MARC

 008250123s2024        us                              c    eng  d
■001000017160465
■00520250211151024
■006m          o    d                
■007cr#unu||||||||
■020    ▼a9798382829944
■035    ▼a(MiAaPQ)AAI30996725
■040    ▼aMiAaPQ▼cMiAaPQ
■0820  ▼a616
■1001  ▼aAcero,  Victor  Pablo.
■24510▼aTissue  Engineered  Multi-Aggregate  Cortical-Hippocampal  Neural  Networks  for  Pharmacological  Investigations
■260    ▼a[Sl]▼bUniversity  of  Pennsylvania▼c2024
■260  1▼aAnn  Arbor▼bProQuest  Dissertations  &  Theses▼c2024
■300    ▼a404  p
■500    ▼aSource:  Dissertations  Abstracts  International,  Volume:  85-12,  Section:  B.
■500    ▼aAdvisor:  Cullen,  Kacy;Kording,  Konrad.
■5021  ▼aThesis  (Ph.D.)--University  of  Pennsylvania,  2024.
■520    ▼aCortical-hippocampal  networks  are  crucial  for  integrating  multisensory  experiences  into  distinct,  enduring  memories  and  facilitating  memory  retrieval.  Despite  advances  in  understanding  hippocampal  function  through  various  experimental  techniques  and  animal  models,  the  complexity  of  these  in  vivo  networks  remains  a  challenge,  and  their  low-throughput  limits  utility  in  pharmacological  research.  In  vitro  models,  particularly  2D  cultures,  offer  simplified  systems  for  studying  hippocampal  networks  and  are  low-cost,  high-throughput  testbeds.  However,  they  fall  short  in  recapitulating  key  aspects  of  the  native  microenvironment,  thus  their  network  properties  are  too  dissimilar  and  their  translational  value  is  limited.  In  this  dissertation,  we  applied  tissue  engineering  techniques  to  develop  biofidelic  multi-cellular  cortical-hippocampal  neural  networks  as  novel  models  and  testbeds  for  scientific  investigations.  We  employed  a  forced  aggregation  technique  to  generate  high-density  (100,000  cells/mm3)  multi-cellular  three-dimensional  (3D)  aggregates  using  rodent  embryonic  hippocampal  tissue.  We  compared  the  structural  and  functional  properties  of  aggregated  (3D)  and  dissociated  (2D)  cultures  over  28  days  in  vitro  (DIV).  Aggregates  exhibited  robust  axonal  fasciculation,  significant  neuronal  polarization  at  earlier  time  points,  and  astrocytes  forming  non-overlapping  quasi-domains  with  stellate  morphologies  resembling  in  vivo  structures.  Using  multi-electrode  arrays  (MEAs),  we  observed  that  3D  networks  developed  highly  synchronized  activity  with  high  burstiness  by  28  DIV.  These  findings  suggest  that  the  3D  microenvironment  supports  emergent  biofidelic  properties.  Building  on  this,  we  explored  configurations  of  cortical  and  hippocampal  aggregates  to  model  cortical-hippocampal  networks.  We  created  three  distinct  four-node  multi-aggregate  configurations  (3H1C,  2H2C,  1H3C)  and  characterized  their  morphology,  structural  connectivity,  and  electrophysiological  properties.  We  hypothesized  that  distinct  network  configurations  would  produce  unique  emergent  properties.  All  configurations  formed  robust  networks  with  axonal  tracts  spanning  distinct  nodes  and  similar  structural  connectivity,  however,  astrocyte  domain  formation  was  attenuated  relative  to  single-aggregate  networks.  We  posit  that  further  analysis,  e.g.  LME  models  and  functional  connectivity,  to  further  characterize  these  systems  will  enhance  their  utility  in  translational  research  by  elucidating  more  complex  network  properties  at  local  (aggregate)  and  global  (multi-aggregate)  scales.  We  found  configuration  modulated  emergent  electrophysiological  properties  and  the  effects  of  ketamine.  These  findings  demonstrate  that  neural  aggregates  spanned  by  long-projecting  axonal  tracts  can  be  used  as  modular  building  blocks  for  complex  multi-nodal  network  topologies.
■590    ▼aSchool  code:  0175.
■650  4▼aNeurosciences
■650  4▼aBiomedical  engineering
■650  4▼aCellular  biology
■650  4▼aBioengineering
■653    ▼aNeural  networks
■653    ▼aPsychedelics
■653    ▼aTissue  engineering
■653    ▼aCortical-hippocampal  networks
■690    ▼a0317
■690    ▼a0541
■690    ▼a0202
■690    ▼a0379
■71020▼aUniversity  of  Pennsylvania▼bBioengineering.
■7730  ▼tDissertations  Abstracts  International▼g85-12B.
■790    ▼a0175
■791    ▼aPh.D.
■792    ▼a2024
■793    ▼aEnglish
■85640▼uhttp://www.riss.kr/pdu/ddodLink.do?id=T17160465▼nKERIS▼z이  자료의  원문은  한국교육학술정보원에서  제공합니다.

Preview

Export

ChatGPT Discussion

AI Recommended Related Books