Matrizes de micro-eletrodos

Por muitos anos houve um foco intenso nos estudos em neurociência procurando entender o sistema nervoso utilizando principalmente as respostas de neurônios isolados a estímulos controlados.

Nas últimas duas décadas, vários laboratórios têm devotado esforços no uso de técnicas que procuram entender aspectos do sistema nervoso a partir das respostas de um conjunto de neurônios, captadas a partir de eletrodos de espessura microscópica (Ex: 35µm), dispostos em arranjos geométricos dos mais variados, e implantados, desde em situações em que o animal está anestesiado, até situações em que o animal está em exploração livre, para realizar o registro crônico extra-celular de populações de neurônios isolados [?, ?, ?, ?, 150, 152] em regiões específicas. Na Figura A.14, pode ser visualizada uma foto onde são apresentados os detalhes de uma matriz de micro-eletrodos de 35µm, onde é possível ver os próprios eletrodos e as conexões destes para uma pequena Placa de Circuito Impresso (PCI) onde serão coletados os sinais elétricos provenientes dos eletrodos.

Definidas as regiões a serem monitoradas, executa-se uma cirurgia apoiada por alguns equipamentos, entre eles o estereotáxico. Este equipamento é responsável por ajudar na definição precisa das coordenadas espaciais das regiões cerebrais escolhidas. Com as coordenadas, e o animal devidamente medicado, inicia-se o procedimento de abertura de “janelas” na caixa craniana nas regiões escolhidas. Para cada uma das regiões escolhidas, após a remoção da parte óssea local, a dura-máter é cuidadosamente cortada e removida criando as condições iniciais para a inserção de cada uma das matrizes de eletrodos. Estes últimos são vagarosamente inseridos até a profundidade calculada para atingir a região em

A.3 Eletrofisiologia elementar 117

Figura A.14: Foto ilustrando o detalhe de um matriz de micro-eletrodos. Autor: Joanilson Guimarães.

estudo. Finalizada a inserção são providenciados os suportes mecânicos e elétricos para a parte externa onde ficará disponível a pequena Placa de Circuito Impresso (PCI) acoplada aos eletrodos implantados.

Na Figura A.15.a, pode ser vista uma foto do momento de inserção da matriz de micro-eletrodos no cérebro do animal. Este é um procedimento delicado e deve ser realizado lentamente até que o local desejado seja atingido pelas pontas dos micro-eletrodos. A Figura A.15.a, pode-se encontrar um esboço das localizações do implante de duas matrizes no cérebro de um rato, uma no córtex e outra no hipocampo.

Figura A.15: Ilustração do implante de micro-eletrodos (a) foto do momento de implante de micro-eletrodos (b) esboço do implante de duas matrizes de micro-eletrodos.

Apêndice B

Fundamentos computacionais

"Computação não se relaciona mais a computadores. Relaciona-se a viver." (Nicholas Negroponte)

Os avanços recentes em neuro-eletrofisiologia têm criado possibilidades de coletar, armazenar e manusear novos tipos de dados provenientes de estudos naquela área [33, 108]. Uma das abordagens da neuro-eletrofisiologia recente tem sido administrar um estímulo e simultaneamente registrar a atividade de uma dada região do cérebro, onde se imagina que deve haver uma resposta para aquele estímulo. Os tipos de estímulo podem ser os mais variados: luminosos, sonoros, mecânicos, ou mesmo tarefas cognitivas. De uma maneira geral, esses experimentos se desenham na busca por caracterização da resposta neuronal (individual ou em conjuntos) associada a um determinado estímulo.

Recentemente, o registro da atividade elétrica neuronal, além de observar um único neurônio, tem procurado registrar a atividade neuronal simultânea de vários neurônios e, deste modo, passar a ser possível entender o comportamento de grupos de neurônios em resposta a um dado estímulo. Neste caso, são obtidas respostas mais robustas do que aquelas encontradas quando observamos apenas um neurônio [33].

Um desafio que surge com essa nova forma de registrar os neurônios, é a maneira de interpretar esses dados gerados em volumes cada vez maiores. Neste desafio, fica claro que torna-se imprescindível o uso de recursos computacionais (arquiteturas e algoritmos) cada vez mais sofisticados para dar conta das questões que são colocadas, não somente pela neuro-eletrofisiologia, mas também para a neurociência como um todo.

B.1 Análise de dados neuronais 119

Na Seção B.1 é proposto e detalhado um modelo geral de análise de dados neuronais. Em seguida, na Seção B.2 são apresentados tópicos relacionados com as técnicas usuais de reconhecimento de padrões. No tocante aos aspectos computacionais de implementação do modelo geral de análise proposto, foi reservado todo o Apêndice E. Mais especificamente, na Seção E.1 daquele apêndice daquele apêndice, são apresentados os os aspectos gerais de uma alternativa de infra-estrutura computacional necessária, quando o custo da análise dos dados cresce muito mais que os computadores comuns de mesa podem dar conta, exigindo assim o emprego de uma estratégia de computação de alto desempenho, que nesta Tese é a computação em grade.

B.1

Análise de dados neuronais

Quando devidamente estimulado, um neurônio apresenta, em seu terminal de saída, um potencial denominado potencial de ação ou simplesmente spike. Todo o conjunto de tarefas realizadas pelo sistema nervoso, no processamento da informação sensorial do ambiente, começa com a representação da informação sensorial em uma seqüência de spikes. Em termos eletrofisiológicos, seqüências de spikes são a linguagem com a qual o sistema nervoso representa e comunica as suas informações [182].

Na Figura B.1, pode ser vista uma ilustração do processo de aquisição de um trem de spikes, o qual é a resposta de um neurônio a um determinado estímulo, s(τ ). É possível identificar na Figura B.1, que o trem de potenciais de ação é obtido ao se monitorar, de maneira extracelular, a ocorrência de potencial de ação no corpo de um determinado neurônio.

Quando o interesse é apenas no evento do potencial de ação, um modelo estável na literatura [47, 182] para um trem de potenciais de ação, ρ, que é a resposta a um dado estímulo, é apresentada no Equação B.3. Sendo δ(t) a função delta definida pelas Equações B.1 e B.2. δ(t) =    ∞, t = 1 0, t 6= 1 (B.1)

B.1 Análise de dados neuronais 120 ∞ Z ∞ δ(t)dt = 1 (B.2) ρ(t) =X i δ(t − ti) (B.3)

Figura B.1: O processo de aquisição da contagem de spikes.

Uma parcela significativa das operações sobre seqüências de potenciais de ação ocorre, não utilizando o instante de tempo no qual ocorreu o evento, mas uma contagem da ocorrência dos mesmos, em um conjunto de intervalos (bins) de tamanho fixo. Na Equação B.4, encontra-se a definição [47] da taxa de disparo (firing rate), r(t), para o intervalo [t, t + ∆t], considerando a função resposta média, naquele intervalo amostral ou bin.

r(t) = 1 ∆t t+∆t Z t hρ(τ )i dτ (B.4)

Como a análise se dá para um conjunto de neurônios, é necessário estabelecer uma maneira de representação de um conjunto e não de apenas um neurônio. Sendo ri =

[ri(t1) · · · ri(tL)] a taxa de disparo do i-ésimo neurônio registrado pelos eletrodos, tem-se

a matriz de bins, B, em que cada uma das suas linhas são formadas pelos valores das taxas como define a Equação B.5; para N neurônios registrados em L bins.