Realistic cerebellar stellate neuron models based on morphological and electrophysiological data

The cerebellar stellate cells (SC) are located in the cerebellar molecular layer and play a critical role in modulating the activity of Purkinje cells (PC). SCs receive excitatory synaptic inputs from parallel fibers (pf) and transmit inhibitory synaptic outputs to other SCs and PCs. Two multi-compartmental biophysically realistic SC models have been reconstructed in Python-NEURON to investigate the electrophysiological SC microcircuit dynamics. Two 3D morphologies of mouse neurons are obtained from fluorescent images with confocal microscope experimental technique and analyzed with Neurolucida software. Ionic channels were located according to immunohistochemistry. The maximum ionic conductances (Gi-max) were tuned to match the firing pattern revealed by electrophysiological recordings in mice cerebellar slices using patch-clamp techniques. SC discharges elicited by step current injections were used as templates to extract the features needed to assess the fitness function for optimization. Gi-max tuning was performed by automatic parameter estimation algorithms, using the multi-objective genetic algorithm in Blue Brain Python Optimisation Library (BluePyOpt) Framework. The optimized models showed spontaneous firing with an average frequency of 19 Hz, suitable spike shape and amplitude and an almost linear I/O relationship when a series of positive somatic current injections is applied, reproducing the experimental results. The model provides a valuable tool to investigate the SC function in cerebellar network models

Modelli realistici delle cellule stellate cerebellari basati su dati morfologici ed elettrofisiologici. Le cellule stellate (SC) del cervelletto si trovano nello strato molecolare corticale e svolgono un ruolo fondamentale nella modulazione dell’attività bioelettrica delle cellule di Purkinje (PC). Le SC ricevono un input sinaptico eccitatorio da parte delle fibre parallele (pf) e trasmettono un output inibitorio ad altre SC ed alle PC. In Python-NEURON sono stati costruiti due modelli realistici, biofisici e multicompartimentali di SC al fine di investigare elettrofisiologicamente il microcircuito dinamico in cui sono inserite le SC. Due morfologie 3D di neuroni di topo sono stati ottenuti grazie ad immagini in fluorescenza provenienti dalla microscopia confocale ed analizzati col software Neurolucida. I canali ionici sono stati posizionati seguendo i dati di immunoistochimica. Le conduttanze ioniche massime (Gi-max) sono state calibrate al fine di ricreare il tracciato di attività bioelettrica registrato grazie alla tecnica del patch-clamp applicata a fettine coronali di cervelletto di topo. I pattern di scarica di potenziali d’azione di SC, evocati dall’iniezione di gradini di corrente, sono stati utilizzati come prototipi da cui estrarre i parametri biofisici utili alla procedura di ottimizzazione. La calibrazione automatica delle Gi-max è stata possibile grazie all’utilizzo dell’algoritmo genetico fornito dalla piattaforma informatica “Blue Brain Python Optimisation Library” (BluePyOpt). I modelli ottimizzati mostrano un’attività di firing spontaneo con una frequenza media di 19 Hz, una forma ed ampiezza dello spike adeguate ed una relazione Input/Output (I/O) pressoché lineare quando viene applicata una serie progressiva di iniezioni di correnti positive. Sono stati riprodotti i pattern di scarica ottenuti sperimentalmente. A questo punto i modelli sono importanti strumenti di simulazione del comportamento bioelettrico delle SC e possono essere utilizzati all’interno dei circuiti artificiali di rete neurale cerebellare.