In-Silico analysis, characterization and quantification of EEG alterations in a mouse model of temporal lobe epilepsy

Medientyp: E-Book; Hochschulschrift

Titel: In-Silico analysis, characterization and quantification of EEG alterations in a mouse model of temporal lobe epilepsy

Beteiligte: Anjum, Syed Muhammad Muneeb [Verfasser:in]; Löscher, Wolfgang [Akademische:r Betreuer:in]; Baumgärtner, Wolfgang [Akademische:r Betreuer:in]; Schughart, Klaus [Akademische:r Betreuer:in]

Erschienen: Hannover: Tierärztliche Hochschule Hannover, 2018

Umfang: 1 Online-Ressource (IV, 60 Seiten, 1.569 KB)

Sprache: Englisch

Identifikator:

Schlagwörter: Encephalomyelitis > Elektroencephalographie > Tiermodell > Maus

Entstehung:

Hochschulschrift: Dissertation, Tierärztliche Hochschule Hannover, 2018

Anmerkungen: In: Hannover : Tierärztliche Hochschule Hannover
Zusammenfassungen in deutscher und englischer Sprache

Beschreibung: Epilepsie ist eine der häufigsten chronisch-neurologischen Störungen, die etwa 1% der Allgemeinbevölkerung betrifft. Gehirnschäden wie virale Enzephalitis können den Prozess der Epileptogenese auslösen. Das von Libbey et al. (2008) beschriebene Theilers Murines Enzephalomyelitis-Virus- (TMEV-) Modell der viralen Enzephalitis-induzierten Epilepsie ist das erste infektionsgetriebene Tiermodell für Epilepsie. Dieses Modell wurde in unserem Labor etabliert, und wir haben vEEG mittels kortikaler Elektroden aufgezeichnet. Diese vEEG-Aufzeichnung ist ein primäres Werkzeug zur Charakterisierung der elektrophysiologischen Parameter in Tiermodellen der Epilepsie. Interiktale epileptiforme Entladungen werden mit Epilepsien in Verbindung gebracht, und EEG-Veränderungen wie Spikes werden diagnostisch als Zeichen von Epilepsie beim Menschen akzeptiert. Während wir das EEG dieses Tiermodells der Epilepsie charakterisieren, konnten wir zeigen, dass Tiere nach der Infektion an frühen Anfällen leiden. Akute Anfälle, die in EEGs aufgezeichnet wurden, konnten fokal oder generalisiert sein. Wir haben berichtet, dass der Prozentsatz der Tiere, die nach einer akuten Infektion akute Anfälle erleiden, etwa 77% beträgt, was die Ergebnisse anderer Arbeitsgruppen bestätigt. Bei visuellen Beobachtungen ist dieser Prozentsatz normalerweise niedriger. Eine durchschnittliche Latenzzeit von 61 Tagen wurde aufgezeichnet und unter Verwendung von chronische-kontinuierlichen (24/7) vEEG-Aufzeichnungen mit kortikalen Elektroden ermittelt. Bei hippocampalen Tiefenelektroden könnte diese Latenzzeit jedoch aufgrund möglicher fokaler Anfälle viel kürzer sein. Die Häufigkeit von spontanen Anfällen während der chronischen Phase der Erkrankung ist in diesem Modell gering: nur 38% der Tiere entwickelten während dieser Studie Epilepsie. Bei der chronischen EEG-Aufzeichnung der Tiere konnten sowohl fokale als auch generalisierte Anfälle, genau wie während der akuten Phase nach der Infektion, aufgezeichnet werden. Die geringe Häufigkeit von späten Anfällen sowie epileptischen Tieren veranlasste uns, nach alternativen Auslesemöglichkeiten als Biomarker für die Entwicklung von Epilepsie in diesem Modell zu suchen. Wir konnten das Vorhandensein von inter-iktalen Spikes und Clustern in allen infizierten Tieren verifizieren. Die Quantifizierung von Spikes bei Menschen und experimentellen Epilepsiemodellen erfolgt für gewöhnlich manuell durch visuelle Inspektion, was ein intensives Training erfordert, sehr mühsam, subjektiv und fehleranfällig ist. Die Anzahl der Spikes und Spike-Cluster war sehr hoch, so dass ein computergestützter Algorithmus erforderlich war, um diese objektiv zu quantifizieren. Dafür haben wir eine neuartige Methode entwickelt, mit der EEG-Spikes und Spike-Cluster zuverlässig und objektiv quantifiziert werden können. Die Idee dieser Detektionstechnik besteht darin, über einen längeren Zeitraum aufgenommene Langzeit-EEG-Daten zu analysieren und die Ergebnisse mit einer standardisierten manuellen Inspektion von Spezialisten zu vergleichen. Eine Vielzahl von ständig aktualisierten Algorithmen in der EEG-Aufzeichnungssoftware LabChart® (AD Instruments) half uns bei der Entwicklung einer neuartigen arithmetischen und VB-Makro-basierten Signalverarbeitungs-Methode zur Quantifizierung und Charakterisierung der inter-iktalen Spikes mit hoher Präzision (90-99 %). Obwohl Spikes und Spike-Cluster bei allen Tieren (uninfiziert und infiziert) während der frühen (0-7 Tage post infectionem) und späten Phase (91-97 Tage post infectionem) nach der Infektion beobachtet wurden, wurde festgestellt, dass sie bei TMEV-infizierten Tieren mit Anfällen (früh oder spät) vermehrt auftreten. Die durchschnittliche Anzahl von Spikes und Spike-Clustern während der akuten und chronischen Phase der Epilepsieentwicklung war bei infizierten Tieren signifikant höher als bei den Kontrollen. Eine umfassende Analyse von EEGs, die in der späten Phase nach der Infektion aufgezeichnet wurden, zeigte, dass sich infizierte Mäuse ohne frühe oder späte Anfälle bezüglich der Spike-Häufigkeit nicht von Kontrollen unterschieden, während Mäuse mit jeder Art von Anfall, früh oder spät, signifikant erhöhte Spike- und Spike-Cluster-Frequenzen in der späten Phase zeigten. Im Gegensatz dazu zeigten wenige der epileptischen Tiere eine geringe Anzahl von Spikes und Spike-Clustern, welche im Bereich der Kontrolltiere lag. Dies legt nahe, dass die Häufigkeit von Spike- und Spike-Clustern alleine nicht vorhersagen kann, ob ein individuelles Tier epileptisch ist oder nicht. Dies kann jedoch zusammen mit anderen zuvor identifizierten Surrogatmarkern, wie Anfallsschwelle, Verhalten und kognitiven Studien, verwendet werden, um die Krankheitsentwicklung zu bewerten. Unsere Ergebnisse legen nahe, dass wir erhöhte Spike- und Spike-Cluster-Häufigkeiten in einer Gruppe von infizierten Tieren als einen neue Parameter für Krankheitsmedikations- oder Antiepileptogenese-Studien verwenden können, um die Wirkungen von pharmakologischen Verbindungen zu bewerten.

Zugangsstatus: Freier Zugang

Nur in Feld suchen:

Zuletzt gesuchte Begriffe: