摘要 防御行为对动物的生存至关重要。下丘脑室旁核 (PVN) 和副臂核 (PBN) 均已被证明参与防御行为。然而,它们之间是否存在直接联系来介导防御行为仍不清楚。在这里,通过逆行和顺行追踪,我们发现侧 PBN (LPB CCK) 中表达胆囊收缩素 (CCK) 的神经元直接投射到 PVN。通过在体光纤光度记录,我们发现 LPB CCK 神经元对各种威胁刺激作出积极反应。LPB CCK 神经元的选择性光激活会促进厌恶和防御行为。相反,LPB CCK 神经元的光抑制会减弱大鼠或隐约可见刺激引起的逃跑反应。 PVN 或 PVN 谷氨酸能神经元内的 LPB CCK 轴突末端的光遗传激活可促进防御行为。而局部 PVN 神经元的化学遗传和药理抑制可阻止 LPB CCK -PVN 通路激活驱动的逃跑反应。这些数据表明 LPB CCK 神经元会招募下游 PVN 神经元来积极参与逃跑反应。我们的研究确定了 LPB CCK -PVN 通路在控制防御行为方面以前未被认识到的作用。
1. 匹兹堡大学医学院,美国宾夕法尼亚州匹兹堡 2. 匹兹堡大学康复与神经工程实验室,美国宾夕法尼亚州匹兹堡 3. 匹兹堡大学物理医学与康复系,美国宾夕法尼亚州匹兹堡 4. 匹兹堡大学生物工程系,美国宾夕法尼亚州匹兹堡 5. 认知神经基础中心,美国宾夕法尼亚州匹兹堡 6. 匹兹堡大学神经外科系,美国宾夕法尼亚州匹兹堡 7. 匹兹堡大学神经科学系,美国宾夕法尼亚州匹兹堡 8. 匹兹堡大学神经生物学系,美国宾夕法尼亚州匹兹堡 (*) 共同第一作者 (**) 共同最后作者 大脑白质束病变阻止皮质脊髓下行输入有效激活脊髓运动神经元,导致无法治愈的肌肉麻痹。然而,在大多数情况下,皮质脊髓轴突的损伤是不完整的,神经技术可以增强幸存的连接以恢复运动功能。我们在这里假设,通过直接与皮质脊髓运动神经元建立兴奋性连接,运动丘脑的深部脑刺激 (DBS) 可以促进幸存的皮质脊髓纤维的激活,改善瘫痪肢体的运动。我们首先在猴子身上确定了最佳刺激目标和参数,这些目标和参数可以增强手臂、手和面部肌肉的运动诱发电位以及握力。这种增强作用在脑白质病变后仍然存在。然后,我们通过确定相应的最佳丘脑目标 (VIM/VOP 核) 将这些结果转化为人类受试者,并复制了在猴子身上获得的结果。最后,我们设计了一种 DBS 方案,可以立即改善慢性创伤性脑损伤患者的自主握力控制。我们的结果表明,针对运动丘脑的 DBS 可能成为治疗运动瘫痪的有效方法。引言中风或脑外伤 (TBI) 会导致皮质脊髓束 (CST) 损伤,破坏皮质与下运动中枢之间的通讯,导致面部、上肢或下肢肌肉功能丧失 1-4 。由此产生的上肢运动障碍仅在美国就严重影响了大约 1000 万人的生活质量 5,6 。强化物理治疗仍然是唯一的常规干预措施,但疗效有限,特别是对于中度至重度轻瘫患者 7,8 。在大多数情况下,CST 的损伤是不完全的。然而,保留的兴奋性下行连接不足以激活脊髓运动神经元,导致功能性运动轻瘫 9-11 。促进残留皮质脊髓轴突的激活可以重建运动神经元的
人类大脑是发育过程中最复杂的结构。揭示特定神经网络的个体发生和内在组织可能是理解不同大脑区域生理病理方面的关键。皮质-丘脑和丘脑-皮质 (CT-TC) 回路处理和调节觉醒、睡眠和记忆等基本任务,它们的改变可能导致神经发育和精神疾病。据报道,这些病理会影响特定的神经群体,但也可能广泛改变生理连接,从而导致大脑网络生成、通信和功能失调。更具体地说,据报道,CT-TC 系统在影响高级大脑功能的疾病中受到严重影响,例如精神分裂症 (SCZ)、双相情感障碍、自闭症谱系障碍或癫痫。在这篇综述中,重点将放在 CT 的发展,以及用于揭示和理解其分子和细胞机制的模型上。除了动物模型之外,我们还将讨论先进的体外平台,例如源自人类多能干细胞的脑类器官,这些模型对于揭示人类神经网络的建立仍然至关重要。事实上,类器官和组装体是研究和加速 CT 发育及其功能障碍基础研究的独特工具。然后,我们将讨论最近的前沿贡献,包括计算机模拟方法,涉及在生理和病理条件下生成连接图的 CT-TC 回路的个体发生、规范和功能。
哺乳动物的行为状态影响大脑对视觉刺激的反应,最早在丘脑背外侧膝状体 (dLGN) 中发生,丘脑背外侧膝状体是视觉信息向皮层的主要传递点。一个明显的例子是,与静止动物相比,警觉动物的 dLGN 神经元对视觉刺激的更高时间频率的反应明显更强烈。dLGN 从视觉皮层接收强烈的反馈,但这种反馈是否有助于这些对视觉刺激的状态依赖性反应尚不清楚。在这里,我们表明,在雄性和雌性小鼠中,沉默皮质-丘脑反馈会大大减少 dLGN 神经元对视觉刺激的反应的状态依赖性差异。这适用于 dLGN 对视觉刺激的时间和空间特征的反应。这些结果表明,在视觉处理的早期阶段,对视觉刺激的反应的状态依赖性转变取决于皮质-丘脑反馈。
丘脑核复合物包含兴奋性投影神经元和抑制性局部神经元,这两种细胞类型驱动感觉核中的主要电路。兴奋性神经元源于居住在发展中心的丘脑增殖区的祖细胞,但抑制性局部神经元出生于丘脑以外,它们在发育过程中迁移到那里。除了占据大部分丘脑的这些细胞类型外,还有两个小的丘脑区域,抑制性神经元靶向丘脑外区域,而不是相邻的神经元,而不是邻近的神经元,则构成了lie lie lie fl et eT和副核核。像兴奋性丘脑神经元一样,这些抑制性神经元来自居住在发育中的丘脑中的祖细胞。这些电路的组装遵循精细调整的遗传程序,并由外部因素协调,这些因素可以帮助细胞发现其位置,与丘脑伴侣相关,并与相应的丘脑外部输入和输出建立联系。在这篇综述中,我们将目前有关丘脑皮质感觉系统兴奋性和抑制性成分的发展的知识,特别是小鼠中的视觉途径和丘脑中间神经元。
版权所有 © 2023 Reinhold 等人。这是一篇开放获取的文章,根据知识共享署名 4.0 国际许可条款分发,允许在任何媒体中不受限制地使用、分发和复制,前提是正确署名原始作品。
。cc-by 4.0国际许可(未经Peer Review尚未获得认证)是作者/资助者,他已授予Biorxiv的许可证,以永久显示预印本。这是该版本的版权持有人,该版本发布于2023年1月13日。 https://doi.org/10.1101/2023.01.12.523677 doi:biorxiv Preprint
阿片类药物引起的痛觉过敏 过去几十年来,阿片类药物在手术室和诊所的使用量稳步增长,使该类药物成为美国最常用的处方药之一。最常用的注射全身麻醉药不能提供外科手术所需的镇痛水平,因此需要在围手术期使用其他药物,如阿片类镇痛药。具体而言,在手术室中,最好使用药代动力学快的阿片类药物,如瑞芬太尼,与静脉麻醉药(如丙泊酚)结合使用,因为它们可以滴定到所需的镇痛水平和心血管参数。此外,由于瑞芬太尼在输注完成后会迅速从血浆中消除,因此即使输注时间很长,其效果也会很快消散。尽管阿片类药物可有效治疗与外科手术相关的急性疼痛,但它们对慢性疼痛疾病只有部分效果,并且它们的使用
atxn2基因编码ataxin-2,位于肥胖症的特质基因座中。atxn2敲除(KO)小鼠是肥胖的,耐胰岛素;但是,这种表型的原因仍然未知。此外,一些发现表明ataxin-2是代谢调节剂,但是该蛋白在下丘脑中的作用从未研究过。这项工作的目的是了解下丘脑中的Ataxin-2调节是否可以在代谢调节中发挥作用。ataxin-2在C57BL6/ ATXN2 KO小鼠的下丘脑中过表达/重新建立了喂食或高脂饮食(HFD)。通过对ataxin-2编码的慢病毒载体的立体定位注射来实现此递送。我们首次显示HFD降低了小鼠下丘脑和肝脏中的ataxin-2水平。特异性下丘脑性触及2过表达可防止HFD诱导的肥胖症和胰岛素抵抗。ataxin-2在ATXN2 KO小鼠中重新建立,改善了代谢功能障碍而没有改变体重。此外,我们观察到ATXN2 KO中的时钟基因表达改变,这可能是代谢功能障碍的原因。有趣的是,Ataxin-2下丘脑的重建救出了这些昼夜节律。因此,下丘脑中的ataxin-2是体重,胰岛素敏感性和时钟基因表达的决定因素。ataxin-2通过调节时钟基因在昼夜节律中的潜在作用可能是调节代谢的相关机制。总的来说,这项工作表明下丘脑Ataxin-2是代谢法规的新参与者,这可能有助于发展新陈代谢疾病的新策略。
目的 用于预测 MRgFUS 丘脑切开术成功可能性的关键指标之一是整体颅骨密度比 (SDR)。然而,这一指标并不能完全预测所需的超声处理参数或技术成功率。作者旨在评估其他可能有助于技术成功的颅骨特征。方法作者回顾性研究了 2017 年至 2021 年期间在其中心接受 MRgFUS 治疗的连续特发性震颤患者。他们评估了不同治疗参数(特别是最大功率和输送能量)与一系列患者颅骨指标和人口统计数据之间的相关性。机器学习算法被用于研究是否可以仅从颅骨密度指标预测超声处理参数,以及将局部换能器 SDR 与整体颅骨 SDR 相结合是否会提高模型准确性。结果 共纳入 62 名患者。平均年龄为 77.1(SD 9.2)岁,78% 的治疗(49/63)发生在男性身上。平均 SDR 为 0.51(SD 0.10)。在评估的指标中,SDR 与治疗中使用的最大功率(ρ = −0.626,p < 0.001;局部 SDR 值 ≤ 0.8 组的比例也有 ρ = +0.626,p < 0.001)和最大能量传输(ρ = −0.680,p < 0.001)的相关性最高。机器学习算法对预测局部和整体 SDR 所需的最大功率和能量具有中等能力(最大功率的准确度约为 80%,最大能量的准确度约为 55%),对预测局部和整体 SDR 达到的平均最高温度具有很高的能力(准确度约为 95%)。结论 作者将一系列颅骨指标与 SDR 进行了比较,结果表明,SDR 单独使用时是治疗参数的最佳指标之一。此外,还提出了许多其他机器学习算法,可在获得更多数据时进行探索以提高其准确性。还应确定和探索与最终超声处理参数相关的其他指标。