JoVE Logo
Autori
Contattaci

Accedi

È necessario avere un abbonamento a JoVE per visualizzare questo. Accedi o inizia la tua prova gratuita.

In questo articolo

  • Riepilogo
  • Abstract
  • Introduzione
  • Protocollo
  • Risultati
  • Discussione
  • Divulgazioni
  • Riconoscimenti
  • Materiali
  • Riferimenti
  • Ristampe e Autorizzazioni

Riepilogo

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.

Abstract

Neuroscienza sperimentale è testimone un crescente interesse per lo sviluppo e l'applicazione di nuove e, protocolli a circuito chiuso spesso complessi, in cui lo stimolo applicato dipende in tempo reale sulla risposta del sistema. Recenti applicazioni vanno dalla realizzazione di sistemi di realtà virtuale per lo studio di risposte motorie, sia in topi 1 e in zebrafish 2, per il controllo delle crisi epilettiche seguenti ictus corticale utilizzando optogenetics 3. Uno dei principali vantaggi di tecniche anello chiuso risiede nella capacità di sondare superiori proprietà dimensionali che non sono direttamente accessibili o che dipendono da più variabili, quali eccitabilità neuronale 4 e affidabilità, mentre allo stesso tempo, massimizzando il sperimentale. In questo contributo e nel contesto di elettrofisiologia cellulare, descriviamo come applicare una varietà di protocolli a circuito chiuso per lo studio delle proprietà di risposta di piramidale neuroni corticali, recorded intracellulare con la tecnica del patch clamp in fettine di cervello acuto dalla corteccia somatosensoriale di ratti giovani. Poiché nessun source disponibile in commercio o aperto fornisce tutte le caratteristiche richieste per l'esecuzione in modo efficiente gli esperimenti descritti qui, un nuovo toolbox software chiamato LCG 5 è stato sviluppato, la cui struttura modulare massimizza il riutilizzo del codice informatico e facilita l'implementazione di nuovi paradigmi sperimentali. Le forme d'onda di stimolazione vengono specificati utilizzando un compatto meta-descrizione e protocolli sperimentali complete sono descritte nei file di configurazione basati su testo. Inoltre, LCG ha una interfaccia a riga di comando che è adatto per la ripetizione delle prove e l'automazione di protocolli sperimentali.

Introduzione

Negli ultimi anni, elettrofisiologia cellulare è evoluto dal paradigma tradizionale anello aperto impiegata in esperimenti di tensione e corrente clamp protocolli a circuito chiuso moderni. La tecnica a circuito chiuso più noto è forse il morsetto dinamica 6,7, che ha permesso l'iniezione sintetica dei canali ionici artificiali voltaggio-dipendenti per determinare il potenziale di membrana neuronale 8, lo studio approfondito degli effetti della non-deterministico sfarfallio on canali ionici sulla dinamica di risposta neuronale 9, così come la ricreazione in vitro di realistico in vivo- come attività di fondo sinaptica 10.

Altri paradigmi a circuito chiuso che sono stati proposti includono il morsetto reattiva 11, per studiare in vitro la produzione di attività persistente di auto-sostenuta, e la risposta serrare 4,12, per studiare i meccanismi cellulari alla base eccitabilità neuronale.

ontent "> Qui si descrive un quadro potente che permette l'applicazione di una serie di anello chiuso protocolli elettrofisiologici nel contesto di cellule intere registrazioni di patch clamp effettuate in fettine di cervello acuto. Mostriamo come registrare potenziale di membrana somatica mediante registrazioni di patch clamp in neuroni piramidali della corteccia somatosensoriale di ratti giovani e di applicare tre diversi protocolli a circuito chiuso con LCG, un software toolbox basato su riga di comando sviluppato nel laboratorio di Neurobiologia e Teorica Neuroengineering.

Brevemente, i protocolli descritti sono, in primo luogo l'iniezione automatica di una serie di forme d'onda di corrente morsetto stimolo, rilevanti per la caratterizzazione di un grande insieme di proprietà di membrana attiva e passiva. Questi sono stati suggeriti per catturare il fenotipo elettrofisiologico di una cella in termini di proprietà di risposta ad una serie di forme d'onda stereotipata stimolo. Conosciuta come la e-codice di un cellulare (ad esempio, vedere & #160; 13,14), una raccolta di risposte elettriche è utilizzato da diversi laboratori di classificare oggettivamente neuroni sulla base delle loro proprietà elettriche. Questo include l'analisi del rapporto di trasferimento ingresso-uscita stazionario (curva fI), con una tecnica innovativa che coinvolge il circuito chiuso, controllo in tempo reale della frequenza di scarica attraverso un (PID) regolatore proporzionale-integrale-derivativo , secondo la ricreazione realistica in vivo -come sfondo sinaptica in preparati in vitro 10 e, terzo collegamento artificiale in tempo reale dei due neuroni piramidali registrati simultaneamente mediante un interneuroni GABAergico virtuale, che viene simulato dal computer.

Inoltre, LCG implementa la tecnica nota come attivo elettrodo di compensazione (AEC) 15, che consente di implementare protocolli clamp dinamico utilizzando un singolo elettrodo. Questo consente di compensare gli effetti indesiderati (unrtifacts) dell'elettrodo di registrazione che sorgono quando viene utilizzato per la distribuzione di stimoli intracellulari. Il metodo si basa su una stima non parametrica delle proprietà elettriche equivalenti del circuito di registrazione.

Le tecniche e protocolli sperimentali descritti nel presente documento possono essere facilmente applicati in convenzionale tensione a circuito aperto e gli esperimenti clamp attuali e possono essere estesi ad altri preparati, come extracellulare 4,16 o registrazioni intracellulari in vivo 17,18. L'attento assemblaggio del setup per patch clamp cellula intera elettrofisiologia è un passo molto importante per la stabilità, registrazioni di alta qualità. Nel seguito si assume che un tale apparato sperimentale è già disponibile per lo sperimentatore, e focalizziamo la nostra attenzione sulla descrizione dell'utilizzo di LCG. Il lettore è puntato a 19-22 per ulteriori suggerimenti circa l'ottimizzazione e il debugging.

Protocollo

Il protocollo qui descritto è conforme con le raccomandazioni e le linee guida del Comitato Etico del Dipartimento di Scienze Biomediche dell'Università di Anversa. Questo protocollo richiede la preparazione di materiale non senziente dal cervello espiantato di giovani ratti Wistar, ottenuto con tecniche di eutanasia umane approvati.

1. apparecchiature Preparazione

  1. Installare e configurare l'acquisizione dei dati e del sistema di stimolazione.
    1. Utilizzare un personal computer (PC) dotato di acquisizione dati (DAQ) scheda supportata dal Comedi per registrare i segnali e inviare tensioni di controllo analogici all'amplificatore elettrofisiologico.
      NOTA: Comedi un modulo su Linux e la biblioteca che supporta una moltitudine di schede DAQ dai produttori più comuni: visita http://www.comedi.org per ulteriori informazioni.
    2. In caso di un patch clamp amplificatore controllato da computer è in uso, impiegare un secondo PC oltre a quello dedicato all'amplificatorecontrollo.
      NOTA: Mentre quest'ultimo può eseguire un sistema operativo convenzionale, il PC supplementare sarà operativo in tempo reale per mezzo di un sistema operativo speciale. In queste condizioni, è conveniente utilizzare un unico monitor, mouse e tastiera collegata al PC supplementare, mentre il collegamento mediante un'applicazione desktop remoto al PC dedicato.
    3. Scaricare l'immagine ISO del Live CD che contiene un sistema operativo Linux real-time con LCG preinstallato da http://www.tnb.ua.ac.be/software/LCG_Live_CD.iso e masterizzarlo su un disco CD o chiavetta USB " .
    4. È sufficiente inserire il CD nel lettore del PC contenente la scheda DAQ e avviarlo. In alternativa, installare LCG dalla repository fonte online su un PC con il sistema operativo Linux (ad esempio, Debian o Ubuntu). Consultare il manuale on-line per i dettagli sulla procedura di installazione. Il manuale è disponibile online all'indirizzo http://danielelinaro.github.io/dynclamp/lcg_manual.pdf.
    5. Boot da CD live: this caricherà automaticamente un sistema completamente configurato. Per fare questo, inserire il Live CD LCG nel drive CD-ROM del computer e avviare il sistema da CD; selezionare il kernel in tempo reale (opzione di default) non appena viene visualizzato il menu di avvio e attendere che il sistema di inizializzazione.
    6. Calibrare la scheda DAQ digitando al prompt dei comandi:
      sudo comedi_calibrate
      o
      sudo comedi_soft_calibrate
      a seconda che il bordo di acquisizione dati supporta hardware o software di calibrazione, rispettivamente (utilizzare il comando sudo comedi_board_info per ottenere informazioni sulla scheda).
    7. Impostare analogico-digitale e digitale-analogici fattori di conversione appropriato: questo richiede avere accesso al manuale dell'amplificatore elettrofisiologico cellulare, e in particolare alle sue specifiche sui suoi fattori di conversione.
    8. Utilizzare un editor di testo per specificare i valori numerici appropriati nel file /home/user/.lcg-env, per le variabili di ambiente AI_CONVERSION_FACTOR_CC, AI_CONVERSION_FACTOR_VC, AO_CONVERSION_FACTOR_CC, AO_CONVERSION_FACTOR_VC.
      NOTA: Questi rappresentano l'ingresso (AI) e di uscita (AO) guadagni per pinza (CC) e morsetto di tensione (VC) le modalità ed i fattori di conversione tra i comandi di tensione forniti dal computer e l'attuale o tensioni generata dall'amplificatore rispettivamente.
    9. In alternativa, utilizzare lo script fornito LCG (LCG-trovare-conversione-fattori), per trovare i fattori di conversione del proprio sistema.
      NOTA: I valori calcolati da LCG-trovare-conversione-fattori sono ipotesi, che in alcuni casi sono necessarie per essere numericamente troncati o arrotondati per riflettere i valori esatti dei fattori di conversione.
    10. Per utilizzare LCG-trovare-conversione-fattori, avviare collegando la 'cella modello' che spesso viene acquistato con l'amplificatore al corrispondente headstage. Quindi, aprire un terminale sulla macchina Linux in cui si esegue il CD Live e scrivete il seguente comando al prompt della shell:
      lcg-trovare-conversione-fattori -i $ HOME / .lcg-env -o $ HOME / .lcg-env
      NOTA: In entrambi i casi (ad esempio, la modifica manuale del /home/user/.lcg-env o l'utilizzo di LCG-trovare-conversione-fattori), chiudere e aprire il terminale per le modifiche abbiano effetto.
    11. Se si utilizzano più headstages, impostare i fattori di conversione agli stessi valori in tutti i canali; se ciò non fosse possibile, consultare il manuale online LCG per capire come utilizzare più fattori di conversione in LCG-stimolo o come produrre i file di configurazione che si adattano meglio le esigenze dell'utente.

2. Preparazione di acuta cerebrale porzioni dal corteccia somatosensoriale

  1. Preparazione di soluzioni per elettrofisiologia.
    1. Preparare fluido cerebrospinale artificiale (ACSF) mescolando (in mM) 125 NaCl, KCl 2,5, 1,25 NaH 2 PO 4, 26 NaHCO3, 25 glucosio, 2 CaCl 2, 1 e MgCl 2. Preparare 10x soluzioni madre per ridurre latempo di preparazione nel giorno dell'esperimento. Preparare 2 L, di cui uno sarà usato per la preparazione delle fette e l'altra per la registrazione.
    2. Saturare il ACSF con 95% O 2 e 5% CO 2 per almeno 30 minuti prima dell'inizio della procedura.
    3. Per le registrazioni corrente con la pinza, utilizzare una soluzione intracellulare (ICS) contenente (in mm) 115 K-gluconato, 20 KCl, 10 HEPES, 4 ATP-Mg, 0.3 Na 2 -GTP, 10 Na 2 -phosphocreatine. Preparare la soluzione in ghiaccio e filtrarla prima dell'inizio delle registrazioni per eliminare il rischio di intasamento della pipetta.
  2. L'estrazione del cervello.
    1. Anestetizzare l'animale ponendo l'animale in una camera di induzione con 4% isoflurano e rapidamente decapitarlo usando una ghigliottina o grandi forbici.
    2. Tagliare la pelle lungo la linea mediana e farlo scorrere per le orecchie.
    3. Utilizzando un bel paio di forbici tagliare cranio lungo la linea mediana. Mantenere la lama il più vicino possibile the superficie in modo da minimizzare i danni al cervello sottostante. Aprire il cranio con un paio di pinzette, utilizzare una spatola per tagliare il nervo ottico e il tronco encefalico e delicatamente cadere il cervello in ACSF ghiacciata.
    4. Separare il cervelletto e le due emisferi con un bisturi (lama 24).
    5. Rimuovere l'acqua in eccesso da uno dei due emisferi e la colla su una piattaforma inclinata con una goccia di colla. Aggiungere rapidamente alcune gocce di ACSF il cervello e trasferirlo alla camera vibratome.
      NOTA: Quando si prepara fette sagittali, l'angolo della piattaforma è importante per evitare di danneggiare i dendriti delle cellule piramidali durante la procedura di taglio.
  3. Preparazione delle fette.
    1. Posizionare la lama sopra il cervello ed eliminare i primi 2,5-3 mm. Regolare la velocità e la frequenza di limitare i danni alla superficie della fetta, mentre allo stesso tempo minimizzando il tempo richiesto per la procedura di taglio.
    2. Impostare lo spessore di 300 μm e iniziare affettare. Una volta che la lama ha oltrepassato la corteccia, utilizzare una lama di rasoio o con un ago piegato tagliare sopra l'ippocampo e ai bordi dell'area corticale di interesse.
    3. Mettere le fette in una camera di incubazione più ben tenute a 32-34 ° C.
    4. Ritrarre la lama e ripetere i punti 2.3.2 e 2.3.3 fino a 5-8 fette sono tagliate. I migliori fette di solito sono quelli in cui i vasi sanguigni sono parallele alla superficie.
    5. Incubare le fette per 30 minuti dopo l'ultima fetta viene posto nella camera.

3. patch-clamp registrazioni da Layer 5 piramidali neuroni

  1. Mettere una fetta nella camera di registrazione e la ricerca di cellule sane. Queste cellule hanno solitamente minore contrasto, un aspetto liscio e non sono gonfiate.
  2. Controllare la fetta al microscopio con lente di ingrandimento 40X e la ricerca di cellule in strato 5, situato a circa 600 a 1000 micron dalla superficie del cervello.
  3. Una volta che un cellulare adeguata viene trovato, carico un terzo del micropipetta con ICS e inserirlo nella headstage.
  4. Sul personal computer che esegue il live CD o il sistema operativo pre-configurato Linux, avviare una shell di comando (per esempio, bash), e al suo prompt il comando LCG-zero. Questo assicura che la scheda DAQ non guida l'amplificatore.
  5. Applicare 30 - 50 mbar di pressione positiva premendo sul pistone di una siringa comune, connesso con un tubo al titolare pipetta e, con l'aiuto del microscopio, posizionare la pipetta circa 100 micron sopra la fetta.
    NOTA: Posizionare la pipetta in una posizione che consente un percorso diretto alla cella di destinazione, preferibilmente utilizzando la modalità di approccio micromanipolatore.
  6. Agendo sui comandi dell'amplificatore elettrofisiologia, regolare la pipetta offset e uscita un impulso di prova (10 mV) in modalità voltage clamp.
  7. Ridurre la pressione a 10 - 30 mbar (a seconda delle dimensioni pipetta) ritirando ilpistone della siringa; avvicinare delicatamente la cella e controllare la formazione di una fossetta osservando l'immagine sul monitor telecamera. Monitorare l'impulso di prova per un aumento di resistenza in ogni momento, osservando la forma d'onda corrente visualizzata sull'oscilloscopio collegato all'amplificatore elettrofisiologia (in alternativa è possibile utilizzare il LCG-seal-test comando per monitorare la resistenza pipetta).
  8. Rilasciare la pressione e, se necessario applicare una leggera pressione negativa alla pipetta per aiutare la formazione della guarnizione quando si nota un aumento della resistenza pipetta e la formazione di un 'fossetta' sulla cella.
  9. Mentre le forme di tenuta, gradualmente diminuire il potenziale tenendo a -70 mV.
  10. Una volta ottenuto un sigillo gigaohm, assicurarsi che la corrente di mantenimento è compresa tra 0 - 30 pA. Applicare brevi impulsi di pressione negativa (aspirazione) per rompere la membrana e stabilire la cellula intera configurazione. In alternativa, è possibile iniettare impulsi forti e brevi di tensione ( cioè, utilizzando il comando 'ZAP' sull'amplificatore o tiene la cella molto negativo) alla rottura della membrana, a seconda della preparazione e pipetta di vetro usato.
  11. Passare alla modalità pinza e verificare che il potenziale di membrana è tipico di una cellula sana. Per neuroni piramidali corticali utilizzando una soluzione basata su potassio gluconato, questo valore è di solito tra -65 e -75 mV.

4. Caratterizzazione semiautomatica delle Proprietà risposta elettrica di un neurone

  1. Creare una directory per memorizzare i dati dell'utente. Per fare questo l'impiego di uno script incluso nel LCG live CD che crea cartelle in base alla data. Per usarlo, digitare al prompt dei comandi
    cd ~ / esperimenti
    LCG-creare-esperimento-folder -s psp, in_vivo_like
    Questo creerà una cartella in cui verranno salvati i dati per tale cella (e un 'psp' e 'in_vivo_like' sottocartelle) e si stamperà il suo nome al terminalefinestra; è anche possibile memorizzare informazioni aggiuntive quali la resistenza pipetta e tipo cellulare utilizzando questo script.
  2. Cambiare la directory nella cartella appena creata utilizzando il comando
    cd ~ /
    Il nome della cartella è quella visualizzata dal comando LCG-creare-esperimento-cartella e avrà il timestamp del giorno corrente (cioè, anno-mese-giorno), come in 20140331A01.
  3. Assicurarsi che l'amplificatore è impostato per operare in modalità pinza, che i cavi siano collegati e il comando di tensione esterna dell'amplificatore, se presente, è abilitato.
  4. Digitare il comando LCG-ecodeat prompt dei comandi. Ciò richiede una serie di comandi (cioè LCG-ap, LCG-vi, LCG-ramp, LCG-tau e LCG-gradini), usato per caratterizzare le proprietà di risposta di base della cellula. LCG-ecode richiede che l'utente specifica due parametri: l'ampiezza del 1 ms lungo impulso di corrente utilizzato per sollecitare un singolo picco nella cella, e l'ampiezza massima della memoria RAM attualep iniettata nella cellula per trovare la sua reobase.
    Utilizzare la seguente sintassi dei comandi:
    LCG-ecode --pulse ampiezza X --ramp ampiezza Y
    con una scelta dei valori X e Y (in pA) che sono sufficienti per il fuoco cellulare in risposta ad un 1 ms impulso lungo e un'iniezione di corrente costante, rispettivamente.
    NOTA: Questi protocolli richiedono di eseguire la stima numerica del 'elettrodo kernel' per utilizzare Active elettrodo di compensazione (AEC) 15. Una iniezione di corrente rumorosa viene utilizzato per stimare il kernel e all'utente viene richiesto di confermare il numero di campioni che compongono il kernel. Vedere 15 per informazioni dettagliate sul significato del kernel dell'elettrodo e come scegliere il numero di campioni del kernel.

5. L'iniezione di conduttanza attraverso simulate Sinapsi e Simulazione di In Vivo -come Background Attività

  1. Iniezione di simulati eccitatori potenziali post-sinaptici
    1. Passare alla directory in cui si desidera salvare il prossimo esperimento, digitando il seguente comando al prompt dei comandi della shell:
      cd psp / 01
    2. Copiare un file di configurazione LCG nella directory corrente e aprirlo con un editor di testo (Nano in questo esempio) digitando i seguenti comandi al prompt dei comandi della shell (questo file di configurazione di esempio è incluso nel codice sorgente e il cd live) :
      cp ~ / local / src / LCG / configurazioni / epsp.xml
      nano epsp.xml
      NOTA: Questo è semplicemente un file di testo con diverse entità collegate tra loro. Per maggiori dettagli si veda la sezione risultati rappresentativi.
    3. Se necessario, modificare il inputChannel, outputChannel, il inputConversionFactor e outputConversionFactor in questo file in modo che corrisponda la configurazione dell'utente.
    4. Calcolare il kernel elettrodo necessaria per effettuare la compensazione elettrodo attivo 'il metodo utilizzato da LCG effettuare elettrodo singolo morsetto dinamico' eseguendo il command
      LCG-kernel
      Ciò richiederà il numero di punti nel kernel. Ancora una volta, selezionare un numero in modo che il kernel dell'elettrodo copre l'estremità della coda di decadimento esponenziale.
    5. Eseguire l'esperimento morsetto dinamico usando il comando
      LCG-esperimento epsp.xml -c
    6. Elencare i file e visualizzare i risultati utilizzando il comando
      ls -l
      LCG-plot--f file scorso
  2. Iniezione di simulati inibitori potenziali post-sinaptici
    1. Creare una cartella e copiare il file epsp.xml per digitando i seguenti comandi al prompt dei comandi della shell:
      mkdir ../02
      cp epsp.xml ../02/ipsp.xml
      cd ../02
    2. Modificare il file di configurazione utilizzando un editor di testo: cambiare il potenziale di inversione sinaptica e salire e tempo di decadimento costanti del Exp2Synapse modello di sinapsi al seguente:
      parametri>
      -80
      0.8e-3
      10e-3

      Chiudere l'editor di testo.
    3. Calcola il kernel elettrodi ed eseguire l'esperimento, come in 5.1, digitando i seguenti comandi al prompt dei comandi della shell:
      LCG-kernel
      LCG-esperimento ipsp.xml -c
    4. Elencare i file e visualizzare i risultati, digitando i seguenti comandi al prompt dei comandi della shell:
      ls -l
      LCG-plot--f file
  3. Simulazione in vivo -come attività di fondo:
    1. Passare alla directory in cui si desidera salvare il seguente esperimento, come precedentemente indicato, digitando i seguenti comandi al prompt dei comandi della shell:
      cd ../../in_vivo_like/01
    2. Copiare il file di configurazione dalla directory di origine LCG, digitando i seguenti comandi al prompt dei comandi della shell:
      cp ~ / local / src / LCG / configurazioni / in_vivo_like.xml
      nano in_vivo_like.xml
      Nota: Questo file è semplicemente la concatenazione dei precedenti; due processi Poisson punti che generano treni di impulsi, che a loro volta alimentano sinapsi inibitorie ed eccitatorie modello, generano l'attività di fondo.
    3. Regolare i parametri di configurazione DAQ per il setup degli utenti, come descritto in 5.1.3 e uscire dall'editor.
    4. Calcola il kernel elettrodi ed eseguire l'esperimento, come in 5.1, digitando i seguenti comandi al prompt dei comandi della shell:
      LCG-kernel
      LCG-esperimento in_vivo_like.xml -c -n 10 -i 3
      I '-n 10' e '-i 3' interruttori indicano che la stimolazione deve essere ripetuta 10 volte ad intervalli di tre secondi.
    5. Visualizzare le tracce prime utilizzando il seguente comando al prompt dei comandi della shell:
      LCG-plot--f file tutto

Risultati

Nelle sezioni precedenti, abbiamo descritto come utilizzare il software LCG casella degli strumenti per caratterizzare le proprietà elettrofisiologiche delle cellule piramidali L5 e di ricreare in vivo -come attività sinaptica in un preparato fetta. L'uso di una riga di comando e protocollo semi-automatizzato favorire la riproducibilità e l'efficienza di questo esperimento, che può avere un forte impatto sul rendimento e la qualità dei dati prodotti. Inoltre, poiché i dati vengono salvati in modo ...

Discussione

In questo testo un protocollo completo per la realizzazione di tempo reale, ad anello chiuso monocellulari esperimenti elettrofisiologici è stata descritta, con la tecnica patch clamp e strumenti software recentemente sviluppato chiamato LCG. Per ottimizzare la qualità delle registrazioni è fondamentale che il sistema di registrazione sia correttamente messa a terra, schermato e vibrazioni: questo garantisce l'accesso stabile e duratura whole-cell alla cella, che, insieme con la possibilità di automatizzare inte...

Divulgazioni

The authors have nothing to disclose.

Riconoscimenti

Financial support from the Flanders Research Foundation FWO (contract n. 12C9112N to DL), the 7th Framework Programme of the European Commission (Marie Curie Network “C7”, contract n. 238214; ICT Future Emerging Technology “ENLIGHTENMENT” project, contract n. 306502), the Interuniversity Attraction Poles Program initiated by the Belgian Science Policy Office (contract n. IUAP-VII/20), and the University of Antwerp is kindly acknowledged.

Materiali

NameCompanyCatalog NumberComments
Tissue slicerLeicaVT-1000S
Pipette pullerSutterP-97
PipettesWPI1B150F-41.5/0.84 mm OD/ID, with filament
Vibration isolation tableTMC20 Series
MicroscopeLeicaDMLFS40X Immersion Objective
ManipulatorsScientificaPatchStar
AmplifiersAxon InstrumentsMultiClamp 700BComputer controlled
Data acquisition cardNational InstrumentsPCI-6229Supported by Comedi Linux Drivers
Desktop computerDellOptiplex 7010 TowerOS: real-time Linux
OscilloscopesTektronixTDS-1002
Perfusion PumpGibsonMINIPULS3Used with R4 Pump head (F117606)
Temperature controllerMultichannel SystemsTC02PH01 Perfusion Cannula
ManometerTesto510Optional
IncubatorMemmertWB14
NaClSigma71376ACSF
KClSigmaP9541ACSF, ICS
NaH2PO4SigmaS3139ACSF
NaHCO3SigmaS6014ACSF
CaCl2SigmaC1016ACSF
MgCl2SigmaM8266ACSF
GlucoseSigmaG7528ACSF
K-GluconateSigmaG4500ICS
HEPESSigmaH3375ICS
Mg-ATPSigmaA9187ICS
Na2-GTPSigma51120ICS
Na2-PhosphocreatineSigmaP7936ICS

Riferimenti

  1. Saleem, A. B., Ayaz, A., Jeffery, K. J., Harris, K. D., Carandini, M. Integration of visual motion and locomotion in mouse visual cortex. Nature neuroscience. 16, 1864-1869 (2013).
  2. Ahrens, M. B., Li, J. M., et al. Brain-wide neuronal dynamics during motor adaptation in zebrafish. Nature. 485 (7399), 471-477 (2012).
  3. Paz, J. T., Davidson, T. J., et al. Closed-loop optogenetic control of thalamus as a tool for interrupting seizures after cortical injury. Nature neuroscience. 16 (1), 64-70 (2013).
  4. Wallach, A., Eytan, D., Gal, A., Zrenner, C., Marom, S. Neuronal response clamp. Frontiers in neuroengineering. 3 (April), 3 (2011).
  5. Linaro, D., Couto, J., Giugliano, M. Command-line cellular electrophysiology for conventional and real-time closed-loop experiments. Journal of neuroscience. 230, 5-19 (2014).
  6. Sharp, A., O’Neil, M., Abbott, L. F., Marder, E. Dynamic clamp: computer-generated conductances in real neurons. Journal of neurophysiology. 69 (3), 992-995 (1993).
  7. Robinson, H. P., Kawai, N. Injection of digitally synthesized synaptic conductance transients to measure the integrative properties of neurons. Journal of neuroscience methods. 49 (3), 157-165 (1993).
  8. Vervaeke, K., Hu, H., Graham, L. J., Storm, J. F. Contrasting effects of the persistent Na+ current on neuronal excitability and spike timing. Neuron. 49 (2), 257-270 (2006).
  9. White, J. A., Klink, R., Alonso, A., Kay, A. R. Noise from voltage-gated ion channels may influence neuronal dynamics in the entorhinal cortex. Journal of neurophysiology. 80 (1), 262-269 (1998).
  10. Destexhe, a., Rudolph, M., Fellous, J. M., Sejnowski, T. J. Fluctuating synaptic conductances recreate in vivo-like activity in neocortical neurons. Neuroscience. 107 (1), 13-24 (2001).
  11. Fellous, J. -. M. Regulation of Persistent Activity by Background Inhibition in an In Vitro Model of a Cortical Microcircuit. Cerebral Cortex. 13 (11), 1232-1241 (2003).
  12. Gal, A., Eytan, D., Wallach, A., Sandler, M., Schiller, J., Marom, S. Dynamics of excitability over extended timescales in cultured cortical neurons. The Journal of neuroscience. the official journal of the Society for Neuroscience. 30 (48), 16332-16342 (2010).
  13. Wang, Y., Toledo-Rodriguez, M., et al. Anatomical, physiological and molecular properties of Martinotti cells in the somatosensory cortex of the juvenile rat. The Journal of physiology. 561 (Pt 1), 65-90 (2004).
  14. Wang, Y., Gupta, A., Toledo-Rodriguez, M., Wu, C. Z., Markram, H. Anatomical, physiological, molecular and circuit properties of nest basket cells in the developing somatosensory cortex). Cerebral cortex (New York, N.Y). 12 (4), 395-410 (1991).
  15. Brette, R., Piwkowska, Z., et al. High-resolution intracellular recordings using a real-time computational model of the electrode. Neuron. 59 (3), 379-391 (2008).
  16. Rutishauser, U., Kotowicz, A., Laurent, G. A method for closed-loop presentation of sensory stimuli conditional on the internal brain-state of awake animals. Journal of neuroscience. 215 (1), 139-155 (2013).
  17. Margrie, T., Brecht, M., Sakmann, B. In vivo, low-resistance, whole-cell recordings from neurons in the anaesthetized and awake mammalian brain. Pflugers Archiv European Journal of Physiology. 444 (4), 491-498 (2002).
  18. Graham, L., Schramm, A. In Vivo Dynamic-Clamp Manipulation of Extrinsic and Intrinsic Conductances: Functional Roles of Shunting Inhibition and I BK in Rat and Cat Cortex. Dynamic Clamp: From Principles to Applications. , (2008).
  19. Sakmann, B., Neher, E. . Single-channel recording. , (1995).
  20. Molleman, A. . Patch Clamping. , (2002).
  21. Davie, J. T., Kole, M. H. P., et al. Dendritic patch-clamp recording. Nature Protocols. 1 (3), 1235-1247 (2006).
  22. Gold, R. . The Axon Guide for Electrophysiolog., & Biophysics Laboratory Techniques... , (2007).
  23. Mainen, Z. F., Sejnowski, T. J. Reliability of spike timing in neocortical neurons. Science. 268 (5216), 1503-1506 (1995).
  24. Buzsáki, G. Action potential threshold of hippocampal pyramidal cells in vivo is increased by recent spiking activity. Neuroscience. 105 (1), 121-130 (2001).
  25. Koch, C., Segev, I. . Methods in Neuronal Modeling: From Synapses to Networks. , (1988).
  26. Silberberg, G., Markram, H. Disynaptic inhibition between neocortical pyramidal cells mediated by Martinotti cells. Neuron. 53 (5), 735-746 (2007).
  27. Berger, T. K., Silberberg, G., Perin, R., Markram, H. Brief bursts self-inhibit and correlate the pyramidal network. PLoS biology. 8 (9), (2010).
  28. Tsodyks, M., Pawelzik, K., Markram, H. Neural networks with dynamic synapses. Neural computation. 10 (4), 821-835 (1998).
  29. Kapfer, C., Glickfeld, L. L., Atallah, B. Supralinear increase of recurrent inhibition during sparse activity in the somatosensory cortex. Nature. 10 (6), 743-753 (2007).

Ristampe e Autorizzazioni

Richiedi autorizzazione per utilizzare il testo o le figure di questo articolo JoVE

Richiedi Autorizzazione

Esplora altri articoli

NeuroscienzeNumero 100Elettrofisiologianeurobiologia cellularemorsetto dinamicocompensazione elettrodo attivol interfaccia a linea di comandoin tempo reale di calcoloa circuito chiusoelettrofisiologia script

This article has been published

Video Coming Soon

JoVE Logo

Riservatezza

Condizioni di utilizzo

Politiche

Contattaci

SUGGERISCI JOVE ALLA BIBLIOTECA

Newsletter di JoVE

Ricerca

Didattica

Autori

Personale delle biblioteche

CHI SIAMO

Copyright © 2025 MyJoVE Corporation. Tutti i diritti riservati