K. Peterson wurde von einem Doktoranden-Stipendium von der Abteilung für Bioengineering und der Finanzierung durch die US Air Force Research Labs unterstützt. N. Ejaz wurde durch ein Doktoranden-Stipendium von der Higher Education Commission Pakistan und Finanzierung von der US Air Force Research Labs unterstützt.

1. Fly Vorbereitung <ol><li> Der erste Schritt beim Aufbau der Experimente ist die Vorbereitung der Fliege, so dass keine unfreiwillige Bewegung korrumpiert die Stabilität des neuronalen Aufzeichnungen und dass der Kopf der Fliege richtig ausgerichtet ist mit der visuellen Stimulation Ausrüstung. Zu Beginn der Vorbereitung der Fliege, kühlen sie auf Eis und dann stumpf-Spiesse auf den Flügeln halten, und befestigen Sie den hinteren Teil des fliegen, um ein Stück doppelseitiges Klebeband-auf einen Objektträger. </li><li> Als Nächstes verwenden Sie ein elektro-Ausbrennen Nadel Bienenwachs gelten für die Flügel, um die Folie legen und auch die Wirkung des Fluges Motorblock. Dieser Schritt erfordert eine schnelle und genaue Handhabung so, dass die Fliege nicht warm während des Verfahrens. </li><li> Jetzt unter dem Mikroskop, halten jedes Bein mit einer Pinzette und verwenden Sie ein paar kleine Schere, um sie abzuschneiden an den Gelenken am nächsten an den Körper. Wiederholen Sie dies für den Rüssel. Um zu verhindern, die Fliege vor dem Austrocknen, müssen die Löcher mit Wachs versiegelt werden. </li><li> Dann schneiden einem der Flügel aus und dann wieder die Fliege auf seiner Seite. Entfernen Sie alle verbleibenden Teile der Flügel, während die Calyptra für den Halteren und Dichtung das Loch mit Wachs. Wiederholen Sie diesen Vorgang für den anderen Flügel. </li><li> Zur Stimulierung ein Ziel Neuron in definierter Weise hat sich die Fliege den Kopf, um richtig mit dem Computer-Monitoren ausgerichtet werden. Dazu benötigen Sie eine angepasste Halterung, die einen breiten Raum für Körper der Fliege und ein Anhängsel hat an einem Ende mit einer Kerbe, wo die Fliege um den Hals gelegt werden. </li><li> Legen Sie die Fliege auf den Halter mit dem Hals in die Kerbe, drücken sie nach unten, während Kleben den Bauch statt. Legen Sie nun die Fliege Halter in einen Stand, so dass Sie die vor der Fliege den Kopf durch das Mikroskop sehen kann. </li><li> Anzeigen der Fliege mit rotem Licht, ein so genanntes optisches Phänomen der pseudo-Schüler können in jedes Auge gesehen werden. Die pseudo-Schüler bietet einen Bezugsrahmen, mit dem die Fliege den Kopf mit dem Reiz (Franceschini 1975) ausrichten können. Wenn die Pseudo-Schüler übernimmt eine bestimmte Form, wie das Bild einfügen unten, dann die Ausrichtung der Fliege den Kopf ist perfekt definiert. <img src="/files/ftp_upload/1677/1677fig0.jpg" alt="Pseudo-Schüler" /> </li><li> Verwenden Sie einen Mikromanipulator richtig orientieren the fly den Kopf, und dann mit Wachs kleben an den Inhaber. </li><li> Anschließend drücken Sie den Brustkorb flach und Wachs es an den Inhaber. Dies ermöglicht den hinteren Kopf Kapsel geöffnet, so dass die Elektroden in das Gehirn der Fliege eingesetzt werden kann. </li><li> Verwenden Sie ein Mikro-Skalpell oder einer feinen Injektionsnadel sorgfältig geschnitten ein Fenster in die Kutikula der rechten Kopf-Kapsel. Achten Sie darauf, das Nervengewebe direkt unter der Kutikula geschnitten. Nachdem das Stück Nagelhaut wird entfernt, ein paar Tropfen von Ringer-Lösung. </li><li> Verwenden einer Pinzette, um eine schwimmende Haare, Fettablagerungen oder Muskelgewebe, dass die Lobula-Platte abdecken können, zu entfernen. Die Lobula Platte kann durch eine charakteristische Verzweigung der Luftröhre silbrig, dass seine hintere Fläche umfasst identifiziert werden. </li><li> Schneiden Sie ein kleines Loch in die Kutikula der linken hinteren Kopfkapsel für die Positionierung einer Referenzelektrode. Mit der Fliege vorbereitet, mal sehen, wie die Aufnahme Elektrodenposition. </li></ol> 2. Positionierung der Aufnahme-Elektrode <ol><li> Mit der Fliege vorbereitet, lasst uns gehen die Ortung und Aufnahme von Signalen aus dem H1 Neurons. Die Aufnahme Elektrode muss in unmittelbarer Nähe zum H1 Neuron platziert werden. Die H1 Neuron hauptsächlich reagiert auf horizontale back-to-front motion präsentiert seine rezeptiven Feld (Krapp et al. 2001). </li><li> Zur Positionierung der Aufnahme-Elektrode, die Luftröhre als optisches Wahrzeichen. Zunächst legen Sie die Elektrode zwischen der obersten Luftröhre. </li><li> Es hilft, einen Audio-Verstärker verwenden, um die aufgenommenen elektrischen Potentiale in akustische Signale umwandeln. Jede einzelne Spitze ist in einem charakteristischen Klick-Geräusch gemacht. Je näher der Elektrode wird auf ein einzelnes Neuron, je klarer das Klick-Geräusch wird. </li><li> Zur Identifizierung der H1 Neuron durch seine Bewegung Präferenz, stimulieren sie mit Bewegung in horizontaler Richtung. Mit der Aufnahme Elektrode vorhanden, können zu bewegen auf die visuelle Stimulation und Aufnahmen. </li></ol> 3. Visuelle Stimulation und Recordings <ol><li> Die Closed-Loop-Experimente sind Setup, so dass diese, dass die Stimulation des H1 Neuron Ergebnisse in der Roboter Ausgleich für die Bewegung der Drehteller. Um zu beginnen, statt eine Fliege vor zwei CRT Monitoren. Da die Fliege visuelle System ist 10-mal schneller als das menschliche ist, müssen die Monitore zeigen 200 Bilder pro Sekunde. Die Monitore und andere elektrische Geräte müssen elektromagnetisch abgeschirmt werden, um externe Störungen in der gemessenen neuronalen Signalübertragung zu minimieren. </li><li> Position der Zentren der Monitore bei + / - 45 Grad relativ zur Fliege Orientierung. Wie aus der Fliege Auge Äquator gesehen, umspannt jeden Monitor in einem Winkel von + / -25 Grad in der Horizontalen und +/ -19 Grad in der vertikalen Ebene. </li><li> Synchronized-Eingang an den Computer-Monitoren wird durch zwei Videokameras auf einem kleinen, zweirädrigen ASURO Roboter montiert, dass für das Experiment modifiziert wurde zur Verfügung gestellt. </li><li> Position des Roboters auf einem Drehteller in einem zylindrischen Raum, dessen Wände sind mit einem Muster von vertikal ausgerichteten, schwarzen und weißen Streifen gesäumt. Durch Drehen des Dreh-Tabelle in der horizontalen Ebene, sind die Bewegungen des Roboters, nur einen Freiheitsgrad beschränkt. </li><li> Zunächst sowohl die Turn-Tisch und Roboter in Ruhe sind. Wenn der Drehteller in Bewegung setzt, führt die Drehung des Roboters, in die gleiche Richtung und die Videokameras erfassen die relative Bewegung zwischen dem Roboter und das Streifenmuster der Arena. </li><li> 45 Grad - Der batteriebetriebene Videokameras auf dem Roboter sind auf eine Orientierung von + / montiert. Sie fangen 200 Bilder pro Sekunde, um die Bildrate der Computer-Monitore vor dem fliegen übereinstimmen. </li><li> Melden Sie sich die Bilder präsentiert, die Computer-Monitore bei 200 Bildern pro Sekunde bei einer Auflösung von 640 x 480 (Graustufen). </li><li> Während der Fliege beobachtet die Bewegungen der Streifenmuster, notieren Sie die Band überbrückt gefiltert (z. B. zwischen 300 und 2 kHz) elektrische Signale mit einem Digital-Messkarte mit einer Abtastrate von mindestens 10 kHz. </li><li> Eine Schwelle anzuwenden die Band überbrückt gefiltert elektrische Signale an die Spitzen aus der Hintergrund-Aktivität zu trennen. Eine kausale, halb-Gauß-Filter ist mit den Spitzen gefaltet, um einen reibungslosen spiking Aktivität Schätzung für das H1-Zelle zu erhalten. </li><li> So schließen Sie die Schlaufe des Gehirns Maschine-Schnittstelle, ist ein Regelalgorithmus verwendet, um die Spike-Rate der H1-Zelle einen Roboter Geschwindigkeit, die Rückseite ist über eine Bluetooth-Schnittstelle zugeführt, um die zwei DC-Motoren steuern den Antrieb der Räder des Roboters zu konvertieren. </li><li> Reine Sinus-Wellen werden als Geschwindigkeitsprofile für die Turn-Tabelle gewählt. Die Sinus-Wellen haben eine DC-Offset, so dass die Drehteller dreht nur in die Richtung, die die H1 Neuron stimuliert entlang der Vorzugsrichtung. Die Stimulation der H1 Neuron Ergebnisse in der Roboter Ausgleich für die Bewegung der Drehteller. <img src="/files/ftp_upload/1677/1677fig1.jpg" alt="Abbildung 1" /> Abbildung 1: Closed-Loop-Setup. In unserer Einrichtung ist spiking Aktivität der linken H1-Zelle verwendet werden, um die Bewegung eines Roboters auf einem Drehtisch montiert Kontrolle. Visuelle Bildbewegung als Folge der relativen Bewegung zwischen dem Roboter und dem Turn-Tabelle generiert wird über High-Speed-Kameras erfasst und angezeigt auf zwei CRT-Monitore vor dem fliegen. H1 spiking Aktivität aus der linken Hemisphäre wird verwendet, um die Echtzeit-Spike-Rate, die dann verwendet ein Steuergesetz zu einer Kompensation Geschwindigkeit des Roboters berechnen zu schätzen. Der Roboter gegenläufig stabilisiert das visuelle Bild Bewegung durch die Fliege im geschlossenen Regelkreis beobachtet. </li></ol> 4. Vertreter Outcome und Ergebnisse <ol><li> Wenn korrekt eingerichtet ist, ist die visuelle Stabilisierung erreicht, wenn die gegenläufige Drehung des Roboters die Rotation der Turn-Tabelle übereinstimmt, was wenig oder gar kein Muster Bewegung auf dem Computer-Monitore. Die Gesamtleistung des Systems hängt von der Regelalgorithmus eingesetzt, um den Kreis zu schließen. </li><li> Der erste Algorithmus testen wir ein Proportionalregler (Abbildung 2), wo die aktualisierte Roboter Geschwindigkeit ist proportional zur Differenz in Winkelgeschwindigkeiten zwischen dem Roboter, ωr und der Turn-Table, ωp. Unterschiedliche Werte für die statische Verstärkung, Kp, und Eingangsfrequenzen für den Drehteller Signal, ωp, werden ausgewählt, um die Leistung der Controller zu testen. <img src="/files/ftp_upload/1677/1677fig2.jpg" alt="Abbildung 2" /> Abbildung 2: Proportional-Regler. (A) Die relative Bewegung zwischen dem Roboter und den Drehteller in die bevorzugte Richtung der H1-Zelle stimuliert, die Spike-Rate zu geben, ist F. Diese Spike-Rate in einer Geschwindigkeit Fehler, E umgewandelt und eine proportionale Steuerung wird verwendet, um die Schätzung aktualisiert Roboter Geschwindigkeit vr (t +1). Die Spike-Rate, F, ist die Geschwindigkeit Fehler, E umgewandelt, je nachdem, ob es kleiner oder größer als die spontane Spike-Rate, Fspont. Die Spike-Rate auf Fehler Umwandlung Geschwindigkeit ist durch die Projektion F über eine Cosinus (Intervall [π, 0]) Rechnung zu tragen Aufstockrate Schwelle Nichtlinearitäten getan. Die Konstanten 70 und 150 werden verwendet, um den 8-Bit-Eingangs-Geschwindigkeit des Roboters auf die minimalen und maximalen Winkelgeschwindigkeiten der Turn-Tabelle übereinstimmen. (B) Blockschaltbild Closed-Loop-System mit einem Proportional-Regler. Die Eingabe in das System ist ein sinosuidal Modulation der Drehteller Winkelgeschwindigkeit ist ωp (t), und die entsprechenden Roboter Antwort ωr (t +1) aufgezeichnet. </li><li> Probe Spuren für ω p und ω r sind hier für K p = 1 dargestellt und einer Eingangsfrequenz von 0,6 Hz für ω p (siehe Abbildung 3). Der Roboter (in grün) folgt der Turn-Tabelle (in blau) mit einer Verzögerungund einen kleineren Peak-Amplitude. Die horizontale Komponente des Musters Bewegung, dass die H1-Zelle stimuliert wird unten (in Rot). <img src="/files/ftp_upload/1677/1677fig3.jpg" alt="Abbildung 3" /> Abbildung 3: Closed-Loop-Reaktionen. (A) Winkelgeschwindigkeiten für die Turn-Tabelle (blau), ωp und Roboter (grün), ωr, am Eingang Frequenz = 0,6 Hz. (B) Horizontal optischen Flusses wird gezeigt, wie aus eingeloggt Bilder (rot) berechnet. Pyramidal Lucas Kanade Methode (3 Pyramidenebenen) wird verwendet, um die Optik Strömungsfeld zwischen aufeinander folgenden Einzelbildern zu berechnen. Horizontal Winkelgeschwindigkeit wird durch die Summe der Projektionen der einzelnen Vektoren in die Strömungsfelder auf die horizontale Einheitsvektor i. berechnet Horizontal back-to-front Bewegung, dass die H1-Zelle erregt wird als PD (Vorzugsrichtung) bezeichnet, während horizontal von vorne nach hinten Bewegung, dass die H1-Zelle hemmt als ND (null Richtung) bezeichnet wird. </li><li> Eingangsfrequenzen für den Drehteller Signal, ωp, sind zwischen 0,03-3 Hz und die entsprechenden Roboter-Signal, ωr gewählt, wird aufgezeichnet. Beide Signale werden in den Frequenzbereich durch eine schnelle Fourier-Transformation transformiert (siehe Abbildung 4) und die Amplitude und Phase-Werte werden am Eingang Frequenz berechnet. <img src="/files/ftp_upload/1677/1677fig4.jpg" alt="Abbildung 4" /> Abbildung 4: Frequenzgang Winkelgeschwindigkeit Signale für die Turn-Tisch, ωp und Roboter, ωr, sind in den Frequenzbereich mit der schnellen Fourier-Transformation (FFT)-Methode auf Amplitude und Phase-Komponenten bei der Eingangsfrequenz berechnen verwandelt.. Phase-Komponenten der FFT sind nicht in der Abbildung dargestellt. </li><li> Die Bode Größenordnung Grundstück für die proportionale Steuerung mit K p = 1 zeigt die Reaktion des Systems über die getesteten Eingangsfrequenzen (siehe Abbildung 5-a). Die Leistung der Controller in der Regel mit zunehmender Frequenz. Die leicht erhöhte Verstärkung bei 1 Hz ist als Folge der Schwingungen in der Roboter-Signal durch Verwendung von nur einem H1-Zelle, deren Dynamik (Ausgang) Bereich umfasst vor allem horizontale back-to-front Bewegung. <img src="/files/ftp_upload/1677/1677fig5.jpg" alt="Abbildung 5" /> Abbildung 5: Proportional Controller-Leistung. Das Bode-Betrag und Phase Plots für die Proportional-Regler (gemittelt über 8 Fliegen), statische Verstärkung Kp = 1,0 (a) das Bode-Größe Grundstück etwa folgt ein Tiefpassfilter charakteristisch. Die leicht erhöhte Verstärkung bei 1 Hz ist als Folge der Schwingungen in der Roboter-Signal, ωr, die auf die Verwendung nur eines H1-Zelle, deren Dynamik (output)-Bereich umfasst im Wesentlichen horizontal von hinten nach vorne Bewegung. Die Anzahl der Schwingungen in der Roboter-Signal, ωr mit zunehmender Eingangsfrequenzen führt zu leicht höheren Gewinn zu erzielen bei diesen Frequenzen zu verringern. (B) der Bode Phase Grundstück ist kleiner als 180 ° für Eingangsfrequenzen ≤ 1 Hz und Ansätze Instabilität bei 3 Hz. Ab einem bestimmten Eingangsfrequenz, so wird der Regler instabil aufgrund der Kinematik des Roboters. Diese Instabilität tritt nur auf, jenseits der bekannten optimale Reaktion Bereich der Fliege visuelle System (Warzecha et al. 1999). </li><li> Das Bode-Phase-Plot (siehe Abbildung 5-b) zeigt einen Controller Phasenverschiebung weniger als Π für Eingangsfrequenzen &lt;0,6 Hz. Dies zeigt, dass der Regler stabil ist für Frequenzen &lt;0,6 Hz und instabil für Eingangsfrequenzen ≥ 1 Hz. </li><li> Die Leistung des Proportional-Regler mit einer statischen Kp (in blau) wurde mit einem adaptiven Regler (in rot), wobei der Wert für K p aktualisiert alle 50 ms basiert auf dem Gipfel Spike-Rate, F max, über Zeitintervall berechnet im Vergleich [t-500ms - t] (siehe Abbildung 6). Als Folge der großen Integration Zeitfenster, die proportional Controller besser als der adaptive Regler für die Parameter Reichweite getestet führt (siehe Abbildung 7-a). Die erste Zeit Integration Fenster von 500 ms wurde aus technischen Gründen im Zusammenhang mit der Roboter-Plattform sind wir mit ausgewählt. Der adaptive Regler hatte eine ähnliche Phase charakteristisch wie die Proportionalregler (siehe Abbildung 7-b). <img src="/files/ftp_upload/1677/1677fig6.jpg" alt="Abbildung 6" /> Abbildung 6: Adaptive Steuerung zu gewinnen. Die Proportional-Regler verwendet eine statische Verstärkung, Kp, während die adaptive Steuerung schätzt den Gewinn kontinuierlich während geschlossenen Regelkreis. Die dynamische Verstärkung, Kp, ist umgekehrt proportional zur maximalen Spike-Rate, Fmax, über das Intervall t-500ms ≤ τ ≤ t. Abbildung zeigt drei Fälle, in denen Fmax im Laufe der Zeit geschätzt wird. Ausgehend von einem geschätzten Werte von Fmax, ist Kp höchsten während Zeitfenster 2 (grün) und am niedrigsten bei Zeitfenster 3 (orange). <img src="/files/ftp_upload/1677/1677fig7.jpg" alt="Abbildung 7" /> Abbildung 7: Proportional vs adaptive Steuerung. Bode Betrag und Phase Parzellen für die proportionale (Kp = 1) und adaptive Steuerung(A) die adaptive Steuerung aktualisiert den Wert von Kp alle 50ms auf dem Gipfel Spike-Rate Schätzung Fmax in den letzten 500ms basiert. Die proportionale Verstärkung des Reglers Grundstück (blau) ist höher als die der adaptive Regler (rot) zeigt, dass es besser ist, erklingt in allen Eingangsfrequenzen. (B) der Bode Phase Parzellen für beide Controller ähnlich mit einem signifikanten Unterschied bei f = 0,3 Hz sind. Beide Controller-Ansatz Instabilität bei 3 Hz. Signifikant verschieden Verstärkung und Phase-Werte sind mit einem Sternchen (Wilcoxon-Methode, p = 0,05) angegeben. </li><li> Das Gittermuster rund um die Drehscheibe wurde entfernt und die Testumgebung wurde als eine Annäherung an naturalistischen visuellen Input für die Fliege H1-Zelle verwendet. Im Durchschnitt der Bode Größenordnung Plot (siehe Abbildung 8-a) für die naturalistische visuellen Input (in blau) zeigte geringfügig höhere Gewinne als die mit Gitter visuellen Input (in rot) wahrscheinlich, weil die breitere Palette von Ortsfrequenzen in naturalistischen Bildern ausgenutzt wird. Das Bode-Phase Plot Eigenschaften zum Reiben vs naturalistischen visuellen Eingänge waren ähnlich (siehe Abbildung 8-b). <img src="/files/ftp_upload/1677/1677fig8.jpg" alt="Abbildung 8" /> Abbildung 8: Stripped Muster vs Laborumgebung. Das Bode-Betrag und Phase Plots für die Proportional-Regler, wenn mit abisolierten Muster (rot) vs Laborumgebung (blau) visuelle Bilder unter Closed-Loop vorgestellt (a) die Bode Größenordnung Grundstück für wenn Laborumgebung Bilder verwendet werden, ist geringfügig höher als beim Strippen Muster verwendet wird (außer bei f = 0,1 Hz), was eine bessere Leistung unter solchen Reiz. (B) der Bode Phase Grundstück sowohl unter Sehbedingungen folgen dem gleichen Muster, wobei beide nähern Instabilität bei 3 Hz. Signifikant verschieden Verstärkung und Phase-Werte sind mit einem Sternchen (Wilcoxon-Methode, p = 0,05) angegeben. </li></ol>

<ol>
	<li>Chiappe, E. M., Seelig, J. D., Reiser, M. B., Jayaraman, V. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Walking+modulates+speed+sensitivity+in+Drosophila+motion+vision.">Walking modulates speed sensitivity in Drosophila motion vision.</a> Curr. Biol. 20, 1470-1475 (2010).</li><li>Franceschini, N., Snyder, A. W., Menzel, R. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Sampling+of+the+visual+environment+by+the+compound+eye+of+the+fly:+fundamentals+and+applications.">Sampling of the visual environment by the compound eye of the fly: fundamentals and applications.</a> Photoreceptor optics. , 98-125 (1975).</li><li>Karmeier, K., Tabor, R., Egelhaaf, M., Krapp, H. G. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Early+visual+experience+and+the+receptive-field+organization+of+optic+flow+processing+interneurons+in+the+fly+motion+pathway.">Early visual experience and the receptive-field organization of optic flow processing interneurons in the fly motion pathway.</a> Vis. Neurosci. 18, 1-8 (2001).</li><li>Krapp, H. G., Hengstenberg, B., Hengstenberg, R. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Dendritic+structure+and+receptive-field+organization+of+optic+flow+processing+interneurons+in+the+fly.">Dendritic structure and receptive-field organization of optic flow processing interneurons in the fly.</a> Jour. of Neurophys. 79, 1902-1917 (1998).</li><li>Krapp, H. G., Hengstenberg, R., Egelhaaf, M. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Binocular+contributions+to+optic+flow+processing+in+the+fly+visual+system.">Binocular contributions to optic flow processing in the fly visual system.</a> Jour. of Neurophys. 85, 724-734 (2001).</li><li>Longden, K. D., Krapp, H. G. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Octopaminergic+modulation+of+temporal+frequency+coding+in+an+identified+optic-flow+processing+interneuron.">Octopaminergic modulation of temporal frequency coding in an identified optic-flow processing interneuron.</a> Frontiers in Systems Neuroscience. 4, 153-153 (2010).</li><li>Bender, J. A., Dickinson, M. H. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=A+comparison+of+visual+and+haltere-mediated+feedback+in+the+control+of+body+saccades+in+Drosophila+melanogaster.">A comparison of visual and haltere-mediated feedback in the control of body saccades in Drosophila melanogaster.</a> J. Exp. Bio. 209, 4597-4606 (2006).</li><li>Longden, K. D., Krapp, H. G. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=State-dependent+performance+of+optic+flow-processing+interneurons.">State-dependent performance of optic flow-processing interneurons.</a> J. Neurophysiol. 102, 3606-3618 (2009).</li><li>Maimon, G., Straw, A. D., Dickinson, M. H. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Active+flight+increases+the+gain+of+visual+motion+processing+in.">Active flight increases the gain of visual motion processing in.</a> 13, 393-399 (2010).</li><li>Petrovitz, R., Dahmen, H., Egelhaaf, M., Krapp, H. G. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Arrangement+of+optical+axes+and+spatial+resolution+in+the+compound+eye+of+the+female+blowfly+Calliphora.">Arrangement of optical axes and spatial resolution in the compound eye of the female blowfly Calliphora.</a> J Comp Physiol A. 186, 737-746 (2000).</li><li>Warzecha, A. K., Horstmann, W., Egelhaaf, M. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Temperature-dependence+of+neuronal+performance+in+the+motion+pathway+of+the+blowfly+Calliphora+Erythrocephala.">Temperature-dependence of neuronal performance in the motion pathway of the blowfly Calliphora Erythrocephala.</a> J Exp Biology. 202, 3161-3170 (1999).</li></ol>

<ol><li> Fly Dissektion muss durchgeführt werden sorgfältig darauf achten, dass wir richtig orientieren the fly in Bezug auf die Computermonitore. </li><li> Die Trennung der Spikes von der H1 Neuron aus der Spikes von allen anderen Neuronen um ein gutes Signal-Rausch-Verhältnis, die dann verwendet werden, um den Roboter zuverlässig steuern zu bekommen. </li><li> Es ist darauf zu jeder Nervengewebe vor dem Austrocknen im Laufe des Experiments zu verhindern. </li><li> Die Kameras sind mit Computern über ein Ethernet-Kabel angeschlossen. Achten Sie darauf, dass sie nicht über-Wunde während des Experiments, wie das wäre die Drehung des Roboters beeinflussen. </li><li> Derzeit sind wir mit dem Spike-Aktivität von einem H1 zu einer Stabilisierung Aufgabe nur in einer Richtung von Gier Rotation Setup. Wir können hinzufügen, eine zweite Elektrode, um Signale von den linken und rechten H1 ist so, dass wir die Stabilisierung Regelalgorithmen in beide Richtungen von Gier Rotation Studie erhalten. </li><li> Wir entfernen die Arena mit den vertikal ausgerichteten schwarzen und weißen Streifen und die Nutzung der Testumgebung als optischer Reiz für die Fliege. Dies wird uns erlauben, closed-loop Performance mit naturalistischen Bildern zu studieren. </li><li> Der Roboter kann aus der Wende-Tisch entfernt und man ließ sie in der Testumgebung, während in Closed-Loop-Steuerung bewegen. Dies wird uns erlauben, Steuer-und Regelalgorithmen in Kollisionsvermeidung zu erforschen. </li><li> Die Drähte, die Kameras an den Computer können durch die Implementierung eines drahtlosen Übertragung System entfernt werden, so dass wir eine völlig hemmungslose Roboter-Setup. </li><li> Die Kennzahlen der verschiedenen Steuer-und Regelalgorithmen wird uns verstehen, wie unterschiedliche Strategien der Lage sind, mit nicht-stationäre und variable neuronale Signale zu bewältigen. Dieses Wissen kann dann in verschiedenen klinischen und nicht klinischen Gehirn-Maschine-Schnittstellen eingesetzt werden. </li><li> Dieser Versuchsaufbau ist der erste Schritt zur Aufnahme neuronaler Signale von verhaltenden Tier. Unser Ziel ist es, die Fliege an der Roboter-Platz und nutzen ihre neuronale Aktivität für Regelungstechnik. In einer solchen Konstellation wären wir in der Lage, neuronale Aktivität von the fly aufzeichnen, während sie erhält, ist multisensorischen Stimulation als Folge der Bewegung des Roboters. </li><li> Rekord nur Signale von einer Zelle. In der Konfiguration sollten wir Sie, würde das am besten geeignete Zelle die H1-Zelle. Isolating die Antworten der H1 Neuron von anderen Neuronen mit ähnlichen rezeptiven Feldern, zB H2, ist es wichtig, ein gutes Signal-Rausch-Verhältnis zu erhalten für die neuronale Aufnahmen. Die Antworten der H1 und H2 Neuronen können mit der Feststellung, dass die H2 charakteristisch unteren spontane hat und mittlere Aufstockrate als die H1 Neuron diskriminiert werden. Die Neuronen können auch auf der Basis ihrer Morphologie (Krapp et al. 2001) unterschieden werden. </li><li> Unser System ermöglicht es uns, die Closed-Loop-Verstärkung durch unsere Fly-Roboter-Schnittstelle auf eine Bildstabilisierung Aufgabe erreicht zu vergleichen und ihre Leistungsfähigkeit im closed-loop optomotorischen Gewinne in früheren Experimenten am Fliegen (Bender &amp; Dickinson 2006, Warzecha et al vergleichen . 1996, Heisenberg &amp; Wolf, 1990). Darüber hinaus ermöglicht es uns, state-abhängige Veränderungen in der visuellen Informationsverarbeitung untersucht werden, unter Closed-Loop-Bedingungen (Chiappe et al. 2010, Maimon et al. 2010, Longden &amp; Krapp 2009, Longden &amp; Krapp 2010). </li></ol>

<ol><li> 1) High-Speed ​​CRT Displays (LG Studioworks 221U) </li><li> High-Speed-Kameras (Prosilica GC640) </li><li> Robot Platform (ASURO mit kundenspezifische Modifikationen) </li><li> Serielle Bluetooth Modem (Bluesmirf) </li><li> Micro Step Drive (Applied Motion Systems, ST5-SI) </li><li> Stepper Motor (Sanyo Denki, 103H6704-0140) </li><li> Wolfram-Elektroden (fh-co.com - Item-Code - UEW SHG SE 3P1M) </li><li> Extrazelluläre Amplifier (NPI EXT 10-2F) </li><li> Motorisierte Mikromanipulator (Scientifica, PS-700-Z) </li><li> Stereo-Mikroskop (Leica, MZ95) </li></ol>

an experimental platform to study the closed-loop performance of brain-machine interfaces

Die nicht-stationären Natur und Variabilität der neuronalen Signale ist ein grundsätzliches Problem in Gehirn-Maschine-Schnittstellen. Wir entwickelten ein Gehirn-Maschine-Schnittstelle, um die Robustheit der verschiedenen Steuer-Gesetze angewendet, um eine Closed-Loop-Bildstabilisierung Aufgabe zu beurteilen. Unter Ausnutzung der gut charakterisierten fliegen visuomotorische Weg erfassen wir die elektrische Aktivität von einem identifiziert, motion-sensitive Neuronen, H1, um die Gier-Drehung einer zweirädrigen Roboter zu steuern. Der Roboter ist mit 2 Hochgeschwindigkeits-Videokameras für die visuelle Bewegung Eingang zu einer Fliege vor 2 CRT Monitore platziert ausgestattet. Die Aktivität der Neuronen H1 zeigt die Richtung und die relative Geschwindigkeit des Roboters Rotation. Die neuronale Aktivität wird gefiltert und wieder in die Lenkung des Roboters durch proportional und proportional / adaptive Regelung zugeführt. Unser Ziel ist es, testen und optimieren die Leistung der verschiedenen Gesetze über die Kontrolle unter closed-loop Bedingungen für eine breitere Anwendung auch in anderen Hirn-Maschine-Schnittstellen.

Watch this Scientific Journal Video about An Experimental Platform to Study the Closed-loop Performance of Brain-machine Interfaces at JoVE.com

An Experimental Platform to Study the Closed-loop Performance of Brain-machine Interfaces

Wir verwenden eine Closed-Loop-fly-Maschine-Schnittstelle auf allgemeine Prinzipien der neuronalen Steuerung zu untersuchen.

Eine experimentelle Plattform für die Closed-Loop-Performance von Brain-Machine Interfaces Study

The non-stationary nature and variability of neuronal signals is a fundamental problem in brain-machine interfacing. We developed a brain-machine ...

an-experimental-platform-to-study-closed-loop-performance-brain

Research

JoVE Journal

Neuroscience

13.6K Aufrufe.  Imperial College London. Wir verwenden eine Closed-Loop-fly-Maschine-Schnittstelle auf allgemeine Prinzipien der neuronalen Steuerung zu untersuchen.

Serie: An Experimental Platform to Study the Closed-loop Performance of Brain-machine Interfaces

An Optic Nerve Crush Injury Murine Model to Study Retinal Ganglion Cell Survival

Injury to the optic nerve can lead to axonal degeneration, followed by a gradual death of retinal ganglion cells (RGCs), which results in irreversible vision loss. Examples of such diseases in human include traumatic optic neuropathy and optic nerve degeneration in glaucoma. It is characterized by typical changes in the optic nerve head, progressive optic nerve degeneration, and loss of retinal ganglion cells, if uncontrolled, leading to vision loss and blindness.
The optic nerve crush (ONC) injury mouse model is an important experimental disease model for traumatic optic neuropathy, glaucoma, etc. In this model, the crush injury to the optic nerve leads to gradual retinal ganglion cells apoptosis. This disease model can be used to study the general processes and mechanisms of neuronal death and survival, which is essential for the development of therapeutic measures. In addition, pharmacological and molecular approaches can be used in this model to identify and test potential therapeutic reagents to treat different types of optic neuropathy.
Here, we provide a step by step demonstration of (I) Baseline retrograde labeling of retinal ganglion cells (RGCs) at day 1, (II) Optic nerve crush injury at day 4, (III) Harvest the retinae and analyze RGC survival at day 11, and (IV) Representative result.

This protocol shows how to retrogradely label retinal ganglion cells, and how to subsequently make an optic nerve crush injury in order to analyze retinal ganglion cell survival and apoptosis. It is an experimental disease model for different types of optic neuropathy, including glaucoma.

Ein Optic Nerve Crush Injury Mausmodell zur retinalen Ganglienzellen Survival Study

Injury to the optic nerve can lead to axonal degeneration, followed by a gradual death of retinal ganglion cells (RGCs), which results in irreversible ...

Forschung

Neurowissenschaften

Genetic Manipulation of Cerebellar Granule Neurons In Vitro and In Vivo to Study Neuronal Morphology and Migration

Developmental events in the brain including neuronal morphogenesis and migration are highly orchestrated processes. In vitro and in vivo analyses allow for an in-depth characterization to identify pathways involved in these events. Cerebellar granule neurons (CGNs) that are derived from the developing cerebellum are an ideal model system that allows for morphological analyses. Here, we describe a method of how to genetically manipulate CGNs and how to study axono- and dendritogenesis of individual neurons. With this method the effects of RNA interference, overexpression or small molecules can be compared to control neurons. In addition, the rodent cerebellar cortex is an easily accessible in vivo system owing to its predominant postnatal development. We also present an in vivo electroporation technique to genetically manipulate the developing cerebella and describe subsequent cerebellar analyses to assess neuronal morphology and migration.

Genetic Manipulation of Cerebellar Granule Neurons In Vitro and In Vivo to Study Neuronal Morphology and Migration

Neuronal morphogenesis and migration are crucial events underlying proper brain development. Here, we describe methods to genetically manipulate cultured cerebellar granule neurons and the developing cerebellum for the assessment of morphology and migratory characteristics of neurons.

Genetische Manipulation von Kleinhirnkörnerzellen<em&gt; In-vitro-</em&gt; Und<em&gt; In Vivo</em&gt;, Um neuronale Morphologie und Migration Studieren

Developmental events in the brain including neuronal morphogenesis and migration are highly orchestrated processes. In vitro and in vivo analyses allow ...

Real-time Electrophysiology: Using Closed-loop Protocols to Probe Neuronal Dynamics and Beyond

Experimental neuroscience is witnessing an increased interest in the development and application of novel and often complex, closed-loop protocols, where the stimulus applied depends in real-time on the response of the system. Recent applications range from the implementation of virtual reality systems for studying motor responses both in mice1 and in zebrafish2, to control of seizures following cortical stroke using optogenetics3. A key advantage of closed-loop techniques resides in the capability of probing higher dimensional properties that are not directly accessible or that depend on multiple variables, such as neuronal excitability4 and reliability, while at the same time maximizing the experimental throughput. In this contribution and in the context of cellular electrophysiology, we describe how to apply a variety of closed-loop protocols to the study of the response properties of pyramidal cortical neurons, recorded intracellularly with the patch clamp technique in acute brain slices from the somatosensory cortex of juvenile rats. As no commercially available or open source software provides all the features required for efficiently performing the experiments described here, a new software toolbox called LCG5 was developed, whose modular structure maximizes reuse of computer code and facilitates the implementation of novel experimental paradigms. Stimulation waveforms are specified using a compact meta-description and full experimental protocols are described in text-based configuration files. Additionally, LCG has a command-line interface that is suited for repetition of trials and automation of experimental protocols.

Closed-loop protocols are becoming increasingly widespread in modern day electrophysiology. We present a simple, versatile and inexpensive way to perform complex electrophysiological protocols in cortical pyramidal neurons in vitro, using a desktop computer and a digital acquisition board.

Echtzeit-Elektrophysiologie: Mit Closed-loop Protokolle Probe neuronaler Dynamik und darüber hinaus

Experimental neuroscience is witnessing an increased interest in the development and application of novel and often complex, closed-loop protocols, where ...

Closed-loop Neuro-robotic Experiments to Test Computational Properties of Neuronal Networks

Information coding in the Central Nervous System (CNS) remains unexplored. There is mounting evidence that, even at a very low level, the representation of a given stimulus might be dependent on context and history. If this is actually the case, bi-directional interactions between the brain (or if need be a reduced model of it) and sensory-motor system can shed a light on how encoding and decoding of information is performed. Here an experimental system is introduced and described in which the activity of a neuronal element (i.e., a network of neurons extracted from embryonic mammalian hippocampi) is given context and used to control the movement of an artificial agent, while environmental information is fed back to the culture as a sequence of electrical stimuli. This architecture allows a quick selection of diverse encoding, decoding, and learning algorithms to test different hypotheses on the computational properties of neuronal networks.

In this paper, an experimental framework to perform closed-loop experiments is presented, in which information processing (i.e., coding and decoding) and learning of neuronal assemblies are studied during the continuous interaction with a robotic body.

Closed-loop Neuro-Roboter-Experimente zur Computational Eigenschaften Neuronale Netze Testen

Information coding in the Central Nervous System (CNS) remains unexplored. There is mounting evidence that, even at a very low level, the representation ...

Electrophysiological Method for Recording Intracellular Voltage Responses of Drosophila Photoreceptors and Interneurons to Light Stimuli In Vivo

Voltage responses of insect photoreceptors and visual interneurons can be accurately recorded with conventional sharp microelectrodes. The method described here enables the investigator to measure long-lasting (from minutes to hours) high-quality intracellular responses from single Drosophila R1-R6 photoreceptors and Large Monopolar Cells (LMCs) to light stimuli. Because the recording system has low noise, it can be used to study variability among individual cells in the fly eye, and how their outputs reflect the physical properties of the visual environment. We outline all key steps in performing this technique. The basic steps in constructing an appropriate electrophysiology set-up for recording, such as design and selection of the experimental equipment are described. We also explain how to prepare for recording by making appropriate (sharp) recording and (blunt) reference electrodes. Details are given on how to fix an intact fly in a bespoke fly-holder, prepare a small window in its eye and insert a recording electrode through this hole with minimal damage. We explain how to localize the center of a cell's receptive field, dark- or light-adapt the studied cell, and to record its voltage responses to dynamic light stimuli. Finally, we describe the criteria for stable normal recordings, show characteristic high-quality voltage responses of individual cells to different light stimuli, and briefly define how to quantify their signaling performance. Many aspects of the method are technically challenging and require practice and patience to master. But once learned and optimized for the investigator's experimental objectives, it grants outstanding in vivo neurophysiological data.

Electrophysiological Method for Recording Intracellular Voltage Responses of Drosophila Photoreceptors and Interneurons to Light Stimuli In Vivo

Sharp microelectrodes enable accurate electrophysiological characterization of photoreceptor and visual interneuron output in living Drosophila. Here we show how to use this method to record high-quality voltage responses of individual cells to controlled light stimulation. This method is ideal for studying neural information processing in insect compound eyes.

Elektrophysiologische Verfahren zur Aufzeichnung von intrazellulärer Spannung Antworten von<em&gt; Drosophila</em&gt; Fotorezeptoren und Inter auf Lichtreize<em&gt; In Vivo</em

Voltage responses of insect photoreceptors and visual interneurons can be accurately recorded with conventional sharp microelectrodes. The method ...

Insect-controlled Robot: A Mobile Robot Platform to Evaluate the Odor-tracking Capability of an Insect

Robotic odor source localization has been a challenging area and one to which biological knowledge has been expected to contribute, as finding odor sources is an essential task for organism survival. Insects are well-studied organisms with regard to odor tracking, and their behavioral strategies have been applied to mobile robots for evaluation. This "bottom-up" approach is a fundamental way to develop biomimetic robots; however, the biological analyses and the modeling of behavioral mechanisms are still ongoing. Therefore, it is still unknown how such a biological system actually works as the controller of a robotic platform. To answer this question, we have developed an insect-controlled robot in which a male adult silkmoth (Bombyx mori) drives a robot car in response to odor stimuli; this can be regarded as a prototype of a future insect-mimetic robot. In the cockpit of the robot, a tethered silkmoth walked on an air-supported ball and an optical sensor measured the ball rotations. These rotations were translated into the movement of the two-wheeled robot. The advantage of this "hybrid" approach is that experimenters can manipulate any parameter of the robot, which enables the evaluation of the odor-tracking capability of insects and provides useful suggestions for robotic odor-tracking. Furthermore, these manipulations are non-invasive ways to alter the sensory-motor relationship of a pilot insect and will be a useful technique for understanding adaptive behaviors.

The capability to localize an odor source is necessary for insect survival and is expected to be applicable to artificial odor-tracking. The insect-controlled robot is driven by an actual silkmoth and enables us to evaluate the odor-tracking capability of insects through a robotic platform.

Insekt gesteuerte Roboter: Ein mobiler Roboter-Plattform, die geruchs Tracking-Fähigkeit eines Insekts zur Bewertung

Robotic odor source localization has been a challenging area and one to which biological knowledge has been expected to contribute, as finding odor ...

Experimental Models to Study the Neuroprotection of Acidic Postconditioning Against Cerebral Ischemia

Stroke is one of the leading causes of mortality and disability worldwide, with limited therapeutic approaches. As an endogenous strategy for neuroprotection, postconditioning treatments have proven to be promising therapies against cerebral ischemia. However, complicated procedures and potential safety issues limit their clinical application. To overcome these disadvantages, we have developed acidic postconditioning (APC) as a therapy for experimental focal cerebral ischemia. APC refers to the mild acidosis treatment by inhaling CO2 during reperfusion following ischemia. Here we present two models to execute APC in vitro and in vivo, respectively. The oxygen-glucose deprivation (OGD) treatment of mice and the corticostriatal occlusion and middle cerebral artery occlusion (MCAO) of mice were employed to mimic cerebral ischemia. APC can be simply achieved by transferring brain slices to acidic buffer bubbled with 20% CO2, or by mice inhaling 20% CO2. APC showed significant protective effects against cerebral ischemia, as reflected by tissue viability and brain infarct volume.

Acidic postconditioning protects against cerebral ischemia. Here we present two models to execute APC. They are achieved respectively by transferring corticostriatal slices to acidic buffer after oxygen-glucose deprivation in vitro and by inhaling 20% CO2 after middle cerebral artery occlusion in vivo.

Experimentelle Modelle zur Untersuchung der Neuroprotektion der sauren Nachkonditionierung gegen zerebrale Ischämie

Stroke is one of the leading causes of mortality and disability worldwide, with limited therapeutic approaches. As an endogenous strategy for ...

Using Zebrafish Larvae to Study the Pathological Consequences of Hemorrhagic Stroke

Despite being the most severe subtype of stroke with high global mortality, there is no specific treatment for patients with intracerebral hemorrhage (ICH). Modelling ICH pre-clinically has proven difficult, and current rodent models poorly recapitulate the spontaneous nature of human ICH. Therefore, there is an urgent requirement for alternative pre-clinical methodologies for study of disease mechanisms in ICH and for potential drug discovery.
The use of zebrafish represents an increasingly popular approach for translational research, primarily due to a number of advantages they possess over mammalian models of disease, including prolific reproduction rates and larval transparency allowing for live imaging. Other groups have established that zebrafish larvae can exhibit spontaneous ICH following genetic or chemical disruption of cerebrovascular development. The aim of this methodology is to utilize such models to study the pathological consequences of brain hemorrhage, in the context of pre-clinical ICH research. By using live imaging and motility assays, brain damage, neuroinflammation and locomotor function following ICH can be assessed and quantified.
This study shows that key pathological consequences of brain hemorrhage in humans are conserved in zebrafish larvae highlighting the model organism as a valuable in vivo&#160;system for pre-clinical investigation of ICH. The aim of this methodology is to enable the pre-clinical stroke community to employ the zebrafish larval model as an alternative complementary model system to rodents.

Here we present a protocol to quantify brain injury, locomotor deficits and neuroinflammation following bleeding in the brain in zebrafish larvae, in the context of human intracerebral hemorrhage (ICH).

Verwendung von Zebrafisch-Lamellen, um die pathologischen Folgen von hämorrhagischen Stroke zu studieren

Despite being the most severe subtype of stroke with high global mortality, there is no specific treatment for patients with intracerebral hemorrhage ...

Using Neuron Spiking Activity to Trigger Closed-Loop Stimuli in Neurophysiological Experiments

Closed-loop neurophysiological systems use patterns of neuronal activity to trigger stimuli, which in turn affect brain activity. Such closed-loop systems are already found in clinical applications, and are important tools for basic brain research. A particularly interesting recent development is the integration of closed-loop approaches with optogenetics, such that specific patterns of neuronal activity can trigger optical stimulation of selected neuronal groups. However, setting up an electrophysiological system for closed-loop experiments can be difficult. Here, a ready-to-apply Matlab code is provided for triggering stimuli based on the activity of single or multiple neurons. This sample code can be easily modified based on individual needs. For instance, it shows how to trigger sound stimuli and how to change it to trigger an external device connected to a PC serial port. The presented protocol is designed to work with a popular neuronal recording system for animal studies (Neuralynx). The implementation of closed-loop stimulation is demonstrated in an awake rat.

This protocol demonstrates how to use an electrophysiological system for closed-loop stimulation triggered by neuronal activity patterns. Sample Matlab code that can be easily modified for different stimulation devices is also provided.

Verwenden von Neuron Spiking Activity zum Auslösen von Closed-Loop Stimuli in neurophysiologischen Experimenten

Closed-loop neurophysiological systems use patterns of neuronal activity to trigger stimuli, which in turn affect brain activity. Such closed-loop systems ...

Serial Block-Face Scanning Electron Microscopy (SBEM) for the Study of Dendritic Spines

Three-dimensional electron microscopy (3D EM) gives a possibility to analyze morphological parameters of dendritic spines with nanoscale resolution. In addition, some features of dendritic spines, such as volume of the spine and post-synaptic density (PSD) (representing post-synaptic part of the synapse), presence of presynaptic terminal, and smooth endoplasmic reticulum or atypical form of PSD (e.g., multi-innervated spines), can be observed only with 3D EM. By employing serial block-face scanning electron microscopy (SBEM) it is possible to obtain 3D EM data easier and in a more reproducible manner than when performing traditional serial sectioning. Here we show how to prepare mouse hippocampal samples for SBEM analysis and how this protocol can be combined with immunofluorescence study of dendritic spines. Mild fixation perfusion allows us to perform immunofluorescence studies with light microscopy on one half of the brain, while the other half was prepared for SBEM. This approach reduces the number of animals to be used for the study.

Serial Block-Face Scanning Electron Microscopy SBEM for the Study of Dendritic Spines

Serial Block-Face Scanning Electron Microscopy (SBEM) is applied to image and analyze dendritic spines in the murine hippocampus.

Serielle Block-Face-Rasterelektronenmikroskopie (SBEM) zur Untersuchung dendritischer Stacheln

Three-dimensional electron microscopy (3D EM) gives a possibility to analyze morphological parameters of dendritic spines with nanoscale resolution. In ...