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

Questa ricerca è finanziata dal National Health and Medical Research Council Project Grant (Grant Number 1109056).

1. Impostazione del modello agli elementi finiti per il calcolo del potenziale elettrico
<ol><li>Determinare le fasi di simulazione e la complessità del modello NOTA: Lo scopo del primo passo è chiarire lo scopo della modellazione, che determinerà gli elementi necessari del modello e della procedura di simulazione. Un punto importante da considerare è il comportamento delle cellule neurali che deve essere mostrato dal modello e quale protocollo di test sarebbe necessario per dimostrare tale comp...

<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 questo articolo, abbiamo dimostrato un flusso di lavoro di modellazione che combina la modellazione degli elementi finiti e dei neuroni biofisici. Il modello è altamente flessibile, in quanto può essere modificato nella sua complessità per adattarsi a scopi diversi e fornisce un modo per convalidare i risultati rispetto ai risultati empirici. Abbiamo anche dimostrato come abbiamo parametrizzato il modello per consentire l'automazione.
Il metodo di modellazione in due fasi combina i vanta...

Le neuroprotesi visive sono un gruppo di dispositivi che forniscono stimolazioni (elettriche, luminose, ecc.) alle cellule neurali nel percorso visivo per creare fosfeni o sensazione di vedere la luce. È una strategia di trattamento che è stata in uso clinico per quasi un decennio per le persone con cecità permanente causata da malattie degenerative della retina. In genere, un sistema completo includerebbe una telecamera esterna che cattura le informazioni visive intorno all'utente, un alimentatore e un'unità di calcolo per elaborare e tradurre l'immagine in una serie di impulsi elettrici e un array di elettrodi impiantati che interfaccia il tessuto neurale e fornisce gli impulsi elettrici alle cellule neurali. Il principio di funzionamento consente di posizionare una neuroprotesi visiva in diversi siti lungo il percorso visivo dalla retina alla corteccia visiva, purché sia a valle del tessuto danneggiato. La maggior parte della ricerca attuale in neuroprotesi visive si concentra sull'aumento dell'efficacia della stimolazione e sul miglioramento dell'acuità spaziale per fornire una visione più naturale.
Negli sforzi per migliorare l'efficacia della stimolazione, la modellazione computazionale è stata un metodo economico e tempestivo per convalidare un progetto di protesi e simularne il risultato visivo. La modellazione computazionale in questo campo ha guadagnato popolarità dal 1999 quando Greenberg1 ha modellato la risposta di una cellula gangliare retinica agli stimoli elettrici extracellulari. Da allora, la modellazione computazionale è stata utilizzata per ottimizzare i parametri dell'impulso elettrico2,3 o il design geometrico dell'elettrodo 4,5. Nonostante la variazione della complessità e delle domande di ricerca, questi modelli funzionano determinando la distribuzione della tensione elettrica nel mezzo (ad esempio, il tessuto neurale) e stimando la risposta elettrica che i neuroni nelle vicinanze produrranno a causa della tensione elettrica.
La distribuzione della tensione elettrica in un conduttore può essere trovata risolvendo le equazioni di Poisson6 in tutte le posizioni:
<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;">
dove E è il campo elettrico, V il potenziale elettrico, J la densità di corrente e σ è la conduttività elettrica. L'equazione <img alt="Equation 12" src="/files/ftp_upload/63792/63792eq12.jpg" style="margin: auto;"> indica un operatore gradiente. Nel caso di corrente stazionaria, al modello sono imposte le seguenti condizioni al contorno:
<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;">
dove n è la normale alla superficie, Ω rappresenta il limite e I0 rappresenta la corrente specifica. Insieme, creano isolamento elettrico ai confini esterni e creano una sorgente di corrente per un limite selezionato. Se assumiamo una sorgente puntiforme monopolare in un mezzo omogeneo con una conduttività isotropa, il potenziale elettrico extracellulare in una posizione arbitraria può essere calcolato da7:
<img alt="Equation 5" src="/files/ftp_upload/63792/63792eq05.jpg" style="margin: auto;">
dove I e è la corrente e è la distanza tra l'elettrodo e il punto di misura. Quando il mezzo è disomogeneo o anisotropo, o l'array di elettrodi ha più elettrodi, una suite computazionale per risolvere numericamente le equazioni può essere conveniente. Un software di modellazione agli elementi finiti6 suddivide il conduttore di volume in piccole sezioni note come "elementi". Gli elementi sono interconnessi tra loro in modo tale che gli effetti del cambiamento in un elemento influenzano il cambiamento in altri, e risolve le equazioni fisiche che servono a descrivere questi elementi. Con la crescente velocità di calcolo dei computer moderni, questo processo può essere completato in pochi secondi. Una volta calcolato il potenziale elettrico, si può quindi stimare la risposta elettrica del neurone.
Un neurone invia e riceve informazioni sotto forma di segnali elettrici. Tali segnali si presentano in due forme: potenziali graduati e potenziali d'azione. I potenziali graduati sono cambiamenti temporanei del potenziale di membrana in cui la tensione attraverso la membrana diventa più positiva (depolarizzazione) o negativa (iperpolarizzazione). I potenziali graduati hanno tipicamente effetti localizzati. Nelle cellule che li producono, i potenziali d'azione sono risposte "tutto o niente" che possono percorrere lunghe distanze lungo la lunghezza di un assone. Sia i potenziali graduati che quelli d'azione sono sensibili all'ambiente elettrico e chimico. Un picco di potenziale d'azione può essere prodotto da vari tipi di cellule neuronali, comprese le cellule gangliari retiniche, quando viene attraversato un potenziale transmembrana di soglia. Il potenziale d'azione e la propagazione innescano quindi la trasmissione sinaptica dei segnali ai neuroni a valle. Un neurone può essere modellato come un cavo diviso in segmenti cilindrici, dove ogni segmento ha capacità e resistenza a causa della membrana lipidica a doppio strato8. Un programma computazionale neuronale9 può stimare l'attività elettrica di una cellula elettricamente eccitabile discretizzando la cellula in più compartimenti e risolvendo il modello matematico10:
<img alt="Equation 6" src="/files/ftp_upload/63792/63792eq06.jpg" style="margin: auto;">
In questa equazione, Cmè la capacità della membrana, V e,n è il potenziale extracellulare al nodo n, V i,n il potenziale intracellulare al nodo n, R n la resistenza intracellulare (longitudinale) al nodo n e loione I è la corrente ionica che attraversa i canali ionici al nodo n. I valori di V dal modello FEM sono implementati come Ve,n per tutti i nodi del neurone quando la stimolazione è attiva.
Le correnti transmembrana dai canali ionici possono essere modellate usando le formulazioni di Hodgkin-Huxley11:
<img alt="Equation 7" src="/files/ftp_upload/63792/63792eq07.jpg" style="margin: auto;">
dove g i è la conduttanza specifica del canale, V m il potenziale transmembrana (V i,n - Ve,n) e lo ione E il potenziale di inversione del canale ionico. Per i canali voltaggio-dipendenti, come il canale Na, vengono introdotti parametri adimensionali, m e h, che descrivono la probabilità di apertura o chiusura dei canali:
<img alt="Equation 8" src="/files/ftp_upload/63792/63792eq08.jpg" style="margin: auto;">
dove <img alt="Equation 9" src="/files/ftp_upload/63792/63792eq09.jpg" style="margin: auto;"> è la massima conduttanza di membrana per il particolare canale ionico, e i valori dei parametri m e h sono definiti da equazioni differenziali:
<img alt="Equation 10" src="/files/ftp_upload/63792/63792eq10.jpg" style="margin: auto;">
dove α x e βx sono funzioni dipendenti dalla tensione che definiscono le costanti di velocità del canale ionico. Generalmente assumono la forma:
<img alt="Equation 11" src="/files/ftp_upload/63792/63792eq11v2.jpg" style="margin: auto;">
I valori dei parametri in queste equazioni, inclusa la conduttanza massima, così come le costanti A, B, C e D, sono stati tipicamente trovati da misurazioni empiriche.
Con questi elementi costitutivi, è possibile creare modelli di diversa complessità seguendo i passaggi descritti. Un software FEM è utile quando l'equazione di Poisson non può essere risolta analiticamente, come nel caso di conduttanza disomogenea o anisotropa nel conduttore di volume o quando la geometria dell'array di elettrodi è complessa. Dopo che i valori di potenziale extracellulare sono stati risolti, il modello del cavo neuronale può essere risolto numericamente nel software computazionale del neurone. La combinazione dei due software consente il calcolo di una cellula o rete di neuroni complessi in un campo elettrico non uniforme.
Un semplice modello in due fasi di una cellula gangliare retinica sotto una stimolazione sopracoroideale sarà costruito utilizzando i programmi di cui sopra. In questo studio, la cellula gangliare retinica sarà sottoposta a una gamma di grandezze di impulsi di corrente elettrica. Anche la posizione della cellula rispetto allo stimolo viene variata per mostrare la relazione distanza-soglia. Inoltre, lo studio include una convalida del risultato computazionale rispetto a uno studio in vivo della soglia di attivazione corticale utilizzando diverse dimensioni dell'elettrodo di stimolazione12, nonché uno studio in vitro che mostra la relazione tra la distanza elettrodo-neurone e la soglia di attivazione13.

<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

La modellazione computazionale è diventata un metodo sempre più importante nell'ingegneria neurale grazie alla sua capacità di prevedere i comportamenti dei sistemi in vivo e in vitro . Ciò ha il vantaggio chiave di ridurre al minimo il numero di animali richiesti in un determinato studio fornendo una previsione spesso molto precisa dei risultati fisiologici. Nel campo della protesi visiva, la modellazione computazionale ha una serie di applicazioni pratiche, tra cui informare la progettazione di un array di elettrodi impiantabili e la previsione delle percezioni visive che possono essere suscitate attraverso la consegna di impulsi elettrici da detto array. Alcuni modelli descritti in letteratura combinano una morfologia tridimensionale (3D) per calcolare il campo elettrico e un modello a cavo del neurone o della rete neurale di interesse. Per aumentare l'accessibilità di questo metodo in due fasi ai ricercatori che potrebbero avere una limitata esperienza precedente nella modellazione computazionale, forniamo un video degli approcci fondamentali da adottare per costruire un modello computazionale e utilizzarlo nella previsione dei risultati fisiologici e psicofisici dei protocolli di stimolazione implementati tramite una protesi visiva. La guida comprende i passaggi per costruire un modello 3D in un software di modellazione ad elementi finiti (FEM), la costruzione di un modello di cellule gangliari retiniche in un software computazionale neuronale multicompartimentale, seguito dalla fusione dei due. Un software di modellazione ad elementi finiti per risolvere numericamente equazioni fisiche verrebbe utilizzato per risolvere la distribuzione del campo elettrico nelle stimolazioni elettriche dei tessuti. Quindi, è stato utilizzato un software specializzato per simulare le attività elettriche di una cellula neurale o di una rete. Per seguire questo tutorial, sarebbe necessaria familiarità con il principio di funzionamento di una neuroprotesi, così come i concetti neurofisiologici (ad esempio, il meccanismo del potenziale d'azione e la comprensione del modello di Hodgkin-Huxley).

Abbiamo condotto due protocolli di simulazione per dimostrare l'uso del modello. Il primo protocollo prevedeva la variazione della dimensione dell'elettrodo mantenendo la posizione del neurone e i parametri dell'impulso elettrico uguali. Il secondo protocollo prevedeva lo spostamento del neurone nella direzione x in passi di 100 μm, mentre la dimensione dell'elettrodo rimaneva costante. Per entrambi i protocolli, l'impulso utilizzato era un singolo impulso bifasico catodico di 0,25 ms di larghezza con un gap interfasico...

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

Riassumiamo un flusso di lavoro per modellare computazionalmente i comportamenti di un neurone retinico in risposta alla stimolazione elettrica. Il modello computazionale è versatile e include fasi di automazione utili per simulare una serie di scenari fisiologici e anticipare i risultati di futuri studi in vivo / in vitro .

Modellazione computazionale di neuroni retinici per la ricerca di protesi visive - Approcci fondamentali

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

Questo protocollo aiuta a prevedere la risposta delle cellule neurali a diversi stimoli, permettendoci di esplorare nuove idee nella stimolazione neurale senza bisogno di prototipi fisici o tessuti vitali. Può essere utilizzato come studio preliminare per testare concetti difficili da emulare fisicamente, ed è efficiente in termini di costi e tempi, consentendo di testare un gran numero di parametri. Questo metodo può prevedere la risposta neurale in altri sistemi di stimolazione neurale oltre alla retina.Inoltre, non è limitato alle stimolazioni elettriche, ma può essere utilizzato anche per stimoli luminosi. Per iniziare, eseguire il software FEM e fare clic sulla procedura guidata del modello, quindi su 3D. Nella casella di riepilogo Seleziona fisica, espandere AC/DC e selezionare campi elettrici e corrente.Fare clic su studio e aggiungere uno studio stazionario sotto l'opzione studi generali, quindi fare clic su fatto. Nelle impostazioni geometriche, modificare l'unità di lunghezza da metro a micrometro. Fare clic con il pulsante destro del mouse sulla geometria, quindi fare clic su Blocca per creare un dominio di blocco.Ripetere questo passaggio altre due volte per creare tre blocchi in totale. Per tutti i blocchi, impostare sia la profondità che la larghezza su 5.000 micrometri e assegnare il valore di altezza per il blocco. Modificare l'opzione di base per centrare e assegnare valori Z per ciascun blocco.Per creare un piano di lavoro per aggiungere un elettrodo al modello, fate clic con il pulsante destro del mouse su quello geometrico nell'albero del modello e scegliete piano di lavoro. Fate clic sul piano di lavoro uno e modificate il tipo di piano in modo che sia rivolto verso il parallelo. Fare clic sul pulsante di attivazione della selezione sotto il tipo di piano e scegliere la superficie inferiore del blocco uno.Fare clic sui parametri uno e definire il valore per il raggio dell'elettrodo. Per disegnare un elettrodo a disco sul piano di lavoro, fate clic sulla geometria del piano sotto il piano di lavoro uno e fate clic sullo sketch nella barra degli strumenti principale. Selezionare il cerchio, fare clic in un punto qualsiasi all'interno del rettangolo nella scheda grafica e trascinare per creare un elettrodo del disco.Modificare il raggio impostando un valore predefinito in micrometro, xw e yw su zero micrometro, quindi fare clic su build all. Nell'albero del modello, fate clic con il pulsante destro del mouse sul materiale, quindi scegliete materiale vuoto, quindi fate clic sul materiale uno e modificate la selezione in manuale. Fare clic sui domini nell'area grafica in modo da scegliere solo il dominio uno.Scegli le proprietà del materiale, le proprietà di base, quindi fai clic sulla conduttività elettrica e fai clic sul pulsante Aggiungi al materiale. Modificare il valore di conducibilità elettrica a 0,043 siemens per metro. Ripetere i passaggi per i domini due e tre con i valori di conducibilità elettrica di 0,7 e 1,55 siemens per metro, rispettivamente.Per eseguire la mesh di un modello 3D, accedere all'albero del modello e fare clic con il pulsante destro del mouse su mesh uno, quindi fare clic su tetraedrico libero. Fai clic su quello tetraedrico libero e scegli costruisci tutto. Per applicare la fisica alle FEM, espandere le correnti elettriche una nell'albero del modello e verificare se sono elencati uno di conservazione della corrente, uno di isolamento elettrico e i valori iniziali.Quindi fare clic con il pulsante destro del mouse sulle correnti elettriche. Quindi fare clic su rettifica e applicarlo alla superficie più lontana dall'elettrodo. Quindi, fai clic con il pulsante destro del mouse sulle correnti elettriche.Quindi fare clic sul potenziale flottante assegnato all'elettrodo a disco e modificare il valore I0 in un microampere per applicare una corrente unitaria. Per eseguire la simulazione con una sweep parametrica, nell'albero del modello, fate clic con il pulsante destro del mouse su Study One, quindi scegliete sweep parametrica. Fare clic su sweep parametrico e, nella tabella delle impostazioni dello studio, fare clic su aggiungi, quindi scegliere elec_rad per il nome del parametro.Digitare 50, 150, 350, 500 per l'elenco dei valori dei parametri e micrometro per l'unità di parametro. Quindi fare clic su calcolo per eseguire lo studio. Per importare la morfologia utilizzando la funzione CellBuilder, eseguire nrngui dalla cartella di installazione di NEURON Computational Suite.Quindi, fai clic su strumenti, quindi fai clic su varie, importa 3D, quindi seleziona la casella scegli un file. Individua il file SWC scaricato e fai clic su leggi. Una volta che la geometria è stata importata, fare clic su Esporta, quindi su CellBuilder.Per creare un file HOC della morfologia cellulare importata, passare alla scheda sottoinsiemi e osservare i sottoinsiemi predefiniti nel modello. Spuntare la casella di creazione continua, andare su gestione, quindi fare clic su esporta ed esportare la morfologia come rgc.hoc. Per visualizzare la morfologia della cella, fare clic su strumento, vista modello, una cella reale.Quindi fare clic su root soma zero sulla barra degli strumenti. Fare clic con il pulsante destro del mouse sulla finestra visualizzata e fare clic su Tipo di accesso e Visualizza accesso. Secondo l'ispezione visiva, il diametro del campo dendritico di questo modello dovrebbe essere di circa 250 micrometri.Chiudere le finestre NEURON per ora. Aprire il software FEM. Passare a Application Builder.Fare clic con il pulsante destro del mouse sui metodi nella struttura di Application Builder. Scegli il nuovo metodo e fai clic su OK. Vai al file, quindi fai clic su preferenze e metodi.Spuntare la casella Visualizza tutti i codici e fare clic su OK. Scrivi il file HOC che carica le coordinate dei segmenti dei neuroni in un file di testo. Utilizzare lo script del metodo FEM per spostare i valori in modo che corrispondano alla posizione desiderata e salvare un file di testo contenente i valori delle coordinate per la nuova posizione della cella.Aprite il metodo COMSOL e salvate i valori di coordinate e tensione spostati. Per eseguire i passaggi automatici nel software FEM, passare al generatore di modelli, allo sviluppatore, al metodo di esecuzione e fare clic sul metodo uno. Ciò produrrà file DAT con i valori di tensione appropriati.Eseguire il loop delle simulazioni in un linguaggio di programmazione generico aprendo l'IDE scelto e fare clic sul nuovo file per creare un nuovo script, come determinato nel manoscritto di testo. Infine, fai clic su esegui o premi F5 per eseguire lo script, che aprirà anche la GUI di NEURON Computational Suite. Rappresentare graficamente la risposta del modello NEURON alla stimolazione extracellulare nella GUI della NEURON Computational Suite.Per fare questo, esegui la stimolazione. Hoc, fai clic su Graph, quindi fai clic su Voltage Access dalla barra degli strumenti e nella finestra del grafico, fai clic con il pulsante destro del mouse in un punto qualsiasi e scegli, traccia cosa? Digitare l'assone.v1 nel campo da variabile a grafico, il che significa che traccerà il potenziale transmembrana dell'ultimo segmento dell'assone per passo temporale. Il modello qui descritto ha confermato che l'aumento della dimensione dell'elettrodo sopracoroidale con una larghezza di impulso di 0,25 millisecondi ha aumentato la soglia di attivazione del neurone modello. Le caratteristiche del potenziale d'azione sono state osservate per convalidare il modello.La latenza o il tempo tra l'inizio dello stimolo e il picco del picco del potenziale d'azione variava da 1 a 2,2 millisecondi. Ciò corrispondeva al breve picco di latenza dovuto all'attivazione retinica non mediata dalla rete. La larghezza del picco di questo modello era di un millisecondo e questo è nello stesso intervallo delle larghezze delle punte degli RGC di coniglio misurati in vitro.Il modello ha mostrato la soglia più bassa quando il segmento stretto dell'assone era immediatamente sopra l'elettrodo del disco e aumentava man mano che la distanza X diventava più grande. Spostare ulteriormente l'elettrodo verso l'assone distale ha prodotto una soglia più bassa rispetto allo spostamento dell'elettrodo verso i dendriti a causa della presenza del segmento iniziale dell'assone e del segmento stretto in cui i canali del sodio sono più prevalenti. Il metodo descritto è facile da applicare e accelera i ricercatori nella produzione di prove di concetto per nuovi metodi di stimolazione o progetti neuro-elettro.

Research

JoVE Journal

Neuroscience

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

Bloccare Registrazioni patch da neuroni della retina del mouse in un Dark-adattato Preparazione Slice

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

Ricerca

Neuroscienze

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

Cut-loading: uno strumento utile per esaminare fino di accoppiamento Tracer Junction Gap tra i neuroni della retina

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

Single-cell Profiling dei neuroni retinici maturi e in sviluppo

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

Registrazioni simultanee a cellule di fotorecettori e dei neuroni di secondo ordine in un anfibio Retinal Fetta Preparazione

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

Un test comportamentale semplice for Testing Funzione visiva 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

Modellazione di morte neuronale e degenerazione in neuroni cerebellari del granello primario del Mouse

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

Transection parziale del nervo ottico in ratti: un modello stabilito con un nuovo approccio operativo per valutare la degenerazione secondaria delle cellule ganglionari retiniche

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

Generazione di neuroni umani e oligodendrociti da cellule staminali pluripotenti per la modellazione delle interazioni neurone-oligodendrociti

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

Modellazione dell'ictus nei topi: lesioni corticali focali da fototrombosi

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

Creazione di una piattaforma elettrofisiologica per la modellazione della SLA con astrociti e neuroni derivati da cellule staminali pluripotenti umane specifiche a livello regionale

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