PHASOR: An Open-Source Pipeline for Hidden Markov Model Analysis of Stimulus-Locked Retinal Multielectrode-Array Population Activity
Il documento presenta PHASOR, una pipeline open-source che integra l'allineamento degli stimoli, la classificazione basata sulla trasformata di Fourier e il Modello di Markov Nascosto per analizzare e visualizzare l'attività di popolazione legata allo stimolo nelle registrazioni di array multi-elettrodo retinici, dimostrandone l'efficacia attraverso dati sintetici e diversi esperimenti retinici ex vivo.
Articolo originale sotto licenza CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). Questa è una spiegazione generata dall'IA di un preprint non sottoposto a revisione paritaria. Non è un consiglio medico. Non prendere decisioni sulla salute basandoti su questo contenuto. Leggi il disclaimer completo
La retina è spesso considerata una semplice lente fotografica per il cervello, ma è in realtà un complesso circuito neurale che elabora le informazioni visive prima di inviarle. All'interno di questo sottile strato di tessuto, migliaia di singoli neuroni, chiamati cellule gangliari retiniche, emettono segnali elettrici in risposta alla luce. Sebbene gli scienziati studino da tempo come le singole cellule reagiscono alla luce, una crescente comprensione rivela che la vera storia della visione risiede nel modo in cui queste cellule lavorano insieme come gruppo. Proprio come un singolo strumento in un'orchestra non può trasmettere una sinfonia, un singolo neurone non può spiegare appieno come il cervello vede il mondo. La sfida per i ricercatori è stata quella di ascoltare il chiacchiericcio di centinaia di queste cellule contemporaneamente e trovare i modelli ricorrenti nel loro comportamento collettivo, specialmente quando tali modelli sono legati a momenti specifici nel tempo, come il tremolio di una luce.
Per risolvere questo problema, un team di ricercatori ha sviluppato un nuovo strumento software chiamato PHASOR, progettato per ascoltare la conversazione di gruppo della retina e tradurla in una storia chiara. I ricercatori hanno registrato l'attività elettrica delle cellule retiniche di topi, sia sani che affetti da una condizione genetica che danneggia le loro cellule fotosensibili. Hanno esposto queste retine a un tremolio luminoso ritmico a campo completo, variando la luminosità da fioca a molto intensa. L'obiettivo era vedere se il gruppo di cellule si sarebbe stabilizzato in stati di attività distinti e ripetitivi che corrispondevano alla tempistica e all'intensità della luce, piuttosto che attivarsi semplicemente in modo casuale.
Il processo inizia allineando ogni picco elettrico delle cellule con l'istante esatto in cui la luce è cambiata. Il software poi classifica le cellule in base a come reagiscono al ritmo: alcune si attivano quando la luce si accende, altre quando si spegne, e altre ancora presentano risposte più complesse. Una volta categorizzate le cellule, il software utilizza un metodo statistico per raggruppare l'intera popolazione in stati nascosti. Immaginate la popolazione di cellule come una grande folla; in qualsiasi secondo, la folla potrebbe trovarsi in uno stato in cui prevale il discorso di un certo tipo di persona, o in un altro stato in cui è attivo un mix diverso. Il software cerca di capire quanti di questi distinti stati della folla esistono e in quale di essi la retina si trovi in ogni momento.
Quando testato su dati generati al computer, dove i ricercatori conoscevano esattamente il numero di stati preesistenti, lo strumento si è dimostrato straordinariamente accurato. Anche quando il software sceglieva di descrivere i dati con un numero di stati leggermente superiore a quelli reali, riusciva comunque a ricostruire la sequenza degli eventi con una fedeltà quasi perfetta. In queste simulazioni, lo strumento ha identificato correttamente la tempistica e l'ordine degli stati nascosti quasi ogni volta, dimostrando di poter recuperare la struttura sottostante dei dati anche se il conteggio esatto degli stati era leggermente errato. Questa distinzione è cruciale: lo strumento è progettato per trovare il modello di attività, non necessariamente per contare gli stati con precisione matematica.
Applicato a registrazioni reali da retine di topi sani, lo strumento ha rivelato un ricco arazzo di attività. Le retine non si limitavano a scattare in modo casuale; passavano tra stati distinti che duravano da decine a centinaia di millisecondi. Questi stati non erano uniformi; alcuni erano dominati da cellule che rispondevano all'accensione della luce, mentre altri erano dominati da cellule che rispondevano allo spegnimento della luce. Lo strumento ha mostrato che, all'aumentare del contrasto della luce, la popolazione passava a nuovi stati, e il mix specifico di cellule attive cambiava in modo prevedibile. Ad esempio, a livelli di contrasto più elevati, la popolazione trascorreva più tempo in stati in cui le cellule "on" (di accensione) erano altamente attive, e le transizioni tra questi stati erano strettamente legate al ritmo della luce intermittente.
Per garantire che questi modelli fossero realmente causati dalla luce e non solo dal rumore casuale, i ricercatori hanno eseguito due esperimenti di controllo. In uno, hanno utilizzato lo stesso protocollo temporale ma senza proiettare luce sulla retina. In questo caso, le cellule si attivavano a un ritmo costante e basso, e il software non ha trovato stati organizzati che si allineassero con la tempistica del protocollo. Nel secondo controllo, hanno utilizzato una retina di un topo con una condizione genetica che distrugge le cellule fotosensibili. Nonostante la luce venisse proiettata, le cellule non si organizzavano nei modelli ritmici osservati negli occhi sani. Questi controlli hanno confermato che i complessi e ripetuti stati trovati nelle retine sane erano una risposta diretta allo stimolo visivo.
Lo strumento ha inoltre permesso ai ricercatori di testare come la retina reagisce quando una specifica via chimica viene bloccata. Applicando un farmaco che silenzia la via "on" della retina, hanno osservato un cambiamento drammatico nel comportamento della popolazione. La sequenza degli stati è cambiata visibilmente e la tempistica delle risposte è mutata, confermando che lo strumento può rilevare come diverse manipolazioni biologiche alterino l'attività collettiva della rete neurale. Questa sensibilità suggerisce che il metodo possa essere utilizzato per comprendere come diverse parti del sistema visivo contribuiscano all'immagine complessiva che il cervello riceve.
La portata di questo lavoro risiede nella sua capacità di trasformare un flusso caotico di segnali elettrici in un modello descrittivo gestibile di come la retina operi come un team. I ricercatori non hanno scoperto un nuovo tipo di cellula o una nuova legge biologica; hanno invece costruito una pipeline riutilizzabile che collega la tempistica di uno stimolo al comportamento collettivo della popolazione. Gli stati identificati dallo strumento forniscono una mappa descrittiva dell'attività della popolazione, mostrando quali gruppi di cellule sono attivi insieme e per quanto tempo. Sebbene il numero esatto di stati trovati nelle simulazioni fosse talvolta leggermente superiore al numero reale, la sequenza degli eventi è stata recuperata con alta precisiono, dimostrando che il metodo è robusto nel trovare la struttura sottostante dell'attività neurale. Questo approccio offre un nuovo modo per gli scienziati per ispezionare come la prima stazione visiva del cervello elabori le informazioni, andando oltre lo studio delle singole cellule per comprendere la dinamica di gruppo che definisce la visione.
Sommerso dagli articoli nel tuo campo?
Ricevi digest giornalieri degli articoli più recenti corrispondenti alle tue parole chiave di ricerca — con riassunti tecnici, nella tua lingua.