Name: Modelowanie obliczeniowe neuronów siatkówki do badań nad protezami wzrokowymi - podstawowe podejścia (Wideo) | JoVE Journal
Uploaded: 2022-06-21T13:00:00.000+00:00
Duration: 10 min 50 s
Description: Poznaj modelowanie obliczeniowe neuronów siatkówki przy użyciu metody elementów skończonych. Ta technika umożliwia symulację odpowiedzi neuronalnych na różne rodzaje bodźców bez konieczności stosowania prototypów fizycznych.

ai_agent_IP

ai_agent

maintenance

instantTrialDurationMinutes

isBiopharma

enableNewMyJoveSectionDesign

educationFeatures

seoMetaApi

ai_copilot_institution_blacklist

ai_chat_institution_blacklist

freeAccessWindow

ssoRoleCapture

scheduledMaintenanceBanner

joveLabsFeatures

disable_autoplay_for_bots

extended_trial_duration

5 minutes

To badanie jest finansowane przez Grant Projektu Narodowej Rady Zdrowia i Badań Medycznych (Numer Grantu 1109056).

<ol><li>Greenberg, R. J., Velte, T. J., Humayun, M. S., Scarlatis, G. N., de Juan, E. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((A+computational+model+of+electrical+stimulation+of+the+retinal+ganglion+cell%5BTitle%5D)+AND+%22IEEE+Transactions+on+Bio-medical+Engineering%22%5BJournal%5D)">A computational model of electrical stimulation of the retinal ganglion cell.</a> IEEE Transactions on Bio-medical Engineering. 46 (5), 505-514 (1999).</li>
<li>Guo, T., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Mediating+retinal+ganglion+cell+spike+rates+using+high-frequency+electrical+stimulation%5BTitle%5D)+AND+%22Frontiers+in+Neuroscience%22%5BJournal%5D)">Mediating retinal ganglion cell spike rates using high-frequency electrical stimulation.</a> Frontiers in Neuroscience. 13, 413(2019).</li>
<li>Loizos, K., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Increasing+electrical+stimulation+efficacy+in+degenerated+retina%3A+Stimulus+waveform+design+in+a+multiscale+computational+model%5BTitle%5D)+AND+%22IEEE+Transactions+on+Neural+Systems+and+Rehabilitation+Engineering%22%5BJournal%5D)">Increasing electrical stimulation efficacy in degenerated retina: Stimulus waveform design in a multiscale computational model.</a> IEEE Transactions on Neural Systems and Rehabilitation Engineering. 26 (6), 1111-1120 (2018).</li>
<li>Cao, X., Sui, X., Lyu, Q., Li, L., Chai, X. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Effects+of+different+three-dimensional+electrodes+on+epiretinal+electrical+stimulation+by+modeling+analysis%5BTitle%5D)+AND+%22Journal+of+Neuroengineering+and+Rehabilitation%22%5BJournal%5D)">Effects of different three-dimensional electrodes on epiretinal electrical stimulation by modeling analysis.</a> Journal of Neuroengineering and Rehabilitation. 12 (1), 73(2015).</li>
<li>Wilke, R. G. H., Moghadam, G. K., Lovell, N. H., Suaning, G. J., Dokos, S. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Electric+crosstalk+impairs+spatial+resolution+of+multi-electrode+arrays+in+retinal+implants%5BTitle%5D)+AND+%22Journal+of+Neural+Engineering%22%5BJournal%5D)">Electric crosstalk impairs spatial resolution of multi-electrode arrays in retinal implants.</a> Journal of Neural Engineering. 8 (4), 046016(2011).</li>
<li>AC/DC module user's guide. COMSOL AB. , Available from: 
 <a target="_blank" href="https://doc.comsol.com/5.4/doc/com.comsol.help.acdc/ACDCModuleUsersGuide.pdf">https://doc.comsol.com/5.4/doc/com.comsol.help.acdc/ACDCModuleUsersGuide.pdf</a> (2018).</li>
<li>Malmivuo, P., Malmivuo, J., Plonsey, R. <a target="_blank" href="http://scholar.google.com/scholar?hl=en&safe=off&q=author%3aMalmivuo%2C+P+%22Bioelectromagnetism%3A+Principles+and+Applications+of+Bioelectric+and+Biomagnetic+Fields%22">Bioelectromagnetism: Principles and Applications of Bioelectric and Biomagnetic Fields</a>. , Oxford University Press. New York. (1995).</li>
<li>Rall, W. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Electrophysiology+of+a+dendritic+neuron+model%5BTitle%5D)+AND+%22Biophysical+Journal%22%5BJournal%5D)">Electrophysiology of a dendritic neuron model.</a> Biophysical Journal. 2, 145-167 (1962).</li>
<li>Carnevale, N. T., Hines, M. L. <a target="_blank" href="http://scholar.google.com/scholar?hl=en&safe=off&q=author%3aCarnevale%2C+NT+%22The+Neuron+Book%22">The Neuron Book</a>. , Cambridge University Press. Cambridge. (2006).</li>
<li>Rattay, F. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((The+basic+mechanism+for+the+electrical+stimulation+of+the+nervous+system%5BTitle%5D)+AND+%22Neuroscience%22%5BJournal%5D)">The basic mechanism for the electrical stimulation of the nervous system.</a> Neuroscience. 89 (2), 335-346 (1999).</li>
<li>Hodgkin, A. L., Huxley, A. F. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((A+quantitative+description+of+membrane+current+and+its+application+to+conduction+and+excitation+in+nerve%5BTitle%5D)+AND+%22The+Journal+of+Physiology%22%5BJournal%5D)">A quantitative description of membrane current and its application to conduction and excitation in nerve.</a> The Journal of Physiology. 117 (4), 500-544 (1952).</li>
<li>Liang, T., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Threshold+suprachoroidal-transretinal+stimulation+current+required+by+different-size+electrodes+in+rabbit+eyes%5BTitle%5D)+AND+%22Ophthalmic+Research%22%5BJournal%5D)">Threshold suprachoroidal-transretinal stimulation current required by different-size electrodes in rabbit eyes.</a> Ophthalmic Research. 45 (3), 113-121 (2011).</li>
<li>Jensen, R. J., Rizzo, J. F., Ziv, O. R., Grumet, A., Wyatt, J. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Thresholds+for+activation+of+rabbit+retinal+ganglion+cells+with+an+ultrafine%2C+extracellular+microelectrode%5BTitle%5D)+AND+%22Investigative+Ophthalmology+and+Visual+Science%22%5BJournal%5D)">Thresholds for activation of rabbit retinal ganglion cells with an ultrafine, extracellular microelectrode.</a> Investigative Ophthalmology and Visual Science. 44 (8), 3533-3543 (2003).</li>
<li>Kim, W., Choi, M., Kim, S. -W. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((The+normative+retinal+and+choroidal+thicknesses+of+the+rabbit+as+revealed+by+spectral+domain+optical+coherence+tomography%5BTitle%5D)+AND+%22Journal+of+the+Korean+Ophthalmological+Society%22%5BJournal%5D)">The normative retinal and choroidal thicknesses of the rabbit as revealed by spectral domain optical coherence tomography.</a> Journal of the Korean Ophthalmological Society. 62 (3), 354-361 (2021).</li>
<li>Guo, T., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Influence+of+cell+morphology+in+a+computational+model+of+ON+and+OFF+retinal+ganglion+cells%5BTitle%5D)+AND+%2235th+Annual+International+Conference+of+the+IEEE+Engineering+in+Medicine+and+Biology+Society+%28EMBC%29%22%5BJournal%5D)">Influence of cell morphology in a computational model of ON and OFF retinal ganglion cells.</a> 35th Annual International Conference of the IEEE Engineering in Medicine and Biology Society (EMBC). 2013, 4553-4556 (2013).</li>
<li>Haberbosch, L., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Safety+aspects%2C+tolerability+and+modeling+of+retinofugal+alternating+current+stimulation%5BTitle%5D)+AND+%22Frontiers+in+Neuroscience%22%5BJournal%5D)">Safety aspects, tolerability and modeling of retinofugal alternating current stimulation.</a> Frontiers in Neuroscience. 13, 783(2019).</li>
<li>Sheasby, B. W., Fohlmeister, J. F. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Impulse+encoding+across+the+dendritic+morphologies+of+retinal+ganglion+cells%5BTitle%5D)+AND+%22Journal+of+Neurophysiology%22%5BJournal%5D)">Impulse encoding across the dendritic morphologies of retinal ganglion cells.</a> Journal of Neurophysiology. 81 (4), 1685-1698 (1999).</li>
<li>Rockhill, R. L., Daly, F. J., MacNeil, M. A., Brown, S. P., Masland, R. H. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((The+diversity+of+ganglion+cells+in+a+mammalian+retina%5BTitle%5D)+AND+%22Journal+of+Neuroscience%22%5BJournal%5D)">The diversity of ganglion cells in a mammalian retina.</a> Journal of Neuroscience. 22 (9), 3831-3843 (2002).</li>
<li>Lukasiewicz, P., Werblin, F. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((A+slowly+inactivating+potassium+current+truncates+spike+activity+in+ganglion+cells+of+the+tiger+salamander+retina%5BTitle%5D)+AND+%22The+Journal+of+Neuroscience%3A+The+Official+Journal+of+the+Society+for+Neuroscience%22%5BJournal%5D)">A slowly inactivating potassium current truncates spike activity in ganglion cells of the tiger salamander retina.</a> The Journal of Neuroscience: The Official Journal of the Society for Neuroscience. 8 (12), 4470-4481 (1988).</li>
<li>Van Rossum, G. <a target="_blank" href="http://scholar.google.com/scholar?hl=en&safe=off&q=author%3aVan+Rossum%2C+G+%22Python+Reference+Manual%22">Python Reference Manual</a>. , CWI: Centrum voor Wiskunde en Informatica. Amsterdam. (1995).</li>
<li>Spyder Doc Contributors. Welcome to Spyder's Documentation - Spyder 5 documentation. , Available from: 
 <a target="_blank" href="https://docs.spyder-idle.org/current/index.html">https://docs.spyder-idle.org/current/index.html</a> (2022).</li>
<li>Rattay, F. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Ways+to+approximate+current-distance+relations+for+electrically+stimulated+fibers%5BTitle%5D)+AND+%22Journal+of+Theoretical+Biology%22%5BJournal%5D)">Ways to approximate current-distance relations for electrically stimulated fibers.</a> Journal of Theoretical Biology. 125 (3), 339-349 (1987).</li>
<li>Tsai, D., Morley, J. W., Suaning, G. J., Lovell, N. H. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Direct+activation+and+temporal+response+properties+of+rabbit+retinal+ganglion+cells+following+subretinal+stimulation%5BTitle%5D)+AND+%22Journal+of+Neurophysiology%22%5BJournal%5D)">Direct activation and temporal response properties of rabbit retinal ganglion cells following subretinal stimulation.</a> Journal of Neurophysiology. 102 (5), 2982-2993 (2009).</li>
<li>Tsai, D., Morley, J. W., Suaning, G. J., Lovell, N. H. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Frequency-dependent+reduction+of+voltage-gated+sodium+current+modulates+retinal+ganglion+cell+response+rate+to+electrical+stimulation%5BTitle%5D)+AND+%22Journal+of+Neural+Engineering%22%5BJournal%5D)">Frequency-dependent reduction of voltage-gated sodium current modulates retinal ganglion cell response rate to electrical stimulation.</a> Journal of Neural Engineering. 8 (6), 066007(2011).</li>
<li>Joucla, S., Glière, A., Yvert, B. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Current+approaches+to+model+extracellular+electrical+neural+microstimulation%5BTitle%5D)+AND+%22Frontiers+in+Computational+Neuroscience%22%5BJournal%5D)">Current approaches to model extracellular electrical neural microstimulation.</a> Frontiers in Computational Neuroscience. 8, 13(2014).</li>
<li>OpenFOAM. , Available from: 
 <a target="_blank" href="https://www.openfoam.com/">https://www.openfoam.com/</a> (2022).</li>
<li>Barba, L., Forsyth, G. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((CFD+Python%3A+The+12+steps+to+Navier-Stokes+equations%5BTitle%5D)+AND+%22Journal+of+Open+Source+Education%22%5BJournal%5D)">CFD Python: The 12 steps to Navier-Stokes equations.</a> Journal of Open Source Education. 1 (9), 21(2018).</li>
</ol>

Autorzy deklarują brak sprzecznych interesów.

W tym artykule zademonstrowaliśmy proces modelowania, który łączył modelowanie elementów skończonych i modelowanie neuronów biofizycznych. Model jest bardzo elastyczny, ponieważ jego złożoność może być modyfikowana w celu dopasowania do różnych celów, a także umożliwia walidację wyników w stosunku do ustaleń empirycznych. Pokazaliśmy również, w jaki sposób sparametryzowaliśmy model, aby umożliwić automatyzację.
Dwuetapowa metoda modelowania łączy w sobie zalety wykorzystania MES i zestawu obli...

Neuroprotezy wzrokowe to grupa urządzeń, które dostarczają stymulacje (elektryczne, świetlne, itp.) do komórek nerwowych na ścieżce wzrokowej, aby wytworzyć fosfeny lub wrażenie widzenia światła. Jest to strategia leczenia, która jest stosowana klinicznie od prawie dekady u osób z trwałą ślepotą spowodowaną chorobami zwyrodnieniowymi siatkówki. Zazwyczaj kompletny system obejmuje zewnętrzną kamerę, która przechwytuje informacje wizualne wokół użytkownika, zasilacz i jednostkę obliczeniową do przetwarzania i przekształcania obrazu w serię impulsów elektrycznych oraz wszczepiony układ elektrod, który łączy tkankę nerwową i dostarcza impulsy elektryczne do komórek nerwowych. Zasada działania pozwala na umieszczenie neuroprotezy wzrokowej w różnych miejscach wzdłuż drogi wzrokowej od siatkówki do kory wzrokowej, o ile znajduje się ona poniżej uszkodzonej tkanki. Większość obecnych badań nad neuroprotezami wzrokowymi koncentruje się na zwiększeniu skuteczności stymulacji i poprawie ostrości przestrzennej, aby zapewnić bardziej naturalne widzenie.
W wysiłkach zmierzających do poprawy skuteczności stymulacji, modelowanie obliczeniowe było efektywną kosztowo i czasowo metodą walidacji projektu protezy i symulacji jej wizualnego wyniku. Modelowanie obliczeniowe w tej dziedzinie zyskało popularność od 1999 roku, gdy Greenberg1 modelował reakcję komórki zwojowej siatkówki na zewnątrzkomórkowe bodźce elektryczne. Od tego czasu modelowanie obliczeniowe jest wykorzystywane do optymalizacji parametrów impulsu elektrycznego 2,3 lub geometrycznego projektu elektrody4,5. Pomimo różnic w złożoności i pytaniach badawczych, modele te działają poprzez określenie rozkładu napięcia elektrycznego w ośrodku (np. tkance nerwowej) i oszacowanie odpowiedzi elektrycznej, którą neurony w pobliżu wytworzą pod wpływem napięcia elektrycznego.
Rozkład napięcia elektrycznego w przewodniku można znaleźć, rozwiązując równania Poissona6 we wszystkich miejscach:
<img alt="Równanie 1" src="/files/ftp_upload/63792/63792eq01.jpg" style="margin: auto;">
<img alt="Równanie 2" src="/files/ftp_upload/63792/63792eq02.jpg" style="margin: auto;">
gdzie E to pole elektryczne, V to potencjał elektryczny, J to gęstość prądu, a σ to przewodność elektryczna. <img alt="Równanie 12" src="/files/ftp_upload/63792/63792eq12.jpg" style="margin: auto;"> w równaniu wskazuje na operator gradientu. W przypadku prądu stacjonarnego na model nakładane są następujące warunki brzegowe:
<img alt="Równanie 3" src="/files/ftp_upload/63792/63792eq3.jpg" style="margin: auto;">
<img alt="Równanie 4" src="/files/ftp_upload/63792/63792eq04.jpg" style="margin: auto;">
gdzie n jest normalną do powierzchni, Ω reprezentuje granicę, a I0 oznacza określony prąd. Razem tworzą izolację elektryczną na granicach zewnętrznych i tworzą źródło prądu dla wybranej granicy. Jeśli założymy, że w jednorodnym ośrodku o przewodności izotropowej znajduje się monopolarne źródło punktowe, to pozakomórkowy potencjał elektryczny w dowolnym miejscu można obliczyć ze wzoru7:
<img alt="Równanie 5" src="/files/ftp_upload/63792/63792eq05.jpg" style="margin: auto;">
gdzie Ie to prąd i to odległość między elektrodą a punktem pomiaru. Gdy medium jest niejednorodne lub anizotropowe lub układ elektrod ma wiele elektrod, wygodny może być zestaw obliczeniowy do numerycznego rozwiązywania równań. Oprogramowanie do modelowania elementów skończonych6 dzieli przewodnik objętościowy na małe sekcje zwane "elementami". Pierwiastki są ze sobą połączone w taki sposób, że skutki zmian w jednym elemencie wpływają na zmiany w innych i rozwiązują równania fizyczne, które służą do opisania tych pierwiastków. Wraz z rosnącą szybkością obliczeniową nowoczesnych komputerów proces ten można zakończyć w ciągu kilku sekund. Po obliczeniu potencjału elektrycznego można oszacować odpowiedź elektryczną neuronu.
Neuron wysyła i odbiera informacje w postaci sygnałów elektrycznych. Takie sygnały występują w dwóch formach - potencjałów stopniowanych i potencjałów czynnościowych. Potencjały stopniowane to tymczasowe zmiany potencjału błonowego, w których napięcie na membranie staje się bardziej dodatnie (depolaryzacja) lub ujemne (hiperpolaryzacja). Stopniowane potencjały zazwyczaj mają zlokalizowane efekty. W komórkach, które je wytwarzają, potencjały czynnościowe są reakcjami typu "wszystko albo nic", które mogą pokonywać duże odległości wzdłuż aksonu. Zarówno potencjały stopniowane, jak i czynnościowe są wrażliwe zarówno na środowisko elektryczne, jak i chemiczne. Skok potencjału czynnościowego może być wytwarzany przez różne typy komórek neuronalnych, w tym komórki zwojowe siatkówki, po przekroczeniu progowego potencjału transbłonowego. Impuls i propagacja potencjału czynnościowego wyzwalają następnie synaptyczne przekazywanie sygnałów do neuronów znajdujących się w dalszej części strumienia. Neuron można modelować jako, który jest podzielony na cylindryczne segmenty, z których każdy ma pojemność i rezystancję dzięki dwuwarstwowej błonie lipidowej8. Program obliczeniowy neuronów9 może oszacować aktywność elektryczną elektrycznie pobudliwej komórki, dzieląc komórkę na wiele przedziałów i rozwiązując model matematyczny10:
<img alt="Równanie 6" src="/files/ftp_upload/63792/63792eq06.jpg" style="margin: auto;">
W tym równaniu, Cm to pojemność błony, Ve,n to potencjał zewnątrzkomórkowy w węźle n, Vi,n to potencjał wewnątrzkomórkowy w węźle n, Rn to wewnątrzkomórkowy (podłużny) opór w węźle n, a jon I to prąd jonowy przepływający przez kanały jonowe w węźle n. Wartości V z modelu MES są implementowane jako Ve,n dla wszystkich węzłów w neuronie, gdy stymulacja jest aktywna.
Prądy transbłonowe z kanałów jonowych mogą być modelowane za pomocą formuł Hodgkina-Huxleya11:
<img alt="Równanie 7" src="/files/ftp_upload/63792/63792eq07.jpg" style="margin: auto;">
gdzie gi jest przewodnictwem właściwym kanału, Vm potencjałem transbłonowym (Vi,n - Ve,n), a jon E potencjałem odwrócenia kanału jonowego. Dla kanałów bramkowanych napięciem, takich jak kanał Na, wprowadzane są parametry bezwymiarowe m i h, które opisują prawdopodobieństwo otwarcia lub zamknięcia kanałów:
<img alt="Równanie 8" src="/files/ftp_upload/63792/63792eq08.jpg" style="margin: auto;">
gdzie <img alt="Równanie 9" src="/files/ftp_upload/63792/63792eq09.jpg" style="margin: auto;"> to maksymalna przewodność membranowa dla danego kanału jonowego, a wartości parametrów m i h są definiowane przez równania różniczkowe:
<img alt="Równanie 10" src="/files/ftp_upload/63792/63792eq10.jpg" style="margin: auto;">
gdzie α x i βx to funkcje zależne od napięcia, które definiują stałe szybkości kanału jonowego. Zazwyczaj przyjmują one formę:
<img alt="Równanie 11" src="/files/ftp_upload/63792/63792eq11v2.jpg" style="margin: auto;">
Wartości parametrów w tych równaniach, w tym maksymalna przewodność, a także stałe A, B, C i D, były zazwyczaj znajdowane na podstawie pomiarów empirycznych.
Za pomocą tych bloków konstrukcyjnych można budować modele o różnym stopniu skomplikowania, postępując zgodnie z opisanymi krokami. Oprogramowanie MES jest przydatne, gdy równania Poissona nie można rozwiązać analitycznie, na przykład w przypadku niejednorodnego lub anizotropowego przewodnictwa w przewodniku objętościowym lub gdy geometria układu elektrod jest złożona. Po ustaleniu wartości potencjału zewnątrzkomórkowego, model neuronowego może być następnie rozwiązany numerycznie w oprogramowaniu obliczeniowym neuronu. Połączenie tych dwóch programów umożliwia obliczenie złożonej komórki lub sieci neuronowej na niejednorodne pole elektryczne.
Prosty dwuetapowy model komórki zwojowej siatkówki pod wpływem stymulacji nadnaczyniówkowej zostanie zbudowany przy użyciu wyżej wymienionych programów. W tym badaniu komórka zwojowa siatkówki zostanie poddana działaniu impulsów prądu elektrycznego o różnych wielkościach. Położenie komórki względem bodźca jest również zróżnicowane, aby pokazać zależność odległość od progu. Ponadto badanie obejmuje walidację wyniku obliczeniowego w porównaniu z badaniem in vivo progu aktywacji kory mózgowej przy użyciu różnych rozmiarów elektrody stymulacyjnej 12, a także badanie in vitro pokazujące związek między odległością elektroda-neuron a progiem aktywacji13.

<table><tbody><tr><td>Komputerowa stacja robocza</td><td>Nie</td><td>dotyczy Nie dotyczy</td><td>64-bitowego systemu operacyjnego Windows, co najmniej 4 GB pamięci RAM, co najmniej 3 GB miejsca na dysku,</td></tr><tr><td>Anaconda Python</td>, <td>Anaconda, Inc.</td><td>Wersja 3.9</td><td>Wersja Individual Edition o otwartym kodzie źródłowym zawierająca Pythona 3.9 i preinstalowane pakiety do manipulowania danymi, a także zintegrowane środowisko programistyczne Spyder. Może być używany do sterowania symulacją, a także do wyświetlania i analizowania danych symulacyjnych.</td></tr><tr><td>COMSOL Multiphysics</td><td>COMSOL</td><td>Version 5.6</td><td>Pakiet symulacyjny do modelowania metodą elementów skończonych. Należy zakupić licencję na moduł AC/DC. Funkcja Application Builder powinna być uwzględniona w licencji, aby postępować zgodnie z samouczkiem automatyzacji.</td></tr><tr><td>NEURON</td><td>NEURON</td><td>Version 8.0</td><td>Swobodnie dystrybuowane oprogramowanie do wykonywania obliczeń komórek neuronowych i/lub sieci neuronowych.</td></tr></tbody></table>

modelowanie obliczeniowe neuronów siatkówki do badań nad protezami wzrokowymi - podstawowe podejścia

Computational Modeling of Retinal Neurons for Visual Prosthesis Research - Fundamental Approaches

Modelowanie obliczeniowe staje się coraz ważniejszą metodą w inżynierii neuronowej ze względu na jej zdolność do przewidywania zachowań systemów in vivo i in vitro. Ma to kluczową zaletę polegającą na zminimalizowaniu liczby zwierząt wymaganych w danym badaniu poprzez zapewnienie często bardzo precyzyjnego przewidywania wyników fizjologicznych. W dziedzinie protez wzrokowych modelowanie komputerowe ma szereg praktycznych zastosowań, w tym informowanie o projektowaniu wszczepialnego układu elektrod i przewidywanie percepcji wzrokowych, które mogą być wywołane przez dostarczanie impulsów elektrycznych ze wspomnianej matrycy. Niektóre modele opisane w literaturze łączą trójwymiarową (3D) morfologię w celu obliczenia pola elektrycznego i model kablowy neuronu lub sieci neuronowej będącej przedmiotem zainteresowania. Aby zwiększyć dostępność tej dwuetapowej metody dla badaczy, którzy mogą mieć ograniczone wcześniejsze doświadczenie w modelowaniu obliczeniowym, udostępniamy film przedstawiający podstawowe podejścia, które należy przyjąć w celu skonstruowania modelu obliczeniowego i wykorzystania go do przewidywania fizjologicznych i psychofizycznych wyników protokołów stymulacji stosowanych za pomocą proteza wzrokowa. Przewodnik składa się z kroków tworzenia modelu 3D w oprogramowaniu do modelowania metodą elementów skończonych (MES), budowy modelu komórek zwojowych siatkówki w oprogramowaniu obliczeniowym neuronów wieloprzedziałowych, a następnie połączenia tych dwóch. Oprogramowanie do modelowania metodą elementów skończonych do numerycznego rozwiązywania równań fizycznych zostanie wykorzystane do rozwiązania rozkładu pola elektrycznego w stymulacjach elektrycznych tkanek. Następnie wykorzystano specjalistyczne oprogramowanie do symulacji aktywności elektrycznej komórki lub sieci neuronowej. Aby skorzystać z tego samouczka, wymagana byłaby znajomość zasady działania neuroprotezy, a także pojęć neurofizjologicznych (np. mechanizmu potencjału czynnościowego i zrozumienia modelu Hodgkina-Huxleya).

Przeprowadziliśmy dwa protokoły symulacji, aby zademonstrować użycie modelu. Pierwszy protokół polegał na zmianie rozmiaru elektrody przy jednoczesnym zachowaniu tej samej lokalizacji neuronu i parametrów impulsu elektrycznego. Drugi protokół polegał na przesuwaniu neuronu w kierunku x w krokach co 100 μm, przy czym rozmiar elektrody pozostawał stały. W przypadku obu protokołów zastosowany impuls był pojedynczym pierwszym katodowym impulsem dwufazowym o szerokości 0,25 ms z przerwą międzyfazową 0,05 ms. W pierwszym proto...

Podsumowujemy przepływ pracy, aby obliczeniowo modelować zachowanie neuronu siatkówki w odpowiedzi na stymulację elektryczną. Model obliczeniowy jest wszechstronny i obejmuje etapy automatyzacji, które są przydatne w symulowaniu szeregu scenariuszy fizjologicznych i przewidywaniu wyników przyszłych badań in vivo/in vitro.

Modelowanie obliczeniowe neuronów siatkówki do badań nad protezami wzrokowymi - podstawowe podejścia

Computational modeling has become an increasingly important method in neural engineering due to its capacity to predict behaviors of in vivo and in vitro ...

Protokół ten pomaga przewidywać reakcję komórek nerwowych na różne bodźce, co pozwala nam badać nowatorskie pomysły w stymulacji neuronalnej bez konieczności posiadania fizycznego prototypu lub żywej tkanki. Może być używany jako badanie wstępne do testowania koncepcji, które są trudne do fizycznego naśladowania, a także jest efektywny kosztowo i czasowo, umożliwiając testowanie dużej liczby parametrów. Ta metoda może przewidywać odpowiedź neuronalną w innych systemach stymulacji neuronalnej poza siatkówką.Nie ogranicza się również do stymulacji elektrycznej, ale może być również stosowany do bodźców świetlnych. Aby rozpocząć, uruchom oprogramowanie MES i kliknij kreator modelu, a następnie 3D. W polu listy Wybierz fizykę rozwiń węzeł AC/DC i wybierz pola elektryczne i prąd.Kliknij na badanie i dodaj badanie stacjonarne w opcji badania ogólne, a następnie kliknij na gotowe. W ustawieniach geometrii zmień jednostkę długości z metra na mikrometr. Kliknij prawym przyciskiem myszy geometrię pierwszą, a następnie kliknij blok, aby utworzyć domenę bloku.Powtórz ten krok jeszcze dwa razy, aby utworzyć w sumie trzy bloki. Dla wszystkich bloków ustaw zarówno głębokość, jak i szerokość na 5 000 mikrometrów i przypisz wartość wysokości bloku. Zmień opcję bazową na wyśrodkowanie i przypisz wartości Z dla każdego bloku.Aby utworzyć płaszczyznę roboczą do dodania elektrody do modelu, kliknij prawym przyciskiem myszy płaszczyznę geometrii w drzewie modelu i wybierz opcję Płaszczyzna robocza. Kliknij pierwszą płaszczyznę roboczą i zmień typ płaszczyzny na równoległą. Kliknij przycisk aktywuj wybór poniżej typu płaszczyzny i wybierz dolną powierzchnię bloku pierwszego.Kliknij na parametry jeden i zdefiniuj wartość promienia elektrody. Aby narysować elektrodę tarczową na płaszczyźnie roboczej, kliknij geometrię płaszczyzny w obszarze płaszczyzny roboczej i kliknij szkic na głównym pasku narzędzi. Wybierz okrąg, kliknij w dowolnym miejscu wewnątrz prostokąta na karcie Grafika i przeciągnij, aby utworzyć elektrodę dyskową.Zmień promień na wstępnie zdefiniowaną wartość w mikrometrze, xw i yw na zero mikrometra, a następnie kliknij zbuduj wszystko. W drzewie modelu kliknij prawym przyciskiem myszy materiał, następnie kliknij pozycję pusty materiał, a następnie kliknij pierwszy materiał i zmień wybór na ręczny. Kliknij domeny w oknie graficznym, aby wybrać tylko jedną domenę.Wybierz właściwości materiału, podstawowe właściwości, a następnie kliknij przewodność elektryczna i kliknij przycisk dodaj do materiału. Zmień wartość przewodności elektrycznej na 0,043 siemensa na metr. Powtórz kroki dla domen drugiej i trzeciej o wartościach przewodności elektrycznej wynoszących odpowiednio 0,7 i 1,55 siemensa na metr.Aby utworzyć siatkę modelu 3D, przejdź do drzewa modelu i kliknij prawym przyciskiem myszy siatkę pierwszą, a następnie kliknij opcję Swobodny czworościan. Kliknij na dowolny czworościenny i wybierz zbuduj wszystko. Aby zastosować fizykę do MES, rozwiń wartość prądów elektrycznych o jeden w drzewie modelu i sprawdź, czy wymienione są wartości zachowania prądu jeden, izolacja elektryczna i wartości początkowe jeden.Następnie kliknij prawym przyciskiem myszy prądy elektryczne. Następnie kliknij masę i nałóż to na powierzchnię najbardziej oddaloną od elektrody. Następnie kliknij prawym przyciskiem myszy prądy elektryczne.Następnie kliknij potencjał pływający przypisany do elektrody dyskowej i zmień wartość I0 na jeden mikroamper, aby zastosować prąd jednostkowy. Aby uruchomić symulację z przeciągnięciem parametrycznym, w drzewie modelu kliknij prawym przyciskiem myszy pozycję badanie pierwsze, a następnie kliknij opcję Przeciągnięcie parametryczne. Kliknij na parametryczne przeciągnięcie, a następnie w tabeli ustawień badania kliknij dodaj, a następnie wybierz elec_rad dla nazwy parametru.Wpisz 50, 150, 350, 500 dla listy wartości parametrów i mikrometr dla jednostki parametrów. Następnie kliknij przycisk compute (obliczenia), aby uruchomić badanie. Aby zaimportować morfologię za pomocą funkcji CellBuilder, uruchom nrngui z folderu instalacyjnego pakietu NEURON Computational Suite.Następnie kliknij narzędzia, a następnie kliknij różne, importuj 3D, a następnie zaznacz pole wyboru pliku. Znajdź pobrany plik SWC i kliknij odczyt. Po zaimportowaniu geometrii kliknij eksport, a następnie CellBuilder.Aby utworzyć plik KWR z importowaną morfologią komórki, należy przejść do zakładki podzbiory i obserwować podzbiory, które zostały predefiniowane w modelu. Zaznacz pole tworzenia ciągłego, przejdź do zarządzania, a następnie kliknij przycisk eksportuj i wyeksportuj morfologię jako rgc.hoc. Aby wyświetlić morfologię komórki, kliknij narzędzie, widok modelu, jedną prawdziwą komórkę.Następnie kliknij root soma zero na pasku narzędzi. Kliknij prawym przyciskiem myszy pojawiające się okno i kliknij typ dostępu i wyświetl dostęp. Z oględzin wynika, że średnica pola dendrytycznego tego modelu powinna wynosić około 250 mikrometrów.Na razie zamknij okna NEURON. Otwórz oprogramowanie MES. Przejdź do Konstruktora aplikacji.Kliknij prawym przyciskiem myszy metody w drzewie Konstruktora aplikacji. Wybierz nową metodę i kliknij w porządku. Przejdź do pliku, a następnie kliknij preferencje i metody.Zaznacz pole wyświetl wszystkie kody i kliknij OK. Napisz plik HOC, który ładuje współrzędne segmentów neuronów do pliku tekstowego. Użyj skryptu metody MES, aby przesunąć wartości tak, aby pasowały do żądanej lokalizacji i zapisać plik tekstowy zawierający wartości współrzędnych dla nowego położenia komórki.Otwórz metodę COMSOL i zapisz przesunięte wartości współrzędnych i napięcia. Aby uruchomić zautomatyzowane kroki w oprogramowaniu MES, przełącz się na konstruktora modelu, programistę, metodę uruchamiania i kliknij metodę pierwszą. Spowoduje to utworzenie plików DAT z odpowiednimi wartościami napięcia.Zapętl symulacje w języku programowania ogólnego przeznaczenia, otwierając wybrane IDE i klikając nowy plik, aby utworzyć nowy skrypt, zgodnie z tekstem rękopisu. Na koniec kliknij uruchom lub naciśnij F5, aby uruchomić skrypt, który otworzy również GUI pakietu NEURON Computational Suite. Wykres reakcji modelu NEURON na stymulację zewnątrzkomórkową w graficznym interfejsie użytkownika pakietu NEURON Computational Suite.Aby to zrobić, uruchom stymulację. Hoc, kliknij na Wykres, następnie kliknij Dostęp do napięcia na pasku narzędzi, a następnie w oknie wykresu kliknij prawym przyciskiem myszy w dowolnym miejscu i wybierz, Wykres Co? Wpisz axon.v1 w polu zmienna do wykresu, co oznacza, że wykreśli potencjał transbłonowy ostatniego segmentu aksonu na krok czasowy. Opisany tutaj model potwierdził, że zwiększenie rozmiaru elektrody nadnaczyniówkowej przy szerokości impulsu 0,25 milisekundy zwiększyło próg aktywacji neuronu modelowego. Obserwowano charakterystykę potencjału czynnościowego w celu walidacji modelu.Opóźnienie lub czas między początkiem bodźca a szczytem skoku potencjału czynnościowego wahał się od 1 do 2,2 milisekundy. Odpowiadało to krótkiemu wzrostowi opóźnień spowodowanemu aktywacją siatkówki nieza pośrednictwem sieci. Szerokość kolca w tym modelu wynosiła jedną milisekundę i jest to ten sam zakres, co szerokości kolców króliczych RGC mierzone in vitro.Model wykazał najniższy próg, gdy wąski segment aksonu znajdował się bezpośrednio nad elektrodą dyskową i zwiększał się wraz ze wzrostem odległości X. Przesunięcie elektrody dalej w kierunku dystalnego aksonu spowodowało niższy próg w porównaniu z przesunięciem elektrody w kierunku dendrytów ze względu na obecność początkowego segmentu aksonu i wąskiego segmentu, w którym kanały sodowe są bardziej rozpowszechnione. Opisana metoda jest łatwa do zastosowania i przyspiesza prace badawcze w tworzeniu dowodów słuszności koncepcji dla nowatorskich metod stymulacji lub projektów neuro-electro.

computational-modeling-retinal-neurons-for-visual-prosthesis-research

Research

JoVE Journal

Neuroscience

Neuronauka

Niniejszy artykuł przedstawia metodę preparowania i inkubacji siatkówki królika oraz zapośredniczony przez cząsteczki transfer genów plazmidów kodujących GFP lub różne markery subkomórkowe do komórek zwojowych siatkówki.

Organotypowa hodowla siatkówki dorosłego królika

Techniki wizualizacji cytoarchitektury siatkówki bezpośrednio przylegającej do pojedynczych elektrod w stymulatorze siatkówki.

Techniki przetwarzania oczu z wszczepioną protezą siatkówki do miejscowej analizy histopatologicznej

Ten protokół opisuje nowatorską metodę badania formy chemicznej neurostymulacji całych siatkówek szczurów in vitro za pomocą neuroprzekaźnika glutaminianu. Neurostymulacja chemiczna jest obiecującą alternatywą dla konwencjonalnej neurostymulacji elektrycznej neuronów siatkówki w leczeniu nieodwracalnej ślepoty spowodowanej chorobami zwyrodnieniowymi fotoreceptorów.

Metodologia biomimetycznej neuromodulacji chemicznej siatkówki szczura za pomocą neuroprzekaźnika glutaminianu in vitro

Aby zbadać wzrok myszy, przeprowadziliśmy nadciągający test. Myszy umieszczono na dużej kwadratowej arenie z monitorem na suficie. Zbliżający się bodziec wizualny konsekwentnie wywoływał u myszy reakcje zamrożenia lub ucieczki.

Wykorzystanie zbliżających się bodźców wzrokowych do oceny wzroku myszy

Prezentowana tutaj jest chirurgiczna technika przeszczepiania tkanki siatkówki pochodzącej z ludzkich pluripotencjalnych komórek macierzystych (hPSC) do przestrzeni podsiatkówkowej dużego modelu zwierzęcego.

Podsiatkówkowy przeszczep ludzkiej embrionalnej tkanki siatkówki pochodzącej z komórek macierzystych w modelu dużego zwierzęcia kota

Tutaj opisujemy zoptymalizowany protokół do zamykania żył siatkówki za pomocą róży bengalskiej i sterowanego laserowo systemu obrazowania siatkówki z zaleceniami maksymalizacji jego odtwarzalności w genetycznie modyfikowanych szczepach.

Optymalizacja mysiego modelu niedrożności żyły siatkówki w celu ograniczenia zmienności

Choroby zwyrodnieniowe oczu, które wpływają na warstwę nabłonka barwnikowego siatkówki, mają pochodzenie monogenowe i poligenowe. Opracowano kilka modeli chorób i aplikację LipidUNet w celu badania mechanizmów choroby, a także potencjalnych interwencji terapeutycznych.

Oparta na uczeniu maszynowym metoda charakterystyki i kwantyfikacji złogów lipidowych LipidUNet przy użyciu nabłonka barwnikowego siatkówki pochodzącego z iPSC

Opracowaliśmy kilka protokołów do wywoływania uszkodzeń siatkówki lub degeneracji siatkówki u kijanek Xenopus laevis. Modele te dają możliwość badania mechanizmów regeneracji siatkówki.

Generowanie modeli uszkodzeń siatkówki w kijankach Xenopus

Ten protokół opisuje procedurę pozyskiwania i hodowli pierwotnych komórek nabłonka barwnikowego siatkówki (RPE) z lokalnie pozyskiwanych oczu świń. Komórki te służą jako wysokiej jakości alternatywa dla komórek macierzystych i nadają się do badań siatkówki in vitro.

Izolacja pierwotnych komórek nabłonka barwnikowego siatkówki świń do modelowania in vitro

Obecny protokół opisuje zoptymalizowany system 3D do indukcji siatkówki neuronalnej, który zmniejsza adhezję i fuzję organoidów siatkówki z wysoką powtarzalnością i wydajnością.

Generowanie siatkówki nerwowej z ludzkich pluripotencjalnych komórek macierzystych

Ten rękopis przedstawia protokół histologicznego przygotowania preparatów z gałek ocznych gryzoni. Dzięki proponowanej metodzie wewnętrzną siatkówkę można łatwo zobrazować i ocenić pod mikroskopem świetlnym. Procedura jest przedstawiona dla gałek ocznych myszy i szczurów.

Przygotowanie i analiza preparatów histologicznych gałek ocznych szczurów i myszy w celu oceny siatkówki

Poznaj modelowanie obliczeniowe neuronów siatkówki przy użyciu metody elementów skończonych. Ta technika umożliwia symulację odpowiedzi neuronalnych na różne rodzaje bodźców bez konieczności stosowania prototypów fizycznych.

Modelowanie obliczeniowe neuronów siatkówki do badań nad protezami wzrokowymi - podstawowe podejścia

Przeglądaj więcej filmów