포인트와 같은 촉각 자극을 불러 일으키는위한 간단한 자극 장치 : LFP에 대한 서치 전환 스파이크
Summary
빛 기계 주변 자극에 적절한 자극을 못을 박는 다하기 위해 현지 필드 잠재력 (LFPs)에서 복잡한 변화를 해명하는 것은 건축되었다. 응용 프로그램으로, 체성 감각 피질에서 기록 된 급상승 활동은 다중 목적 최적화 전략에 의해 분석 하였다. 결과는 제안 자극이 밀리 밀리미터 정밀도와 촉각 자극을 제공 할 수있는 것을 보여 주었다.
Abstract
현재 신경 생리 학적 연구는 스파이크 즉 현지 필드 잠재력에 스파이크 (LFPs)에서 전환 및 LFPs에서 신경 세포로 신경 세포의 신호 경로를 조사하는 방법을 개발하는 것을 목표를 가지고 있습니다.
LFPs 스파이크 활동에 대한 복잡한 의존성을 가지고 있고 그들의 관계는 여전히 저조한 1을 이해된다. 이러한 신호 관계의 해명은 임상 진단 (뇌 심부 자극에 대한 예를 들어, 자극 패러다임)과 정상 및 병적 인 상태 (예를 들어 간질, 파킨슨 병, 만성 통증)에있는 신경 코딩 전략의 깊은 이해에 모두 도움이 될 것입니다. 이 목표로, 하나는 자극 장치, 자극 패러다임 및 전산 분석에 관련된 기술적 문제를 해결해야합니다. 따라서 주문품 자극 장치는 기계적 공진이 발생하지 않는 잘 시공간 규제 자극을 제공하기 위해 개발되었다. 그 후,예시로서, 신뢰성 LFP 스파이크 관계의 세트는 추출 하였다.
장치의 성능, 세포 외 기록에 의해 조사 된 공동 스파이크와 쥐 차 체성 감각 피질에서 적용 자극에 LFP 응답. 이어서, 다중 목적 최적화 전략에 의해, LFPs에 근거 스파이크 발생에 대한 예측 모델을 추정 하였다.
이 패러다임의 애플리케이션은 장치가 적절하게 일반적인 압전 액추에이터를 상회, 고주파수 촉각 자극을 전달하기에 적합한 것을 보여준다. 장치의 효능의 증거로, 다음과 같은 결과를 제시했다 : 1) LFP 응답의 타이밍과 신뢰성은 물론, 스파이크 응답을 일치 2) LFPs는 자극의 역사에 민감하고 평균 응답뿐만 아니라 캡처뿐만 아니라 스파이크 활동하고, 마지막으로, 3) LFP를 사용하여 시험 대 시험 변동은 O 범위를 추정 할 수있다 신호F 스파이크 활동의 다양한 측면을 포착 예측 모델.
Introduction
신호의 맥락에서 임펄스 응답을 처리하는 동적 시스템의 동작의 기본적인 특성을 제공한다.
이상적인 임펄스 자극 사실상 달성되지 않지만, 높은 주파수의 변위가 발생하는 액추에이터 소자를 사용하여 그것의 합리적인 근사를 구하는 것이 가능하다. 빛 촉각 – 진동 자극의 유형은 모두 깊은 피부 (예 : 빠른 응답 빠른 Pacinian 미립자 적응) 2 및 표면 수용체 (예를 들어, 낮은 임계 값을 천천히 메르켈 원반 모양의 구조를 적응) 2를 대상으로하는 것으로 알려져 있습니다.
현재 자극 장치, 주로 압전 액추에이터는, 다수의 문제점이 아닌 이상 공명 작은 변위로 청구됩니다. 이러한 결점을 극복하기 위해, 임펄스 형상 자극의 대안적인 구현은 수직 무딘 팁 (우리의 경우 선인장 평활화 된 팁)를 사용하여 제안미드 레인지 스피커 콘의 막 센터에 장착. 이것은 큰 변위 및 넓은 주파수 스펙트럼의 장점을 제공한다.
이러한 장치의 효과적인 응용 프로그램 종속성을 스파이크하는 LFPs 관련 신경 생리 학적 문제의 연구했다. 때문에 이러한 전기 이벤트 사이의 미묘한 시간적 협회의 미세 조절 장치는 주변 자극을 전달하기 위해 필요했다. 자극은 "잡음"을 줄이고 관심의 신호를 선명하게하기 위해 최대한 빨리 가능한 공간적으로 선택해야했다. 이 목적을 위해, 자극 장치 및 자극 배달 프로토콜 공동 작업을 위해 최적화되었다. 본 논문에서는이 기법을 설명하고 몇 가지 대표적인 결과를 제시한다.
무작위 짝 – 펄스 기반으로 자극 프로토콜은 습관화을 피하기 위하여 설계 및 최적화되었다. 이 프로토콜은 고전 쌍의 이점을 제안펄스 에드 자극과 신경 활동의 자발적인 정기 버스트 사이의 의사 잠금의 가능성을 감소시켰다.
사용하여이는 빠르고 신뢰할 수있는 LFP와 스파이크 반응을 얻고 자극 역사에 모두 LFPs 스파이크의 의존성에 관한 이러한 반응의 특징을 포착 할 수 있었다 쌍 펄스를 무작위. 실제로, 원시 LFP 응답에서, 세 LFP 세트 강하게 평균 스파이크 반응과의 상관 관계 (LFP 자체, 첫 번째 유도체의 LFP 먼저 유도체 단계) 기능은, 또한 추출 하였다.
몇 가지 방법이 LFPs 3,4에서 스파이크를 예측하는 모델을 맞추기 위해 제안되었다. 일반적으로, 공통 또한 자극 신호에서 스파이크 이벤트의 예측을 최소화 / 최대화하는 목적 함수의 적절한 선택에 의해 모델 피팅 프로세스의 임계점 구성된다. 목적 함수의 범위가 제시되었지만이들 중 D (예를 들어 상관 관계 및 일관성) 5 아무도 공동 스파이크 응답의 전체 복잡성을 캡처하지 않습니다. 따라서, 다중 – 목적의 최적화에 기초하여 새로운 프레임 워크가 도입된다. 우리는 보여 그 제안 고안이 계산 프레임 워크는 관계 스파이크 강한 LFP에 따라 예측 모델의 집합을 추정 할 수있다를 사용하여.
Protocol
Representative Results
Discussion
이 작품은 첫째 빠르고 공간적 점과 같은 감각 자극을 제공 할 수 있도록, 새로운 간단하고 저렴한 장치를 발표했다. 그런 다음 무작위로 짝 펄스 자극 프로토콜 및 전산 분석하는 일련의 유효성이 확인되었다. 전반적인 목표는 촉각 자극하는 동안 전기 생리학 기록의 LFP 스파이크 관계의 추정을위한 프레임 워크를 구축하는 것이 었습니다.
장치, 프로토콜 및 분석 접근 방식…
Disclosures
The authors have nothing to disclose.
Acknowledgements
SN과 AGZ은 PON 01-01297 VIRTUALAB 기금에 의해 지원되었다.
Materials
| Microstepper | AB Transvertex (Stockholm, Sweden) | The microstepper used to pull down the electrode matrix | |
| 32 channels 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 anaestetic 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) |
References
- Pesaran, B. Uncovering the Mysterious Origins of Local Field Potentials. Neuron. 61 (1-2), (2009).
- Delmas, P., Hao, J., Rodat-Despoix, L. Molecular Mechanisms of Mechanotrasduction in Mammalian Sensory Neurons. Nat. Rev. Neurosci. 12, 139-153 (2011).
- Rasch, M. J., Gretton, A., Murayama, Y., Maass, W., Logothetis, N. K. Inferring spike trains from local field potentials. J. Neurophys. 99 (3), 1461-1476 (2008).
- Galindo-Leon, E. E., Liu, R. C. Predicting stimulus-locked single unit spiking from cortical local field potentials. J. Comput. Neurosci. 29 (3), 581-597 (2010).
- Theunissen, F. E., David, S. V., Singh, N. C., Hsu, A., Vinje, W. E., Gallant, J. L. Estimating spatio-temporal receptive fields of auditory and visual neurons from their responses to natural stimuli. Network. 12 (3), 289 (2001).
- Victor, J. D., Purpura, K. Metric-space analysis of spike trains: theory, algorithms, and application. Network. 8, 127-164 (1997).
- Foffani, G., Chapin, J. K., Moxon, K. A. Computational Role of Large Receptive Fields in the Primary Somatosensory Cortex. J. Neurophysiol. 100 (1), 268-280 (2008).
- Panzeri, S., Senatore, R., Montemurro, M. A., Petersen, R. S. Correcting for the sampling bias problem in spike train information measures. J. Neurophysiol. 98, 1064-1072 (2007).
- Storchi, R., Zippo, A. G., Caramenti, G. C., Valente, M., Biella, G. E. M. Predicting Spike Occurrence and Neuronal Responsiveness from LFPs in Primary Somatosensory Cortex. PLoS ONE. 7 (5), (2012).
- Quiroga, R. Q., Nadasdy, Z., Ben-Shaul, Y. Unsupervised Spike Detection and Sorting with Wavelets and Superparamagnetic Clustering. Neural Comput. 16, 1661-1687 (2004).
- Deb, K., Agrawal, A., Pratab, A., Meyarivan, T. A fast elitist non-dominated sorting genetic algorithm for multi-objective optimization: NSGA-II IEEE. Trans. Evol. Comput. 6 (2), 181-197 (2000).
