Name: computational modeling of retinal neurons for visual prosthesis research - fundamental approaches
Uploaded: 2022-06-21T13:00:00
Description: Watch this Scientific Journal Video about Computational Modeling of Retinal Neurons for Visual Prosthesis Research - Fundamental Approaches at JoVE.com

Diese Forschung wird durch den National Health and Medical Research Council Project Grant (Grant Number 1109056) finanziert.

1. Aufbau des Finite-Elemente-Modells für elektrische Potentialberechnungen
<ol><li>Ermittlung der Simulationsschritte und der Komplexität des Modells HINWEIS: Ziel des ersten Schritts ist es, den Zweck der Modellierung zu klären, die die notwendigen Elemente des Modells und des Simulationsverfahrens bestimmt. Ein wichtiger zu berücksichtigender Punkt ist das Verhalten von Nervenzellen, das vom Modell gezeigt werden muss, und welches Testprotokoll erforderlich wäre, um dieses Verhalten zu demon...

<ol>
	<li>Greenberg, R. J., Velte, T. J., Humayun, M. S., Scarlatis, G. N., de Juan, E. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=A+computational+model+of+electrical+stimulation+of+the+retinal+ganglion+cell.">A computational model of electrical stimulation of the retinal ganglion cell.</a> IEEE Transactions on Bio-medical Engineering. 46 (5), 505-514 (1999).</li><li>Guo, T., 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=Mediating+retinal+ganglion+cell+spike+rates+using+high-frequency+electrical+stimulation.">Mediating retinal ganglion cell spike rates using high-frequency electrical stimulation.</a> Frontiers in Neuroscience. 13, 413 (2019).</li><li>Loizos, 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=Increasing+electrical+stimulation+efficacy+in+degenerated+retina:+Stimulus+waveform+design+in+a+multiscale+computational+model.">Increasing electrical stimulation efficacy in degenerated retina: Stimulus waveform design in a multiscale computational model.</a> IEEE Transactions on Neural Systems and Rehabilitation Engineering. 26 (6), 1111-1120 (2018).</li><li>Cao, X., Sui, X., Lyu, Q., Li, L., Chai, X. <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+different+three-dimensional+electrodes+on+epiretinal+electrical+stimulation+by+modeling+analysis.">Effects of different three-dimensional electrodes on epiretinal electrical stimulation by modeling analysis.</a> Journal of Neuroengineering and Rehabilitation. 12 (1), 73 (2015).</li><li>Wilke, R. G. H., Moghadam, G. K., Lovell, N. H., Suaning, G. J., Dokos, S. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Electric+crosstalk+impairs+spatial+resolution+of+multi-electrode+arrays+in+retinal+implants.">Electric crosstalk impairs spatial resolution of multi-electrode arrays in retinal implants.</a> Journal of Neural Engineering. 8 (4), 046016 (2011).</li><li>AC/DC module user's guide. COMSOL AB Available from: <a target="_blank" href="https://doc.comsol.com/5.4/doc/com.comsol.help.acdc/ACDCModuleUsersGuide.pdf">https://doc.comsol.com/5.4/doc/com.comsol.help.acdc/ACDCModuleUsersGuide.pdf</a> (2018)</li><li>Malmivuo, P., Malmivuo, J., Plonsey, R. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=.">.</a> Bioelectromagnetism: Principles and Applications of Bioelectric and Biomagnetic Fields. , (1995).</li><li>Rall, W. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Electrophysiology+of+a+dendritic+neuron+model.">Electrophysiology of a dendritic neuron model.</a> Biophysical Journal. 2, 145-167 (1962).</li><li>Carnevale, N. T., Hines, M. L. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=.">.</a> The Neuron Book. , (2006).</li><li>Rattay, F. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=The+basic+mechanism+for+the+electrical+stimulation+of+the+nervous+system.">The basic mechanism for the electrical stimulation of the nervous system.</a> Neuroscience. 89 (2), 335-346 (1999).</li><li>Hodgkin, A. L., Huxley, A. F. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=A+quantitative+description+of+membrane+current+and+its+application+to+conduction+and+excitation+in+nerve.">A quantitative description of membrane current and its application to conduction and excitation in nerve.</a> The Journal of Physiology. 117 (4), 500-544 (1952).</li><li>Liang, T., 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=Threshold+suprachoroidal-transretinal+stimulation+current+required+by+different-size+electrodes+in+rabbit+eyes.">Threshold suprachoroidal-transretinal stimulation current required by different-size electrodes in rabbit eyes.</a> Ophthalmic Research. 45 (3), 113-121 (2011).</li><li>Jensen, R. J., Rizzo, J. F., Ziv, O. R., Grumet, A., Wyatt, J. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Thresholds+for+activation+of+rabbit+retinal+ganglion+cells+with+an+ultrafine,+extracellular+microelectrode.">Thresholds for activation of rabbit retinal ganglion cells with an ultrafine, extracellular microelectrode.</a> Investigative Ophthalmology and Visual Science. 44 (8), 3533-3543 (2003).</li><li>Kim, W., Choi, M., Kim, S. -. W. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=The+normative+retinal+and+choroidal+thicknesses+of+the+rabbit+as+revealed+by+spectral+domain+optical+coherence+tomography.">The normative retinal and choroidal thicknesses of the rabbit as revealed by spectral domain optical coherence tomography.</a> Journal of the Korean Ophthalmological Society. 62 (3), 354-361 (2021).</li><li>Guo, T., 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=Influence+of+cell+morphology+in+a+computational+model+of+ON+and+OFF+retinal+ganglion+cells.">Influence of cell morphology in a computational model of ON and OFF retinal ganglion cells.</a> 35th Annual International Conference of the IEEE Engineering in Medicine and Biology Society (EMBC). 2013, 4553-4556 (2013).</li><li>Haberbosch, 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=Safety+aspects,+tolerability+and+modeling+of+retinofugal+alternating+current+stimulation.">Safety aspects, tolerability and modeling of retinofugal alternating current stimulation.</a> Frontiers in Neuroscience. 13, 783 (2019).</li><li>Sheasby, B. W., Fohlmeister, J. F. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Impulse+encoding+across+the+dendritic+morphologies+of+retinal+ganglion+cells.">Impulse encoding across the dendritic morphologies of retinal ganglion cells.</a> Journal of Neurophysiology. 81 (4), 1685-1698 (1999).</li><li>Rockhill, R. L., Daly, F. J., MacNeil, M. A., Brown, S. P., Masland, R. H. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=The+diversity+of+ganglion+cells+in+a+mammalian+retina.">The diversity of ganglion cells in a mammalian retina.</a> Journal of Neuroscience. 22 (9), 3831-3843 (2002).</li><li>Lukasiewicz, P., Werblin, F. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=A+slowly+inactivating+potassium+current+truncates+spike+activity+in+ganglion+cells+of+the+tiger+salamander+retina.">A slowly inactivating potassium current truncates spike activity in ganglion cells of the tiger salamander retina.</a> The Journal of Neuroscience: The Official Journal of the Society for Neuroscience. 8 (12), 4470-4481 (1988).</li><li>Van Rossum, G. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=.">.</a> Python Reference Manual. , (1995).</li><li>. Welcome to Spyder's Documentation - Spyder 5 documentation Available from: <a target="_blank" href="https://docs.spyder-idle.org/current/index.html">https://docs.spyder-idle.org/current/index.html</a> (2022)</li><li>Rattay, F. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Ways+to+approximate+current-distance+relations+for+electrically+stimulated+fibers.">Ways to approximate current-distance relations for electrically stimulated fibers.</a> Journal of Theoretical Biology. 125 (3), 339-349 (1987).</li><li>Tsai, D., Morley, J. W., Suaning, G. J., Lovell, N. H. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Direct+activation+and+temporal+response+properties+of+rabbit+retinal+ganglion+cells+following+subretinal+stimulation.">Direct activation and temporal response properties of rabbit retinal ganglion cells following subretinal stimulation.</a> Journal of Neurophysiology. 102 (5), 2982-2993 (2009).</li><li>Tsai, D., Morley, J. W., Suaning, G. J., Lovell, N. H. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Frequency-dependent+reduction+of+voltage-gated+sodium+current+modulates+retinal+ganglion+cell+response+rate+to+electrical+stimulation.">Frequency-dependent reduction of voltage-gated sodium current modulates retinal ganglion cell response rate to electrical stimulation.</a> Journal of Neural Engineering. 8 (6), 066007 (2011).</li><li>Joucla, S., Gli&#232;re, A., Yvert, B. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Current+approaches+to+model+extracellular+electrical+neural+microstimulation.">Current approaches to model extracellular electrical neural microstimulation.</a> Frontiers in Computational Neuroscience. 8, 13 (2014).</li><li>. OpenFOAM Available from: <a target="_blank" href="https://www.openfoam.com/">https://www.openfoam.com/</a> (2022)</li><li>Barba, L., Forsyth, G. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=CFD+Python:+The+12+steps+to+Navier-Stokes+equations.">CFD Python: The 12 steps to Navier-Stokes equations.</a> Journal of Open Source Education. 1 (9), 21 (2018).</li></ol>

In diesem Artikel haben wir einen Modellierungsworkflow demonstriert, der Finite-Elemente- und biophysikalische Neuronenmodellierung kombiniert. Das Modell ist sehr flexibel, da es in seiner Komplexität an verschiedene Zwecke angepasst werden kann und eine Möglichkeit bietet, die Ergebnisse anhand empirischer Befunde zu validieren. Wir haben auch gezeigt, wie wir das Modell parametrisiert haben, um eine Automatisierung zu ermöglichen.
Die zweistufige Modellierungsmethode kombiniert die Vort...

Visuelle Neuroprothesen sind eine Gruppe von Geräten, die Stimulationen (elektrisch, Licht usw.) an die Nervenzellen auf dem Sehweg abgeben, um Phosphene oder das Gefühl des Sehens des Lichts zu erzeugen. Es ist eine Behandlungsstrategie, die seit fast einem Jahrzehnt für Menschen mit dauerhafter Erblindung durch degenerative Netzhauterkrankungen klinisch eingesetzt wird. Typischerweise würde ein komplettes System eine externe Kamera umfassen, die die visuellen Informationen um den Benutzer herum erfasst, ein Netzteil und eine Recheneinheit, um das Bild zu verarbeiten und in eine Reihe von elektrischen Impulsen zu übersetzen, und ein implantiertes Elektrodenarray, das das neuronale Gewebe verbindet und die elektrischen Impulse an die Nervenzellen liefert. Das Funktionsprinzip ermöglicht es, eine visuelle Neuroprothese an verschiedenen Stellen entlang des Sehwegs von der Netzhaut zum visuellen Kortex zu platzieren, solange sie dem geschädigten Gewebe nachgeschaltet ist. Ein Großteil der aktuellen Forschung im Bereich visueller Neuroprothesen konzentriert sich auf die Erhöhung der Wirksamkeit der Stimulation und die Verbesserung der räumlichen Sehschärfe, um ein natürlicheres Sehen zu ermöglichen.
Bei den Bemühungen, die Wirksamkeit der Stimulation zu verbessern, war die computergestützte Modellierung eine kostengünstige und zeiteffiziente Methode, um ein Prothesendesign zu validieren und sein visuelles Ergebnis zu simulieren. Computergestützte Modellierung in diesem Bereich gewann seit 1999 an Popularität, als Greenberg1 die Reaktion einer retinalen Ganglienzelle auf extrazelluläre elektrische Reize modellierte. Seitdem wird die computergestützte Modellierung verwendet, um die Parameter des elektrischen Impulses2,3 oder das geometrische Design der Elektrode 4,5 zu optimieren. Trotz der unterschiedlichen Komplexität und der Forschungsfragen arbeiten diese Modelle, indem sie die elektrische Spannungsverteilung im Medium (z. B. Nervengewebe) bestimmen und die elektrische Reaktion abschätzen, die die Neuronen in der Nähe aufgrund der elektrischen Spannung erzeugen.
Die elektrische Spannungsverteilung in einem Leiter kann durch Lösen der Poisson-Gleichungen6 an allen Stellen ermittelt werden:
<img alt="Equation 1" src="/files/ftp_upload/63792/63792eq01.jpg" style="margin: auto;">
<img alt="Equation 2" src="/files/ftp_upload/63792/63792eq02.jpg" style="margin: auto;">
wobei E das elektrische Feld, V das elektrische Potential, J die Stromdichte und σ die elektrische Leitfähigkeit ist. Die <img alt="Equation 12" src="/files/ftp_upload/63792/63792eq12.jpg" style="margin: auto;"> in der Gleichung gibt einen Gradientenoperator an. Bei stationärem Strom werden dem Modell folgende Randbedingungen auferlegt:
<img alt="Equation 3" src="/files/ftp_upload/63792/63792eq3.jpg" style="margin: auto;">
<img alt="Equation 4" src="/files/ftp_upload/63792/63792eq04.jpg" style="margin: auto;">
wobei n die Senkrechte zur Fläche ist, Ω die Grenze darstellt und I0 den spezifischen Strom darstellt. Zusammen erzeugen sie eine elektrische Isolierung an den Außengrenzen und erzeugen eine Stromquelle für eine ausgewählte Grenze. Wenn wir eine monopolare Punktquelle in einem homogenen Medium mit isotroper Leitfähigkeit annehmen, kann das extrazelluläre elektrische Potential an einem beliebigen Ort durch7 berechnet werden:
<img alt="Equation 5" src="/files/ftp_upload/63792/63792eq05.jpg" style="margin: auto;">
wobei Ie der Strom und der Abstand zwischen der Elektrode und dem Messpunkt ist. Wenn das Medium inhomogen oder anisotrop ist oder das Elektrodenarray mehrere Elektroden aufweist, kann eine Berechnungssuite zur numerischen Lösung der Gleichungen praktisch sein. Eine Finite-Elemente-Modellierungssoftware6 zerlegt den Volumenleiter in kleine Abschnitte, die als "Elemente" bezeichnet werden. Die Elemente sind miteinander verbunden, so dass die Auswirkungen der Veränderung in einem Element die Veränderung in anderen beeinflussen, und es löst die physikalischen Gleichungen, die zur Beschreibung dieser Elemente dienen. Mit der steigenden Rechengeschwindigkeit moderner Computer kann dieser Prozess innerhalb von Sekunden abgeschlossen werden. Sobald das elektrische Potential berechnet ist, kann man die elektrische Reaktion des Neurons abschätzen.
Ein Neuron sendet und empfängt Informationen in Form von elektrischen Signalen. Solche Signale gibt es in zwei Formen - abgestufte Potentiale und Aktionspotentiale. Abstufte Potentiale sind vorübergehende Änderungen des Membranpotentials, wobei die Spannung über der Membran positiver (Depolarisation) oder negativer (Hyperpolarisation) wird. Abgestufte Potenziale haben typischerweise lokalisierte Effekte. In Zellen, die sie produzieren, sind Aktionspotentiale Alles-oder-Nichts-Reaktionen, die lange Strecken entlang der Länge eines Axons zurücklegen können. Sowohl abgestufte als auch Aktionspotentiale sind empfindlich gegenüber der elektrischen und chemischen Umgebung. Eine Aktionspotentialspitze kann von verschiedenen neuronalen Zelltypen, einschließlich der retinalen Ganglienzellen, erzeugt werden, wenn ein Schwellentransmembranpotential überschritten wird. Das Aktionspotential Spiking und die Ausbreitung lösen dann die synaptische Übertragung von Signalen an nachgeschaltete Neuronen aus. Ein Neuron kann als Kabel modelliert werden, das in zylindrische Segmente unterteilt ist, wobei jedes Segment aufgrund der Lipiddoppelschichtmembran8 Kapazität und Widerstand aufweist. Ein Neuronen-Rechenprogramm9 kann die elektrische Aktivität einer elektrisch erregbaren Zelle abschätzen, indem es die Zelle in mehrere Kompartimente diskretisiert und das mathematische Modell10 löst:
<img alt="Equation 6" src="/files/ftp_upload/63792/63792eq06.jpg" style="margin: auto;">
In dieser Gleichung ist Cmdie Membrankapazität, V e,n ist das extrazelluläre Potential am Knoten n, Vi,n das intrazelluläre Potential am Knoten n, R n der intrazelluläre (longitudinale) Widerstand am Knoten n und I-Ion ist der Ionenstrom, der durch die Ionenkanäle am Knoten nfließt. Die Werte von V aus dem FEM-Modell werden als Ve,n für alle Knoten im Neuron implementiert, wenn die Stimulation aktiv ist.
Die Transmembranströme aus Ionenkanälen können unter Verwendung der Hodgkin-Huxley-Formulierungen11 modelliert werden:
<img alt="Equation 7" src="/files/ftp_upload/63792/63792eq07.jpg" style="margin: auto;">
wobei g i die spezifische Leitfähigkeit des Kanals, V m das Transmembranpotential (V i,n - Ve,n) und E Ion das Umkehrpotential des Ionenkanals ist. Für spannungsabhängige Kanäle wie Na-Kanal werden dimensionslose Parameter m und h eingeführt, die die Wahrscheinlichkeit des Öffnens oder Schließens der Kanäle beschreiben:
<img alt="Equation 8" src="/files/ftp_upload/63792/63792eq08.jpg" style="margin: auto;">
wobei <img alt="Equation 9" src="/files/ftp_upload/63792/63792eq09.jpg" style="margin: auto;"> die maximale Membranleitfähigkeit für den jeweiligen Ionenkanal ist und die Werte der Parameter m und h durch Differentialgleichungen definiert sind:
<img alt="Equation 10" src="/files/ftp_upload/63792/63792eq10.jpg" style="margin: auto;">
wobei α x und βx spannungsabhängige Funktionen sind, die die Ratenkonstanten des Ionenkanals definieren. Sie haben im Allgemeinen die Form:
<img alt="Equation 11" src="/files/ftp_upload/63792/63792eq11v2.jpg" style="margin: auto;">
Die Werte der Parameter in diesen Gleichungen, einschließlich der maximalen Leitfähigkeit, sowie die Konstanten A, B, C und D, wurden typischerweise aus empirischen Messungen gefunden.
Mit diesen Bausteinen können Modelle unterschiedlicher Komplexität erstellt werden, indem die beschriebenen Schritte ausgeführt werden. Eine FEM-Software ist nützlich, wenn die Poisson-Gleichung nicht analytisch gelöst werden kann, z. B. bei inhomogener oder anisotroper Leitfähigkeit im Volumenleiter oder wenn die Geometrie des Elektrodenarrays komplex ist. Nachdem die extrazellulären Potentialwerte gelöst wurden, kann das Neuronenkabelmodell in der Neuronen-Rechensoftware numerisch gelöst werden. Die Kombination der beiden Software ermöglicht die Berechnung einer komplexen Neuronenzelle oder eines Netzwerks zu einem ungleichmäßigen elektrischen Feld.
Ein einfaches zweistufiges Modell einer retinalen Ganglienzelle unter suprachoroidaler Stimulation wird mit den oben genannten Programmen erstellt. In dieser Studie wird die retinale Ganglienzelle einer Reihe von Größenordnungen elektrischer Stromimpulse ausgesetzt. Die Position der Zelle relativ zum Reiz wird ebenfalls variiert, um die Distanz-Schwellen-Beziehung zu zeigen. Darüber hinaus umfasst die Studie eine Validierung des Berechnungsergebnisses gegen eine In-vivo-Studie der kortikalen Aktivierungsschwelle unter Verwendung unterschiedlicher Größen der Stimulationselektrode12 sowie eine In-vitro-Studie, die die Beziehung zwischen dem Elektroden-Neuron-Abstand und der Aktivierungsschwelle 13 zeigt.

<table border="1" fo:keep-together.within-page="1" fo:keep-with-next.within-page="always">
	<tbody>
		<tr>
			<td>Computer workstation</td>
			<td>N/A</td>
			<td>N/A</td>
			<td>Windows 64-bit operating system, at least 4GB of RAM, at least 3 GB of disk space</td>
		</tr>
		<tr>
			<td>Anaconda Python</td>
			<td>Anaconda Inc.</td>
			<td>Version 3.9</td>
			<td>The open source Individual Edition containing Python 3.9 and preinstalled packages to perform data manipulation, as well as Spyder Integrated Development Environment. It could be used to control the simulation, as well as to display and analyse the simulation data.</td>
		</tr>
		<tr>
			<td>COMSOL Multiphysics</td>
			<td>COMSOL</td>
			<td>Version 5.6</td>
			<td>The simulation suite to perform finite element modelling. The licence for the AC/DC module should be purchased. The Application Builder capability should be included in the licence to follow the automation tutorial.</td>
		</tr>
		<tr>
			<td>NEURON</td>
			<td>NEURON</td>
			<td>Version 8.0</td>
			<td>A freely-distributed software to perform the computation of neuronal cells and/or neural networks.</td>
		</tr>
	</tbody>
</table>

computational modeling of retinal neurons for visual prosthesis research - fundamental approaches

Die computergestützte Modellierung ist aufgrund ihrer Fähigkeit, das Verhalten von In-vivo- und In-vitro-Systemen vorherzusagen, zu einer immer wichtigeren Methode im neuronalen Engineering geworden. Dies hat den entscheidenden Vorteil, dass die Anzahl der in einer bestimmten Studie benötigten Tiere minimiert wird, indem eine oft sehr genaue Vorhersage physiologischer Ergebnisse ermöglicht wird. Auf dem Gebiet der visuellen Prothese hat die computergestützte Modellierung eine Reihe praktischer Anwendungen, einschließlich der Information über das Design eines implantierbaren Elektrodenarrays und die Vorhersage visueller Wahrnehmungen, die durch die Abgabe elektrischer Impulse von diesem Array ausgelöst werden können. Einige in der Literatur beschriebene Modelle kombinieren eine dreidimensionale (3D) Morphologie zur Berechnung des elektrischen Feldes und ein Kabelmodell des interessierenden Neurons oder neuronalen Netzwerks. Um die Zugänglichkeit dieser zweistufigen Methode für Forscher zu erhöhen, die möglicherweise nur begrenzte Erfahrung mit der computergestützten Modellierung haben, stellen wir ein Video der grundlegenden Ansätze zur Verfügung, die zur Konstruktion eines Computermodells zu ergreifen sind, und verwenden es zur Vorhersage der physiologischen und psychophysischen Ergebnisse von Stimulationsprotokollen, die über eine visuelle Prothese. Der Leitfaden umfasst die Schritte zum Erstellen eines 3D-Modells in einer Finite-Elemente-Modellierungssoftware (FEM), die Konstruktion eines retinalen Ganglienzellmodells in einer multikompartimentären Neuronen-Computersoftware, gefolgt von der Verschmelzung der beiden. Eine Finite-Elemente-Modellierungssoftware zur numerischen Lösung physikalischer Gleichungen würde verwendet werden, um die elektrische Feldverteilung in den elektrischen Stimulationen von Gewebe zu lösen. Dann wurde eine spezielle Software verwendet, um die elektrischen Aktivitäten einer neuronalen Zelle oder eines Netzwerks zu simulieren. Um diesem Tutorial zu folgen, wäre die Vertrautheit mit dem Funktionsprinzip einer Neuroprothese sowie neurophysiologischen Konzepten (z. B. Aktionspotentialmechanismus und Verständnis des Hodgkin-Huxley-Modells) erforderlich.

Wir führten zwei Simulationsprotokolle durch, um die Verwendung des Modells zu demonstrieren. Das erste Protokoll beinhaltete die Variation der Elektrodengröße, während die Position des Neurons und die elektrischen Pulsparameter gleich blieben. Das zweite Protokoll bestand darin, das Neuron in 100-μm-Schritten in x-Richtung zu verschieben, während die Größe der Elektrode konstant blieb. Für beide Protokolle war der verwendete Impuls ein einzelner kathodischer biphasischer Impuls von 0,25 ms Breite mit einem Inte...

Watch this Scientific Journal Video about Computational Modeling of Retinal Neurons for Visual Prosthesis Research - Fundamental Approaches at JoVE.com

Computational Modeling of Retinal Neurons for Visual Prosthesis Research - Fundamental Approaches

Wir fassen einen Workflow zusammen, um das Verhalten eines Netzhautneurons als Reaktion auf elektrische Stimulation rechnerisch zu modellieren. Das Berechnungsmodell ist vielseitig und umfasst Automatisierungsschritte, die nützlich sind, um eine Reihe von physiologischen Szenarien zu simulieren und die Ergebnisse zukünftiger In-vivo/In-vitro-Studien zu antizipieren.

Computational Modeling of Retinal Neurons for Visual Prosthesis Research - Grundlegende Ansätze

Computational modeling has become an increasingly important method in neural engineering due to its capacity to predict behaviors of in vivo and in vitro ...

Dieses Protokoll hilft, die Reaktion neuronaler Zellen auf verschiedene Reize vorherzusagen, so dass wir neue Ideen in der neuronalen Stimulation erforschen können, ohne physischen Prototyp oder Lebensgewebe zu benötigen. Es kann als Vorstudie verwendet werden, um Konzepte zu testen, die physikalisch schwer zu emulieren sind, und es ist kosten- und zeiteffizient, so dass eine große Anzahl von Parametern getestet werden kann. Diese Methode kann die neuronale Reaktion in anderen neuronalen Stimulationssystemen neben der Netzhaut vorhersagen.Es ist auch nicht auf elektrische Stimulationen beschränkt, sondern kann auch für Lichtreize verwendet werden. Führen Sie zunächst die FEM-Software aus und klicken Sie auf Modellassistent und dann auf 3D. Erweitern Sie im Listenfeld Physik auswählen den Eintrag AC/DC, und wählen Sie elektrische Felder und Strom aus.Klicken Sie auf Studie und fügen Sie eine stationäre Studie unter der Option Allgemeines hinzu und klicken Sie dann auf Fertig. Ändern Sie in den Geometrieeinstellungen die Längeneinheit von Meter in Mikrometer. Klicken Sie mit der rechten Maustaste auf geometry one, und klicken Sie dann auf Block, um eine Blockdomäne zu erstellen.Wiederholen Sie diesen Schritt noch zwei weitere Male, um insgesamt drei Blöcke zu erstellen. Stellen Sie für alle Blöcke sowohl die Tiefe als auch die Breite auf 5.000 Mikrometer ein und weisen Sie den Höhenwert für den Block zu. Ändern Sie die Basisoption, um Z-Werte für jeden Block zu zentrieren und zuzuweisen.Um eine Arbeitsebene zum Hinzufügen einer Elektrode zum Modell zu erzeugen, klicken Sie mit der rechten Maustaste auf die Geometrie im Modellbaum und wählen Sie Arbeitsebene. Klicken Sie auf Arbeitsebene eins und ändern Sie den Ebenentyp so, dass er parallel ausgerichtet ist. Klicken Sie auf die Schaltfläche Auswahl aktivieren unter dem Ebenentyp und wählen Sie die untere Fläche von Block eins.Klicken Sie auf Parameter eins und legen Sie den Wert für den Radius der Elektrode fest. Um eine Scheibenelektrode auf der Arbeitsebene zu zeichnen, klicken Sie auf ebene Geometrie unter Arbeitsebene eins und klicken Sie in der Hauptsymbolleiste auf Skizze. Wählen Sie den Kreis aus, klicken Sie auf der Registerkarte Grafiken auf eine beliebige Stelle im Rechteck, und ziehen Sie, um eine Scheibenelektrode zu erstellen.Ändern Sie den Radius auf einen vordefinierten Wert in Mikrometer, xw und yw auf null Mikrometer und klicken Sie dann auf Alle erstellen. Klicken Sie im Modellbaum mit der rechten Maustaste auf Material, klicken Sie dann auf leeres Material, klicken Sie dann auf Material eins, und ändern Sie die Auswahl in manuell. Klicken Sie im Grafikfenster auf die Domänen, sodass nur eine Domäne ausgewählt wird.Wählen Sie Materialeigenschaften, grundlegende Eigenschaften, klicken Sie dann auf elektrische Leitfähigkeit und klicken Sie auf die Schaltfläche Zum Material hinzufügen. Ändern Sie den elektrischen Leitfähigkeitswert auf 0,043 Siemens pro Meter. Wiederholen Sie die Schritte für die Domänen zwei und drei mit den elektrischen Leitfähigkeitswerten von 0,7 bzw. 1,55 Siemens pro Meter.Um ein 3D-Modell zu vernetzen, gehen Sie zum Modellbaum, klicken Sie mit der rechten Maustaste auf das Gitter und klicken Sie dann auf frei tetraedrisch. Klicken Sie auf free tetrahedral one und wählen Sie build all. Um die Physik auf FEM anzuwenden, erweitern Sie die elektrischen Ströme eins im Modellbaum und prüfen Sie, ob die Stromerhaltung eins, die elektrische Isolierung und die Anfangswerte eins aufgeführt sind.Klicken Sie dann mit der rechten Maustaste auf die elektrischen Ströme. Klicken Sie dann auf Masse und tragen Sie dies auf die Oberfläche auf, die am weitesten von der Elektrode entfernt ist. Klicken Sie anschließend mit der rechten Maustaste auf die elektrischen Ströme.Klicken Sie dann auf das der Scheibenelektrode zugewiesene Gleitpotential und ändern Sie den I0-Wert in ein Mikroampere, um einen Einheitsstrom anzuwenden. Um die Simulation mit einem parametrischen Sweep auszuführen, klicken Sie in der Modellstruktur mit der rechten Maustaste auf Studie eins, und klicken Sie dann auf Parametric Sweep. Klicken Sie auf parametrische Durchführung, klicken Sie in der Studieneinstellungstabelle auf Hinzufügen und wählen Sie dann elec_rad für den Parameternamen aus.Geben Sie 50, 150, 350, 500 für die Parameterwertliste und Mikrometer für die Parametereinheit ein. Klicken Sie dann auf Berechnen, um die Studie auszuführen. Um die Morphologie mit der CellBuilder-Funktion zu importieren, führen Sie nrngui aus dem Installationsordner der NEURON Computational Suite aus.Klicken Sie anschließend auf Werkzeuge, klicken Sie dann auf Verschiedenes, importieren Sie 3D und aktivieren Sie dann das Kontrollkästchen Datei auswählen. Suchen Sie die heruntergeladene SWC-Datei und klicken Sie auf Lesen. Sobald die Geometrie importiert wurde, klicken Sie auf Exportieren und dann auf CellBuilder.Um eine HOC-Datei der importierten Zellmorphologie zu erstellen, gehen Sie zur Registerkarte Teilmengen und beobachten Sie die Teilmengen, die im Modell vordefiniert wurden. Aktivieren Sie das Kontrollkästchen Continuous Create, gehen Sie zur Verwaltung, klicken Sie dann auf Exportieren und exportieren Sie die Morphologie als rgc.hoc. Um die Morphologie der Zelle anzuzeigen, klicken Sie auf Werkzeug, Modellansicht, eine reelle Zelle.Klicken Sie dann in der Symbolleiste auf root soma zero. Klicken Sie mit der rechten Maustaste auf das erscheinende Fenster und klicken Sie auf Zugriffstyp und Zugriff anzeigen. Bei Sichtprüfung sollte der dendritische Felddurchmesser dieses Modells etwa 250 Mikrometer betragen.Schließen Sie vorerst die NEURON-Fenster. Öffnen Sie die FEM-Software. Wechseln Sie zum Application Builder.Klicken Sie mit der rechten Maustaste auf Methoden in der Struktur des Anwendungsgenerators. Wählen Sie die neue Methode und klicken Sie auf OK. Gehe zu Datei und klicke dann auf Voreinstellungen und Methoden.Aktivieren Sie das Kontrollkästchen Alle Codes anzeigen und klicken Sie auf OK. Schreiben Sie die HOC-Datei, die die Koordinaten der Neuronensegmente in eine Textdatei lädt. Verwenden Sie das FEM-Methodenskript, um die Werte an die gewünschte Position anzupassen, und speichern Sie eine Textdatei, die die Koordinatenwerte für die neue Position der Zelle enthält.Öffnen Sie die COMSOL-Methode und speichern Sie die verschobenen Koordinaten- und Spannungswerte. Um die automatisierten Schritte in der FEM-Software auszuführen, wechseln Sie zum Modellgenerator, Entwickler, Ausführungsmethode und klicken Sie auf Methode eins. Dadurch werden DAT-Dateien mit den entsprechenden Spannungswerten erzeugt.Schleifen Sie die Simulationen in einer universellen Programmiersprache, indem Sie die ausgewählte IDE öffnen und auf neue Datei klicken, um ein neues Skript zu erstellen, wie im Textmanuskript festgelegt. Klicken Sie abschließend auf Ausführen oder drücken Sie F5, um das Skript auszuführen, wodurch auch die GUI der NEURON Computational Suite geöffnet wird. Grafische Darstellung der Reaktion des Neuron-Modells auf die extrazelluläre Stimulation in der GUI der NEURON Computational Suite.Führen Sie dazu eine Stimulation durch. hoc, klicken Sie auf Diagramm, klicken Sie dann in der Symbolleiste auf Spannungszugriff, klicken Sie im Diagrammfenster mit der rechten Maustaste auf eine beliebige Stelle, und wählen Sie Zeichnen Sie was? Geben Sie Axon ein.v1 im Feld Variable to graph, was bedeutet, dass es das Transmembranpotential des letzten Segments des Axons pro Zeitschritt aufzeichnet. Das hier beschriebene Modell bestätigte, dass die Erhöhung der suprachoroidalen Elektrodengröße bei einer Pulsbreite von 0,25 Millisekunden die Aktivierungsschwelle des Modellneurons erhöhte. Die Aktionspotentialeigenschaften wurden beobachtet, um das Modell zu validieren.Die Latenz bzw. die Zeit zwischen dem Reizbeginn und dem Höhepunkt der Aktionspotentialspitze lag zwischen 1 und 2,2 Millisekunden. Dies entsprach der kurzen Latenzspitze aufgrund der nicht netzwerkvermittelten Netzhautaktivierung. Die Spike-Breite dieses Modells betrug eine Millisekunde und liegt damit im gleichen Bereich wie die Spike-Breiten von Kaninchen-RGCs, die in vitro gemessen wurden.Das Modell zeigte die niedrigste Schwelle, wenn sich das schmale Segment des Axons unmittelbar über der Scheibenelektrode befand und mit zunehmender X-Entfernung zunahm. Das Bewegen der Elektrode weiter in Richtung des distalen Axons erzeugte eine niedrigere Schwelle im Vergleich zum Bewegen der Elektrode in Richtung der Dendriten aufgrund des Vorhandenseins des Axon-Anfangssegments und des schmalen Segments, in dem die Natriumkanäle häufiger vorkommen. Die beschriebene Methode ist einfach anzuwenden und beschleunigt Forscher bei der Erstellung von Machbarkeitsnachweisen für neuartige Stimulationsmethoden oder Neuro-Elektro-Designs.

Research

JoVE Journal

Neuroscience

Patch Clamp Recordings from Mouse Retinal Neurons in a Dark-adapted Slice Preparation

Patch Clamp Messungen von Mouse Netzhautneuronen in einem Dark-Scheiben angepasst Vorbereitung

Our visual experience is initiated when the visual pigment in our retinal photoreceptors absorbs photons of light energy and initiates a cascade of ...

Forschung

Neurowissenschaften

Cut-loading: A Useful Tool for Examining the Extent of Gap Junction Tracer Coupling Between Retinal Neurons

Cut-loading: ein nützliches Werkzeug für die Prüfung des Umfangs der Gap Junction Tracer Kopplung zwischen Netzhautneuronen

In addition to chemical synaptic transmission, neurons that are connected by gap junctions can also communicate rapidly via electrical synaptic ...

Single-cell Profiling of Developing and Mature Retinal Neurons

Einzel-Zell-Profiling der Entwicklung und Reife Netzhautneuronen

Highly specialized, but exceedingly small populations of cells play important roles in many tissues. The identification of cell-type specific markers and ...

Simultaneous Whole-cell Recordings from Photoreceptors and Second-order Neurons in an Amphibian Retinal Slice Preparation

Gleichzeitige Ganzzellableitungen von Photorezeptoren und Neuronen zweiter Ordnung in eine Amphibie Retinal Scheibe Vorbereitung

One of the central tasks in retinal neuroscience  is to understand the circuitry of retinal neurons and how those connections are  responsible for shaping ...

A Simple Behavioral Assay for Testing Visual Function in Xenopus laevis

A Simple Behavioral Assay for Testing Visual Function in Xenopus laevis

Eine einfache Verhaltenstest zur Prüfung von Visual Function in<em&gt; Xenopus laevis</em

Measurement of the visual function in the tadpoles of the frog, Xenopus laevis, allows screening for blindness in live animals. The optokinetic response ...

Modeling Neuronal Death and Degeneration in Mouse Primary Cerebellar Granule Neurons

Modellierung von neuronalen Tod und Degeneration in Maus primären zerebelläre Granulat Neuronen

Cerebellar granule neurons (CGNs) are a commonly used neuronal model, forming an abundant homogeneous population in the cerebellum. In light of their ...

Partial Optic Nerve Transection in Rats: A Model Established with a New Operative Approach to Assess Secondary Degeneration of Retinal Ganglion Cells

Partielle Sehnerv Durchtrennung bei Ratten: ein Modell gegründet mit einem neuen operativen Ansatz zur sekundären Degeneration der retinalen Ganglienzellen bewerten

Previous studies have shown that the secondary degeneration of retinal ganglion cells (RGCs) occurs commonly in glaucoma. Partial optic nerve transection ...

Generation of Human Neurons and Oligodendrocytes from Pluripotent Stem Cells for Modeling Neuron-Oligodendrocyte Interactions

Generierung humaner Neuronen und Oligodendrozyten aus pluripotenten Stammzellen zur Modellierung von Neuron-Oligodendrozyten-Interaktionen

In Alzheimer&#8217;s disease (AD) and other neurodegenerative disorders, oligodendroglial failure is a common early pathological feature, but how it ...

Modeling Stroke in Mice: Focal Cortical Lesions by Photothrombosis

Modellierung von Schlaganfällen bei Mäusen: Fokale kortikale Läsionen durch Photothrombose

Stroke is a leading cause of death and acquired adult disability in developed countries. Despite extensive investigation for novel therapeutic strategies, ...

Establishment of an Electrophysiological Platform for Modeling ALS with Regionally-Specific Human Pluripotent Stem Cell-Derived Astrocytes and Neurons

Etablierung einer elektrophysiologischen Plattform zur Modellierung von ALS mit regionalspezifischen humanen pluripotenten Stammzell-abgeleiteten Astrozyten und Neuronen

Human pluripotent stem cell-derived astrocytes (hiPSC-A) and neurons (hiPSC-N) provide a powerful tool for modeling Amyotrophic Lateral Sclerosis (ALS) ...