Waiting
Login processing...

Trial ends in Request Full Access Tell Your Colleague About Jove
JoVE Journal Neuroscience
Click here for the English version

Neuroscience

Brug neuron spiking aktivitet til at udløse lukkede loop stimuli i neurofysiologiske eksperimenter

Published: November 12, 2019 doi: 10.3791/59812
Automatic Translation
1,2, 1, *1, *1
1Canadian Center for Behavioural Neuroscience, Department of Neuroscience, University of Lethbridge, 2Clinical Neurosciences, Cumming School of Medicine, University of Calgary
* These authors contributed equally

Summary

Denne protokol demonstrerer, hvordan man bruger et elektrofysiologisk system til lukket loop stimulation udløst af neuronal aktivitetsmønstre. Prøve MATLAB kode, der let kan ændres for forskellige stimulation enheder er også forudsat.

Abstract

Closed-loop neurofysiologiske systemer bruger mønstre af neuronal aktivitet til at udløse stimuli, som igen påvirker hjernens aktivitet. Sådanne lukkede kredsløb er allerede fundet i kliniske applikationer, og er vigtige værktøjer til grundlæggende hjerneforskning. En særlig interessant nylig udvikling er integrationen af lukkede kredsløb tilgange med optogenetik, således at specifikke mønstre af neuronal aktivitet kan udløse optisk stimulering af udvalgte neuronal grupper. Det kan dog være vanskeligt at oprette et elektrofysiologisk system til eksperimenter med lukkede kredsløb. Her, en klar-til-anvendelse MATLAB kode er fastsat for at udløse stimuli baseret på aktiviteten af enkelt eller flere neuroner. Dette eksempelkode kan nemt ændres baseret på individuelle behov. For eksempel, det viser, hvordan man udløse lyd stimuli og hvordan du ændrer det til at udløse en ekstern enhed tilsluttet en PC seriel port. Den præsenterede protokol er designet til at arbejde med en populær neuronal optagelse system til dyreforsøg (Neuralynx). Gennemførelsen af closed-loop stimulation er demonstreret i en vågen rotte.

Introduction

Målet med denne protokol er at demonstrere, hvordan man implementerer closed-loop stimulation i neurofysiologiske eksperimenter. Den typiske opsætning for closed-loop eksperimenter i neurovidenskab involverer udløsende stimuli baseret på online udaflæsning af neuronal aktivitet. Dette, til gengæld, forårsager ændringer i hjernens aktivitet, således at lukke feedback loop1,2. Sådanne lukkede-loop eksperimenter giver flere fordele i forhold til standard Open-Loop opsætninger, især når det kombineres med optogenetics, som giver forskerne mulighed for at målrette en bestemt delmængde af neuroner. For eksempel brugte Siegle og Wilson lukkede manipulationer til at studere Theta-svingningerne i informationsbehandling3. De viste, at stimulere hippocampus neuroner på den faldende fase af Theta oscillationer havde forskellige virkninger på adfærd end at anvende den samme stimulation på den stigende fase. Eksperimenter med lukkede kredsløb bliver også stadig vigtigere i prækliniske studier. For eksempel, flere epilepsi undersøgelser har vist, at neuronal stimulation udløst på beslaglæggelse debut er en effektiv tilgang til at reducere sværhedsgraden af anfald4,5,6. Desuden viste systemer til automatiseret beslaglæggelse påvisning og betinget levering af behandling7,8 betydelige fordele i epilepsipatienter9,10,11,12. Et andet applikationsområde med hurtig fremrykning af lukkede kredsløb er kontrol af neuroproteser med kortikale hjerne-maskingrænseflader. Dette skyldes, at give øjeblikkelig feedback til brugere af proteser enheder betydeligt forbedrer nøjagtighed og kapacitet13.

I de seneste år har flere laboratorier udviklet brugerdefinerede systemer til samtidig elektrisk registrering af neuronal aktivitet og levering af stimuli i et lukket loop system14,15,16,17,18. Selv om mange af disse opsætninger har imponerende egenskaber, er det ikke altid let at implementere dem i andre laboratorier. Dette skyldes, at systemerne ofte kræver erfarne teknikere til at samle den påkrævede elektronik og andre nødvendige hardware-og softwarekomponenter.

Derfor, for at lette vedtagelsen af closed-loop eksperimenter i neurovidenskabelig forskning, dette papir indeholder en protokol og MATLAB kode til at konvertere en Open-Loop elektrofysiologisk optagelse setup19,20,21,22 i en lukket loop system2,6,23. Denne protokol er designet til at arbejde med den digitale Lynx Recording hardware, et populært laboratorium system for neuronal befolkning optagelser. Et typisk eksperiment består af følgende: 1) optagelse 5-20 minutter af spiking data; 2) Spike sortering at skabe neuronal skabeloner; 3) ved hjælp af disse skabeloner til at udføre online påvisning af neurale aktivitetsmønstre; og 4) udløser stimulation eller eksperimentelle begivenheder, når bruger-specificerede mønstre detekteres.

Subscription Required. Please recommend JoVE to your librarian.

Protocol

Alle procedurer, der er beskrevet her, blev udført under en dyre forskningsprotokol godkendt af University of Lethbridge dyrevelfærds udvalget.

1. kirurgi

Bemærk: de kirurgiske indgreb, som anvendes til implantat sonder til neuro fysiologiske optagelser, er blevet præsenteret i andre publikationer24,25,26. De nøjagtige oplysninger om operationen for lukket-loop stimulation afhænger af typen af optage sonder anvendes og hjernen områder målrettet. I de fleste tilfælde, dog, en typisk kirurgi vil bestå af følgende trin.

  1. Bring til kirurgi værelse et bur med en rotte, der skal implanteres med en silikone sonde eller elektrode array til at registrere neuronal aktivitet.
  2. Anæstetisere gnaver med 2-2.5% isofluran og fastgør hovedet i en stereotaxisk ramme. Sørg for, at dyret er bevidstløs under operationen ved at observere enhver motorisk reaktion på milde taktile stimuli25.
  3. Påfør en øjensalve for at minimere tørhed under operationen.
  4. Barbere operationsområdet og Desinficer huden med 2% chlorhexidinopløsning og 70% isopropylalkohol.
  5. Injicér lidocain (5 mg/kg) under hovedbunden over hjerne området, hvor elektroder vil blive implanteret.
  6. Lav et snit i hovedbunden over området for fremtidigt implantat, og brug en skalpel og vatpind til at rydde periosteum fra det udsatte kranium25.
  7. Bore 4-8 huller i kraniet til implantation af anker skruer (~ 0,5 mm) som strukturel støtte til implantatet25. Fastgør skruerne til kraniet ved at indsætte dem i hullerne og sikre, at de holdes fast på plads.
  8. Bore kraniotomi ved de specificerede koordinater, og justerings Micro drive/Probe implantat.
    Bemærk: den beskrevne protokol for closed-loop stimulation vil arbejde for enhver hjerneregion, hvor elektroderne er indsat.
  9. Fastgør Micro drive/Probe og alle nødvendige elektriske Interface stik til kraniet ved hjælp af dental akryl. Mængden af dental akryl bør være nok til fast fastgørelse af implantatet, men det bør ikke komme i kontakt med det omgivende bløddels25.
  10. Efter operationen, nøje overvåge dyret, indtil det har genvundet tilstrækkelig bevidsthed til at opretholde brystbenet recumbency25. I de efterfølgende 3 dage indgives subkutant et analgetikum (f. eks. Metacam, 1 mg/kg) og et antibiotikum til forebyggelse af infektion (f. eks. enrofloxacin, 10 mg/kg).
    Bemærk: dyrene er typisk overladt til at komme sig efter operationen i en uge før afprøvning eller optagelse.

2. installation af software

Bemærk: Dette blev testet på Windows 10, 64 bit version.

  1. Installer dataindsamling og-behandling software.
    1. Installer dataindsamlingen system Cheetah 6,4 (https://neuralynx.com/software/category/sw-acquisition-control), som omfatter biblioteker til at interagere med gepard erhvervelse system.
    2. Installer SpikeSort3D (https://neuralynx.com/software/spikesort-3d) eller anden software, der bruger KlustaKwik27 til Spike sortering. Online detekterings softwaren bruger klynge definitionerne fra KlustaKwik-motoren. Denne software kan køre på den samme computer, eller den kan køre på separate computere, der er på samme netværk.
    3. Installer NetComDevelopmentPackage (https://github.com/leomol/cheetah-interface/blob/master/NetComDevelopmentPackage_v3.1.0), som også kan downloades fra https://neuralynx.com/software/netcom-development-package.
  2. Installer MATLAB (https://www.mathworks.com/downloads/; kode blev testet på MATLAB version R2018a). Sørg for, at MATLAB er aktiveret i Windows Firewall. Normalt en pop-up vil komme op under den første forbindelse.
    1. Log ind på en MATLAB-konto. Vælg licensen. Vælg den version. Vælg operativsystemet.
  3. Hent følgende bibliotek til online hændelses udløsning fra: https://github.com/leomol/cheetah-interface og uddrag filer til computerens ' Documents/MATLAB ' mappe. En kopi af koden findes i de ledsagende supplerende materialer.

3. indledende dataindsamling

  1. Start dataindsamling ved hjælp af Cheetah software.
  2. Optag et par minutter med spiking data til at udfylde skabelon bølgeformer.
  3. Stop dataindsamlingen, og Udfør samling af spids sortering på de registrerede data.
    1. Åbn SpikeSort3D, klik på filer | Menu | Indlæs Spike-filen, og vælg en Spike-fil fra mappen med optagede data.
    2. Klik på klynge menu og derefter autocluster ved hjælp af KlustaKwik, forlader standardindstillingerne og klik på Kør.

4. eksperiment med lukket kredsløb

  1. Genoptag dataindsamlingen i Cheetah.
  2. Åbn MATLAB.
    1. Åbn Closedloop. m og klik på Kør. Alternativt kan du i MATLAB-kommandovinduet udføre ClosedLoop (). Sørg for, at ClosedLoop. m er på MATLAB-stien. Hvis brugeren ønsker at ansætte en brugerdefineret funktion til at ringe på hver Trigger, skal du udføre ClosedLoop ('-call back ', customFunction) i stedet, hvor Customfunktion er et håndtag til denne funktion.
    2. Indlæs de Spike-oplysninger, der er defineret på den første optagelse, ved at klikke på Indlæs, browse til optagelses mappen og vælge en af spiking-datafilerne (. NTT,. nse).
    3. Vælg en eller flere neuroner, der udløser stimulering ved at klikke på afkrydsningsfeltet under de plottet bølgeformer.
    4. Definer det mindste antal neuroner, der udløser stimulering ved at skrive et heltal i tekstboksen "min matches" . og Definer det tidsvindue, hvor pigge, der matcher forskellige bølgeformer, anses for at være co-aktive ved at skrive et tal i tekstboksen "vindue".
    5. Klik på Send til start. Dette vil begynde online udløsning af begivenheder (toner som standard) baseret på spiking aktivitet af udvalgte neuroner.

Subscription Required. Please recommend JoVE to your librarian.

Representative Results

Fisher-Brown Norge rotter født og opvokset på stedet blev vant til håndtering i to uger før forsøget. Et optagelses drev blev kirurgisk implanteret, svarende til metoder beskrevet tidligere28,29,30,31,32,33,34. De neuronal signaler blev indspillet på 32 kHz med en digital erhvervelse system. Neuronal signaler blev først forstærket med en enhed få trådløs hoved-Stage, derefter forstærket med en gevinst på 1000, og band pass filtreret mellem 600 og 6.000 Hz. neuronal pigge over en manuelt indstillet amplitude tærskel (typisk 48-60 μV) blev automatisk gemt, og derefter sorteret i særskilte klynger. Således hver klynge formentlig svarer til pigge fra en anden neuron27. Til denne protokol demonstration hvilede rotten på en urtepotte, som var et velkendt hvilested under pauser i adfærds eksperimenter (figur 1).

Et repræsentativt skærmbillede fra optagelses computeren vises i figur 2. Det viser den samtidige drift af optagelsen software (venstre) og MATLAB program, som viser Spike bølgeformer erhvervet i realtid. Dette MATLAB-script er inkluderet i de supplerende materialer. Når der registreres pigge fra foruddefinerede udløser klynger, vises bølge formerne med en fed stiplet linje i MATLAB-figur vinduet (figur 2), og det udløser en tone, der giver et lukket loop-system. Denne lukkede-loop eksperimentelle setup tillader, for eksempel, at studere neuroplasticitet, hvor man kan teste, hvis parring neuronal aktivitet med en ekstern stimuli (tone) kan påvirke de modtagelig felter af disse neuroner.

Figure 1
Figur 1: foto af en rotte med den trådløse hoved-Stage (bord med præ-forstærkere og en blå LED) fastgjort til en implanteret silikone sonde. Sonden er placeret under dental akryl (Pink materiale) og er ikke synlig. Venligst klik her for at se en større version af dette tal.

Figure 2
Figur 2: skærmbillede af optagelses-og closed-loop-softwaren. Leftward paneler er vinduer, der er en del af Cheetah Recording system, der anvendes til visualisering og kontrol af dataindsamlingen. Vinduet i højre side af skærmen viser en MATLAB-session, der kører den beskrevne software. Det midterste vindue viser bølgeformen på en online detekteret spike, der matcher en foruddefineret skabelon. Pigge, der tilhører denne klynge blev brugt til at udløse lyd i den præsenterede video. Venligst klik her for at se en større version af dette tal.

Figure 3
Figur 3: skematisk pipeline til dataflow. Venligst klik her for at se en større version af dette tal.

Figure 4
Figur 4: test af stimulus-ventetid. (A) histogram af forsinkelser mellem tidspunktet for generering af en kunstig Spike og tidspunkt for udløst signal. (B) skematisk af et mikroprocessor bræt setup til at generere kunstige Spike bølgeformer. Den sorte og orange forbindelser output en RC som bølgeform (spænder fra 0 til 810 mv) og det er forbundet til hoved-Stage via en "signal-mus" grænseflade, der reducerer spændingen til 810 μV. komponenter tilsluttet i samme kolonne af eksperimental er tilsluttet (modstande: 110 Ohm; 220 ohm; 1000 ohm; kondensat: 10 μf). Den Arduino var forbundet til en pc via USB/UART, som udløste Arduino pigge og modtog tilbage signaler fra både Arduino kredsløb og erhvervelse software API. Arduino blev instrueret om at generere 1000 pigge. Venligst klik her for at se en større version af dette tal.

Supplerende fil 1: MATLAB-scripts. Klik venligst her for at se denne fil (Højreklik for at downloade).

Subscription Required. Please recommend JoVE to your librarian.

Discussion

Den protokol, der er beskrevet her, viser, hvordan man bruger et standard neurofysiologisk optagelses system til at udføre closed-loop stimulation. Denne protokol giver neuroforskere med begrænset ekspertise inden for datalogi til hurtigt at gennemføre en række lukkede-loop eksperimenter med små omkostninger. Sådanne eksperimenter er ofte nødvendige for at studere kausale interaktioner i hjernen.

Efter klargøring af et dyr og installering af softwaren (trin 1 & 2) består forsøget med lukkede kredsløb af to separate etaper. Første, indledende dataindsamling (trin 3) at indsamle data til at definere skabeloner svarende til aktiviteten af enkelt neuroner (dvs., spike sortering; Trin 3,5). For det andet, den lukkede loop stimulation, hvor nyindspillede pigge automatisk vil blive tildelt foruddefinerede klynger i realtid og udløse stimulation, hvis pigge form specificeret neuroner detekteres (trin 4). De præsenterede MATLAB scripts (Se supplerende materialer) demonstrere udløsning af forskellige stimuli baseret på aktiviteten af en enkelt neuron, og på aktiviteten af flere udvalgte neuroner. Sidstnævnte er en særlig vigtig mulighed, fordi neuroner menes at behandle oplysninger som en samling (f. eks pakker35,36). Udløsning af stimuli baseret på neuronal befolkningsmønstre kan således være et vigtigt redskab til at besvare en lang række forskningsspørgsmål. Datastrømmen under kontrol af lukket løkke illustreres i figur 3.

I denne protokol demonstration, en 3 kHz tone stimuli blev anvendt. Denne rene tone kan erstattes af en vilkårlig Lydbølgeform ved at ændre variablen "tone0". Bemærk også, at i stedet for en højttaler kan mange andre enheder forbindes til computerens lydudgang for at udløse en stimulering. For eksempel blev lydudgangen brugt til at køre en vibrations motor til at levere lavfrekvente (20 Hz) taktile stimuli22. Alternativt kan MATLAB-koden bruges til at sende et TTL-signal til en enhed, der er sluttet til en seriel port på computeren. Dette kan opnås ved at erstatte ' Sound () ' kommandoen med følgende kode: OBJ = Serial (' COM1 '); fopen (OBJ); Obj. RequestToSend = ' on '. En prøve implementering af denne metode findes i de supplerende materialer (Se puls. m). Tilsvarende kan Matlab bruges til at sende signaler til eksterne enheder via en USB-port. Således, den kode, der præsenteres her giver brugerne mulighed for at sende closed-loop udløsere i en række forskellige måder at flere enheder.

Tests viste, at tidsforsinkelsen mellem en neuronal Spike og Trigger signalet er omkring 13 MS (min 9 MS; Max 15 MS). Fordelingen af tidsforsinkelser er illustreret i figur 4a. Til denne ventetid tests, en Arduino blev brugt til at sende en kunstig Spike til erhvervelse systemet (via hoved-Stage). Forsinkelsen blev registreret som tiden mellem Spike og trigger signal fra erhvervelse PC kører closed-loop MATLAB script. Skematisk af Arduino setup til at generere pigge er vist i figur 4b.

Den fremgangsmåde, der præsenteres her er implementeret i software, og dermed kan ikke være i stand til at levere stimuli med tidsmæssig nøjagtighed af systemer med dedikeret hardware. For eksempel, TDT (Tucker-Davis Technologies) tilbyder systemer til Spike udløst stimulation, som kan levere stimuli inden for millisekunder. Men fordelen ved MATLAB løsning præsenteret her er dens lave omkostninger for brugere, der ejer Cheetah Recording hardware, dens fleksibilitet i at definere aktivitetsmønstre til at udløse stimuli, og dens fleksibilitet i at definere neuronal skabeloner. Desuden enkelt millisekund præcision er ikke påkrævet i mange eksperimenter, så gennemførelsen lethed af denne tilgang kan tilbyde en stor fordel.

Subscription Required. Please recommend JoVE to your librarian.

Disclosures

Forfatterne har ingen interessekonflikt i forbindelse med dette arbejde.

Acknowledgments

Dette arbejde blev støttet af NSERC Discovery Grants til AL og AG.

Materials

Name Company Catalog Number Comments
Baytril Bayer, Mississauga, CA DIN 02169428 antibiotic; 50 mg/mL
Cheetah 6.4 NeuraLynx, Tucson, AZ 6.4.0.beta Software interfaces for data acquisition 
Digital Lynx 4SX NeuraLynx, Tucson, AZ 4SX recording equipment
Headstage transmitter TBSI B10-3163-GK transmits the neural signal to the receiver
Isoflurane Fresenius Kabi, Toronto, CA DIN 02237518 inhalation anesthetic
Jet Denture Powder & Liqud Lang Dental, Wheeling, US 1230 dental acrylic
Lacri-Lube Allergan, Markham, CA DIN 00210889 eye ointment
Lido-2 Rafter 8, Calgary DIN 00654639 local anesthetic; 20 mg/mL
Matlab Mathworks R2018b software for signal processing and triggering external events
Metacam Boehringer, Ingelheim, DE DIN 02240463 analgesic; 5 mg/mL
Netcom NeuraLynx v1 Application Programming Interface (API) that communicates with Cheetah
Silicone probe Cambridge Neurotech ASSY-156-DBC2 implanted device
SpikeSort 3D  NeuraLynx, Tucson, AZ SS3D spike waveform-to-cell classification tools
Wireless Radio Receiver TBSI 911-1062-00 transmits the neural signal to the Digital Lynx

DOWNLOAD MATERIALS LIST

References

  1. Grosenick, L., Marshel, J. H., Deisseroth, K. Closed-loop and activity-guided optogenetic control. Neuron. 86 (1), 106-139 (2015).
  2. Armstrong, C., Krook-Magnuson, E., Oijala, M., Soltesz, I. Closed-loop optogenetic intervention in mice. Nature Protocols. 8 (8), 1475-1493 (2013).
  3. Siegle, J. H., Wilson, M. A. Enhancement of encoding and retrieval functions through theta phase-specific manipulation of hippocampus. Elife. 3, 03061 (2014).
  4. Paz, J. T., et al. Closed-loop optogenetic control of thalamus as a tool for interrupting seizures after cortical injury. Nature neuroscience. 16 (1), 64-70 (2013).
  5. Krook-Magnuson, E., Armstrong, C., Oijala, M., Soltesz, I. On-demand optogenetic control of spontaneous seizures in temporal lobe epilepsy. Nature Communications. 4, 1376 (2013).
  6. Berényi, A., Belluscio, M., Mao, D., Buzsáki, G. Closed-loop control of epilepsy by transcranial electrical stimulation. Science. 337 (6095), 735-737 (2012).
  7. Peters, T. E., Bhavaraju, N. C., Frei, M. G., Osorio, I. Network system for automated seizure detection and contingent delivery of therapy. Journal of Clinical Neurophysiology. 18 (6), 545-549 (2001).
  8. Fountas, K. N., Smith, J. Operative Neuromodulation. , Springer. 357-362 (2007).
  9. Heck, C. N., et al. Two-year seizure reduction in adults with medically intractable partial onset epilepsy treated with responsive neurostimulation: final results of the RNS System Pivotal trial. Epilepsia. 55 (3), 432-441 (2014).
  10. Osorio, I., et al. Automated seizure abatement in humans using electrical stimulation. Annals of Neurology. 57 (2), 258-268 (2005).
  11. Sun, F. T., Morrell, M. J., Wharen, R. E. Responsive cortical stimulation for the treatment of epilepsy. Neurotherapeutics. 5 (1), 68-74 (2008).
  12. Fountas, K. N., et al. Implantation of a closed-loop stimulation in the management of medically refractory focal epilepsy. Stereotactic and Functional Neurosurgery. 83 (4), 153-158 (2005).
  13. Abbott, A. Neuroprosthetics: In search of the sixth sense. Nature. 442, (2006).
  14. Venkatraman, S., Elkabany, K., Long, J. D., Yao, Y., Carmena, J. M. A system for neural recording and closed-loop intracortical microstimulation in awake rodents. IEEE Transactions on Biomedical Engineering. 56 (1), 15-22 (2009).
  15. Nguyen, T. K. T., et al. Closed-loop optical neural stimulation based on a 32-channel low-noise recording system with online spike sorting. Journal of Neural Engineering. 11 (4), 046005 (2014).
  16. Laxpati, N. G., et al. Real-time in vivo optogenetic neuromodulation and multielectrode electrophysiologic recording with NeuroRighter. Frontiers in Neuroengineering. 7, 40 (2014).
  17. Su, Y., et al. A wireless 32-channel implantable bidirectional brain machine interface. Sensors. 16 (10), 1582 (2016).
  18. Ciliberti, D., Kloosterman, F. Falcon: a highly flexible open-source software for closed-loop neuroscience. Journal of Neural Engineering. 14 (4), 045004 (2017).
  19. Luczak, A., Bartho, P., Harris, K. D. Gating of sensory input by spontaneous cortical activity. The Journal of Neuroscience. 33 (4), 1684-1695 (2013).
  20. Luczak, A., Barthó, P., Harris, K. D. Spontaneous events outline the realm of possible sensory responses in neocortical populations. Neuron. 62 (3), 413-425 (2009).
  21. Schjetnan, A. G., Luczak, A. Recording Large-scale Neuronal Ensembles with Silicon Probes in the Anesthetized Rat. Journal of Visualized Experiments. (56), (2011).
  22. Bermudez Contreras, E. J., et al. Formation and reverberation of sequential neural activity patterns evoked by sensory stimulation are enhanced during cortical desynchronization. Neuron. 79 (3), 555-566 (2013).
  23. Girardeau, G., Benchenane, K., Wiener, S. I., Buzsáki, G., Zugaro, M. B. Selective suppression of hippocampal ripples impairs spatial memory. Nature Neuroscience. 12 (10), 1222-1223 (2009).
  24. Schjetnan, A. G. P., Luczak, A. Recording large-scale neuronal ensembles with silicon probes in the anesthetized rat. Journal of Visualized Experiments. (56), (2011).
  25. Vandecasteele, M., et al. Large-scale recording of neurons by movable silicon probes in behaving rodents. Journal of Visualized Experiments. (61), e3568 (2012).
  26. Sariev, A., et al. Implantation of Chronic Silicon Probes and Recording of Hippocampal Place Cells in an Enriched Treadmill Apparatus. Journal of Visualized Experiments. (128), e56438 (2017).
  27. Harris, K. D., Henze, D. A., Csicsvari, J., Hirase, H., Buzsáki, G. Accuracy of tetrode spike separation as determined by simultaneous intracellular and extracellular measurements. Journal of Neurophysiology. 84 (1), 401-414 (2000).
  28. Jiang, Z., et al. TaiNi: Maximizing research output whilst improving animals' welfare in neurophysiology experiments. Scientific Reports. 7 (1), 8086 (2017).
  29. Gao, Z., et al. A cortico-cerebellar loop for motor planning. Nature. 563 (7729), 113 (2018).
  30. Neumann, A. R., et al. Involvement of fast-spiking cells in ictal sequences during spontaneous seizures in rats with chronic temporal lobe epilepsy. Brain. 140 (9), 2355-2369 (2017).
  31. Gothard, K. M., Skaggs, W. E., Moore, K. M., McNaughton, B. L. Binding of hippocampal CA1 neural activity to multiple reference frames in a landmark-based navigation task. Journal of Neuroscience. 16 (2), 823-835 (1996).
  32. McNaughton, B. L. Google Patents. , (1999).
  33. Wilber, A. A., et al. Cortical connectivity maps reveal anatomically distinct areas in the parietal cortex of the rat. Frontiers in Neural Circuits. 8, 146 (2015).
  34. Mashhoori, A., Hashemnia, S., McNaughton, B. L., Euston, D. R., Gruber, A. J. Rat anterior cingulate cortex recalls features of remote reward locations after disfavoured reinforcements. Elife. 7, 29793 (2018).
  35. Luczak, A., McNaughton, B. L., Harris, K. D. Packet-based communication in the cortex. Nature Reviews Neuroscience. , (2015).
  36. Luczak, A. Analysis and Modeling of Coordinated Multi-neuronal Activity. , Springer. 163-182 (2015).

Tags

Neurovidenskab Elektrofysiologi neuronal population optagelser lukket loop stimulation spike sortering neuronal pakker gnavere
Brug neuron spiking aktivitet til at udløse lukkede loop stimuli i neurofysiologiske eksperimenter
Play Video
PDF DOI DOWNLOAD MATERIALS LIST

Cite this Article

Molina, L. A., Ivan, V. E., Gruber,… More

Molina, L. A., Ivan, V. E., Gruber, A. J., Luczak, A. Using Neuron Spiking Activity to Trigger Closed-Loop Stimuli in Neurophysiological Experiments. J. Vis. Exp. (153), e59812, doi:10.3791/59812 (2019).

Less
Copy Citation Download Citation Reprints and Permissions
View Video

Get cutting-edge science videos from JoVE sent straight to your inbox every month.

Waiting X
Simple Hit Counter