Utilizzo dell'attività di spiking del neurone per attivare gli stimoli a ciclo chiuso negli esperimenti neurofisiologici
Summary
Questo protocollo dimostra come utilizzare un sistema elettrofisiologico per la stimolazione a ciclo chiuso innescata da modelli di attività neuronale. Viene inoltre fornito un codice Matlab di esempio che può essere facilmente modificato per diversi dispositivi di stimolazione.
Abstract
I sistemi neurofisiologici a ciclo chiuso utilizzano modelli di attività neuronale per innescare stimoli, che a loro volta influenzano l’attività cerebrale. Tali sistemi a ciclo chiuso si trovano già nelle applicazioni cliniche e sono strumenti importanti per la ricerca di base del cervello. Uno sviluppo recente particolarmente interessante è l’integrazione di approcci a ciclo chiuso con l’optogenetica, in modo tale che modelli specifici di attività neuronale possono innescare la stimolazione ottica di gruppi neuronali selezionati. Tuttavia, la creazione di un sistema elettrofisiologico per gli esperimenti a circuito chiuso può essere difficile. Qui, un codice Matlab pronto per applicare viene fornito per l’attivazione di stimoli basati sull’attività di uno o più neuroni. Questo codice di esempio può essere facilmente modificato in base alle esigenze individuali. Ad esempio, mostra come attivare stimoli sonori e come modificarli per attivare un dispositivo esterno collegato a una porta seriale del PC. Il protocollo presentato è progettato per funzionare con un popolare sistema di registrazione neuronale per studi sugli animali (Neuralynx). L’implementazione della stimolazione a ciclo chiuso è dimostrata in un ratto sveglio.
Introduction
L’obiettivo di questo protocollo è quello di dimostrare come implementare la stimolazione a ciclo chiuso negli esperimenti neurofisiologici. La configurazione tipica per gli esperimenti a ciclo chiuso nelle neuroscienze comporta l’attivazione di stimoli basati sulla lettura online dell’attività neuronale. Questo, a sua volta, provoca modifiche nell’attività cerebrale, chiudendo così il ciclo di feedback1,2. Tali esperimenti a ciclo chiuso forniscono molteplici vantaggi rispetto alle configurazioni standard a ciclo aperto, specialmente se combinati con l’optogenetica, che consente ai ricercatori di indirizzare un sottoinsieme specifico di neuroni. Ad esempio, Siegle e Wilson hanno utilizzato manipolazioni a circuito chiuso per studiare il ruolo delle oscillazioni theta nell’elaborazione delle informazioni3. Hanno dimostrato che stimolare i neuroni ippocampali sulla fase di caduta delle oscillazioni theta aveva effetti diversi sul comportamento rispetto all’applicazione della stessa stimolazione sulla fase di innalzamento. Anche gli esperimenti a ciclo chiuso stanno diventando sempre più importanti negli studi preclinici. Per esempio, più studi sull’epilessia hanno dimostrato che la stimolazione neuronale innescata all’insorgenza di convulsioni è un approccio efficace per ridurre la gravità delle crisi 4,5,6. Inoltre, i sistemi per il rilevamento automatizzato delle crisi epilettiche e la consegna contingente della terapia7,8 hanno mostrato benefici significativi nei pazienti con epilessia9,10,11,12. Un’altra area di applicazione con rapido avanzamento delle metodologie a ciclo chiuso è il controllo dei neuroprotesi con interfacce corticale cervello-macchina. Questo perché fornire un feedback istantaneo agli utenti di dispositivi protesici migliora significativamente la precisione e la capacità13.
Negli ultimi anni, diversi laboratori hanno sviluppato sistemi personalizzati per la registrazione elettrica simultanea dell’attività neuronale e la consegna di stimoli in un sistema a circuito chiuso14,15,16,17,18. Anche se molte di queste configurazioni hanno caratteristiche impressionanti, non è sempre facile implementarli in altri laboratori. Questo perché i sistemi spesso richiedono tecnici esperti per assemblare l’elettronica necessaria e altri componenti hardware e software necessari.
Pertanto, al fine di facilitare l’adozione di esperimenti a circuito chiuso nella ricerca sulle neuroscienze, questo documento fornisce un protocollo e codice Matlab per convertire un setup di registrazione elettrofisiologico open-loop19,20,21,22 in un sistema a circuito chiuso2,6,23. Questo protocollo è progettato per funzionare con l’hardware di registrazione Digital Lynx, un sistema di laboratorio popolare per le registrazioni della popolazione neuronale. Un esperimento tipico è costituito dai seguenti: 1) Registrazione di 5-20 minuti di dati di chiodare; 2) Smistamento Spike per creare modelli neuronali; 3) Utilizzando questi modelli per eseguire il rilevamento online di modelli di attività neurale; e 4) Innescare stimolazione o eventi sperimentali quando vengono rilevati modelli specificati dall’utente.
Protocol
Representative Results
Discussion
Il protocollo descritto qui, mostra come utilizzare un sistema di registrazione neurofisiologico standard per eseguire la stimolazione a circuito chiuso. Questo protocollo consente ai neuroscienziati con scarse competenze in informatica di implementare rapidamente una varietà di esperimenti a ciclo chiuso con poco costo. Tali esperimenti sono spesso necessari per studiare le interazioni causali nel cervello.
Dopo aver preparato un animale e installato il software (passaggi 1 e 2), l’esperimen…
Disclosures
The authors have nothing to disclose.
Acknowledgements
Questo lavoro è stato sostenuto da sovvenzioni NSERC Discovery a AL e AG.
Materials
| 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 |
References
- Grosenick, L., Marshel, J. H., Deisseroth, K. Closed-loop and activity-guided optogenetic control. Neuron. 86 (1), 106-139 (2015).
- Armstrong, C., Krook-Magnuson, E., Oijala, M., Soltesz, I. Closed-loop optogenetic intervention in mice. Nature Protocols. 8 (8), 1475-1493 (2013).
- Siegle, J. H., Wilson, M. A. Enhancement of encoding and retrieval functions through theta phase-specific manipulation of hippocampus. Elife. 3, 03061 (2014).
- 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).
- 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).
- Berényi, A., Belluscio, M., Mao, D., Buzsáki, G. Closed-loop control of epilepsy by transcranial electrical stimulation. Science. 337 (6095), 735-737 (2012).
- 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).
- Fountas, K. N., Smith, J. . Operative Neuromodulation. , 357-362 (2007).
- 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).
- Osorio, I., et al. Automated seizure abatement in humans using electrical stimulation. Annals of Neurology. 57 (2), 258-268 (2005).
- Sun, F. T., Morrell, M. J., Wharen, R. E. Responsive cortical stimulation for the treatment of epilepsy. Neurotherapeutics. 5 (1), 68-74 (2008).
- 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).
- Abbott, A. Neuroprosthetics: In search of the sixth sense. Nature. 442, (2006).
- 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).
- 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).
- Laxpati, N. G., et al. Real-time in vivo optogenetic neuromodulation and multielectrode electrophysiologic recording with NeuroRighter. Frontiers in Neuroengineering. 7, 40 (2014).
- Su, Y., et al. A wireless 32-channel implantable bidirectional brain machine interface. Sensors. 16 (10), 1582 (2016).
- Ciliberti, D., Kloosterman, F. Falcon: a highly flexible open-source software for closed-loop neuroscience. Journal of Neural Engineering. 14 (4), 045004 (2017).
- Luczak, A., Bartho, P., Harris, K. D. Gating of sensory input by spontaneous cortical activity. The Journal of Neuroscience. 33 (4), 1684-1695 (2013).
- 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).
- Schjetnan, A. G., Luczak, A. Recording Large-scale Neuronal Ensembles with Silicon Probes in the Anesthetized Rat. Journal of Visualized Experiments. (56), (2011).
- 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).
- 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).
- Schjetnan, A. G. P., Luczak, A. Recording large-scale neuronal ensembles with silicon probes in the anesthetized rat. Journal of Visualized Experiments. (56), (2011).
- Vandecasteele, M., et al. Large-scale recording of neurons by movable silicon probes in behaving rodents. Journal of Visualized Experiments. (61), e3568 (2012).
- 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).
- 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).
- Jiang, Z., et al. TaiNi: Maximizing research output whilst improving animals’ welfare in neurophysiology experiments. Scientific Reports. 7 (1), 8086 (2017).
- Gao, Z., et al. A cortico-cerebellar loop for motor planning. Nature. 563 (7729), 113 (2018).
- 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).
- 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).
- McNaughton, B. L. . Google Patents. , (1999).
- 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).
- 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).
- Luczak, A., McNaughton, B. L., Harris, K. D. Packet-based communication in the cortex. Nature Reviews Neuroscience. , (2015).
- Luczak, A. . Analysis and Modeling of Coordinated Multi-neuronal Activity. , 163-182 (2015).
