Novinově citlivé dopaminergní neurony v lidské substanci Nigra předpovídají úspěch deformační paměťové formace (2018)

Obrázek 1

Úkoly, chování a umístění záznamu

(A) Zjednodušené shrnutí modelu Lisman-Grace.

(B) Úkol. Nahoru: obrazovky prezentované subjektům během vzorového pokusu. Spodní: doba, za kterou byla každá obrazovka zobrazena.

(C) Chování. Je zobrazena přesnost rozpoznávání všech relací, seřazeno podle pořadí. Zelené pruhy označují relace s náhodnou přesností; žluté pruhy označují relace s nahrávkami lokalizovanými mimo SN.

(D a E) Umístění míst pro záznam mikroelektrod v prostoru Talairach na Y = -16 (D) a Y = -17.2 (E). Obrysy označují hranice SN a STN odvozené z atlasu [21]. Kontakt je zbarven červeně, pokud alespoň jeden neuron selektivní pro paměť (viz SN Neuroni rozlišují mezi romány a známými Stimuli a Analýza typu buněk) byl zaznamenán na tomto místě a pokud není uvedeno jinak, byl modrý.

(F) Umístění kortikálních záznamů. Zobrazeno je střední umístění zaznamenaných kontaktů ECoG v průběhu šesti relací záznamu, pro které byl k dispozici intraoperativní rentgenový snímek (viz Metody STAR). Vidět Obrázek S2D například od jednotlivého subjektu. Zobrazený rekonstruovaný mozek je mozek šablony [22].

Zobrazit velký obrázek | Zobrazit obrázek s vysokým rozlišením | Stáhněte si PowerPoint Slide

Highlights

• Neurony lidské substantia nigra (SN) jsou modulovány stimulační novinkou

• Neurony selektivní na paměť v substantia nigra jsou údajně dopaminergní

• Fázové blokování neuronů SN předním kmitáním předpovídá tvorbu paměti

• Ověřuje předpovědi modelu Lismana a Graceho VTA / SN-hippocampu u lidí

Shrnutí

Kódování informací do dlouhodobé deklarativní paměti usnadňuje dopamin. Tento proces závisí na hipokampálních novinkách, ale zůstává neznámé, jak jsou dopaminergní neurony středního mozku modulovány informacemi založenými na deklarativní paměti. Zaznamenali jsme jednotlivé neurony substantia nigra (SN) a potenciály kortikálního pole u lidských pacientů provádějících úlohu rozpoznávání paměti. Zjistili jsme, že 25% SN neuronů bylo modulováno stimulační novinkou. Tvar extracelulárních vln a anatomické umístění naznačovaly, že tyto neurony selektivní k paměti byly údajně dopaminergní. Odpovědi neuronů selektivních na paměť se objevily 527 ms po nástupu stimulu, změnily se po jedné studii a byly indikátorem přesnosti rozpoznávání. Fáze neuronů SN uzamčena na frontální kortikální kmity theta-frekvence a rozsah této koordinace předpovídal úspěšnou tvorbu paměti. Tato data ukazují, že dopaminergní neurony v lidském SN jsou modulovány paměťovými signály a demonstrují progresi toku informací ve smyčce hipokampu-bazální ganglia-frontální kůra pro kódování paměti.

Úvod

Vytváření deklarativních vzpomínek závisí na schopnosti hipokampálních synapsí rychle změnit svou sílu prostřednictvím dlouhodobé potenciace a deprese [1]. Síla a trvání synaptické plasticity závisí na hladinách extracelulárního dopaminu [2, 3], neuromodulátor, který je uvolňován v hippocampu z axonálních terminálů vyčnívajících z dopaminergních neuronů v substantia nigra (SN) a ventrální tegmentální oblasti (VTA) [4]. Síla hipokampálních deklarativních vzpomínek je modulována uvolňováním dopaminu: jak rozsah aktivace SN / VTA [5, 6] a hladina dopaminu v hippocampu [2, 7] modulovat úspěch kódování. Když jsou zvířata vystavena novému prostředí, hladina dopaminu stoupá a usnadňuje dlouhodobé potenciace v hippocampu. Tato vylepšená paměť pro nová prostředí se však ztratí, když jsou blokovány hipokampální dopaminové receptory [8]. Ačkoli tato a další pozorování naznačují kritickou roli pro dopamin uvolněný neurony SN / VTA v deklarativní paměti [9, 10, 11], základní mechanismy, které regulují tuto reakci, jsou špatně pochopeny.

Studium toho, jak dopaminergní neurony SN / VTA signalizují chyby odměny a očekávání odměny [12, 13, 14] odhalil mechanistické chápání úlohy SN / VTA v klasickém kondicionování a posilování učení [15]. Navíc, u lidí, SN neurony také reagují na řídké zvuky v paradigmatu liché koule [16] a zakódovat výsledky rozhodnutí [17]. O úloze SN / VTA v získávání deklarativních vzpomínek je naopak málo známo. Přestože dopaminergní neurony SN reagují na nové podněty během kondicionování [13, 18, 19, 20], neexistují žádné záznamy o SN neuronech během deklarativních paměťových úkolů. Proto zůstává neznámé, zda se SN neurony liší od nových stimulů a zda taková aktivace souvisí s úspěchem kódování paměti.

Bylo navrženo, že dopaminergní systém a hippocampus tvoří multisynaptickou smyčku, která začíná signálem hipokampální novosti, který přechodně excituje dopaminergní neurony v SN / VTA, což zase vede k posílení hippocampální plasticity prostřednictvím aktivace hippocampálních dopaminových receptorů (Obrázek 1A) [9, 23]. Ačkoli se původní hypotéza týká jak SN, tak VTA, zaměřujeme se zde pouze na SN, a proto omezujeme následující diskusi na předpovědi relevantní pro SN. Rovněž neomezujeme diskusi na dopaminergní SN neurony, protože GABAergické neurony zase inhibují dopaminergní (DA) neurony [24], takže jejich odpověď je stejně relevantní pro hypotézu. Hypotéza hippocampu-SN / VTA smyčky [9, 23] dělá tři specifické předpovědi s ohledem na deklarativní paměti: za prvé předpovídá, že aktivita SN neuronů je modulována stimulační novostí během úloh deklarativní paměti. Za druhé, předpovídá, že se tato modulace objeví relativně k nástupu stimulu nejprve v hipokampu a poté v SN. Zatřetí, pokud je to relevantní pro deklarativní paměť, měla by aktivita SN během nových podnětů předpovídat úspěch nebo selhání formování paměti, jak je hodnoceno pozdějším chováním. Zde testujeme tyto tři předpovědi přímo u lidí tím, že zaznamenáváme aktivitu jednotlivých SN neuronů a spojujeme jejich aktivitu s behaviorálně vyhodnocenou silou paměti.

Naši jedinci provedli úlohu rozpoznávací paměti, pro kterou jsme my a ostatní popsali novorozenecké signální neurony v lidském hippocampu [25]. Míra, do které jsou tyto paměťově selektivní neurony modulovány probíhajícími theta oscilacemi, predikuje úspěch nebo selhání tvorby paměti [26]. Dopamin je považován za zásadní pro úspěch tvorby paměti v tomto úkolu, což vyvolává otázku, zda je aktivita SN neuronů dodatečně koordinována probíhajícími theta oscilacemi. Theta-frekvence a jiné nízkofrekvenční oscilace jsou kritické při koordinaci toku informací mezi kortikálními a subkortikálními oblastmi [27, 28, 29], včetně SN / VTA, hippocampu a kůry. Zůstává však neznámé, zda koordinace nervové aktivity mezi SN neurony a kůrou také hraje roli při vytváření deklarativní paměti. Zde jsme současně zaznamenávali aktivitu SN neuronů spolu s potenciály kortikálního pole na čelním laloku, abychom posoudili, zda je aktivita SN neuronů koordinována s kortikální aktivitou a zda taková koordinace predikuje úspěch tvorby paměti.

výsledky

Úkol a chování

Předměty 23 (28 relace; viz Tabulka S1) podstupující implantaci zařízení pro hlubokou mozkovou stimulaci (DBS) v subthalamickém jádru (STN) za účelem léčby Parkinsonovy choroby (PD) nebo esenciálního třesu provedlo úkol paměti s nepřetržitým rozpoznáváním. Vyloučeny byly dvě nahrávací relace, protože subjekty prováděly na úrovni náhody, a tři relace byly vyloučeny, protože nahrávky byly prováděny mimo SN (viz. Čísla 1D a 1E). Relace 23 tak zůstaly pro analýzu.

Subjekty byly požádány, aby si prohlédly sled obrázků a identifikovaly každý obrázek jako nový nebo známý (Obrázek 1B). Subjekty stiskly tlačítko „nové“ nebo „staré“, aby poskytly své odpovědi (identita tlačítka byla v polovině experimentu obrácena). Každý snímek byl představen až třikrát. První prezentace se označuje jako „nová“ a zbývající dvě prezentace jako „známá“. Subjekty si vedly dobře s průměrnou přesností rozpoznání 82% (± 8%, ± SD; Obrázek 1C). Subjekty také pokračovaly v učení, což dokazuje významné zvýšení výkonu během druhé známé prezentace (87% ± 13%) ve srovnání s první (74% ± 12%, t [22] = 5.62, p = 0.0005, permutace spárovaná t test). K analýze byly použity pouze správné pokusy, pokud není uvedeno jinak. Medián času mezi nástupem obrazovky otázek a stiskem tlačítka byl 0.69 ± 0.99 s, bez významného rozdílu v reakční době mezi novými (1.12 ± 1.06 s) a známými odpověďmi (1.05 ± 0.90 s, t [22] = 1.17, p = 0.26, permutační párový t test). Každý z použitých obrázků patřil do jedné ze tří různých vizuálních kategorií (zvířata, krajina a ovoce). Nebyly zjištěny žádné významné rozdíly v reakční době jako funkci vizuální kategorie (jednosměrná permutace ANOVA: F [2,44] = 2, p = 0.13). Společně tyto údaje o chování ukazují, že pacienti provedli úkol přesně. Předoperační neuropsychologické hodnocení bylo v souladu s tímto pozorováním (viz Tabulka S1).

Elektrofyziologie

Identifikovali jsme 66 dobře izolované putativní jednotlivé neurony zaznamenané z SN. Čísla 1D a 1E ukazují umístění všech záznamových míst v Talairachově prostoru podle stereotaktických souřadnic (viz také Metody STAR a Obrázky S2E a S2F). Neurony byly dobře izolovány, jak bylo kvantitativně stanoveno pomocí metrik kvality třídění špiček (Obrázek S1). V celém rukopisu používáme výrazy neuron, jednotka a buňka zaměnitelně pro označení domnělého jediného neuronu. Z každé mikroelektrody jsme také zaznamenávali potenciály pole pomocí nízkoimpedančního kontaktu elektrody umístěného 3 mm nad špičkou mikroelektrody (Obrázek S2A). Kromě toho jsme zaznamenali signály kortikální povrchové (elektrokortikografie [ECoG]) pomocí subdurální elektrody umístěné podél dorzálního fronto-parietálního povrchu mozku, které se rozprostírá přední a zadní k centrálnímu sulku (Obrázky S2B – S2D). Lokalizovali jsme polohu elektrod ECoG a jejich příbuzné kortikální oblasti pomocí kombinace intraoperačního zobrazování a střední stimulace nervu (viz viz. Metody STAR a Obrázky S2C a S2D). Střední umístění všech ECoG nahrávek je uvedeno v Obrázek 1F.

Neuroni SN reagují na vizuální stimuly

Nejprve jsme testovali, zda neurony změnily rychlost jejich palby v reakci na počátek obrazu při posuzování všech pokusů společně, bez ohledu na novost / známost (viz viz Metody STAR). Zjistili jsme, že 14/66 (21.2%, p = 0.002, ve srovnání s nulovou distribucí; Obrázek 2A) neuronů změnilo svoji rychlost střelby v reakci na nástup obrazu (porovnání špiček v okénku 0–1.5 s po nástupu stimulu s okénkem −0.5–0 s předcházejícím nástupu stimulu). Z těchto „neuronů reagujících na obraz“ pět zvýšilo rychlost střelby ve srovnání s výchozí hodnotou (příklad neuronu ukázaného v Obrázek 2C) a 9 snížili jejich rychlost střelby (příklad neuronu je uveden v Obrázek 2D). Neurony, které zvýšily rychlost střelby, reagovaly významně rychleji než neurony, které snížily rychlost střelby (224.8 ± 138.5 ms oproti 426 ± 141.9 ms, t [12] = 2.58, p = 0.03, permutovaný t test; viz Obrázek 2B).

V mnoha oblastech lidského mozku neurony rozlišují mezi vizuálními kategoriemi [30]. Proto jsme se dále zeptali, zda reakce SN neuronů rozlišuje mezi třemi různými vizuálními kategoriemi (zvířata, krajina a ovoce) obrazů. Nenašli jsme důkazy pro neurony kategorie SN: jednosměrná permutace ANOVA neodhalila významný počet neuronů naladěných na vizuální kategorii (N = 6, 9.1%, p = 0.16; Obrázek 2A). Na rozdíl od mediálního spánkového laloku (MTL) [30], nenašli jsme vizuální signál kategorie v SN.

SN Neuroni rozlišují mezi romány a známými Stimuli

Dále jsme testovali, zda SN neurony signalizovaly, že stimul je nový (zobrazený poprvé) nebo známý (zobrazený podruhé nebo potřetí). Zde označujeme takové neurony jako paměťově selektivní (MS) neurony [25]. Testovali jsme, zda odpověď SN neuronů vykazovala tento vzorec porovnáním odpovědí neuronů po nástupu stimulu mezi novými a známými zkouškami. Nejdříve jsme se zaměřili na podskupinu, která měla větší vypalovací rychlost pro nový román oproti známým podnětům (viz Metody STAR). Identifikovali jsme takové neurony 11 (Čísla 3A – 3C; 16.6%, p = 0.002, ve srovnání s nulovou distribucí; viz také Obrázek S3A). Tuto podskupinu neuronů označujeme jako „novinové“ neurony. Tento rozdíl v reakci mezi novými a známými podněty byl patrný již při druhém zobrazení obrazu (Obrázek 3D, střední). Odpověď zůstala, ale při porovnání druhé a třetí prezentace stejného obrazu se dále nezesilovala (t [10] = 1.36, p = 0.21, permutovaný párový t test; viz Obrázek 3D, vpravo). Rozdíl v reakci mezi novými a známými stimuly navíc nezávisel na zpoždění mezi dvěma po sobě jdoucími prezentacemi stejného obrazu (F [3,30] = 0.22, p = 0.88, jednosměrná permutace ANOVA; viz Obrázek 3E).

Dále jsme testovali, zda ostatní SN neurony zvyšují rychlost střelby v reakci na známé obrazy. Zjistili jsme, že 6 neuronů (9%, p = 0.01, ve srovnání s nulovou distribucí; viz také Obrázek S3B) vykázal významný nárůst u známých ve srovnání s novými obrázky. Podobně jako u neuronů novinek se odpověď takových neuronů „známosti“ mezi druhou a třetí prezentací stejného obrazu dále nezměnila (t [5] = 0.7, p = 0.06; Obrázek 3D) a nebyl modulován délkou zpoždění mezi po sobě následujícími prezentacemi stejného obrazu (F [3,15] = 2.12, p = 0.14; Obrázek 3E). Tato data společně ukázala, že rychlost vypalování podstatného podílu SN neuronů (16.6% a 9.0%; Obrázek 3A) byly modulovány novinkou nebo známostí obrázků v deklarativní úloze paměti. Důležité je, že tato změna reakce byla viditelná po jediné studii (Obrázek 3D) pro neurony novosti i důvěrnosti.

Společně označujeme neurony 17 a známé jako neurony MS (Obrázek 3A). Neurony 4 MS se také kvalifikovaly jako neurony reagující na obraz (tj. Vykazovaly změnu rychlosti střelby ve všech studiích posuzovaných společně; viz viz Obrázek 2). Důvodem tohoto malého překrývání je absence odpovědi na nepreferovanou kategorii stimulů. Abychom to ukázali, porovnali jsme rychlost střelby pouze u nových nebo známých pokusů (v závislosti na tom, na jaký typ pokusu byl neuron citlivý) se základní rychlostí střelby. To odhalilo, že buňky MS měly významně vyšší rychlost střelby během prezentace obrazu (0–1.5 s, 7.23 ± 17.9 Hz) ve srovnání s výchozí hodnotou (–0.5–0 s, 6.2 ± 20.9 Hz, t [16] = 1.38, p = 0.042 , permutovaný párový t test), ale pouze pro jejich preferovaný typ pokusu (nový nebo známý; všimněte si, že to není výběrem, protože při výběru neuronů MS není zohledněna základní rychlost střelby).

Provedli jsme další kontrolní analýzy, abychom ověřili, že tento paměťový signál nebyl způsoben jinými faktory, jako je drift elektrody nebo pomalé změny rychlosti vypalování. Nejprve jsme ověřili, že během základního období neexistoval žádný podobný rozdíl: ani MS neurony novosti ani familiárnosti nevykazovaly takový rozdíl (Obrázek 3D, vlevo; ne významně odlišný oproti 0 pro neurony novosti [t [10] = 0.07, p = 0.94] a neurony známé [t [5] = 0.58; p = 0.54]). Také jsme testovali, kolik MS neuronů by bylo vybráno, kdybychom pro výběr použili spíše základní období (-0.5–0 s) než období po stimulu. Tato analýza odhalila pouze 1 (1.5%) ze 66 jednotek s významným rozdílem mezi novými a známými obrázky. Nakonec jsme použili regresní model se smíšenými efekty k identifikaci faktorů, které vysvětlují rozptyl rychlosti střelby neuronů MS. Jako prediktory jsme použili známost obrazu a číslo pokusu (plus ID neuronového klastru bylo použito jako náhodný efekt). Tato analýza odhalila, že regresor známosti obrazu byl významný i po zohlednění účinků počtu pokusů a byl mnohem silnější než regresor počtu pokusů pro oba typy neuronů MS (neurony novinky: t [864] = 8.95, p <1e − 30 pro nové / starý regresor versus t [864] = 1.67; p = 0.09 pro regresor počtu pokusů; neurony známé: t [501] = 7.24, p <1e − 12 pro nový / starý regresor versus t [501] = 3.67, p = 0.0002 pro regresor zkušebního čísla). Na závěr si všimněte, že jsme v průběhu experimentu náhodně míchali nové a známé podněty. Společně tyto kontrolní analýzy ověřují, že rozdíl v odezvách nelze připsat driftům elektrod.

SN MS Neurons Predict Behavior

Dále jsme zkoumali, zda odpověď MS neuronů (testovaných samostatně na neurony preferující novosti a známost) souvisí s pamětí, a to hodnocením, zda se jejich reakce měnila s chováním subjektu. Konkrétně jsme srovnávali nervové reakce na známé podněty (ty, které se ukázaly alespoň jednou dříve), které si pacienti správně pamatovali (odpověď „stará“), s těmi, které omylem zapomněli (odpověď „nová“). Po stránce chování vykazovali pacienti dobrý výkon: pamatovali si (skutečná kladná četnost) 74% snímků během prvního opakování („známý 1“) a 87% po druhém opakování („známý 2“). Zjistili jsme, že odezva nových buněk byla významně oslabena během pokusů, ve kterých byly známé snímky mylně hodnoceny jako nové ve srovnání s tím, kdy byly správně hodnoceny jako známé, s rozdílem rychlosti střelby 0.36 ± 0.36 Hz pro nesprávné a 0.60 ± 0.24 Hz pro správné zkoušky (viz Obrázek 3F; t [11] = 2.72, p = 0.02, permutovaný párový t test; použitou metrikou byl rozdíl v rychlosti střelby mezi okamžikem, kdy byl obraz nový a známý normalizovaný základní rychlostí střelby). Z tohoto srovnání jsme vyloučili pokusy, u nichž byla původní nová prezentace nesprávná (falešně pozitivní), takže pozorovaný rozdíl bylo možné připsat pouze zapomenutým obrázkům (falešně negativům). I když byla reakce na zapomenuté známé podněty menší, stále se významně lišila od nuly (Obrázek 3F; t [11] = 3.98, p = 0.002, permutovaný t test). Tato analýza společně ukazuje, že reakce nových neuronů svědčila o tom, zda si bude známý podnět pamatovat nebo na něj zapomenout. U neuronů, které zvyšují rychlost střelby (n = 6) na známé obrazy, byla tato korelace chování a neuronové aktivity kvantitativně podobná, ale ne významná (Obrázek 3F; t [5] = 2.31, p = 0.056).

Latence odpovědi

Jak rychle po nástupu stimulu rozlišovala odpověď neuronů MS SN mezi novými a známými obrazy? Abychom odpověděli na tuto otázku, dále jsme odhadli první okamžik, ve kterém se odpovědi lišily mezi novými a známými obrázky. Srovnali jsme kumulativní součet hrotových vlaků, což je metoda, která poskytuje odhad diferenciální latence neuronu s vysokou přesností [31]. Zjistili jsme, že průměrná diferenciální latence byla 527 ms po začátku obrazu (Obrázek 3G). Porovnali jsme tuto latenci s latencí neuronů MS (n = 122) překódovaných v MTL během podobného nového / starého rozpoznávacího úkolu v jiné populaci pacientů [32, 33]. MS neurony v MTL měly průměrnou diferenciální latenci 311 ms, která byla významně rychlejší ve srovnání s SN (p = 0.013, odhadováno na základě empiricky odhadované nulové distribuce, pro které byly náhodně znovu přiřazeny štítky oblasti). Tento výsledek byl také pravdivý, když jsme uvažovali o MS neuronech, které zvýšily jejich rychlost střelby na novost a známé podněty samostatně (p = 0.002 a p = 0.002, neurony, v porovnání s n = 64 novostí a n = 58 známých neuronů v MTL). Toto pořadí odpovědí je kompatibilní s modelem Lismana a Grace interakce mezi hipokampem a VTA / SN [9].

Analýza typu buněk

SN obsahuje dva základní typy neuronů: inhibiční GABAergické neurony a dopaminergní neurony, které se promítají do vzdálených cílů, včetně striata, amygdaly a hippocampu [4, 34, 35, 36]. Použitím extracelulárních záznamů lze často rozlišovat různé typy buněk na základě kombinace šířky tvaru extracelulárního hrotu a střední rychlosti vypalování [37]. Zejména v SN je známo, že dopaminergní neurony mají ve srovnání s GABAergickými neurony širší průběhy a nižší rychlost vypalování [38, 39], což má za následek bimodální rozdělení šířky křivky napříč všemi neurony. Zjistili jsme, že u všech zaznamenaných neuronů (N = 66) byla distribuce šířek špiček bimodální (Hartignova statistika poklesu: 0.0717, p = 0.006 [40]; vidět Čísla 3H a 3I). Dále jsme tedy zkoumali, zda jsou MS neurony přednostně určitého buněčného typu. Zjistili jsme, že neurony MS byly v průměru charakterizovány delšími průběhy vln ve srovnání s neurony jinými než MS (1.15 ± 0.23 ms oproti 0.96 ± 0.32 ms; délka průběhu byla měřena jako čas, který uplynul mezi dvěma pozitivními vrcholy [14] tvaru vlny; t [65] = 2.65, p = 0.012, permutační t test; Čísla 3H a 3I). MS neurony navíc splňovaly kritéria pro DA neurony stanovená předchozí prací: 15/17 MS neuronů mělo vlnové tvary delší než 0.8 ms a rychlost střelby nižší než 15 Hz [14, 41]. Zjistili jsme také, že místa záznamu, kde byly identifikovány neurony MS, byla převážně v dorzálních částech SN (Čísla 1D a 1E). Tyto výsledky jsou v souladu s umístěním pars compacta, ve kterém se nachází většina dopaminergních neuronů [42, 43]. Společně tyto analýzy podporují názor, že neurony MS, které jsme identifikovali, byly domněle dopaminergní.

Interakce SN-Cortex

Byla aktivita SN neuronů spojená s polní potenciální aktivitou zaznamenána z bazálních ganglií a / nebo kortikálního povrchu? Kvantifikovali jsme interakce spike-field pomocí koherence spike field (SFC) jako metriky k zodpovězení této otázky. Zaprvé, SFC mezi SN neurony a polními potenciály zaznamenanými v bazálních gangliích (STN) byla v thetafrekvenčním pásmu výrazně nad šance (Obrázek 4A, levý panel; signifikantní při p <0.05 ve 2–5 Hz napříč všemi neurony N = 56 s dostatečnými hroty). Všimněte si, že zde byl potenciál pole s největší pravděpodobností zaznamenán z STN a ne SN kvůli umístění záznamového kontaktu 3 mm nad špičkou mikroelektrody (viz Metody STAR a Obrázek S2A). Zadruhé, aktivita neuronů SN byla také koordinována s potenciály kortikálního pole: SN neurony preferovaly střelbu více během určitých fází kmitočtového pásma theta a alfa signálů ECoG zaznamenaných z kortikálního povrchu (SFC se významně lišil v 6–12 Hz frekvenční pásmo, N = 61, p <0.05; Obrázek 4A, pravý panel; viz legenda pro statistiku; viz také Obrázek S4 pro všechny elektrody). To platilo pouze pro jeden pár kontaktů ECoG umístěných před centrálním sulkem (označeno jako +2; ostatní kontakty nebyly významné; viz Obrázek S4). Kontakty +2 ECoG byly umístěny na horním čelním gyrusu v Brodmannově oblasti 6 (premotorická kůra). Toto zjištění naznačuje, že SN neuronová aktivita je funkčně spojena s touto oblastí čelního laloku (viz Diskuse). Dále jsme testovali, zda toto funkční spojení bylo behaviorálně relevantní, porovnáním jeho síly mezi novými zkouškami, které byly později zapamatovány, s novými zkouškami, které byly později zapomenuté.

Na základě předchozího výzkumu a předpovědí modelu [26], předpokládali jsme, že rozsah koherence pole hrotů během kódování nových obrazů předpovídá, zda by subjekty úspěšně zakódovaly novou paměť nebo ne. Abychom tuto hypotézu otestovali, porovnali jsme SFC během prohlížení nových obrázků mezi pokusy, které byly později správně zapamatovány, a pokusy, které byly později zapomenuty (tj. Označeny jako nové). Toto srovnání způsobené pamětí ukázalo, že obrazy, které si později zapamatovali, byly doprovázeny vyšším SFC ve frekvenčním rozsahu theta pro ECoG měřené před centrálním sulkem během kódování (N = 58 neuronů, 3–9 Hz, p <0.05; Obrázek 4B, pravý panel; viz legenda pro statistiku). Tento výpočet zahrnuje pouze pokusy, během nichž byl obrázek viděn poprvé (nový) a které subjekt správně označil jako „nový“. Proto byla reakce vždy stejná („nová“), s vyloučením možnosti, že tento rozdíl byl způsoben rozdíly v plánování motorů. Podobně jako u SFC s ohledem na všechny pokusy byl tento rozdíl významný pouze pro potenciály pole zaznamenané z předního +2 kontaktu umístěného na premotorické kůře (centrální sulcus +2; Obrázek 4B; Čísla 4C a 4D ukazují příklad neuronového SFC a spiku vyvolaného průměru). Nepozorovali jsme podobný vztah s polními potenciálními záznamy z bazálních ganglií (STN; Obrázek 4B, levý panel; všechny p> 0.05). Jako kontrolu jsme také porovnali výkon ECoG mezi těmito dvěma podmínkami, ale nezjistili jsme žádné významné rozdíly (Obrázek 4E; všechny p> 0.05). Společně to ukazuje, že rozsah SFC s dlouhým dosahem mezi SN neuronální aktivitou a potenciální aktivitou frontálního kortikálního pole zaznamenaný z premotorické kůry předpovídal úspěšnou tvorbu paměti.

Jak by bylo možné dosáhnout této koordinace hrotu / pole na dálku? Abychom odpověděli na tuto otázku, provedli jsme dále analýzu fázové koherence mezi záznamy potenciálu pole v bazálních gangliích (STN) a záznamy ECoG z kůry získané, zatímco si pacienti prohlíželi nové snímky (0–1.5 s vzhledem k nástupu stimulu; viz Metody STAR). Tato analýza ukázala, že úspěšné kódování nových pamětí bylo spojeno s významně vyšší fázovou koherencí ve frekvenčním rozsahu theta (5–10 Hz; Obrázek 4F; p <0.05; viz legenda pro statistiku). Podobně jako nález SFC byl tento účinek pozorovatelný pouze na centrální elektrodě sulcus +2 (Obrázek 4G). Síla signálů ECoG zaznamenaných z centrální elektrody sulcus +2 vykazovala výrazné snížení výkonu v beta pásmu začínající asi 500 ms po nástupu stimulu, což s největší pravděpodobností souviselo s přípravou pohybu (Obrázek 4H). Tomuto snížení beta předcházelo zvýšení výkonu theta frekvence (Obrázek 4H), který začal krátce po nástupu stimulu. Tento model ukazuje, že zpracování obrazu zvyšuje sílu theta oscilací v čelní kůře, což poskytuje potenciální mechanismus, pomocí kterého by SN neurony mohly modulovat rozsah koordinace mezi jejich aktivitou a frontální kortikální theta. Zde ukazujeme, že rozsah takového fázového blokování predikuje úspěšnost kódování paměti, což naznačuje, že kmitočty kmitočtového rozsahu theta koordinují přenos informací mezi oblastmi během kódování paměti.

Diskuse

Zjistili jsme, že aktivita jednotlivých neuronů v lidské substantia nigra rozlišuje mezi novými a známými obrazy v hipokampálním závislém deklarativním úkolu paměti. Dále jsme zjistili, že stupeň koordinace aktivity SN neuronů s kmitočty frontální theta kmitání byl prediktivní pro úspěšnou tvorbu paměti. Ačkoli předchozí práce ukazuje, že lidské SN neurony reagují na chyby predikce odměn [14] a občasné zvuky v paradigmatu liché koule [16], naše data jsou podle našich vědomostí první studií popisující aktivitu neuronů SN během deklarativní formování paměti u lidí.

Elektrofyziologické vlastnosti buněk selektivních pro paměť, které popisujeme, ukazují, že tyto buňky jsou s největší pravděpodobností dopaminergní. Tento závěr spočívá na dvou údajích: šířce jejich průběhů a anatomickém umístění. Dopaminergní neurony mají výrazně širší extracelulární vlnové tvary ve srovnání s GABAergickými neurony také umístěnými v SN [38, 39, 44]. Ačkoli dopaminergní neurony existují v celém SN, většina se nachází v podoblasti pars compacta SN [42, 43]. Většina dopaminergních neuronů by proto měla být umístěna v dorzálně-mediální části SN, což je oblast, kde jsme našli většinu neuronů MS. Bylo prokázáno, že tato kritéria spolehlivě oddělují dopaminergní a GABAergické neurony v SN na základě samotných elektrofyziologických funkcí [38, 39, 44, 45, 46]. Konečné potvrzení tohoto tvrzení bude vyžadovat buď histologickou analýzu [47] nebo genetické cílení [38]. Zde označujeme tyto neurony jako domněle dopaminergní, což naznačuje, že tento závěr spočívá pouze na extracelulárních záznamech.

Druhou úvahou je účinek pokračující neurodegenerace na naše výsledky. Většina subjektů ve studii měla PD, a proto trpěla podstatnou ztrátou dopaminergních buněk v SN. Naše nahrávky však přistoupily k anatomické oblasti, kde je dostatečná populace dopaminergních neuronů stále funkční i v PD. Dopaminergní ztráta PD postupuje nerovnoměrně [48, 49], zacílení na některé oblasti přísněji než na jiné. Analýzy tkáně post mortem u pacientů s PD obvykle vykazují vysokou ztrátu dopaminergních neuronů v kaudální části SN, přičemž přibližně 90% ztracených buněk. Naproti tomu úbytek buněk ve více hřbetních oblastech je mírnější (50% nebo méně) do míry srovnatelné s tím, co lze pozorovat při normálním stárnutí [49]. Několik studií se skutečně podařilo zaznamenat údajné dopaminergní neurony u pacientů s PD, kteří podstupují operaci STN DBS [14, 41]. S chirurgickým cílem v STN je rozumné očekávat, že záznamy SN budou umístěny převážně v hřbetní oblasti SN. Tento předpoklad byl potvrzen analýzou našich pozic elektrod, která ukázala většinu záznamů umístěných v dorzální části SN, kde se očekává, že dopad onemocnění bude relativně malý [49]. Zůstává však neznámé, zda PD mohla ovlivnit průběhy zbývajících DA neuronů, které jsme zaznamenali. Ačkoli jsme nezjistili korelaci závažnosti nemoci s délkou průběhu (viz Metody STAR), tento problém zůstává otevřenou otázkou. Nakonec byli pacienti zařazeni do naší studie ve značně časnějších stadiích PD než ti, kteří byli zařazeni do analýzy post mortem [48, 49], čímž se zachovává vyšší hustota dopaminergních buněk v hřbetních oblastech SN.

Bylo navrženo, že úlohou dopaminergní modulace hipokampálních paměťových procesů je zvýšit synaptickou plasticitu důležitých událostí, jako jsou ty, které jsou odměňující, sladěné s cíli subjektu nebo které přitahují pozornost [9, 23]. Navrhovaná cesta tohoto signálu k dosažení SN / VTA je prostřednictvím aferentů z jádra accumbens (NA) a pedunculopontinového tegmentálního jádra (PPTg), což jsou struktury podílející se na zprostředkování motivačních a pozorovacích procesů [50, 51]. NA i PPTg zase přijímají vstupy z prefrontální kůry (PFC) a hippocampu, což jim umožňuje integrovat signály o současných cílech a stimulační novosti [23, 50, 51]. Předpokládala se hypotéza, že signály novosti hipokampu způsobují uvolňování dopaminu v hipokampu touto multisynaptickou cestou [9, 23]. Zde jsme identifikovali domnělé dopaminergní neurony v SN, které jsou kompatibilní s touto hypotézou, protože reagují se zvýšením rychlosti střelby na nové podněty. Je zajímavé, že kromě novějších neuronů jsme také identifikovali menší skupinu domnělých dopaminergních neuronů, která reagovala zvýšením rychlosti palby na známé podněty. Odezvové charakteristiky této skupiny neuronů byly jinak podobné novinkám neuronů (Čísla 3D, 3E a 3H), s tou výjimkou, že významně nesvědčí o tom, zda si bude známý podnět pamatovat nebo na něj zapomenout (ale je to pravděpodobně kvůli nedostatku statistické síly). Ačkoli tyto neurony nejsou přímo předpovídány teoretickým modelem Lismana a Grace, je pravděpodobné, že také hrají roli při učení. Například různé koncentrace DA mohou vést buď k synaptické depresi nebo potenciaci [52] a úrovně DA mohou kontrolovat práh dlouhodobé potenciace (LTP) / dlouhodobé deprese (LTD) [53]. To naznačuje, že neurony, které zvyšují hladinu DA pro známé podněty, by se mohly podílet na udržování této homeostázy. Kromě toho mají různé typy dopaminových receptorů různé citlivosti a aktivační prahy a zprostředkovávají různé aspekty plasticity, včetně kódování versus konsolidace vzpomínek [54, 55]. Společně tato literatura v kombinaci s naším nálezem podporuje hypotézu, že neurony známé mají roli v mechanismech plasticity, které slouží k posílení již zakódovaných vzpomínek. K přímému testování této hypotézy je třeba další práce.

Latence SN odpovědí byla také kompatibilní s modelem Lismana a Grace, konkrétně že SN MS odpovědi se objevily významně později ve srovnání s odpověďmi pozorovanými v MTL [33]. Zde jsme zjistili, že SN odpovědi byly nejprve viditelné 527 ms po nástupu stimulu, což byl čas, který byl větší než interval 311 ms pozorovaný v MTL [32]. Námitkou tohoto srovnání je, že byl odvozen ze dvou různých populací pacientů (PD a epilepsie). Naše výsledky společně podporují myšlenku, že informace o novosti podnětu pozorovaná v SN pochází z MTL. Důležité je, že rozsah modulace SN buněk svědčí o tom, zda subjekt správně rozpozná známý podnět. Tento výsledek ukazuje, že odpověď SN buněk byla behaviorálně relevantní pro deklarativní paměťovou úlohu, kterou naši subjekty prováděli. Toto zjištění je také v souladu s lidskými studiemi, které ukazují, že aktivita SN fMRI - závislost na hladině krevního kyslíku (BOLD) předpovídá úspěšnou tvorbu paměti [5, 6]. Zůstává však neznámé, jaký je vztah mezi aktivitou různých typů buněk v SN a signálem BOLD (viz [56]). Naproti tomu jsme zde elektrofyziologicky identifikovali specifické typy SN buněk a ukázali jsme, že to je fázová aktivita domnělých DA neuronů krátce po nástupu stimulu, která predikuje tvorbu paměti.

Zjistili jsme, že aktivita SN neuronů byla systematicky spojena s fází probíhajících theta oscilací ve frontální kůře (měřeno na premotorové kůře). Tato koordinace byla behaviorálně relevantní, protože rozsah fázového blokování predikoval úspěch tvorby paměti. Předpokládá se, že oscilace ve frekvenčním rozsahu theta koordinují tok informací mezi MTL, bazálními gangliemi a frontální kůrou [27, 28, 29]. Zde nyní ukážeme, že u lidí je SN neuronální vypalování spojeno s kortikálními kmitočty theta frekvence a že taková koordinace je behaviorálně relevantní pro tvorbu paměti. Důležitost synchronizace theta mezi bazálními gangliemi a frontální kůrou byla prokázána předchozími záznamy o lidských pacientech provádějících kognitivní úkoly [57, 58]. Je zajímavé, že pomalá 4 Hz stimulace STN zlepšuje výkon v kognitivních úlohách [58]. Klíčovou neznámou otázkou je, zda oscilace theta, které jsme kvantifikovali, souvisí nebo synchronizují s hippocampálním theta [27, 28, 29].

Antidromická stimulace STN vyvolává krátké latenční odpovědi v premotorové kůře, která je kompatibilní s „hyperdirect“ cestou u lidí [59]. Existují tedy alespoň tři cesty, kterými by informace z MTL mohly dosáhnout SN: (1) přes NA a PPTg; (2) přes cestu přesměrování; a (3) přes striatum, které je propojeno s většinou frontální kůry [60]. Tato bohatá inervace s největší pravděpodobností vede k funkční závislosti SN a frontální kůry, jak bylo pozorováno pomocí BOLD-fMRI [61, 62]. Aktivita BOLD ve frontální kůře také předpovídá úspěšné kódování nových vzpomínek [63], signál, který je považován za odraz úlohy frontální kůry (včetně premotorických oblastí) při usnadňování kódování informací souvisejících s cílem a při organizování více informací do individuální paměti [63]. Zde nyní ukazujeme možný mechanismus, kterým by takové informace mohly ovlivnit sílu kódování paměti modulací dopaminergní aktivity SN. Klíčovým budoucím experimentem bude zjistit, zda je SN neuronální aktivita také koordinována s hipokampálními theta oscilacemi a jak tyto theta oscilace souvisejí s frontálními kortikálními oscilacemi theta.

Poděkování

Děkujeme za ochotu našich pacientů účastnit se této studie. Děkujeme pracovníkům operačního sálu Cedars-Sinai za jejich pomoc, Robertovi Zelayovi a Lorimu Scheinostovi za technickou podporu neurofyziologie a Jeffreymu Wertheimerovi za neuropsychologické hodnocení pacientů. Děkujeme Ralphovi Adolphsovi a všem členům Rutishauser Laboratory za diskusi. Tato studie byla umožněna počátečním financováním z nadace Pfeiffer Foundation a později byla podporována také NIH NINDS (U01NS098961), cenou NSF CAREER Award (BCS-1554105) a Nadačním fondem McKnight pro neurovědy (všechny UR).

Autorské příspěvky

UR a JK experiment navrhli. Experimenty prováděly JK, UR, KB a CPM. JK a UR provedli analýzu. ANM a KB provedli operaci. MT poskytovala péči o pacienta. JK, ANM a UR napsal článek. Všichni autoři diskutovali o výsledcích ve všech fázích projektu.

Prohlášení o zájmech

Autoři neprohlašují žádné konkurenční zájmy.

Doplňkové informace

Dokument S1. Obrázky S1 – S4 a tabulka S1