+7 495 120-13-73 | 8 800 500-97-74

(для регионов бесплатно)

Содержание

Справочник «Цифровые Интегральные Микросхемы»

Справочник «Цифровые Интегральные Микросхемы» [ Содержание ]

1.1. Классификация и система условных обозначений цифровых микросхем

Цифровые микросхемы предназначены для преобразования и обработки сигналов, изменяющихся по законам дискретной функции. Они применяются для построения ЦВМ, а также цифровых узлов измерительных приборов, аппаратуры автоматического управления, связи и т. д.

По конструктивно-технологическому исполнению все цифровые ИС делятся на группы. По характеру выполняемых функций в аппаратуре ИС подразделяются на подгруппы (например, логические элементы, триггеры и т. д.) и виды внутри подгрупп (например, триггеры с задержкой, триггеры универсальные и т. д.). Разделение цифровых ИС на подгруппы и виды по функциональному назначению приведены в следующей таблице:

Таблица 1.1. Цифровые интегральные микросхемы
Подгруппа и вид ИСОбозначение
Формирователи:
импульсов токаAA
импульсов прямоугольной формыАГ
импульсов специальной формыАФ
прочиеАП
Схемы задержкиБР
Схемы вычислительных средств:
сопряжение с магистральюВА
синхронизацииВБ
управления вводом-выводом (схемы интерфейса)ВВ
контроллерыВГ
микроэвмBE
специализированныеВЖ
времязадающиеВИ
комбинированныеВК
микропроцессорыВМ
управление прерываниемВН
прочиеВП
функциональные расширители (в том числе расширители разрядных данных)ВР
микропроцессорные секцииВС
схемы управления памятьюВТ
схемы микропрограммного управленияВУ
функциональные преобразователи информации (арифметические, тригонометрические, логарифмические, быстрого преобразования Фурье и др. )ВФ
Генераторы :
прямоугольных сигналовГГ
сигналов специальной формыГФ
Схемы арифметических и дискретных устройств:
арифметическо-логические устройстваИА
шифраторыИВ
дешифраторыИД
счетчикиИЕ
комбинированныеИК
полусумматорыИЛ
сумматорыИМ
прочиеИП
регистрыИР
Коммутаторы и ключи:
напряженияКН
токаКТ
прочиеКП
Логические элементы:
И-НЕЛА
И-НЕ/ИЛИ-НЕЛБ
расширителиЛД
ИЛИ-НЕЛЕ
ИЛИ
И-ИЛИ-НЕ/И-ИЛИЛК
ИЛИЛЛ
ИЛИ-НЕ/ИЛИЛМ
НЕЛН
прочиеЛП
И-ИЛИ-НЕЛР
И-ИЛИЛС
Преобразователи сигналов:
двоичного кода в семисегментный кодПП
уровня (согласователи) ПУ
код — кодПР
Схемы запоминающих устройств (ЗУ):
ассоциативные ЗУРА
матрицы постоянных ЗУРВ
постоянные ЗУ (масочные)РЕ
матрицы оперативных ЗУРМ
прочиеРП
постоянные ЗУ с возможностью многократного электрического перепрограммированияРТ
оперативные ЗУРУ
постоянные ЗУ с ультрафиолетовым стиранием и электрической записью информацииРФ
Схемы сравненияСА
СП
СК
Триггеры :
универсальные (типа JK)ТВ
динамическиеТД
комбинированные ТК
Шмитта ТЛ
с задержкой (типа D) ТМ
прочиеТП
с раздельным запуском (типа RS) ТР
счетные (типа Т) ТТ
УсилителиУЛ
Многофункциональные схемы
цифровыеХЛ
комбинированныеХК
цифровые матрицыХМ
прочиеХП

Сведения о подгруппе и виде микросхемы содержатся в ее условном обозначении.

В соответствии с ГОСТ 17021-75 обозначение цифровых ИС должно состоять из четырех элементов. Первый из них — цифра (1, 5, 7), обозначающая группу ИС. Она определяется конструктивно-технологическим исполнением ИС. Второй элемент -две или три цифры (от 00 до 99 либо от 000 до 999), указывающие порядковый номер разработки серии ИС. Третий элемент — две буквы, обозначающие подгруппу и вид микросхемы, определяющие основные функциональные назначения ИС (табл. 1.1). Четвертый элемент-число, обозначающее порядковый номер разработки ИС по функциональному признаку в данной серии.

Два первых элемента обозначают серию ИС. Под серией понимают совокупность типов ИС, которые могут выполнять различные функции, имеют единое конструктивно-технологическое исполнение и предназначены для совместного применения.

Пример условного обозначения интегральной полупроводниковой логической микросхемы И-НЕ с порядковым номером разработки серии — 1533, порядковым номером разработки данной схемы в серии по функциональному признаку — 3 приведен ниже.

При необходимости разработчик ИС имеет право после порядкового номера разработки ИС по функциональному признаку в данной серии дополнительно поместить букву (от А до Я), обозначающую отличие электрических параметров ИС одного типа (например, 531ЛА1П). Конечная буква при маркировке может быть заменена точкой. Цвет ее указывается в технических условиях (ТУ) на ИС конкретных типов. Для микросхем, используемых в устройствах широкого применения, в начале обозначения добавляется буква К (на- пример, К1533ЛАЗ). Как правило, ИС с буквой К отличаются от микросхем, не имеющих ее, условиями приемки на заводе-изготовителе, т. е. отличаются не только диапазоном температур, при которых они могут быть использованы, но и численными значениями некоторых параметров.

В последнее время для некоторых ИС после буквы К ставится дополнительная буква, указывающая особенность конструктивного исполнения (например, КР, КМ, КФ).

Для бескорпусных ИС перед цифровым обозначением серии добавляют букву Б, а после обозначения порядкового номера разработки ИС по функциональному признаку в данной серии (или после дополнительного буквенного обозначения) через дефис указывают цифру, характеризующую модификацию конструктивного исполнения (например, Б133ЛАЗ-1).

В табл. 1.2 приведены обозначения конструктивного исполнения для различных модификаций бескорпусных ПС.

Таблица 1.2. Модификация конструктивного исполнения
Характеристика конструктивного исполнения микросхем (модификация) Обозначение конструктивного исполнения
С гибкими выводами 1
С ленточными (паучковыми) выводами 2
С жесткими выводами 3
На общей пластине (нераздельные) 4
Раздельные без потери ориентировки 5
С контактными площадками без выводов (кристалл) 6

Основные серии, тип логики, шифр корпуса и номер его рисунка, а также назначение цифровых ПС приведены в табл 1.2.


Обозначение цепей питания в иностранных материалах

РадиоКот >Статьи >

Обозначение цепей питания в иностранных материалах

Каждый человек увлекающийся электроникой сталкивается с материалами иностранного происхождения.

И будь то схема электронного устройства или спецификация на чип, там могут встречаться множество различных обозначений цепей питания, которые вполне могут ввести в замешательство начинающего или незнакомого с этой темой радиолюбителя. В интернете достаточно информации чтобы внести ясность в этот вопрос. Далее кратко изложено то что было найдено о происхождении обозначений и их применении.

 

VCC, VEE, VDD, VSSоткуда такие обозначения? Обозначения цепей питания проистекают из области анализа схем на транзисторах, где, обычно, рассматривается схема с транзистором и резисторами подключенными к нему. Напряжение (относительно земли) на коллекторе (collector), эмиттере (emitter) и базе (base) обозначают V

C, VE и VB. Резисторы подключенные к выводам транзистора обозначим RC, RE и RB. Напряжение на дальних (от транзистора) выводах резисторов часто обозначают VCC, VEE и VBB. На практике, например для NPN транзистора включенного по схеме с общим эмиттером, VCC соответствуют плюсу, а VEE минусу источника питания. Соответственно для PNP транзисторов будет наоборот.

Аналогичные рассуждения для полевых транзисторов N-типа и схемы с общим истоком дают объяснение обозначений VDD и VSS (D — drain, сток; S — source, исток): VDD — плюс, VSS — минус.

Обозначения напряжений на выводах вакуумных ламп могут быть следующие: VP (plate, anode), VK (cathode, именно K, не C), VG (grid, сетка).

 

Как написано выше, Vcc и Vee используются для схем на биполярных транзисторах (VCC — плюс, VEE — минус), а Vdd и Vss для схем на полевых транзисторах (VDD — плюс, VSS — минус). Такое обозначение не совсем корректно, так как микросхемы состоят из комплементарных пар транзисторов. Например, у КМОП микросхем, плюс подключен к P-FET истокам, а минус к N-FET истокам. Тем не менее, это традиционное устоявшее обозначение для цепей питания независимо от типа проводимости используемых транзисторов.

Для схем с двух полярным питанием VCC и VDD могут интерпретироваться как наибольшее положительное, а VEE и VSS как самое отрицательное напряжение в схеме относительно земли.

Для микросхем питающихся от одного или нескольких источников одной полярности минус часто обозначают GND (земля). Земля может быть разной, например, сигнальная, соединение с корпусом, заземление.

 

Вот перечень некоторых обозначений (далеко не полный).

Обозначение

Описание

Заметки

GND

Земля (минус питания)

Ground

AGND

Аналоговая земля (минус питания)

Analog ground

DGND

Цифровая земля (минус питания)

Digital ground

Vcc
Vdd
V+
VS+

Плюс питания
(наибольшее положительное напряжение)

 

Vee
Vss
V-
VS−

Земля, минус питания
(самое отрицательное напряжение)

 

Vref

Опорное напряжение
(для АЦП, ЦАП, компараторов и др. )

Reference (эталон, образец)

Vpp

Напряжение программирования/стирания

(возможно pp = programming power)

VCORE
VINT

Напряжение питания ядра
(например, в ПЛИС)

Core (ядро)

Internal (внутренний)

VIO
VCCIO

Напряжение питания периферийных схем
(например, в ПЛИС)

Input/Output (ввод/вывод)

 

Как видно, часто обозначения образуются путём добавления слова, одной или нескольких букв (возможно цифр), которые соответствуют буквам в слове отражающем функцию цепи (например, как Vref).

Иногда обозначения Vcc и Vdd могут присутствовать у одной микросхемы (или устройства), тогда это может быть, например, преобразователь напряжения. Так же это может быть признаком двойного питания. В таком случае, обычно, Vcc соответствует питанию силовой или периферийной части, Vdd питанию цифровой части (обычно Vcc>=Vdd), а минус питания может быть обозначен Vss.

Совмещение в современных микросхемах различных технологий, традиции, или какие-то другие причины, привели к тому, что нет чёткого критерия для выбора того или иного обозначения. Поэтому бывает, что обозначения «смешивают», например, используют VCC вместе с VSS или VDD вместе с VEE, но смысл, обычно, сохраняется — VCC > VSS, VDD > VEE. Например, практически повсеместно, можно встретить в спецификации на микросхемы серии 74HC (HC = High speed CMOS), 74LVC и др. , обозначение питания как Vcc. Т.е. в спецификации на CMOS (КМОП) микросхемы используется обозначение для схем на биполярных транзисторах.

Текстов какого либо стандарта (ANSI, IEEE) по этой теме найти не удалось. Именно поэтому в тексте встречаются слова «может быть», «иногда», «обычно» и подобные. Несмотря на это, приведённой информации вполне достаточно, чтобы чуть лучше ориентироваться в иностранных материалах по электронике.

 

Информация собрана из различных источников в сети Интернет.
Специально для сайта radiokot.ru


Все вопросы в Форум.


Как вам эта статья?

Заработало ли это устройство у вас?

Обозначение микросхем производства TEXAS INSTRUMENTS

СОДЕРЖАНИЕ

 ОБОЗНАЧЕНИЕ МИКРОСХЕМ ПРОИЗВОДСТВА Texas Instruments.

 

 

 

1. Стандартный префикс

Пример: SNJ — Conforms to MIL-PRF-38535 (QML)

2. Температурный режим

  • Примеры:
  • 54 — Военная

    74 – Комерческая

    3. Серия

    Примеры:

    Пустое место- Transistor-Transistor Logic

    ABT — Advanced BICMOS Technology

    ABTE — Advanced BICMOS Technology/Enhanced Transceiver Logic

    AC/ACT — Advanced CMOS Logic

    AHC/AHCT — Advanced High-Speed CMOS Logic

    ALB — Advanced Low-Voltage BiCMOS

    ALS — Advanced Low-Power Schottky Logic

    ALVC — Advanced Low-Voltage CMOS Technology

    AS — Advanced Schottky Logic

    BCT — BICMOS Bus-Interface Technology

    CBT — Crossbar Technology

    CBTLV — Low-Voltage Crossbar Technology

    F — F Logic

    FB — Backplane Transceiver Logic/Futurebus+

    GTL — Gunning Transceiver Logic

    HC/HCT — High-Speed CMOS Logic

    HSTL-High-Speed Transistor Logic

    LS — Low-Power Schottky Logic

    LV — Low-Voltage HCMOS Technology

    LVC — Low-Voltage CMOS Technology

    LVT — Low-Voltage BiCMOS Technology

    S — Schottky Logic

    SSTL — Stub Series-Terminated Logic

    4. Специальные функции

  • Примеры:
  • Пустое место = Специальные функции отсутствуют.

    D — Level-Shifting Diode (CBTD) [Сдвигающий уровень диод]

    H — Bus Hold (ALVCH)

    R — Damping Resistor on Inputs/Outputs (LVCR) [Демпфирующий резистор]

    S — Schottky Clamping Diode (CBTS) [Ограничивающий входной уровень напряжения диод Шоттки]

    5. Количество обрабатываемых бит

  • Примеры:
  • Пустое место = Gates, MSI, and Octals

    1 G — Один логический элемент

    8-Octal IEEE 1149.1 (JTAG)

    16-Widebus™ (16, 18, and 20 bit)

    18-WidebuslEEE 1149.1 (JTAG)

    32 — Widebus+™ (32 and 36 bit)

    6. Дополнительные опции

  • Примеры:
  • Пустое место = опции отсутствуют

    2 — Series-Damping Resistor on Outputs[Последовательные демпфирующие резисторы на выходах]

    25 — 25-Омный выход

    7. Функциональное назначение

  • Пример:
  • 244 — Неинвертирующий 8-битный формирователь

    8. Версия прибора

  • Примеры:
  • Пустое место = Нет версий

    A-Z — Обозначение версий

    9. Исполнение корпуса

  • Примеры:
  • D, DW — Small-Outline Integrated Circuit

    (SOIC) DB, DL — Shrink Small-Outline Package

    (SSOP) DBB.DGV-Thin Very Small-Outline Package

    (TVSOP) DBC) — Quarter-Size Outline Package

    (QSOP) DBV — Small-Outline Transistor Package

    (SOT) DCK — Small-Outline Package (SOP)

    DGG, PW — Thin Shrink Small-Outline Package

    (TSSOP) FK — Leadless Ceramic Chip Carrier (LCCC)

    FN — Plastic Leaded Chip Carrier (PLCC)

    GB — Ceramic Pin Grid Array (CPGA)

    HFP, HS, HT, HV — Ceramic Quad Flat Package (CQFP)

    J, JT-Ceramic Dual-In-Line Package (CDIP)

    N, NP, NT- Plastic Dual-In-Line Package (PDIP)

    PAG, PAH, PCA, PCB, PM, PN, PZ-Plastic Thin Quad Flat Package (TQFP)

    PH, PQ, RC — Plastic Quad Flat Package (QFP)

    W, WA, WD — Ceramic Flat Package (CFP)

  • Нумерация

    Примеры:

  • LE — Левая Рельефная (требуемая для DB и PW корпусов)

    R — Стандартная(требуемая для DGG, DBB, DGV, и DBV; необязательно D, DL, and DW packages)

    СОДЕРЖАНИЕ

    Маркировка микросхем SRAM

    Маркировка микросхем SRAM
    Микросхемы памяти выпускаются в самых разнообразных корпусах. Довольно длительное время наиболее популярными корпусами для статической памяти являлись DIP-корпуса (Dual In-line Package), у которых выводы расположены в два ряда по бокам корпуса. Количество выводов (ножек) у самых первых микросхем было 16, но в дальнейшем увеличилось до 32, для специальных случаев используются корпуса и с 8 ножками. Конструкция DIP-корпуса позволяла как припаивать микросхему на плату, так и вставлять ее кроватку .
    По мере развития компьютерных технологий стали применяться корпуса SOJ (Small Outline J-shared), которые было более удобно вставлять и вынимать из специального гнезда, и TSOP (Thin Small Outline Package), предназначенные для поверхностного монтажа (элементы припаиваются на текстолитовую печатную плату, в которой не надо сверлить отверстия под ножки микросхемы). Кроме вышеназванных, используется и множество других конструкций корпусов, каждый из которых обладает теми или иными достоинствами.
    Для маркировки микросхем на верхней их стороне краской всегда наносятся несколько групп знаков, которые содержат информацию о производителе, типе микросхемы, а также- о дате выпуска. Следует заметить, что хоть и существует ряд стандартов на маркировку микросхем, но все же каждая фирма применяет собственный стиль указания типа микросхемы, а в ряде случаев одновременно указывается и международное обозначение, и фирменное.
    Примечание
    На корпусе микросхем почти всегда присутствует группа из четырех цифр, обозначающая дату выпуска данной партии изделий. Первые две цифры в группе обозначают год, а две последние — порядковый номер недели. Например, надпись 9722 обозначает, что микросхема выпущена в 1997 г., когда шла 22 неделя года. Иногда используется другой принцип маркировки года выпуска, или он не указывается вообще. Заметим, что в ряде случаев дату выпуска можно принять за тип микросхемы.
    Микросхемы памяти производят несколько десятков крупных фирм, использующих собственную маркировку. В табл. 3.2 приведена информация о наиболее известных фирмах, чья продукция часто встречается в компьютерах. Кроме названия фирмы и адреса ее сервера в Интернете, в каждой строчке указан код, которым они маркируют свои микросхемы.
    Производители микросхем памяти


    В маркировке микросхем памяти почти всегда есть цифры, говорящие об объеме матрицы памяти и ее организации. Также почти всегда две последние цифры говорят о быстродействии микросхемы, выраженной в единицах или десятках наносекунд с отбрасыванием последнего нуля, например, вместо 60 не может быть указано 6. В табл. 3.3 приведены примеры маркировки микросхем, которые применялись в старых компьютерах.

     

    Примеры маркировки микросхем памяти

    64 К х 1 в DIP-корпусе

    256 К х 1 в DIP-корпусе

    64 К х 4 в DIP-корпусе

    1024 К х 1 в DIP-корпусе

    Совместное обозначение типа электроники — Каталог деталей Совместное обозначение типа электроники — Каталог деталей

    Категория: Электронные микросхемы

    NSN

    Номер детали

    Описание

    Номер детали:

    Питание ПП-6679 (П) АЙК-10 (В)

    блок питания

    Номер детали:

    Приемник-передатчик RT-1287 / TSC

    заказ проводной приемопередатчик

    Номер детали:

    Передатчик DHK-26 / A24J-25 (V)

    датчик количества жидкости

    Номер детали:

    CV3069ALQ99AV делитель

    делитель мощности радиочастотный

    Номер детали:

    Усилитель SM-B-597452

    усилитель импеданса

    Номер детали:

    C7392AARN89 управления

    радиоуправление

    Номер детали:

    Антенна AS2108AARN89

    антенна

    Номер детали:

    S280BGSHIELDED укрытие

    нерасширяемое убежище

    Номер детали:

    Регулятор CN1409V

    регулятор напряжения

    Номер детали:

    Регулятор CN1935U

    регулятор напряжения

    Номер детали:

    Система ANGIC21

    система связи

    Номер детали:

    Сборка R1845ALQ99AV

    узел приемника противодействия

    Номер детали:

    Передатчик T1250ALQ99AV

    передатчик противодействия

    Номер детали:

    Передатчик T1251ALQ99AV

    передатчик противодействия

    Номер детали:

    Передатчик T1252ALQ99AV

    передатчик противодействия

    Номер детали:

    Антенна-приемник AS2272APQ126V

    антенна-приемник

    Номер детали:

    Передатчик Т-1091 / APQ-126 (В)

    радиолокационный передатчик

    Номер детали:

    PP6130APQ126V сборка

    блок питания

    Номер детали:

    CP954APQ126V компьютер

    командный компьютер

    Номер детали:

    Генератор SG811APQ126V

    генератор развертки

    Номер детали:

    Элемент М-95Б / УР

    микрофонный элемент

    Номер детали:

    CX1201U4FT в сборе

    кабельная сборка

    Номер детали:

    Омметр ЗМ72У

    омметр


    NationalStockNumber.орг

    350 Десятая авеню
    Сан-Диего, CA 92101

    ЗВОНИТЕ (619) 331-9599

    NationalStockNumber.org | © 2021

    границ | Гипотеза для контроля частоты тета-ритма в микросхемах CA1

    1. Введение

    тета-ритма гиппокампа (≈3–12 Гц), наблюдаемые в записях локального потенциала поля (LFP), связаны с когнитивными процессами формирования памяти и пространственной навигации (Colgin, 2013, 2016; Hinman et al., 2018). Как именно возникают тета-ритмы — сложная и многослойная проблема, но известно, что есть два типа тета в гиппокампе, обозначаемые типом 1 и типом 2, которые имеют высокий (7–12 Гц) или низкий (4–12 Гц). 7 Гц) частот соответственно. Ритмы 2-го, но не 1-го типа зависят от холинергического влечения (Kramis et al., 1975; Bland, 1986; Buzsáki, 2002). То есть ритмы 2-го типа чувствительны к атропину, а ритмы 1-го — нет. У грызунов было показано, что социальные стимулы вызывают высокий тета, а пугающие стимулы вызывают низкий тета (Tendler and Wagner, 2015), а тета-осцилляции 2 типа связаны с повышенным рискованным поведением (Mikulovic et al. , 2018). У людей тета-частоты в целом ниже (Jacobs, 2014), но все еще можно различать высокие и низкие тета-частоты, при этом низкие тета поддерживают кодирование и извлечение воспоминаний (Kota et al., 2020). Ясно, что конкретная тета-частота имеет функциональное значение, и поэтому функционально важно учитывать то, как контролируются тета-частоты.

    В настоящее время хорошо задокументировано, что тета-ритмы могут генерироваться внутри гиппокампа, спонтанно возникая из изолированного цельного препарата гиппокампа in vitro (Goutagny et al., 2009). Другими словами, микросхема гиппокампа способна самостоятельно создавать тета-ритмы. Одновременный доступ к клеточной и популяционной продукции в этом препарате in vitro предоставил возможность распутать клеточную и популяционную динамику того, как генерируются тета-ритмы. Мы воспользовались этим и построили модели клеток и микросхем, которые могут генерировать тета-ритмы с параметрами, напрямую ограниченными экспериментальными данными для всего препарата гиппокампа и экспериментальной литературой (Ferguson et al. , 2013, 2015а, 2017). На основе точки зрения, представленной Gjorgjieva et al. (2016) мы рассмотрели подход к анализу «строительных блоков для динамики схемы» при разработке нашей модели микросхемы (Ferguson et al., 2017). С этой точки зрения, биологически известные клеточные, синаптические и связные характеристики рассматриваются как строительные блоки для динамики схемы. Например, одним из таких клеточных «строительных блоков» является постингибиторный отскок (PIR), который ранее рассматривался как участник генерации кортикальных колебаний (McCormick et al., 2015).

    В этой статье мы используем нашу модель тета-генерирующей микросхемы, чтобы разработать гипотезу о том, как можно управлять тета-частотами. Сначала мы описываем модель микросхемы, а затем оцениваем надежность генерации тета в модели, рассматривая гетерогенные пирамидные (PYR) популяции клеток. Исходя из этого, мы используем кривые фазовой характеристики (PRC) и показываем, что тормозящие входы влияют на тета-частоту. Таким образом, мы предлагаем гипотезу для контроля тета-частоты в микросхемах CA1, которая зависит от внутренних характеристик клеток PYR и «настройки на основе ингибирования» активации клеток PYR.Мы резюмируем наше исследование в схематической форме на Рисунке 1.

    Рисунок 1 . Схема, показывающая аспекты, участвующие в гипотезе, разработанной в этом исследовании. Тета-ритмы генерируются в целом в препарате гиппокампа Goutagny et al. (2009) («Эксперимент»). Их поколение отражено в модели микросхем, разработанной Фергюсоном и др. (2017) («Модельные сети»). В данной статье мы оцениваем надежность этой модели и разрабатываем гипотезу для контроля тета-частоты («Развитие гипотезы»).

    2. Разработка моделей микросхем, производящих тета-ритмы

    Мы построили модели клеточной возбуждающе-ингибирующей (E-I) сети (Ferguson et al., 2017), чтобы понять, как Goutagny et al. Наблюдают тета-ритмы во всем препарате гиппокампа. (2009) могут быть созданы. Модельные сети (см. Схему на Рисунке 1) предназначены для представления «кусочка» области CA1 гиппокампа — ~ 1 мм 3 , которого было определено достаточно для самогенерирования тета-ритмов (Goutagny et al., 2009; Ferguson et al., 2017). Он включает только два различных типа клеток, пирамидные (PYR) клетки и быстровоспламеняющиеся парвальбумин-положительные (PV +) клетки, что представлено моделью одного отсека со структурой математической модели Ижикевича (Ижикевич, 2006). Эти клеточные модели имеют параметры, определенные на основе соответствия электрофизиологическим записям всего препарата гиппокампа, чтобы соответствовать кривым частота-ток (f-I) для клеток PYR (Ferguson et al., 2015a) и быстровоспламеняющихся PV + клеток (Ferguson et al., 2013). Индивидуальная модель ячейки PYR не генерирует пакетный выходной сигнал. Модельная сеть состоит из 10 500 ячеек (10 000 ячеек PYR и 500 быстродействующих ячеек PV +) (Ferguson et al., 2013, 2015b) с параметрами связи, оцененными на основе экспериментальной литературы. В частности, между клетками PYR наблюдается слабая связь (<1%). Мы отмечаем, что мы воспользовались масштабным соотношением между числом клеток, вероятностью соединения и возбуждающим синаптическим весом, что позволило нам использовать 10 000 клеток PYR, а не размер числа 30 000 клеток, рассчитанный для «кусочка» ткани.

    Мы изучили наши модели с точки зрения «строительного блока для динамики контуров» (Gjorgjieva et al., 2016), чтобы определить, могут ли тета-ритмы (то есть всплески тета-частоты) генерироваться в соответствии с экспериментальными ограничениями. Сначала мы обнаружили, что экспериментально ограниченные модели сотовой сети PYR (только сети E-cell) могут генерировать всплески тета-частоты в популяции (Ferguson et al., 2015b), предполагая, что клеточная функция «строительного блока» адаптации частоты всплесков (SFA) присутствует в ограниченных моделях клеток PYR может вносить важный вклад в генерацию тета-ритма.Образец выходных данных сети только с электронными ячейками показан в дополнительных материалах. Однако мы также обнаружили, что в этих сетях только E-клеток клетки PYR не срабатывают редко, как это наблюдалось экспериментально (Huh et al., 2016). Когда мы включили клетки PV + для создания сетей моделей E-I, популяционные всплески тета-частоты все еще были возможны и теперь были связаны с разреженными клетками PYR в соответствии с экспериментальными данными. Поскольку добавление PV + клеток позволяет PIR быть возможным в PYR-клетках, мы рассматриваем PIR как еще одну особенность строительных блоков, важную для генерации этих внутренних тета-ритмов.Наряду с функциями SFA и PIR нейроны PYR обладают свойственной реобазой (Rheo) характеристикой, которая представляет собой количество тока, необходимого для создания пика клеток PYR (получено из подгонки к экспериментальным данным в Ferguson et al., 2015a). Мы считаем, что это третий строительный элемент для генерации тета-ритма. Кроме того, для того, чтобы выходные данные модели согласовывались с экспериментальными наблюдениями соотношений амплитуд возбуждающего постсинаптического тока (EPSC) и тормозного постсинаптического тока (IPSC), мы обнаружили, что вероятность соединения от PV + к клеткам PYR должна быть больше, чем от PYR к PV +. клетки — конкретное предсказание, которое было исследовано и признано соответствующим эмпирически полученным связям (Chatzikalymniou et al., 2020).

    3. Оценка дизайна модели устойчивых тета-ритмов

    В нашей предыдущей работе мы специально не исследовали чувствительность тета-ритмов к функциям SFA, PIR или Rheo. Чтобы решить эту проблему, мы создаем базу данных моделей из 10 000 моделей ячеек PYR.

    3.1. База данных моделей клеток PYR и функции SFA / PIR / Rheo

    Хотя существуют различные способы создания базы данных моделей, мы делаем это, просто изменяя значения конкретных параметров модели ячеек PYR (уравнение 1) обычным образом.

    CmV ∙ = k (V-vr) (V-vt) -u + Iother u ∙ = a [b (V-vr) -u], если V≥vpeak, то V ← c, u ← u + d, где k = klow если V≤vt, k = khigh, если V> vt (1)

    C м ( пФ ) — емкость мембраны, v r ( mV ) — потенциал покоя мембраны, v t 90 m15V ) — мгновенный пороговый потенциал, v пик ( мВ ) — значение отсечки пиков, a ( мс -1 ) — постоянная времени восстановления адаптационного тока, b ( нСм ) описывает чувствительность адаптационного тока к подпороговым колебаниям — большие значения связывают В и u сильнее, что приводит к возможным подпороговым колебаниям и динамике низкопороговых выбросов, c ( мВ ) — значение сброса напряжения, d ( pA ) — общая сумма выходных минус внутренних токов, активированных во время всплеска и влияющих на поведение после всплеска, и k ( нСм / мВ ) представляет собой коэффициент масштабирования. I другой применяется для определения значений для характеристик ячеек PYR, как описано ниже. Значения параметров модели (единицы измерения выше) для ячейки PYR: v r = −61,8; v t = -57; v пик = 22,6; c = -65,8; k высокий = 3,3; C м = 115; a = 0,0012; b = 3; d = 10; k низкий = 0.1. Эти параметры определены ранее для сильно адаптирующихся клеток (Ferguson et al., 2015a). Мы называем их значениями параметров по умолчанию, , и, в частности, параметры a, b, d, k low меняются при создании базы данных модели. Дополнительные сведения о базе данных моделей приведены в дополнительных материалах.

    Из созданной базы данных моделей ячеек PYR мы получаем ряд характеристик SFA, PIR и Rheo, которые количественно оцениваются следующим образом. Для Rheo: начиная с v r , каждой модели элемента PYR дается постоянный ток от -25 до 25 пА с шагом 0,5 пА. Если всплеск генерируется в течение первых 500 мс, то это значение постоянного тока считается количественным значением Rheo. Для PIR: начиная с v r , каждая модель ячейки PYR подвергается односекундному гиперполяризационному ступенчатому току для значений тока от 0 до -25 пА с разрешением 0,5 пА. Если всплеск возникает после завершения данного шага гиперполяризации (т.е., пик PIR), но не на предыдущем значении шага, то это значение шага рассматривается как количественное значение PIR. Для SFA: начиная с v r , каждая модель элемента PYR подвергается воздействию входных токов в течение одной секунды, от 0 до 98 пА (включительно) с шагом 2 пА. Для каждого входного тока записывается количество всплесков, и рассчитывается интервал между всплесками между первым и вторым всплесками, а также последним и вторым из последнего всплеска. Обратное значение берется и определяется как начальная и конечная частота при этом токе.Начальная и конечная частоты как функция текущих шагов создают плавную, приблизительно линейную зависимость, поэтому линии подгоняются к графикам начальной и конечной частоты. Наклоны этих линий вычитаются друг из друга для получения количественного значения SFA. Следовательно, чем больше количественное значение SFA, тем сильнее степень адаптации ячейки PYR, т. Е. Мы получаем большее снижение частоты всплесков ячейки PYR для фиксированной величины входного тока; чем отрицательнее количественное значение PIR, тем больше шаг гиперполяризации, необходимый для генерации всплеска в конце шага; чем больше количественное значение Рео, тем больше требуется ввода, чтобы вызвать всплеск клетки.Для модели ячеек PYR со значениями параметров по умолчанию количественные значения для функций строительных блоков следующие: SFA = 0,46 Гц / пА, Rheo = 4,0 пА и PIR = −5,0 пА. Мы называем их базовыми значениями функций . Создав базу данных моделей ячеек PYR, мы получаем диапазон значений характеристик строительных блоков, распределенных, как показано на рисунке 2. Дополнительные сведения о функциях SFA, PIR и Rheo представлены в дополнительном материале.

    Рисунок 2 . Распределения характеристик ячеек PYR из созданной базы данных моделей.Был создан гетерогенный набор клеток PYR и количественно определены их «строительные блоки», такие как SFA, Rheo и PIR. Подробная информация об этой количественной оценке представлена ​​в дополнительном материале. Гистограммы показывают количество появлений значений SFA [=] Hz / pA, Rheo [=] pA, PIR [=] pA, а вертикальные черные стрелки указывают базовые значения [SFA, Rheo, PIR]. Также показаны узкие (N) и широкие (B) подмножества гетерогенных популяций клеток PYR и низкие (L), средние (M) или высокие (H) подмножества гетерогенных популяций клеток PYR, которые включают или не включают значения базовых строительных блоков. .Гистограмма SFA имеет разрешение ячейки 0,05, а гистограммы Rheo, PIR имеют разрешение ячейки 0,5.

    3.2. Наблюдения

    В обширном моделировании сети E-I Фергюсона и др. (2017), использованные модели ячеек PYR были однородными, и все они имели значения параметров модели по умолчанию. Однако сами сети не были однородными из-за шумных внешних приводов моделей ячеек PYR. Чтобы проверить устойчивость механизма генерации тета в сетевых моделях EI к изменчивости в функциях SFA, PIR и Rheo, мы создаем гетерогенные популяции клеток PYR из модельной базы данных и исследуем, влияет ли присутствие тета-ритмов в сетях EI. путем изменения этих функций строительных блоков.Мы проводим наше исследование таким образом, что гетерогенная популяция клеток PYR в сетях E-I либо включает, либо не включает клетки PYR, которые имеют базовые значения. Вкратце отметим, что когда мы исследуем сети EI, которые имеют однородные модели ячеек PYR со значениями параметров, отличными от значений по умолчанию, но которые имеют аналогичные базовые значения SFA, PIR и Rheo, результирующие сети производят явные всплески популяции, но с небольшим изменением частоты и мощности. Конкретные примеры представлены в дополнительном материале.

    Для сетей E-I с гетерогенными популяциями клеток PYR, которые имеют клетки PYR, которые от до включают базовые значения SFA, Rheo и PIR, тета-ритмы продолжают экспрессироваться. Мы также обнаружили, что тета-мощность сети больше, когда существует узкий, а не широкий диапазон значений, включающий базовые. На рисунке 2 показаны узкие и широкие диапазоны значений в нашей созданной базе данных. Более подробная информация представлена ​​в дополнительном материале. Это наблюдение разницы тета-мощности предполагает, что определенные количественно определенные значения характеристик влияют на устойчивость тета-ритмов, поскольку мощность больше, когда она более узко охватывает базовые значения.

    Для гетерогенных сетей EI, которые имеют ячейки PYR, которые делают , а не , включают базовые значения для всех функций, мы создаем сети EI, которые имеют низкий (L), средний (M) или высокий (H) диапазон значений для SFA, Rheo. , и функции PIR в различных комбинациях. Таким образом, данная гетерогенная сеть E-I имеет тройку функций [SFA, Rheo, PIR], которые имеют диапазон значений L, M или H. Эти значения показаны на рисунке 2. На рисунке 3 мы показываем частоту (слева) и мощность (справа) выходных сигналов этих гетерогенных сетей E-I, обозначенных точками заданного цвета.Красная точка в кружке — это единственная сеть E-I, в которой и имеют базовые значения для всех функций строительных блоков, то есть [SFA, Rheo, PIR] = HML. Мы наблюдаем следующее для сетевой частоты: сети с Rheo = L не производят тета-ритмы, когда PIR и SFA = M или H; Нет тета-ритмов, когда Rheo = M значения, а SFA и PIR = H; По мере увеличения Rheo частота сети увеличивается, и, похоже, более сильный контроль частоты с помощью функции Rheo по сравнению с функциями SFA и PIR.Для тета-мощности мы обнаруживаем, что она самая низкая, когда Rheo = L, и увеличивается с увеличением Rheo, но уменьшается с увеличением SFA или PIR. Однако, когда Rheo = M, мощность увеличивается по мере увеличения SFA и уменьшения PIR. Исходя из этих тенденций, может показаться, что функция Rheo контролирует тета-частоту и мощность больше, чем SFA или PIR. Поскольку большие значения Rheo относятся к большим токам деполяризации, необходимым для срабатывания ячейки PYR, наши наблюдения подразумевают, что величина тока, необходимая для срабатывания ячейки PYR, является важным контроллером тета-частоты и мощности, предполагая, что другие функции допускают ритмы. существовать в первую очередь.Дальнейшие подробности этого исследования приведены в дополнительных материалах.

    Рисунок 3 . Частота и мощность тета-ритмов в гетерогенных сетях E-I. Каждая точка представляет частоту (слева) или мощность (справа) выходного сигнала сети, которая имеет функции [SFA, Rheo, PIR] с диапазоном значений L, M или H, как показано на графике, с точкой цвет, представляющий конкретную частоту или значение мощности, указанное на цветной полосе. Точка в красном кружке — это сеть, значения объектов которой включают базовые значения для всех функций, т. е.е., [SFA, Rheo, PIR] = HML. Темно-синие круги не дают ритмичного вывода, а вершины, не имеющие точек, находятся там, где не было отдельных моделей ячеек PYR для генерации конкретной гетерогенной сети. Более подробная информация представлена ​​в дополнительном материале.

    Таким образом, исследование нашей микросхемной модели генерации тета-ритма при подготовке всего гиппокампа приводит нас к следующим выводам относительно влияния трех «строительных блоков» на эту динамику: (i) большая тета-мощность возникает в сетях EI с гетерогенными клетками PYR, которые включают в себя свои базовые значения и узко распределены вокруг них, и (ii) определенные значения тока реобазы контролируют частоту и мощность сетевых ритмов больше, чем способность клетки PYR к всплеску при тормозящем отскоке или конкретном количестве адаптация частоты всплесков.Таким образом, это моделирование сетей E-I с гетерогенными популяциями клеток PYR позволило нам оценить вклад различных функций и помогло нам подтвердить устойчивость к клеточной гетерогенности механизма тета-генерирующего ритма в нашей модели микросхем.

    4. Использование оценки и дизайна для разработки гипотезы о контроле тета-частоты

    Как описано выше, мы обнаружили, что большие, минимально связанные рекуррентные сети с быстродействующими PV + клетками и PYR-клетками могут создавать тета-частотные популяционные ритмы, согласующиеся с экспериментом, управляемые и частично контролируемые функциями строительных блоков SFA, PIR и Рео в клетках PYR.В наших предыдущих сетевых моделях PV + клеток только для I-cell, последовательный сетевой вывод был возможен с экспериментально ограниченными моделями PV + клеток и синаптическими связностями (Ferguson et al., 2013). Образец выходных данных из сети только с I-ячейкой показан в дополнительном материале. При создании сетевой модели E-I сеть ячеек PV + была «спроектирована» так, чтобы находиться в когерентном состоянии — функция принимаемого соответствующего возбуждающего импульса и возможности соединения ячеек PV +. В частности, мы выбрали синаптический вес (между PV + клетками) таким, чтобы он мог быть на «границе» когерентного срабатывания (высокая частота) или нет (см. Рисунок 3 в Ferguson et al., 2013), и как таковой, учитывая соответствующий возбуждающий драйв от клеток PYR, сеть PV + клеток может находиться в высокочастотном когерентном режиме и может считаться производящим тормозящий «болюс» для клеток PYR. Это важное соображение при рассмотрении приведенной ниже кривой фазовой характеристики (PRC).

    Из нескольких наборов моделей гетерогенных сетевых выходных данных модели E-I, описанных в предыдущем разделе, мы выбираем три, которые демонстрируют сильные популяционные ритмы разной частоты.Подробности об этих трех выбранных сетях (в частности, о гетерогенной популяции PYR, а также о классификации их ритмов как «сильных») можно найти в дополнительном материале. Выходные данные растровых графиков ячеек PYR в этих выбранных гетерогенных сетях E-I показаны на рисунке 4, где различные ритмы называются «медленными», «средними» и «быстрыми». Учитывая минимальный характер модели микросхемы, частоты этих ритмов немного выходят за пределы тета-диапазонов (выше) для некоторых сетей, хотя лежащий в основе механизм генерации тета и конструкция модели одинаковы.

    Рисунок 4 . Выходные данные ячеек PYR на растровом графике из трех разнородных моделей E-I. Эти три набора моделей, генерирующие ритмический выходной сигнал всплеска популяции, демонстрируют три разные частоты, которые мы называем «медленными» (9,6 Гц), «средними» (13 Гц) и «быстрыми» (15 Гц) из соответствующих наборов моделей. Для всех трех наборов гетерогенные ячейки PYR включают ячейки с базовыми значениями Rheo, тогда как только набор моделей, дающий «средний» выходной сигнал, имеет ячейки PYR с базовыми значениями SFA.За исключением набора моделей, производящего «медленный» вывод, ячейки PYR имеют базовые значения PIR. То есть триплет [SFA, Rheo, PIR] для медленных, средних и быстрых сетей — это MMH, HML и LML, соответственно.

    Давайте теперь воспользуемся преимуществом нашей конструкции микросхемы, чтобы изучить, как эти частоты контролируются, обратившись к соображениям PRC (Schultheiss et al., 2011). Отметим, что PRC обычно рассчитываются с использованием короткого сильного импульса возбуждающего тока в качестве возмущения. Мы немного изменим эту парадигму здесь и вместо этого используем отрицательный импульс, амплитуда и продолжительность которого мотивированы типом синаптических входов, генерируемых во время «тормозящего болюса» в нашей сетевой модели (см. Рисунок 5).Мы знаем, что сотовая сеть PYR может генерировать всплески тета-популяции сама по себе, учитывая ее характеристики клеточной адаптации (функция SFA; Ferguson et al., 2015b). Хотя сами по себе клетки PYR не срабатывают редко, как в эксперименте, они это делают, когда включена популяция PV + клеток (Ferguson et al., 2017). Мы считаем, что результирующая частота всплесков популяции сети E-I обусловлена ​​комбинацией частоты срабатывания отдельной ячейки PYR и того, насколько тормозящий вход может опережать или задерживать всплеск ячеек PYR (как количественно оценивается с помощью PRC).Схема для рассмотрения этого схематически представлена ​​на рисунке 5 и состоит из следующего: каждая ячейка PYR в гетерогенной популяции получает возбуждающий вход от других ячеек PYR, а также шумный привод (другой вход). Количество входного сигнала, получаемого PYR-ячейкой, конечно, будет колебаться со временем, но при разумном приближении PYR-ячейка получает средний возбуждающий вход около 20-30 пА. Это приближение основано на том факте, что в наших сетевых моделях E-I (см. Рис. 1) всплески тета-популяции происходят, когда клетки PYR получают возбуждающий импульс с нулевым средним значением с колебаниями ≈10–30 пА (Ferguson et al., 2017). Затем мы вычисляем PRC, как описано выше. Тормозящий импульс может опережать или задерживать последующий всплеск PYR-клетки, как количественно определяется PRC, что, в свою очередь, зависит от внутренних свойств PYR-клетки. Все эти аспекты схематически представлены на рисунке 5.

    Рисунок 5 . Мотивация для установки в расчетах кривой фазовой характеристики (PRC). Предполагая, что механизм генерации тета основан на дизайне модели, PRC генерируются на основе тормозящего входа («болюса»), поступающего из сети PV + клеток в отдельную клетку PYR.Каждая ячейка PYR получает шумный привод, обозначенный как «Другой вход», а также от других ячеек PYR. Иллюстративная кривая f-I показана для отдельной ячейки PYR. Также показана иллюстрация вычисленного PRC, основанного на ингибирующем входе в конкретную ячейку PYR. Это будет зависеть от значений параметров модели конкретной ячейки PYR, которые определяют ее кривую f-I.

    Мы рассматриваем три случая гетерогенных сетей E-I, демонстрирующих разные частоты всплесков совокупности, показанные на рисунке 4 и описанные как имеющие «медленный», «средний» или «быстрый» выходной частотный всплеск.Мы генерируем PRC для нескольких моделей ячеек PYR в популяции для каждого из этих наборов моделей, которые производят выходы импульсов популяции с разной частотой. Каждая модель ячейки PYR в гетерогенной популяции имеет определенные характеристики PRC из-за заданных значений параметров модели и, таким образом, демонстрирует определенную внутреннюю частоту для данного входа.

    4.1. PRC Расчеты

    Они выполняются следующим образом: установленный входной ток (20: 2: 30 пА) тонически прикладывается к модельной ячейке, и период (определяемый λ) срабатывания ячейки рассчитывается как время между 9-м и 10-м всплеском ячейки.Обратный период представляет собой частоту срабатывания ячейки, выраженную в виде средних значений и стандартных отклонений для всех наборов моделей. Мы вычисляем фазовый отклик модельного нейрона на возмущение на 100 эквидистантных временах в его нормальном цикле активации, где возмущение представляет собой импульс тока длительностью 1 мс с амплитудой -500 пА (как упоминалось ранее, считается приближением синаптического входа, полученного эти клетки после «ингибирующего болюса»). Для 1 ≤ i ≤ 100 мы определяем Δp = λ100 и доставляем возмущение на i * Δ p мс после 10-го всплеска ячейки.Затем мы измеряем время между 10-м и 11-м всплеском ячеек как «период возмущения» (определяемый λ p ). Мы вычисляем разницу между этим и ранее рассчитанным периодом (при отсутствии каких-либо возмущений) и нормализуем это на нормальный период срабатывания, что означает, что на графиках PRC ось y представляет собой λ-λpλ. Это означает, что отрицательные значения, нанесенные на график PRC, соответствуют фазовой задержке, т.е. период возмущения был длиннее периода невозмущения, и наоборот.По оси абсцисс на графиках PRC отложено нормализованное время, в которое возникло возмущение, вычисленное просто как i100. Мы отмечаем, что мы выполняем этот расчет отдельно для каждого i , т. Е. Мы повторно инициализируем ячейку и позволяем ей естественным образом реагировать на тонический ввод до 10-го всплеска для каждого значения i , а не выполнять эти возмущения последовательно и рискуете запутать ответы.

    На рисунках 6B, C мы количественно оцениваем аспекты кривых PRC. На рис. 6 B мы просто извлекаем значение нормализованной разности фаз из средней кривой PRC для возмущения, доставляемого с нормализованной фазой, равной 0.3 (обозначено стрелками, наложенными на фиг. 6A). На рисунке 6C мы количественно оцениваем один аспект скорости изменения средней кривой PRC, в частности, изменчивость коэффициента разности, вычисляемого на каждом этапе фазы, следующим простым способом: сначала этот коэффициент разности вычисляется для всех значений, кроме последнего. нормализованная фаза; во-вторых, дисперсия этих данных вычисляется просто с использованием функции var в MATLAB.

    Рисунок 6 . На частоту тета-ритма влияет тормозящее влечение, что определяется количественно через PRC и частоту срабатывания отдельных клеток PYR. (A) Среднее значение PRC (сплошная линия) для гетерогенной популяции клеток PYR, участвующих в «медленных» (слева), «средних» (в центре) и «быстрых» (справа) тета-колебаниях, рассчитано с входным током 20 pA и штриховкой, представляющей ± стандартное отклонение. Существует 25, 556 и 74 различных моделей клеток PYR в 10 000 популяций клеток PYR медленных, средних и быстрых случаев соответственно. Более подробная информация представлена ​​в дополнительных материалах. Среднее и стандартное отклонение частот срабатывания ячеек PYR на этом входном уровне включены во вставку каждой панели. (B, C) После расчета как среднего PRC, так и средней собственной частоты возбуждения для популяций клеток PYR, связанных с нашими «медленными» (красный), «средними» (синий) и «быстрыми» (зеленый) тета-колебаниями для шесть входных токов (20: 2: 30 пА), мы извлекаем особую характеристику среднего PRC (средний фазовый сдвиг, вызванный возмущением, доставленным на фазе 0,3 в (B) , и дисперсия средней производной PRC в (C) ) и нанесите его на график в зависимости от средней собственной частоты срабатывания.Ни в том, ни в другом случае нет линейной зависимости между любой осью и частотой тета-ритма, что указывает на то, что это более сложная комбинация, которая определяет частоту популяции. Обратите внимание, что, учитывая монотонное соотношение между входным током и частотой зажигания в этом диапазоне, крайняя левая точка для каждого цвета представляет входной ток 20 пА, причем каждая последующая точка, перемещающаяся вправо, представляет следующий шаг входного тока.

    Код для создания и построения этих PRC можно найти на https: // github.ru / sbrich / Theta_PRCs. PRC для входных токов, отличных от 20 пА, показанных на рисунке 6A, можно найти на https://osf.io/yrkfv/.

    4.2. Наблюдения

    На рисунке 6 мы сначала показываем пример PRC, рассчитанный для входного тока 20 пА (рисунок 6A). PRC рассчитываются для каждой модели в конкретном наборе моделей гетерогенных моделей ячеек PYR, при этом усредненная кривая представлена ​​вместе с диапазоном ± одно стандартное отклонение (показано штриховкой вокруг кривой на каждом графике на рисунке 6A).Эти PRC демонстрируют отличительные особенности: например, ячейки PYR в среднем случае однозначно демонстрируют область опережения фазы, в то время как ячейки PYR в быстром случае имеют наибольшую фазовую задержку для возмущений, доставленных на всех, кроме последних фаз. Четкие различия между PRC для каждого набора моделей сохраняются для всех используемых входных токов.

    Чтобы лучше визуализировать влияние внутренних свойств нейронов PYR на частоту тета-ритма, мы наносим на график выделенную особенность среднего PRC в зависимости от средней частоты срабатывания этих наборов моделей для каждого из наших вычисленных входных токов на рисунках 6B, C, с соответствующими частотами тета-ритма, связанными с каждым набором моделей, обозначенными цветом точки данных, с извлеченными функциями PRC в каждом случае, описанном в предыдущем разделе.Эти визуализации ясно показывают, что и PRC и средняя собственная частота возбуждения нейронов PYR в данном наборе моделей вносят вклад в общую частоту тета-ритма; в противном случае эти точки были бы «плоскими» относительно оси x или y. Кроме того, взаимосвязь между извлеченной характеристикой PRC, представляющей интерес, и средней внутренней частотой возбуждения заметно варьируется в зависимости от выходной частоты тета-ритма: например, на рисунке 6B и «медленный», и «средний» наборы моделей показывают монотонно убывающую взаимосвязь между извлеченное значение PRC и средняя собственная частота срабатывания, в то время как набор «быстрых» моделей показывает монотонно возрастающую взаимосвязь.Взятые вместе, эти результаты показывают, что именно комбинация тормозящего влечения и возбудимости PYR-клетки вносит вклад в общую частоту тета-ритма.

    PRC измеряют то, как клетки PYR реагируют на пертурбацию, помогают сформулировать потенциальные механизмы, с помощью которых возникают эти разные частоты тета-ритма. Например, в то время как клетки PYR в быстром случае имеют самую быструю индивидуальную частоту срабатывания (заметно быстрее, чем то, что видно в популяционных моделях), их PRC могут быть иллюстрацией того, как ингибирующий «болюс» снижает эту частоту срабатывания в направлении тета-диапазона.Между тем, клетки PYR в среднем случае имеют самые медленные индивидуальные частоты срабатывания, хотя они участвуют в «средних» частотах тета-ритма. PRC в этом случае, особенно в области опережения фазы, может прояснить, как ингибирующий синаптический вход на самом деле ускоряет активность PYR-клеток. В этих конкретных примерах используется функция PRC, извлеченная и отображенная на рисунке 6B.

    Таким образом, в контексте наличия стабильного выходного сигнала популяционного всплеска, заданного схемой сети модели E-I с соответствующими функциями SFA, PIR и Rheo, расчеты PRC здесь показывают, что соответствующий тормозной вход вносит вклад в результирующую частоту популяционного всплеска.По сути, этот анализ особенностей PRC наших наборов моделей поддерживает гипотезу о том, что внутренние свойства клеток PYR, в том числе те, которые инкапсулируются с помощью измерения PRC, играют критическую роль в контроле частоты популяционных тета-ритмов.

    5. Обсуждение

    Мы использовали модель микросхемы, разработанную для генерации тета-ритмов, представляющих те, которые наблюдаются во всем препарате гиппокампа, чтобы разработать гипотезу для контроля тета-частоты. Наша работа позволила нам предложить гипотезу, которая включает в себя два аспекта: (i) внутренний механизм, который проистекает из характеристик строительных блоков SFA, PIR и Rheo клеток PYR, и (ii) внешний механизм, который включает «основанный на ингибировании настройка »срабатывания клеток PYR.Из предыдущей работы мы уже знали, что наши редко связанные сети клеток CA1 PYR, работающие только с E, могут сами производить всплески популяции тета-частоты, но большинство клеток PYR будут активироваться, что в отличие от экспериментальных наблюдений за активацией разреженных клеток PYR. . С включением клеток PV + для создания сетей E-I популяция клеток PYR активировалась редко в соответствии с экспериментом. Имеет смысл, что добавление ингибирующих клеток приводит к меньшему возбуждению клеток PYR из-за потенциального молчания из-за ингибирования.То, что сильные тета-ритмы все еще могут возникать, несмотря на участие в ритме меньшего количества клеток PYR, вероятно, связано с тем, что клетки PV + настраивают различные в остальном частоты клеток PYR на аналогичные частоты, позволяя этой меньшей группе клеток производить сильные ритмы. Это составляет основную часть предлагаемой нами гипотезы. Соответственно, было показано, что подавление прямой связи играет роль в поддержании низких уровней коррелированной изменчивости пиковой активности (Миддлтон и др., 2012).

    Важно выделить два ключевых момента, которые лежат в основе предлагаемой нами гипотезы. Во-первых, популяция клеток PYR должна быть достаточно большой, чтобы она могла коллективно генерировать сильный возбуждающий импульс для ингибирующих PV + -клеток, и, в свою очередь, популяция PV +-клеток должна быть в состоянии активировать достаточно (и последовательно) для создания сильного тормозящего «импульса». bolus »для настройки выхода популяции клеток PYR. Во-вторых, чистый ввод (повторяющееся возбуждение, возбуждающее побуждение, входящее торможение), полученный таким образом клетками PYR, приводит к генерации тета-ритмов и их результирующей частоты.Некоторые сходства существуют между этими точками и «механизмом PING», лежащим в основе генерации гамма-ритмов в сетях E-I (Kopell et al., 2010; ter Wal and Tiesinga, 2013). В PING интернейроны рекрутируются высокоактивными клетками PYR, которые возвращаются к клеткам PYR, которые впоследствии срабатывают, когда ингибирование достаточно ослабло, и интересно отметить, что недавние исследования показывают, что ритмы с частотами, приближающимися к тета-диапазону, могут возникать при PING. -мотивированные сети (Rich et al., 2017). Что касается тета-ритмов, здесь большая популяция клеток PYR способна создать достаточно большой возбуждающий импульс для тормозящей популяции, который способен когерентно срабатывать и обеспечивать обратную связь, чтобы настроить запуск клеток PYR на устойчивые ритмы с тета-частотой. Важно признать, что этот механизм и последующая гипотеза контроля частоты возникли в результате использования сетей E-I, значения параметров которых напрямую связаны со всем препаратом гиппокампа. То есть, хотя модель минимальна, в ней не было произвольных значений параметров модели.

    Мы не знаем, существует ли на самом деле четкая взаимосвязь между входами ячеек PYR и частотой сети, как описано во втором ключевом пункте выше, и было бы очень сложно напрямую проверить это экспериментально. Мы также отмечаем, что минимальный характер наших модельных сетей E-I относительно различных типов тормозных клеток и биофизических характеристик ограничивает рассмотрение экспериментального дизайна. Однако, поскольку была создана подробная биофизическая сетевая модель CA1, которая включает клетки PYR и восемь различных типов ингибирующих клеток (Bezaire et al., 2016), можно рассмотреть возможность использования его в качестве прокси для реальной биологической системы, чтобы начать исследовать это. Мы сделали это, объединив описанную модель микросхемы, используемую здесь, и подробную, полномасштабную модель микросхемы CA1, и исследовали, как частота тета-сети, создаваемая подробной моделью, зависит от чистого входного сигнала, полученного ячейками PYR (Chatzikalymniou et al. ., 2020). Мы обнаружили, что детализированные с биологической точки зрения модели убедительно подтверждают эту зависимость и, таким образом, предложенную нами гипотезу для контроля частоты тета-ритма.Таким образом, это указывает на то, что тета-частоты в биологической системе можно контролировать таким образом. В свою очередь, это предполагает, что прямая модуляция внутренних свойств клеток PYR может сильно влиять на тета-ритмы популяции.

    В предыдущей работе Ferguson et al. (2015a), мы создали модели клеток PYR, которые либо сильно адаптируются на основе соответствия экспериментальным данным, либо слабо адаптируются на основе другого экспериментального набора данных. В Ferguson et al. (2015b), когда любая из моделей ячеек PYR использовалась в сетях только с E-ячейками, это могло производить всплески популяции тета-частоты.Как обсуждалось в Ferguson et al. (2015a), маловероятно, что существуют отдельные типы биологических клеток PYR, которые сильно или слабо адаптируются, а скорее континуум степени адаптации, зависящий от лежащих в основе балансов токов биофизических ионных каналов. Наши исследования устойчивости механизма генерации тета в модели микросхемы здесь показали, что частота и мощность тета-ритмов не сильно контролировались значениями характеристик SFA по сравнению со значениями характеристик Rheo.Таким образом, хотя мы создали базу данных моделей, исходя из сильно адаптирующейся базы параметров модели клеток PYR, это, вероятно, не имело бы значения, если бы вместо этого проводилось исследование устойчивости генерации тета-ритма с использованием слабо адаптируемых моделей клеток PYR.

    Возможно, неудивительно, что значения характеристик Rheo являются основным контроллером существования тета-ритмов, их частоты и мощности, поскольку конкретное значение Rheo определяет, будет ли PYR-ячейка всплывать или нет.Отметим, что экспериментальные данные Goutagny et al. (2009) уже предположили важность PIR в генерации тета-ритмов. В реальных клетках CA1 PYR было показано, что пик PIR действительно происходит, опосредуется h-каналами и локально контролируется балансом биофизических ионных каналов (Ascoli et al., 2010). То, действительно ли клетки PYR срабатывают из-за PIR во время продолжающихся тета-ритмов, может иметь или не иметь место, и это потенциально можно распутать в моделях. Тем не менее, гипотеза, развитая в этой работе, указывает на слияние характеристик, которые приводят к тому, что чистый ток к отдельным клеткам PYR находится в центре внимания контроля частоты тета-ритма.Таким образом, можно ожидать, что изменения в чистом стимуле к клеткам PYR или изменения внутренних свойств клеток PYR, таких как h-токи, которые будут влиять на PIR, повлияют на результирующую частоту тета-ритма.

    Ранее было показано, что in vitro срезов из гиппокампа генерируют тета-ритмы (Fellous and Sejnowski, 2000; Gillies et al., 2002), и на этих данных были построены исследования по моделированию для изучения того, как генерируются тета-ритмы (например, , см. Gloveli et al., 2005; Orbán et al., 2006). Разница между такими исследованиями и работой здесь состоит в том, что in vitro, препарат всего гиппокампа спонтанно производит тета-ритмы без каких-либо фармакологических или стимулирующих воздействий, что указывает на то, что механизм генерации тета-ритма во всем препарате гиппокампа, вероятно, имеет отношение к поведению. животное. Действительно, прямые корреляты между препаратом in vitro и in vivo записями были показаны в отношении изменения тета-ритмов (Jackson et al., 2014). Наши сетевые модели E-I были построены в прямом соответствии со всем препаратом гиппокампа, включая большой размер клеточной сети PYR и конкретные параметры клеточной модели, полученные из совпадений с записями всего препарата гиппокампа. Этим они принципиально отличаются от нескольких ранее разработанных моделей тета-ритмов (Kopell et al., 2010; Ferguson and Skinner, 2018).

    Теория

    PRC использовалась различными способами в области нейробиологии (Schultheiss et al., 2011), и особенно с учетом динамики сети. Например, Hansel et al. (1995) использовали PRC для объяснения дифференциальной способности возбуждающего драйва для синхронизации сетей нейронов типа I или типа II (эти типы различаются по типу бифуркации; Ижикевич, 2006), Rich et al. (2016) проанализировали особенности синхронизации в чисто тормозящих сетях с использованием PRC, а Achuthan и Canavier (2009) использовали PRC для понимания кластеризации в сетях. Мы воспользовались теорией PRC, рассмотрев сброс фазы ячеек PYR из-за входящего тормозящего входа.Таким образом, мы смогли выдвинуть гипотезу о механизме настройки, основанном на ингибировании, для управления частотой тета-ритма на основе формы PRC (количества опережения или задержки) и собственной частоты срабатывания клетки PYR. Наше использование PRC основывалось на наших наблюдениях за влиянием различных форм PRC на результирующий тета-ритм. Например, такое рассмотрение использовали Rich et al. (2016) для объяснения паттернов дифференциальной синхронизации в тормозных сетях нейронов типа I и типа II, а Pervouchine et al.(2006) использовали методы кривой времени пика отклика для аналитического исследования тета-генерирующих цепей, зависящих от биофизических характеристик типов клеток, ингибирующих молекулы oriens-lacunosum. Хотя теория настоятельно необходима и аналитические соображения должны использоваться, когда это возможно, в то же время это не должно ограничивать интеграцию экспериментальных ограничений (Skinner, 2013). Мы отмечаем, что работа здесь началась не с теоретических соображений, таких как типы клеток I / II, которые могут дать понимание, а, скорее, из-за возможности получить одновременный выход клеток и популяции, были использованы многоуровневые экспериментальные ограничения. в построении и проектировании моделей микросхем ЭУ с самого начала.

    В заключение, мы разработали гипотезу о том, как частоты тета-ритма контролируются в гиппокампе CA1. Эта гипотеза основана на тета-генерирующем механизме конструкции модели микросхемы. Несмотря на то, что он не включает все известные типы тормозных клеток, он, возможно, улавливает важные элементы, задействованные в биологических цепях, и может более широко применяться в мозге в отношении генерации и контроля частот тета-ритма.

    Заявление о доступности данных

    Наборы данных, представленные в этом исследовании, можно найти в онлайн-репозиториях.Названия репозитория / репозиториев и номера доступа можно найти в статье / Дополнительных материалах.

    Авторские взносы

    FS, JL и AC внесли свой вклад в разработку и руководство исследованием. SR и AL выполнили расчеты и анализ. Ф.С. написал первый черновик рукописи. SR написал разделы рукописи. Все авторы внесли свой вклад в доработку рукописи, прочитали и одобрили представленную версию.

    Финансирование

    Эта работа была поддержана Канадским советом по естественным наукам и инженерным исследованиям (NSERC), грант на открытие RGPIN-2016-06182 (FS).

    Конфликт интересов

    Авторы заявляют, что исследование проводилось при отсутствии каких-либо коммерческих или финансовых отношений, которые могут быть истолкованы как потенциальный конфликт интересов.

    Благодарности

    Части этой работы были выпущены в виде препринта (Chatzikalymniou et al., 2020).

    Дополнительные материалы

    Дополнительные материалы к этой статье можно найти в Интернете по адресу: https://www.frontiersin.org/articles/10.3389 / fncir.2021.643360 / полный # дополнительный-материал

    Список литературы

    Achuthan, S., and Canavier, C.C. (2009). Кривые сброса фазы определяют синхронизацию, фазовую синхронизацию и кластеризацию в сетях нейронных осцилляторов. Дж. Neurosci . 29, 5218–5233. DOI: 10.1523 / JNEUROSCI.0426-09.2009

    PubMed Аннотация | CrossRef Полный текст | Google Scholar

    Асколи, Г. А., Гаспарини, С., Мединилла, В., и Мильоре, М. (2010). Локальный контроль пиков постингибиторного отскока в дендритах пирамидных нейронов CA1. Дж. Neurosci . 30, 6434–6442. DOI: 10.1523 / JNEUROSCI.4066-09.2010

    PubMed Аннотация | CrossRef Полный текст | Google Scholar

    Безэр, М. Дж., Райков, И., Бурк, К., Вяс, Д., и Солтес, И. (2016). Межнейронные механизмы тета-колебаний гиппокампа в натурной модели контура CA1 грызуна. eLife 5: e18566. DOI: 10.7554 / eLife.18566

    PubMed Аннотация | CrossRef Полный текст | Google Scholar

    Chatzikalymniou, A.П., Гумус, М., Лунёв, А. Р., Рич, С., Лефевр, Дж., И Скиннер, Ф. К. (2020). Связывание минимальных и подробных моделей микросхем CA1 показывает, как возникают тета-ритмы и как контролируются их частоты. bioRxiv . 2020.07.28.225557. DOI: 10.1101 / 2020.07.28.225557

    CrossRef Полный текст | Google Scholar

    Колгин, Л. Л. (2013). Механизмы и функции тета-ритмов. Annu. Ред. Neurosci . 36, 295–312. DOI: 10.1146 / annurev-neuro-062012-170330

    CrossRef Полный текст | Google Scholar

    Феллоус, Дж.М. и Сейновски Т. Дж. (2000). Холинергическая индукция колебаний в срезе гиппокампа в медленном (0,5–2 Гц), тета (5–12 Гц) и гамма (35–70 Гц) диапазонах. Гиппокамп 10, 187–197. DOI: 10.1002 / (SICI) 1098-1063 (2000) 10: 2 <187 :: AID-HIPO8> 3.0.CO; 2-M

    PubMed Аннотация | CrossRef Полный текст | Google Scholar

    Фергюсон, К. А., Чатзикалимниу, А. П., и Скиннер, Ф. К. (2017). Сочетание теории, модели и эксперимента для объяснения того, как внутренние тета-ритмы генерируются в препарате цельного гиппокампа in vitro без осциллирующих сигналов. eNeuro 4. doi: 10.1523 / ENEURO.0131-17.2017

    PubMed Аннотация | CrossRef Полный текст | Google Scholar

    Фергюсон, К. А., Ха, К. Ю. Л., Амилхон, Б., Уильямс, С., и Скиннер, Ф. К. (2013). Экспериментально ограниченные модели сети парвальбумин-положительных интернейронов CA1 демонстрируют резкие переходы в когерентные высокочастотные ритмы. Фронт. Comput. Neurosci . 7: 144. DOI: 10.3389 / fncom.2013.00144

    PubMed Аннотация | CrossRef Полный текст | Google Scholar

    Фергюсон, К.А., Ха, К. Ю. Л., Амилхон, Б., Уильямс, С., и Скиннер, Ф. К. (2015a). Простые, биологически ограниченные модели пирамидных клеток CA1 с использованием интактного всего контекста гиппокампа. F1000 Исследование 3: 104. DOI: 10.12688 / f1000research.3894.2

    PubMed Аннотация | CrossRef Полный текст

    Фергюсон, К. А., Ньяп, Ф., Никола, В., Скиннер, Ф. К., и Кэмпбелл, С. А. (2015b). Изучение пределов механизмов взрыва клеточной адаптации в биологических возбуждающих сетях гиппокампа. J. Comput. Neurosci . 39, 289–309. DOI: 10.1007 / s10827-015-0577-1

    PubMed Аннотация | CrossRef Полный текст | Google Scholar

    Фергюсон, К. А., Скиннер, Ф. К. (2018). «Гиппокампальные сетевые модели тета, гамма и тета / гамма», в Encyclopedia of Computational Neuroscience , ред. Д. Джагер и Р. Юнг (Нью-Йорк, Нью-Йорк: Springer New York), 1–14. DOI: 10.1007 / 978-1-4614-7320-6_27-2

    CrossRef Полный текст

    Гиллис, М.Дж., Трауб, Р.D., LeBeau, F. E. N., Davies, C.H., Gloveli, T., Buhl, E.H., et al. (2002). Модель устойчивых к атропину тета-колебаний в области СА1 гиппокампа крысы. J. Physiol . 543, 779–793. DOI: 10.1113 / jphysiol.2002.024588

    PubMed Аннотация | CrossRef Полный текст | Google Scholar

    Джоргджиева, Дж., Дрион, Г., и Мардер, Э. (2016). Вычислительные последствия биофизического разнообразия и множественных временных масштабов в нейронах и синапсах для работы схемы. Curr.Opin. Нейробиол . 37, 44–52. DOI: 10.1016 / j.conb.2015.12.008

    PubMed Аннотация | CrossRef Полный текст | Google Scholar

    Гловели Т., Дугладзе Т., Ротштейн Х. Г., Трауб Р. Д., Моньер Х., Хайнеманн У. и др. (2005). Ортогональное расположение ритмообразующих микросхем в гиппокампе. Proc. Natl. Акад. Sci. США . 102, 13295–13300. DOI: 10.1073 / pnas.0506259102

    PubMed Аннотация | CrossRef Полный текст | Google Scholar

    Гензель, Д., Мато, Г., и Менье, К. (1995). Синхронность в возбуждающих нейронных сетях. Нейронные вычисления . 7, 307–337. DOI: 10.1162 / neco.1995.7.2.307

    CrossRef Полный текст | Google Scholar

    Хинман, Дж. Р., Данненберг, Х., Александр, А. С. и Хассельмо, М. Э. (2018). Нейронные механизмы навигации, включающие взаимодействие корковых и подкорковых структур. J. Neurophysiol . 119, 2007–2029. DOI: 10.1152 / jn.00498.2017

    PubMed Аннотация | CrossRef Полный текст | Google Scholar

    Ха, К.Ю. Л., Амилхон, Б., Фергюсон, К. А., Мансо, Ф., Торрес-Платас, С. Г., Пич, Дж. П. и др. (2016). Возбуждающие входные сигналы определяют силу фазовой синхронизации и синхронизацию спайков CA1 stratum oriens / alveus parvalbumin и интернейронов соматостатина во время внутренне генерируемого тета-ритма гиппокампа. Дж. Neurosci . 36, 6605–6622. DOI: 10.1523 / JNEUROSCI.3951-13.2016

    PubMed Аннотация | CrossRef Полный текст | Google Scholar

    Ижикевич, Э. М. (2006). Динамические системы в неврологии: геометрия возбудимости и взрыва, 1-е изд. .Кембридж, Массачусетс: MIT Press. DOI: 10.7551 / mitpress / 2526.001.0001

    CrossRef Полный текст | Google Scholar

    Джексон, Дж., Амилхон, Б., Гутаньи, Р., Ботт, Ж.-Б., Мансо, Ф., Кортлевен, К., и др. (2014). Изменение направления потока тета-ритма через неповрежденные контуры гиппокампа. Нат. Neurosci . 17, 1362–1370. DOI: 10.1038 / nn.3803

    PubMed Аннотация | CrossRef Полный текст | Google Scholar

    Джейкобс, Дж. (2014). Колебания тета в гиппокампе у людей медленнее, чем у грызунов: последствия для моделей пространственной навигации и памяти. Philos. Пер. R. Soc. Лондон. В 369: 20130304. DOI: 10.1098 / rstb.2013.0304

    PubMed Аннотация | CrossRef Полный текст | Google Scholar

    Копелл Н., Бёргерс К., Первушин Д., Малерба П. и Торт А. (2010). «Гамма и тета-ритмы в биофизических моделях цепей гиппокампа», в Hippocampal Microcircuits , Springer Series in Computational Neuroscience, ред. В. Кутсуридис, Б. Грэм, С. Кобб и И. Вида (Нью-Йорк, Нью-Йорк: Springer) , 423–457. DOI: 10.1007 / 978-1-4419-0996-1_15

    CrossRef Полный текст | Google Scholar

    Кота С., Рагг М. Д. и Лега Б. С. (2020). Тета-осцилляции гиппокампа способствуют успешному формированию ассоциативной памяти. Дж. Neurosci . 40, 9507–9518. DOI: 10.1523 / JNEUROSCI.0767-20.2020

    PubMed Аннотация | CrossRef Полный текст | Google Scholar

    Крамис, Р., Вандервольф, К. Х., и Бланд, Б. Х. (1975). Два типа медленной ритмической активности гиппокампа как у кролика, так и у крысы: отношение к поведению и эффекты атропина, диэтилового эфира, уретана и пентобарбитала. Exp. Neurol . 49, 58–85. DOI: 10.1016 / 0014-4886 (75) -8

    PubMed Аннотация | CrossRef Полный текст | Google Scholar

    Маккормик, Д. А., МакГинли, М. Дж., И Салкофф, Д. Б. (2015). Зависимая от состояния мозга активность в коре и таламусе. Curr. Opin. Нейробиол . 31, 133–140. DOI: 10.1016 / j.conb.2014.10.003

    PubMed Аннотация | CrossRef Полный текст | Google Scholar

    Миддлтон, Дж. У., Омар, К., Дуарон, Б., и Саймонс, Д. Дж.(2012). Нейронная корреляция — это стимул, модулируемый блокирующими схемами с прямой связью. Дж. Neurosci . 32, 506–518. DOI: 10.1523 / JNEUROSCI.3474-11.2012

    PubMed Аннотация | CrossRef Полный текст | Google Scholar

    Микулович, С., Рестрепо, К. Э., Сивани, С., Бауэр, П., Пупе, С., Торт, А. Б. Л. и др. (2018). Клетки OLM вентрального гиппокампа контролируют тета-колебания 2-го типа и реакцию на запах хищника. Нат. Коммуна . 9: 3638. DOI: 10.1038 / s41467-018-05907-w

    PubMed Аннотация | CrossRef Полный текст | Google Scholar

    Орбан, Г., Поцелуй, Т., и Эрди, П. (2006). Внутренние и синаптические механизмы, определяющие время активности популяции нейронов во время тета-колебаний в гиппокампе. J. Neurophysiol . 96, 2889–2904. DOI: 10.1152 / jn.01233.2005

    PubMed Аннотация | CrossRef Полный текст | Google Scholar

    Первушин Д. Д., Нетофф Т. И., Ротштейн Х. Г., Уайт Дж. А., Каннингем М. О., Уиттингтон М. А. и др. (2006). Низкоразмерные карты, кодирующие динамику в энторинальной коре и гиппокампе. Нейронные вычисления . 18, 2617–2650. DOI: 10.1162 / neco.2006.18.11.2617

    PubMed Аннотация | CrossRef Полный текст | Google Scholar

    Рич С., Бут В. и Зоховски М. (2016). Внутренние клеточные свойства и плотность связности определяют вариативные шаблоны кластеризации в случайно связанных тормозных нейронных сетях. Фронт. Нейронный круг . 10:82. DOI: 10.3389 / fncir.2016.00082

    PubMed Аннотация | CrossRef Полный текст | Google Scholar

    Рич, С., Зоховски М. и Бут В. (2017). Дихотомическая динамика в сетях EI с сильно и слабо внутренне связанными тормозящими нейронами. Фронт. Нейронный круг . 11: 104. DOI: 10.3389 / fncir.2017.00104

    CrossRef Полный текст | Google Scholar

    Schultheiss, N., Butera, R., and Prinz, A. (2011). Кривые фазового отклика в неврологии: теория, эксперимент и анализ . Springer. DOI: 10.1007 / 978-1-4614-0739-3

    CrossRef Полный текст | Google Scholar

    Тендлер, А., и Вагнер, С. (2015). Различные типы тета-ритмики вызываются социальными и пугающими стимулами в сети, связанной с социальной памятью. eLife 4: e03614. DOI: 10.7554 / eLife.03614

    PubMed Аннотация | CrossRef Полный текст | Google Scholar

    ter Wal, M., and Tiesinga, P. (2013). «Колебания гиппокампа, механизмы (PING, ING, редко)», в энциклопедии вычислительной нейробиологии , , ред. Д. Джегер и Р. Юнг (Нью-Йорк, штат Нью-Йорк: Springer, Нью-Йорк), 1–14.DOI: 10.1007 / 978-1-4614-7320-6_475-3

    CrossRef Полный текст

    Практические микросхемы для портативной акустофлюидики

    * Соответствующие авторы

    a Программа материаловедения и инженерии, Калифорнийский университет в Сан-Диего, 9500 Gilman Drive, La Jolla, CA 92093, США
    Эл. Почта: jfriend @ ucsd.edu, http://friend.ucsd.edu

    б Лаборатория передовых медицинских устройств, Центр медицинских устройств, Департамент механической и аэрокосмической инженерии, Школа инженерии Джейкобса и Департамент медицины, Школа медицины, Калифорнийский университет Сан-Диего, 9500 Gilman Drive MC0411, Ла-Холья, Калифорния 92093, США

    с Институт Qualcomm, Калифорнийский университет в Сан-Диего, 9500 Gilman Drive, La Jolla, CA 92093, США

    d В настоящее время доцент кафедры электротехники Университета Бэйлора, Вако, Техас 76798–7141, США

    e Новые вакцины, Детский научно-исследовательский институт Мердока, Исследования новорожденных, Королевская детская больница, Исследования новорожденных, Королевская женская больница, Департамент педиатрии, Мельбурнский университет, Парквилл, Виктория 3052, Австралия

    Точная связь между микросхемой и микросхемой на больших расстояниях между лобной и сенсорной корой мозга млекопитающих

    https: // doi.org / 10.1016 / j.neuron.2019.06.028Получить права и контент

    Основные моменты

    Клоны сенсорных возбуждающих нейронов получают определенные дальнодействующие пресинаптические входы

    Пресинаптические нейроны организованы в дискретные фронтальные области радиальные скопления

    Пресинаптические нейроны во фронтальной области выборочно образуют синапсы друг с другом

    Взаимная коммуникация микросхем соединяет лобную и сенсорную коры

    90tex681

    Резюме

    дальнодействующие входы в сенсорные области для модуляции нейрональной активности и обработки информации.Эти схемы дальнего действия имеют решающее значение для точного сенсорного восприятия и сложного управления поведением; однако об их точной схемотехнике известно немного. Здесь мы специально идентифицировали пресинаптические входные нейроны для отдельных клонов возбуждающих нейронов как единицу, которая составляет функциональные микросхемы в сенсорной коре головного мозга мыши. Интересно, что входные нейроны дальнего действия во фронтальной, но не контралатеральной сенсорной области пространственно организованы в дискретные вертикальные кластеры и предпочтительно образуют синапсы друг с другом по сравнению с соседними невходными нейронами.Более того, сборка отдаленных пресинаптических микросхем во фронтальной области зависит от избирательной синаптической связи клонов возбуждающих нейронов в сенсорной области, которые обеспечивают входы во фронтальную область. Эти данные предполагают, что высокоточная реципрокная связь между микросхемой и микросхемой на больших расстояниях опосредует взаимодействия лобно-сенсорной области в коре головного мозга млекопитающих.

    Ключевые слова

    кортикальный контур

    модуляция сверху вниз

    клон возбуждающего нейрона

    столбчатая микросхема

    дальнодействующая схема

    внутриутробно ретровирусная маркировка

    целая клетка

    отслеживание вируса бешенства

    Рекомендуемые статьиЦитирующие статьи (0)

    © 2019 Elsevier Inc.

    Рекомендуемые статьи

    Цитирующие статьи

    Высокопроизводительный анализ микросхем человеческого мозга с помощью мультинейронного патч-зажима нового поколения

    Существенные изменения:

    1) Одной из основных проблем является система очистки пипеток, адаптированная авторами. В соответствии с исходным протоколом CR Forest, необходим дополнительный этап для очистки остаточного детергента, приставшего к внешней поверхности наконечника пипетки с помощью ACSF, перед перемещением пипеток в записывающую камеру для попытки пластыря, однако Пэн и его коллеги пропустили этот шаг.Авторы заявляют, что есть веская практическая причина для пропуска этого шага, но данных в поддержку этой практики предоставлено мало или они отсутствуют. Они утверждают, что не было различий в качестве записи или электрофизиологических свойствах между пипетками вначале и после очистки, но эти утверждения должны быть подтверждены данными. В частности, было бы важно сообщить, как мембранный потенциал, входное сопротивление, синаптические события и параметры потенциала действия (амплитуда, ширина и др.) Изменяются со временем после исправления и повторного сопоставления.

    Благодарим вас за понимание нашего обоснования отказа от дополнительной очистки. Мы согласны с тем, что эта практика и наше заявление о неизменной физиологии нейронов должны быть подтверждены дополнительными данными. Чтобы оценить возможное влияние нашего протокола очистки на качество записи и электрофизиологические свойства, мы провели дополнительные эксперименты на острых срезах мозга из моторной коры головного мозга крыс. Мы зарегистрировали 81 нейрон в 12 срезах мозга от 2 животных (P21, P22) с помощью 28 пипеток с двумя последовательными циклами очистки и сравнили клеточную и синаптическую физиологию.Мы исключили 4 интернейрона, кроме того, были исключены 9 клеток с деполяризованным мембранным потенциалом, которые были зарегистрированы на свежих и очищенных пипетках с равной вероятностью (3/28 клеток со свежими пипетками, 2/28 клеток после первой очистки и 4/28 клеток после второй очистки. ), подробнее см. в разделе «Материалы и методы».

    Мы построили график распределения клеточных и синаптических свойств свежих и очищенных пипеток на рисунке 3. Кроме того, мы рассчитали среднее относительное изменение и его доверительный интервал для всех запрошенных параметров.Мы обнаружили, что относительное изменение среднего значения этих параметров находится в пределах 10%. Мы также рассчитали доверительный интервал этих относительных средних изменений, который представляет собой границы статистически значимой эквивалентности. В целом, мы не нашли доказательств систематического воздействия нашего подхода к очистке на клеточную или синаптическую физиологию. Мы включили статистические результаты в качестве исходных данных на рис. 3 и соответствующим образом адаптировали раздел «Материалы и методы».

    2) В статье слишком много внимания уделяется анализу связности и игнорируются его ограничения, например.г., ложные негативы. Авторы могут пожелать, вместо этого, подчеркнуть, что мультипатч-запись в настоящее время является единственным доступным методом для анализа прочности и краткосрочной пластичности моносинаптической связи.

    Мы благодарим рецензента за то, что он поднял этот вопрос, и соглашаемся с тем, что существуют ограничения в отношении анализа связности с использованием мультипатч-записей. Мы включили параграф, посвященный потенциальным причинам ложноотрицательных результатов в Обсуждение.

    Мы также согласны с тем, что синаптическая сила и кратковременная пластичность являются важными параметрами этих связей.Несмотря на то, что парная конфигурация записи с фиксацией состояния представляет собой оптимальный подход к анализу этих параметров, их также можно определить, комбинируя записи с фиксацией фиксации с двухфотонным снятием каркаса глутамата или оптогенетической стимуляцией. Однако надежность пресинаптической стимуляции может быть ниже, чем при использовании метода патч-кламп. Мы подчеркнули важность этих параметров и технические преимущества мультипатч-подхода в соответствующем разделе «Обсуждение».

    3) Важные отсутствующие экспериментальные детали включают указание на возможность исправления ячеек во время записи из других ячеек, время, необходимое для проверки возможности соединения, и анализ распределения расстояний между записанными ячейками (например,g., является ли распределение ячеек по расстояниям, полученным для продления записи, таким же, как полученное изначально?).

    Хотя проверка возможности подключения одновременно с установкой исправлений сэкономит время, мы воздержались от этого по нескольким практическим причинам, которые мы изложили в новом абзаце в разделе «Результаты». Мы также включили время, необходимое для проверки возможности подключения и измерения внутренних свойств ячеек (раздел «Результаты»).

    Мы благодарим рецензента за то, что он поднял важный вопрос о том, что межсоматические расстояния могут влиять на вероятность соединения, и что необходимо контролировать местоположения репатриированных ячеек, чтобы предотвратить возможное смещение.Как и предполагалось, мы проанализировали эффект очистки с расширением на межсоматическое расстояние в наших предыдущих экспериментах с предубикулумом крыс и обнаружили аналогичное распределение между кластерами, полученными с очисткой с расширением и без нее. Мы построили распределение расстояний на Рисунке 5 — в приложении 1 к рисунку и обсудили их в разделе «Результаты».

    4) Авторы подчеркивают некоторые преимущества полуавтоматического подхода, но не определяют другие аспекты мультипатч-экспериментов, которые могут выиграть от автоматизации — например, сбор данных и онлайн-контроль качества, а также обнаружение соединения в реальном времени.Учитывая потенциал для сбора такого большого количества данных, следует рассмотреть формат данных (например, нейроданные без границ), совместное использование данных, автоматизацию обнаружения и анализа соединений.

    Мы согласны с тем, что есть несколько аспектов экспериментов, которые можно автоматизировать в дальнейшем, и мы также убеждены, что увеличение объема данных требует стандартизации анализа и формата данных. Однако мы видим компромисс между экспериментальной гибкостью и автоматизацией сбора и анализа данных.Поскольку мы хотели максимизировать применимость для других групп и их конкретных вопросов в этом отчете, мы использовали коммерчески доступное программное обеспечение для сбора данных, в то время как автоматический анализ трассировки для обнаружения соединений, безусловно, важен и требует постоянных усилий. Хотя программное обеспечение Signal может также выполнять онлайн-анализ, мы считаем, что это необходимо только для экспериментов с замкнутым циклом. Мы включили новый абзац по этим вопросам в раздел «Обсуждение». Мы также поддерживаем усилия открытой науки и разработки стандартизированного формата данных для облегчения сотрудничества.Мы предоставили предложения по этой теме в разделе «Обсуждение».

    5) Несмотря на то, что использование редких живых тканей человека и, особенно, для увеличения объема данных по каждому образцу является веским основанием для разработки систем с несколькими заплатками, возможно, еще не известно, будет ли этого достаточно, чтобы исследовать разницу между частные лица. Какие различия наблюдались при обсуждении различий между людьми? Типы ячеек, связи? Я бы посоветовал авторам смягчить это утверждение.

    Мы понимаем озабоченность автора обзора относительно статистической силы наших размеров выборки для выявления значимых различий между людьми. Мы хотим подчеркнуть, что наша основная цель получения больших выборок от отдельных пациентов состоит не в том, чтобы определить эти различия между отдельными людьми, а, скорее, в том, чтобы получить возможность оценивать межиндивидуальную изменчивость. Мы считаем, что это очень важно, поскольку ткань получена от очень разнородной группы пациентов.Анализ данных на индивидуальном уровне может помочь нам определить инвариантные параметры, которые могут указывать на общие принципы коры головного мозга человека. С другой стороны, параметры с высокой индивидуальной вариабельностью следует анализировать с осторожностью и проводить дальнейшие исследования. Поэтому мы считаем, что получение статистически значимых наборов данных у одиноких пациентов является важным шагом для мотивации и руководства будущими исследованиями. Мы перефразировали и детализировали нашу претензию в рукописи, чтобы лучше отразить этот аспект (Аннотация; Введение; Обсуждение).

    В нашем предварительном анализе мы не обнаружили существенных различий во взаимосвязи пирамидных клеток между пациентами, в то время как мы определили, что доверительный интервал различий в вероятности подключения находился в диапазоне от -5% до 9,5%. В целом, мы полагаем, что полный анализ и обсуждение потенциальных инвариантных и вариантных параметров выходят за рамки этого технического отчета, и их лучше рассмотреть в отдельной исследовательской статье. Мы добавили статистический анализ в соответствующие разделы «Результаты» и «Материалы и методы».

    [Примечание редакции: до принятия были запрошены дополнительные исправления, как описано ниже.]

    Рукопись была значительно улучшена, но остается одна проблема, которую необходимо решить до принятия, как указано ниже:

    Относительно новых экспериментов по повторному связыванию после обработки Alconox без промывки Alconox (подраздел «Окончательная последовательность удаления не требует дополнительных лунок, содержащих aCSF»). Они убедительны и показывают, что в тканях мозга молодых крыс в целом наблюдается небольшой кумулятивный эффект процесса очистки на последующее здоровье нейронов.Здесь необходимо прояснить два момента.

    1) Ожидают ли авторы, что результаты со зрелой мозговой тканью человека будут эквивалентны результатам с мозговой тканью молодой крысы? Есть ли какие-либо ограничения, о которых нам следует знать в этом валидационном эксперименте.

    2) Были ли когда-либо репатриированы одни и те же нейроны после очистки? Это позволит провести прямое сравнение свойств нейронов до и после очистки патч-пипетки.

    Мы провели первые ревизионные эксперименты на крысах, потому что у нас редко есть человеческие ткани и мы не получали их во время ревизии.Мы также не пытались перепатчить одни и те же нейроны. Однако нам повезло, и мы дважды получали человеческую ткань за последние две недели, и теперь мы провели дополнительные эксперименты, чтобы оценить влияние очистки на электрофизиологические свойства человеческих нейронов.

    Мы сравнили свойства нейронов, покрытых свежими (n = 24) или очищенными пипетками (n = 9, рисунок 3 — приложение к рисунку 1). Мы также перепрограммировали те же нейроны той же очищенной пипеткой (n = 9, рисунок 3 — приложение к рисунку 2) или другой свежей пипеткой (n = 5, рисунок 3 — приложение к рисунку 3).Мы смогли показать, что внутренние электрофизиологические свойства человеческих нейронов были и оставались схожими в разных условиях (статистические данные и тесты на рисунке 3 — исходные данные 1). Хотя мы действительно наблюдали значительное снижение входного сопротивления в клетках, повторно сопоставленных с помощью очищенной пипетки, несколько дополнительных факторов могли способствовать изменчивости в этих нейронах, например, эффект самовосстановления или прошедшее время. Эти не зависящие от очистки изменения отражаются в вариабельности, обнаруживаемой также в нейронах, повторно обработанных свежими пипетками (рис. 3 — приложение к рис. 3).

    Поскольку мы показали, что сама пипетка не оказывает систематического влияния на внутренние свойства, мы также рассмотрели возможность того, что внеклеточный раствор, в котором были промыты пипетки, мог иметь эффект (Рисунок 3 — рисунок Приложение 4). Поэтому мы исправили кластеры нейронов (n = 19) и сравнили их свойства и синаптические связи (n = 7) до и после очистки других пипеток, чтобы смоделировать изменения во внеклеточном растворе после промывания.Опять же, мы обнаружили, что потенциал мембраны покоя и кинетика потенциала действия оставались очень стабильными (средняя относительная разница в пределах 2%), в то время как входное сопротивление и сопротивление доступа увеличивались. Мы также не наблюдали особой тенденции в постсинаптических амплитудах между этими двумя состояниями, которая показывала как небольшое увеличение, так и уменьшение (n = 7, Рисунок 3 — приложение к рисунку 5, Рисунок 3 — исходные данные 2). Мы соответствующим образом скорректировали разделы «Результаты» и «Материалы и методы» в рукописи.

    В целом, мы смогли показать, что результаты наших экспериментов по очистке нейронов человека аналогичны тем, которые мы продемонстрировали на нейронах крысы, даже когда та же самая клетка была репатриирована.Мы действительно увидели, что входное сопротивление уменьшилось в клетках, повторно обработанных с помощью очищенной пипетки, и увеличилось в клетках, зарегистрированных в ACSF после промывки. Хотя повторная синхронизация, время записи и нейронная изменчивость могут повлиять на эти параметры, мы не можем исключить эффект очистки пипетки в этом случае. Поэтому мы подчеркиваем, что эти валидационные эксперименты ограничиваются нашими вопросами настройки и исследования и что любая реализация нашей процедуры очистки другими должна быть тщательно проверена на параметры и в интересующей модели организма.Тем более, что прилипший детергент на пипетке может зависеть от множества факторов, которые необходимо учитывать и настраивать для каждой экспериментальной установки (подраздел «Окончательная последовательность изгнания не обязательно требует дополнительных лунок, содержащих aCSF»).

    Кроме того, поскольку каждый патч-электрод использовался более одного раза, возможно, релевантным статистическим сравнением здесь является дисперсионный анализ повторных измерений, а не статистика популяции групп, как, по-видимому, показано на рис. 3J, K и L.

    Спасибо за полезный совет. Мы выполнили повторные измерения ANOVA для 14 пипеток, с помощью которых были получены три успешных записи пирамидных клеток (свежие, 1x очистка, 2x очистка). Он не показал значимой тенденции, и мы включили результаты в Рисунок 3 — исходные данные 2. Мы также соответствующим образом адаптировали разделы «Результаты» и «Материалы и методы».

    https://doi.org/10.7554/eLife.48178.sa2

    шт. | کتابخانه دیجیتال یابش

    Этот чертеж является частью системы документации, состоящей из одной части и одного номера детали (см. 6.6 здесь). Доступны два класса гарантии качества продукции: высокая надежность военного назначения (классы устройств Q и M) и применение в космосе (класс устройств V), а также выбор контуров корпуса и отделки выводов, которые отражены в детали или идентификационном номере (PIN). Микросхемы устройства класса M представляют собой микросхемы класса B, не относящиеся к JAN, в соответствии с 1.2.1 стандарта MIL-STD-883, «Положения по использованию MIL-STD-883 в сочетании с устройствами, не поддерживающими JAN». Если возможно, выбор уровней радиационной стойкости (РНК) отражается в PIN-коде.
    PIN-код должен быть таким, как показано в следующем примере:
    Устройства класса M с маркировкой RHA должны соответствовать уровням RHA, указанным в приложении A MIL-I-38535, и должны быть отмечены соответствующим обозначением RHA. Устройства классов Q и V с маркировкой RHA должны соответствовать указанным уровням RHA MIL-I-38535 и должны быть отмечены соответствующим обозначением RHA. Тире (-) указывает на устройство, не относящееся к RHA.
    Тип (ы) устройства должны идентифицировать функцию цепи следующим образом:

      Тип устройства   Общий номер   Функция цепи  01 79R3081E 32-битный микропроцессор RISC 

    Обозначение класса устройства должно быть одной буквой, идентифицирующей продукт следующий уровень гарантии:

      Класс устройства   Документация по требованиям к устройствам  M Самосертификация поставщика в соответствии с требованиями к микросхемам класса B, не относящимся к JAN, в соответствии с 1.2.1 MIL-STD-883 Q или V Сертификация и квалификация в соответствии с MIL-I-38535 

    Схема (и) корпуса должна быть такой, как указано в MIL-STD-1835, а именно:

      Контурная буква   Описательное обозначение   Клеммы   Тип упаковки  X См. Рисунок 1 84 Плоский пакет из четырех частей 

    Отделка выводов должна соответствовать стандарту MIL-STD-883 (см. 3.1) для класса M или MIL-I-38535 для классов Q и V. Буква «X» на отделке не наносится на микросхему или ее упаковку. Обозначение «X» используется в спецификациях, когда свинцовые покрытия A, B и C считаются приемлемыми и взаимозаменяемыми без предпочтения.

     Диапазон температур хранения. . . . . . . . . . . . . . . . . . . От −65 ° C до + 155 ° C Максимальная рассеиваемая мощность (P  D ). . . . . . . . . . . . . . . . 4,2 Вт Напряжение на клеммах относительно диапазона заземления (V  TERM ).. . . . . От −0,5 В до +7,0 В постоянного тока Диапазон входного напряжения (В  IN ). . . . . . . . . . . . . . . . . . От −0,5 В до +7,0 В постоянного тока Диапазон температур ниже смещения (T  BIAS ). . . . . . . . . . . . . От −65 ° C до + 135 ° C Температура вывода (пайка, 10 секунд). . . . . . . . . . . 260 ° C Термическое сопротивление переход-корпус (Θ  JC ):.
    		
    		 Схем	
    		                                
    		                                			
    		
    		
    
    

    Добавить комментарий

    Ваш адрес email не будет опубликован.