Multi-Fiber Photometrie zur Aufzeichnung neuronaler Aktivität bei frei beweglichen Tieren
Summary
In diesem Protokoll wird erläutert, wie Multifaserphotometrieaufzeichnungen implementiert und durchgeführt werden, wie Kalzium-unabhängige Artefakte korrigiert werden und wie wichtige Überlegungen für die duale Photometrie-Bildgebung berücksichtigt werden.
Abstract
Die Aufzeichnung der Aktivität einer Gruppe von Neuronen in einem frei beweglichen Tier ist ein schwieriges Unterfangen. Darüber hinaus wird es, da das Gehirn in kleinere und kleinere funktionelle Untergruppen zerlegt wird, von größter Bedeutung, aus Projektionen und/oder genetisch definierten Subpopulationen von Neuronen aufzuzeichnen. Fiber-Photometrie ist ein zugänglicher und leistungsstarker Ansatz, der diese Herausforderungen bewältigen kann. Durch die Kombination optischer und genetischer Methoden kann die neuronale Aktivität in tiefen Gehirnstrukturen gemessen werden, indem genetisch kodierte Kalziumindikatoren exexzessiert werden, die die neuronale Aktivität in ein optisches Signal übersetzen, das leicht messbar ist. Das aktuelle Protokoll beschreibt die Komponenten eines Multifaser-Photometriesystems, wie man auf tiefe Gehirnstrukturen zugreift, um Licht zu liefern und zu sammeln, eine Methode, um Bewegungsartefakte zu berücksichtigen, und wie fluoreszierende Signale verarbeitet und analysiert werden. Das Protokoll beschreibt experimentelle Überlegungen bei der Durchführung von Einzel- und Dual-Farb-Bildgebung, entweder aus einzelnen oder mehreren implantierten Optischen Fasern.
Introduction
Die Fähigkeit, neuronale Reaktionen mit bestimmten Aspekten des Verhaltens eines Tieres zu korrelieren, ist entscheidend, um die Rolle zu verstehen, die eine bestimmte Gruppe von Neuronen bei der Leitung oder Reaktion auf eine Handlung oder einen Reiz spielt. Angesichts der Komplexität des Verhaltens von Tieren, mit den unzähligen inneren Zuständen und äußeren Reizen, die selbst die einfachsten Aktionen beeinflussen können, rüstet die Aufzeichnung eines Signals mit Einer-Versuchs-Auflösung die Forscher mit den notwendigen Werkzeugen aus, um diese zu überwinden. Einschränkungen.
Die Faserphotometrie ist für viele Forscher auf dem Gebiet der Systemneurowissenschaften aufgrund ihrer relativen Einfachheit im Vergleich zu anderen In-vivo-Aufnahmetechniken, ihrem hohen Signal-Rausch-Verhältnis und der Fähigkeit, in einer Vielzahl von Verhaltensparadigmen1,2,3,4,5,6,7,8. Im Gegensatz zu herkömmlichen elektrophysiologischen Methoden ist die Photometrie der optische Ansatz, der am häufigsten in Verbindung mit genetisch kodierten Calciumindikatoren (GECIs, gCaMP-Serie)9verwendet wird. GECIs ändern ihre Fluoreszenzfähigkeit, je nach, ob sie an Kalzium gebunden sind oder nicht. Da die innere Konzentration von Kalzium in Neuronen sehr streng reguliert ist und spannungsgebundene Kalziumkanäle sich öffnen, wenn ein Neuron ein Aktionspotential abfeuert, erhöht sich die innere Kalziumkonzentration vorübergehend, was zu vorübergehenden Fähigkeit eines GECI zur Fluoreszenz, kann ein guter Proxy für neuronaleFeuerung 9sein.
Mit der Faserphotometrie wird das Anregungslicht eine dünne Multimode-Optikfaser ins Gehirn geleitet, und ein Emissionssignal wird durch dieselbe Faser wieder nach oben gesammelt. Da diese Glasfasern leicht und biegsam sind, kann sich ein Tier weitgehend ungehindert bewegen, was diese Technik mit einer Vielzahl von Verhaltenstests und -bedingungen kompatibel macht. Einige Bedingungen, wie schnelle Bewegungen oder das Biegen des Glasfaser-Patchkabels über den Radius hinaus, in dem es die gesamte interne Reflexion aufrechterhalten kann, können Signalartefakte einführen. Um Signalvon Rauschen zu verkennen, können wir eine Eigenschaft von GCaMP ausnutzen, die als “isosbestic point” bekannt ist. Kurz gesagt, mit GCaMP, da die Wellenlänge des Anregungslichts nach links verschoben wird, nimmt seine Emission im kalziumgebundenen Zustand ab und die Emission im Kalzium-ungebundenen Zustand nimmt geringfügig zu. Der Punkt, an dem die relative Intensität dieser beiden Emissionen gleich ist, wird als isosbestischer Punkt bezeichnet. Wenn GCaMP an dieser Stelle angeregt wird, wird seine Emission nicht durch Veränderungen der inneren Kalziumkonzentrationen beeinflusst, und die Varianz des Signals ist am häufigsten auf die Dämpfung des Signals durch Überbiegung des Glasfaser-Patchkabels oder die Bewegung des Neuronalgewebes zurückzuführen. relativ zur implantierten Faser.
Die Ein-Einheiten-Elektrophysiologie ist aufgrund ihrer einzelligen und Single-Spike-Level-Auflösung nach wie vor der Goldstandard für frei bewegliche In-vivo-Aufnahmen. Es kann jedoch schwierig sein, die molekulare Identität der zellen zu bestimmen, die aufgezeichnet werden, und die Post-hoc-Analyse kann ziemlich mühsam sein. Faserphotometrie hat zwar keine einzellige Auflösung, ermöglicht es Forschern jedoch, Fragen zu stellen, die mit herkömmlichen Techniken nicht angegangen werden können. Durch die Kombination viraler Strategien mit transgenen Tieren kann die Expression von GECIs auf genetisch definierte neuronale Typen gerichtet werden, um populations- oder projektionsdefinierte neuronale Aktivität aufzuzeichnen, die durch die Überwachung des Calciumsignals direkt am Axon durchgeführt werden kann. Klemmen10,11. Darüber hinaus ist es durch die Implantation mehrerer faseroptischer Kanülen möglich, die neuronale Aktivität aus mehreren Hirnregionen und -wegen im selben Tier gleichzeitig zu überwachen12,13.
In diesem Manuskript beschreiben wir eine Technik für Einzel- und Multifaserphotometrie, wie man kalziumunabhängige Artefakte korrigiert und detailliert beschreibt, wie man mono- und dualfarbene Aufnahmen durchführt. Wir bieten auch Beispiele für die Arten von Fragen, die man stellen kann, und deren zunehmende Komplexität (siehe Abbildung 1). Das Faserphotometrie-Setup für Multifaseraufzeichnungen, die in diesem Protokoll detailliert sind, kann mithilfe einer Liste von Materialien erstellt werden, die unter https://sites.google.com/view/multifp/hardware (Abbildung 2) zu finden sind.
Es ist wichtig, dass das System sowohl für 410 nm als auch für 470 nm Anregungswellenlängen für kalziumunabhängige und kalziumabhängige Fluoreszenzemissionen aus GCaMP6 oder seinen Varianten ausgestattet ist. Für kundenspezifische Setups oder wenn keine Software zum Ausführen des Systems verfügbar ist, kann das kostenlose Open-Source-Programm Bonsai (http://www.open-ephys.org/bonsai/) verwendet werden. Alternativ kann die Faserphotometrie über MATLAB (z.B. https://github.com/deisseroth-lab/multifiber)12 oder eine andere Programmiersprache14ausgeführt werden. Die Software und Hardware des Systems sollte die Manipulation der 410 nm und 470 nm LEDs und der Kamera, die Extraktion von Bildern (Abbildung 2), und die Berechnung der mittleren Fluoreszenzintensität in den Bereichen von Interesse (ROIs) um die Fasern auf die Bilder. Der Ausgang sollte eine Tabelle mit mittleren Intensitätswerten sein, die mit den LEDs 470 nm und 410 nm von jeder Faser im Patchkabel aufgezeichnet werden. Bei Multifaserexperimenten können gebündelte Fasern mit 400 m die Bewegung von Mäusen einschränken. In solchen Fällen empfehlen wir die Verwendung von 200 m Patchkabeln, die mehr Flexibilität bieten. Es kann auch möglich sein, kleinere Dummy-Kabel während des Trainings von Mäusen zu verwenden.
Es ist entscheidend, in der Lage zu sein, Zeitpunkte für Ereignisse von Interesse während der Faserphotometrie-Erfassung zu extrahieren. Wenn das System nicht ohne weiteres ein integriertes System zur Integration von TTLs für bestimmte Ereignisse bereitstellt, besteht eine alternative Strategie darin, einzelnen aufgezeichneten Zeitpunkten einen Zeitstempel zuzuweisen, um sich an bestimmten Zeiten und Ereignissen während des Experiments auszurichten. Die Zeitstempelung kann mit der Computeruhr erfolgen.
Protocol
Representative Results
Discussion
Die Faserphotometrie ist ein zugänglicher Ansatz, der es Forschern ermöglicht, Massenkalzium-Dynamiken von definierten neuronalen Populationen bei frei beweglichen Tieren aufzuzeichnen. Diese Methode kann mit einer Vielzahl von Verhaltenstests kombiniert werden, einschließlich “bewegungslastige” Aufgaben wie erzwungene Schwimmtests2, Angstkonditionierung18, soziale Interaktionen1,4und andere7 ,<…
Disclosures
The authors have nothing to disclose.
Acknowledgements
Diese Arbeit wurde durch ein Stipendium des Natural Sciences and Engineering Research Council of Canada (NSERC: RGPIN-2017-06131) an C.P. C. P. unterstützt. Wir danken auch dem Plateforme d’Outils Moléculaires (https://www.neurophotonics.ca/fr/pom) für die Herstellung der in dieser Studie verwendeten viralen Vektoren.
Materials
| 1/4"-20 Stainless Steel Cap Screw, 1" Long | Thorlabs | SH25S100 | |
| 1/4"-20 Stainless Steel Cap Screw, 1/2" Long | Thorlabs | SH25S050 | |
| 1/4"-20 Stainless Steel Cap Screw, 3/8" Long | Thorlabs | SH25S038 | |
| 1000 µm, 0.50 NA, SMA-SMA Fiber Patch Cable | Thorlabs | M59L01 | |
| 12.7 mm Optical Post | Thorlabs | TR30/M | |
| 12.7 mm Pedestal Post Holder | Thorlabs | PH20EM | |
| 15 V, 2.4 A Power Supply Unit with 3.5 mm Jack Connector for T-Cube | Thorlabs | KPS101 | |
| 20x objective | Thorlabs | RMS20X | #10 in Figure 2, #11 in Figure 5 |
| 30 mm Cage Cube with Dichroic Filter Mount | Thorlabs | CM1-DCH/M | #8-9 in Figure 2, #8-10 in Figure 5 |
| 405 nm LED | Doric Lenses | CLED_405 | #2 in Figure 2 |
| 410 nm bandpass filter | Thorlabs | FB410-10 | #5 in Figure 2; #7 in Figure 5 |
| 465 nm. LED | Doric Lenses | CLED_465 | #1 in Figure 2 |
| 470 nm bandpass filter | Thorlabs | FB470-10 | #4 in Figure 2; #6 in Figure 5 |
| 560 nm bandpass filter | Semrock | FF01-560/14-25 | #5 in Figure 5 |
| 560 nm LED | Doric Lenses | CLED_560 | #1 in Figure 3 |
| 5-axis kinematic Mount | Thorlabs | K5X1 | #11 in Figure 2, #12 in Figure 5 |
| Achromatic Doublet | Thorlabs | AC254-035-A-ML | #7 in Figure 2 |
| Adaptor for 405 collimator | Thorlabs | AD11F | #3 in Figure 2; #4 in Figure 5 |
| Adaptor for ajustable collimator | Thorlabs | AD127-F | #3 in Figure 2; #4 in Figure 5 |
| Aluminum Breadboard | Thorlabs | MB1824 | |
| Clamping Fork | Thorlabs | CF125 | |
| Cube connector | Thorlabs | CM1-CC | |
| Dual 493/574 dichroic | Semrock | FF493/574-Di01-25×36 | #10 in Figure 5 |
| Emission filter for GCaMP6 | Semrock | FF01-535/22-25 | #6 in Figure 2 |
| Enclosure with Black Hardboard Panels | Thorlabs | XE25C9 | |
| Externally SM1-Threaded End Cap for Machining | Thorlabs | SM1CP2M | |
| Fast-change SM1 Lens Tube Filter Holder | Thorlabs | SM1QP | #4-6 in Figure 2, #5-7 in Figure 5 |
| Fixed Collimator for 405 nm light | Thorlabs | F671SMA-405 | #3 in Figure 2; #4 in Figure 5 |
| Fixed collimator for 470 and 560 nm light | Thorlabs | F240SMA-532 | #3 in Figure 2; #4 in Figure 5 |
| Green emission filter | Semrock | FF01-520/35-25 | In light beam splitter |
| High-Resolution USB 3.0 CMOS Camera | Thorlabs | DCC3260M | #13 in Figure 2, #15 in Figure 5 |
| Light beam splitter | Neurophotometrics | SPLIT | #14 in Figure 5 |
| Longpass Dichroic Mirror, 425 nm Cutoff | Thorlabs | DMLP425R | #8 in Figure 2, #9 in Figure 5 |
| Longpass Dichroic Mirror, 495 nm Cutoff | Semrock | FF495-Di03 | #9 in Figure 2, #8 in Figure 5 |
| Metabond dental cement | C&B | ||
| M8 – M8 cable | Doric Lenses | Cable_M8-M8 | |
| Optic fiber cannulas | Doric Lenses | Need to specify that these will be used to photometry experiments requiring low autofluorescence | |
| Optic fiber Patchcords | Doric Lenses | Need to specify that these will be used to photometry experiments requiring low autofluorescence | |
| Red emission filter | Semrock | FF01-600/37-25 | In light beam splitter |
| T7 LabJack | LabJack | ||
| T-cube LED Driver | Thorlabs | LEDD1B | |
| USB 3.0 I/O Cable, Hirose 25, for DCC3240 | Thorlabs | CAB-DCU-T3 |
References
- Gunaydin, L. A., et al. Natural Neural Projection Dynamics Underlying Social Behavior. Cell. 157 (7), 1535-1551 (2014).
- Proulx, C. D., et al. A neural pathway controlling motivation to exert effort. Proceedings of the National Academy of Sciences of the United States of America. 115 (22), 5792-5797 (2018).
- Muir, J., et al. In Vivo Fiber Photometry Reveals Signature of Future Stress Susceptibility in Nucleus Accumbens. Neuropsychopharmacology. 43 (2), 255-263 (2017).
- Wang, D., et al. Learning shapes the aversion and reward responses of lateral habenula neurons. eLife. 6, (2017).
- de Jong, J. W., et al. A Neural Circuit Mechanism for Encoding Aversive Stimuli in the Mesolimbic Dopamine System. Neuron. 101 (1), 133-151 (2018).
- Lerner, T. N., et al. Intact-Brain Analyses Reveal Distinct Information Carried by SNc Dopamine Subcircuits. Cell. 162 (3), 635-647 (2015).
- Calipari, E. S., et al. In vivo imaging identifies temporal signature of D1 and D2 medium spiny neurons in cocaine reward. Proceedings of the National Academy of Sciences of the United States of America. 113 (10), 2726-2731 (2016).
- González, A. J., et al. Inhibitory Interplay between Orexin Neurons and Eating. Current Biology. 26 (18), 2486-2491 (2016).
- Chen, T. -. W., et al. Ultrasensitive fluorescent proteins for imaging neuronal activity. Nature. 499 (7458), 295-300 (2013).
- Barker, D. J., et al. Lateral Preoptic Control of the Lateral Habenula through Convergent Glutamate and GABA Transmission. Cell Reports. 21 (7), 1757-1769 (2017).
- Siciliano, C. A., Tye, K. M. Leveraging calcium imaging to illuminate circuit dysfunction in addiction. Alcohol. 74, 47-63 (2018).
- Kim, C. K., et al. Simultaneous fast measurement of circuit dynamics at multiple sites across the mammalian brain. Nature Methods. 13 (4), 325-328 (2016).
- Sych, Y., Chernysheva, M., Sumanovski, L. T., Helmchen, F. High-density multi-fiber photometry for studying large-scale brain circuit dynamics. Nature Methods. 16 (6), 553-560 (2019).
- Akam, T., Walton, M. E. pyPhotometry: Open source Python based hardware and software for fiber photometry data acquisition. Scientific Reports. 9 (1), 3521 (2019).
- Sparta, D. R., et al. Construction of implantable optical fibers for long-term optogenetic manipulation of neural circuits. Nature Protocol. 7 (1), 12-23 (2011).
- Stamatakis, A. M., et al. Lateral Hypothalamic Area Glutamatergic Neurons and Their Projections to the Lateral Habenula Regulate Feeding and Reward. The Journal of Neuroscience. 36 (2), 302-311 (2016).
- Tervo, G. D., et al. A Designer AAV Variant Permits Efficient Retrograde Access to Projection Neurons. Neuron. 92 (2), 372-382 (2016).
- Yu, K., da Silva, P., Albeanu, D. F., Li, B. Central Amygdala Somatostatin Neurons Gate Passive and Active Defensive Behaviors. The Journal of Neuroscience. 36 (24), 6488-6496 (2016).
- Falkner, A. L., Grosenick, L., Davidson, T. J., Deisseroth, K., Lin, D. Hypothalamic control of male aggression-seeking behavior. Nature Neuroscience. 19 (4), 596-604 (2016).
- Ren, J., et al. Anatomically Defined and Functionally Distinct Dorsal Raphe Serotonin Sub-systems. Cell. 175 (2), 472-487 (2018).
- Barnett, L. M., Hughes, T. E., Drobizhev, M. Deciphering the molecular mechanism responsible for GCaMP6m’s Ca2+-dependent change in fluorescence. PLOS ONE. 12 (2), 0170934 (2017).
- Sun, F., et al. A Genetically Encoded Fluorescent Sensor Enables Rapid and Specific Detection of Dopamine in Flies, Fish, and Mice. Cell. 174 (2), 481-496 (2018).
- Patriarchi, T., et al. Ultrafast neuronal imaging of dopamine dynamics with designed genetically encoded sensors. Science. 360 (6396), (2018).
- Feng, J., et al. A Genetically Encoded Fluorescent Sensor for Rapid and Specific In Detection of Norepinephrine. Neuron. 102 (4), 745-761 (2019).
- Akerboom, J., et al. Genetically encoded calcium indicators for multi-color neural activity imaging and combination with optogenetics. Frontiers in Molecular Neuroscience. 6, 1-29 (2013).
- Dana, H., et al. Sensitive red protein calcium indicators for imaging neural activity. eLife. 5, (2016).
- Wang, H., Jing, M., Li, Y. Lighting up the brain: genetically encoded fluorescent sensors for imaging neurotransmitters and neuromodulators. Current Opinion in Neurobiology. 50, 171-178 (2018).
- Lu, L., et al. Wireless optoelectronic photometers for monitoring neuronal dynamics in the deep brain. Proceedings of the National Academy of Sciences. 115 (7), 1374-1383 (2018).
- Jennings, J. H., et al. Visualizing Hypothalamic Network Dynamics for Appetitive and Consummatory Behaviors. Cell. 160 (3), 516-527 (2014).
