分享自:

神经像素2.0:一种用于稳定、长期脑记录的小型化高密度探针

期刊:biorxivDOI:10.1101/2020.10.27.358291

这篇文档属于类型a,即报告了一项原创性研究。以下是针对该研究的学术报告:


Neuropixels 2.0探针:用于稳定长期脑记录的小型化高密度探针
作者与机构
本研究由Nicholas A. Steinmetz(华盛顿大学、伦敦大学学院)、Cagatay Aydin(Neuroelectronics Research Flanders)等来自全球13个机构的27位研究者共同完成,通讯作者为Steinmetz、Matteo Carandini(伦敦大学学院)和Timothy D. Harris(霍华德·休斯医学研究所Janelia研究园区)。研究于2020年10月28日以预印本形式发布于*BioRxiv*(DOI: 10.11012020.10.27.358291),采用CC-BY-NC-ND 4.0国际许可协议。

学术背景
研究领域为神经科学工具开发,聚焦于解决神经元活动记录的三大挑战:
1. 长期稳定性:传统电极(如犹他阵列、硅探针)难以在数周至数月内稳定记录同一神经元;
2. 小型动物适配性:小鼠等小型哺乳动物的自由行为受限于植入设备的体积与重量;
3. 几何多样性:现有单轴探针难以覆盖分层或深部脑区(如海马体、纹状体)的复杂结构。

研究目标为开发新一代Neuropixels(NP)2.0探针,通过高密度电极排布动态稳定算法多通道复用技术,实现自由行为下超过10,000个位点的长期稳定记录。

研究流程与方法
1. 探针设计与制造
- 硬件改进
- 电极密度提升至15 µm间距(NP 1.0为20 µm),单轴探针含1,280个记录位点(NP 1.0为960个);
- 四轴版本覆盖10 mm²垂直平面,总位点达5,120个;
- 探头重量减轻至0.19 g,双探头+头戴装置总重1.1 g,适配小鼠植入。
- 信号处理:14位模数转换器(ADC),噪声水平7.2 µV RMS,支持384通道同步记录。

  1. 慢性植入验证

    • 实验对象:6个实验室共21例植入(小鼠12例、大鼠9例),使用单轴或四轴探针;
    • 植入方案
      • 小鼠采用3D打印固定装置保护电子元件,7/8探针可回收复用;
      • 最长记录达309天(视觉皮层),神经元计数与信号质量保持稳定(图2)。
    • 数据采集:通过SpikeGLX或OpenEphys软件记录,采样率30 kHz。
  2. 动态稳定算法开发

    • 问题:脑组织与探针的相对运动导致神经元信号丢失;
    • 解决方案
      • 运动模拟实验:通过微操纵器在清醒小鼠中人为引入50 µm三角波位移(图3a);
      • 算法原理:基于“图像配准”思想,对原始信号进行空间重采样(图3c);
      • 性能验证:运动相关性从0.224降至0.067(接近随机水平),稳定神经元数量提升2-5倍(图3f-g)。
  3. 跨日神经元追踪

    • 视觉指纹法:通过112张自然图像刺激,建立初级视觉皮层神经元的响应特征(图4b-c);
    • 结果:16天内93%的神经元可被追踪,3-9周内追踪成功率仍达83%(图4f)。
  4. 多通道复用技术

    • 原理:将两倍于通道数的位点信号混合输入,通过位点-通道乱序映射分离信号(图5a);
    • 性能:信噪比(SNR)降至单通道的63.5%,但空间覆盖范围翻倍(图5d-e)。

主要结果
1. 硬件性能
- 在20例成功植入中,信号质量维持≥8周(图2c-f),单位探针最高记录1,200个神经元;
- 四轴探针可同步捕获纹状体局部神经元的序列活动(图1f)。

  1. 算法创新

    • 动态稳定算法使神经元丢失率降低50%以上(图3g);
    • 跨日追踪验证了学习与记忆研究中长期记录的可能性(图4d)。
  2. 技术扩展性

    • 双通道复用实现768个位点同步记录(图5d),为大规模记录提供新范式。

结论与价值
1. 科学意义
- 首次实现自由行为小鼠中>10,000个位点的长期稳定记录;
- 为神经可塑性、学习记忆的机制研究提供工具支持。

  1. 应用价值
    • 开源硬件与算法(GitHub公开)推动神经技术标准化;
    • 小型化设计拓展至非人灵长类等模型的应用潜力。

研究亮点
1. 高密度电极排布:15 µm间距与垂直对齐设计提升运动补偿精度;
2. 跨学科方法:结合CMOS工艺(硬件)、图像配准算法(软件)与行为范式(实验);
3. 全流程验证:6个实验室的跨物种验证强化结果普适性。

其他价值
- 探针回收技术降低研究成本;
- 光遗传兼容性验证(补充图1)支持多模态研究。


该报告完整覆盖了研究的创新性、方法学细节与学术贡献,符合学术传播的规范要求。

上述解读依据用户上传的学术文献,如有不准确或可能侵权之处请联系本站站长:admin@fmread.com