HyperAIHyperAI

Command Palette

Search for a command to run...

Laser-Dimmer unterdrückt neuronale Interferenz

Ein interdisziplinäres Forscherteam der Hong Kong University of Science and Technology (HKUST) hat eine bahnbrechende Lasertechnologie entwickelt, die die Präzision bei der bildgebenden Untersuchung und Steuerung von Nervenzellen erheblich verbessert. Geführt von den Professoren Qu Jianan und Julie L. Semmelhack, präsentierte das Team ein System namens Active Pixel Power Control (APPC). Dieses Verfahren fungiert im Wesentlichen als intelligenter Dimmer, der die Helligkeit jedes einzelnen Pixels während des Laserscannens selektiv anpasst, um unbeabsichtigte neuronale Aktivierung zu verhindern. Die Studie wurde kürzlich im Fachjournal Nature Communications unter dem Titel „Active pixel power control for crosstalk-free all-optical neural interrogation" veröffentlicht. Neurowissenschaften setzen zunehmend auf die sogenannte optische Interrogation, also die Untersuchung von Nervenschaltkreisen mittels Licht. Zwei wissenschaftliche Durchbrüche haben dies ermöglicht: Genetisch kodierte Aktivitätssensoren, wie Kalziumindikatoren, lassen Neurone bei Entladung aufleuchten, während optogenetische Aktuatoren, lichtempfindliche Proteine, es erlauben, spezifische Zellen durch Lichtblitze ein- oder auszuschalten. Obwohl diese Methoden hohe Geschwindigkeit und Einzellpräzision bieten, bleibt ein zentrales Problem bestehen: Das Infrarot-Laserlicht, das für die passive Beobachtung genutzt wird, kann selbst andere Neurone zur Aktivierung anregen. Dieses Phänomen, bekannt als Kreuztalk oder Crosstalk, macht es schwierig, natürliche Gehirnaktivität von experimentellen Artefakten zu unterscheiden. Professor Qu verdeutlichte die Problematik, indem er anmerkte, dass das Beobachtungslicht die Neurone unbewusst manipuliert und so den gesamten Schaltkreis beeinflusst. Um diese unerwünschte Intervention zu verhindern, entwickelte das HKUST-Team die APPC-Strategie. Geführt von einer maßgeschneiderten Software, die die Verteilung optogenetischer Proteine kartiert, steuert ein schneller akusto-optischer Modulator in Echtzeit die Laserleistung jedes einzelnen Pixels. Auf diese Weise wird die Intensität für Neurone mit spezifischen Proteineigenschaften reduziert oder auf Null gesetzt, während die Lichtintensität in anderen Hirnregionen stabil und gleichmäßig bleibt. Professor Semmelhack betonte, dass dies es ermöglicht, die Zielneurone zu schützen, ohne die Aufnahmegröße in anderen Bereichen zu beeinträchtigen. Zur Validierung der Technologie testeten die Forscher das System an Larven von Zebrafischen, die aufgrund ihrer genetischen Ähnlichkeit von über 70 Prozent mit dem menschlichen Gehirn ein wichtiges Forschungsmodell darstellen. In vivo-Studien des Zebrafischgehirns zeigten, dass APPC die Signalqualität neuronaler Signale erhält und gleichzeitig optogenetische Artefakte sowie den Kreuztalk effektiv unterdrückt. Ein entscheidender Vorteil der Technologie ist ihre Kompatibilität mit herkömmlichen Zwei-Photonen-Mikroskopen, die weltweit standardmäßig eingesetzt werden. Dies ermöglicht eine praktische und kostengünstige Implementierung, ohne dass komplette Systemaustausche erforderlich sind. Die Methode lässt sich zudem problemlos auf andere Modelle, insbesondere Mäuse, übertragen. Die Entwicklung eröffnet neue Wege für die Erforschung von Krankheitsmechanismen im Gehirn und unterstützt die Erstellung von Tiermodellen für die Arzneimittelentwicklung. Professor Qu merkte an, dass APPC eine der größten technischen Hürden in der optischen Interrogation beseitigt und es Forschern ermöglicht, das Zusammenspiel von Nervenschaltkreisen und Verhalten unter natürlichen physiologischen Bedingungen präziser zu untersuchen. Das Projekt demonstriert exemplarisch den Erfolg der Zusammenarbeit zwischen Ingenieurwesen und Biologie und wird andere Forschungsgruppen ermutigen, diese Technik zur Weiterung der Erkenntnisse über neuronale Mechanismen und Pathologien zu nutzen.

Verwandte Links

Laser-Dimmer unterdrückt neuronale Interferenz | Aktuelle Beiträge | HyperAI