Registrazioni intracorticali in macachi in libertà di movimento durante sonno e veglia

For decades, behavioral and neurophysiological studies focused on uncovering the functional characterization and tuning properties of neurons in the motor and premotor cortices during wakefulness, first using learned paradigms and then, as technology allowed, under freely moving conditions. Despite years of research during awake conditions, little is known about how these neurons behave during different brain states and what cortical mechanisms underlie this behavior. In this study, we first propose a novel automatic approach to classify brain states (wakefulness, relaxed wakefulness, NREM 1-2-3 sleep, and REM sleep) using multi-electrode intracortical recordings in the premotor cortex of 2 freely moving rhesus macaques. We recorded 704 local field potentials/multi unit widebands and 155 isolated single units, which were analyzed with an unbiased clustering algorithm to assess different sleep stages. Next, we examined the behavior of single neurons during the different brain states, by first correlating their firing rate with the delta band as a good marker of sleep stages, and the examining their spike shapes which may have some correspondence with different classes of neurons as suggested by the literature. We successfully identified and classified 6 brain states, which were also supported by behavioral scoring. Although our methodological approach needs be validated with methods belonging to the golden standard, our preliminary results are promising. Single unit analysis has revealed the presence of neurons that are suppressed or facilitated depending on the delta power band. This filled a gap in the literature that identified mainly suppressed neurons. By analyzing the waveforms of neurons, we identified 4 distinct classes of neurons, one in particular exhibiting a specific pattern of activity during deep sleep. Although preliminary, these results suggest that intracortical recorded signals such as LFP, MUA, and SUA, thanks to their spatial and temporal resolution, are sufficient to describe the characteristics of motor and premotor cortex during different brain states.

La neurofisiologia comportamentale per decadi si è concentrata sull’investigare le proprietà funzionali dei neuroni nelle cortecce motorie e premotorie durante uno stato di veglia attiva, all’inizio attraverso paradigmi controllati e compiti appresi e successivamente durante il libero movimento non appena le nuove frontiere tecnologiche lo hanno concesso. Nonostante anni di ricerca, però, si sa ancora molto poco su come l’attività neuronale e i meccanismi corticali di queste regioni corticali cambiano in funzione delle differenti fasi del sonno. In questo studio, innanzitutto, abbiamo proposto un nuovo approccio automatico per la classificazione delle varie fasi del ciclo sonno/veglia (veglia, veglia rilassata, NREM 1-2-3, REM), attraverso acquisizioni intracorticali con multi-elettrodi nella corteccia premotoria di 2 macachi rhesus liberi di muoversi. Abbiamo acquisito 704 local field potentials/multi unit (LFP e MUA) e isolato 155 singoli neuroni (SUA) che sono stati analizzati con un algoritmo automatico di clustering il quale ha consentito di identificare diversi stati del sonno. Successivamente abbiamo analizzato i singoli neuroni durante il ciclo sonno/veglia, correlando la loro frequenza di scarica con l’andamento della banda di frequenza delta, indice attendibile di uno stato di sonno profondo. Infine, attraverso un approccio automatico abbiamo classificato i singoli neuroni e identificato le loro forme d’onda che come suggerito dalla letteratura potrebbero appartenere a classi cellulari differenti. Abbiamo identificato e classificato con successo le 6 fasi che descrivono normalmente un ciclo sonno/veglia, confermando il risultato funzionale con quello comportamentale. Nonostante la metodologia non sia stata ancora validata con le tecniche appartenenti al cosiddetto golden standard, i risultati del nostro studio preliminare sono particolarmente promettenti. L’analisi dei singoli neuroni ha rivelato la presenza di neuroni soppressi o facilitati in funzione dell’ampiezza della banda di frequenza delta, risultato che aggiunge un tassello di informazione alla letteratura presente e che descriveva principalmente neuroni soppressi durante il sonno profondo. Infine, l’analisi delle forme d’onda cellulari ha inoltre permesso di identificare 4 classi diverse di neuroni alcune delle quali con particolari proprietà funzionali durante le varie fasi del ciclo sonno/veglia. Anche se preliminari, questi risultati indicano che l’utilizzo di segnali intracorticali come LFP, MUA e SUA sono sufficienti per studiare le proprietà delle cortecce motorie e premotorie durante le varie fasi del ciclo sonno/veglia aggiungendo importanti dettagli grazie al loro livello di risoluzione spaziale e temporale.