Utilisation de l'activité de spiking de neurone pour déclencher des stimuli à boucle fermée dans les expériences neurophysiologiques
12 novembre 2019
Ce protocole démontre comment utiliser un système électrophysiologique pour la stimulation en boucle fermée déclenchée par les modèles d'activité neuronale. Un exemple de code Matlab qui peut être facilement modifié pour différents dispositifs de stimulation est également fourni.
Ce système d’enregistrement neurophysiologique standard peut être utilisé pour effectuer une stimulation en boucle fermée qui est utile pour étudier les interactions causales dans le cerveau. Ce protocole permet aux neuroscientifiques ayant une expertise limitée en informatique de mettre rapidement en œuvre une variété d’expériences en boucle fermée avec peu de coûts. Les expériences en boucle fermée sont de plus en plus importantes pour les sciences fondamentales et la recherche.
Par exemple, de multiples études sur l’épilepsie ont montré que le déclenchement de la stimulation neuronale lors de l’apparition des crises est une approche efficace pour réduire la gravité des crises. Pour faciliter l’adoption d’expériences en boucle fermée dans la recherche en neurosciences, ce protocole fournit du code MATLAB pour convertir un système d’enregistrement électrophysiologique en boucle ouverte en un système en boucle fermée. Cette mise en œuvre de la stimulation en boucle fermée est démontrée chez un rat éveillé.
Pour installer le système d’acquisition de données Cheetah 6.4, ouvrez la page Web du logiciel qui inclut les bibliothèques pour interagir avec le système d’acquisition Cheetah et installez SpikeSort-3D. Installez le paquet de développement NetCom. Connectez-vous à un compte MATLAB pour sélectionner la licence, la version et le système d’exploitation corrects.
Ensuite, téléchargez la bibliothèque pour le déclenchement d’événements en ligne tel qu’indiqué et extrayez les fichiers dans le dossier MATLAB des documents. Pour l’acquisition de données, ouvrez le logiciel Cheetah et enregistrez les données de spiking pour remplir les formes d’ondes du modèle. Après quelques minutes, arrêtez l’acquisition de données et effectuez un SpikeSort sur les données enregistrées.
Ensuite, ouvrez SpikeSort3-D et cliquez sur le menu du fichier et le fichier spike de charge Pour sélectionner un fichier spike dans le dossier avec les données enregistrées. Ensuite, cliquez sur le menu cluster, autocluster en utilisant KlustaKwik, et exécuter. Pour effectuer une expérience en boucle fermée, reprenez l’acquisition de données dans Cheetah et ouvrez MATLAB.
Ouvrez ClosedLoop. M et cliquez sur exécuter. Alternativement, exécutez en boucle fermée dans la fenêtre de commande.
Parcourez le dossier d’enregistrement et sélectionnez l’un des fichiers de données spiking pour charger les informations de pointe définies dans l’enregistrement initial. Cliquez sur les cases à cocher appropriées sous les formes d’ondes tracées pour sélectionner un ou plusieurs neurones qui déclencheront la stimulation. Définissez le nombre minimum de neurones qui déclencheront la stimulation en entrant un entier dans la boîte de texte min matches et définissez la fenêtre de temps dans laquelle les pointes correspondant aux différentes formes d’ondes sont considérées comme coactives en entrant un nombre dans la boîte de texte de fenêtre.
Ensuite, cliquez sur envoyer pour commencer le déclenchement en ligne des événements basés sur l’activité de spiking des neurones sélectionnés. Dans cette expérience représentative, le rat était reposé sur un pot de fleurs qui était un lieu de repos familier pendant les pauses dans les expériences comportementales. Ici, un fonctionnement simultané représentatif du logiciel d’enregistrement et du programme MATLAB qui affiche les formes d’onde de pointe acquises en temps réel peut être observé.
Lorsque des pointes provenant de clusters de déclenchement prédéfinis sont détectées, les formes d’onde sont affichées avec une ligne de tiret en gras dans la fenêtre de figure MATLAB déclenchant une tonalité et fournissant un système en boucle fermée. Dans ce chiffre, un histogramme représentatif illustrant les retards entre le moment de générer un pic artificiel et le moment d’induire un signal déclenché sont affichés. Après la préparation d’un animal et l’installation du logiciel, l’expérience en boucle fermée se compose de deux étapes principales, l’acquisition initiale de données et la stimulation en boucle fermée au cours de laquelle les pointes déclenchent des stimuli externes.
Ce protocole permet également le traitement d’un stimulus basé sur l’activité de neurones multiples qui est important pour répondre aux questions sur le traitement de l’information dans le cerveau. Les avantages de cette solution MATLAB sont son faible coût et sa flexibilité dans la définition des modèles d’activité pour déclencher des stimuli qui peuvent aider à étudier une variété de questions neuroscientifiques.
Consultez la transcription complète et accédez à des milliers de vidéos scientifiques
Aperçu
Ce protocole illustre l'utilisation d'un système électrophysiologique pour une stimulation en boucle fermée basée sur des motifs d'activité neuronale. Il permet aux neuroscientifiques, même avec des connaissances limitées en informatique, de réaliser efficacement et à moindre coût des expériences en boucle fermée. Le protocole inclut un exemple de code MATLAB pour la mise en œuvre et est illustré par des enregistrements effectués chez un rat éveillé, mettant en évidence l'interaction en temps réel entre les potentiels d'action neuronaux et la stimulation.
Composantes clés de l'étude
Domaine scientifique
- Neurosciences
- Électrophysiologie
- Systèmes en boucle fermée
Contexte
- La stimulation en boucle fermée est essentielle pour étudier les interactions causales dans le cerveau.
- Cette approche est particulièrement utile dans la recherche sur l'épilepsie pour atténuer la gravité des crises.
- Le protocole répond au besoin de systèmes en boucle fermée accessibles en neurosciences.
Objectif de l'étude
- Proposer une méthode permettant de mettre en œuvre une stimulation en boucle fermée avec un coût et un niveau d'expertise minimaux.
- Faciliter l'étude de l'activité neuronale et des réponses grâce à une stimulation en temps réel.
- Permettre aux chercheurs de mieux comprendre le traitement de l'information dans le cerveau.
Méthodes utilisées
- L'étude utilise un système d'enregistrement neurophysiologique standard pour des expériences en boucle fermée.
- L'enregistrement chez des rats éveillés a été utilisé comme modèle biologique.
- Un code MATLAB est fourni pour la personnalisation et la conversion de systèmes en boucle ouverte.
- Les étapes clés incluent l'acquisition de données, le tri des données de décharge neuronale et la définition des paramètres de stimulation.
- L'expérience en boucle fermée implique le déclenchement en temps réel de stimuli basé sur l'activité neuronale.
Résultats principaux
- Le protocole permet une stimulation basée sur l'activité de plusieurs neurones, améliorant ainsi la compréhension des interactions neuronales.
- Les données de décharge neuronale ont été utilisées pour déclencher des stimuli externes, démontrant un rétrocontrôle efficace en boucle fermée.
- Une visualisation en temps réel de l'activité neuronale a été obtenue grâce à l'interface MATLAB.
- Les résultats clés soulignent la flexibilité et l'efficacité économique de la solution basée sur MATLAB.
Conclusions
- La présente étude permet aux chercheurs de mettre en œuvre et d'adopter facilement des techniques de stimulation en boucle fermée.
- Les résultats ont des implications pour l'avancement de la compréhension des mécanismes neuronaux et des fonctions cérébrales.
- Des schémas de stimulation flexibles contribuent à répondre à diverses questions en neurosciences.
Questions fréquemment posées
Pertinence professionnelle pour l'industrie
Les systèmes neurophysiologiques en boucle fermée permettent une interrogation causale des circuits cérébraux en reliant des motifs d'activité neuronale à une stimulation en temps réel, soutenant ainsi la validation de cibles et la réduction des risques mécanistiques en neurosciences précliniques. Cette approche basée sur MATLAB réduit les obstacles techniques liés à la mise en œuvre de conceptions en boucle fermée, facilitant des études évolutives et reproductibles du traitement de l'information nerveuse. Le protocole soutient les flux de travail de découverte précoce en fournissant un outil souple et rentable pour des expériences de stimulation guidées par des hypothèses dans des modèles pertinents pour la maladie.
Applications stratégiques en recherche et développement en biopharmaceutique
Découverte précoce et validation de cibles
- Valeur scientifique : Permet l'interrogation d'hypothèses thérapeutiques en déclenchant des stimuli basés sur l'activité de décharge définie d'un ou plusieurs neurones.
- Valeur opérationnelle : Soutient la validation fonctionnelle de cibles grâce à une manipulation causale en temps réel des circuits neuronaux chez des modèles animaux éveillés.
- Valeur prédictive : Renforce la confiance dans l'engagement de la cible en démontrant des réponses neuronales induites par des stimuli dans des conditions contrôlées en boucle fermée.
Développement de criblages et de tests
- Valeur scientifique : Prépare des systèmes de registrement neuronal validés pour la standardisation des tests en aval en permettant une stimulation précise dépendante de l'activité.
- Valeur opérationnelle : Améliore la reproductibilité des tests grâce à des seuils de détection des pics et des fenêtres de coactivité définis par l’utilisateur, assurant un déclenchement d’stimulus constant.
- Extensibilité : Facilite la réutilisation de la plateforme dans diverses expériences par un code MATLAB modifiable, adaptable à différents dispositifs de stimulation et configurations d’enregistrement.
Recherche translationnelle et préclinique
- Continuité translationnelle : Démontrée chez des rats éveillés, soutenant la pertinence pour les modèles de maladies et la validation préclinique de stratégies de neuromodulation.
- Déminimisation des risques mécanistiques : Permet l'étude du traitement de l'information dans le cerveau en appliquant des stimuli selon des motifs d'activité multi-neuronale, réduisant ainsi l'ambiguïté dans les interprétations causales.
- Avancement ajusté au risque : Facilite les décisions d'aller ou de ne pas aller en fournissant un retour quantitatif en temps réel sur les réponses neuronales à la stimulation.
Intégration du pipeline et du flux de travail
La méthode s'intègre aux flux de travail de la phase de découverte précoce en permettant la vérification d'hypothèses grâce à une stimulation en temps réel déclenchée par l'activité de décharge neuronale, assurant ainsi un lien entre l'électrophysiologie et les études d'intervention.
- Biologie de la découverte : Facilite l'élucidation des voies biologiques et la réduction des risques biologiques en permettant aux chercheurs de tester les relations causales entre des motifs d'activité neuronale définis et les réponses en aval.
- Triage : Améliore la préparation des tests grâce à un triage de pics reproductible et à un déclenchement en ligne d'événements basé sur des groupes neuronaux définis par l'utilisateur.
- Analyse : Fournit des mesures quantitatives de variables dépendantes, telles que le chronométrage des stimuli déclenchés par les pics et les retards de réponse regroupés en histogrammes, pour l'analyse comparative entre conditions.
- Recherche translationnelle : Assure une continuité préclinique en démontrant son efficacité chez des rongeurs éveillés, facilitant ainsi l'extrapolation à des systèmes pertinents pour les maladies.
- Réutilisation en milieu professionnel : Présentée comme une capacité réutilisable grâce à un code MATLAB open source pouvant être adapté dans différents laboratoires et selon diverses modalités de stimulation sans nécessiter de refonte majeure.
Impact opérationnel et organisationnel
- Valeur scientifique : Confiance prédictive dans la modulation de la cible, réduction de l'ambiguïté mécanistique dans les études de circuits neuronaux.
- Valeur opérationnelle : Normalisation, reproductibilité et mise en œuvre à faible coût à l'aide d'outils d'électrophysiologie et de MATLAB largement disponibles.
- Valeur stratégique : Meilleures décisions d'aller/arrêt dans la validation des cibles, efficacité du capital et réduction des risques biologiques en phase avancée dans les programmes de neuromodulation.
- Impact sur le portefeuille : Priorisation ajustée au risque des cibles fondée sur des preuves causales issues d'expériences de stimulation en boucle fermée.
Considérations relatives à la mise en œuvre
- Nécessite une expertise en électrophysiologie, en tri des pics (spike sorting) et en script MATLAB de base pour la configuration des paramètres.
- Dépend d'instruments tels que le système Neuralynx Cheetah et d'un PC compatible pour l'acquisition et le traitement des données en temps réel.
- Exige une standardisation inter-équipes des seuils de détection des pics, des fenêtres de coactivité et des paramètres min-match afin d'assurer un déclenchement reproductible.
- Implique des adaptations à prendre en compte lors de l'application à différents systèmes modèles ou modalités de stimulation autres que les sons ou les sorties de port série.
- Les limitations pratiques incluent la dépendance à un tri des pics stable et la présence éventuelle de latence dans le traitement en temps réel, ce qui peut affecter la précision temporelle de la stimulation.
