Modellazione computazionale di neuroni retinici per la ricerca di protesi visive - Approcci fondamentali
June 21st, 2022
Riassumiamo un flusso di lavoro per modellare computazionalmente i comportamenti di un neurone retinico in risposta alla stimolazione elettrica. Il modello computazionale è versatile e include fasi di automazione utili per simulare una serie di scenari fisiologici e anticipare i risultati di futuri studi in vivo / in vitro .
Questo protocollo aiuta a prevedere la risposta delle cellule neurali a diversi stimoli, permettendoci di esplorare nuove idee nella stimolazione neurale senza bisogno di prototipi fisici o tessuti vitali. Può essere utilizzato come studio preliminare per testare concetti difficili da emulare fisicamente, ed è efficiente in termini di costi e tempi, consentendo di testare un gran numero di parametri. Questo metodo può prevedere la risposta neurale in altri sistemi di stimolazione neurale oltre alla retina.
Inoltre, non è limitato alle stimolazioni elettriche, ma può essere utilizzato anche per stimoli luminosi. Per iniziare, eseguire il software FEM e fare clic sulla procedura guidata del modello, quindi su 3D. Nella casella di riepilogo Seleziona fisica, espandere AC/DC e selezionare campi elettrici e corrente.
Fare clic su studio e aggiungere uno studio stazionario sotto l'opzione studi generali, quindi fare clic su fatto. Nelle impostazioni geometriche, modificare l'unità di lunghezza da metro a micrometro. Fare clic con il pulsante destro del mouse sulla geometria, quindi fare clic su Blocca per creare un dominio di blocco.
Ripetere questo passaggio altre due volte per creare tre blocchi in totale. Per tutti i blocchi, impostare sia la profondità che la larghezza su 5.000 micrometri e assegnare il valore di altezza per il blocco. Modificare l'opzione di base per centrare e assegnare valori Z per ciascun blocco.
Per creare un piano di lavoro per aggiungere un elettrodo al modello, fate clic con il pulsante destro del mouse su quello geometrico nell'albero del modello e scegliete piano di lavoro. Fate clic sul piano di lavoro uno e modificate il tipo di piano in modo che sia rivolto verso il parallelo. Fare clic sul pulsante di attivazione della selezione sotto il tipo di piano e scegliere la superficie inferiore del blocco uno.
Fare clic sui parametri uno e definire il valore per il raggio dell'elettrodo. Per disegnare un elettrodo a disco sul piano di lavoro, fate clic sulla geometria del piano sotto il piano di lavoro uno e fate clic sullo sketch nella barra degli strumenti principale. Selezionare il cerchio, fare clic in un punto qualsiasi all'interno del rettangolo nella scheda grafica e trascinare per creare un elettrodo del disco.
Modificare il raggio impostando un valore predefinito in micrometro, xw e yw su zero micrometro, quindi fare clic su build all. Nell'albero del modello, fate clic con il pulsante destro del mouse sul materiale, quindi scegliete materiale vuoto, quindi fate clic sul materiale uno e modificate la selezione in manuale. Fare clic sui domini nell'area grafica in modo da scegliere solo il dominio uno.
Scegli le proprietà del materiale, le proprietà di base, quindi fai clic sulla conduttività elettrica e fai clic sul pulsante Aggiungi al materiale. Modificare il valore di conducibilità elettrica a 0,043 siemens per metro. Ripetere i passaggi per i domini due e tre con i valori di conducibilità elettrica di 0,7 e 1,55 siemens per metro, rispettivamente.
Per eseguire la mesh di un modello 3D, accedere all'albero del modello e fare clic con il pulsante destro del mouse su mesh uno, quindi fare clic su tetraedrico libero. Fai clic su quello tetraedrico libero e scegli costruisci tutto. Per applicare la fisica alle FEM, espandere le correnti elettriche una nell'albero del modello e verificare se sono elencati uno di conservazione della corrente, uno di isolamento elettrico e i valori iniziali.
Quindi fare clic con il pulsante destro del mouse sulle correnti elettriche. Quindi fare clic su rettifica e applicarlo alla superficie più lontana dall'elettrodo. Quindi, fai clic con il pulsante destro del mouse sulle correnti elettriche.
Quindi fare clic sul potenziale flottante assegnato all'elettrodo a disco e modificare il valore I0 in un microampere per applicare una corrente unitaria. Per eseguire la simulazione con una sweep parametrica, nell'albero del modello, fate clic con il pulsante destro del mouse su Study One, quindi scegliete sweep parametrica. Fare clic su sweep parametrico e, nella tabella delle impostazioni dello studio, fare clic su aggiungi, quindi scegliere elec_rad per il nome del parametro.
Digitare 50, 150, 350, 500 per l'elenco dei valori dei parametri e micrometro per l'unità di parametro. Quindi fare clic su calcolo per eseguire lo studio. Per importare la morfologia utilizzando la funzione CellBuilder, eseguire nrngui dalla cartella di installazione di NEURON Computational Suite.
Quindi, fai clic su strumenti, quindi fai clic su varie, importa 3D, quindi seleziona la casella scegli un file. Individua il file SWC scaricato e fai clic su leggi. Una volta che la geometria è stata importata, fare clic su Esporta, quindi su CellBuilder.
Per creare un file HOC della morfologia cellulare importata, passare alla scheda sottoinsiemi e osservare i sottoinsiemi predefiniti nel modello. Spuntare la casella di creazione continua, andare su gestione, quindi fare clic su esporta ed esportare la morfologia come rgc.hoc. Per visualizzare la morfologia della cella, fare clic su strumento, vista modello, una cella reale.
Quindi fare clic su root soma zero sulla barra degli strumenti. Fare clic con il pulsante destro del mouse sulla finestra visualizzata e fare clic su Tipo di accesso e Visualizza accesso. Secondo l'ispezione visiva, il diametro del campo dendritico di questo modello dovrebbe essere di circa 250 micrometri.
Chiudere le finestre NEURON per ora. Aprire il software FEM. Passare a Application Builder.
Fare clic con il pulsante destro del mouse sui metodi nella struttura di Application Builder. Scegli il nuovo metodo e fai clic su OK. Vai al file, quindi fai clic su preferenze e metodi.
Spuntare la casella Visualizza tutti i codici e fare clic su OK. Scrivi il file HOC che carica le coordinate dei segmenti dei neuroni in un file di testo. Utilizzare lo script del metodo FEM per spostare i valori in modo che corrispondano alla posizione desiderata e salvare un file di testo contenente i valori delle coordinate per la nuova posizione della cella.
Aprite il metodo COMSOL e salvate i valori di coordinate e tensione spostati. Per eseguire i passaggi automatici nel software FEM, passare al generatore di modelli, allo sviluppatore, al metodo di esecuzione e fare clic sul metodo uno. Ciò produrrà file DAT con i valori di tensione appropriati.
Eseguire il loop delle simulazioni in un linguaggio di programmazione generico aprendo l'IDE scelto e fare clic sul nuovo file per creare un nuovo script, come determinato nel manoscritto di testo. Infine, fai clic su esegui o premi F5 per eseguire lo script, che aprirà anche la GUI di NEURON Computational Suite. Rappresentare graficamente la risposta del modello NEURON alla stimolazione extracellulare nella GUI della NEURON Computational Suite.
Per fare questo, esegui la stimolazione. Hoc, fai clic su Graph, quindi fai clic su Voltage Access dalla barra degli strumenti e nella finestra del grafico, fai clic con il pulsante destro del mouse in un punto qualsiasi e scegli, traccia cosa? Digitare l'assone.
v1 nel campo da variabile a grafico, il che significa che traccerà il potenziale transmembrana dell'ultimo segmento dell'assone per passo temporale. Il modello qui descritto ha confermato che l'aumento della dimensione dell'elettrodo sopracoroidale con una larghezza di impulso di 0,25 millisecondi ha aumentato la soglia di attivazione del neurone modello. Le caratteristiche del potenziale d'azione sono state osservate per convalidare il modello.
La latenza o il tempo tra l'inizio dello stimolo e il picco del picco del potenziale d'azione variava da 1 a 2,2 millisecondi. Ciò corrispondeva al breve picco di latenza dovuto all'attivazione retinica non mediata dalla rete. La larghezza del picco di questo modello era di un millisecondo e questo è nello stesso intervallo delle larghezze delle punte degli RGC di coniglio misurati in vitro.
Il modello ha mostrato la soglia più bassa quando il segmento stretto dell'assone era immediatamente sopra l'elettrodo del disco e aumentava man mano che la distanza X diventava più grande. Spostare ulteriormente l'elettrodo verso l'assone distale ha prodotto una soglia più bassa rispetto allo spostamento dell'elettrodo verso i dendriti a causa della presenza del segmento iniziale dell'assone e del segmento stretto in cui i canali del sodio sono più prevalenti. Il metodo descritto è facile da applicare e accelera i ricercatori nella produzione di prove di concetto per nuovi metodi di stimolazione o progetti neuro-elettro.
View the full transcript and gain access to thousands of scientific videos
Panoramica
Questo studio presenta un flusso di lavoro computazionale per modellare le risposte dei neuroni retinici agli stimoli elettrici. L'approccio permette ai ricercatori di simulare efficientemente vari scenari fisiologici e può prevedere le risposte neurali per diversi tipi di stimoli.
Componenti Chiave dello Studio
Area di Scienza
- Neuroscienza
- Modellazione Computazionale
- Fisiologia Retinica
Background
- Comprendere il comportamento dei neuroni retinici è cruciale per far progredire le tecniche di stimolazione neurale.
- I metodi tradizionali spesso richiedono prototipi fisici o tessuti biologici, che possono essere limitanti.
- Il modello proposto può far risparmiare tempo e risorse permettendo la sperimentazione virtuale.
- Estende la sperimentazione oltre la sola stimolazione elettrica per includere anche stimoli luminosi.
Obiettivo dello Studio
- Automatizzare la simulazione delle risposte neuronali retinici a vari stimoli.
- Fornire un metodo economico per investigare comportamenti neurali complessi.
- Facilitare studi preliminari che altrimenti richiederebbero modelli fisici.
Metodi Utilizzati
- Lo studio utilizza software di metodo degli elementi finiti (FEM) per la modellazione computazionale.
- Si concentra su modelli neuronali retinici per prevedere le risposte agli stimoli.
- I passaggi critici includono l'impostazione della geometria, l'applicazione di campi elettrici ed l'esecuzione di sweep parametrici.
- Passi automatizzati nel software FEM aiutano a generare dati di risposta di tensione.
Risultati Principali
- Il modello ha previsto risposte neurali variabili basate sulla dimensione degli elettrodi e sui parametri di stimolazione.
- Le misurazioni elettrofisiologiche hanno indicato un potenziale transmembrana aumentato che si correla con i cambiamenti di stimolazione.
- I risultati convalidano che la modellazione computazionale può sostituire efficacemente la sperimentazione fisica.
Conclusioni
- Questo studio dimostra l'efficacia della modellazione computazionale nel prevedere le risposte neuronali agli stimoli.
- Permette indagini sulla stimolazione neurale senza la necessità di prototipi fisici.
- I risultati hanno implicazioni per la comprensione della neurofisiologia retinica e per l'avanzamento delle strategie di stimolazione.
Domande Frequenti
Executive Industry Relevance
Computational modeling of retinal neurons enables predictive evaluation of neural stimulation strategies, reducing reliance on animal models and accelerating early-stage neuroprosthesis research. This approach supports rapid hypothesis testing and parameter optimization for visual prosthesis design, directly impacting discovery-stage decision-making and portfolio prioritization. Its integration into R&D pipelines enhances mechanistic de-risking and informs translational continuity for neural engineering programs.
Strategic Applications in Biopharma R&D
Early Discovery & Target Validation
- Enables in silico interrogation of neural activation mechanisms relevant to visual prosthesis targets.
- Supports biological de-risking by predicting physiological and psychophysical outcomes of stimulation protocols.
- Facilitates rapid triage of electrode configurations and stimulation parameters before in vivo validation.
Screening & Assay Development
- Prepares validated computational models for downstream experimental workflows in neurostimulation research.
- Standardizes quantitative outputs such as activation thresholds and spike latencies for reproducible comparison.
- Enables scalable parameter sweeps to identify optimal stimulation conditions for device development.
Translational & Preclinical Research
- Aligns computational predictions with in vitro and in vivo electrophysiological benchmarks for translational relevance.
- Supports continuity from discovery modeling to preclinical validation of neuroprosthetic interventions.
- Provides mechanistic insights that inform risk-adjusted advancement of candidate stimulation strategies.
Pipeline & Workflow Integration
This modeling workflow bridges early discovery, lead identification, and preclinical evaluation in neural device R&D.
- Discovery Biology: Enables hypothesis-driven testing of neural response to electrical and light stimuli, clarifying activation pathways.
- Screening: Delivers reproducible, quantitative readouts such as transmembrane potentials and activation thresholds.
- Analytics: Provides statistical outputs for comparing electrode designs and stimulation protocols across conditions.
- Translational Research: Connects computational predictions to experimental validation, supporting biomarker alignment and translational continuity.
- Enterprise Reuse: Establishes a reusable modeling platform adaptable to other neural systems and stimulation modalities.
Operational & Enterprise Impact
- Scientific Value: Increases predictive confidence and reduces mechanistic ambiguity in neural stimulation research.
- Operational Value: Standardizes modeling workflows, enhances reproducibility, and enables high-throughput parameter testing.
- Strategic Value: Improves go/no-go decisions and capital efficiency by minimizing unnecessary animal studies.
- Portfolio Impact: Supports risk-adjusted prioritization and advancement of neuroprosthesis candidates.
Implementation Considerations
- Requires expertise in computational neuroscience and familiarity with neurophysiological modeling concepts.
- Depends on access to finite element modeling and neuron simulation software infrastructure.
- Necessitates cross-team standardization of model parameters and validation criteria.
- Adaptable to various neural systems with appropriate morphological and biophysical data.
- Model fidelity and predictive accuracy are contingent on quality of input data and biological assumptions.
Biopharma FAQs
Chapters in this video
0:05
Introduction
0:43
Setting up the Finite Element Model (FEM) in the Software s GUI
5:11
Importing the Geometry of the Neural Cell in the Neuron Computational Suite s GUI
6:47
Writing a Code for Automations of FEM Simulations and Displaying the Data
8:56
Results: A Workflow to Combine the Finite Element and Biophysical Neuron Modeling
10:23
Conclusion
