המחברים מבקשים דוקטורט תודה סטודנט Marta Bisio לculturing ותחזוקת רשתות עצביות על מיקרו-אלקטרודה מערכים וד&quot;ר מרינה נאני וד&quot;ר קלאודיה Chiabrera מNBT-IIT לסיוע הטכני לנהלים לנתיחה וניתוק. המחקר שיוביל לתוצאות אלה קיבל מימון מתכנית המסגרת השביעית של האיחוד האירופי (ICT-FET FP7 / 2007-2013, FET צעיר סיירים תכנית) על פי הסכם מענק n ° BOW 284,772 המוח <a href="http://www.brainbowproject.eu">(www.brainbowproject.eu).</a> המחברים גם רוצים להודות לסילביה Chiappalone על עזרתה בהפקת הגרפיקה המשמשת במבוא.

1. הכנת עצבית תרבות על MEA <ol style=";text-align:right;direction:rtl"><li style=";text-align:right;direction:rtl"> פלייט תרבויות עצביות על שבבי MEA, כפי שתואר 29. התיאור של הליך דומה הוא גם סיפק 9 ובסעיף הדיון. </li><li style=";text-align:right;direction:rtl"> הפעל את מערכת חימום MEA על 5-10 דקות לפני תחילת ההקלטה כדי למזער את הלחץ התרמי חווה על ידי התאים: יעד טמפרטורה מוגדרת של בקר הטמפרטורה עד 37 מעלות צלזיוס ולעבור על צלחת החימום מתחת לMEA עצמו (בתנאי ברוב מסחרי מערכות MEA), ואם זמין, כיסוי מחומם כדי להפחית את האידוי באופן משמעותי. </li><li style=";text-align:right;direction:rtl"> לעקר כובעי גז חדיר לפני כל שימוש בחיטוי עם לח בחום (30 דקות, 130 מעלות צלזיוס). כדי למנוע אידוי ולמנוע שינויים בosmolarity, לשמור על התרבויות מכוסות בכובעים במהלך הקלטה. </li><li style=";text-align:right;direction:rtl"> מניחים את התרבות העצבית בדקות מגבר 30 לפני למעשה מתחיל את ההקלטה. הערה: כל שעליך לעשות נע התרבויות מincubator למגבר באופן משמעותי ישבש פעילות ספונטנית כלחצי שעה. במהלך תקופה זו, טמפרטורה בינונית התרבות תתייצב. </li><li style=";text-align:right;direction:rtl"> אם מעגל carbair זמין, להתחיל במחזור של carbair (CO 2 ו -95% O תערובת של 5% 2 + N 2) לניסויים יותר מכמה שעות: תרבויות תדרוש אותו על מנת לשמור על שני רמות החמצן וה- pH יציב. </li></ol> 2. בחירה של פרמטרי הקלטה לרכישת MEA <ol style=";text-align:right;direction:rtl"><li style=";text-align:right;direction:rtl"> רוחב פס של מסנן תוכנה בחר כדי לזהות קוצים (כלומר, פעילות Multi-Unit - mua) 30: בצורת RawDataDisplay סמן את תיבת הסימון &#39;300 kHz Hz-3 &quot;. </li><li style=";text-align:right;direction:rtl"> הפעל את הרכישה של נתונים: לחץ על הכפתור &quot;התחל&quot; בצורת RawDataDisplay. </li><li style=";text-align:right;direction:rtl"> רווח סף שנקבע לגילוי עלייה חדה בRawDataDisplay עד 7. הערה: בהתאם לסגולי / איזון סלקטיביות הרצוי ועל אומץ לזהותאלגוריתם יון, סף זה יכול להיות מוגדר בין 6 ל -10 פעמים סטיית התקן המחושבת. </li><li style=";text-align:right;direction:rtl"> הגדר זיכרון סף עד 2 שניות ולחץ על הכפתור &quot;הנעילה&quot; כאשר אין פעילות spiking גלויה בתצוגה (שני הפקודות הן בצורת RawDataDisplay). סמן את &#39;הערך SD מחציון&#39; כדי לחשב סטיית תקן רעש מהחציון של הערך המוחלט של האות נצפתה 31,32, אם זה קשה לספק חלונות זמן קצרים גם ללא להתחדד פעילות. הסר את הסימון מאפשרות זו לאחר הלחיצה על הכפתור &quot;הנעילה&quot;, כאלגוריתם הבסיסי הוא אינטנסיבי המחשוב ועלול לגרום למחשב לפגר. </li><li style=";text-align:right;direction:rtl"> הפעל שגרת זיהוי ספייק (תיבת הסימון &quot;ספייק איתור &#39;בצורת RawDataDisplay). אם זיהוי ספייק כבר פועל (כלומר, את תיבת הסימון כבר מסומנת), לבטל קוצים זוהו עד לרגע זה על ידי לחיצה על &quot;איפוס&quot; כפתור בצורת נתונים ההקלטה. </li></ol> 3. בחירה של אלקטרודות MEA כדי לעורר את החישוב עצבי תרבות ותגובת מפה <ol style=";text-align:right;direction:rtl"><li style=";text-align:right;direction:rtl"> פעילות ספונטנית שיא של התאים עצבי תרבית על MEA למשך 30 דקות: לשמור את הנתונים לקובץ על-ידי לחיצה על הכפתור &#39;שיא&#39;, בתיבה &quot;הקוצים&quot; של טופס DataRecording, לאחר הכמות הרצויה של זמן שחלף (30 דקות, במקרה זה). </li><li style=";text-align:right;direction:rtl"> זהה את 10 ערוצים הפעילים ביותר (כלומר, 10 ערוצים עם ספירת ספייק הגבוהה ביותר), ולאחר מכן בחר ערוצים אלה בכל אחת מפריסות MEA (או בקידוד, פענוח צורות או מפת חיבור) על ידי גרירת סמן העכבר מעל האזורים הרצויים. ברגע שהערוצים נבחרים, לחץ לחיצה ימנית בכל מקום בפריסת MEA ובחר &#39;הוסף לשמאל אזור חושי &quot;בתפריט המוקפץ: אלקטרודות אלה ישמשו כדי לספק גירוי חשמלי בשלב 3.5. </li><li style=";text-align:right;direction:rtl"> ודא שממריץ ומגבר MEA מחוברים כראוי: כל תצורות requזעם שני חוטים לכל ערוץ גירוי רצוי, בזמן שיידרשו כבלים קואקסיאליים נוספים כדי לשאת את אות התיאום (עיין במדריכים של המכשירים הספציפיים לדיאגרמות חיבור). המשך לאחר מכן להפוך את ממריץ ב. </li><li style=";text-align:right;direction:rtl"> להגדיר פרמטרים גירוי בצורת מפת חיבור. כל הגירויים מועברים לתרבות הם גלי מתח כיכר biphasic. קבע חצי משך זמן עד 300 μsec ומשרעת לעמ &#39;1.5 V 33. הערה: גירויים גדולים מספיק כדי לעורר באופן מהימן תגובות עצביות סבירה מאוד פשרה ההקלטה של ​​פעילות מאותם אתרים. בשאר הנייר, אלקטרודות המשמשות למתן גירוי לא צריכים להיות נבחרו להקלטה כל מידע רלוונטי. </li><li style=";text-align:right;direction:rtl"> שיא תגובה לגירוי: לחץ על הכפתור התחל בצורת ConnectionMap. סדרה של 30 גירויים, עם מרווח של 5 שניות הוא, בתורו, באופן אוטומטי מכל אחת מהאלקטרודות נבחרה, ואילו תגובות הן שיאאד מ-59 אלקטרודות שנותרו. </li><li style=";text-align:right;direction:rtl"> לחשב מפת חיבור (כלומר, את ההסתברות של התבוננות תגובת האלקטרודה בתוך חריץ זמן לאחר מסירה של גירוי מאלקטרודה שונה) עבור כל ערוץ גירוי באמצעות כל תוכנת מתמטיקה או SpyCode, יישום שפותח בעבר (וזמין באופן חופשי לפי בקשה) לבצע חישובים על נתונים עצביים 28. </li><li style=";text-align:right;direction:rtl"> ממפות החיבור, בחר אלקטרודות הטובות ביותר: למחוק את כל אלקטרודות הגירוי שלא לעורר תגובות (כלומר בחלון הזמן בעקבות גירוי, ירי שיעורים אינם גבוהים באופן משמעותי מאשר בירי ספונטני). <ol style=";text-align:right;direction:rtl"><li style=";text-align:right;direction:rtl"> בחר, בין אלקטרודות שנותרו, הזוג עם לפחות overleap בתגובות. במיוחד עבור כל אלקטרודה גירוי, לחשב את ספירת ספייק הממוצעת בכל אלקטרודה הקלטה, אז לחשב את ההבדל בין אלקטרודות מקבילה לכל זוגות אלקטרודות הגירוי. בחר את הזוג לwhich הסכום של ערכים מוחלטים של הבדלי תגובה על כל ערוצי ההקלטה הוא הגבוה ביותר. </li></ol></li><li style=";text-align:right;direction:rtl"> בחר באחת מאלקטרודות אלה קוד מידע חושי מהצד השמאלי של הרובוט, והשני לקוד קריאות מהצד הימני: על מנת לעשות זאת, גרור את סמן העכבר מעל אלקטרודה אחת, לחץ לחיצה ימנית על פריסת MEA לאחר מכן בחר &#39;הוסף לשמאל אזור חושי&#39; (או &#39;הוסף לאזור החושי תקין&#39;). </li></ol> 4. התממשקות התרבות העצבית עם הרובוט: בחירת הקידוד ופענוח ערכות <ol style=";text-align:right;direction:rtl"><li style=";text-align:right;direction:rtl"> בהגדרה &#39;קידוד&#39; סוג בצורת Coding לינארית. </li><li style=";text-align:right;direction:rtl"> להגדיר שיעורי גירוי מינימליים ומקסימאליים בצורת הקידוד. השתמש במגוון ברירת המחדל של 0.5-2 הרץ. </li><li style=";text-align:right;direction:rtl"> הגדר את הפרמטר &#39;להתעצבן&#39; בצורת הקידוד ל- 0. </li><li style=";text-align:right;direction:rtl"> הגדר את הפרמטרים אלגוריתם פענוח בטופס הפענוח (משקל ומקדם הכחדה) עד 1, לתרבות פעילה בצורה מתונה (~ ספייק 1 / sec לchannאל). הגדר זוג פרמטר חדש אם שיעורי ירי חזקים וכל הזמן לסטות מערך זה. ראה דיון לפונקציה של פרמטרים פענוח המדויק. </li><li style=";text-align:right;direction:rtl"> הגדר את אלגוריתם פענוח פרמטרים פרצו בטופס הפענוח. משקל מוגדר 0 (זמן דעיכה אז לא רלוונטי), אלא אם כן הבחנה בין קוצים והתפרצויות הוא הנושא של מחקר. הערה: הערכים הציעו בשלב 4.4 יפיקו תנועות רובוט חלקות ומהירויות תואמות עם זמני תגובת רובוט לתרבויות עיקריות עכברוש פעילים בצורה מתונה. יש הפרמטרים פרצו את אותו התפקיד בדיוק כמו אלה שמתוארים בשלב 4.4, אבל אירוע מפעילה הוא זיהוי של פרץ במקום ספייק: מהירות בפועל של כל גלגל היא פשוט הסכום של התרומות של קוצים ופרצים זוהו. </li></ol> 5. עיצוב של ניווט זירה לרובוט <ol style=";text-align:right;direction:rtl"><li style=";text-align:right;direction:rtl"> בצורת מעצב הזירה וירטואלית, לבחור בין חסום (גבולות הזירה גלויים לרובוט ואניmpassable) או ללא גבול (אם יציאות רובוט מצד אחד של הזירה, זה יהיה באופן מיידי להזין מחדש מהזירה מול אחד) ולהגדיר את גודל הזירה בפיקסלים. <ol style=";text-align:right;direction:rtl"><li style=";text-align:right;direction:rtl"> אל תשתמשו בזירות חסומות קטנות יותר מ -100 x 100 פיקסלים, על מנת לאפשר תנועה משמעותית. אל תשתמשו במכשולים עם רדיוס קטן יותר מ- 5 פיקסלים כפי שהם יכולים פשוט נופלים בין השורות לטווח ראייה של הרובוט. </li><li style=";text-align:right;direction:rtl"> זכור כי גדלי זירה גדולים מאוד עלולים לגרום לביצועי מחשב כדי לבזות: אם נדרש זירה גדולה, תוכנת בדיקת ביצועים עם הזירה הרצויה לפני שמתחיל קשה לניסויים חוזרים. </li></ol></li><li style=";text-align:right;direction:rtl"> הגדר רובוט נקודת התחלה באופן ידני (לחץ על הכפתור &#39;הבחירה ידנית&#39; בצורה וירטואלית מעצב זירה, לאחר מכן למיקום הרצוי) או על ידי ציון הקואורדינטות של הרובוט בניסוי יתחיל ב&#39;הרובוט החל מיקום &#39;שדות. </li><li style=";text-align:right;direction:rtl"> להוסיף כל מספר של מכשולים בלתי עבירים בזירה. כך או למקם אותם אדםually בזירה לאחר לחיצה על הכפתור &quot;הוסף מכשול ידני&quot; או טווח מספר והגודל מוגדר. </li><li style=";text-align:right;direction:rtl"> לחץ על הכפתור &quot;צור זירה&quot; כדי ליצור את הזירה עם התכונות שנבחרו. לא יחולו שינויים עד לחיצה על מקש זה. </li><li style=";text-align:right;direction:rtl"> שמור את הזירה תוכננה ולטעון את הקובץ היחסי, לפני השימוש בניסוי, עם לחצני פקודה בחלק התחתון של טופס מעצב הזירה הוירטואלי. </li></ol> 6. בחירה של אלקטרודות MEA לשיא עצבית פעילות מהתרבות <ol style=";text-align:right;direction:rtl"><li style=";text-align:right;direction:rtl"> בחר אלקטרודות הקלטה זמניות כמו אלה שבתגובות שונות, בשלב 3.8, נצפו: אלקטרודות שהראו תגובות גדולות יותר בעקבות גירוי מן האלקטרודה &quot;שמאל&quot; (או &quot;הזכות&quot;) תהווה &quot;שמאל&quot; (או &quot;נכון&quot;) אלקטרודות הקלטה. אין להשתמש באלקטרודות שלא הראו תגובות משמעותיות לאו אלקטרודה מגרה לשלוט הרובוט. From התפריט המוקפץ פריסת MEA, בחר &#39;הוסף לאזור מוטורי עזב&#39; (או &#39;הוסף לאזור המוטורי תקין&#39;) להגדיר אלקטרודות הקלטה. </li><li style=";text-align:right;direction:rtl"> תכונות בחרו להקליט בצורת מנהל ניסוי. בשלב זה, קוצים וחותמות זמן גירוי הם המידע הרלוונטי בלבד. </li><li style=";text-align:right;direction:rtl"> לבצע נסיעת מבחן 10 דקות: להתחיל את הרובוט המנוהל על ידי לחיצה על הכפתור התחל ניסוי בצורת מנהל הניסוי, לחץ עליו שוב אחרי 10 דקות שחלפו. הערה: ברגע שהוגדרו כל הפרמטרים (קידוד ופענוח, זירת רובוט, גירוי והקלטת אלקטרודות, כולל לשיא), שם קובץ מבחר יבקש שם קבצים מוקלטים ויעד, ואז הרובוט מתחילה לנוע בזירה שלו, על פי הכללים המוגדרים. את כל התכונות שנבחרו נשמרות באופן אוטומטי בזמן אמת. </li><li style=";text-align:right;direction:rtl"> חזור על שלבים 3.6 ו -6.1 בנתונים שנרכשו בשלב 6.3, על מנת לבחור אלקטרודות הקלטה מהנתונים שנאספו במהלך ריצת רובוט בפועל (ראה Discussion לרציונל של גישת שני שלבים). </li></ol> 7. ביצוע ניסוי נוירו-רובוטית <ol style=";text-align:right;direction:rtl"><li style=";text-align:right;direction:rtl"> בחר במנהל הניסוי מהווה את הנתונים שיירשמו: סמן את ספייק, הרובוט ותיבות סימון גירויים נתונים. </li><li style=";text-align:right;direction:rtl"> הפעל ריצת רובוט ללמוד מראש: לחץ על הכפתור &#39;התחל ניסוי &quot;בצורת מנהל ניסוי. בחר שמות קבצים חדשים לקבצי נתונים כאשר תתבקשו לעשות זאת. כאשר 30 דקות חלפו, לחץ על הכפתור &#39;התחל ניסוי &quot;שוב כדי לעצור את ריצת הרובוט. </li><li style=";text-align:right;direction:rtl"> לעבור על פרוטוקול הלמידה (לסמן &#39;לספק Tetanic גירוי אחרי הלהיט &quot;תיבת הסימון בצורת מנהל הניסוי) ולבצע את ריצת רובוט אימון, באותו האורך כמו השלב טרום אימון (כלומר, 30 דקות). זכור שמות קבצי קלט שונה כאשר תתבקשו לעשות זאת, כדי למנוע דריסת נתונים מצעד 7.2. </li><li style=";text-align:right;direction:rtl"> כבה את פרוטוקול הלמידה שוב (ביטול סימון בתיבת הסימון &quot;אחרי הלהיט לספק Tetanic גירוי &#39;) ולבצע את ריצת רובוט למידה-פוסט. שוב, זכור לשנות שמות קבצים כדי למנוע דריסה. </li></ol> חישוב 8. שנית תגובת מפה <ol style=";text-align:right;direction:rtl"><li style=";text-align:right;direction:rtl"> חזור על שלבים 3.1-3.6. נתוני שימוש מהקלטות אלה כדי לבדוק אם כל שינויים שנגרמים גם בדפוסי הפעילות ספונטניים או שמעוררים את הפרוטוקול למידה. </li></ol>

<ol>
	<li>Fetz, E. E. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Volitional+control+of+neural+activity:+implications+for+brain&#8211;computer+interfaces.">Volitional control of neural activity: implications for brain&#8211;computer interfaces.</a> The Journal of Physiology. 579 (3), 571-579 (2007).</li><li>Carmena, J. M., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Learning+to+control+a+brain&#8211;machine+interface+for+reaching+and+grasping+by+primates.">Learning to control a brain&#8211;machine interface for reaching and grasping by primates.</a> PLoS Biology. 1 (2), e42 (2003).</li><li>Azin, M., Guggenmos, D. J., Barbay, S., Nudo, R. J., Mohseni, P. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=A+miniaturized+system+for+spike-triggered+intracortical+microstimulation+in+an+ambulatory+rat.">A miniaturized system for spike-triggered intracortical microstimulation in an ambulatory rat.</a> Biomedical Engineering, IEEE Transactions on. 58 (9), 2589-2597 (2011).</li><li>Angotzi, G. N., Boi, F., Zordan, S., Bonfanti, A., Vato, A. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=A+programmable+closed-loop+recording+and+stimulating+wireless+system+for+behaving+small+laboratory+animals.">A programmable closed-loop recording and stimulating wireless system for behaving small laboratory animals.</a> Scientific Reports. 4, (2014).</li><li>Maher, M., Pine, J., Wright, J., Tai, Y. -. C. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=The+neurochip:+a+new+multielectrode+device+for+stimulating+and+recording+from+cultured+neurons.">The neurochip: a new multielectrode device for stimulating and recording from cultured neurons.</a> Journal of Neuroscience. 87 (1), 45-56 (1999).</li><li>Olsson, R. H., Buhl, D. L., Sirota, A. M., Buzsaki, G., Wise, K. D. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Band-tunable+and+multiplexed+integrated+circuits+for+simultaneous+recording+and+stimulation+with+microelectrode+arrays.">Band-tunable and multiplexed integrated circuits for simultaneous recording and stimulation with microelectrode arrays.</a> Biomedical Engineering, IEEE Transactions on. 52 (7), 1303-1311 (2005).</li><li>Zanos, S., Richardson, A. G., Shupe, L., Miles, F. P., Fetz, E. E. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=The+Neurochip-2:+an+autonomous+head-fixed+computer+for+recording+and+stimulating+in+freely+behaving+monkeys.">The Neurochip-2: an autonomous head-fixed computer for recording and stimulating in freely behaving monkeys.</a> Neural Systems and Rehabilitation Engineering. IEEE Transactions on. 19 (4), 427-435 (2011).</li><li>Reger, B. D., Fleming, K. M., Sanguineti, V., Alford, S., Mussa-Ivaldi, F. A. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Connecting+brains+to+robots:+an+artificial+body+for+studying+the+computational+properties+of+neural+tissues.">Connecting brains to robots: an artificial body for studying the computational properties of neural tissues.</a> Artificial Life. 6 (4), 307-324 (2000).</li><li>Hales, C. M., Roston, J. D., Potter, S. M. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=How+to+culture,+record+and+stimulate+neuronal+networks+on+micro-electrode+arrays+(MEAs).">How to culture, record and stimulate neuronal networks on micro-electrode arrays (MEAs).</a> Journal of Visualized Experiments. (39), 2056 (2010).</li><li>Gross, G., Rieske, E., Kreutzberg, G., Meyer, A. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=A+new+fixed-array+multi-microelectrode+system+designed+for+long-term+monitoring+of+extracellular+single+unit+neuronal+activity+in+vitro.">A new fixed-array multi-microelectrode system designed for long-term monitoring of extracellular single unit neuronal activity in vitro.</a> Neurosci Lett. 6 (2), 101-105 (1977).</li><li>Potter, S. M., DeMarse, T. B. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=A+new+approach+to+neural+cell+culture+for+long-term+studies.">A new approach to neural cell culture for long-term studies.</a> Journal of Neuroscience Methods. 110 (1), 17-24 (2001).</li><li>le Feber, J., Stegenga, J., Rutten, W. L. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=The+effect+of+slow+electrical+stimuli+to+achieve+learning+in+cultured+networks+of+rat+cortical+neurons.">The effect of slow electrical stimuli to achieve learning in cultured networks of rat cortical neurons.</a> PLoS One. 5 (1), e8871 (2010).</li><li>Marom, S., Shahaf, G. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Development+learning+and+memory+in+large+random+networks+of+cortical+neurons:+lessons+beyond+anatomy.">Development learning and memory in large random networks of cortical neurons: lessons beyond anatomy.</a> Quarterly reviews of biophysics. 35 (1), 63-87 (2002).</li><li>Shahaf, G., Marom, S. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Learning+in+networks+of+cortical+neurons.">Learning in networks of cortical neurons.</a> The Journal of Neuroscience. 21 (22), 8782-8788 (2001).</li><li>Pelt, J., Vajda, I., Wolters, P. S., Corner, M. A., Ramakers, G. J. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Dynamics+and+plasticity+in+developing+neuronal+networks+in+vitro.">Dynamics and plasticity in developing neuronal networks in vitro.</a> Progress in Brain Research. 147, 171-188 (2005).</li><li>Chiappalone, M., Bove, M., Vato, A., Tedesco, M., Martinoia, S. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Dissociated+cortical+networks+show+spontaneously+correlated+activity+patterns+during+in+vitro+development.">Dissociated cortical networks show spontaneously correlated activity patterns during in vitro development.</a> Brain Research. 1093 (1), 41-53 (2006).</li><li>Tateno, T., Jimbo, Y., Robinson, H. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Spatio-temporal+cholinergic+modulation+in+cultured+networks+of+rat+cortical+neurons:+spontaneous+activity.">Spatio-temporal cholinergic modulation in cultured networks of rat cortical neurons: spontaneous activity.</a> Neuroscience. 134 (2), 425-437 (2005).</li><li>Masquelier, T., Deco, G. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Network+bursting+dynamics+in+excitatory+cortical+neuron+cultures+results+from+the+combination+of+different+adaptive+mechanism.">Network bursting dynamics in excitatory cortical neuron cultures results from the combination of different adaptive mechanism.</a> PLoS One. 8 (10), e75824 (2013).</li><li>Wagenaar, D. A., Madhavan, R., Pine, J., Potter, S. M. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Controlling+bursting+in+cortical+cultures+with+closed-loop+multi-electrode+stimulation.">Controlling bursting in cortical cultures with closed-loop multi-electrode stimulation.</a> The Journal of Neuroscience. 25 (3), 680-688 (2005).</li><li>Martinoia, S., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Towards+an+embodied+in+vitro+electrophysiology:+the+NeuroBIT+project.">Towards an embodied in vitro electrophysiology: the NeuroBIT project.</a> Neurocomputing. 58-60, 1065-1072 (2004).</li><li>Mussa-Ivaldi, F. A., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=New+perspectives+on+the+dialogue+between+brains+and+machines.">New perspectives on the dialogue between brains and machines.</a> Frontiers in Neuroscience. 4 (1), 44 (2010).</li><li>Warwick, K., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Controlling+a+Mobile+Robot+with+a+Biological+Brain.">Controlling a Mobile Robot with a Biological Brain.</a> Defence Science Journal. 60 (1), (2010).</li><li>Kudoh, S. N., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Vitroid&#8211;the+robot+system+with+an+interface+between+a+living+neuronal+network+and+outer+world.">Vitroid&#8211;the robot system with an interface between a living neuronal network and outer world.</a> International Journal of Mechatronics and Manufacturing Systems. 4 (2), 135-149 (2011).</li><li>Jimbo, Y., Tateno, T., Robinson, H. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Simultaneous+induction+of+pathway-specific+potentiation+and+depression+in+networks+of+cortical+neurons.">Simultaneous induction of pathway-specific potentiation and depression in networks of cortical neurons.</a> Biophysical Journal. 76 (2), 670-678 (1999).</li><li>Chiappalone, M., Massobrio, P., Martinoia, S. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Network+plasticity+in+cortical+assemblies.">Network plasticity in cortical assemblies.</a> European Journal of Neuroscience. 28 (1), 221-237 (2008).</li><li>Mulas, M., Massobrio, P., Martinoia, S., Chiappalone, M. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=A+simulated+neuro-robotic+environment+for+bi-directional+closed-loop+experiments.">A simulated neuro-robotic environment for bi-directional closed-loop experiments.</a> Paladyn. 1 (3), 179-186 (2010).</li><li>Novellino, A., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Connecting+neurons+to+a+mobile+robot:+an+in+vitro+bidirectional+neural+interface.">Connecting neurons to a mobile robot: an in vitro bidirectional neural interface.</a> Computational Intelligence and Neuroscience. 2007 (12725), 1-13 (2007).</li><li>Bologna, L. L., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Investigating+neuronal+activity+by+SPYCODE+multichannel+data+analyzer.">Investigating neuronal activity by SPYCODE multichannel data analyzer.</a> Neural Networks. 23 (6), 685-697 (2010).</li><li>Frega, M., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Cortical+cultures+coupled+to+micro-electrode+arrays:+a+novel+approach+to+perform+in+vitro+excitotoxicity+testing.">Cortical cultures coupled to micro-electrode arrays: a novel approach to perform in vitro excitotoxicity testing.</a> Neurotoxicology and Teratology. 34 (1), 116-127 (2012).</li><li>Quian Quiroga, R., Panzeri, S. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Extracting+information+from+neuronal+populations:+information+theory+and+decoding+approaches.">Extracting information from neuronal populations: information theory and decoding approaches.</a> Nature Reviews Neuroscience. 10 (3), 173-185 (2009).</li><li>Donoho, D. L., Johnstone, J. M. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Ideal+spatial+adaptation+by+wavelet+shrinkage.">Ideal spatial adaptation by wavelet shrinkage.</a> Biometrika. 81 (3), 425-455 (1994).</li><li>Martinez, J., Pedreira, C., Ison, M. J., Quian Quiroga, R. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Realistic+simulation+of+extracellular+recordings.">Realistic simulation of extracellular recordings.</a> Journal of neuroscience methods. 184 (2), 285-293 (2009).</li><li>Wagenaar, D. A., Pine, J., Potter, S. M. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Effective+parameters+for+stimulation+of+dissociated+cultures+using+multi-electrode+arrays.">Effective parameters for stimulation of dissociated cultures using multi-electrode arrays.</a> Journal of Neuroscience Methods. 138 (1-2), 27-37 (2004).</li><li>Tessadori, J., Mulas, M., Martinoia, S., Chiappalone, M. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=.">.</a> Biomedical Robotics and Biomechatronics (BioRob), 2012 4th IEEE RAS &amp; EMBS International Conference on. , 332-337 (2012).</li><li>Tessadori, J., Bisio, M., Martinoia, S., Chiappalone, M. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Modular+neuronal+assemblies+embodied+in+a+closed-loop+environment:+toward+future+integration+of+brains+and+machines.">Modular neuronal assemblies embodied in a closed-loop environment: toward future integration of brains and machines.</a> Frontiers in Neural Circuits. 6, (2012).</li><li>Tessadori, J., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Neural+Engineering+(NER).">Neural Engineering (NER).</a> , 899-902 (2013).</li><li>Colombi, I., Mahajani, S., Frega, M., Gasparini, L., Chiappalone, M. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Effects+of+antiepileptic+drugs+on+hippocampal+neurons+coupled+to+micro-electrode+arrays.">Effects of antiepileptic drugs on hippocampal neurons coupled to micro-electrode arrays.</a> Frontiers in Neuroengineering. 6, 10 (2013).</li><li>Gal, A., Marom, S. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Entrainment+of+the+intrinsic+dynamics+of+single+isolated+neurons+by+natural-like+input.">Entrainment of the intrinsic dynamics of single isolated neurons by natural-like input.</a> Journal of Neuroscience. 33 (18), 7912-7918 (2013).</li><li>Mainen, Z. F., Sejnowski, T. J. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Reliability+of+spike+timing+in+neocortical+neurons.">Reliability of spike timing in neocortical neurons.</a> Science. 268 (5216), 1503-1506 (1995).</li><li>Maccione, A., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=A+novel+algorithm+for+precise+identification+of+spikes+in+extracellularly+recorded+neuronal+signals.">A novel algorithm for precise identification of spikes in extracellularly recorded neuronal signals.</a> Journal of neuroscience methods. 177 (1), 241-249 (2009).</li><li>DeMarse, T. B., Wagenaar, D. A., Blau, A. W., Potter, S. M. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=The+neurally+controlled+animat:+biological+brains+acting+with+simulated+bodies.">The neurally controlled animat: biological brains acting with simulated bodies.</a> Autonomous Robots. 11 (3), 305-310 (1023).</li><li>Bakkum, D. J., Chao, Z. C., Potter, S. M. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Spatio-temporal+electrical+stimuli+shape+behavior+of+an+embodied+cortical+network+in+a+goal-directed+learning+task.">Spatio-temporal electrical stimuli shape behavior of an embodied cortical network in a goal-directed learning task.</a> Journal of Neural Engineering. 5 (3), 310-323 (2008).</li><li>Truccolo, W., Hochberg, L. R., Donoghue, J. P. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Collective+dynamics+in+huma+and+monkey+sensorimotor+cortex:+predicting+single+neuron+spikes.">Collective dynamics in huma and monkey sensorimotor cortex: predicting single neuron spikes.</a> Nature Neuroscience. 13 (1), 105-111 (2010).</li></ol>

The authors declare they have no competing financial interests.

במאמר זה ארכיטקטורת נוירו-רובוטית המבוססת על בקר עצבי (כלומר, רשת של תאי עצב המגיעים מקליפת המוח או ההיפוקמפוס של חולדות עובריים), מחוברת דו directionally לרובוט וירטואלי, מוצג. הרובוט, שבו יש חיישנים וגלגלים, הוא נאלץ לעבור בזירת סטטי עם מכשולים ומשימותיה מורכבת מהימנעות התנגשויות. ההיבט הראשון, ואולי הקריטי ביותר של ההליך המתואר הוא ההכנה של התרבויות עצמם, כפי ששיעור הכישלון נוטה להיות משמעותי גם במיטב תנאים טכניים. תיאור מפורט של culturing טכניקות, לעומת זאת, מחוץ להיקף העבודה הנוכחית. כקו מנחה כללי, הקלטות צריכה להתרחש כאשר קצב ירי הרשת מגיע לרמה יציבה, בדרך כלל לאחר 3 שבועות במבחנה. אינדיקציה גסה של תרבויות בריאים היא הנוכחות של פעילות אלקטרו הספונטנית בכמה chann הקלטהאלס (לפחות 20 ערוצים מעל 60 זמינים). תרבויות אלה מתאפיינות ברמה גבוהה של קישוריות בין-עצבית. בתנאים כאלה, פעילות עצבית בדרך כלל הופכת חזקה מסונכרנת, ולעתים, הוא מציג אירועי epileptiform, עם spiking האינטנסיבי ואחרי דקות ארוכות-תקופות שקטות 37. שתי תכונות אלו מהוות בעיה: סנכרון מוגזם יעשה את זה אי אפשר להבחין תגובות לגירויים מאלקטרודות שונות, בעוד תרבויות מציגות פעילות epileptiform תגיב לגירוי הראשון מוצג עם התפרצות ארוכה של פעילות, ואחרי תקופה שקטה, ללא קשר ל כל גירוי רצוף נמסר. שני נושאים אלה יכולים להשתפר במידה רבה מהתעסוקה של תרבויות בדוגמת 35, שבו האוכלוסייה העצבית מחולקת לשתיים או יותר בחולשה תת-קבוצות מקושרות. בעיה נוספת היא שתגובות עצביות מאוד תלויות על חלוקת Stimul הנכנסאני 38,39. בניסוי לולאה סגורה, הגירוי מועבר היא פונקציה של קריאות החיישן, אשר, בתורו, הן תוצאה של תנועת הרובוט ולכן של התגובות העצביות עצמם. משמעות הדבר הוא כי אין דרך קלה של ההקמה מראש מה יהיה תגובות שנצפו במהלך הניסוי בפועל. כתוצאה מכך, הבחירה של אלקטרודות קלט-פלט חייבת לסמוך על קירובים רצופים. בפרוטוקול המתואר, תהליך בן שני שלבים (כלומר, על השלבים 5.5 ו -6.4) מיושם כדי לנסות לקבוע מפת חיבור. בשלב הראשון, רצף קבוע של גירויים מועבר ותגובות לגירויים כאלה המשמשים לחישוב מפת חיבור ראשונה וסט זמני של ערוצי הקלטה. תצורה זו משמשת אז לבצע נסיעת המבחן מתוארת בשלב 6.4 ובחר את ערוצי ההקלטה שיהיה פיקוח במהלך הניסוי בפועל. בסעיף התוצאות, מיל ניווט נציגult והשיפורים המיידיים הביאו על ידי כניסתה של פרדיגמה למידה מוצגים. לאורך כל תיאור הפרוטוקול, כמה גרסאות ניסיוניות אפשריות אחרות מוזכרות. לדוגמא, שתי מערכות העיקריות הקידוד מיושמות בHyBrainWare2 (ליניארי וסטוכסטיים) שבו פותחו כדי לחקור את תפקידו המדויק של השתנות קלט זמנית על הקוד העצבי 38. במקרה ליניארית, שיעור גירוי מיידי הוא פונקציה של פרמטרים המוגדר על ידי משתמש והקלטות חיישני רובוט. במקרה סטוכסטיים, יש כל מופע זמן הסתברות נתונה להיבחר כדי לספק גירוי. הסתברות כזו מחושבת באופן אוטומטי על ידי HyBrainWare2 כך ששיעורי הגירוי הצפויים להתאים לזה של המקרה הקודם. האפשרות להוסיף להתעצבן לקידוד ליניארי מספק מעבר חלק בין שני המקרים שתוארו לעיל. באותו אופן, לחקור שילובים שונים של פרמטרים בסעיף הפענוח עשוי לעזור לשפוך אור על preciתפקיד se של מתפרץ במבחנת רשתות עצביות. מהירותו של כל גלגל של הרובוט מגדילה באופן יחסי לפרמטר המשקל בכל פעם שאירוע הוא זוהה באזור הפלט המתאים, ואילו מקדם ההכחדה מציינת כמה זמן, בשניות, אחת התרומות לוקח לאבד 50% מערכו . הריקבון הוא פשוט מעריכי. גרסאות אלה שכבר נלקחו בחשבון בעיצוב הנוכחי של HyBrainWare2, אבל יותר אפשרויות מחקר רבות פתוחות אם יכולים להיות הציגו שינויים נוספים בתוכנה או התקנה ניסיונית. הגבלה משמעותית למדי של הפרוטוקול שתואר כאן היא הדרישה של התוכנה שפותחה המותאמת אישית, HyBrainWare2 (זמינה באופן חופשי על פי בקשה לכל המשתמשים המעוניינים). תוכנה זו תוכננה עבור קבוצה של התקנים (ממריץ, רכישת לוח, מגבר MEA) של מודל ויצרן ספציפי. למרות שזה אכן אפשרי כדי להתאים אותה לעבודה בdisetups fferent, ההמרה תיקח קצת מיומנות תכנות. בדומה לכך, האופציה הכלולה לכסות סט מוגבל של כל השאלות הניסיוניות שיכול להיחקר באמצעות התקנה כזו. לדוגמא, אלגוריתם זיהוי ספייק מיושם בארכיטקטורה הוצגה (זיהוי ספייק זמן מדויק 40) מוגדר לחלוטין על ידי מספר פרמטרים בקידוד קשיח שצריכים להיות שונה אם הנושא של רישום הוא שונה מאוד מרשתות עצביות ניתקו (למשל, תאי לב או פרוסות). לבסוף, פרוטוקול הלמידה מורכב מהמסירה קצרה בתדירות גבוהה, (2 שניות של 20 גירוי Hz, דופק בכל גירוי זהה לאלו המשמשים לקוד חושי מידע) גירוי לאחר כל מכת מכשול. אם הרובוט פוגע מכשול עם הצד הימני שלה, גירוי tetanic מועבר לאלקטרודה, כי בדרך כלל קודים לצד מידע נכון והדבר נכון גם עבור צד להיטי שמאל. פרוטוקול זה הוא בקידוד קשיח ולא יכול בדואר השתנה על ידי המשתמש מבלי לשנות תוכנת יציאה. למרות שהעיצוב שהוצג כאן היא לא המערכת שלבשה הגוף הראשונה לניסויים היברידיים, לולאה סגורה 20,23,27,41,42, אלה שנועדו בעבר התמקדו בתזה אחת נתמכת על ידי נתונים ממספר מצומצם של הכנות מקבילות . מצד השני, ההתקנה המתוארת הייתה בשימוש כבר מספר רב של ניסויים (יותר מ -100 תרבויות נרשמו מאז 2012) בהכנות שונות למודולריות ומוצא, ואילו הניסויים עצמם עסקו בנושאים שונים (לדוגמא: השפעה של גירוי tetanic ו רלוונטי של התפוצצות, כפי שהוצג בתוצאות). בעתיד הקרוב, הפעלות ניסיוניות חדשות צפויות כדי לאמת את ההשפעות הארוכות הטווח של שני גירוי tetanic ולולאה סגורה ומערכת היחסים בין סדירות גירוי ונצפו תגובות. נושא נוסף שיש לדון בה הוא הקשר בין פעילות הספונטנית ונצפית, עםהרעיון של הוספת אלגוריתם פענוח חדש שלוקח בחשבון את ההיסטוריה של פעילות וגירוי 43 האחרונים.

תכונות של תפקוד מוח רבות בלתי אפשריות כיום לשכפל במערכת מלאכותית. יכולתו של המוח לעבד במהירות מידע חושי מורכב וליצור, בתגובה, פקודות מוטוריות מדויקות היא בעצמו כבר מעבר ל- the-art המדינה של הנוכחי. אבל יכולתה להסתגל לתנאים שונים על ידי למידה מניסיון העבר עושה את זה כל כך עדיף בהרבה על מערכות בקרה שפותח אנושיות. עד כה, ניסיונות לשכפל או לנצל פלסטיות זו נפגשה הצלחה קטנה, וההבנה של המנגנון הפנימי של המוח חמקה האחיזה של חוקרים. אחד הנושאים העיקריים תוך חוקר את הקשר בין המוח וההתנהגות היא חוסר היכולת לגשת כראוי את כל המשתנים במערכת: באופן אידיאלי, התקנה ניסיונית אופטימלית תאפשר הקלטה וגירוי בו זמנית למספר גדול של תאי עצב, יציבות לטווח ארוך , ניטור של עמדות סינפסות ומשקולות, ודו-directio שליטהאינטראקציה סופית עם הסביבה. הקושי במעקב אחר כל אלה משתנים בו זמנית הוביל למחקר של קשר המוח-ההתנהגות בשני סולמות שונים מאוד: או עם התנהגות בעלי חיים, ללא בקרה טובה על תנאי ניסוי 1-7 או עם חלקים קטנים, מבודדים, כגון חלקים מ רקמה עצבית, ללא ראייה כוללת של מערכת 8. במקרה האחרון, בזמן שאין הגדרת ניסוי פיתחה מאפשרת ניטור של כל הפרמטרים המעורבים בפעולתו של אף רשת עצבית פשוטה המלא, trade-off טוב מסופק על ידי נוירונים ניתק גדלו עם מיקרו-אלקטרודה מערכי 9 (MEAs). התקנים אלה, שנולדו בסוף שנתי ה -70 10, יש לי מספר יתרונות על פני שיטות מסורתיות אלקטרופיזיולוגיה: ראשית, האפשרות להקלטה וגירוי רשת עצבית במקומות רבים ושונים בו-זמנית (בדרך כלל 60 אלקטרודות). יתר על כן, הצימוד של MEAs עם תאים הוא כמעט בלתי פולשנית, המאפשר התבוננות באותה הרשת לפרקי זמן ארוכים, עד מספר חודשים 11. ההשפעות הפיזיולוגיות של גירוי חשמלי בתרבויות ניתקו נחקרו רבות הודות למכשירים אלה, חושפים כי נכסים רבים שנצפו בקני מידה גבוהות יותר (כגון, למשל, גמישות וזיכרון פשוט מעבד 12-14) השתמרו למרות האובדן של אדריכלות. במהלך צמיחת התרבות, רשתות אלה יתחילו להראות פעילות ספונטנית בכ -7 ימים במבחנה (DIV) 15,16. פעילות רשת נוטה להשתנות באופן קיצוני עם המשך צמיחה; ראשון כקוצים בודדים לאסוף לפרצים (לקראת סוף השבוע השני) 17, מאוחר יותר כפי שהוא הופך לדפוס מורכב ביותר של מסונכרן רשת, שאינה תקופתית פורץ 18, המייצג את המדינה הבוגרת של רשת. זה כבר הציע 19 שהתנהגות סינכרוני זה, דומה במקצת לזה שנצפה בשיא in vivoציורים על בעלי חיים ישנים, נגרמים על ידי חוסר הקלט חושי. גישה שונה ניסתה להשיג הבנה טובה יותר של קידוד מידע נלקחת על ידי ביצוע ניסויים בלולאה סגורה, שבו סוגים שונים של אותות משמשים לשליטה על הגירוי של העצבית הרשת עצמה 11,20-23. בניסויים אלה, סוכן חיצוני מסוגל אינטראקציה עם הסביבה נעשה שימוש כדי ליצור מידע חושי המוזן לרשת העצבית, אשר, בתורו, המיוצרת על פקודות מוטוריות למנגנון מפעיל. זה אפשר תצפיות של כמה תכונות דינמיות וגמישות של מערכות עצביות התפתחו בתגובה לשינויים הנגרמים בסביבה. התקנה לבצע &#39;גלומה נוירופיזיולוגיה&#39; ניסויים פותחו, שבו פלטפורמת גלגלי חיישן (רובוט פיזי או המודל הווירטואלי שלה) נע על בזירה ופרופילי המהירות שלו נקבעים על ידי הפעילות של נוירוניםמערכת (כלומר, אוכלוסייה של נוירונים בתרבית חולדה על MEA). הרובוט מאופיין בפרופילי המהירות של שני הגלגלים שלה באופן עצמאי בשליטה ועל ידי הקריאה הנוכחית של חיישני המרחק. הטבע של חיישני המרחק המדויק אינו רלוונטי; הם עשויים להיות אקטיביים או פסיביים חיישנים אופטיים או חיישני אולטרא-סאונד. ברור, נושא זה אינו חל במקרה של רובוטים וירטואליים, שבו חיישנים עשויים להיות מתוכננים עם כל תכונה רצויה. בניסויים שתוארו במסמך זה, הרובוט המשמש הוא תמיד היישום הווירטואלי, עם 6 חיישני מרחק מצביעים על 30 מעלות, 60 מעלות ו -90 מעלות מהרובוט הולך בשני הכיוונים. הפעילות של שלושה חיישני שמאל וימין היא בממוצע והפעילות של התרבות הביולוגית היא מונעת על ידי המידע שנאסף על ידי &quot;סופר-חיישנים &#39;כזה (שפשוט יהיה מכונים&quot; שמאל &quot;וחיישנים&quot; נכון &quot;במנוחה על עבודה זו). פרוטוcol תאר בפועל עשוי להיות מיושם על הרובוט הפיזי עם התאמות קיקיוניות למדי. המידע שנאסף על ידי הרובוט (בין אם פיזי או וירטואלי) מקודד בסדרה של גירויים המשמשים כדי לתפעל את הפעילות של הרשת העצבית הביולוגית, אשר מופרדת מבחינה פיזית על ידי הרובוט. הגירויים עצמם כולם זהים ולכן אינו קוד כל מידע. מה שרלוונטי הוא התדר שלהם: העלאות ריבית גירוי כאשר הרובוט מתקרב מכשול, עם אתרים שונים משלוח קידוד מידע חושי מ&#39;העיניים &#39;שמאל וימין של הרובוט. הרשת העצבית תציג תגובות שונות לרכבת הנכנסת של גירויים: המשימה של אלגוריתם הפענוח היא לתרגם את פעילות רשת וכתוצאה מכך לפקודות המשמשות לשליטה הגלגלים של הרובוט. בהתחשב בהתנהגות רשת &#39;מושלמת&#39; (כלומר, עם אמין ולגמרי מופרדים תגובות לגירויים מאלקטרודות שונות), זה היה Result ברובוט נהיגה בזירה שלה מבלי להכות כל מכשולים. רוב הרשתות נוכחי התנהגות שונות מאוד מאידיאלית, ולכן פרוטוקול למידה פשוט הוא הציג: גירוי כאשר מופעל, tetanic (התקפים קצרים של גירוי בתדר גבוה, 20 הרץ לגירוי 2 שניות, בהשראת הפרוטוקולים המתוארים ב24,25) הבאים התנגשות עם מכשול מועברת. אם תוצאות גירוי tetanic בחיזוק מקומי של קישוריות לרשת, זה יגרמו לעלייה הדרגתית ביכולות הניווט של הרובוט. HyBrainWare2, גרסה משופרת של התוכנה המותאמת אישית שפורסמה ב -26, היא ארכיטקטורת הליבה שפותחה לטיפול בשליטה של ההתקנים השונים של המערכת (ממריץ, רכישת נתונים, עיבוד והדמיה, תקשורת רובוט או סימולציה). תוכנה זו פותחה במעבדה שלנו, והוא זמין באופן חופשי על פי בקשה. תוכנה זו מספקת ממשק עםלוח רכישת נתונים: לאחר שהמשתמש מתחיל רכישת נתונים מGUI, התוכנה שולטת בלוח הרכישה להתחיל הדגימה והמרת A / D של נתונים המגיעים מאלקטרודות ההקלטה. נתונים אלה לאחר מכן ניתן להקליט, מוצגים מסך או מנותח בזמן אמת כדי לזהות קוצים, בהתאם לאפשרויות שנקבעו על ידי המשתמש (ראה סעיף נוהל לפרטים נוספים). יתר על כן, בתוך התוכנה, יש לציין אלגוריתמי ההגדרה של קידוד (תרגום של מידע חושי לגירוי חשמלי) ופענוח (תרגום של פעילות מוקלטת לפקודות מוטוריות לרובוט). בפרט, ההגדרה שלנו היא יחסית ידידותי למשתמש בהשוואה למערכות דומות שנועדו בעבר 27, מאז ניתן לגשת כמעט לכל המשתנים על ידי המשתמש נכון לפני תחילת הניסוי בפועל, ואילו את כל המידע המוקלט נשמר באופן אוטומטי בתבנית תואמת ל ארגז כלים לניתוח נתונים עצביים 28. סעיף ההליך הבא מתאר ניסוי למידה על תרבויות בהיפוקמפוס חולדה ניתק: כל culturing והפרמטרים ניסיוניים ניתנים להכנה המסוימת הזה וייתכן שיהיה הצורך לשנות אם מצע ביולוגי שונה הוא לשמש. בדומה לכך, הניסוי המתואר מנצל את ארכיטקטורת הלולאה הסגורה כדי לחקור את השפעת הלמידה של גירוי tetanic, אבל הארכיטקטורה עצמו היא גמישה מספיק כדי לשמש במחקר של תכונות שונות של רשתות עצביות ניתקו. גרסאות עיקריות של הניסוי המוצע מוסברות בהרחבה בסעיף הדיון.

<table border="0" cellpadding="0" cellspacing="0" width="476">
	<tbody>
		<tr height="21">
			<td height="21" style="height:21px;width:247px;">Name of Reagent/Material</td>
			<td style="width:229px;">Company</td>
		</tr>
		<tr height="22">
			<td height="22" style="height:22px;width:247px;">Stimulus Generator 4002</td>
			<td style="width:229px;">Multi Channel Systems</td>
		</tr>
		<tr height="22">
			<td height="22" style="height:22px;width:247px;">MEA1060-Inv-BC</td>
			<td style="width:229px;">Multi Channel Systems</td>
		</tr>
		<tr height="22">
			<td height="22" style="height:22px;width:247px;">TC02</td>
			<td style="width:229px;">Multi Channel Systems</td>
		</tr>
		<tr height="22">
			<td height="22" style="height:22px;width:247px;">NI 6255 Acquisition Card</td>
			<td style="width:229px;">National Instruments</td>
		</tr>
		<tr height="22">
			<td height="22" style="height:22px;width:247px;">Microsoft Visual Studio 2008</td>
			<td style="width:229px;">Microsoft</td>
		</tr>
		<tr height="42">
			<td height="42" style="height:42px;width:247px;">2078P Multichannel System-National Instruments adapter board</td>
			<td style="width:229px;">Developed at University of Genova (Italy)</td>
		</tr>
		<tr height="22">
			<td height="22" style="height:22px;width:247px;">Matlab 2010</td>
			<td style="width:229px;">Mathworks</td>
		</tr>
	</tbody>
</table>

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.

המסגרת הניסיונית שפותחה אפשרה לבדיקה האם חילופי המידע בין תרבות של תאי עצב והמימוש הווירטואלי של רובוט פיזי אפשרי 34. איור 1 מציג מספר דוגמאות של נתיבים שהושגו נסעו ברובוט וירטואלי ב -20 ניסויי דקות בתנאים שונים : משמאל לימין ניסוי מתאים לולאה סגורה, ניסוי הרובוט &#39;ריק MEA&#39; (לא תאים מצופה בMEA עבור ניסוי שליטה זה) וניסוי רובוט לולאה פתוחה (שיעור גירוי קבוע במקום מידע חיישן קידוד) מיוצגים. עקבות הנציג לאשר כי אינטראקציה דו-כיוונית בין האלמנטים עצביים ומלאכותיים היא הכרחית על מנת להשיג ביצועים טובים ניווט של הרובוט. עם זאת, הרובוט חווה כמה להיטים נגד המכשולים. באיור 2, ביצועי הניווט של הרובוט, דוארxpressed כפיקסלים נסעו בין להיטים שלאחר מכן, מוצג בתנאים שונים. שתי העמודות הראשונות להציג את חלוקת המרחקים נסעו בניסויי השליטה שהוזכרו לעיל (&#39;MEA הריק&#39; ופתוחה לולאה תצורות), ואילו עמודות שלישי והרביעית תציג את הביצועים בלי ועם, בהתאמה, את המסירה של גירוי tetanic הבא כל פגע במכשול. כניסתה של גירוי tetanic (השווה נוהל, נקודת 7.2) משפרת באופן משמעותי את המרחק שעבר בין שני להיטים ברציפות, ובכך לשפר את ביצועי הניווט של הרובוט 35. באיור 3, ביצועי הניווט של רובוט עם תנאי פענוח שונים מוצגים. לשם כך, תצורת זירה שונה אומצה. זה עזר לכמת את הניווט המוצלח של הרובוט בזירה 36: כמתואר בשלב 4.1 של ההליך, הרובוט הואהציג סדרה של מסלולים קצרים. שיעור ההצלחה הוא פשוט היחס בין מספר מסלולים חצו בהצלחה על מספר המסלולים שהוצגו. בפרט, במהלך ניסויי זיהוי של קוצים פרצו ומבודדים בזמן אמת בוצע. פרדיגמות הפענוח שונים זה מזה בגלל המשקל היחסי של התפרצויות וקוצים מבודדים (השווה נוהל, מצביע 3.5-3.6 ודיון). <img alt="איור 1" src="/files/ftp_upload/52341/52341fig1highres.jpg" width="700" /> איור 1: רשת עצבית ורובוט יש חילופי דו-כיוונית של מידע נתון זה מראה שלושה נתיבי נציג נסעו ברובוט מעל 20 דקות של ניסוי.. בפרט, שטחים ירוקים אור חופשיים לרובוט לנוע ב, ואילו פיקסלים בצבע ירוקים כהים מייצגים מכשולים בלתי עבירים שהרובוט יכול לתפוס באמצעות חיישני המרחק שלה. במשפט אחד, הרובוט מתחיל in הסעיף השמאלי העליון של הזירה ונוסע לעמדתה הסופית, מתוארת כנקודה הוורודה גדולה. הנקודות השחורות הקטנות מייצגות להיטים נגד מכשול, ואילו הנתיב המסומן בצבע מספק אינדיקציה להתפתחות של תנועת רובוט הזמן. בר הצבע בצד הימין מבטא זמן שחלף מתחילת הניסוי בדקות. נתיב () ואחריו במהלך ניסוי לולאה סגורה. נתיב (B) ואחריו במהלך ניסוי MEA &quot;ריק&quot; (לא תאים בתרבית על MEA משטח) נתיב. (C) ואחריו במהלך ניסוי פתוח לולאה (שיעור גירוי הוא קבוע לאורך כל הניסוי). <a href="/files/ftp_upload/52341/52341fig1highres.jpg" target="_blank">אנא לחץ כאן כדי לצפות בגרסה גדולה יותר של הדמות.</a> <img alt="איור 2" src="/files/ftp_upload/52341/52341fig2.jpg" /> איור 2: תוצאות ביצועים מושפעות סגור-loop וגירוי tetanic. גרף זה מדווח הפצות של מרחקים מכוסים על ידי הרובוט בין להיטים שלאחר מכן בתנאים שונים. בפרט, שתי ההפצות הראשונות מייצגות ניסויי שליטה (&#39;ריקים&#39; להקלטות ללא נוירונים מצופים על MEA, &quot;הלולאה פתוחה&quot; (OL) לניסוי עם רובוט &#39;עיוור&#39;). שתי העמודות האחרונות מייצגות את המצב &quot;לולאה סגורה&quot; ללא (CL) ועם (CL + TS) פרוטוקול הלמידה מתבצע באמצעות Tetanic גירוי (TS), נמסרו לתרבות הבאה להיטים נגד מכשול. בכל תיבה, המגזר האופקי המרכזי מייצג את החציון של ההתפלגות, הכיכר הריקה הערך הממוצע, בר המרכזי משתרע על הרבעון הראשון והשלישי והשפם להאריך לעשירונים ה 5 ו -95 th. חריגים מיוצגים כיהלומים. סטטיסטיקה בוצעה באמצעות ניתוח דרך אחת Kruskall-אליס של שונותבשורות: השוואת pairwise הסטודנטים-ניומן-Keuls מגלה שכל ערכי החציון שונים באופן משמעותי עם p &lt;0.05. <img alt="איור 3" src="/files/ftp_upload/52341/52341fig3.jpg" /> איור 3: הפענוח משפיע על ביצועים רובוטית הגרף לעיל מייצג את ההסתברות, לאלגוריתם פענוח נתון, של הרובוט כדי לנווט בהצלחה באמצעות מסלול קצר בכמות מוגבלת של זמן.. זיהוי של התפרצויות וקוצים בודדים מתבצע בזמן אמת במהלך הניסוי עצמו. במקרה הראשון (&quot;הקוצים&quot;) כל הקוצים מזוהים להציג את אותו משקל יחסי, להפצות השניה ושלישית במשקל של 0 נקבע ל, בהתאמה, קוצים מבודדים וקוצים המשתייכים לפרץ. שתי העמודות האחרונות מייצגות את התוצאות שהתקבלו במקרה שבו כל הקוצים מטופלות, אבל עם משקל יחסי שונה בהתאם לעמדתם.בפרט בקוצי העמודה מבודדות הרביעי קיבלו משקל יחסי גבוה מאירועים פרצו, תוך השקלול הוא הפוך לפענוח ביחס לנתונים הגיס החמישי. בכל גרף, הקו המרכזי מייצג את החציון של ההתפלגות, הכיכר הריקה הערך הממוצע, ואילו הבר המרכזי משתרע על הרבעון הראשון והשלישי והשפם להאריך לעשירונים ה 5 ו -95 th. סטטיסטיקה בוצעה באמצעות ניתוח דרך אחת Kruskall-אליס של שונות בשורות. השוואת pairwise (שיטת הסטודנט-ניומן-Keuls,) מגלה כי הבדלים משמעותיים (p &lt;0.05) ניתן להבחין בין עמודות 1 ו -4, 2 ו -4, 2 ו -5, 2 ו -3.

Watch this Scientific Journal Video about Closed-loop Neuro-robotic Experiments to Test Computational Properties of Neuronal Networks at JoVE.com

Closed-loop Neuro-robotic Experiments to Test 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.

ניסויי נוירו-רובוטית לולאה סגורה כדי לבדוק את מאפיינים חישובית של רשתות עצבי

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

closed-loop-neuro-robotic-experiments-to-test-computational

Research

JoVE Journal

Neuroscience

10.2K Views.  Istituto Italiano di Tecnologia. 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.

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

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

The non-stationary nature and variability of neuronal signals is a fundamental problem in brain-machine interfacing. We developed a brain-machine interface to assess the robustness of different control-laws applied to a closed-loop image stabilization task. Taking advantage of the well-characterized fly visuomotor pathway we record the electrical activity from an identified, motion-sensitive neuron, H1, to control the yaw rotation of a two-wheeled robot. The robot is equipped with 2 high-speed video cameras providing visual motion input to a fly placed in front of 2 CRT computer monitors. The activity of the H1 neuron indicates the direction and relative speed of the robot's rotation. The neural activity is filtered and fed back into the steering system of the robot by means of proportional and proportional/adaptive control. Our goal is to test and optimize the performance of various control laws under closed-loop conditions for a broader application also in other brain machine interfaces.

We use a closed-loop fly-machine interface to investigate general principles in neuronal control.

פלטפורמה ניסויית לחקר ביצועים לולאה סגורה של המוח מכונת ממשקים

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

Fast Micro-iontophoresis of Glutamate and GABA: A Useful Tool to Investigate Synaptic Integration

One of the fundamental interests in neuroscience is to understand the integration of excitatory and inhibitory inputs along the very complex structure of the dendritic tree, which eventually leads to neuronal output of action potentials at the axon. The influence of diverse spatial and temporal parameters of specific synaptic input on neuronal output is currently under investigation, e.g. the distance-dependent attenuation of dendritic inputs, the location-dependent interaction of spatially segregated inputs, the influence of GABAergig inhibition on excitatory integration, linear and non-linear integration modes, and many more.
With fast micro-iontophoresis of glutamate and GABA it is possible to precisely investigate the spatial and temporal integration of glutamatergic excitation and GABAergic inhibition. Critical technical requirements are either a triggered fluorescent lamp, light-emitting diode (LED), or a two-photon scanning microscope to visualize dendritic branches without introducing significant photo-damage of the tissue. Furthermore, it is very important to have a micro-iontophoresis amplifier that allows for fast capacitance compensation of high resistance pipettes. Another crucial point is that no transmitter is involuntarily released by the pipette during the experiment.
Once established, this technique will give reliable and reproducible signals with a high neurotransmitter and location specificity. Compared to glutamate and GABA uncaging, fast iontophoresis allows using both transmitters at the same time but at very distant locations without limitation to the field of view. There are also advantages compared to focal electrical stimulation of axons: with micro-iontophoresis the location of the input site is definitely known and it is sure that only the neurotransmitter of interest is released. However it has to be considered that with micro-iontophoresis only the postsynapse is activated and presynaptic aspects of neurotransmitter release are not resolved. In this article we demonstrate how to set up micro-iontophoresis in brain slice experiments.

In this article we introduce fast micro-iontophoresis of neurotransmitters as a technique to investigate integration of postsynaptic signals with high spatial and temporal precision.

מיקרו-Iontophoresis מהיר של גלוטמט וגאבא: כלי שימושי לחקירת האינטגרציה סינפטית

One of the fundamental interests in neuroscience is to understand the integration of excitatory and inhibitory inputs along the very complex structure of ...

A Procedure for Implanting Organized Arrays of Microwires for Single-unit Recordings in Awake, Behaving Animals

In vivo electrophysiological recordings in the awake, behaving animal provide a powerful method for understanding neural signaling at the single-cell level. The technique allows experimenters to examine temporally and regionally specific firing patterns in order to correlate recorded action potentials with ongoing behavior. Moreover, single-unit recordings can be combined with a plethora of other techniques in order to produce comprehensive explanations of neural function. In this article, we describe the anesthesia and preparation for microwire implantation. Subsequently, we enumerate the necessary equipment and surgical steps to accurately insert a microwire array into a target structure. Lastly, we briefly describe the equipment used to record from each individual electrode in the array. The fixed microwire arrays described are well-suited for chronic implantation and allow for longitudinal recordings of neural data in almost any behavioral preparation. We discuss tracing electrode tracks to triangulate microwire positions as well as ways to combine microwire implantation with immunohistochemical techniques in order to increase the anatomical specificity of recorded results.

Implanting organized arrays of microwires for use in single-unit electrophysiological recordings presents a number of technical challenges.&#160;Methods for performing this technique and the equipment necessary are described.&#160;Also, the beneficial use of organized microwire arrays to record from distinct neural subregions with high spatial selectivity is discussed.

הליך השתלת מערכים מאורגנים של Microwires להקלטות יחידה אחת בAwake, מתנהגת בעלי חיים

In vivo electrophysiological recordings in the awake, behaving animal provide a powerful method for understanding neural signaling at the single-cell ...

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.

אלקטרופיזיולוגיה בזמן אמת: שימוש בפרוטוקולי לולאה סגורה לDynamics עצבי בדיקה ומעבר

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

Design, Surface Treatment, Cellular Plating, and Culturing of Modular Neuronal Networks Composed of Functionally Inter-connected Circuits

The brain operates through the coordinated activation and the dynamic communication of neuronal assemblies. A major open question is how a vast repertoire of dynamical motifs, which underlie most diverse brain functions, can emerge out of a fixed topological and modular organization of brain circuits. Compared to in vivo studies of neuronal circuits which present intrinsic experimental difficulties, in vitro preparations offer a much larger possibility to manipulate and probe the structural, dynamical and chemical properties of experimental neuronal systems. This work describes an in vitro experimental methodology which allows growing of modular networks composed by spatially distinct, functionally interconnected neuronal assemblies. The protocol allows controlling the two-dimensional (2D) architecture of the neuronal network at different levels of topological complexity.
A desired network patterning can be achieved both on regular cover slips and substrate embedded micro electrode arrays. Micromachined structures are embossed on a silicon wafer and used to create biocompatible polymeric stencils, which incorporate the negative features of the desired network architecture. The stencils are placed on the culturing substrates during the surface coating procedure with a molecular layer for promoting cellular adhesion. After removal of the stencils, neurons are plated and they spontaneously redirected to the coated areas. By decreasing the inter-compartment distance, it is possible to obtain either isolated or interconnected neuronal circuits. To promote cell survival, cells are co-cultured with a supporting neuronal network which is located at the periphery of the culture dish. Electrophysiological and optical recordings of the activity of modular networks obtained respectively by using substrate embedded micro electrode arrays and calcium imaging are presented. While each module shows spontaneous global synchronizations, the occurrence of inter-module synchronization is regulated by the density of connection among the circuits.

This manuscript describes a protocol to grow in vitro modular networks consisting of spatially confined, functionally inter-connected neuronal circuits. A polymeric mask is used to pattern a protein layer to promote cellular adhesion over the culturing substrate. Plated neurons grow on coated areas establishing spontaneous connections and exhibiting electrophysiological activity.

עיצוב, משטח טיפול, סלולרי ציפוי, וCulturing של רשתות עצבי מודולרי מורכב ממעגלי קשרים בין פונקציונלי

The brain operates through the coordinated activation and the dynamic communication of neuronal assemblies. A major open question is how a vast repertoire ...

Chronic Transcranial Electrical Stimulation and Intracortical Recording in Rats

Transcranial electrical stimulation (TES) is a powerful and relatively simple approach to diffusely influence brain activity either randomly or in a closed-loop event-triggered manner. Although many studies are focusing on the possible benefits and side-effects of TES in healthy and pathologic brains, there are still many fundamental open questions regarding the mechanism of action of the stimulation. Therefore, there is a clear need for a robust and reproducible method to test the acute and the chronic effects of TES in rodents. TES can be combined with regular behavioral, electrophysiological, and imaging techniques to investigate neuronal networks in vivo. The implantation of transcranial stimulation electrodes does not impose extra constraints on the experimental design while it offers a versatile, flexible tool to manipulate brain activity. Here we provide a detailed, step-by-step protocol to fabricate and implant transcranial stimulation electrodes to influence brain activity in a temporally constrained manner for months.

This detailed protocol describes transcranial stimulation electrode placement on the temporal bone in order to investigate the short- and long-term effects of transcranial electrical stimulation in freely moving rats.

גירוי חשמלי טראנס כרונית והקלטה Intracortical בחולדות

Transcranial electrical stimulation (TES) is a powerful and relatively simple approach to diffusely influence brain activity either randomly or in a ...

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.

שימוש בניותא פעילות העולה להדק לולאה סגורה גירויים בניסויים נוירולוגיים

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

In vivo Calcium Imaging in Mouse Inferior Olive

Inferior olive (IO), a nucleus in the ventral medulla, is the only source of climbing fibers that form one of the two input pathways entering the cerebellum. IO has long been proposed to be crucial for motor control and its activity is currently considered to be at the center of many hypotheses of both motor and cognitive functions of the cerebellum. While its physiology and function have been relatively well studied on single-cell level in vitro, presently there are no reports on the organization of the IO network activity in living animals. This is largely due to the extremely challenging anatomical location of the IO, making it difficult to subject to conventional fluorescent imaging methods, where an optic path must be created through the entire brain located dorsally to the region of interest.
Here we describe an alternative method for obtaining state-of-the-art -level calcium imaging data from the IO network. The method takes advantage of the extreme ventral location of the IO and involves a surgical procedure for inserting a gradient-refractive index (GRIN) lens through the neck viscera to come into contact with the ventral surface of the calcium sensor GCaMP6s-expressing IO in anesthetized mice. A representative calcium imaging recording is shown to demonstrate the feasibility to record IO neuron activity after the surgery. While this is a non-survival surgery and the recordings must be conducted under anesthesia, it avoids damage to life-critical brainstem nuclei and allows conducting large variety of experiments investigating spatiotemporal activity patterns and input integration in the IO. This procedure with modifications could be used for recordings in other, adjacent regions of the ventral brainstem.

In vivo Calcium Imaging in Mouse Inferior Olive

We present a protocol to expose the brainstem of adult mouse from the ventral side. By using a gradient-refractive index lens with a miniature microscope, calcium imaging can be used to examine the activity of inferior olive neural somata in vivo.

אין ויוו הדמיית סידן בעכבר זית נחות

Inferior olive (IO), a nucleus in the ventral medulla, is the only source of climbing fibers that form one of the two input pathways entering the ...

In Vivo Calcium Imaging of Neuronal Ensembles in Networks of Primary Sensory Neurons in Intact Dorsal Root Ganglia

Ca2+ imaging can be used as a proxy for cellular activity, including action potentials and various signaling mechanisms involving Ca2+ entry into the cytoplasm or the release of intracellular Ca2+ stores. Pirt-GCaMP3-based Ca2+ imaging of primary sensory neurons of the dorsal root ganglion (DRG) in mice offers the advantage of simultaneous measurement of a large number of cells. Up to 1,800 neurons can be monitored, allowing neuronal networks and somatosensory processes to be studied as an ensemble in their normal physiological context at a populational level in vivo. The large number of neurons monitored allows the detection of activity patterns that would be challenging to detect using other methods. Stimuli can be applied to the mouse hindpaw, allowing the direct effects of stimuli on the DRG neuron ensemble to be studied. The number of neurons producing Ca2+ transients as well as the amplitude of Ca2+ transients indicates sensitivity to specific sensory modalities. The diameter of neurons provides evidence of activated fiber types (non-noxious mechano vs. noxious pain fibers, A&#946;, A&#948;, and C fibers). Neurons expressing specific receptors can be genetically labeled with td-Tomato and specific Cre recombinases together with Pirt-GCaMP. Therefore, Pirt-GCaMP3 Ca2+ imaging of DRG provides a powerful tool and model for the analysis of specific sensory modalities and neuron subtypes acting as an ensemble at the populational level to study pain, itch, touch, and other somatosensory signals.

In Vivo Calcium Imaging of Neuronal Ensembles in Networks of Primary Sensory Neurons in Intact Dorsal Root Ganglia

This protocol describes the surgical exposure of the dorsal root ganglion (DRG) followed by GCaMP3 (genetically-encoded Ca2+ indicator; Green Fluorescent Protein-Calmodulin-M13 Protein 3) Ca2+ imaging of the neuronal ensembles using Pirt-GCaMP3 mice while applying a variety of stimuli to the ipsilateral hind paw.

ב Vivo הדמיית סידן של הרכבים עצביים ברשתות של נוירונים חושיים ראשוניים בגרעיני שורש גבי שלמים

Ca2+ imaging can be used as a proxy for cellular activity, including action potentials and various signaling mechanisms involving Ca2+ entry into the ...

Open-Source Real-Time Closed-Loop Electrical Threshold Tracking for Translational Pain Research

Nociceptors are a class of primary afferent neurons that signal potentially harmful noxious stimuli. An increase in nociceptor excitability occurs in acute and chronic pain conditions. This produces abnormal ongoing activity or reduced activation thresholds to noxious stimuli. Identifying the cause of this increased excitability is required for the development and validation of mechanism-based treatments. Single-neuron electrical threshold tracking can quantify nociceptor excitability. Therefore, we have developed an application to allow such measurements and demonstrate its use in humans and rodents. APTrack provides real-time data visualization and action potential identification using a temporal raster plot. Algorithms detect action potentials by threshold crossing and monitor their latency after electrical stimulation. The plugin then modulates the electrical stimulation amplitude using an up-down method to estimate the electrical threshold of the nociceptors. The software was built upon the Open Ephys system (V0.54) and coded in C++ using the JUCE framework. It runs on Windows, Linux, and Mac operating systems. The open-source code is available (<a data-saferedirecturl="https://www.google.com/url?q=https://github.com/Microneurography/APTrack&amp;source=gmail&amp;ust=1680789829274000&amp;usg=AOvVaw0nMk9J_EI2jUn8SlmC5JJm" href="https://github.com/Microneurography/APTrack" target="_blank">https://github.com/Microneurography/APTrack</a>). The electrophysiological recordings were taken from nociceptors in both a mouse skin-nerve preparation using the teased fiber method in the saphenous nerve and in healthy human volunteers using microneurography in the superficial peroneal nerve. Nociceptors were classified by their response to thermal and mechanical stimuli, as well as by monitoring the activity-dependent slowing of the conduction velocity. The software facilitated the experiment by simplifying the action potential identification through the temporal raster plot. We demonstrate real-time closed-loop electrical threshold tracking of single-neuron action potentials during&#160;in vivo&#160;human microneurography, for the first time, and during&#160;ex vivo&#160;mouse electrophysiological recordings of C-fibers and A&#948;-fibers. We establish proof of principle by showing that the electrical threshold of a human heat-sensitive C-fiber nociceptor is reduced by heating the receptive field. This plugin enables the electrical threshold tracking of single-neuron action potentials and allows the quantification of changes in nociceptor excitability.

APTrack is a software plugin developed for the Open Ephys platform that enables real-time data visualization and the closed-loop electrical threshold tracking of neuronal action potentials. We have successfully used this in microneurography for human C-fiber nociceptors and mouse C-fiber and A&#948;-fiber nociceptors.

מעקב סף חשמלי בלולאה סגורה בקוד פתוח בזמן אמת לחקר כאב תרגומי

Nociceptors are a class of primary afferent neurons that signal potentially harmful noxious stimuli. An increase in nociceptor excitability occurs in ...