机器人系统监视特定的神经元

记录来自活体大脑神经元内部的电信号可以揭示有关该神经元功能的大量信息以及它如何与大脑中的其他细胞协调。然而，进行这种记录非常困难，因此世界上只有少数神经科学实验室能够做到这一点。

为了使这项技术得到更广泛的应用，麻省理工学院的工程师现在设计了一种自动化过程的方法，使用计算机算法分析显微镜图像并引导机器人手臂到目标细胞。

这项技术可以让更多的科学家研究单个神经元，并了解它们如何与其他细胞相互作用，从而实现认知，感知知觉和其他大脑功能。研究人员还可以用它来了解神经回路如何受到脑部疾病的影响。

“了解神经元如何沟通是基础和临床神经科学的基础。我们希望通过这项技术，您可以了解细胞内部，神经计算或疾病状态，“麻省理工学院生物工程和脑与认知科学副教授Ed Boyden说道。麻省理工学院媒体实验室和麦戈文脑研究所成员。

博伊登是该论文的高级作者，该论文发表在8月30日出版的“ 神经元”杂志上。该论文的主要作者是麻省理工学院的研究生Ho-Jun Suk。

精确指导

30多年来，神经科学家一直在使用一种称为膜片钳的技术来记录细胞的电活动。这种方法包括将一个微小的空心玻璃移液管与神经元的细胞膜接触，然后在膜上打开一个小孔，通常需要研究生或博士后几个月才能学习。学习在活哺乳动物大脑的神经元上进行这项工作更加困难。

有两种类型的膜片钳：一种“盲”(非图像引导)方法，由于研究人员无法看到细胞的位置，只能从移液器首先遇到的任何细胞中进行记录，因此受到限制，以及图像引导版本允许特定细胞成为目标。

五年前，麻省理工学院和乔治亚理工学院的Boyden及其同事，包括共同作者克雷格森林，设计了一种自动化盲版钳片夹的方法。他们创建了一种计算机算法，可以根据称为电阻抗的属性测量将移液管引导到细胞 - 这反映了电流从移液管流出的难度。如果周围没有电池，电流和阻抗都很低。当尖端撞击电池时，电流也不能流动，阻抗也会增加。

一旦移液器检测到细胞，它就可以立即停止移动，防止它穿过细胞膜。然后真空泵施加抽吸以与细胞膜形成密封。然后，电极可以穿透膜以记录细胞的内部电活动。

研究人员使用这种技术实现了非常高的准确度，但它仍然不能用于靶向特定细胞。Boyden说，对于大多数研究，神经科学家都有他们想要了解的特定细胞类型。

“它可能是一个在自闭症中受损的细胞，或在精神分裂症中被改变的细胞，或者在存储记忆时活跃的细胞。那是你想知道的细胞，“他说。“你不想修补一千个细胞，直到找到一个有趣的细胞。”

为了实现这种精确定位，研究人员开始自动化图像引导的膜片钳。这种技术难以手动执行，因为尽管科学家可以通过显微镜观察目标神经元和移液管，但他或她必须补偿随着移液管进入大脑时附近细胞移动的事实。

“这几乎就像试图击中大脑内的移动目标，这是一种精致的组织，”Suk说。“对于机器而言，它更容易，因为它们可以跟踪细胞的位置，它们可以自动移动显微镜的焦点，并且它们可以自动移动移液器。”

通过结合几种成像处理技术，研究人员提出了一种算法，可以将移液管引导到目标细胞的约25微米范围内。此时，系统开始依赖于图像和阻抗的组合，这在检测移液管和目标细胞之间的接触方面比单独的任一信号更准确。

研究人员用双光子显微镜对细胞进行成像，这是一种常用的技术，它使用脉冲激光将红外光发送到大脑，点亮已经过工程改造以表达荧光蛋白的细胞。

利用这种自动化方法，研究人员能够成功地从两种类型的细胞中定位和记录 - 一类中间神经元，它们在其他神经元之间传递信息，以及一组被称为锥体细胞的兴奋性神经元。他们取得了大约20%的成功率，这与手工执行该过程的训练有素的科学家的表现相当。

解开电路

该技术为深入研究特定神经元的行为铺平了道路，这可以揭示其正常功能以及它们如何在阿尔茨海默氏症或精神分裂症等疾病中出错。例如，研究人员在本文中研究的中间神经元之前已与阿尔茨海默氏症相关联。在最近由麻省理工学院Picower学习与记忆研究所主任Li-Huei Tsai领导并与Boyden合作进行的一项小鼠研究中，据报道，在海马中间神经元中诱导特定频率的脑波振荡可能有助于清除与阿尔茨海默病患者相似的淀粉样斑块。

“你真的很想知道那些牢房里发生了什么，”博伊登说。“它们是否向特定的下游细胞发出信号，从而有助于治疗结果?大脑是一个电路，为了理解电路是如何工作的，你必须能够在电路运行时监控电路的元件。“

这项技术还可以研究神经科学中的基本问题，例如当大脑做出决定或回忆记忆时，各个神经元如何相互作用。

哈佛医学院神经生物学教授贝尔纳多萨巴蒂尼说，他有兴趣在他的实验室中使用这种技术，学生们花费大量时间记录实验室培养的神经元的电活动。

“让聪明聪明的学生完成可由机器人完成的乏味任务是很愚蠢的，”没有参与这项研究的萨巴蒂尼说。“我很乐意让机器人做更多的实验，所以我们可以专注于实验的设计和解释。”

为了帮助其他实验室采用新技术，研究人员计划将他们的方法的细节放在他们的网站autopatcher.org上。

其他合着者包括Ingrid van Welie，Suhasa Kodandaramaiah和Brian Allen。该研究由Jeremy和Joyce Wertheimer，国立卫生研究院(包括NIH单细胞计划和NIH主任先锋奖)，HHMI-Simons学院学者计划和纽约干细胞基金会 - 罗伯森奖资助