Előadást letölteni
Az előadás letöltése folymat van. Kérjük, várjon
KiadtaBorbála Balázsné Megváltozta több, mint 9 éve
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!
Hasonló előadás
© 2024 SlidePlayer.hu Inc.
All rights reserved.