Analyse von Gehirnaktivität II:

Präsentation zum Thema: "Analyse von Gehirnaktivität II:"—  Präsentation transkript:

1 Analyse von Gehirnaktivität II:
Lernabhängige Plastizität in Bienenneuronen. Die Analyse intrazellulär abgeleiteter Signale von Neuronen des Bienengehirns dr. bernd grünewald

2 Verschiedene Neuronen im Gehirn bilden unterschiedliche Aktionspotentialmuster
Fragen der Neurophysiologen: Wie beschreiben wir die Spikeaktivität einzelner Neurone quantitativ? Welche Parameter lassen sich extrahieren? Wie vergleichen wir die Reaktionen verschiedener Neurone auf einen gegebenen Reiz? Wie vergleichen wir die Antworten eines Neurons auf verschiedene Reize oder Reizwiederholungen?

3  Sabine Krofczik

4 Morphologie des PE1 Neurons
Brandt, Rybak, Menzel, 2002

5 Morphologie des PE1 Neurons
Brandt, Rybak, Menzel, 2002

6 Morphologie des PE1 Neurons
o.k. aber wie funktioniert die intrazelluläre Ableitung von Aktionspotentialen? Mauelshagen (1993) J Neurophysiol 69:609

7 Intrazelluläre Ableitungen aus dem Bienengehirn
intrazelluläre Ableitung mit anschließender Färbung des Neurons komplexe Reaktion eines Neurons auf einen Duftstimulus Grünewald, 1999

8 Duftantwort des PE1 Neurons
"Event-Kanal" = Aktionspotentiale Beginn, Dauer und Ende des Reizes Spannung (mV*10) Zeit (s) Spannungssignal aus dem Verstärker Mauelshagen (1991) Dissertation, FU-Berlin

9 Reaktionen des PE1 Neurons auf Duftstimuli
4 Ableitungen vom PE1 Neuron an 4 Bienen Duftreiz = Gewürznelke Mauelshagen (1991) Dissertation, FU-Berlin

10 Auswertung von elektrophysiologischen Signalen

11 Auswertung von elektrophysiologischen Signalen
1. Digitalisierung der analogen Spannungssignale Filterfrequenz: z.B. 1 kHz Tiefpassfilter ("entfernt" hohe Frequenzen) (lässt alle Frequenzen unterhalb 1 kHz durch) z.B. 100 Hz Hochpassfilter ("entfernt" tiefe Frequenzen) (lässt alle Frequenzen oberhalb 100 Hz durch) z.B. Bandpassfilter (Kombination aus Tiefpass und Hochpass) Samplefrequenz (z.B. 2 kHz = 1 sample/500µs) Genauigkeit der Frequenzdarstellung vs. Speicherkapazität Berücksichtigung des Nyquist Theorems

12 Nyquist Theorem fnyq = 2fmax
Samplefrequenz muss mindestens 2x maximale Signalfrequenz sein! fnyq = 2fmax fmax - höchste Frequenzkomponente des Signals, fnyq – minimale Samplingfrequenz, um Signal ohne Verzerrung (aliasing) abzubilden

13 Auswertung von elektrophysiologischen Signalen
2. Validierung der Daten und Abschätzung der Ableitqualität Stabilität des Membranpotentials Konstante Hintergrundfrequenz? Geringe Schwankungen der Aktionspotentialamplitude? Signal-Rauschverhältnis konstant? Spannung (mV*10) Zeit (s)

14 Auswertung von elektrophysiologischen Signalen
3. primäre Datenanalyse - 1. Datenreduktion: einzelne Ableitung (z.B. eine Duftantwort des PE1 Neurons): Aktionspotentiale: Dauer, Amplitude, Frequenzen (spontan, Reaktion), Adaptation, Membranpotential: EPSPs, Depolarisationen, Plateaupotentiale 4. sekundäre Datenanalyse – 2. Datenreduktion: Vergleich mehrerer Ableitungen (lernabhängige Veränderungen der Duftantworten: Variabilität der Antwort (Wiederholung eines Reizes während einer Ableitung) Individuelle Unterschiede der Tiere Veränderungen der Aktionspotentialsmusters (Lernen) Statistik

15 Duftantwort des PE1 Neurons
Antwortlatenz Reaktionsdauer Spikefrequenz Spikeamplitude, -Spikedauer spontane Spikefrequenz Membranpotential Mauelshagen (1991) Dissertation, FU-Berlin

16 Analyse der Duftantworten des PE1 Neurons
kumulative Spikefrequenzen (1/Dt) bin size: 100ms Peristimulus Zeithistogramme (PSTH) Mauelshagen (1991) Dissertation, FU-Berlin

17 Peristimulus Zeithistogramme (PSTH)
bin size: 10ms bin size: 500ms 3/10ms = 300Hz 35/500ms = 70Hz 10/100ms = 100Hz bin size: 100ms Mauelshagen (1991) Dissertation, FU-Berlin

18 Duftantwort des PE1 Neurons – DC Komponente
Spannung (mV*10) Zeit (s) relatives DC-Potential: Abweichung des Membranpotentials vom Ruhepotential Mauelshagen (1991) Dissertation, FU-Berlin

19 Duftantwort des PE1 Neurons – DC Potential und Aktionspotential
je höher DC-Potential, desto geringer Spikeintegral Spannung (mV*10) Zeit (s) je höher DC-Potential, desto höher Spikefrequenz Das DC-Potential entspricht in etwa dem synaptischen Eingang des Neurons. Frage: In welchem Zusammenhang stehen synaptisches Potential und Spikefrequenz /Spikeamplitude? Mauelshagen (1991) Dissertation, FU-Berlin

20 Duftantwort des PE1 Neurons – DC Potential und Aktionspotential
Das Pe1 Neuron bildet spontane Aktionspotentiale, denn Membrandepolarisation ("EPSPs") und Spikes korrelieren nicht 100%ig. Spikes während 3. Intervall: hohe Korrelation alle Spikes, geringe Korrelation höhere Depolarisation nötig während später Burstphase Mauelshagen (1991) Dissertation, FU-Berlin

21 Auswertung von elektrophysiologischen Signalen
3. primäre Datenanalyse - 1. Datenreduktion: einzelne Ableitung (z.B. eine Duftantwort des PE1 Neurons): Aktionspotentiale: Dauer, Amplitude, Frequenzen (spontan, Reaktion), Adaptation, Membranpotential: EPSPs, Depolarisationen, Plateaupotentiale 4. sekundäre Datenanalyse – 2. Datenreduktion: Vergleich mehrerer Ableitungen (lernabhängige Veränderungen der Duftantworten): Variabilität der Antwort (Wiederholung eines Reizes während einer Ableitung) Individuelle Unterschiede der Tiere (Duftantworten Veränderungen der Aktionspotentialsmusters (Lernen) Statistik

22 Duftantworten können sehr variabel sein
Intrazelluläre Ableitungen von Rückkopplungsneuronen aus dem Pilzkörper des Bienengehirns Grünewald (1999) J Comp Physiol 185:565

23

24 Duftantworten - Quantifizierung
600ms bin size: 100ms Mauelshagen (1991) Dissertation, FU-Berlin

25 Differentielle Konditionierung
Mauelshagen (1993) J Neurophysiol 69:609

26 Differentielle Konditionierung Vergleich zwischen relativer Aktionspotentialfrequenz und relativem DC-Potential relative Spikefrequenz relatives DC-Potential Mauelshagen (1993) J Neurophysiol 69:609 Ähnliche Effekte während Lernakt 2 und 5. Bedeutet: Die lernabhängigen Antwortänderungen sind im wesentlichen präsynaptisch. Aber: Änderungen im DC-Potential geringer als von Spikefrequenz erwartet. Bedeutet: Das PE1 Neuron besitzt selber plastische Eigenschaften.

27 Auswertung von intrazellulären Ableitungen - Zusammenfassung
- Vor dem Experiment: Was will ich auswerten? Wahl der Filterfrequenzen und Samplefrequenzen. Hierzu Pilotexperimente. - Nach dem Experiment: Abschätzen der Ableitqualität und Signalgüte: Kann ich das analysieren, was ich wollte? - Datenauswertung: zunächst Quantifizierung der einzelnen Messungen: Welche Auswertungsmethode ist adäquat? - Eventuell dann: automatisierte Vorabauswertung (Programme, Macros) - Dann: sekundäre Datenanalyse: Wie variabel / konstant ist mein Signal? Wie sieht eine mittlere Reaktion aus? - Schließlich: Vergleich experimenteller Gruppen. Gibt es Effekte der Behandlung? - Abschließend: Kontrolle der Primärdaten: Ist mein berechneter Effekt in den Primärdaten erkennbar?

28 © Gary Larson