En enkel Stimulerande enhet för Framkalla Point-liknande Taktil Stimuli: A Strålkastare för LFP att Spike Transitions

Summary

För att belysa den komplexa övergången från lokala fält Potentials (LFPs) att spikar en lämplig stimulator för lätta mekaniska perifera stimuli byggdes. Som ett program, var den tillsatta verksamhet som registrerats från somatosensoriska cortex analyseras av en flera mål optimering strategi. Resultaten visade att den föreslagna stimulatorn kunde leverera taktila stimuli med millisekund och millimeter preciseringar.

Abstract

Aktuell neurofysiologisk forskning syftar till att utveckla metoder för att undersöka signalvägen från neuron till neuron, nämligen i övergångarna från spikar till lokala fält Potentials (LFPs) och från LFPs att spikar.

LFPs har en komplex beroende av spik aktivitet och deras relation är fortfarande dåligt kända ^1. Att klarlägga dessa signal relationer skulle vara till hjälp både för klinisk diagnostik (t.ex. stimulans paradigm för Deep Brain Stimulation) och för en djupare förståelse av neurala kodningsstrategier i normala och patologiska förhållanden (t.ex. epilepsi, Parkinsons sjukdom, kronisk smärta). I detta syfte måste man lösa tekniska frågor som rör stimulering, stimulans paradigm och beräknings analyser. Därför var en skräddarsydd stimulering enhet utvecklats för att leverera stimuli väl reglerade i tid och rum som inte drabbas av mekanisk resonans. Däreftersom en exemplifiering, var en uppsättning av tillförlitliga LFP-spik relationer heras.

Prestandan hos anordningen undersöktes genom extracellulära inspelningar, tillsammans spikar och LFP svar på de tillämpade stimuli, från råtta Primary Somatosensoriska cortex. Sedan, med hjälp av en multi-objektiv optimeringsstrategi, var en prediktiv modell för spik förekomst baseras på LFPs uppskattas.

Tillämpningen av detta paradigm visar att enheten är tillräckligt lämpad för att leverera hög frekvens taktil stimulering, bättre än vanliga piezoelektriska ställdon. Som ett bevis på effektiviteten av enheten, fick följande resultat presenteras: 1) tidpunkten för och tillförlitligheten av LFP svaren väl matcha spik svar, 2) LFPs är känsliga för stimulans historia och fånga inte bara det genomsnittliga svaret utan också prov-till-prov fluktuationer i spik aktivitet, och slutligen 3) med hjälp av LFP signalen är det möjligt att beräkna ett intervall of prediktiva modeller som fångar olika aspekter av spik aktivitet.

Introduction

Inom ramen för signalbehandling pulssvaret ger en grundläggande karakterisering av beteendet hos ett dynamiskt system.

Även om det ideala impuls stimulus är praktiskt taget omöjliga att uppnå, är det möjligt att erhålla en rimlig uppskattning av det med hjälp av ett manöverelement som genererar högfrekventa förskjutningar. Denna typ av ljus taktil-vibrerande stimulering är känd för att rikta både djup hud (t ex snabbt svara, snabbt anpassa Pacinian blodkroppar) ² och ytliga receptorer (t.ex. låg tröskel långsamt anpassar Merkel discoid strukturer) ^2.

Aktuella stimulering, främst piezoelektriska ställdon, debiteras med ett antal nackdelar, inte minst resonanser och små förskjutningar. För att övervinna dessa brister, är en alternativ implementering av impuls-liknande stimulering föreslagit användning av en trubbig spets (en kaktus utjämnad spets i vårt fall) vertikaltmonterad på membranet mitt i en mid-range högtalarkonen. Detta ger fördelen av större förskjutningar och bredare frekvensspektrum.

En effektiv tillämpning av en sådan anordning var studiet av den relevanta neurofysiologisk problemet med LFPs att spikes beroendet. På grund av den subtila tidssamband mellan dessa elektriska händelser en fint reglerad enhet behövdes för att leverera perifera stimuli. De stimuli var tvungna att vara så snabb och spatialt selektiva som möjligt för att minska "bakgrundsbrus" och vässa signalerna av intresse. För detta ändamål har stimuleringen enheten och den stimulans leveransprotokollet gemensamt optimerad för uppgiften. I detta dokument beskriver vi tekniken och presentera några representativa resultat.

En stimuleringsprotokoll baserat på randomiserade parade-pulser har konstruerats och optimerats för att undvika tillvänjning. Detta protokoll erbjuds fördelen av klassisk pared pulser och minskat risken för falsk låsning mellan stimuli och spontana periodiska utbrott av nervaktivitet.

Genom att använda denna randomiserade parade puls det var möjligt att få snabba och pålitliga LFP och spik svaren och att fånga den speciella med dessa svar i samband med beroendet av både LFPs och spikar på stimulans historia. I själva verket från rå LFP svar en uppsättning av tre LFP rekommendationer (LFP själv, LFP första derivatan och fasen hos den första derivatan) starkt korrelerar med den genomsnittliga spike gensvar, var också extraheras.

Några metoder har föreslagits för att passa modeller som förutsäger spikar från LFPs ^3,4. I allmänhet en kritisk punkt i modellen anpassningsprocessen, vanligt också till förutsägelsen av spik händelse från stimulussignal, utgörs av ett lämpligt val av målfunktionen att maximera / minimera. Även en rad objektiva funktioner har varit att föreslåd (t.ex. korrelation och samstämmighet) ⁵ ingen av dessa fångar tillsammans hela komplexitet spik svar. Följaktligen är en ny ram baserad på flera mål optimering infördes. Vi visar att med hjälp av den föreslagna utformas och detta beräknings ram är det möjligt att uppskatta en uppsättning av prediktiva modeller som bygger på starka LFP att spika relationer.

Protocol

Etiska riktlinjer

För att studera hur sensoriska stimuli representeras av nervaktivitet finns det inget alternativ till användningen av djur och användning av en in vivo-metod. Alla djur har behandlats längs den italienska och europeiska lagar om behandling av djur i vetenskaplig forskning (italiensk bioetiska kommitté, Lag Förordning om behandling av djur i forskning, 27 Jan 1992, nr 116). National Research Council, där experimenten har utförts, följer den internationella kommittén för försöksdjursvetenskap (Iclas) på uppdrag av FN: s organisation för utbildning, vetenskap och kultur organisationer (Unesco), rådet för internationella organisationer för medicinska vetenskaper (CIOMS ) och International Union of Biological Sciences (IUBS). Som sådan var ingen protokollspecifika godkännande krävs. Godkännandet av hälsovårdsministeriet är klassificerad som "Biella 1, 3/2011" i filerna i EtikkommitténUniversitetet i Milano.

1. Beredning av försöksdjuren

1. Välj hanråttor ungefär 300-400 gi storlek.
2. Bedöva råttorna för den experimentella beredningen.
   1. Injicera intraperitonealt en barbiturat lösning (pentobarbital, 50 mg / kg för induktion, 10 mg / kg för underhåll).
   2. Kontrollera anestesinivå med låg tröskel och hög tröskel mekaniska stimuli över en tass att ingen indragning reflex inträffar.
   3. Förbered hjärn huden genom att raka av skalle noggrant och sedan göra ett snitt för att exponera hjärnytan.
   4. Kanylera luftstrupe, av en trakeal kanyl (innerdiameter av 2 mm och en yttre diameter på 2,5 mm) att fixera den genom kirurgisk ligering runt luftstrupen själv.
   5. I sidled till trakeal segmentet exponera jugularvenen och kanylera det att sätta in en kanyl (PE10) förbunden med en spruta att fixera den genom kirurgisk ligering runt kärlet.
3. Montera råtta på en stereotaktisk apparat.
   1. Säkra råtta kropp och plats i ryggläge.
   2. Fäst huvudet vid örat barer och blockera nosen. Placera en eller två droppar av lokalbedövning (lidokain) i råttans öra innan du lägger örat barer.
4. Reglera temperaturen hos den stereotaxic kudden genom en elektroniskt styrd värmedyna, varvid temperaturen hölls vid 37,5 ° C.
5. Anslut trakealtub andnings anestesi-enheten.
   1. Ställ andnings anestesi enheten vid 1 slag / s levererar isofluran (2,5% 0,4-0,8 l / min) och _O2 (0,15 till 0,2 l / min).
6. Rengör noga den skalle av en povidon-jod aktuell antiseptisk.
7. Ta en steril skalpell och skars i längdriktningen på mittlinjen från grundval av nos till vinkeln på occipital benet.
   1. Divaricate såret gränser av ett upprullningsdon och fäst dem med två små cocker pincett tillämpad to såret gränser.
   2. Identifiera benhinnan genom att peka ett ljus över en skalle valv observera den genomskinliga ytan. Skrapa försiktigt benet valv tar bort benhinnan och exponera benet ytan.
   3. Ge hemostas med en bomullsspets eller kirurgisk svamp över benet ytan om fokala blödningar visas över benet.
8. Med en fin spets penna, identifiera den stereotaktiska punkten bregma vid skärningspunkten mellan de mediosagittal och koronala suturas.
   1. Under operationsmikroskop kontroll, identifiera den stereotaktiska område (S1HL) överdra somatosensoriska cortex kontralateralt till den bakre tassen användes för experimentet (bregma, AP -0,5 till 1,2 mm, LL -2,3 till 2,5 mm).
9. Med en fin spets penna rita kvadraten perimetern som avgränsar hålet som skall borras.
   1. Borra ett 9 mm ² hål på tidigare identifierade blå fyrkant ta bort benet kakel.
   2. Rengör och absorbera eventuella ben blödningar. Ta försiktigt bort dura mater och täcka kortikala ytan med en kirurgisk svamp indränkt i artificiell cerebrospinalvätska bibehålls vid 37,5 ° C.
10. Fäst elektrodmatrisen till en hållare som är ansluten till en elektronisk mikromanipulator.
    1. Anslut chefen för matrisen till förförstärkaren med en microconnector.
    2. Kör manuellt elektrodmatris (under operationsmikroskop kontroll) fram till den kortikala ytan (utan att röra den).
    3. Slå på förstärkare med ljudsignal.
    4. Kör genom den elektroniska styrningen är elektrodmatris röra kortikala ytan tills kontakten nåtts, signaleras av en tydlig ljud ljud förändring.
    5. Dra ner elektrodmatris med elektroniskt styrda steg (2 ^ m / steg) tills ett djup av 350-400 nm nås (kortikala skikt IV).
    6. Kontrollera lyhördhet nervceller med ljus handen på den kontralaterala bakre tassen.
    7. Justera djupet med några ytterligare steg tills en klar tillsatta respons observeras.
    8. Paralysera råtta genom intravenös gallamin thriethiodide (20 mg / kg / timme). Använd refrakteras doser under hela experimentet för att bibehålla kurarisering nivåer (0,2 ml / 1 timme).

2. Signal Behandling

1. Ställ in programvaran bandpassfilter till [0.1 6000] Hz.
   1. Anteckna de neuronala signaler från 8 kanaler mikroelektrod matris samplad i 32 kHz.
2. Efter förvärvet avslutas, exportera inspelade signalerna till ett binärt format som lämpar sig för efterbearbetning.
   1. Utför spik sorteringsförfarande med hjälp av Wave_clus verktygslåda ^11.

3. Tillverkning och konfiguration för stimulering av enhet

1. Montera en kaktus stjälk (med trubbig spets) vinkelrätt mot ytan av en mid-range högtalare limning stjälken grunden till den gemensamma jordbrukspolitiken.
2. Programmeramikrokontroller för att leverera spänningspulser till en drivkrets för högtalaren.
   1. Programmera mikrokontroller för att leverera två parade strömpulser varje sekund (se Figur 1C).
3. Montera högtalaren och mikrokontroller med hjälp av en L293D h-brygga med grundläggande passiva komponenter (se figur 1 A).
4. Anslut mikrokontroller till ett 12 V batteri.

4. Stimulering protokoll

1. Limma den dorsala aspekten av baktass till en fast ram, utsätta volar yta och undvika artikulära vridningar.
2. Placera spetsen på stimulering enheten på önskad lem / tass läge.
3. Slå på stimulering enheten.

Offline-steg:

5. Utvärdering av Spike Responses

1. För varje inspelade neuron, beräkna Shannon Mutual Information (MI) av den stimulans frammanade tillsatta aktivitet (stimulans category är antingen 1, stimulus, eller 0, ingen stimulus).
   1. Uppskatta villkorlig gensvar sannolikheten p (r | s), där s betecknar stimulus kategori och r representerar antalet spikar som avges inom en bestämd tid.
   2. Korrigera MI uppskattning med hjälp av blandningsförfarande som beskrivs ^9.

6. Utvärdering av LFP Responses

1. Filtrera den inspelade signalen i frekvensområdet [0,1 100] Hz för att erhålla den LFP signal
2. Beräkna LFPSNR, ett mått på LFP lyhördhet, som förklaras i ¹⁰ referens.

7. Model Estimation

1. Generera en modell av formen
   
   där x argumenten representerar tre olika LFP funktioner (x ₁ LFP själv, < em> x ₂ dess derivat och x ₃ Hilbert fasen av dess derivat) och F kan uttryckas enligt följande
   
   g-koefficienterna är vikter av en linjär kombination och f är en operatör som tar antingen absolut värde, makt eller det ursprungliga värdet för varje x _i.
2. Använd NSGAII algoritm för att beräkna modellparametrarna och operatörer med hjälp av följande tre syften: i) en lokal, försök-till-försök, mått av passning , Där N _sp och N _r representerar respektive de övergripande spikar räkna och längden på svarsvektor, ii) ett globalt mått på passning baserat på den genomsnittliga svaretad/50941/50941eq4.jpg "width =" 205 "/> där N _resp representerar längden av det genomsnittliga utslaget, iii) ett mått på modell komplexitet (se även) ¹⁰ .

8. Histologisk bekräftelse

1. Offer råttan.
   1. I slutet av experimentella inspelningar, sätta djuret i djupa gasformiga anestesi (Isofluran 2%, 4 L / min) och injicera intravenöst en barbiturat överdos (> 50 mg / kg, pentobarbital).
   2. Vänta hjärtstillestånd.
   3. Avmontera råttan från stereotaxic apparaten
2. Perfusion.
   1. Placera råttan om över ett rutnät på en bassäng för uppsamling av blod och vätska från perfusion.
   2. Öppna bröstkorgen genom att dissekera bröstbenet som skiljer från ribb infogningar.
   3. Blockera sternal xyphoid processen med en cocker pincett och välter spanially bröstbenet och divaricate revbenen över hjärtat.
   4. Identifiera den vänstra ventrikeln och det högra förmaket, placera en nio gauge trubbiga spets nål (ansluten till perfusion kanylen) till kammaren och öppna med kirurgiska fina saxar i höger förmak.
   5. Starta perfusion med kall (4 ° C) hepariniserat fysiologisk lösning (250 ml), följt av perfusion av en 4%-ig formalin-lösning (250 ml).
3. Extrahera hjärnan från skallen genom att öppna skalle med en lämplig tång och placera hjärnan i en 10% formalinlösning.
4. Efter en vecka, förbereda de histologiska skivorna med en mikrotom (10 ìm tjocklek).
5. Färga hjärnan koronalt och sagittal avsnitt med kresylviolett lösning.

Representative Results

Tip excursion funktioner

För att karakterisera de dynamiska egenskaperna hos den föreslagna Stimulerande anordning utfördes en serie av experiment upplägg. En särskild apparat som består av en galliumarsenid infrared emitting diode kombination med en kiselfototransistor användes för att bedöma spetsen deplacement, varaktig förskjutning och de möjliga förskjutnings förseningar. Medelst denna optisk brytare omkopplare placerade vi stimulatorn spets på kanten av den emitterande dioden hål (höjd = 1 mm) och både mikroprocessorn och de fototransistorutgångar registrerades. Att släppa ut förfarande underlättades av en microstepper enhet med en maximal upplösning på 1 mm.

Svaret hos anordningar visas i fig. 2A. Den röda linjen visar fototransistorn svar följt av mikro svar som indikerar den exakta början av spetsförskjutningen. Noterbart är en systematisk eftersläpning på grund av commutsamheten var närvarande och kvantifieras (Figur 2B, medelvärde = 583 ps i 100 försök) resulte så rikligt under den önskade tidsprecision (1 ms). Slutligen mätte vi spetsförskjutnings varaktighet som var av 3,96 ms i snitt såsom visas i fig. 2C.

Randomized Kopplade Pulse protokoll till Capture LFP och Spike Relations

För att förstå relationen mellan LFP och spikar, först satte vi ut för att generera en stimuleringsenhet som kan framkalla snabba och tillförlitliga svar från båda signalerna. I Figur 3A visar den inter-stimulus-intervallfördelning, se till att enheten provocerade en modulering av den tillsatta aktiviteten. Enheten beskrivning och funktion beskrivs i protokollet avsnittet.

I figurerna 3B och 3C LFP och spik svar för en representativ neuron visas, respektive. Genom att mäta Mutual Information för spikar och SNR för LFPs (Figur 4A och 4B) stod det klart att både koda en stor mängd information om stimulans förekomst.

Intressant LFPs och spikar gav också information om stimulering historia (figur 4C-E). Särskilt LFP svar minskat kraftigt när den faktiska stimulus föregicks av en tidigare impuls med en tillräckligt liten inter stimulus-intervall (figur 4C och 4D). Neuronal kodning av stimulering historia positivt korrelerad med MI trots uppvisade betydligt lägre värden (Figur 4E).

Vi frågade då vilka funktioner i LFP-signalen bättre korrelerar med spik svar. Efter en preliminär analys, var tre LFP funktioner som starkt korrelerar med den genomsnittliga spik svar identifierats: den genomsnittliga LFP, dess derivat och fasen av LFP derivatet (

En Multi-objektiv strategi för Spike Prediction Utifrån LFPs

Spike tåg har normalt komplexa temporala strukturer som uppvisar signifikanta samband på flera tidsskalor. Så, vilka aspekter av den neuronala svaret fångas av LFPs?

Ett bra test för att undersöka förståelsen av LFP-spik relation är att fråga hur bra spikar är förutsägbara bara genom att titta på LFP-signalen. Därför, genom användning av ovanstående uppsättning av LFP egenskaper (se Figur 4F), vars syfte var att bygga en prediktiv modell som, när som helst, läser värdena för dessa funktioner och genererar en binär förutsägelse om förekomsten av en spike.

Ett kritiskt problem i samband med montering av en spik prognosmodell utgörs av valet av en lämplig målfunktion. De vanligaste valen är Pearsons koefficient och koherensfunktionen ^5. Interesting alternativ tillhandahålls av spik metrics ^6. Medan de två första åtgärderna grundar sig på den genomsnittliga neuronala svaren och därför inte fånga hela strukturen av spik tågen, är den senare beräkningsmässigt krävande och inte praktiskt för montering ändamål. En alternativ lösning som bygger på flera mål optimering föreslås. Tanken är att gemensamt minimera fler mål funktioner (hädanefter bara kallas mål). Dessa mål måste vara beräkningseffektiv att beräkna och kunna fånga olika aspekter av neuronal svar.

Genom att använda begreppet Pareto optimalitet kan vi då hitta en uppsättning av modeller, var och en optimerad för specifika kompromisser mellan dessa mål. För att uppskatta de Pareto optimala ytor den NSGAII algoritmen användes ^12. Vi identifierade tre objektiva funktioner: en global en baserad på avståndet i de genomsnittliga svaren, en lokal en baserad på avståndet på försök-till-rättegångbasis och ytterligare mål som straffar komplexiteten av modellen (se den relativa protokollet avsnitt).

De resultat som erhålls genom att montera en representativ neuron från vår uppsättning data visas i figurerna 5A och 5B. Figur 5A rapporterar den globala avstånd (PF) och det lokala avståndet (SM) mellan modell och sanna lösningar. Avstånden för varje modell är optimal i ett Pareto mening så att ingen modell är bättre eller sämre än någon annan man i båda avstånden. Samma princip gäller för alla tre distanser gemensamt anses (Figur 5B).

En stor fördel som ges av skattningen av en uppsättning optimala modeller i stället för en enda man ligger i det faktum att olika modeller, som bygger på optimala avvägningar mellan de angivna målen, fånga olika aspekter av den sanna neuronala svaret. Detta visas i figur 6, där den ursprungliga raster diagbaggar (figurerna 6A och 6D) och de förutsagda och kära (figur 6B, 6C, 6E och 6F) rapporteras, från två representativa nervceller: modeller som minimerar den lokala distans fånga den mest tillförlitliga fasen av neuronala svaren (figur 6B och 6E ) medan modeller som bygger på en rimlig avvägning mellan det lokala och det globala avståndet bättre fånga neuron variabilitet och spontan bränning över hela tidsintervallet (0-50 ms, figurerna 6C och 6F).

Figur 1. (A) Schematisk bild av drivkretsen. Huvudkomponenten är en L293D H-brygga. Mikrostyrenheten kommandon levereras vid p ins D1 och D2. (B) trubbiga spets rörelser för lätt mekanisk stimulering. Rutnätet storleken på rutat papper är 1 mm. Klicka här för att visa en större bild .

Figur 2. Tips förskjutningsfunktioner. (A) Utgångarna mikrokontroller (blå linje) och i fototransistorn (röd linje). Den gröna vertikala linjen är inställd på 0 indikerar uppkomsten av spets deplacement. (B) Den sannolikhetsfördelning av de effektiva spetsförskjutnings förseningar erhålls över 100 försök. (C) den sannolikhetsfördelning över varaktigheten av spetsen förskjutning i genomsnitt under 100 försök./ Ftp_upload/50941/50941fig2highres.jpg "target =" _blank "> Klicka här för att visa en större bild.

Figur 3. (A) Inter-Stimulus-intervallfördelning. (B, C) ​​"on air" stimuli inte framkalla responser (se överst i båda graferna i intervallet 1000 till 1200 prövningar). Jämför dem till den sanna stimulans provkörning (på ordinatan axlarna) från 0 till 1000, var mellan 15 - 40 ms fördröjning från stimulus debut (tid 0 på x-axeln) kan observeras tydliga svar. Handlingen i (B) avser LFP svar medan tomten i (C) hänvisar till spik svar. På y-axeln av den högra mest figuren finns de lägen ("BIG TOE", "II", & #34;. III ", etc.) av stimuli på bakbenet av råttor Klicka här för att visa en större bild .

Figur 4. (A, B) Ömsesidig information och LFP _SNR som funktion av tiden tillsammans olika siffror. (C) LFP normaliserade värden efter korta (<100 ms) och långa (> 300 ms) Inter-Stimulus-intervall (IStimI) . (D) Genomsnittlig Effekt av LFP svar efter långa och korta IStimI. Varje punkt representerar en separat inspelning. (E) MI om lång / kort IStimI som en funktion av de största MI-värden om stimulans förekomst (Imax). Varje prick representerar annonsistinct neuron. (F) Den PSTH av en representativ neuron väl korrelerar med tre funktioner i LFP svar:. Den genomsnittliga råsignalen, den genomsnittliga derivat och den fas av derivatet Klicka här för att visa en större bild .

Figur 5. (A, B) Lokalt och globalt avståndet mellan förutsedda och sanna svar för en representativ neuron. (B) Gemensam utvärdering för de tre sträckor. Pareto optimala lösningar uppskattades med hjälp av NSGAII algoritmen. Klicka här för att visa en större bild .

Figur 6. Sant (A, D) och beräknad (B, C och E, F respektive) svar för två representativa nervceller. X, y, z representerar respektive rå LFP signalen, dess derivat och den fas av dess derivat. Klicka här för att visa en större image .

Discussion

Detta arbete först presenterade en ny, enkel och billig anordning som gör det möjligt att leverera snabba och rumsligt punktliknande sensoriska stimuli. Då en randomiserad parade puls stimulering protokoll och en uppsättning beräknings analyser validerades. Det övergripande syftet var att skapa en ram för uppskattning av LFP-spik relationer i elektrofysiologiska inspelningar under taktil stimulering.

Enheten, protokollet och den analytiska tillvägagångssätt har gemensamt bidragit till resultatet, det vill säga den första demonstrationen av en deterministisk metod kunna beskriva och förutsäga LFP-till-spik övergångar, en neural process fortfarande dåligt kända ^1.

En kritisk punkt representerades av lämplig inställning för den programmerbara mikrokortet, som reglerar styrkan och längden på spets utflykten dras av dammlocket. En lämplig lösning möjliggör tillförlitlig högfrekventa stimuli och relativt stor dcement har beskrivits i avsnittet Resultat. Jämfört med konventionella piezoelektriska ställdon enheten ingår två huvudsakliga fördelar: det undgått typiskt problem med mekanisk resonans och det tillät relativt stora spets förskjutningar.

Nervceller i S1 cortex är kända för att uttrycka stora receptiva fält och snabba svar på taktil stimulering ^8. Den snabba, impulsliknande stimuli är optimalt lämpade att rekrytera både ytliga och djupa hud receptorer (t.ex. Merkel eller Pacinian kroppar) ^2, och som lämpligen ändra stimulans parametrarna (intensitet, varaktighet, rampderivat) en kunde preferentiellt rekrytera en av dessa olika receptorklasser . Den randomiserade parade puls protokoll syftar till att minska prediktiva indragning av neuronala svängningar på stimuli händelse som normalt inträffar under periodiska stimuli. Å andra sidan är den variabla intervall mellan de parvisa pulser tillät oss att extrahera en tydlig dependence på stimulans historia. För uppskattning av struktur och parametrar för vår prediktiv modell vi förlitat sig på ett välkänt flera mål optimeringsalgoritm, som kallas icke-Dominerade Sortering genetisk algoritm II eller NSGAII ^12. Ett huvudproblem i att montera en prediktiv modell för spik förekomst bygger på komplexa temporala strukturen av verkliga spik tåg. Att mäta avståndet mellan förutsedda och sanna spik tåg har visat sig vara en resurskrävande uppgift ^6. Användningen av NSGAII, en multi-objektiv optimeringsalgoritm, gör det möjligt att bryta ner problemet i flera, beräkningsmässigt effektiva avstånd.

För att utvärdera det goda i en modell som vi behövde för att kvantifiera fel i förutsägelsen som representeras av avståndet mellan förutsedda och sanna spik tåg. Två huvudkriterier för att utvärdera modellprognoser har beaktats. Anpassningsprocessen tillbaka en uppsättning modeller i stället för en enda. Intressant varje modell in uppsättningen verkade fånga olika aspekter av den ursprungliga spik tågen.

Sammanfattningsvis kan den utvecklade ramverk, baserat på gemensamt optimerad stimuleringsenhet, protokoll och analyser, användas för att få ytterligare inblickar i LFP-spik relation och för att förbättra nuvarande strategier för programmering effektiv hjärna och maskin och neuroprosthetics.

Materials

Name	Company	Catalog Number	Comments
Microstepper	AB Transvertex (Stockholm, Sweden)		The microstepper used to pull down the electrode matrix
32-channel Cheetah System	Neuralynx (MT, USA)		The electrophysiological recording system
L293D h-bridge	RS Components (Cinisello Balsamo, Italy)		The bridge used to connect the microcontroller to the speaker
H21A3 Optical Interrupter Switch	Fairchild Semiconductor Corporation (San Jose, California)		The phototransistor used to estabilish the tip displacement
Arduino Uno	Arduino (Duemilanove, Italy)		The microcontroller used to deliver current pulse to the speaker
Microelectrode Matrices GB1	FHC
Isoflurane	Rhodia Organique Fine Ltd.		The anesthetic used to prepare animals
Stereotaxic apparatus	Narishighe (Tokyo, Japan)
Sprague-Dawley male rats	Charles River (Calco, LC, Italy)
Gallamine thriethiodide	Sigma-Aldrich		The compound used to curarize the animals
Cresyl violet	Sigma-Aldrich
Topical antiseptics (Betadine 10%)	Meda Pharma (Milanm Italy)
Heparine	Sigma-Aldrich
Formaldehyde	Carlo Erba Reagents (Pomigliano Milanese, Milan, Italy)