Identification et classification de variantes faux-sens de la sous-unité du récepteur GABA_A spécifiques à la position pour leur rôle dans les neurones pyramidaux de l’hippocampe

Notre étude est basée sur l’idée que les mutations épileptogènes et prédites proximales dans les sous-unités du récepteur GABA-A peuvent affecter de manière similaire le modèle de neurone pyramidal CA1. Nous explorons cela à travers un cadre multi-échelle. Les expériences de laboratoire sont essentielles pour découvrir la vérité, mais elles ne peuvent pas saisir pleinement la diversité et la complexité de la vie à toutes les échelles, des molécules aux organismes. Il y a tout simplement trop de possibilités, c’est le problème.

Notre protocole et nos résultats ont ouvert la voie à un cadre informatique qui peut être utilisé pour explorer l’impact des polymorphismes, tels que les polymorphismes des sous-unités du récepteur GABA-A, sur la fonction neuronale.

Notre étude soulève de nouvelles questions quant à la mesure dans laquelle les variants pathogènes et les mutations épileptogènes prédits présentent des propriétés similaires, et comment ces relations peuvent être efficacement capturées et simulées.

Nous nous concentrons actuellement sur la fonction du microcircuit du cortex entorhinal-hippocampe. Nous étudierons des modèles animaux in vivo et des modèles de microcircuits computationnels pour explorer le contrôle septal de ces circuits, en particulier dans les troubles neuropsychiatriques.

[Narrateur] Pour commencer, ouvrez le fichier Excel d’origine contenant les données génétiques et supprimez les colonnes inutiles du fichier, ne laissant que quatre colonnes, GRCh38Chromosome, GRCh38Location, Name et Protein change, avant d’enregistrer le fichier en tant que data1.xlsx dans le répertoire de travail correspondant au logiciel R. Pour plus de nettoyage et de formatage des données, ouvrez le logiciel R et RStudio. Ensuite, ouvrez le script R Data_GABAA R. Définissez le répertoire de travail et chargez les bibliothèques nécessaires en cliquant sur le bouton Exécuter. Chargez le fichier de données et lancez le nettoyage des colonnes qui nécessitent ce processus. Nettoyez et combinez les données dans une seule colonne, séparée par un seul espace. Créez un nouveau bloc de données pour la sortie combinée et ajoutez l’ID de variante de transcription d’ensemble souhaité. Écrivez le résultat dans un nouveau fichier Excel appelé data1output.xlsx. Pour construire un modèle biophysique d’une synapse GABAergique sur un neurone pyramidal hippocampique basé sur la conductance multicompartimentale, installez Brian 2 et importez les packages requis. Concevez le modèle basé sur la conductance en définissant la cinétique de déclenchement des canaux ioniques, les paramètres passifs et actifs et les conductances postsynaptiques. Utilisez les conductances modifiées de type Hodgkin-Huxley pour les neurones pyramidaux de l’hippocampe. Ajustez la distribution de la densité des canaux sodiques voltage-dépendants pour le soma, le segment initial de l’axone, les nœuds de Ranvier et les dendrites. Définissez les conductances des canaux sodiques et potassiques à zéro dans les segments myélinisés. Cinétique de déclenchement de canal ionique intégrée pour les canaux de sodium et de potassium voltage-dépendants. Introduire les courants synaptiques comme la somme de toutes les synapses glutamatergiques et GABAergiques dans un compartiment. Inclure à la fois le courant rapide médié par le récepteur AMPA et le courant lent médié par le récepteur NMDA dans le courant glutamatergique. N’incluez que le courant rapide médié par le récepteur GABA dans le courant GABAergique. Supposons qu’une quantité constante de glutamate est libérée dans la synapse pour chaque pic présynaptique. Par conséquent, l’activation des récepteurs dépend du temps de pointe, et les conductances totales des récepteurs, G-AMPA et G-NMDA, reflètent la quantité de glutamate libérée par chaque événement. Définissez les paramètres morphologiques en utilisant le diamètre mesuré expérimentalement pour le soma et les neurites, ainsi que la longueur de chaque compartiment de neurites et les motifs de ramification. Réduire la morphologie réelle des neurones en un modèle multi-compartimental en divisant la cellule en plusieurs compartiments qui préservent avec précision la structure ramifiée principale et maintiennent la symétrie bilatérale. Déterminez les paramètres biophysiques du modèle de synapse GABAergique en évaluant les mesures de contrôle de type sauvage obtenues précédemment et en les important pour les utiliser dans le modèle. Définir des constantes de temps de montée et de désactivation pour le courant post-synaptique médié par le récepteur GABA-A. Concevez la topologie du modèle neuronal et attribuez des paramètres morphologiques et biophysiques, ce qui inclut la spécification de la disposition spatiale et des interconnexions des compartiments en fonction des informations morphologiques et ramifiées précédemment obtenues. Attribuez les paramètres morphologiques appropriés, tels que la longueur et le diamètre du segment, ainsi que des paramètres biophysiques à chaque compartiment du modèle. Créez l’activité présynaptique à l’aide de SpikeGeneratorGroup. Connectez le générateur de pointes au compartiment cible du neurone modèle à l’aide de la classe Synapses pour modéliser les connexions synaptiques. Réglez un courant constant soutenu de 0,85 nano-ampère et placez l’électrode sur le soma pour imiter l’activité sous-seuil entraînée par la charge de courant ionique de base à un moment donné. Pour construire des moniteurs d’enregistrement, enregistrez les traces de tension à partir des compartiments cibles à l’aide de StateMonitor. Enfin, construisez le réseau et exécutez-le. Des trains de pointes neuronales sous une seule entrée glutamatergique distale et une inhibition somatique GABAergique ont révélé les résultats de décharge des récepteurs GABA-A de type sauvage et mutants. La mutation bêta-3N110D a altéré l’inhibition, ce qui a permis à l’activation des neurones de se verrouiller sur l’entrée excitatrice Glu-S1 après le quatrième pic pré-synaptique, avec un court délai post-synaptique. La mutation gamma-2K328M a également altéré l’inhibition, l’activation des neurones se produisant autour du cinquième pic de Glu-S1, et avec un délai post-synaptique plus long que le bêta-3N110D. Sous une double entrée synaptique, la mutation gamma-2P302L a provoqué une décharge presque synchronisée avec l’entrée apicale médiale Glu-S2, reflétant probablement une sommation retardée de Glu-S1. La mutation bêta-3T288N a présenté un schéma similaire avec des pointes alignées sur les entrées Glu-S2, et une deuxième pointe apparaissant en quasi-synchronie. La mutation bêta-3N110D dans des conditions de double entrée a déclenché des pics pour presque toutes les entrées excitatrices sauf les deux premières, avec des intervalles entre les pics sensiblement raccourcis. Le mutant gamma-2K328M a montré un schéma de décharge comparable mais n’a pas réussi à répondre aux deuxième et troisième entrées excitatrices. Dans des conditions d’entrée triple excitatrice, les mutants bêta-3N110D et gamma-2K328M ont répondu à presque tous les pics présynaptiques, déclenchant des paires de pics en réponse à un entraînement excitatoire cumulatif.