Ricerca di finestre temporali di plasticità neurale per la riabilitazione motoria

Abstract

Il ciclo sonno-veglia (SWC) è un importante ritmo neurobiologico circadiano presente in diverse specie animali, compreso l'uomo. Si compone di tre stati principali: veglia, sonno a onde lente (SWS) e sonno con movimento rapido degli occhi (REM). Durante la SWC si verificano processi molecolari e cellulari che danno origine a oscillazioni elettrofisiologiche stereotipate, che a loro volta si sincronizzano e costituiscono la base dei processi cognitivi. In particolare, la triplice coordinazione tra oscillazioni di diversa frequenza (oscillazione lenta, spindle e ripple) durante la SWS è un biomarcatore chiave per il consolidamento della memoria. Quindi, considerando l'importanza del sonno nel supporto delle funzioni neurali fondamentali, prendere in considerazione la SWC può essere utile per lo sviluppo di soluzioni personalizzate nella neuroingegneria. Questo lavoro si propone di identificare i biomarcatori elettrofisiologici legati alla SWC (che possono rappresentare finestre privilegiate di plasticità) e di sviluppare un nuovo algoritmo di rilevamento degli stadi del sonno che permetta di evidenziare eventuali disfunzioni nel sonno. Per fare ciò, ho implementato personalmente tre tecniche: (i) rilevamento dei spindle, (ii) rilevamento degli stadi SWC e (iii) rilevamento dell'accoppiamento fase-ampiezza (PAC). Una volta individuato come varia la sincronizzazione delle onde cerebrali durante il sonno di un soggetto sano, abbiamo sviluppato un nuovo algoritmo che, sulla base di queste sincronizzazioni, è in grado di suddividerlo nei suoi diversi stadi (WK, SWS, REM). Questo è interessante perché, se utilizzato negli animali con danni cerebrali, permetterà di evidenziare eventuali disfunzioni nella SWC.

The sleep-wake cycle (SWC) is a significant circadian neurobiological rhythm found in various animal species, including humans. It consists of three main states: wakefulness, slow wave sleep (SWS), and rapid eye movement sleep (REM). Differently from the lay notion of a brain “shut down”, during the SWC molecular and cellular processes occur that give rise to stereotyped electro-physiological oscillations, which in turn synchronize and form the basis of cognitive processes. Particularly, the triple coordination between oscillations of different frequencies (slow oscillation, spindle and ripple) during SWS is a key biomarker for memory consolidation. So, considering the importance of sleep in the support of core neural functions, taking SWC into account may be beneficial to the development of personalized solutions in neuroengineering. This work, it aims to identify SWC-related electrophysiological biomarkers (that may represent privileged windows of plasticity) and develop of a new a sleep stage detection algorithm that will allow to highlight possible dysfunctions in sleep. To do that, I personally implemented three techniques: (i) spindle detection, (ii) SWC stage detection and (iii) phase-amplitude coupling (PAC) detection. Spindles are important synchronized events across SWC. SWC stages detection is needed to divide the signal into three main stages (WK, SWS, REM). PAC is the tool that we have chosen to assess the neural synchronization profiles of each major stage and during specific temporal windows in which sleep spindles occur. Once we have identified how the synchronization of brain waves varies during the sleep of a healthy subject, we have developed a new algorithm that, based on these synchronizations, can subdivide it into its different stages (WK, SWS, REM). This is interesting because, when used in animals in which we submitted a stroke model will allow to highlight possible dysfunctions in SWC.