Novelty-Sensitive Dopaminerg Neurons i Human Substantia Nigra Predict Succes of Declarative Memory Formation (2018)

Figur 1

Uppgift, beteende och inspelning platser

(A) förenklad sammanfattning av Lisman-Grace-modellen.

(B) Uppgiften. Överst: Skärmar som presenteras för proverna under en provförsök. Bottom: hur lång tid som varje skärm visades.

(C) Beteende. Anteckningsnoggrannhet för alla sessioner, rankad order visas. Gröna barer indikerar sessioner med chansnoggrannhet; gula staplar indikerar sessioner med inspelningar lokaliserade utanför SN.

(D och E) Plats för mikroelektrodinspelningsplatser i Talairach-utrymme vid Y = -16 (D) och Y = -17.2 (E). Konturer anger atlas-härledda gränser för SN och STN [21]. En kontakt är färgad i rött om minst en minnesselektiv neuron (se SN-neuroner skiljer mellan nya och kända stimuli och Celltypsanalys) spelades in på denna plats och blå om det inte var annat.

(F) Placering av kortikala inspelningar. Visad är medianplatsen för de inspelade ECoG-kontakterna över de sex inspelningssessionerna för vilka en intraoperativ röntgenbild var tillgänglig (se STAR Metoder). Se Figur S2D för ett exempel från ett enskilt ämne. Den rekonstruerade hjärnan som visas är en mallhjärna [22].

Visa Stor Bild | Visa Hi-Res-bild | Ladda ner PowerPoint Slide

Höjdpunkter

• Mänskliga substantia nigra (SN) neuroner moduleras av stimulansnyhet

• Minneselektiva neuroner i substantia nigra är påtagligt dopaminerga

• Faslåsning av SN-neuroner till frontaloscillationer förutsäger minnesbildning

• Validerar förutsägelser av Lisman och Graces VTA / SN-hippocampus loop-modell hos människor

Sammanfattning

Kodningen av information i långvarigt deklarativt minne underlättas av dopamin. Denna process beror på hippocampus nyhetssignaler, men det är fortfarande okänt hur dopaminerga nervceller i hjärnan moduleras av deklarativ-minnesbaserad information. Vi registrerade enskilda substantia nigra (SN) neuroner och kortikala fältpotentialer hos mänskliga patienter som utför en uppgiftsminnesuppgift. Vi fann att 25% av SN-nervceller modulerades genom stimulansnyhet. Extracellulär vågformsform och anatomisk plats indikerade att dessa minnesselektiva nervceller var förmodligen dopaminerga. Svaren från minnesselektiva nervceller uppträdde 527 ms efter stimulusdebut, förändrades efter en enda prövning och var ett tecken på igenkänningsnoggrannhet. SN-nervceller faslåsta till frontala kortikala teta-frekvensoscillationer, och omfattningen av denna samordning förutspådde framgångsrik minnesbildning. Dessa data avslöjar att dopaminerga nervceller i den mänskliga SN moduleras av minnessignaler och visar en progression av informationsflödet i hippocampus-basal ganglier-frontal cortex loop för minneskodning.

Beskrivning

Bildandet av deklarativa minnen bygger på förmågan hos hippocampala synapser att snabbt ändra sin styrka genom långsiktig potentiering och depression [1]. Styrkan och varaktigheten av synaptisk plasticitet beror på extracellulära dopaminnivåer [2, 3], en neuromodulator som frigörs i hippocampus från axonala terminaler som skjuter ut från dopaminerga neuroner i substantia nigra (SN) och ventral tegmental area (VTA) [4]. Styrkan hos hippokampala deklarativa minnen moduleras genom dopaminfrisättning: både omfattningen av SN / VTA-aktivering [5, 6] och nivåerna av dopamin inom hippocampus [2, 7] modulera framgången med kodning. När djur utsätts för nya miljöer stiger dopaminnivåerna och underlättar långsiktig potentiering i hippocampus. Detta förbättrade minne för nya miljöer går emellertid vilse när hippocampala dopaminreceptorer blockeras [8]. Även om dessa och andra observationer antyder en kritisk roll för dopamin frisatt av SN / VTA neuroner i deklarativt minne [9, 10, 11], de underliggande mekanismerna som reglerar detta svar är dåligt förstådda.

Studier hur SN / VTA dopaminerga neuroner signalerar belöning och belönar förväntningsfel [12, 13, 14] har visat en mekanistisk förståelse för SN / VTA: s roll i klassisk konditionering och förstärkning lärande [15]. Dessutom svarar SN-neuroner hos människor på sällsynta ljud i ett udda bollparadigm [16] och koda beslutsresultat [17]. Däremot är lite känt om SN / VTA: s roll i förvärvet av deklarativa minnen. Även om SN dopaminerga neuroner svarar på nya stimuli under konditionering [13, 18, 19, 20] finns inga inspelningar av SN-neuroner under deklarativa minnesuppgifterna. Det är därför okänt huruvida SN-neuroner skiljer sig från bekanta med nya stimuli och huruvida sådan aktivering är relaterad till minnes kodning framgång.

Det har föreslagits att det dopaminerga systemet och hippocampuset bildar en multisynaptisk slinga som börjar med en hippocampal nyhetssignal som transient exciterar dopaminerga neuroner i SN / VTA, vilket i sin tur leder till förstärkning av hippocampal plasticitet genom aktivering av hippocampala dopaminreceptorer (Figur 1A) [9, 23]. Även om den ursprungliga hypotesen gäller både SN och VTA, ligger vårt fokus här bara på SN, och vi begränsar därför följande diskussion till förutsägelser som är relevanta för SN. Vi begränsar inte heller diskussionen till dopaminerga SN-neuroner, eftersom GABAergic neurons i sin tur hämmar dopaminerga (DA) neuroner [24], vilket gör deras svar lika relevant för hypotesen. Hippocampus-SN / VTA-loop-hypotesen [9, 23] gör tre specifika förutsägelser med avseende på deklarativa minnen: För det första förutser det att aktiviteten hos SN-neuroner moduleras av stimulansnyhet under deklarativa minnesuppgifter. För det andra förutspår den att denna modulering uppträder i förhållande till stimulansstart först i hippocampus följt av SN. För det tredje, om det är relevant för deklarativt minne, bör SN-aktivitet under nya stimuli vara förutsägbar för framgång eller misslyckande av minnesbildning, som bedöms av senare beteende. Här testar vi dessa tre förutsägelser direkt hos människor genom att registrera aktiviteten hos enskilda SN-nervceller och relatera deras aktivitet till beteendemässigt bedömd minnesstyrka.

Våra ämnen utförde en erkännande minnesuppgift för vilken vi och andra har beskrivit nyhetssignalerande neuroner i den mänskliga hippocampusen [25]. I vilken utsträckning dessa minneselektiva neuroner moduleras genom pågående theta-oscillationer är förutsägelse för framgång eller misslyckande av minnesbildning [26]. Dopamin anses vara avgörande för framgången med minnesbildningen i denna uppgift, vilket ställer frågan huruvida SN neurons aktivitet dessutom koordineras av pågående theta-svängningar. Theta-frekvens och andra lågfrekvensoscillationer är kritiska för att samordna informationsflödet mellan kortikala och subkortiska områden [27, 28, 29], inklusive SN / VTA, hippocampus och cortex. Det är dock fortfarande okänt huruvida koordinering av neural aktivitet mellan SN-neuroner och cortex också spelar en roll i deklarativ minnesbildning. Här registrerade vi samtidigt aktiviteten hos SN-neuroner tillsammans med kortikala fältpotentialer över frontalloben för att bedöma huruvida SN neurons aktivitet är samordnad med kortikal aktivitet och huruvida sådan samordning är förutsägbar för framgången med minnesbildning.

Resultat

Uppgift och beteende

23-ämnen (28-sessioner, se Tabell S1) som genomgått implantering av en djuphjärnstimulerings (DBS) -anordning i subthalamuskärnan (STN) för behandling av antingen Parkinsons sjukdom (PD) eller väsentlig tremor, utförde en kontinuerlig igenkänningsminneuppgift. Två inspelningssessioner utesluts eftersom ämnen utförs på chansnivå och tre sessioner uteslutes eftersom inspelningar gjordes utanför SN (se Figurer 1D och 1E). Således förblev 23-sessioner för analys.

Ämnen ombads att se en sekvens av bilder och att identifiera varje bild som ny eller bekant (Figur 1B). Ämnen tryckte antingen på "ny" eller "gammal" -knappen för att ge sina svar (knappidentiteten vändes mitt i experimentet). Varje bild presenterades upp till tre gånger. Den första presentationen kallas "roman" och de återstående två presentationerna som "bekant". Ämnen presterade bra, med en genomsnittlig igenkänningsnoggrannhet på 82% (± 8%, ± SD; Figur 1C). Ämnen fortsatte att lära sig, vilket demonstrerades av en signifikant prestationsökning under den andra bekanta presentationen (87% ± 13%) jämfört med den första (74% ± 12%, t [22] = 5.62, p = 0.0005, permutation parat t testa). Endast korrekta försök användes för analys om inte annat anges. Mediantiden mellan frågeskärmens uppkomst och knapptryckning var 0.69 ± 0.99 s, utan någon signifikant skillnad i reaktionstid mellan roman (1.12 ± 1.06 s) och bekanta svar (1.05 ± 0.90 s, t [22] = 1.17, p = 0.26, permutationsparat t-test). Bilderna vi använde hörde till var och en av tre olika visuella kategorier (djur, landskap och frukt). Det fanns inga signifikanta skillnader i reaktionstid som en funktion av den visuella kategorin (enkelriktad permutation ANOVA: F [2,44] = 2, p = 0.13). Tillsammans visar dessa beteendedata att patienter utfört uppgiften korrekt. Preoperativ neuropsykologisk utvärderingstestning överensstämde med denna observation (se Tabell S1).

elektro~~POS=TRUNC

Vi identifierade 66 väl isolerade förmodade enkla neuroner registrerade från SN. Figurer 1D och 1E visar platserna för alla inspelningsplatser i Talairach-rymden som bestäms av stereotaktiska koordinater (se även STAR Metoder och Siffror S2E och S2F). Neuroner isolerades väl som bestämd kvantitativt med användning av spik-sorteringskvalitetsmätningar (Figur S1). Under hela manuskriptet använder vi termerna neuron, enhet och cell omväxlande för att hänvisa till en förmodad enda neuron. Från varje mikroelektrod registrerade vi också fältpotentialer med hjälp av elektrodkontakten med låg impedans som ligger 3 mm ovanför mikroelektrodspetsen (Figur S2EN). Dessutom registrerade vi kortikala ytor (elektrocorticography [ECoG]) signaler med hjälp av en subdural remsaelektrod placerad längs den dorsala fronto-parietala hjärnytan, som sträckte sig främre och bakre än den centrala sulcusen (Siffror S2B-S2D). Vi lokaliserade positionen för ECoG-elektroderna och deras relaterade kortikala områden med hjälp av en kombination av intraoperativ bildbehandling och median nervstimulering (se STAR Metoder och Siffror S2C och S2D). Medianplatsen för alla ECoG-inspelningar visas i Figur 1F.

SN Neurons svarar på Visual Stimuli

Vi testade först om neuroner ändrade sin avfyrningsgrad som svar på bildstart när vi överväger alla försök tillsammans, oavsett nyhet / förtrogenhet (se STAR Metoder). Vi fann att 14/66 (21.2%, p = 0.002, jämfört med nollfördelning; Figur 2A) av nervceller förändrade sin avfyrningshastighet som svar på bilddebut (jämför spikar i ett fönster 0–1.5 s efter stimulusdebut med ett fönster -0.5-0 s före stimulusdebut). Av dessa "bildresponsiva" neuroner ökade fem sin avfyrningshastighet i förhållande till baslinjen (exempel på neuron som visas i Figur 2C) och 9 minskade deras bränningsgrad (exempel neuron som visas i Figur 2D). Neuronerna som ökade sin avfyrningshastighet svarade signifikant snabbare än de som minskade sin avfyrningshastighet (224.8 ± 138.5 ms kontra 426 ± 141.9 ms, t [12] = 2.58, p = 0.03, permuterat t-test; se Figur 2B).

I många mänskliga hjärnområden skiljer sig neuroner mellan visuella kategorier [30]. Vi frågade därför nästa om SN-neurons svar skiljer sig mellan de tre olika visuella kategorierna (djur, landskap och frukt) av bilderna. Vi hittade inga bevis för SN-kategorin neuroner: en enkelriktad permutation ANOVA avslöjade inte ett signifikant antal neuroner inställda på visuell kategori (N = 6, 9.1%, p = 0.16; Figur 2EN). Till skillnad från medial temporal lob (MTL) [30], hittade vi inte en visuell kategori signal i SN.

SN-neuroner skiljer mellan nya och kända stimuli

Vi testade nästa om SN neuroner signalerade att en stimulans är roman (visas första gången) eller bekant (visas den andra eller tredje tiden). Här hänvisar vi till sådana neuroner som minnesselektiva (MS) neuroner [25]. Vi testade huruvida SN neurons svar uppvisade detta mönster genom att jämföra svaren hos neuroner efter stimulansuppträdande mellan nya och välbekanta försök. Vi fokuserade först på undergruppen som hade en större avfyrningsgrad för roman i förhållande till välbekanta stimuli (se STAR Metoder). Vi identifierade 11 sådana neuroner (Figurer 3A – 3C; 16.6%, p = 0.002, jämfört med nollfördelning; se även Figur S3EN). Vi hänvisar till denna delmängd av MS-neuroner som "nyhet" -neuroner. Denna skillnad som svar på nya och välkända stimuli var redan uppenbart när bilden sågs andra gången (Figur 3D, mitten). Svaret förblev men förstärktes inte ytterligare när man jämförde den andra och tredje presentationen av samma bild (t [10] = 1.36, p = 0.21, permuterat parat t-test; se Figur 3D, höger). Dessutom beror inte skillnaden i respons mellan nya och välbekanta stimuli på fördröjningen mellan två på varandra följande presentationer av samma bild (F [3,30] = 0.22, p = 0.88, envägspermutation ANOVA; se Figur 3E).

Vi testade sedan om andra SN-nervceller ökar sin avfyrningshastighet som svar på välbekanta bilder. Vi fann att 6 nervceller (9%, p = 0.01, jämfört med nollfördelning; se också Figur S3B) visade en signifikant ökning för bekanta jämfört med nya bilder. På samma sätt som nyhetsneuroner förändrades inte svaret från sådana "kännande" neuroner ytterligare mellan den andra och tredje presentationen av samma bild (t [5] = 0.7, p = 0.06; Figur 3D) och modulerades inte av fördröjningens längd mellan på varandra följande presentationer av samma bild (F [3,15] = 2.12, p = 0.14; Figur 3E). Tillsammans visade dessa data att bränningshastigheterna för en väsentlig del av SN-neuroner (16.6% och 9.0%; Figur 3A) modulerades av nyheten eller kännedom av bilder i en deklarativ minnesuppgift. Viktigt är att denna förändring i svaret var synlig efter en enda inlärningsförsök (Figur 3D) för både nyhet och familiaritetsneuroner.

Vi hänvisar till 17-nyheten och förtrogenneuroner tillsammans som MS-neuroner (Figur 3EN). 4 MS-neuroner kvalificerade sig också som bildresponsiva neuroner (dvs. de visade en förändring av avfyrningsgraden för alla prövningar som ansågs tillsammans, se Figur 2). Anledningen till denna lilla överlappning är frånvaron av ett svar på den icke-föredragna stimuluskategorin. För att visa detta jämförde vi avfyrningshastigheten för endast de nya eller bekanta försöken (beroende på vilken typ av försök neuronen var känslig för) med utgångshastigheten vid baslinjen. Detta avslöjade att MS-celler hade en signifikant högre avfyrningshastighet under bildpresentation (0-1.5 s, 7.23 ± 17.9 Hz) jämfört med baslinjen (-0.5-0 s, 6.2 ± 20.9 Hz, t [16] = 1.38, p = 0.042 , permuterad parat t-test), men endast för deras föredragna typ av försök (ny eller bekant; notera att detta inte är genom val eftersom baslinjeavfyrningshastigheten inte beaktas när man väljer MS-neuroner).

Vi utförde ytterligare kontrollanalyser för att verifiera att denna minnessignal inte berodde på andra faktorer, såsom elektroddrift eller långsam eldhastighet. Först verifierade vi att ingen liknande skillnad existerade under baslinjeperioden: ingen nyhet eller bekantskapstyp MS-neuroner uppvisade en sådan skillnad (Figur 3D, vänster; inte signifikant annorlunda jämfört med 0 för nyhetsneuroner [t [10] = 0.07, p = 0.94] och kännande neuroner [t [5] = 0.58; p = 0.54]). Vi testade också hur många MS-nervceller som skulle väljas om vi använde baslinjeperioden (-0.5-0 s) snarare än efterstimuleringsstartperioden för urval. Denna analys avslöjade endast 1 (1.5%) av 66 enheter med en signifikant skillnad mellan nya och välbekanta bilder. Slutligen använde vi en regressionsmodell med blandad effekt för att identifiera faktorer som förklarar varians i MS-neurons avfyrningshastighet. Som prediktorer använde vi bildkännedom och försöksnummer (plus neuronkluster-ID användes som en slumpmässig effekt). Denna analys avslöjade att bildkännedom-regressorn var signifikant även efter att ha redovisat effekterna av försöksnummer och var mycket starkare än försöksnummerregressorn för båda MS-neurontyperna (nyhetsneuroner: t [864] = 8.95, p <1e-30 för ny / gammal regressor kontra t [864] = 1.67; p = 0.09 för försöksnummer regressor; bekanta neuroner: t [501] = 7.24, p <1e − 12 för ny / gammal regressor kontra t [501] = 3.67, p = 0.0002 för försök nummer regressor). Slutligen notera att vi slumpmässigt blandade nya och välbekanta stimuli under hela experimentet. Tillsammans verifierar dessa kontrollanalyser att skillnaden i svar inte kan hänföras till elektroddrift.

SN MS Neurons Predict Beteende

Vi undersökte därefter huruvida svaret från MS-neuroner (testade separat för nyhets- och förtrogenhetsföredragna neuroner) var relaterat till minne genom att bedöma om deras svar varierade med ämnets beteende. Vi jämförde specifikt de neurala reaktionerna med bekanta stimuli (de som har visats minst en gång tidigare) som patienterna kom ihåg (svaret "gammalt") med de som de felaktigt glömde (svaret "nytt"). Beteendemässigt uppvisade patienter bra prestanda: de kom ihåg (sann positiv frekvens) 74% av bilderna under den första repetitionen ("bekant 1") och 87% efter den andra repetitionen ("bekant 2"). Vi fann att svaret från nyhetsceller dämpades signifikant under försök där bekanta bilder felaktigt bedömdes som nya jämfört med när de korrekt bedömdes som bekanta, med en skillnadshastighetsskillnad på 0.36 ± 0.36 Hz för felaktig och 0.60 ± 0.24 Hz för korrekta prövningar (se Figur 3F; t [11] = 2.72, p = 0.02, permuterat parat t-test; det använda måttet var skillnaden i avfyringshastighet mellan när en bild var ny och bekant normaliserad av baslinjen avfyrningshastighet). För denna jämförelse utesluter vi försök för vilka den ursprungliga nya presentationen var felaktig (en falsk positiv), så den observerade skillnaden kunde bara hänföras till glömda bilder (falska negativ). Även om det var mindre var svaret på glömda bekanta stimuli fortfarande väsentligt annorlunda än noll (Figur 3F; t [11] = 3.98, p = 0.002, permuterat t-test). Tillsammans visar denna analys att svaret från nyhetsneuroner var en indikation på om en välkänd stimulans skulle komma ihåg eller glömmas bort. För neuroner som ökar sin avfyrningshastighet (n = 6) till bekanta bilder var denna korrelation mellan beteende och neuronal aktivitet kvantitativt lik, men inte signifikant (Figur 3F; t [5] = 2.31, p = 0.056).

Latency of Response

Hur snabbt efter stimulansuppträdande skiljer sig svaret från MS SN-neuroner mellan nya och välbekanta bilder? För att svara på denna fråga beräknade vi nästa gång den första tidpunkten då svaren skilde sig mellan nya och välbekanta bilder. Vi jämförde den kumulativa summan av spikståg, en metod som ger en uppskattning av differential latens av en neuron med hög precision [31]. Vi fann att den genomsnittliga differentiella latensen var 527 ms efter bildens början (Figur 3G). Vi jämförde denna latens med latensen för MS-neuroner (n = 122) som kodades om i MTL under en liknande ny / gammal igenkänningsuppgift i en annan patientpopulation [32, 33]. MS-nervceller i MTL hade en genomsnittlig differentiell latens på 311 ms, vilket var signifikant snabbare jämfört med SN (p = 0.013, uppskattat baserat på en empiriskt uppskattad nollfördelning för vilka områdesetiketter slumpmässigt omfördelades). Detta resultat var också sant när man övervägde MS-neuroner som ökade sin avfyrningshastighet till nyhet och bekanta stimuli separat (p = 0.002 och p = 0.002, neuroner, respektive jämfört med n = 64 nyhet och n = 58 kännande neuroner i MTL). Denna ordningsföljd är kompatibel med Lisman och Grace-modellen av interaktionen mellan hippocampus och VTA / SN [9].

Celltypsanalys

SN innehåller två huvudtyper av neuroner: hämmande GABAerga neuroner och dopaminerga neuroner som projektar till avlägsna mål, inklusive striatum, amygdala och hippocampus [4, 34, 35, 36]. Med hjälp av extracellulära inspelningar kan olika celltyper ofta särskiljas baserat på en kombination av bredden hos den extracellulära spikvågformen och den genomsnittliga avfyrningshastigheten [37]. I synnerhet i SN är det känt att dopaminerga neuroner har bredare vågformer och lägre bränningshastigheter jämfört med GABAergic neuroner [38, 39], vilket resulterar i en bimodal fördelning av vågformens bredd över alla nervceller. Vi fann att fördelningen av spikbredder över alla registrerade nervceller (N = 66) var bimodal (Hartigans doppstatistik: 0.0717, p = 0.006 [40]; se Figurer 3H och 3I). Vi undersökte därmed nästa om MS-neuroner företrädesvis var av en viss celltyp. Vi fann att MS-nervceller i genomsnitt karakteriserades av längre vågformer jämfört med icke-MS-nervceller (1.15 ± 0.23 ms kontra 0.96 ± 0.32 ms; vågformslängden mättes som tiden som förflutit mellan de två positiva topparna [14] av vågformen; t [65] = 2.65, p = 0.012, permutation t-test; Figurer 3H och 3I). Dessutom uppfyllde MS-neuroner kriterierna för DA-neuroner som fastställts av tidigare arbete: 15/17 MS-neuroner hade vågformer längre än 0.8 ms och avfyrningshastigheter lägre än 15 Hz [14, 41]. Vi fann också att inspelningsställena där MS-neuroner identifierades var övervägande i de dorsala delarna av SN (Figurer 1D och 1E). Dessa resultat överensstämmer med placeringen av pars compacta, där majoriteten av dopaminerga neuroner är belägna [42, 43]. Tillsammans stöder dessa analyser uppfattningen att MS-neuronerna vi identifierade var förmodligen dopaminerga.

SN-Cortex-interaktioner

Var aktiviteten av SN-neuroner relaterad till fältpotentialaktivitet inspelad från basala ganglierna och / eller kortikala ytan? Vi kvantifierade spikfältinteraktioner med hjälp av spikfältsammanhang (SFC) som en metrisk för att svara på denna fråga. Först var SFC mellan SN-neuroner och fältpotentialerna registrerade i basalganglierna (STN) signifikant över chansen i theta-frekvensbandet (Figur 4A, vänster panel; signifikant vid p <0.05 i 2-5 Hz över alla N = 56 nervceller med tillräckligt med spikar). Observera att här antogs fältpotentialen troligen från STN och inte SN på grund av platsen för inspelningskontakten 3 mm ovanför mikroelektrodspetsen (se STAR Metoder och Figur S2A). För det andra koordinerades SN-neuronaktivitet också med kortikala fältpotentialer: SN-neuroner hade en preferens att avfyra mer under vissa faser av teta- och alfafrekvensbandet för ECoG-signaler inspelade från kortikala ytan (SFC var signifikant annorlunda i 6 - 12 Hz frekvensband, N = 61, p <0.05; Figur 4A, höger panel; se legenden för statistik; se även Figur S4 för alla elektroder). Detta gällde endast för ett par ECoG-kontakter belägna framför den centrala sulcus (märkt som +2; andra kontakter var inte signifikanta; se Figur S4). +2 ECoG-kontakterna var placerade på den överlägsna frontala gyrus i Brodmann-område 6 (premotorisk cortex). Denna upptäckt indikerar att SN-neuronal aktivitet är funktionellt kopplad till denna region av frontloben (se Diskussion). Vi testade nästa gång om denna funktionella anslutning var beteenderelevant genom att jämföra styrkan mellan nya försök som senare kom ihåg med nya försök som senare glömdes.

Baserat på tidigare forsknings- och modellprognoser [26], antog vi att omfattningen av spikfältets koherens vid kodning av nya bilder förutsäger om ämnen framgångsrikt skulle koda ett nytt minne eller inte. För att testa denna hypotes jämförde vi SFC under visning av nya bilder mellan försök som senare kom ihåg korrekt mot försök som senare glömdes bort (dvs. identifierades som nya). Denna jämförelse på grund av minnesjämförelsen visade att bilder som senare kom ihåg åtföljdes av högre SFC i teta-frekvensområdet för ECoG: er mätt framifrån till den centrala sulcus under kodning (N = 58 nervceller, 3-9 Hz, p <0.05; Figur 4B, höger panel; se förklaringen för statistik). Observera att denna beräkning endast inkluderar försök under vilka bilden sågs för första gången (ny) och som ämnet korrekt märktes som ”nytt”. Därför var svaret alltid detsamma ("nytt"), exklusive möjligheten att denna skillnad berodde på skillnader i motorplanering. Liksom SFC med tanke på alla försök var denna skillnad endast signifikant för fältpotentialer registrerade från den främre +2-kontakten belägen på premotorisk cortex (central sulcus +2; Figur 4B; Figurer 4C och 4D visar ett exempel på neurons SFC och spik utlöst medelvärde). Vi observerade inte ett liknande förhållande med fältpotentialinspelningar från basala ganglierna (STN; Figur 4B, vänster panel; alla p> 0.05). Som kontroll jämförde vi också ECoG-effekt mellan de två förhållandena men fann inga signifikanta skillnader (Figur 4E; alla p> 0.05). Tillsammans visar detta att graden av SFC med lång räckvidd mellan SN-neuronal aktivitet och frontal kortikal fältpotentialaktivitet registrerad från premotorisk cortex var förutsägbar för framgångsrik minnesbildning.

Hur kunde denna långväga spik / fältkoordinering uppnås? För att besvara denna fråga utförde vi därefter en fas-koherensanalys mellan fältpotentialinspelningar i basala ganglier (STN) och ECoG-inspelningar från cortex erhållna medan patienter tittade på de nya bilderna (0-1.5 s relativt stimulusdebut; se STAR Metoder). Denna analys visade att framgångsrik kodning av nya minnen var associerad med signifikant högre faskoherens i teta-frekvensområdet (5-10 Hz; Figur 4F; p <0.05; se förklaringen för statistik). I likhet med SFC-upptäckten observerades denna effekt endast på den centrala sulcus +2-elektroden (Figur 4G). Effekten av ECoG-signalerna som registrerats från den centrala sulcus +2-elektroden uppvisade en framträdande minskning av beta-bandets effekt med början cirka 500 ms efter stimulusdebut, vilket sannolikt var relaterat till förberedelse av rörelse (Figur 4H). Denna beta-minskning föregicks av en ökning av teta-frekvensen (Figur 4H), som påbörjades kort efter stimulansuppträdande. Detta mönster visar att behandling av en bild ökar effekten av theta-oscillationer i främre cortex, vilket ger en potentiell mekanism genom vilken SN-neuroner kan modulera graden av samordning mellan deras aktivitet och frontala kortikala teta. Här visar vi att omfattningen av sådan faslåsning är förutsägbar för minnes kodning framgång, vilket tyder på att teta frekvensintervalloscillationer koordinerar informationsöverföring mellan områden under minneskodning.

Diskussion

Vi fann att aktiviteten hos enskilda neuroner i den mänskliga substantia nigra skiljer mellan nya och välbekanta bilder i en hippocampal-beroende declarative minneuppgift. Dessutom fann vi att graden av koordinering av SN neurons aktivitet med frontala teta-frekvensoscillationer var förutsägelse för framgångsrik minnesbildning. Även om tidigare arbete visar att mänskliga SN-neuroner svarar på belöningsförutsägningsfel [14] och sällsynta ljud i ett udda bollparadigm [16] är våra uppgifter, såvitt vi vet, den första studien som beskriver SN-neuronal aktivitet under deklarativt minnesbildning hos människor.

De elektrofysiologiska egenskaperna hos de minneselektiva cellerna vi beskriver indikerar att dessa celler troligen är dopaminerga. Denna slutsats bygger på två delar av data: bredden av deras vågformer och anatomiska läge. Dopaminerga neuroner har betydligt bredare extracellulära vågformer jämfört med de GABAerga neuronerna som också ligger i SN [38, 39, 44]. Även om dopaminerga neuroner existerar i hela SN, är majoriteten lokaliserad i parternas kompakta subregion av SN [42, 43]. De flesta dopaminerga neuronerna bör därför placeras i den dorsala medialdelen av SN, vilket är det område där vi hittade majoriteten av MS-neuroner. Tillsammans har dessa kriterier visat sig på ett tillförlitligt sätt separera dopaminerga och GABAerga neuroner i SN baserat på elektrofysiologiska egenskaper ensam [38, 39, 44, 45, 46]. En slutgiltig bekräftelse av denna påstående kommer att kräva antingen histologisk analys [47] eller genetisk inriktning [38]. Här hänvisar vi till dessa neuroner som antagligen dopaminerga för att indikera att denna slutsats bara ligger på extracellulära inspelningar ensam.

Ett andra övervägande är effekten av pågående neurodegeneration på våra resultat. Majoriteten av försökspersonerna i studien hade PD och led därför av en avsevärd förlust av dopaminerga celler i SN. Våra inspelningar fick dock tillgång till ett anatomiskt område där en tillräcklig population av dopaminerga nervceller fortfarande är funktionell även i PD. Dopaminerg förlust i PD fortskrider ojämnt [48, 49], riktade vissa områden hårdare än andra. Post mortem vävnadsanalyser hos PD-patienter visar typiskt hög förlust av dopaminerga neuroner i den caudala delen av SN, med ungefär 90% av cellerna förlorade. Däremot är cellförlust i mer dorsala områden mer måttlig (50% eller mindre) i en grad jämförbar med vad som kan observeras vid normal åldrande [49]. Faktum är att flera studier har lyckats spela in från förmodade dopaminerga neuroner hos patienter med PD som genomgår STN DBS-kirurgi [14, 41]. Med det kirurgiska målet i STN är det rimligt att förvänta SN-inspelningar att vara belägna övervägande i dorsala området hos SN. Detta antagande bekräftades genom analysen av våra elektrodpositioner, som visade de flesta inspelningar som ligger i den dorsala delen av SN, där sjukdomspåverkan förväntas vara relativt liten [49]. Det är dock okänt om PD kunde ha påverkat vågformerna hos de återstående DA-neuronerna som vi spelade in. Även om vi inte upptäckte en korrelation av sjukdomens svårighetsgrad med vågformens varaktighet (se STAR Metoder), är problemet fortfarande en öppen fråga. Slutligen var patienterna som ingick i vår studie vid betydligt tidigare PD-steg än de som inkluderades i post mortemanalys [48, 49], därigenom bevarar en högre densitet av dopaminerga celler i de dorsala områdena av SN.

Det har föreslagits att rollen av dopaminerg modulering av hippocampala minnesprocesser är att förbättra synaptisk plasticitet för viktiga händelser, såsom de som är givande, anpassade till ett ämnes mål eller som lockar uppmärksamhet [9, 23]. Den föreslagna vägen för denna signal för att nå SN / VTA är genom avferenter från nucleus accumbens (NA) och pedunculopontine tegmental nucleus (PPTg), som är båda strukturer som är involverade i att mediera motivativa och attentionala processer [50, 51]. Både NA och PPTg får i sin tur inmatningar från prefrontal cortex (PFC) och hippocampus, så att de kan integrera signaler om aktuella mål och stimulansnyhet [23, 50, 51]. Det har antagits att hippocampus nyhetssignaler orsakar dopaminfrisättning i hippocampus genom denna multisynaptiska väg [9, 23]. Här identifierade vi förmodade dopaminerga neuroner inom SN som är kompatibla med denna hypotes eftersom de svarar med en ökning av avfyrningsgraden till nya stimuli. Intressant är att vi, förutom nyhetsneuroner, också identifierade en mindre grupp förmodade dopaminerga neuroner som svarade med en ökning av avfyrningsgraden till kända stimuli. Svarsegenskaperna hos denna grupp av neuroner liknade i övrigt nyhetsnoroner (Figurer 3D, 3E och 3H), med undantag för att de inte signifikant visade huruvida en välbekant stimulans skulle komma ihåg eller glömmas bort (men notera att detta troligen beror på brist på statistisk kraft). Även om dessa nervceller inte förutses direkt av den teoretiska modellen för Lisman och Grace, är det troligt att de också spelar en roll i lärandet. Till exempel kan olika koncentrationer av DA leda till antingen synaptisk depression eller potentiering [52] och nivåer av DA kan kontrollera tröskelvärdet för långsiktig potentiering (LTP) / långsiktig depression (LTD)53]. Detta tyder på att neuroner som ökar nivåerna av DA för välbekanta stimuli kan delta i att upprätthålla denna homeostas. Dessutom har olika typer av dopaminreceptorer olika känsligheter och aktiveringströsklar och förmedlar olika aspekter av plasticitet, inklusive kodning kontra konsolidering av minnen [54, 55]. Tillsammans stöder denna litteratur i kombination med vår upptäckt hypotesen om att förtrogenneuroner har en roll i plastisitetsmekanismerna som tjänar till att stärka redan kodade minnen. Framtida arbete är nödvändigt för att direkt testa denna hypotes.

Senheten för SN-svar var också kompatibel med Lisman och Grace-modellen, nämligen att SN MS-svar framkom signifikant senare jämfört med de som observerades i MTL [33]. Här fann vi att SN-svar först var synliga 527 ms efter stimulusdebut, en tid som var större än 311 ms-intervallet observerat i MTL [32]. En försiktighet av denna jämförelse är att den härleddes från två olika patientpopulationer (PD respektive epilepsi respektive). Tillsammans stöder våra resultat idén att informationen om stimulansnyhet som observeras i SN härstammar från MTL. Viktigt var att graden av modulering av SN-celler var en indikation på huruvida ett ämne korrekt skulle känna igen en välkänd stimulans. Detta resultat indikerar att svaret på SN-celler var beteenderelaterat för den deklarativa minnesuppgiften som våra ämnen utförde. Detta resultat är också i linje med mänskliga studier som visar att SN fMRI-blod-syre nivåberoende (BOLD) aktivitet förutsäger framgångsrik minnesbildning [5, 6]. Det är dock fortfarande okänt vad förhållandet är mellan aktiviteten hos olika celltyper i SN- och BOLD-signalen (men se [56]). Däremot identifierade vi specifika SN-celltyper elektrofysiologiskt och visade att det är den fasaktiva aktiviteten hos förmodade DA-neuroner kort efter stimulansstart som är förutsägande för minnesbildning.

Vi observerade att SN neurons aktivitet var systematisk relaterad till fasen av pågående thetaoscillationer i den främre cortexen (mätt över den premotoriska cortexen). Denna samordning var beteenderelevant eftersom omfattningen av faslåsning var förutsägande för minnesbildningsframgång. Oscillationer i theta-frekvensområdet antas samordna informationsflödet mellan MTL, basal ganglia och frontal cortex [27, 28, 29]. Här visar vi nu att SN-neuronavbrott hos människor är relaterat till kortikala teta-frekvensoscillationer och att sådan samordning är beteenderelaterad för minnesbildning. Betydelsen av theta-synkronisering mellan basalganglia och frontal cortex har fastställts av tidigare inspelningar av humana patienter som utför kognitiva uppgifter [57, 58]. Intressant är att långsam 4 Hz-stimulering av STN förbättrar prestanda i kognitiva uppgifter [58]. En viktig okänd fråga är huruvida thetaoscillationerna vi kvantifierar är relaterade till eller synkroniserad med hippocampal theta [27, 28, 29].

Antidromisk stimulering av STN framkallar korta latenssvar i premotorisk cortex, vilket är kompatibelt med en "hyperdirect" -väg i människor [59]. Det finns således minst tre vägar genom vilka information från MTL kunde nå SN: (1) via NA och PPTg; (2) via hyperdirektruten; och (3) genom striatumen, som är sammankopplad med det mesta av den främre cortexen [60]. Detta rika naturskydd ger sannolikt upphov till det funktionella beroendet av SN och frontal cortex som observerats med användning av BOLD-fMRI [61, 62]. BOLD-aktivitet i frontkortex förutspår också framgångsrik kodning av nya minnen [63], en signal som anses vara en återspegling av rollen av frontal cortex (inklusive premotoriska områden) för att underlätta kodningen av målrelaterad information och att organisera flera bitar av information till ett individuellt minne [63]. Här visar vi nu en möjlig mekanism genom vilken sådan information kan påverka styrkan hos minneskodning genom att modulera dopaminerg SN-aktivitet. Ett viktigt framtida experiment kommer att vara att avgöra om SN-neuronal aktivitet också samordnas med hippocampus teta-svängningar och hur dessa teta-svängningar relaterar till de frontala kortikala teta-svängningarna som mäts här.

Erkännanden

Vi bekräftar tacksamt våra patienters vilja att delta i denna studie. Vi tackar personal för Cedars-Sinai för deras hjälp, Robert Zelaya och Lori Scheinost för tekniskt neurofysiologiskt stöd, och Jeffrey Wertheimer för neuropsykologisk utvärdering av patienter. Vi tackar Ralph Adolphs och alla medlemmar i Rutishauser Laboratory för diskussion. Denna studie gjordes genom fröfinansiering från Pfeiffer Foundation och stöddes senare av NIH NINDS (U01NS098961), en NSF CAREER Award (BCS-1554105) och McKnight Endowment Fund for Neuroscience (allt till UR).

Författarbidrag

UR och JK utformade experimentet. JK, UR, KB och CPM utförde experiment. JK och UR utförde analys. ANM och KB utförde operation. MT gav patientvård. JK, ANM och UR skrev papperet. Alla författare diskuterade resultaten i alla faser av projektet.

Intressedeklaration

Författarna förklarar inga konkurrerande intressen.

Kompletterande information

Dokument S1. Siffror S1-S4 och tabell S1