K. Peterson fue apoyado por una beca de doctorado del Departamento de Bioingeniería y la financiación de los EE.UU. Laboratorios de Investigación de la Fuerza Aérea. N. Ejaz fue apoyado por una beca de doctorado de la Comisión de Educación Superior de Pakistán y la financiación de los EE.UU. Laboratorios de Investigación de la Fuerza Aérea.

1. Preparación volar <ol><li> El primer paso en la creación de los experimentos consiste en preparar la marcha para que no se corrompe el movimiento involuntario de la estabilidad de las grabaciones de las neuronas y que la cabeza de la mosca se ha orientado correctamente con el equipo de estimulación visual. Para comenzar a preparar la marcha, que se enfríe en hielo y luego utilizar embotado palillos para mantener las alas hacia abajo, y fijar la parte de atrás de la mosca a una pieza de doble cara, cinta sobre un portaobjetos de microscopio. </li><li> A continuación, utilice una aguja de electro-cauterización de aplicar la cera de abejas para fijar las alas a la diapositiva y también para bloquear la acción del motor de vuelo. Este paso requiere de un manejo rápido y preciso para que la marcha no se calienta durante el procedimiento. </li><li> Ahora bajo el microscopio, mantenga cada pierna con unas pinzas y usar un par de pequeñas tijeras para cortar en las articulaciones más cercana al cuerpo. Repita este procedimiento para la trompa. Para evitar que la marcha de la desecación, los orificios deben ser sellados con cera. </li><li> A continuación, corte una de las alas y luego gire a la marcha de su lado. Retire los trozos de las alas, mientras que deja el calyptra que cubre el halteres, y sellar el agujero con cera. Repita este procedimiento con la otra ala. </li><li> Para estimular una neurona diana de una manera definida, la cabeza de la mosca tiene que estar alineada con los monitores de ordenador. Para ello, se necesita un soporte personalizado que tiene un amplio espacio para el cuerpo de la mosca y un apéndice en un extremo con una muesca en el cuello se coloca la mosca. </li><li> Lugar la marcha en el soporte con el cuello en la ranura, presionando hacia abajo, mientras que pegar el abdomen en su lugar. Ahora ponga el titular de volar en una plataforma de modo que pueda ver la parte frontal de la cabeza de la mosca a través del microscopio. </li><li> Viendo la marcha con la luz roja, un fenómeno óptico llamado el pseudo-alumno se puede ver en cada ojo. La pupila de pseudo-proporciona un marco de referencia que se puede utilizar para alinear la cabeza de la mosca con el estímulo (Franceschini, 1975). Si el alumno pseudo-asume una forma determinada, como se muestra en el inserto imagen de abajo, entonces la orientación de la cabeza de la mosca está perfectamente definido. <img src="/files/ftp_upload/1677/1677fig0.jpg" alt="pseudo-alumno" /> </li><li> Use un micromanipulador para orientar correctamente la cabeza de la mosca, y luego utilizar la cera para pegar al titular. </li><li> A continuación, pulse el tórax en forma plana y la cera para el titular. Esto permite que la cápsula de la cabeza trasera que se abre para que los electrodos se pueden insertar en el cerebro de la mosca. </li><li> Use un micro bisturí o una aguja de inyección de finos para cortar cuidadosamente una ventana en la cutícula de la cápsula de la cabeza derecha. Tenga cuidado de no cortar el derecho de tejido neural por debajo de la cutícula. Una vez que la pieza de la cutícula se retira, se añaden unas gotas de solución de Ringer. </li><li> El uso de fórceps para quitar los pelos flotando, los depósitos de grasa o el tejido muscular, que pueden cubrir la placa lobula. La placa lobula pueden ser identificados por un patrón característico de ramificación de la tráquea plateada que cubre su superficie posterior. </li><li> Corte un pequeño agujero en la cutícula de la cápsula de la cabeza trasera izquierda de la colocación de un electrodo de referencia. Con la marcha preparados, vamos a ver cómo la posición del electrodo de registro. </li></ol> 2. Colocación del electrodo de registro <ol><li> Con la marcha preparados, vamos a proceder a la localización y el registro de señales de las neuronas H1. El electrodo de registro debe ser colocado en las proximidades de la neurona H1. La neurona H1 responde principalmente a horizontal de regreso a la moción presentada frente a su campo receptivo (Krapp et al. 2001). </li><li> Para colocar el electrodo de registro, el uso de la tráquea como un hito visual. En un principio, colocar el electrodo entre la tráquea superior. </li><li> Ayuda a utilizar un amplificador de audio para convertir los potenciales eléctricos registrados en señales acústicas. Cada espiga individuo se convierte en un sonido característico clic. Cuanto más cerca del electrodo llega a una neurona individual, la más clara del sonido de clic se convierte. </li><li> Para identificar las neuronas H1 por medio de su preferencia de movimiento, que estimulan con el movimiento en la dirección horizontal. Con el electrodo de registro en su lugar, vamos a pasar a la estimulación visual y grabaciones. </li></ol> 3. La estimulación visual y Grabaciones <ol><li> Los experimentos de circuito cerrado se configuran de manera que tal que la estimulación de los resultados de las neuronas H1 en el robot para compensar el movimiento de la mesa giratoria. Para comenzar, coloque una mosca frente a dos monitores de ordenador CRT. Debido a que el sistema visual volar es 10 veces más rápido que el de los humanos, los monitores deben mostrar 200 imágenes por segundo. Los monitores y otros equipos eléctricos deben ser electromagnéticamente protegidas para minimizar el ruido externo en la medida de señales neuronales. </li><li> Posición de los centros de los monitores en + / - 45 grados con respecto a la orientación de la mosca. Como se ha visto desde el ecuador del ojo de la mosca, cada monitor abarca un ángulo de + / -25 grados en la horizontal, y +/ -19 Grados en el plano vertical. </li><li> De entrada sincronizada de los monitores de ordenador es proporcionada por dos cámaras de vídeo montadas sobre un pequeño robot de dos ruedas ASURO que ha sido modificado para el experimento. </li><li> La posición del robot sobre una mesa giratoria dentro de un área cilíndrica cuyas paredes están revestidas con un patrón de orientación vertical, rayas blanco y negro. Al girar la placa giratoria en el plano horizontal, los movimientos de los robots están limitados a un solo grado de libertad. </li><li> Inicialmente tanto la mesa giratoria y robot están en reposo. Cuando el cambio de mesa comienza a moverse, su rotación lleva el robot, en la misma dirección y las cámaras de video grabar el movimiento relativo entre el robot y el patrón de rayas de la arena. </li><li> Las cámaras de vídeo de baterías en el robot se montan en una orientación de + / - 45 grados. Capturan a 200 imágenes por segundo para que coincida con la velocidad de fotogramas de los monitores de computadora al frente de la marcha. </li><li> Registro de las imágenes presentadas a los monitores de ordenador a 200 fotogramas por segundo con una resolución de 640 x 480 (en escala de grises). </li><li> Mientras que la mosca está observando los movimientos del patrón de rayas, disco del grupo, pasó filtrada (por ejemplo, entre 300 y 2 kHz) las señales eléctricas con una tarjeta de adquisición de Digital con una frecuencia de muestreo de al menos 10 kHz. </li><li> Un umbral se aplica a la banda pasó filtrado de señales eléctricas para separar los picos de la actividad de fondo. Una causal, un medio-filtro gaussiano convolucionada con los picos para obtener una estimación de picos de actividad suave para que la célula H1. </li><li> Para cerrar el círculo de la interfaz cerebro y una máquina, un algoritmo de control se utiliza para convertir la tasa pico de la celda H1 a una velocidad del robot que se alimenta de nuevo a través de una interfaz Bluetooth para controlar los dos motores DC en las ruedas del robot. </li><li> Ondas sinusoidales puras son elegidos como los perfiles de velocidad para el giro de la tabla. Las ondas sinusoidales tienen como DC-offset que el cambio de mesa sólo gira en el sentido que estimula las neuronas H1 a lo largo de su dirección preferida. La estimulación de los resultados de las neuronas H1 en el robot para compensar el movimiento de la mesa giratoria. <img src="/files/ftp_upload/1677/1677fig1.jpg" alt="Figura 1" /> Figura 1: Configuración de circuito cerrado. En nuestra configuración, la actividad de remate de la celda H1 izquierda se utiliza para controlar el movimiento de un robot se encuentra montado sobre una plataforma giratoria. Movimiento de la imagen visual generado como resultado del movimiento relativo entre el robot y la tabla a su vez-es capturado a través de cámaras de alta velocidad y se muestra en dos monitores CRT en frente de la marcha. Actividad H1 remate desde el hemisferio izquierdo se utiliza para estimar la velocidad en tiempo real pico, que luego utiliza una ley de control para calcular la velocidad de compensación para el robot. El robot contra-rotación estabiliza el movimiento de la imagen visual observada por la mosca durante control en bucle cerrado. </li></ol> 4. Representante de resultados y resultados <ol><li> Cuando se configura correctamente, la estabilización visual se logra cuando la contra-rotación del robot coincide con la rotación de la mesa giratoria, lo que resulta en el movimiento de patrón de poco o nada en los monitores de ordenador. El rendimiento global del sistema depende del algoritmo de control utilizado para cerrar el ciclo. </li><li> El primer algoritmo que prueba es un controlador proporcional (figura 2) donde la velocidad del robot actualizado es proporcional a la diferencia de velocidades angulares entre el robot, ωr, y la mesa giratoria, ωp. Diferentes valores para la ganancia estática, Kp, y las frecuencias de entrada de la señal de la vuelta de mesa, ωp, son elegidos para probar el rendimiento del controlador. <img src="/files/ftp_upload/1677/1677fig2.jpg" alt="Figura 2" /> Figura 2: controlador proporcional. (A) el movimiento relativo entre el robot y la tabla a su vez-en la dirección preferida estimula la celda H1 para dar la velocidad punta, F. Esta tasa pico se convierte en un error de velocidad, E, y un controlador proporcional se utiliza para estimar la robot actualizado velocidad, vr (t +1). La tasa de pico, F, se convierte en el error de velocidad, E, en función de si es menor o mayor que la tasa pico espontáneo, Fspont. La tasa pico de velocidad de la conversión de error se hace mediante la proyección de F sobre un coseno (intervalo [π, 0]) para dar cuenta de picos no linealidades tipo de umbral. Las constantes de 70 y 150 se utilizan para que coincida con la velocidad de entrada de 8 bits del robot para las velocidades angulares máxima y mínima de la mesa giratoria. (B) Diagrama de bloques mostrando sistema de circuito cerrado con un controlador proporcional. La entrada al sistema es una modulación sinosuidal de la velocidad angular a su vez la mesa, ωp (t), y la correspondiente respuesta ωr robot (t +1) se registra. </li><li> Las huellas de la muestra para p ω y ω r se muestran aquí para K p = 1 y una frecuencia de entrada de 0,6 Hz para p ω (ver figura 3). El robot (en verde) sigue el turno de mesa (en azul) con un retrasoy un pequeño pico de amplitud. La componente horizontal del movimiento de patrón que estimula las células H1 se muestra a continuación (en rojo). <img src="/files/ftp_upload/1677/1677fig3.jpg" alt="Figura 3" /> Figura 3: Respuestas de circuito cerrado. (A) la velocidad angular de la mesa giratoria (azul), ωp, y el robot (verde), ωr, en la frecuencia de entrada = 0,6 Hz. (B) el flujo óptico horizontal se muestra como se calcula a partir de las imágenes registradas (rojo). Lucas método piramidal Kanade (3 niveles de la pirámide) se utiliza para calcular el campo de flujo óptico entre cuadros de imagen sucesivos. Velocidad angular horizontal se calcula mediante la suma de las proyecciones de los vectores individuales en los campos de flujo en la unidad horizontal vector i. Horizontal hacia atrás para adelante el movimiento que excita a la célula H1 se conoce como PD (dirección preferida), mientras horizontal delante a atrás del movimiento que inhibe la célula H1 se conoce como ND (dirección null). </li><li> Las frecuencias de entrada de la señal de la vuelta de mesa, ωp, son elegidos entre 0,03-3 Hz y la señal del robot correspondiente, ωr, se registra. Ambas señales son transformadas en el dominio de la frecuencia de la transformada rápida de Fourier (ver gráfico 4) y los valores de amplitud y fase se calculan en la frecuencia de entrada. <img src="/files/ftp_upload/1677/1677fig4.jpg" alt="Figura 4" /> Figura 4: Respuesta de frecuencia de señales velocidad angular de la mesa giratoria, ωp, y el robot, ωr, se transforman en el dominio de la frecuencia utilizando la transformada rápida de Fourier (FFT) para calcular la amplitud y la fase de los componentes en la frecuencia de entrada.. Componentes de la fase de FFT no se muestran en la figura. </li><li> El diagrama de Bode de magnitud para el controlador proporcional con K p = 1 se muestra la respuesta del sistema a través de las frecuencias de entrada a prueba (ver la figura 5-a). El rendimiento del controlador por lo general disminuye con el aumento de las frecuencias. La ganancia ligeramente mayor a 1 Hz es el resultado de las oscilaciones en la señal del robot debido al uso de una sola celda H1-cuya dinámica (de salida) rango abarca principalmente el movimiento horizontal de atrás hacia delante. <img src="/files/ftp_upload/1677/1677fig5.jpg" alt="Figura 5" /> Figura 5: el rendimiento del controlador proporcional. Los diagramas de Bode de magnitud y fase para el controlador proporcional (un promedio de 8 moscas), la ganancia estática Kp = 1.0 (a) el diagrama de Bode magnitud sigue aproximadamente una característica de filtro de paso bajo. La ganancia ligeramente mayor a 1 Hz es el resultado de las oscilaciones en la señal de robot, ωr, debido al uso de una sola celda H1-cuya dinámica (de salida) rango abarca principalmente el movimiento horizontal al frente. El número de oscilaciones en la señal de robot, ωr, disminuyen con el aumento de las frecuencias de entrada que lleva al aumento levemente mayor a estas frecuencias. (B) el diagrama de Bode fase es menor de 180 ° para las frecuencias de entrada ≤ 1 Hz y la inestabilidad se acerca a 3 Hz. Más allá de una cierta frecuencia de entrada, el controlador se vuelve inestable, debido a la cinemática del robot. Esta inestabilidad se produce sólo más allá del rango de respuestas conocidas óptimo del sistema de vuelo visual (Warzecha et al. 1999). </li><li> El diagrama de fase de Bode (véase la figura 5-b) muestra un controlador en atraso de fase menor que Π de las frecuencias de entrada &lt;0,6 Hz. Esto muestra que el controlador es estable para las frecuencias de &lt;0,6 Hz e inestable para las frecuencias de entrada ≥ 1 Hz. </li><li> El rendimiento del controlador proporcional con una estática Kp (en azul) se comparó con un controlador adaptativo (en rojo), donde se actualiza el valor de K p cada 50 ms sobre la base de la tasa pico de punta, F max, calculada sobre el intervalo de tiempo [l-500ms - t] (véase el gráfico 6). Como resultado de la ventana de tiempo de integración general, el controlador proporcional se comporta mejor que el controlador de adaptación para el rango del parámetro a prueba (ver figura 7-a). La ventana de tiempo de integración inicial de 500 ms fue elegido por razones técnicas relacionadas con la plataforma de robot que estamos usando. El controlador de adaptación tuvo una característica de fase similar a la del controlador proporcional (ver figura 7-b). <img src="/files/ftp_upload/1677/1677fig6.jpg" alt="Figura 6" /> Figura 6: Aumento de adaptación del controlador. El controlador proporcional utiliza una ganancia estática, Kp, mientras que el controlador adaptativo estima que el aumento de forma continua durante el control de lazo cerrado. La ganancia dinámica, Kp, es inversamente proporcional a la velocidad máxima de pico, Fmax, durante el intervalo de t-500ms ≤ τ ≤ t. La figura muestra tres casos en los que Fmax se estima a través del tiempo. Con base en los valores estimados de Fmax, Kp es mayor durante la ventana de tiempo 2 (verde) y menor en ventana de tiempo de 3 (naranja). <img src="/files/ftp_upload/1677/1677fig7.jpg" alt="Figura 7" /> Figura 7: controlador proporcional vs adaptación. Diagramas de Bode de magnitud y fase para el proporcional (Kp = 1) y el controlador de adaptación(A) las actualizaciones del controlador de adaptación el valor de Kp cada 50 ms sobre la base de la estimación máxima Fmax alza la tasa en los últimos 500 ms. La trama controlador de ganancia proporcional (azul) es mayor que la del controlador adaptativo (rojo) indicando que se está desempeñando mejor en todas las frecuencias de entrada. (B) la fase de Bode para los dos controladores son similares con una diferencia significativa en f = 0,3 Hz. Ambos controladores de aproximación inestabilidad a 3 Hz. Los valores de ganancia y fase significativamente diferentes se indican con un asterisco (método de la suma de rangos de Wilcoxon, p = 0,05). </li><li> El patrón de rejilla alrededor de la mesa giratoria se ha retirado y el entorno de laboratorio se utiliza como una aproximación de la información visual naturalista de la mosca de H1 de las células. En promedio, el diagrama de Bode de magnitud (ver la figura 8-a) de la entrada visual naturalista (en azul) mostraron un aumento ligeramente superior a la de entrada con reja visual (en rojo), probablemente debido a la amplia gama de frecuencias espaciales en el naturalista imágenes visuales se explota. Las características de fase de Bode para rallar vs naturalista entradas visuales fueron similares (véase la figura 8-b). <img src="/files/ftp_upload/1677/1677fig8.jpg" alt="Figura 8" /> Figura 8: Stripped patrón o un entorno de laboratorio. La magnitud de Bode y parcelas de fase para el controlador proporcional cuando se presenta con los patrones de pelado (rojo) vs laboratorio de medio ambiente (azul) las imágenes visuales en circuito cerrado (a) el diagrama de Bode para la magnitud en que las imágenes entorno de laboratorio se utilizan es ligeramente superior al modelo desnudo se usa (excepto en f = 0,1 Hz), que indica un mejor desempeño en dicho estímulo. (B) el diagrama de Bode fase, tanto en condiciones visuales siguen el mismo patrón, con la inestabilidad tanto se acerca a 3 Hz. Los valores de ganancia y fase significativamente diferentes se indican con un asterisco (método de la suma de rangos de Wilcoxon, p = 0,05). </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> Volar la disección debe ser realizado con cuidado asegurándose que orientar correctamente la marcha con respecto a los monitores de ordenador. </li><li> La separación de los picos de la neurona H1 de las espigas de todas las otras neuronas para conseguir una buena señal a ruido que se puede utilizar para controlar el robot de forma fiable. </li><li> Se debe tener cuidado para evitar que el tejido nervioso que se sequen durante el transcurso del experimento. </li><li> Las cámaras están conectadas a los ordenadores mediante un cable Ethernet. Se debe tener cuidado para que no se sobre-herida durante el experimento, ya que ello afecta a la rotación del robot. </li><li> Actualmente estamos utilizando la actividad pico de una H1 para configurar una tarea de estabilización en un solo sentido de giro de orientación. Podemos añadir un segundo electrodo para obtener señales de H1 de izquierda y derecha, de modo que podemos estudiar los algoritmos de estabilización de control en ambos sentidos de giro de orientación. </li><li> Podemos quitar la arena que contienen las bandas de orientación vertical en blanco y negro y utilizar el entorno de laboratorio como el estímulo visual de la mosca. Esto nos permitirá estudiar el rendimiento de circuito cerrado con imágenes naturalistas. </li><li> El robot puede ser retirado de la mesa giratoria y se les permite moverse por el entorno de laboratorio, mientras que en el control de lazo cerrado. Esto nos permitirá investigar los algoritmos de control que participan en la prevención de colisiones. </li><li> Los cables de conexión de las cámaras de las computadoras se pueden eliminar mediante la implementación de un sistema de transmisión inalámbrica, que nos da una configuración de robot totalmente desbocada. </li><li> Las medidas de rendimiento de los algoritmos de control diferentes nos dará una comprensión de cómo las diferentes estrategias son capaces de hacer frente a las señales neuronales no estacionario y variable. Este conocimiento se puede aplicar a diferentes clínicas y no clínicas interfaces cerebro-máquina. </li><li> Esta instalación experimental es el primer paso hacia la grabación de las señales neuronales de comportarse animales. Nuestro objetivo es poner la mosca en el robot y el uso de su actividad neuronal de control en bucle cerrado. En tal configuración, que sería capaz de registrar la actividad neuronal de la mosca mientras se recibe la estimulación multisensorial, como resultado del movimiento del robot. </li><li> Registrar las señales de una célula única. En la configuración que usted debe, el celular más adecuado sería el H1 de las células. Aislar las respuestas de las neuronas H1 de otras neuronas con campos receptivos similares, por ejemplo, H2, es importante mantener una buena señal-ruido para las grabaciones neuronal. Las respuestas de los H1 y H2 las neuronas puede ser discriminado por señalar que el H2 se ha caracterizado por baja espontánea y media de la tasa de adición de la neurona H1. Las neuronas también pueden ser discriminados en base a su morfología (Krapp et al. 2001). </li><li> Nuestro sistema nos permite comparar la ganancia en lazo cerrado logrado por nuestra mosca-robot de interfaz en una tarea de estabilización de imagen, y para comparar su rendimiento con las ganancias optomotor circuito cerrado observado en experimentos anteriores en moscas (Bender y Dickinson 2006, Warzecha et al . 1996, Heisenberg y Wolf, 1990). Además, nos permite investigar dependientes del Estado los cambios en el procesamiento de información visual en condiciones de circuito cerrado (Chiappe et al. 2010, Maimón et al. 2010, Longden y Krapp 2009, Longden y Krapp 2010). </li></ol>

<ol><li> 1) de alta velocidad CRT (LG Studioworks 221U) </li><li> Cámaras de alta velocidad (Prosilica, GC640) </li><li> Robot de la plataforma (ASURO con las modificaciones de encargo) </li><li> Módem Bluetooth de serie (Bluesmirf) </li><li> Micro Step Drive (Applied Motion Systems, ST5-SI) </li><li> Motor paso a paso (Sanyo Denki, 103H6704-0140) </li><li> Electrodos de tungsteno (FH-co.com - Código del producto - UEW SHG SE 3P1M) </li><li> Amplificador extracelular (NPI EXT 10-2F) </li><li> Micromanipulador motorizados (Scientifica, PS-700-Z) </li><li> Microscopio estéreo (Leica, MZ95) </li></ol>

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

La naturaleza no estacionaria y la variabilidad de las señales neuronales es un problema fundamental en la interfaz cerebro-máquina. Hemos desarrollado un interfaz cerebro-máquina para evaluar la solidez de las diferentes leyes de control se aplica a una tarea de imágenes de circuito cerrado de estabilización. Aprovechando la bien caracterizada volar vía visuomotora que registrar la actividad eléctrica de un identificó, las neuronas sensibles al movimiento, H1, para controlar la rotación de guiñada de un robot de dos ruedas. El robot está equipado con dos cámaras de video de alta velocidad aportaciones del movimiento visual de una mosca colocada delante de dos monitores de ordenador CRT. La actividad de las neuronas H1 indica la dirección y la velocidad relativa de rotación del robot. La actividad neuronal se filtra y se realimenta en el sistema de dirección del robot por medio de un control proporcional y proporcional / adaptación. Nuestro objetivo es probar y optimizar el rendimiento de las leyes de control en diferentes condiciones de circuito cerrado para una aplicación más amplia también en otras interfaces cerebro de la máquina.

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

Usamos un circuito cerrado volar-máquina para investigar los principios generales de control neuronal.

Una plataforma experimental para estudiar el comportamiento de circuito cerrado de interfaces cerebro-máquina

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 vistas.  Imperial College London. Usamos un circuito cerrado volar-máquina para investigar los principios generales de control neuronal.

Video: 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.

Un aplastamiento del nervio óptico Lesiones modelo murino para estudiar la supervivencia de células ganglionares retinianas

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

Investigación

Neurociencias

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.

La manipulación genética de las neuronas cerebelosa gránulo<em&gt; In Vitro</em&gt; Y<em&gt; En Vivo</em&gt; Estudiar Neuronal Morfología y Migración

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.

En tiempo real Electrofisiología: Usando protocolos de bucle cerrado para sondear neuronales Dinámica y allá

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.

Experimentos Neuro-robótica de circuito cerrado para comprobar propiedades computacionales de Redes Neuronales

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.

Método electrofisiológico para registrar las respuestas de voltaje intracelular<em&gt; Drosophila</em&gt; Los fotorreceptores y interneuronas a la luz Estímulos<em&gt; En 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.

Robot controlado por insectos: una plataforma del robot móvil para evaluar la capacidad de seguimiento de Olor de un insecto

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.

Modelos Experimentales para Estudiar la Neuroprotección del Acondicionamiento Acido Contra la Isquemia Cerebral

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).

El uso de larvas de pez cebra para estudiar las consecuencias patológicas de accidente cerebrovascular hemorrágico

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.

Uso de la actividad de spiking de neuronas para desencadenar estímulos de bucle cerrado en experimentos neurofisiológicos

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.

Microscopía electrónica de barrido serial de cara de bloque (SBEM) para el estudio de espinas dendríticas

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