تجزیه و تحلیل چگالی منبع جریان (CSD) با بررسی تغییرات فضایی در ولتاژ خارج سلولی، محل ورود یا خروج جریان الکتریکی به بافت عصبی را تخمین میزند. این روش میتواند تفسیر ثبتهای EEG و میکروالکترود را دقیقتر کند، اما اعتبار آن به هندسه الکترود، کیفیت نمونهبرداری، انتخابهای مرجع و فرضیات مدل بستگی دارد.
چگالی منبع جریان چیست؟
چگالی منبع جریان (Current source density)، توزیع جریان الکتریکی جاری شده به داخل و خارج از حجمی از بافت عصبی را توصیف میکند. در علوم اعصاب، یک منبع (source) به طور کلی نشاندهنده خروج جریان از فضای خارج سلولی است، در حالی که یک چاهک (sink) نشاندهنده ورود جریان به آن است. این اصطلاحات به قرارداد علامتگذاری و دیدگاه انتخابشده بستگی دارند، بنابراین یک منبع یا چاهک را بهتر است به عنوان بخشی از یک الگوی الکتریکی محلی در نظر گرفت تا یک شیء آناتومیک مجزا.
این تخمین معمولاً از اندازهگیریهای ولتاژ خارج سلولی جمعآوریشده در چندین موقعیت نزدیک به هم به دست میآید. تفاوتهای فضایی بین این اندازهگیریها نشان میدهد که میدان ولتاژ با چه سرعتی در بافت تغییر میکند. از آنجا که این محاسبات بر تغییرات محلی تأکید دارند، CSD میتواند به تمایز یک الگوی کانونی از یک میدان وسیع تولید شده توسط فعالیت هدایتشده از طریق بافت اطراف کمک کند.
روش CSD مستقیماً یک نورون، سیناپس یا کانال یونی منفرد را شناسایی نمیکند. این روش یک تخمین وابسته به هندسه و در سطح جمعیت از توزیع جریان در سراسر غشاء است. بنابراین، در علوم اعصاب، به جای اینکه به عنوان یک نقشه مستقل از فعالیت سلولی در نظر گرفته شود، در کنار آناتومی، الکتروفیزیولوژی، زمانبندی تحریک و مشاهدات رفتاری یا بالینی استفاده میشود.
مبنای بیوفیزیکی: از ولتاژ تا جریان
هنگامی که سیناپسها فعال میشوند، یونها در سراسر غشای عصبی جریان مییابند و جریانهای الکتریکی کوچکی را در بافت اطراف ایجاد میکنند. یک الکترود خارج سلولی تغییرات پتانسیل حاصل را ثبت میکند، اما این تغییرات مخلوطی مبهم از جریانهای سلولهای بسیار زیادی است.
CSD از آن ولتاژ ثبتشده به صورت معکوس عمل میکند تا جریان خالص ورودی یا خروجی به بافت را در هر نقطه استنباط کند؛ تصویری از اینکه جریانهای سیناپسی از کجا منشأ میگیرند و در کجا به سلول بازمیگردند.
رابطه بین پتانسیل میدان خارج سلولی و جریانهای زمینهای توسط قوانین فیزیکی کاملاً اثباتشده که در معادله پواسون بیان شدهاند، هدایت میشود. برای یک محیط رسانا، CSD (جریان خالص عبوری از یک حجم کوچک) با واگرایی بردار جریان مرتبط است که به نوبه خود به تغییرات فضایی پتانسیل میدان پیوند میخورد.
در یک رسانای ساده و یکنواخت، CSD به طور مستقیم با میزان تغییرات شدید ولتاژ با فاصله متناسب است — از نظر ریاضی، مشتق مرتبه دوم فضایی آن. این Insight مبنای محاسبات کلاسیک CSD را تشکیل میدهد، اما بافت واقعی مغز به ندرت مانند یک حمام نمک همگن رفتار میکند.
آزمایشهای پایهای که اعتبار بیوفیزیکی CSD را اثبات کردند، در مخچه قورباغه و وزغ انجام شدند. محققان تانسور رسانایی کامل — یک نقشه سهبعدی از نحوه جریان آسان جریان در جهات مختلف — را اندازهگیری کردند و دریافتند که بافت ناهمسانگرد است (جریان در امتداد محورهای خاصی راحتتر از بقیه جریان مییابد) اما به طرز چشمگیری همگن است (رسانایی با مکان تغییر قابل توجهی نمیکند) و اهمی است (رابطه ولتاژ-جریان خطی بود).
دانستن این تانسور رسانایی منفرد امکان استفاده از یک مدل CSD ساده شده اما از نظر فیزیکی دقیق را فراهم کرد و زمینه را برای کاربردهای عملی آماده ساخت.
نحوه محاسبه چگالی منبع جریان
ترجمه ولتاژهای ثبتشده به نقشههای CSD نیازمند انتخاب دقیق روشهای محاسباتی است. این انتخاب به پیچیدگی بافت و آرایش فضایی آرایه ثبت بستگی دارد.
روش کلاسیک مشتق مرتبه دوم فضایی
تحت فرضهای رسانایی همگن و همسانگرد، CSD به یک عملیات ساده خلاصه میشود: پتانسیل میدان ثبتشده در یک سری از کنتاکتهای الکترود با فاصله مساوی را بگیرید و مشتق دوم را در امتداد محور پروب محاسبه کنید. در عمل، این کار با فرمولهای تفاضل محدود انجام میشود که مشتق را با استفاده از ولتاژهای کنتاکتهای همسایه تقریب میزنند.
با این حال، همه طرحهای مشتقگیری یکسان نیستند. یک مقایسه سیستماتیک در مخچه دوزیستان، فرمولهای مختلف را از نظر دقت، تمایل آنها به مخدوش کردن الگوهای فضایی با تغییرات سریع (پدیده پلهپله شدن یا علیاسینگ) و میزان هموارسازی (smoothing) که ایجاد میکنند، ارزیابی کرد.
درست همانطور که انتخاب فیلتر اشتباه میتواند یک عکس را تار کند، انتخاب یک طرح مشتقگیری نامناسب میتواند دقیقاً همان رویدادهایی را که امیدوار به دیدنشان هستید، پنهان کند. فرمول بهینه به محتوای فرکانس فضایی سیگنالها بستگی دارد، درسی که با اندازهگیری طیف چگالی انرژی فضایی برای یافتن فاصله ایدهآل بین الکترودها تقویت شد.
فراتر از سادهترین فرض: روشهای معکوس و پروفایلهای رسانایی
هنگامی که بافت ناهمسانگرد یا ناهمگن باشد، رویکرد ساده مشتق دوم دیگر برقرار نیست. یک چارچوب کلیتر از معادله پواسون شروع میشود و تانسور رسانایی اندازهگیریشده را برای بازسازی توزیع واقعی منبع ترکیب میکند.
مقاله تئوری فوقالذکر معادلات کامل را در مختصات دکارتی مستطیلی، از جمله یک سیستم مختصات چرخیده برای همترازی با ساختارهای لایهای شیبدار ارائه داد. این پایه به الگوریتمهای مدرن CSD معکوس اجازه میدهد تا رسانایی جهتی را اصلاح کرده و نقشههای دقیقتری تولید کنند.
به طور حیاتی، اثبات اولیه همگن و اهمی بودن بافت مخچه به این معنی بود که میتوان از یک تانسور رسانایی ثابت و منفرد استفاده کرد که مسئله معکوس را به طور چشمگیری ساده میکرد. برای بسیاری از نواحی لایهلایه مغز، این یک نقطه شروع معقول باقی میماند، اگرچه اصلاحات دقیق برای ناهمگنی گاهی اوقات ضروری است.
الگوریتمها و فرضهای رایج
چندین رویکرد استفاده میشود و هر کدام نیازهای متفاوتی را برای دادهها ایجاد میکنند. تفاضلهای محدود ساده، شفاف هستند و به طور طبیعی با کنتاکتهای با فواصل منظم کار میکنند، در حالی که روشهای مبتنی بر اسپلاین یا مبتنی بر هسته (kernel) میتوانند چیدمانهای فضایی گستردهتری را در خود جای دهند. در EEG سطحی، تبدیل لاپلاسین سطحی یک عملیات بسیار مرتبط است که انحنای محلی را در میدان ولتاژ پوست سر تخمین میزند.
انتخاب الگوریتم باید بر اساس آرایش الکترودها باشد نه صرفاً راحتی کار. فرضها و تصمیمات رایج عبارتند از:
آیا رسانایی همگن و همسانگرد در نظر گرفته میشود یا خیر.
آیا هندسه ثبت از مشتقات یک، دو یا سهبعدی پشتیبانی میکند یا خیر.
شرايط مرزی و کانالهای از دست رفته چگونه مدیریت میشوند.
آیا هموارسازی قبل از مشتقگیری فضایی اعمال میشود یا خیر.
پس از محاسبه، قرارداد علامتگذاری باید به وضوح مستند شود، زیرا برچسبهای بصری «منبع» و «چاهک» میتوانند بین پیادهسازیهای مختلف معکوس شوند. اعتبارسنجی میتواند شامل میدانهای شبیهسازیشده، زمانبندی تحریک شناختهشده، همترازی آناتومیک و آنالیزهای حساسیت با استفاده از فواصل جایگزین یا پارامترهای هموارسازی باشد. چنین بررسیهایی عدم قطعیت را از بین نمیبرند، اما نشان میدهند که آیا الگوی اصلی پایدار است یا خیر.
ابزارها و نرمافزارها برای آنالیز CSD
گردش کارهای CSD را میتوان با محیطهای محاسباتی عددی، بستههای آنالیز الکتروفیزیولوژی و اسکریپتهای سفارشی پیادهسازی کرد. مراحل اصلی معمولاً شامل وارد کردن سیگنالها، بررسی مکان کانالها، فیلتر کردن با یک منطق مشخص، شناسایی کانالها یا کنتاکتهای خراب، اعمال عملگر فضایی و تجسم نتیجه در کنار ثبت اصلی است. نرمافزار نیاز به درک فرضیات ساخته شده در آن عملگر را از بین نمیبرد.
یک گردش کار تکرارپذیر جزئیات ثبت و تبدیلها را مجزا نگه میدارد. تحلیلگر هندسه الکترود، طرح مرجع، مقادیر رسانایی در صورت استفاده، روش درونیابی، پارامترهای هموارسازی و مدیریت مرزها را ثبت میکند. اسکریپتها یا نوتبوکهای نسخهگذاری شده میتوانند نمودارها را بازسازی کرده و از مقایسه بین الگوریتمها پشتیبانی کنند.
یک پیادهسازی مفید باید بررسی خروجیهای میانی را به جای ارائه صرفاً یک نقشه رنگی نهایی امکانپذیر سازد. برای EEG سطحی، این شامل بررسی میدان ولتاژ درونیابیشده و چیدمان الکترود است. برای آرایههای میکروالکترود، این شامل تأیید ترتیب کنتاکتها، فاصله فیزیکی، جهتگیری پروب و نحوه برخورد با کنتاکتهای لبه است. این بررسیها اغلب ارزشمندتر از افزودن یک تجسم بصری دیگر هستند.
ملاحظات عملی برای نقشههای CSD قابل اعتماد
خروجیهای خام CSD در صورتی که پارامترهای ثبت و آنالیز بهینه نشده باشند، میتوانند گمراهکننده باشند. سه منبع اصلی خطا میتوانند منابع و چاهکهای کاذب ایجاد کنند:
فاصله بین کنتاکتهای الکترود
نویز الکتریکی
عدم قطعیت در مورد موقعیت دقیق الکترودها
فاصلهگذاری الکترودها و نمونهبرداری فضایی
فاصله بین محلهای ثبت، کوچکترین ساختار فضایی را که میتوانید با دقت ثبت کنید، تعریف میکند. فاصله بسیار زیاد جزئیات ظریف را هموار میکند و ممکن است باعث پدیده پلهپله شدن (aliasing) شود، جایی که تغییرات فضایی سریع خود را به عنوان الگوهای با فرکانس پایینتر نشان میدهند. از سوی دیگر، فاصله بسیار کم اثرات نویز را تقویت میکند، زیرا عملیات مشتق دوم نسبت به نوسانات کوچک ولتاژ بسیار حساس است.
راهحل اغلب اندازهگیری طیف چگالی انرژی فضایی پتانسیل میدان است. در مخچه دوزیستان، این آنالیز باندهای فرکانسی را نشان داد که در آنها سیگنال فیزیولوژیکی واقعی بر نویز غالب بود و به محققان اجازه داد فاصله بین الکترودی را انتخاب کنند که ضمن به حداقل رساندن اعوجاج، ثبت سیگنال واقعی را به حداکثر برساند. این بهینهسازی تجربی یک تکنیک تئوری را به ابزاری عملی و با دقت بالا تبدیل کرد.
نویز، موقعیت الکترود و آرتیفکتها
فراتر از فاصلهگذاری، سه منبع خطای اصلی میتوانند نقشههای CSD را خراب کنند:
نویز الکتریکی تصادفی
عدم قطعیت در موقعیت نوک الکترودهای ثبت
عدم دقت در تانسور رسانایی فرضشده
در مطالعه پیشین فریمن و همکاران، فرمولهای تئوری برای تخمین مقدار نسبی هر خطا به دست آمد و آزمایشها صحت آنها را تأیید کردند. به عنوان مثال، حتی یک ناهماهنگی کوچک بین موقعیت فرضشده و واقعی الکترود میتواند جفتهای کاذب منبع-چاهک جریان ایجاد کند.
در شبکیه، بررسیهای روششناختی سناریوهای خاصی را نشان دادند که «منابع/چاهکهای آرتیفکتی» تولید میکردند. محققان با تغییر سیستماتیک پارامترهایی مانند مرجعگذاری، فیلتر کردن و هندسه آرایه الکترودی، بهترین روشها را شناسایی کردند که منجر به «حداقل تنوع و نویز در پروفایلهای CSD» شد. این امر تأکید میکند که CSD یک تکنیک ساده و بدون نیاز به تنظیم (plug-and-play) نیست و برای جداسازی رویدادهای فیزیولوژیکی واقعی از آرتیفکتهای آنالیز، به اعتبارسنجی دقیق نیاز است.
چند بعد فضایی کافی است؟
یک سادهسازی رایج این است که فرض کنیم جریان فقط در امتداد محور نفوذ الکترود جریان مییابد — یک CSD یکبعدی (1D). این فرض زمانی صادق است که عناصر عصبی فعال در لایههای صاف و موازی چیده شده باشند و مسیر الکترود بر آنها عمود باشد.
در ساختارهایی مانند قشر مغز یا مخچه، که سلولها در لایهها سازماندهی شدهاند، یک تقریب یکبعدی اغلب کافی است. با این حال، اگر جریانهای قابل توجهی در جهات دیگر جریان یابند (همانطور که ممکن است در نزدیکی مرزهای منحنی یا با نفوذهای مایل اتفاق بیفتد)، یک آنالیز یکبعدی سیگنالهای هدایتشده از حجم را به عنوان منابع محلی به اشتباه نسبت میدهد.
کاربردهای CSD در سیستمهای عصبی
قدرت CSD زمانی آشکار میشود که در مدارهای کاملاً تعریفشده به کار رود. سه آمادهسازی کلاسیک نشان میدهد که چگونه CSD سیگنالهای همپوشان را تفکیک میکند و سازماندهی پنهان جریانهای سیناپسی را آشکار میسازد.
سازماندهی لایهای مخچه
مخچه قورباغه و وزغ به عنوان میدان آزمایش برای روششناسی CSD عمل کرد. اعمال این تکنیک بهینهشده روی ورودی دهلیزی-مخچهای، «وضوح زمانی و فضایی به طور قابل توجهی بهتری از رویدادهای عصبی» نسبت به پتانسیلهای میدان خام به تنهایی ارائه داد.
از آنجا که قشر مخچه یک ساختار لایهای بسیار منظم است، نقشههای CSD میتوانند لایههایی را که ورودی سیناپسی به آنها وارد میشود و جریانهای فعال از آنها بازمیگردند، به دقت مشخص کنند و خوانش مستقیمی از اتصال عملکردی بین عصب دهلیزی و نورونهای هدف آن ارائه دهند. این کار نه تنها روش را معتبر ساخت، بلکه نشان داد که چگونه CSD میتواند به عنوان یک ابزار کلی برای نواحی لایهلایه مغز عمل کند.
پروفایلهای عمق شبکیه
شبکیه با لایههای مشخص خود، بافت ایدهآل دیگری برای CSD است. در شبکیه قورباغه، یک پروفایل عمق CSD در اوج موج b ناشی از نور، یک چاهک جریان بزرگ را در نزدیکی لایه پلکسیفرم خارجی (OPL)، یک منبع را در غشای محدودکننده داخلی (ILM) و یک توالی پیچیدهتر از رویدادها را در لایه پلکسیفرم داخلی (IPL) نشان داد.
در شروع تابش نور، پاسخ IPL در سه مرحله منظم آشکار شد. یک چاهک تند اولیه با پاسخ منفی پروکسیمال (PNR) مطابقت داشت، به دنبال آن یک منبع کندتر که بازتابدهنده موج b بود و در نهایت یک چاهک حتی کندتر با روند زمانی موج M ایجاد شد.
این تجزیه سیگنال از روی یک ثبت ولتاژ واحد غیرممکن است، جایی که این مؤلفهها در یک شکل موج واحد ادغام میشوند. چاهک OPL به وضوح به ژنراتورهای موج b متصل بود، در حالی که چاهک موج M کوچک به نظر میرسید زیرا تا حدودی با منبع موج b همپوشان در همان عمق خنثی میشد.
بنابراین CSD یک تشریح لایه به لایه از پاسخ مدار شبکیه به نور را ارائه داد و سهم جمعیتهای سلولی متمایز را جدا کرد.
پروفایلهای لایهای قشر مغز
شاید برجستهترین نمونههای ارزش CSD از مطالعات نئوکورتکس پستانداران نخستین به دست آمده باشد. در نواحی بینایی اولیه (V1)، شنوایی و حس پیکری ماکاک، ثبتهای LFP لایهای با CSD آنالیز شدند تا ژنراتورهای نوسانات باند آلفا بومیسازی شوند. نقشههای CSD ژنراتورهای جریان آلفا را در تمام لایههای قشر مغز — فوق لایهای (supragranular)، دانهای (granular) و زیر لایهای (infragranular) — با قویترین منابع در لایههای سطحی فوق لایهای نشان دادند.
این یافته یک تفسیر نادرست دیرینه را اصلاح کرد. سیگنال خام LFP حداکثر قدرت آلفا را در لایههای عمیق زیر لایهای نشان میداد، اما CSD روشن کرد که این یک توهم ناشی از «آلودگی سیگنال LFP زیر لایهای توسط فعالیتی است که به صورت هدایت حجمی از ژنراتورهای آلفای قویتر فوق لایهای منتقل شده است».
هدایت حجمی، جایی که جریانها به طور غیرفعال در بافت پخش میشوند، منشأ واقعی سیگنال را محو میکند. روش CSD این محوشدگی را فیلتر میکند و نشان میدهد که ریتم آلفا در انحصار لایههای عمیق نیست بلکه یک پدیده چند لایهای است که احتمالاً در هر دو پردازش پیشخور (feedforward) و پسخور (feedback) مشارکت دارد.
یک مطالعه قشری دوم از یک آنالیز قدرت CSD با باند محدود برای تشریح پروفایل لایهای پاسخهای بینایی در V1 استفاده کرد. هنگامی که یک محرک به طور ناگهانی ظاهر میشود، LFP یک گذار تند و به دنبال آن یک مؤلفه پایدار را نشان میدهد. آنالیز CSD با جداسازی سهمهای همفاز (میانگینگیری شده در طول تکرارها) و غیرهمفاز (قدرت تکرار به تکرار)، یک چاهک جریان با تاخیر کوتاه در لایه 4C — ورودی کلاسیک تالاموکورتیکال — و در عمق حدود ۵۰۰ میکرومتر عمیقتر، یک چاهک پایدار متمایز را پیدا کرد که تا زمانی که محرک بینایی روی صفحه باقی میماند، تداوم داشت.
چاهک عمیقتر غیرهمفاز بود، به این معنی که زمانبندی آن از تکراری به تکرار دیگر متفاوت بود و احتمالاً نشاندهنده پردازش بازگشتی یا پسخور است تا تحریک پیشخور اولیه. این تفکیک بین تشخیص اولیه و بازنمایی پایدار در یک میانگین استاندارد LFP کاملاً نامرئی خواهد بود، که تأکیدی بر توانایی منحصر به فرد CSD در آشکارسازی معماری زمانی پردازش قشری است.
سیستم | یافته کلیدی | مزیت CSD |
|---|---|---|
مخچه | تفکیک ورودی سیناپسی لایهای | وضوح فضایی بهتر |
شبکیه | تشریح مؤلفههای موج b | آنالیز لایه به لایه |
قشر مغز | اصلاح موقعیت ژنراتور آلفا | آشکارسازی هدایت حجمی |
تفسیر CSD در بستر فعالیت عصبی
نقشههای CSD گاهی به عنوان انتزاعهای ریاضی جدا شده از فعالیت اسپایکینگ (spiking) مورد انتقاد قرار میگیرند. با این حال، شواهد جمعآوریشده این موضوع را رد میکند زیرا چاهکها و منابع CSD به طور محکم به شلیکهای عصبی متصل هستند.
پیوند دادن CSD به اسپایکینگ و تحریکپذیری
در مطالعه ریتم آلفا توسط هاگنز و همکاران، فعالیت چندواحدی (MUA) که به طور همزمان با LFP ثبت شده بود، با پیکربندیهای منبع/چاهک جریان محلی شناساییشده توسط CSD همفاز بود. این بدان معنی است که وقتی CSD یک چاهک جریان قوی را در یک لایه معین نشان میداد، نورونهای مجاور با احتمال بیشتری پتانسیلهای عمل را در آن فاز از نوسان شلیک میکردند.
این جفت شدن تأیید میکند که «ریتمهای آلفا نوسانات تحریکپذیری عصبی محلی را نشان میدهند» و چاهکهای CSD با تحریک سیناپسی خالص مطابقت دارند. این پایهگذاری تجربی به CSD معنای بیولوژیکی میدهد زیرا لایهای را که در آن تحریکات سیناپسی و فرآیندهای غشایی فعال قویترین هستند، به دقت مشخص میکند، نه فقط پژواکهای غیرفعال هدایتشده از طریق حجم.
تمایز پویاییهای مختلف با CSD
مطالعه پاسخ بینایی توسط مایر و همکاران لایه دیگری از Insight را ارائه داد. همان میکرومدار V1 دو الگوی CSD کاملاً متفاوت را برای یک محرک بینایی ساده ایجاد کرد. چاهک اولیه و همفاز در لایه 4C نشاندهنده رسیدن دقیق ورودی تالاموس از نظر زمانبندی است. چاهک بعدی و غیرهمفاز که در عمق بیشتری قرار دارد، با پردازش پایدار درون قشری که با شروع محرک همفاز نمیشود، همخوانی دارد.
بنابراین CSD میتواند یک شکل موج زمخت LFP را به مؤلفههایی تجزیه کند که از مکانیسمهای عصبی متمایز منشأ میگیرند — پیشخور در مقابل بازگشتی، گذرا در مقابل پایدار — و تصویری غنیتر از پویایی مدار را نسبت به آنچه سیگنال ولتاژ خام میتوانست ارائه دهد، آشکار سازد.
چرا آنالیز چگالی منبع جریان یک ابزار حیاتی برای دانشمندان علوم اعصاب است
آنالیز چگالی منبع جریان فراتر از ثبت آنچه الکترود صرفاً «میشنود» حرکت میکند تا تصویری فیزیکی از جریانهایی که آن سیگنال را تولید میکنند، بسازد. با ادغام تئوری بیوفیزیکی دقیق با بهینهسازی آزمایشگاهی دقیق و انواع آنالیزهای نوآورانه، CSD رقص لایهای پنهان سیناپسها و جریانهای فعال را آشکار میکند.
چه در نقشهبرداری از مدارهای شبکیه، ورودیهای مخچه یا ریتمهای قشری، CSD به طور مداوم جزئیاتی را تفکیک میکند که پتانسیلهای میدان معمولی آنها را محو میکنند: این روش سیگنالهای هدایتشده از حجم را از فعالیتهای محلی جدا میکند، رویدادهای سیناپسی همپوشان را تفکیک میکند و منشأ فضایی واقعی پردازشهای پایدار و نوسانی را آشکار میسازد.
برای هر دانشمند علوم اعصاب که با پروبهای لایهای یا دادههای تصویربرداری قشری کار میکند، CSD یک افزونه قابل چشمپوشی نیست، بلکه یک گام اساسی به سمت تفسیر صادقانه ثبتهای خارج سلولی است. این روش خطوط ولتاژ مبهم را به نقشهای شفاف از مکان و زمان تبادل اطلاعات نورونها تبدیل میکند و آن را به یک تکنیک سنگ بنا برای درک نحوه عملکرد مدارهای عصبی بدل میسازد.
CSD در مقابل سیگنالهای خام EEG: چرا اهمیت دارد؟
EEG خام ولتاژ را نسبت به یک مرجع نشان میدهد، در حالی که CSD یک مشتق فضایی از آن میدان ولتاژ را نمایش میدهد. سیگنالهای خام اطلاعات میدان وسیع را حفظ میکنند و برای ارزیابی همگامسازی جهانی، زمانبندی رویدادها و کیفیت کلی دادهها مفید هستند. CSD برخی از فعالیتهای هموار فضایی را سرکوب کرده و انحنای محلی را برجسته میکند، که میتواند دیدن یک الگوی کانونی را آسانتر کند.
این تمایز صرفاً بین یک سیگنال ضعیفتر و قویتر نیست. یک مشتق فضایی، سوال مورد پرسش را تغییر میدهد. یک پتانسیل وسیع ممکن است از نظر بیولوژیکی معنادار باشد حتی اگر CSD آن را تضعیف کند، در حالی که یک ویژگی تیز CSD ممکن است نشاندهنده نمونهبرداری پراکنده، درونیابی یا نویز باشد در صورتی که هندسه اندازهگیری ضعیف باشد.
مقایسه عملی زمانی واضحتر است که دو نمایش با هم بررسی شوند. ویژگیای که از نظر فضایی و زمانی در دادههای خام و تبدیلشده سازگار باقی میماند، تفسیر آسانتری نسبت به ویژگیای دارد که فقط پس از فیلتر کردن تهاجمی ظاهر میشود. روش CSD میتواند ویژگی فضایی بیشتری ارائه دهد، اما این ویژگی باید در مقابل اطلاعات حذفشده توسط مشتقگیری سنجیده شود.
چگونه آنالیز چگالی منبع جریان، خطوط ولتاژ را به نقشههای قابل اعتماد از سیگنالدهی مغز تبدیل میکند
آنالیز چگالی منبع جریان تمرکز را از ولتاژ خامی که یک الکترود میشنود به مکانهای فیزیکی که نورونها واقعاً در آنجا سیگنالهای الکتریکی را مبادله میکنند، تغییر میدهد. با فیلتر کردن تاری ناشی از هدایت حجمی، این تکنیک خطاهای ناشی از ثبتهای استاندارد را اصلاح میکند، مانند فعالیت آلفا که در جایی که فقط به طور غیرفعال پژواک مییابد، قویترین به نظر میرسد. در سراسر مدارهای مخچهای، شبکیهای و قشری، این روش به طور پیوسته محرکهای ورودی را از پردازشهای پایدار جدا میکند و فعالیت لایه به لایهای را در معرض دید قرار میدهد که خطوط معمولی آنها را با هم ادغام میکنند.
با این حال، CSD یک راه حل خودکار نیست؛ قابلیت اطمینان آن به فاصله دقیق الکترودها، کنترل نویز و تفسیر مناسب بستگی دارد. این روش زمانی به بهترین وجه به شلیک واقعی نورونها مرتبط میشود که چاهکها و منابع با فعالیت اسپایکینگ همسو شوند و نقشهای قابل اعتماد از ارتباطات عصبی را در اختیار دانشمندان قرار دهند. این امر بسیار حیاتی است زیرا دانستن مکان و زمان تبادل اطلاعات در مدارها برای درک صادقانه ثبتهای مغزی ضروری است.
منابع
Nicholson, C., & Freeman, J. A. (1975). Theory of current source-density analysis and determination of conductivity tensor for anuran cerebellum. Journal of neurophysiology, 38(2), 356-368. https://doi.org/10.1152/jn.1975.38.2.356
Freeman, J. A., & Nicholson, C. H. (1975). Experimental optimization of current source-density technique for anuran cerebellum. Journal of neurophysiology, 38(2), 369-382. https://doi.org/10.1152/jn.1975.38.2.369
Xu, X. I. J. I. N. G., & Karwoski, C. J. (1994). Current source density (CSD) analysis of retinal field potentials. I. Methodological considerations and depth profiles. Journal of neurophysiology, 72(1), 84-95. https://doi.org/10.1152/jn.1994.72.1.84
Haegens, S., Barczak, A., Musacchia, G., Lipton, M. L., Mehta, A. D., Lakatos, P., & Schroeder, C. E. (2015). Laminar profile and physiology of the α rhythm in primary visual, auditory, and somatosensory regions of neocortex. The Journal of Neuroscience, 35(42), 14341-14352. https://doi.org/10.1523/JNEUROSCI.0600-15.2015
Maier, A., Aura, C. J., & Leopold, D. A. (2011). Infragranular sources of sustained local field potential responses in macaque primary visual cortex. The Journal of Neuroscience, 31(6), 1971-1980. https://doi.org/10.1523/JNEUROSCI.5300-09.2011
پرسشهای متداول
آنالیز چگالی منبع جریان (CSD) چیست و چه چیزی را درباره فعالیت مغز آشکار میکند؟
آنالیز CSD ثبتهای ولتاژ خارج سلولی را به نقشههایی تبدیل میکند که نشان میدهند جریان در کجا وارد نورونها میشود (چاهکها) و در کجا خارج میشود (منابع)، و از این طریق مکان لایهای و زمانبندی فعالیت سیناپسی را آشکار میسازد. این روش وضوح فوقالعادهای از رویدادهای عصبی را در مقایسه با آنالیز سنتی پتانسیل میدان ارائه میدهد و به محققان اجازه میدهد لایههای دقیقی را که محاسبات عصبی در آنها آشکار میشوند، مشخص کنند.
آنالیز CSD از منظر بیوفیزیکی چگونه کار میکند؟
هنگامی که سیناپسها فعال میشوند، یونها در سراسر غشاهای عصبی جریان مییابند و جریانهای الکتریکی کوچکی را در بافت اطراف ایجاد میکنند که یک الکترود خارج سلولی آن را به عنوان یک مخلوط مبهم از سلولهای بسیاری ثبت میکند. روش CSD از آن ولتاژ ثبتشده به صورت معکوس عمل میکند و با استفاده از معادله پواسون و تغییرات فضایی پتانسیل میدان، جریان خالص ورودی یا خروجی به بافت را در هر نقطه استنباط میکند — که اساساً گرفتن مشتق فضایی مرتبه دوم ولتاژ در یک رسانای ساده و یکنواخت است.
چرا آنالیز CSD بهتر از آنالیز استاندارد پتانسیل میدان در نظر گرفته میشود؟
ثبتهای استاندارد LFP حاوی سهمهای همپوشان از منابع بسیاری هستند که شناسایی منشأ سیگنالها را دشوار میسازد. CSD سیگنالهای هدایتشده از حجم را فیلتر میکند و رویدادهای سیناپسی همپوشان را تفکیک مینماید و منشأ فضایی واقعی فعالیت را آشکار میسازد، مانند تمایز بین پردازش پیشخور و پسخور در لایههای قشر مغز.
الزامات عملی برای به دست آوردن نقشههای CSD قابل اعتماد چیست؟
سه منبع اصلی خطا میتوانند نقشههای CSD را خراب کنند: فاصله الکترودها (فاصله بسیار زیاد باعث علیاسینگ میشود، فاصله بسیار کوچک نویز را تقویت میکند)، نویز الکتریکی، و عدم قطعیت در موقعیت الکترود یا رسانایی فرضشده. راه حل بهینه شامل اندازهگیری طیف چگالی انرژی فضایی برای انتخاب فاصله بین الکترودی است که ثبت سیگنال واقعی را به حداکثر رسانده و اعوجاج را به حداقل برساند.
چه زمانی یک آنالیز CSD یکبعدی کافی است و چه زمانی کافی نیست؟
یک آنالیز CSD یکبعدی فرض میکند جریان فقط در امتداد محور نفوذ الکترود جریان مییابد، که این فرض زمانی صادق است که عناصر عصبی فعال در لایههای صاف و موازی چیده شده باشند و مسیر الکترود بر آنها عمود باشد، مانند قشر مغز یا مخچه. با این حال، اگر جریانهای قابل توجهی در جهات دیگر جریان یابند، مانند نزدیکی مرزهای منحنی یا با نفوذهای مایل، آنالیز یکبعدی سیگنالهای هدایتشده از حجم را به عنوان منابع محلی به اشتباه نسبت میدهد.
کاربردهای اصلی آنالیز CSD در مناطق مختلف مغز چیست؟
روش CSD روی مخچه برای نقشهبرداری از ورودیهای دهلیزی-مخچهای، روی شبکیه برای تشریح لایه به لایه پاسخهای ناشی از نور (به عنوان مثال، جداسازی مؤلفههای موج b، PNR و موج M) و روی نئوکورتکس برای بومیسازی ژنراتورهای آلفا و پاسخهای بینایی اعمال شده است. در هر مورد، CSD یک تشریح لایه به لایه از جریانهای سیناپسی ارائه میدهد که خطوط ولتاژ استاندارد آنها را با هم ادغام میکنند.
چرا CSD یک گام اساسی برای تفسیر صادقانه ثبتهای خارج سلولی در نظر گرفته میشود؟
روش CSD خطوط ولتاژ مبهم را به نقشهای شفاف از مکان و زمان تبادل اطلاعات نورونها تبدیل میکند، سیگنالهای هدایتشده از حجم را از فعالیتهای محلی جدا میسازد و رویدادهای سیناپسی همپوشان را تفکیک میکند. این روش یک افزونه قابل چشمپوشی نیست بلکه ابزاری حیاتی برای درک نحوه عملکرد مدارهای عصبی است، به ویژه برای محققانی که از پروبهای لایهای یا دادههای تصویربرداری قشری استفاده میکنند.
تفاوت بین منبع جریان و چاهک جریان چیست؟
یک منبع به طور سنتی با خروج جریان از فضای خارج سلولی مرتبط است، در حالی که یک چاهک با ورود جریان به آن مرتبط است. برچسبها به قرارداد علامت و دیدگاه بستگی دارند.
آیا میتوان از CSD همراه با EEG استفاده کرد؟
بله. روش CSD در EEG معمولاً از تبدیل شبیه به لاپلاسین سطحی استفاده میکند تا بر تفاوتهای میدان محلی پوست سر تأکید کند و برخی از اثرات هدایت حجمی وسیع را کاهش دهد.
محدودیتهای اصلی CSD چیست؟
محدودیتهای مهم شامل چیدمانهای الکترودی پراکنده یا نامنظم، تقویت نویز، رسانایی نامشخص، اثرات لبه، درونیابی ناقص و ابهام در مورد ژنراتور آناتومیک زمینهای است.
Emotiv یک شرکت پیشرو در فناوری عصبی است که با ابزارهای در دسترس EEG و دادههای مغزی به پیشبرد پژوهشهای علوم اعصاب کمک میکند.
کریستین بورگوس
