معلومة

التوزيع المكاني للمحاور التي تربط مجموعات بعيدة من الخلايا العصبية

التوزيع المكاني للمحاور التي تربط مجموعات بعيدة من الخلايا العصبية


We are searching data for your request:

Forums and discussions:
Manuals and reference books:
Data from registers:
Wait the end of the search in all databases.
Upon completion, a link will appear to access the found materials.

سيساعدني ذلك في تشكيل صورتي للدماغ ، إذا عرفت ما يلي:

ضع في اعتبارك مجموعتين محددتين من الخلايا العصبية A و B في الدماغ والتي تقع في مكان جيد ولكنها بعيدة تمامًا عن بعضها البعض (على سبيل المثال ، نواتان كرويتان تقريبًا ، أو منطقتان من مناطق برودمان متطابقتين عبر نصفي الكرة الأرضية) ، والتي (أكثر أو أقل) متصلة بشكل متشابك. ، على سبيل المثال ، تقوم محاور المجموعة الأولى ببناء نقاط الاشتباك العصبي مع التشعبات في المجموعة الثانية ، حيث يتم جسر المسافة بشكل أساسي بواسطة المحاور. أفترض أن هناك الكثير من الأمثلة على مستويات مختلفة.

سؤالي هو: هل هناك طريقة مفضلة لتنظيم المحاور ، أي موزعة مكانيًا في الدماغ؟ هل تعمل في الغالب بالتوازي مع بعضها البعض في حزم ، أم أن هناك حالات (ربما استثنائية) ، حيث تأخذ المحاور (أو مجموعات فرعية صغيرة من المحاور) مسارات فردية ، ربما بعيدًا جدًا عن بعضها البعض؟

أنا أدرك أنه مع مجموعات وسيطة من الخلايا العصبية ، هناك نكون مسارات مختلفة وغير متوازية لمجموعة من الخلايا العصبية إلى الأخرى. لذلك سؤالي صراحة حول مباشرة المجموعات المتصلة.

(هل هناك الكثير من الافتراضات المبسطة في سؤالي تجعله فارغًا؟)


التوزيع المكاني للمحاور التي تربط مجموعات بعيدة من الخلايا العصبية - علم الأحياء

نمت قائمة الأمراض المرتبطة بتجميع TDP-43 إلى ما بعد ALS و FTD.

تشير النتائج الجينية إلى إعاقة بروتينية في التسبب في المرض ، وربطت الدراسات الجزيئية انخفاض معدل دوران البروتين بتجميع TDP-43.

الطفرات في المجال الغني بالجليسين لـ TDP-43 تجرم فصل الطور المتغير في إمراض المرض ، والطفرات الجديدة في أشكال التعرف على الحمض النووي الريبي (RNA) يحتمل أن تؤثر على كل من ارتباط RNA وقابلية الذوبان.

تعديل التنظيم للنصوص العصبية الحرجة ، بما في ذلك STMN2 ، يرتبط بفقدان وظيفة TDP-43 ، مما يوفر رابطًا ميكانيكيًا بين TDP-43 والاعتلال العصبي.

التغييرات الشاذة في STMN2 التعبير في الأمراض التنكسية العصبية الأخرى يسلط الضوء على الطبيعة الحرجة لمنظم الهيكل الخلوي هذا.

قد تعمل النصوص الرئيسية الخاضعة للتنظيم TDP-43 كمؤشرات حيوية لاكتشاف وتوصيف وعلاج اعتلالات البروتين المرتبطة.

الاستجابة العابرة البروتين المرتبط بالحمض النووي 43 كيلو دالتون (TDP-43) ، وهو بروتين مرتبط بالحمض النووي متعدد الوظائف ، هو مكون أساسي من التكتلات غير القابلة للذوبان المرتبطة بالعديد من طفرات اضطرابات الجهاز العصبي المدمرة في تاردب، الجين المشفر ، هو سبب التصلب الجانبي الضموري العائلي (ALS) والخرف الجبهي الصدغي (FTD). هنا ، نقوم بمراجعة الأدوار الثابتة والناشئة لـ TDP-43 والنظر في كيفية تأثير اختلاله الوظيفي على توازن الحمض النووي الريبي في الجهاز العصبي ، وبالتالي المساهمة في التنكس العصبي. والجدير بالذكر أن الربط غير المناسب للعامل المرتبط بالنمو المحوري STMN2 قد تم ربطه مؤخرًا بخلل وظيفي في TDP-43 ، مما يوفر رابطًا ميكانيكيًا بين اعتلال البروتين TDP-43 والاعتلال العصبي. تسلط هذه المراجعة الضوء على كيف يمكن الاستفادة من الفهم العميق لوظيفة TDP-43 في الدماغ لتطوير علاجات مستهدفة جديدة للعديد من الاضطرابات العصبية.


جناح التكنولوجياللسلامة العامة

يمنح نظام Axon البيئي قادة السلامة العامة أدوات جديدة لحماية الحياة

يأسر حقيقة

كاميرات متصلة تحكي القصة كاملة

شخصي أمان

حماية مع قلق أقل وعواقب أقل ومزيد من الثقة.

يحمي حياة

تخلص من التصعيد بثقة باستخدام أسلحة الطاقة الأكثر تقدمًا على الإطلاق

التعجيل عدالة

برنامج يعيدك لخدمة مجتمعك بشكل أسرع

سوف نجعل الرصاصة عفا عليها الزمن.
سوف نجعل الرصاصة عفا عليها الزمن.

النظام البيئي أكسون

يعمل كل منتج من منتجات Axon معًا كشبكة واحدة. متصل بسلاسة. ومصممة لمنح أجهزة إنفاذ القانون الأدوات التي يحتاجونها للتركيز على الأمور المهمة والوصول إلى الحقيقة بشكل أسرع وجعل العالم مكانًا أكثر أمانًا.


مقدمة

في الجسم الحي، تعمل الخلايا العصبية على توسيع العمليات التي يجب أن تتنقل عبر البيئة شديدة الكثافة والمعقدة لتطوير العقول للعثور على أهدافها وتجميعها في شبكات وظيفية. توفر هذه البيئة الإشارات خارج الخلية القابلة للانتشار التي توجه العمليات العصبية إلى وجهتها من خلال توجيه نموها وتعزيز امتدادها أو تراجعها [1-6]. كما يتضح من العمل الأخير ، فإن المحاور ليست فقط قادرة على الاستشعار والاستجابة للإشارات الكيميائية الخارجية ، ولكنها تسترشد أيضًا بالتغيرات المحلية في الخواص الميكانيكية المحيطة بها [7-9]. بالإضافة إلى توفير إشارات كيميائية أو ميكانيكية توجه التنقل المحوري ، تفرض البيئة المحصورة والمزدحمة للدماغ أيضًا قيودًا مكانية على تنظيم ونمو الإسقاطات العصبية. وهكذا ، تم تطوير استراتيجيات لتحسين النمو في سياق أعداد متزايدة من الخلايا العصبية عبر التطور. وتشمل هذه تنظيم الخلايا العصبية في مجموعات سكانية تنسق لتنمو وتعصب المناطق المستهدفة [١٠ ، ١١]. على الرغم من أن الدراسات كشفت أن التنسيق والتفاعل بين الخلايا العصبية لهما أهمية خاصة في سياق نمو السكان [١٠ ، ١٢-١٥] ، فقد تمت دراسة نمو المحاور بشكل أساسي حتى الآن في المختبر على الخلايا العصبية المعزولة ، أو في الجسم الحي على مجموعات كاملة من الخلايا العصبية. ومع ذلك ، لفهم النمو السكاني بشكل كامل ، يحتاج المرء إلى فهم سلوك الخلايا العصبية المكونة الفردية ، وكيف تتفاعل وتؤثر على نفسها لإنتاج النمو العالمي. هذا ليس تافهًا تجريبيًا ، كأدوات لتصور تفاعلات محور عصبي ومحور عصبي ومعالجتها بشكل متكرر في الجسم الحي في مجموعات من المحاور المتنامية إما غير متوفرة أو ثقيلة التنفيذ.

للتغلب على هذه الصعوبات ، قمنا بتطوير إطار رياضي ديناميكي ثلاثي الأبعاد يولد عمليات محاكاة تنتج أشكالًا واقعية لخلية واحدة ويعيد إنتاج عملية نمو المحاور بدقة في سياق السكان. على الرغم من أنه تم وصف النماذج التي تأخذ في الاعتبار الجوانب المختلفة للمنافسة المحورية [16-21] ، إلا أن النماذج ثلاثية الأبعاد التي تأخذ في الاعتبار القيود المكانية والتفاعلات الميكانيكية بين العصبونات والخلايا العصبية نادرة حتى الآن [22-25]. طور Torben-Nielsen و De Schutter ، على سبيل المثال ، إطار عمل لتطوير الخلايا العصبية الواعية بالسياق حيث قواعد النمو هي أساسًا ظاهريًا [23]. Zubler et al. اقترح نموذجًا لنمو الخلايا العصبية يعتمد على القوى الفيزيائية بين الأشياء وانتشار المواد عبر المجال خارج الخلية [24]. Vanherpe et al. اقترح إطارًا لتطوير الهياكل الشبيهة بالأنبوب غير المتقاطعة في الأماكن الضيقة ، والتي سلطت الضوء على اعتماد استطالة المحاور والتشكل النهائي على الحدود المكانية والكثافة المحورية [25]. شددت هذه النماذج معًا على أهمية النظر في العمليات والتفاعلات المدمجة في الفضاء مع البيئة الخلوية عند دراسة التشكلات العصبية. ومع ذلك ، لم يستخدموا أو لم يتمكنوا من استخدام المعلمات المقدرة من البيانات الحقيقية ، ولم يعرضوا الجوانب التفسيرية أو التنبؤية لنماذجهم.

في هذا العمل ، قمنا بتطوير إطار عمل مرن يمكنه دمج البيانات من العينات البيولوجية مع النمذجة الرياضية للكشف عن المبادئ الكامنة وراء نمو المحور العصبي في سياق السكان. أولاً ، اقترحنا نموذجًا عشوائيًا ثلاثي الأبعاد لنمو المحاور الفردية التي تعتمد على المعلمات التي يمكن تقديرها من البيانات. يمكن تنفيذ هذا النموذج من خلال تكوين الفروع ، وتطبيقه على محاكاة المحاور الفردية. ثانيًا ، قمنا بمحاكاة نمو مجموعات المحاور ، والسماح لها بالنمو في وقت واحد ، في بيئة مقيدة مكانيًا حيث يتنافسون على الفضاء ويغيرون مسارهم عند مواجهة العقبات.

لاختبار نموذجنا على البيانات البيولوجية ، استفدنا من قاعدة بيانات للصور متحد البؤر التي تمثل محاورًا واحدة ناضجة نمت في سياق ذبابة الفاكهة العقول. اللافت للنظر ، أن إطار عملنا أنتج مجموعة من أنماط النمو والتشجير مماثلة لتلك التي لوحظت في ذبابة الفاكهة العقول ، عند تنفيذها مع المعلمات المقدرة من في فيفو البيانات ، مما يوفر تفسيرًا آليًا لأصل التنوع المورفولوجي الملحوظ. علاوة على ذلك ، أثر تعديل قدرة المحاور لتشكيل الفروع على نمو المحاور. على مستوى السكان ، نمت المحاور المتفرعة بشكل أكثر كفاءة من المحاوير غير المتفرعة. على مستوى الخلية الواحدة ، كانت المحاور غير المتفرعة تتنافس مع المحاور المتفرعة ، مما أدى إلى إنشاء ملفات تعريف نمو معيبة مماثلة لتلك التي لوحظت في فيفو عند تعطيل عفريت، وهو جين معروف بدوره في نمو المحاور العصبية والتفرع. بينما تم اعتبار أهمية التفرع حتى الآن في الغالب في سياق إقامة اتصالات مع الشركاء [26 ، 27] ، تشير نتائجنا بالتالي إلى أن التفرع قد يكون أيضًا استراتيجية تم تبنيها أثناء التطوير للتغلب على المنافسة المكانية وتحسين النمو في سياقات عالية كثافة محور عصبي. معًا ، يتيح الإطار البسيط والتفسير والتنبؤي الذي قمنا بتطويره إجراء دراسات آلية للمبادئ التي تحكم النمو الجماعي للمحاور في بيئات واقعية مقيدة مكانيًا.


نتائج

تم تسجيل ما مجموعه 244 خلية ، تم تصنيف 106 منها بنجاح واستعادتها للتحليل المورفولوجي. تم تقسيم الخلايا المستردة إلى أربعة أنماط مورفوتولوجية رئيسية وفقًا للاتجاه الكمي لأشجارها المتغصنة (الشكلان 2 و & # x200B و 3). 3). كان اتجاه المجال الشجيري هو المعلمة الرئيسية للفصل المورفولوجي ، حيث أنه يرتبط ارتباطًا وثيقًا بطبيعة المدخلات المتشابكة للخلايا العصبية (1،14،20). تم إنشاء الأشكال الشكلية العصبية وفقًا لتوزيع المجموعات المتغصنة في قطعة أرض قطبية (الشكل 4). كانت الأنماط الشكلية المحددة هي: الخلايا الأفقية (26.4 ٪ من إجمالي الخلايا 28/106) ، والتي تم تحديدها من خلال وجود أكثر من 50 ٪ من عملياتها التغصنية مركزة في 80 & # x000b0 قوس جانبي للخلايا الشعاعية سوما (38.7 ٪ 41/106) ، والتي كانت الخلايا العصبية حيث لم يُظهر التوزيع العنقودي التغصني توزيعًا تفضيليًا ، أي أن مجموعاتها التغصنية لم تظهر تداخلًا بنسبة 50 ٪ مع أي من الخلايا الصاعدة في المناطق التحليلية (20.8 ٪ 22/106) ، والتي تحتوي على أكثر من 50 ٪ من العرش المتشعب المسقط أعلاه إلى المنطقة فوق سوما مباشرة ، والخلايا السليلة (12.3 ٪ من إجمالي الخلايا التي تم تحليلها في 13/106) ، والتي تم إسقاط التشعبات بشكل رئيسي أسفل سوما مباشرة (أكثر من 70 ٪). كانت بعض الخلايا (1.8٪ 2/106) غير منتظمة جدًا بحيث لا يمكن تصنيفها في الأنماط المورفولوجية المحددة وتركت غير مصنفة.

حوالي 25 ٪ (7/28) من الخلايا الأفقية كان لها مجموعات شجيرية تم إسقاطها بشكل أساسي من جانب واحد و 75 ٪ (21/28) بشكل ثنائي. لديهم أيضًا ، بشكل عام ، سوما إهليلجية وصغيرة. تحتوي الخلايا الشعاعية على خلايا صاعدة دائرية أو غير منتظمة ، وعادة ما يكون لها أجسام خلايا مستديرة أو إهليلجية ، والخلايا السليلة لها جسم خلوي غير منتظم أو ممدود. بين الخلايا السليلة ، يمكن تمييز نوع فرعي معين ، أي الخلايا الفرعية. تسمى هذه الخلايا أيضًا & # x0201cvertical cells & # x0201d by Bradford et al. (25) و Zhou و Hablitz (5) ، يمثلان 76.9 ٪ (10/13) من مجموعة الخلايا السليلة. كانت موجودة فقط أسفل الحدود pial ، وتمتلك أجسامًا خلوية طويلة بشكل خاص ولديها نمط فريد من التشعب الشجيري ، مع عدد كبير من التشعبات المنبعثة بشكل جانبي وأسفل من جسم الخلية. على الرغم من أن هذه الخلايا قد تكون نوعًا فرعيًا متميزًا من تلقاء نفسها ، نظرًا لندرتها النسبية في حجم العينة الإجمالي لدينا (10 من 106 خلايا) تم تجميعها مع خلايا سليلة أخرى لجميع الأغراض التحليلية.

كشف تحليل Sholl أن جميع الخلايا العصبية في الطبقة 1 حققت ذروة تفرعها عند حوالي 25-30 & # x02005 & # x000b5m من المسافة من سوما (الشكل 5 أ). تحتوي الخلايا الأفقية والقطرية والصاعدة على قمم متفرعة ذات قيمة مماثلة ، أي ما يقرب من 9-10 تشعبات. ومع ذلك ، أظهرت الخلايا السالبة ذروة أصغر بكثير في التشعب (6.3 & # x000b1 0.89 تقاطعات P = 0.0107). وجدنا فروقًا ذات دلالة إحصائية في عدد التقاطعات لكل 5 & # x02005 & # x000b5m ، الطول الكلي للتشجير والحد الأقصى لنصف قطر Sholl بين الأشكال المورفوتوبية (الشكل 5B-D). كان للخلايا السليفة أطوال شجيرية أصغر باستمرار من الخلايا الأفقية وعدد أقل من التقاطعات لكل 5 & # x02005 & # x000b5m من الخلايا العصبية الأفقية والشعاعية (الشكل 5C). كان للخلايا الأفقية نصف قطر أقصى شول أكبر من جميع الأنواع الفرعية الأخرى (الشكل 5 د).

لتحليل التوزيع المكاني للخلايا العصبية من الطبقة الأولى ، قمنا بتقسيم الطبقة إلى ثلاث طبقات فرعية متساوية الحجم (طبقات فرعية متفوقة ، وسطية ، وسفلية) وفقًا لبعدها عن سطح pial والحدود مع الطبقة القشرية 2/3 ( 1). كان توزيع المجموعات السكانية المتميزة شكليًا عبر هذه الصفيحة الفرعية للطبقة 1 غير متكافئ للغاية (P & # x0003c 0.01) ، مع إظهار الخلايا السليلة تنظيمًا مكانيًا مختلفًا للغاية فيما يتعلق بالأنواع الفرعية المتبقية. تركزت الخلايا العصبية السليفة بشكل خاص في الطبقة الفرعية العليا (76.9٪ من جميع الخلايا المتفرعة 10/13) ، وهي نادرة نسبيًا في الطبقة الفرعية الإنسي (23.1٪ 3/13) وكانت غائبة تمامًا عن الطبقة الفرعية السفلية.

كان توزيع الأنماط الشكلية المتبقية متشابهًا إحصائيًا ، حيث تركزت معظم الخلايا غير السليلة في الطبقة الفرعية الإنسي (& # x0224850٪ من جميع الخلايا غير المنحدرة 44/92) وكانت شائعة في الخلية الأدنى (& # x0224830-40 ٪ 34/92). ما يقرب من 10-20٪ (14/92) من الخلايا غير المنحدرة كانت موجودة في الطبقة الفرعية العليا. وبالتالي ، فإن الخلايا الأفقية والصاعدة والشعاعية تشكل جميع سكان الطبقة الفرعية السفلية ، حيث لا توجد خلايا سليلة حيث توجد في هذه الطبقة.

تم تلخيص المعلمات الفيزيولوجية الكهربية للخلايا العصبية الداخلية المسجلة من الطبقة 1 في الجداول 1 و # x200B و 2 و 2 و & # x200B و 3. 3. كانت إمكانات العمل العفوي نادرة ولم يتم التحقيق فيها. يمكن رؤية خصائص الغشاء السلبي وتواتر إطلاق النار لكل نوع مورفوتيب وطبقة فرعية في الشكل 6. لم تكن هذه المعلمات مختلفة بشكل كبير بين التقسيمات الفرعية المدروسة للخلايا العصبية للطبقة 1 (P & # x0003e 0.05).

الجدول 1.

العواملالتصنيف الصرفي
أفقيشعاعيتصاعديتنازلي
عدد الخلايا28412213
RMP (بالسيارات)-54.23 & # x000b1 1.18-56.09 & # x000b1 1.07-55.50 & # x000b1 1.17-53.57 & # x000b1 1.45
عتبة AP (بالسيارات)-40.72 & # x000b1 0.94-41.31 & # x000b1 0.45-41.65 & # x000b1 0.75-41.09 & # x000b1 1.11
رفي (M & # x003a9)539.61 & # x000b1 46.69512.91 & # x000b1 41.23526.47 & # x000b1 34.95505.96 & # x000b1 65.02
تردد سبايك (هرتز)29.96 & # x000b1 2.2530.23 & # x000b1 2.7138.33 & # x000b1 4.0533.99 & # x000b1 3.58
سعة AP (بالسيارات)93.25 & # x000b1 2.7397.47 & # x000b1 1.6794.83 & # x000b1 2.6895.85 & # x000b1 2.09
نصف العرض (مللي ثانية)1.09 & # x000b1 0.040.94 & # x000b1 0.030.96 & # x000b1 0.030.92 & # x000b1 0.05
10-90٪ وقت الصعود (مللي ثانية)0.44 & # x000b1 0.020.36 & # x000b1 0.010.38 & # x000b1 0.010.38 & # x000b1 0.02
10-90٪ وقت الاضمحلال (مللي ثانية)0.74 & # x000b1 0.040.65 & # x000b1 0.030.63 & # x000b1 0.030.60 & # x000b1 0.05
& # x003c4 (مللي ثانية)51.38 & # x000b1 4.2947.89 & # x000b1 4.5251.40 & # x000b1 4.9144.27 & # x000b1 8.39
fAHP (بالسيارات)15.88 & # x000b1 2.2616.84 & # x000b1 1.7713.40 & # x000b1 13.4016.33 & # x000b1 5.86
مللي أمبير (بالسيارات)14.81 & # x000b1 1.9017.08 & # x000b1 1.0913.46 & # x000b1 1.559.47 & # x000b1 4.95
sAHP (بالسيارات)7.73 & # x000b1 0.587.68 & # x000b1 1.085.90 & # x000b1 1.175.17 & # x000b1 1.98
ADP (بالسيارات)2.67 & # x000b1 2.413.25 & # x000b1 1.80--

يتم الإبلاغ عن البيانات كوسيلة & # x000b1 SEM. RMP = احتمال غشاء الراحة AP = جهد الفعل Rفي = مقاومة المدخلات & # x003c4 = ثابت زمن الغشاء fAHP = إمكانات سريعة بعد فرط الاستقطاب mAHP = إمكانات متوسطة بعد فرط الاستقطاب sAHP = إمكانات بطيئة بعد فرط الاستقطاب ADP = إمكانات ما بعد الاستقطاب.

الجدول 2.

العواملالتوزيع المكاني
طبقة كاملة 1متفوقوسطيالسفلي
عدد الخلايا105244734
RMP (بالسيارات)-56.64 & # x000b1 6.32-55.45 & # x000b1 7.14-54.86 & # x000b1 5.65-56.11 & # x000b1 5.16
عتبة AP (بالسيارات)-41.52 & # x000b1 6.21-40.27 & # x000b1 4.71-41.09 & # x000b1 2.83-42.31 & # x000b1 2.61
رفي (M & # x003a9)500.25 & # x000b1 197.62509.36 & # x000b1 191.27515.35 & # x000b1220.75530.50 & # x000b1 203.58
تردد سبايك (هرتز)30.99 & # x000b1 14.03.202032.51 & # x000b1 10.05.202034.14 & # x000b1 17.2431.05 & # x000b1 13.00
سعة AP (بالسيارات)96.31 & # x000b1 10.9993.88 & # x000b1 9.8892.71 & # x000b1 9.8499.77 & # x000b1 12.12.2019
نصف العرض (مللي ثانية)0.94 & # x000b1 0.200.94 & # x000b1 0.190.94 & # x000b1 0.211.02 & # x000b1 0.21
10-90٪ وقت الصعود (مللي ثانية)0.37 & # x000b1 0.090.37 & # x000b1 0.080.37 & # x000b1 0.080.41 & # x000b1 0.09
10-90٪ وقت الاضمحلال (مللي ثانية)0.63 & # x000b1 0.160.62 & # x000b1 0.140.64 & # x000b1 0.190.70 & # x000b1 0.17
& # x003c4 (مللي ثانية)43.66 & # x000b1 20.4345.01 & # x000b1 23.3845.63 & # x000b1 22.3747.74 & # x000b1 21.82
fAHP (بالسيارات)17.48 & # x000b1 6.0518.89 & # x000b1 5.3020.38 & # x000b1 6.3813.91 & # x000b1 3.62
مللي أمبير (بالسيارات)14.36 & # x000b1 5.3817.41 & # x000b1 5.3216.89 & # x000b1 4.7912.22 & # x000b1 5.73
sAHP (بالسيارات)5.42 & # x000b1 3.556.90 & # x000b1 5.316.68 & # x000b1 3.455.31 & # x000b1 2.49
ADP (بالسيارات)4.90 & # x000b1 3.906.53 & # x000b1 3.117.00 & # x000b1 2.703.46 & # x000b1 3.38

يتم الإبلاغ عن البيانات كوسيلة & # x000b1 SEM. RMP = احتمال غشاء الراحة AP = جهد الفعل Rفي = مقاومة المدخلات & # x003c4 = ثابت زمن الغشاء fAHP = إمكانات سريعة بعد فرط الاستقطاب mAHP = إمكانات متوسطة بعد فرط الاستقطاب sAHP = إمكانات بطيئة بعد فرط الاستقطاب ADP = إمكانات ما بعد الاستقطاب.

الجدول 3.

العواملنمط إطلاق الخلايا العصبية
ج- NACج- ACج- ستوتد- NAC
عدد الخلايا162351029
RMP (بالسيارات)-56.15 & # x000b1 0.51-55.49 & # x000b1 0.91-63.40 & # x000b1 1.95-58.31 & # x000b1 0.95
عتبة AP (بالسيارات)-41.75 & # x000b1 0.26-41.01 & # x000b1 0.46-40.44 & # x000b1 0.66-42.28 & # x000b1 0.50
رفي (M & # x003a9)538.12 & # x000b1 17.18428.41 & # x000b119.29331.83 & # x000b1 32.37442.67 & # x000b1 22.27
تردد سبايك (هرتز)33.21 & # x000b1 1.2327.31 & # x000b1 1.4318.48 & # x000b1 3.2426.10 & # x000b1 1.70
سعة AP (بالسيارات)96.10 & # x000b1 0.9099.46 & # x000b1 1.4590.46 & # x000b1 2.9799.89 & # x000b1 1.80
نصف العرض (مللي ثانية)0.94 & # x000b1 0.020.93 & # x000b1 0.030.85 & # x000b1 0.050.91 & # x000b1 0.03
10-90٪ وقت الصعود (مللي ثانية)0.37 & # x000b1 0.010.37 & # x000b1 0.010.33 & # x000b1 0.020.36 & # x000b1 0.01
10-90٪ وقت الاضمحلال (مللي ثانية)0.64 & # x000b1 0.010.62 & # x000b1 0.020.55 & # x000b1 0.040.62 & # x000b1 0.03
& # x003c4 (مللي ثانية)46.20 & # x000b1 1.6638.77 & # x000b1 2.9323.96 & # x000b1 3.6442.79 & # x000b1 3.65
fAHP (بالسيارات)16.98 & # x000b1 0.5221.33 & # x000b1 1.1116.17 & # x000b1 0.0916.71 & # x000b1 0.80
مللي أمبير (بالسيارات)12.77 & # x000b1 0.4216.90 & # x000b1 0.8519.28 & # x000b1 1.1715.50 & # x000b1 0.93
sAHP (بالسيارات)5.19 & # x000b1 0.297.32 & # x000b1 0.676.23 & # x000b1 0.404.17 & # x000b1 0.48
ADP (بالسيارات)5.63 & # x000b1 0.325.58 & # x000b1 0.832.13 & # x000b1 0.482.51 & # x000b1 0.31

يتم الإبلاغ عن البيانات كوسيلة & # x000b1 SEM. c-NAC و c-AC = الخلايا الكلاسيكية غير المتوافقة والمتكيفة ، على التوالي c-STUT = الخلايا العصبية المتعثرة الكلاسيكية d-NAC = تأخر NAC RMP = احتمال غشاء الراحة AP = إمكانية العمل Rفي = مقاومة المدخلات & # x003c4 = ثابت زمن الغشاء fAHP = إمكانات سريعة بعد فرط الاستقطاب mAHP = إمكانات متوسطة بعد فرط الاستقطاب sAHP = إمكانات بطيئة بعد فرط الاستقطاب ADP = إمكانات ما بعد الاستقطاب.

من أصل 244 خلية مسجلة ، تم إخضاع 219 منها لنبضات إزالة الاستقطاب المتتالية وتم فحص خصائصها النشطة. كانت جميع الخلايا المسجلة قادرة على إطلاق النار المتكرر ، بترددات متغيرة. من بين 219 خلية عصبية تمت دراستها ، أظهر 93.61٪ (205/219) تكيفًا ضئيلًا أو معدومًا للتردد 59.82٪ (131/219) من الخلايا العصبية قدمت fAHPs ، 72.15٪ (158/219) قدم mAHPs ، 76.71٪ (168/219) قدم sAHPs ، و 74.20٪ (53/219) عرضوا ADPs. تجدر الإشارة إلى أننا لم نلاحظ التواجد المشترك لـ mAHP و sAHP في خلية واحدة أثناء تجاربنا ، وهو ما يتفق مع الدراسات السابقة التي أجراها Zhou و Hablitz (2). يتم عرض متوسطات السعات لهذه الإمكانات اللاحقة في الجداول 1 و # x200B و 2 و 2 و & # x200B و 3. 3. يتم عرض التسجيلات التمثيلية لكل نوع من الإمكانات اللاحقة في الشكل 7.

تم تحديد وتصنيف أشكال موجة جهد الفعل وفقًا للمعلمات المستخدمة من قبل Zhou و Hablitz (2). وفقًا لهذه المعايير ، يمكن تحديد معظم الخلايا العصبية المسجلة (162/219) كخلايا كلاسيكية غير ملائمة (c-NAC) (الشكل 8 أ) ، أي خلايا ذات إمكانات عمل قصيرة المدة (حوالي 1.1 & # x02005ms) ، معدل سريع لإعادة الاستقطاب المفاجئ مع وجود fAHPs وغياب أو شبه غياب للتكيف مع التردد المرتفع. استجابت هذه الخلايا على الفور واستمرت في إطلاق النار طوال مدة كل حافز (الشكل 8 أ). كان لديهم R أعلى بكثيرفي وسعة mAHP أقل (الجدول 3 P & # x0003c 0.05) من الخلايا العصبية المسجلة الأخرى في دراستنا. يشبه هذا الاكتشاف النتائج السابقة حول الخلايا العصبية من الطبقة الأولى التي أبلغ عنها Zhou و Hablitz (2). وتجدر الإشارة إلى أن هذا الشكل الموجي c-NAC يقتصر على الخلايا العصبية الداخلية المثبطة القشرية (12 ، 26).

على الرغم من هذا التوحيد في الشكل الموجي المحتمل للعمل ، وجدنا أن نمط إطلاق الخلايا المدروسة أظهر أنواعًا فرعية من نمط إطلاق النار. من بين مجموعة الخلايا العصبية المسجلة ، تم وصف 13.24٪ (29/219) من الخلايا على أنها خلايا عصبية متأخرة غير متكيفة (d-NAC الشكل 8C) ، أي الخلايا التي لم تكن تستجيب فورًا لنبضة إزالة الاستقطاب معينة ، والتي تقدم طفرات فقط بعد فترة معينة. كان لهذه الخلايا سعة أقل بشكل ملحوظ من sAHP (الجدول 3 P & # x0003c 0.05). كانت مجموعة أخرى من الخلايا (15.98٪ 35/219) عبارة عن خلايا عصبية ملائمة كلاسيكية (الشكل 8 ب- ج) ، بمعنى أنها استجابت بإمكانية عمل واحدة أو أكثر (اعتمادًا على سعة التحفيز) ثم تم إسكاتها لبقية الخلايا. من النبض. كان لهذه الخلايا سعة fAHP أعلى بكثير (الجدول 3 P & # x0003c 0.05). تم تصنيف جزء من 4.57٪ (10/219) على أنه خلايا تلعثم كلاسيكية (تقدم c-STUT فترات هادئة ، أي فترات من الإسكات المتقطع في تسلسل إطلاق النار المتكرر الشكل 8D). كانت هذه الخلايا تحتوي على نسبة تركيز أعلى بكثير من RMP وأقل & # x003c4 و Rفي (الجدول 3 P & # x0003c 0.05). تم العثور على أنماط مماثلة أيضًا بواسطة Zhou و Hablitz (2) و Chu et al. (4).

تم العثور على اختلاف كبير في توزيع أنماط إطلاق النار بين الأشكال الشكلية المتميزة (P & # x0003c 0.001). لم تظهر الخلايا الصاعدة والسليلة نمط إطلاق c-NAC وقدمت الخلايا الأفقية نسبة أصغر بكثير من أنماط c-AC (الشكل 8F). بالإضافة إلى ذلك ، فإن الخلايا الصاعدة والمتحدرة ، في تناقض ملحوظ مع الفئات المورفولوجية الأخرى ، لم تظهر ADPs. كان هناك أيضًا فرق كبير بين مجموعات الخلايا العصبية لكل طبقة فرعية (P = 0.017). لم تقدم خلايا الطبقة الفرعية العليا أنماط إطلاق c-NAC وكانت نسبة صغيرة نسبيًا من هذه الخلايا العصبية عبارة عن خلايا d-NAC (الشكل 8E). بالإضافة إلى ذلك ، كان لنسبة أكبر من الخلايا العصبية في الطبقة الفرعية السفلية نمط إطلاق d-NAC مقارنة بالخلايا الوسيطة. ومن المثير للاهتمام أن خصائص الغشاء المتبقية ، مثل & # x003c4 و RMP و Rفي كانت متجانسة إحصائيًا (P & # x0003e 0.05) بين خلايا الطبقة 1 لأنماط مختلفة (الجدول 1 والشكل 6 ب) وتوزيع الطبقة الفرعية (الجدول 2 والشكل 6 ج).


يقوم الباحثون بتفكيك "الساعة البيولوجية" التي تنظم أصوات العصافير

وفقًا لدراسة جديدة ، فإن التوقيت الدقيق لأغنية الطائر المعقدة مدفوع جزئيًا بـ "الأسلاك" التي غالبًا ما يتم تجاهلها والتي تربط الخلايا العصبية في دماغ الطائر. قام فريق من الباحثين من ولاية بنسلفانيا وجامعة نيويورك بتفكيك "ساعة بيولوجية" مهمة تنظم أصوات الطيور والسلوكيات الأخرى ، مما يؤدي إلى طرق جديدة للتفكير في وظيفة الشبكات العصبية.

قال "العديد من السلوكيات المعقدة والمتعلمة ، مثل ضرب كرة الجولف أو العزف على الكمان ، تتطلب توقيتًا دقيقًا بشكل لا يصدق على مستوى إطلاق الأعصاب" ديزي جين، أستاذ مساعد للفيزياء في ولاية بنسلفانيا ومؤلف الورقة. لكن كيف ينظم الدماغ عضلاتنا بسلاسة بهذه الطريقة الدقيقة لا يزال غير واضح. في هذه الدراسة ، أنشأنا نموذجًا يعتمد على سنوات من الملاحظات التجريبية التي كشفت أن التأخيرات داخل دوائر الخلايا العصبية تلعب دورًا مهمًا في توقيت إطلاقها. ثم حددنا مصدر التأخير في الأسلاك ، أو المحاور العصبية ، التي تربط الخلايا العصبية. "

في ورقة نشرت في 15 أكتوبر في المجلة زنزانة، تناول جين وزملاؤه ضبط الوقت السلوكي باستخدام عصفور الحمار الوحشي ، وهو طائر مغرد أسترالي صغير قادر على تعلم أغنية تودد بمهارة عازف آلات رئيسي. لتمكين هذا العرض الصوتي ، تمتلك العصافير "ساعة" مخصصة - تسمى HVC - في أدمغتهم تنظم توقيت الأغنية. في HVC ، تطلق مجموعات من الخلايا العصبية في تسلسل يمكن التنبؤ به يتوافق مع أداء الأغنية.

قال روبرت إيجر ، زميل ما بعد الدكتوراه في كلية الطب بجامعة نيويورك والمؤلف الرئيسي لهذه الدراسة: "غالبًا ما يُنظر إلى HVC على أنها ساعة لأنها تتحكم في حركة معقدة للغاية - الأغنية - حيث يكون التوقيت الدقيق أمرًا بالغ الأهمية". "لقد استخدمنا طرقًا متطورة لقياس النشاط المتزامن لما يصل إلى 70 خلية عصبية داخل HVC أثناء الغناء. في الماضي ، كان علينا قياس كل خلية عصبية واحدة تلو الأخرى ومواءمة نشاطها مع الأغنية ".

لاستكشاف كيف يمكن أن تكون الدائرة بهذه الدقة ، جين وطالب الدراسات العليا يوجين توبيكوف طور سلسلة من النماذج الحسابية واسعة النطاق التي تصف الدائرة العصبية. في إحدى الحالات ، تنطلق مجموعة من الخلايا العصبية في نفس الوقت مما يؤدي إلى تشغيل المجموعة التالية من الخلايا العصبية التي تنطلق في نفس الوقت ، مما يؤدي إلى تشغيل المجموعة التالية ، مثل أحجار الدومينو الساقطة ، في ما يسميه الباحثون سلسلة synfire. في نموذج بديل ، تسمح التأخيرات في الأسلاك للخلايا العصبية بإطلاق النار في أوقات مختلفة قليلاً. والنتيجة هي ساعة أكثر دقة.

قال مايكل لونج ، الأستاذ المشارك في علم الأعصاب وعلم وظائف الأعضاء في كلية الطب بجامعة نيويورك والمؤلف المقابل للورقة البحثية: "لقد اعتدنا التفكير في كل مجموعة من الخلايا العصبية التي تعمل معًا كعلامة منفصلة ومنفصلة من جهة ثانية". "ولكن ما نراه في الواقع يشبه إلى حد كبير اليد الثانية التي تتحرك بسلاسة وبشكل مستمر. يتيح توزيع التأخيرات بين الأسلاك دقة أعلى لأنك لا تحصل على نقاط التجزئة هذه ".

وجد الفريق توزعًا واسعًا للتأخيرات في الدائرة ، مما يعني أن بعض الإشارات تصل إلى الخلايا العصبية الأخرى بسرعة كبيرة وبعضها يستغرق وقتًا أطول.

قال جين ، الذي قاد جهود النمذجة: "كنا نعلم أن التأخير في الدوائر العصبية كان مهمًا على مسافة كبيرة ، ولكن داخل الدوائر المحلية ، كان يُعتقد أنها لا تذكر ، ولهذا السبب غالبًا ما يتم تجاهلها". "تشير هذه النتائج إلى أن المحاور العصبية تلعب دورًا مهمًا في توقيت الدوائر العصبية ويجب دمجها في النماذج المستقبلية."

لتحديد ما إذا كانت التأخيرات المحورية قد تلعب دورًا في شبكات الدماغ الأخرى ، قدر الباحثون التأخيرات في منطقة من دماغ القوارض تستخدم لاستشعار بيئتها أثناء تحريك شعيراتها.

قال جين: "كانت نتائجنا متوافقة مع التأخيرات التي رأيناها في الطيور المغردة ، مما يشير إلى أن التأخيرات المحورية قد تلعب دورًا مهمًا في تشكيل النشاط العصبي عبر مجموعة من السلوكيات المعقدة". "نحن بحاجة إلى دمج تأخيرات المحاور العصبية في طريقة تفكيرنا في الدماغ وكيف يعمل."

يضم فريق البحث أيضًا مارجوت المالح ، وكالمان كاتلوويتز ، وسام بينيزرا ، وميشيل بيكاردو ، وفيليكس مول في جامعة نيويورك ، ويورغن كورنفيلد في معهد ماكس بلانك لعلم الأحياء العصبية. تم دعم هذا العمل من قبل مؤسسة الأبحاث الألمانية (Deutsche Forschungsgemeinschaft) والمعاهد الوطنية للصحة والمؤسسة الوطنية للعلوم ومؤسسة سيمونز.


البحث الحالي

الالتهام الذاتي هو عملية استتباب رئيسية حيث تبتلع البلعمة الذاتية المكونات السيتوبلازمية التالفة ، ومجموعات البروتين ، والعضيات المختلة وظيفيًا للتدهور الليزوزومي. في الخلايا العصبية ، تتشكل جسيمات البلعمة الذاتية في الغالب في محاور بعيدة ومحطات ما قبل المشبكية وتخضع لنقل رجعي حصريًا نحو سوما حيث توجد الجسيمات الحالة الناضجة بشكل أساسي. يعد مسار الالتهام الذاتي الليزوزومي ضروريًا للحفاظ على التوازن العصبي. العيوب في هذا المسار متورطة في عدد متزايد من الاضطرابات العصبية.

الميتوكوندريا هي عضيات أساسية لوظيفة الخلايا العصبية والبقاء على قيد الحياة. لا تنتج الميتوكوندريا المختلة طاقة بكفاءة أقل فحسب ، بل تطلق أيضًا أنواعًا ضارة من الأكسجين التفاعلي وتبدأ سلاسل إشارات موت الخلايا المبرمج ، والتي تم ربطها بإمراضية الأمراض التنكسية العصبية الرئيسية بما في ذلك مرض الزهايمر وباركنسون والتصلب الجانبي الضموري وهنتنغتون. يعد القضاء الفعال على الميتوكوندريا القديمة والمتضررة من خلال الميتوفاجي مسارًا خلويًا رئيسيًا لمراقبة جودة الميتوكوندريا في الخلايا العصبية.

ينصب تركيز بحثنا على توضيح الآليات الجزيئية والخلوية التي تنظم نظام الالتهام الليزوزومي وتأثيرها على التوازن العصبي في الصحة والتنكس المحوري. نحن مهتمون بشكل خاص بمعالجة الأسئلة التالية: (1) ما هي الآليات التي تنظم النقل المحوري ، والاتجار بالأغشية ، ووظيفة الالتهام الليزوزومي؟ (2) كيف يتم التحكم في جودة الميتوكوندريا من خلال ميتوفاجي في الخلايا العصبية الصحية والمريضة؟ (3) كيف يشارك نظام الجسيم الداخلي في تنظيم الإشارات العصبية؟ (4) كيف تساهم العيوب في هذه الآليات في التنكس العصبي؟ (5) ما هي الآليات التي تنظم تشكل الخلايا العصبية وتشكيل المشبك من خلال مسار الالتهام الذاتي الليزوزومي؟

توفر دراستنا دليلًا على وجود ميوفاجي ديناميكي ومكاني بوساطة باركين في القضاء على الميتوكوندريا المعيبة في الخلايا العصبية الحية. نكشف أن عدم كفاية قدرة الميتوفاجي يساهم في عيوب الميتوكوندريا في الخلايا العصبية لمرض الزهايمر. هدفنا على المدى الطويل هو توضيح الآليات الخلوية للدوران الصحيح للميتوكوندريا التالفة وإزالة تكتلات البروتين من خلال تعزيز وظيفة الالتهام الذاتي الليزوزومي. سنقوم بتقييم ما إذا كان التنظيم الأعلى لهذا النظام يخفف من أمراض الأعصاب ويخفف من التشوهات السلوكية المرتبطة بأمراض التنكس العصبي الرئيسية. إن التقدم في فهمنا لهذه الآليات سيوفر أساسًا قويًا يمكن أن يؤدي إلى تطوير مناهج وقائية وعلاجية جديدة.

مقالنا البحثي (Tammineni and Jeong et al.، علم الوراثة الجزيئية البشرية، 2017) في الغلاف: (A) LAMP-1 المسمى Lysosomes الناضجة المحملة بالبروتياز النشط Cathepsin D (CathD) توجد بشكل أساسي في سوما ، ولكن بالكاد يتم اكتشافها في العمليات العصبية التي تحمل علامة MAP2. (B) Snapin ، محول محرك dynein ، يتوسط في تجنيد محركات dynein في الإندوسومات المتأخرة ، وبالتالي تمكين النقل المحوري إلى الوراء لمسافات طويلة. تسهل هذه العملية تهريبًا رجعيًا محوريًا للرجوع المتأخر المرتبط بالجسيم الداخلي نحو سوما ، حيث يسترد retromer مستقبلات مانوز 6 الفوسفاتية المستقلة عن الكاتيون (CI-MPR) من الجسيم الداخلي المتأخر إلى جولجي. تتوسط CI-MPR المترجمة من Golgi في تهريب وتحميل البروتياز الحرج في الجسيمات الحالة. مثل هذه الآلية ضرورية للحفاظ على القدرة الوظيفية للجسيمات الحالة في الخلايا العصبية.

ورقتنا (Feng and Tammineni et al.، مجلة كيمياء الأحياء، 2017) كممثل لفئة علم الأحياء العصبية في "العام في JBC: 2017". يتم عرض الصور من الورقة كجزء من الغلاف: بيانات الفلورة وكيموغراف يستكشف مصير سيريزاز BACE1 ، الذي يبدأ الأميلويد-؟ تشكيل أثناء الالتهام الذاتي.

Induction of Parkin-mediated mitophagy in mature cortical neurons. Upon mitophagy induction, Parkin translocates to depolarized mitochondria and accumulates in the somatodendritic regions of neurons. Arrows in enlarged views of the boxed somatodendritic area indicate Parkin ring-like structures surrounding fragmented mitochondria while an arrowhead marks a mitochondrion unlabeled by Parkin. Panels with enlarged views of a dendritic process showing mitochondria with no Parkin association at distal regions. (Cai et al., علم الأحياء الحالي, 2012)

Activation of Parkin-mediated mitophagy in Alzheimer’s disease neurons. Parkin is recruited to depolarized mitochondria in Alzheimer’s disease neurons. Graph to the right is a line scan of relative DsRed-Mito and YFP-Parkin fluorescence intensities from an enlarged image in the somatic area of Alzheimer’s disease neuron (left panel). Mitophagy induction is coupled with altered mitochondrial motility in the axon of Alzheimer’s disease neurons. Vertical lines of kymograph images (lower panels) represent stationary organelles, oblique lines or curves to the right represent anterograde transport, and lines to the left indicate retrograde movement. (Ye et al., علم الوراثة الجزيئية البشرية, 2015)

Autophagic stress at presynaptic terminals of neurons in Alzheimer’s disease mouse brains. Amphisome-like structures, indicated by arrows, accumulate at presynaptic terminals of Alzheimer’s disease neurons, which are not readily observed in the neurons from normal WT mice. (Tammineni and Ye et al., eLife, 2017)

Mechanisms underlying autophagic stress in Alzheimer’s disease neurons. (A) In healthy neurons, autophagosomes are predominantly generated in distal axons. Through fusion with late endosomes (LEs) to form amphisomes, nascent autophagosomes gain long-distance retrograde motility by recruiting LE-loaded dynein-Snapin motor-adaptor transport machinery. Efficient retrograde transport rapidly moves amphisomes from distal axons to the soma where active lysosomes are relatively enriched. Such a mechanism enables neurons to facilitate cargo degradation within autolysosomes in the soma, thereby decreasing axonal stress. (B) In Alzheimer’s disease neurons, elevated cytoplasmic amyloid ? (A?) oligomers interact with dynein motors and competitively interfere with dynein-Snapin coupling. Such deficits disrupt recruitment of dynein motors onto Snapin-loaded LEs and/or amphisomes, and reduce their retrograde transport toward the soma for lysosomal clearance. As a result, amphisomes are trapped in distal axons and at presynaptic terminals, augmenting autophagic stress in Alzheimer’s disease neurons. (Tammineni and Cai, الالتهام الذاتي, 2017)


Scientists Deconstruct the “Biological Clock” That Regulates Precise Timing of Complex Birdsong

A team of researchers from Penn State and New York University has deconstructed an important “biological clock” in the zebra finch brain and found that the “wires” between neurons, called axons, play a critical role in the precise timing of the birds’ courtship song. Credit: Christopher Auger-Dominguez

The precise timing of a bird’s complex song is driven in part by the often-ignored “wires” connecting neurons in the bird’s brain, according to a new study. A team of researchers from Penn State and New York University has deconstructed an important “biological clock” that regulates birdsong and other behaviors, leading to new ways of thinking about the function of neuronal networks.

“Many complex, learned behaviors, like hitting a golf ball or playing the violin, require incredibly precise timing at the level of neural firing,” said Dezhe Jin, associate professor of physics at Penn State and an author of the paper. “But how the brain seamlessly regulates our muscles in such a precise way remains unclear. In this study, we created a model based on years of experimental observations which revealed that delays within the circuits of neurons play a critical role in the timing of their firing. We then pinpointed the source of the delays to the wires, or axons, that connect neurons.”

In a paper published on October 15, 2020, in the journal زنزانة, Jin and colleagues address behavioral timekeeping using the zebra finch, a small Australian songbird capable of learning a courtship song with the skill of a master instrumentalist. To enable this vocal display, finches have a dedicated “clock” – called HVC – in their brains that regulates the timing of the song. In HVC, groups of neurons fire in a predictable sequence that correspond to the performance of the song.

“HVC is often thought of as a clock because it controls a very complicated movement – the song – where precise timing is so critical,” said Robert Egger, a postdoctoral fellow at the NYU School of Medicine and lead author on this study. “We used cutting-edge methods to measure the simultaneous activity of up to 70 neurons within HVC during singing. In the past, we had to measure each neuron one by one and align their activity to the song.”

To explore how a circuit can be so precise, Jin and his graduate student Eugene Tupikov developed a series of large-scale computational models describing the neuronal circuit. In one case, a cluster of neurons fires at the same time which triggers the next cluster of neurons that fire at the same time, triggering the next cluster, like falling dominos, in what researchers call a synfire chain. In an alternative model, delays in the wires allow neurons to fire at slightly different times. The result is a more precise clock.

“We used to think of each group of neurons firing together as a separate, discrete tick of the second hand,” said Michael Long, associate professor of neuroscience and physiology at the NYU School of Medicine and corresponding author of the paper. “But what we actually see is more like a second hand that moves smoothly and continuously. The distribution of delays among the wires allows for higher resolution because you don’t get these tick points.”

The team found a wide distribution of delays in the circuit, meaning some signals reach other neurons very quickly and some take much longer.

“We knew that delays in neuronal circuits were important over a large distance, but within local circuits, they were thought to be negligible, and for that reason were often ignored,” said Jin, who led the modeling effort. “These results suggest that axons play a critical role in the timing of neuronal circuits and should be incorporated into future models.”

To determine if axonal delays may play a role in other brain networks, the researchers estimated the delays in an area of the rodent brain used to sense their environment while they move their whiskers.

“Our results were consistent with the delays we saw in the songbird, which suggests that axonal delays may play an important role in shaping neuronal activity across a range of complex behaviors,” said Jin. “We need to incorporate axon delays into how we think about the brain and how it works.”

Reference: “Local Axonal Conduction Shapes the Spatiotemporal Properties of Neural Sequences” by Robert Egger, Yevhen Tupikov, Margot Elmaleh, Kalman A. Katlowitz, Sam E. Benezra, Michel A. Picardo, Felix Moll, Jörgen Kornfeld, Dezhe Z. Jin and Michael A. Long, 15 October 2020, زنزانة.
DOI: 10.1016/j.cell.2020.09.019

The research team also includes Margot Elmaleh, Kalman Katlowitz, Sam Benezra, Michel Picardo, and Felix Moll at NYU and Jörgen Kornfeld at the Max Plank Institute of Neurobiology. This work was supported by Deutsche Forschungsgemeinschaft (German Research Foundation), the National Institutes of Health, the National Science Foundation, and the Simons Foundation.


استنتاج

Determining the connectivity between neurons requires knowledge about their innervation of space. Neurons can be represented by their actual arborizations, but also by their density fields. In this paper, we have shown that the number of contacts between neurons estimated from their population mean density fields is fully consistent with the number of contacts calculated from their actual arborizations. However, the connection probability and the number of contacts per connection cannot be reliably estimated from the density fields. Alternatively, they can be estimated from the expected number of contacts by using empirical mapping functions. The population mean density fields are powerful representations of the mean axonal and dendritic spatial innervation patterns of a given cell type. These density fields can be used in neuronal network studies to obtain statistical connectivity estimates by representing each neuron by the population mean density field of its cell type. The large variation between individual neurons is then already expressed in the density field itself.


Prenatal development of axon outgrowth and connectivity in the ferret visual system

The objective of this study was to determine when the retina, lateral geniculate nucleus (LGN), and striate cortex first send out axons, and first connect with each other, during embryonic development in the ferret. Specifically, we were interested in the timing relationship between axon outgrowth and known temporal patterns of neurogenesis in the LGN and striate cortex. Ferrets ( Mustela putorius furo ) were selected for study because of their immature developmental state in late gestation and relatively large litters.

We examined axon outgrowth from the retina, and anlagen of presumptive LGN and striate cortex between embryonic day 21–30 (E21–E30) using in situ inoculations of two fluorescent lipophilic dyes, Dil and DiA. Dil inoculations were made into the cortex and contralateral thalamus, and DiA inoculations were made into the contralateral eye. Retinal axon termination zones in the diencephalon following the DiA inoculations were used to validate the location of the LGN.

Visual cortex and LGN neurogenesis begins at E20 in ferrets. No axon outgrowth could be documented from retina or anlagen of striate cortex and LGN until E24. At E24 some retinal axons reach and cross the chiasm, cortical axons extend some distance within the cortical radiations, and thalamic axons are within the internal capsule. Retinogeniculate, geniculocortical, and corticogeniculate axons extend to their target structures by E27, as evidenced by retrograde labeling in cells of origin.

These data suggest that in the ferret retina, and developing LGN and striate cortex, (1) axon outgrowth from each visual area begins within 24-h of each other, after neurogenesis has begun at the source but before it is complete in the target (2) axons may be generated before parent cell bodies have completed migration and (3) arriving axons are in a position to influence target structures almost from their inception.


شاهد الفيديو: خواص المجموعة الاولى علوم الصف الثامن. قناة المعلم المبدع (شهر فبراير 2023).