Идентификация и классификация позиционно-специфичных вариантов миссенс-субъединицы рецептора ГАМК_А по их роли в пирамидальных нейронах гиппокампа

Наше исследование основано на идее о том, что эпилептогенные и проксимально предсказанные мутации в субъединицах рецептора ГАМК-А могут аналогичным образом влиять на модель пирамидального нейрона CA1. Мы исследуем это с помощью многоуровневой структуры. Лабораторные эксперименты необходимы для открытия истины, но они не могут полностью охватить разнообразие и сложность жизни на всех уровнях — от молекул до организмов. Просто существует слишком много возможностей, вот в чем проблема.

Наш протокол и результаты проложили путь к вычислительной среде, которая может быть использована для изучения влияния полиморфизмов, таких как полиморфизмы субъединиц рецептора ГАМК-А, на нейронную функцию.

Наше исследование поднимает новые вопросы о том, в какой степени прогнозируемые патогенные варианты и эпилептогенные мутации демонстрируют схожие свойства, и как эти взаимосвязи могут быть эффективно зафиксированы и смоделированы.

В настоящее время наше внимание сосредоточено на функции микросхемы энторинальной коры и гиппокампа. Мы будем изучать животные модели in vivo и модели вычислительных микросхем для изучения контроля перегородки на этой схеме, особенно при нейропсихиатрических расстройствах.

[Рассказчик] Для начала откройте исходный файл Excel, содержащий генетические данные, и удалите ненужные столбцы из файла, оставив только четыре столбца: GRCh38Chromosome, GRCh38Location, Name и Protein, прежде чем сохранить файл как data1.xlsx в рабочем каталоге, относящемся к программному обеспечению R. Для дальнейшей очистки и форматирования данных откройте программное обеспечение R и RStudio. Затем откройте скрипт R Data_GABAA R. Установите рабочий каталог и загрузите необходимые библиотеки, нажав кнопку «Выполнить». Загрузите файл данных и начните очистку данных для столбцов, требующих этого процесса. Далее очистите и объедините данные в одну колонку, разделенную одним пробелом. Создайте новый фрейм данных для объединенных выходных данных и добавьте нужный идентификатор варианта ансамбля транскриптов. Запишите результат в новый файл Excel с именем data1output.xlsx. Чтобы построить биофизическую модель ГАМКергического синапса на многокомпонентном пирамидальном нейроне гиппокампа, основанном на проводимости, установите Brian 2 и импортируйте необходимые пакеты. Спроектируйте модель на основе проводимости, определив кинетику стробирования ионных каналов, пассивные и активные параметры, а также постсинаптическую проводимость. Используйте модифицированные проводимости типа Ходжкина-Хаксли для пирамидальных нейронов гиппокампа. Отрегулируйте распределение плотности потенциал-зависимых натриевых каналов для сомы, начального сегмента аксона, узлов Ранвье и дендритов. Установите проводимость натриевых и калиевых каналов равной нулю в миелинизированных сегментах. Встроенная кинетика стробирования ионных каналов для потенциал-зависимых натриевых и калиевых каналов. Введите синаптические токи как сумму всех глутаматергических и ГАМКергических синапсов в одном отсеке. Включайте в глутаматергический ток как быстрый ток, опосредованный рецептором AMPA, так и медленный ток, опосредованный рецептором NMDA. Включайте в ГАМКергический ток только быстрый ГАМК-рецептор-опосредованный ток. Предположим, что при каждом пресинаптическом всплеске в синапс выделяется постоянное количество глутамата. Таким образом, активация рецепторов зависит от времени спайка, а общая проводимость рецепторов, G-AMPA и G-NMDA, отражает количество глутамата, которое выделяется каждым событием. Задайте морфологические параметры, используя экспериментально измеренный диаметр сомы и нейритов, а также длину каждого нейритного компартмента и паттерны ветвления. Сведите реальную морфологию нейронов к многокомпонентной модели, разделив клетку на несколько компартментов, которые точно сохраняют основную ветвящуюся структуру и поддерживают двустороннюю симметрию. Определите биофизические параметры для модели ГАМКергического синапса путем оценки контрольных измерений дикого типа, полученных ранее, и импортируйте их для использования в модели. Определите константы времени нарастания и деактивации для постсинаптического тока, опосредованного рецептором ГАМК-А. Проектирование топологии модели нейрона и присвоение морфологических и биофизических параметров, что включает в себя уточнение пространственного расположения и взаимосвязей компартментов на основе ранее полученной морфологической и ветвящейся информации. Назначьте соответствующие морфологические параметры, такие как длина и диаметр сегмента, а также биофизические параметры каждому отсеку модели. Создайте пресинаптическое действие с помощью SpikeGeneratorGroup. Подключите генератор спайков к целевому отсеку модельного нейрона с помощью класса Synapses для моделирования синаптических связей. Установите постоянный постоянный ток 0,85 наноампера и поместите электрод на сому, чтобы имитировать подпороговую активность, вызванную базовой нагрузкой ионным током в данный момент времени. Чтобы создать записывающие мониторы, записывайте трассировки напряжения из целевых отсеков с помощью StateMonitor. Наконец, постройте сеть и запустите ее. Нейронные линии спайков при одиночном дистальном глутаматергическом входе и соматическом ингибировании ГАМКергических ингибиторов выявили исходы возбуждения рецепторов дикого типа и мутантных ГАМК-А. Мутация бета-3N110D нарушила ингибирование, заставляя нейроны блокироваться на возбуждающем входе Glu-S1 после четвертого пресинаптического всплеска с короткой постсинаптической задержкой. Мутация гамма-2K328M также нарушила ингибирование с возбуждением нейронов, происходящим вокруг пятого шипа Glu-S1, и с более длительной постсинаптической задержкой, чем бета-3N110D. При двойном синаптическом входе мутация гамма-2P302L вызывала возбуждение, почти синхронизированное с медиальным апикальным входом Glu-S2, что, вероятно, отражает запоздалое суммирование от Glu-S1. Мутация бета-3T288N продемонстрировала аналогичную картину с шипами, выровненными по входам Glu-S2, и вторым шипом, появляющимся почти синхронно. Мутация бета-3N110D в условиях двойного входа вызывала спайки почти на всех возбуждающих входах, за исключением первых двух, с заметно сокращенными интервалами между шипами. Мутант гамма-2К328М показал сопоставимую схему срабатывания, но не реагировал на второй и третий возбуждающие входы. В условиях тройного возбуждения мутанты как бета-3N110D, так и гамма-2K328M реагировали почти на все пресинаптические спайки, запуская пары шипов в ответ на кумулятивный возбуждающий драйв.