SUMMARY Recovering arm control is a top priority for people with paralysis. Unfortunately, the complexity of the neural mechanisms underlying arm control practically limited the effectiveness of neurotechnology approaches. Here, we exploited the neural function of surviving spinal circuits to restore voluntary arm and hand control in three monkeys with spinal cord injury using spinal cord stimulation. Our neural interface leverages the functional organization of the dorsal roots to convey artificial excitation via electrical stimulation to relevant spinal segments at appropriate movement phases. Stimulation bursts targeting specific spinal segments produced sustained arm movements enabling monkeys with arm paralysis to perform an unconstrained reach-and-grasp task. Stimulation specifically improved strength, task performances and movement quality. Electrophysiology suggested that residual descending inputs were necessary to produce coordinated movements. The efficacy and reliability of our approach hold realistic promises of clinical translation.

Proprioceptive feedback is a critical component of voluntary movement planning and execution. Neuroprosthetic technologies aiming at restoring movement must interact with it to restore accurate motor control. Optimization and design of such technologies depends on the availability of quantitative insights into the neural dynamics of proprioceptive afferents during functional movements. However, recording proprioceptive neural activity during unconstrained movements in clinically relevant animal models presents formidable challenges. In this work, we developed a computational framework to estimate the spatiotemporal patterns of proprioceptive inputs to the cervical spinal cord during three-dimensional arm movements in monkeys. We extended a biomechanical model of the monkey arm with ex-vivo measurements, and combined it with models of mammalian group-Ia, Ib and II afferent fibers. We then used experimental recordings of arm kinematics and muscle activity of two monkeys performing a reaching and grasping task to estimate muscle stretches and forces with computational biomechanics. Finally, we projected the simulated proprioceptive firing rates onto the cervical spinal roots, thus obtaining spatiotemporal maps of spinal proprioceptive inputs during voluntary movements. Estimated maps show complex and markedly distinct patterns of neural activity for each of the fiber populations spanning the spinal cord rostro-caudally. Our results indicate that reproducing the proprioceptive information flow to the cervical spinal cord requires complex spatio-temporal modulation of each spinal root. Our model can support the design of neuroprosthetic technologies as well as in-silico investigations of the primate sensorimotor system.

Translational studies on motor control and neurological disorders require detailed monitoring of sensorimotor components of natural limb movements in relevant animal models. However, available experimental tools do not provide a sufficiently rich repertoire of behavioral signals. Here, we developed a robotic platform that enables the monitoring of kinematics, interaction forces, and neurophysiological signals during user-definable upper limb tasks for monkeys. We configured the platform to position instrumented objects in a three-dimensional workspace and provide an interactive dynamic force-field. We show the relevance of our platform for fundamental and translational studies with three example applications. First, we study the kinematics of natural grasp in response to variable interaction forces. We then show simultaneous and independent encoding of kinematic and forces in single unit intra-cortical recordings from sensorimotor cortical areas. Lastly, we demonstrate the relevance of our platform to develop clinically relevant brain computer interfaces in a kinematically unconstrained motor task.

Abstract The lateral geniculate nucleus (LGN), a retinotopic relay center where visual inputs from the retina are processed and relayed to the visual cortex, has been proposed as a potential target for artificial vision. At present, it is unknown whether optogenetic LGN stimulation is sufficient to elicit behaviorally relevant percepts and the properties of LGN neural responses relevant for artificial vision have not been thoroughly characterized. Here, we demonstrate that tree shrews pretrained on a visual detection task can detect optogenetic LGN activation using an AAV2-CamKIIα-ChR2 construct and readily generalize from visual to optogenetic detection. We also characterize how amplitude and frequency of optogenetic stimulation affect behavioral performance. Given the importance of temporal stimulation parameters, we also study tree shrew behavioral ability to discriminate among pairs of visual flicker frequencies and demonstrate performance transfer among related discrimination problems as well as limitations. Neural recordings in LGN and primary visual cortex (V1) examining two flicker discriminations reveal that while LGN neurons multiplex information about temporal stimulation discriminations, V1 neurons explicitly encode information about one or the other discriminations but not both. Our findings confirm the LGN as a potential target for visual prosthetics and introduce a distinction in stimulus encoding between thalamic and cortical representations that could be of fundamental importance in artificial vision.