K. Peterson a été soutenue par une bourse de doctorat du Département de génie biologique et le financement de la Labs US Air Force Research. N. Ejaz a été soutenue par une bourse de doctorat de la Higher Education Commission pakistanaise et le financement de la Labs US Air Force Research.

1. Préparation Fly <ol><li> La première étape dans la mise en place des expériences consiste à préparer la volée afin que personne ne corrompt mouvement involontaire de la stabilité des enregistrements de neurones et que la tête de la mouche est correctement orientée avec le matériel de stimulation visuelle. Pour commencer à préparer la volée, il refroidir sur glace, puis utilisez bâtonnets à cocktail émoussé pour tenir les ailes vers le bas, et fixer à l&#39;arrière de la mouche sur un morceau de double face-bande sur une lame de microscope. </li><li> Ensuite, utilisez une aiguille de l&#39;électro-cautérisation à appliquer la cire d&#39;abeille pour attacher les ailes à la diapositive et également de bloquer l&#39;action du moteur en vol. Cette étape nécessite une manipulation rapide et précise afin que la mouche ne se réchauffe pas pendant la procédure. </li><li> Maintenant sous le microscope, tenez chaque jambe avec une pince et l&#39;utilisation d&#39;une paire de petits ciseaux pour les couper au niveau des articulations la plus proche du corps. Répétez cette opération pour la trompe. Pour éviter la volée de sécher, les trous doivent être scellés à la cire. </li><li> Ensuite, découpez l&#39;une des ailes hors tension, puis tournez à la volée sur le côté. Retirez les morceaux restants de l&#39;aile, tout en laissant la calyptra couvrant les haltères, et sceller le trou avec de la cire. Répétez cette procédure pour l&#39;autre aile. </li><li> Afin de stimuler un neurone cible d&#39;une manière définie, la tête de la mouche doit être correctement alignée avec les moniteurs d&#39;ordinateur. Pour ce faire, vous aurez besoin d&#39;un support personnalisé qui a un large espace pour le corps de la mouche et un appendice à une extrémité avec une entaille au cou, où la mouche sera placé. </li><li> Placez la volée sur le support avec son cou dans l&#39;encoche, le pressant alors coller l&#39;abdomen en place. Maintenant, placez le titulaire voler dans un stand de sorte que vous pouvez voir le devant de la tête de la mouche à travers le microscope. </li><li> Voir la volée avec une lumière rouge, un phénomène optique appelé la pupille de pseudo-peut être vu dans chaque oeil. L&#39;élève de pseudo-fournit un cadre de référence qui peut être utilisé pour aligner la tête de la mouche avec le stimulus (Franceschini, 1975). Si l&#39;élève pseudo-suppose une certaine forme, comme le montre l&#39;image ci-dessous insérer, puis l&#39;orientation de la tête de la mouche est parfaitement défini. <img src="/files/ftp_upload/1677/1677fig0.jpg" alt="pseudo-élève" /> </li><li> Utilisez un micromanipulateur d&#39;orienter correctement la tête de la mouche, et ensuite utiliser la cire pour coller sur le support. </li><li> Ensuite, appuyez sur le thorax à plat et c&#39;est de la cire pour le porteur. Cela permet à la capsule de la tête à l&#39;arrière d&#39;être ouvert afin que les électrodes peuvent être insérés dans le cerveau voler. </li><li> Utilisez un micro scalpel ou une aiguille fine pour l&#39;injection soigneusement découpé une fenêtre sur la cuticule de la capsule céphalique droite. Soyez prudent de ne pas couper la droite tissu neural sous la cuticule. Une fois le morceau de cuticule est enlevé, ajouter quelques gouttes de solution de Ringer. </li><li> Utilisez une pince pour enlever les poils flottants, les dépôts de graisse, ou tissu musculaire qui peut couvrir la plaque lobula. La plaque lobula peuvent être identifiées par un motif caractéristique de branchement de la trachée argentée qui recouvre sa surface postérieure. </li><li> Coupez un petit trou dans la cuticule de la capsule-tête arrière gauche pour le positionnement d&#39;une électrode de référence. Avec la volée préparés, permet de voir comment la position de l&#39;électrode d&#39;enregistrement. </li></ol> 2. Positionnement de l&#39;électrode d&#39;enregistrement <ol><li> Avec la volée préparés, nous allons procéder à la localisation et l&#39;enregistrement des signaux du neurone H1. L&#39;électrode d&#39;enregistrement doit être placé à proximité du neurone H1. Le neurone H1 répond principalement à l&#39;horizontale dos-à-face motion présentée à son champ récepteur (Krapp et al. 2001). </li><li> Pour la position de l&#39;électrode d&#39;enregistrement, l&#39;utilisation de la trachée comme un repère visuel. Initialement, placer l&#39;électrode entre la trachée supérieure. </li><li> Il aide à l&#39;utilisation d&#39;un amplificateur audio à convertir les potentiels enregistrés électriques en signaux acoustiques. Chaque pointe individu est transformé en un son caractéristique cliquant. Le plus proche de l&#39;électrode arrive à un neurone individuel, la plus claire le déclic devient. </li><li> Pour identifier le neurone H1 au moyen de son choix de mouvement, de le stimuler avec le mouvement dans le sens horizontal. Avec l&#39;électrode d&#39;enregistrement en place, permet de passer à la stimulation visuelle et des enregistrements. </li></ol> 3. Stimulation enregistrements visuels et <ol><li> Les expériences en boucle fermée sont configurés de telle sorte que de telles que la stimulation des résultats neurone H1 dans le robot pour compenser le mouvement de la table tournante. Pour commencer, placez une mouche devant deux écrans d&#39;ordinateur à tube cathodique. Parce que le système visuel est volée 10 fois plus rapide que celle de l&#39;humain, les moniteurs doivent afficher 200 images par seconde. Les moniteurs et autres équipements électriques doit être blindé électromagnétiquement pour minimiser le bruit externe dans le signal mesuré neuronale. </li><li> Position des centres des moniteurs à + / - 45 degrés par rapport à l&#39;orientation de la mouche. Comme il ressort de l&#39;équateur œil de la mouche, chaque moniteur tend un angle de + / -25 degrés à l&#39;horizontale, et +/ -19 Degrés dans le plan vertical. </li><li> Entrée synchronisée aux moniteurs d&#39;ordinateur est assurée par deux caméras vidéo montées sur un petit robot ASURO deux roues qui a été modifié pour l&#39;expérience. </li><li> Placez le robot sur une table tournante dans une zone cylindrique dont les murs sont tapissés avec un motif d&#39;orientation verticale, rayures noires et blanches. En tournant le tour de table dans le plan horizontal, les mouvements du robot sont limités à un seul degré de liberté. </li><li> Initialement fois le tour de table et le robot sont au repos. Lorsque le tour de table commence à se déplacer, effectue sa rotation du robot, dans la même direction et les caméras vidéo enregistrent le mouvement relatif entre le robot et le motif rayé de l&#39;arène. </li><li> Les caméras vidéo à piles sur le robot sont montés à une orientation de + / - 45 degrés. Ils capturent 200 images par seconde pour correspondre à la fréquence d&#39;image des moniteurs d&#39;ordinateur en face de la volée. </li><li> Connexion des images présentées sur les écrans d&#39;ordinateur à 200 images par seconde à une résolution de 640 x 480 (échelle de gris). </li><li> Alors que la mouche est à regarder les mouvements des rayures, d&#39;enregistrer la bande-passé filtrée (par exemple, entre 300 et 2 kHz) des signaux électriques avec une carte d&#39;acquisition numérique en utilisant un taux d&#39;échantillonnage d&#39;au moins 10 kHz. </li><li> Un seuil est appliqué à la bande-filtrée signaux électriques transmis à séparer les pointes de l&#39;activité de fond. Une causalité, demi-filtre gaussien est convoluée avec les pointes d&#39;obtenir une estimation de dopage en douceur l&#39;activité de la cellule H1. </li><li> Pour fermer la boucle de l&#39;interface cerveau-machine, un algorithme de contrôle est utilisé pour convertir le taux de pic de la cellule H1 à une vitesse du robot qui est réinjectée via une interface Bluetooth pour contrôler les deux moteurs DC entraînant les roues du robot. </li><li> Pur ondes sinusoïdales sont choisis comme les profils de vitesse pour le tour de table. Les ondes sinusoïdales ont une telle DC-offset que la table tournante tourne uniquement dans le sens qui stimule le neurone H1 long de sa direction préférée. Stimulation des résultats neurone H1 dans le robot pour compenser le mouvement de la table tournante. <img src="/files/ftp_upload/1677/1677fig1.jpg" alt="Figure 1" /> Figure 1: configuration en boucle fermée. Dans notre configuration, l&#39;activité de dopage de la cellule H1 gauche est utilisé pour contrôler le mouvement d&#39;un robot monté sur une platine. Mouvement de l&#39;image visuelle produite à la suite d&#39;un mouvement relatif entre le robot et le tour de table est capturé par l&#39;intermédiaire des caméras haute vitesse et affichés sur les moniteurs CRT deux à l&#39;avant de la mouche. L&#39;activité de dopage H1 de l&#39;hémisphère gauche est utilisée pour estimer le taux en temps réel pic qui utilise alors une loi de commande pour calculer une vitesse de compensation pour le robot. Le robot contre-rotation stabilise le mouvement de l&#39;image visuelle observée par la mouche au cours contrôle en boucle fermée. </li></ol> 4. Résultat Représentant et résultats <ol><li> Lorsque correctement configuré, la stabilisation visuelle est atteinte lorsque le contre-rotation du robot correspond à la rotation de la table tournante, entraînant le déplacement peu ou pas de tendance sur les écrans d&#39;ordinateur. La performance globale du système dépend de l&#39;algorithme de contrôle utilisé pour fermer la boucle. </li><li> Le premier algorithme, nous testons est un régulateur proportionnel (figure 2) où la vitesse du robot à jour est proportionnelle à la différence de vitesses angulaires entre le robot, ωr, et le tour de table, ωp. Des valeurs différentes pour le gain statique, Kp, et des fréquences d&#39;entrée pour le signal de tour par tour de table, ωp, sont choisis pour tester les performances du contrôleur. <img src="/files/ftp_upload/1677/1677fig2.jpg" alt="Figure 2" /> Figure 2: Régulateur proportionnel. (A) Le mouvement relatif entre le robot et le tour de table dans la direction préférée stimule la cellule H1 de donner le taux de pic, pic F. Ce taux est convertie en une erreur de vitesse, E, et un régulateur proportionnel est utilisé pour estimer la vitesse du robot à jour, vr (t +1). Le taux de pic, F, est converti à l&#39;erreur de vitesse, E, basé sur s&#39;il est inférieur ou supérieur au taux spontané pic, Fspont. Le taux de pic à la vitesse de conversion d&#39;erreur se fait en projetant F sur un cosinus (intervalle [π, 0]) pour tenir compte des non-linéarités seuil du taux de dopage. Les constantes 70 et 150 sont utilisées pour correspondre à la vitesse d&#39;entrée de 8 bits du robot pour les vitesses minimale et maximale angulaire de la table tournante. Schéma (b) montrant système en boucle fermée en utilisant un régulateur proportionnel. L&#39;entrée du système est une modulation de la vitesse sinosuidal table tournante angulaire, ωp (t), et la réponse correspondante du robot ωr (t +1) est enregistrée. </li><li> Exemple de traces pour p ω et r ω sont présentés ici pour K p = 1 et une fréquence d&#39;entrée de 0,6 Hz pour p ω (voir figure 3). Le robot (en vert) suit la table tournante (en bleu) avec un décalageet une petite pointe d&#39;amplitude. La composante horizontale du mouvement modèle qui stimule la cellule H1 est indiqué ci-dessous (en rouge). <img src="/files/ftp_upload/1677/1677fig3.jpg" alt="Figure 3" /> Figure 3: Réponses en boucle fermée. (A) vitesses angulaires pour le tour de table (bleu), ωp, et le robot (vert), ωr, à la fréquence d&#39;entrée = 0,6 Hz. (B) de flux optique horizontale est montré tel qu&#39;il est calculé à partir d&#39;images connecté (rouge). Lucas Kanade pyramidal méthode (3 niveaux de la pyramide) est utilisé pour calculer le champ de flux optique entre les images successives. Horizontal vitesse angulaire est calculé en additionnant les projections de vecteurs individuels dans les champs d&#39;écoulement sur l&#39;unité horizontale vecteur i. Horizontal dos-à-face qui excite le mouvement de la cellule H1 est appelée PD (direction privilégiée) tout en devant horizontale-à-dos le mouvement qui inhibe la cellule H1 est appelée ND (direction null). </li><li> Fréquences d&#39;entrée pour le signal de tour par tour de table, ωp, sont choisis entre 0,03 à 3 Hz et le signal du robot correspondant, ωr, est enregistrée. Les deux signaux sont transformés dans le domaine fréquentiel par une transformée de Fourier rapide (voir figure 4) et les valeurs d&#39;amplitude et de phase sont calculés à la fréquence d&#39;entrée. <img src="/files/ftp_upload/1677/1677fig4.jpg" alt="Figure 4" /> Figure 4: Réponse en fréquence des signaux de vitesse angulaire pour le tour de table, ωp, et le robot, ωr, sont transformées dans le domaine fréquentiel en utilisant les transformation de Fourier rapide (FFT) pour calculer l&#39;amplitude et de composants phase à la fréquence d&#39;entrée.. Composants de la phase de la FFT ne sont pas représentés dans la figure. </li><li> Le diagramme de Bode grandeur pour le régulateur proportionnel avec K p = 1 montre la réponse du système au cours des fréquences d&#39;entrée testé (voir figure 5-a). Les performances du contrôleur diminue généralement avec l&#39;augmentation des fréquences. Le gain a légèrement augmenté à 1 Hz est le résultat d&#39;oscillations dans le signal du robot en raison de l&#39;aide un seul H1-cellulaire dont la dynamique (de sortie) gamme couvre principalement horizontale le mouvement de retour à l&#39;avant. <img src="/files/ftp_upload/1677/1677fig5.jpg" alt="Figure 5" /> Figure 5: les performances du contrôleur proportionnel. Les diagrammes de Bode amplitude et la phase pour le régulateur proportionnel (en moyenne plus de 8 mouches), gain statique Kp = 1,0 (a) le diagramme de Bode amplitude suit approximativement une caractéristique filtre passe-bas. Le gain a légèrement augmenté à 1 Hz est le résultat d&#39;oscillations dans le signal du robot, ωr, en raison de l&#39;aide un seul H1-cellulaire dont la dynamique (de sortie) gamme couvre principalement horizontale revenir à la motion avant. Le nombre d&#39;oscillations dans le signal du robot, ωr, diminue avec l&#39;augmentation des fréquences d&#39;entrée menant à gagner légèrement augmenté à ces fréquences. (B) le diagramme de Bode de phase est inférieure à 180 ° pour des fréquences d&#39;entrée ≤ 1 Hz et à l&#39;instabilité des approches à 3 Hz. Au delà d&#39;une fréquence d&#39;entrée, le régulateur devient instable à cause de la cinématique du robot. Cette instabilité se produit seulement au-delà de la gamme de réponse optimale connue du système de volée visuelle (Warzecha et al. 1999). </li><li> L&#39;intrigue phase de Bode (voir figure 5-b) montre une phase de latence du contrôleur inférieur Π pour des fréquences d&#39;entrée &lt;0,6 Hz. Cela montre que le contrôleur est stable pour des fréquences &lt;0,6 Hz et instable pour des fréquences d&#39;entrée ≥ 1 Hz. </li><li> La performance du régulateur proportionnel avec un Kp statique (en bleu) a été comparé avec un contrôleur adaptatif (en rouge), où la valeur de K p est mis à jour toutes les 50 ms sur la base des taux de crête pic, C max, calculé sur l&#39;intervalle de temps [t-500ms - t] (voir figure 6). En conséquence de la fenêtre de temps d&#39;intégration de grandes, le régulateur proportionnel est plus performant que le contrôleur adaptatif pour la gamme de paramètres testés (voir la figure 7-a). La fenêtre de temps initial d&#39;intégration de 500 ms a été choisi pour des raisons techniques liées à la plateforme de robot que nous utilisons. Le contrôleur adaptatif avait une caractéristique de phase similaire à celle du régulateur proportionnel (voir figure 7-b). <img src="/files/ftp_upload/1677/1677fig6.jpg" alt="Figure 6" /> Figure 6: gain du régulateur adaptatif. Le régulateur proportionnel utilise un gain statique, Kp, alors que le contrôleur adaptatif estimations du gain en continu pendant le contrôle en boucle fermée. Le gain dynamique, Kp, est inversement proportionnelle à la vitesse maximale pointe, Fmax, sur l&#39;intervalle t-500ms ≤ τ ≤ t. La figure montre trois cas où Fmax est estimé au cours du temps. Basé sur des valeurs estimées de Fmax, Kp est plus élevé pendant fenêtre de temps 2 (vert) et le plus bas pendant 3 fenêtre de temps (en orange). <img src="/files/ftp_upload/1677/1677fig7.jpg" alt="Figure 7" /> Figure 7: Régulateur proportionnel vs adaptative. Bode amplitude et la phase de la proportionnelle (Kp = 1) et adaptative de contrôleur(A) les mises à jour contrôleur adaptatif de la valeur de Kp toutes les 50 ms sur la base des Fmax pic de pic estimation du taux au cours de la dernière 500ms. L&#39;intrigue régulateur proportionnel de gain (en bleu) est plus élevé que celui du contrôleur adaptatif (rouge) indiquant qu&#39;il est plus performant à toutes les fréquences d&#39;entrée. (B) les diagrammes de Bode de phase pour les deux contrôleurs sont similaires avec une différence significative à f = 0,3 Hz. Les deux contrôleurs d&#39;approche d&#39;instabilité, de 3 Hz. Significativement différent des valeurs de gain et de phase sont indiqués par un astérisque (méthode Wilcoxon, p = 0,05). </li><li> Le modèle de grille autour de la table tournante a été enlevé et l&#39;environnement de laboratoire a été utilisé comme une approximation de l&#39;entrée visuelle naturalistes pour la mouche H1-cellulaire. En moyenne, le diagramme de Bode ampleur (voir figure 8-a) pour l&#39;entrée naturalistes visuelle (en bleu) ont montré des gains légèrement supérieur à la une avec entrée caillebotis visuel (en rouge), probablement parce que la plus large gamme de fréquences spatiales au naturaliste des images visuelles est exploitée. Les caractéristiques Bode de phase pour caillebotis vs naturalistes stimuli visuels étaient similaires (voir figure 8-b). <img src="/files/ftp_upload/1677/1677fig8.jpg" alt="Figure 8" /> Figure 8: Stripped pattern vs environnement de laboratoire. L&#39;ampleur et Bode parcelles de phase pour le régulateur proportionnel lorsqu&#39;ils sont présentés avec des modèles dépouillés (rouge) vs laboratoire de l&#39;environnement (en bleu) des images visuelles dans boucle fermée (a) le diagramme de Bode grandeur lorsque les images sont utilisées environnement de laboratoire est légèrement plus élevé que lorsque modèle dépouillé est utilisé (sauf à f = 0,1 Hz) indiquant de meilleures performances sous stimulus tel. (B) le diagramme de Bode de phase sous deux conditions visuelles suivent le même schéma, avec les deux instabilité approchant à 3 Hz. Significativement différent des valeurs de gain et de phase sont indiqués par un astérisque (méthode 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> Volez la dissection doit être effectuée avec soin de s&#39;assurer que nous orienter correctement la volée à l&#39;égard des moniteurs d&#39;ordinateur. </li><li> Séparer les pointes du neurone H1 à partir des pointes de tous les autres neurones pour obtenir un bon signal sur bruit, qui peut ensuite être utilisé pour contrôler le robot de manière fiable. </li><li> Des précautions doivent être prises pour éviter toute tissu neural de sécher le cours de l&#39;expérience. </li><li> Les caméras sont reliées à des ordinateurs avec un câble Ethernet. Des précautions doivent être prises pour qu&#39;ils ne soient pas trop plaie pendant l&#39;expérience comme susceptible d&#39;affecter la rotation du robot. </li><li> Actuellement, nous utilisons l&#39;activité d&#39;un pic de H1 à l&#39;installation d&#39;une tâche de stabilisation dans un seul sens de rotation de lacet. Nous pouvons ajouter une deuxième électrode pour capter les signaux de H1 à la fois gauche et droite de sorte que nous pouvons étudier les algorithmes de contrôle de stabilisation dans les deux sens de rotation de lacet. </li><li> Nous pouvons supprimer l&#39;arène contenant les bandes orientés verticalement en noir et blanc et d&#39;utiliser l&#39;environnement de laboratoire que le stimulus visuel de la mouche. Cela nous permettra d&#39;étudier les performances en boucle fermée avec des images naturalistes. </li><li> Le robot peut être retiré de la table tournante et autorisés à se déplacer autour de l&#39;environnement de laboratoire tout en contrôle en boucle fermée. Cela nous permettra d&#39;étudier les algorithmes de contrôle impliqués dans l&#39;évitement des collisions. </li><li> Les fils reliant les caméras pour les ordinateurs peuvent être éliminées par la mise en œuvre d&#39;un système de transmission sans fil, nous donnant une configuration totalement débridée robotique. </li><li> Les mesures de la performance des algorithmes de contrôle différents va nous donner une compréhension de la façon dont différentes stratégies sont en mesure de faire face aux non-stationnaires et variable des signaux neuronaux. Cette connaissance peut ensuite être appliqué à différentes cliniques et non cliniques interfaces cerveau-machine. </li><li> Cette configuration expérimentale est la première étape vers l&#39;enregistrement de signaux neuronaux de se comporter des animaux. Notre objectif est de placer à la volée sur le robot et l&#39;utilisation de son activité de neurones pour contrôle en boucle fermée. Dans une telle configuration, nous serions en mesure d&#39;enregistrer l&#39;activité neuronale de la mouche alors qu&#39;elle est la stimulation multisensorielle reçoit comme un résultat du mouvement du robot. </li><li> Enregistrer des signaux que d&#39;une cellule. Dans la configuration que nous devrions vous, la cellule la plus appropriée serait le H1-cellulaire. Isoler les réponses du neurone H1 d&#39;autres neurones avec des champs récepteurs similaires, par exemple H2, est important pour maintenir un bon signal sur bruit pour les enregistrements de neurones. Les réponses des H1 et H2 neurones peut être discriminé en notant que le H2 a caractéristiquement inférieurs spontanée et du taux moyen de dopage que le neurone H1. Les neurones peuvent également être victimes de discrimination sur la base de leur morphologie (Krapp et al. 2001). </li><li> Notre système nous permet de comparer le gain en boucle fermée obtenue par notre mouche-robot d&#39;interface sur une tâche de stabilisation d&#39;image, et de comparer ses performances avec des gains en boucle fermée optomoteur observé dans les expériences précédentes sur les mouches (Bender &amp; Dickinson 2006, Warzecha et al . 1996, Heisenberg &amp; Wolf, 1990). En outre, elle nous permet d&#39;étudier l&#39;état-dépendant des changements dans le traitement des informations visuelles en boucle fermée des conditions (Chiappe et al. 2010, Maimon et al. 2010, Longden &amp; Krapp 2009, Longden &amp; Krapp 2010). </li></ol>

<ol><li> 1) Haute vitesse écrans CRT (LG Studioworks 221U) </li><li> Caméras à grande vitesse (Prosilica, GC640) </li><li> Robot Platform (ASURO avec des modifications personnalisées) </li><li> Modem Bluetooth de série (BlueSMIRF) </li><li> Micro Step Drive (Applied Motion Systems, ST5-SI) </li><li> Moteur pas à pas (Sanyo Denki, 103H6704-0140) </li><li> Électrodes tungstène (fh-co.com - Code article - STE SHG SE 3P1M) </li><li> Amplificateur extracellulaire (NPI EXT 10-2F) </li><li> Micromanipulateur motorisé (Scientifica, PS-700-Z) </li><li> Microscope stéréo (Leica, MZ95) </li></ol>

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

La nature non stationnaire et de la variabilité des signaux neuronaux est un problème fondamental dans l&#39;interfaçage cerveau-machine. Nous avons développé une interface cerveau-machine pour évaluer la robustesse des différentes lois de contrôle-appliqués à une tâche en boucle fermée de stabilisation d&#39;image. Profitant de la bien caractérisés volée voie visuomotrice nous enregistrons l&#39;activité électrique d&#39;un identifiés, sensibles au mouvement des neurones, H1, pour contrôler la rotation de lacet d&#39;un robot à deux roues. Le robot est équipé de 2 caméras vidéo à haute vitesse offrant entrée du mouvement visuel à une mouche placée en face de deux écrans d&#39;ordinateur à tube cathodique. L&#39;activité du neurone H1 indique la direction et la vitesse relative de rotation du robot. L&#39;activité neuronale est filtrée et réinjectée dans le système de direction du robot par le biais du contrôle proportionnel et proportionnel / adaptatifs. Notre objectif est de tester et d&#39;optimiser les performances des différentes lois sur le contrôle en boucle fermée des conditions pour une application plus large que dans d&#39;autres interfaces cerveau-machine.

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

Nous utilisons une boucle fermée fly-machine interface pour enquêter sur les principes généraux de contrôle neuronal.

Une plate-forme expérimentale pour étudier les performances en boucle fermée des interfaces cerveau-machine

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 vues.  Imperial College London. Nous utilisons une boucle fermée fly-machine interface pour enquêter sur les principes généraux de contrôle neuronal.

Vidéo: 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 modèle Optic Nerve Crush blessures murins pour étudier la rétine de survie des cellules ganglionnaires

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

Recherche

Neurosciences

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.

Manipulation génétique des neurones du cervelet granules<em&gt; In Vitro</em&gt; Et<em&gt; In Vivo</em&gt; À étudier neuronale Morphologie et migration

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.

Électrophysiologie en temps réel: en utilisant des protocoles en boucle fermée à la sonde neuronaux Dynamics et au-delà

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.

En boucle fermée expériences neuro-robotique l&#39;analyse des propriétés de calcul de réseaux neuronaux

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.

Méthode électrophysiologique de réponses d&#39;enregistrement intracellulaire tension de<em&gt; Drosophila</em&gt; Photorécepteurs et Interneurones à Light Stimuli<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.

Robot Insecte contrôlée: Une plate-forme de robot mobile pour évaluer la capacité Odor-suivi d&#39;un insecte

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.

Modèles expérimentaux pour étudier la neuroprotection du postconditionnement acide contre l&#39;ischémie cérébrale

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).

Utilisation des larves de Zébrafish pour étudier les conséquences pathologiques de l’AVC hémorragique

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.

Utilisation de l'activité de spiking de neurone pour déclencher des stimuli à boucle fermée dans les expériences neurophysiologiques

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.

Microscopie électronique à balayage en bloc en série (SBEM) pour l’étude des épines dendritiques

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

Methods Article

Une plate-forme expérimentale pour étudier les performances en boucle fermée des interfaces cerveau-machine