Een experimenteel platform op de Closed-loop prestaties van Brain-machine-interfaces Study
March 10th, 2011
We maken gebruik van een closed-loop fly-machine-interface aan algemene principes te onderzoeken in neuronale controle.
We gebruiken de activiteit van een visueel interneuron in de vlieg-hersenen, de H één cel, om de motoren van een mobiele robot te besturen. De robot wordt op een constant roterende draaischijf geplaatst en de activiteit van de cel wordt gebruikt om de robot relatief ten opzichte van de omgeving te stabiliseren tegen externe bewegingen. Afbeeldingen van patroonbewegingen die van de robot zijn opgenomen, worden bemonsterd en naar twee computer CRT-monitoren gestuurd, die voor de vlieg zijn geplaatst.
De signalen van de H één cel, gemeten in spikes per seconde, geven de snelheid van de patroonbeweging aan. Verschillende besturingswetten worden vervolgens toegepast om de geregistreerde spikes per seconde om te zetten in een besturingssignaal voor de motoren van de robot. Hallo, ik ben Navita Josh van Holger Crops Lab in de afdeling Bioengineering van Imperial College London.
Ik ben Chris Peterson, ook van Holger Cups Lab. Hallo, en ik ben Holger Cup. Vandaag laten we je een procedure zien voor het creëren van een hersen-machine interface tussen individuele cellen in het visuele systeem van de vlieg en een robot.
We gebruiken deze procedure om de prestaties van verschillende besturingsstrategieën te testen met behulp van neuronale signalen om robotsystemen onder gesloten lip-omstandigheden te besturen. Dus laten we beginnen. Om de vlieg voor te bereiden, koel hem op ijs en gebruik vervolgens stompe cocktailprikkers om de vleugels naar beneden te houden en fixeer de achterkant van de vlieg op een stuk dubbelzijdig plakband op een microscoopslide. Gebruik vervolgens B-was om de vleugels aan de glijbaan te bevestigen en ook om de actie van de vliegmotor te blokkeren.
Deze stap vereist snel en nauwkeurig handelen, zodat de vlieg tijdens de procedure niet opwarmt. Houd nu onder de microscoop elk been vast met een pincet en gebruik een paar kleine schaar om ze af te snijden bij de gewrichten die het dichtst bij het lichaam zijn. Herhaal dit voor de proboscis.
Om te voorkomen dat de vlieg uitdroogt, moeten de gaten worden afgedicht met was. Snijd vervolgens een van de vleugels af en draai de vlieg vervolgens op zijn zij. Verwijder alle resterende stukken vleugel terwijl de katra wordt bedekt, de Hal-scheuren bedekt en het gat met was wordt afgedicht.
Herhaal deze procedure voor de andere vleugel. Om een doelneuron op een gedefinieerde manier te stimuleren, moet het hoofd van de vlieg goed zijn uitgelijnd met de computermonitoren. Om dit te doen, hebt u een aangepaste houder nodig met een brede ruimte voor het lichaam van de vlieg en een aanhangsel aan één uiteinde met een inkeping waar de nek van de vlieg zal worden geplaatst.
Plaats de vlieg op de houder met zijn nek in de inkeping en druk hem naar beneden terwijl u de buik op zijn plaats lijmt. Plaats nu de vlieghouder in een standaard zodat u de voorkant van het hoofd van de vlieg door de microscoop kunt zien. Als u de vlieg met rood licht bekijkt, kan een optisch fenomeen genaamd de pseudo pupil in elk oog worden gezien.
Als de pseudo pupil een bepaalde vorm aanneemt, is de oriëntatie van het hoofd van de vlieg perfect gedefinieerd. Gebruik een micromanipulator om de kop van de vlieg correct te oriënteren en gebruik vervolgens was om hem aan de houder te lijmen. Druk vervolgens het borststuk plat en lijm het met was aan de houder.
Dit maakt het mogelijk om de achterste hoofdcapsule te openen zodat elektroden in de vlieg-hersenen kunnen worden geplaatst. Gebruik een microschapel of een fijne injectienaald om voorzichtig een venster in de cuticula van de rechter hoofdcapsule te snijden. Wees voorzichtig om het neurale weefsel net onder de cuticula niet te snijden. Zodra het stukje cuticula is verwijderd, voegt u een paar druppels ringer-oplossing toe.
Gebruik pincetten om eventuele zwevende haren, vetophopingen of spierweefsel te verwijderen die de LOA-plaat kunnen bedekken. De LOA-plaat kan worden geïdentificeerd aan een karakteristiek vertakt patroon van zilverachtige trachea die zijn achteroppervlak bedekt. Snijd een klein gaatje in de cuticula van de linker achterste hoofdcapsule voor het plaatsen van een referentie-elektrode met de vlieg die is voorbereid.
Laten we eens kijken hoe de opname-elektrode moet worden geplaatst. De opname-elektrode moet in de nabijheid van de H één neuron worden geplaatst. De H één neuron reageert voornamelijk op horizontale beweging van achter naar voren die wordt gepresenteerd aan zijn receptieve veld.
Gebruik de trachea als visuele markering om de opname-elektrode te plaatsen. Plaats de elektrode aanvankelijk tussen de bovenste trachea. Het helpt om een audioversterker te gebruiken om de geregistreerde elektrische potentialen om te zetten in akoestische signalen.
Elke individuele spike wordt omgezet in een kenmerkend klikgeluid. Hoe dichter de elektrode bij een individueel neuron komt, hoe duidelijker het klikgeluid wordt. Om de H één neuron te identificeren door middel van zijn voorkeur voor beweging, stimuleer het met beweging in de horizontale richting.
Met de opname-elektrode op zijn plaats, laten we verder gaan met visuele stimulatie en opnames. Om te beginnen plaatst u een vlieg voor twee CRT-computermonitoren. Omdat het visuele systeem van de vlieg 10 keer sneller is dan dat van de mens, moeten de monitoren 200 beelden per seconde weergeven.
De centra van de monitoren op plus of min 45 graden ten opzichte van de oriëntatie van de vliegen. Vanuit het oog van de vlieg gezien, onderscheidt elke monitor een hoek van plus of min 25 graden in het horizontale vlak en plus of min 19 graden in het verticale vlak. Invoer naar de computermonitoren wordt geleverd door twee videocamera's die zijn gemonteerd op een kleine SRO-robot met twee wielen die is aangepast voor het experiment.
Plaats de robot op een draaischijf binnen een cilindrisch gebied waarvan de wanden zijn bekleed met een patroon van verticaal georiënteerde zwart-witte strepen. Door de draaischijf in het horizontale vlak te draaien, worden de bewegingen van de robot beperkt tot slechts één vrijheidsgraad. Aanvankelijk zijn zowel de draaischijf als de robot in rust.
W
Overzicht
Deze studie maakt gebruik van een closed-loop vlieg-machine interface om principes van neuronale controle te onderzoeken. Door gebruik te maken van de activiteit van het H1-neuron in de vlieg-hersenen, streven onderzoekers ernaar een mobiele robot in een dynamische omgeving te stabiliseren.
Belangrijke studiecomponenten
Wetenschapsgebied
- Neurowetenschap
- Robotica
- Neuronale controlesystemen
Achtergrond
- Het H1-neuron is een visuele interneuron in de vlieg-hersenen.
- Begrip van neuronale controle kan de stabiliteit van robots verbeteren.
- Closed-loop systemen zijn essentieel voor realtime aanpassingen.
- Dit onderzoek integreert biologische signalen met robotsystemen.
Doel van het onderzoek
- Om te onderzoeken hoe neuronale signalen robotbewegingen kunnen controleren.
- Om verschillende controlestrategieën te testen met behulp van de activiteit van het H1-neuron.
- Om een hersen-machine interface te creëren voor experimentele analyse.
Gebruikte methoden
- Voorbereiding van de vlieg voor neuronale registratie.
- Gebruik van een mobiele robot op een roterende tafel.
- Registreren van H1-neuronactiviteit in reactie op visuele stimuli.
- Toepassing van controlewetten om neuronale spikes om te zetten in motorische commando's.
Belangrijkste resultaten
- De activiteit van het H1-neuron correleert met de stabilisatie van de robot.
- Verschillende controlewetten leveren verschillende graden van succes op.
- Realtime aanpassingen verbeteren de prestaties van de robot in dynamische omstandigheden.
- De interface overbrugt effectief biologische en robotsystemen.
Conclusies
- Neuronale signalen kunnen effectief worden gebruikt om robotsystemen te controleren.
- Closed-loop interfaces bieden waardevolle inzichten in neuronale controle.
- Dit onderzoek baant de weg voor geavanceerde hersen-machine interfaces.
Veelgestelde vragen
Executive Industry Relevance
This experimental platform enables mechanistic de-risking of closed-loop control strategies by linking neuronal signal dynamics to robotic output under real-time feedback conditions. It supports target validation in neuromodulation and neuroprosthetics by quantifying how biological signal variability impacts system stability and performance. The approach provides predictive confidence for translational biomarker alignment in brain-machine interface development.
Strategic Applications in Biopharma R&D
Early Discovery & Target Validation
- Scientific Value: Interrogates therapeutic hypotheses by testing how H1 neuron activity translates into controlled motor output under closed-loop conditions.
- Operational Value: Enables functional target validation through real-time measurement of neural signal fidelity and system responsiveness.
- Predictive Value: Supports portfolio triage by identifying control laws that stabilize output despite neuronal signal variability.
Screening & Assay Development
- Scientific Value: Prepares validated biological systems (H1 neuron recordings) for downstream screening of control algorithms under standardized visual stimulation.
- Operational Value: Ensures assay reproducibility through spike-rate thresholding and causal filtering to isolate neural signal from background noise.
- Scalability: Supports platform reuse across varying input frequencies and control law parameters for comparative screening.
Translational & Preclinical Research
- Scientific Value: Maintains disease-relevant system fidelity by using naturalistic visual input to approximate complex stimulus environments.
- Operational Value: Enables continuity from discovery through preclinical validation by linking neural activity to quantifiable behavioral output (robot stabilization).
- Risk-Adjusted Advancement: Informs go/no-go decisions by revealing frequency-dependent stability limits of proportional vs. adaptive controllers.
Pipeline & Workflow Integration
The method integrates into the discovery continuum from target validation through lead identification by providing quantitative, closed-loop readouts of neuronal control efficacy.
- Discovery Biology: Supports hypothesis testing and pathway clarification by isolating H1 neuron response to horizontal motion stimuli.
- Screening: Delivers assay readiness and reproducibility via band-pass filtering, thresholding, and half-Gaussian smoothing of spike trains.
- Analytics: Enables condition comparison through frequency-domain transformation (FFT) and Bode plot analysis of gain and phase margins.
- Translational Research: Connects to preclinical continuity by demonstrating how control law selection impacts real-time system stability under dynamic conditions.
- Enterprise Reuse: Functions as a reusable platform for evaluating diverse control strategies using identifiable neuronal signals as inputs.
Operational & Enterprise Impact
- Scientific Value: Increases predictive confidence by reducing mechanistic ambiguity in how neural signals drive behavioral output.
- Operational Value: Enhances standardization and scalability through precise electrode placement, visual stimulus control, and signal processing pipelines.
- Strategic Value: Improves go/no-go decisions and capital efficiency by identifying control laws that maintain stability across input frequencies.
- Portfolio Impact: Enables risk-adjusted prioritization by revealing performance trade-offs between proportional and adaptive control under varying neural signal dynamics.
Implementation Considerations
- Requires expertise in electrophysiology, robotic control systems, and signal processing for neural signal acquisition and closed-loop feedback.
- Dependent on instrumentation including micro manipulators, digital acquisition boards (≥10 kHz sampling), CRT monitors (200 fps), and Bluetooth-enabled motor control.
- Necessitates cross-team standardization in fly preparation, electrode positioning, and visual stimulus alignment to ensure reproducible H1 neuron recording.
- Involves adaptation considerations when translating findings to other model systems due to species-specific neural dynamics and stimulus response properties.
- Practical limitations include reliance on single-neuron recordings, which may limit dynamic range and increase susceptibility to oscillations at higher frequencies.
