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

Anjum, Syed Muhammad Muneeb

Published

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

German
English

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.

Epilepsy is one of the most common chronic neurologic disorders that affects approximately 1% of the general population. Brain insults such as viral encephalitis may initiate the process of epilepsy development known as epileptogenesis. The Theiler’s murine encephalomyelitis virus (TMEV) animal model of viral encephalitis-induced epilepsy, first described by Libbey et. al. (2008), is the first proposed infection driven animal model of epilepsy. This model was reproduced in our lab and we have recorded vEEG (Video-EEG) using cortical electrodes. This vEEG recording is a primary tool used to characterize the electrophysiological parameters in animal models of epilepsy. Interictal epileptiform discharges have been associated with epilepsy, and EEG alterations such as spikes have widely been accepted diagnostically as sign of epilepsy in humans. While characterizing the EEG of this animal model of epilepsy, we could show that animals suffer from early seizures after infection. These early seizures recorded in EEGs were either focal or generalized. We have reported that the percentage of animals suffering from seizures after acute infection is about 77%, verifying the findings of others. With visual observations this percentage values is usually lower. An average latent period of 61 days has been recorded and reported using long term continuous (24/7) vEEG recordings with cortical electrodes. Late seizure frequency during chronic phase of the disease was low in this model: only 38% of infected animals developed epilepsy during this study. In late EEG recording of the animals, we could, just like acute phase after infection, record both focal and generalized seizures. The low frequency of late seizures as well as epileptic animals prompted us to look for alternative read outs as a biomarker for developing epilepsy. We could verify the presence of inter-ictal spikes and spike clusters in all the infected animals. Quantification of spikes in humans and experimental models of epilepsy is often done manually by visual inspection, which requires intensive training, is very laborious, subjective, and error-prone. However, the number of spikes and spike cluster was too high for visual analysis and hence a computer assisted algorithm was needed to objectively quantify them. We have developed a novel method to reliably and objectively quantify EEG spikes and spike clusters automatically. The idea of this detection technique is to analyse bulk EEG data recorded over an extended time period and comparing the results with the standardized visual inspection of specialists. A multitude of constantly updated algorithms over a period of time using EEG recording software LabChart® (AD Instruments) helped us develop a novel arithmetic & macro based signal processing method to quantify and characterize the inter-ictal spikes with high precision (90-99%). Although spikes and spike clusters have been seen in all the animals (mock & infected) during the early (0-7 days post infection) and late phase (91-97 days post infection) following infection, it is found that they are more frequent in TMEV-infected animals with seizures (early or late). The average number of spikes and spike clusters during the acute and chronic phase of epilepsy development was significantly higher in infected animals compared to controls. A comprehensive analysis of EEGs recorded in the late phase after infection showed that infected mice without early or late seizures were indifferent in spike frequency from controls. However, mice with any type of seizure, early or late, exhibited significantly increased spike and spike cluster frequencies in the late phase. On the contrary, few of the epileptic animals showed low number of spikes and spike clusters, with in the range of control animals. This suggested that spike and spike cluster frequency alone cannot predict individual animals to be epileptic or not. However, this can be used along with other previously identified surrogate markers to access the disease development such as seizure threshold, behaviour and cognitive studies. Our results suggest that we can use increased spike and spike cluster frequencies in groups of infected animals as a new readout for disease modification or antiepileptogenesis studies to evaluate the effects of pharmacological compounds.