배양 뉴런 네트워크

Cultured neuronal network

배양된 뉴런 네트워크는 중추신경계, 특히 뇌를 연구하는 모델로 사용되는 뉴런의 세포 배양이다.흔히 배양된 뉴런 네트워크는 다중 전열 어레이(MEA)와 같은 입출력 장치에 연결되기 때문에 연구자와 네트워크 간의 양방향 통신이 가능하다.이 모델은 뉴런 학습, 기억력, 가소성, 연결성, 정보 처리의 이면에 있는 기본 원리를 연구하는 과학자들에게 귀중한 도구임이 증명되었다.[1]null

배양된 뉴런은 종종 컴퓨터를 통해 실제 또는 시뮬레이션된 로봇 부품에 연결되어 각각 하이브로트나 애니매트를 생성한다.그런 다음 연구자들은 학습과 가소성을 실제적인 맥락에서 철저히 연구할 수 있는데, 여기서 뉴런 네트워크는 그들의 환경과 상호작용을 할 수 있고 최소한 인공 감각 피드백을 받을 수 있다.이것의 한 예는 조지아 공과대학의 포터 연구 그룹이 서부 오스트레일리아 대학의 생물학 예술 우수 센터인 심보이스A와 협력하여 개발한 MEART(Multilectrode Array Array Art) 시스템에서 볼 수 있다.[2]또 다른 예는 자연적으로 통제되는 애니매트에서 볼 수 있다.[3]null

모델로 사용

이점

배양된 뉴런 네트워크를 체내 뉴런의 모델로 사용하는 것은 수십 년 동안 필수적인 자원이었다.[4]그것은 연구자들이 살아있는 유기체에서 가능한 것보다 훨씬 더 통제된 환경에서 뉴런 활동을 조사할 수 있게 해준다.이 메커니즘을 통해 연구원들은 학습과 기억의 이면에 있는 메커니즘에 대한 중요한 정보를 수집했다.null

배양된 뉴런 네트워크는 연구자들이 몇 가지 유리한 지점에서 뉴런 활동을 관찰할 수 있게 해준다.전기생리학적 기록과 자극은 MEA를 통해 네트워크를 통해 또는 로컬로 발생할 수 있으며, 네트워크 개발은 현미경 기법을 사용하여 시각적으로 관찰할 수 있다.[4]더욱이 뉴런과 그 환경의 화학적 분석은 체내 환경보다 더 쉽게 이루어진다.[4][5]null

단점들

배양된 뉴런 네트워크는 정의상 분리된 뉴런의 문화다.그러므로 그들의 자연 환경 밖에 있기 때문에, 뉴런들은 생물학적으로 정상적이지 않은 방식으로 영향을 받는다.이러한 이상들 중 가장 중요한 것은 뉴런들이 대개 태아로부터 신경줄기세포로 채취되어 네트워크 발달의 중요한 단계에서 교란된다는 사실이다.[6]뉴런들이 용액에 매달려 있다가 나중에 분사되면 이전에 만들어진 연결은 파괴되고 새로운 연결이 형성된다.궁극적으로 조직의 연결성(그리고 결과적으로 기능성)은 원래 템플릿이 제안한 것과 달라진다.null

또 다른 단점은 배양된 뉴런들이 몸이 부족하여, 학습과 기억 실험에서 중요한 특징인 행동을 표현하는 능력뿐만 아니라 감각적인 입력으로부터도 단절된다는 점이다.이러한 감각적 박탈감은 이러한 문화의 발달에 악영향을 미치고 네트워크 전체에 걸쳐 비정상적인 행동 패턴을 초래할 수 있다고 생각된다.[6]null

전통적인 MEA의 배양된 네트워크는 2차원에 불과한 연결성을 가진 평평한 단층 셀 시트다.대부분의 체내 신경계는 반대로 상호연결성이 훨씬 큰 3차원 구조물이다.이는 모델과 현실의 가장 현저한 차이 중 하나로 남아 있으며, 이 사실은 아마도 이 모델에 기초한 실험에서 도출된 일부 결론을 왜곡하는 데 큰 역할을 하고 있을 것이다.null

뉴런 네트워크 성장

뉴런 사용

뉴런 네트워크는 넓은 가용성으로 인해 일반적으로 분리된 쥐 뉴런에서 배양된다.실험용 마우스 뉴런도 사용되었지만, 연구는 쥐의 피질, 해마, 척추 뉴런을 주로 사용한다.현재 영장류나 다른 동물 뉴런 네트워크를 배양하는 연구는 비교적 거의 이루어지지 않고 있다.신경줄기세포를 채취하려면 발달한 태아를 희생시켜야 하는데, 이 과정은 다른 연구에서 가치가 있는 많은 포유류에게 수행하기에 너무 비용이 많이 든다고 여겨지고 있다.null

그러나 한 연구는 인간 신경줄기세포를 네트워크로 성장시켜 로봇 작동기를 제어하는 데 이용했다.이 세포들은 임신 10주 후에 자연적으로 낙태된 태아로부터 획득되었다.[7]null

장기문화

배양된 뉴런 네트워크와 관련된 가장 심각한 문제들 중 하나는 장수 부족이다.대부분의 세포 배양액과 마찬가지로 뉴런 배양액도 감염되기 쉽다.그들은 또한 중간 증발에 의해 과몰입에 취약하다.[4]뉴런의 가소성 연구와 관련된 긴 타임라인(대개 월 단위)은 체외 뉴런의 수명을 연장하는 것을 가장 중요하게 만든다.null

이 문제에 대한 한 가지 해결책은 밀폐된 방 안에서 MEA에 세포를 배양하는 것이다.이 챔버는 불소 에틸렌 프로필렌(FEP) 막으로 둘러싸인 비습성 인큐베이터 역할을 하며, 이 막은 선택된 가스(즉, 신진대사에 필요한 가스)에 침투할 수 있지만 물과 미생물에는 불침투성이다.[4]다른 용액에는 내부에 밀봉된 특정 가스 혼합(5% CO의2 공기)이 있는 불침투성 막이 있는 인큐베이터가 포함된다.[4]null

마이크로 전자 어레이(MEA)

흔히 다극단 배열이라고도 불리는 마이크로 전극 배열(MEA)은 패턴이 있는 전극 배열로, 이 전극과 접촉하는 뉴런과의 통신에 사용되는 투명한 기질에 배치되어 있다.의사소통은 양방향일 수 있으며, 보통이다. 연구자들은 둘 다 라이브 네트워크에서 전기생리학 데이터를 기록하고 이를 자극할 수 있다.null

이 장치는 30년 이상 필수적인 바이오센서였다.뉴런의 가소성과 정보처리에 관한 연구뿐만 아니라 뉴런에 대한 약물 및 독소 효과에도 이용되어 왔다.또한 밀폐된 배양실과 결합할 경우 이 장치는 공기 중에 노출할 필요성을 거의 제거하여 배양균 오염의 위험을 크게 감소시킨다.[4][5][8]null

현재 일반적으로 사용되는 MEA는 상대적으로 공간 분해능이 떨어진다.그들은 약 60개의 전극을 사용하여 50,000개 이상의 일반적인 배양 세포(또는 5,000개의 세포2/mm의 밀도)를 가진 접시에서 다양한 패턴의 기록과 자극을 제공한다.[9]이는 배열의 각 전극이 큰 뉴런 군집을 서비스하며 신호 발신지와 목적지에 관한 단호한 정보를 제공할 수 없다는 것을 의미한다. 그러한 MEA는 지역 고유의 데이터 수집과 자극만 가능하다.null

이상적으로는 한 번에 하나의 뉴런이나 몇 개의 뉴런에서 녹음하고 자극하는 것이 가능할 것이다.실제로 액시온 바이오시스템과 같은 회사들은 이를 위해 MEA들에게 훨씬 높은 공간 해상도(최대 768개의 입출력 전극)를 제공하기 위해 노력하고 있다.[10]또 다른 연구는 뉴런과 전극 사이의 안정적인 일대일 연결을 확립하는 것을 조사한다.네트워크상의 모든 뉴런과 교신을 설정함으로써 이상적인 인터페이스 상황을 충족시키는 것이 목표였다.그들은 액손과 덴드라이트가 확장되고 연결되도록 하면서 개별 뉴런을 사장으로 고정시킴으로써 그렇게 한다.뉴런은 신경 케이지나 다른 종류의 용기 안에 들어 있으며, 장치 자체는 우리에 갇힌 뉴런 MEA 또는 신경 칩이라고 할 수 있다.[8]null

다른 연구들은 체외 신경세포의 자극에 대한 대체 기법을 제안한다.한 연구는 신경전달물질과 신경조절기와 같은 우리에 갇힌 화합물을 자유롭게 하기 위해 레이저 빔의 사용을 조사한다.[5]UV 스펙트럼에 파장을 가진 레이저 빔은 극도로 높은 공간 정확도를 가질 것이고, 우리에 갇힌 화합물들을 방출함으로써 매우 선택된 뉴런 집합에 영향을 미치기 위해 사용될 수 있을 것이다.null

네트워크 동작

자발적 네트워크 활동

자발적 네트워크 폭발은 체외 및 체외 신경망의 공통적인 특징이다.[11]체외에서, 이 활동은 학습과 가소성에 관한 연구에서 특히 중요하다.그러한 실험은 가소성이나 학습을 수반할 수 있는 변화를 식별하기 위해 실험 전과 실험 후 네트워크 전반의 활동을 강하게 검토한다.[9]그러나 이 실험 기법을 교란시키는 것은 정상적인 뉴런 발달이 데이터를 쉽게 왜곡시킬 수 있는 배열 폭스트의 변화를 유도한다는 사실이다.그러나, 체내에서는 이러한 네트워크 버스트가 기억의 기초를 형성할 수 있다고 제안되었다.[9][11]null

실험적인 관점에 따라, 네트워크 전체 버스트를 긍정적이거나 부정적으로 볼 수 있다.병리학적 의미에서 자발적 네트워크 활동은 뉴런의 탈부착에 기인할 수 있다; 한 연구는 지속적인 입력을 받은 문화에서 배열 폭의 발화 빈도와 그렇지 않은 문화 사이의 현저한 차이를 발견했다.[12]이상 활동을 없애기 위해 연구자들은 일반적으로 네트워크를 조용하게 하기 위해 마그네슘이나 시냅스 차단제를 사용한다.그러나, 이러한 접근방식은 비용이 많이 든다; 조용한 네트워크는 행동 잠재력을 만드는 능력이 감소하여 가소성을[11] 위한 용량이 거의 없다.다르고 아마도 더 효과적인 접근법은 감각 배경 활동을 모방하는 저주파 자극의 사용이다.[13]null

다른 관점에서 볼 때, 네트워크 폭발은 긍정적이고 심지어 좋은 것으로 생각할 수 있다.주어진 네트워크는 무작위적이고 구조화된 버스트를 보여준다.[11]일부 연구에서는 이러한 버스트가 정보 통신사, 기억의 표현, 네트워크가 적절한 연결을 형성하는 수단, 그리고 패턴이 변화할 때 학습을 나타낸다고 제안했다.[9][12][13][14]null

어레이 전체 버스트 안정성

스테겐가 등은 시간의 함수로서 자발적 네트워크 버스트의 안정성을 확립하기 위해 착수했다.그들은 4-7일 동안 체외에서 시작하여 문화가 죽을 때까지 계속되는 세포 배양 기간 동안 폭발을 보았다.그들은 MEA의 모든 전극에 대한 작용 전위의 합계인 배열 폭 상승 속도(AWSR)의 수학적 관찰을 통해 네트워크 폭발 프로파일(BP)을 수집했다.이 분석은 위스타 쥐 신질세포의 배양에서 AWSR은 초기 개발 동안 긴 상승과 하강 시간을 가지며 약 25개의 DIV 이후 더욱 날카롭고 강도 높은 프로파일을 갖게 된다는 결론을 도출했다.그러나 BP의 사용은 본질적인 단점을 가지고 있다. BP는 시간의 경과에 따른 모든 네트워크 활동의 평균이므로 시간 정보만 포함하고 있다.네트워크 활동의 공간 패턴에 대한 데이터를 얻기 위해 그들은 전극 특정 데이터를 포함하는 소위 단계 프로파일(PP)을 개발했다.[9]null

데이터는 이 PP를 사용하여 며칠에서 며칠까지 밀리초 단위로 수집되었다.이들의 목표는 네트워크 폭발 프로파일의 안정성을 분 단위에서 몇 시간 단위로 설정하고, 며칠 동안 안정성 또는 개발 변화를 확립하는 것이었다.요약하면, 그들은 몇 분에서 몇 시간 동안 안정성을 입증하는 데 성공했지만, 며칠 동안 모인 PP들은 상당한 가변성을 보였다.이러한 발견은 뉴런의 가소성에 대한 연구가 정상적인 발달에 의해 도입된 네트워크 활동의 편향 없이 몇 분 또는 몇 시간 동안만 수행될 수 있음을 암시한다.[9]null

학습 vs. 가소성

신경과학 분야에서는 배양된 뉴런 네트워크가 학습할 수 있는지 여부를 둘러싸고 많은 논란이 일고 있다.이 문제에 대한 답을 찾는 데 있어서 결정적인 단계는 학습과 가소성의 차이를 확립하는 데 있다.한 정의는 배움이 "경험을 통한 참신한 행동의 획득"[15]이라는 것을 암시한다.이 주장에 대한 핵심 요인은 배양된 뉴런들이 감각체계 없이는 사실상 불가능할 정도로 그 주변의 환경과의 상호작용의 필요성이다.반면에 가소성은 단순히 뉴런들 사이의 연결을 변화시킴으로써 기존의 네트워크를 재구성하는 것이다: 시냅스의 형성과 제거 또는 뉴런과 덴드리트리트의 가시의 확장과 수축이다.[1]그러나 이 두 가지 정의는 상호 배타적이지 않다; 배우는 것이 이루어지기 위해서는 가소성도 함께 일어나야 한다.null

배양된 네트워크에서 학습을 확립하기 위해, 연구원들은 분리된 신경 네트워크를 시뮬레이션 또는 실제 환경에서 재분배하려고 시도했다(MEART 및 애니마트 참조).이 방법을 통해 네트워크들은 그들의 환경과 상호작용을 할 수 있고, 따라서, 보다 현실적인 환경에서 배울 수 있는 기회를 갖는다.다른 연구들은 인위적인 자극을 통해 신호 패턴을 네트워크에 각인시키려 시도했다.[14]이는 네트워크 버스트를[11] 유도하거나 네트워크가 어떤 의미를 도출할 것으로 예상되는 뉴런에 특정 패턴을 입력함으로써 이루어질 수 있다(애니매트를 이용한 실험에서 네트워크로의 임의 신호가 시뮬레이션한 동물이 벽에 부딪혔거나 방향으로 움직이고 있음을 나타내는 경우 등).[3][7]후자의 기법은 뉴런 네트워크의 고유 능력을 이용하여 패턴을 이해하려고 한다.그러나 실험은 널리 합의된 학습의 정의를 입증하는 데 제한적인 성공을 거두었다.그럼에도 불구하고 뉴런 네트워크의 가소성은 신경과학계에서 잘 자리 잡고 있는 현상이며, 학습에 있어서 매우 큰 역할을 한다고 생각된다.[1]null

참고 항목

참조

  1. ^ a b c Wagenaar DA, Pine J, Potter SM (2006). "Searching for Plasticity in Dissociated Cortical Cultures on Multi-Electrode Arrays". Journal of Negative Results in BioMedicine: 516–35. PMC 1800351.
  2. ^ Bakkum DJ, Gamblen PM, Ben-Ary B, Chao ZC, Potter SM (2007). "MEART: The semi-living artist". Frontiers in Neurorobotics. 5: 1–10.
  3. ^ a b DeMarse TB, Wagenaar DA, Blau AW, Potter SM (2001). "The Neurally Controlled Animat: Biological Brains Acting with Simulated Bodies" (PDF). Autonomous Robots. 11 (3): 305–310. doi:10.1023/A:1012407611130. PMC 2440704. PMID 18584059. Archived from the original (PDF) on 2005-04-07. Retrieved 2009-09-17.
  4. ^ a b c d e f g Potter SM, DeMarse TB (2001). "A New Approach to Neural Cell Culture for Long-Term Studies". Journal of Neuroscience Methods. 110 (1–2): 17–24. doi:10.1016/S0165-0270(01)00412-5. PMID 11564520.
  5. ^ a b c Ghezzi D, Menegon A, Pedrocchi A, Valtorta F, Ferrigno G (2008). "A Micro-Electrode Array Device Coupled to a Laser-Based System for the Local Stimulation of Neurons by Optical Release of Glutamate". Journal of Neuroscience Methods. 175 (1): 70–78. doi:10.1016/j.jneumeth.2008.08.003. PMID 18761373.
  6. ^ a b Potter SM, Wagenaar DA, Madhavan R, Demarse TB (2003). Long-Term Bidirectional Neuron Interfaces for Robotic Control, and In Vitro Learning Studies (PDF). Proceedings of the IEEE-EMBS. pp. 3690–3693. doi:10.1109/IEMBS.2003.1280959. ISBN 978-0-7803-7789-9. ISSN 1094-687X.
  7. ^ a b Pizzi RM, Rossetti D, Cino G, Marino D, Vescovi AL, Baer W (2008). "A Cultured Human Neural Network Operates a Robotic Actuator" (PDF). BioSystems. 95 (2): 137–144. doi:10.1016/j.biosystems.2008.09.006. hdl:2434/140059. PMID 18983888.
  8. ^ a b Erickson J, Tooker A, Tai YC, Pine J (2008). "Caged Neuron MEA: A System for Long-Term Investigation of Cultured Neural Network Connectivity". Journal of Neuroscience Methods. 175 (1): 1–16. doi:10.1016/j.jneumeth.2008.07.023. PMC 2585802. PMID 18775453.
  9. ^ a b c d e f Stegenga J, Feber JL, Marani E, Rutten WL (2008). "Analysis of Cultured Neuronal Networks Using Intraburst Firing Characteristics". IEEE Transactions on Biomedical Engineering. 55 (4): 1382–1390. doi:10.1109/TBME.2007.913987. PMID 18390329.
  10. ^ "Axion MEA Systems".
  11. ^ a b c d e Potter, S (2008). "How Should We Think About Bursts?". 6th Int. Meeting on Substrate-Integrated Microelectrodes. pp. 22–25.
  12. ^ a b Wagenaar DA, Pine J, Potter SM (2006). "An Extremely Rich Repertoire of Bursting Patterns During the Development of Cortical Cultures". BMC Neuroscience. 7 (1): 11. doi:10.1186/1471-2202-7-11. PMC 1420316. PMID 16464257.
  13. ^ a b Chao ZC, Wagenaar DA, Potter SM (2005). "Effects of Random External Background Stimulation on Network Synaptic Stability after Tetanization: A Modeling Study". Neuroinformatics. 3 (3): 263–280. doi:10.1385/NI:3:3:263. PMC 2584804. PMID 16077162.
  14. ^ a b Baruchi I, Ben-Jacob E (2007). "Towards Neuro-Memory Chip: Imprinting Multiple Memories in Cultured Neural Networks". Physical Review E. 75 (5): 050901. doi:10.1103/physreve.75.050901. PMID 17677014.
  15. ^ Bakkum DJ, Shkolnik AC, Ben-Ary G, Gamblen P, DeMarse TB, Potter SM (2004). "Removing Some 'A' from AI: Embodied Cultured Networks". Embodied Artificial Intelligence: International Seminar, Dagstuhl Castle, Germany, July 7–11, 2003, Revised Selected Papers.