Wykorzystanie aktywności neuronów do wyzwalania bodźców w pętli zamkniętej w eksperymentach neurofizjologicznych
12 listopada 2019
Ten protokół pokazuje, jak używać systemu elektrofizjologicznego do stymulacji w pętli zamkniętej wywołanej wzorcami aktywności neuronalnej. Dostępny jest również przykładowy kod Matlab, który można łatwo modyfikować dla różnych urządzeń stymulacyjnych.
Ten standardowy system rejestracji neurofizjologicznej może być używany do przeprowadzania stymulacji w pętli zamkniętej, co jest przydatne do badania interakcji przyczynowych w mózgu. Protokół ten pozwala neuronaukowcom z ograniczoną wiedzą w dziedzinie informatyki na szybkie wdrażanie różnorodnych eksperymentów w pętli zamkniętej przy niewielkich kosztach. Eksperymenty w pętli zamkniętej stają się coraz ważniejsze dla nauk podstawowych i badań.
Na przykład wiele badań nad padaczką wykazało, że stymulacja neuronów wyzwalająca się na początku napadu jest skutecznym podejściem do zmniejszenia nasilenia napadów. Aby ułatwić przyjęcie eksperymentów w pętli zamkniętej w badaniach neurobiologicznych, protokół ten zapewnia kod MATLAB do konwersji systemu zapisu elektrofizjologicznego w pętli otwartej na system pętli zamkniętej. Ta implementacja stymulacji w pętli zamkniętej została zademonstrowana na obudzonym szczurze.
Aby zainstalować system akwizycji danych Cheetah 6.4, otwórz stronę internetową oprogramowania, która zawiera biblioteki do interakcji z systemem akwizycji Cheetah i zainstaluj SpikeSort-3D. Zainstaluj pakiet deweloperski NetCom. Zaloguj się na konto MATLAB, aby wybrać odpowiednią licencję, wersję i system operacyjny.
Następnie pobierz bibliotekę do wyzwalania zdarzeń online, jak wskazano, i rozpakuj pliki do folderu dokumentów MATLAB. Aby uzyskać dane, otwórz oprogramowanie Cheetah i zapisz dane skokowe, aby wypełnić przebiegi szablonu. Po kilku minutach zatrzymaj pobieranie danych i wykonaj SpikeSort na zarejestrowanych danych.
Następnie otwórz SpikeSort3-D i kliknij menu plik i załaduj plik spajka, aby wybrać plik spike z folderu z zarejestrowanymi danymi. Następnie kliknij menu klastra, automatycznie klastruj za pomocą KlustaKwik i uruchom. Aby przeprowadzić eksperyment w pętli zamkniętej, wznów pobieranie danych w Cheetah i otwórz program MATLAB.
Otwórz ClosedLoop. M i kliknij uruchom. Alternatywnie wykonaj zamkniętą pętlę w oknie poleceń.
Przejdź do folderu nagrań i wybierz jeden z plików danych impulsowych, aby załadować informacje o spajkach zdefiniowane w początkowym nagraniu. Kliknij odpowiednie pola wyboru pod wykreślonymi przebiegami, aby wybrać jeden lub wiele neuronów, które wyzwolą stymulację. Zdefiniuj minimalną liczbę neuronów, które wyzwolą stymulację, wprowadzając liczbę całkowitą w polu tekstowym minimalnych dopasowań i zdefiniuj okno czasowe, w którym skoki pasujące do różnych przebiegów są uważane za współaktywne, wprowadzając liczbę w polu tekstowym okna.
Następnie kliknij przycisk Wyślij, aby rozpocząć wyzwalanie zdarzeń online na podstawie impulsowej aktywności wybranych neuronów. W tym reprezentatywnym eksperymencie szczur odpoczywał na doniczce, która była znajomym miejscem odpoczynku podczas przerw w eksperymentach behawioralnych. Można tu zaobserwować reprezentatywne jednoczesne działanie oprogramowania rejestrującego i programu MATLAB, który wyświetla przebiegi szczytowe uzyskane w czasie rzeczywistym.
Po wykryciu skoków z predefiniowanych klastrów wyzwalających, przebiegi są wyświetlane z pogrubioną linią przerywaną w oknie figury MATLAB, wyzwalając dźwięk i zapewniając system zamkniętej pętli. Na tym rysunku pokazano reprezentatywny histogram ilustrujący opóźnienia między czasem wygenerowania sztucznego impulsu a czasem wywołania wyzwalanego sygnału. Po przygotowaniu zwierzęcia i zainstalowaniu oprogramowania, eksperyment w pętli zamkniętej składa się z dwóch głównych etapów, wstępnego pozyskiwania danych i stymulacji w pętli zamkniętej, podczas której skoki wyzwalają bodźce zewnętrzne.
Protokół ten pozwala również na leczenie bodźców opartych na aktywności wielu neuronów, co jest ważne dla odpowiedzi na pytania dotyczące przetwarzania informacji w mózgu. Zaletami tego rozwiązania MATLAB są jego niski koszt i elastyczność w definiowaniu wzorców aktywności w celu wyzwalania bodźców, co może pomóc w badaniu różnych pytań neuronaukowych.
Wyświetl pełny transkrypt i uzyskaj dostęp do tysięcy filmów naukowych
Przegląd
Niniejszy protokół demonstruje zastosowanie systemu elektrofizjologicznego do stymulacji w pętli zamkniętej (closed-loop) w oparciu o wzorce aktywności neuronalnej. Pozwala on neurologom, nawet osobom z ograniczoną wiedzą z zakresu informatyki, na sprawne i ekonomiczne przeprowadzanie eksperymentów w pętli zamkniętej. Protokół zawiera przykładowy kod MATLAB do implementacji i jest zilustrowany nagraniami z czuwającego szczura, co ukazuje interakcję w czasie rzeczywistym między impulsami neuronalnymi a stymulacją.
Kluczowe elementy badania
Dziedzina nauki
- Neuronauka
- Elektrofizjologia
- Systemy zamkniętej pętli
Wstęp
- Stymulacja w zamkniętej pętli ma kluczowe znaczenie dla badania przyczynowych oddziaływań w mózgu.
- Podejście to jest szczególnie przydatne w badaniach nad epilepsją w celu łagodzenia nasilenia napadów.
- Protokół ten odpowiada na zapotrzebowanie na dostępne systemy zamkniętej pętli w neuronauce.
Cel badania
- Zapewnienie metody wdrażania stymulacji w pętli zamkniętej przy minimalnych kosztach i wymaganiach dotyczących wiedzy specjalistycznej.
- Ułatwienie badania aktywności i odpowiedzi neuronalnych poprzez stymulację w czasie rzeczywistym.
- Umożliwienie badaczom lepszego zrozumienia przetwarzania informacji w mózgu.
Zastosowane metody
- W badaniu wykorzystano standardowy system rejestracji neurofizjologicznej do eksperymentów w pętli zamkniętej.
- Jako model biologiczny zastosowano rejestrację z aktywności szczurów w stanie czuwania.
- Dołączono kod MATLAB umożliwiający dostosowanie i konwersję systemów w pętli otwartej.
- Kluczowe etapy obejmują akwizycję danych, sortowanie danych o potencjałach czynnościowych (spiking data) oraz określenie parametrów stymulacji.
- Eksperyment w pętli zamkniętej polega na wyzwalaniu bodźców w czasie rzeczywistym na podstawie aktywności neuronalnej.
Główne wyniki
- Protokół umożliwia stymulację opartą na aktywności wielu neuronów, co pozwala na lepsze zrozumienie interakcji neuronalnych.
- Dane o impulsach (spikes) zostały wykorzystane do wyzwalania bodźców zewnętrznych, co wykazało skuteczność pętli sprzężenia zwrotnego.
- Wizualizacja aktywności neuronalnej w czasie rzeczywistym została zrealizowana za pomocą interfejsu MATLAB.
- Kluczowe wnioski podkreślają elastyczność i efektywność kosztową rozwiązania opartego na środowisku MATLAB.
Wnioski
- Niniejsze badanie umożliwia badaczom łatwe wdrożenie i przyjęcie technik stymulacji w pętli zamkniętej.
- Wyniki mają znaczenie dla pogłębienia zrozumienia mechanizmów neuronalnych i funkcji mózgu.
- Elastyczne wzorce stymulacji przyczyniają się do rozwiązywania różnych problemów z zakresu neuronauk.
Najczęściej zadawane pytania
Znaczenie dla Przemysłu
Neurofizjologiczne systemy w pętli zamkniętej umożliwiają przyczynową analizę obwodów mózgowych poprzez powiązanie wzorców aktywności neuronalnej ze stymulacją w czasie rzeczywistym, co wspiera walidację celów oraz ograniczanie ryzyka mechanistycznego w przedklinicznej neuronauce. Oparte na środowisku MATLAB podejście obniża bariery techniczne w implementacji projektów w pętli zamkniętej, ułatwiając skalowalne i powtarzalne badania nad przetwarzaniem informacji neuronalnych. Protokół ten wspiera wczesne etapy procesów badawczych, zapewniając elastyczne i kosztowo efektywne narzędzie do eksperymentów stymulacyjnych opartych na hipotezach w modelach istotnych dla analizy chorób.
Strategiczne zastosowania w badaniach i rozwoju biofarmaceutycznym
Wczesne odkrywanie i walidacja celu
- Wartość naukowa: Umożliwia weryfikację hipotez terapeutycznych poprzez wyzwalanie bodźców w oparciu o zdefiniowaną aktywność impulsową pojedynczych lub wielu neuronów.
- Wartość operacyjna: Wspiera walidację funkcjonalną celów poprzez przyczynową manipulację obwodami neuronalnymi w czasie rzeczywistym w modelach zwierzęcych w stanie czuwania.
- Wartość prognostyczna: Zwiększa pewność co do zaangażowania celu poprzez wykazanie odpowiedzi neuronalnych wywołanych bodźcem w kontrolowanych warunkach pętli zamkniętej.
Przesiewy i opracowanie testów
- Wartość naukowa: Przygotowuje zwalidowane systemy rejestracji neuronalnej do późniejszej standaryzacji testów, umożliwiając precyzyjną stymulację zależną od aktywności.
- Wartość operacyjna: Poprawia powtarzalność testów dzięki definiowanym przez użytkownika progom detekcji impulsów (spike) oraz oknom współaktywności w celu zapewnienia spójnego wyzwalania bodźców.
- Skalowalność: Ułatwia ponowne wykorzystanie platformy w różnych eksperymentach poprzez modyfikowalny kod MATLAB, który można dostosować do różnych urządzeń stymulujących i zestawów rejestracyjnych.
Badania translacyjne i przedkliniczne
- Ciągłość translacyjna: Wykazana u czuwających szczurów, co potwierdza istotność w odniesieniu do modeli chorób oraz przedkliniczną walidację strategii neuromodulacji.
- Minimalizacja ryzyka mechanistycznego: Umożliwia badanie przetwarzania informacji w mózgu poprzez traktowanie bodźców w oparciu o wzorce aktywności wielu neuronów, co zmniejsza niejednoznaczność w interpretacjach przyczynowo-skutkowych.
- Postęp dostosowany do ryzyka: Wspiera podejmowanie decyzji go/no-go, dostarczając ilościowych informacji zwrotnych w czasie rzeczywistym na temat odpowiedzi neuronalnych na stymulację.
Integracja potoku i przepływu pracy
Metoda ta integruje się z wczesnymi etapami procesów odkrywczymi, umożliwiając testowanie hipotez poprzez stymulację w czasie rzeczywistym, wyzwalaną przez aktywność impulsową neuronów, co łączy elektrofizjologię z badaniami interwencyjnymi.
- Biologia odkrywcza: Wspiera wyjaśnianie szlaków sygnałowych i ograniczanie ryzyka biologicznego, umożliwiając badaczom testowanie związków przyczynowo-skutkowych między określonymi wzorcami aktywności neuronalnej a odpowiedziami efektowymi.
- Przesiewanie: Poprawia gotowość testów dzięki powtarzalnemu sortowaniu impulsów (spike-sorting) oraz wyzwalaniu zdarzeń w czasie rzeczywistym w oparciu o zdefiniowane przez użytkownika klastry neuronalne.
- Analityka: Zapewnia ilościowe pomiary zmiennych zależnych, takich jak czas dostarczenia bodźca wyzwalanego impulsami oraz histogramy opóźnień odpowiedzi, co umożliwia analizę porównawczą warunków.
- Badania translacyjne: Zapewnia ciągłość przedkliniczną poprzez demonstrację w czuwających gryzoniach, co wspiera ekstrapolację na systemy istotne w kontekście chorób.
- Ponowne wykorzystanie w przedsiębiorstwie: Przedstawione jako możliwość wielokrotnego użycia dzięki otwartemu kodowi MATLAB, który może być adaptowany w różnych laboratoriach i dla różnych modalności stymulacji bez konieczności gruntownego przeprojektowania.
Wpływ operacyjny i przedsiębiorstwowy
- Wartość naukowa: Przewidywalność modulacji celu, redukcja niejednoznaczności mechanistycznej w badaniach obwodów neuronalnych.
- Wartość operacyjna: Standaryzacja, powtarzalność i niskokosztowa implementacja z wykorzystaniem powszechnie dostępnych narzędzi elektrofizjologicznych i środowiska MATLAB.
- Wartość strategiczna: Lepsze decyzje typu go/no-go w walidacji celu, efektywność kapitałowa oraz zmniejszone ryzyko biologiczne na późnych etapach programów neuromodulacyjnych.
- Wpływ na portfolio: Priorytetyzacja celów z uwzględnieniem ryzyka, oparta na dowodach przyczynowo-skutkowych z eksperymentów stymulacji w pętli zamkniętej.
Uwagi dotyczące wdrożenia
- Wymaga wiedzy z zakresu elektrofizjologii, sortowania impulsów (spike sorting) oraz podstaw programowania w języku MATLAB w celu konfiguracji parametrów.
- Zależność od instrumentacji, takiej jak system Neuralynx Cheetah oraz kompatybilny komputer PC do akwizycji i przetwarzania danych w czasie rzeczywistym.
- Konieczność standaryzacji międzyzespołowej progów detekcji impulsów, okien koaktywności oraz parametrów minimalnego dopasowania (min-match) w celu zapewnienia powtarzalności wyzwalania.
- Wymaga uwzględnienia modyfikacji przy zastosowaniu w różnych systemach modelowych lub modalnościach stymulacji wykraczających poza sygnały dźwiękowe lub wyjścia portu szeregowego.
- Ograniczenia praktyczne obejmują zależność od stabilnego sortowania impulsów oraz potencjalne opóźnienia w przetwarzaniu danych w czasie rzeczywistym, co może wpływać na precyzję czasową stymulacji.
