Eksperymentalna platforma do badania wydajności interfejsów mózg-maszyna w pętli zamkniętej

Summary

Używamy interfejsu maszyny latającej w zamkniętej pętli do badania ogólnych zasad kontroli neuronów.

Abstract

Niestacjonarna natura i zmienność sygnałów neuronalnych jest podstawowym problemem w interfejsie mózg-maszyna. Opracowaliśmy interfejs mózg-maszyna, aby ocenić solidność różnych praw sterowania zastosowanych do zadania stabilizacji obrazu w pętli zamkniętej. Korzystając z dobrze scharakteryzowanej ścieżki wzrokowo-ruchowej muchy, rejestrujemy aktywność elektryczną ze zidentyfikowanego, wrażliwego na ruch neuronu H1, aby kontrolować rotację odchylenia dwukołowego robota. Robot wyposażony jest w 2 szybkie kamery wideo zapewniające wizualne wprowadzanie ruchu do muchy umieszczonej przed 2 monitorami komputerowymi CRT. Aktywność neuronu H1 wskazuje kierunek i względną prędkość obrotu robota. Aktywność neuronalna jest filtrowana i przekazywana z powrotem do układu kierowniczego robota za pomocą sterowania proporcjonalnego i proporcjonalnego/adaptacyjnego. Naszym celem jest przetestowanie i optymalizacja działania różnych praw sterowania w warunkach zamkniętej pętli w celu uzyskania szerszego zastosowania, również w innych interfejsach mózg-maszyna.

Protocol

1. Przygotowanie do lotu

1. Pierwszym krokiem w przygotowaniu eksperymentów jest przygotowanie muchy w taki sposób, aby żaden mimowolny ruch nie zakłócił stabilności zapisów neuronalnych i aby głowa muchy była prawidłowo zorientowana za pomocą sprzętu do stymulacji wzrokowej. Aby rozpocząć przygotowywanie muchy, ostudź ją na lodzie, a następnie użyj patyczków koktajlowych, aby przytrzymać skrzydła i przymocuj tył muchy do kawałka dwustronnej taśmy na szkiełku mikroskopowym.
2. Następnie za pomocą igły elektrokauteryzującej nałóż wosk pszczeli, aby przymocować skrzydła do zjeżdżalni, a także zablokować działanie silnika lotu. Ten krok wymaga szybkiej i dokładnej obsługi, aby mucha nie rozgrzała się podczas zabiegu.
3. Teraz pod mikroskopem chwyć każdą nogę kleszczami i użyj małych nożyczek, aby odciąć je w stawach znajdujących się najbliżej ciała. Powtórz to dla trąbki. Aby mucha nie wysychała, otwory należy uszczelnić woskiem.
4. Następnie odetnij jedno ze skrzydeł, a następnie obróć muchę na bok. Usuń wszelkie pozostałe kawałki skrzydła, pozostawiając calyptrę zakrywającą przezmianki, i uszczelnij otwór woskiem. Powtórz tę procedurę dla drugiego skrzydła.
5. Aby stymulować neuron docelowy w określony sposób, głowa muchy musi być odpowiednio ustawiona w jednej linii z monitorami komputerowymi. Aby to zrobić, będziesz potrzebować niestandardowego uchwytu, który ma szeroką przestrzeń na ciało muchy i wyrostek na jednym końcu z wycięciem, w którym zostanie umieszczona szyja muchy.
6. Umieść rozporek na uchwycie z szyjką w wycięciu, dociskając go podczas przyklejania brzucha na miejscu. Teraz umieść uchwyt na muchy w stojaku, aby przez mikroskop można było zobaczyć przód głowy muchy.
7. Oglądając muchę w świetle czerwonym, w każdym oku można zaobserwować zjawisko optyczne zwane pseudoźrenicą. Pseudo-źrenica stanowi układ odniesienia, który można wykorzystać do wyrównania głowy muchy z bodźcem (Franceschini 1975). Jeśli pseudo-źrenica przyjmie określony kształt, jak pokazuje wstawka z obrazka poniżej, wówczas orientacja głowy muchy jest doskonale zdefiniowana.
   
   
   
8. Użyj mikromanipulatora, aby prawidłowo zorientować głowę muchy, a następnie użyj wosku, aby przykleić ją do uchwytu.
9. Następnie dociśnij klatkę piersiową płasko i nawoskuj ją do uchwytu. Pozwala to na otwarcie tylnej torebki głowy, dzięki czemu elektrody mogą zostać wprowadzone do mózgu muchy.
10. Za pomocą mikroskalpela lub cienkiej igły do wstrzykiwań ostrożnie wyciąć okienko w naskórku prawej kapsułki na głowę. Uważaj, aby nie przeciąć tkanki nerwowej tuż pod naskórkiem. Po usunięciu kawałka naskórka dodaj kilka kropli roztworu Ringera.
11. Użyj kleszczy, aby usunąć wszelkie pływające włosy, złogi tłuszczu lub tkankę mięśniową, które mogą pokrywać płytkę zrazika. Płytkę zrazika można rozpoznać po charakterystycznym rozgałęzieniu srebrzystej tchawicy, który pokrywa jej tylną powierzchnię.
12. Wytnij mały otwór w naskórku lewej tylnej torebki na głowę w celu umieszczenia elektrody referencyjnej. Po przygotowaniu rozporka zobaczmy, jak ustawić elektrodę rejestrującą.

2. Ustawianie elektrody rejestrującej

1. Mając przygotowaną muchę, przejdźmy do lokalizowania i rejestrowania sygnałów z neuronu H1. Elektroda rejestrująca musi być umieszczona w bliskiej odległości od neuronu H1. Neuron H1 reaguje głównie na poziomy ruch od tyłu do przodu prezentowany jego polu recepcyjnemu (Krapp i wsp. 2001).
2. Aby ustawić elektrodę rejestrującą, użyj tchawicy jako wizualnego punktu orientacyjnego. Początkowo umieść elektrodę między najwyższą tchawicą.
3. Pomocne jest użycie wzmacniacza audio do konwersji zarejestrowanych potencjałów elektrycznych na sygnały akustyczne. Każdy pojedynczy kolec zamienia się w charakterystyczny dźwięk kliknięcia. Im bliżej pojedynczego neuronu znajduje się elektroda, tym wyraźniejszy staje się dźwięk kliknięcia.
4. Aby zidentyfikować neuron H1 na podstawie jego preferencji ruchu, stymuluj go ruchem w kierunku poziomym. Po założeniu elektrody rejestrującej przejdźmy do stymulacji wizualnej i nagrań.

3. Stymulacja wizualna i nagrania

1. Eksperymenty w pętli zamkniętej są skonfigurowane w taki sposób, że stymulacja neuronu H1 powoduje, że robot kompensuje ruch stołu obrotowego. Aby rozpocząć, umieść muchę przed dwoma monitorami komputerowymi CRT. Ponieważ system widzenia muchy jest 10 razy szybszy niż ludzki, monitory muszą wyświetlać 200 klatek na sekundę. Monitory i inne urządzenia elektryczne muszą być ekranowane elektromagnetycznie, aby zminimalizować szumy zewnętrzne w mierzonym sygnale neuronalnym.
2. Ustaw środki monitorów pod kątem +/- 45 stopni w stosunku do orientacji muchy. Patrząc z równika oka muchy, każdy monitor ma kąt +/- 25 stopni w poziomie i +/- 19 stopni w płaszczyźnie pionowej.
3. Zsynchronizowane dane wejściowe do monitorów komputerowych zapewniają dwie kamery wideo zamontowane na małym, dwukołowym robocie ASURO, który został zmodyfikowany na potrzeby eksperymentu.
4. Umieść robota na stole obrotowym w cylindrycznym obszarze, którego ściany są wyłożone wzorem pionowo zorientowanych, czarno-białych pasków. Dzięki obracaniu stołu obrotowego w płaszczyźnie poziomej, ruchy robota są ograniczone tylko do jednego stopnia swobody.
5. Początkowo zarówno stół obrotowy, jak i robot są w stanie spoczynku. Kiedy stół obrotowy zaczyna się poruszać, jego obrót przenosi robota w tym samym kierunku, a kamery wideo rejestrują względny ruch między robotem a pasiastym wzorem areny.
6. Zasilane bateryjnie kamery wideo na robocie są zamontowane w orientacji +/- 45 stopni. Przechwytują 200 obrazów na sekundę, aby dopasować się do liczby klatek na sekundę monitorów komputerowych przed muchą.
7. Rejestruj obrazy prezentowane na monitorach komputerowych z prędkością 200 klatek na sekundę w rozdzielczości 640 x 480 (skala szarości).
8. Podczas gdy mucha obserwuje ruchy pasiastego wzoru, nagrywaj przefiltrowane pasmowo (na przykład między 300 a 2 kHz) sygnały elektryczne za pomocą płytki cyfrowej akwizycji, używając częstotliwości próbkowania co najmniej 10 kHz.
9. Do przefiltrowanych sygnałów elektrycznych przepuszczanych przez pasmo stosuje się próg, aby oddzielić skoki od aktywności w tle. Przyczynowy, półgaussowski filtr jest konwolucjonowany ze skokami, aby uzyskać gładką szacunkową aktywność impulsową dla komórki H1.
10. Aby zamknąć pętlę interfejsu mózg-maszyna, algorytm sterowania jest używany do przeliczania szybkości skoku komórki H1 na prędkość robota, która jest przekazywana z powrotem przez interfejs Bluetooth w celu sterowania dwoma silnikami prądu stałego napędzającymi koła robota.
11. Czyste fale sinusoidalne są wybierane jako profile prędkości dla stołu obrotowego. Fale sinusoidalne mają przesunięcie DC, tak że stół obrotowy obraca się tylko w kierunku, który stymuluje neuron H1 w preferowanym kierunku. Stymulacja neuronu H1 powoduje, że robot kompensuje ruch stołu obrotowego.
    
    
    Rysunek 1: Konfiguracja w pętli zamkniętej. W naszej konfiguracji aktywność impulsowa lewej komórki H1 jest wykorzystywana do kontrolowania ruchu robota zamontowanego na stole obrotowym. Wizualny ruch obrazu generowany w wyniku względnego ruchu między robotem a stołem obrotowym jest rejestrowany przez szybkie kamery i wyświetlany na dwóch monitorach CRT przed rozporkiem. Aktywność skokowa H1 z lewej półkuli jest wykorzystywana do oszacowania szybkości skoku w czasie rzeczywistym, która następnie wykorzystuje prawo sterowania do obliczenia prędkości kompensacji robota. Przeciwobrót robota stabilizuje wizualny ruch obrazu obserwowany przez muchę podczas sterowania w pętli zamkniętej.
    
    

4. Reprezentatywny wynik i wyniki

1. Przy prawidłowym ustawieniu stabilizacja wizualna jest osiągana, gdy przeciwny obrót robota odpowiada obrotowi stołu obrotowego, co skutkuje niewielkim lub zerowym ruchem wzoru na monitorach komputerowych. Ogólna wydajność systemu zależy od algorytmu sterowania używanego do zamknięcia pętli.
2. Pierwszym testowanym przez nas algorytmem jest sterownik proporcjonalny (rysunek 2), w którym zaktualizowana prędkość robota jest proporcjonalna do różnicy prędkości kątowych między robotem ωr a stołem obrotowym ωp. Do przetestowania wydajności sterownika wybierane są różne wartości wzmocnienia statycznego, Kp i częstotliwości wejściowych dla sygnału gramofonu, ωp.
   
   
   
   Rysunek 2: Sterownik proporcjonalny. (a) Względny ruch między robotem a stołem obrotowym w preferowanym kierunku stymuluje komórkę H1 do podawania szybkości skoku, F. Ta szybkość skoku jest przekształcana w błąd prędkości, E, a kontroler proporcjonalny jest używany do oszacowania zaktualizowanej prędkości robota, vr(t+1). Szybkość skoku, F, jest przeliczana na błąd prędkości, E, w zależności od tego, czy jest mniejsza, czy większa niż spontaniczna szybkość skoku, Fspont. Konwersja szybkości skoku na błąd prędkości odbywa się przez rzutowanie F na cosinus (interwał [π,0]) w celu uwzględnienia nieliniowości progu szybkości skoku. Stałe 70 i 150 są używane do dopasowania 8-bitowej prędkości wejściowej robota do minimalnych i maksymalnych prędkości kątowych stołu obrotowego. b) Schemat blokowy przedstawiający system zamkniętej pętli wykorzystujący sterownik proporcjonalny. Danymi wejściowymi do systemu jest sinozydalna modulacja prędkości kątowej stołu obrotowego, ωp(t), i rejestrowana jest odpowiednia odpowiedź robota ωr(t+1).
   
   
3. Ślady próbki dla ω_p i ω_r są pokazane tutaj dla K_p=1 i częstotliwości wejściowej 0,6 Hz dla ω_p (patrz rysunek 3). Robot (na zielono) podąża za stołem obrotowym (na niebiesko) z opóźnieniem i mniejszą amplitudą szczytową. Składowa pozioma ruchu wzorca, która stymuluje komórkę H1, jest pokazana poniżej (na czerwono).
   
   
   
   Rysunek 3: Odpowiedzi w pętli zamkniętej. (a) Prędkości kątowe dla stołu obrotowego (niebieski), ωp, i robota (zielony), ωr, przy częstotliwości wejściowej = 0,6 Hz. (b) Poziomy przepływ optyczny jest pokazany zgodnie z obliczeniami na podstawie zarejestrowanych obrazów (czerwony). Piramidalna metoda Lucasa Kanade (3 poziomy piramidy) służy do obliczania pola przepływu optycznego pomiędzy kolejnymi klatkami obrazu. Prędkość kątową poziomą oblicza się poprzez zsumowanie rzutów poszczególnych wektorów w polach przepływu na poziomy wektor jednostkowy i. Poziomy ruch od tyłu do przodu, który wzbudza komórkę H1, jest określany jako PD (preferowany kierunek), podczas gdy poziomy ruch przód-tył, który hamuje komórkę H1, jest określany jako ND (kierunek zerowy).
   
   
4. Częstotliwości wejściowe dla sygnału stołu obrotowego, ωp, są wybierane w zakresie 0,03-3 Hz i rejestrowany jest odpowiedni sygnał robota, ωr. Oba sygnały są przekształcane w dziedzinę częstotliwości za pomocą szybkiej transformaty Fouriera (patrz rysunek 4), a wartości amplitudy i fazy są obliczane na częstotliwości wejściowej.
   
   
   
   Rysunek 4: Pasmo przenoszenia. Sygnały prędkości kątowej dla stołu obrotowego, ωp, i robota, ωr, są przekształcane w dziedzinę częstotliwości za pomocą metody szybkiej transformaty Fouriera (FFT) w celu obliczenia składowych amplitudy i fazy przy częstotliwości wejściowej. Składowe fazowe FFT nie są pokazane na rysunku.
   
   
5. Wykres wielkości Bodego dla regulatora proporcjonalnego o K_p=1 pokazuje odpowiedź układu na badane częstotliwości wejściowe (patrz rysunek 5-a). Wydajność kontrolera generalnie spada wraz ze wzrostem częstotliwości. Nieznacznie zwiększone wzmocnienie przy 1 Hz jest wynikiem oscylacji sygnału robota spowodowanych użyciem tylko jednego ogniwa H1, którego zakres dynamiczny (wyjściowy) obejmuje głównie poziomy ruch tyłem do przodu.
   
   
   
   Rysunek 5: Proporcjonalna wydajność sterownika. Wykresy wielkości i fazy Bodego dla regulatora proporcjonalnego (uśrednione dla 8 much), wzmocnienie statyczne Kp = 1,0 (a), wykres wielkości Bodego jest w przybliżeniu zgodny z charakterystyką filtra dolnoprzepustowego. Nieznacznie zwiększone wzmocnienie przy 1 Hz jest wynikiem oscylacji sygnału robota, ωr, spowodowanych użyciem tylko jednego ogniwa H1, którego zakres dynamiczny (wyjściowy) obejmuje głównie poziomy ruch od tyłu do przodu. Liczba oscylacji w sygnale robota, ωr, zmniejsza się wraz ze wzrostem częstotliwości wejściowych, co prowadzi do nieznacznie zwiększonego wzmocnienia przy tych częstotliwościach. b) wykres fazy Bodego jest mniejszy niż 180° dla częstotliwości wejściowych ≤ 1 Hz i zbliża się do niestabilności przy 3 Hz. Po przekroczeniu pewnej częstotliwości wejściowej sterownik staje się niestabilny ze względu na kinematykę robota. Ta niestabilność występuje tylko poza znanym optymalnym zakresem odpowiedzi układu wzrokowego muchy (Warzecha i wsp. 1999).
   
   
6. Wykres fazy Bodego (patrz rysunek 5-b) pokazuje opóźnienie fazowe regulatora mniejsze niż Π dla częstotliwości wejściowych < 0,6 Hz. Pokazuje to, że kontroler jest stabilny dla częstotliwości < 0,6 Hz i niestabilny dla częstotliwości wejściowych ≥ 1 Hz.
7. Wydajność regulatora proporcjonalnego ze statycznym Kp (w kolorze niebieskim) porównano ze sterownikiem adaptacyjnym (w kolorze czerwonym), w którym wartość K_p jest aktualizowana co 50 ms w oparciu o szczytową szybkość skoku, F_max, obliczoną w przedziale czasu [t-500ms - t] (patrz rysunek 6). Ze względu na duże okno czasowe integracji, regulator proporcjonalny działa lepiej niż regulator adaptacyjny w badanym zakresie parametrów (patrz rysunek 7-a). Początkowe okno czasowe integracji wynoszące 500 ms zostało wybrane ze względów technicznych związanych z platformą robota, z której korzystamy. Regulator adaptacyjny miał podobną charakterystykę fazową jak regulator proporcjonalny (patrz rysunek 7-b).
   
   
   
   Rysunek 6: Wzmocnienie kontrolera adaptacyjnego. Regulator proporcjonalny wykorzystuje wzmocnienie statyczne, Kp, podczas gdy regulator adaptacyjny szacuje wzmocnienie w sposób ciągły podczas sterowania w pętli zamkniętej. Wzmocnienie dynamiczne, Kp, jest odwrotnie proporcjonalne do maksymalnej szybkości skoku, Fmax, w przedziale t-500ms ≤ τ ≤ t. Rysunek przedstawia trzy przypadki, w których Fmax jest szacowane w czasie. Na podstawie szacowanych wartości Fmax, Kp jest najwyższe w oknie czasowym 2 (zielony) i najniższe w oknie czasowym 3 (pomarańczowy).
   
   
   
   Rysunek 7: Kontroler proporcjonalny a adaptacyjny. Wykresy wielkości i fazy Bodego dla regulatora proporcjonalnego (Kp = 1) i adaptacyjnego (a) sterownik adaptacyjny aktualizuje wartość Kp co 50 ms na podstawie oszacowania szczytowej szybkości skoku Fmax w ciągu ostatnich 500 ms. Wykres wzmocnienia kontrolera proporcjonalnego (niebieski) jest wyższy niż wykres wzmocnienia kontrolera adaptacyjnego (czerwony), co wskazuje, że działa on lepiej na wszystkich częstotliwościach wejściowych. (b) wykresy faz Bodego dla obu regulatorów są podobne ze znaczącą różnicą przy f = 0,3 Hz. Oba regulatory zbliżają się do niestabilności przy 3 Hz. Znacząco różne wartości wzmocnienia i fazy są wskazywane przez asterix (metoda sumy rang Wilcoxona, p = 0,05).
   
   
8. Wzór siatki wokół gramofonu został usunięty, a środowisko laboratoryjne zostało wykorzystane jako przybliżenie naturalistycznych danych wizualnych dla muchy H1-komórki. Przeciętnie wykres wielkości Bodego (patrz rysunek 8-a) dla naturalistycznych danych wejściowych wizualnych (w kolorze niebieskim) wykazał nieco wyższe zyski niż ten z siatkowym wkładem wizualnym (w kolorze czerwonym), prawdopodobnie dlatego, że wykorzystywany jest szerszy zakres częstotliwości przestrzennych w naturalistycznych obrazach wizualnych. Charakterystyka wykresu fazy Bodego dla kraty i naturalistycznych danych wizualnych była podobna (patrz rysunek 8-b).
   
   
   
   Rysunek 8: Wzór okrojony a środowisko laboratoryjne. Wykresy wielkości i fazy Bodego dla kontrolera proporcjonalnego, gdy są prezentowane z wzorcami odroczonymi (czerwony) w porównaniu z obrazami wizualnymi środowiska laboratoryjnego (niebieski) w pętli zamkniętej (a), wykres wielkości Bodego dla gdy używane są obrazy środowiska laboratoryjnego, jest nieznacznie wyższy niż wtedy, gdy używany jest wzorzec pozbawiony (z wyjątkiem f = 0,1 Hz), co wskazuje na lepszą wydajność przy takim bodźcu. (b) wykres fazy Bodego w obu warunkach wizualnych przebiega według tego samego schematu, przy czym oba są bliskie niestabilności przy 3 Hz. Znacząco różniące się wartości wzmocnienia i fazy są wskazywane przez asterix (metoda sumy rang Wilcoxona, p = 0,05).
   
   

Discussion

1. Sekcję much należy przeprowadzić ostrożnie, upewniając się, że prawidłowo ustawiamy muchę w stosunku do monitorów komputerowych.
2. Oddzielenie kolców od neuronu H1 od kolców od wszystkich innych neuronów, aby uzyskać dobry stosunek sygnału do szumu, który można następnie wykorzystać do niezawodnego sterowania robotem.
3. Należy zachować ostrożność, aby zapobiec wysuszeniu tkanki nerwowej w trakcie eksperymentu.
4. Kamery są podłączone do komputerów za pomocą kabla Ethernet. Należy uważać, aby podczas eksperymentu nie były nadmiernie nawinięte, ponieważ wpłynęłoby to na obrót robota.
5. Obecnie używamy aktywności skokowej jednego H1 do ustawienia zadania stabilizacji tylko w jednym kierunku obrotu odchylenia. Możemy dodać drugą elektrodę, aby uzyskać sygnały zarówno z lewego, jak i prawego H1, dzięki czemu możemy badać algorytmy kontroli stabilizacji w obu kierunkach obrotu odchylenia.
6. Możemy usunąć arenę zawierającą pionowo zorientowane czarno-białe paski i użyć środowiska laboratoryjnego jako wizualnego bodźca dla muchy. Pozwoli nam to na badanie wydajności w pętli zamkniętej z naturalistycznymi obrazami.
7. Robota można zdjąć ze stołu obrotowego i pozwolić mu poruszać się po środowisku laboratoryjnym podczas sterowania w pętli zamkniętej. Pozwoli nam to na zbadanie algorytmów sterowania biorących udział w unikaniu kolizji.
8. Przewody łączące kamery z komputerami można usunąć poprzez wdrożenie systemu transmisji bezprzewodowej, co daje nam całkowicie nieskrępowaną konfigurację robota.
9. Pomiary wydajności różnych algorytmów sterowania pozwolą nam zrozumieć, w jaki sposób różne strategie są w stanie poradzić sobie z niestacjonarnymi i zmiennymi sygnałami neuronalnymi. Wiedza ta może być następnie zastosowana w różnych klinicznych i nieklinicznych interfejsach mózg-maszyna.
10. Ta eksperymentalna konfiguracja jest pierwszym krokiem w kierunku rejestrowania sygnałów neuronalnych od zachowujących się zwierząt. Naszym celem jest umieszczenie muchy na robocie i wykorzystanie jej aktywności neuronalnej do sterowania w pętli zamkniętej. W takiej konfiguracji bylibyśmy w stanie rejestrować aktywność neuronalną z lotu ptaka, podczas gdy otrzymuje ona stymulację multisensoryczną w wyniku ruchu robota.
11. Nagrywaj tylko sygnały z jednej komórki. W konfiguracji, którą powinniśmy zrobić, najbardziej odpowiednią komórką byłoby ogniwo H1. Izolowanie odpowiedzi neuronu H1 od innych neuronów o podobnych polach recepcyjnych, np. H2, jest ważne dla utrzymania dobrego stosunku sygnału do szumu dla nagrań neuronalnych. Odpowiedzi neuronów H1 i H2 można rozróżnić, zauważając, że H2 ma charakterystycznie niższy spontaniczny i średni wskaźnik impulsów niż neuron H1. Neurony można również rozróżniać na podstawie ich morfologii (Krapp i wsp. 2001).
12. Nasz system pozwala nam porównać wzmocnienie w pętli zamkniętej osiągnięte przez nasz interfejs latający-robot w zadaniu stabilizacji obrazu oraz porównać jego wydajność z zyskami optomotorycznymi w pętli zamkniętej obserwowanymi w poprzednich eksperymentach na muchach (Bender & Dickinson 2006, Warzecha i in. 1996, Heisenberg & Wolf, 1990). Dodatkowo pozwala nam badać zależne od stanu zmiany w przetwarzaniu informacji wizualnej w warunkach zamkniętej pętli (Chiappe i wsp. 2010, Maimon i wsp. 2010, Longden i Krapp 2009, Longden i Krapp 2010).

Materials

List of materials used in this article

Name	Company	Catalog Number	Comments
RosetteSep® koktajl wzbogacający ludzkie limfocyty T	Stem Cell Technologies	15061
RosetteSep® gęstość medium	Stem Cell Technologies	15705
RPMI 1640 podłoże w/glutamina/HEPES	Fisher Scientific	SH3025501
Surowica cielęca płodu	Omega Scientific	FB-01
GlutaMAX™-I	Invitrogen	35050
RPMI 1640 roztwór witamin	Sigma-Aldrich	7256
RPMI 1640 roztwór aminokwasów	Sigma-Aldrich	R7131
Pirogronian sodu	Sigma-Aldrich	S8636
β-Mercapt– tanol	Sigma-Aldrich	M7522
BAPTA	Sigma-Aldrich	A4926
Bromowodorek poli-l-lizyny	Sigma-Aldrich	P2636
Thapsigargin	Calbiochem	586005
Sylgard® 184 zestaw elastomerów silikonowych	Dow Corning	3097358-1004
HIPEC® Półprzewodnikowa powłoka ochronna R6101	Dow Corning
EPC 10	HEKA Instruments
Zmotoryzowany mikromanipulator	Sutter Instrument Co.	MP-285
Olympus 1X71 z 40-krotnym obiektywem zanurzeniowym w oleju	Olympus Corporation	1X71
Ściągacz do pipet	Sutter Instrument Co.	P-97
Rurka borokrzemianowa z włóknem (OD: 1,5 mm i ID: 1,10 mm)	Sutter Instrument Co.	BF150-110-7.5
Microforge	Narishige International	MF-830
Silikonowe pierścienie uszczelniające o przekroju okrągłym	McMaster-Carr	111 S70
Szkło osłonowe mikroskopu	Fisher Scientific	12-545-102 25 mm 25CIR-1
Oprogramowanie impulsowe	HEKA Instruments
Origin oprogramowanie do tworzenia wykresów i analizy naukowej	OriginLab
1)Szybkie wyświetlacze CRT (LG Studioworks 221U) Szybkie kamery (Prosilica, GC640) Robot Platform (ASURO z niestandardowymi modyfikacjami) Serial Bluetooth Modem (Bluesmirf) Micro Step Drive (Applied Motion Systems, ST5-SI) Silnik krokowy (Sanyo Denki, 103H6704-0140) Elektrody wolframowe (fh-co.com - Kod produktu - UEW SHG SE 3P1M) Wzmacniacz zewnątrzkomórkowy (NPI EXT 10-2F) Mikromanipulator z napędem (Scientifica, PS-700-Z) Mikroskop stereoskopowy (Leica, MZ95)