7493 микросхема: Микросхема 7493

Микросхема 7493

7493

Описание

Микросхема 7493 содержит делитель на два и делитель на восемь.

Работа схемы

Микросхема 7493 состоит из четырех триггеров, внутренне связанных между собой таким образом, что образуются два счетчика-делителя: один на 2 и другой на 8.

Все триггеры микросхемы 7493 имеют один общий вход сброса, с помощью которого показания счетчиков могут устанавливаться на О в любое время (на выводы 2 и 3 подается высокий уровень напряжения).

Первый триггер микросхемы 7493 внутренне не связан с остальными ступенями, благодаря чему возможны следующие варианты использования:

         
  • счет до 16. Выход QO соединяется с входом тактовых импульсов Clock 1. Входной сигнал подается на вход Clock О, а выходной сигнал снимается с выхода Q3. Эта схема считает в двоичном коде до 16 (О — 15) и на 16-м импульсе возвращается в нулевое состояние;

  •      
  • счет до 2 и счет до 8. В этом случае первый триггер используется в качестве делителя на 2, а второй, третий и четвертый триггеры — как делитель на 8.

Переключение микросхемы 7493 всегда происходит по отрицательному фронту тактового импульса. В нормальном режиме работы по крайней мере на один из двух входов сброса MR1 или MR2 должно подаваться напряжение низкого уровня.

Применение

Счетчик и делитель 2:1, 8:1 и 16:1.

Производится следующая номенклатура микросхем: 7493, 74L93, 74LS93.


Технические данные

Тип микросхемы 7493 74LS93
Максимальная рабочая частота первого триггера, МГц 32 32
Максимальная рабочая частота триггеров 2-4, МГц 16 16
Ток потребления, мА 26 9
Состояние микросхемы 7493

Входы сброса Выходы
MR1 MR2 Q0 Q1 Q2 Q3
1 1 0 0 0 0
0 1 Счёт
1 0 Счёт
0 0 Счёт

Цифровые микросхемы транзисторы.

Микросхемы ТТЛ (74…).

На рисунке показана схема самого распространенного логического элемента — основы микросхем серии К155 и ее зарубежного аналога — серии 74. Эти серии принято называть стандартными (СТТЛ). Логический элемент микросхем серии К155 имеет среднее быстродействие t

зд,р,ср.= 13 нс. и среднее значение тока потребления Iпот = 1,5…2 мА. Таким образом, энергия, затрачиваемая этим элементом на перенос одного бита информации, примерно 100 пДж.

Для обеспечения выходного напряжения высокого уровня U1вых. 2,5 В в схему на рисунке потребовалось добавить диод сдвига уровня VD4, падение напряжения на котором равно 0,7 В. Таким способом была реализована совместимость различных серий ТТЛ по логическим уровням. Микросхемы на основе инвертора, показанного на рисунке (серии К155, К555, К1533, К1531, К134, К131, К531), имеют очень большую номенклатуру и широко применяются.

Динамические параметры микросхем ТТЛ серии

ТТЛ серия Параметр Нагрузка
Российские Зарубежные Pпот. мВт. tзд.р. нс Эпот. пДж. Cн. пФ. Rн. кОм.
К155 КМ155 74 10 9 90 15 0,4
К134 74L 1 33 33 50 4
К131 74H 22 6 132 25 0,28
К555 74LS 2 9,5 19 15 2
К531 74S 19 3 57 15 0,28
К1533
74ALS
1,2 4 4,8 15 2
К1531 74F 4 3 12 15 0,28

При совместном использовании микросхем ТТЛ высокоскоростных, стандартных и микромощных следует учитывать, что микросхемы серии К531 дают увеличенный уровень помех по шинам питания из-за больших по силе и коротких по времени импульсов сквозного тока короткого замыкания выходных транзисторов логических элементов. При совместном применении микросхем серий К155 и К555 помехи невелики.

Взаимная нагрузочная способность логических элементов ТТЛ разных серий

Нагружаемый
выход
Число входов-нагрузок из серий
К555 (74LS) К155 (74) К531 (74S)
К155, КM155, (74)
40 10 8
К155, КM155, (74), буферная 60 30 24
К555 (74LS) 20 5 4
К555 (74LS), буферная 60 15 12
К531 (74S) 50 12 10
К531 (74S), буферная 150 37 30

Выходы однокристальных, т. е. расположенных в одном корпусе, логических элементов ТТЛ, можно соединять вместе. При этом надо учитывать, что импульсная помеха от сквозного тока по проводу питания пропорционально возрастет. Реально на печатной плате остаются неиспользованные входы и даже микросхемы (часто их специально «закладывают про запас») Такие входы логического элемента можно соединять вместе, при этом ток I

oвх. не увеличивается. Как правило, микросхемы ТТЛ с логическими функциями И, ИЛИ потребляют от источников питании меньшие токи, если на всех входах присутствуют напряжения низкого уровня. Из-за этого входы таких неиспользуемых элементов ТТЛ следует заземлять.

Статические параметры микросхем ТТЛ

Параметр Условия измерения К155 К555 К531 К1531
Мин. Тип. Макс. Мин. Тип. Макс. Мин. Тип. Макс. Мин. Макс.
U1вх, В
схема
U1вх или U0вх
Присутствуют на всех входах
2 2 2 2
U0вх, В

3 Исследовать микросхему к155ие5 (7493) при работе в качестве счетчика и делителя частоты.

Рисунок 4.6 – Асинхронный двоичный счетчик на ИМС 7493N

Рисунок 4.7 – Осциллограмма работы ИМС 7493

Фронт входного сигнала отрицательный (с 1 на 0), при котором происходит смена состояния выходных сигналов счетчика.

Таблица 4.4 – Состояние асинхронного двоичного счетчика на ИМС 7493

Номер импульса

QD

QC

QB

QA

Исходное состояние

0

0

0

0

1

0

0

0

1

2

0

0

1

0

3

0

0

1

1

4

0

1

0

0

5

0

1

0

1

6

0

1

1

0

7

0

1

1

1

8

1

0

0

0

9

1

0

0

1

10

1

0

1

0

11

1

0

1

1

12

1

1

0

0

13

1

1

0

1

14

1

1

1

0

15

1

1

1

1

16 (0)

0

0

0

0

По таблице 4.4 можно сказать, что микросхема производит счет на сложение. Коэффициент пересчета исследуемого счетчика будет равен:

Ксч = 16.

4 Исследовать микросхему к155ие4 (7492n) при работе в качестве счетчика и делителя частоты.

Рисунок 4.8 – Асинхронный двоичный счетчик на ИМС 7492N

Рисунок 4.9 – Осциллограмма работы ИМС 7492

Как можно видеть из рисунка 4.9, смена состояния выходных сигналов счетчика происходит при отрицательном фронте входного сигнала.

Таблица 4.5 – Состояние асинхронного двоичного счетчика на ИМС 7492

Номер импульса

QD

QC

QB

QA

Исходное состояние

0

0

0

0

1

0

0

0

1

2

0

0

1

0

3

0

0

1

1

4

0

1

0

0

5

0

1

0

1

6

0

1

1

0

7

0

1

1

1

8

1

0

0

0

9

1

0

0

1

10

1

0

1

0

11

1

0

1

1

12

0

0

0

0

По таблице 4.5 можно сказать, что микросхема производит счет на сложение. Коэффициент пересчета исследуемого счетчика будет равен: Ксч = 12.

5 Исследовать микросхемуК155ие2 (7490) при работе в качестве счетчика и делителя частоты по схеме на рисунке 4.8.

Рисунок 4.10 – Асинхронный двоичный счетчик на ИМС 7490N

Рисунок 4.11 – Осциллограмма работы ИМС 7490

Как можно видеть из рисунка 4.11, смена состояния выходных сигналов счетчика происходит при отрицательном фронте входного сигнала.

Таблица 4.6 – Состояние асинхронного двоичного счетчика на ИМС 7490

Номер импульса

Q3

Q2

Q1

Q0

Исходное состояние

0

0

0

0

1

0

0

0

1

2

0

0

1

0

3

0

0

1

1

4

0

1

0

0

5

0

1

0

1

6

0

1

1

0

7

0

1

1

1

8

1

0

0

0

9

1

0

0

1

10(0)

0

0

0

0

По таблице 4.6 можно отметить, что микросхема производит счет на сложение. Коэффициент пересчета исследуемого счетчика будет равен: Ксч = 10.

Построить 4-битный двоичный счетчик с матрицей 5×7 led

Постройте 4-битный двоичный счетчик с матрицей 5×7 LED

В этом проекте вы узнаете, как построить 4-битный двоичный счетчик, используя матрицу 5×7 LED для визуализации значения количества данных. В проекте будет использоваться сочетание стандартных электронных и поверхностных компонентов.

Традиционно дискретные светодиоды используются для отображения цифровых данных с двоичного счетчика. 4-битные двоичные паттерны 1s и 0s дешифруются вручную с использованием метода взвешенного значения для определения эквивалентного десятичного числа, сгенерированного цифровым счетчиком.

Я решил дать классическую цифровую схему нового поворота, используя 5×7 светодиодную матрицу и электронные компоненты на основе поверхностного монтажа (SMC).

В этом проекте вы узнаете, как построить двоичный счетчик, используя матрицу 5×7 LED для отображения нового выходного дисплея. Вы узнаете, как подключить матрицу 5×7 LED для отображения вертикальных полос, которые прокручиваются справа налево на основе тактового импульса и двоичных данных. Кроме того, littleBits будет иллюстрировать, как быстро создавать новые электронные схемы и устройства, используя эти уникальные электронные модули SMC.

На рисунке 1 показаны блоки блоков клавиш для 4-разрядного цифрового счетчика.

Рисунок 1. Блок-схема для 4-битного двоичного счетчика с матрицей 5×7 LED.

Списки запасных частей

Вот полный список частей, которые вам понадобятся для завершения этого проекта:

  • (U1) 7493 или 74LS93 4-битный двоичный счетчик
  • (DIS1) 5×7 светодиодная матрица
  • (R1-R4) 150 Ом (коричневый, зеленый, коричневый, золотой), резисторы 1/4 Вт
  • бит бит бит бит
  • прото-модуль littlebits (x2)
  • бит бит бит бит
  • монтажная плата littleBits (дополнительно)
  • 830 точечный паяльный макет (x2)
  • провода перемычки
  • 9-вольтовая батарея

Маленькие биты пульса и мощности

Для создания функционального 4-битного двоичного счетчика требуемая ключевая электронная схема — это цифровые часы. Цифровая схема синхронизации обеспечивает последовательность повторяющихся импульсов или прямоугольных волн для правильного временного упорядочения электронного устройства. Для 4-битного двоичного счетчика требуется цифровая синхронизация, чтобы упорядочить числовые данные в правильном порядке подсчета. Вместо использования традиционной цифровой тактовой схемы, такой как таймер 555, может использоваться бит бит битбит, как показано на рисунке 2.

Рисунок 2: бит бит битбит.

Импульсный модуль использует технологию SMC для создания небольшого пакета электронных схем. Далее исследуя конструкцию, бит импульса фактически использует схему таймера 555. На рисунке 3 показана схема электронной схемы для бит-бит littleBits. Скорость вращения тактовых импульсов можно регулировать с помощью небольшой крестообразной отвертки.

Рисунок 3: бит бит битбит использует традиционную схему таймера 555.

Для управления этой схемой имеется бит питания. Силовой бит позволяет обычной батарее 9 В обеспечить постоянное напряжение питания + 5 В постоянного тока для схемы таймера 555. Ключевая схема этого преобразования DC-DC является регулятором напряжения LM1117. LM1117 — недорогой SMC-эквивалент устройства 7805.

Для обеспечения нормальной работы микросхемы двоичного счетчика 7493 требуется напряжение питания + 5 В постоянного тока. Модуль бит-бит удовлетворяет этому требованию напряжения питания в небольшом корпусе печатной платы (печатной платы). Силовой бит показан на рисунке 4.

Рисунок 4: Маленький бит бит.

Ниже приведена принципиальная схема силового бита для дополнительной справки:

Рисунок 5: Схема схемы питания маленького бита (+ 5 В постоянного тока).

Создание питания и сигнальных соединений: протобометр littleBits

Комбинации комбинаций битов мощности и импульсных битов обеспечивают как правильное напряжение, так и требования к цифровой тактовой схеме для 4-битного двоичного счетчика. Чтобы использовать эти электрические сигналы с дискретной цифровой схемой, необходима специальная интерфейсная плата для прорыва. Компонент littleBits, который легко достигает этого требования к интерфейсу, представляет собой прото-модуль, как показано на рисунке 6.

Рисунок 6: Проточный модуль littleBits.

Секрет, лежащий в основе модулей smallBits, — использование магнитов и крошечных штырьков, установленных на битах. Ошибка при подключении электро-электронного устройства устраняется магнитами, противодействующими неправильным подключениям модулей. Правильно подключенные модули будут прикреплены друг к другу магнитами.

На рисунке 7 показаны три вывода gnd, signal и vcc на каждом из битнапов.

Рисунок 7: Протокольный модуль блокирует контакты и магниты.

Клеммные колодки имеют крошечные винты, позволяющие вставлять провода в небольшие полости для электрических соединений с внешними цепями. Все три штыря будут использоваться для питания 4-битного двоичного счетчика 7493, а также для обеспечения правильного времени для увеличения числа счетчиков. Далее показаны расположение мощности, импульсных битов и прото модулей:

Рисунок 8: Блок питания + 5 В постоянного тока — импульсный модуль.

Дополнительную монтажную пластину, показанную на рисунке 9, можно использовать для обеспечения более прочной структуры для отсеченных модулей littleBits.

Рисунок 9: Монтажная плата обеспечивает прочную конструкцию для устройства с импульсным модулем с малым битом + 5 В постоянного тока.

Следующим строительным блоком для просмотра является 4-битный двоичный счетчик.

Бинарный счетчик 4Bit

Цифровой тактовый сигнал, создаваемый импульсным модулем, должен быть изменен на двоичные данные. Светодиодная матрица может использоваться для отображения двоичных бит 1 с и 0, создаваемых электронным счетчиком. Бинарная битовая последовательность последовательности представляет собой десятичные числа в диапазоне от 0 до 15. Магия электронного счетчика основана на чит-листах, называемых двоичными взвешенными значениями. Бинарные взвешенные значения основаны на базе 2, используя простой формат экспоненты 2 n . На следующем рисунке показан чит-лист с 4-мя взвешенными значениями.

Рисунок 10: Листы с взвешенными значениями, использующие формат экспоненты 2
n .

Модифицированные значения cheat могут быть расширены, чтобы показать все 16 комбинаций чисел, создаваемых двоичным счетчиком. 16 комбинаций чисел основаны на быстром вычислении 2 4 . Показатель «4» является физическим цифровым выходом счетчика.

На рисунках 11 и 12 показана базовая блок-схема 4-битного двоичного счетчика и завершенной таблицы подсчета.

Рисунок 11: 4-битный двоичный счетчик с цифровыми выходами, секвенированный импульсным модулем littleBits.

16 номеров, создаваемых бинарным счетчиком 4Bit, могут отображаться в таблице подсчета.

Рисунок 12: Бинарный счетчик будет считать от 0 до 15 и возвращаться обратно к 0 на основе этой таблицы подсчета.

Дополнительную информацию об этом счетчике и других типах цифровых последовательных схем см. В главе 11 учебника по электронике All About Circuits. Теперь давайте построим рабочий 4-битный двоичный счетчик.

Создание 4-битного двоичного счетчика

Электронному счетному устройству требуется 4-битный двоичный счетчик для генерации цифровых данных, обсуждаемых в последнем разделе. Хотя двоичные счетчики могут быть построены с использованием триггерных схем, вы создадите свое устройство с помощью специального цифрового IC для этого конкретного приложения.

Цифровая ИС 7493 представляет собой 4-битный двоичный счетчик. Он может рассчитывать от 0 до 15 на основе цифровых часов, применяемых к соответствующему входному выводу. Вывод 4-битной двоичной схемы IC93 7493 показан на рисунке 13.

Рисунок 13: 4-битный двоичный счетчик 7493 с распиновкой.

Разместите дискретные электронные компоненты на двух паяльных макетах, как показано на рисунке 14. Чтобы разместить матрицу 5×7 LED на паяльной макете, два из них необходимы для правильной установки оптоэлектронного дисплея.

Рисунок 14: Полный 4-битный двоичный счетчик с 5×7 светодиодным матричным устройством, построенным на двух паяльных макетах.

Вы можете определить правильную ориентацию матрицы 5×7 LED, поместив компонент с номером детали, обращенным к четырем синим проводам, как показано на схеме подключения. Матрица 5×7 LED уникальна, поскольку каждый дискретный светодиод подключается в колонке строк. Все светодиодные катоды соединены друг с другом в каждой строке и аноды, подключенные в соответствующих колонках.

На рисунке 15 показана внутренняя проводка светодиодной матрицы.

Рисунок 15: Матричный дисплей 5×7 LED вместе с внутренней схемой подключения. Контакт 1 расположен с левой стороны от отображаемого номера детали на оптоэлектронной компоненте.

С электронными компонентами, размещенными на двух паяльных макетах, вы можете подключить схему с помощью перемычек и предварительно сформированных сплошных проводов 24AWG (American Wire Gauge), как показано на рисунке 14. После того, как макетная проводка будет завершена, модули smallBits могут быть подключены и подключены на правильные места для пайки без пайки. В качестве дополнительного ресурса проводки я включил схему, показанную ниже.

Рисунок 16: Схематическая схема для 4-битного двоичного счетчика с матричным дисплеем 5×7.

Окончательное устройство двоичного счетчика должно выглядеть так, как показано на рисунке 17.

Рисунок 17: Завершенный 4-битный двоичный счетчик автора с матрицей 5×7 LED.

Прежде чем прикладывать напряжение к вашему проекту, повторите проверку и устраните любые ошибки проводки. Если нет ошибок в проводке, подайте напряжение на вашу цепь, сдвинув переключатель вправо на бит питания. Счетчик отобразит ряд счетных баров. Последовательность подсчета от 0 до 15 будет повторяться до тех пор, пока напряжение не будет отключено от цепи. Я включил видеоклип, показывающий счетчик в действии, приведенном ниже. Поздравляем с созданием 4-битного двоичного счетчика. Счастливый счет !!!

Попробуйте этот проект сами! Получить спецификацию.

Микрон и ИскраУралТЕЛ заключили соглашение о применении микросхем и модулей для телекоммуникационного оборудования

Микрон, крупнейший российский производитель и экспортер микроэлектроники, и отечественный производитель передовых интегрированных телекоммуникационных решений ИскраУралТЕЛ подписали соглашение о сотрудничестве, предусматривающее применение микросхем российского производства в телекоммуникационном оборудовании в целях импортозамещения ЭКБ.

«Телекоммуникационная отрасль – крупнейший потребитель ЭКБ, выпуская продукты в данном сегменте мы понимаем, что они будут обеспечены спросом в среднесрочной перспективе, — сообщила Гульнара Хасьянова, генеральный директор ПАО «Микрон». — На сегодняшний день доля иностранной микроэлектроники для телекоммуникаций превышает 92%, заместить ее одномоментно невозможно, но наше сотрудничество с ИскраУралТЕЛ – важный шаг на пути к созданию отечественных решений в критически важной отрасли».

«Наши телекоммуникационные решения работают в критически важной для жизнедеятельности страны инфраструктуре, поэтому обеспечить безопасность и импортонезависимость нашей продукции стратегически важная задача, — отметил Владислав Давыдов, генеральный директор АО «ИскраУралТЕЛ». – Использование отечественной ЭКБ позволит нам не только снизить зависимость от импорта, но и гарантирует отсутствие недекларированных возможностей. Мы уже приступили к тестированию микросхем производства ПАО «Микрон» для определения возможности их использования в нашей серийной продукции».

По условиям соглашения компании совместно определяют перечень электронно-компонентной базы и критичных электронных модулей для применения в телекоммуникационном оборудовании ИскраУралТЕЛ с целью импортозамещения.

Отечественная компонентная база — основа технологической независимости и информационной безопасности страны в условиях цифровой трансформации экономики и общества. Развитие ЭКБ является одним из ключевых направлений стратегии РЭП до 2030гг, принятой Минпромторгом РФ.

***

ГК «Микрон» – крупнейший производитель и экспортер микроэлектроники в России, центр экспертизы и технологический лидер российской полупроводниковой отрасли. Микрон производит более 700 типономиналов продукции, включая интегральные схемы для защищенных носителей данных, идентификационных, платежных и транспортных документов, управления питанием и RFID-маркировки для различных отраслей цифровой экономики. Предприятие сертифицировано по ISO 9001, ISO 14001, IATF 16949. Микрон входит в группу компаний «Элемент», объединившую микроэлектронные предприятия госкорпорации «Ростех» и ПАО АФК «Система».

АО «ИскраУралТЕЛ» создано в г. Екатеринбурге в 1994 году. На производственной базе предприятия выпускается современное телекоммуникационное оборудование и ПО. Компания специализируется на создании передовых интегрированных решений для операторов, транспортных компаний, общественной безопасности, электроэнергетики и нефтегазовой отрасли.

делитель — Большая Энциклопедия Нефти и Газа, статья, страница 1

Счетчик-делитель

Cтраница 1

Счетчик-делитель на 10, изображенный в нижней части рис. 11.31 выполняет несколько различных функций. На вход этого декадного счетчика поступают импульсы с частотой следования 10 Гц; на выходе имеем 1 Гц. Состояния четырех двоичных выходов счетчика 7493 связаны логической операцией И ЛИ-НЕ.  [1]

Счетчик-делитель может быть реализован и на D-трштерах.  [3]

Синхронный последовательный счетчик-делитель на двенадцать К155ИЕ4 ( см. рис. 1 — 61, в) выполнен на четырех JK-триг-герах, при этом внутренние соединения выполнены так, что обеспечиваются схемы деления на два, три, шесть, двенадцать. Счетчик имеет вход установки в нулевое состояние.  [5]

Счетчик-делитель регулятора ЦР-2Б аналогичен счетчику-делителю регулятора ЦР-2Б. Усилитель время-импульсных сигналов может быть контактного или бесконтактного типа.  [6]

Работает счетчик-делитель следующим образом. Под действием счетных импульсов счетчик изменяет свое состояние от нулевого до десятого. Дешифратор и включенный на его выходе триггер при состоянии счетчика 1010 вырабатывают сигнал с нулевым уровнем на выходе Qs, которым все разряды счетчика до прихода одиннадцатого счетного импульса пег реводятся в нулевое состояние. Так, после десяти входных импульсов счетчик сбрасывает накопленный результат, возвращаясь в исходное положение.  [8]

Так как счетчик-делитель работает на основе двоичного кода, а шаговый делитель — на основе унитарного кода, то введена дополнительная схема для сочетания делителя счетчика с шаговым делителем. При помощи дополнительной схемы осуществляется переход от записи чисел в двоичном счетчике в прямом коде к записи в обратном коде ( и обратный переход) без передачи ложных импульсов на вход логической схемы управления шаговым двигателем.  [10]

Микросхема представляет собой высокочастотный счетчик-делитель с программируемым коэффициентом деления.  [11]

Микросхема представляет собой 11-разрядный управляемый счетчик-делитель частоты с произвольным коэффициентом деления.  [12]

Микросхема представляет собой 12-разрядный программируемый двоичный счетчик-делитель и предназначена для формирования временных последовательностей импульсов, управляемых внешним кодом. Стыкуется по выходам с ТТЛ и КМОП-схемами, а по входу — с КМОП-схемами.  [13]

Микросхемы представляют собой счетчик-делитель на восемь.  [14]

Микросхемы представляют собой счетчик-делитель на восемь.  [15]

Страницы:      1    2    3

микросхема К155ИЕ5 DIP14

Выберите категорию:

Все TV. AUDIO. VIDEO » Разветвители Сплитеры » Переходники » Прочие Диоды » Диодные мосты » Тиристоры, симисторы » Индикаторы » Стабилитроны » Оптопара » Выпрямительный » Варикап » Шоттки » Фотодиоды » Супрессоры Динамики Инструмент » Ручной »» Отвертки »»» Монтажные »»» Диэлектрические »»» Наборы »»» Прочие »» Оптические приспособления »»» Наголовные лупы »»» Монтажные лупы »»» Бестеневые лупы »»» Прочие »» Губцевый инструмент »»» Бокорезы, Кусачки »»» Плоскогубцы, Тонкогубцы, Длинногубцы »»» Клещи обжимные »»» Прочие »» Инструмент »»» Пинцеты »»» Скальпели, Ножи »»» Прочие »» Расходные материалы и аксессуары »»» Сверла »»» Жало »»» Прочие » Электрический »» Паяльники »» Клеевые пистолеты »» Термофены »» Прочее »» Паяльные станции Источники питания » Аккумуляторы »» R03/ AAA/ 286 »» R06/ AA/ 316 »» Свинцово-кислотные »» Прочие аккумуляторы »» литий-полимерные аккумуляторы » Блоки питания » Зарядные устройства » Конверторы » Элементы питания »» R03/ AAA/ 286 »» R06/ AA/ 316 »» R14/ C/ 343 »» R20/ D/ 373 »» 3R12/ 3336 »» 6F22/ крона »» Часовые элементы »» Литиевые диски »» Батарейки для сигнализации »» Фотоэлементы »» Для слуховых аппаратов »» Прочие элементы питания » Прочие Кабельная продукция и аксессуары » Кабель »» Акустический »» Силовой »» Телевизионный »» Телефонный »» Прочие кабеля » Крепление кабеля » Провод » Прочие » Удлинители »» Сетевые »» Прочие » Шлейфы » Шнуры Коммутационные изделия » Клеммы » Кнопки » Микрокнопки » Микропереключатели » Ответвители » Панельки » Переключатели » Прочие » Соединители » Тумблеры » Герконы Конденсаторы » Неполярные » Полярные » Пусковые КОПИ-центр Микросхемы Пайка. Клей. Химия. » Клей » Припой » Химия » Маркеры » Прочие Платы макетные Приборы » Мультиметры » Прочие Разъемы » Аудио. Видео » Антенные » Зажимы » Кабельные наконечники » Клеммники. Клеммные колодки. » Питания » D-SUB » IDC » USB » Высокочастотные » Штыри и гнезда для плат » Прочие Расходные материалы » Изолента » Термоусадочная трубка » Прочие Резисторы » Постоянные резисторы » Переменные резисторы » Варисторы » Прочие Реле Светодиоды Светодиодная лента. Аксессуары » Светодиодная лента » Блоки питания » Аксессуары Телефония » Вилки » Розетки » Шнуры Транзисторы Установочные изделия » Вентиляторы » Держатели »» Держатель батареек »» Держатель предохранителя »» Держатель светодиодов » Звукоизлучатели » Микрофоны » Кварцевые резонаторы » Прочие » Ручки для РЭА » Метизы, крепеж Устройство защиты » Выключатели-автоматы » Предохранители »» Автопредохранители »» Автоматические выключатели »» Термопредохранители »» 4х15 »» 5х20 »» 6х30 »» 10х38 »» Прочие »» Предохранитель СВЧ Чип конденсаторы » 0805 » 1206 » 0607 » Танталовые » Прочие Чип резисторы » 0805 » 1206 » Прочие Электролампы » Для фонарей » Неоновые » Коммутаторные » Самолетные » Специальные и профессиональные » Миниатюрные » Люминисцентная » Светодиодные Электротехнические изделия » Вилки » Выключатели » Патроны » Переходники » Розетки » Стартеры » Тройники » Прочие Прочее » Радиоприемники » Метеостанции Заказ 1-2.sale

Производитель:

Все1-2.saleA&OABBACPAgelentALFAAMDAMSAMTECHAnarenANENGAnhui Safe Electronics Co., LtdAnsmannAPECapeuronASDATMEGAATMELAttacheAUKAVEAVIORAAVS ELECTRONICSAVXAWSWBAOKEZHEN ELECTRONICBaronsBerlingoBOOMBosi toolsBOURNSBRIDGELUXBrunoViscontiBRUSHTIMECamelionCANNONCapXonCardinallCCOChangCHEMI.CONCHIPSEACNDIYLFCNEIECComchipComtechConnectorConnflyCREECROWNCZTDaewooDC ComponentsDegsonDeltaDigitexDingfengDIOTEC SEMICONDUCTORDPTDPT Diptronics ManufacturingDragon SityDuracellEASTEastpowerEATONEcmaxEcolaEddingEEMBEKFEKF ElectrotechnicaElcoELEMENTElzetEnergizerEnergy Tehnology CoEnlincaEPCOSEPISTARERGOLUXErichKrauseESKAFairchildFANUCFeronFinderFITFOCUSrayFORYARDFSCFujiGalaxyGarinGaussGEGeneralGERMANYGL (New Land Group Co., LtdGolden PowerGPGTFGuanzhou HohgLi Opto-ElectronicHebeiHelvarHi-WattHITACHAICHITACHIHITANOHoneywellHXSHyelesiontekHyundaiiEKImationInfineonINFINIONIRFJAKEMYJamiconjaZZwayJBJETTJIAJiaweicheng Elctronic CoJieJietong SwitchJl WorldJoyin Co., LTDJWCOJYUKAINAKBPMKBTKECKellerKEMET Electronics CorporationKFKIAKiccKingbrightKlaukeKlebebanderKLSKodakKOH-I-NOORKOMEKomironKomtexKOOCUKRAFTOOLLast oneLDLEXTARLGLITEONLittle DoktorMactronicMAKELMAKR PLASTMatsushita PanasonicMaxellMCCMCHPMean WellMECHANICMicrochip Tehhology IncMinamotoMirexMoellerMOLYKOTEMONO ElectrikMULTICOMPMurataNavigatorNEOMAXnetkoNEXNonameNSNSCNVE CorpNXPOmronONSOsramOT-LEDPan idnPanasonicParkPhilipsPHOENIX LIGHTPHOENIX LIGHTPilaPOWER CUBEPOWERMANPREMIERPROconnectProffProsKitProsKit,PulsarPWRQINGYINGQSIR6RaymaxRenataRenesasREXANTRobitonRubiconRubyconRUiCHiRUSFLUXS-LineSafeLineSAFFITSAFTSAIFUSamsungSamwhaSanyoSchneider ElectricSenonAudioSEPSHARPSHESIBASiemensSilan MicroelectronicsSIMCOMSINOTOP TRADING Co. LTDSLSmartBuySOLINSSong Huei ElectricSonySPC TechnoligySTST1StabiloSTANDARTSTAYERSTMicroelectronicsSUNONSunriseSuntanSupertechSUPRASWEKOSwitronicTaizhonTaizhouTALEMATDKTDK Corporation of AmericaTDM ELEKTRICTE ConnectivityTEAPOTexasTexas InTidarTITANTOKERToshibaTRECTTi RelayTTi Relay (Tai Shing Comp)TycoULTRA LIGHTUltraFlashUNEVersalUNI-TUnielUTSVansonVartaVerbatimVetusVishayVitooneVolpeVOLSTENWagoWalsin LihwaWEENWeidyWelsoloWettoWoltaXicon Passive ComponentsXing yuanquanXLSemiYAGEOYBCYCD (Yueqing Chaodao Electrical Conne…Yi FengYiHuAYinZhouYJYOUKILOONYREYun-FanZEONZeonZFZhenhuiZhenHui Electronics CoZhongboАЛЗАСАльфаАтлант-ИзобильныйБелая церковьБЭЛЗВекта-21ГаммаГарнизонГлобусДалексЕвро профильЕрмакЗУБР ОВКИнтегралИСКРАИЭККалашниковКЗККитайКонтактКонтакт г.Йошкар-ОлаКопирКосмосКремнийКронаКунцево-ЭлектроКЭЛЗЛисмаЛучМастерМастикс ОООМикроММоментНе определенНева пластик ОООНЗКНОМАКОННТЦОБЛИКОНЛАЙТОтечественныеПайка и монтажПаяльные материалыПромреагентПромТехКЗК (Кузнецкий завод конденсатор)ПротонРадиодетальРадиоТехКомплектРезисторРесурсРЗППРикорРикор-ЭлектрониксРоссияРусАудиоСАВСветСветоприбор г. МинскСеймСигналСинтроникСклад РЭКСледопытСмолТехноХимСпутникСТАРТТРОФИУкркабельФАZАФАЗАФотонХенькель-русЧЭАЗЭверестЭлеком г. ПензаЭлектрик Дом Строй ОООЭлектрическая МануфактураЭЛКОД ЗАОЭраЭРКОН

5962-01-474-7493 — ЦИФРОВАЯ МИКРОСХЕМА, PL

091PC15, PL900-31091PC15, 962-31822VER1.1

×

Глава 85: Электрические машины, оборудование и их части; Звукозаписывающие устройства и устройства воспроизведения, телевизионные изображения и звуковые устройства записи и воспроизведения, а также части и принадлежности таких изделий

15
Таблица B № и рубрики Описание товара Единица количества
85.42 — Схемы электронные интегральные; Партии этого:
— — Электронные интегральные схемы:
8542.31.0000 — — — — процессоры и контроллеры, будь то совместные воспоминания, преобразователи, логические цепи или нет , Усилители, Часы и синхронизаторы, или другие цепи
8542.32 8542.32 8542.32 — — — — — воспоминания:
— — — — — Динамические чтения-записи Случайный доступ:
8542.32.0015 — — — — — не более 1 Gigabit No
8542.32.0023 — — — — — более 1 Gigabit No
8542.32.0040 — — — — — — — — — — — — — — — — — — — — — — — — — — — — — — Статическое чтение-писать случайным доступом (SRAM)
8542.32.0050 — — — — — — — — Электрически стираемая программируемая память только для чтения (EEPROM)
8542.32.0060 — — — — Стрела (кроме электрически) Программируемая только память только для чтения (EPROM)
8542.32.0070 — — — — Другое No
8542.33.0000 — — — Усилители
8542.39.0000 — — — Другое
8542.90.0000 — — — Patts x

Схемы, которые кодируют предпочтения, связанные с алкоголем, и направляют их

Основные версии:

1) Много проблем с написанием работы.Ссылки на литературу о функции дофамина у млекопитающих в «Результатах» не нужны и могут ввести в заблуждение — эксперименты с мышами или крысами не проводились. Авторы делают сравнения или утверждения о многих различных областях литературы о зависимости. Если авторы желают отстоять эту широту, то нужна более точная оценка их экспериментов по отношению к областям литературы. Например, литература по ошибкам прогнозирования у млекопитающих основана на электрофизиологических измерениях и оценках популяций нейронов, тогда как представленные здесь эксперименты представляют собой инактивацию доминантно-негативной шибире в генетически помеченных нейронах.Кроме того, нет информации о том, являются ли нейроны мух разрешительными или инструктивными для поведения, мы не знаем, запускают ли они потенциалы действия, а если да, то мы не знаем, привязаны ли они во времени к сигналу, этанолу. или какой-либо аспект поведенческой последовательности. Как минимум, обсуждение научной основы и ссылки на литературу по млекопитающим следует перенести в раздел «Обсуждение». Кроме того, текст излишне длинный и может быть более кратким, особенно для рисунка 2, где отдельные нейроны фактически не идентифицированы.Авторы также могут пожелать свести к минимуму повторения, так как это излишне удлиняет статью (например, подразделы «Дофамин-глутаматная цепь регулирует экспрессию памяти», третий абзац и «Отдельная дофамин-глутаматная цепь регулирует консолидацию памяти», первый абзац).

Мы ценим отзывы и мнения рецензента по поводу написания этой рукописи и существенно переработали текст, чтобы учесть их мнение. Хотя мы изначально включили литературу по млекопитающим, чтобы сообщить о литературе и обосновании, которые вдохновили большую часть экспериментов, проведенных в этой работе, мы рассмотрели и удалили большинство ссылок на эту литературу в разделе «Результаты».Мы также перенесли рисунок 2 на рисунок 1 — дополнение к рисунку 5 и свели к минимуму обсуждение этих данных. Мы надеемся, что рецензенты сочтут, что эти правки в достаточной степени укрепляют рукопись.

2) Требуются дополнительные контрольные эксперименты.

а) На многих рисунках (рис. 1, 2, рис. 1 — дополнение к рисунку 4 и другие) дисперсия, по-видимому, свидетельствует о недостаточной мощности экспериментов. Авторы должны показать анализ мощности в материалах и методах и убедиться, что n адекватно.

Вместо того, чтобы выполнять анализ мощности, перед началом наших экспериментов мы использовали наши знания о типичном размере выборки в прошлых экспериментах, чтобы определить наиболее подходящее значение N для экспериментов, используемых в этом исследовании. Нашей целью было спланировать эксперименты таким образом, чтобы поведенческий эффект воспроизводился трижды. Как следствие, размер нашей выборки аналогичен другим поведенческим экспериментам Drosophila и значительно превышает то, что обычно используется в моделях грызунов на животных.Хотя первоначальные расчеты мощности полезны, мы понимаем, что нецелесообразно выполнять апостериорный анализ мощности, поскольку наблюдаемая мощность является просто функцией p-значения. Мы с уважением отсылаем рецензента к публикации Hoening and Heisey, 2001 г., «Злоупотребление властью: распространенная ошибка расчетов мощности для анализа данных». в американском статистике 55 (1): 19-24. Мы добавили больше N к выборке MB032B и MB058B, чтобы их количество было сопоставимо с другими группами.

b) Сравнение цепей для памяти этанола и памяти вознаграждения сахаром проводится при различных внутренних состояниях (голод против сытости). Многие группы показали, что схемы, центрированные на грибовидном теле, включаются сигналами в зависимости от внутреннего состояния. Кроме того, дофаминовый нейрон для ассоциации вознаграждения с сахаром представлен в MB299B — PAM-α1. Был протестирован MB299B, но n слишком низкое, чтобы сделать окончательный вывод (сравните shi/MB299B n=6 (рис. 1 — дополнение к рисунку 4) и shi/MB109B n=24 (рис. 2F)).Поскольку авторы проводят сравнение, они должны улучшить качество данных для MB299B и продемонстрировать, что обучение вознаграждению сахаром является дефектным в параллельном эксперименте, возможно, выполняя тесты на этанол и сахар в одном и том же внутреннем состоянии.

Рецензент поднимает верный вопрос о влиянии различных внутренних состояний. Первоначально мы обращались к этому в Обсуждении, однако с тех пор мы удалили сравнение схем с рисунка 2. Несмотря на то, что память о вознаграждении за алкоголь присутствует у голодных и сытых мух, невозможно протестировать 24-часовую память о вознаграждении за сахар у сытых мух.Это интересная идея — проверить память на алкогольное вознаграждение у голодных мух, чтобы увидеть, похожи ли схемы, однако мы считаем, что это выходит за рамки этой статьи и потребует повторения всех поведенческих экспериментов. Поскольку MB299B был частью экрана схемы, а не экспериментов, основанных на гипотезах, в основном тексте, он имел более низкое значение N при первом представлении рукописи. С тех пор мы увеличили N для этого драйвера в сытых мухах и добавили эти данные к основному рисунку (теперь рис. 2). MB299B занимает место MB087C, который имеет более низкую экспрессию в тех же нейронах PAM-β`2a (уровень 1 согласно FlyLight and Aso et al., 2014). Однако даже с дополнительным N мы все еще не видим потребности PAM-α1 в приобретении или извлечении памяти об употреблении алкоголя. Возможно, участие α1 ограничивается внутренними состояниями голода. Мы подробнее остановимся на этом моменте в Обсуждении (четвертый абзац).

c) Проверяли ли авторы, одинаково ли выбирают мухи между запахом1 и запахом1 + EtOH? Смеси бинарных одорантов обычно более привлекательны, чем один одорант.

Обоснование предложенного эксперимента, к сожалению, нам не ясно.Чтобы прояснить наш текущий поведенческий протокол, при тестировании: мухам предъявляли два отдельных запаха: запах, который ранее не сочетался с алкоголем, и запах, который ранее сочетался с алкоголем. Парный запах, присутствующий при испытании, не был смешан с EtOH; таким образом, предпочтение парного сигнала через 24 часа нельзя объяснить эффектом бинарного одоранта. На самом деле, в Kaun et al., 2011 мы показали, что предъявления парного запаха и этанола в отсутствие интоксикации было недостаточно, чтобы вызвать предпочтение, вместо этого мухам нужно было испытать эффекты интоксикации, чтобы развить чувство опьянения. предпочтение парного запаха через 24 часа, что исключает влияние бинарных смесей запахов на поведенческие предпочтения.Мы будем рады помочь рецензенту, если он сможет более подробно объяснить свои ожидания в отношении предлагаемых изменений/экспериментов. Как бы то ни было, мы не уверены, почему предложенный тест «запах 1 против запаха 1 + этанол» будет иметь отношение к идеям, представленным в настоящее время в рукописи. Приносим свои извинения, если поведенческий протокол не был очевиден. Мы уточнили описание протокола в тексте (подраздел «Дофаминовые нейроны, иннервирующие грибовидное тело, необходимы для ассоциаций вознаграждения алкоголем», второй абзац).

d) Заявление авторов о том, что этанол усиливает ответ кальция в нейронах PAM, недостаточно обосновано (рис. 1E-F). Поскольку за контрольным измерением (только запах) следует представление этанола, эффекты, зависящие от порядка, не исключены. Независимые группы, одна из которых получает только запах, а другая – запах и этанол, следует сравнивать, чтобы учесть усиление

Чтобы решить эту проблему, мы провели дополнительные исследования с визуализацией кальция, в которых два запаха, использованные в нашем анализе памяти, были представлены последовательно.Мы уравновесили порядок запахов у животных и показали, что, хотя запах 2, как правило, выше, чем запах 1, он выше как в раннюю, так и в позднюю эпохи, и различия несущественны (см. рисунок 1 — приложение к рисунку 3). Мы не видим доказательств того, что реакция на запах 2 была ниже в ранние эпохи и выше в поздние эпохи, как мы показали на рисунке 1. Мы также провели эксперименты по визуализации кальция, в которых измеряли реакцию дофамина на представление только этанола. Интересно, что мы не видим такого увеличения, о котором сообщали на рисунке 1.Мы предполагаем, что эффекты, которые мы наблюдаем, являются результатом связи между запахом и этанолом, а также предполагаем, что эти эффекты постепенно усиливаются в течение нескольких сеансов. Мы обновили текст в разделе «Результаты», чтобы учесть эти дополнительные контрольные эксперименты (подраздел «Дофаминергическое кодирование приобретения памяти об алкоголе происходит на популяционном уровне», второй абзац). Поскольку безусловный раздражитель (этанол) индуцирует фармакологические свойства, которые сохраняются после компенсации стимула, невозможно понять, как эти воспоминания приобретаются в обратном порядке, как это принято в классических тестах на обусловливание.Тем не менее, мы считаем, что это наглядно демонстрирует, что реакция нейронов на рис. 1 определяется не последовательностью запахов.

3) Авторам необходимо умерить некоторые из своих утверждений.

Мы ценим отзывы и мнения рецензента и рады их учесть.

Во-первых, хотя авторы показали в прошлом, что обученные алкоголю мухи преодолевали сильные удары электрическим током во время извлечения памяти (Kaun et al., 2011), нынешняя рукопись не рассматривает непосредственно лежащий в основе механизм, поэтому они не могут утверждать, что они показали, как алкогольная память превращается в негибкую форму.Это повлияло на название статьи, которое вводит в заблуждение.

Хотя в заголовке статьи не упоминается негибкость, мы изменили название статьи на «схемы, которые кодируют и направляют предпочтения, связанные с алкоголем», что, по нашему мнению, является более точным обобщением данных.

Данные не адресуются, если память не меняется. Они только показывают, что они могут быть более стабильными. Кроме того, «забывание» усвоенной информации является активным процессом, и Shuai et al., 2015 показали, что дофаминергические нейроны PAM необходимы для забывания. Неясно, нельзя ли память, наблюдаемую в этой статье, заменить другой памятью.

Мы считаем, что текущая рукопись обеспечивает основу схемы для понимания негибкой природы связанных с алкоголем воспоминаний. Мы показываем, что воспоминания о вознаграждении за алкоголь кодируются с помощью популяции дофаминергических нейронов, участвующих в воспоминании о вознаграждении, активность которых постепенно увеличивается по мере опьянения мух.Мы предполагаем, что именно эта динамика делает воспоминания, связанные с алкоголем, более сильными, чем адаптивные воспоминания, такие как воспоминания о сахарозе, которые, как сообщалось ранее (Kaun et al., 2011), не заставляют мух преодолевать шок такой же силы. Мы никогда не собирались показывать, что воспоминания, связанные с алкоголем, могут быть заменены другими воспоминаниями. Фактически, большинство исследований в настоящее время предполагает, что память не заменяется другой, а либо обновляется новой информацией (реконсолидация), либо конкурирует с новой памятью (угасание).Даже изящная работа Р. Дэвиса и его коллег не претендует на отсутствие молекулярного следа «забытой» памяти. Мы считаем, что негибкость патологически усиленных воспоминаний, таких как AUD, заключается в том факте, что, несмотря на неприятные последствия, мухи все же отдают предпочтение сигналам, связанным с алкогольным опьянением. Поведенческая негибкость перед лицом неприятных последствий присутствует при ряде психических расстройств и, таким образом, является важной линзой для изучения AUD и других расстройств. Однако, поскольку, как предполагает рецензент, мы не проверяем гибкость напрямую, мы убрали использование слова inflexible из результатов и ограничили его использование введением и обсуждением.Мы надеемся, что рецензенты сочтут, что эти изменения существенно укрепят рукопись.

Во-вторых, на рис. 5Е экспериментальный образец отличается только от одного из двух контрольных, однако авторы интерпретируют это как значительный результат. На самом деле, это контроль низкий, экспериментальный имеет примерно такую ​​же величину, что и незначимые эксперименты на других панелях рисунка. Выводы о роли этого нейрона не подтверждаются и должны быть удалены из рукописи.В целом, если что-то не отличается от всех элементов управления, это не следует интерпретировать как существенное.

Что касается MB074C, правда, элементы управления имеют более низкий приоритет. Мы предполагаем, что это, вероятно, зависит от состояния, поскольку мухи находились в инкубаторе при 30°C почти 24 часа. Изменения, зависящие от состояния, — это отдельное направление исследований в лаборатории. Тем не менее, мы согласны с тем, что экспериментальный вариант значительно отличается от контрольного UAS лишь проблематично. Чтобы решить эту проблему, мы повторно провели эти эксперименты с MB002B, который имеет аналогичные уровни экспрессии в MBON-β`2mp, и дал мухам более длительное привыкание перед тестированием.Поразительно, что у MB002B мы наблюдаем значительное снижение предпочтения сигналов, связанных с алкоголем, по сравнению с обоими контролями, когда D2-рецепторы нокаутированы в этой линии, и значительное усиление, когда нейротрансмиссия замолкает во время консолидации. Мы добавили эти данные к тому, что сейчас показано на рис. 4.

.

4) Недавняя ЭМ-реконструкция альфа-лепестка показывает, что все DAN имеют DCV. Используемые авторами манипуляции могли заблокировать не только высвобождение DA, но и высвобождение любого комедиатора.Авторы должны прокомментировать эту возможность.

Мы полностью признаем, что дофаминовые нейроны являются гетерогенными и совместно высвобождающими передатчиками (например, Aso et al. eLife , 2019). Чтобы показать, что эффекты, которые мы наблюдали, действительно были связаны с дофамином, мы провели эксперименты с нокдауном дофаминовых рецепторов в постсинаптических нейронах. Эти результаты предполагают, что дофаминовые рецепторы в MBON-β`2mp необходимы для памяти, связанной с алкоголем (см. обновленную фигуру 4). Мы также провели эксперименты по нокдауну дофаминовых ауторецепторов в популяции нейронов PAM и увидели снижение связанной с алкоголем памяти, что предполагает, что регуляция высвобождения дофамина также необходима.Мы добавили эти данные к Рисунку 1. Мы понимаем, что это не исключает влияния высвобождения копередатчика, и поэтому добавили текст, подтверждающий эту возможность (Обсуждение, второй абзац).

https://doi.org/10.7554/eLife.48730.sa2

Факультет | UTSA Кафедра биологии

Факультет | Биологический факультет УТСА
Эммануэль Аквар

Лектор III

Телефон: (210) 458-7899
Электронная почта: Эммануэль[email protected]
Области специализации

  • Биохимия
  • Общая физиология
Бернар Аруланандам

Профессор и вице-президент по исследованиям, экономическому развитию и предпринимательству знаний

Телефон: (210) 458-5492
Электронная почта: Бернард[email protected]
Области специализации

  • Клеточная иммунология
  • Микробный патогенез
  • Иммунитет слизистых оболочек
Хонг Кай

Ассистент профессора исследований

Телефон: (210) 458-6493
Электронная почта: Гонконг[email protected]
Области специализации

  • Биоинформатика
  • Геномная обработка сигналов
  • Системная биология
Астрид Э. Кардона

Доцент

Телефон: (210) 458-5071
Электронная почта: Астрид[email protected]
Области специализации

  • Нейровоспаление и механизмы повреждения тканей при диабетической ретинопатии и рассеянном склерозе
  • Нейропротекторные подходы посредством модуляции врожденной иммунной функции
Сандра Кардона

Ассистент профессора исследований

Телефон: (210) 458-4089
Электронная почта: Сандра[email protected]
Области специализации

  • Функция глиальных клеток при нейровоспалении
  • Нейродегенерация при рассеянном склерозе и диабетической ретинопатии
Мелани Карлесс

Доцент

Телефон: (210) 458-7017
Электронная почта: Мелани[email protected]
Области специализации

  • Кардиометаболический риск
  • Эпигенетика
  • Неврологические и психические расстройства
  • Стволовые клетки
Джеймс П.Чемберс

Профессор

Телефон: (210) 458-5477
Электронная почта: [email protected]
Области специализации

  • Acinetobaster baumannii Энзимология
  • Разработка чувствительного элемента биосенсора
  • Francisella tularensis Энзимология
  • Выделение/характеризация гликоконъюгата
  • Обнаружение гриппа на основе нуклеиновых кислот
Ашок Чатурведи

Ассистент профессора исследований

Телефон: (210) 458-7023
Электронная почта: Ашок[email protected]
Области специализации

  • Грибковая биопленка
  • Грибковая протеомика
  • Иммунология
Сьюзан Далтерио

Старший преподаватель

Телефон: (210) 458-5924
Электронная почта: Сьюзан[email protected]
Области специализации

  • Наркотики и общество
  • Введение в биологию
  • Фармакология и токсикология
Т.Крис Гэмблин

Профессор

Электронная почта: [email protected]
Области специализации

  • Болезнь Альцгеймера
  • Электронная микроскопия
  • Нейродегенерация
  • Белковая биохимия
  • Неправильный фолдинг и агрегация белков
Гэри Гауфо

Доцент

Телефон: (210) 458-7196
Электронная почта: Гэри[email protected]
Области специализации

  • Молекулярные и клеточные подходы в развитии нервной системы
М. Нил Генцель

Профессор

Телефон: (210) 458-4473
Электронная почта: Нил[email protected]
Области специализации

  • Acinetobacter baumanii
  • Хламидия трахоматис
  • Francisella tularensis
  • Микробный патогенез
  • Микроскопия
  • Вакцины
Майкл Ханна

Ассистент профессора по практике

Телефон: (210) 458-4509
Электронная почта: Михаил[email protected]
Области специализации

  • Клеточная и молекулярная биология
  • Иммунология
  • Неврология
Кирстен Хэнсон

Доцент

Телефон: (210) 458-5904
Электронная почта: Кирстен[email protected]
Области специализации

  • Открытие противомалярийных препаратов
  • Автоматизированная обработка изображений высокого содержания
  • Взаимодействие хозяина и паразита
  • Plasmodium Клетка и биология развития
Таноя Харрис

Лектор II

Телефон: (210) 458-5923
Электронная почта: Таноя[email protected]
Области специализации

  • Антрациклин Кардиотоксичность
  • Гормональная кардиозащита от сердечной недостаточности и ишемического повреждения миокарда
  • Анатомия и физиология человека
Ханс В.Хайднер

Профессор

Телефон: (210) 458-5767
Электронная почта: [email protected]
Области специализации

  • Векторы на основе альфавирусов для нацеливания на клетки и применения и разработки вакцин
  • Репликация альфавирусов
Брайан П.Герман

Доцент

Телефон: (210) 458-8047
Электронная почта: [email protected]
Области специализации

  • Мужское бесплодие и сохранение фертильности
  • Экспрессия гена в одной клетке
  • Сперматогониальные стволовые клетки
Эдди Эрнандес

Ассистент профессора по практике

Телефон: (210) 458-5661
Электронная почта: Гектор[email protected]
Области специализации

  • Физиология сердечно-сосудистой системы
  • Сахарный диабет и почечная недостаточность
  • Анатомия и физиология человека
Мэрайя Хопкинс

Лектор II

Телефон: (210) 458-6569
Электронная почта: Мэрайя[email protected]
Области специализации

  • Экология, эволюция и поведение
  • Анализ пространственных данных и ГИС
  • Эпидемиология дикой природы и общественное здравоохранение
Чиунг-Ю Хун

Доцент

Телефон: (210) 458-7018
Электронная почта: Чиунгью[email protected]
Области специализации

  • Грибковая иммунология
  • Патогенез грибков
  • Медицинская микология
  • Разработка вакцины
Дэвид Б. Джаффе

Профессор

Телефон: (210) 458-5843
Электронная почта: Дэвид[email protected]
Области специализации

  • Эпилепсия
  • Функция гиппокампа и болезнь Альцгеймера
  • Посттравматическое стрессовое расстройство
  • Интеграция синаптических и аксональных сигналов
Эми Джонс

Лектор II

Телефон: (210) 458-5156
Электронная почта: Эми[email protected]
Области специализации

Ричард ЛеБарон

Профессор

Телефон: (210) 458-5841
Электронная почта: [email protected]
Области специализации

  • Клеточная адгезия; Клеточная биология
  • Заболевания височно-нижнечелюстного сустава
  • Молекулы внеклеточного матрикса при раке и осложнениях диабета
  • Регенеративная медицина; Регенерация тканей
Су Чан Ли

Доцент

Телефон: (210) 458-5398
Электронная почта: Сучан[email protected]
Области специализации

  • Морфогенез грибов
  • Взаимодействие хозяин-патоген
  • Медицинская микология
  • Мукормикоз
  • Микобиом
Хосе Л.Лопес-Рибо

Профессор и заместитель декана по исследованиям

Телефон: (210) 458-7022
Электронная почта: [email protected]
Области специализации

  • Разработка противогрибковых препаратов
  • Высокопроизводительный скрининг
  • Иммунопатогенез грибковых инфекций
  • Медицинская микология
  • Микробные биопленки
Изабель А.Муцио

Доцент

Телефон: (210) 458-4810
Электронная почта: [email protected]
Области специализации

  • Старение
  • Познание животных
  • Обучение и память
  • Сон и память
  • Пространственная навигация
Кристофер Навара

Ассоциированный профессор исследований

Телефон: (210) 458-6497
Электронная почта: Кристофер[email protected]
Области специализации

  • Регуляция клеточного цикла в стволовых клетках
  • Плюрипотентные стволовые клетки приматов человека и не человека
  • Рост и дифференцировка мезенхимальных стволовых клеток
  • Нейрональная дифференцировка плюрипотентных стволовых клеток
Ричард Накельс

Лектор II и координатор лаборатории

Телефон: (210) 458-7206
Электронная почта: Ричард[email protected]
Области специализации

  • Генетика
  • Молекулярная эволюция
Клайд Ф.Феликс

Профессор

Телефон: (210) 458-5495
Электронная почта: [email protected]
Области специализации

  • Болезнь Альцгеймера и сахарный диабет
  • Вычислительная биология
  • Интеллектуальная собственность, биотехнология, коммерциализация
  • Прогностическое биомоделирование
  • Трансляционные науки
Герман Пласенсия Вилла

Ассистент профессора исследований

Телефон: (210) 458-7043
Электронная почта: Немецкий[email protected]
Области специализации

  • Передовые методы микроскопии
  • Методы анализа белков
  • Нейрональные ответы
Салма Курайши

Ассистент профессора исследований

Телефон: (210) 458-7493
Электронная почта: Сальма[email protected]
Области специализации

Рахул Рагхаван

Доцент

Электронная почта: [email protected]
Области специализации

  • Coxiella burnetii Эволюция и вирулентность
  • Микробная геномика
  • Эволюция и функция регуляторной РНК
  • Эволюция и функция Tick Endosymbionts
Уильям Рамос

Ассистент профессора по практике

Телефон: (210) 458-6235
Электронная почта: Уильям[email protected]
Области специализации

  • Координатор лаборатории клеточной биологии
  • Уполномоченный грузоотправитель опасных материалов
  • Специалист по обучению RISE
Роберт Д. Рентал

Профессор

Телефон: (210) 458-5452
Электронная почта: Роберт[email protected]
Области специализации

  • Биохимия и биофизика клеточных мембран
  • Химическая связь с насекомыми
  • Метки лантанидов в живых бактериальных клетках
Эндрю Родригес

Преподаватель I

Электронная почта: Андрей[email protected]
Области специализации

  • Микробиология
  • Молекулярная генетика
  • Микология
  • Патология растений
Джеймс Аллен Роджерс

Лектор II и координатор лаборатории

Телефон: (210) 458-3990
Электронная почта: Джеймс[email protected]
Области специализации

Фидель Сантамария

Профессор

Телефон: (210) 458-6910
Электронная почта: [email protected]
Области специализации

  • Вычислительная неврология
  • Эксперименты и моделирование функции мозжечка
  • Обучение и память
  • Моделирование степенного закона от молекул к поведению
Франческо Савелли

Доцент

Телефон: (210) 458-8066
Электронная почта: Франческо[email protected]
Области специализации

  • Вычислительная неврология
  • Нейронная основа навигации
  • Нейронные цепи и поведение
  • Нейрофизиология и функция образования гиппокампа
Стивен П.Савиль

Доцент

Телефон: (210) 458-7023
Электронная почта: [email protected]
Области специализации

  • Генетическая регуляция Candida albicans Форма клетки
  • Роль морфогенетических и связанных изменений в Candida albicans Вирулентность
Кеннет Шахи

Преподаватель I

Телефон: (210) 458-5475
Электронная почта: Кеннет[email protected]
Области специализации

  • Микробная экология
  • Микробиология общественного здравоохранения
Сара Шилдс-Менар

Лектор II

Телефон: (210) 458-3990
Электронная почта: Сара[email protected]
Области специализации

  • Биотопливо
  • Биоремедиация
  • Лаборатория биологических наук II
  • Разнообразие и включение в STEM
  • Экологическая и промышленная микробиология
Гарри Сантер

Профессор и заведующий кафедрой

Телефон: (210) 458-5479
Электронная почта: Гарри[email protected]
Области специализации

  • Эпигенетика
  • Молекулярная и клеточная биология
  • Вирусология растений
  • Транскрипция
Тодд В.Тройер

Доцент

Телефон: (210) 458-5487
Электронная почта: [email protected]
Области специализации

  • Поведенческая и нейронная динамика
  • Вычислительная неврология
  • Шум и синхронизация в нейронных цепях
  • Обучение певчей птице
Мэтью Ванат

Доцент

Телефон: (210) 458-6684
Электронная почта: Мэтью[email protected]
Области специализации

  • Наркомания
  • Обучение и память
  • Нейробиология мотивированного поведения
  • Стресс
Юфэн Ван

Профессор

Телефон: (210) 458-6492
Электронная почта: Юфэн[email protected]
Области специализации

  • Биоинформатика и вычислительная биология
  • Сравнительная геномика
  • Молекулярная эволюция и популяционная генетика
  • Системная биология
Николь Ю.Вича

Профессор

Телефон: (210) 458-7013
Электронная почта: [email protected]
Области специализации

  • Электрофизиология человека
  • Знание языков и математики
  • Нейробиология человеческого языка
Чарльз Дж.Уилсон

Профессор

Телефон: (210) 458-5654
Электронная почта: [email protected]
Области специализации

  • Стимуляция мозга как метод лечения неврологических заболеваний
  • Вычислительная функция нейрона
  • Ионные механизмы автономной деятельности мозга
  • Структура и функции базальных ганглиев
  • Синаптическая интеграция и обработка нейронной информации
Цзе-Джуэн Ю

Ассоциированный профессор исследований

Телефон: (210) 458-5210
Электронная почта: [email protected]
Области специализации

  • Иммунитет слизистых оболочек
  • Разработка вакцины против бактериальной инфекции
Гоцюань Чжан

Профессор

Телефон: (210) 458-7020
Электронная почта: Гоцюань[email protected]
Области специализации

  • Иммунология
  • Разработка вакцины
  • Трансмиссивные, возникающие и зоонозные инфекционные заболевания
Ян Чжан

Ассоциированный профессор исследований

Телефон: (210) 458-7020
Электронная почта: Ян[email protected]
Области специализации

  • Разработка вакцин против рака и инфекционных заболеваний
  • Механизмы взаимодействия клетки-хозяина с микробным патогеном
Хавит Зогай

Ассистент профессора исследований

Телефон: (210) 458-7033
Электронная почта: Хавит[email protected]
Области специализации

  • Бактериальные биопленки
  • Разработка вакцины против туляремии

Смежный

Техасский институт биомедицинских исследований (TBRI)

Техасский институт биомедицинских исследований стремится разгадать тайны хронических и инфекционных заболеваний с помощью новаторского мышления, творческого решения проблем и передовых технологий.Узнайте больше о нашем смежном факультете из TBRI.

Институт хирургических исследований армии США (USAISR)

Миссия Института хирургических исследований армии США заключается в оптимизации ухода за ранеными в боевых действиях. Институт использовал свой опыт, оказывая помощь пострадавшим от ожогов во время всех конфликтов со времен Второй мировой войны, и продолжает служить основным исследовательским центром по оказанию помощи пострадавшим в боевых действиях для армии. Узнайте больше о нашем совместном факультете от USAISR.

 

© Техасский университет в Сан-Антонио

Система сбора нейронных данных и китайский семинар

Программное обеспечение OmniPlex 1.11.3 Выпущено

Программное обеспечение OmniPlex версии 1.11.3 для всех конфигураций системы сбора нейронных данных OmniPlex теперь доступно в Интернете. Это обновление в первую очередь является незначительным, промежуточным выпуском исправления ошибок в ответ на несколько проблем, о которых сообщалось с момента выпуска программного обеспечения OmniPlex версии 1.11 ранее в этом году.

Исправления и улучшения относятся к функциям PlexNetRemote, изменениям длины сигнала, настройкам карты цифрового ввода по умолчанию, стандартным пороговым значениям, сообщениям об ошибках и поведению при запуске после перезапуска или перезагрузки Windows, среди прочего.Кроме того, демонстрационная версия программного обеспечения OmniPlex теперь работает правильно.

Эта последняя загрузка доступна для платформ Windows ® 7 и XP, и ее можно найти на веб-странице системы OmniPlex вместе с обновленной демонстрационной версией. Загрузки также доступны на сайте plexon.com/software-downloads под заголовком OmniPlex Neural Data Acquisition System. Для получения дополнительной информации об этих или других улучшениях обращайтесь по адресу [email protected]

СОХРАНИТЕ ДАТУ: 6-й ежегодный семинар Plexon

Отметьте в своих календарях! Шестой ежегодный семинар Plexon по нейрофизиологии и поведению назначен на 27 апреля 2015 года.Он снова пройдет в Далласе, штат Техас, США, с ограниченным количеством мест.

Предыдущие посетители могут подтвердить, что Plexon Workshop — это не распродажа! Это почти утомительное, интенсивное, многодневное, практическое, полностью основанное на упражнениях тренировочное мероприятие с индивидуальным коучингом. Проведите с нами несколько дней и наблюдайте, как качество, глубина и эффективность записи и анализа данных в вашей лаборатории значительно улучшаются сразу и на долгие годы вперед.

Взгляните на зеленую боковую панель, чтобы узнать, как доктор Фарран Бриггс из Дартмута описывает свой опыт в Plexon Workshop.

Для получения дополнительной информации или специальных цен со скидкой при регистрации в сочетании с системой PlexBright с 4-канальным оптогенетическим контроллером, системой OmniPlex (с любым количеством каналов) или покупкой системы CinePlex обращайтесь по адресу [email protected]

Behavioral Researchers — давайте наладим связь в мае и июне

Установив лицензию CinePlex Tracking Option, вы можете настроить CinePlex Studio для создания данных отслеживания видео (координаты положения) и сохранения данных в файлах AVI и DVT.Кроме того, вы можете указать системе отправлять данные отслеживания видео в OmniPlex для сохранения в файлах PL2™ или PLX. Это очень удобная функция, поскольку она встраивает координаты отслеживания в файлы нейронных данных для последующего анализа. Файлы PL2/PLX с координатами отслеживания затем можно открыть в NeuroExplorer, например, для анализа клеток места.

Чтобы включить данные отслеживания видео в ваши файлы PL2/PLX, вам необходимо выполнить следующие шаги:

  • Запустить сервер OmniPlex и PlexControl,
  • Запустить сбор данных в OmniPlex, нажав кнопку Start Data на PlexControl панель инструментов,
  • Запустите CinePlex Studio и настройте отслеживание видео,
  • На панели отслеживания Studio нажмите кнопки PLX для центра тяжести животного, светодиодов или маркеров, связанных с координатами, которые необходимо отправить (в настоящее время данные можно отправить только для камеры 1),
  • Включите CinePlex Studio, нажав кнопку «A» на панели инструментов Studio,
  • Запустите одновременную запись нейронных и видеофайлов, нажав кнопку Начать запись в PlexControl.

Поток данных из CinePlex можно наблюдать на панели SPK-Activity в PlexControl (строка данных CPX1).

Дополнительные сведения см. в руководстве пользователя CinePlex V3 (главы 2 и 3).

Research Spotlight

Сообщите нам о своей публикации 2014 года, в которой упоминается Plexon и наше оборудование, и мы вышлем вам благодарность в виде кружки и футболки! Присылайте уведомления, адрес и размер футболки по адресу:[email protected]

. Все перечисленные статьи расположены в алфавитном порядке по первому автору в двух категориях: статьи, опубликованные онлайн в электронных журналах или до печати, и статьи, опубликованные в полном объеме.

Недавние статьи, опубликованные в Интернете в электронных журналах или перед печатью:

  • Алмейда Филью, Даниэль Гомеш, Витор Лопес душ-Сантос, Нивалдо А.П. Васконселос, Хосе Г.В. Миранда, Адриано Б.Л. Торт и Сидарта Рибейро. «Исследование последовательностей фаз Хебба как графов сборки». Frontiers in Neural Circuits 8 (2014): 34.
  • Амита, Хидетоши и Тошия Мацусима. «Конкурент подавляет нейронную репрезентацию пищевого вознаграждения в прилежащем ядре / медиальном полосатом теле домашних цыплят. Behavioral Brain Research (2014).
  • Чен, Чао, Дук Шин, Хиденори Ватанабэ, Ясухико Наканиши, Хироюки Камбара, Нацуэ Йошимура, Ацуши Намбу, Тадаши Иса, Юкио Нисимура и Ясухару Койке. «Расшифровка профиля силы захвата по сигналам электрокортикографии в сенсомоторной коре приматов, отличных от человека». Исследования в области неврологии (2014).
  • Коэльо, А., Р. Оливейра, О. Россетто, К. Д. Круз, Ф. Круз и А. Авелино. «Интратекальное введение ботулинического токсина типа А улучшает функцию мочевого пузыря и уменьшает боль у крыс с циститом. Европейский журнал боли (2014).
  • Де Фавери, Сара, Эмма Маджиолини, Эрманно Миле, Франческо Де Анджелис, Фабриция Ческа, Фабио Бенфенати и Лучано Фадига. «Гибридные микроэлектроды на основе биотехнологий: гибридное решение для улучшения долгосрочных характеристик хронических интракортикальных имплантатов». Frontiers in Neuroengineering 7 (2014): 7.
  • Дорваль, Алан Д. и Уоррен М. Грилл. «Глубокая стимуляция субталамического ядра мозга восстанавливает передачу нейронной информации в крысиной модели паркинсонизма с 6-OHDA. Журнал нейрофизиологии (2014).
  • Гейл, Джон Томас, Дональд С. Шилдс, Юмико Исидзава и Эмад Н. Эскандар. «Активность вознаграждения и подкрепления в прилежащем ядре во время обучения». Frontiers in Behavioral Neuroscience 8 (2014): 114.
  • Гаворник, Джеффри П. и Марк Ф. Беар. «Обучился распознаванию и предсказанию пространственно-временных последовательностей в первичной зрительной коре». Nature Neuroscience (2014).
  • Голуб, Матвей Д., М.Ю Байрон, Эндрю Б. Шварц и Стивен М. Чейз. «Моторный корковый контроль скорости движения с последствиями для управления интерфейсом мозг-машина». Журнал нейрофизиологии (2014): jn-00391.
  • Гауда, Сурадж, А. Орсборн, С. Овердуин, Х. Мурман и Дж. Кармена. «Разработка динамических свойств интерфейсов мозг-машина для оптимизации производительности конкретных задач». 1-1. Том: ПП, Выпуск 99; ISSN: 1534-4320 IEEE Engineering in Medicine and Biology Society
  • Honjoh, Tatsuya, Zhi-Gang Ji, Yukinobu Yokoyama, Akira Sumiyoshi, Yuma Shibuya, Yoshiya Matsuzaka, Ryuta Kawashima, Hajime Mushiake, Toru Ishizuka и Hiromu Yawo.«Оптогенетическое формирование корковой системы вискер-баррел у трансгенных крыс, экспрессирующих каналродопсин-2». PLOS ONE 9, №. 4 (2014): e93706.
  • Камби, Ниранджан, Приябрата Гальдер, Радхика Раджан, Васав Арора, Прем Чанд, Маника Арора и Нирадж Джайн. «Крупномасштабная реорганизация соматосенсорной коры после травм спинного мозга происходит из-за пластичности ствола головного мозга». Nature Communications 5 (2014).
  • Ли, Ханми, Барбара К. Бротт, Лоури А. Киркби, Джейми Д.Адельсон, Сара Ченг, Марла Б. Феллер, Акаш Датвани и Карла Дж. Шац. «Устранение синапсов и правила обучения совместно регулируются MHC класса I h3-Db». Природа (2014).
  • Лю, Кефей и Хайшань Яо. «Контрастно-зависимое OFF-доминирование в первичной зрительной коре кошек облегчает различение стимулов с естественной контрастной статистикой». Европейский журнал неврологии (2014).
  • Лю, Джун, Вэй Вэй, Хуэй Куан, Джо З. Цзянь и Фан Чжао. «Оценка сердечного ритма и вариабельности сердечного ритма выявляет индивидуальные различия в величине реакции страха на землетрясение, свободное падение и воздушную затяжку у мышей. PLOS ONE 9, нет. 3 (2014): e93270.
  • Мартин-Гарсия, Елена, Жюльен Куртен, Приска Рено, Жан-Франсуа Фиансет, Элен Вюрц, Амели Симонне, Флориан Леве, Сирил Херри и Вероник Дерош-Гамоне. «Частота самоуправления кокаином влияет на поиск наркотиков у крыс: оптогенетические доказательства роли прелимбической коры». Нейропсихофармакология (2014).
  • Мейер, Арне Ф., Ян-Филипп Дипенброк, Макс Ф.К. Хаппель, Франк В. Оль и Йорн Анемюллер.«Дискриминативное обучение рецептивных полей по ответам на негауссовские ансамбли стимулов». PLOS ONE 9, №. 4 (2014): e93062.
  • Нгуен, Чиен Ле, Ань Хай Тран, Джумпей Мацумото, Эцуро Хори, Теруко Увано, Такетоши Оно и Хисао Нисидзё. «Ответы клеток гиппокампа на дистальные и проксимальные манипуляции с сигналами у мышей с нокаутом дофаминового рецептора D2». Исследование мозга (2014).
  • Нгуен, Дэвид П. и Ши-Чие Лин. «Потенциал, связанный с событием в лобной коре, управляется базальным передним мозгом. eLife 3 (2014): e02148.
  • Огняновски, Николетт Н., Даниэль Маруяма, Нора Лашнер, Михал Зоховски и Сара Дж. Атон. «Активность сети гиппокампа CA1 изменяется во время консолидации памяти, зависящей от сна». Frontiers in Systems Neuroscience 8 (2014): 61.
  • Ouyang, Mei, Shuangyan Li, and Xin Tian. «Функциональная связь между шипами в низкоразмерном пространстве во время задачи рабочей памяти у крыс». PLOS ONE 9, №. 3 (2014): e.
  • Пани, Пьерпаоло, Том Тейс, Мария С.Ромеро и Питер Янссен. «Выполнение захвата и активность наблюдения за захватом отдельных нейронов в передней внутритеменной области макака». Журнал нейрофизиологии (2014).
  • Филлипс, Джессика М. и Стефан Эверлинг. «Потенциалы, связанные с событиями, связанные с мониторингом производительности у нечеловеческих приматов». НейроИзображение (2014).
  • Ремедиос, Райан, Никос К. Логотетис и Кристоф Кайзер. «Роль клауструма в анализе слуховой сцены путем отражения сенсорных изменений.” Frontiers in Systems Neuroscience 8 (2014): 44.
  • Рибейро, Тьяго Л., Сидарта Рибейро, Хиндиэль Белчиор, Фабио Кайшета и Мауро Копелли. «Процессы критического ветвления с недостаточной выборкой в ​​​​малом мире и случайных сетях не могут воспроизвести статистику лавин с шипами». PLOS ONE 9, №. 4 (2014): e94992.
  • Росас-Видаль, Луис Э., Фабрицио Х. До-Монте, Франсиско Сотрес-Байон и Грегори Дж. Квирк. «Гиппокампально-префронтальный BDNF и память для угасания страха. Нейропсихофармакология (2014).
  • Сарнаик, Рашми, Хуэй Чен, Сяоронг Лю и Цзяньхуа Цан. «Генетическое нарушение зрительного пути влияет на селективность кортикальной ориентации и контрастную чувствительность у мышей». Журнал нейрофизиологии (2014): jn-00558.
  • Вачковски, Флориан, Стефан Гессе, Анн Кристин Рик, Тибор Ломанн, Клаудия Брокманн, Томас Лаубе, Норберт Борнфельд и др. «Разработка массивов очень больших электродов для эпиретинальной стимуляции (VLARS). Биомедицинская инженерия Онлайн 13, вып. 1 (2014): 11.
  • Уэст, Элизабет А., Майкл П. Саддорис, Эрин С. Керфут и Регина М. Карелли. «Прелимбические и инфралимбические области коры по-разному кодируют стимулы, связанные с кокаином, и поиски кокаина до и после воздержания». Европейский журнал неврологии (2014).
  • Ву, Кэлвин, Камакши Гопал, Томас Дж. Лукас, Гюнтер В. Гросс и Эрнест Дж. Мур. «Фармакодинамика открывателей калиевых каналов в культивируемых нейронных сетях. Европейский журнал фармакологии (2014).
  • Сюй, Хонг, Паскаль Валлиш и Дэвид С. Брэдли. «Селективные нейроны спирального движения в области MSTd способствуют оценке направления». Журнал нейрофизиологии (2014): jn-00999.
  • Сюй, Цзянь, Тонг Ву, Вентай Лю и Чжи Ян. «Нейронный регистратор с формированием частоты, входной емкостью 3 пФ и динамическим диапазоном 11 плюс 4,5 бита». 1-1. Том: ПП, Выпуск 99; ISSN: 1932-4545 IEEE Circuits and Systems Society .
  • Зитник, Джерард А., Брайан Д. Кларк и Барри Д. Уотерхаус. «Влияние интрацеребровентрикулярного рилизинг-фактора кортикотропина на сенсорно-вызванные ответы в зрительном таламусе крыс». Исследование мозга (2014).

Последние статьи, опубликованные в полном объеме:

  • Арсе-МакШейн, Фрици И., Николас Г. Хацопулос, Джье-Чанг Ли, Каллум Ф. Росс и Барри Дж. Сессле. «Динамика модуляции в орофациальной сенсомоторной коре во время приобретения двигательных навыков. The Journal of Neuroscience 34, вып. 17 (2014): 5985-5997.
  • Бремнер, Линдси Р. и Ричард А. Андерсен. «Временной анализ опорных кадров в теменной области коры 5d во время планирования охвата». Журнал неврологии 34, вып. 15 (2014): 5273-5284.
  • Кардосо-Крус, Хелдер, Маргарида Доурадо, Клара Монтейро, Мариана Р. Матос и Васко Гальардо. «Активация дофаминергических рецепторов D2/D3 модулирует дорсовентральную связь в гиппокампе и обращает вспять ухудшение рабочей памяти после повреждения нерва. The Journal of Neuroscience 34, вып. 17 (2014): 5861-5873.
  • Годлав, Дэвид С., Александр Майер, Джеффри Ф. Вудман и Джеффри Д. Шалл. «Микросхема агранулярной лобной коры: проверка универсальности канонической корковой микросхемы». Журнал неврологии 34, вып. 15 (2014): 5355-5369.
  • Комбан, Стэнли Хосе, Йенс Кремков, Цзяньчжун Джин, Юши Ван, Реза Лашгари, Сяобин Ли, Касим Заиди и Хосе-Мануэль Алонсо. «Нейрональные и перцептивные различия во временной обработке темноты и света. Нейрон 82, вып. 1 (2014): 224-234.
  • Веллисте, Мил, Скотт Д. Кеннеди, Эндрю Б. Шварц, Эндрю С. Уитфорд, Чон-Ву Сон и Ангус Дж. К. МакМорланд. «Моторные корковые корреляты отдыха рук в контексте задачи достижения и последствия для протезного контроля». Журнал неврологии 34, вып. 17 (2014): 6011-6022.
  • Зирнсак, Марк, Николас А. Стейнмец, Бехрад Нудуст, Китти З. Сюй и Тирин Мур. «Зрительное пространство сжимается в префронтальной коре перед движениями глаз. Природа 507, вып. 7493 (2014): 504-507.

Зависимая от поведения настройка направления в зрительно-навигационной сети человека

Участники

Для этого исследования мы набрали 26 участников (11 женщин в возрасте 19–36 лет). Четверо участников были исключены из-за чрезмерных движений головы, т. е. количество мгновенных движений, превышающих 0,5 мм, превышало среднее значение среди участников более чем на одно стандартное отклонение. Еще 2 участника были исключены, потому что они закончили менее четырех циклов сканирования.Всего в анализ вошли 20 участников. Исследование было одобрено местными комитетами по этике исследований (комитет по этике Университета Дуйсбург-Эссен, Германия и CMO региона Арнем-Неймеген, Нидерланды), и участники дали письменное согласие перед сканированием.

Задание в виртуальной реальности

Участники выполнили самостоятельное задание на запоминание местоположения объекта в виртуальной реальности (рис. 1а), адаптированное из Доллера и его коллег 22 . Круглая виртуальная арена была создана с помощью программного обеспечения UnrealEngine2 Runtime и была окружена 12 различными ориентирами, расположенными с шагом 30° и совпадающими по визуальному сходству (треугольники, наклоненные вверх или вниз, с красными, зелеными и синими углами). ).Участники могли свободно перемещаться по этой арене с помощью нажатия клавиш. Наименьшее возможное мгновенное вращательное движение составляло 10°, а скорость поступательного движения была постоянной после линейного изменения в 500 мс. В начале эксперимента нужно было собрать шесть предметов быта, которые были разбросаны по арене. Расположение этих объектов различалось у разных участников, и шесть объектов были выбраны случайным образом из набора в общей сложности двенадцати объектов, что привело к уникальным ассоциациям местоположения и объекта для каждого участника.В разных испытаниях и без объектов участникам было предложено перейти к местоположению ранее отмеченного объекта. После указания запомненного местоположения с помощью нажатия клавиши (бросание) соответствующий объект появлялся в правильном месте, чтобы дать обратную связь, и участник снова собирал объект перед началом следующего испытания. В среднем после 3 попыток (диапазон 2–4) фиксационный крест предъявлялся на сером фоне в течение 4 с. В среднем было выполнено 179 испытаний (диапазон: 94–253 испытания из-за самостоятельного характера задачи, дополнительная рис.2d), а расположение объектов было рандомизировано среди участников. Чтобы объяснить задачу и ознакомить с ней участников, перед сканированием они выполняли аналогичную задачу на настольном компьютере с разными объектами в другой виртуальной среде. Мы отслеживали улучшение производительности памяти по сравнению с испытаниями, оценивая ошибку памяти, то есть евклидово расстояние между истинным и запомненным местоположением в каждом испытании, измеренное в виртуальных вершинах (произвольных единицах).

Поведенческий анализ

Чтобы убедиться, что не было заметных или отчетливых сигналов направления, которые искажали бы навигационное поведение, мы исключили различия во времени, проведенном лицом в разных направлениях.На дополнительном рисунке 1 представлены результаты этих анализов для всех участников и моментов времени, разделенных на периоды передвижения и стационарные периоды, а также на группы участников с высокой и низкой ошибкой памяти. Мы учитывали индивидуальные различия в абсолютном времени, проведенном в эксперименте, выражая время, проведенное в процентах от общей продолжительности эксперимента. Мы разделили vHD с шагом 10° и выполнили повторный анализ (rm) ANOVA по направлениям, который не выявил каких-либо отклонений в выборке по направлениям ( F (35, 665) = 0.77, P  = 0,834), а также при тестировании группы с высокой ошибкой памяти ( F (35, 315) = 0,55, P  = 0,984) или группы с низкой ошибкой памяти ( F ) (35, 315) = 0,87, P  = 0,675) по отдельности. Кроме того, мы не наблюдали смещения в направленной выборке по всему эксперименту при разделении данных на локомотивные ( F (35, 665) = 0,79, P  = 0,806) и стационарные (F(35, 665) = 0,87, P  = 0,681) периодов (дополнительный рис.1А).

Помимо направленной выборки в ходе эксперимента мы анализировали распределение vHD в пределах каждой ТР. Мы снова разделили vHD на 10-градусные шаги и преобразовали их в проценты от общего времени просмотра. Затем мы сместили каждую из полученных гистограмм по кругу так, чтобы наиболее выбранное направление выровнялось по ТР (Φ), показывая, что участники проводили 52% времени в каждом ТР, смотря в одном направлении (рис. 1b; дополнительный рис. 1A). ). Таким образом, распределение vHD внутри каждого TR было неравномерным и сосредоточено в одном преобладающем направлении.Мы использовали двухсторонний непарный t-критерий, основанный на перестановках, для сравнения времени, затрачиваемого лицом в этом преобладающем направлении внутри каждого TR в разных группах, который не выявил различий ( t (18) = −1,26, P  = 0,224, d  = −0,56, CI = [−0,68, −0,45], k  = 10 000, дополнительный рисунок 1C). Используя парную версию этого теста, мы наблюдали разницу между стационарным и локомоционным периодами ( t (19) = 6,12, P  = 0.0001, d  = 2,74, CI = [2,63, 2,84], k  = 10 000). Важно отметить, что это по-разному влияло на разные области интересов (рис. 6), предполагая, что не было общего положительного или отрицательного влияния на производительность модели. Во время этой задачи участники тратили около 54% ​​своего времени на навигацию, при этом время, затрачиваемое на вращение во время движения, было меньше, чем в стационарные периоды (двухсторонний парный тест t на основе перестановок: t (19) = 7,95, P = 0.0001, d  = 3,55, ДИ = [3,44, 3,66], k  = 10 000). Не было никаких различий во времени, потраченных в перевод ( т (18) = 0,41, р = 0,690, d = 0,18, Ci = [0,07, 0,30], k = 10000) или вращение между группами участников (Во время локомоции: T (18) = 0,55, р = 0,625, г = 0,25, Ci = [0,14, 0,35], k = 10000 и во время стационарных периодов: T (18) = 1,00, P  = 0.338, d  = 0,45, ДИ = [0,33, 0,56], к  = 10 000).

Получение МРТ

Во время задачи памяти местоположения объекта в виртуальной реальности мы получили T2*-взвешенные функциональные изображения на сканере 7T Siemens MAGNETOM с использованием последовательности импульсов 3D-EPI, 32-канальной катушки головы и следующих параметров: TR = 2756 мс, TE = 20 мс, угол поворота = 14°, размер вокселя = 0,9 мм × 0,9 мм, толщина среза = 0,92 мм, передискретизация среза = 8,3%, 96 срезов с 210- 8,3%, 96 срезов с 210- 0,9 мм вид, коэффициент ускорения фазового кодирования = 4 и коэффициент ускорения 3D = 2.Первые пять томов каждого тиража отбрасывались. Функциональные изображения были получены в ходе 5 циклов сканирования по 210 TR или приблизительно по 10 минут каждый. Кроме того, мы получили T1-взвешенные структурные изображения (MP2RAGE, размер вокселя: изотропный 0,63 мм) и карту поля B0 (градиентное эхо, размер вокселя: 1,8 × 1,8 × 2,2 мм) для каждого участника.

Предварительная обработка

Используемые здесь данные использовались в двух предыдущих отчетах 32,73 . Данные были предварительно обработаны с использованием библиотеки автоматического анализа (https://github.com/automaticanalysis/automaticanalysis), используя функции нескольких аналитических пакетов. Для каждого участника функциональные изображения были повторно выровнены и деформированы с помощью SPM8, после чего был проведен анализ независимых компонентов (ICA) с шумоподавлением с использованием удаления артефактов FIX, реализованного в FSL 5.0.4. Чтобы улучшить отношение сигнал-шум, а вместе с ним и обнаружение ICA компонентов шума, данные были сглажены с помощью ядра Гаусса с полной шириной на полувысоте 2,5 мм. Затем изображения были нелинейно нормализованы к среднему по группе шаблону EPI с использованием Advanced Neuroimaging Toolbox (http://stnava.github.io/ANTs) и фильтр верхних частот с отсечкой 128 с с использованием FSL. Воксельная дисперсия, объясняемая шестью параметрами перестройки (x, y, z, тангаж, крен, рыскание), а также пиками (внезапными отклонениями интенсивности сигнала более чем на два временных стандартных отклонения), была удалена с помощью мешающей регрессии. Воксели вне мозга были исключены.

Области интереса (ROI)

В ходе анализа ROI мы протестировали человеческие области обработки сцены и навигации (рис. 5a), которые ранее предлагались для поддержки когнитивного картирования 1 .Гиппокампальные (HPC), переднелатеральные энторинальные (alEC) и задне-медиальные энторинальные (pmEC) ROI определялись вручную с помощью ItK-SNAP (www.itksnap.org) на основе шаблона EPI среднего по группе с высоким разрешением. Энторинальные маски были основаны на предыдущих отчетах 32 , в которых энторинальная маска была разделена на переднебоковую (alEC) и заднемедиальную энторинальную кору (pmEC). ROI для парагиппокампальной извилины (PHG), а также ретросплениальной коры (RSC) были основаны на метаанализе обратного вывода для «ретросплениальной коры» и «парагиппокампальной коры» с использованием Neurosynth (https://neurosynth.орг). Мы взяли верхние 5% вокселов с наивысшей вероятностью из каждой соответствующей карты Neurosynth и удалили изолированные воксели из полученных бинарных масок. Эта процедура привела к когерентным двусторонним кластерам в медиальной теменной коре и парагиппокампальной извилине соответственно. Ранняя визуальная кора (EVC) ROI была создана путем порогового значения соответствующей карты вероятностей «Visual_hOc1» набора инструментов анатомии SPM на уровне 50% и совместной регистрации ее нелинейно с нашим средним по группе пространством шаблонов. Для этого мы использовали SPM, чтобы сначала сегментировать групповой шаблон, а затем нормализовать ROI в нашем шаблонном пространстве, используя полученные карты тканей и интерполяцию ближайшего соседа.Результирующие маски ROI располагались в следующих средних координатах MNI [ X , Y , Z ] и имели следующий размер. EVC (только серое вещество): левое полушарие [-4, -88, 0], правое полушарие [14, -86, 0], n вокселей: 2893 (медиана среди участников), RSC: [-14, -56 , 12] и [18, −54, 14], n вокселей: 1926, PHG: [−26, −38, −12] и [26, −34, −16], n вокселей: 2392, HPC: [−24, −24, −14] и [28, −22, −14], n вокселей: 9781, alEC: [−20, 0, −34] и [22, 0, −34], n вокселей: 1693, pmEC: [-20, -10, -28] и [20, -8, -28] и n вокселей: 1692.

Обзор анализа

Наш анализ оценивал направленную настройку вокселя в несколько этапов. Во-первых, мы построили модель кодирования vHD, включив поведение участника при навигации в базисные наборы круговых распределений Гаусса фон Мизеса, которые мы называем ядрами vHD. Каждое отдельное направление было смоделировано с помощью другого ядра vHD, каждое из которых представляет собой плавную настройку направления без дискретизации данных в ячейки. Во-вторых, мы оценили веса вокселей для каждого из этих ядер, вместе представляя кривую настройки вокселя.Мы называем этот шаг обучением модели. В-третьих, мы использовали эти веса для прогнозирования активности в удерживаемых данных, которые составляли тест модели. Таким образом, мы получили показатель производительности модели для заданного базового набора vHD. Наконец, итеративно изменяя полную ширину на половине максимума ядер vHD в базовом наборе и повторяя вышеупомянутые шаги, мы протестировали не только один базовый набор vHD, но и несколько. Этот подход позволил нам также оценить ширину настройки каждого вокселя (ширину ядра, обеспечивающую максимальную точность предсказания).Все упомянутые этапы обработки включали в себя несколько отдельных подэтапов, которые подробно описаны ниже.

Построение модели кодирования направления виртуальной головы (vHD)

Мы смоделировали vHD с использованием базового набора круговых распределений Гаусса фон-Мизеса, реализованного в Circular Statistics Toolbox для Matlab (https://github.com/circstat/circstat -матлаб). Каждое ядро ​​в этом базисном наборе покрывает полные 360° с угловым разрешением 1°. На разных итерациях нашего анализа мы варьировали полную ширину на половине максимума этих ядер, каждый раз проверяя, насколько хорошо результирующие веса модели позволяют предсказывать активность в удерживаемых данных.Чтобы сбалансировать чувствительность направления между итерациями, расстояние между ядрами всегда соответствовало ширине ядра (т. Е. Чем шире каждое отдельное ядро, тем меньше ядер использовалось). Мы протестировали следующие значения ширины ядра, все из которых представляют кратные 360°: 10°, 15°, 20°, 24°, 30°, 36°, 45° и 60°. Обратите внимание, что наш анализ интересующей области основан на перетасовке весов, чтобы исключить влияние количества ядер на точность модели. Для каждого ядра и участника мы рассчитали прогнозируемую активность ядра на основе виртуального жесткого диска с течением времени.Чтобы привести пример, для данного vHD 30° ядру с центром в 30° была присвоена высокая активность, ядру с центром в 40° немного более низкая активность, а ядру с центром в 200° была назначена очень низкая активность. Делая это для всех временных точек и ядер, мы построили регрессоры, представляющие прогнозируемую активность с учетом направленной настройки и конкретного виртуального жесткого диска с течением времени. Поскольку выборка vHD производилась с более высоким временным разрешением, чем данные визуализации, мы затем рассчитали активность каждого ядра внутри TR как медианную активность во все моменты времени в пределах TR.Наконец, полученные регрессоры масштабировались от 0 до 1 и свертывались с функцией гемодинамического ответа (HRF), реализованной в SPM12 (https://www.fil.ion.ucl.ac.uk/spm/software/spm12/) с использованием настройки по умолчанию (длина ядра: 32 с, время до пика: 6 с). Каждый регрессор представлял прогнозируемый профиль активности с течением времени, смоделированный соответствующим ядром. Чтобы следовать приведенному выше примеру, активность воксела, кодирующего направление 30°, должна быть больше похожа на активность, предсказанную ядром с центром в 30°, чем на активность, предсказанную ядром с центром в 200°.

Обучение модели

Мы оценили повоксельные веса для всех ядер vHD в соответствующем базисном наборе, используя l2-регуляризованную (гребенчатую) регрессию. Чтобы улучшить направленность этой модели, мы добавили ковариантное моделирующее движение, независимое от направления, вес которого был отброшен. Поскольку vHD не является независимым в двух последовательных моментах времени, результирующий план был мультиколлинеарным. Гребневая регрессия позволяет избежать потенциальных смещений в результирующих весах за счет штрафа за высокие коэффициенты, которые в противном случае могли бы повлиять на точность модели.Поскольку параметр регуляризации (λ) не может быть известен априори, обучение нашей модели основано на перекрестной проверке с исключением одного, чтобы найти оптимальное значение λ, а вместе с ним и оптимальные веса модели. В качестве тренировочного набора мы использовали первые два и два последних цикла сканирования, оставив третий запуск в качестве окончательного и независимого набора тестов. Сканирование обычно занимало около 10 минут. Поскольку прогон 3 был получен в середине эксперимента, наши результаты не зависят от продолжительности сеанса сканирования. Если участник не выполнил все пять запусков, мы всегда использовали третий допустимый запуск в качестве тестового набора, а все остальные — в качестве обучающего набора.В тренировочном наборе мы использовали все прогоны, кроме одного, для подбора воксельных весов для десяти различных параметров регуляризации с логарифмическим интервалом от 1 до 10 000 000, каждый раз проверяя, насколько хорошо эти веса предсказывали активность в пропущенном контрольном прогоне. Чтобы оценить эффективность прогнозирования, мы использовали корреляцию Пирсона между ходом вокселя в реальном времени в проверочном наборе и ходом времени, предсказанным vHD, взвешенным по оценочным весам модели. Мы перекрестно проверили этот прогноз таким образом, чтобы каждый прогон в обучающем наборе один раз служил проверочным набором.Затем для каждого воксела определялся параметр регуляризации, который в среднем приводил к наилучшей производительности предсказания. Если нельзя было определить явный лучший показатель λ (т. е. R Пирсона отрицательно приближался к нулю с увеличением регуляризации), соответствующий воксель исключался. В целом это исключило ~ 15,5% вокселей (медиана среди участников и итераций модели), однако только из определения окончательного λ, а не из полной процедуры обучения-тестирования, в которой окончательное λ применялось ко всем вокселям.Затем мы усреднили λ по вокселям каждого участника и использовали его для оценки окончательных весов модели с использованием полного обучающего набора. Эти веса модели служат основой для всех дальнейших испытаний модели, описанных ниже.

Модельный тест

Все модельные тесты проводились на вытянутом и независимом тестовом наборе (одно сканирование продолжительностью около 10 минут в середине эксперимента). Во-первых, мы предсказали воксельную активность (аналогично обучению модели) в одномерном подходе с прямой моделью.Для каждого вокселя мы создали прогнозируемый временной ход, взвесив матрицу дизайна тестового прогона после свертки HRF с помощью весов модели, полученных для этого вокселя во время обучения модели. Результирующий прогнозируемый временной ход затем сравнивался с наблюдаемым временным ходом с использованием корреляции Пирсона. Обратите внимание, что все шаги, описанные ниже, были повторены для нескольких базовых наборов vHD, отличающихся количеством и шириной соответствующих ядер vHD.

Мы нанесли на карту направленную настройку по всей коре, используя инструментарий статистического непараметрического картирования (SnPM) (http://warwick.ac.uk/snpm). Мы провели основанный на перестановках одновыборочный тест t производительности модели (корреляции Пирсона) против нуля ( k  = 10 000 перетасовок, входное изображение и сглаживание дисперсии: 7,2 мм). Чтобы уменьшить вычислительные затраты, предварительно обработанные данные были уменьшены с 0,9 мм до 1,8 мм изотропно для этого шага. Это повторялось для каждого базового набора vHD. Затем мы использовали набор инструментов SnPM для порогового значения результирующих псевдо-T-карт с поправкой на FDR P  < 0,05. Затем для каждого вокселя мы выбрали медианную ширину настройки для всех участников базового набора vHD, которая максимизировала псевдо-T.На рис. 3 показаны эти результаты для всех участников. Для наглядности мы наносим результаты на среднегрупповой шаблон T1 с разрешением T1, полученным с помощью интерполяции ближайшего соседа. Мы повторили этот анализ, разделив участников с высокой ошибкой памяти и с низкой ошибкой памяти (т. е. среднее разделение ошибки памяти, рис. 4). Обратите внимание, что каждая группа участников состояла из n = 10 участников, что привело к 1024 возможным перетасовкам и минимально возможным P  = 0,000977. Поскольку это исключает коррекцию FDR, мы используем нескорректированное P  = 0.001, чтобы визуализировать эффекты этих подгрупп.

В дополнение к групповому анализу вокселей мы также провели анализ областей интереса для областей, участвующих в обработке сцены и навигации, таких как ранняя зрительная кора, ретросплениальная кора, парагиппокампальная кора, заднемедиальная энторинальная кора и гиппокамп (рис. 5а). Мы снова провели обучение и тестирование модели, на этот раз сосредоточив внимание на вокселях в наших областях интереса. Это значительно уменьшило количество вокселей и, следовательно, вычислительные затраты.Чтобы избежать потенциального влияния количества ядер на эти результаты ROI, мы вместо этого выполнили воксельную загрузку, чтобы преобразовать корреляции Пирсона в Z баллов. Необходимое нулевое распределение каждого воксела было получено путем перетасовки тренировочных весов 500 раз, каждый раз вычисляя R Пирсона между прогнозируемым и наблюдаемым временным ходом тестового набора. Все перетасовки были уникальными. Поскольку ожидалось, что не все воксели в наших (вероятностных) ROI будут нести информацию vHD и повышать надежность наших эффектов, мы выполнили выбор вокселей в каждой ROI, ограничив тест модели вокселами с высокой предсказуемостью при обучении модели (верхние 25%, самые высокие точность предсказания в обучении).Если воксель не был направленно настроен при обучении, мы не ожидали, что он будет направленно настроен в тесте. Наконец, Z баллов оставшихся вокселов усреднялись в пределах каждой области интереса. Опять же, мы повторили этот анализ для всех базисных наборов (рис. 5b), получив силу настройки (производительность модели) и ширину настройки (ширину ядер vHD в базовом наборе) каждой области интереса в тестовом наборе. В то время как другие процедуры выбора модели возможны, наша позволила оценить свойства настройки данной области в данном прогоне, даже если настройка претерпела изменения в прогонах.Статистический вывод был выполнен для каждой ROI и группы участников (участники с высоким и низким уровнем ошибок памяти) с использованием основанных на перестановках одновыборочных тестов t на уровне группы (все возможные 1024 перетасовки, n  = 2 × 10) как реализовано в функции mult_comp_perm_t1, распространяемой Mathworks (https://se.mathworks.com/matlabcentral/fileexchange).

Чтобы проверить различия между группами участников, мы использовали основанные на перестановках непарные двухвыборочные двухсторонние тесты t ( k  = 10 000), реализованные в statcond, распространяемом через набор инструментов EEGLab Matlab (https://github.com/openroc/eeglab/blob/master/tags/EEGLAB7_0_0_0beta). Для каждого теста перестановки мы сообщаем значение d Коэна, включая доверительные интервалы начальной загрузки в качестве величины эффекта. Чтобы изучить, как направленная настройка развивалась с течением времени, мы дополнительно выполнили перекрестную проверку «выход-один-исключение» для всех прогонов сканирования (дополнительный рис. 8). Мы выполнили анализ моделирования кодирования на уровне ROI (рис. 5) для всех прогонов, каждый раз оценивая веса модели для всех прогонов, кроме того, который использовался для тестирования.

В дополнение к тесту прямой модели мы также инвертировали модель кодирования для многовариантной реконструкции или декодирования vHD из совокупности вокселов в каждой области интереса из нашего основного тестового прогона 3 (дополнительный рис.9). Мы умножили псевдоинверсию Мура-Пенроуза всех воксельных весов в ROI ( m вокселей ×  k весов) −1 на мультивоксельный паттерн при каждом получении изображения (m вокселей), чтобы получить оценку ядра vHD. активности в каждом по объему ( к весов). Проделав это для всех томов, мы реконструировали активность vHD-ядра для всего набора тестов каждого участника. Для оценки эффективности реконструкции мы использовали двумерную корреляцию между реконструированными активностями ядра ( тыс. весов ×  n TR) и матрицей плана тестового прогона (также тыс. весов ×  n TR).Поскольку количество ядер и, следовательно, реконструированные веса различались для разных итераций и базисных наборов, мы использовали перетасовку весов, чтобы преобразовать полученные корреляции в Z баллов. Как и в форвардной модели, мы перетасовывали веса модели (500 случайных уникальных перетасовок), каждый раз проходя процедуру полной vHD-реконструкции. Как и ожидалось, результаты, полученные путем инвертирования модели кодирования (дополнительный рис. 9), напоминают результаты, полученные с помощью процедуры прямой модели по вокселям (рис.5).

Временное отношение сигнал-шум (tSNR) и регуляризация модели не объясняют результаты

Расчетный параметр оптимальной регуляризации λ (дополнительный рис. 3A) зависел от базисного набора (дополнительный рисунок 3B) (результаты rmANOVA: F (7, 126) = 11.80, p = 1,7 × 10 -11 ) Как и ожидалось, но не на группу участников ( F (1, 18) = 0,0037, p = 0,952) и там между ними не было взаимодействия ( F (7,126) = 0.37, P  = 0,920). Были различия в tSNR по ROI (результаты rmANOVA: F (5, 90) = 258,29, P  = 9,1 × 10 −52 ), но не между группами участников ( F (1, 90) 0,082, P  = 0,777), и между ними не было взаимодействия ( F (5, 90) = 1,34, P  = 0,255) (дополнительный рисунок 3C). Ни производительность модели (корреляция Спирмена: rho = 0,025, P  = 0,788), ни ширина настройки (rho = −0.050, P  = 0,587) коррелирует с tSNR (дополнительный рисунок 3D).

Модель надежно раскрывает направленную настройку в смоделированных временных промежутках

Чтобы проверить надежность нашей модели и изучить ее ограничения, мы повторили полную процедуру обучения и тестирования модели для смоделированных воксельных временных промежутков с известными свойствами настройки. Как подробно описано ниже, эти симуляции продемонстрировали, что наша модель надежно определяет правильный размер ядра при различных уровнях шума и профилях настройки (унимодальная, бимодальная и случайная направленная настройка).

Во-первых, мы смоделировали временные графики вокселей с известными свойствами настройки, подобно тому, как мы построили матрицу проекта для фактического конвейера моделирования. Для этого мы построили ядра vHD, отражающие желаемый профиль настройки, а затем рассчитали соответствующий временной ход на основе фактически наблюдаемого vHD случайно выбранного участника выборки. Это имеет несколько ключевых преимуществ по сравнению с моделированием полностью случайных временных курсов, потому что оно фиксирует естественные зависимости и корреляции между различными направлениями и то, как они выбираются во времени.Обратите внимание, однако, что выбор участника не меняет представленных здесь результатов. Для каждого вокселя мы моделировали все пять прогонов сканирования.

Мы построили смоделированные временные графики (дополнительный рисунок 4A) для предполагаемого кодирования одного случайного направления (унимодальная модель), двух случайных направлений (бимодальная модель) и множества случайных направлений (случайная модель) для каждого из восьми значений ширины настройки. проверенные уровни. Случайные числа были выбраны из равномерного распределения. Затем мы добавили различные уровни гауссова шума к этим временным характеристикам в диапазоне от одного до десяти стандартных отклонений временной характеристики сигнала.Для каждого из этих уровней шума и ширины настройки мы смоделировали в общей сложности 2500 вокселей, что соответствует типичному размеру ROI в наших данных (см. «Методы»). В результате было получено 2500 одномодально настроенных вокселей для каждого из 10 уровней шума и каждой из 8 различных значений ширины настройки для пяти смоделированных прогонов сканирования; еще 2500 бимодально настроенных вокселей и еще 2500 случайно настроенных вокселей с одинаковыми уровнями шума, ширины и пробегами.

Затем мы запустили полный конвейер модели кодирования, как описано в документе, на этих смоделированных временных отрезках и оценили производительность модели (т.е., корреляция Пирсона между наблюдаемым и предсказанным (моделированным) ходом времени). Мы предсказывали, что ширина ядра, которая служила основой для смоделированного временного хода, также приведет к наилучшей производительности модели при тестировании. Чтобы проверить это, мы усреднили производительность модели по вокселям, как в реальном анализе фМРТ.

Мы заметили, что неудивительно, что увеличение шума отрицательно сказалось на производительности модели (дополнительный рисунок 4B). Однако, поскольку наша структура полагается исключительно на сравнение различных размеров ядра в пределах каждого уровня шума, мы нормализовали влияние шума на производительность модели для визуализации.Интересно, что ядра меньше истинного ядра, как правило, приводили к лучшей производительности модели, чем ядра больше истинного ядра (дополнительный рис. 4C). Вероятно, это происходит из-за того, что более крупные ядра могут быть аппроксимированы меньшими, но не более крупными. С увеличением шума преимущества меньших ядер исчезали, возможно, из-за более сильного переоснащения шума. Обратите внимание, что в наших данных визуализации также не было корреляции между tSNR и производительностью модели (дополнительный рис.3Д).

Наиболее важно то, что, несмотря на частичное преимущество более мелких ядер над более крупными, истинное ядро ​​выигрывало как у более мелких, так и у более крупных ядер во всех случаях, независимо от уровня шума или предполагаемого профиля настройки. Как и предсказывалось, истинная ширина ядра всегда приводила к лучшему прогнозу модели, по крайней мере, при усреднении по вокселям (дополнительный рисунок 4C). В наших основных анализах это усреднение выполняется по вокселям ROI или путем сглаживания для группового анализа всего мозга (не то же самое, что усреднение, но с аналогичным эффектом).Таким образом, описанные выше симуляции демонстрируют, что наша структура модели поведенческого кодирования надежно раскрывает истинную основную настройку фМРТ даже в присутствии шума и независимо от фактического профиля настройки (унимодального, бимодального или случайного).

Сводка отчета

Дополнительную информацию о дизайне исследования можно найти в Сводке отчета об исследовании природы, связанной с этой статьей.

Влияние предшествующего стресса на тревожно-подобную реакцию на полипептид, активирующий аденилатциклазу внутри гипофиза BNST, у самцов и самок крыс ) Крысы Sprague-Dawley были получены от Charles River Laboratories (Канада; 200–275   г).Крысы содержались в одиночных клетках, содержались при 12-часовом цикле свет/темнота (свет включался в 07:00), а пища и вода были доступны

ad libitum . Крысам давали по крайней мере 1 неделю привыкания в их домашних клетках перед любыми экспериментами. Все процедуры были одобрены Институциональным комитетом по уходу и использованию животных Университета Вермонта.

Хирургические процедуры

Для инфузий внутри BNST крыс анестезировали парами изофлурана (1,5–3,5%) и закрепляли в стереотаксическом аппарате (David Kopf Instruments, Tujunga, CA) с «тупыми» ушными дужками.Был сделан срединный разрез головы, чтобы обнажить и очистить череп. В трепанационные отверстия были вставлены четыре винта для обеспечения стабильности тюбетейки. Две направляющие канюли из нержавеющей стали (размер 26, PlasticsOne, Roanoke, VA) опускали под углом 20° по направлению к средней линии до точки чуть выше переднебоковой BNST, используя следующие координаты от Bregma в мм; AP=-0,1, ML=+3,9 и DV=-5,3 с поверхности твердой мозговой оболочки (Paxinos and Watson, 2007). После установки стилетов были вставлены стилеты и изготовлена ​​тюбетейка из зубного цемента для фиксации канюль и стилетов.Сразу после операции крысам подкожно вводили лактатный раствор Рингера для обеспечения гидратации и карпрофен (5 мг/кг) (Pfizer) для обезболивания. Вторая доза карпрофена вводилась через 24 часа после операции. Всех крыс наблюдали и взвешивали ежедневно во время выздоровления.

Хронический переменный стресс

Крыс распределяли в контрольные группы или группы с хроническим стрессом случайным образом (эксперименты 2 и 3) или на основе исходного вздрагивания (эксперименты 1 и 4). Стрессовые крысы подвергались 7-дневной парадигме CVS, состоящей из пяти различных факторов стресса (колебания, принудительное плавание, удар током, ограничение и пьедестал; Hammack et al, 2009).Все крысы подвергались воздействию одного стрессора в одном и том же порядке примерно в одно и то же время каждый день (таблица 1).

Таблица 1 Хронический переменный стресс

Аппарат для вздрагивания

Каждая камера акустического стабилиметра для вздрагивания состояла из акриловой и проволочной сетки размером 8 см × 15 см × 15 см с четырьмя стержнями пола из нержавеющей стали, расположенными на расстоянии 18 мм друг от друга. Клетка была подвешена между пружинами сжатия внутри акриловой рамы, расположенной внутри вентилируемого звукопоглощающего куба размерами 90 см × 70 см × 70 см.Движение камеры привело к смещению акселерометра (модель U321AO2; PCB Piezotronics, Depew, NY), который был закреплен на дне клетки; результирующее напряжение было пропорционально скорости перемещения. Аналоговый выходной сигнал акселерометра усиливался (PCB Piezotronics, модель 483B21) и оцифровывался по шкале 0–10 В с помощью аналого-цифрового преобразователя InstruNET (GW Instruments, модель 100B; Somerville, MA), подключенного к компьютеру Macintosh G3. Амплитуда вздрагивания определялась как максимальное напряжение от пика до минимума в течение первых 200  мс после начала действия стимула.Реакция вздрагивания вызывалась вспышками белого шума длительностью 50 мс, генерируемыми звуковым файлом компьютера Macintosh G3, усиленным усилителем Radio Shack (100 Вт; модель MPA-200; Tandy, Fort Worth, TX) и воспроизводимым через высокочастотный динамик. (Radio Shack Super-Tweeter; Тэнди, Форт-Уэрт, Техас), расположенный на расстоянии 5 см от задней части каждой клетки.

Иммуноферментный анализ кортикостерона

После сбора плазмы из образцов крови из хвостового отростка для определения уровня кортикостерона в плазме использовали иммуноферментный анализ кортикостерона (CORT EIA, Enzo Life Sciences, Farmingdale, NY).Образцы плазмы сначала разбавляли 1 : 30 и нагревали на водяной бане при 75 °C в течение ~ 1 часа для денатурации глобулина, связывающего кортикостерон (Lezak et al, 2014). Чувствительность анализа составила 27 пг/мл.

Цитология влагалища и отслеживание эстральной фазы

Цитологическое исследование влагалища проводилось ежедневно до тех пор, пока не было подтверждено, что каждый субъект проходит через все фазы эстрального цикла. Крыс слегка фиксировали и свободные вагинальные клетки удаляли аппликаторами с ватными наконечниками, смоченными в стерильной воде, и накатывали на предметные стекла.Мазки брали ежедневно в то же время, когда животных взвешивали и брали в руки (09:00). В дни инфузии мазки собирали после завершения всех экспериментов, чтобы смягчить любые помехи, связанные со стрессом при сборе клеток. Предметные стекла исследовали с помощью светового микроскопа и оценивали эстральную фазу. Каждая фаза эстрального цикла была идентифицирована с использованием следующих характеристик: проэструс отмечен ядрами эпителиальных клеток, эструс отмечен слипшимися ороговевшими клетками, а диэструс отмечен лейкоцитами с рассеянными эпителиальными клетками (Bangasser and Shors, 2008).Все включенные самки циклировались нормально, даже те, кто подвергался стрессовым факторам.

Перфузия и гистология

По завершении каждого эксперимента крыс анестезировали пентобарбиталом натрия (~195–245 мг/кг) и транскардиально перфузировали 0,9% солевым раствором, содержащим 0,1% гепарина (Sagent, Schaumburg, IL), а затем 10% формалин. Затем мозг извлекали и постфиксировали на 24 ч в 10% формалине. Фиксированную ткань срезали на криостате толщиной 60 мкм и помещали на предметные стекла для окрашивания крезиловым фиолетовым.После окрашивания предметные стекла закрывали покровным стеклом, а расположение канюль проверяли с помощью объектива Nikon × 4 на световом микроскопе Olympus. В соответствии с нашими предыдущими отчетами не было значительного заметного повреждения тканей после инфузии (Hammack et al, 2009; Kocho-Schellenberg et al, 2014; Lezak et al, 2014; Roman et al, 2014).

Статистика

Статистический анализ выполнен с использованием SPSS версии 21 (IBM Software, Армонк, Нью-Йорк), а все графические представления выполнены с использованием GraphPad Prism версии 6 (GraphPad Software, Сан-Диего, Калифорния).Крыс исключали из анализа, если размещение канюль выходило за гистологическую границу BNST или если их амплитуда вздрагивания или уровень кортикостерона отклонялись более чем на два стандартных отклонения от среднего значения лечения. Двусторонний дисперсионный анализ (все эксперименты) или дисперсионный анализ повторных измерений (эксперименты 1 и 4) использовался для расчета общих групповых различий и взаимодействий с последующим апостериорным сравнением Тьюки . Трендирующее взаимодействие в эксперименте 2 было дополнительно исследовано с помощью последующего t -теста.

Экспериментальная процедура

Эксперимент 1 — влияние внутрисуставной инфузии PACAP после CVS на тревожно-подобное поведение у самцов

Ранее мы показали, что наша парадигма CVS не изменяет исходную активность вздрагивания; тем не менее, CVS усиливает акустический вздрагивание в ответ на воздействия, которые уже усиливают вздрагивание зависимым от BNST образом, включая яркий свет и манипуляции (Hammack et al, 2009). Кроме того, мы показали, что CVS избирательно увеличивает транскрипты PACAP/PAC1 в dBNST (Hammack et al, 2009).Эти данные свидетельствуют о том, что CVS-индуцированная сенсибилизация при BNST-зависимом вздрагивании требует некоторой начальной стимуляции BNST и может зависеть от сенсибилизации в системе BNST PACAP.

После послеоперационного восстановления всем крысам проводили два исходных теста на вздрагивание в последовательные дни, в которые их помещали в камеры для вздрагивания и давали 5 минутную акклиматизацию к камере. Реакция на 33 рандомизированных всплеска шума (описанных выше), которые различались по интенсивности (95, 100 или 105 дБ; по 11 для каждого стимула) с 30-секундным интервалом между испытаниями, затем определялась как средняя реакция за сеанс.На основе средней частоты вздрагивания по всем трем шумовым импульсам за 2 дня исходного вздрагивания крыс «подобрали» к CVS ( n = 18) или контрольным группам ( n = 18), так что исходная амплитуда вздрагивания не отличаются между группами. В течение последующих 7 дней стрессированных крыс обрабатывали CVS, как описано выше; контрольных крыс брали на руки и взвешивали, но не подвергали иному стрессу. На 8-й день перед инфузией всех крыс возвращали в камеры для вздрагивания и подвергали третьему тесту на вздрагивание, который был идентичен предыдущим сеансам тестирования на исходном уровне.Сразу после этого третьего теста крыс извлекали из камеры для вздрагивания и двусторонне вводили либо 0,5 мкл 0,05% бычьего сывороточного альбумина (БСА) (Santa Cruz Biotechnology, Санта-Крус, Калифорния), либо 0,5 мкг PACAP38 (American Peptide, Саннивейл, Калифорния). ) в 0,5 мкл носителя BSA. Среднюю амплитуду вздрагивания в тесте 3 использовали для распределения животных по группам с PACAP или носителем. Группы были распределены так, чтобы свести к минимуму различия в уровнях испуга перед инфузией (дополнительная фигура 1). Доза PACAP была выбрана, поскольку мы ранее показали, что она ниже порога, необходимого для усиления акустической реакции вздрагивания или увеличения высвобождения кортикостерона при введении в BNST (Hammack et al, 2009; Lezak et al, 2014).Инфузии завершали в отдельной комнате при легком ограничении. Для каждой инфузии стилет удаляли и вставляли внутреннюю канюлю, выступающую на 1 мм за конец направляющей канюли. Инъекции выполняли с помощью шприца Hamilton объемом 10 мкл, соединенного с внутренней канюлей пластиковой трубкой PE50. Объем 0,5 мкл вводили в BNST в течение 60 с. После инфузии внутреннюю канюлю оставляли на месте еще на 60 с, чтобы обеспечить диффузию препарата от места инфузии.После инфузии крыс возвращали в домашнюю клетку на 15 мин до последующего тестирования.

Через пятнадцать минут после инфузии крыс возвращали в камеру для вздрагивания, и после 5-минутного периода акклиматизации крысам проводили четвертый тест вздрагивания, который состоял из 72 вздрагивающих стимулов различной интенсивности. После этого четвертого теста крыс возвращали в колонию до тех пор, пока они не оставались там до тех пор, пока не были выполнены перфузии и гистология (описано выше).

Эксперимент 2 — влияние инфузии PACAP внутри BNST после CVS на циркулирующий кортикостерон

После послеоперационного восстановления крыс взвешивали и псевдослучайным образом распределяли в контрольную ( n = 21) или CVS ( n = 18) группы.Контрольных крыс ежедневно брали на руки, взвешивали и содержали в их домашних клетках до инфузии; стрессированных крыс подвергали 7-дневной CVS, описанной выше. Через двадцать четыре часа после последнего стрессора животных взвешивали и двусторонне вводили в BNST носитель или PACAP38, как описано выше. После двусторонней инфузии крысу возвращали в домашнюю клетку и оставляли в колонии на 30 минут до забора крови.

Забор крови производили в соседней комнате через 30 минут после инфузии через надрез хвоста.Время, необходимое для транспортировки животных и получения образца крови, составляло <3 мин, чтобы избежать загрязнения образца увеличением высвобождения кортикостерона, связанного с удалением клетки. Эта временная точка была выбрана, потому что ранее мы показали повышение уровня кортикостерона после интра-BNST PACAP (1 мкг) через 30–60 минут после инфузии (Lezak et al, 2014). Образец немедленно помещали в центрифугу с охлаждением и вращали со скоростью от 2000 до 4000 об/мин. в течение 15–20 мин для отделения плазмы.Затем собирали плазму и хранили при -20 °C до количественного определения кортикостерона с помощью CORT EIA (см. выше). После сбора крови животных возвращали в колонию, где они оставались до тех пор, пока не были выполнены перфузии и гистология (описано выше).

Эксперимент 3 — влияние инфузии VIP внутри BNST после CVS на циркулирующий кортикостерон. ; обзор см. Vaudry et al, 2009).Ранее мы обнаружили, что VIP не влияет на реакцию PACAP (Missig et al, 2014; Roman et al, 2014). В эксперименте 3 мы оценили, может ли CVS усиливать ответ на инфузию BNST VIP или может ли VIP вызывать эндокринный ответ сам по себе (Missig et al, 2014; Roman et al, 2014). Все методы и процедуры были идентичны эксперименту 2. Группы носителя (контроль/носитель,
n =8; CVS/носитель, n =8) получали 0,5 мкл 0,05% BSA/носитель. Группы VIP (контроль/VIP, n =8; CVS/VIP, n =9) получили 0.73 мкг VIP в 1 мкл носителя; доза, которая была эквимолярной (221 мкМ) дозе PACAP38, используемой во всех других экспериментах. Плазму собирали и хранили при -20 °C до количественного определения кортикостерона с помощью CORT EIA.

Эксперимент 4 — влияние внутривенной инфузии BNST PACAP после CVS на тревожное поведение у велосипедных самок

Как упоминалось выше, мало что известно о том, как стресс изменяет систему BNST PACAP у велосипедных самок. Таким образом, четвертый эксперимент был проведен для определения того, как хронический стресс влияет на тревожноподобную поведенческую реакцию на интра-BNST PACAP у велосипедисток.Все методы и процедуры были идентичны эксперименту 1. Кроме того, брали мазки из влагалища в течение 11 дней эксперимента, начиная с 1-го дня исходного вздрагивания и заканчивая через 24 часа после четвертого теста вздрагивания (рис. 1d), чтобы оценить роль эструса и эстрогена (Е2) в этих реакциях (описанных выше). Среднее значение вздрагивания в течение двух дней базового тестирования использовалось для «сопоставления» животных с группами CVS ( n = 14) или контрольными ( n = 11). Через 24 часа после последнего стрессора был проведен третий тест на вздрагивание, прежде чем животных поместили в лечебные группы, вливали и проводили четвертый тест на вздрагивание, как описано выше.Как и в эксперименте 1, группы были распределены так, чтобы минимизировать различия в амплитудах испуга перед инфузией (дополнительная фигура 2). После этого четвертого теста крыс возвращали в колонию, где они оставались до тех пор, пока не были выполнены перфузии и гистология (описано выше).

Рисунок 1

Хронология экспериментальной процедуры. Крысам давали возможность привыкнуть к домашней клетке в течение 1 недели перед операциями двусторонней канюляции BNST. После 1 недели послеоперационного восстановления крысам проводили два исходных теста на вздрагивание.Через 24 часа после второго теста на вздрагивание крысы подвергались 7-дневной CVS. Через двадцать четыре часа после последнего стрессора крысам проводили третий тест на вздрагивание, а затем немедленно вводили PACAP. Через пятнадцать минут после инфузии крысам проводили заключительный тест на вздрагивание (а). В экспериментах 2 и 3 крыс объединяли в контрольную или стрессовую группы после послеоперационного восстановления и подвергали воздействию тех же 7 дней CVS. Через 24 часа после последнего стрессора крысам двусторонне вводили PACAP (b) или VIP (c), а кровь из хвоста собирали через 30 минут после инфузии для ELIZA кортикостерона.Эксперимент 4 проводился по той же процедуре, что и эксперимент 1, но вагинальные мазки собирались в экспериментальные дни 7–17 (d).

Слайд PowerPoint

Новые элементы инспираторного ритмогенеза: сетевая синхронизация и распространение синхронии

https://doi.org/10.1016/j.neuron.2020.02.005Get права и содержание Неизвестны

Ритм возникают через синхронизацию нейронов в ритмогенном микроциркунии

Баланс возбуждения в микросхеме регулирует синхронизм

Надежное распространение вдохновляющих команд на мотоневрона усиливается синхронией

Резюме

Мы оценили механизм ритмогенеза дыхания млекопитающих в комплексе preBötzinger (preBötC) in vitro , где экспериментальные тесты остаются несовместимыми с гипотезами канонических ритмогенных клеточных или синаптических механизмов, т.е.е., нейроны водителя ритма или торможение. В ритмичных условиях в каждом цикле возникает инспираторный всплеск, поскольку (предположительно) ритмогенные нейроны preBötC переходят от апериодической некоррелированной спайковой активности популяции к все большей синхронизации во время предварительного вдоха (в течение примерно 50–500 мс), что может вызывать инспираторные всплески, которые распространяются на мотонейроны. . В неритмичных условиях антагонистические рецепторы GABA A могут инициировать эту синхронизацию, вызывая состояние более высокой проводимости в неритмогенных выходных нейронах preBötC.Наш анализ раскрывает существенные особенности динамики сети preBötC, когда инспираторные всплески возникают тогда и только тогда, когда ритмогенная субпопуляция preBötC сильно синхронизируется для управления выходными нейронами. Более того, распространение сетевой активности preBötC вниз по течению, в конечном счете, к мотонейронам, зависит от силы входной синхронии с выходными нейронами preBötC, что иллюстрирует синхронное распространение сетевой активности.

0 comments on “7493 микросхема: Микросхема 7493

Добавить комментарий

Ваш адрес email не будет опубликован. Обязательные поля помечены *