Las neuronas se comunican eléctricamente y, para comprender cómo producen funciones cerebrales como la memoria, los neurocientíficos deben rastrear cómo cambia su voltaje (a veces con precisión) en una escala de tiempo de milisegundos. En un nuevo artículo en Comunicaciones de la naturalezaLos investigadores del MIT describen un nuevo sensor de imagen que tiene el potencial de aumentar drásticamente esta capacidad.

La invención, dirigida por Jie Zhang, investigador postdoctoral en el Instituto Picower para el Aprendizaje y la Memoria del profesor Matt Wilson de Sherman Fairchild, es una nueva versión de la tecnología CMOS estándar utilizada en imágenes científicas. En este enfoque estándar, todos los píxeles se encienden y apagan al mismo tiempo, una configuración con una compensación inherente en la que un muestreo rápido significa que se captura menos luz. El nuevo chip permite controlar la sincronización de cada píxel individualmente. Esta disposición proporciona “lo mejor de ambos mundos”, ya que los píxeles vecinos pueden esencialmente complementarse entre sí para capturar toda la luz disponible sin sacrificar la velocidad.

En los experimentos descritos en el estudio, el equipo de Zhang y Wilson demuestra cómo la programación “con precisión de píxeles” les permitió visualizar mejor los “picos” de voltaje neuronal, las señales que las neuronas utilizan para comunicarse entre sí e incluso las fluctuaciones momentáneas más sutiles en sus El voltaje que se produce constantemente entre esos eventos aumenta.

“Medir con una única resolución de altura es realmente importante como parte de nuestro enfoque de investigación”, dijo el autor principal Wilson, profesor de los departamentos de Biología y Cerebro y Ciencias Cognitivas (BCS) del MIT, cuyo laboratorio estudia cómo el cerebro codifica y mejora recuerdos espaciales. Tanto durante la exploración de vigilia como durante el sueño. “Pensar en los procesos de codificación dentro del cerebro, los picos individuales y el momento de esos picos es importante para comprender cómo el cerebro procesa la información”.

Durante décadas, Wilson ha ayudado a impulsar innovaciones en el uso de electrodos para aprovechar señales eléctricas neuronales en tiempo real, pero como muchos investigadores, también buscó lecturas visuales de la actividad eléctrica porque podían resaltar grandes áreas de tejido y aún mostrar cualquier información exacta de él. Las neuronas están eléctricamente activas en cualquier momento. La capacidad de identificar qué neuronas están activas podría permitir a los investigadores aprender qué tipos de neuronas están involucradas en los procesos de la memoria, proporcionando pistas importantes sobre cómo funcionan los circuitos cerebrales.

Subtítulo: En este extracto de imagen de las Figuras, el lado izquierdo muestra una imagen microscópica del chip, mientras que el lado derecho muestra el diseño y los esquemas de los píxeles, resaltando cada elemento del circuito. El nuevo circuito de píxeles utiliza sólo dos transistores adicionales (T5 y T6) en comparación con un píxel CMOS tradicional. Este diseño simple permite la programación independiente de las exposiciones de píxeles sin sacrificar el área del fotodiodo del circuito, lo que garantiza una alta sensibilidad en condiciones de poca luz. Fuente de la imagen: Jie Zhang/MIT Picowire

En los últimos años, los neurocientíficos, incluido el coautor principal Ed Boyden, la profesora Eva Tan de Neurotecnología en BCS y el Instituto McGovern para la Investigación del Cerebro y su Instituto Picower, han trabajado para abordar esta necesidad inventando “indicadores de voltaje genéticamente codificados” (GEVI). ), lo que hace que las celdas brillen a medida que cambia su voltaje en tiempo real. Pero cuando Zhang y Wilson intentaron utilizar GEVI en su investigación, descubrieron que a los sensores de imagen CMOS tradicionales les faltaba mucho movimiento. Si trabajan demasiado rápido, no recogerán suficiente luz. Si trabajan demasiado lento, se perderán los cambios rápidos.

Los sensores de imagen tienen una resolución tan alta que muchos píxeles en realidad miran al mismo lugar en la escala de una neurona completa, dijo Wilson. Al darse cuenta de que era necesario proporcionar precisión, Zhang aplicó su experiencia en diseño de sensores para inventar un chip sensor de imagen que permitiría a los píxeles vecinos tener su propia sincronización. Los más rápidos pueden captar cambios rápidos. Aquellos que corren más lento pueden captar más luz. No se perderá ninguna acción ni fotones. Zhang también diseñó inteligentemente la electrónica de control necesaria para que apenas reduzcan el espacio disponible para los elementos sensibles a la luz en el píxel. Esto garantiza una alta sensibilidad del sensor en condiciones de poca luz, afirmó Zhang.

Dos demostraciones

En el estudio, los investigadores demostraron dos formas en las que el chip mejoraba la obtención de imágenes de la actividad neuronal dependiente de voltaje en el hipocampo de ratones cultivados en un plato. Utilizaron su sensor cara a cara con el chip de sensor de imagen Scientific CMOS estándar de la industria.

En la primera serie de experimentos, el equipo buscó visualizar la rápida dinámica del estrés neuronal. En un chip CMOS convencional, cada píxel tenía un tiempo de exposición de 1,25 milisegundos. En un sensor de píxeles, cada píxel en grupos adyacentes de cuatro permanecía encendido durante 5 ms, pero sus tiempos de inicio estaban escalonados de modo que cada píxel se encendía y apagaba 1,25 segundos después del siguiente. En el estudio, el equipo demostró que cada píxel, al ser más largo, recogía más luz, pero como cada píxel capturaba una nueva vista cada 1,25 milisegundos, esto equivalía simplemente a tener una resolución temporal rápida. El resultado fue una duplicación de la relación señal-ruido del chip de píxeles. Esto logra una alta resolución temporal a una fracción de la velocidad de muestreo en comparación con los chips CMOS tradicionales, dijo Zhang.

Además, el chip de píxeles detectó actividades neuronales que un sensor tradicional no detectaba. Cuando los investigadores compararon el rendimiento de cada tipo de sensor con lecturas eléctricas realizadas con un electrodo convencional, descubrieron que las mediciones de píxeles escaladas coincidían mejor con las mediciones de parche.

En una segunda serie de experimentos, el equipo intentó demostrar que el chip de píxeles podía capturar tanto dinámicas rápidas como también las diferencias de potencial eléctrico más lentas y sutiles que exhiben las neuronas. Para hacer esto, variaron las duraciones de exposición de los píxeles vecinos en el segmento de píxeles, desde 15,4 milisegundos hasta solo 1,9 milisegundos. De esta manera, los píxeles rápidos tomaron muestras de cada cambio rápido (aunque débilmente), mientras que los píxeles más lentos incorporaron suficiente luz a lo largo del tiempo para rastrear las fluctuaciones lentas incluso si fueran sutiles. Al combinar datos de cada píxel, el chip fue capaz de captar tanto cambios rápidos como cambios lentos en el subumbral, informaron los investigadores.

Wilson dijo que los experimentos con pequeños grupos de neuronas en un plato eran sólo una prueba de concepto. El objetivo final de su laboratorio es realizar mediciones en tiempo real de la actividad a nivel cerebral en diferentes tipos de neuronas en animales incluso cuando se mueven libremente y aprenden a navegar por laberintos. El desarrollo de GEVI y sensores de imagen como el chip de píxeles que puedan aprovechar con éxito lo que muestran es fundamental para hacer posible este objetivo.

“Esta es la idea de todo lo que queremos reunir: imágenes de voltaje a gran escala de neuronas marcadas genéticamente en animales que se comportan libremente”, dijo Wilson.

Para lograr esto, añadió Zhang, “ya estamos trabajando en la próxima iteración de chips con menor ruido, mayor número de píxeles, resolución de tiempo de varios kHz y factores de forma pequeños para obtener imágenes en animales que se comportan libremente”.

La búsqueda avanza píxel a píxel.

Además de Zhang, Wilson y Boyden, los otros autores del artículo son Jonathan Newman, Zhiguan Wang, Yong Qian, Pedro Feliciano Ramos, Wei Guo, Takato Honda, Zhi Sij Chen, Zhangyang Linghu, Ralph-Etienne Cummings y Eric Fossum.

El Instituto Picower para el Aprendizaje y la Memoria, la Fundación JPB, la Fundación Alana, el Fondo de Investigación Traslacional Louis B. Thalheimer, los Institutos Nacionales de Salud, HHMI, Lisa Yang y John Doerr brindaron apoyo para la investigación.