BME VIK

MIT

Els®éves doktoranduszi beszámoló

Agyi mikroelektródás rendszerek

kiértékelése

Cserpán Dorottya

Témavezetõk: Horváth Gábor és Somogyvári Zoltán

Budapest, 2012

Absztrakt

Munkám során agyi mérések kiértékelésével foglalkozom, különös tekin-tettel az egyes idegsejtek, vagy kisebb idegsejtcsoportokra összpontosítva. Azegyik f® kutatási vonal egy olyan módszer fejlesztése, mely az in vivo extra-celluláris mérésekb®l rekonstruálja az idegsejt áramforrásainak tér és id®belieloszlását. A módszer lehet®vé teszi pl. egyes idegsejtek szinaptikus be-meneteinek vizsgálatára, a dendritek terjed® jel meg�gyelésére a többi mérésieszköznél jobb felbontással térben és id®ben. A másik kutatási vonal céljaa párhuzamosan, egymástól 50-100 µm-re lév® mérési pontokban rögzítettjelek összehasonlítása különféle mértékek szerint. Az agy nagyobb területeiközött már ismertek a kapcsolatok, de a kisebb egységek közöttiek még nem.

Az extracelluláris potenciál

Az idegsejtek rendkívül változatos alakban jelennek meg, de alapvet®ensejttestb®l és az abból kiinduló nyúlványokból, a dendritekb®l illetve axonok-ból állnak.A bemeneti jelek összegy¶jtésére szolgál a dendritfa, melyen akármikrométerenként 2 szinaptikus bemenet is lehet. A 10-50 mikrométeresszóma segítségével az axon iniciális szegmentumon kialakult jel pedig az ax-onon terjed az axon terminálisig, ahol az idegsejttel szinaptikus kapcsolat-ban álló többi idegsejtre továbbítódik a jel neurotranszmitterek segítségével.Ezen folyamatok részletesebb megértéséhez szükséges az idegsejtben zajlóelektromos jelenségek tárgyalása. Nyugalmi állapotban az idegsejt belsejeés a sejten kívüli tér között körülbelül -70 mV feszültség mérhet® (nyugalmimembránpotenciál), melyet a membrán két oldalán eltér® koncentrációbanjelenlév® ionok okoznak (Na+, K+, Cl−, Ca2+)

Az extracelulláris potenciál az idegsejtek membránjain keresztül folyótranszmembrán és a membránok kapacitásából adódó kapacitív áramok hatá sá ból adódik. Ezen áramok több jelenséghez is köthet®ek [2] legfontosabba szinaptikus aktivitás, de emellett a gyors akciós potenciálok, kálcium tüskék,bels® áramok és rezonanciák, tüskék utáni hiperpolarizáció, réskapcsolatokés neuron-glia kölcsönhatások, ephaptikus hatás is hozzájárulnak.

Az extracelluláris potenciálok vizsgálatára a leggyakrabban használt mód-szerek [2]:

• elektroencefalográ�a (EEG): a fejre helyezett elektródák segítségévelaz EP-k egy térben és id®ben simított változata mérhet®, id® és térbelifelbontása gyenge.

• magnetoencelográ�a (MEG): ugyancsak nem invazív eljárás, az idegse-

2

jtek áramai által keltett mágneses mez®ket méri 1 ms-os id®beli és 2-3mm-es térbeli pontossággal

• elektrokortikográ�a (ECoG) az EEG-hez hasonló eljárás, de itt az elek-tródákat közvetlenül az agy felszínére helyezik, így jobb felbontású, akoponya torzításaitól mentes adatok nyerhet®ek

• az LFP mérésére alkalmas eszközök általában üveg vagy fém elektródák,melyek segítségével az agy mélyebb területei is vizsgálhatóak akár 40kHz-es mintavételezési frekvenciával és pár 10 mikrométeres térbeli fel-bontással

• feszültségfügg® festékes képalkotás: membránhoz kötött feszültségreérzékeny festékek optikai meg�gyelésével közvetlenül lehet®ség nyílik alokalizált membránfeszültségek vizsgálatára, hátránya pl. az alacsonyjel/zaj arány

Multielektródák

Több elektródát tartalmazó mérési eszköz, mely változatos geometriájú,anyagú lehet a különböz® kísérleti igényeknek megfelel®en: tetródok, dró-tos sztereotródok, mikro-drótos kötegek. Ezek hátránya a nehéz behelyezés,az alacsony térbeli felbontás és a rossz reprodukálhatóság. A jobb térbelifelbontás érdekében elkezd®dött a többcsatornás mikroelektróda rendszerekgyártása, melyek közül a gyárilag tömegesen gyártható, nagyon nagy preciz-itással gyártható szilikon elektródák kiemelkednek.[3].

Az adat

Mivel vizsgálódásaim egyik része alapvet®en multielektródával mért ex-tracelluláris potenciálok feldolgozására és ezek felhasználásával egyes idegse-jtekhez köt®d® jelek feltérképezésére összpontosulnak, a következ® jelfeldolgo-zási lépések szükségesek [6]: sz¶rés, jeldetektálás, klaszterezés. Természete-sen léteznek különféle szoftverek ezen lépések megvalósítására, pl.: SpikeO-Matic, Wave Clus, Klustakwick, Neuroscope.

3

Nyitott kérdések

sCSD

Áramforrás s¶r¶ségek meghatározása az extracelluláris potenciál-ból

A piramissejtek a neocortexben rendezetten, az agykéreg felszínére mer® le ge sen, egymással párhuzamosa párhuzamosan elhelyezked®, hosszúkásdendritfákkal rendelkez® idegsejtek. Idegsejtek csoportjainak elektromos je-lenségeinek vizsgálatára egy bevett módszer a sejtek közé szúrt több csatornáselektródákkal történ® mérés. A mért potenciál értékeket általában 2 tar-tományban vizsgálják: az alacsony frekvenciás komponens (LFP: Local FieldPotential) az idegsejtek szinaptikus áramainak hatására alakul ki, a magasfrekvenciás tartományban pedig az egyes idegsejtek akciós potenciáljainaklenyomata. Ezek nem függetlenek, a szinaptikus áramok egy sejtet tüzelésre(akciós potenciál kialakítására) késztethetnek, mely hatására újabb szinap-tikus áramok alakulnak ki.

Az agy egyes területein, például a neocortexben és a hippocampusban,egy réteges szervez®dés is meg�gyelhet®, ahol a rétegek különböz® agyte rüle tek r®l kapnak bemenetet, ezért az LFP-b®l a idegsejt populációk réte-genkénti szinaptikus áramai meghatározhatóak

A hagyományos CSD (Current Source Density) eljárás [8] esetén lineáris,többcsatornás elektróda mérései alapján határozzák meg pár 10 µm-es nagysá-gú idegszövet átlagos transzmembrán árams¶r¶ségét (C). Az elektródát akéregre mer®legesen (z irány) szúrják be, mert annak rétegeiben a változáskicsi, az elektródával párhuzamos irányban viszont nagy. Emiatt x-y síkirányában az extracelluláris potenciál (Φ) változását elhanyagolják, így akövetkez® egyenlet alkalmazható:

σd2Φ(z, t)

dz2= −C(z, t), (1)

ahol d a mérési pontok közötti távolság, σ a közeg vezet®képessége. Ezalapján az áramforráss¶r¶ségeket a j. elektróda magasságában zj a következ®formulával közelíthetjük:

C(zj) = −σΦ(zj + h) − 2Φ(zj) − Φ(zj − h)

h2(2)

h az elektródák közti távolság [8].Az inverz CSD (iCSD) módszer [9] egy N paraméterrel leírható forrást

tételez fel, az N pontban mért extracelluláris potenciálokból ez az N paraméter

4

(Ci) megbecsülhet®. A két mennyiség közötti kapcsolatot egy F mátrix segít-ségével kifejezve a j. pontban mért potenciál:

Φi =N∑j=1

FijCj (3)

Az sCSD módszer

Az sCSD [10] modell célja, hogy multielektródás extracelluláris mérésekfelhasználásával egyes idegsejtek áramforrásainak tér és id®beli eloszlásáthatározza meg. Ez a módszer már nem csak a réteges szerkezetben elren-dez®d® piramissejtekre koncentrál (lineáris szegmens modell), hanem másmorfológiájú sejtekre (gömbszimmetrikus héjmodell) is, a cél egy általánosanhasználható modell megalkotása (általánosított gömbhéjmodell). Egyik f® fe-ladatom az utóbbi két modell fejlesztése és alkalmazása a mérési adatokra,valamint ezek kiértékeléséb®l biológiailag releváns kérdések megválaszolása.

Lineáris szegmens modell

A sejtet n db egy vonalban, az elektródával párhuzamosan elhelyezked®pontforrásként kezeljük, ezek áramforráss¶r¶sége meghatározható a sejt-elek tróda távolság ismeretében, mely apriori tudás segítségével egy erre al-kalmas mérték segítségével kiszámolható. Ez a modell hosszúkás dendrit-fákkal rendelkez®s sejtek (pl. piramissejt) alkalmazható, bizonyos feltételekteljesülése esetén (2.ábra).

Gömbszimmetrikus héjmodell

Bizonyos idegsejtekre, azok dendritfáinak morfológiája miatt nem használ-ható a lineáris szegmens modell, ezért bevezettünk egy másik megközelítést,melyben a sejtet koncentrikus gömbhéjak rendszerével modellezzük. Ez példáula thalamusban a relé sejtek esetén azért egy jó megközelítés, mert a dendritfaa sejttest gömbszer¶en körülveszi, továbbá a sejttesthez közelebbi illetvetávolabbi részekre különböz® inputok jönnek [7]. Különböz® megközelítéseketvizsgáltunk a koncentrikus gömbhéjak vastagságát illet®en:

• a gömbhéjak vastagságát az elektródák elhelyezkedése szabja meg, min-den egyes elektródához egy gömbhéj tartozik

• a gömbhéjak azonos vastagságúak

5

dβ

αx

yz

d

xi

xj

x

yz

Co

rtic

al d

epth

A BLinear multielectrode array

Neuron asa linesource

Tilting angle (α)and direction (β)

1. ábra. Az idegsejt és a multielektróda pozíciója ideális esetben (bal oldal),illetve mikor az az elektróda nem párhuzamos az idegsejttel (jobb oldal). Amultielektródán a fehér foltok az elektródákat jelölik, az idegsejteken lév®fekete foltok pedig a feltételezett pontforrást.

6

Neuron Electrode

EC Potential

Current Source Density

2. ábra. Lineáris multielektródás mérés sematikus ábrája. A 16 csatornán(100 µm-e elektródaközökkel) rögzített extracelluláris potenciálból (EC) alineáris szegmens modell számolt az áramforráss¶r¶ség tér- és id®beli elos-zlását a színkódolt ábra mutatja. A meleg színek az idegsejtbe folyó áramotjelzik, a hideg színek pedig az ellentétes irányú áramot. Az EC-ket és azsCSD-t mutató ábrán is függ®leges tengely az elektróda pozícióját, a vízsz-intes tengely az id®t jelzi. [1]

7

• a gömbhéjak azonos térfogatúak Utóbbi két esetben a gömbhéjakhoztartozó potenciálokat harmadrend¶ spline interpolációval határoztukmeg, melyekb®l az adott héjakhoz rendelhet® áramforrások az sCSDmódszerrel már kiszámíthatóak (3.ábra).

Általánosított gömbhéjmodell

Az el®z® két modell er®s szimmetriafeltevéseinek enyhítését célzó modella Legendre-polinomok segítségével felírható forrásokat tesz fel és ezek teréta gömbi multipól sorfejtéssel határozza meg. A modellben a 0. és az 1. rend�gyelembevételével a gömbszimmetrikus tag mellet már egy aszimmetriátbevezet® tag is szerepel.

Agyi kapcsolatok elemzése

Az agy összekötöttsége több szinten értelmezhet®: Beszélhetünk az idegse-jtek (mikroskála), idegsejtcsoportok (mezoskála), illetve agyterületek közti(makroskála) kapcsolatokról. Az anatómia kapcsolatok tanulmányozása máraz el®z® század elején felkeltette a tudósok (Cajal, Brodmann) érdekl®désétEzeket a kapcsolatokat értelmezhetjük �ziológiai oldalukról és statisztikaimegfontontolások segítségével is. Ez utóbbi szemszögb®l vizsgálva számosmennyiséget használhatunk az id®sorok közötti összefüggések felfedezésére[11]:

• koherencia

• kölcsönös információ

• entrópiák

• spike-triggerd szórás

Párhuzamosan több mikroelektródarendszerrel történ® mérés esetén, minta jelen esetben is, adott a lehet®ség a elektródák segítségével mért id®-sorok közti összefüggések vizsgálatára makro- és mezoskálán. Az egymáshozközeli (els® illetve másodszomszédok, a kontaktpontokhoz képesti távolsá-got �gyelembevéve) alapvet®en korrelálnak, mivel pl. az egyikhez közelebbisejttest¶ idegsejt jeleit a másik is látja, csak eltér® amplitúdóval (4.ábra).Az agyi kapcsolatok elemzése alapvet® információkat hordoz a funkcionalitásmegértésében minden szinten. Míg a makroskálás kapcsolatok már ismertek(pl.:[5, 4]), a mezoskálás összekötettések felderítetlenül maradtak megfelel®technikai eszközök hiányában. Célom mikorelektródás mérések segítségével

8

3. ábra. Az ábra egy gömbszer¶, talamikus idegsejthez tartozó EC-t ésáramforráss¶r¶ségeket mutatja be különböz® modellek használata esetén 4ms-os id®ablakban. Az els® részáblán azon csatorna és két szomszédja lát-szik, melyen legnagyobb a mért jel, azaz az akciós potenciál "lenyomata",a második ábra az EC-k tér- és id®beli eloszlását mutatja. A fels® sor job-boldali ábráján a standard szórás látszik. A középs® sor ábrái a lineárisszegmens modellel számolt CSD mutatja, az baloldali alsó ábra a gömhéj-modell alkalmazásával készült, a középs® pedig a hagyományos CSD-vel. Akülönböz® modellek által becsült áramforráseloszlások nem teljesen egyeznekmeg, de mindegyiken felfedezhet® a dendritkus terjedés az akciós potenciálkiváltódása el®tt és után is

9

bizonyos agyterületeken belüli kapcsolatok feltérképezése, funkionális ér telme zé se és ezen ismeret alkalmazása. Az in vivo elektródás méréseknélaz elektróda pozíciójának pontos helye az agyi struktúrákhoz képest sok-szor bizonytalan, hiszen a pozícionálás agyatlaszok segítségével történik, áma különböz® egyedek némileg eltérnek egymástól. A koherenciamátrix el-emzésével összefügg® egységeket találhatunk egyes területeken belül is, melyekösszevetése az anatómiai atlaszokban találtakkal segíthet egy olyan eljáráskifejlesztésében, mely már a potenciálok rögzítése közben képes lenne azelektróda helyzetének beazonosítására.

Célkit¶zések

Doktoranduszi kutató munkám témája tehát alapvet®en a agyi mikroelek-tródás mérések kiértéklése. Eddig f®ként az sCSDmodell fejlesztésével foglalkoz-tam, mely egyes idegsejtek átamforráss¶r¶ség eloszlásának meghatározásáraszolgál. Vizsgálódásaim másik iránya pedig a mezoszkopikus kapcsolatrend-szerek felderítését és annak alkalmazását az elektróda pozíciónálásban t¶ziki célul a mérések és anatómia ismeretek összehasinlátását alapul véve.

10

4. ábra. Az s1 (1-16.csatorna), v1 (17-32.csatorna) és thalamikus (32-65.csatorna) elektródák koherencia mátrixa, a fekete vonalak agyterületekhatárát jelzik. Jól meg�gyelhet®en az egy-egy multielektródával rögzítettjelek közti koherencia nagyobb, az ezek közti koherenciában struktúrák is-merhet®ek fel.

11

Irodalomjegyzék

[1] Micro-electric imaging: Inverse solution for localization of single neu-ron currents based on extracellular potential measurements. Procedia

Computer Science, 7(0):348 � 350, 2011.

[2] György Buzsaki, Anastassiou Costas A., and Christof Koch. The originof extracellular �elds and currents � eeg, ecog, lfp and spikes. Nat RevNeurosci, 2012.

[3] Richárd Fiáth, László Grand, Bálint Kerekes, Anita Pongrácz, Éva Váz-sonyi, Gergely Márton, Gábor Battistig, and István Ulbert. A novelmultisite silicon probe for laminar neural recordings. Procedia Com-

puter Science, 7(0):310 � 311, 2011.

[4] Edelman GM Izhikevich, EM. Large-scale model of mammalian thala-mocortical systems. PNAS, 105:3593�3598, 2008.

[5] Joshua R. Sanes Je� W. Lichtman, Jean Livet. A technicolour approachto the connectome. Nature Reviews Neuroscience, 9:417�422, 2008.

[6] M. S. Lewicki. A review of methods for spike sorting: the detectionand classi�cation of neural action potentials. Network: Computation in

Neural Systems, 9(4):53�78, 1998.

[7] Acsády László. A talamokortikális rendszer és a tudat. 2007.

[8] Carla Nicholson and James A. Freeman. Theory of current source den-sity analysis and determination of conductivity tensor for anuran cre-bellum. J. Neurophysiol., 38(2):356�368, march,.

[9] Ulbert I Dale AM Einevoll GT. Pettersen KH, Devor A. Current-sourcedensity estimation based on inversion of electrostatic forward solution:e�ects of �nite extent of neuronal activity and conductivity discontinu-ities. J Neurosci Methods., 2006.

12

[10] Zoltan Somogyvari, Laszlo Zalanyi, Istvan Ulbert, and Peter Erdi.Model-based source localization of extracellular action potentials. J.

Neurosci. Meth., 147(2):126�137, 2005.

[11] O. Sporns. Brain connectivity. Scholarpedia, 2(10):4695, 2007.

13