Dinamiche di risposta stato-dipendenti in reti corticali sane e affette da SLA

Abstract

Le colture neuronali in vitro accoppiate a matrici di microelettrodi (MEA) costituiscono un modello sperimentale che permette di misurare, con elevata risoluzione, l'attività elettrofisiologica spontanea ed evocata di reti neurali. Le risposte a stimolazioni ripetute mostrano una marcata variabilità trial-to-trial, riconducibile allo stato della rete al momento dello stimolo. Questo lavoro si inserisce nella decodifica stato-dipendente, ispirato dal modello di Nieus et al. (2018) [1] per reti ippocampali, che identifica in Time from last network Burst (TB) la variabile di stato più informativa per predire l'ampiezza della risposta evocata. L'obiettivo è estendere tale approccio a reti corticali murine sane e affette da Sclerosi Laterale Amiotrofica (SLA), confrontando i fenotipi in due stadi di maturazione (DIV 21 e DIV 28), a partire dal dataset di Donati della Lunga et al. (2026) [2]. È stato sviluppato un algoritmo in MATLAB che calcola TB come intervallo tra la fine dell'ultimo burst spontaneo e lo stimolo, e la risposta di rete come somma degli spike evocati entro 400 ms. I dati delle quattro categorie sperimentali sono stati analizzati mediante binning equi-popolato su TB, con mediana e interquartile, seguito da un fitting esponenziale saturante a due parametri, applicato alla distribuzione grezza con regolarizzazione a pesatura robusta bisquare. I risultati mostrano che le reti DIV 21 WT presentano risposta debole e indipendente da TB, indice di immaturità del meccanismo stato-dipendente, mentre le reti DIV 21 ALS manifestano marcata ipereccitabilità precoce. A DIV 28 le reti sane sviluppano una relazione stato-risposta robusta, mentre quelle ALS raggiungono valori simili ma con variabilità molto ampia, segno di un recupero delle risorse sinaptiche rapido ma disorganizzato. Questi risultati confermano la validità di TB come parametro di stato anche in reti corticali e forniscono nuove evidenze a supporto dell'ipotesi dying-forward per la SLA.

In vitro neuronal cultures coupled to microelectrode arrays (MEAs) allow high-resolution measurement of spontaneous and evoked electrophysiological activity in neural networks. Responses to repeated stimulations show marked trial-to-trial variability, attributable to the network state at the moment of stimulation. This work falls within the framework of state-dependent decoding, inspired by the model proposed by Nieus et al. (2018) [1] for hippocampal networks, which identifies Time from last network Burst (TB) as the most informative state variable for predicting evoked response amplitude. The aim of this thesis is to extend this approach to murine cortical networks, both healthy and affected by Amyotrophic Lateral Sclerosis (ALS), comparing the two phenotypes at two maturation stages (DIV 21 and DIV 28), using the dataset from Donati della Lunga et al. (2026) [2]. A MATLAB algorithm was developed to compute TB as the interval between the end of the last spontaneous burst and stimulus onset, and network response as the sum of evoked spikes within 400 ms. Data from the four experimental categories were analyzed via equi-populated binning on TB, computing median and interquartile range, followed by fitting with a two-parameter saturating exponential model applied to the raw distribution using bisquare robust regularization. Results show DIV 21 WT networks exhibit a weak, TB-independent response, indicating immaturity of the state-dependent mechanism, while DIV 21 ALS networks display marked early hyperexcitability. At DIV 28, healthy networks develop a robust state-response relationship, whereas ALS networks reach similar response levels but with much greater variability, indicating fast yet disorganized synaptic resource recovery. These findings confirm TB's validity as a state parameter in cortical networks and provide new quantitative evidence supporting the dying-forward hypothesis for ALS pathology.