Uso de la actividad de spiking de neuronas para desencadenar estímulos de bucle cerrado en experimentos neurofisiológicos
12 de noviembre de 2019
Este protocolo demuestra cómo utilizar un sistema electrofisiológico para la estimulación de bucle cerrado desencadenada por patrones de actividad neuronal. También se proporciona código Matlab de ejemplo que se puede modificar fácilmente para diferentes dispositivos de estimulación.
Este sistema de grabación neurofisiológica estándar se puede utilizar para realizar una estimulación de bucle cerrado que es útil para estudiar las interacciones causales en el cerebro. Este protocolo permite a los neurocientíficos con una experiencia limitada en informática implementar rápidamente una variedad de experimentos de bucle cerrado con poco costo. Los experimentos de bucle cerrado han sidocaming cada vez más importante para la ciencia básica y la investigación.
Por ejemplo, varios estudios de epilepsia han demostrado que el desencadenante de la estimulación de las neuronas al inicio de las convulsiones es un enfoque eficaz para reducir la gravedad de las convulsiones. Para facilitar la adopción de experimentos de bucle cerrado en la investigación de neurociencia, este protocolo proporciona código MATLAB para convertir un sistema de grabación electrofisiológica de bucle abierto en un sistema de bucle cerrado. Esta implementación de estimulación de bucle cerrado se demuestra en una rata despierta.
Para instalar el sistema de adquisición de datos Cheetah 6.4, abra la página web del software que incluye bibliotecas para interactuar con el sistema de adquisiciones de Cheetah e instale SpikeSort-3D. Instale el paquete de desarrollo de NetCom. Inicie sesión en una cuenta de MATLAB para seleccionar la licencia, la versión y el sistema operativo correctos.
A continuación, descargue la biblioteca para la activación de eventos en línea como se indica y extraiga los archivos en la carpeta MATLAB de documentos. Para la adquisición de datos, abra el software Cheetah y registre los datos de punción para rellenar las formas de onda de la plantilla. Después de unos minutos, detenga la adquisición de datos y realice un SpikeSort en los datos registrados.
A continuación, abra SpikeSort3-D y haga clic en el menú de archivos y el archivo de pico de carga Para seleccionar un archivo de pico de la carpeta con los datos grabados. A continuación, haga clic en el menú del clúster, autocluster con KlustaKwik y ejecute. Para realizar un experimento de bucle cerrado, reanude la adquisición de datos en Cheetah y abra MATLAB.
Abra ClosedLoop. M y haga clic en ejecutar. Como alternativa, ejecute el bucle cerrado en la ventana de comandos.
Vaya a la carpeta de grabación y seleccione uno de los archivos de datos de punción para cargar la información de pico definida en la grabación inicial. Haga clic en las casillas de verificación correspondientes debajo de las formas de onda trazadas para seleccionar una o varias neuronas que desencadenarán la estimulación. Defina el número mínimo de neuronas que desencadenarán la estimulación introduciendo un entero en el cuadro de texto coincidencias mínimas y defina la ventana de tiempo en la que los picos que coinciden con las diferentes formas de onda se consideran coactivos introduciendo un número en el cuadro de texto de la ventana.
A continuación, haga clic en Enviar para comenzar la activación en línea de eventos en función de la actividad de pico de las neuronas seleccionadas. En este experimento representativo, la rata se apoyó en una maceta que era un lugar de descanso familiar durante los descansos en los experimentos de comportamiento. Aquí, se puede observar una ejecución simultánea representativa del software de grabación y el programa MATLAB que muestra las formas de onda de pico adquiridas en tiempo real.
Cuando se detectan picos de clústeres de activación predefinidos, las formas de onda se muestran con una línea de guión en negrita en la ventana de la figura de MATLAB que activa un tono y proporciona un sistema de bucle cerrado. En esta figura, se muestra un histograma representativo que ilustra los retrasos entre el momento de generar un pico artificial y el momento de inducir una señal activada. Después de preparar un animal, e instalar el software, el experimento de bucle cerrado consta de dos etapas principales, la adquisición inicial de datos y la estimulación de bucle cerrado durante la cual los picos desencadenan estímulos externos.
Este protocolo también permite el tratamiento de un estímulo basado en la actividad de múltiples neuronas que es importante para abordar preguntas sobre el procesamiento de la información en el cerebro. Las ventajas de esta solución MATLAB son su bajo costo y flexibilidad en la definición de los patrones de actividad para desencadenar estímulos que pueden ayudar a investigar una variedad de preguntas neurocientíficas.
Vea la transcripción completa y acceda a miles de videos científicos
Información general
Este protocolo demuestra el uso de un sistema electrofisiológico para la estimulación en bucle cerrado basado en patrones de actividad neuronal. Permite a los neurocientíficos, incluso con experiencia limitada en informática, realizar experimentos en bucle cerrado de manera eficiente y rentable. El protocolo incluye código de MATLAB de muestra para la implementación y se ejemplifica con grabaciones de una rata despierta, mostrando la interacción en tiempo real entre las descargas neuronales y la estimulación.
Componentes clave del estudio
Área de la ciencia
- Neurociencia
- Electrofisiología
- Sistemas de bucle cerrado
Antecedentes
- La estimulación en bucle cerrado es fundamental para estudiar las interacciones causales en el cerebro.
- Este enfoque es particularmente útil en la investigación de la epilepsia para aliviar la gravedad de las convulsiones.
- El protocolo aborda la necesidad de sistemas de bucle cerrado accesibles en neurociencia.
Propósito del estudio
- Proporcionar un método para implementar la estimulación en bucle cerrado con un costo y experiencia mínimos.
- Facilitar el estudio de la actividad neuronal y las respuestas mediante la estimulación en tiempo real.
- Permitir a los investigadores comprender mejor el procesamiento de información en el cerebro.
Métodos utilizados
- El estudio emplea un sistema de grabación neurofisiológica estándar para experimentos en bucle cerrado.
- Se utilizó la grabación de ratas despiertas como modelo biológico.
- Se proporciona código MATLAB para la personalización y conversión de sistemas de bucle abierto.
- Los pasos clave incluyen la adquisición de datos, la clasificación de los datos de descargas neuronales y la definición de los parámetros de estimulación.
- El experimento de bucle cerrado implica la activación en tiempo real de estímulos basados en la actividad neuronal.
Resultados principales
- El protocolo permite la estimulación basada en la actividad de múltiples neuronas, mejorando la comprensión de las interacciones neuronales.
- Los datos de descargas neuronales se utilizaron para activar estímulos externos, demostrando una retroalimentación efectiva del bucle cerrado.
- Se logró la visualización en tiempo real de la actividad neuronal a través de la interfaz de MATLAB.
- Los hallazgos clave destacan la flexibilidad y rentabilidad de la solución basada en MATLAB.
Conclusiones
- Este estudio permite a los investigadores implementar y adoptar técnicas de estimulación en bucle cerrado fácilmente.
- Los hallazgos tienen implicaciones para avanzar en la comprensión de los mecanismos neuronales y las funciones cerebrales.
- Los patrones de estimulación flexibles contribuyen a abordar diversas preguntas neurocientíficas.
Preguntas frecuentes
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.
