Information

Plastizität zwischen erregenden und hemmenden Neuronen?

Plastizität zwischen erregenden und hemmenden Neuronen?



We are searching data for your request:

Forums and discussions:
Manuals and reference books:
Data from registers:
Wait the end of the search in all databases.
Upon completion, a link will appear to access the found materials.

Alles, was ich über synaptische Plastizität gelernt habe, betrifft nur die Synapsen zwischen erregenden Neuronen. Zum Beispiel haben alle Pyramidenneuronen (erregend) im Kortex plastische Synapsen zwischen sich, aber meines Wissens gibt es keine plastischen Synapsen zwischen Pyramidenneuronen und ihren hemmenden Interneuronen.

Ich bin also neugierig, gibt es plastische Synapsen zwischen hemmenden und erregenden Neuronen?


Auch für inhibitorisch-erregende Synapsen wurden verschiedene Formen der Plastizität beschrieben. Siehe Abbildung unten aus [Woodlin et al. 2003].

  • Holmgren CD, Zilberter Y (2001)Koinzidente Spiking-Aktivität induziert langfristige Veränderungen der Hemmung neokortikaler Pyramidenzellen. J Neurosci 21: 8270-7

  • Woodin MA, Ganguly K, Poo MM (2003)Koinzidente prä- und postsynaptische Aktivität modifiziert GABAerge Synapsen durch postsynaptische Veränderungen der Cl-Transporteraktivität. Neuron 39: 807-20


Funktionelle Folgen der inhibitorischen Plastizität: Homöostase, das Erregungs-Hemmungs-Gleichgewicht und darüber hinaus

Computernetzwerkmodelle beinhalten zunehmend hemmende synaptische Plastizität.

Die inhibitorische Plastizität kann trotz der exzitatorischen Plastizität die Netzwerkdynamik stabilisieren.

Die inhibitorische Plastizität kann ein Gleichgewicht zwischen Erregung und Hemmung aufrechterhalten.

Die inhibitorische Plastizität prägt die Selektivität und das zeitliche Reaktionsprofil sensorischer Neuronen.

Computational Neuroscience hat eine lange Tradition in der Erforschung der Folgen der exzitatorischen synaptischen Plastizität. Im Gegensatz dazu sind die Funktionen der hemmenden Plastizität noch weitgehend unklar, insbesondere angesichts der verwirrenden Vielfalt der Interneuronen im Gehirn. Hier fassen wir aktuelle rechnerische Fortschritte zusammen, die erste Hinweise auf die funktionelle Rolle der inhibitorischen Plastizität liefern, z. Das Feld steckt noch in den Kinderschuhen, wird aber angesichts der bestehenden Theorie zur exzitatorischen Plastizität wahrscheinlich schnell reifen und wichtige Erkenntnisse über die Selbstorganisation von Hemmkreisen im Gehirn liefern.


Spezialisierte inhibitorische Cluster Gates Plastizität beim Angstlernen

Hat Ihr Herz bei dem Gedanken an einen bevorstehenden Arbeitstermin schon einmal angefangen zu rasen? Oder hat Sie der Anblick eines unbekannten Objekts in einem dunklen Raum zuckend gemacht? Nun, dafür können Sie Ihrer Amygdala wahrscheinlich danken.

Die kleine mandelförmige Gehirnstruktur ist zentral dafür, wie wir Angst wahrnehmen und verarbeiten. Wenn wir lernen, Angst mit Hinweisen in unserer Umgebung zu assoziieren, werden neuronale Verbindungen innerhalb der Amygdala in einem Prozess namens synaptische Plastizität dynamisch verändert. Obwohl dieser physiologische Mechanismus für das Erlernen von Angst wichtig ist, wurde er hauptsächlich im Zusammenhang mit erregenden Neuronen in der Amygdala untersucht. Über die Rolle, die hemmende Zellen spielen, ist weit weniger bekannt.

In einer aktuellen Veröffentlichung in Zellenberichte, tauchen MPFI-Wissenschaftler des Bolton Lab tiefer in einen spezialisierten Teil der inhibitorischen Schaltkreise in der Amygdala ein, der als apikaler interkalierter Zellcluster (apITC) bekannt ist. Bei der Charakterisierung dieses kleinen, aber charakteristischen Zellclusters hat das Bolton-Labor eine reiche Konnektivität und eine ziemlich einzigartige Fähigkeit entdeckt, die Plastizität in der Amygdala zu modulieren.

„Was uns wirklich auffiel, war die Tatsache, dass relativ wenig über die apITC-Funktion oder die Verbindungsschaltung bekannt war“, erklärt Douglas Asede, Ph.D., Erstautor und ehemaliger Postdoc im Bolton Lab. „Wenn man mit einem relativ unbekannten Gehirnbereich arbeitet, ist es ein Spiel von Inputs und Outputs. Zuerst muss man identifizieren, was mit dem Neuronencluster verbunden ist und womit es verbunden ist, und dann bewerten, welche funktionale Rolle diese Schaltung spielt.“

Das Bolton Lab begann seine Untersuchung mit der Charakterisierung und Funktionsprüfung der eingehenden Verbindungen zum apITC. Zunächst nutzte das Team eine hochspezialisierte Technik namens monosynaptisches Tracing, um selektiv die vorgelagerten präsynaptischen Partner zu identifizieren. Nach der Identifizierung verwendeten die Forscher eine Kombination aus präsynaptischer optogenetischer Stimulation (Lichtaktivierung) und postsynaptischer Elektrophysiologie, um die Funktionsfähigkeit der Verbindungen zu überprüfen.

„Wir konnten eine Reihe unterschiedlicher Inputs für diesen einzigartigen Zellcluster entschlüsseln, die von für das Gedächtnis wichtigen Bereichen wie dem entorhinalen Kortex bis hin zu sensorischen Verarbeitungsregionen wie dem Thalamus reichen“, erklärt Dr. Asede. "Unter dieser Vielfalt ragten zwei bemerkenswerte Inputs des Thalamus aufgrund ihrer relativen Stärke im Vergleich zu anderen von uns getesteten Verbindungen sowie ihrer Herkunft aus Thalamus-Regionen heraus, die für ihre Beteiligung am Angstlernen bekannt sind."

Die starken Verbindungen zum apITC stammen von zwei Bereichen des Thalamus, dem Nucleus geniculatum mediaus (MGm) und dem Nucleus posterior intralaminar (PIN). Frühere Arbeiten haben gezeigt, dass MGm und PIN wichtige Verarbeitungszentren für auditive bzw. somatosensorische Informationen sind. Im Rahmen des Angstlernens senden Eingaben vom Thalamus angstbezogene sensorische Informationen an die Amygdala, die dann Angst mit bestimmten Hinweisen aus der Umgebung integriert und assoziiert.

Um zu untersuchen, ob dieser sensorische Informationsfluss durch das apITC für das Angstlernen wichtig ist, untersuchten MPFI-Wissenschaftler die Veränderungen dieser synaptischen Verbindungen bei Mäusen direkt nach dem Verhaltenstraining. Eine Gruppe von Mäusen durchlief eine klassische Angstkonditionierung und verhaltensgesteuerte Veränderungen und wurde dann mit prä- und postsynaptischen Markern auf Plastizität untersucht. Interessanterweise fand das Team im Vergleich zu Kontrolltieren signifikante Anzeichen einer synaptischen Verstärkung in den sensorischen Inputs des apITC nach dem Furchtlernen.

"Wenn Synapsen für ein bestimmtes Verhalten wichtig sind, werden ihre Verbindungen normalerweise während des Lernens gestärkt, sodass unsere Ergebnisse die Bedeutung dieser sensorischen Verbindungen beim Angstlernen wirklich unterstreichen", bemerkt Dr. Asede.

Die LA ist eine Region der Amygdala, die stark mit dem Angstlernen, der angstbezogenen sensorischen Integration und der Bildung von angstbasierten Erinnerungen verbunden ist. Das Bolton-Labor verwendete gleichzeitige elektrische Stimulation thalamischer sensorischer Eingänge und optogenetischer Stimulation von apITC-Zelleingängen in die LA, um zu zeigen, dass die Aktivierung von apITC als Tor zur Reduzierung eingehender sensorischer Reaktionen in der LA fungiert.

"Ausgestattet mit dem Verständnis, dass apITC für sensorisches Gating und Angstlernen wichtig ist, haben wir uns als nächstes angesehen, welche Art von Downstream-Verbindungen das apITC herstellt, um uns einen Hinweis auf mögliche Funktionen zu geben, die der Cluster in der Amygdala-Angstschaltung hat."

Klassisch wurde angenommen, dass hemmende Zellen im Gehirn sehr kurze, stromabwärts gelegene Verbindungen herstellen, die so wirken, dass sie Schaltkreise innerhalb ihrer eigenen lokalen Umgebung dynamisch modifizieren. Mithilfe der axonalen Rekonstruktion stellte das Bolton Lab fest, dass die meisten apITC-Verbindungen lokale Axonkollateralen zu benachbarten apITCs sind oder in eine nahe Region innerhalb der Amygdala, die laterale Amygdala (LA) projiziert werden. Überraschenderweise identifizierten sie auch eine Untergruppe von relativ weitreichenden Verbindungen zu weiter entfernten Gehirnstrukturen, die das klassische Denken über inhibitorische Schaltkreise in Frage stellten.


Neurobiologen sind in der Lage, durch Neuronentransplantation die Plastizität des Gehirns zu induzieren

Ihr Gehirn verändert sich im Laufe Ihres Lebens ständig. Es ist ein Phänomen, das als Gehirnplastizität bekannt ist, oder „die Fähigkeit des Gehirns, seine Verbindungen zu ändern oder sich selbst neu zu verdrahten“[1]. Auf neuronaler Ebene ist es durch Veränderungen der Anzahl der Neuronen und der Verbindungen zwischen diesen Neuronen gekennzeichnet.

Die Plastizität des Gehirns ist wichtig, weil sie es dem Gehirn ermöglicht, sich zu entwickeln, zu lernen und sich selbst zu reparieren, nachdem es durch so schwere Dinge wie Schlaganfälle oder Schläge auf den Kopf geschädigt wurde. Es schwankt im Laufe der Zeit. Eine der Perioden, in denen sie erhöht wird, ist eine Periode der okulären Dominanzplastizität, die sowohl bei Menschen als auch bei Mäusen einmal auftritt.

Normalerweise reagiert die Neuronenpopulation im linken visuellen Kortex stärker auf Informationen des rechten Auges und das Gegenteil ist auch der Fall. Während dieser kritischen Phase der okulären Dominanzplastizität führt jedoch der Verlust des Sehvermögens in einem Auge, z das geschlossene Auge zum offenen Auge. Bei Mäusen erreicht diese Periode ihren Höhepunkt etwa vier Wochen nach der Geburt.

Im Jahr 2010 fanden Forscher eines Labors der University of California, San Diego, einen Weg, um nach diesem einzigartigen Zeitfenster bei Mäusen eine weitere Periode der okulären Dominanzplastizität durch die Transplantation von Neuronen eines Embryos zu induzieren.

Der Hauptautor des Artikels zu dieser Forschung, Dr. Derek Southwell, der zum Zeitpunkt der Studie sein PHD-Programm abschloss, stellte fest, dass vor Beginn der Studie bekannt war, dass eine bestimmte Art von hemmenden Neuronen nach einer Transplantation überleben und sich im Gehirn des Wirts ausbreiten können. Darüber hinaus wurde gezeigt, dass diese transplantierten Neuronen in der Lage sind, Verbindungen mit den Neuronen des Wirts aufzubauen. Dr. Southwell beschrieb den Zweck dieser Studie als den Versuch, „die Auswirkungen dieser transplantierten Zellen auf die Plastizität im Empfängerhirn“ zu verstehen.

Die Forscher fanden durch eine Bewertung der okulären Dominanzplastizität vor und nach vier Tagen Sehschwäche in einem Auge heraus, dass die Transplantation eines inhibitorischen Neurons eines Embryos bei Mäusen in der Lage war, bei denselben Mäusen eine neue Periode der okulären Dominanzplastizität zu erzeugen . Dies geschah, sobald die transplantierten Zellen das Alter erreichten, in dem die Periode normalerweise stattfindet, als sie etwa 33 bis 35 Tage alt waren, selbst wenn der Wirt älter war. Das Forscherteam fand auch durch intrinsische Signalbildgebung, eine Technik zur Aufzeichnung der neuralen Aktivität, heraus, dass das transplantierte hemmende Neuron nach der Transplantation in die Hirnrinde gewandert war und dass es die Eigenschaften von reifen hemmenden Neuronen entwickeln konnte.

Es zeigte sich auch, dass diese transplantierten hemmenden Neuronen dreimal häufiger Verbindungen mit den exzitatorischen Neuronen des Wirts herstellen als die hemmenden Neuronen des Wirts, selbst wenn diese Verbindungen nur etwa ein Drittel so stark waren wie die Wirt-zu-Wirt-Verbindungen.

Darstellung der Verbindung zwischen einem transplantierten inhibitorischen Neuron und exzitatorischen Neuronen des Wirts (links) im Vergleich zu Verbindungen zwischen exzitatorischen und inhibitorischen Neuronen des Wirts (rechts).

Die Forscher stellten fest, dass diese Fähigkeit der transplantierten Neuronen durch die weitgehende Modifikation der hemmenden Signale im Gehirn des Wirts der Grund sein könnte, warum sie eine neue Periode der okulären Dominanzplastizität induzieren konnten.

Die Schlussfolgerungen aus dieser Arbeit waren, dass die inhibitorische Neuronentransplantation als eine Möglichkeit zur Induktion von Gehirnplastizität verwendet werden könnte, vielleicht sogar als eine neue experimentelle Vorbereitung für die Forschung zu diesem Thema. Dr. Southwell hob darüber hinaus hervor, dass diese Erkenntnisse für alle an der Forschung Beteiligten zu einer langjährigen Forschungsrichtung geführt haben. Derzeit werden weitere Arbeiten über den therapeutischen Einsatz der Induktion von Plastizität durchgeführt, um die Reparatur des Gehirns zur Wiederherstellung der normalen Funktion des Gehirns zu erleichtern, wie zum Beispiel bei der Behandlung von PTSD.

Arbeit, auf der dieser Artikel basiert:

Southwell DG, Froemke RC, Alvarez-Buylla A, Stryker MP, Gandhi SP. Kortikale Plastizität durch inhibitorische Neuronentransplantation induziert. Wissenschaft (2010)


Unterschiede in mehreren Formen der kurzfristigen Plastizität zwischen exzitatorischen und inhibitorischen Hippocampus-Neuronen in Kultur

Die synaptische Übertragung ist hochdynamisch, insbesondere in Zeiten sich wiederholender Aktivität. Diese kurzfristige synaptische Plastizität, die entweder durch Paare oder kurze Folgen von Aktionspotentialen bei moderaten Frequenzen (1-10 Hz) ausgelöst wird, kann entweder zu einer Depression oder einer Erleichterung der synaptischen Übertragung führen. Wir analysierten diese Prozesse in isolierten, synaptisch gekoppelten Paaren von hemmenden oder erregenden Neuronen, die in Kulturen von Hippocampus-Neuronen mit niedriger Dichte gezüchtet wurden. Die meisten hemmenden und erregenden Synapsen in diesen Kulturen zeigten eine gepaarte Pulsdepression, obwohl die Reaktionen der erregenden Synapsen variabler waren und gelegentlich eine Erleichterung beobachtet wurde. Bei tetanischen Reizen zeigten hemmende Synapsen eine Depression, aber erregende Synapsen zeigten ein viel reicheres Repertoire an Verhaltensweisen, einschließlich Depression und Erleichterung. Während viele inhibitorische Synapsen eine posttetanische Depression nach kurzen Aktionspotentialfolgen zeigten, zeigten erregende Synapsen stattdessen eine posttetanische Fazilitation. Diese Erleichterung wird von einer Erhöhung des gepaarten Pulsverhältnisses begleitet, was darauf hindeutet, dass sie das Ergebnis präsynaptischer Mechanismen ist. Schließlich zeigten erregende Synapsen oft eine gepaarte Puls- und tetanische Erleichterung der asynchronen Freisetzung, ein Prozess, der bei inhibitorischen Synapsen in diesen Kulturen nicht beobachtet wird. Diese Ähnlichkeiten und Unterschiede in der kurzfristigen Plastizität von hemmenden und erregenden Zellen sind wahrscheinlich für die Informationsverarbeitung und die Kontrolle der neuronalen Erregbarkeit sowohl unter normalen als auch unter pathologischen Bedingungen wie Epilepsie entscheidend.


Methoden

Netzwerkmodell

Das Netzwerk bestand aus 400 PCs, die in vier Subpopulationen von jeweils 100 Neuronen gruppiert waren. Jede Subpopulation kodiert für eine bestimmte Orientierung. Wir simulierten 120 PV-Interneuronen, 120 SST-Interneuronen (30 in jeder Subpopulation) und 50 VIP-Interneuronen.

Neuronenmodell

Neuronen wurden als konduktanzbasierte Spiking-Leaky-Integrate-and-Fire-Neuronen modelliert. Ihr Membranpotential entwickelt sich nach:

wo (_<< m>>) ist die Membrankapazität, (_) ist das Membranpotential des Neurons (i) , (_<< m>>) ist das Leckumkehrpotential. (_<< m>>) und (_<< m>>) sind die erregenden und hemmenden Umkehrpotentiale. (_<< m>>) , (_^<< m>>) und (_^<< m>>) sind die leckenden, erregenden und hemmenden Leitfähigkeiten. (_^<< m>>) und (_^<< m>>) werden um (_) bei einem Spike-Ereignis in einem präsynaptischen exzitatorischen oder hemmenden Neuron (j) und zerfallen exponentiell mit den Zeitkonstanten (< au >_<< m>>) und (< au >_<< m>>) bzw.:

(xi) ist null-mittleres Gaußsches weißes Rauschen. Parameter, die den Ornstein-Uhlenbeck-Prozess definieren, sind (sigma) = 2 mV und die Korrelationszeit ( au) = 5 ms.

Wenn das Membranpotential einen Schwellenwert erreicht (_< heta >) , wird ein Spike-Ereignis aufgezeichnet und das Membranpotential wird auf seinen Ruhewert (_<< m>>) (Tabelle 1).

PVs wurden zusätzlich über Gap Junctions verbunden, die einen Strom (_<< m>,i>) zur RHS von Gl. (1) 54 . Der Gap-Junction-Strom von Neuron (j) zu Neuron (i) ist die Summe eines Ährchenstroms und eines unterschwelligen Stroms. Der Strom unter der Schwelle ist proportional zur Differenz des Membranpotentials zwischen den Neuronen (i) und (j) mit der Proportionalitätskonstante (_<< m>>) . Der Ährchenstrom wird um (_<< m>>) bei einem Spike-Ereignis in einem präsynaptischen Neuron und zerfällt auf 0 mit der Zeitskala (< au >_<< m>>) . Mathematisch,

Konnektivität

Neuronen verschiedener Zellklassen (E: PC, P: PV, S: SST, V:VIP) sind wie folgt mit chemischen Synapsen verbunden:

Die Verbindungswahrscheinlichkeit (

_) von Bevölkerung (J) zu (I) wobei (I,Jin <, ext,>) wurde basierend auf Daten von Pfeffer et al. 21 für Verbindungen aus inhibitorischen Populationen und auf Daten von Hofer et al. 20 für Verbindungen aus der erregenden Bevölkerung. Pfefferet al. 21 liefern Verbindungswahrscheinlichkeiten und -stärken für Verbindungen zwischen den Paaren und individuelle neuronale Beiträge (INCs), geschätzt aus optogenetischer Stimulation ganzer Zellpopulationen für die anderen Verbindungen. In Fällen, in denen die Verbindungswahrscheinlichkeit nicht direkt gemessen wurde, haben wir die Wahrscheinlichkeit basierend auf den INCs wie folgt gewählt: Für (

_<< m

>< m>>) , (

_<< m>< m>>) , (

_<< m>< m>>) und (

_<< m>< m

>>) war der INC sehr niedrig, nämlich 0 (.06) (oder 0 (.07) für (

_<< m>< m

>>) ). Die Verbindung von VIPs zu PCs (EV) hatte den gleichen INC von 0 (.06) , daher haben wir die gleiche Verbindungswahrscheinlichkeit wie für (

_<< m>< m>>) , was 12,5 % betrug. Für die restlichen Verbindungen setzen wir die Verbindungswahrscheinlichkeit auf 100 %.

Die synaptischen Gewichte (_) von einem Neuron (j) in Population (J) zu einem Neuron (i) in Population (I) bestimmen, wie stark die synaptischen Leitfähigkeiten (^) und (^) Anstieg bei einem Anstieg des Neurons (j) . Wir initialisierten die synaptischen Gewichte basierend auf den Konnektivitätsdaten von Pfeffer et al. 21 für Verbindungen von hemmenden Populationen und basierend auf Daten aus refs. 20,22,23,24 für Verbindungen von exzitatorischen zu inhibitorischen Populationen. Die Anzahl der Neuronen in jeder Population wurde bei der Bestimmung der Verbindungsstärke berücksichtigt. Verbindungen zwischen erregenden Neuronen waren anfangs klein und wurden von einer bei 0 abgeschnittenen Gauß-Verteilung abgetastet.

Für die Gap Junctions zwischen PVs gilt (< au >_<< m>>) betrug 9 ms, außer in der ergänzenden Fig. 4, wo es 3 ms betrug. (_<< m>>) betrug 13 pA, sofern nicht anders angegeben. Durch Gap-Junctions vermittelte Ströme unterhalb der Schwelle wurden nur in der ergänzenden Abb. 9 modelliert, wobei (_<< m>>) betrug 0,4 nS.

Eingänge

PCs und SSTs erhielten eine von vier Eingaben (entsprechend der Schicht-4-(L4)-Eingabecodierung für vier verschiedene Ausrichtungen). Jeder L4-Eingang erzeugte einen Poisson-verteilten Spitzenzug mit einer Rate von 4 kHz während seines bevorzugten Stimulus und ansonsten 0 Hz. Einer von vier Stimuli wurde 50 ms lang gezeigt, gefolgt von einer Stimuluslücke von 20 ms. Während der Stimuluslücke erzeugten alle L4-Eingänge Spitzen mit der gleichen Rate von 1,6 kHz. Die Leitfähigkeit der Synapsen von L4 zu PCs betrug 0,28 nS. Die Leitfähigkeit der Synapsen von L4 zu SSTs betrug 0,15 nS während des Stimulus und 0,165 nS während der Stimuluslücke. Darüber hinaus erhielten PCs und PVs einen Basislinieneingang von einem Poisson-Prozess mit einer Rate von 4 kHz. Die Gewichte für PCs betrugen 0,13 nS und für PVs 0,01 nS. VIPs erhielten während des vertikalen Balkenstimulus einen Top-Down-Input von einer Gruppe von 100 Neuronen mit einer Verbindungsstärke von 0,2 nS, die Input von Schicht 4 mit einer Verbindungsstärke von 0,3 nS erhielten.

Plastizität

Sowohl für die exzitatorische als auch für die inhibitorische Plastizität wählten wir das einfache klassische STDP-Modell 55,56,57

Bei der Online-Implementierung dieser Regel wird das synaptische Gewicht (_) von Neuron (j) zu Neuron (i) wird aktualisiert, wenn entweder das prä- oder das postsynaptische Neuron entsprechend ansteigt:


Hintergrund

Nervensysteme stehen vor einer ständigen Herausforderung: wie man gleichzeitig Flexibilität und Stabilität erhält. Neuronale Schaltkreise müssen flexibel bleiben, um Veränderungen der Konnektivität und der synaptischen Stärke während der Entwicklung und des Lernens zu ermöglichen. Da Änderungen der Konnektivität neuronale Schaltkreise aus dem Gleichgewicht bringen, müssen sie die Aktivität innerhalb eines Arbeitsbereichs aufrechterhalten und extreme Ruhe und Sättigung vermeiden. Die funktionelle Stabilität wird durch die homöostatische Plastizität aufrechterhalten, die allgemein als eine Reihe von neuronalen Veränderungen definiert ist, die die Aktivität nach einer Störung auf einen Sollwert wiederherstellen [1,2,3]. Jüngste Studien haben verschiedene homöostatische Plastizitätsmechanismen identifiziert, die durch eine Vielzahl von Störungen ausgelöst werden. Diese Mechanismen regulieren die dendritische und axonale Konnektivität eines Neurons sowie seine intrinsische Erregbarkeit (Abb. 1). Neben der Aufrechterhaltung der Aktivität einzelner Neuronen kann die homöostatische Plastizität auf Netzwerkebene wirken, um Änderungen der Konnektivität und Erregbarkeit über mehrere Neuronen hinweg zu koordinieren, um die Schaltkreisfunktion zu stabilisieren [4] (Abb. 2). Mehrere aktuelle Übersichten haben die Funktion der homöostatischen Plastizität im reifen Nervensystem behandelt [5,6,7,8]. Hier konzentrieren wir uns auf die homöostatische Plastizität bei der Entwicklung von Schaltkreisen.

Diverse homöostatische Plastizitätsmechanismen stabilisieren die Aktivität sich entwickelnder Neuronen. Wenn die Aktivität einzelner Neuronen unter (1 und 2) oder über (3 und 4) eines Sollwerts sinkt, bewirkt die homöostatische Regulierung der synaptischen Stärke (1 und 3) und/oder der intrinsischen Erregbarkeit (2 und 4) die Wiederherstellung der normalen Aktivität. Durch Erhöhen (1) oder Verringern (3) des synaptischen Eingangs (z. B. Änderungen der mEPSC-Amplitude oder -Frequenz) kann die Ausgangsfeuerrate eines Neurons nach oben oder unten zur Zielaktivität (grauer Bereich) verschoben werden. Durch Erhöhen (2) oder Verringern (4) der intrinsischen Erregbarkeit (z. B. Änderungen der Länge und des Ortes von AIS) kann die Input/Output-Beziehung eines Neurons modifiziert werden

Die homöostatische Plastizität auf Netzwerkebene stabilisiert die Aktivität sich entwickelnder Schaltkreise. Die Homöostase der Netzwerkaktivität wird durch das Gleichgewicht von Erregung (rot) und Hemmung (blau) erreicht. Synaptische Stärke und Konnektivität können zelltypspezifisch reguliert werden, um die Netzwerkhomöostase aufrechtzuerhalten. Rote Pfeile nach oben/unten: erhöhter/verminderter exzitatorischer Antrieb blaue Pfeile nach oben/unten: erhöhter/verminderter hemmender Antrieb

Homöostatische Regulation der intrinsischen Erregbarkeit

Die neuronale intrinsische Erregbarkeit wird durch die Dichte, Verteilung und Funktion von Ionenkanälen bestimmt und steuert, wie synaptische Eingaben in Aktionspotentialausgaben umgewandelt werden [9]. Mehrere Studien haben eine wechselseitige Beziehung zwischen intrinsischer Erregbarkeit und synaptischen Inputs über die Entwicklung hinweg gefunden, die die Aktivität stabilisiert [10,11,12]. Wenn die synaptischen Eingänge in der Entwicklung zunehmen Xenopus retinotektalen Schaltkreisen nehmen Na + -Ströme ab, was die intrinsische Erregbarkeit verringert [12]. Umgekehrt werden synaptische Eingaben zur Entwicklung zum Schweigen gebracht Xenopus tektale Neuronen und Drosophila Motoneuronen erhöhen die Na + -Ströme und die intrinsische Erregbarkeit [10, 12, 13]. Mehrere Mechanismen vermitteln homöostatische Veränderungen der Na + -Ströme. Translationale Repression und posttranslationale Phosphorylierung reduzieren die Dichte bzw. Öffnungswahrscheinlichkeit von spannungsgesteuerten Na + -Kanälen in Drosophila Motoneuronen und kortikalen Neuronen der Ratte als Reaktion auf eine erhöhte synaptische Aktivität [11, 14,15,16,17].

Mehrere Ionenkanäle im selben Neuron können sich gegenseitig ausgleichen, um die Aktivität zu stabilisieren [2, 18, 19]. Zum Beispiel die A-Typ K + Kanäle shal und Shaker werden in Motoneuronen von wechselseitig reguliert Drosophila Larven: Shaker ist hochreguliert in shal Mutanten und shal ist hochreguliert in Shaker Mutanten [20]. Der kompensatorische Ausdruck ist jedoch nicht immer eine Einbahnstraße in Drosophila Mutanten des verzögerten Gleichrichters K + Kanal schäbig, erhöhte Expression des Ca 2+ -abhängigen K + -Kanals langsam verhindert Motoneuron-Hyperaktivität, aber Verlust von langsam erhöht nicht den Ausdruck von schäbig [21]. Neuronen können Ionenkanäle synergistisch regulieren mit gegensätzlichen Auswirkungen auf die Erregbarkeit zur Wiederherstellung der Aktivität. Das Stummschalten von Pyramidenneuronen, die aus dem visuellen Kortex von Rattenwelpen mit TTX kultiviert wurden, erhöht die Na + -Ströme und verringert die K + -Ströme [22]. Schließlich können Neuronen des gleichen Typs mit ähnlicher Erregbarkeit in ihrer Membranleitfähigkeit erheblich variieren, was die komplexen homöostatischen Wechselwirkungen zwischen Ionenkanälen widerspiegeln kann [23,24,25] (weitere Diskussion siehe [26, 27]).

Eine detaillierte Untersuchung der Verteilung von Ionenkanälen zeigte eine wichtige Rolle des Axon-Initial-Segments (AIS) in der intrinsischen homöostatischen Plastizität. Längen- und Ortsänderungen des AIS, einer spezialisierten Region mit Clustern von spannungsgesteuerten Na + - und K + -Kanälen, die an der Spike-Erzeugung beteiligt sind, können den Auswirkungen von sensorischer Deprivation oder Photostimulation entgegenwirken [28,29,30,31]. Bei Mäusen verkürzt das Öffnen der Augen am Tag 13–14 nach der Geburt das AIS der pyramidalen Neuronen im visuellen Kortex [32, 33]. Zusammengenommen können Anpassungen der Ionenkanaldichte, -verteilung und -funktion, die aus Änderungen der Transkription, Translation, posttranslationalen Modifikationen und des Traffickings resultieren, die intrinsische Erregbarkeit verändern und Änderungen des synaptischen Inputs ausgleichen, um die Aktivitätshomöostase aufrechtzuerhalten [9, 34,35, 36].

Homöostatische Regulierung der Synapsenstärke und -anzahl

Die homöostatische Plastizität kann die synaptische Stärke prä- und postsynaptisch regulieren, und ihre dominante Expressionsstelle kann sich während der Entwicklung verschieben. In den frühen Stadien der Netzwerkbildung nehmen die Amplituden des exzitatorischen postsynaptischen Miniaturstroms (mEPSC) zu, wenn die Spike-Generierung in kortikalen und hippocampalen Neuronenkulturen blockiert wird (d. h. Unterdrückung der intrinsischen Erregbarkeit), was auf postsynaptische Veränderungen der AMPA-Rezeptorakkumulation hinweist [37]. In späteren Stadien kommt die präsynaptische Regulierung der Vesikelfreisetzung und des Recyclings hinzu und die mEPSC-Frequenzen steigen zusammen mit den mEPSC-Amplituden, wenn die Spike-Generierung blockiert wird [37, 38]. Dies deutet auf eine entwicklungsbedingte Verschiebung der Fähigkeit zur prä- und postsynaptischen homöostatischen Plastizität hin [37]. Auch in vivo wurde eine homöostatische Kontrolle der synaptischen Stärke beobachtet [39, 40]. Das Ausmaß und die Expressionsstelle dieser Kontrolle hängen von der Reifung des Kreislaufs ab [41,42,43,44,45]. Die durch visuelle Deprivation hervorgerufene homöostatische synaptische Plastizität in den Schichten 4 und 6 des primären visuellen Kortex ist auf eine frühe kritische Phase (postnataler Tag 16 bis 21) beschränkt [42, 43]. Später verschiebt sich die homöostatische Regulation der mEPSC-Amplituden in die Schichten 2/3, wo sie bis ins Erwachsenenalter andauert [42, 44]. Der Zweck dieser Verschiebung der homöostatischen Plastizität über kortikale Schichten hinweg bleibt unbekannt [41]. Chronische Aktivitätsunterdrückung durch intrakranielle Infusion des Na + -Kanalblockers TTX oder NMDA-Rezeptorblocker erhöht die Wirbelsäulendichte der sich entwickelnden thalamokortikalen Neuronen im dorsolateralen Kniehöcker von Katzen und Frettchen [46, 47]. Somit kann die homöostatische Plastizität sowohl die Synapsenzahl als auch die Synapsenstärke regulieren [48,49,50].

Zusätzlich zu homöostatischen synaptischen Veränderungen, die durch experimentelle Störungen hervorgerufen werden, haben Desai et al. zeigten, dass die mEPSC-Amplituden in den Schichten 2/3 und 4 des primären visuellen Kortex der Ratte über die Entwicklung hinweg abnehmen, wenn die mEPSC-Frequenzen und die Synapsenzahl zunehmen [42]. Retinogeniculate-Schaltungen sind ein weiteres Beispiel für die homöostatische Co-Regulierung der Entwicklung [51,52,53]. Anfänglich konvergieren viele retinale Ganglienzellen auf thalamokortikale Zellen, wobei jede einzelne schwache Verbindungen bildet. Dann, bis zu 3 Wochen nach dem Öffnen des Auges, beschneiden thalamokortikale Zellen Eingänge und behalten Synapsen von weniger Ganglienzellen, die ihre Verbindungen stärken [53, 54]. Somit werden die präsynaptische Neurotransmitterfreisetzung, die postsynaptische Rezeptorhäufigkeit und die Synapsenzahl während der normalen Entwicklung und nach Aktivitätsstörungen homöostatisch koreguliert. In mehreren Systemen verschieben sich die Expressionsstellen und die Kombination der beteiligten Mechanismen während der Entwicklung [2, 3, 55,56,57].

Homöostatische Regulierung der Netzwerkaktivität

Homöostatische Plastizität kann die Aktivität einzelner Neuronen stabilisieren [54, 58, 59]. Neuronen verbinden sich zelltypspezifisch miteinander und bilden Schaltkreise, die bestimmte Funktionen ausführen. In den folgenden Abschnitten diskutieren wir, wie homöostatische Mechanismen über Neuronen hinweg koordiniert werden, um die Schaltkreisfunktion zu stabilisieren [4, 60].

Homöostatische Regulation der Netzwerkerregung und -hemmung

Die Netzwerkaktivität wird durch das Verhältnis von Erregung und Hemmung (E/I-Verhältnis) bestimmt [1, 4, 61]. Als Reaktion auf Störungen können sich entwickelnde Schaltkreise die hemmende und erregende Konnektivität unterschiedlich anpassen, um das E/I-Verhältnis zu verändern und die Aktivität wiederherzustellen [62,63,64,65]. Bei der Entwicklung von hippocampalen und organotypischen Kleinhirnkulturen verringern TTX- oder Glutamatrezeptor-Antagonisten die Dichte und Stärke der hemmenden Synapsen, während die Blockierung der GABAergen Übertragung mit Bicucullin die Dichte der hemmenden Synapsen erhöht. In ähnlicher Weise zeigten Aufzeichnungen von Hirnschnitten in der Barrel-Cortex-Schicht 4, dass sensorische Deprivation den inhibitorischen Input auf stachelige Neuronen der Schicht 4 bei jungen, aber nicht bei erwachsenen Tieren selektiv reduziert [66, 67]. Aktivitätsabhängige Veränderungen der inhibitorischen synaptischen Transmission scheinen nicht-zellautonom reguliert zu werden, da die Aktivitätssuppression einzelner präsynaptischer oder postsynaptischer Zellen keine kompensatorischen Veränderungen hervorruft, die nach globaler Anwendung von TTX in neonatalen kultivierten Hippocampus-Neuronen beobachtet wurden [65]. Es wurde vorgeschlagen, dass inhibitorische Interneurone ihre eigene Feuerratenhomöostase opfern können, um das Spiking von kortikalen Pyramidenneuronen nach einer globalen Aktivitätsblockade zu stabilisieren [4, 68]. Ein weiteres Beispiel für die Netzwerkhomöostase stammt aus Studien zur monokularen Deprivation während der kritischen Phase [4]. Hier passt die homöostatische Plastizität wiederkehrende und Feedforward-Verbindungen zwischen den Schaltkreisen der Schicht 4 und den Schaltkreisen der Schicht 2/3 im primären visuellen Kortex an. Visuelle Deprivation durch intraokulare TTX-Injektion erhöht den exzitatorischen Antrieb und reduziert den inhibitorischen Antrieb von Schicht 4 auf Schicht 2/3, wodurch der verlorene exzitatorische sensorische Input kompensiert wird [4, 69, 70]. Interessanterweise stabilisieren in einem anderen Deprivationsparadigma (d. h. Lidnaht) eine erhöhte intrinsische Erregbarkeit und ein verringertes E/I-Verhältnis die Aktivität in Schicht 2/3, was darauf hindeutet, dass der gleiche Kreislauf verschiedene Kombinationen von homöostatischen Mechanismen verwenden kann, um sensorische Deprivation zu kompensieren.

Zusätzlich zur Regulierung der exzitatorischen und inhibitorischen Synapsenstärke und -anzahl kann die homöostatische Plastizität den Transmitter-Phänotyp von Neuronen von Glutamat zu GABA oder umgekehrt umschalten, um das E/I-Verhältnis der sich entwickelnden Schaltkreise anzupassen [71,72,73]. Im embryonalen Xenopus Rückenmarks, die Anteile von Neuronen, die erregende Transmitter exprimieren, nehmen zu bzw. ab, wenn die Netzwerkaktivität pharmakologisch unterdrückt und verstärkt wird. Diese Schalter im Transmitter-Phänotyp treten ohne Veränderungen in der Expression von Zellidentitätsmarkern auf [74]. Ähnlich der homöostatischen Regulation von inhibitorischen Synapsen ist der aktivitätsabhängige Transmitterschalter nicht zellautonom und hängt von der Netzwerkaktivität ab, was durch die reziproke Beziehung zwischen der Anzahl der stummgeschalteten Zellen und dem Verhältnis von Neuronen, die GABA vs. Glutamat exprimieren, belegt wird [75]. Ob Schalter in Sender-Phänotypen während der normalen Entwicklung zur Netzwerkhomöostase beitragen, muss noch untersucht werden [71].

Homöostatische Regulation der zelltypspezifischen Konnektivität

Jüngste Fortschritte bei der Einzelzell-RNA-Sequenzierung zusammen mit groß angelegten morphologischen und funktionellen Untersuchungen haben eine große Vielfalt an erregenden und hemmenden Zelltypen gezeigt, die unterschiedliche Schaltkreisfunktionen erfüllen [76,77,78,79]. Dies wirft die Frage auf, ob über kategorische Unterschiede zwischen erregenden und hemmenden Neuronen hinaus die homöostatische Plastizität zelltypspezifisch zur Stabilisierung der Schaltkreisfunktion wirken kann [80]. Im sich entwickelnden Gyrus dentatus führt der Verlust des exzitatorischen Antriebs durch die Tetanustoxin-Expression zu einer reduzierten Hemmung der Körnerzellen [81]. Diese Reduktion ist zelltypspezifisch und beeinflusst die somatische Innervation durch Parvalbumin-positive Korbzellen, jedoch nicht die dendritische Innervation durch Calretinin- und Somatostatin-exprimierende Interneurone. Die selektive Reduktion der somatischen Hemmung stellt das Feuern der Körnerzellen effizient wieder her [82, 83]. In ähnlicher Weise wurde gezeigt, dass monokularer Deprivation während einer präkritischen Phase die Rückkopplung reguliert, aber keine Feedforward-Hemmung auf Schicht-4-Pyramidenzellen im primären visuellen Kortex von Ratten [84] und ein früher Hörverlust schwächt die inhibitorischen Synapsen von schnell spitzenden Interneuronen, aber nicht von niedrigschwelligen spiking interneurons onto pyramidal cells [85, 86].

Homeostatic regulation of excitatory connectivity can also be cell type specific [87]. In the developing mouse retina, following removal of their dominant B6 bipolar cell input, ONα retinal ganglion cells up-regulate connectivity with XBC, B7, and rod bipolar cells, but leave input from B8 bipolar cells unchanged. This cell-type-specific rewiring not only maintains the sustained activity of ONα retinal ganglion cells, but also precisely preserves their light responses. Thus, homeostatic plasticity can regulate inhibitory and excitatory connectivity in a cell-type-specific manner to maintain the activity and sensory function of developing circuits.

Homeostatic regulation of patterned spontaneous activity

Throughout the nervous system, developing circuits spontaneously generate activity patterns that help refine their connectivity [88, 89]. Before eye opening, waves of activity originating in the retina propagate through the visual system and dominate activity up to primary visual cortex [90,91,92]. Retinal waves mature in three stages (I-III), in which different circuit mechanisms generate distinct activity patterns that serve specific functions in visual system refinement [88]. In mice, stage I waves, which are mediated by gap-junctional coupling of retinal ganglion cells, were first observed at embryonic day 17. Around birth, the wave generation switches to networks of cholinergic amacrine cells (stage II, postnatal day 1–10) followed in the second postnatal week by glutamatergic input from bipolar cells (stage III, postnatal day 10–14). The transitions between stages appear to be homeostatically regulated. When stage II (i.e., cholinergic) waves are disrupted by genetic deletion or pharmacological blockade of ß2 nicotinic acetylcholine receptors nAChRs, stage I waves persist until premature stage III waves take over [93,94,95,96]. Similarly, in VGluT1 knockout mice, in which stage III waves are abolished, stage II waves persist until eye opening [97]. Studies of developing spinal networks revealed an important role of excitatory GABAergic currents in homeostatic regulation of patterned spontaneous activity [98]. During development, GABA switches from excitatory to inhibitory as initially high intracellular Cl − concentrations are lowered by the developmentally regulated expression of cation-chloride cotransporters [99, 100]. When spontaneous network activity in chick embryos was reduced by injection of a sodium channel blocker, excitatory GABAergic mEPSC amplitudes were found to increase because of an increased Cl − driving force due to intracellular Cl − accumulation [101, 102].

Although homeostatic mechanisms can restore spontaneous activity patterns following perturbations, the extent to which these activity patterns support normal circuit refinement varies depending on age and means of perturbation and needs to be further investigated [103,104,105].


Inferior colliculus

The IC is a mandatory relay station on the ascending auditory pathway(Oliver and Heurta, 1992 Pollak et al., 2002 Malmierca, 2003 Morest and Oliver, 1984). Age-related changes of inhibition within the IC would likely impair the ability of the animal to further refine the localization of an environmental sound source from information received from the SOC, nuclei of the lateral lemnisci, and DCN (Vater et al.,1992 Litovsky and Delgutte,2002 Escabi et al.,2003 Pecka et al.,2007 Palmer et al.,2007). In addition, inhibition plays a role in processing acoustic delay information as well as strict temporal processing(Pollak et al., 2002). Delay coding is critical for echolocation in bats and may play a role in processing periodic vs aperiodic segments in communication signals. IC circuits utilizing both GABAergic and glycinergic inhibition have been shown to be important in coding selective communication calls in animals and are critically involved in delay circuits in bats(Yan and Suga, 1996 Portfors and Wenstrup, 2001 Klug et al., 2002). The IC receives excitatory glutamatergic inputs directly from the DCN as well as a major ascending projection from the SOC (for a review, see Kelly and Caspary, 2005). Extrinsic GABAergic projections to the IC arise bilaterally from the dorsal nuclei of the lateral lemniscus, while glycinergic inputs originate from the ventral nucleus of the lateral lemniscus and the LSO. In addition, intrinsic GABAergic neurons are located throughout both the central nucleus and the shell nuclei of the IC. IC neurons also receive a major excitatory descending projection from the auditory cortex(Winer et al., 1998 Winer et al., 2002 Winer, 2006).

As is the case for age-related changes described below, it is not known whether age-related inhibitory changes in IC are the result of de novo aging changes within the central nervous system or are the direct result of a gradual loss of peripheral input or both. In response to superthreshold acoustic stimulation, noise-exposed animals (modest damage to the auditory periphery) show altered evoked responses in the IC and auditory cortex, providing a functional picture suggestive of hyperexcitability(Willott and Lu, 1982 Popelár et al., 1987 Salvi et al., 1990 Gerken et al., 1991 Syka et al., 1994 Szczepaniak and Møller,1995 Wang et al.,1996 Syka and Rybalko,2000 Aizawa and Eggermont,2007). Neurochemical findings in support of these functional changes reveal that damage to the auditory periphery results in a selective down-regulation of normal adult inhibitory GABAergic function in the IC. Surface-recorded evoked potentials from the IC of noise-exposed rats show reduced sensitivity to bicuculline blockade(Szczepaniak and Møller,1995). Deafness resulted in decreased GABA release in vivo and decreased numbers of IC neurons showing electrically evoked suppression of unit activity (Bledsoe et al., 1995). IC GAD levels were reduced 2–30 days following noise exposure (Abbott et al.,1999 Milbrandt et al.,2000). GABA uptake and release following ossicle removal or cochlear ablation resulted in complex long-term changes in GABA and glycine neurochemistry (Suneja et al.,1998). Collectively, these studies suggest that decreased acoustic input at the auditory periphery results in significant changes in GABA neurotransmission in normal adult IC.

The effects of aging on protein levels of GABAEIN receptor subunitα 1, β2 and γ1 in the IC of FBN and F344 rats. Die ja-axis represents subunit protein percentage difference from young adult animals (3–4 months) of middle aged(18–20 months) and aged (28–32 months) in rat IC. Note that GABAEIN receptor γ1 subunit protein significantly increased in aged rats of both FBN and F344. While significantly decreasedα 1 subunit protein was found in the IC of aged FBN rats, it was not found in aged F344 rats ( * P<0.05). (Modified from Caspary et al.,1999.)

The effects of aging on protein levels of GABAEIN receptor subunitα 1, β2 and γ1 in the IC of FBN and F344 rats. Die ja-axis represents subunit protein percentage difference from young adult animals (3–4 months) of middle aged(18–20 months) and aged (28–32 months) in rat IC. Note that GABAEIN receptor γ1 subunit protein significantly increased in aged rats of both FBN and F344. While significantly decreasedα 1 subunit protein was found in the IC of aged FBN rats, it was not found in aged F344 rats ( * P<0.05). (Modified from Caspary et al.,1999.)

Age-related changes in inferior colliculus

Single unit recordings from the IC of aged rats show a significant decrease in the level of inhibition within the excitatory response area, an increase in the breadth of the excitatory response area at 30 dB above threshold, and less precise temporal processing of modulated sounds(Palombi and Caspary, 1996a Palombi and Caspary, 1996b Palombi and Caspary, 1996c Palombi and Caspary, 1996d Shaddock-Palombi et al.,2001). Similar physiological changes occur in C57 and CBA mice(Willott, 1986 Willott et al., 1988 Willott et al., 1991 McFadden and Willott, 1994 Walton et al., 1998 Walton et al., 2002 Simon et al., 2004).

A number of measures of presynaptic GABA neurotransmission show age-related changes in the mammalian IC. GABA levels, GABA immunostaining, GAD activity and GABAEIN and GABAB receptor binding all decrease in the aged rodent IC (Banay-Schwartz et al.,1989a Banay-Schwartz et al.,1989b Caspary et al.,1990 Gutiérrez et al.,1994 Raza et al.,1994 Milbrandt et al.,1994 Milbrandt et al.,1996). The IC neuropil shows an age-related rearrangement of synaptic endings onto soma and proximal dendrites(Helfert et al., 1999).

Possibly in response to age-related presynaptic changes, age-related postsynaptic changes occur in the mammalian IC GABAEIN Rezeptor. The GABAEIN receptor is a heterogeneous family of ligand-gated Cl – ion channel receptors, which receive input from GABA-releasing inhibitory circuits. GABAEIN receptors exist as pentameric subunit complexes made up of combinations of 19 possible GABAEIN receptor subunits, which can be activated/allosterically modulated by numerous pharmacological agents(Sieghart, 1992a Sieghart, 1992b Wafford et al., 1993 Sieghart, 1995 Rabow et al., 1995 Möhler et al., 2002). Thus, changes in the make-up of the GABAEIN receptor would alter the function of sensory coding in the aged IC. In the IC, both GABAEINreceptor subunit message and protein levels show age-related changes, with a significant down-regulation of the adult α1 subunit in favor of an up-regulation of the α3 GABAEIN receptor subunit (Gutiérrez et al.,1994 Milbrandt et al.,1997 Caspary et al.,1999). Vor Ort hybridization and western blot studies show significant age-related up-regulation of the γ1 subunit(Fig. 3) suggestive of a compensatory age-related increase in the affinity for GABA(Milbrandt et al., 1997 Caspary et al., 1999). Coexpression of the γ1 subunit with α1 andβ 2 subunits in oocytes produces a GABAEIN receptor complex, which fluxes more Cl – ions per mmol GABA than wild-type γ2 subunit containing receptor constructs(Ducic et al., 1995). Receptor binding studies found significant age-related enhancement of GABA's ability to modulate binding at the picrotoxin GABAEIN receptor site(Fig. 4)(Milbrandt et al., 1996). Modulation of GABAEIN receptor binding at this site using bath-application of GABA resulted in an age-related, dose-dependent shift to the left in the GABA modulation curve (Fig. 4) (Milbrandt et al.,1996). This dose–response shift in the binding assay further supports the observed age-related subunit changes.

GABA (10 nmol l –1 –10 mmol l –1 )modulation of 3 [H]-TBOB (T-butylbicycloorthobenzoate)binding in the CIC of young and aged F344 rats. The dose–response curve is shifted to the left. These data have functional implications since the aged GABAEIN receptor must be more sensitive to GABA than the young GABAEIN receptor for the channel to be open allowing TBOB to bind to the picrotoxin binding site. (Modified from Milbrandt et al., 1996.)

GABA (10 nmol l –1 –10 mmol l –1 )modulation of 3 [H]-TBOB (T-butylbicycloorthobenzoate)binding in the CIC of young and aged F344 rats. The dose–response curve is shifted to the left. These data have functional implications since the aged GABAEIN receptor must be more sensitive to GABA than the young GABAEIN receptor for the channel to be open allowing TBOB to bind to the picrotoxin binding site. (Modified from Milbrandt et al., 1996.)

In addition, a direct measure of age-related subunit efficacy was obtained by examining the ability of GABA to flux Cl – ions into microsac/synaptosome preparations from rat IC. GABA influx was significantly increased in samples from aged rat IC, confirming oocyte expression studies noted above (Caspary et al.,1999). These findings differ with previous whole brain synaptosome chloride uptake studies, which found reduced Cl – uptake with aging (Concas et al., 1988). Age-related GABAEIN receptor changes may reflect a partial postsynaptic compensation for the significant age-related loss in presynaptic GABA release.

FBN rat layer V neurons exhibit two major types of receptive field maps.(A) 32% showed the classic V/U-shape with young and aged neurons showing similar responses to current pulse stimulation (not shown). (B) 47% of pyramidal neurons demonstrated a more complex, dynamic response map. (C) Aged complex receptive field neurons responded more vigorously than young neurons to 200 ms current pulses, suggesting altered inhibitory control. Such increased excitability to current would be consistent with reduced GAD67 immunostaining around layer V (LV) somata (see insets scale bars, 5 μm). (Modified from Turner et al., 2005c.)

FBN rat layer V neurons exhibit two major types of receptive field maps.(A) 32% showed the classic V/U-shape with young and aged neurons showing similar responses to current pulse stimulation (not shown). (B) 47% of pyramidal neurons demonstrated a more complex, dynamic response map. (C) Aged complex receptive field neurons responded more vigorously than young neurons to 200 ms current pulses, suggesting altered inhibitory control. Such increased excitability to current would be consistent with reduced GAD67 immunostaining around layer V (LV) somata (see insets scale bars, 5 μm). (Modified from Turner et al., 2005c.)

Taken together, these changes suggest a net down-regulation from normal levels of adult inhibitory function in the aged animals leading to a degradation of temporal and binaural coding in the aged IC.


Inhibitory and excitatory synapse dynamics in the brain

The brain adapts to the environment in part by persistently modifying and rearranging the diverse synaptic connections between neurons. These changes include strengthening or weakening existing links, as well as forming and eliminating synapses — long-term adjustments that are required for learning and memory.

Since excitatory synapses on excitatory neurons are localized to small protrusions called dendritic spines, earlier studies have used dendritic spine dynamics to monitor excitatory synaptic remodeling in vivo. However, the lack of a morphological surrogate for inhibitory synapses has precluded their observation, and although the interplay between excitatory and inhibitory transmission maintains a critical role in brain plasticity, the inability to monitor inhibitory synapse dynamics has prohibited examination of how they correspond with excitatory changes.

Sensory input impacts synapse activity

A new study co-authored by Elly Nedivi, Picower Institute for Learning and Memory, her students Jerry Chen and Katherine Villa from the Department of Biology, and colleagues Jae Won Cha and Peter So from the Department of Mechanical Engineering at MIT, as well as collaborator Yoshiyuki Kubota from the National Institute for Physiological Sciences in Japan, characterizes the distribution of inhibitory synapses across the brain’s neurons and shows that they are divided into two populations, one on dendritic spines adjacent to an excitatory synapse, the other on the dendritic shaft. They then measured the remodeling kinetics of the two populations during normal and altered sensory experience.

Researchers simultaneously monitored inhibitory synapses and dendritic spines across brain neurons using high-resolution dual-color two-photon microscopy. Their findings indicate that inhibitory spine and shaft synapses respond differently during normal and altered visual sensory experience, and when the inhibitory synapses and dendritic spines of cortical neurons are rearranged, they are locally clustered, based on sensory input. This work is slated to appear in the April 26 issue of Neuron.

To date, the distribution of inhibitory synapses on cell dendrites was estimated via volumetric density measurements. The new MIT study, however, demonstrates uniform distribution of inhibitory shaft synapses — versus spine synapses, which are twice as abundant along distal apical dendrites — suggesting that the two types of synapses have different roles in shaping dendritic activity. The differential distribution of inhibitory spine and shaft synapses may reflect their influence on the integration of calcium input from various sources.

Kinetic and clustering distinctions between synapse types

The research team also discovered that both synapse types are dynamic, but inhibitory spine synapses are fourfold more dynamic than their shaft counterparts. Monocular deprivation (MD), a visual paradigm for plasticity, resulted in a significant but transient loss of inhibitory spine synapses during the first two days of MD, while loss of shaft synapses persisted for at least four days. This demonstrates the impact of altered sensory experience and the kinetic distinction between the two synapse populations.

Next, the scientists looked for evidence of local clustering between excitatory and inhibitory synaptic changes during normal visual experience by performing analyses on dynamic and stable inhibitory synapses and spines. They found that inhibitory synapse changes occur in closer proximity to dynamic dendritic spines as compared to stable spines, and dendritic spine changes occur in closer proximity to dynamic inhibitory synapses as compared to stable ones. Researchers also demonstrated that this clustering pattern between dynamic inhibitory synapses and dendritic spines was enhanced by MD.

The researchers also proved that the percent of clustered dynamic spines and inhibitory synapses in response to MD is significantly higher than would be expected simply based on an increased presence of dynamic inhibitory synapses. “This suggests that while MD does not change the overall rate of spine turnover on cortical neurons, it leads to a greater coordination of these events with dynamics of nearby inhibitory synapses,” Nedivi explains.

New insights reveal potential impact on long-term memory

The ability of the MIT researchers to distinguish inhibitory spine and shaft synapses provides new insight into inhibitory synapse dynamics in the adult visual cortex. The inhibitory synapse losses that occur during altered visual experience, noted above, are consistent with findings that visual deprivation produces a period of disinhibition in the visual cortex.

In addition, the results of this MIT study provides evidence that experience-dependent plasticity in the brain is a highly orchestrated process, integrating changes in excitatory connectivity with the active elimination and formation of inhibitory synapses. This sheds new light on the importance of coordinating excitatory and inhibitory circuitry to help nurture long-term memory.


Imaging Plasticity

Many CPGs are capable of modifying neuronal structure, suggesting that neuronal structure can be modified by activity even in the adult brain. To investigate the molecular mechanisms underlying structural plasticity in the mammalian brain we have a long-standing collaboration with Peter So’s lab in the Department of Mechanical Engineering at MIT to develop multi-photon microscopy for large volume, high resolution imaging of dendritic arbor and synaptic structural dynamics in vivo. Using this system we have imaged and reconstructed the dendritic trees and axon collaterals of neurons in visual cortex of thy1-EGFP transgenic mice. These transgenic mice express EGFP in a random subset of neurons sparsely distributed within the superficial cortical layers that are optically accessible through surgically implanted cranial windows. The images show an abundance of detail, with the basal and apical dendrites instantly recognizable and spines clearly visible. This enables dendritic branch dynamics in individual neurons to be examined over several months. We were the first to reveal that dendritic arbor remodeling in the adult is restricted to inhibitory interneurons (Lee et al., PLoS Biology 2006), that interneuron remodeling is not a feature determined by cell lineage, but rather is imposed by the laminar cortical circuitry (Lee et al., PNAS 2008), and is elicited by sensory experience in an input-specific manner so as to facilitate or attenuate experience-dependent plasticity (Chen et al, Nature Neuroscience 2011). Further we showed that inhibitory dendrite remodeling is a common element of structural plasticity mechanisms built into the neocortical module (Chen et al., J. Neurosci. 2011).

Once interneurons were recognized as key players in activity-dependent circuit plasticity, a major obstacle to addressing questions regarding inhibitory synapse plasticity as well as how it may be coordinated with excitatory inputs at the dendritic level, has been the inability to visualize inhibitory synapses in vivo. We therefore expanded our high-resolution large volume imaging capabilities with incorporation of two-color multiphoton microscopy to simultaneously monitor both inhibitory synapse and dendritic spine remodeling across the entire dendritic arbor of cortical L2/3 pyramidal neurons in vivo during normal and altered sensory experience. This has allowed us to address, for the first time, fundamental questions about the interplay between excitatory and inhibitory synaptic transmission during normal adult brain function as well as experience-dependent plasticity (Chen et al., Neuron 2012). Currently we are working to integrate additional colors into our imaging set up to enable simultaneous tracking of multiple synaptic and cellular components. We are also interested in integrating Ca+2 imaging with our structural markers.

Molecular Mechanism of Inhibitory Synaptic Rearrangements

Work from our lab and others (Cane et al., 2014 Chen et al., Neuron 2012 Kelsch et al., 2008 van Versendaal et al., 2012), has shown that both excitatory and inhibitory synapses are extremely plastic in vivo. While many of the molecular players that underlie the formation of excitatory synapses are well characterized, little is known about the molecular regulation of inhibitory synapses. My project uses molecular biology techniques as well as multi-color two photon microscopy to probe specific interactions that regulate the formation and elimination of inhibitory synapses in vivo.

In Vivo Two-Photon Imaging of Dendritic and Synaptic Structural Changes during Early Development

The ultimate structure and function of our brains are directly influenced by our experiences and interactions with the world around us. The critical period for ocular dominance plasticity is a time during development where a change in visual input to the visual cortex can cause profound changes in the connectivity of this area of the brain. For several years, our lab has developed techniques to image the entire dendritic arbors of neurons with synaptic resolution over time. In the adult, we have studied the plasticity of various types of neurons and characterized the dynamics of this plasticity during normal experience and during experimental manipulation. My project makes use of the genetic labeling and high resolution imaging techniques developed in the lab to investigate the formation of inhibitory and excitatory connections and their activity-dependent selection during the cortical critical period for ocular dominance plasticity in mice.

Mapping specificity of afferent inputs distribution across L2/3 pyramidal cell arbors

Surprisingly, we know little at the single cell level regarding the distribution of particular types of inputs onto any given cortical cell type. What is the cortical vs subcortical input source of excitatory synapses located across the dendritic arbor, and do their synaptic dynamics differ depending on this source? What is the specific interneuron type targeting inhibitory synapses located across the dendritic arbor, and do their synaptic dynamics differ depending on this source? Do inhibitory shaft synapses receive different inputs than inhibitory spine synapses? Their very different kinetics and response to visual deprivation, suggest that may be the case (Chen et al., Neuron 2012). Are inhibitory synapses receiving specific types of afferent inputs more likely to exhibit coordinated dynamics with excitatory synapses? My project uses in vivo multicolor two-photon microscopy and transgenic mouse lines to identify the afferent sources to synapses at different dendritic locales, determining whether synapses targeted by certain afferents are less or more dynamic, and whether their dynamics are coordinated.

Experience Dependent Stabilization of Synapses in Vivo

We find that in the cpg15 knockout mouse (cpg15 KO) there is abnormal postnatal development of excitatory connectivity in the hippocampus (Fujino et al., Genes & Dev. 2011), as well as visual cortex (Picard et al., J. Neurosci. 2014). In the dentate gyrus of the hippocampus as many as 30% of spines initially lack synapses. Chronic in vivo imaging of cortical pyramidal neurons through a cranial window shows that while dendritic spine dynamics in cpg15 KO mice are comparable to controls, fewer of the dynamic events in these mice are stabilized, and thus favor persistent spine loss (Fujino et al., Genes & Dev. 2011). These results suggest that the in vivo developmental deficits in the cpg15 KO mouse derive from lack of a synaptic stabilization signal. My project makes use of new in vivo synaptic labeling methods and multi-color two-photon microscopy to examine how CPG15 regulates synapse stabilization in vivo and explores whether CPG15 could link experience driven neuronal activity and new synapse stabilization.

In Vivo two Photon Imaging of Modulatory Cortical Afferent Inputs

Widespread projections of neuromodulatory neurons influence the remodeling of local neural circuits and modify their response to stimuli. Despite the critical importance of modulatory cortical afferents on plasticity, little is known about their connections in the cortex at the cellular level. I will utilize multiphoton in vivo microscopy to characterize the distribution of modulatory afferent inputs to the cortex and how they are associated with structural plasticity. By monitoring the interaction between defined modulatory inputs and local neural synaptic components we can begin to address the local influence of neuromodulators on structural plasticity of inhibitory and excitatory synapses in sensory cortex.


Diskussion

We explored the plastic changes in network structure that can be induced by transcranial direct current stimulation (tDCS), exploiting the homeostatic response of synaptic growth and decay. We demonstrated that weak subthreshold DC stimulation induces changes of neuronal firing rates and, thus, triggers network remodeling and cell assembly formation. Depolarized neurons first reduce the number of excitatory input synapses during stimulation, but then create new excitatory synapses predominantly with other stimulated neurons after stimulation is off. Interestingly, hyperpolarization also causes new synapses being formed preferentially among stimulated neurons. Stimulation triggers a profound and sustainable reorganization of network connectivity and leads to the formation of cell assemblies. With the help of our model, we explored different parameters of tDCS stimulation and found that strong and focused stimulation generally enhances the newly formed cell assemblies. We also observed that repetitive stimulation with well-chosen duty cycles can boost the induction of structural changes, and repetitive stimulation with alternating polarization may induce even higher connectivity changes.

We used network connectivity as a direct readout of stimulation effects, which is possible in model simulations, but cannot easily be done in experiments. However, the factors that we found to amplify the overall impact of stimulation are not unheard of in tDCS practice. Strong and focused stimulation, for example, which results from a high-definition electrode montage, does indeed lead to a stronger readout (MEP) and potentiates the therapeutic effects as compared with a conventional montage (Kuo et al., 2013). While applying the same total current, a high-definition montage induces stronger electric fields in smaller brain volumes (Edwards et al., 2013). Moreover, a high-definition montage narrows down the most affected brain region. We also found in our model that both factors indeed contribute to the induction of higher connectivity. Moreover, repetitive stimulation can boost connectivity, provided the duty cycles are chosen right. In fact, it has been demonstrated in experiments (Monte-Silva et al., 2013) that two 13-min stimulations interrupted by a 20-min pause yields stronger MEP aftereffects than a single, uninterrupted 26-min stimulation, while a repetition with a 24-h pause in between could not accumulate the aftereffects at all. In our model, we likewise found that multiple stimulation episodes with properly chosen pauses can achieve better effects than a single, uninterrupted stimulation.

Other computational approaches have been employed previously to analyze the neuron-scale mechanisms underlying tDCS or DCS. Most notably, Bikson et al. (2006) has explored several aspects of this: extracellular potassium concentration, polarization of the axonal terminal, action potential timing, and inhibitory neurons. Joucla & Yvert (2009) provided an estimate of membrane potential changes for large axons exposed to an electric field, and Aspart, Ladenbauer, & Obermayer (2016) conceived the influence of the electric field on neuronal dendrites as external input to the soma. Another computational approach based on modern neural imaging methods has shed light on the question of how strong the stimulation effects actually are. Spherical head models were first used to estimate the 3-D current flow for any given electrode montage (Miranda, Lomarev, & Hallett, 2006). Later, fMRI-based modeling was employed to devise individualized treatment of stroke or depressive patients (Datta et al., 2009 Ho et al., 2014 Huang et al., 2017). Our present work adopted insight and parameters from both approaches. In addition, we developed a new and original computational model to explore the impact of structural plasticity at the level of networks. This provides a bridge between the level of single neurons and the level of large-scale networks. Although our model contributes new explanations for some core observations in tDCS practice, there are still important issues left that cannot be appropriately addressed with our highly simplified model lacking relevant features of brain geometry. Also, the exact rules of growth and the timescales involved in homeostatic structural plasticity remain to be elucidated in experiments. To treat the influence of tDCS on network dynamics and structural plasticity of multiple brain regions would require a “network of networks” approach, which is, however, beyond the scope of our current study.

What are the actual effects of tDCS on network activity and function? Although robust and sustained effects of tDCS using relatively weak stimulation currents (1–2 mA) have been demonstrated (Nitsche et al., 2009 Nitsche & Paulus, 2000), Horvath et al. (2015) pointed to the difficulty reproducing positive results. Recently, Vöröslakos et al. (2018) have shown that the amount of membrane polarization due to tDCS depends on the strength of the applied current, and that there should be indeed no effect expected for very low intensities. Our simulation results suggest, however, that repetition could boost the impact on connectivity. The peak connectivity reached after sufficiently many repetitions, however, depends on stimulus intensity. Very weak stimulation cannot achieve high connectivity changes, even if repeated ad infinitum. Strong stimulation within a safe range could achieve higher connectivity, but too strong stimulation may lead to unfavorable network dynamics. Our model predicts very clearly that the accumulated effect achieved by stimulation depends not only on the exact repetition pattern, but also on stimulation intensity. On the other hand, a quantitative assessment of the aftereffects is difficult. In our work, the effect of tDCS on the network is quantified by measuring anatomical connectivity among stimulated and nonstimulated neurons. Such measurement is currently not possible in experiments, neither in vivo nor in vitro. Transcranial stimulation perturbs neuronal firing rates transiently and leads to the formation of cell assemblies, which persist after tDCS has been switched off and neuronal activity is back to baseline. Therefore, considering the homeostatic nature of structural plasticity, it is actually impossible to measure the effect of tDCS using simple neuronal activity measures. The question is, what are the effects of altered connectivity on the activity and the function of neuronal networks, and how can these effects be measured? This is a very interesting question, and the answer is complicated. Even if newly formed cell assemblies do not affect spontaneous activity as the firing rate of the neurons may be homeostatically regulated, they might still influence the evoked responses of neurons. Interestingly, Horvath et al. (2015) reviewed many tDCS studies and found that stimulation has a reliable effect only on the MEP amplitude, out of many potential biomarkers that were tested. The debate about the effects of tDCS on network function should, therefore, include the measures to quantify the outcome of a stimulation.

Another important issue raised by our work is that the total effect of stimulation might be too weak for detection. The connectivity changes triggered by a single cycle of polarization at ΔVm = 0.1mV can only be detected if the full connectome is available for quantification. While possible in simulations, such a scenario is unrealistic in an experimental setting. Our simulation results suggest, however, that the outcome should increase upon repetitive stimulation and, therefore, possibly becomes easier to measure. The measurement time window of tDCS effects adds another puzzle to this question. The connectivity of the stimulated plastic network undergoes constant changes. During and after stimulation, for instance, total connectivity decreases and increases fast, constituting the homeostatic response. In contrast, the newly formed cell assembly persists for much longer periods and decays only with a slower time constant. It is not yet clear, however, which parameters influence this time constant, and it might be that different current intensity and electrode size have an impact on it. In fact, Jamil et al. (2017) recently observed in experiments that the current intensity might interact with the duration of stimulation needed for the homeostatic reversal of plasticity. If the exact stimulation protocol indeed influences the timescale of the aftereffect, naively comparing tDCS effects under different stimulation conditions “before” and “after” does not provide sufficient information regarding its outcome. In view of this, using a measure that takes the dynamics of the changes triggered by stimulation into account, such as the ichg measure introduced in this work, could quantify the effects of stimulation much more reliably.

In general, one needs to interpret the results and predictions of our work on network remodeling induced by tDCS with due caution. Our current work, however, could be a first step toward the goal of understanding and optimizing tDCS performance. More experiments addressing the impact of tDCS in human and in animal brains are definitely needed, and the results of our simulation study might indicate some new directions.