Neuheitsempfindliche dopaminerge Neuronen in der humanen Substantia Nigra sagen Erfolg der deklarativen Gedächtnisbildung voraus (2018)

Abbildung 1

Aufgabe, Verhalten und Aufnahmeorte

(A) Vereinfachte Zusammenfassung des Lisman-Grace-Modells.

(B) Die Aufgabe. Oben: Bildschirme, die den Probanden während eines Beispielversuchs präsentiert wurden. Unten: Die Länge der Zeit, für die jeder Bildschirm angezeigt wurde.

(C) Verhalten. Erkennungsgenauigkeit aller Sitzungen, Rang geordnet, wird angezeigt. Grüne Balken zeigen Sitzungen mit zufälliger Genauigkeit an; Gelbe Balken zeigen Sitzungen mit Aufzeichnungen an, die außerhalb von SN lokalisiert sind.

(D und E) Position der Mikroelektroden-Aufzeichnungsstellen im Talairach-Raum bei Y = –16 (D) und Y = –17.2 (E). Konturen zeigen von Atlas abgeleitete Grenzen von SN und STN an [21]. Ein Kontakt ist rot gefärbt, wenn mindestens ein Speicher-selektives Neuron vorhanden ist (siehe SN-Neuronen Unterscheiden Sie zwischen neuartigen und vertrauten Stimuli und Zelltyp-Analyse) wurde an diesem Standort aufgezeichnet und andernfalls blau.

(F) Ort der kortikalen Aufzeichnungen. Gezeigt ist die mittlere Position der aufgezeichneten ECoG-Kontakte in den sechs Aufnahmesitzungen, für die ein intraoperatives Röntgenbild verfügbar war (siehe STAR-Methoden). Sehen Abbildung S2D für ein Beispiel von einem einzelnen Subjekt. Das rekonstruierte Gehirn ist ein Template-Gehirn [22].

Großes Bild ansehen | Zeige hochauflösendes Bild an | PowerPoint-Folie herunterladen

Highlights

• Neuronen der humanen Substantia nigra (SN) werden durch Reizneuheiten moduliert

• Gedächtnisselektive Neuronen in der Substantia nigra sind mutmaßlich dopaminerge

• Die Phasenverriegelung von SN-Neuronen zu frontalen Oszillationen sagt die Gedächtnisbildung voraus

• Validiert Vorhersagen von Lisman und Grace VTA / SN-Hippocampus-Loop-Modell in Menschen

Zusammenfassung

Die Kodierung von Informationen in das deklarative Langzeitgedächtnis wird durch Dopamin erleichtert. Dieser Prozess hängt von den Neuheitssignalen des Hippocampus ab, es ist jedoch nicht bekannt, wie dopaminerge Neuronen des Mittelhirns durch auf deklarativem Gedächtnis basierende Informationen moduliert werden. Wir haben einzelne Substantia nigra (SN) -Neuronen und kortikale Feldpotentiale bei menschlichen Patienten aufgezeichnet, die eine Erkennungsgedächtnisaufgabe ausführen. Wir fanden heraus, dass 25% der SN-Neuronen durch Stimulus-Neuheit moduliert wurden. Die Form der extrazellulären Wellenform und die anatomische Lage zeigten, dass diese gedächtnisselektiven Neuronen mutmaßlich dopaminerge waren. Die Reaktionen von gedächtnisselektiven Neuronen erschienen 527 ms nach Beginn des Stimulus, änderten sich nach einem einzelnen Versuch und zeigten die Erkennungsgenauigkeit an. SN-Neuronen sind an frontale kortikale Theta-Frequenz-Oszillationen phasenverriegelt, und das Ausmaß dieser Koordination sagte eine erfolgreiche Gedächtnisbildung voraus. Diese Daten zeigen, dass dopaminerge Neuronen im menschlichen SN durch Gedächtnissignale moduliert werden und ein Fortschreiten des Informationsflusses in der Hippocampus-Basal-Ganglien-Frontal-Cortex-Schleife für die Gedächtniskodierung zeigen.

Einleitung

Die Bildung von deklarativen Erinnerungen beruht auf der Fähigkeit von hippocampalen Synapsen, ihre Stärke durch langfristige Potenzierung und Depression schnell zu verändern [1]. Die Stärke und Dauer der synaptischen Plastizität hängt vom extrazellulären Dopaminspiegel ab [2, 3], ein Neuromodulator, der im Hippocampus von axonalen Terminalen aus dopaminergen Neuronen in der Substantia nigra (SN) und dem ventralen Tegmentum (VTA) freigesetzt wird [4]. Die Stärke der hippocampalen deklarativen Erinnerungen wird durch die Dopaminfreisetzung moduliert: sowohl das Ausmaß der SN / VTA-Aktivierung [5, 6] und Dopaminspiegel im Hippocampus [2, 7] modulieren den Erfolg der Kodierung. Wenn Tiere neuen Umgebungen ausgesetzt werden, steigen die Dopaminspiegel und erleichtern die langfristige Potenzierung im Hippocampus. Dieses verbesserte Gedächtnis für neuartige Umgebungen geht jedoch verloren, wenn hippocampale Dopaminrezeptoren blockiert sind [8]. Obwohl diese und andere Beobachtungen eine kritische Rolle von Dopamin, das von SN / VTA-Neuronen im deklarativen Gedächtnis freigesetzt wird, nahelegen [9, 10, 11], sind die zugrundeliegenden Mechanismen, die diese Antwort regulieren, kaum verstanden.

Untersuchung, wie dopaminerge SN / VTA-Neuronen Belohnungs- und Belohnungs-Erwartungsfehler signalisieren [12, 13, 14] hat ein mechanistisches Verständnis der Rolle des SN / VTA im klassischen Konditionierungs- und Verstärkungslernen offenbart [15]. Darüber hinaus reagieren SN-Neuronen beim Menschen auch auf seltene Geräusche in einem Odd-Ball-Paradigma [16] und Entscheidungsergebnisse kodieren [17]. Im Gegensatz dazu ist wenig über die Rolle von SN / VTA bei der Erfassung deklarativer Speicher bekannt. Obwohl dopaminerge SN-Neuronen während der Konditionierung auf neue Reize reagieren [13, 18, 19, 20], es sind keine Aufnahmen von SN-Neuronen während deklarativer Speicheraufgaben vorhanden. Es ist daher nicht bekannt, ob SN-Neuronen bekannte von neuen Stimuli unterscheiden und ob eine solche Aktivierung mit dem Erfolg der Speichercodierung zusammenhängt.

Es wurde vorgeschlagen, dass das dopaminerge System und der Hippocampus eine multisynaptische Schleife bilden, die mit einem Hippocampus-Neuheitssignal beginnt, das vorübergehend dopaminerge Neuronen im SN / VTA anregt, was wiederum zur Stärkung der Hippocampus-Plastizität durch Aktivierung von Hippocampus-Dopamin-Rezeptoren führt (Abbildung 1EIN) [9, 23]. Obwohl die ursprüngliche Hypothese sowohl die SN als auch die VTA betrifft, konzentrieren wir uns hier nur auf die SN, und wir beschränken die folgende Diskussion daher auf Vorhersagen, die für die SN relevant sind. Außerdem beschränken wir die Diskussion nicht auf dopaminerge SN-Neuronen, da GABAerge Neuronen wiederum dopaminerge (DA) Neuronen hemmen [24], so dass ihre Antwort für die Hypothese gleichermaßen relevant ist. Die Hippocampus-SN / VTA-Schleifenhypothese [9, 23] macht drei spezifische Vorhersagen in Bezug auf deklarative Erinnerungen: Erstens sagt es voraus, dass die Aktivität von SN-Neuronen durch Stimulus-Neuheit während deklarativer Gedächtnisaufgaben moduliert wird. Zweitens wird vorausgesagt, dass diese Modulation relativ zum Beginn des Stimulus zuerst im Hippocampus, gefolgt vom SN, auftritt. Drittens sollte die SN-Aktivität während neuartiger Stimuli, falls sie für das deklarative Gedächtnis relevant ist, den Erfolg oder Misserfolg der Gedächtnisbildung vorhersagen, wie durch späteres Verhalten beurteilt. Hier testen wir diese drei Vorhersagen direkt beim Menschen, indem wir die Aktivität einzelner SN-Neuronen aufzeichnen und ihre Aktivität mit der verhaltensbezogenen Gedächtnisstärke in Beziehung setzen.

Unsere Probanden führten eine Erkennungserinnerungsaufgabe aus, für die wir und andere neuartige Signalneuronen im menschlichen Hippocampus beschrieben haben [25]. Das Ausmaß, in dem diese speicherselektiven Neuronen durch fortlaufende Theta-Oszillationen moduliert werden, sagt den Erfolg oder Misserfolg der Gedächtnisbildung voraus [26]. Es wird angenommen, dass Dopamin für den Erfolg der Gedächtnisbildung bei dieser Aufgabe unerlässlich ist, was die Frage aufwirft, ob die Aktivität von SN-Neuronen zusätzlich durch laufende Theta-Oszillationen koordiniert wird oder nicht. Theta-Frequenz und andere niederfrequente Schwingungen sind für die Koordinierung des Informationsflusses zwischen kortikalen und subkortikalen Bereichen von entscheidender Bedeutung.27, 28, 29], einschließlich SN / VTA, Hippocampus und Cortex. Es ist jedoch nicht bekannt, ob die Koordination der neuronalen Aktivität zwischen SN-Neuronen und Kortex auch eine Rolle bei der deklarativen Gedächtnisbildung spielt. Hier haben wir gleichzeitig die Aktivität von SN-Neuronen zusammen mit kortikalen Feldpotentialen über dem Frontallappen aufgezeichnet, um zu beurteilen, ob die Aktivität von SN-Neuronen mit der kortikalen Aktivität koordiniert ist und ob eine solche Koordination den Erfolg der Gedächtnisbildung vorhersagt.

Die Ergebnisse

Aufgabe und Verhalten

23-Probanden (28-Sitzungen; siehe Tabelle S1) die Implantation eines Geräts mit tiefer Hirnstimulation (DBS) im subthalamischen Kern (STN) zur Behandlung von entweder Parkinson-Krankheit (PD) oder essentiellem Tremor durchgeführt wurde, führte eine kontinuierliche Erkennungsspeicheraufgabe durch. Zwei Aufnahmesitzungen wurden ausgeschlossen, weil die Probanden auf Zufallsniveau gespielt wurden, und drei Sitzungen wurden ausgeschlossen, da Aufnahmen außerhalb der SN gemacht wurden (siehe Figuren 1D und 1E). Somit blieben 23-Sitzungen zur Analyse.

Die Probanden wurden gebeten, eine Folge von Bildern anzusehen und jedes Bild als neu oder vertraut zu identifizieren (Abbildung 1B). Die Probanden drückten entweder den "neuen" oder den "alten" Knopf, um ihre Antworten zu geben (die Identität des Knopfes wurde in der Mitte des Experiments umgekehrt). Jedes Bild wurde bis zu dreimal präsentiert. Die erste Präsentation wird als "Roman" und die verbleibenden zwei Präsentationen als "vertraut" bezeichnet. Die Probanden zeigten eine gute Leistung mit einer durchschnittlichen Erkennungsgenauigkeit von 82% (± 8%, ± SD; Abbildung 1C). Außerdem lernten die Probanden weiter, was durch eine signifikante Leistungssteigerung während der zweiten bekannten Präsentation (87% ± 13%) im Vergleich zur ersten (74% ± 12%, t [22] = 5.62, p = 0.0005, Permutationspaar t) gezeigt wurde Prüfung). Sofern nicht anders angegeben, wurden nur korrekte Versuche zur Analyse verwendet. Die mittlere Zeit zwischen dem Einsetzen des Fragenbildschirms und dem Drücken der Taste betrug 0.69 ± 0.99 s, ohne signifikanten Unterschied in der Reaktionszeit zwischen neuartigen (1.12 ± 1.06 s) und bekannten Antworten (1.05 ± 0.90 s, t [22] = 1.17, p = 0.26, permutationsgepaarter t-Test). Die von uns verwendeten Bilder gehörten jeweils zu einer von drei verschiedenen visuellen Kategorien (Tiere, Landschaften und Früchte). Es gab keine signifikanten Unterschiede in der Reaktionszeit als Funktion der visuellen Kategorie (Einwegpermutation ANOVA: F [2,44] = 2, p = 0.13). Zusammen zeigen diese Verhaltensdaten, dass die Patienten die Aufgabe genau ausgeführt haben. Präoperative neuropsychologische Bewertungstests stimmten mit dieser Beobachtung überein (siehe Tabelle S1).

Elektrophysiologie

Wir haben 66 gut isolierte putative einzelne Neuronen identifiziert, die vom SN aufgenommen wurden. Figuren 1D und 1E zeigen die Positionen aller Aufnahmeorte im Talairach - Raum, wie aus stereotaktischen Koordinaten ermittelt (siehe auch STAR-Methoden und Figuren S2E und S2F). Die Neuronen waren gut isoliert und wurden quantitativ anhand von Qualitätsmesswerten für die Spitzensortierung bewertet (Abbildung S1). Im gesamten Manuskript verwenden wir die Begriffe Neuron, Einheit und Zelle austauschbar, um sich auf ein mutmaßliches einzelnes Neuron zu beziehen. Von jeder Mikroelektrode haben wir auch Feldpotentiale unter Verwendung des niederohmigen Elektrodenkontakts aufgezeichnet, der sich 3 mm über der Mikroelektrodenspitze befindet (Abbildung S2EIN). Außerdem wurden kortikale Oberflächensignale (Elektrokortikographie [ECoG]) mit einer subduralen Streifenelektrode erfasst, die entlang der dorsalen fronto-parietalen Hirnoberfläche angeordnet ist und sich vor und hinter dem zentralen Sulcus erstreckt (Figuren S2B – S2D). Wir lokalisierten die Position der ECoG - Elektroden und ihrer verwandten kortikalen Bereiche mithilfe einer Kombination aus intraoperativer Bildgebung und medianer Nervenstimulation (siehe STAR-Methoden und Figuren S2C und S2D). Die mittlere Position aller ECoG-Aufzeichnungen wird in angezeigt Abbildung 1F.

SN-Neuronen reagieren auf visuelle Stimuli

Wir haben zuerst getestet, ob Neuronen ihre Feuerrate als Reaktion auf den Beginn des Images geändert haben, wenn alle Studien zusammen betrachtet werden, unabhängig von Neuheit / Bekanntheit (siehe STAR-Methoden). Wir fanden, dass 14/66 (21.2%, p = 0.002, verglichen mit der Nullverteilung; Abbildung 2A) von Neuronen änderten ihre Feuerrate als Reaktion auf das Einsetzen des Bildes (Vergleich der Spitzen in einem Fenster 0–1.5 s nach dem Einsetzen des Stimulus mit einem Fenster –0.5–0 s vor dem Einsetzen des Stimulus). Von diesen "bildempfindlichen" Neuronen erhöhten fünf ihre Feuerrate im Vergleich zur Grundlinie (Beispielneuron in Abbildung 2C) und 9 verringerten ihre Feuerrate (Beispiel: Neuron in Abbildung 2D). Die Neuronen, die ihre Feuerrate erhöhten, reagierten signifikant schneller als diejenigen, die ihre Feuerrate verringerten (224.8 ± 138.5 ms gegenüber 426 ± 141.9 ms, t [12] = 2.58, p = 0.03, permutierter t-Test; siehe Abbildung 2B).

In vielen Bereichen des menschlichen Gehirns unterscheiden Neuronen zwischen visuellen Kategorien [30]. Wir fragten daher als nächstes, ob die Reaktion von SN-Neuronen zwischen den drei verschiedenen visuellen Kategorien (Tiere, Landschaften und Früchte) der Bilder unterschied. Wir fanden keine Hinweise für Neuronen der SN-Kategorie: Eine Einweg-Permutations-ANOVA ergab keine signifikante Anzahl von Neuronen, die auf die visuelle Kategorie abgestimmt waren (N = 6, 9.1%, p = 0.16; Abbildung 2EIN). Im Gegensatz zum medialen Temporallappen (MTL) [30], haben wir im SN kein visuelles Kategoriesignal gefunden.

SN-Neuronen Unterscheiden Sie zwischen neuartigen und vertrauten Stimuli

Als nächstes haben wir getestet, ob SN-Neuronen signalisieren, dass ein Stimulus neuartig ist (das erste Mal gezeigt) oder bekannt ist (das zweite oder dritte Mal gezeigt). Wir bezeichnen solche Neuronen hier als speicherselektive (MS) Neuronen [25]. Wir untersuchten, ob die Antwort von SN-Neuronen dieses Muster zeigte, indem sie die Reaktionen von Neuronen nach dem Beginn des Stimulus zwischen neuen und bekannten Studien verglichen. Wir haben uns zunächst auf die Untergruppe konzentriert, die im Vergleich zu bekannten Stimuli eine höhere Feuerrate für Roman hatte (siehe STAR-Methoden). Wir haben 11 solcher Neuronen identifiziert (Figuren 3A - 3C; 16.6%, p = 0.002, verglichen mit der Nullverteilung; siehe auch Abbildung S3EIN). Wir bezeichnen diese Untergruppe von MS-Neuronen als "Neuheit" -Neuronen. Dieser Unterschied in der Reaktion zwischen neuartigen und bekannten Reizen war bereits beim zweiten Mal erkennbar (Abbildung 3D, Mitte). Die Reaktion blieb bestehen, verstärkte sich jedoch nicht weiter, wenn die zweite und dritte Darstellung desselben Bildes verglichen wurden (t [10] = 1.36, p = 0.21, permutierter gepaarter t-Test; siehe Abbildung 3D, rechts). Darüber hinaus hing der Unterschied in der Reaktion zwischen neuartigen und bekannten Stimuli nicht von der Verzögerung zwischen zwei aufeinanderfolgenden Präsentationen desselben Bildes ab (F [3,30] = 0.22, p = 0.88, Einweg-Permutations-ANOVA; siehe Abbildung 3E).

Als nächstes testeten wir, ob andere SN-Neuronen ihre Feuerrate als Reaktion auf bekannte Bilder erhöhen. Wir fanden 6 Neuronen (9%, p = 0.01, verglichen mit der Nullverteilung; siehe auch Abbildung S3B) zeigte eine signifikante Zunahme für vertraute im Vergleich zu neuartigen Bildern. Ähnlich wie bei neuartigen Neuronen änderte sich die Reaktion solcher "Vertrautheits" -Neuronen zwischen der zweiten und dritten Präsentation desselben Bildes nicht weiter (t [5] = 0.7, p = 0.06; Abbildung 3D) und wurde nicht durch die Länge der Verzögerung zwischen aufeinanderfolgenden Präsentationen desselben Bildes moduliert (F [3,15] = 2.12, p = 0.14; Abbildung 3E). Zusammen zeigten diese Daten, dass die Feuerraten eines erheblichen Anteils von SN-Neuronen (16.6% und 9.0%; Abbildung 3A) wurden durch die Neuheit oder Vertrautheit von Bildern in einer deklarativen Gedächtnisaufgabe moduliert. Wichtig ist, dass diese Änderung in der Reaktion nach einem einzigen Lernversuch sichtbar wurde (Abbildung 3D) sowohl für Neuronen der Neuheit als auch für die Vertrautheit.

Wir beziehen uns auf die 17-Neuheit und Vertrautheitsneuronen zusammen als MS-Neuronen (Abbildung 3EIN). 4-MS-Neuronen wurden auch als bildempfindliche Neuronen bezeichnet (dh sie zeigten eine Änderung der Abfeuerungsrate für alle gemeinsam betrachteten Studien; vgl Abbildung 2). Der Grund für diese kleine Überlappung ist das Fehlen einer Reaktion auf die nicht bevorzugte Reizkategorie. Um dies zu zeigen, haben wir die Feuerrate nur der neuartigen oder bekannten Versuche (abhängig von der Art des Versuchs, für den das Neuron empfindlich war) mit der Grundfeuerungsrate verglichen. Dies ergab, dass MS-Zellen während der Bildpräsentation eine signifikant höhere Feuerrate aufwiesen (0–1.5 s, 7.23 ± 17.9 Hz) als die Basislinie (–0.5–0 s, 6.2 ± 20.9 Hz, t [16] = 1.38, p = 0.042) , permutierter gepaarter t-Test), jedoch nur für die bevorzugte Art des Versuchs (neuartig oder bekannt; beachten Sie, dass dies nicht durch Auswahl erfolgt, da die Grundfeuerungsrate bei der Auswahl von MS-Neuronen nicht berücksichtigt wird).

Wir führten zusätzliche Kontrollanalysen durch, um zu verifizieren, dass dieses Speichersignal nicht auf andere Faktoren zurückzuführen war, wie z. B. Elektrodendrift oder langsame Feuerratenänderungen. Erstens haben wir überprüft, dass es während der Baseline-Periode keinen ähnlichen Unterschied gab: Weder Neuro- oder Familiaritäts-Typ-MS-Neuronen zeigten einen solchen Unterschied (Abbildung 3D, links; nicht signifikant anders als 0 für Neuheitsneuronen [t [10] = 0.07, p = 0.94] und Vertrautheitsneuronen [t [5] = 0.58; p = 0.54]). Wir haben auch getestet, wie viele MS-Neuronen ausgewählt würden, wenn wir die Basisperiode (–0.5–0 s) anstelle der Periode nach dem Einsetzen des Stimulus zur Auswahl verwenden würden. Diese Analyse ergab nur 1 (1.5%) von 66 Einheiten mit einem signifikanten Unterschied zwischen neuartigen und bekannten Bildern. Schließlich verwendeten wir ein Regressionsmodell mit gemischten Effekten, um Faktoren zu identifizieren, die die Varianz in der Feuerrate von MS-Neuronen erklären. Als Prädiktoren verwendeten wir die Bildvertrautheit und die Versuchsnummer (plus die Neuronencluster-ID wurde als zufälliger Effekt verwendet). Diese Analyse ergab, dass der Bildvertrautheitsregressor auch nach Berücksichtigung der Auswirkungen der Versuchsnummer signifikant war und für beide MS-Neuronentypen viel stärker war als der Versuchsnummernregressor (Neuheitsneuronen: t [864] = 8.95, p <1e - 30 für Neu / alter Regressor gegen t [864] = 1.67; p = 0.09 für Regressor mit Versuchsnummer; Vertrautheitsneuronen: t [501] = 7.24, p <1e - 12 für neuen / alten Regressor gegen t [501] = 3.67, p = 0.0002 für Testnummer Regressor). Beachten Sie zum Schluss, dass wir während des gesamten Experiments zufällig neuartige und vertraute Reize gemischt haben. Zusammen bestätigen diese Kontrollanalysen, dass der Unterschied in den Reaktionen nicht auf Elektrodenverschiebungen zurückzuführen ist.

SN MS Neuronen prognostizieren Verhalten

Als nächstes untersuchten wir, ob die Reaktion von MS-Neuronen (getrennt getestet auf Neuronen, die Neuheiten und Vertrautheit bevorzugen) mit dem Gedächtnis zusammenhängt, indem wir bewerteten, ob ihre Reaktion mit dem Verhalten des Subjekts übereinstimmte. Insbesondere verglichen wir die neuronalen Reaktionen mit bekannten Reizen (die mindestens einmal zuvor gezeigt wurden), an die sich die Patienten korrekt erinnerten (Antwort „alt“), mit denen, die sie fälschlicherweise vergessen hatten (Antwort „neu“). Verhaltensmäßig zeigten die Patienten eine gute Leistung: Sie erinnerten sich an 74% der Bilder während der ersten Wiederholung („vertraute 1“) und an 87% nach der zweiten Wiederholung („vertraute 2“) (echte positive Rate). Wir fanden heraus, dass die Reaktion von Neuheitszellen in Versuchen, in denen vertraute Bilder fälschlicherweise als neuartig eingestuft wurden, im Vergleich zu der Zeit, in der sie korrekt als vertraut eingestuft wurden, mit einer Differenz der Feuerrate von 0.36 ± 0.36 Hz für falsch und von 0.60 ± 0.24 Hz signifikant abgeschwächt wurde für korrekte Versuche (siehe Abbildung 3F; t [11] = 2.72, p = 0.02, permutierter gepaarter t-Test; Die verwendete Metrik war der Unterschied in der Feuerungsrate zwischen dem Zeitpunkt, zu dem ein Bild neu und vertraut war (normalisiert durch die Grundfeuerungsrate). Für diesen Vergleich haben wir Studien ausgeschlossen, bei denen die ursprüngliche Präsentation des Romans falsch war (falsch positiv), sodass der beobachtete Unterschied nur auf vergessene Bilder (falsch negativ) zurückgeführt werden konnte. Obwohl kleiner, war die Reaktion auf vergessene vertraute Reize immer noch signifikant verschieden von Null (Abbildung 3F; t [11] = 3.98, p = 0.002, permutierter t-Test). Zusammen zeigt diese Analyse, dass die Reaktion von neuartigen Neuronen anzeigt, ob ein vertrauter Reiz in Erinnerung bleiben oder vergessen werden würde. Für Neuronen, die ihre Feuerrate (n = 6) auf bekannte Bilder erhöhen, war diese Korrelation zwischen Verhalten und neuronaler Aktivität quantitativ ähnlich, aber nicht signifikant (Abbildung 3F; t [5] = 2.31, p = 0.056).

Latenz der Antwort

Wie schnell nach Beginn des Reizes differenzierte die Antwort von MS SN Neuronen zwischen neuen und bekannten Bildern? Um diese Frage zu beantworten, haben wir als nächstes den ersten Zeitpunkt geschätzt, zu dem sich die Antworten zwischen neuartigen und vertrauten Bildern unterschieden. Wir verglichen die kumulative Summe der Spike-Züge, eine Methode, die eine Schätzung der differentiellen Latenz eines Neurons mit hoher Genauigkeit liefert [31]. Wir fanden heraus, dass die durchschnittliche differentielle Latenz 527 ms nach dem Einsetzen des Bildes betrug (Abbildung 3G). Wir verglichen diese Latenz mit der Latenz von MS-Neuronen (n = 122), die während einer ähnlichen neuen / alten Erkennungsaufgabe in einer anderen Patientenpopulation in der MTL rekodiert wurden [32, 33]. MS-Neuronen in der MTL hatten eine durchschnittliche differentielle Latenz von 311 ms, was im Vergleich zum SN signifikant schneller war (p = 0.013, geschätzt basierend auf einer empirisch geschätzten Nullverteilung, für die Bereichsmarkierungen zufällig neu zugewiesen wurden). Dieses Ergebnis traf auch zu, wenn MS-Neuronen betrachtet wurden, die ihre Feuerrate getrennt auf Neuheit und vertraute Stimuli erhöhten (p = 0.002 bzw. p = 0.002, Neuronen im Vergleich zu n = 64 Neuheits- und n = 58 Vertrautheitsneuronen in MTL). Diese Reihenfolge der Antworten ist mit dem Lisman- und Grace-Modell der Wechselwirkung zwischen Hippocampus und VTA / SN kompatibel [9].

Zelltyp-Analyse

Die SN enthält zwei Haupttypen von Neuronen: inhibitorische GABAerge Neuronen und dopaminerge Neuronen, die auf entfernte Ziele projizieren, einschließlich Striatum, Amygdala und Hippocampus [4, 34, 35, 36]. Unter Verwendung von extrazellulären Aufzeichnungen können verschiedene Zelltypen oft basierend auf einer Kombination der Breite der extrazellulären Spike-Wellenform und der mittleren Feuerrate unterschieden werden [37]. Insbesondere ist es in der SN bekannt, dass dopaminerge Neuronen im Vergleich zu GABAergen Neuronen breitere Wellenformen und niedrigere Feuerraten aufweisen [38, 39], was zu einer bimodalen Verteilung der Wellenformbreite über alle Neuronen führt. Wir fanden heraus, dass über alle aufgezeichneten Neuronen (N = 66) die Verteilung der Spike-Breiten bimodal war (Hartigans Dip-Statistik: 0.0717, p = 0.006 [40]; sehen Figuren 3H und 3I). Als nächstes untersuchten wir daher, ob MS-Neuronen bevorzugt von einem bestimmten Zelltyp waren. Wir fanden heraus, dass MS-Neuronen im Vergleich zu Nicht-MS-Neuronen im Durchschnitt durch längere Wellenformen gekennzeichnet waren (1.15 ± 0.23 ms gegenüber 0.96 ± 0.32 ms; die Wellenformlänge wurde als die Zeit gemessen, die zwischen den beiden positiven Peaks verstrichen war [14] der Wellenform; t [65] = 2.65, p = 0.012, Permutationstest; Figuren 3H und 3I). Zusätzlich erfüllten MS-Neuronen die Kriterien für DA-Neuronen, die in früheren Arbeiten festgelegt wurden: 15/17 MS-Neuronen hatten Wellenformen von mehr als 0.8 ms und Feuerraten von weniger als 15 Hz [14, 41]. Wir fanden auch, dass die Aufnahmeorte, an denen MS-Neuronen identifiziert wurden, überwiegend in den dorsalen Teilen des SN waren (Figuren 1D und 1E). Diese Ergebnisse stimmen mit dem Ort der Pars compacta überein, in der sich die Mehrheit der dopaminergen Neuronen befindet [42, 43]. Zusammen stützen diese Analysen die Ansicht, dass die von uns identifizierten MS-Neuronen mutmaßlich dopaminerge waren.

SN-Cortex-Interaktionen

Wurde die Aktivität von SN-Neuronen, die mit Feldpotentialaktivität in Zusammenhang stehen, von den Basalganglien und / oder der kortikalen Oberfläche aufgezeichnet? Wir quantifizierten Spike-Feld-Interaktionen mittels Spike Field Coherence (SFC) als Metrik, um diese Frage zu beantworten. Erstens war die SFC zwischen den SN-Neuronen und den Feldpotentialen, die in den Basalganglien (STN) aufgezeichnet wurden, signifikant höher als die Wahrscheinlichkeit im Theta-Frequenzband (Abbildung 4A, linkes Feld; signifikant bei p <0.05 in 2–5 Hz über alle N = 56 Neuronen mit genügend Spitzen). Beachten Sie, dass hier das Feldpotential aufgrund der Position des Aufzeichnungskontakts 3 mm über der Mikroelektrodenspitze höchstwahrscheinlich vom STN und nicht vom SN aufgezeichnet wurde (siehe STAR-Methoden und Abbildung S2EIN). Zweitens wurde die Aktivität der SN-Neuronen auch mit den Potentialen des kortikalen Feldes koordiniert: SN-Neuronen feuerten in bestimmten Phasen des Theta-Alpha-Frequenzbandes der von der kortikalen Oberfläche aufgezeichneten EKG-Signale stärker (SFC war bei 6–12 Hz signifikant unterschiedlich Frequenzband, N = 61, p <0.05; Abbildung 4A, rechtes Feld; siehe Legende für Statistiken; siehe auch Abbildung S4 für alle Elektroden). Dies galt nur für ein Paar von EKG-Kontakten, die sich vor dem zentralen Sulkus befanden (markiert als +2; andere Kontakte waren nicht signifikant; siehe Abbildung S4). Die +2 EKG-Kontakte befanden sich am oberen Frontalgyrus im Brodmann-Bereich 6 (Prämotorcortex). Dieser Befund weist darauf hin, dass die neuronale Aktivität von SN funktionell mit dieser Region des Frontallappens verbunden ist (siehe Diskussion). Als nächstes testeten wir, ob diese funktionelle Verbindung verhaltensrelevant war, indem wir ihre Stärke zwischen neuartigen Studien verglichen, die später mit neuartigen Studien in Zusammenhang gebracht wurden, die später vergessen wurden.

Basierend auf früheren Untersuchungen und Modellvorhersagen [26] stellten wir die Hypothese auf, dass das Ausmaß der Spike-Field-Kohärenz während der Codierung neuartiger Bilder vorhersagt, ob Subjekte ein neues Gedächtnis erfolgreich codieren würden oder nicht. Um diese Hypothese zu testen, verglichen wir die SFC während der Betrachtung neuartiger Bilder zwischen Versuchen, an die später richtig erinnert wurde, und Versuchen, die später vergessen wurden (dh als neu identifiziert wurden). Dieser Unterschied aufgrund des Gedächtnisvergleichs zeigte, dass Bilder, an die später erinnert wurde, von einer höheren SFC im Theta-Frequenzbereich für EKGs begleitet waren, die vor dem zentralen Sulkus während der Codierung gemessen wurden (N = 58 Neuronen, 3–9 Hz, p <0.05; Abbildung 4B, rechte Tafel; siehe Legende für Statistiken). Beachten Sie, dass diese Berechnung nur Versuche umfasst, bei denen das Bild zum ersten Mal gesehen wurde (Roman) und bei denen das Motiv korrekt als „neu“ gekennzeichnet wurde. Daher war die Reaktion immer dieselbe („neu“), mit Ausnahme der Möglichkeit, dass dieser Unterschied auf Unterschiede in der Motorplanung zurückzuführen ist. Ähnlich wie bei der SFC unter Berücksichtigung aller Studien war dieser Unterschied nur für Feldpotentiale signifikant, die vom anterioren + 2-Kontakt auf dem prämotorischen Kortex (zentraler Sulcus +2) aufgezeichnet wurden. Abbildung 4B; Figuren 4C und 4D zeigen den SFC- und Spike-getriggerten Durchschnitt eines Beispielneurons. Eine ähnliche Beziehung zu Feldpotentialaufnahmen aus den Basalganglien (STN; Abbildung 4B, linkes Feld; alle p> 0.05). Als Kontrolle haben wir auch die EKG-Leistung zwischen den beiden Bedingungen verglichen, jedoch keine signifikanten Unterschiede festgestellt (Abbildung 4E; alle p> 0.05). Zusammen zeigt dies, dass das Ausmaß der SFC mit großer Reichweite zwischen der neuronalen Aktivität von SN und der potenziellen Aktivität des frontalen kortikalen Feldes, die vom prämotorischen Kortex aufgezeichnet wurde, eine erfolgreiche Gedächtnisbildung vorhersagte.

Wie könnte diese Fern-Spike / Feld-Koordination erreicht werden? Um diese Frage zu beantworten, führten wir als nächstes eine Phasenkohärenzanalyse zwischen den Feldpotentialaufzeichnungen in Basalganglien (STN) und den EKG-Aufzeichnungen aus dem Kortex durch, die erhalten wurden, während die Patienten die neuen Bilder betrachteten (0–1.5 s relativ zum Beginn des Stimulus; siehe) STAR-Methoden). Diese Analyse zeigte, dass eine erfolgreiche Codierung neuer Speicher mit einer signifikant höheren Phasenkohärenz im Theta-Frequenzbereich (5–10 Hz) verbunden war. Abbildung 4F; p <0.05; siehe Legende für Statistiken). Ähnlich wie beim SFC-Befund war dieser Effekt nur an der zentralen Sulcus + 2-Elektrode zu beobachten (Abbildung 4G). Die Leistung der von der zentralen Sulcus + 2-Elektrode aufgezeichneten EKG-Signale zeigte eine deutliche Abnahme der Beta-Band-Leistung ab etwa 500 ms nach Beginn des Stimulus, was höchstwahrscheinlich mit der Bewegungsvorbereitung zusammenhängt (Abbildung 4H). Dieser Beta-Abnahme ging ein Anstieg der Theta-Frequenzstärke voraus (Abbildung 4H), die kurz nach Beginn des Stimulus begonnen hat. Dieses Muster zeigt, dass die Verarbeitung eines Bildes die Stärke der Theta-Oszillationen im frontalen Kortex erhöht, was einen möglichen Mechanismus darstellt, mit dem SN-Neuronen das Ausmaß der Koordination zwischen ihrer Aktivität und dem frontalen kortikalen Theta modulieren könnten. Hier zeigen wir, dass das Ausmaß einer solchen Phasenverriegelung den Speichercodierungserfolg vorhersagt, was darauf hindeutet, dass Theta-Frequenzbereichsoszillationen den Informationsaustausch zwischen Bereichen während der Speichercodierung koordinieren.

Diskussion

Wir fanden heraus, dass die Aktivität einzelner Neuronen in der humanen Substantia nigra zwischen neuartigen und bekannten Bildern in einer Hippocampus-abhängigen deklarativen Gedächtnisaufgabe unterscheidet. Zusätzlich fanden wir, dass der Grad der Koordination der Aktivität von SN-Neuronen mit frontalen Theta-Frequenz-Oszillationen eine erfolgreiche Gedächtnisbildung vorhersagte. Obwohl frühere Arbeiten zeigen, dass menschliche SN-Neuronen auf Belohnungsvorhersagefehler reagieren [14] und seltene Klänge in einem Odd-Ball-Paradigma [16] sind unsere Daten unseres Wissens die erste Studie, die die neuronale Aktivität von SN während der deklarativen Gedächtnisbildung beim Menschen beschreibt.

Die elektrophysiologischen Eigenschaften der speicherselektiven Zellen, die wir beschreiben, deuten darauf hin, dass diese Zellen am wahrscheinlichsten dopaminerg sind. Diese Schlussfolgerung beruht auf zwei Daten: der Breite ihrer Wellenformen und der anatomischen Lage. Dopaminerge Neurone haben im Vergleich zu den GABAergen Neuronen, die ebenfalls in SN lokalisiert sind, erheblich breitere extrazelluläre Wellenformen38, 39, 44]. Obwohl dopaminerge Neuronen überall in der SN vorhanden sind, befindet sich die Mehrheit in der pars compacta Subregion der SN [42, 43]. Die meisten dopaminergen Neuronen sollten daher im dorsal-medialen Teil der SN lokalisiert sein, wo sich die Mehrheit der MS-Neuronen befindet. Zusammengefasst wurde gezeigt, dass diese Kriterien allein auf der Basis elektrophysiologischer Merkmale dopaminerge und GABAerge Neuronen zuverlässig trennen.38, 39, 44, 45, 46]. Eine endgültige Bestätigung dieser Behauptung erfordert entweder histologische Analyse [47] oder genetisches Targeting38]. Hier bezeichnen wir diese Neuronen als putativ dopaminergisch, um darauf hinzuweisen, dass diese Schlussfolgerung nur auf extrazellulären Aufzeichnungen beruht.

Eine zweite Überlegung ist die Auswirkung der anhaltenden Neurodegeneration auf unsere Ergebnisse. Die Mehrheit der Probanden in der Studie hatte PD und litt daher unter einem erheblichen Verlust an dopaminergen Zellen in der SN. Unsere Aufzeichnungen haben jedoch Zugang zu einem anatomischen Bereich erhalten, in dem eine ausreichende Population dopaminerger Neuronen auch bei Parkinson noch funktionsfähig ist. Der dopaminerge Verlust bei der Parkinson-Krankheit verläuft ungleichmäßig [48, 49], die einige Bereiche stärker als andere anvisiert. Post-mortem-Gewebeanalysen bei PD-Patienten zeigen typischerweise einen hohen Verlust von dopaminergen Neuronen im kaudalen Teil der SN, wobei ungefähr 90% der Zellen verloren sind. Im Gegensatz dazu ist der Zellverlust in mehr dorsalen Bereichen moderater (50% oder weniger) bis zu einem Grad vergleichbar mit dem, was bei normaler Alterung beobachtet werden kann [49]. In der Tat ist es mehreren Studien gelungen, aus putativen dopaminergen Neuronen bei Patienten mit PD, die sich einer STN-DBS-Operation unterzogen haben, zu berichten [14, 41]. Mit dem chirurgischen Ziel in der STN ist es vernünftig zu erwarten, dass SN-Aufzeichnungen vorwiegend im dorsalen Bereich der SN lokalisiert sind. Diese Annahme wurde durch die Analyse unserer Elektrodenpositionen bestätigt, die zeigten, dass die meisten Aufzeichnungen im dorsalen Teil des SN liegen, wo der Krankheitsausstoß wahrscheinlich relativ gering ist [49]. Es bleibt jedoch unbekannt, ob PD die Wellenformen der verbleibenden DA-Neuronen beeinflusst haben könnte, die wir aufgezeichnet haben. Obwohl wir keine Korrelation der Schwere der Erkrankung mit der Dauer der Wellenform festgestellt haben (siehe STAR-Methoden), diese Frage bleibt eine offene Frage. Schließlich waren die Patienten, die an unserer Studie teilnahmen, in wesentlich früheren Stadien der PD als in der Post-Mortem-Analyse [48, 49], wodurch eine höhere Dichte dopaminerger Zellen in den dorsalen Bereichen des SN erhalten wird.

Es wurde vorgeschlagen, dass die Rolle der dopaminergen Modulation von Hippocampus-Gedächtnisprozessen darin besteht, die synaptische Plastizität für wichtige Ereignisse zu verbessern, wie solche, die belohnen, auf die Ziele eines Subjekts ausgerichtet sind oder Aufmerksamkeit erregen [9, 23]. Der vorgeschlagene Signalweg, um das SN / VTA zu erreichen, ist über Afferenzen aus dem Nucleus accumbens (NA) und dem pedunculopontinalen Tegmental Nucleus (PPTg), die beide Strukturen für die Vermittlung motivationaler und attentionaler Prozesse sind [50, 51]. Sowohl die NA als auch die PPTg erhalten wiederum Inputs aus dem präfrontalen Cortex (PFC) und dem Hippocampus, wodurch sie Signale über aktuelle Ziele und Reizneuheiten integrieren können.23, 50, 51]. Es wurde angenommen, dass Neuheiten-Signale des Hippocampus über diesen multisynaptischen Weg eine Dopaminfreisetzung im Hippocampus verursachen [9, 23]. Hier identifizierten wir putative dopaminerge Neuronen innerhalb der SN, die mit dieser Hypothese kompatibel sind, da sie mit einer Erhöhung der Feuerrate auf neue Stimuli reagieren. Interessanterweise identifizierten wir zusätzlich zu neuartigen Neuronen auch eine kleinere Gruppe von putativen dopaminergen Neuronen, die mit einer Erhöhung der Feuerrate auf bekannte Stimuli reagierten. Die Antwortmerkmale dieser Gruppe von Neuronen waren anderen Neuronen ähnlich (Figuren 3D, 3E und 3H), mit der Ausnahme, dass sie nicht signifikant darauf hinwiesen, ob ein vertrauter Reiz in Erinnerung bleiben oder vergessen werden würde (beachten Sie jedoch, dass dies höchstwahrscheinlich auf einen Mangel an statistischer Aussagekraft zurückzuführen ist). Obwohl diese Neuronen vom theoretischen Modell von Lisman und Grace nicht direkt vorhergesagt werden, ist es wahrscheinlich, dass sie auch beim Lernen eine Rolle spielen. Beispielsweise können unterschiedliche DA-Konzentrationen entweder zu einer synaptischen Depression oder zu einer Potenzierung führen [52] und DA-Spiegel können die Langzeitpotenzierung (LTP) / Langzeitdepression (LTD) kontrollieren53]. Dies deutet darauf hin, dass Neuronen, die den DA-Spiegel für bekannte Stimuli erhöhen, an der Aufrechterhaltung dieser Homöostase beteiligt sein könnten. Darüber hinaus weisen verschiedene Arten von Dopaminrezeptoren unterschiedliche Empfindlichkeiten und Aktivierungsschwellen auf und vermitteln unterschiedliche Aspekte der Plastizität, einschließlich der Kodierung gegenüber der Konsolidierung von Erinnerungen [54, 55]. Zusammen mit dieser Literatur stützt diese Literatur die Hypothese, dass Vertrautheitsneuronen eine Rolle in den Plastizitätsmechanismen spielen, die dazu dienen, bereits codierte Erinnerungen zu stärken. Zukünftige Arbeit wird benötigt, um diese Hypothese direkt zu testen.

Die Latenz der SN-Antworten war auch mit dem Lisman- und Grace-Modell kompatibel, nämlich dass SN-MS-Antworten im Vergleich zu den in der MTL beobachteten signifikant später auftraten [33]. Hier fanden wir, dass SN-Antworten erst 527 ms nach Beginn des Stimulus sichtbar waren, eine Zeit, die größer war als das in der MTL beobachtete Intervall von 311 ms [32]. Ein Nachteil dieses Vergleichs ist, dass er von zwei verschiedenen Patientenpopulationen abgeleitet wurde (PD bzw. Epilepsie). Zusammengenommen stützen unsere Ergebnisse die Idee, dass die Information über Reizneuheit, die in der SN beobachtet wird, in der MTL entsteht. Wichtig ist, dass das Ausmaß der Modulation von SN-Zellen anzeigt, ob ein Subjekt einen vertrauten Stimulus korrekt erkennen würde. Dieses Ergebnis zeigt, dass die Antwort von SN-Zellen für die von unseren Probanden durchgeführte deklarative Gedächtnisaufgabe verhaltensrelevant war. Dieser Befund steht auch im Einklang mit Humanstudien, die zeigen, dass die SN fMRI-Blut-Sauerstoff-Level-abhängige (BOLD) Aktivität eine erfolgreiche Gedächtnisbildung voraussagt.5, 6]. Es bleibt jedoch unbekannt, wie die Beziehung zwischen der Aktivität verschiedener Zelltypen im SN- und BOLD-Signal aussieht (aber siehe [56]). Im Gegensatz dazu identifizierten wir hier spezifische SN-Zelltypen elektrophysiologisch und zeigten, dass die phasische Aktivität von mutmaßlichen DA-Neuronen kurz nach Beginn des Stimulus die Gedächtnisbildung voraussagt.

Wir beobachteten, dass die Aktivität von SN-Neuronen systematisch mit der Phase von fortlaufenden Theta-Oszillationen im frontalen Kortex (über den prämotorischen Kortex gemessen) korreliert. Diese Koordination war verhaltensrelevant, da das Ausmaß der Phasenblockierung den Erfolg der Gedächtnisbildung vorhersagte. Es wird angenommen, dass Oszillationen im Theta-Frequenzbereich den Informationsfluss zwischen MTL, Basalganglien und frontalem Kortex koordinieren [27, 28, 29]. Hier zeigen wir nun, dass die neuronale SN-Aktivität bei Menschen mit kortikalen Theta-Frequenzoszillationen in Zusammenhang steht und dass eine solche Koordination für die Gedächtnisbildung verhaltensrelevant ist. Die Bedeutung der Theta-Synchronisation zwischen den Basalganglien und dem frontalen Kortex wurde durch frühere Aufzeichnungen von menschlichen Patienten, die kognitive Aufgaben ausführen, festgestellt [57, 58]. Interessanterweise verbessert eine langsame 4-Hz-Stimulation des STN die Leistung bei kognitiven Aufgaben [58]. Eine wichtige unbekannte Frage ist, ob die Theta-Oszillationen, die wir quantifiziert haben, mit Hippocampus-Theta verwandt oder synchronisiert sind [27, 28, 29].

Die antidrome Stimulation des STN ruft kurze Latenzreaktionen im prämotorischen Kortex hervor, die mit einem "hyperdirekten" Signalweg beim Menschen kompatibel sind.59]. Es gibt somit mindestens drei Wege, über die Informationen von der MTL die SN erreichen können: (1) über die NA und PPTg; (2) über die Hyperdirect-Route; und (3) durch das Striatum, das mit dem größten Teil des frontalen Kortex verbunden ist [60]. Diese reiche Innervation führt höchstwahrscheinlich zu der funktionellen Abhängigkeit von SN und frontalem Kortex, wie sie mit BOLD-fMRI [61, 62]. Auch die BOLD-Aktivität im frontalen Kortex prognostiziert eine erfolgreiche Kodierung neuer Erinnerungen [63], ein Signal, von dem angenommen wird, dass es die Rolle des frontalen Kortex (einschließlich der prämotorischen Bereiche) widerspiegelt, indem es die Kodierung von zielrelevanten Informationen erleichtert und mehrere Informationen in einem individuellen Gedächtnis organisiert [63]. Hier zeigen wir nun einen möglichen Mechanismus, durch den solche Informationen die Stärke der Speicherkodierung durch Modulation der dopaminergen SN-Aktivität beeinflussen können. Ein wichtiges zukünftiges Experiment wird darin bestehen, zu bestimmen, ob die neuronale Aktivität von SN auch mit Hippocampus-Theta-Oszillationen koordiniert ist und wie diese Theta-Oszillationen mit den hier gemessenen frontalen kortikalen Theta-Oszillationen zusammenhängen.

Anerkennungen

Wir danken der Bereitschaft unserer Patienten, an dieser Studie teilzunehmen. Wir danken den Mitarbeitern des Operationssaals Cedars-Sinai für ihre Unterstützung, Robert Zelaya und Lori Scheinost für technische Neurophysiologie und Jeffrey Wertheimer für die neuropsychologische Beurteilung der Patienten. Wir danken Ralph Adolphs und allen Mitgliedern des Rutishauser Labors für die Diskussion. Diese Studie wurde durch Seed-Finanzierung von der Pfeiffer Foundation ermöglicht und wurde später auch von NIH NINDS (U01NS098961), einem NSF CAREER Award (BCS-1554105) und dem McKnight Endowment Fund für Neurowissenschaften (alle an UR) unterstützt.

Autorenbeiträge

UR und JK haben das Experiment entworfen. JK, UR, KB und CPM führten Experimente durch. JK und UR führten eine Analyse durch. ANM und KB führten eine Operation durch. MT sorgte für die Patientenversorgung. JK, ANM und UR haben das Papier geschrieben. Alle Autoren diskutierten die Ergebnisse in allen Phasen des Projekts.

Erklärung der Interessen

Die Autoren erklären keine konkurrierenden Interessen.

Zusätzliche Informationen

Dokument S1. Abbildungen S1-S4 und Tabelle S1