Mikroelektródás agyi mérések elemzése Kőrössy Csaba, IV. éves fizikus ELTE Biofizika szeminárium Budapest 2007.

Az előadások a következő témára: "Mikroelektródás agyi mérések elemzése Kőrössy Csaba, IV. éves fizikus ELTE Biofizika szeminárium Budapest 2007."— Előadás másolata:

1 Mikroelektródás agyi mérések elemzése Kőrössy Csaba, IV. éves fizikus ELTE Biofizika szeminárium Budapest 2007.

2 Amiről szó lesz Idegsejtek aktívak: –Transzmembrán áramok –Extracelluláris potenciál ? Ezt mérjük Erre vagyunk kíváncsiak

3 (Mikro)elektródás mérések előnyei Közvetlen információ az idegsejtek működéséről Nagyon jó időbeli felbontás (~ms) Mikroelektródákkal lokális sejtpopuláció aktivitása jó időbeli felbontással nyomonkövethető

4 A mérések vázlata elektródasor agykérgi rétegek

5 A mért potenciál két fő komponensre bontható > 300 Hz: akciós potenciál 0-500 Hz: posztszinaptikus áramok Ezt fogjuk elemezni

6 Egy példa a mérésre Borbély Sándor, Világi Ildikó ELTE Élettani és Neurobiológiai Tanszék epilepsziás aktivitás nincs aktivitás in vitro kiváltott epilepszia patkányagyszeleten Potenciált mikroelektródákkal regisztrálják Aktivitás térbeli kiterjedtségét megjelenítik

7 Potenciál → Áramok kvázisztatikus közelítés EC folyadék híg elektrolit → Ohm-törvény agyszövet elektromos szempontból homogén, izotróp → ? j: transzmembrán áramsűrűség σ: ExtraCelluláris vezetőképesség Φ: EC potenciál

8 A hagyományos forrásmeghatározó módszer 1d mérés x és y szerinti deriváltakat elhanyagolják feltételezve, hogy az agykérgi rétegekben homogén az aktivitás 3d deriválás

9 …és annak problémája Agykérgi rétegek, oszlopok Nem tekinthető végtelen síkokban homogénnek az aktivitás Figyelembe kell venni az agykérgi oszlopokat

10 Másik probléma Mivel nem ismerjük a z-tengely mentén minden pontban a potenciált, a megoldás nem egyértelmű Pl.: minden gömbszimmetrikus, azonos össztöltésű forráseloszlás ugyanazt a teret kelti a forrásokon kívül eső térrészben

11 EEG/MEG Ez a probléma az EEG/MEG-es képalkotás során is felmerül Globális kényszerfeltételekk el (legkisebb norma, ‘simaság’) teszik a megoldást egyértelművé

12 A hagyományos helyett új módszer kell IjIj F ij : a j. egységnyi ‘töltésű’ körlap tere az i. mérési pontban Figyelembe veszi az oszlopokat, de a valódi források folytonosak.

13 Új módszer 2. IjIj Több téglalap, mint mérési pont, alulhatározott a feladat Extra kritérium kell, pl.: legkisebb normájú vagy legsimább megoldás ModellforrásKritérium 1.Minimum Norm 2.Weighted Minimum Morm 3.Loreta IjIj Több téglalap, mint mérési pont, alulhatározott a feladat Extra kritérium kell, pl.: legkisebb normájú vagy legsimább megoldás ModellforrásKritérium 1.Minimum Norm 2.Weighted Minimum Morm 3.Loreta

14 Az EEG-s módszerek MN: legkisebb normájú megoldás WMN: MN torzítását javítja a súlyozással Loreta: legsimább megoldás → Ω az a diagonális mátrix, aminek a főátlójában F T F főátlója van

15 A forrásmeghatározó módszerek tesztelése I teszt Eltérés? Átlagos módszerek

16 Ezt kell visszaadnia a módszereknek

17 Így adják vissza Forrássűrűség ( μ A/mm 3 ) MN Dirac- δ ∂2∂2 WMN Módosított Loreta Különböző módszerek forrásbecslése

18 A hagyományos módszer problémája A fekete görbét kell visszaadnia a módszernek Forrássűrűség ( μ A/mm 3 ) MN Dirac- δ ∂2∂2 WMN Módosított Loreta

19 Van jó módszer Forrássűrűség (μA/mm3)

20 Összefoglalás Van egy fizikai egyenletünk a problémára, ami a mérési korlátok miatt közvetlenül nem alkalmazható Figyelembe véve a biológiai realitást, a forráseloszlás kiszámítható Ezzel nyomon követhetjük lokális sejtpopulációk tér- és időbeli aktivitását, ami fontos információ pl. betegségek (epilepszia) megértésében

21 VÉG(r)E Köszönöm a figyelmet!