Capitolo 5 Interfacciamento neuroelettronico Capitolo 5: Interfacciamento neuroelettronico 5.1 I primi esperimenti Il cervello e il calcolatore “lavorano” entrambi elettricamente; l’idea di provare ad interfacciare direttamente i due sistemi è una sfida intellettuale e allo stesso tempo tecnologica. Allo stadio attuale delle nostre conoscenze teoriche e della nostra tecnologia non siamo in grado di stabilire che cosa ci riservi il prossimo futuro, se dovremmo aspettarci tessuti cerebrali integrati nei computer oppure chip integrati direttamente nel nostro cervello. Una cosa però è certa: qualunque siano le ricerche svolte in questo campo, ci aiuteranno a capire meglio l’architettura del cervello e porteranno ad uno sviluppo di applicazioni mediche e scientifiche fino ad ora impensate. Già dai primi anni novanta sono state condotte con successo delle ricerche in tal senso, stabilendo per la prima volta un’interfaccia elettrica tra cellule nervose e microstrutture semiconduttrici e viceversa. In particolare sono stati utilizzati i neuroni delle sanguisughe, notoriamente grandi e quindi facili da manipolare, uniti a transistor disposti su una piastra di silicio [Fro02]. Dopo questi primi, rudimentali, passi iniziali sono state seguite due precise direzioni: 1. “Verso il basso”, si è studiata la natura microscopica della giunzione neurone-silicio rispettandone la struttura e le sue proprietà elettriche, al fine di descrivere in modo corretto tale giunzione per ottimizzare l’interfaccia neuroelettronica. 2. “Verso l’alto”, si sono assemblati semplici sistemi ibridi che combinavano neuroni e reti neurali con dispositivi microelettronici semiconduttori. Qui lo scopo è stata la supervisione di numerosi neuroni in una rete definita da contatti non invasivi tra le cellule e il substrato semiconduttore, e questo è necessario per lo studio di processi dinamici distribuiti come l’apprendimento e la memoria. Oltre alla giunzione dei neuroni con il silicio e di tutte le sue implicazioni, sono stati svolti anche molti altri esperimenti differenti per scopo e natura. Nel 1999 sono stati condotti dal professor William Ditto e dai suoi collaboratori, presso l’università di Atlanta (Georgia), alcuni esperimenti volti a creare delle semplici computazioni attraverso i neuroni di sanguisughe. L’esperimento consisteva nel collegare due neuroni tra di loro ed entrambi ad un computer in grado di inviare dei segnali in modo selettivo ad ognuno di essi. Ditto è stato in grado di far compiere ai due neuroni una semplice addizione. In realtà, delle simulazioni al computer hanno mostrato come grandi gruppi di neuroni siano in grado di compiere moltiplicazioni e operazioni logiche. Le porte aperte da Ditto sono estremamente affascinanti perché ci si prospetta un futuro in cui i biocomputer saranno in grado di trovare da soli, senza l’aiuto di nessun programmatore, le soluzioni adatte ai vari problemi e forse di sostituire in certi campi addirittura l’uomo. Queste ricerche si spingono in due direzioni: 83 Capitolo 5 Interfacciamento neuroelettronico 1. Venire in aiuto di chi soffre di problemi neurologici cronici e degenerativi, come epilessia e morbo di Parkinson, Alzaimer e quant’altro. 2. Venire in aiuto di chi ha perso il controllo delle funzioni motorie, ad esempio conseguenze di un ictus. L’obiettivo finale è quello di usare soluzioni elettroniche per aggirare il danno inflitto a certe porzioni del cervello e permettere agli impulsi neurali di arrivare comunque a stimolare un muscolo oppure un braccio meccanico. E’ stato utilizzato un sistema di elettrodi inseriti nel cervello che hanno permesso di tradurre in istruzioni per calcolatori i segnali elettrici trasmessi dalle cellule neurali responsabili delle funzioni cognitive. Questi esperimenti hanno avuto l’obiettivo a breve termine di stabilire la possibilità di una linea di comunicazione con pazienti colpiti da paralisi totale. Solo di recente i ricercatori hanno aperto la strada alla messa a punto di congegni in grado di far svolgere a questi stessi pazienti semplici compiti di routine come accendere e spegnere la luce. Sono infatti riusciti a dimostrare che è possibile interpretare i messaggi neurali emessi dal cervello di una scimmia da laboratorio e usarli per controllare un braccio robotico connesso ad un computer. Inoltre, un altro gruppo di ricercatori ha condotto degli esperimenti sulle “reti neurali coltivate”. Il loro scopo è stato quello di capire le correlazioni morfologiche dell’apprendimento e della memoria utilizzando sistemi di neuroni coltivati su di un substrato di silicio. I neuroni utilizzati vengono prelevati dall’ippocampo dei topi e vengono fatti crescere sulla piastrina: essi formano rapidamente delle sinapsi e sviluppano spontaneamente complessi schemi di connessione. figura 1 :Cellule nervose di un topo coltivate su di un chip Stimolando gruppi di neuroni con vari schemi di “potenziali d’azione simulati” si spera di osservare dei cambiamenti morfologici nelle reti di neuroni così coltivate, che possono indicare come i neuroni, nei cervelli viventi, cambiano per imparare qualcosa di nuovo. 84 Capitolo 5 Interfacciamento neuroelettronico Questi segnali possono indurre cambiamenti nel numero o nella grandezza delle sinapsi, nella crescita dendritica, nella formazione di spine dendritiche o nella interazione con le cellule gliali. Studiando i fenomeni base di come l’attività elettrica influenza la morfologia neuronale, e come a sua volta questi cambiamenti influenzano le proprietà elettriche della rete stessa, si potranno avere preziosi parametri per lo studio delle reti neurali artificiali su computer. Questo permetterà di sviluppare sistemi di apprendimento artificiali che si avvantaggiano dell’adattamento intelligente presente nei sistemi biologici. Nel 2000 un team di ricercatori della Northwestern University di Chicago, dell’Università dell’Illinois e dell’Università di Genova, hanno presentato il risultato delle loro ricerche: la creazione di una strana creatura ibrida costituita da un corpo meccanico controllato dal cervello di un pesce. Il robot possiede pochi neuroni prelevati dalla lampreda marina Petromyzon marinus, un vertebrato primitivo simile alle anguille. Di fronte ad alcuni stimoli luminosi il robot ha presentato diversi comportamenti: ha seguito la luce, ha evitato la luce, si è messo a “camminare” in circolo. La ricerca originariamente avrebbe dovuto studiare gli adattamenti delle cellule del cervello di fronte a degli stimoli che cambiano in continuazione, tuttavia Mussa-Ivaldi [Mus00] [Re&Al], lo scienziato italiano che ha partecipato all’esperimento, sostiene che capire come i neuroni comunichino con le macchine artificiali porterà sicuramente i suoi benefici. Nel 2002, un team di ricercatori guidati da Catherine Schmidt dell’Università di Austin (Texas), è riuscito a posizionare un semiconduttore esattamente nel punto desiderato della superficie di una cellula nervosa umana, fatto di fondamentale rilevanza visto che fino ad ora le cellule nervose utilizzate erano solo quelle di topi, sanguisughe e lumache. In conclusione è possibile affermare che la ricerca sull’interfaccia neurone-silicio sta facendo passi da gigante al punto che risulta difficile dare una precisa catalogazione di tutti gli esperimenti che sono stati fatti in questi ultimi anni, sia per scopo sia per natura. Ad esempio l’esperimento condotto da Fromherz al Max Planck di Monaco, tra l’altro uno dei pionieri in questo campo, pone la sua attenzione sugli aspetti prettamente fisici della giunzione tra cellula e silicio, studiandone i comportamenti dal punto di vista elettrico e, di sicuro, sarà la base per successivi e più complessi esperimenti, in cui si porrà soprattutto l’attenzione sulle cellule stesse e sul loro comportamento, in particolare sulla loro aggregazione e sulla possibilità di farle crescere secondo un determinato schema morfologico. Tuttavia ci sono molti altri team di ricerca che stanno portando avanti ricerche analoghe a quella di Fromherz, ma con scopi del tutto diversi: ad esempio le ricerche di Potter per cercare di capire come gli aspetti morfologici del cervello possano influenzare l’apprendimento e la memoria. L’esperimento del Max Planck di Monaco Nel 2002 Peter Fromherz, un neuroscienziato del Max Planck di Monaco, ha coltivato delle cellule nervose su una piastrina da cui emergevano minuscoli elettrodi di silicio, rivestiti di un polimero spugnoso: dopo qualche giorno le cellule nervose hanno stabilito rapporti tra loro, proprio come avviene nel sistema nervoso, ma soprattutto hanno formato sinapsi con gli elettrodi di silicio, formando una rete biologico-artificiale in cui i neuroni rispondevano ai segnali elettrici degli elettrodi e questi ultimi ai segnali dei neuroni. L’elaborazione di reti neurali “miste” potrebbe aprire nuove strade sia nel campo dell’informatica che in quello delle protesi. Già oggi esiste un orecchio (coclea) elettronico che registra i suoni, li trasmette a 85 Capitolo 5 Interfacciamento neuroelettronico minuscoli elettrodi che attivano il nervo cocleare di una persona affetta da sordità: negli impianti effettuati con successo, il cervello deve rielaborare gli impulsi elettrici e interpretare lo spettro dei suoni digitalizzati attribuendo loro un significato. Ciò dimostra, come nei cyborg in via di studio, che le cellule nervose possono imparare a distinguere tra sequenze di impulsi elettrici, vale a dire memorizzarle. Questi esperimenti sembrano fatti apposta per indicare come le cellule nervose abbiano la proprietà di interconnettersi, di interfacciarsi con materiali non biologici, di estrarre informazioni da ambienti e realtà artificiali: in altre parole, i neuroni sono dotati della capacità di associarsi in reti intelligenti e di interfacciarsi con circuiti artificiali purché questi siano in grado di recepire i loro segnali e ritrasmetterli alla rete neurale. 5.2 Esperimenti più recenti 5.2.1 Interfacciare neuroni e chip di silicio [Fromherz03] Una cellula nervosa (diametro di circa 20micrometri) è avvolta da una membrana composta da un doppio strato lipidico elettricamente isolante. Questo bilayer lipidico separa l’ambiente esterno con circa 150 mM di ioni sodio dall’ambiente intracellulare con circa 150 mM ioni potassio. Le correnti attraverso la membrana, in entrambi i sensi, sono regolate da canali ionici e da proteine di membrana che hanno il ruolo di trasportatori. Per quanto concerne invece i chip di silicio possiamo dire che questo materiale è usato come substrato conduttore elettrolico perché rivestito con un sottile strato di diossido di silicio diventa un substrato perfettamente inerte per la coltivazione di neuroni. Questo sottile strato di diossido di silicio evita la corrosione del silicio e il conseguente danneggiamento delle cellule, in quanto blocca il trasferimento di elettroni. Inoltre il diossido di silicio è anche in grado di proteggere le cellule da i nuovi microscopi elettronici che spesso entrano in contatto diretto con il materiale vivente. Inizialmente un accoppiamento diretto tra segnali ionici nei neuroni e segnali elettronici nel semiconduttore può essere ottenuto con polarizzazione elettrica. Se il bilayer cellulare colpito è direttamente in contatto con il layer di silicio colpito si formerà un compatto dielettrico (no conduzione di elettricità) come mostra la Figura 1 86 Capitolo 5 Interfacciamento neuroelettronico Figura 2a – 2b Un campo elettrico attraverso la membrana cellulare, causato dall’attività neuronale, polarizza il diossido di silicio così che la struttura elettronica del silicio è alterato come si nota in Figura 2a. Al contrario un campo elettrico tra lo strato di diossido di silicio, causato da un voltaggio applicato al chip, polarizza la membrana in un modo da alterare le conformazioni dei canali ionici e delle proteine di trasporto di membrana come mostra la Figura 2b. Questo, come detto, accade se la membrana del neurone e lo strato di diossido di silicio sono a stretto contatto. Ma se noi facciamo crescere un neurone su un chip non possiamo aspettarci un compatto dielettrico perché le proteine che sporgono dalla membrana cellulare fanno si che tra il bilayer e lo strato di silicio si crei uno spazio pieno di elettroliti come mostra la Figura 2c-d Figura 2c - 2d Lo spazio conduttore a questo punto scherma il campo elettrico e annulla la polarizzazione del layer di silicio e della membrana cellulare. La giunzione cellula-silicio a questo punto forma un conduttore planare core-coat : i coat del layer di silicio e della membrana isolano il core dello spazio conduttore dall’ambiente conduttore del silicio e del citosol. Il primo passo per una interfaccia neuroelettronica è determinato dal flusso di corrente nel conduttore core-coat . L’attività di un neurone porta correnti ioniche e di spostamento (displacement) attraverso la membrana cellulare come mostra la Figura 2c. La concomitante corrente lungo il core crea un Potenziale Extracellulare Transdotto (TEP) tra la cellula e il chip. Un voltaggio transiente applicato al silicio porta a correnti di spostamento attraverso il coat ossido come mostra la Figura 2d. Di nuovo un TEP appare tra chip e cellula dovuto alle correnti lungo lo spazio. In un secondo step nell’interfacciamento, il TEP nel conduttore core-coat viene registrato da strumenti voltaggio-sensibili nel chip o nella cellula: il TEP indotto dal neurone genera un campo elettrico nel diossido di silicio (Figura 2c). il TEP indotto dal chip crea un campo elettrico attraverso la membrana cellulare (Figura 2d) 87 Capitolo 5 Interfacciamento neuroelettronico La giunzione silicio-neuroni Per descrivere la giunzione silicio-neuroni può essere usato il modello 2D area-contatto che viene mostrato in Figura 3 a. Figura 3a La corrente lungo lo spazio tra cellula e silicio è bilanciata dallo corrente di spostamento attraverso il silicio e dalla corrente ionica e di spostamento attraverso la membrana. La conservazione della carica elettrica per unità di area della giunzione è espressa dalla seguente formula: La parte sinistra dell’equazione si riferisce al bilancio di corrente per unità di lunghezza nello spazio tra silicio e membrana, mentre la parte destra si riferisce alla corrente per unità di area attraverso al membrana e l’ossido con un il potenziale elettrico Vm nella cellula, il potenziale Vs nel substrato, il TEP Vj nella giunzione e è l’operatore di derivata bidimensionale. Inoltre rj è la resistenza dello spazio tra cellula e silicio, cm e cs sono le capacità specifiche di area della membrana e del substrato e dove gjm è la conduttanza della membrana attaccata. Un altro modello che può essere usato è il modello mostrato in Figura 3 b: 88 Capitolo 5 Interfacciamento neuroelettronico Figura 3 b Questo modello è detto modello point-contact. Per molte applicazioni è conveniente descrivere il conduttore core-coat con il circuito appena mostrato in Figura 3b e descritto in (2). Lo spazio conduttore è rappresentato da una conduttanza ohmica conduttanza Gj, la membrana attaccata del neurone e il diossido di silicio rispettivamente rappresentate da le capacità globali Cjm e Cs. Vi0 rappresenta i voltaggi inversi generati dalle differenze di concentrazione ionica tra cellula e ambiente, che scorre lungo Gijm. Questi voltaggi vengono considerati uguali anche per la condizione di membrana libera. Possiamo quindi concludere che l’iterfacciamento neuroni-semiconduttori è mediato dal TEP. Un grande TEP risulta da grandi correnti attraverso la membrana e il diossido di silicio e da una bassa conduttanza della giunzione. La registrazione e la stimolazione da attività neuronale sono promosse da una piccola distanza dj tra membrana e silicio una alta resistenza specifica e un grane raggio della giunzione cellula-silicio. Una registrazione efficiente richiede una alta conduttanza ionica gjm nella membrana attaccata, mentre un’efficiente stimolazione richiede una alta capacità area specifica del chip. Come misurare la distanza tra cellula e chip La distanza dj tra cellula e chip può essere misurata con un metodo detto FLIC (fluorescence interference contrast) che utilizzando la microscopia tiene conto dei diversi modi in cui l luce si comporta di fronte alla superficie riflettente del silicio. Come dimostrato da differenti esprimenti condotti su astrociti di ratto piastrati con laminin, la membrana e il silicio, a causa della presenza di proteine transmembrana e dello strato di laminin stesso, non sono a stretto contatto. Questo porta a forze entropiche repulsive che bilanciano le forze attrattive di adesione cellulare tra le integrine nella membrana e le molecole di laminin. La conduttanza dello spazio tra cellula e silicio Lo spazio tra neurone e silicio ha una resistenza elettrica che corrisponde ad un sottile film di elettroliti. La resistenza del film è dell’ordine di rj= 10 Mohm con una resistenza globale intorno a Gj-1= 1 Mohm. Non ci sono Giga ohm di sigillo tra cellule e silicio. Può essere notato che la larghezza dello spazio è più grande dello spessore del doppio strato elettricamente diffuso nel diossido di silicio e nella membrana. Potrebbe essere un difficile goal quello di rendere maggiore la resistenza del film abbassando la larghezza o aumentando la resistenza specifica dello spazio 89 Capitolo 5 Interfacciamento neuroelettronico Sterilizzazione supporto di silicio [Kaul04] Prima di ogni utilizzo, la superficie in silicio va lavato con una soluzione 10% detergente in milli-q water a 70 gradi C, poi risciacquate in milli-q water e sterilizzate con raggi UV per 15 minuti. Una soluzione di poly-l-lysine viene applicata per 8 ore. Per ultimo il silicio viene sciacquato 3 volte con acqua e asciugato. Segnali registrati Per dare un’idea del segnale che si registra “ascoltando” i neuroni coltivati su supporti di silicio voglio riportare un lavoro del gennaio di quest’anno [1] Questo è lo schema che si è usato (Figura 4): Figura 4 Dove in a) è rappresentato il sistema ibrido cellule-silicio, in b) cellula di sx = neurone presinaptico (VD4), cellula di dx = neurone postsinaptico (LPeD1). 90 Capitolo 5 Interfacciamento neuroelettronico Testare la presenza di sinapsi chimiche Le due cellule sono state impalate con 2 microelettrodi e si è visto che i potenziali d’azione presinaptici in VD4 hanno generato potenziali d’eccitazione postsinaptica 1:1 come mostrato in Figura 5 Figura 5 La Figura 5a mostra, le cellule impalate per poter effettuare la registrazione. La Figura 5b mostra invece la registrazione intracellulare, più precisamente il grafico in alto mostra 2 potenziali d’azione in VD4 tratto da una iniezione di corrente di 1nA (holding voltage 60mV). Il grafico in basso, invece, mostra potenziali di eccitazione postsinaptica in LPeD1 (holding voltage -90mV) Testare le stimolazioni del capacitor Si è testato se i potenziali d’azione in VD4 possano essere tratti dal chip, per mezzo della stimolazione del capacitor, tenendo la cellula impalata con il microelettrodo. Si è usato un generatore di waveform per applicare voltaggi positivi al capacitor. Uno stimolo consiste in due impulsi con ampiezza di +3V e 0.5ms (Figura 6a ). Figura 6a: VD4 Una sequenza di tre paia di impulsi portano a piccole risposte di voltaggi intracellulari che inducono depolarizzazioni intracellulari sostanziose (Figura 6b) 91 Capitolo 5 Interfacciamento neuroelettronico Figura 6b: VD4 I potenziali d’azione generalmente si creano dopo il secondo o il quarto stimolo. I potenziali d’eccitazione postsinaptica in LPeD1 sono indotti dall’attività in VD4 generata dal capacitor. I potenziali di eccitazione postsinaptica così indotti, sono indistinguibili da quelli indotti dalla stimolazione intracellulare. Registrando intracellularmente si sono osservati i potenziali d’azione postsinaptica dopo 2 o 3 spikes presinaptici generati dalla stimolazione del capacitor (Figura 6d), in analogia con le stimolazioni presinaptiche intracellulari. Figura 6d: VD4 I risultati danno evidenza sperimentale del fatto che la stimolazione del capacitor può innescare trasmissione sinaptica. Testare le registrazioni del transistor Per completare l’interfacciamento di trasmissioni sinaptiche per mezzo del chip in silicio, si è testato se le attività pre- e post- sinaptiche possono essere osservate con un transistor. Prima di ogni misurazione, il transistor viene calibrato applicando definiti voltaggi al bath.. Impulsi sono stati applicati al capacitor sotto ad un neurone VD4. i potenziali d’azione nel neurone VD4 sono stati registrati dal transistor come un transiente positivo del voltaggio extracellulare con una ampiezza di 3mV (Figura 6c) 92 Capitolo 5 Interfacciamento neuroelettronico Figura 6c Il potenziale d’azione tratto nel neurone LPeD1 dalla trasmissione sinaptica è stato registrato dal transistor come un picco elevato di circa 3mV nella sua fase ascendente (Figura 6e) Figura 6e Questo esperimento ha dimostrato che l’interfaccia di una sinapsi chimica per mezzo di un semiconduttore (chip) con stimolazione presinaptica by capacitor e la registrazione by transistor sia in fase pre- che in fase postsinaptica. I risultati sono stati confermati da esperimenti condotti senza impalare LPeD1 e esperimenti condotti senza impalar nessuna delle due cellule. Il potenziamento short-term: le basi per la memoria negli animali Si è testata la capacità delle sinapsi VD4-LPeD1 di esibire potenziamento short-term che è alla base della memoria negli animali. Precisamente un tetano presinaptico in VD4 che consiste di 5-10 potenziali d’azione genera spikes postsinaptici in LPeD1. hanno riprodotto la plasticità short-term sul chip con l’inserimento di una corrente attraverso elettrodi intracellulari. Poi hanno testato se il potenziamento può essere tratto da una stimolazione del capacitor e registrato con un transistor. Prima come controllo, un singolo potenziale d’azione è stato dato a VD4 con un paio di impulsi applicati al capacitor. In questo caso la depolarizzazione postsinaptica non è stata sufficiente per creare un potenziale d’azione in LPeD1 (Figura 7a) Figura 7a: 93 Capitolo 5 Interfacciamento neuroelettronico Poi un tetano di sei impulsi ( 3V, 0.5ms) è stato applicato e ha generato cinque potenziali d’azione in VD4 (Figura 7b) Figura 7b per testare il potenziamento, di nuovo un potenziale d’azione viene stimolato pochi secondi dopo il tetano. Il potenziale d’azione post-tetanico ha causato uno spike in LPeD1 che è stato registrato dal transistor (Figura 7c) Figura 7c 5.2.2 Interfacciare neuroni e MEAs [Novellino03] Un MEAs è un array di microelettrodi su cui è possibile coltivare diversi tipi cellulari, quindi materiale biologico, vivente, per poter effettuare studi di elettrofisiologia in modo veloce e innovativo. Figura 8: MEA www.brainworks.uni-freiburg.de/.../ mea/mea.html 94 Capitolo 5 Interfacciamento neuroelettronico figura 9 : cellule su MEA www.ece.uiuc.edu/ingenuity/ 1001/neuronal.html Due principali caratteristiche rendono i MEAs un valido strumento per l’elettrofisiologia: Non invasività Registrazione in MULTI-SITE (su diversi canali) La prima caratteristica permette, sotto determinate condizioni, di poter registrare l’attività cellulare per lunghi periodi di tempo. La seconda caratteristica permette di poter registrare simultaneamente dalla rete su diversi canali, quindi, e di poter analizzare i cambiamenti indotti dalle stimolazioni elettriche e correlare le attività tra i differenti canali per poter quindi definire la dinamica della rete. Le principali attività ritmiche elettrofisiologiche vanno da spike asincroni e pattern organizzati nella forma di “bursting”. Un “burst” è caratterizzato da una rapida sequenza di più spike separati l’uno dall’altro da pochi milli secondi ( Inter Spike Interval, ISI) e l’ intervallo tra i burst è nella scala dei secondi o dei minuti. Dal punto di vista dei pattern dei segnali, abbiamo a che fare con sequenze temporali dove eventi nel range di secondi (burst) sono separati da periodi di silenzionel range di decimi di secondi (Inter Burst Interval, IBI). Presso l’Università di Genova sono stati condotti esperimenti con neuroni dissociati dalla spinal cord di embrioni di pollo dopo 7-8 di incubazione. I neuroni sono stati piastrati, quindi, su MEAs ricoperti da polylisina e laminina per favorirel’adesione cellulare. I segnali elettrofisiologici sono stati registrati dopo 14 giorni in vitro, necessari per la formazione di sinapsi tra i neuroni. L’array usato è di vetro con 60 microelettrodi. Sono stati inoltre usati: una gabbia di Faraday per evitare le interferenze elettromagnetiche, 8 canali per la registrazione in MULTI-SITE (l1, l2, l3, l4, r1, r2, r3, r4), una strumentazione per la registrazione DIGITAL TAPE RECORDER, un’oscilloscopio per il monitoraggio in tempo reale dei segnali, un sistema per la stimolazione elettrica e ovviamente un PC per l’analisi dei dati. Protocollo sperimentale di stimolazione elettrica e segnali registrati 1) registrazione dei segnali dell’attività spontanea dei neuroni nel medium di coltura 2) singolo impulso (ampiezza 0.3-0.1 V, lasting: 100 microsecondi) mantenuto per 2 minuti a 0,5 Hz 3) registrazione dell’attività post –stimolazione 4) aggiunta di K+ 9mM (creazione di condizione in alta concentrazione di potassio) 5) 2h in incubatore per verificare la salute dei neuroni 95 Capitolo 5 Interfacciamento neuroelettronico 6) controllo post incubazione 7) stimolazione tetanica formata da un rapida successione di stimoli (ognuno di 0.3-0.1 V, lasting: 100 microsecondi, a 20Hz) dove ogni stimolo è di 0.2 Hz I segnali raccolti da i MEAs hanno tipicamente ampiezza nel range di 0.1-0.4 mV e sono circondati in rumore biologico e termico che va dai 10 ai 40 V peak-to-peak. Per estrarre le caratteristiche degli spike i dati sono stati processati da un algoritmo ad Hoc per la rilevazione di potenziali d’azione. Sono stati processati: l’attività spontanea, control condition, con bursting e ISI . Può essere osservato che i pattern elettrofisiologici nelle condizioni di controllo sono gli stessi per tutti i canali: burst, lasting (circa 0,5 s), caratterizzati da circa 26.6 s di IBI. La sincronizzazione della rete può essere rilevata osservando le caratteristiche di ISI , che sono le stesse per ogni canale e mostrano come due spike siano più temporalmente separati da meno di 10 ms. Dopo la stimolazione elettrica, i neuroni rispondono con segnali differenti, dove il burst sembra essere soppresso. Dopo le 2 ora di incubazione con l’aggiunta del K+ è osservabile che i neuroni hanno una attività spontanea caratterizzata da un IBI di circa 27.6 s più alto cioè dell’IBI della condizione di controllo, con un burst di circa 7.4 s. In questa fase sperimentale, l’attività spontanea dei neuroni è più alta rispetto alla prima: i neuroni sembrano recuperare l’attività spontanea sincronizzata, in termini di burst e di ISI , ma qualche cambiamento nel burst può essere osservato : ISI adesso è compreso tra 5 e 7,5 ms come mostrano le figure 8 e 9.d’altronde, si può osservare che il nuovo stato è caratterizzato da più burst e da burst più lunghi con IBI più bassi rispetto alla situazione di control condition. La fase tetanica, poi, mostra che la stimolazione elettrica induce una nuova depressione dell’attività, sia in termini di bursting che in termini di spiking (fig 7, 8, 9), che è meno drastica della precedente depressione post-stimolazione elettrica. Riassumendo allora possiamo dire che: L’attività spontanea della rete mostra un alto livello di sincronizzazione dopo la stimolazione elettrica, la rete cambia comportamento e mostra un bursting depresso . Questo può essere spiegato dal fatto che la stimolazione produce un rilascio totale dei neurotrasmettitori. Dopo l’incubazione la rete aumenta la sua attività .Questo può valicare l’ipotesi sul rilascio totale del neurotrasmettitore e confermare che la stimolazione elettrica produce un duraturo ma reversibile effetto sulla dinamica della rete. La stimolazione tetanica induce invece una depressione dell’attività, ma la rete è ancora sincronizzata in termini di eventi. Questa depressione è minore rispetto alla prima, questo sembra significare che può essere possibile indurre differenti tipi di cambiamenti attivitàdipendenti in accordo con le frequenze esposte della stimolazione. Le differenze di queste risposte e tra le frequenze dei pattern rappresentano lo stato corrente della rete, così che questi comportamenti possono sottolineare se è avvenuto apprendimento e come la rete sta codificando le nuove caratteristiche. D’altronde, si è visto come in tutte le fasi sperimentali la rete abbiamo mostrato un attività sincronizzata nel tempo. Questo sembra significare che le modificazioni indotte dalla stimolazione non abbiano un effetto locale, ma si riferiscano a dinamiche spazio-temporali complesse. 96 Capitolo 5 Interfacciamento neuroelettronico Esperimenti di adattamento selettivo e apprendimento neuronale: MEAs e neuroni corticali di ratto [Shahaf01 e Eytan03] Una caratteristica chiave nei sistemi neurali è la loro abilità di adattarsi selettivamente a stimoli di differenti caratteristiche. Usando i MEAs e dei circuiti random di neuroni corticali isolati da cervelli di ratti appena nati, un lavoro pubblicato nel 2003 e condotto al politecnico di Haifa in Israele, mostra come i neuroni così coltivati siano iin grado di adattarsi selettivamente a diversi stimoli che invadono la rete. Sviluppando un array di 60 elettrodi, e utilizzando la poly-D-lisina come molecola di adesione su cui piastrare le cellule, sono stati condotti 7 esperiementi in cui le reti sono stimolate in due differenti parti. figura 10: MEA Ogni esperimento dura 15 minuti e comprende 162 stimoli ad alta frequenza (1/5 sec-1) e 18 stimoli a bassa frequenza (1/50sec-1). Inoltre sono stati condotti esperimenti a diverse frequenze (1/2-1/20 sec-1, 1/3-1/30 sec-1). Gli stimoli ad alta frequenza sono inviati tramite il sito A e quelli a bassa frequenza tramite il sito B. in ogni esperimento la rete è stimolata continuamente con 180 stimoli, come già detto, un singolo stimolo crea una risposta che dura diverse decine di millisecondi. La figura in basso mostra la risposta registrata da un elettrodo dei 60 sull’array in risposta ad uno stimolo lìmandato dal sito A: Figura 11: stimolazione La figura in basso invece mostra un singolo spike: 97 Capitolo 5 Interfacciamento neuroelettronico figura 12: singoli spike Come osservato da altri [Jimbo00], [Shahaf01], [Marom02] una risposta tipica ad una stimolazione in una rete random di neuroni corticali include due tipi di fasi distinte: una fase early che dura 20msec, che coinvolge il neurone o i neuroni direttamente coinvolti dallo stimolo e una fase tardiva che dura centinaia di msec, che involve la propagazione del segnale all’interno della rete e che è dipendente dalla trasmissione mediata dai recettori NMDA. Le due fasi sembrano riflettere la bifasica (AMPA-NDMA) natura e dinamicità delle sinapsi glutamaergiche (Jimbo 2000). I risultati ottenuti da una rete sono mostrati sotto: figura 13: risultati La figura 13 A, mostra la media delle risposte allo stimolo ad alta frequenza (grigio) e a bassa frequenza (nero) da una singola parte delle rete. La risposta è presentata nella forma di un PSTH (post stimulus time hystogram) del firing rate istantaneo in funzione del tempo trascorso dopo lo stimolo. Le linee tratteggiate indicano la situazione all’inizio dell’esperimento mantre le linee continue indicano le risposte dopo 15 min di stimolazione. Si nota come la riposta allo stimolo a frequenza più alta si sia marcatamante abbassato, mentre è evidente il contrario per quanto riguarda gli stimoli a bassa frequanza. La figura 13 B mostra le stesse risposte ma sull’intera rete. I cambiamenti in PSTHs mostrati finora possono essere considerati reversibili. infatti come mostra la figura seguente entro i 15 minuti di stimolazione 98 Capitolo 5 Interfacciamento neuroelettronico figura 14: risposte agli stimoli Infatti, entro i 15 minuti di stimolazione nel sito A e B ad alta e bassa frequenza la rete diventa ipersensibile allo stimolo a bassa frequenza e iposensibile allo stimolo ad alta frequenza (pannello sx della figura 14 ). A questo punto la rete non viene più stimolata per 15 min, dopo i quali le differenze nelle sensibilità diminuiscono come mostra il pannello centrale. A questo punto vengno invertiti i siti e cioè vengono mandati gli stimoli ad alta frequenza da sito B e quelli a bassa frequenza dal sito A e la rete viene così stimolata per altri 15 min. alla fine di questa seconda sessione le risposte sono praticamente invertite (nei colori anche) ma perfettamente in accordo alle precedenti stimolazioni (figura 14 pannello di dx). L’abilità di differenziare tra stimoli ad alta e bassa frequenza, a livello di singolo neurone, è presentata dalla figura che segue: figura 15: risposta di un singolo neurone La figura 15 A mostra che questa proprietà adattativa risulta da due processi: la capacità di risponedere algli stimoli ad alta frequenza diminuisce anche se la capacità di risponedere a stimoli a bassa frequenza aumenta o rimane stabile. Ogni punto nel grafico rappresenta una singola sorgente di spikes. La capacità di risposta è definita come il numero di spike registrati entro 150msec dopo lo stimolo. La capacità di risposta iniziale e finale sono averaged su i primi 6 e gli utlimi sei stimoli rispettivamente. Come possiamo vedere nella figura 15 B all’inizio dell’esperimento (asse x) molte cellule rispondono similarmente alle due diverse stimolazioni (rapporto= 1). Alla fine invece (asse y) quasi tutti i punti sono posizionati sopra al valore 1. Si è dimostrato allora come reti random di neuroni corticali siano in grado di rispondere selettivamente a diversi stimoli. Sempre lo stesso gruppo di recercatori israeliani, solo 2 anni prima aveva anche dimostrato come una rete random di neuroni corticali mostri un particolare tipo di apprendimento selettivo. 99 Capitolo 5 Interfacciamento neuroelettronico Per dimostrare ciò, hanno usato una semplice idea: stimolare la rete a basse frequenze 0,3-1 Hz (A stimolazioni maggiori di 1Hz inoltre la rete si inattiva dopo pochi impulsi e quindi così si spiega l’utilizzo di frequenze inferiori 0,3-0,5-1 Hz ) fino a raggiungere una risposta desiderata predefinita nei 50+- 10 msec dopo lo stimolo. Una volta raggiunto, fermare lo stimolo. E si chiedono quanto ci vuole per ottenere la risposta desiderata? La risposta appropriata rimarrà stabile dopo questa semplice procedura? Quanto può essere selettivo il cambiamento nella connettività? Se dopo questa procedura la risposta richiesta allo stimolo sarà attendibile e selettiva, questo potrà essere considerato una forma di apprendimento. Per controllare l’esistenza di sinapsi (da cui l’attività elettrica in vitro sembra essere dipendente [Maeda95], [Turrigiano98]) nella rete sono stati effettuati degli esperimenti di blocco sinaptico per mezzo di bicucullina e DNQX, i quali hanno dati esito positivo. Inoltre l’essistenza di sinapsi è confermata da un gran numero di attività correlate statisticamente significative tra paia di elettrodi. Definiscono la connettività tra paia di elettrodi in termini di potenziale d’azione A che che è seguito da un altro potenziale d’azione B con un preciso time delay (t +- 0,5 sec ). L’analisi dell’attività spontanea della rete, senza nessuna stimolazione, suggerisce che la media delle connessioni A-B statisticamente significative è una grande percentuale del massimo che è possibile a valori di t relativamente piccoli. figura 16 Ma la cosa importante è che il numero di connessioni è grande e che esistono molti patterns di attività indipendenti. Quest’ultima cosa è amplificata dal fatto che in queste reti, i singoli neuroni raramente si accendono spontanenamente senza essere attivati da altri neuroni ( maeda 1995, canepari 1997), anche se la correlazione media tra gli elementi è bassa (vedi inserto figura 16 in alto). Quando stimolano con una frequenza costante, la rete risponde generando un ricco repertorio di attività elettriche che durano 100 msec e più: 100 Capitolo 5 Interfacciamento neuroelettronico figura 17 Modifiche nella connettività funzionale si manifestano come cambiamenti nell’accoppiamento delle risposte agli stimoli. Stimolazioni continue inducono cambiamenti nella risposta della rete come già Jymbo nel 1999 aveva dimostrato [Jimbo99]. Inoltre la figura 18 sotto riportata mostra che il numero di modifiche cresce col tempo di stimolazione: figura 18 101 Capitolo 5 Interfacciamento neuroelettronico Ogni esperimento comincia con lo stimolare la rete attarverso un paio di elettrodi e osservare le risposte da tutti gli altri elettrodi non stimolanti. Uno di questi elettrodi di output che risponde 50 msec dopo uno stimolo con un rapporto risposta/stimolo (R/S) di 1/10 o meno, viene selezionato. In altre parole prima del training, servono 10 stimoli per evocare un potenziale d’azione nell’elettrodo selezionato nel tempo designato di 50msec dopo lo stimolo. Durante la fase di training, il task di apprendimento è quello di incrementare il rapporto R/S dell’elettrodo selezionato a 2/10 o più sempre in 50 msec dopo lo stimolo. Gli stimoli arrivano continuamente alla rete con una frequenza costante di 1/3 o ½ o 1 stimolo per secondo. Un computer costantemente monitora il rapporto R/S dell’elettrodo selezionato e una volta che il criterio 2/10 viene verificato (cioè due risposte vengono generate in 10 stimoli consecutivi), il computer blocca le stimolazioni. Dopo 5 minuti la rete viene stimolata dinuovo (con la stessa frequenza) fino a raggiungere un criterio uguale o superiore a 2/10. Questo ciclo di stimolazione è ripetuto più volte. Cmq come regola generale se il criterio non viene raggiunto entro 10 minuti la stimolazione viene cmq bloccata. Un esempio di risultato di procedura di apprendimento è mostrata in basso: figura 19 Si mostrano in figura 19 le risposte dell’elettrodo selezionato prima e dopo il training. Le 11 tracce di ogni pannello, mostrano le risposte a 11 stimoli consecutivi. Si nota che l’attività entro i 50msec (dentro le linee rosse) è marcatamente aumentata dopo la fase di training. La figura20 in basso invece mostra 8 curve di apprendimento in cui il tempo di risposta (tempo 102 Capitolo 5 Interfacciamento neuroelettronico richiesto per raggiungere il criterio >=2/10) e plottato contro il numero di cicli di stimolazione. Ogni punto rappresenta il tempo in secondi che serve per rispondere al criterio: figura 20 Queste curve sono caratterizzate da un decremento nel tempo di risposta e da una stabilizzazione a valori più bassi dei valori iniziali. La figura 21 in basso riassume i dati di apprendimento selettivo. Cambiamenti nel rapporto R/S dell’elettrodo selezionato (pallini ) e 10 elettrodi di controllo (stelle) sono mostrati per otto esperimenti da otti diverse reti di neuroni. Per ogni rete, i 10 elettrodi di controllo sono scelti analizzando i dati, dopo la fine dell’esperimento, e sono i dieci elettrodi con R/S più simile all’R/S dell’ elettrodo selezionato prima del training. Il cambiamento, mostrato con “f “ è definito come il rapporto tra la risposta prima del training e dopo il training, normalizzato con il cambiamento in R/S dell’elettrodo selezionato. Così che f=1 significa un cambiamento in R/S identico al cambiamento misurato nell’elettrodo selezionato. F<1 e f>1 significa che la risposta rilevante dell’elettrodo di controllo è diminuita o cresciuta rispettivamente, reltivamente all’elettrodo selezionato. 103 Capitolo 5 Interfacciamento neuroelettronico figura 21 104