RESEARCH
Peer reviewed scientific video journal
Video encyclopedia of advanced research methods
Visualizing science through experiment videos
EDUCATION
Video textbooks for undergraduate courses
Visual demonstrations of key scientific experiments
BUSINESS
Video textbooks for business education
OTHERS
Interactive video based quizzes for formative assessments
Products
RESEARCH
JoVE Journal
Peer reviewed scientific video journal
JoVE Encyclopedia of Experiments
Video encyclopedia of advanced research methods
EDUCATION
JoVE Core
Video textbooks for undergraduates
JoVE Science Education
Visual demonstrations of key scientific experiments
JoVE Lab Manual
Videos of experiments for undergraduate lab courses
BUSINESS
JoVE Business
Video textbooks for business education
Solutions
Language
German
Menu
Menu
Menu
Menu
DOI: 10.3791/66473-v
Brett Addison Emery*1, Shahrukh Khanzada*1, Xin Hu*1, Diana Klütsch1, Hayder Amin1,2,3
1Group of "Biohybrid Neuroelectronics (BIONICS)",German Center for Neurodegenerative Diseases (DZNE), 2Faculty of Medicine Carl Gustav Carus,Technical University Dresden, 3Dresden Center for Intelligent Materials (DCIM),Technical University Dresden
Please note that some of the translations on this page are AI generated. Click here for the English version.
Hier verwenden wir HD-MEA, um in die Computerdynamik großer neuronaler Ensembles einzutauchen, insbesondere in Hippocampus-, Riechkolbenschaltkreisen und menschlichen neuronalen Netzwerken. Die Erfassung der raumzeitlichen Aktivität in Kombination mit Computerwerkzeugen bietet Einblicke in die Komplexität neuronaler Ensembles. Die Methode verbessert das Verständnis der Gehirnfunktionen und identifiziert möglicherweise Biomarker und Behandlungen für neurologische Störungen.
Unsere Forschung erforscht die Grenzen der neuronalen Technologie durch die Integration von CMOS-basierten Mikroelektrodenarrays mit hoher Dichte zur Dekodierung neuronaler Kommunikation und großer Netzwerke. Unser Ziel ist es, zu beantworten, wie neuronale Informationen über Skalen hinweg in einzigartiger Detailgenauigkeit kodiert werden, um unser Verständnis der Gehirnfunktion und -dysfunktion bei Gesundheit und Krankheit zu verbessern. Auf dem komplexen Gebiet der neuronalen Ensemble-Forschung stellen wir uns Herausforderungen wie dem Erreichen einer präzisen Signalauflösung inmitten der Gehirnaktivität und der Sicherstellung der Biokompatibilität unserer CMOS-basierten Mikroelektroden-Arrays.
Diese Hürden sind entscheidend für die genaue Erfassung und Interpretation des reichhaltigen Teppichs neuronaler Interaktion mit multimodalen Aufzeichnungen. Unsere Forschung befasst sich mit einer kritischen Lücke in den Neurowissenschaften, dem Fehlen einer umfassenden Methode zur Neukodierung und Analyse der Dynamik eines größeren neuronalen Ensembles mit hoher räumlicher und zeitlicher Auflösung. Diese Lücke behindert unser Verständnis komplexer Gehirnnetzwerke und -funktionen bei Gesundheit und Krankheit.
Unser Protokoll ermöglicht multimodale, markierungsfreie, hochauflösende Aufzeichnungen über den Hippocampus, den Riechkolben und menschliche IPSC-abgeleitete Neuronen und bietet ein vielseitiges Werkzeug für verschiedene Experimente. Dieser einzigartige Ansatz ermöglicht einen beispiellosen Einblick in die neuronale Dynamik, überbrückt die Forschungslücke zwischen verschiedenen Gehirnregionen und Modellsystemen und verbessert unser Verständnis von neuronalen Funktionen und Störungen erheblich. Zukünftige Unternehmungen in unserem Labor werden neuronale Berechnungen und Dynamiken von Genen bis hin zu Netzwerken eingehend untersuchen, mit dem Ziel, molekulare und funktionelle Signaturen in Gesundheit und Krankheit zu überbrücken.
Durch fortschrittliche Bioelektronik und neuronale Technologie werden wir uns auf Neuroplastizität, olfaktorische Kodierung, Entwicklung von KI und gedächtnisverbessernde Strategien für neuartige Therapeutika und Gehirn-Maschine-Schnittstellen konzentrieren.
View the full transcript and gain access to thousands of scientific videos
Related Videos
16:01
Related Videos
26.9K Views
05:45
Related Videos
25.3K Views
17:37
Related Videos
35.3K Views
10:44
Related Videos
21.3K Views
10:07
Related Videos
11.3K Views
11:27
Related Videos
8.4K Views
07:37
Related Videos
4.2K Views
08:28
Related Videos
1.4K Views
08:59
Related Videos
3.4K Views
06:28
Related Videos
3K Views