Pour l’enregistrement multicanal, déplacez les réseaux d’électrodes vers le bas en tournant la vis de la partie mobile du système de micro-entraînement un jour à l’avance. Tenez la tête d’une souris éveillée légèrement et soigneusement. Ensuite, reliez le centre de la platine de tête et un ballon d’hélium avec un filetage pour compenser le poids de la platine de tête et du système de micro-entraînement.
Capturez les signaux bruts à l’aide des électrodes d’enregistrement et des systèmes multicanaux en échantillonnant à 30 kilohertz dans le logiciel d’enregistrement. Numérisez ensuite à l’aide d’un convertisseur analogique numérique des systèmes multicanaux. Extraire le potentiel de champ local, ou signaux LFP, des données brutes en rééchantillonnant à 10 kilohertz.
Ensuite, à l’aide d’un filtre coupe-bande, supprimez le bruit de ligne de 50 hertz. Pour le tri et l’analyse des pics, dans le logiciel de tri des pics, cliquez sur Fichier, puis sur Ouvrir, et nev fichiers pour ouvrir les données de pic échantillonnées à 30 kilohertz. Cliquez sur Info pour sélectionner le canal non trié.
Choisissez ensuite Trier, Modifier la méthode de tri et Utiliser les K-Means. Appuyez sur le bouton Valley Seeking Sort, puis K-Means Sorting pour obtenir les unités triées. Ensuite, dans le logiciel d’analyse des données neurophysiologiques, ouvrez le fichier de pointe trié en cliquant sur Fichier, Importer des données et Fichier BlackRock.
Pour obtenir l’autocorrelograme de l’unité sélectionnée, cliquez sur Analyse, puis sur Autocorrelograms, et définissez les paramètres. Chargez les données de pointe triées. Ensuite, cliquez sur Analyse, puis sur Histogrammes d’intervalle d’interpic pour obtenir l’histogramme d’intervalle d’intervalle d’interpic, puis définissez les paramètres souhaités.
Cliquez sur Analyse, puis sur Corrélations croisées pour obtenir le corrélogramme croisé entre deux événements unitaires triés. Ensuite, définissez les événements et les paramètres de référence. Pour l’analyse LFP, cliquez sur Fichier, Importer des données et Fichier BlackRock, pour ouvrir les données de signal continu échantillonnées à 10 kilohertz.
Ensuite, en cliquant sur Analysis and Spectrum for Continuous, analysez le spectre de puissance du LFP à partir du canal sélectionné. Ensuite, cliquez sur Analyse, puis sur Cohérence pour Continu pour analyser la cohérence de deux LFP à partir des côtés gauche et droit du MC.Ensuite, cliquez sur Analyse, puis sur Corrélation avec des variables continues pour analyser la corrélation entre deux LFP des côtés gauche et droit du MC.Une fois cela fait, cliquez sur Résultats, puis sur Résultats numériques pour enregistrer la densité du spectre de puissance, Cohérence et corrélation avec une extension de nom de fichier xls. Pour analyser les corrélations entre le pic et le LFP, cliquez sur Fichier, puis sur Importer des données et un fichier BlackRock pour ouvrir les données de signal continu et les données de pic.
Ensuite, cliquez sur Analyse et analyse de cohérence pour analyser la cohérence entre les pics et le LFP du canal sélectionné. Enfin, cliquez sur Résultats, puis sur Résultats numériques pour enregistrer les résultats de la cohérence du champ de pointe avec une extension de nom de fichier xls. La largeur de la vallée et la durée de la forme d’onde des unités dans le MC de la souris ont montré que la largeur de la vallée et la durée de la forme d’onde des neurones pyramidaux putatifs MC chez la souris sont plus élevées que celles des interneurones putatifs.
Le corrélogramme croisé entre les neurones pyramidaux putatifs et les interneurones indique que le pic des neurones pyramidaux putatifs se produit avant les interneurones putatifs avec une fenêtre de 18 millisecondes. Dans l’analyse LFP, les LFP du MC gauche et droit chez les souris normales étaient similaires dans le spectre de puissance, ce qui suggère des activités synchronisées entre le MC gauche et droit. La courbe de cohérence du champ de pointe dans le MC d’une souris normale a montré une faible cohérence gamma plus forte pour les interneurones putatifs par rapport aux neurones pyramidaux.
