Wykorzystujemy interfejs maszyna-mucha w pętli zamkniętej do badania ogólnych zasad kontroli neuronalnej.
Artykuł metodologiczny
Platforma eksperymentalna do badania wydajności interfejsów mózg-maszyna w pętli zamkniętej
W tym artykule
Podsumowanie
Streszczenie
Niestacjonarny charakter i zmienność sygnałów neuronalnych stanowią fundamentalny problem w interfejsach mózg-maszyna. Opracowaliśmy interfejs mózg-maszyna w celu oceny odporności różnych praw sterowania zastosowanych w zadaniu stabilizacji obrazu w pętli zamkniętej. Wykorzystując dobrze scharakteryzowaną drogę wizualno-motoryczną muchy, rejestrujemy aktywność elektryczną z zidentowanego neuronu wrażliwego na ruch, H1, aby sterować rotacją w osi pionowej (yaw) robota dwukołowego. Robot jest wyposażony w dwie szybkie kamery wideo, które dostarczają bodźców wizualnych w postaci ruchu musze umieszczonej przed dwoma monitorami CRT. Aktywność neuronu H1 wskazuje kierunek i względną prędkość rotacji robota. Aktywność neuronalna jest filtrowana i przekazywana z powrotem do systemu sterowania robota za pomocą sterowania proporcjonalnego oraz proporcjonalno-adaptacyjnego. Naszym celem jest przetestowanie i zoptymalizowanie wydajności różnych praw sterowania w warunkach pętli zamkniętej w celu szerszego zastosowania również w innych interfejsach mózg-maszyna.
Protokół
1. Przygotowanie much
- Pierwszym krokiem w przygotowaniu eksperymentów jest unieruchomienie muchy w taki sposób, aby ruchy mimowolne nie zakłócały stabilności rejestracji neuronalnych oraz aby głowa muchy była prawidłowo zorientowana względem aparatury do stymulacji wzrokowej. Aby rozpocząć przygotowanie muchy, należy schłodzić ją na lodzie, a następnie za pomocą stępionych wykałaczek docisnąć skrzydła i przymocować grzbiet muchy do kawałka dwustronnej taśmy klejącej na szkiełku przedmiotowym.
- Następnie, używając igły do elektrokoagulacji, nanieś wosk pszczeli, aby przymocować skrzydła do szkiełka oraz zablokować działanie mięśni lotnych. Ten etap wymaga szybkiej i precyzyjnej manipulacji, aby mucha nie przegrzała się podczas procedury.
- Następnie pod mikroskopem należy chwycić każdą odnóż pęsetą i za pomocą małych nożyczek odciąć je w stawach położonych najbliżej ciała. Czynność tę należy powtórzyć w przypadku cybomla. Aby zapobiec wysychaniu muchy, otwory należy zalepić woskiem.
- Następnie odciąć jedno ze skrzydeł, a potem ułożyć muchę na boku. Usunąć wszelkie pozostałe fragmenty skrzydła, pozostawiając calyptra pokrywającą haltery, i uszczelnić otwór woskiem. Powtórzyć tę procedurę dla drugiego skrzydła.
- Aby w określony sposób stymulować wybrany neuron, głowa muchy musi zostać odpowiednio ustawiona względem monitorów komputerowych. W tym celu niezbędny będzie specjalistyczny uchwyt z szeroką przestrzenią na ciało muchy oraz elementem na jednym z końców z wyciętym wcięciem, w którym zostanie umieszczony kark muchy.
- Umieść muchę na uchwycie tak, aby jej szyja znajdowała się w wycięciu, dociskając ją jednocześnie i przyklejając odwłok na miejscu. Następnie umieść uchwyt do much w statywie w taki sposób, aby przez mikroskop widoczny był przód głowy muchy.
- Podczas obserwacji muchy w czerwonym świetle w każdym oku można dostrzec zjawisko optyczne nazywane pseudo-źrenicą. Pseudo-źrenica stanowi punkt odniesienia, który może być wykorzystany do ustawienia głowy muchy względem bodźca (Franceschini 1975). Jeśli pseudo-źrenica przyjmie określony kształt, jak pokazano na poniższej wstawce obrazu, orientacja głowy muchy jest precyzyjnie określona.
- Używając mikromanipulatora, należy odpowiednio ustawić głowę muchy, a następnie przykleić ją do uchwytu za pomocą wosku.
- Następnie należy docisnąć przedplecze i przymocować je do uchwytu za pomocą wosku. Pozwala to na otwarcie tylnej części torebki głowowej w celu wprowadzenia elektrod do mózgu muchy.
- Za pomocą mikroskalpela lub cienkiej igły iniekcyjnej ostrożnie wytnij okienko w kutykuli prawej torebki głowowej. Należy uważać, aby nie przeciąć tkanki nerwowej znajdującej się bezpośrednio pod kutykulą. Po usunięciu fragmentu kutykuli dodaj kilka kropel roztworu Ringera.
- Używając pęsety, należy usunąć wszelkie pływające włoski, złogi tłuszczu lub tkankę mięśniową, które mogą zakrywać płytkę lobuli. Płytkę lobuli można zidentyfikować po charakterystycznym rozgałęzionym wzorze srebrzystych tchawicek, które pokrywają jej powierzchnię tylną.
- Wyprowadź niewielki otwór w kutykuli lewej tylnej części torebki głownej w celu umieszczenia elektrody referencyjnej. Po przygotowaniu muchy przejdźmy do sposobu pozycjonowania elektrody rejestrującej.
2. Pozycjonowanie elektrody rejestrującej
- Po przygotowaniu muchy przejdźmy do lokalizacji i rejestracji sygnałów z neuronu H1. Elektroda rejestrująca musi zostać umieszczona w bezpośrednim sąsiedztwie neuronu H1. Neuron H1 reaguje głównie na poziomy ruch z tyłu do przodu prezentowany w jego polu recepcyjnym (Krapp et al. 201).
- Aby odpowiednio ustawić elektrodę rejestrującą, należy wykorzystać tchawicę jako punkt orientacyjny. Początkowo umieść elektrodę pomiędzy najwyższymi odcinkami tchawicy.
- Wskazane jest użycie wzmacniacza audio w celu przekształcenia zarejestrowanych potencjałów elektrycznych w sygnały akustyczne. Każdy pojedynczy impuls (spike) zostaje zamieniony na charakterystyczny dźwięk kliknięcia. Im bliżej pojedynczego neuronu znajduje się elektroda, tym wyraźniejszy staje się dźwięk kliknięcia.
- Aby zidentyfikować neuron H1 na podstawie jego preferencji ruchu, należy stymulować go ruchem w kierunku poziomym. Po umieszczeniu elektrody rejestrującej przejdźmy do stymulacji wizualnej i rejestracji danych.
3. Stymulacja wizualna i rejestracja danych
- Eksperymenty w pętli zamkniętej są skonfigurowane w taki sposób, aby stymulacja neuronu H1 skutkowała kompensowaniem ruchu stołu obrotowego przez robota. Na początek należy umieścić muchę przed dwoma monitorami CRT. Ponieważ system wzrokowy muchy jest 10 razy szybszy od ludzkiego, monitory muszą wyświetlać 20 klatek na sekundę. Monitory oraz pozostały sprzęt elektryczny muszą być ekranowane elektromagnetycznie, aby zminimalizować zewnętrzne zakłócenia w mierzonym sygnale neuronalnym.
- Ustaw środki monitorów pod kątem +/- 45 stopni względem orientacji muchy. Z perspektywy równika oka muchy każdy monitor obejmuje kąt +/- 25 stopni w płaszczyźnie poziomej oraz +/- 19 stopni w płaszczyźnie pionowej.
- Zsynchronizowany sygnał wejściowy do monitorów komputera dostarcza dwie kamery wideo zamontowane na niewielkim, dwukołowym robocie ASURO, który został zmodyfikowany na potrzeby eksperymentu.
- Umieść robota na obrotowym stole wewnątrz obszaru cylindrycznego, którego ściany wyłożone są wzorem pionowych, czarno-białych pasów. Poprzez obracanie stołu w płaszczyźnie poziomej ruchy robota zostaną ograniczone do tylko jednego stopnia swobody.
- Początkowo zarówno obrotowy stół, jak i robot pozostają w spoczynku. W momencie uruchomienia stołu obrotowego, jego ruch niesie robota w tym samym kierunku, a kamery wideo rejestrują ruch względny robota względem pasiastego wzoru areny.
- Zasilane bateryjnie kamery wideo na robocie są zamontowane pod kątem +/- 45 stopni. Przechwytują one 20 obrazów na sekundę, aby dopasować się do częstotliwości odświeżania monitorów komputerowych znajdujących się przed muchą.
- Rejestruj obrazy wyświetlane na monitorach komputerowych z częstotliwością 20 klatek na sekundę i rozdzielczością 640 x 480 (skala szarości).
- Podczas obserwacji ruchów wzoru pasowego przez muchę, należy rejestrować przepuszczone przez filtr pasmowo-przepustowy (na przykład w zakresie od 300 Hz do 2 kHz) sygnały elektryczne za pomocą karty akwizycji danych (Digital Acquisition board), stosując częstotliwość próbkowania wynoszącą co najmniej 10 kHz.
- Do sygnałów elektrycznych przefiltrowanych filtrem pasmowym stosuje się próg w celu oddzielenia impulsów od aktywności tła. Impulsy są poddawane splotowi z przyczynowym filtrem półgaussowskim, aby uzyskać wygładzoną estymację aktywności impulsowej komórki H1.
- Aby zamknąć pętlę interfejsu mózg-komputer, zastosowano algorytm sterowania, który przelicza częstotliwość wyładowań komórki H1 na prędkość robota, przekazywaną następnie za pośrednictwem interfejsu Bluetooth w celu sterowania dwoma silnikami prądu stałego napędzającymi koła robota.
- Jako profile prędkości dla obrotowego stołu wybrano czyste fale sinusoidalne. Fale sinusoidalne posiadają przesunięcie DC w taki sposób, aby stół obracał się wyłącznie w kierunku stymulującym neuron H1 wzdłuż jego preferowanego kierunku. Stymulacja neuronu H1 powoduje, że robot kompensuje ruch obrotowego stołu.
Rycina 1: Układ zamkniętej pętliW naszej konfiguracji aktywność impulsowa lewej komórki H1 służy do sterowania ruchem robota zamontowanego na obrotowym stole. Ruch obrazu wizualnego, generowany w wyniku ruchu względnego między robotem a stołem obrotowym, jest rejestrowany przez kamery wysokiej rozdzielczości i wyświetlany na dwóch monitorach CRT przed muchą. Aktywność impulsowa H1 z lewej półkuli jest wykorzystywana do szacowania częstotliwości impulsów w czasie rzeczywistym, która następnie, zgodnie z prawem sterowania, służy do obliczenia prędkości kompensacyjnej robota. Kontrrotacja robota stabilizuje ruch obrazu wizualnego obserwowanego przez muchę podczas sterowania w pętli zamkniętej.
4. Reprezentatywny wynik i rezultaty
- Przy prawidłowej konfiguracji stabilizacja wizualna zostaje osiągnięta w momencie, gdy kontrorotacja robota odpowiada rotacji stołu obrotowego, co skutkuje minimalnym lub całkowitym brakiem ruchu wzorca na monitorach komputera. Ogólna wydajność systemu zależy od stosowanego algorytmu sterowania służącego do zamknięcia pętli sprzężenia zwrotnego.
- Pierwszym przetestowanym algorytmem jest regulator proporcjonalny (rycina 2), w którym zaktualizowana prędkość robota jest proporcjonalna do różnicy prędkości kątowych robota, ωr, i stołu obrotowego, ωp. Aby sprawdzić działanie regulatora, wybrano różne wartości wzmocnienia statycznego, Kp, oraz różne częstotliwości wejściowe sygnału stołu obrotowego, ωp.
Rysunek 2: Regulator proporcjonalny(a) Ruch względny między robotem a stołem obrotowym w preferowanym kierunku stymuluje komórkę H1 do generowania częstotliwości impulsowania F. Częstotliwość ta jest przeliczana na błąd prędkości E, a następnie wykorzystywany jest regulator proporcjonalny do oszacowania zaktualizowanej prędkości robota vr(t+1). Przeliczanie częstotliwości impulsowania F na błąd prędkości E odbywa się w zależności od tego, czy wartość ta jest mniejsza czy większa od spontanicznej częstotliwości impulsowania Fspont. Konwersja częstotliwości impulsowania na błąd prędkości jest realizowana poprzez rzutowanie F na cosinus (przedział [π,0]), aby uwzględnić nieliniowości progów częstotliwości impulsowania. Stałe 70 i 150 są stosowane w celu dopasowania 8-bitowej prędkości wejściowej robota do minimalnej i maksymalnej prędkości kątowej stołu obrotowego. (b) Schemat blokowy przedstawiający układ w pętli zamkniętej z wykorzystaniem regulatora proporcjonalnego. Wejściem do układu jest modulacja sinusoidalna prędkości kątowej stołu obrotowego ωp(t), a następnie rejestrowana jest odpowiadająca jej odpowiedź robota ωr(t+1). - Przykładowe przebiegi dla ωp oraz ωProszę o podanie tekstu źródłowego do tłumaczenia. zostały tutaj przedstawione dla Kp=1 oraz częstotliwość wejściowa 0,6 Hz dla ωp (patrz ryc. 3). Robot (na zielono) podąża za obrotowym stołem (na niebiesko) z opóźnieniem i mniejszą amplitudą szczytową. Poniżej przedstawiono poziomą składową ruchu wzorca stymulującego komórkę H1 (na czerwono).
Rycina 3: Odpowiedzi w pętli zamkniętej(a) Prędkości kątowe tarczy obrotowej (niebieski), ωp, oraz robota (zielony), ωr, przy częstotliwości wejściowej = 0,6 Hz. (b) Poziomy przepływ optyczny przedstawiony na podstawie obliczeń z zarejestrowanych obrazów (czerwony). Do obliczenia pola przepływu optycznego pomiędzy kolejnymi klatkami obrazu zastosowano piramidową metodę Lucasa-Kanade (3 poziomy piramidy). Poziomą prędkość kątową obliczono poprzez sumowanie rzutów poszczególnych wektorów w polach przepływu na poziomy wektor jednostkowy i. Poziomy ruch tyłem-do-przodu, który pobudza komórkę H1, określany jest jako PD (kierunek preferowany), natomiast poziomy ruch przodem-do-tyłu, który hamuje komórkę H1, określany jest jako ND (kierunek zerowy). - Częstotliwości wejściowe dla sygnału tarczy obrotowej, ωp, są dobierane w zakresie 0,03–3 Hz, a następnie rejestrowany jest odpowiadający im sygnał robota, ωr. Oba sygnały są przekształcane do dziedziny częstotliwości za pomocą szybkiej transformaty Fouriera (patrz ryc. 4), a wartości amplitudy i fazy są obliczane dla częstotliwości wejściowej.
Rysunek 4: Charakterystyka częstotliwościowa. Sygnały prędkości kątowej dla stołu obrotowego, ωp, oraz robota, ωr, są przekształcane do dziedziny częstotliwości przy użyciu metody szybkiej transformaty Fouriera (FFT) w celu obliczenia składowych amplitudy i fazy dla częstotliwości wejściowej. Składowe fazowe FFT nie zostały przedstawione na rysunku. - Wykresy Amplitudowo-Częstotliwościowe Bode’a dla regulatora proporcjonalnego z Kp=1 przedstawia odpowiedź systemu dla przetestowanych częstotliwości wejściowych (patrz ryc. 5-a). Wydajność kontrolera ogólnie spada wraz ze wzrostem częstotliwości. Nieznacznie zwiększone wzmocnienie przy 1 Hz wynika z oscylacji sygnału robota spowodowanych użyciem tylko jednej komórki H1, której zakres dynamiczny (wyjściowy) obejmuje głównie poziomy ruch w przód i w tył.
Rysunek 5: Charakterystyka regulatora proporcjonalnegoWykresy modułu i fazy Bode’a dla regulatora proporcjonalnego (średnia z 8 much), statyczna wzmocnienie Kp = 1,0 (a) wykres modułu Bode’a w przybliżeniu odpowiada charakterystyce filtra dolnoprzepustowego. Nieznacznie zwiększone wzmocnienie przy 1 Hz wynika z oscylacji w sygnale robota, ωr, spowodowanych wykorzystaniem tylko jednej komórki H1, której zakres dynamiczny (wyjściowy) obejmuje głównie ruch poziomy z tyłu do przodu. Liczba oscylacji w sygnale robota, ωr, maleje wraz ze wzrostem częstotliwości wejściowych, co prowadzi do nieznacznego wzrostu wzmocnienia przy tych częstotliwościach. (b) wykres fazy Bode’a jest mniejszy niż 180° dla częstotliwości wejściowych ≤ 1 Hz i zbliża się do niestabilności przy 3 Hz. Powyżej pewnej częstotliwości wejściowej sterownik staje się niestabilny ze względu na kinematykę robota. Niestabilność ta występuje jedynie poza znanym optymalnym zakresem odpowiedzi systemu wzrokowego muchy (Warzecha i wsp. 1999). - Wykres fazowy Bode’a (patrz ryc. 5-b) pokazuje, że opóźnienie fazowe regulatora jest mniejsze niż Π dla częstotliwości wejściowych < 0,6 Hz. Wykazuje to, że kontroler jest stabilny dla częstotliwości < 0,6 Hz i niestabilny dla częstotliwości wejściowych ≥ 1 Hz.
- Wydajność regulatora proporcjonalnego ze statyczną wartością Kp (na niebiesko) porównano z regulatorem adaptacyjnym (na czerwono), w którym wartość dla Kp jest aktualizowany co 50 ms na podstawie szczytowej częstotliwości impulsów, Fmaksymalnyobliczone dla przedziału czasowego [t-50 ms – t] (patrz rycina 6). W wyniku zastosowania szerokiego okna całkowania regulator proporcjonalny wykazuje lepsze działanie niż regulator adaptacyjny w badanym zakresie parametrów (patrz rycina 7-a). Początkowe okno całkowania czasu wynoszące 50 ms wybrano ze względów technicznych związanych z wykorzystywaną platformą robotyczną. Regulator adaptacyjny wykazał podobną charakterystykę fazową jak regulator proporcjonalny (patrz rycina 7-b).
Rycina 6: Wzmocnienie kontrolera adaptacyjnegoRegulator proporcjonalny wykorzystuje stałe wzmocnienie Kp, natomiast regulator adaptacyjny szacuje wzmocnienie w sposób ciągły podczas sterowania w pętli zamkniętej. Dynamiczne wzmocnienie Kp jest odwrotnie proporcjonalne do maksymalnej częstotliwości impulsów Fmax w przedziale t-50ms ≤ τ ≤ t. Rysunek przedstawia trzy przypadki szacowania Fmax w czasie. Na podstawie wartości szacowanych Fmax wzmocnienie Kp jest najwyższe w oknie czasowym 2 (zielone) i najniższe w oknie czasowym 3 (pomarańczowe).
Rysunek 7: Regulator proporcjonalny a adaptacyjnyWykresy modułowe i fazowe Bode’a dla regulatora proporcjonalnego (Kp = 1) oraz adaptacyjnego (a) regulator adaptacyjny aktualizuje wartość Kp co 50 ms na podstawie szacowanej maksymalnej częstotliwości wyładowań Fmax z ostatnich 50 ms. Wykres wzmocnienia regulatora proporcjonalnego (niebieski) jest wyższy niż regulatora adaptacyjnego (czerwony), co wskazuje na lepsze działanie we wszystkich częstotliwościach wejściowych. (b) Wykresy fazowe Bode’a dla obu regulatorów są podobne, z istotną różnicą przy f = 0,3 Hz. Oba regulatory zbliżają się do stanu niestabilności przy 3 Hz. Istotnie różne wartości wzmocnienia i fazy zaznaczono gwiazdką (metoda sum rang Wilcoxona, p = 0,05). - Wzór kratki wokół tarczy obrotowej został usunięty, a środowisko laboratoryjne posłużyło jako przybliżenie naturalistycznego bodźca wzrokowego dla komórki H1 muchy. Średnio wykres modułu Bode’a (patrz ryc. 8-a) dla naturalistycznego bodźca wzrokowego (kolor niebieski) wykazał nieco wyższe wzmocnienia niż w przypadku bodźca wzrokowego w postaci kratki (kolor czerwony), prawdopodobnie ze względu na wykorzystanie szerszego zakresu częstotliwości przestrzennych w naturalistycznych obrazach wzrokowych. Charakterystyki wykresu fazy Bode’a dla bodźców wzrokowych w postaci kratki oraz naturalistycznych były podobne (patrz ryc. 8-b).
Rysunek 8: Wzorzec paskowy a środowisko laboratoryjneWykresy modułu i fazy Bode’a dla regulatora proporcjonalnego w przypadku obrazów wizualnych z wzorami paskowymi (czerwony) w porównaniu do środowiska laboratoryjnego (niebieski) w pętli zamkniętej. (a) Wykres modułu Bode’a dla obrazów środowiska laboratoryjnego jest nieznacznie wyższy niż dla wzorów paskowych (z wyjątkiem f = 0,1 Hz), co wskazuje na lepszą wydajność przy takim bodźcu. (b) Wykresy fazy Bode’a dla obu warunków wizualnych wykazują ten sam wzorzec, przy czym w obu przypadkach zbliżają się do niestabilności przy 3 Hz. Istotnie różne wartości wzmocnienia i fazy zostały oznaczone gwiazdką (metoda sumy rang Wilcoxona, p = 0,05).
Dyskusja
- Disekcję muchy należy przeprowadzić z należytą starannością, upewniając się, że mucha jest prawidłowo zorientowana względem monitorów komputerowych.
- Oddzielenie impulsów (spikes) z neuronu H1 od impulsów ze wszystkich pozostałych neuronów w celu uzyskania dobrego stosunku sygnału do szumu, co umożliwi niezawodne sterowanie robotem.
- Należy zadbać o to, aby tkanka nerwowa nie wyschła w trakcie trwania eksperymentu.
- Kamery są podłączone do komputerów za pomocą kabla Ethernet. Należy dopilnować, aby kable nie zostały nadmiernie skręcone podczas eksperymentu, gdyż mogłoby to wpłynąć na obrót robota.
- Obecnie wykorzystujemy aktywność impulsową jednego neuronu H1 do konfiguracji zadania stabilizacji w tylko jednym kierunku obrotu wokół osi pionowej (yaw). Możemy dodać drugą elektrodę, aby uzyskać sygnały z lewego i prawego H1, co pozwoli na badanie algorytmów sterowania stabilizacją w obu kierunkach obrotu.
- Możemy usunąć arenę zawierającą pionowe czarno-białe pasy i wykorzystać środowisko laboratoryjne jako bodziec wzrokowy dla muchy. Pozwoli to na badanie wydajności w pętli zamkniętej z wykorzystaniem obrazów naturalnych.
- Robota można zdjąć ze stołu obrotowego i pozwolić mu poruszać się po laboratorium podczas sterowania w pętli zamkniętej. Pozwoli to na badanie algorytmów sterowania odpowiedzialnych za unikanie kolizji.
- Kable łączące kamery z komputerami można zastąpić systemem transmisji bezprzewodowej, co zapewni całkowicie nieskrępowaną konfigurację robotyczną.
- Miary wydajności różnych algorytmów sterowania pozwolą zrozumieć, w jaki sposób różne strategie radzą sobie z niestacjonarnymi i zmiennymi sygnałami neuronalnymi. Wiedza ta może zostać następnie zastosowana w różnych klinicznych i nieklinicznych interfejsach mózg-maszyna.
- Niniejsza konfiguracja eksperymentalna jest pierwszym krokiem w stronę rejestracji sygnałów neuronalnych od zwierząt w trakcie aktywności. Naszym celem jest umieszczenie muchy na robocie i wykorzystanie jej aktywności neuronalnej do sterowania w pętli zamkniętej. W takim układzie bylibyśmy w stanie rejestrować aktywność neuronalną muchy podczas otrzymywania wielozmysłowej stymulacji wynikającej z ruchu robota.
- Rejestruj sygnały tylko z jednej komórki. W opisanej konfiguracji najodpowiedniejszą będzie komórka H1. Izolacja odpowiedzi neuronu H1 od innych neuronów o podobnych polach recepcyjnych, np. H2, jest istotna dla utrzymania dobrego stosunku sygnału do szumu w rejestracjach neuronalnych. Odpowiedzi neuronów H1 i H2 można rozróżnić, zauważając, że H2 wykazuje charakterystycznie niższą spontaniczną i średnią częstotliwość wyładowań niż neuron H1. Neurony można również rozróżnić na podstawie ich morfologii (Krapp et al. 2001).
- Nasz system pozwala porównać wzmocnienie w pętli zamkniętej osiągnięte przez interfejs mucha-robot w zadaniu stabilizacji obrazu oraz zestawić jego wydajność z wzmocnieniami optomotorowymi w pętli zamkniętej zaobserwowanymi w poprzednich eksperymentach na muchach (Bender & Dickinson 2006, Warzecha et al. 1996, Heisenberg & Wolf, 1990). Dodatkowo pozwala to na badanie zmian w przetwarzaniu informacji wzrokowej zależnych od stanu w warunkach pętli zamkniętej (Chiappe et al. 2010, Maimon et al. 2010, Longden & Krapp 2009, Longden & Krapp 2010).
Podziękowania
K. Peterson otrzymał wsparcie w ramach stypendium doktoranckiego z Departamentu Bioinżynierii oraz finansowanie z Laboratoriów Badawczych Sił Powietrznych USA.
N. Ejaz otrzymał wsparcie w ramach stypendium doktoranckiego z Higher Education Commission Pakistan oraz finansowanie z US Air Force Research Labs.
Materiały
| Nazwa | Firma | Numer katalogowy | Komentarze |
|---|---|---|---|
| RosetteSep® koktajl do wzbogacania ludzkich limfocytów T | Technologie komórek macierzystych | 15061 | |
| RosetteSep® medium gęstościowe | Technologie komórek macierzystych | 15705 | |
| pożywka RPMI 1640 z glutaminą/HEPES | Fisher Scientific | SH3025501 | |
| Surowica z płodu cielęcego | Omega Scientific | FB-01 | |
| GlutaMAX™-I | Invitrogen | 35050 | |
| roztwór witamin RPMI 1640 | Sigma-Aldrich | 7256 | |
| roztwór aminokwasów RPMI 1640 | Sigma-Aldrich | R7131 | |
| Pirowinian sodu | Sigma-Aldrich | S8636 | |
| β-merkapto–etanol | Sigma-Aldrich | M7522 | |
| BAPTA | Sigma-Aldrich | A4926 | |
| Hydrobromek poli-L-lizyny | Sigma-Aldrich | P2636 | |
| Tapsygargina | Calbiochem | 586005 | |
| Sylgard® zestaw elastomeru silikonowego 184 | Dow Corning | 3097358-1004 | |
| HIPEC (hipertermiczna chemioperfuzja wewnątrzbrzuszna)® R6101 powłoka ochronna do półprzewodników | Dow Corning | ||
| wzmacniacz do techniki patch clamp EPC 10 | HEKA Instruments | ||
| Zmotoryzowany mikromanipulator | Sutter Instrument Co. | MP-285 | |
| mikroskop odwrócony Olympus 1X71 z obiektywem imersyjnym 40X | Olympus Corporation | 1X71 | |
| Wytwornica pipet do patch-clampu | Sutter Instrument Co. | P-97 | |
| Rurka borokrzemianowa z włóknem (średnica zewnętrzna: 1,5 mm i średnica wewnętrzna: 1,10 mm) | Sutter Instrument Co. | BF150-110-7.5 | |
| Mikrokucie | Narishige International | MF-830 | |
| O-ringi silikonowe | McMaster-Carr | 111 S70 | |
| Kryształek do mikroskopu | Fisher Scientific | 12-545-102 25 mm 25CIR-1 | |
| Oprogramowanie Pulse | HEKA Instruments | ||
| Oprogramowanie do analizy i tworzenia wykresów naukowych Origin | OriginLab | ||
|
Bibliografia
- Chiappe, E. M., Seelig, J. D., Reiser, M. B., Jayaraman, V. Walking modulates speed sensitivity in Drosophila motion vision. Curr. Biol. 20, 1470-1475 (2010).
- Franceschini, N. Sampling of the visual environment by the compound eye of the fly: fundamentals and applications. Photoreceptor optics. Snyder, A. W., Menzel, R. , Springer. Berlin Heidelberg New York. 98-125 (1975).
- Karmeier, K., Tabor, R., Egelhaaf, M., Krapp, H. G. Early visual experience and the receptive-field organization of optic flow processing interneurons in the fly motion pathway. Vis. Neurosci. 18, 1-8 (2001).
- Krapp, H. G., Hengstenberg, B., Hengstenberg, R. Dendritic structure and receptive-field organization of optic flow processing interneurons in the fly. Jour. of Neurophys. 79, 1902-1917 (1998).
- Krapp, H. G., Hengstenberg, R., Egelhaaf, M. Binocular contributions to optic flow processing in the fly visual system. Jour. of Neurophys. 85, 724-734 (2001).
- Longden, K. D., Krapp, H. G. Octopaminergic modulation of temporal frequency coding in an identified optic-flow processing interneuron. Frontiers in Systems Neuroscience. 4, 153-153 (2010).
- Bender, J. A., Dickinson, M. H. A comparison of visual and haltere-mediated feedback in the control of body saccades in Drosophila melanogaster. J. Exp. Bio. 209, 4597-4606 (2006).
- Longden, K. D., Krapp, H. G. State-dependent performance of optic flow-processing interneurons. J. Neurophysiol. 102, 3606-3618 (2009).
- Maimon, G., Straw, A. D., Dickinson, M. H. Active flight increases the gain of visual motion processing in. 13, 393-399 (2010).
- Petrovitz, R., Dahmen, H., Egelhaaf, M., Krapp, H. G. Arrangement of optical axes and spatial resolution in the compound eye of the female blowfly Calliphora. J Comp Physiol A. 186, 737-746 (2000).
- Warzecha, A. K., Horstmann, W., Egelhaaf, M. Temperature-dependence of neuronal performance in the motion pathway of the blowfly Calliphora Erythrocephala. J Exp Biology. 202, 3161-3170 (1999).
Przedruki i uprawnienia
