Noworodkowe neurony dopaminergiczne w ludzkiej podstawie Nigra przewidują sukces deklaratywnej formacji pamięci (2018)

Rysunek 1

Lokalizacje zadań, zachowań i nagrywania

(A) Uproszczone podsumowanie modelu Lismana-Grace.

(B) Zadanie. Góra: ekrany prezentowane badanym podczas przykładowej próby. Na dole: czas, przez który pokazywany był każdy ekran.

(C) Zachowanie. Wyświetlana jest dokładność rozpoznawania wszystkich sesji, uporządkowanych według rangi. Zielone paski oznaczają sesje z dokładnością przypadkową; żółte paski oznaczają sesje z nagraniami zlokalizowanymi poza SN.

(D i E) Lokalizacja miejsc rejestracji mikroelektrod w przestrzeni Talairach przy Y = -16 (D) i Y = -17.2 (E). Kontury wskazują granice SN i STN pochodzące z atlasu [21]. Kontakt jest zabarwiony na czerwono, jeśli przynajmniej jeden neuron selektywny pamięci (patrz Neurony SN odróżniają powieść od znanego bodźca i Analiza typu komórki) został zarejestrowany w tym miejscu, a niebieski w innym przypadku.

(F) Lokalizacja nagrań korowych. Pokazano medianę lokalizacji zarejestrowanych kontaktów ECoG w sześciu sesjach nagraniowych, dla których dostępne było śródoperacyjne zdjęcie rentgenowskie (patrz Metody STAR). Widzieć Rysunek S2D dla przykładu z indywidualnego przedmiotu. Zrekonstruowany mózg jest mózgiem wzorcowym [22].

Zobacz obraz | Zobacz obraz Hi-Res | Pobierz slajd programu PowerPoint

Najważniejsze

• Ludzkie neurony istoty czarnej (SN) są modulowane przez nowość bodźca

• Wybierające pamięć neurony w istocie czarnej są przypuszczalnie dopaminergiczne

• Blokowanie faz neuronów SN do oscylacji czołowych przewiduje tworzenie się pamięci

• Sprawdza prognozy modelu pętli VTA / SN-hipokampa Lismana i Grace u ludzi

Podsumowanie

Kodowanie informacji w długotrwałej pamięci deklaratywnej ułatwia dopamina. Proces ten zależy od sygnałów nowości hipokampu, ale pozostaje nieznane, w jaki sposób neurony dopaminergiczne śródmózgowia są modulowane przez informacje oparte na pamięci deklaratywnej. Zanotowaliśmy poszczególne neurony istoty czarnej (SN) i potencjały pola korowego u ludzi wykonujących zadanie rozpoznawania pamięci. Stwierdziliśmy, że 25% neuronów SN było modulowanych przez nowość bodźca. Kształt fali zewnątrzkomórkowej i anatomiczna lokalizacja wskazywały, że te neurony selektywne względem pamięci były przypuszczalnie dopaminergiczne. Odpowiedzi neuronów selektywnych względem pamięci pojawiły się 527 ms po rozpoczęciu bodźca, zmieniły się po jednej próbie i wskazywały na dokładność rozpoznawania. Faza neuronów SN zsynchronizowana z przednimi korowymi oscylacjami częstotliwości theta, a zakres tej koordynacji przewidywał pomyślne tworzenie pamięci. Dane te ujawniają, że neurony dopaminergiczne w ludzkim SN są modulowane przez sygnały pamięci i pokazują progresję przepływu informacji w pętli hipokampowo-podstawno-zwojowej kory czołowej w celu kodowania pamięci.

Wprowadzenie

Tworzenie wspomnień deklaratywnych opiera się na zdolności synaps hipokampowych do szybkiej zmiany ich siły poprzez długotrwałe wzmocnienie i depresję [1]. Siła i czas trwania plastyczności synaptycznej zależy od pozakomórkowych poziomów dopaminy [2, 3], neuromodulator, który jest uwalniany w hipokampie z aksonalnych terminali wystających z neuronów dopaminergicznych w istocie czarnej (SN) i brzusznym obszarze nakrywkowym (VTA) [4]. Siła wspomnień deklaratywnych hipokampa jest modulowana przez uwalnianie dopaminy: zarówno zakres aktywacji SN / VTA [5, 6] i poziomy dopaminy w hipokampie [2, 7] moduluje sukces kodowania. Kiedy zwierzęta są narażone na nowe środowisko, poziom dopaminy wzrasta i ułatwia długotrwałe wzmocnienie w hipokampie. Ta zwiększona pamięć dla nowatorskich środowisk jest jednak tracona, gdy hipokampowe receptory dopaminy są blokowane [8]. Chociaż te i inne obserwacje sugerują krytyczną rolę dopaminy uwalnianej przez neurony SN / VTA w pamięci deklaratywnej [9, 10, 11], mechanizmy leżące u podstaw tej reakcji są słabo poznane.

Badanie, w jaki sposób neurony dopaminergiczne SN / VTA sygnalizują błędy w oczekiwaniu nagrody i nagrody [12, 13, 14] ujawnił mechanistyczne zrozumienie roli SN / VTA w klasycznym warunkowaniu i uczeniu się wzmacniania [15]. Ponadto u ludzi neurony SN reagują również na rzadkie dźwięki w paradygmacie o dziwnej kuli [16] i zakoduj wyniki decyzji [17]. Natomiast niewiele wiadomo na temat roli SN / VTA w pozyskiwaniu wspomnień deklaratywnych. Chociaż neurony dopaminergiczne SN reagują na nowe bodźce podczas kondycjonowania [13, 18, 19, 20], nie istnieją żadne zapisy neuronów SN podczas deklaratywnych zadań pamięci. Nie wiadomo zatem, czy neurony SN odróżniają znane od nowych bodźców i czy taka aktywacja jest związana z powodzeniem kodowania pamięci.

Zaproponowano, że układ dopaminergiczny i hipokamp tworzą pętlę multisynaptyczną, która rozpoczyna się od sygnału nowości hipokampa, który przejściowo wzbudza neurony dopaminergiczne w SN / VTA, co z kolei prowadzi do wzmocnienia plastyczności hipokampa poprzez aktywację hipokampowych receptorów dopaminy (Rysunek 1A) [9, 23]. Chociaż pierwotna hipoteza dotyczy zarówno SN, jak i VTA, skupiamy się tutaj wyłącznie na SN, a zatem ograniczamy poniższą dyskusję do prognoz istotnych dla SN. Ponadto nie ograniczamy dyskusji do neuronów dopaminergicznych SN, ponieważ neurony GABAergiczne z kolei hamują neurony dopaminergiczne (DA) [24], czyniąc ich odpowiedź równie istotną dla hipotezy. Hipoteza pętli hipokampa-SN / VTA [9, 23] przedstawia trzy konkretne przewidywania w odniesieniu do pamięci deklaratywnych: po pierwsze, przewiduje, że aktywność neuronów SN jest modulowana przez nowość bodźca podczas zadań deklaratywnych. Po drugie, przewiduje, że ta modulacja pojawia się, w stosunku do początku bodźca, najpierw w hipokampie, a następnie w SN. Po trzecie, jeśli ma to znaczenie dla pamięci deklaratywnej, aktywność SN podczas nowych bodźców powinna być predykatorem powodzenia lub niepowodzenia tworzenia pamięci, ocenianego na podstawie późniejszego zachowania. Tutaj testujemy te trzy prognozy bezpośrednio u ludzi, rejestrując aktywność poszczególnych neuronów SN i wiążąc ich aktywność z ocenianą behawioralnie siłą pamięci.

Nasi badani wykonali zadanie pamięci rozpoznawczej, dla których my i inni opisaliśmy neurony sygnalizujące nowość w ludzkim hipokampie [25]. Zakres, w jakim te selektywne neurony pamięci są modulowane przez trwające oscylacje theta, jest predykcją sukcesu lub niepowodzenia tworzenia pamięci [26]. Uważa się, że dopamina jest niezbędna dla powodzenia formowania pamięci w tym zadaniu, podnosząc pytanie, czy aktywność neuronów SN jest dodatkowo koordynowana przez trwające oscylacje theta. Częstotliwość Theta i inne oscylacje o niskiej częstotliwości mają kluczowe znaczenie w koordynowaniu przepływu informacji między obszarami korowymi i podkorowymi [27, 28, 29], w tym SN / VTA, hipokamp i kora mózgowa. Nie wiadomo jednak, czy koordynacja aktywności neuronalnej między neuronami SN a korą również odgrywa rolę w tworzeniu pamięci deklaratywnej. Tutaj rejestrowaliśmy jednocześnie aktywność neuronów SN wraz z potencjałami pola korowego w płacie czołowym, aby ocenić, czy aktywność neuronów SN jest skoordynowana z aktywnością korową i czy taka koordynacja jest predykcją sukcesu tworzenia pamięci.

Efekt

Zadanie i zachowanie

Tematy 23 (sesje 28; patrz Tabela S1) poddanie implantacji urządzenia do stymulacji głębokiego mózgu (DBS) w jądrze podwzgórza (STN) w celu leczenia choroby Parkinsona (PD) lub drżenia samoistnego wykonało zadanie ciągłego rozpoznawania pamięci. Dwie sesje nagraniowe zostały wykluczone, ponieważ tematy wykonywane na poziomie przypadkowym, a trzy sesje zostały wykluczone, ponieważ nagrania zostały wykonane poza SN (patrz Ryciny 1D i 1E). Zatem sesje 23 pozostały do ​​analizy.

Badani zostali poproszeni o obejrzenie sekwencji obrazów i zidentyfikowanie każdego obrazu jako nowego lub znanego (Rysunek 1B). Badani naciskali przycisk „nowy” lub „stary”, aby udzielić odpowiedzi (tożsamość przycisku została odwrócona w środku eksperymentu). Każdy obraz był prezentowany do trzech razy. Pierwsza prezentacja jest określana jako „powieść”, a pozostałe dwie jako „znajoma”. Badani radzili sobie dobrze, ze średnią dokładnością rozpoznawania 82% (± 8%, ± SD; Rysunek 1DO). Ponadto badani kontynuowali naukę, o czym świadczy znaczny wzrost wydajności podczas drugiej znanej prezentacji (87% ± 13%) w porównaniu z pierwszą (74% ± 12%, t [22] = 5.62, p = 0.0005, permutacja sparowana t test). Do analizy wykorzystano tylko prawidłowe próby, chyba że określono inaczej. Mediana czasu między pojawieniem się ekranu pytania a naciśnięciem przycisku wynosiła 0.69 ± 0.99 s, bez znaczącej różnicy w czasie reakcji między nowymi (1.12 ± 1.06 s) a znanymi odpowiedziami (1.05 ± 0.90 s, t [22] = 1.17, p = 0.26, test t dla par permutacji). Obrazy, których użyliśmy, należały do ​​jednej z trzech różnych kategorii wizualnych (zwierzęta, krajobrazy i owoce). Nie było istotnych różnic w czasie reakcji w funkcji kategorii wizualnej (jednokierunkowa permutacja ANOVA: F [2,44] = 2, p = 0.13). Wszystkie te dane behawioralne pokazują, że pacjenci dokładnie wykonali zadanie. Przedoperacyjne testy neuropsychologiczne były zgodne z tą obserwacją (patrz Tabela S1).

Elektrofizjologia

Zidentyfikowaliśmy dobrze izolowane przypuszczalne pojedyncze neurony 66 zarejestrowane w SN. Ryciny 1D i 1E pokazują lokalizacje wszystkich miejsc zapisu w przestrzeni Talairach, określone na podstawie współrzędnych stereotaktycznych (zobacz także Metody STAR i Ryciny S2E i S2F). Neurony były dobrze izolowane, co oceniono ilościowo za pomocą metryk jakości sortowania spajków (Rysunek S1). W całym manuskrypcie terminów neuron, jednostka i komórka używamy zamiennie w odniesieniu do domniemanego pojedynczego neuronu. Z każdej mikroelektrody zarejestrowaliśmy również potencjały pola za pomocą styku elektrody o niskiej impedancji znajdującego się 3 mm powyżej końcówki mikroelektrody (Rysunek S2ZA). Ponadto zarejestrowaliśmy powierzchnię korową (sygnały elektrokortykograficzne [ECoG]) za pomocą pasmowej elektrody podtwardówkowej umieszczonej wzdłuż grzbietowej powierzchni czołowo-ciemieniowej mózgu, rozciągającej się do przodu i do tyłu od bruzdy środkowej (Ryciny S2B – S2D). Zlokalizowaliśmy pozycję elektrod ECoG i związanych z nimi obszarów korowych za pomocą kombinacji obrazowania śródoperacyjnego i stymulacji nerwu pośrodkowego (patrz Metody STAR i Ryciny S2C i S2D). Mediana lokalizacji wszystkich nagrań ECoG jest pokazana w Rysunek 1F.

Neurony SN reagują na bodźce wzrokowe

Najpierw przetestowaliśmy, czy neurony zmieniają szybkość wypalania w odpowiedzi na początek obrazu, rozważając wszystkie próby razem, niezależnie od nowości / znajomości (patrz Metody STAR). Okazało się, że 14/66 (21.2%, p = 0.002, w porównaniu z rozkładem zerowym; Rysunek 2A) neuronów zmieniło szybkość odpalania w odpowiedzi na pojawienie się obrazu (porównanie pików w oknie 0–1.5 s po rozpoczęciu bodźca z oknem –0.5–0 s poprzedzającym początek bodźca). Spośród tych neuronów „reagujących na obraz”, pięć zwiększyło szybkość odpalania w stosunku do linii podstawowej (przykład neuronu pokazano na Rysunek 2C) i 9 zmniejszyły szybkość wypalania (przykład neuronu pokazanego w Rysunek 2RE). Neurony, które zwiększyły swoją szybkość odpalania, zareagowały znacznie szybciej niż te, które zmniejszyły ich szybkość odpalania (224.8 ± 138.5 ms wobec 426 ± 141.9 ms, t [12] = 2.58, p = 0.03, permutowany test t; patrz Rysunek 2B).

W wielu obszarach mózgu człowieka neurony rozróżniają kategorie wizualne [30]. Dlatego zapytaliśmy następnie, czy odpowiedź neuronów SN różni się między trzema różnymi kategoriami wizualnymi (zwierzęta, krajobrazy i owoce) obrazów. Nie znaleźliśmy dowodów dla neuronów kategorii SN: jednokierunkowa permutacja ANOVA nie ujawniła znaczącej liczby neuronów dostrojonych do kategorii wzrokowej (N = 6, 9.1%, p = 0.16; Rysunek 2ZA). W przeciwieństwie do środkowego płata skroniowego (MTL) [30], nie znaleźliśmy sygnału kategorii wizualnej w SN.

Neurony SN odróżniają powieść od znanego bodźca

Następnie zbadaliśmy, czy neurony SN zasygnalizowały, że bodziec jest nowy (pokazany po raz pierwszy) lub znajomy (pokazany po raz drugi lub trzeci). Tutaj odnosimy się do takich neuronów, jak neurony selektywne względem pamięci (MS) [25]. Zbadaliśmy, czy odpowiedź neuronów SN wykazuje ten wzorzec, porównując odpowiedzi neuronów po wystąpieniu bodźca między nowymi i znanymi próbami. Najpierw skupiliśmy się na podgrupie, która miała większą szybkość wypalania dla powieści w stosunku do znanych bodźców (patrz Metody STAR). Zidentyfikowaliśmy takie neurony 11 (Ryciny 3A – 3C; 16.6%, p = 0.002, w porównaniu z rozkładem zerowym; Zobacz też Rysunek S3ZA). Odnosimy się do tego podzbioru neuronów MS jako neuronów „nowości”. Ta różnica w odpowiedzi między nowymi i znanymi bodźcami była już widoczna, gdy obraz był widziany po raz drugi (Rysunek 3D, środek). Odpowiedź pozostała, ale nie uległa dalszemu wzmocnieniu przy porównaniu drugiej i trzeciej prezentacji tego samego obrazu (t [10] = 1.36, p = 0.21, permutowany sparowany test t; patrz Rysunek 3D, po prawej). Ponadto różnica w odpowiedzi między nowymi i znanymi bodźcami nie zależała od opóźnienia między dwiema kolejnymi prezentacjami tego samego obrazu (F [3,30] = 0.22, p = 0.88, jednostronna permutacja ANOVA; patrz Rysunek 3MI).

Następnie zbadaliśmy, czy inne neurony SN zwiększają szybkość wyładowań w odpowiedzi na znane obrazy. Okazało się, że 6 neuronów (9%, p = 0.01, w porównaniu z rozkładem zerowym; patrz także Rysunek S3B) wykazał znaczny wzrost w przypadku znajomych w porównaniu z nowymi obrazami. Podobnie jak w przypadku nowych neuronów, odpowiedź takich neuronów „swojskich” nie zmieniała się dalej między drugą a trzecią prezentacją tego samego obrazu (t [5] = 0.7, p = 0.06; Rysunek 3D) i nie był modulowany przez długość opóźnienia między kolejnymi prezentacjami tego samego obrazu (F [3,15] = 2.12, p = 0.14; Rysunek 3MI). Łącznie dane te wykazały, że szybkości wystrzeliwania znacznej części neuronów SN (16.6% i 9.0%; Rysunek 3A) były modulowane przez nowość lub znajomość obrazów w deklaratywnym zadaniu pamięci. Co ważne, ta zmiana odpowiedzi była widoczna po pojedynczym procesie uczenia się (Rysunek 3D) zarówno dla neuronów nowatorskich, jak i znanych.

Odnosimy się do nowości 17 i znanych neuronów razem jako neurony MS (Rysunek 3ZA). Neurony MS 4 kwalifikowały się również jako neurony reagujące na obraz (tj. Wykazywały zmianę w szybkości wypalania dla wszystkich analizowanych razem; patrz Rysunek 2). Przyczyną tego niewielkiego nakładania się jest brak odpowiedzi na niepreferowaną kategorię bodźców. Aby to pokazać, porównaliśmy szybkość wyzwalania tylko nowych lub znanych badań (w zależności od typu badania, na które neuron był wrażliwy) z wyjściową szybkością wyzwalania. To ujawniło, że komórki MS miały istotnie wyższą szybkość wyładowań podczas prezentacji obrazu (0–1.5 s, 7.23 ± 17.9 Hz) w porównaniu do linii bazowej (–0.5–0 s, 6.2 ± 20.9 Hz, t [16] = 1.38, p = 0.042 , permutowany sparowany test t), ale tylko w przypadku preferowanego typu badania (nowatorskiego lub znanego; należy zauważyć, że nie jest to wynikiem selekcji, ponieważ przy wyborze neuronów SM nie bierze się pod uwagę podstawowej szybkości wyzwalania).

Przeprowadziliśmy dodatkowe analizy kontrolne, aby sprawdzić, czy ten sygnał pamięci nie był spowodowany innymi czynnikami, takimi jak dryft elektrodowy lub powolne zmiany szybkości zapłonu. Po pierwsze, zweryfikowaliśmy, że nie było podobnej różnicy w okresie odniesienia: ani neurony MS typu nowatorskiego ani znanego nie wykazały takiej różnicy (Rysunek 3D, w lewo; nie różni się istotnie od 0 dla nowych neuronów [t [10] = 0.07, p = 0.94] i znanych neuronów [t [5] = 0.58; p = 0.54]). Zbadaliśmy również, ile neuronów SM zostałoby wybranych, gdybyśmy do selekcji wykorzystali okres odniesienia (-0.5-0 s), a nie okres po wystąpieniu bodźca. Analiza ta ujawniła tylko 1 (1.5%) z 66 jednostek z istotną różnicą między nowymi i znanymi obrazami. Wreszcie, użyliśmy modelu regresji z efektami mieszanymi, aby zidentyfikować czynniki, które wyjaśniają zmienność szybkości wyzwalania neuronów SM. Jako predyktorów wykorzystaliśmy znajomość obrazu i numer próby (plus identyfikator klastra neuronów został użyty jako efekt losowy). Analiza ta wykazała, że ​​regresor znajomości obrazu był istotny nawet po uwzględnieniu efektów liczby badań i był znacznie silniejszy niż regresor liczby badań dla obu typów neuronów SM (nowe neurony: t [864] = 8.95, p <1e − 30 dla nowych / stary regresor versus t [864] = 1.67; p = 0.09 dla regresora liczby próby; neurony znajomości: t [501] = 7.24, p <1e − 12 dla nowego / starego regresora w porównaniu z t [501] = 3.67, p = 0.0002 dla regresora numeru próby). Na koniec zwróć uwagę, że w trakcie eksperymentu losowo mieszaliśmy nowe i znane bodźce. Wszystkie te analizy kontrolne potwierdzają, że różnicy w odpowiedziach nie można przypisać dryfowaniu elektrod.

Neurony SN MS przewidują zachowanie

Następnie zbadaliśmy, czy odpowiedź neuronów stwardnienia rozsianego (testowanych oddzielnie pod kątem neuronów preferujących nowość i swojskość) była związana z pamięcią, oceniając, czy ich odpowiedź różniła się od zachowania podmiotu. W szczególności porównaliśmy odpowiedzi neuronalne na znane bodźce (te, które zostały wcześniej pokazane przynajmniej raz), które pacjenci prawidłowo zapamiętali (odpowiedź „stara”) z tymi, o których zapomnieli omyłkowo (odpowiedź „nowa”). Pod względem behawioralnym pacjenci wykazywali dobre wyniki: pamiętali (wskaźnik prawdziwie dodatni) 74% obrazów podczas pierwszego powtórzenia („znajome 1”) i 87% po drugim („znajome 2”). Okazało się, że reakcja nowatorskich komórek była znacznie osłabiona podczas prób, w których znane obrazy zostały błędnie ocenione jako nowe w porównaniu z prawidłową oceną jako znajome, z różnicą częstotliwości wyzwalania 0.36 ± 0.36 Hz dla nieprawidłowych i 0.60 ± 0.24 Hz. dla prawidłowych prób (patrz Rysunek 3FA; t [11] = 2.72, p = 0.02, permutowany sparowany test t; zastosowaną miarą była różnica w szybkości wypalania między momentem, w którym obraz był nowy i znany, znormalizowany przez podstawową szybkość wypalania). Na potrzeby tego porównania wykluczyliśmy próby, w przypadku których początkowa prezentacja nowości była nieprawidłowa (fałszywie dodatni), więc zaobserwowaną różnicę można było przypisać tylko zapomnianym obrazom (fałszywie negatywnym). Jednak, choć mniejsza, reakcja na zapomniane znane bodźce nadal była znacząco różna od zera (Rysunek 3FA; t [11] = 3.98, p = 0.002, permutowany test t). Analiza ta pokazuje, że odpowiedź nowych neuronów wskazywała, czy znajomy bodziec zostanie zapamiętany, czy zapomniany. W przypadku neuronów, które zwiększają szybkość odpalania (n = 6) do znanych obrazów, korelacja między zachowaniem a aktywnością neuronów była ilościowo podobna, ale nie znacząca (Rysunek 3FA; t [5] = 2.31, p = 0.056).

Opóźnienie reakcji

Jak szybko po wystąpieniu bodźca odpowiedź neuronów MS SN różnicowała między nowymi a znanymi obrazami? Aby odpowiedzieć na to pytanie, oszacowaliśmy pierwszy punkt w czasie, w którym odpowiedzi różniły się między nowymi i znanymi obrazami. Porównaliśmy skumulowaną sumę skoków, metodę, która zapewnia oszacowanie różnej latencji neuronu z wysoką precyzją [31]. Okazało się, że średnie opóźnienie różnicowe wynosiło 527 ms od początku obrazu (Rysunek 3SOL). Porównaliśmy tę latencję z latencją neuronów SM (n = 122) rekodowanych w MTL podczas podobnego nowego / starego zadania rozpoznawania w innej populacji pacjentów [32, 33]. Neurony stwardnienia rozsianego w MTL miały średnie opóźnienie różnicowe 311 ms, co było znacznie szybsze w porównaniu z SN (p = 0.013, oszacowane na podstawie empirycznie oszacowanego rozkładu zerowego, dla którego losowo przydzielono ponownie etykiety obszaru). Wynik ten był również prawdziwy, biorąc pod uwagę neurony SM, które osobno zwiększały szybkość wyzwalania do nowych i znanych bodźców (odpowiednio p = 0.002 i p = 0.002, neurony, w porównaniu z n = 64 nowości in = 58 znanymi neuronami w MTL). Ta kolejność odpowiedzi jest zgodna z modelem Lismana i Grace'a interakcji między hipokampem a VTA / SN [9].

Analiza typu komórki

SN zawiera dwa zasadnicze typy neuronów: hamujące neurony GABAergiczne i neurony dopaminergiczne, które rzutują na odległe cele, w tym prążkowie, ciało migdałowate i hipokamp [4, 34, 35, 36]. Stosując zapisy zewnątrzkomórkowe, różne typy komórek często można rozróżnić na podstawie kombinacji szerokości pozakomórkowej fali kolca i średniej szybkości wypalania [37]. W szczególności, w SN, wiadomo, że neurony dopaminergiczne mają szersze kształty fal i niższe szybkości zapłonu w porównaniu do neuronów GABAergicznych [38, 39], co skutkuje bimodalnym rozkładem szerokości fali we wszystkich neuronach. Okazało się, że we wszystkich zarejestrowanych neuronach (N = 66) rozkład szerokości pików był bimodalny (statystyka spadku Hartigana: 0.0717, p = 0.006 [40]; widzieć Ryciny 3H i 3I). W ten sposób następnie zbadaliśmy, czy neurony SM były preferencyjnie z określonego typu komórek. Okazało się, że neurony SM charakteryzowały się średnio dłuższymi przebiegami w porównaniu z neuronami innymi niż MS (1.15 ± 0.23 ms wobec 0.96 ± 0.32 ms; długość fali mierzono jako czas, który upłynął między dwoma dodatnimi szczytami [14] przebiegu; t [65] = 2.65, p = 0.012, test t permutacji; Ryciny 3H i 3I). Dodatkowo, neurony SM spełniały kryteria dla neuronów DA ustalone w poprzedniej pracy: 15/17 neuronów MS miało kształt fali dłuższy niż 0.8 ms i częstotliwość wyładowań mniejszą niż 15 Hz [14, 41]. Odkryliśmy również, że miejsca rejestracji, w których zidentyfikowano neurony MS, znajdowały się głównie w grzbietowych częściach SN (Ryciny 1D i 1E). Wyniki te są zgodne z położeniem pars compacta, w którym znajduje się większość neuronów dopaminergicznych [42, 43]. Wszystkie te analizy potwierdzają pogląd, że neurony SM, które zidentyfikowaliśmy, były przypuszczalnie dopaminergiczne.

Interakcje SN-Cortex

Czy aktywność neuronów SN była związana z aktywnością potencjału pola zarejestrowaną z zwojów podstawy i / lub powierzchni korowej? Skwantyfikowaliśmy interakcje spike-field za pomocą koherencji spike field (SFC) jako metryki, aby odpowiedzieć na to pytanie. Po pierwsze, SFC między neuronami SN a potencjałami pola zarejestrowanymi w zwojach podstawy (STN) było znacznie powyżej szansy w paśmie częstotliwości theta (Rysunek 4A, lewy panel; istotne przy p <0.05 przy 2–5 Hz we wszystkich neuronach N = 56 z wystarczającą liczbą pików). Należy zauważyć, że w tym przypadku potencjał pola został najprawdopodobniej zarejestrowany z STN, a nie z SN, ze względu na położenie styku rejestrującego 3 mm powyżej końcówki mikroelektrody (patrz Metody STAR i Rysunek S2ZA). Po drugie, aktywność neuronów SN była również skoordynowana z potencjałami pola korowego: neurony SN wolały strzelać więcej w niektórych fazach pasma częstotliwości theta i alfa sygnałów ECoG zarejestrowanych z powierzchni kory (SFC była istotnie różna w zakresie 6-12 Hz pasmo częstotliwości, N = 61, p <0.05; Rysunek 4A, prawy panel; patrz legenda dla statystyk; Zobacz też Rysunek S4 dla wszystkich elektrod). Dotyczyło to tylko jednej pary kontaktów EKoG położonych przed bruzdą centralną (oznaczonych jako +2; inne kontakty nie były znaczące; patrz Rysunek S4). Styki +2 ECoG znajdowały się na górnym zakręcie czołowym w obszarze 6 Brodmanna (kora przedruchowa). To odkrycie wskazuje, że aktywność neuronalna SN jest funkcjonalnie połączona z tym regionem płata czołowego (patrz Dyskusja). Następnie zbadaliśmy, czy to funkcjonalne połączenie ma znaczenie behawioralne, porównując jego siłę między nowymi próbami, które później zostały zapamiętane z nowymi próbami, które później zostały zapomniane.

Na podstawie wcześniejszych badań i prognoz modeli [26], postawiliśmy hipotezę, że stopień spójności pola kolca podczas kodowania nowych obrazów przewiduje, czy badani z powodzeniem zakodują nowe wspomnienie, czy nie. Aby przetestować tę hipotezę, porównaliśmy SFC podczas oglądania nowych obrazów między próbami, które później zostały poprawnie zapamiętane, z próbami, które zostały później zapomniane (tj. Zidentyfikowane jako nowe). Ta różnica wynikająca z porównania pamięci wykazała, że ​​zapamiętanym później obrazom towarzyszyła wyższa wartość SFC w zakresie częstotliwości theta dla EKoG mierzonych przed centralną bruzdą podczas kodowania (N = 58 neuronów, 3–9 Hz, p <0.05; Rysunek 4B, prawy panel; zobacz legendę dla statystyk). Należy zauważyć, że to obliczenie obejmuje tylko próby, podczas których obraz był widziany po raz pierwszy (powieść) i które osoba prawidłowo oznaczyła jako „nowy”. Dlatego reakcja była zawsze taka sama („nowa”), wykluczając możliwość, że ta różnica wynikała z różnic w planowaniu motorycznym. Podobnie jak w przypadku SFC uwzględniającej wszystkie badania, ta różnica była istotna tylko dla potencjałów pola zarejestrowanych z przedniego kontaktu +2 zlokalizowanego w korze przedruchowej (środkowa bruzda +2; Rysunek 4B; Ryciny 4C i 4D pokazują przykładową średnią SFC i wyzwalaną spajkiem neuronu). Nie zaobserwowaliśmy podobnego związku z rejestracją potencjału pola ze zwojów podstawy (STN; Rysunek 4B, lewy panel; wszystkie p> 0.05). W ramach kontroli porównaliśmy również moc ECoG między dwoma warunkami, ale nie znaleźliśmy żadnych znaczących różnic (Rysunek 4MI; wszystkie p> 0.05). To razem pokazuje, że zakres SFC dalekiego zasięgu między aktywnością neuronalną SN a potencjalną aktywnością czołowego pola korowego zarejestrowaną z kory przedruchowej był czynnikiem predykcyjnym pomyślnego tworzenia pamięci.

W jaki sposób można osiągnąć ten skok na odległość / koordynację w terenie? Aby odpowiedzieć na to pytanie, przeprowadziliśmy następnie analizę spójności fazowej pomiędzy zapisami potencjału pola w zwojach podstawy mózgu (STN) a zapisami EKoG z kory uzyskanymi podczas oglądania przez pacjentów nowych obrazów (0–1.5 s w stosunku do początku bodźca; patrz Metody STAR). Analiza ta wykazała, że ​​pomyślne kodowanie nowych pamięci wiązało się ze znacznie wyższą spójnością fazową w zakresie częstotliwości theta (5–10 Hz; Rysunek 4FA; p <0.05; zobacz legendę dla statystyk). Podobnie jak w badaniu SFC, efekt ten był obserwowany tylko na elektrodzie centralnej bruzdy +2 (Rysunek 4SOL). Moc sygnałów ECoG zarejestrowanych z centralnej elektrody rowka +2 wykazywała wyraźny spadek mocy pasma beta, rozpoczynający się około 500 ms po rozpoczęciu bodźca, co najprawdopodobniej było związane z przygotowaniem do ruchu (Rysunek 4H). Ten spadek beta był poprzedzony wzrostem mocy częstotliwości theta (Rysunek 4H), który rozpoczął się wkrótce po wystąpieniu bodźca. Ten wzór pokazuje, że przetwarzanie obrazu zwiększa moc oscylacji theta w korze czołowej, co zapewnia potencjalny mechanizm, dzięki któremu neurony SN mogą modulować zakres koordynacji między ich aktywnością a czołową theta korową. Tutaj pokazujemy, że zakres takiego blokowania fazy jest predykcją sukcesu kodowania pamięci, co sugeruje, że oscylacje zakresu częstotliwości theta koordynują przesyłanie informacji między obszarami podczas kodowania pamięci.

Dyskusja

Odkryliśmy, że aktywność poszczególnych neuronów w istocie ludzkiej nigra rozróżnia nowe i znane obrazy w zależnym od hipokampa zadaniu pamięci deklaratywnej. Dodatkowo odkryliśmy, że stopień koordynacji aktywności neuronów SN z oscylacjami częstotliwości czołowej theta był predykcją udanego tworzenia się pamięci. Chociaż poprzednie prace pokazują, że neurony ludzkiego SN reagują na błędy przewidywania nagrody [14] i rzadkie dźwięki w paradygmacie dziwnej piłki [16] nasze dane są, według naszej wiedzy, pierwszym badaniem opisującym aktywność neuronalną SN podczas formowania pamięci deklaratywnej u ludzi.

Opisane właściwości elektrofizjologiczne komórek selektywnych względem pamięci wskazują, że komórki te są najprawdopodobniej dopaminergiczne. Wniosek ten opiera się na dwóch danych: szerokości ich przebiegów i lokalizacji anatomicznej. Neurony dopaminergiczne mają znacznie szersze kształty fal pozakomórkowych w porównaniu z neuronami GABAergicznymi również zlokalizowanymi w SN [38, 39, 44]. Ponadto, chociaż neurony dopaminergiczne występują w całym SN, większość znajduje się w subregionie pars compacta SN [42, 43]. Dlatego większość neuronów dopaminergicznych powinna znajdować się w grzbietowo-przyśrodkowej części SN, która jest obszarem, w którym znaleźliśmy większość neuronów MS. Wykazano łącznie, że kryteria te w sposób niezawodny oddzielają neurony dopaminergiczne i GABAergiczne w SN na podstawie samych cech elektrofizjologicznych [38, 39, 44, 45, 46]. Ostateczne potwierdzenie tego twierdzenia będzie wymagało albo analizy histologicznej [47] lub celowanie genetyczne [38]. Tutaj odnosimy się do tych neuronów jako przypuszczalnie dopaminergicznych, aby wskazać, że ten wniosek opiera się wyłącznie na zapisach zewnątrzkomórkowych.

Drugą kwestią jest wpływ trwającej neurodegeneracji na nasze wyniki. Większość osób biorących udział w badaniu miała PD i dlatego cierpiała na znaczną utratę komórek dopaminergicznych w SN. Jednak nasze nagrania dotarły do ​​obszaru anatomicznego, w którym wystarczająca populacja neuronów dopaminergicznych nadal funkcjonuje nawet w PD. Utrata dopaminergiczna w PD postępuje nierównomiernie [48, 49], atakując niektóre obszary bardziej surowo niż inne. Analizy tkanek pośmiertnych u pacjentów z PD zwykle wykazują dużą utratę neuronów dopaminergicznych w części ogonowej SN, z utratą około 90% komórek. W przeciwieństwie do tego, utrata komórek w bardziej grzbietowych obszarach jest bardziej umiarkowana (50% lub mniej) w stopniu porównywalnym z tym, co można zaobserwować w normalnym starzeniu [49]. Rzeczywiście, kilka badań odniosło sukces w rejestrowaniu przypuszczalnych neuronów dopaminergicznych u pacjentów z PD poddanych operacji STN DBS [14, 41]. W przypadku celu chirurgicznego w STN rozsądne jest oczekiwanie, że nagrania SN będą zlokalizowane głównie w obszarze grzbietowym SN. To założenie zostało potwierdzone przez analizę naszych pozycji elektrod, które pokazały większość zapisów zlokalizowanych w grzbietowej części SN, gdzie wpływ choroby ma być stosunkowo niewielki [49]. Nie wiadomo jednak, czy PD mogło wpłynąć na przebiegi pozostałych neuronów DA, które zarejestrowaliśmy. Chociaż nie wykryliśmy korelacji nasilenia choroby z czasem trwania fali (patrz Metody STAR) problem ten pozostaje kwestią otwartą. Wreszcie pacjenci włączeni do naszego badania byli na znacznie wcześniejszych etapach PD niż pacjenci włączeni do analizy pośmiertnej [48, 49], dlatego zachowując większą gęstość komórek dopaminergicznych w obszarach grzbietowych SN.

Zaproponowano, że rolą modulacji dopaminergicznej w procesach pamięci hipokampa jest zwiększenie plastyczności synaptycznej dla ważnych zdarzeń, takich jak te, które są satysfakcjonujące, dostosowane do celów pacjenta lub przyciągają uwagę [9, 23]. Proponowanym szlakiem dla tego sygnału do osiągnięcia SN / VTA jest doprowadzenie aferentów z jądra półleżącego (NA) i jądra nakłucia szypułkowego (PPTg), które są strukturami zaangażowanymi w pośredniczenie w procesach motywacyjnych i uwagi [50, 51]. Zarówno NA jak i PPTg z kolei otrzymują dane wejściowe z kory przedczołowej (PFC) i hipokampa, umożliwiając im integrację sygnałów o aktualnych celach i nowościach bodźców [23, 50, 51]. Postawiono hipotezę, że sygnały nowości hipokampu powodują uwalnianie dopaminy w hipokampie poprzez ten multisynaptyczny szlak [9, 23]. Tutaj zidentyfikowaliśmy domniemane neurony dopaminergiczne w SN, które są zgodne z tą hipotezą, ponieważ reagują wzrostem szybkości wypalania na nowe bodźce. Co ciekawe, oprócz nowatorskich neuronów, zidentyfikowaliśmy również mniejszą grupę domniemanych neuronów dopaminergicznych, które zareagowały zwiększeniem szybkości wypalania na znane bodźce. Charakterystyka odpowiedzi tej grupy neuronów była podobna do nowatorskich neuronów (Ryciny 3D, 3E i 3H), z wyjątkiem tego, że nie wskazywały one znacząco na to, czy znajomy bodziec zostanie zapamiętany, czy zapomniany (ale zauważ, że jest to najprawdopodobniej spowodowane brakiem mocy statystycznej). Chociaż te neurony nie są bezpośrednio przewidywane przez model teoretyczny Lismana i Grace, jest prawdopodobne, że odgrywają również rolę w uczeniu się. Na przykład różne stężenia DA mogą prowadzić do depresji synaptycznej lub jej wzmocnienia [52] i poziomy DA mogą kontrolować próg długoterminowego wzmocnienia (LTP) / długotrwałej depresji (LTD) [53]. Sugeruje to, że neurony, które zwiększają poziom DA dla znanych bodźców, mogą uczestniczyć w utrzymaniu tej homeostazy. Ponadto różne typy receptorów dopaminy mają różną wrażliwość i progi aktywacji oraz pośredniczą w różnych aspektach plastyczności, w tym kodowaniu i konsolidacji wspomnień [54, 55]. Łącznie ta literatura w połączeniu z naszymi odkryciami potwierdza hipotezę, że neurony znane są w mechanizmach plastyczności, które służą do wzmacniania już zakodowanych wspomnień. Potrzebne są przyszłe prace, aby bezpośrednio przetestować tę hipotezę.

Opóźnienie odpowiedzi SN było również zgodne z modelem Lismana i Grace, a mianowicie, że odpowiedzi SN MS pojawiły się znacznie później w porównaniu z obserwowanymi w MTL [33]. Tutaj stwierdziliśmy, że odpowiedzi SN były po raz pierwszy widoczne 527 ms po rozpoczęciu bodźca, czas, który był większy niż interwał 311 ms obserwowany w MTL [32]. Zastrzeżenie tego porównania polega na tym, że pochodziło ono z dwóch różnych populacji pacjentów (odpowiednio PD i padaczki). Łącznie nasze wyniki potwierdzają pogląd, że informacje o nowościach stymulacyjnych obserwowanych w SN pochodzą z MTL. Co ważne, zakres modulacji komórek SN wskazywał, czy osobnik prawidłowo rozpoznaje znany bodziec. Wynik ten wskazuje, że odpowiedź komórek SN była behawioralnie istotna dla deklaratywnego zadania pamięciowego, które wykonywali nasi badani. Odkrycie to jest również zgodne z wynikami badań na ludziach, z których wynika, że ​​aktywność SN fMRI-zależna od poziomu krwi-tlenu (BOLD) przewiduje udane tworzenie pamięci [5, 6]. Nie wiadomo jednak, jaki jest związek między aktywnością różnych typów komórek w sygnale SN i BOLD (ale patrz [56]). W przeciwieństwie do tego, tutaj zidentyfikowaliśmy specyficzne typy komórek SN elektrofizjologicznie i wykazaliśmy, że jest to aktywność fazowa domniemanych neuronów DA wkrótce po wystąpieniu bodźca, która jest predykcją powstawania pamięci.

Zaobserwowaliśmy, że aktywność neuronów SN była systematycznie związana z fazą trwających oscylacji theta w korze czołowej (mierzonych w korze przedruchowej). Koordynacja ta miała znaczenie behawioralne, ponieważ zakres blokowania faz był predykcją sukcesu formacji pamięci. Uważa się, że oscylacje w zakresie częstotliwości theta koordynują przepływ informacji między MTL, zwojami podstawnymi i korą czołową [27, 28, 29]. Tutaj pokazujemy teraz, że u ludzi odpalanie neuronów SN jest związane z oscylacjami korowej częstotliwości theta i że taka koordynacja ma znaczenie behawioralne dla tworzenia pamięci. Znaczenie synchronizacji theta między zwojami podstawnymi a korą czołową zostało ustalone przez wcześniejsze zapisy pacjentów ludzkich wykonujących zadania poznawcze [57, 58]. Co ciekawe, powolna stymulacja STN 4 Hz poprawia wydajność w zadaniach poznawczych [58]. Kluczowym nieznanym pytaniem jest, czy oscylacje theta, które kwantyfikowaliśmy, są związane z hipokampem theta lub z nim zsynchronizowane [27, 28, 29].

Stymulacja antydromowa STN wywołuje krótkie reakcje latencji w korze przedruchowej, co jest zgodne z szlakiem „hiper-bezpośredniego” u ludzi [59]. Istnieją zatem co najmniej trzy ścieżki, dzięki którym informacje z MTL mogłyby dotrzeć do SN: (1) za pośrednictwem NA i PPTg; (2) za pośrednictwem hiperłącza; i (3) przez prążkowie, które jest połączone z większością kory czołowej [60]. To bogate unerwienie najprawdopodobniej wywołuje funkcjonalną zależność SN i kory czołowej, co zaobserwowano przy użyciu BOLD-fMRI [61, 62]. Również aktywność BOLD w korze czołowej przewiduje udane kodowanie nowych wspomnień [63], sygnał, który uważa się za odzwierciedlenie roli kory czołowej (w tym obszarów przedotorowych) w ułatwianiu kodowania informacji istotnych dla celu i organizowaniu wielu fragmentów informacji w indywidualną pamięć [63]. Tutaj pokażemy teraz możliwy mechanizm, za pomocą którego takie informacje mogą wpływać na siłę kodowania pamięci poprzez modulowanie dopaminergicznej aktywności SN. Kluczowym przyszłym eksperymentem będzie ustalenie, czy aktywność neuronalna SN jest również skoordynowana z oscylacjami hipokampu theta i jak te oscylacje theta odnoszą się do mierzonych tutaj oscylacji czołowych korowych theta.

Podziękowanie

Z wdzięcznością przyjmujemy chęć naszych pacjentów do udziału w tym badaniu. Dziękujemy pracownikom sali operacyjnej Cedars-Sinai za pomoc, Robertowi Zelayi i Lori Scheinost za wsparcie techniczne w neurofizjologii, a Jeffreyowi Wertheimerowi za neuropsychologiczną ocenę pacjentów. Dziękujemy Ralphowi Adolphsowi i wszystkim członkom Laboratorium Rutishauser za dyskusję. Badanie to było możliwe dzięki dofinansowaniu z Fundacji Pfeiffer, a następnie wspierane przez NIH NINDS (U01NS098961), nagrodę NSF CAREER (BCS-1554105) oraz McKnight Endowment Fund for Neuroscience (wszystko dla UR).

Autorskie Wkłady

UR i JK zaprojektowali eksperyment. JK, UR, KB i CPM przeprowadziły eksperymenty. JK i UR przeprowadzili analizę. ANM i KB przeprowadziły operację. MT zapewniło opiekę nad pacjentem. JK, ANM i UR napisali artykuł. Wszyscy autorzy omówili wyniki na wszystkich etapach projektu.

Deklaracja interesów

Autorzy nie deklarują konkurencyjnych interesów.

Informacja uzupełniająca

Dokument S1. Ryciny S1 – S4 i tabela S1