Mikroelektroden für die Überwachung der extrazellularen neuronalen Aktivität
Mikroelektrodenarrays (MEAs) sind zu einem wertvollen Forschungsinstrument geworden, um die elektrophysikalische In-vitro-Aktivität von erregbaren und spontan aktiven Zellen wie Neuronen in einfachen Netzwerken zu untersuchen. Eine Anordnung mehrerer Elektroden erlaubt die gleichzeitige Ansteuerung verschiedener Stellen für eine nichtinvasive Simulation und extrazellulare Aufzeichnung der elektrophysiologischen Aktivität. Trotz eines vereinfachten Organisationsniveaus können diese beiden neurobiologischen Ex-vivo-Systeme ein zweidimensionales physisches Modell des Gehirns bilden, wodurch das funktionale Verhalten der dreidimensionalen Struktur erhalten bleibt. Die sich ergebenden elektrophysiologischen Muster reichen vom stochastischen Spiking bis zum organisierten Aufbrechen und die Struktur der individuellen Neuronen wird stark von den Wechselwirkungen mit dem Umfeld beeinflusst. Im Zuge des NEUROBIT-Projekts sollten Algorithmen und Verfahren für die Herstellung einer bidirektionalen Verbindung zwischen in vitro gezüchteten Neuronenpopulationen und externen Geräten entwickelt werden. Das wichtigste Ziel waren das Einsetzen von gezüchteten Neuronen in einen echten physischen Körper und die Anweisung der biologischen Komponente eines Hybridsystems zur zielgerichteten Informationsverarbeitung. Anstelle von handelsüblichen Instrumenten mit einer beschränkten Kompatibilität gegenüber den verschiedenen experimentellen Aufzeichnungsverfahren entwickelten die Projektpartner bei Telecom Italia Learning Services S.p.A. ein besser geeignetes Softwarepaket. Dieses Paket integriert Eigenschaften, durch die verschiedene Arten von Mikroelektrodenarrays und A/D-Boards einschließlich der Datenübertragung durch mehrere Protokolle und Geräte eingerichtet werden können. Ausgelöste Veränderungen in der Aktivität des neuronalen Netzes werden zwischen verschiedenen experimentellen Phasen als Parameterveränderungen erkannt, während die Einstellungseigenschaften des Experiments über eine benutzerfreundliche Graphische Benutzeroberfläche (GUI - Graphical User Interface) verwaltet werden. Um die Menge der zu verarbeitenden Rohdaten zu reduzieren, sollten möglichst Peak-Detection-Algorithmen entwickelt werden, um für eine weitere Analyse abgegrenzte kollektive und funktionale Zustände herauszufiltern. Mithilfe der Softwarearchitektur kann der Benutzer durch modulare Strukturen, die so genannten Dynamic Link Libraries (DLLs), einfach neue Funktionen und weitere Verarbeitungsalgorithmen hinzufügen. Dies gilt als ein entscheidender Schritt zur Umsetzung von komplexen Softwaretools für die automatische Echtzeitverarbeitung von elektrophysiologischen Daten aus großen Neuronenpopulationen.
