärung von Wirkwegen und die biologische Risikominimierung, indem Forscher kausale Zusammenhänge zwischen definierten Mustern neuronaler Aktivität und nachgeschalteten Reaktionen testen können.
- Screening: Verbessert die Bereitschaft von Assays durch reproduzierbares Spike-Sorting und Online-Ereignisauslösung basierend auf benutzerdefinierten neuronalen Clustern.
- Analytik: Bietet quantitative Messungen abhängiger Variablen wie stimulusgetriggerte Spiketime-Relationen und histogrammierte Antwortverzögerungen für den vergleichenden Bedingungsvergleich.
- Translationale Forschung: Schafft Anschluss an die präklinische Kontinuität durch Demonstration an wachen Nagetieren und unterstützt die Übertragung auf krankheitsrelevante Systeme.
- Unternehmensweite Wiederverwendung: Wird als wiederverwendbare Fähigkeit konzipiert, da offener MATLAB-Quellcode vorhanden ist, der ohne umfangreiche Neuentwicklungen in verschiedenen Laboren und bei unterschiedlichen Stimulationsmodalitäten angepasst werden kann.
Operative und unternehmerische Auswirkungen
- Wissenschaftlicher Wert: Vorhersagbarkeit des Vertrauens in die Zielmodulation, Verringerung mechanistischer Unschärfen bei der Untersuchung neuronaler Schaltkreise.
- Operationaler Wert: Standardisierung, Reproduzierbarkeit und kostengünstige Umsetzung mithilfe weit verbreiteter elektrophysiologischer und MATLAB-Tools.
- Strategischer Wert: Verbesserte Go/No-Go-Entscheidungen bei der Zielvalidierung, Kapital-Effizienz und reduziertes biologisches Risiko in fortgeschrittenen Phasen von Neuromodulationsprogrammen.
- Portfolio-Wirkung: Risikoadjustierte Priorisierung von Zielstrukturen basierend auf kausalen Belegen aus Closed-Loop-Stimulationsexperimenten.
Durchführungsaspekte
- Benötigt Fachkenntnisse in Elektrophysiologie, Spike-Sortierung und grundlegender MATLAB-Skripting zur Parameterkonfiguration.
- Ist abhängig von Instrumentierung wie dem Neuralynx Cheetah-System und einem kompatiblen PC für die Echtzeit-Datenerfassung und -verarbeitung.
- Erfordert eine standardisierte Vorgehensweise zwischen Teams bei der Festlegung von Spike-Erkennungsschwellen, Koaktivitätsfenstern und Min-Match-Parametern für reproduzierbare Auslösung.
- Beinhaltet Anpassungsüberlegungen bei der Anwendung auf verschiedene Modellsysteme oder Stimulationsmodalitäten, die über Tonsignale oder serielle Portausgänge hinausgehen.
- Praktische Einschränkungen umfassen die Abhängigkeit von stabiler Spike-Sortierung sowie mögliche Latenzen in der Echtzeitverarbeitung, die die zeitliche Präzision der Stimulation beeinträchtigen können.
