Verwenden von Neuron Spiking Activity zum Auslösen von Closed-Loop Stimuli in neurophysiologischen Experimenten
Summary
Dieses Protokoll zeigt, wie ein elektrophysiologisches System zur geschlossenen Stimulation verwendet wird, das durch neuronale Aktivitätsmuster ausgelöst wird. Beispiel-Matlab-Code, der leicht für verschiedene Stimulationsgeräte geändert werden kann, wird ebenfalls bereitgestellt.
Abstract
Geschlossene neurophysiologische Systeme verwenden Muster neuronaler Aktivität, um Reize auszulösen, die wiederum die Gehirnaktivität beeinflussen. Solche Closed-Loop-Systeme sind bereits in klinischen Anwendungen zu finden und sind wichtige Werkzeuge für die grundlegende Hirnforschung. Eine besonders interessante jüngste Entwicklung ist die Integration von Closed-Loop-Ansätzen mit der Optogenetik, so dass spezifische Muster neuronaler Aktivität eine optische Stimulation ausgewählter neuronaler Gruppen auslösen können. Die Einrichtung eines elektrophysiologischen Systems für geschlossene Experimente kann jedoch schwierig sein. Hier wird ein gebrauchsfertiger Matlab-Code zur Auslösung von Reizen bereitgestellt, die auf der Aktivität einzelner oder mehrerer Neuronen basieren. Dieser Beispielcode kann leicht auf der Grundlage individueller Bedürfnisse geändert werden. Zum Beispiel zeigt es, wie Man Soundreize auslöst und wie man es ändert, um ein externes Gerät auszulösen, das an einen seriellen PC-Anschluss angeschlossen ist. Das vorgestellte Protokoll soll mit einem beliebten neuronalen Aufzeichnungssystem für Tierstudien (Neuralynx) arbeiten. Die Umsetzung der Closed-Loop-Stimulation wird in einer wachen Ratte demonstriert.
Introduction
Ziel dieses Protokolls ist es, zu zeigen, wie in neurophysiologischen Experimenten eine geschlossene Stimulation implementiert wird. Das typische Setup für Closed-Loop-Experimente in der Neurowissenschaft beinhaltet das Auslösen von Reizen basierend auf der Online-Auslesung neuronaler Aktivität. Dies wiederum bewirkt Veränderungen in der Hirnaktivität und schließt so die Rückkopplungsschleife1,2. Solche Closed-Loop-Experimente bieten mehrere Vorteile gegenüber Standard-Open-Loop-Setups, insbesondere in Kombination mit Optogenetik, die es Forschern ermöglicht, eine bestimmte Teilmenge von Neuronen anzusprechen. Siegle und Wilson verwendeten beispielsweise geschlossene Schleifenmanipulationen, um die Rolle der Theta-Oszillationen in der Informationsverarbeitung zu untersuchen3. Sie zeigten, dass die Stimulierung von Hippocampus-Neuronen in der fallende Phase der Theta-Oszillationen andere Auswirkungen auf das Verhalten hatte als die Anwendung der gleichen Stimulation auf die aufsteigende Phase. Auch in präklinischen Studien werden geschlossene Experimente immer wichtiger. Zum Beispiel haben mehrere Epilepsie-Studien gezeigt, dass neuronale Stimulation ausgelöst bei Anfall-Beginn ist ein effektiver Ansatz, um die Schwere der Anfälle zu reduzieren4,5,6. Darüber hinaus zeigten Systeme zur automatisierten Anfallserkennung und die bedingte Durchführung der Therapie7,8 signifikante Vorteile bei Epilepsiepatienten9,10,11,12. Ein weiterer Anwendungsbereich mit der schnellen Weiterentwicklung von Closed-Loop-Methoden ist die Steuerung der Neuroprothetik mit kortikalen Gehirn-Maschine-Schnittstellen. Dies liegt daran, dass die sofortige Rückmeldung an Benutzer von Prothesen deutlich verbessert Genauigkeit und Fähigkeit13.
In den letzten Jahren haben mehrere Labore kundenspezifische Systeme für die gleichzeitige elektrische Aufzeichnung der neuronalen Aktivität und die Abgabe von Reizen in einem geschlossenen Kreislaufsystem14,15,16,17,18entwickelt. Obwohl viele dieser Setups beeindruckende Eigenschaften aufweisen, ist es nicht immer einfach, sie in anderen Labors zu implementieren. Dies liegt daran, dass die Systeme oft erfahrene Techniker benötigen, um die benötigte Elektronik und andere notwendige Hardware- und Softwarekomponenten zu montieren.
Um die Annahme von geschlossenen Experimenten in der neurowissenschaftlichen Forschung zu erleichtern, bietet dieses Papier daher ein Protokoll und Matlab-Code, um ein open-loop elektrophysiologisches Aufzeichnungs-Setup19,20,21,22 in ein Closed-Loop-System2,6,23umzuwandeln. Dieses Protokoll wurde entwickelt, um mit der Digital Lynx Aufnahmehardware zu arbeiten, einem beliebten Laborsystem für neuronale Bevölkerungsaufzeichnungen. Ein typisches Experiment besteht aus den folgenden: 1) Aufzeichnung von 5-20 Minuten Spiking-Daten; 2) Spike-Sortierung, um neuronale Vorlagen zu erstellen; 3) Verwendung dieser Vorlagen zur Online-Erkennung von neuronalen Aktivitätsmustern; und 4) Auslösen von Stimulations- oder experimentellen Ereignissen, wenn benutzerspezifische Muster erkannt werden.
Protocol
Representative Results
Discussion
Das hier beschriebene Protokoll zeigt, wie ein standardneurophysiologisches Aufzeichnungssystem verwendet wird, um eine geschlossene Stimulation durchzuführen. Dieses Protokoll ermöglicht es Neurowissenschaftlern mit begrenztem Fachwissen in der Informatik, schnell eine Vielzahl von geschlossenen Experimenten mit geringen Kosten durchzuführen. Solche Experimente sind oft notwendig, um kausale Wechselwirkungen im Gehirn zu untersuchen.
Nach der Vorbereitung eines Tieres und der Installation …
Disclosures
The authors have nothing to disclose.
Acknowledgements
Diese Arbeit wurde durch NSERC Discovery-Stipendien an AL und AG unterstützt.
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).
