modelos de predição linear para a análise de sinais...
TRANSCRIPT
-
UNIVERSIDADE FEDERAL DE UBERLNDIA FACULDADE DE ENGENHARIA ELTRICA
PS-GRADUAO EM ENGENHARIA ELTRICA
Modelos de Predio Linear para a Anlise
de Sinais Eletroencefalogrficos (EEG) e de Matrizes Multieletrodo (MEA)
Jaqueline Alves Ribeiro
Maio 2006
-
Livros Grtis
http://www.livrosgratis.com.br
Milhares de livros grtis para download.
-
UNIVERSIDADE FEDERAL DE UBERLNDIA FACULDADE DE ENGENHARIA ELTRICA
PS-GRADUAO EM ENGENHARIA ELTRICA
Modelos de Predio Linear para a Anlise de Sinais Eletroencefalogrficos (EEG) e
de Matrizes Multieletrodo (MEA)
Jaqueline Alves Ribeiro
Texto da dissertao apresentada Universidade Federal de
Uberlndia, perante a banca de examinadores abaixo, como parte dos
requisitos necessrios para a obteno do ttulo de Mestre em Cincias.
Aprovada em 29 de maio de 2006.
Banca Examinadora:
Prof. Elisngela P. Silveira Lacerda, Dra. (ICB/UFG)
Prof. Gilberto Arantes Carrijo, Dr. (FEELT/UFU)
Prof. Joo Batista Destro Filho, Dr. - Orientador (FEELT/UFU)
Prof. Joo Yoshiyuki Ishihara, Dr. (ENE/UnB)
Prof. Ubirajara Coutinho Filho, Dr. (Fequi/UFU)
Prof. Wilson Felipe Pereira, Dr. (ICBIM/UFU)
-
FICHA CATALOGRFICA Elaborada pelo Sistema de Bibliotecas da UFU / Setor de Catalogao e Classificao
R482m
Ribeiro, Jaqueline Alves, 1981- Modelos de predio linear para a anlise de sinais eletroencefalogrficos (EEG) e de matrizes multieletrodo (MEA) / Jaqueline Alves Ribeiro. - Uberlndia, 2006. 174 f. : il. Orientador: Joo Batista Destro Filho. Dissertao (mestrado) - Universidade Federal de Uberlndia, Programa de Ps-Graduao em Engenharia Eltrica. Inclui bibliografia. 1. Engenharia biomdica - Teses. 2. Processamento de sinais - Teses. I. Destro Filho, Joo Batista. II. Universidade Federal de Uberlndia. Programa de Ps-Graduao em Engenharia Eltrica. III. Ttulo. CDU: 61:62
-
Modelos de Predio Linear para a Anlise de Sinais Eletroencefalogrficos (EEG) e
de Matrizes Multieletrodo (MEA)
Jaqueline Alves Ribeiro
Texto da dissertao apresentada Universidade Federal de Uberlndia como parte dos
requisitos para obteno do ttulo de Mestre em Cincias.
Prof. Joo Batista Destro Filho, Dr.
Orientador
Prof. Darizon Alves de Andrade, Ph.D.
Coordenador do curso de Ps-Graduao
-
Aos meus pais, Antnio e Luzia, as minhas irms Adriana e Andrea
e ao meu afilhado Gabriel Victor pelo apoio e incentivo.
Esta no apenas uma conquista minha, mas sim de todos vocs, por tudo que fizeram por mim.
Obrigada!
-
iv
Agradecimentos A Deus pela vida e por guiar meus caminhos, por todas as bnos concedidas
para superar os momentos difceis nesta jornada. Minha f em Ti me fez acreditar que as
vitrias surgem atravs de esforos.
Aos meus amados pais, Antnio e Luzia, pelos princpios com que me criaram,
carinho e amor que tenho recebido; as minhas irms, Adriana e Andrea, em especial
Andrea por me ajudar a superar a dor nos momentos mais difceis, pela amizade, e
sempre estar do meu lado, incondicionalmente. Ao meu sobrinho Gabriel Victor, o
filho da dindinha, que me faz ver a vida do jeito dele, com as brincadeiras e risadas; ao
meu cunhado Alessandro, pelo apoio prestado, s vindas em Uberlndia, s mudanas,
e a toda minha famlia, tios, tias, avs, primos e primas, que sempre torceram pelo
meu sucesso.
madrinha Ondina por todo carinho e apoio prestado durante esta caminhada,
seus conselhos e sua amizade. Suas filhas Lara e Las, pelas descontraes.
amiga Flvia, minha mezinha de Uberlndia, pelo carinho, fora e
dedicao, por estar sempre por perto me auxiliando, em particular, s idas ao
supermercado, hidroginstica, fisioterapia, e aos amigos que conheci a partir dela,
clula Gerao guia pelos ensinamentos bblicos. Foi muito gratificante conhecer
vocs!
Aos meus amigos de longe e de perto pela fora e inspirao nessa jornada, as
conversas jogadas fora, as brincadeiras, as comidas comunitrias na Kitnet, os
conselhos, os passeios, os puxes de orelha merecidos, enfim... S Deus sabe o quanto
-
v
foram importantes quando os colocaram em meu caminho. Obrigada por fazerem parte
da minha vida!
Ao meu orientador Joo Batista Destro Filho, pelo constante estmulo e toda
ateno dedicada, e tambm pela compreenso nas minhas ausncias, por toda
confiana depositada em mim para a finalizao da dissertao.
Aos coordenadores da Ps-graduao com os quais tive contato durante minha
caminhada pela compreenso e apoio, acreditando em minha capacidade para concluir
esta jornada; secretria Marli Junqueira Buzzi pela dedicao e carinho e a todos os
funcionrios da Faculdade de Engenharia Eltrica da Universidade Federal de
Uberlndia que contriburam de alguma maneira para a concluso desta dissertao.
CAPES pela oportunidade do financiamento, mas que no foi possvel at o
final, pois tive que me ausentar durante o tratamento.
Ao Laboratrio de Engenharia Biomdica (BIOLAB) pelo amparo
tecnolgico e estrutural, aos colegas do BIOLAB, pela amizade e apoio durante esta
jornada, em especial, queles que conviveram comigo, Ailton Jr., Eduardo, Geovane,
Guilherme, Fbio, Karina, Marcelle, Saulo, Tiago Finotti. Obrigada a todos pelas
contribuies!!
A todos os professores que compem a banca, pelas discusses realizadas para a
finalizao deste trabalho, e tambm a disponibilidade em participar da defesa.
Aos alunos de Iniciao Cientfica, Rodrigo R. Cardoso e Aline R. de Assis
pela ajuda no processamento dos sinais, com esforo e dedicao. Ao acadmico de
Graduao de Engenharia Eltrica (UFU) Ronaldo J. Viana, por ter estudado toda a
base de dados EEG que compem este trabalho.
Universidade de Tampere (Finlndia), em particular ao Prof. A. Vrri, pelo
fornecimento da base de dados EEG. Tambm ao Prof. S. Martinoia, ao doutorando A.
N. Ide e todos os colegas da DIBE Universidade de Gnova, Itlia, pelo fornecimento
dos dados MEA utilizados neste trabalho. Prof. Nathalia Peixoto, Universidade de
Washington, USA, pelo registro das atividades eltricas neurais em microcrustceos.
-
vi
Ao Dr. Aguinaldo Bertucci (Hospital de Clnicas de Uberlndia),
neurocirurgio, e ao doutorando Fbio J. Parreira (BIOLAB), pelo intenso trabalho de
anlise e classificao do banco de dados EEG.
Ao Prof. Rodrigo Lemos Pinto (UFG) pelas referncias bibliogrficas, quando
estava em Goinia.
Aos colegas da Ps-Graduao, pelo companheirismo, colaborao e
aprendizagem que desenvolvemos juntos.
Por fim, agradeo a todos que direta e indiretamente contriburam para a
realizao desse feito, por me auxiliarem na imensa e inacabvel tarefa de auto-
conhecimento.
-
vii
No sei... Se a vida curta ou longa demais pra ns,
Mas sei que nada do que vivemos tem sentido, Se no tocamos o corao das pessoas.
Muitas vezes basta ser: Colo que acolhe,
Brao que envolve, Palavra que conforta, Silncio que respeita, Alegria que contagia,
Lgrima que corre, Olhar que acaricia,
Desejo que sacia, Amor que promove.
E isso no coisa de outro mundo, o que d sentido vida. o que faz com que ela no seja nem curta, nem longa demais,
Mas que seja intensa, verdadeira, pura... Enquanto durar...
Feliz aquele que transfere o que sabe e aprende o que ensina.
Cora Coralina
-
viii
Resumo RIBEIRO, J. A. Modelos de Predio Linear para anlise de Sinais
Eletroencefalogrficos (EEG) e de Matrizes Multieletrodo (MEA). Uberlndia: FEELT-
UFU, 2006, 174 f.
Esta dissertao objetiva propor modelos de sinais neurofisiolgicos, oriundos
de matrizes multieletrodo (MEA), utilizadas para a aquisio da atividade neural
espontnea a partir de clulas em cultura; bem como medidas neurolgicas obtidas de
eletroencefalografia (EEG). Os modelos so desenvolvidos no contexto aplicativo de
MEAs utilizadas como neuroimplantes, com especial enfoque na deteco e preveno
de crises epilpticas a partir de sinais EEG ou de medidas mais invasivas, obtidas em
nvel celular. Sob este enfoque, as tcnicas de processamento de sinais devem satisfazer
um compromisso complicado, exigindo baixa complexidade computacional e operao
em tempo real. Tais restries levam escolha da filtragem linear adaptativa, baseada
em modelo auto-regressivo, e teoria de estatsticas de ordem elevada (EOE) para,
respectivamente, processar sinais no-estacionrios e considerar a no-linearidade dos
sistemas envolvidos. O filtro de predio linear funcionou adequadamente para ambos
os sinais, sendo que para o caso da MEA, ele foi mais estvel e preciso. Observou-se
um menor tempo de convergncia para sinais EEG relativamente aos sinais MEA, os
quais, em sua maioria, podem ser considerados no-gaussianos e correlacionados,
ocorrendo uma atividade peridica em eletrodos vizinhos. A atividade neural
espontnea de pequenos grupos de neurnios pode ser considerada um rudo branco.
-
ix
Palavras-chave: predio linear, estatstica de ordem elevada,
eletroencefalografia, matriz multieletrodo, neuroimplante, codificao neural.
-
x
Abstract RIBEIRO, J. A. Linear-Prediction Models for Electroencephalographic (EEG) and
Multielectrode-Array (MEA) Signal Analysis. Uberlndia: FEELT-UFU, 2006, 174 f.
This work establishes models of neurophysiological signals, which are
composed of spontaneous activity measurements taken by means of multielectrode
arrays (MEAs) applied on in vitro cell cultures; as well as of neurological signals based
on electroencephalography. These models suppose that MEAs are employed as
neuroprostheses applied for detection and forecast of epileptic seizures, based on EEG
signals or on invasive measurements which are taken in a cellular level. From this point
of view, the signal processing tools must fulfil a problematic trade-off involving low
computational complexity and real-time operation. Such requirements lead to the choice
of auto-regressive adaptive-linear filtering and high-order statistics (HOE) as the
techniques to be used in order to cope with, respectively, non-stationary signals and
nonlinear systems. Linear prediction of both signals is quite efficient, particularly in the
case of MEA signals, for which the model is stable and accurate. On the other hand, the
convergence times for EEG signals are lower then their respective counterparts for
MEA signals, which may be considered mainly non-Gaussian and correlated. Cyclic
activity was also observed for MEA signals associated with neighboring electrodes,
whereas signals recorded from small groups of neurons present a white-noise behaviour.
Key-words: linear prediction, high-order statistics, electroencephalography,
multielectrode arrays, neuroprostheses, neural coding.
-
xi
Contedo Lista de Figuras................................................................................ XVI
Lista de Tabelas...............................................................................XXII
Lista de Abreviaturas e Smbolos................................................ XXIV
1. Introduo .......................................................................................26
2. Conceitos bsicos em neurofisiologia e neurologia .....................31
2.1 Introduo.................................................................................................... 31
2.2 O neurnio .................................................................................................. 32
2.2.1 Membrana Celular ............................................................................ 34
2.2.2 Canais inicos................................................................................... 36
2.3 Sinapses entre neurnios ............................................................................. 39
2.4 Potencial de membrana dos neurnios ........................................................ 42
2.4.1 Potencial de ao .............................................................................. 42
2.4.2 Potencial Ps-Sinptico (PPS).......................................................... 46
2.5 Medidas Neurofisiolgicas: Matrizes Multieletrodo (MEA) ...................... 47
2.5.1 Culturas Celulares ............................................................................ 47
2.5.2 Interface bioeletrnica ...................................................................... 49
2.5.3 Matrizes Multieletrodo ..................................................................... 50
2.5.4 Utilizao e Fabricao das MEAs................................................... 52
-
xii
2.5.5 Histrico ........................................................................................... 55
2.5.6 Aplicaes ........................................................................................ 56
2.6 O Sistema Nervoso (SN) ............................................................................. 62
2.6.1 Sistema Nervoso Central .................................................................. 64
2.6.1.1 A medula.................................................................................................. 65
2.6.1.2 O encfalo ................................................................................................ 67
2.6.2 Sistema Nervoso Perifrico .............................................................. 70
2.6.2.1 Sistema nervoso Autnomo. .................................................................... 70
2.6.3 Crebro ............................................................................................. 71
2.6.3.1 O crtex cerebral...................................................................................... 72
2.7 Medidas Neurolgicas: O Eletroencefalograma (EEG) .............................. 74
2.7.1 Introduo......................................................................................... 74
2.7.2 Medio ............................................................................................ 76
2.7.3 Caractersticas estatsticas do sinal EEG.......................................... 80
2.7.4 Tipos de ondas EEG ......................................................................... 81
2.8 Epilepsia ...................................................................................................... 83
2.9 Concluso .................................................................................................... 85
3. Sntese Bibliogrfica sobre Processamento de Sinais EEG e MEA .................................................................................................88
3.1 Introduo.................................................................................................... 88
3.2 Consideraes gerais e processamento digital de sinais EEG..................... 88
3.3 Processamento de sinais MEA .................................................................... 90
3.3.1 Pr-processamento e gerao da srie temporal e intervalos entre
spikes ............................................................................................... 90
3.3.2 Classificao dos spikes .................................................................. 93
-
xiii
3.3.3 Estimao da conectividade neural ................................................. 95
3.4 Concluso .................................................................................................... 97
4. Predio Linear Adaptativa e Estatstica de Ordem Elevada (EOE) .............................................................................................100
4.1 Introduo.................................................................................................. 100
4.2 Filtragem Adaptativa................................................................................. 101
4.3 Clculo dos Filtros .................................................................................... 105
4.3.1 Filtro timo: aproximaes de Wiener .......................................... 105
4.3.2 Filtros subtimos: aproximao estocstica .................................. 109
4.4 Predio Linear Direta (forward)........................................................... 111
4.4.1 Modelo auto-Regressivo (AR) ....................................................... 112
4.4.2 Modelo da Predio Linear Direta ................................................. 112
4.4.3 Critrios para uma boa predio..................................................... 113
4.4.4 Soluo tima de Wiener para Predio Linear Direta .................. 113
4.4.5 Soluo subtima usando aproximao estocstica do Gradiente . 117
4.5 Predio Linear Reversa (backward) .................................................... 119
4.5.1 Modelo auto-Regressivo (AR) Reverso ......................................... 119
4.5.2 Modelo da Predio Linear Reversa............................................... 119
4.5.3 Critrios para uma boa predio..................................................... 120
4.5.4 Soluo tima de Wiener para Predio Linear Reversa ............... 120
4.5.5 Soluo subtima usando aproximao estocstica do Gradiente
Reversa ........................................................................................... 121
4.6 Estatsticas de Ordem Elevada (EOE)....................................................... 122
4.6.1 Funes com uma varivel aleatria ............................................. 123
4.6.2 Funes com vrias variveis aleatrias......................................... 125
-
xiv
4.6.3 O rudo branco e os ndices de descorrelao ................................ 128
4.7 Concluso .................................................................................................. 129
5. Simulaes e Resultados...............................................................132
5.1 Introduo.................................................................................................. 132
5.2 Aquisio dos Sinais ................................................................................. 133
5.3 Ferramentas e Metodologia ....................................................................... 135
5.3.1 Processamento dos dados e critrios utilizados na Predio Linear135
5.3.2 Processamento de dados utilizado para estimao dos ndices de
descorrelao .................................................................................. 140
5.4 Resultados 1: EEG e Predio Linear ....................................................... 142
5.4.1 Processamento do banco de dados contendo sinais EEG com crise142
5.4.2 Processamento do banco de dados contendo sinais EEG sem crise144
5.4.3 Comparao dos resultados do banco de dados EEG/Crise e
EEG/SemCrise................................................................................ 146
5.5 Resultados 2: MEA e Predio Linear ...................................................... 147
5.5.1 Processamento de dados de sinais MEA Teste 1......................... 147
5.5.2 Processamento de dados de sinais MEA Teste 2......................... 150
5.5.3 Resumo dos resultados dos Testes 1 e 2 e comparao dos resultados
obtidos com os sinais EEG............................................................. 151
5.6 Resultados 3: MEA como Rudo Branco .................................................. 153
5.7 Concluso .................................................................................................. 155
6. Concluses e Trabalhos Futuros .................................................158
6.1 Concluses gerais ...................................................................................... 158
6.2 Trabalhos futuros....................................................................................... 162
Referncias Bibliogrficas.................................................................163
-
xv
Anexos .................................................................................................174
-
xvi
Lista de Figuras Figura 1.1 Neurnios reais (adaptada de (LENT, 2001).......................................... 27
Figura 2.1 Um neurnio motor e suas partes constituintes (adaptada de (URL 1)). 33
Figura 2.2 Neurnios em conexo e o boto sinptico no detalhe (adaptada de
(URL 2)) ................................................................................................. 34
Figura 2.3 Desenho esquemtico de uma clula, evidenciando suas organelas e a
membrana plasmtica (adaptada de (URL 4))........................................ 35
Figura 2.4 Desenhos esquemticos da membrana plasmtica com seus canais
proticos. Acima uma membrana com seus vrios canais numa viso
tridimensional (adaptada de (CARDOSO, 2005)). Abaixo os canais
inicos em evidncia (adaptada de (LENT, 2001))................................ 37
Figura 2.5 Sinapse qumica (adaptada de (URL 5)) ................................................ 39
Figura 2.6 Botes sinpticos em um neurnio receptor. Eles existem tanto no
soma como nos dendritos, s vezes ocorrendo tambm no incio do
axnio (cone axonal) (adaptada de (GUYTON, 2002)) ......................... 40
Figura 2.7 Boto sinptico em detalhe, evidenciando as vesculas e as
mitocndrias. Na fenda sinptica esto os neurotransmissores
(adaptada de (FRISN, 1999))............................................................... 41
Figura 2.8 Potencial de ao exibido em um osciloscpio (adaptada de (URL 6)). 43
Figura 2.9 Representao de uma onda de despolarizao e repolarizao
associada ao potencial de ao (adaptada de (GUYTON, 2002)) .......... 43
-
xvii
Figura 2.10 Potencial de ao (adaptada de (VILELA, 2005)) ................................. 44
Figura 2.11 Princpio do tudo-ou-nada: em A), o potencial de ao (PA) do
neurnio pr-sinptico gera um potencial ps-sinptico excitatrio
(PPSE) que no chega a atingir o limiar; em B), um trem de PAs gera
um PPSE que ultrapassa o valor de limiar, o que faz com que seja
deflagrado um PA no neurnio ps-sinptico (adaptada de (LENT,
2001)) ..................................................................................................... 45
Figura 2.12 Eventos eletroqumicos da sinapse excitatria e sinapse inibitria
(adaptada de (GUYTON, 2002))............................................................ 47
Figura 2.13 Interface bioeletrnica (adaptada de (FROMHERZ, 2003)).................. 49
Figura 2.14 Caminho neurnio- chip - neurnio (adaptada de (FROMHERZ,
2003)). Vide arranjo (c) da Figura 2.13.................................................. 50
Figura 2.15 Conjunto de eletrodos em um tecido nervoso (adaptada de
(RENNAKER, 2005)) ............................................................................ 51
Figura 2.16 Exemplos de aplicao das matrizes de microeletrodos (adaptada de
PEIXOTO, 2001) (a) corte de cultura em tecido do cerebelo sobre
MEA, (b) cultura celular de neurnios isolados do gnglio da raiz
dorsal de ratos em cultura (14 dias)........................................................ 52
Figura 2.17 Matriz tridimensional fabricada com tcnicas de
microeletromecanismos (adaptada de (BAY, 2000)) ............................. 53
Figura 2.18 Esquema geral da fabricao da MEA (adaptada de (PEIXOTO, 2001))53
Figura 2.19 (a) Matriz de microeletrodos com neurnios e sinais extracelulares
medidos de vrios neurnios em cada eletrodo. Gnglio abdominal de
Aplysia (adaptada de (STENGER, 1994)). (b) Sinais de uma matriz
extracelular versus sinais medidos com eletrodos intracelulares
(adaptada de (BEADLE, 1988)) ............................................................. 58
Figura 2.20 MEA funcionando como neuroimplante em um nervo fibular (adaptada
de (RUTTEN, 1999)).............................................................................. 59
-
xviii
Figura 2.21 Esquema de um neuroimplante inteligente (adaptada de (PEREIRA,
2004)) ..................................................................................................... 60
Figura 2.22 Clulas gliares: astrcitos (nutrio), oligodentrcitos (sustentao) e
clulas microgliais (defesa) (adaptada de (VILELA, 2005)................... 63
Figura 2.23 Figura esquemtica mostrando o SNC, representado pelo encfalo e
pela medula e o SNP, representado pelos nervos (adaptada de
(FRISN, 1999)).................................................................................... 64
Figura 2.24 Meninges: Dura-mter (mais externa), Aracnide (Intermediria) e
Pia-mter (mais interna)(adaptada de (CARDOSO, 2005))................... 65
Figura 2.25 Medula Espinhal e Encfalo (adaptada de (CARDOSO, 2005)) ........... 66
Figura 2.26 O encfalo (adaptada de (URL 6)) ......................................................... 67
Figura 2.27 Diencfalo e Tronco Enceflico. Vista posterior do encfalo com
excluso do cerebelo (adaptada de (VILELA, 2005))............................ 68
Figura 2.28 Ponte e Bulbo em evidncia, com o cerebelo ao fundo e parte do
telencfalo acima. Vista anterior do encfalo (adaptada de CARDOSO,
2005)) ..................................................................................................... 69
Figura 2.29 Seco mostrando a metade direita do encfalo vista por dentro,
evidenciando suas subdivises (adaptada de (VILELA, 2005)) ............ 69
Figura 2.30 Sistema Nervoso Central e Perifrico. Evidncia de parte do Sistema
Nervoso Autnomo (Simptico e Parassimptico), bem como de
exemplo de nervos motores e sensoriais (adaptada de (CARDOSO,
2005)) ..................................................................................................... 71
Figura 2.31 Lobos do crtex cerebral (adaptada de (VILELA, 2005)) ..................... 72
Figura 2.32 Subdivises funcionais corticais, cerebelo e tronco enceflico
(adaptada de (VILELA, 2005)) .............................................................. 73
Figura 2.33 Eletrodos posicionados no escalpo e o registro eletroencefalogrfico
(adaptada de (LENT, 2001))................................................................... 76
Figura 2.34 Eletrodos de disco de prata (modelos da Grass) (adaptada de
(BUTTON, 2000)).................................................................................. 77
-
xix
Figura 2.35 Eletrodos de agulha de platina (modelos da Grass) (adaptada de
(BUTTON, 2000)).................................................................................. 77
Figura 2.36 Eletrodos nasofarngeo (adaptada de (BUTTON, 2000))....................... 78
Figura 2.37 Eletrodos prefixados em grade (adaptada de (BUTTON, 2000)). Touca
com eletrodos posicionados (adaptada de (CARDOSO, 2005)) ............ 78
Figura 2.38 Eletrodos tipo clipe de orelha (ear clip) (adaptada de (BUTTON,
2000)) ..................................................................................................... 79
Figura 2.39 Eletrodos corticais (adaptada de (BUTTON, 2000)).............................. 79
Figura 2.40 Exemplos de ondas cerebrais (adaptada de (BUTTON, 2000) &
BERNARDI, 1999)) ............................................................................... 83
Figura 3.1 Forma de onda extracelular com diferentes potenciais de ao (adaptada
de (LEWICKI, 1998)) ............................................................................ 90
Figura 3.2 Mtodos de extrao da populao dos spikes (PS) (adaptada de (CHAN,
2004)) ..................................................................................................... 93
Figura 3.3 Histograma de intervalo de neurnio cruzado. Eixo y: intervalo entre
spikes [ms]. Eixo x: tempo [ms] (adaptada de (CASTELLONE, 2003))96
Figura 4.1 Diagrama de blocos representando o problema de filtragem estatstica
(adaptada de (WIDROW, 1985)) ......................................................... 102
Figura 4.2 Filtro Adaptativo usado para a identificao de um sistema (adaptada
de (HAYKIN, 1991))............................................................................ 103
Figura 4.3 Aplicao da filtragem adaptativa ao modelamento inverso (adaptada
de (HAYKIN, 1991))............................................................................ 104
Figura 4.4 Filtragem adaptativa aplicada predio. A sada 1 corresponde
predio do valor de entrada; A sada 2 refere-se ao erro de predio
( adaptada de (HAYKIN, 1991)) .......................................................... 104
Figura 4.5 Filtro adaptativo utilizado no cancelamento de interferncias (adaptada
de (HAYKIN, 1991))............................................................................ 105
-
xx
Figura 4.6 Ilustrao do problema geral do Filtro de Wiener. Dados dois
processos estacionrios, x(n) e d(n), que so estatisticamente
descorrelacionados entre si, o filtro W(z) minimiza a estimativa do erro
mdio quadrtico, d (n), de d(n). (adaptada de (DE FATTA, 1988)). 106
Figura 4.7 Filtro Transversal com N coeficientes (adaptada de (HAYKIN, 1991))107
Figura 4.8 Representao grfica de w1 x freqncia ........................................... 116
Figura 4.9 Representao grfica de w2 x freqncia ........................................... 116
Figura 4.10 Grfico da Funo Laplaciana, com seus momentos e cumulantes de
ordem 1 a 4 ........................................................................................... 127
Figura 4.11 Grfico da Funo Gaussiana, com seus momentos e cumulantes de
ordem 1 a 4. .......................................................................................... 127
Figura 4.12 Grfico da Funo Uniforme, com seus momentos e cumulantes de
ordem 1 a 4 ........................................................................................... 127
Figura 5.1 Potenciais de ao associados a neurnios do gnglio cerebral do
caramujo Tritonia diomedea (adaptada de (PEIXOTO, 2002)) ........... 134
Figura 5.2 Exemplo de um grfico tpico de eqm x n. Eixo x: tempo. Eixo y: erro
quadrtico mdio................................................................................... 137
Figura 5.3 Exemplo de EQMr, em um grfico tpico de eqm x n. O valor de EQMr,
calculado como mdia entre n=400 e n=600, . ................... 138 68EQMr
Figura 5.4 Exemplo de um grfico tpico de eqm x n em que o PM representa o
ponto mais alto do grfico, ocorrendo em n 600. ............................. 138
Figura 5.5 Exemplo de um grfico tpico de eqm x n em que o TC representa a
convergncia do sinal MEA TC 600. ................................................ 139
Figura 5.6 Exemplo de grfico tpico de eqm x n para o caso de um sinal EEG
com crise TE 600 ............................................................................... 140
Figura 5.7 Grfico PM x N para o processamento do banco de dados EEG/Crise.142
-
xxi
Figura 5.8 Grfico EQMr x N para o processamento do banco de dados
EEG/Crise............................................................................................. 142
Figura 5.9 Grfico TC x N para o processamento do banco de dados EEG/
Crise. .................................................................................................... 143
Figura 5.10 Grfico TE x N para o processamento do banco de dados EEG/Crise. 143
Figura 5.11 Grfico PM x N para o processamento do banco de dados EEG/Sem
Crise...................................................................................................... 144
Figura 5.12 Grfico EQMr x N para o processamento do banco de dados EEG/Sem
Crise...................................................................................................... 145
Figura 5.13 Grfico TC x N para o processamento do banco de dados EEG/Sem
Crise...................................................................................................... 145
Figura 5.14 Grfico PM x N para o sinal de MEA. ................................................. 148
Figura 5.15 Grfico EQMr x N para o sinal de MEA.............................................. 148
Figura 5.16 Grfico TC x N para sinal de MEA...................................................... 149
Figura 5.17 Grfico PM x N para o sinal de MEA. ................................................. 150
Figura 5.18 Grfico EQMr x N para o sinal de MEA.............................................. 150
Figura 5.19 Grfico TC x N para sinal de MEA...................................................... 151
-
xxii
Lista de Tabelas Tabela 2.1 Ondas cerebrais (adaptada de (BUTTON, 2000)) ................................. 81
Tabela 4.1 Algumas aplicaes da filtragem adaptativa. ....................................... 103
Tabela 4.2 Funo Laplaciana................................................................................ 127
Tabela 4.3 Funo Gaussiana................................................................................. 127
Tabela 4.4 Funo Uniforme.................................................................................. 127
Tabela 4.5 Sumrio das variveis do filtro de Wiener (adaptada de (HAYKIN,
1991)) ................................................................................................... 130
Tabela 5.1 Classificao dos sinais baseados nos ndices de descorrelao .......... 141
Tabela 5.2 Comparao dos resultados EEG/Crise e EEG/Sem Crise: Ordem de
filtro e passo de adaptao.................................................................... 146
Tabela 5.3 Comparao dos resultados EEG/Crise e EEG/Sem Crise: Tempo de
convergncia e tempo de estacionariedade........................................... 146
Tabela 5.4 Comparao dos resultados EEG/Crise e EEG/Sem Crise: Pico Mximo
e erro quadrtico mdio de regime permanente. .................................. 147
Tabela 5.5 Comparao dos Resultados MEA: Ordem de filtro e passo de
adaptao .............................................................................................. 152
Tabela 5.6 Comparao dos Resultados MEA: Pico Mximo e erro quadrtico
mdio de regime permanente................................................................ 152
Tabela 5.7 Comparao dos Resultados MEA: Tempo de convergncia .............. 152
-
xxiii
Tabela 5.8 ndices de descorrelao para diversos sinais ...................................... 153
Tabela 5.9 IDE para os sinais MEA descorrelacionados ....................................... 154
Tabela 5.10 IDE para os sinais MEA correlacionados............................................. 154
Tabela 5.11 IDE para os sinais MEA cclicos.......................................................... 155
-
xxiv
Lista de Abreviaturas e Smbolos ADP Adenosine Diphosphate (Difosfato de Adenosina ou Adenosina di-fosfato)
Ag-AgCl Prata-cloreto de prata
ATP Adenosine triphosphate (Trifosfato de Adenosina ou Adenosia tri-fosfato)
ANE Atividade Neural Espontnea
AR Modelo Auto-Regressivo
CMRR Common-Mode Rejection Ratio (Razo de Rejeio em Modo Comum)
EEG Eletroencefalografia, Eletroencefalograma ou Eletroencefalogrfico(a)
eqm Erro Quadrado Mdio
EOE Estatstica de Ordem Elevada
EQMr Erro Quadrado Mdio de Regime Permanente
ERG Eletroretinograma
GPS Global Positioning System (Sistema de Posicionamento Global)
ICM Interface Crebro-Mquina
IDE ndice de Descorrelao Elevada
K+ on Potssio
LMS Least Mean Square (Mnimos Quadrados Mdios)
MEA Multielectrode Array (Matriz Multieletrodo)
N Ordem do Filtro
-
xxv
Na+ on Sdio
P on Fosfato
PA Potencial de Ao
pdf Funo de densidade de probabilidade
PDS Processamento Digital de Sinais
PM Pico Mximo
PPS Potencial Ps-Sinptico
PPSE Potencial Ps-sinptico Excitatrio
PPSI Potencial Ps-sinptico Inibitrio
SN Sistema Nervoso
SNC Sistema Nervoso Central
SNP Sistema Nervoso Perifrico
SNR Signal-To-Noise Ratio (Relao Sinal-Rudo)
SUS Sistema Pblico de Sade
TC Tempo de Convergncia
TE Tempo de Estacionariedade
URL Uniform Resource Locator (localizao de informao na Internet)
USA Estados Unidos da Amrica
UTI Unidade de Tratamento Intensivo
Passo de Adaptao
Ohms
-
26
Captulo 1
Introduo O crebro um rgo que surpreende e impressiona. como uma ponte, por
assim dizer, entre conscincia e mundo exterior. Por isso mesmo tem sido, ao longo
da histria humana, objeto de inmeros questionamentos, instigando cientistas e
filsofos a elaborarem diferentes perspectivas a respeito de suas funes. Todavia,
graas ao avano dos instrumentos mdicos e aos estudos fisiolgicos do corpo
humano, o crebro est sendo melhor compreendido.
Alm de funes motoras e sensitivas, o crebro responsvel ainda pelo
desempenho de importantes atividades superiores como a memria e a cognio.
Trata-se de um dos mais misteriosos rgos do corpo humano. E por mais que
tentemos desvendar seus segredos, difcil compreend-lo.
No entanto, a cincia mdica, assim como a engenharia eletrnica, a
computao, e, atualmente, a engenharia neural, seguem de mos dadas com os
avanos tecnolgicos no intuito de melhor conhecer esta mquina, a qual, por sua vez
nos permite conhecer o mundo. Logo, o enfoque das pesquisas envolve o neurnio
(vide Figura 1.1), a unidade bsica do sistema nervoso, e o grande responsvel pelo
processamento das informaes no encfalo.
-
27
Figura 1.1 Neurnios reais (adaptada de (LENT, 2001)).
O desenvolvimento de diversas tcnicas, no sculo XX e no incio do sculo
XXI, capazes de realizar diferentes abordagens de estudo sobre o Sistema Nervoso
Central (SNC), vem possibilitando uma melhor compreenso do seu funcionamento
(HOLLAND, 2003). Contudo, ainda h muitos questionamentos acerca de diversas
patologias que afetam o SNC. Tornou-se possvel estudar as atividades cerebrais,
desde uma atividade motora ou sensitiva a uma atividade cognitiva, ou ainda o efeito
de uma patologia. Todavia, diversas disfunes do corpo humano consistem em
desafios para a medicina (Proc. IEEE, 2001). Dentre elas, devem-se destacar a
epilepsia, o controle da dor, e as distrofias. Esses desafios envolvem o
desenvolvimento de modelos matemticos eficientes e compatveis ao contexto
fisiolgico humano.
Uma das formas de modelar o crebro se baseia no estudo dos potenciais
eltricos evocados do crtex cerebral e captados por eletrodos dispostos no escalpo.
Para tal estudo, a eletroencefalografia (EEG) consiste em uma importante ferramenta
que permite o diagnstico e a anlise de diversas patologias que perturbam o crebro,
alm do monitoramento de pacientes em enfermarias ou UTIs e o acompanhamento
de fenmenos cognitivos.
Evidentemente, dentre estas patologias, pode-se citar a epilepsia, que atinge
cerca de 1% da populao mundial, ou 50 milhes de pessoas, dos quais 25% no
respondem ao tratamento com o mtodo tradicional (URL 10), que preconiza o uso de
-
28
drogas anticonvulsivantes. Pode-se citar, tambm, a dor crnica associada a processos
metastticos em pacientes terminais (Proc. IEEE, 2001).
As novas hipteses sobre os mecanismos desencadeantes das crises
epilpticas, fruto concreto da interao entre mdicos e engenheiros, aliada
moderna tecnologia de instrumentao biomdica, sugerem novas formas de terapia.
Em LITT e colaboradores (2003), os autores descrevem planos para a construo de
neuroimplantes que minimizariam crises epilpticas, incluindo experimentos
preliminares de eletroestimulao em animais. Tais circuitos funcionariam como
marcapassos cardacos, monitorando a atividade eltrica do crebro e identificando
fatores responsveis por uma crise. Uma vez detectada a possibilidade iminente de
crise, o dispositivo provocaria uma eletroestimulao no crebro ou em um nervo
perifrico, com objetivo de eliminar a crise. Similarmente, neuroimplantes tambm
poderiam ser utilizados para minimizar sensaes dolorosas, atravs da eletro-
estimulao, ou da neuromodulao obtida atravs da filtragem seletiva de potenciais
de ao do sistema nociceptivo.
Por outro lado, as recentes pesquisas esto causando uma revoluo nos
conceitos de instrumentao neurofisiolgica. Dentre elas, esto a interface
bioeletrnica, que permite mecanismos de transduo de um impulso nervoso de um
neurnio para dentro de um circuito eletrnico e vice-versa. Deve-se citar, tambm, as
matrizes multieletrodo (RUTTEN, 2002), que permitem a aquisio sistemtica de
potenciais de ao, utilizando os neurnios em cultura.
Alm disso, atravs de estmulos eltricos e da anlise da resposta neural celular
a estes, obtm-se resultados interessantes, diretamente aplicveis em neurocincia e em
procedimentos ligados reabilitao. Esta pesquisa constitui a base essencial para a
utilizao clnica de neuroimplantes especializados e/ou eletroestimulao em seres
humanos, as quais so atualmente limitadas pelos elevados custos da tecnologia de
matrizes multieletrodo (MEA).
De qualquer forma, o desenvolvimento tecnolgico da MEA, aliada ao
rompimento de barreiras no modelamento de sistemas complexos, tende em mdio e
longo prazos estabelecer novos pontos de vista sobre as patologias do sistema nervoso,
incluindo tambm os sinais EEG.
-
29
Enfim, surgem os desafios para a concretizao destas novas terapias, que so
paralelos ao desafio do modelamento dos fenmenos biolgicos associados. Dentre
estes, para o processamento de sinais, podem-se citar:
Propor modelos simples para compreenso intuitiva e desempenho eficiente,
atravs de algoritmos de baixa complexidade computacional;
Estabelecer um conhecimento sobre as caractersticas estatsticas do sinal MEA,
buscando novos pontos de vista sobre as patologias que envolvem a alterao da
neurodinmica, associada transmisso de informaes atravs do SNC;
Processar simultaneamente, atravs de MEA, vrios tipos de sinais biolgicos,
tanto em nvel celular, como em nvel neurolgico (EEG).
Esta dissertao representa um passo inicial para o desenvolvimento de
tecnologia prpria, em resposta aos desafios mencionados no pargrafo anterior. As
estratgias escolhidas para atingir as metas acima citadas esto descritas em detalhes em
cada um dos captulos deste trabalho.
No Captulo 2, faz-se uma sntese dos conceitos bsicos de neurofisiologia e
neurologia, bem como sobre as respectivas medidas que fornecem os sinais eltricos
utilizados nesta dissertao: a instrumentao atravs de MEAs, baseadas em culturas in
vitro, e os exames EEG. Discutem-se tambm aspectos fisiolgicos e epidemiolgicos
da epilepsia.
No Captulo 3, faz-se uma breve sntese das principais tcnicas atualmente
empregadas para o processamento de sinais oriundos de EEG e MEA, com enfoque
neste ltimo.
Com isso, no Captulo 4, apresentam-se as ferramentas tericas propostas que
tentam, de certa maneira, minimizar as limitaes das tcnicas atualmente utilizadas na
anlise da codificao neural e da epilepsia, buscando atender ao mximo os desafios
especificados como metas deste trabalho.
No Captulo 5, apresentam-se os resultados obtidos atravs da aplicao das
tcnicas apresentadas no Captulo 4 anlise de sinais MEA e EEG. Apresentam-se os
clculos e os resultados finais que conduzem aos modelos simples, em termos das
aproximaes auto-regressiva e rudo branco.
-
30
Por fim, no Captulo 6, so analisados os resultados obtidos em comparao aos
desafios iniciais. Sugestes importantes para trabalhos futuros, que podero ser
realizados a partir desta dissertao, so tambm apresentadas.
As principais contribuies desta dissertao so listadas logo abaixo:
A apresentao de um texto nico, reunindo informaes fisiolgicas em nvel
celular e neurolgico, que propicia uma conexo entre a epilepsia, o EEG, a
MEA e os fenmenos fisiolgicos associados (Captulo 2);
A discusso a respeito dos ndices de descorrelao elevada (Captulo 4);
O estabelecimento de modelos paramtricos AR para sinais EEG e MEA, de
baixa complexidade computacional (Captulo 5), permitindo concluses
importantes no contexto aplicativo de neuroimplantes;
A investigao detalhada, at a ordem n4, sobre a estrutura estatstica dos sinais
MEA (Captulo 5), que sugere novas perspectivas para o estudo da codificao
neural.
-
31
Captulo 2
Conceitos bsicos em neurofisiologia e neurologia
2.1 Introduo
Neste captulo apresentam-se os conceitos sobre os quais se baseiam as medidas
eletrofisiolgicas que contextualizam a aplicao deste trabalho. Tambm se apresentam
as estruturas biolgicas de interesse, com suas respectivas instrumentaes, em dois
nveis: celular e neurolgico.
Inicialmente, faz-se um estudo do neurnio, em particular de suas propriedades
especiais no que diz respeito aos potenciais eltricos. Em seguida, analisa-se o sinal de
matriz de multieletrodo (MEA), sua fabricao e aplicaes, como tambm as novas
tcnicas de instrumentao neurofisiolgica que sugerem a implementao de
neuroimplantes especializados.
Em seguida, de forma sucinta, explicam-se os princpios gerais do
funcionamento do sistema nervoso, destacando-se algumas reas funcionais do crebro,
uma vez que sua compreenso influencia a interpretao dos sinais de
eletroencefalografia (EEG). Consequentemente, faz-se uma breve reviso sobre os
sinais de EEG e suas caractersticas estatsticas; e tambm da epilepsia, suas causas,
tipos e conseqncias na populao mundial, particularmente no Brasil.
-
32
2.2 O neurnio
Todos os estmulos do nosso ambiente, causando sensaes como dor e calor; os
sentimentos, pensamentos, programao de respostas emocionais e motoras; a
aprendizagem e memria, a ao de drogas psicoativas, os distrbios mentais; bem
como qualquer outra ao ou sensao do ser humano, no podem ser entendidas sem o
conhecimento do processo de comunicao entre os neurnios.
O neurnio uma clula como qualquer outra: possui organelas, ncleo
individualizado, necessita de oxignio e nutrientes, e envolta por uma membrana
plasmtica. O que diferencia um tipo de clula de outra a sua funo no nosso
organismo. Portanto o que difere os neurnios de outras clulas, alm da sua maior
necessidade metablica, a sua funo especializada. Ela tem como funo receber,
processar e transmitir impulsos eletroqumicos, ou impulsos nervosos, que so sinais de
comunicao e codificao. Pode, assim, ser considerado como a unidade funcional
fundamental do sistema nervoso (LENT, 2001).
Cada neurnio compreende (vide Figura 2.1):
um corpo celular que contm um ncleo, retculo endoplasmtico muito
abundante (corpos de Nissl), mitocndrias, aparelho de Golgi e neurofibrilas;
uma ou mais ramificaes de filamentos citoplasmticos finos, denominados
dendritos, que conduzem os impulsos at ao corpo celular;
um prolongamento, o axnio, que pode ser muito longo e apresentar
ramificaes na sua parte distal ou, ao longo da sua extenso, formando
ramificaes colaterais. Em alguns casos, os axnios podem estar rodeados por
uma substncia esbranquiada, de natureza lipdica, a mielina, recoberta por
uma pelcula de citoplasma contendo ncleos, designada por bainha de
Schwann. A bainha de mielina descontnua, dando origem formao de
ndulos de Ranvier.
-
33
Figura 2.1 Um neurnio motor e suas partes constituintes (adaptada de (URL 1))
Os neurnios so clulas grandes, com numerosas projees, denominadas
dendritos. A maioria dos sinais recebida pelos neurnios em seus dendritos, outros
sinais so recebidos no corpo celular e alguns poucos no incio do axnio. Acredita-se
que no crebro existam cerca de 100 bilhes de neurnios.
Qualquer funo cognitiva, como pensar, mover, dormir, olhar, sentir, envolve a
integrao de um nmero desconhecido de neurnios, em reas especficas do crebro; e
de estruturas nervosas do organismo, fora do crebro. Os neurnios se interconectam em
complexas cadeias, e a mensagem viaja atravs de cada neurnio na forma de impulsos.
Os sinais eltricos transmitidos pelos neurnios se baseiam na movimentao de
ons (tomos, ou grupos de tomos, que perderam ou receberem eltrons), com cargas
positivas ou negativas, que se formam ao longo do neurnio como fruto de reaes
qumicas. Os neurnios podem ser classificados como:
Neurnios sensoriais ou aferentes: transmitem impulsos do exterior para
o sistema nervoso central;
Neurnios motores ou eferentes: transmitem impulsos do sistema
nervoso central para o exterior;
Neurnios de associao: conduzem impulsos entre os outros dois tipos
de neurnios.
Como qualquer outra clula, o neurnio possui um certo potencial de membrana,
a ser discutido mais adiante. O neurnio, por ser uma clula excitvel, tem este
potencial modificado dependendo dos estmulos que sofre atravs de sinapses (Figura
-
34
2.2), ou de outros estmulos. A variao do potencial de membrana percorre o axnio
como uma onda de despolarizao e repolarizao, que vai at os botes sinpticos.
Figura 2.2 Neurnios em conexo e o boto sinptico no detalhe (adaptada de (URL 2))
Devido bainha de mielina, a propagao do sinal ocorre de ndulo em ndulo,
uma vez que o potencial de ao somente pode ser regenerado nos ndulos, o que faz
com que este possa chegar ao seu destino de forma mais rpida. Este tipo de propagao
denominado de conduo saltatria. Alm disso, a resultante do somatrio de
capacitncias e resistncias adicionais das bainhas de mielina, envolvendo o axnio
neuronal, contribuem muito para o aumento da velocidade de conduo das fibras
nervosas.
2.2.1 Membrana celular
A membrana neuronal funciona como uma barreira para delimitar o citoplasma e
excluir certas substncias presentes que banham os neurnios. Sua espessura de 5 nm,
aproximadamente, e est repleta de protenas e lipdeos. A funo dos neurnios no
pode ser compreendida sem o conhecimento da estrutura e funo da sua membrana,
bem como das protenas associadas.
Quase 70% de toda massa corprea de um ser humano adulto basicamente
composto de gua, sendo o resto composto principalmente por sais dissolvidos na gua,
lipdios, protenas e glicose. Logo, pode-se dizer que toda clula pode ser considerada
como uma cpsula contendo uma soluo aquosa. O que separa esta cpsula do meio
externo, denominado meio extracelular, uma membrana semipermevel constituda
-
35
basicamente de lipdios e protenas (membrana lipoprotica), conhecida como
membrana plasmtica (Figura 2.3).
Quando um sal se dissolve em gua, suas ligaes inicas se desfazem, uma vez
que a elevada constante dieltrica da gua diminui a intensidade da fora inica e as
molculas de gua solvatem os ons. Ou seja, sais dissolvidos em gua se transformam
em ons livres (ctions e nions, molculas eletricamente carregadas positivamente e
negativamente), o que origina potenciais eltricos tanto no meio intra quanto no meio
extracelular.
Figura 2.3 Desenho esquemtico de uma clula, evidenciando suas organelas e a membrana
plasmtica (adaptada de (CARDOSO, 2005))
Devido a este fenmeno, e como a composio inica do meio intracelular se
difere da composio do meio extracelular, as clulas do nosso corpo apresentam uma
diferena de potencial eltrico entre o meio interno e o meio externo, que denominada
de potencial de membrana ou potencial de repouso da membrana. O interior da
membrana celular apresenta uma carga eltrica menor que a carga eltrica exterior.
Portanto, o potencial eltrico interno negativo em relao ao potencial eltrico
externo, que tomado por referncia.
A origem desse potencial eltrico pode ser explicada a partir da compreenso
dos fenmenos eletroqumicos protagonizados pela membrana plasmtica e por dois
importantes ons existentes em nosso corpo, dentro e fora das clulas: sdio (Na+) e
potssio (K+).
Quando em equilbrio (dinmico), existe uma diferena de concentrao desses
ons entre os meios intra e extracelular: h maior concentrao de Na+ no meio externo
clula e de K+ no meio interno, alm disso, h maior concentrao de nions orgnicos
dentro da clula. Isso acontece devido semipermeabilidade da membrana plasmtica e
-
36
devido sua capacidade de selecionar o trnsito de substncias entre a clula e o meio
em que ela se encontra, denominada permeabilidade seletiva.
A gua trafega de um lado ao outro da membrana celular por presso osmtica.
Ou seja, apesar de ser altamente insolvel nos lipdios da membrana, a gua atravessa
prontamente a totalidade da membrana celular, passando, quase toda ela, atravs dos
canais existentes nas molculas proticas (GUYTON, 2002).
Podemos afirmar que o canal protico se liga a uma molcula de ATP (trifosfato
de adenosina), que trafega no meio intracelular. Ocorre ento a quebra, formando ADP
(difosfato de adenosina) e P (fosfato), liberando energia. Assim, o canal se modifica,
atrai e se liga a trs ons de sdio (trs cargas positivas) no lado interno da membrana e
a dois ons de potssio (duas cargas positivas) do lado externo. Portanto, injeta o
potssio e ejeta o sdio. Isso ocorre de forma mais rpida que o funcionamento dos
canais de transporte passivo, o que contribui para a permanncia de um potencial de
cerca de -70 mV no meio intracelular em relao ao meio extracelular. Esse processo
denominado de equilbrio dinmico.
Alm de contribuir para a manuteno do potencial de membrana num dado
valor de tenso, uma das principais funes da bomba Na+/ K+ o controle do volume
das clulas. Sem o funcionamento dessa bomba, a maioria das clulas do corpo sofreria
tumefao, at ocorrer sua ruptura (GUYTON, 2002).
2.2.2 Canais inicos
Os canais inicos regulam o fluxo de ons atravs da membrana de todas as
clulas. Em particular, nas clulas neurais e musculares, eles so importantes para o
controle das rpidas variaes do potencial de membrana, associadas ao potencial de
ao e aos potenciais ps-sinpticos das clulas-alvo (KANDEL, 2000).
Esses canais so grandes protenas que atravessam toda a estrutura da
membrana, incluindo grupos carboidratos (glicoprotenas) presos sua superfcie,
conforme a Figura 2.4. Todos os canais apresentam um poro aquoso central, que se
estende de uma face outra da membrana. Muitos canais so formados por duas ou
mais subunidades, que podem ser idnticas ou diferentes, permitindo o fluxo de ons de
-
37
modo seletivo, continuamente ou em resposta a estmulos eltricos, qumicos ou
mecnicos (LENT, 2001).
Figura 2.4 Desenhos esquemticos da membrana plasmtica com seus canais proticos. Acima uma membrana com seus vrios canais numa viso tridimensional (adaptada de (CARDOSO, 2005)). Abaixo os canais inicos em evidncia (adaptada de (LENT, 2001))
A membrana plasmtica de todas as clulas, inclusive das neurais, consiste em
um mosaico de lipdios e de protenas. A superfcie dessa membrana formada por uma
dupla camada de fosfolipdios. Nessa lmina lipdica contnua, ficam embebidas as
molculas de protena, inclusive os canais inicos.
A facilidade com que um on se desloca dentro de uma soluo (sua
mobilidade ou constante de difuso) no depende simplesmente da sua dimenso, como
tambm do tamanho da molcula do solvente. O canal inico abre e fecha de forma
tudo-ou-nada, resultando em breves pulsos de corrente atravs da membrana. Se o
potencial eltrico variar atravs da membrana, a corrente que flui pelo canal se altera
-
38
proporcionalmente. A corrente linearmente relacionada fora propulsora; em outras
palavras, o canal se comporta como um resistor eltrico (KANDEL, 2000).
Os canais inicos so classificados em dois tipos:
os canais catinicos, que, na maioria das vezes, permitem a passagem de
ons sdio, quando esto abertos; mas s vezes, tambm permitem a
passagem de ons potssio e/ou clcio;
os canais aninicos, que permitem, sobretudo, a passagem de ons
cloreto, mas, tambm, de quantidades diminutas de outros nions
(GUYTON, 2002).
Os canais catinicos que conduzem ons sdio so revestidos por cargas
negativas. Essas cargas atraem os ons sdio carregados positivamente para dentro do
canal, quando o dimetro deste aumenta at um tamanho maior que aquele do on sdio
hidratado. Essas mesmas cargas negativas, porm, repelem os ons cloreto e outros
nions, impedindo sua passagem.
J para os canais aninicos, quando seu dimetro se torna suficientemente
grande, conduzem ons cloreto para seu interior e seguem para o lado oposto; enquanto
os ctions sdio, potssio e clcio so bloqueados, porque a dimenso de seus ons
hidratados impedem sua passagem pelos canais aninicos.
Portanto, uma substncia transmissora que abre os canais catinicos
denominada de transmissor excitatrio. Ao contrrio, a abertura de canais aninicos,
permitindo a entrada de cargas eltricas negativas, inibe o neurnio. Essas substncias
transmissoras que abrem estes canais so denominadas de transmissores inibitrios.
Quando a substncia transmissora ativa o canal inico, este se abre em frao de
milissegundos; quando a substncia transmissora no est mais presente, o canal se
fecha de modo igualmente rpido. Desta forma, a abertura e o fechamento dos canais
inicos permite um meio para o controle rpido dos neurnios.
-
39
2.3 Sinapses entre neurnios
Os neurnios devem desencadear informaes sobre o estado interno do
organismo e seu ambiente externo, avaliar esta informao, e coordenar atividades
apropriadas situao e s necessidades atuais do organismo. Cada neurnio se
comunica com o seguinte por meio de sinapses nervosas (Figura 2.5), que pode ser
definida como o conjunto de fenmenos bioqumicos ocorrendo no espao de conexo
entre os neurnios. O nmero de conexes de um nico neurnio pode variar de
algumas unidades at algumas centenas de milhares, segundo (GUYTON, 2002).
Figura 2.5 - Sinapse qumica (adaptada de (URL 3))
A clula nervosa cuja terminao do axnio se conecta ao soma ou ao dendrito
do outro neurnio denominado de neurnio pr-sinptico, sendo responsvel pelo
envio do impulso. O neurnio seguinte, que recebe o impulso, denominado de
neurnio ps-sinptico. Entre esses dois neurnios existe a fenda sinptica, de largura
compreendendo 200 a 300 Angstroms.
Aproximadamente 80% a 95% dos botes ou terminais pr-sinpticos (Figura
2.6) se situam nos dendritos dos neurnios ps-sinpticos, e apenas 5% a 20% se situam
sobre o soma (GUYTON, 2002).
-
40
Figura 2.6 Botes sinpticos em um neurnio receptor. Eles existem tanto no soma como nos dendritos, s vezes ocorrendo tambm no incio do axnio (cone axonal) (adaptada de (GUYTON, 2002))
So as sinapses que possibilitam a transmisso do impulso nervoso de um
neurnio ao outro, ou de um neurnio a uma fibra muscular, determinando, inclusive, o
sentido que este impulso deve tomar. Tal impulso a transmisso de um sinal
codificado, como resultado de um estmulo ocorrido ao longo da membrana do
neurnio. Dois tipos de fenmenos esto envolvidos no processamento do impulso
nervoso: eltricos e qumicos. Eventos eltricos propagam um sinal dentro do neurnio,
e processos qumicos transmitem o sinal de um neurnio a outro ou a uma clula
muscular. Os processos qumicos ocorrem no final do axnio, que libera substncias
qumicas ou neurotransmissores, os quais se unem a receptores qumicos situados nos
canais inicos da membrana do neurnio seguinte, permitindo assim a troca de
informaes entre duas clulas nervosas.
Por exemplo, um neurnio motor colinrgico cujo neurotransmisssor principal
a acetilcolina, e que inerva uma clula muscular esqueltica, produzir uma ao
sinptica excitatria nesta clula. J um neurnio motor, tambm colinrgico, que inerva
-
41
uma clula muscular cardaca, produzir uma ao sinptica inibitria (LENT, 2001),
permitindo que a ao do neurnio ps-sinptico seja restringida ou estimulada.
As sinapses qumicas so extremamente importantes porque permitem a
conduo do impulso nervoso numa nica direo: o impulso segue do neurnio pr-
sinptico (transmissor) ao neurnio ps-sinptico (receptor). A importncia dessa
transmisso unidirecional se justifica pela necessidade do sinal ser enviado a
determinadas reas especificas do sistema nervoso, bem como pela necessidade de
atuao de controle em determinados grupos musculares, ou em glndulas secretoras.
No terminal pr-sinptico, temos duas estruturas bastante importantes: as
vesculas sinpticas, que contm as substncias neurotransmissoras a serem liberadas na
fenda sinptica; e as mitocndrias, que fornecem energia (ATP trifosfato de
adenosina) para a sntese desses mesmos neurotransmissores (Figura 2.7). Estes ltimos
apresentam ao rpida. Cada vez que um potencial de ao atinge o terminal pr-
sinptico, algumas vesculas liberam, ao mesmo tempo, o transmissor para o interior da
fenda sinptica, dentro de um intervalo de 1 ms ou menos. A ao desses transmissores
sobre os canais inicos da membrana do neurnio ps-sinptico tambm ocorre dentro
de 1 ms ou menos.
Figura 2.7 Boto sinptico em detalhe, evidenciando as vesculas e as mitocndrias. Na fenda sinptica esto os neurotransmissores (adaptada de (FRISN, 1999))
-
42
2.4 Potencial de membrana dos neurnios
A membrana do neurnio apresenta uma propriedade muito particular que o
distingue da maioria das clulas do organismo. Essa propriedade, a excitabilidade,
permite que o neurnio produza e transmita a outros neurnios os sinais eltricos em
cdigo, que constituem a linguagem do sistema nervoso (LENT, 2001).
Os biopotenciais enceflicos podem ser diferenciados em dois tipos (BUTTON,
2000): o Potencial de Ao e o Potencial Ps-Sinptico (PPS). O primeiro caracteriza a
transmisso dos impulsos eletroqumicos pelos axnios, ocorrendo de forma assncrona
e em direes ortogonais superfcie do escalpo. O segundo o potencial de membrana
resultante no neurnio ps-sinptico, com amplitude muito reduzida (LENT, 2001).
2.4.1 Potencial de ao
Os pesquisadores britnicos Alan Hodgkin (1914-1998) e Andrew Huxley
(1917) foram os pioneiros em estudos para desvendar a bioeletrognese do impulso
eltrico do neurnio (LENT, 2001). Na converso entre a energia bioeltrica, que ocorre
na sinapse, os potenciais de ao convergem para o terminal sinptico, e a energia
qumica, representada pela quantidade de neurotransmissor, liberada na fenda
sinptica.
O potencial de ao uma alterao rpida e brusca da diferena de potencial
transmembrana. A membrana do neurnio polarizada em repouso em torno de -70
mV. O potencial de ao consiste de uma reduo rpida da negatividade da membrana
at 0 mV e inverso deste potencial at valores de aproximadamente de +30 mV,
seguido de um retorno tambm rpido at valores negativos entre zero e o potencial de
repouso, -70mV, conforme a Figura 2.8.
-
43
Figura 2.8 - Potencial de ao exibido em um osciloscpio (adaptada de (URL 4))
O potencial de ao um fenmeno de natureza eletroqumica e ocorre devido a
modificaes na permeabilidade da membrana do neurnio, que permitem a passagem
de ons de um lado para o outro da membrana. Como os ons so partculas carregadas
eletricamente, ocorrem tambm modificaes no campo eltrico gerado por essas
cargas.
A membrana de alguns tipos de neurnios polarizada em repouso com valor
cerca de -90 mV (GUYTON, 2002). Com a despolarizao, h um pico de at cerca de
+35 mV. Observa-se um aumento rpido do potencial de membrana; seguido de uma
descida tambm rpida, at um valor inferior ao valor de repouso (cerca de -100 mV), e,
por fim, um lento retorno at o valor de repouso de -90 mV (Figura 2.9).
Figura 2.9 Representao de uma onda de despolarizao e repolarizao associada ao potencial de ao (adaptada de (GUYTON, 2002))
No entanto, para que seja deflagrado um potencial de ao ao longo do axnio,
necessrio que o estmulo sofrido pela membrana do neurnio (no dendrito, no corpo,
ou no cone axonal) seja capaz de elevar abruptamente o potencial da membrana de 15 a
-
44
30 mV (GUYTON, 2002), ou seja, o potencial deve chegar a cerca de -65 mV
(potencial de limiar).
Apesar do impulso nervoso ocorrer no sentido do axnio, a onda de
despolarizao/repolarizao da membrana se propaga em todos os sentidos a partir do
ponto em que foi deflagrada (Figura 2.10). Todavia esta onda cessa ao atingir a regio
da membrana prxima ao corpo do neurnio, bem como aos dendritos. Com relao ao
axnio, a onda segue at os botes sinpticos e l desencadeia uma reao qumica, que
caracterizar a comunicao do neurnio com a clula seguinte.
Em virtude do gradiente de concentrao e da carga negativa do fluido
extracelular, os ons entram na fibra atravs dos canais inicos. A entrada de sdio
despolariza a membrana, isto , a face da membrana imersa no fluido extracelular das
fibras se torna menos negativo, em relao ao interior. Se esta despolarizao,
denominada potencial gerador, alcana o nvel crtico (limiar), a membrana ir gerar um
potencial de ao.
Figura 2.10 Potencial de ao (adaptada de (VILELA, 2005))
-
45
Uma vez atingido o limiar, o potencial de ao ocorre com amplitude e durao
fixas. Se o limiar no for atingido, ou seja, a despolarizao ou o influxo de sdio no
forem suficientemente fortes, no ocorre o potencial de ao (Figura 2.11). Este
fenmeno conhecido como princpio do tudo-ou-nada (GUYTON, 2002).
Ocasionalmente, o potencial de ao alcana um ponto na membrana onde no
gerar voltagem suficiente para estimular a rea adjacente da membrana. Quando isso
ocorre, a propagao da despolarizao interrompida. Portanto, para que a propagao
de um impulso continue, a proporo entre o potencial de ao e o limiar de excitao
deve ser, a qualquer tempo, maior que 1.
Figura 2.11 Princpio do tudo-ou-nada: em A), o potencial de ao (PA) do neurnio pr-sinptico gera um potencial ps-sinptico excitatrio (PPSE) que no chega a atingir o limiar; em B), um trem de PAs gera um PPSE que ultrapassa o valor de limiar, o que faz com que seja deflagrado um PA no neurnio ps-sinptico (adaptada de (LENT, 2001))
medida que se abrem os canais de sdio, abrem-se tambm os canais de
potssio, entretanto de forma mais lenta. Quando os canais de sdio esto
completamente abertos, os de potssio ainda esto se abrindo, ou seja, com o passar do
tempo, aumenta a quantidade de potssio que sai da clula, fazendo com que a
amplitude do potencial de ao comece a diminuir. Quanto menos positivo o potencial
de membrana, menos sdio entra na clula, e com a sada de mais potssio, mais o
potencial avana no sentido negativo, retornando ao repouso.
-
46
Porm, antes da membrana se repolarizar, o potencial ultrapassa o potencial de
repouso, devido ainda lentido dos canais de potssio, que esto se fechando
novamente. Desta forma, o potencial vai lentamente retornando ao valor de repouso.
Isso pode ser observado na Figura 2.9.
2.4.2 Potencial Ps-Sinptico (PPS)
Para uma sinapse excitatria, o resultado do potencial de ao do neurnio pr-
sinptico a gerao de um PPS despolarizante, ou seja, um potencial que tende a
aproximar-se do potencial de limiar. Isso faz com que o neurnio ps-sinptico tenha
mais facilidade em disparar potenciais de ao.
Quando sinapses excitatrias descarregam sobre as superfcies dos dendritos ou
do soma de um neurnio, gera-se um potencial ps-sinptico que persiste por muitos
milissegundos, especialmente quando alguma das substncias transmissoras sinpticas
de longa durao est envolvida. Esse potencial pode continuar a excitar o neurnio,
fazendo com que ele transmita uma salva de impulsos de sada (GUYTON, 2002).
J no caso de uma sinapse inibitria, o resultado do potencial de ao do
neurnio pr-sinptico a gerao, no neurnio seguinte, de um PPS hiperpolarizante,
ou seja, um potencial que tende a afastar-se do potencial de limiar. Isso faz com que o
neurnio ps-sinptico tenha mais dificuldade em disparar potenciais de ao (LENT,
2001).
Como o neurnio ps-sinptico recebe inmeras aes sinpticas, sua atividade
depende do somatrio de todos os potenciais gerados por todas as sinapses que ocorrem
em sua membrana. Este processo de somao denominado de integrao sinptica.
Por exemplo, o potencial de repouso da membrana do soma neuronal de alguns tipos de
neurnios de cerca de -65 mV (Figura 2.12). Na sinapse excitatria, este potencial
sobe para -45 mV (potencial ps-sinptico excitatrio PPSE). Entretanto, a descarga
de um s terminal no capaz de elevar o potencial desta forma, assim, so necessrias
vrias descargas simultneas de muitos terminais, por exemplo de 40 a 80 terminais
para um neurnio motor comum (GUYTON, 2002). Na sinapse inibitria, o potencial
-
47
cai a -70 mV (potencial ps-sinptico inibitrio PPSI), impedindo a ao do neurnio
ps-sinptico, ou seja, impedindo que os outros neurnios possam ativ-lo.
Figura 2.12 Eventos eletroqumicos da sinapse excitatria e sinapse inibitria (adaptada de (GUYTON, 2002))
2.5 Medidas Neurofisiolgicas: Matrizes Multieletrodo
(MEA)
2.5.1 Culturas celulares
Em condies apropriadas, a maior parte das clulas vegetais e animais podero
viver, multiplicar-se e at mesmo expressar propriedades diferenciadas em uma placa de
cultura de tecidos. As clulas podem ser observadas sob o microscpio e vrias anlises
analisadas bioquimicamente, e os seus aspectos morfolgicos, imunolgicos e
farmacuticos podem ser explorados. Experimentos com clulas oriundas de cultura so,
s vezes, ditos como tendo sido conduzidos in vitro para contrast-los daqueles
experimentos com organismos intactos, os quais so referidos como conduzidos in vivo.
Os termos podem ser confusos porque so freqentemente utilizados com sentidos
diferentes por bioqumicos, para quem in vitro aplicado em referncia a reaes
-
48
bioqumicas ocorrendo em cultura; enquanto in vivo aplicado para qualquer reao que
ocorra dentro de clula no seu ambiente natural.
A tcnica de cultura celular foi inaugurada por Ross Granville Harrison, no
incio do sculo XX (BEADLE, 1988). Ele realizou experimentos com sapos e
posteriormente com pintinhos, mostrando que fibras nervosas desenvolvem-se a partir
de corpos celulares individuais, ao contrrio do que at ento se acreditava. Entretanto,
h apenas trinta anos atrs, os mtodos de cultura de clulas comearam a ganhar
proeminncia na neurobiologia, motivados por duas descobertas. A primeira, os
neuroblastos, so clulas embrionrias do tecido nervoso que originam outras clulas
nervosas, obtidos de um tumor, que podiam ser investigados e controlados quando
mantidos em cultura, de forma a induzir a diferenciao neural (SCHUBERT, 1969). A
segunda, as culturas monitoradas in vitro, pela elongao axonal (BRAY, 1970).
Existem basicamente trs mtodos para cultura de clulas: o uso de clulas
dissociadas, cultura organotpica e de reagregao (BANKER, 1991). A cultura de
clulas dissociadas ou dispersas apresenta como vantagem a manuteno das
propriedades morfo e fisiolgicas presentes no tecido de origem. A cultura organotpica
se refere transplantao de tecido; sua vantagem principal a preservao da
arquitetura do tecido. Por outro lado, esta tcnica aplicvel apenas se o tecido ou
pode ser manipulado na forma laminar. As clulas reagregadas so dissociadas e
mantidas em suspenso; elas tendem a se reagregar em pequenas esferas se mantidas em
frascos e centrifugadas. Este tipo de cultura adequado para o estudo do
amadurecimento neural (STIER, 1993). A tcnica mais adequada para avaliao de
crescimento axonal e formao de sinapses entre neurnios a dissociao. Nesta
tcnica, as culturas podem ser primrias, sendo utilizadas nos experimentos diretamente
logo aps extrao, sem qualquer alterao; e de linhagens celulares, em que o processo
de mitose induzido. Neste ltimo caso, as clulas se multiplicam originam vrias
geraes, criando uma populao com caractersticas genticas homogneas e bem
conhecidas.
-
49
2.5.2 Interface bioeletrnica
Uma interface bioeletrnica corresponde um sistema onde um pedao de tecido
nervoso, geralmente mantido vivo em cultura celular, conectado a um circuito eltrico,
na tentativa de se estabelecer um intercmbio bidirecional de informao.
A Figura 2.13 ilustra o funcionamento dessa interface, ou seja, a integrao do
sistema neural eletrnica digital (BONIFAZI, 2002). No primeiro passo (a), ilustrada
a interface individual das clulas nervosas. No prximo passo, o par de clulas nervosas
acoplado. No arranjo (b), a estimulao do neurnio A induz a transferncia do
potencial de ao pela rede neural para o neurnio B, cujo sinal gravado atravs do
transistor. No arranjo (c), o registro do sinal do neurnio A ocorre pelo transistor, sendo
transferido posteriormente para o chip de microeletrnica, at atingir o neurnio B, que
ento estimulado. No ltimo passo (d), as redes neurais so definidas e a criao do
chip para a comunicao estabelecida, fornecendo uma rede dinmica e computacional
para as comunicaes bidirecionais entre os sinais. Portanto, a conexo neurnio
circuito neurnio o passo elementar da interface bioeletrnica.
(a) (b)
estimulador transistor
Neurnio A
Neurnio B Neurnio
B
estimulador transistor
Rede Neuronal Neurnio
A
(c)
(d)
Dinmica Neural Neurnio Neurnio
A B
Sistema Digital estimuladorMicroeletrnicatransistor
Figura 2.13 Interface bioeletrnica (adaptada de (FROMHERZ, 2003))
Dentro do que foi acima exposto e, considerando dois circuitos hbridos com
neurnios baseados em chip de silicone (arranjo (c) da Figura 2.13), a Figura 2.14
ilustra a dinmica de cada neurnio A e B. No item (a) desta ltima figura, apresenta-se
-
50
o potencial de ao do neurnio A, correspondente atividade eltrica basal ou
espontnea, a qual captada e amplificada por um circuito, gerando a onda (c). Em
seguida, os picos da ltima onda, correspondentes ocorrncia de um potencial de ao
no neurnio A, so detectados atravs de algoritmos de processamento, resultando na
onda (e). Aps um ajuste de amplitude e de freqncia, de forma a garantir uma
coerncia biolgica, o sinal (e) transformada em (f) atravs de circuitos lgicos, os
quais, finalmente, geram uma onda de estimulao (d). Esta ltima aplicada ao
neurnio B atravs de outra interface bioeletrnica, induzindo potenciais de ao em B,
como mostrado em (b).
Figura 2.14 Caminho neurnio- chip - neurnio (adaptada de (FROMHERZ, 2003)).
Vide arranjo (c) da Figura 2.13
2.5.3 Matrizes Multieletrodo (MEA)
A atividade eltrica em sistemas biolgicos tradicionalmente monitorada com
eletrodos, como por exemplo, na tcnica de patch-clamp(GUEDES, 1989).
Matrizes Multieletrodo correspondem a um refinamento do conceito de interface
bioeletrnica ((FROMHERZ, 2003), (BONIFAZI, 2002)), e consistem em circuitos de
dimenses micromtricas montados sobre um substrato, e dotados de um conjunto de
eletrodos, os quais so colocados no soma do neurnio (Figura 2.15). A condio ideal
para o uso destas estruturas exige que o corpo celular se localize sobre um eletrodo, ou
entre dois eletrodos vizinhos. Para que isto ocorra, necessrio o posicionamento da
clula no local do eletrodo, bem como o tratamento adequado do substrato, de forma a
-
51
promover a aderncia celular, ou seja, o substrato uma das variveis a serem
consideradas no processo de fabricao.
Microeletrodo
Tecido Nervoso
Substrato
Figura 2.15 - Conjunto de eletrodos em um tecido nervoso (adaptada de (RENNAKER, 2005))
As MEAs so utilizados para acessar de forma sistemtica e seletiva os
potenciais de ao associados a feixes ou fibras nervosas, sendo que vrios testes em
modelos animais j so realizados em diversos centros de pesquisa (URL 5). Elas
permitem registrar simultaneamente a atividade eltrica de cerca de centenas de
neurnios. Os eletrodos da MEA podem tambm ser usados para estimular neurnios,
de forma no-invasiva, seguindo uma conexo entre a rede neuronal de cultura e um
computador.
A Figura 2.16 ilustra a aplicao de MEAs em outros mtodos de cultura. Na
primeira (a), um extrato da massa branca do cerebelo posicionado sobre um substrato
contendo microeletrodos, para extrao dos sinais. J na segunda (b), os eletrodos
(representados por hastes negras) so posicionados sobre os axnios de embries de
ratos, aps 14 dias em cultura, evidenciando o nmero de clulas acessveis que foram
atingidas.
-
52
Eletrodos
Cerebelo (a) (b)
Figura 2.16 - Exemplos de aplicao das matrizes de microeletrodos (adaptada de PEIXOTO, 2001) (a) corte de cultura em tecido do cerebelo sobre
MEA, (b) cultura celular de neurnios isolados do gnglio da raiz dorsal de ratos em cultura (14 dias).
2.5.4 Utilizao e Fabricao das MEAs
Quando se mede a atividade nervosa de clulas individuais ou conjuntos bem
determinados de clulas, seja em cultura in vitro ou in vivo, utilizam-se eletrodos
micromtricos, os microeletrodos, que so fabricados em metal ou vidro, com pontas de
dimetros variando de dcimos a dezenas de micrmetros (PEIXOTO, 2001).
Existem duas formas de medida de microeletrodos: intra e extraceleular. Os
microeletrodos para medidas intracelulares so fabricados a partir de capilares de vidro
e preenchidos com soluo salina de alta molaridade. Estes eletrodos assim preparados
so denominados de micropipetas e so projetados para insero na membrana celular,
ou para formar um selo atravs de suco mecnica na membrana. O princpio de
medida se baseia na capacitncia da parede de vidro e na alta concentrao inica da
soluo salina interna do eletrodo. J para sinais extracelulares, eles so classicamente
adquiridos atravs de eletrodos de tungstnio, tambm denominados de Wolfram, e com
micropipetas.
O posicionamento do microeletrodo o fator determinante para a obteno de
um bom resultado na medida eletrofisiolgica. Alm disso, o tempo de medida
limitado, impedindo, por exemplo, a utilizao de circuitos hbridos bioeletrnicos por
mais do que algumas semanas.
As MEAs tm sido desenvolvidas e diversificadas, como por exemplo com a
incorporao de dispositivos eletrnicos integrados e a fabricao tridimensional de
-
53
eletrodos (Figura 2.17). Deve-se procurar manter os requisitos essenciais de
biocompatibilidade, estabilidade mecnica, manuteno do ambiente fisioqumico
(como a temperatura, o pH, a composio da soluo fisiolgica e a esterilidade)
durante o experimento. Logo, as principais vantagens destas matrizes so a fabricao
em larga escala de microeletrodos e a utilizao de sistemas de aquisio que no esto
restritos ao posicionamento fino atravs de micromanipuladores.
Figura 2.17 Matriz tridimensional fabricada com tcnicas de microeletromecanismos
(adaptada de (BAY, 2000))
Uma matriz de microeletrodos pode ser implementada sobre um substrato,
usualmente de vidro ou silcio (vide Figura 2.18), sobre o qual uma camada metlica
construda por meio de tcnicas fotolitogrficas, sendo protegida por um material
isolante, atravs da camada passivadora. Nesta ltima, so abertas janelas atravs das
quais o metal fica exposto cultura. A rea exposta ao metal denominada de
microeletrodo (PEIXOTO, 2001).
Figura 2.18 Esquema geral da fabricao da MEA
(adaptada de (PEIXOTO, 2001))
-
54
A implementao de microeletrodos baseia-se em tcnicas tradicionais de
microeletrnica, que so aplicadas com xito relativo, devido restries de
encapsulamento e ao tempo de estabilidade reduzido. Estas limitaes so justificadas
pela presena de solues fisiolgicas em contato com o circuito.
Os eletrodos devem ser biocompatveis, durveis, e apresentar uma impedncia
baixa (abaixo de 500 a 1 kHz), para conseguir captar pequenos sinais extracelulares,
cuja amplitude atinge valores de ordem de 10 a 100 microvolts. A baixa impedncia
tambm permite injetar uma corrente estimultoria, suficiente para atingir o tecido
nervoso sem exceder a baixa voltagem eletromecnica da gua, ou de outros
componentes do meio. Os eletrodos tm sido recobertos por poros de platina, de baixa
durabilidade, aumentando assim a impedncia, de forma inaceitvel. Esse problema
pode ser reduzido pelo uso de recobrimento de platina do tipo sonicating (PEREIRA,
2004).
Em relao ao problema de assegurar baixa impedncia, os eletrodos encapados
so fabricados base de oxido de irdio ou de nitrito de titnio. A superfcie da MEA e
as pontas dos eletrodos devem ser recobertas com algum protetor compatvel, que
tambm deve promover a adeso celular. Este protetor leva em conta os substratos
tradicionais da cultura celular, como os poliaminocidos e laminina. A fabricao de
MEAs sem silicone permitiu alguns sucesso na estimulao do crescimento neuronal,
principalmente atravs da incluso de substncias neurotrficas.
Apesar da aparente simplicidade na fabricao, a escolha de materiais, a
caracterizao das estruturas, a adequao para cada aplicao e propostas de modelos
so temas correntes na literatura quando se trata de interfaces neurais para aplicaes,
seja in vitro ou in vivo ((BOVE, 1997), (HAIDARLIU, 1995)). Na maioria destes
sistemas, o projeto de uma microestrutura precedido de um estudo sobre a aplicao
desejada, de um modelo do comportamento esperado e de propostas para a anlise de
dados associadas aos experimentos, principalmente quando se trata de questes
especficas em neurocincias.
2.5.5 Histrico
-
55
Considera-se que a primeira MEA foi proposta em 1972 por Thomas et al., ou
por Ken Wise em 1975 (WEIS, 1996), mas apenas em 1980 obteve-se a confirmao
experimental de que as matrizes de fato medem sinais extracelulares, que so os
correspondentes temporais dos sinais intracelulares. Pine (1980), usando uma MEA
com passivao de xido de silcio, mostrou a validao do sistema atravs de medidas
simultneas intra e extracelulares. Em 1984 (ISRAEL, 1984), obteve-se pela primeira
vez a estimulao e a aquisio simultneas na mesma cultura, fato at ento indito
com o uso de MEAs. Tambm se realizou implante de retina em uma mulher cega
utilizando MEAs de 80 eletrodos (BRINDLEY, 1968). O implante no apresentou
efeito clnico significativo, mas os resultados foram positivos no aspecto de segurana a
longo prazo do circuito.
Os primeiros resultados experimentais relativos interface bioeletrnica foram
divulgados em 1991 e 1995, considerando clulas nervosas de sanguessuga acopladas a
transistores abertos, bem como a estimulao atravs de chip de silicone baseados em
circuitos integrados ((FROMHERZ, 1995), (BONIFAZI, 2002)). Os autores
estabeleceram um sistema otimizado em interface de silicone neural. Outro ponto
relevante foi a utilizao de sistemas hbridos baseados em redes neurais acoplados em
circuitos de microeletrnica (BONIFAZI, 2002), (FROMHERZ, 1997). Desta maneira,
a superviso de neurnios em uma rede por contatos no-invasivos em um substrato
semicondutor possibilitou estudos do processo neurodinmico, tanto para leitura como
para gravao dos dados. Baseado nestes resultados, surgiram os primeiros
neuroimplantes utilizando as tcnicas de MEAs. Um exemplo desta aplicao o
implante em nervo fibular, induzindo neuromodulao para o controle da dor
(RUTTEN, 1999).
Outros estudos baseiam-se em interfaces de redes neurais, como exemplo a
prtese neural (SHAHAF, 2001). Alm disso, deve-se destacar que a excitao eltrica
do tecido neural foi usada para muitos propsitos. Como exemplos, podem-se citar o
m