跳至主要內容
4 · 第1學期神經科學神經科學技術

電生理學

Electrophysiology

難度 3 · 進階neurosciencetechniques想做成互動版

電生理學是研究生物電訊號的方法論基礎,其技術演進——從 Hodgkin & Huxley 的魷魚巨軸突實驗到現代大規模神經元記錄——持續驅動神經科學的概念革命。

膜片鉗技術的理論基礎與進階應用

Neher & Sakmann(1976, Nature)開發的膜片鉗技術首次實現了單離子通道電流的直接記錄(picoampere 等級)。技術核心在於形成 GΩ seal(gigaohm seal),將膜片的背景雜訊降至可記錄單通道開閉事件的水準。

現代膜片鉗的進階應用:

  • 動態鉗(dynamic clamp):Sharp et al.(1993, Journal of Neurophysiology)開發的技術,即時計算虛擬的突觸電流或離子通道電流並注入細胞,允許研究者「添加」或「移除」特定的電導(conductance),測試其對細胞行為的影響。
  • 雙膜片鉗(paired recording):同時記錄兩個突觸連接的神經元,直接測量突觸連接的強度、短期可塑性(facilitation/depression)和連接概率。Markram et al.(1997, Science)用此技術發現了 STDP(spike-timing-dependent plasticity)——突觸可塑性取決於突觸前後神經元發放的精確時間差。
  • 自動化膜片鉗(automated patch clamp):高通量平台(如 Sophion Qube, Molecular Devices SyncroPatch)可平行記錄 384 個細胞,廣泛用於藥物開發中的離子通道安全性篩選(hERG screening)和激酶抑制劑的脫靶離子通道活性評估。

大規模神經元記錄技術

Jun et al.(2017, Nature)開發的 Neuropixels 探針是大規模電生理記錄的里程碑:單根探針上 384 個記錄通道,覆蓋約 10 mm 的腦組織深度,可同時記錄數百個神經元。Neuropixels 2.0(Steinmetz et al., 2021, Science)進一步實現雙探頭設計和慢性植入能力。International Brain Laboratory(IBL)使用標準化的 Neuropixels 記錄方案,在全球多個實驗室同時記錄小鼠執行決策任務時的全腦神經活動。

高密度 CMOS 微電極陣列(HD-MEA)如 Maxwell Biosystems 的 MaxOne(26,400 electrodes)允許在體外培養中以亞細胞解析度記錄神經元網路活動,結合 spike sorting 演算法(Kilosort, Pachitariu et al., 2016)實現自動化的神經元分類。

腦電圖的現代分析方法

EEG 的時間解析度(~1 ms)遠優於 fMRI(~1 s),但空間解析度受限。現代分析方法:

  • 時頻分析:小波轉換(wavelet transform)和多窗譜估計(multitaper spectral estimation)提取頻帶特異性的神經振盪動態。gamma 振盪(30-100 Hz)與局部計算和意識有關(Fries, 2015, Neuron, Communication Through Coherence 理論)。
  • 源定位(source localization):從頭皮 EEG 反推皮質源的空間分布(逆問題, inverse problem),方法包括 LORETA、beamforming 和 MNE。
  • 連接性分析(connectivity analysis):Granger causality、phase-amplitude coupling(PAC)和 directed transfer function(DTF)評估腦區間的功能連接。

光遺傳學與化學遺傳學的整合

Boyden et al.(2005, Nature Neuroscience)報告了首個神經科學光遺傳學應用(ChR2 活化神經元)。結合 Cre-lox 基因靶向系統,可實現細胞類型特異性的操控。常用工具:ChR2/ChRmine(興奮性)、Halorhodopsin/ArchT(抑制性)、以及 step-function opsins(SFO, 雙穩態活化)。

化學遺傳學(DREADD, Designer Receptors Exclusively Activated by Designer Drugs, Roth, 2016, Neuron)提供較慢但持續的神經元活動調控,與光遺傳學的毫秒級精確控制互補。

光遺傳學 + 電生理的結合(opto-tagging)允許在體內活動記錄中精確鑑定特定細胞類型的神經元:用光脈衝刺激表達 opsin 的神經元,根據極短延遲(<2 ms)的反應鑑定其身份(Lima et al., 2009, PLoS ONE)。

互動工具

動手玩玩看

用互動元件直接感受這個概念,比純文字快 10 倍搞懂。三個 tier 共用同一個工具。

這個和什麼有關

有寫過的文章

rPPG技術解析:用影像量測生理訊號的新思維

攝影機也能「看見」你的心跳?這篇文章帶你從 rPPG(遠程光學生理訊號)理解影像如何轉換成生理訊號。從光學反射、訊號濾波到演算法拆解,用淺白文字揭開生醫技術的跨領域邏輯。

【高中版】智慧聽診器拆解:從藍牙封包到AI遠距診斷

一台被遺棄的智慧聽診器,拆開來能發現什麼?從BLE通訊到心肺音分析的逆向工程紀錄。

聽診器序章:從傳統到智慧醫療的演進

這是一台被遺忘的聽診器,沒有任何說明和資料。我將跨越領域的邊界,試圖讓它重新說話,並探索這無法描述的挑戰。

【高中版】生醫訊號工程師技能樹:跨領域的8大核心能力

想成為生醫訊號工程師?從生理學到AI,這8個技能缺一不可。

【國中版】生醫訊號工程師在做什麼?用科技讀懂身體的秘密

心電圖、腦波、肌電圖……這些訊號是怎麼被「讀出來」的?認識生醫訊號工程師的世界!

8個生理訊號工程師要知道的學習技能

隨著生醫技術的飛速發展, 生醫訊號 (Biomedical Signals)已成為生命科學和醫療領域中不可或缺的一部分。 從心電圖(ECG)、腦電圖(EEG)(有興趣可以看腦機介面,這篇有更詳細介紹)到肌電圖(EMG),生理訊號提供了人體內部運作的實際數據,使我們能夠在生活、醫療保健上更加了解人體或自身的健康狀況。無論是在研究、臨床應用,還是智慧居家設備中,處理與分析這些訊號都需要多學科知識的整合。 本文將介紹一個完整的 跨領域生理與訊…