Desarrollo de herramientas de adquisición y análisis automático de actividad neuronal en el cerebro humano y su aplicación al estudio de mecanismos involucrados en memoria

Título

Desarrollo de herramientas de adquisición y análisis automático de actividad neuronal en el cerebro humano y su aplicación al estudio de mecanismos involucrados en memoria

Colaborador

Rey, Hernán Gonzalo
Zanutto, Bonifacio Silvano

Editor

Universidad de Buenos Aires. Facultad de Ingeniería

Fecha

2024-12-04

Extensión

181 p.

Resumen

Para comprender el código neuronal involucrado en procesos como la percepción y la memoria en el cerebro humano, es necesario observar la actividad de neuronas individuales. Es posible extraer esta información adquiriendo y procesando, mediante algoritmos de aprendizaje automático, las señales de microelectrodos intracraneales. Sin embargo, la colocación de estos electrodos solo se realiza en algunos hospitales y es fundamental para el estudio clínico de pacientes con epilepsia refractaria. En estos casos, los microelectrodos son introducidos dentro de macroelectrodos, cuya ubicación está definida por criterios clínicos, pero típicamente incluye el Lóbulo Temporal Medial (LTM). Estas condiciones de registro presentan la principal limitación de esta metodología, donde el nivel de ruido puede variar debido a la presencia de instrumental clínico y se requiere de la cooperación del paciente para realizar las tareas (lo que hace prohibitivas largas sesiones experimentales). Para aislar la actividad de cada neurona de la señal registrada, es necesario filtrar la señal en la banda de frecuencias de los potenciales de acción (spikes) y aplicar un algoritmo de detección para localizar los spikes en la señal resultante. Luego, y suponiendo que cada neurona genera spikes con una forma de onda media estable, se estima la cantidad de neuronas registradas mediante un algoritmo de aprendizaje no supervisado (clustering) sobre el espacio de características descriptivas (features) de lo spikes. El conjunto de estos pasos es conocido como Spike Sorting y es un requisito fundamental para estos estudios, debido a la existencia de neuronas de baja actividad (cuyo aporte al conjunto pasaría desapercibido) y a la falta de estructura topológica del LTM (neuronas registradas por el mismo microelectrodo pueden responder a conceptos no relacionados). El primer aporte de esta tesis consiste en el desarrollo de un algoritmo de Spike Sorting automático, llamado Wave_Clus 3. Este método se basa en el método Wave_Clus, el cual requería un curado manual de los resultados y presentaba una cota experimental en la cantidad de neuronas detectadas. Para facilitar la aplicación y agilizar los análisis, se diseñaron criterios para automatizar el curado manual de los usuarios expertos. Además, se modificó la selección de features para hacer uso de más información, pero sin afectar negativamente el desempeño del algoritmo de clustering. Con estas modificaciones y utilizando simulaciones, se comprobó que Wave_Clus 3 reduce los falsos positivos y negativos, en comparación con otros algoritmos utilizados para el análisis de registros en humanos. Las neuronas de la corteza inferotemporal (IT) presentan respuestas graduadas a estímulos visuales complejos, permitiendo la discriminación entre estímulos a partir de sus respuestas. La IT proyecta directamente al LTM, donde se han identificado neuronas que responden selectivamente a diferentes representaciones de personas específicas. Esta tesis doctoral explora la naturaleza de la codificación neuronal en el LTM, analizando si sigue un patrón graduado similar al del neocórtex o si presenta una codificación verdaderamente invariante. Con este objetivo, se utilizó Wave_Clus 3 para analizar rápidamente sesiones de screening, que consisten en la presentación de imágenes para detectar cuáles de ellas desencadenan una respuesta neuronal. Utilizando imágenes de personas para las cuales se observó una respuesta, se presentaron en una sesión posterior múltiples estímulos de cada persona. Al analizar estas últimas sesiones, se comprobó que solo en una minoría de casos la actividad de las neuronas permite distinguir entre diferentes imágenes de una misma persona. Sin embargo, se observó una mayor discriminación entre las respuestas a imágenes y las respuestas a nombres escritos y escuchados, lo que sugiere que las neuronas del LTM tienden a carecer de una representación detallada de características sensoriales, particularmente dentro de una misma modalidad sensorial. Esto podría ser ventajoso para la función de memoria atribuida a esta área, sugiriendo que una representación completa de la memoria implica una combinación de codificación mayormente invariante en el LTM con una representación detallada en el neocórtex. Los estudios descritos requirieron sesiones de screening para explorar los estímulos con respuestas neuronales significativas, lo que implica la presentación de múltiples repeticiones de los mismos estímulos para obtener potencia estadística. Sin embargo, es posible detectar la falta de una respuesta con un número reducido de repeticiones, lo que permite una optimización del tiempo requerido por la tarea al minimizar las presentaciones de estímulos sin respuesta, manteniendo un alto número de repeticiones para el resto. Con este objetivo, se desarrolló un screening dinámico que requirió múltiples desarrollos, como la adquisición y análisis de la señal durante la tarea (incluyendo Spike Sorting), así como criterios para priorizar estímulos y una interfaz para interactuar con el experimentador. Además, se agregó la capacidad de seleccionar, con un criterio dado, nuevas imágenes. Esto permite, por ejemplo, mostrar más estímulos de un mismo concepto de forma dinámica sin la necesidad de comenzar una nueva sesión. Este esquema reduce las posibilidades de perder neuronas bajo estudio debido a movimientos de los microelectrodos entre sesiones. Durante el desarrollo de esta tesis, se colaboró con otros grupos de investigación en el perfeccionamiento de SpikeInterface, una herramienta para compatibilizar algoritmos de Spike Sorting, con el fin de mejorar la reproducibilidad de los resultados, así como facilitar el desarrollo de nuevos métodos. Además, se hizo hincapié en compartir los códigos de múltiples herramientas desarrolladas y se trabajó para fomentar el uso de los métodos de Spike Sorting actuales. Los registros de larga duración realizados mediante microelectrodos en humanos presentan un gran desafío, ya que los electrodos son flexibles y pueden moverse con cierta facilidad lo que modifica qué neuronas son detectadas y su forma de onda. Por este motivo, en esta tesis se desarrolló un método de seguimiento llamado Tracking_Graph, el cual asocia clústeres obtenidos mediante Spike Sorting en bloques del registro, permitiendo seguir neuronas individuales durante horas. Esta estructura modular permite a los usuarios utilizar en cada bloque cualquier algoritmo cuyos parámetros ya se tengan optimizados. Además, Tracking_Graph es capaz de solucionar errores en bloques aislados utilizando información de los bloques vecinos. Se verificó mediante simulaciones la utilidad del método propuesto, demostrando su capacidad para mejorar los resultados tanto de métodos clásicos como de uno diseñado específicamente para registros de larga duración. Las herramientas desarrolladas en esta tesis (Wave_Clus 3, el screening dinámico, Tracking_Graph, entre otras) han mejorado la capacidad de adquirir y analizar registros neuronales. Estas contribuciones han permitido avanzar en la comprensión del código neuronal, y continúan siendo perfeccionadas para permitir nuevos tipos de sesiones experimentales.
To understand the neural code involved in processes such as perception and memory in the human brain, it is necessary to observe the activity of individual neurons. This information can be extracted by acquiring and processing intracranial microelectrode signals using machine learning algorithms. However, the placement of these electrodes is only performed in some hospitals and is fundamental for the clinical study of patients with refractory epilepsy. In these cases, microelectrodes are introduced within macroelectrodes, whose location is defined by clinical criteria, but typically includes the Medial Temporal Lobe (MTL). These recording conditions present the main limitation of this methodology, where noise levels can vary due to the presence of clinical instruments and require patient cooperation to perform tasks (which makes long experimental sessions prohibitive). To isolate the activity of each neuron from the recorded signal, it is necessary to filter the signal in the frequency band of action potentials (spikes) and apply a detection algorithm to locate spikes in the resulting signal. Then, assuming that each neuron generates spikes with a stable average waveform, the number of recorded neurons is estimated using an unsupervised learning algorithm (clustering) on the descriptive feature space of the spikes. The combination of these steps is known as Spike Sorting and is a fundamental requirement for these studies, due to the existence of low-activity neurons (whose contribution to the overall recorded activity would go unnoticed) and the lack of topological organization in the MTL (nearby neurons recorded by the same microelectrode usually respond to unrelated concepts). The first contribution of this thesis consists of developing an automatic Spike Sorting algorithm called Wave_Clus 3. This method is based on the Wave_Clus method, which required manual curation of results and presented an experimental limit on the number of detected neurons. To facilitate application and expedite analyses, novel criteria were designed to automate the manual curation performed by expert users. Additionally, the feature selection was modified to use more information without negatively affecting clustering algorithm performance. With these modifications and through simulations, Wave_Clus 3 was proven to reduce false positives and negatives compared to other algorithms used for human recording analysis. Neurons in the inferotemporal cortex (IT) present graded responses to complex visual stimuli, allowing discrimination between stimuli based on their responses. The IT projects directly to the MTL, where neurons have been identified that respond selectively to different representations of specific people. This doctoral thesis explores the nature of neural coding in the MTL, analyzing whether it follows a graded pattern similar to the neocortex or instead presents a truly invariant code. With this objective, Wave_Clus 3 was used to rapidly analyze screening sessions, which consist of presenting images to detect which ones trigger a neural response. Using images of people for which a response was observed, multiple stimuli of each person were presented in a subsequent session. When analyzing these latter sessions, it was found that neuronal activity only allows distinction between different images of the same person in a minority of cases. However, greater discrimination was observed between responses to images and responses to written and heard names, suggesting that MTL neurons tend to lack a detailed representation of sensory characteristics, particularly within the same sensory modality. This could be advantageous for the memory function attributed to this area, suggesting that a complete memory representation involves a combination of mostly invariant coding in the MTL with detailed representation in the neocortex. The described studies required screening sessions to explore stimuli with significant neural responses, which involves presenting multiple repetitions of the same stimuli to obtain statistical power. However, it is possible to detect the lack of a response with a reduced number of repetitions, allowing optimization of the required task time by minimizing presentations of stimuli without response while maintaining a high number of repetitions for the rest. With this objective, a dynamic screening was developed that required multiple developments, such as signal acquisition and analysis during the task (including Spike Sorting), as well as criteria for prioritizing stimuli and an interface to interact with the experimenter. Additionally, the ability to select new images with a given criterion was added. This allows, for example, to show more stimuli of the same concept dynamically without the need to start a new session. This scheme reduces the possibility of losing neurons under study due to microelectrode movements across sessions. During the development of this thesis, collaborations occurred with other research groups in perfecting SpikeInterface, a tool to make Spike Sorting algorithms compatible, improve results reproducibility, and facilitate the development of new methods. Furthermore, emphasis was placed on sharing codes of multiple developed tools, and work was done to promote the use of current Spike Sorting methods. Long-term recordings made through microelectrodes in humans present a great challenge, as the electrodes are flexible and can move easily, which modifies which neurons are detected and their waveform. For this reason, in this thesis, a tracking method called Tracking_Graph was developed, which associates clusters obtained through Spike Sorting in blocks of the recording, allowing individual neurons to be tracked for hours. This modular structure enables users to use any algorithm whose parameters are already optimized in each block. Additionally, Tracking_Graph can solve errors in isolated blocks using information from neighboring blocks. The usefulness of the proposed method was verified through simulations, demonstrating its capacity to improve results from both classical methods and one specifically designed for long-term recordings. The tools developed in this thesis (Wave_Clus 3, dynamic screening, Tracking_Graph, among others) have improved the ability to acquire and analyze neural recordings. These contributions have advanced the understanding of the neural code and continue to be perfected to allow new types of experimental sessions.