Регистрация и анализ мультимодальной крупномасштабной динамики нейронного ансамбля на КМОП-интегрированной микроэлектродной матрице высокой плотности
8 марта 2024 г.
Здесь мы используем HD-MEA для углубления в вычислительную динамику крупномасштабных нейронных ансамблей, в частности, в гиппокампе, обонятельных луковицах и нейронных сетях человека. Фиксация пространственно-временной активности в сочетании с вычислительными инструментами дает представление о сложности нейронного ансамбля. Этот метод улучшает понимание функций мозга, потенциально выявляя биомаркеры и методы лечения неврологических расстройств.
Наше исследование исследует границы нейронных технологий путем интеграции микроэлектродной матрицы на основе КМОП высокой плотности для декодирования нейронных коммуникаций и больших сетей. Мы стремимся ответить на вопрос о том, как нейронная информация в разных масштабах кодируется в уникальных деталях, улучшая наше понимание функций мозга и дисфункций в здоровом и болезненном состоянии. Ориентируясь в сложной области исследований нейронных ансамблей, мы сталкиваемся с такими проблемами, как достижение точного разрешения сигналов во время мозговой активности и обеспечение биосовместимости наших микроэлектродных матриц на основе КМОП.
Эти препятствия имеют решающее значение для точного захвата и интерпретации богатого гобелена нейронного взаимодействия с помощью мультимодальных записей. Наше исследование направлено на устранение критического пробела в нейронауке – отсутствия комплексного метода перекодирования и анализа динамики крупномасштабного ансамбля нейронов с высоким пространственным и временным разрешением. Этот пробел препятствует нашему пониманию сложных мозговых сетей и функций в здоровом и болезненном состоянии.
Наш протокол позволяет осуществлять мультимодальную запись без меток с высоким разрешением в гиппокампе, обонятельной луковице и нейронах, полученных из IPSC человека, предоставляя универсальный инструмент для разнообразных экспериментов. Этот уникальный подход способствует беспрецедентному пониманию динамики нейронов, преодолевая исследовательский разрыв между различными областями мозга и модельными системами, значительно углубляя наше понимание нейронных функций и расстройств. Будущие исследования в нашей лаборатории будут направлены на глубокое изучение нейронных вычислений и динамики от генов до сетей, направленных на установление молекулярных и функциональных сигнатур в здоровье и болезни.
Благодаря передовой биоэлектронике и нейронным технологиям мы сосредоточимся на нейропластичности, обонятельном кодировании, разработке искусственного интеллекта и стратегий улучшения памяти для новых терапевтических средств и интерфейсов мозг-машин.
Обзор
В данном исследовании используются многоэлектродные матрицы высокой плотности (HD-MEA) для изучения вычислительной динамики крупномасштабных нейронных ансамблей в цепях гиппокампа и обонятельной луковицы, а также в нейронных сетях человека. Интеграция регистрации пространственно-временной активности и вычислительного анализа углубляет понимание сложных нейронных взаимодействий, позволяя получить представление о функциях мозга и выявить потенциальные биомаркеры неврологических расстройств.
Основные компоненты исследования
Область науки
- Нейробиология
- Электрофизиология
- Нейротехнология
Теоретические основы
- Проблемы декодирования нейронной информации в больших масштабах.
- Необходимость в записях с высоким разрешением для изучения сложных сетей мозга.
- Акцент на биосовместимости и разрешении сигнала в нейротехнологиях.
Цель исследования
- Устранение пробела в исследованиях по регистрации динамики нейронных ансамблей более крупного масштаба.
- Углубление понимания функций нейронов при нормальном состоянии и патологии.
- Разработка универсального экспериментального инструмента для использования в различных нейронных моделях.
Используемые методы
- Многоэлектродные матрицы высокой плотности (HD-MEA) для регистрации нейронной активности.
- Использование срезов мозга мыши ex vivo и нейронов человека, полученных из иПСК in vitro.
- Протокол включает процедуры подготовки, инкубации и записи.
- Особое внимание уделяется точному позиционированию электродов и параметрам сбора сигналов.
Основные результаты
- В данном исследовании эффективно регистрируется и анализируется пространственно-временная активность нейронов.
- Выявляются особенности динамики нейронов в различных моделях.
- Возможные выводы для понимания механизмов нейропластичности и кодирования.
Выводы
- Данное исследование демонстрирует значительный прогресс в методах регистрации поведения нейронов.
- В работе подчеркивается углубление понимания нейронных механизмов и последствий расстройств.
- Будущие исследования будут направлены на установление связи между молекулярными и функциональными данными в различных моделях.
Часто задаваемые вопросы
Практическая значимость для отрасли
Микроэлектродные матрицы с высокой плотностью интеграции на базе КМОП-технологии (HD-MEA) позволяют проводить беспрецедентные многомодальные широкомасштабные записи динамики нейронных ансамблей, что способствует механическому снижению рисков и повышению прогностической достоверности при поиске новых нейрофармацевтических препаратов. Данная платформа объединяет системы ex vivo и in vitro, обеспечивая трансляционную преемственность и надежную валидацию мишеней для развития портфеля препаратов для ЦНС. Интеграция передовых методов компьютерного анализа делает эту методологию воспроизводимым корпоративным ресурсом для поиска биомаркеров и исследования нейронных цепей.
Стратегическое применение в биофармацевтических исследованиях и разработках
Первичное обнаружение и валидация мишени
- Обеспечивает картирование активности нейронных цепей с высоким разрешением для функциональной валидации мишеней.
- Поддерживает снижение механистических рисков путем выявления эффектов кандидатных вмешательств на уровне сети.
- Способствует проверке гипотез в отношении нейронных путей, имеющих значение для заболевания.
- Предоставляет количественные, воспроизводимые данные для сортировки и приоритизации портфеля препаратов.
Скрининг и разработка анализа
- Обеспечивает стандартизированные безмаркерные электрофизиологические показатели для различных областей мозга и клеточных моделей.
- Позволяет проводить масштабируемую многоканальную запись для надежной разработки анализов и подготовки к скринингу.
- Обеспечивает воспроизводимость и возможность сравнительного анализа воздействия соединений на динамику сети.
- Подготавливает валидированные биологические системы для последующих этапов фенотипического скрининга.
Трансляционные и доклинические исследования
- Сопоставляет данные нейронных сетей, полученных из иПСК in vitro, с моделями срезов мозга ex vivo для разработки трансляционных биомаркеров.
- Обеспечивает непрерывность процесса от ранних этапов поиска до доклинической валидации механизмов работы нейронных цепей.
- Поддерживает принятие решений о продвижении с учетом рисков, предоставляя прогностические многомасштабные нейронные данные.
- Способствует идентификации биомаркеров сетевого уровня, имеющих значение для неврологических расстройств.
Интеграция конвейеров и рабочих процессов
Методика HD-MEA легко интегрируется на всех этапах: от раннего поиска до идентификации ведущих соединений-кандидатов и доклинических исследований, обеспечивая как проверку гипотез, так и согласование с трансляционными биомаркерами.
- Открывающая биология: Предоставляет высокосодержательные пространственно-временные данные для уточнения путей передачи сигналов и снижения биологических рисков.
- Скрининг: Обеспечивает воспроизводимые количественные электрофизиологические показатели для оценки соединений.
- Аналитика: Предлагает передовые вычислительные методы анализа, включая детектирование событий, теорию графов и классификацию на основе машинного обучения.
- Трансляционные исследования: Связывает модели in vitro и ex vivo для валидации систем, имеющих значение при заболеваниях, и поиска биомаркеров.
- Корпоративное повторное использование: Создает масштабируемую, многократно используемую платформу для исследования нейронных цепей в рамках различных программ.
Операционное и корпоративное воздействие
- Научная ценность: повышает точность прогнозов и снижает неоднозначность механизмов при валидации мишеней в ЦНС.
- Операционная ценность: стандартизирует сбор и анализ мультимодальных нейронных данных на различных моделях.
- Стратегическая ценность: позволяет принимать обоснованные решения о продолжении или прекращении разработки (go/no-go) и эффективно управлять портфелем с точки зрения затрат капитала.
- Влияние на портфель: способствует приоритизации и продвижению активов для лечения заболеваний ЦНС с учетом рисков.
Особенности реализации
- Требуется опыт в области электрофизиологии, вычислительной нейронауки и продвинутого анализа данных.
- Необходим доступ к инструментарию МЭА высокой плотности и надежной вычислительной инфраструктуре.
- Требуется межкомандная стандартизация протоколов записи и анализа.
- Метод применим как к срезам мозга грызунов, так и к нейронным культурам, полученным из иПСК человека.
- Разрешение сигнала и биосовместимость должны быть оптимизированы для каждой модельной системы.
Часто задаваемые вопросы по биофармацевтике
Chapters in this video
0:00
Introduction
2:21
Ex‐Vivo Brain Slices Preparation from Mouse Brain Tissue for Studying Hippocampal‐Cortical and Olfactory Bulb Circuits
3:22
In‐Vitro Culture of Human‐Induced Pluripotent Stem Cells (iPSC) on High‐Density Microelectrode Array (HD‐MEA)
4:44
Ex‐Vivo Circuit‐Wide Recordings from Hippocampal‐Cortical and Olfactory Bulb Slices Using High‐Density Microelectrode Array (HD‐MEA)
6:15
Preparation of Human iPSC Recording Workspace and Network‐Wide Recordings on High‐Density Microelectrode Array (HD‐MEA)
7:05
Analysis of Ex‐Vivo Mouse Brain Slices and In‐Vitro Human iPSC‐Derived Neuronal Networks
