Usando a atividade de spiking do neurônio para provocar estímulos do Closed-Loop em experiências neurophysiological
Summary
Este protocolo demonstra como usar um sistema eletrofisiológico para estimulação de circuito fechado desencadeada por padrões de atividade neuronal. O código matlab da amostra que pode facilmente ser modificado para dispositivos diferentes da estimulação é fornecido igualmente.
Abstract
Sistemas neurofisiológicos de circuito fechado usam padrões de atividade neuronal para desencadear estímulos, que por sua vez afetam a atividade cerebral. Tais sistemas de circuito fechado já são encontrados em aplicações clínicas, e são ferramentas importantes para a pesquisa básica do cérebro. Um desenvolvimento recente particularmente interessante é a integração de abordagens de circuito fechado com optogenética, de modo que padrões específicos de atividade neuronal podem desencadear estimulação óptica de grupos neuronais selecionados. No entanto, a criação de um sistema eletrofisiológico para experimentos de circuito fechado pode ser difícil. Aqui, um código Matlab pronto para aplicar é fornecido para desencadear estímulos com base na atividade de neurônios individuais ou múltiplos. Este código de amostra pode ser facilmente modificado com base nas necessidades individuais. Por exemplo, ele mostra como acionar estímulos de som e como alterá-lo para acionar um dispositivo externo conectado a uma porta de série de PC. O protocolo apresentado é projetado para trabalhar com um sistema de gravação neuronal popular para estudos com animais (Neuralynx). A implementação da estimulação de circuito fechado é demonstrada em um rato acordado.
Introduction
O objetivo deste protocolo é demonstrar como implementar a estimulação de ciclo fechado em experimentos neursiológicos. A configuração típica para experimentos de circuito fechado em neurociência envolve o desencadeamento de estímulos com base na leitura on-line da atividade neuronal. Isso, por sua vez, provoca modificações na atividade cerebral, fechando assim o loop de feedback1,2. Tais experimentos de circuito fechado fornecem múltiplos benefícios sobre configurações padrão de loop aberto, especialmente quando combinados com optogenética, o que permite aos pesquisadores atingir um subconjunto específico de neurônios. Por exemplo, Siegle e Wilson usaram manipulações de circuito fechado para estudar o papel das oscilações de no processamento de informações3. Eles demonstraram que estimular os neurônios hipocampais na fase de queda das oscilações de teve efeitos diferentes sobre o comportamento do que aplicar a mesma estimulação na fase crescente. Experimentos de circuito fechado também estão se tornando cada vez mais importantes em estudos pré-clínicos. Por exemplo, estudos de epilepsia múltipla têm mostrado que a estimulação neuronal desencadeada no início da convulsão é uma abordagem eficaz para reduzir a gravidade das convulsões4,5,6. Além disso, os sistemas de detecção automatizada de convulsões e a entrega contingente da terapia7,8 apresentaram benefícios significativos em pacientes com epilepsia9,10,11,12. Outra área de aplicação com rápido avanço de metodologias de circuito fechado é o controle de neuropróteses com interfaces corticais cérebro-máquina. Isso ocorre porque fornecer feedback instantâneo aos usuários de dispositivos protéticos melhora significativamente a precisão e a capacidade13.
Nos últimos anos, vários laboratórios desenvolveram sistemas personalizados para o registro elétrico simultâneo da atividade neuronal e entrega de estímulos em um sistema de circuito fechado14,15,16,17,18. Embora muitas dessas configurações tenham características impressionantes, nem sempre é fácil implementá-las em outros laboratórios. Isso ocorre porque os sistemas muitas vezes exigem técnicos experientes para montar a eletrônica necessária e outros componentes de hardware e software necessários.
Portanto, a fim de facilitar a adoção de experimentos de circuito fechado em pesquisa em neurociência, este artigo fornece um protocolo e código Matlab para converter uma configuração de gravação eletrofisiológica de loop aberto19,20,21,22 em um sistema de circuito fechado2,6,23. Este protocolo é projetado para funcionar com o hardware de gravação Digital Lynx, um sistema de laboratório popular para gravações da população neuronal. Um experimento típico consiste no seguinte: 1) Gravação de 5 a 20 minutos de dados de cravagem; 2) Classificação de pico para criar modelos neuronais; 3) Usando esses modelos para executar a detecção on-line de padrões de atividade neural; e 4) Desencadeando estimulação ou eventos experimentais quando padrões especificados pelo usuário são detectados.
Protocol
Representative Results
Discussion
O protocolo descrito aqui, mostra como usar um sistema de gravação neurofisiológica padrão para realizar estimulação de ciclo fechado. Este protocolo permite que neurocientistas com experiência limitada em ciência da computação implementem rapidamente uma variedade de experimentos de circuito fechado com pouco custo. Tais experimentos são muitas vezes necessários para estudar interações causais no cérebro.
Depois de preparar um animal e instalar o software (Passos 1 e 2), o expe…
Disclosures
The authors have nothing to disclose.
Acknowledgements
Este trabalho foi apoiado por subvenções NSERC Discovery para 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).
