We thank those individuals and groups who have used SpikeSorter and who have provided requests for file format support and suggestions and feedback on how to improve it. These include Youping Xiao, Felix Fung, Artak Khachatryan, Eric Kuebler, Curtis Baker, Amol Gharat and Dongsheng Xiao. We thank Adrien Peyrache for the false positive and negative figures given in 'Representative Results'.

<ol>
	<li>Buzs&#225;ki, G. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Large-scale+recording+of+neuronal+ensembles.">Large-scale recording of neuronal ensembles.</a> Nat. Neurosci. 7, 446-451 (2004).</li><li>Blanche, T. J., Spacek, M. A., Hetke, J. F., Swindale, N. V. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Polytrodes:+High+Density+Silicon+Electrode+Arrays+for+Large+Scale+Multiunit+Recording.">Polytrodes: High Density Silicon Electrode Arrays for Large Scale Multiunit Recording.</a> J. Neurophys. 93, 2987-3000 (2005).</li><li>Lewicki, M. S. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=A+review+of+methods+for+spike+sorting:+the+detection+and+classi&#64257;cation+of+neuronal+action+potentials.">A review of methods for spike sorting: the detection and classi&#64257;cation of neuronal action potentials.</a> Network. 9, R53-R78 (1998).</li><li>Letelier, J. C., Weber, P. P. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Spike+sorting+based+on+discrete+wavelet+transform+coefficients.">Spike sorting based on discrete wavelet transform coefficients.</a> J. Neurosci. Methods. 101, 93-106 (2000).</li><li>Quiroga, R. Q., Nadasdy, Z., Ben-Shaul, Y. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Unsupervised+spike+detection+and+sorting+with+wavelets+and+superparamagnetic+clustering.">Unsupervised spike detection and sorting with wavelets and superparamagnetic clustering.</a> Neural Computation. 16, 1661-1687 (2004).</li><li>Franke, F., Natora, M., Boucsein, C., Munk, M., Obermayer, K. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=An+online+spike+detection+and+spike+classi&#64257;cation+algorithm+capable+of+instantaneous+resolution+of+overlapping+spikes.">An online spike detection and spike classi&#64257;cation algorithm capable of instantaneous resolution of overlapping spikes.</a> J. Comput. Neurosci. 29, 127-148 (2010).</li><li>J&#228;ckel, D., Frey, U., Fiscella, M., Franke, F., Hierlemann, A. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Applicability+of+independent+component+analysis+on+high-density+microelectrode+array+recordings.">Applicability of independent component analysis on high-density microelectrode array recordings.</a> J. Neurophysiol. 108, 334-348 (2012).</li><li>Rossant, C., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Spike+sorting+for+large,+dense+electrode+arrays.">Spike sorting for large, dense electrode arrays.</a> Nature Neuroscience. 19, 634-641 (2016).</li><li>Vandecasteele, M., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Large-scale+recording+of+neurons+by+movable+silicon+probes+in+behaving+rodents.">Large-scale recording of neurons by movable silicon probes in behaving rodents.</a> JoVE. (61), e3568 (2012).</li><li>Schjetnan, A. G. P., Luczak, A. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Recording+large-scale+neuronal+ensembles+with+silicon+probes+in+the+anesthetized+rat.">Recording large-scale neuronal ensembles with silicon probes in the anesthetized rat.</a> JoVE. (56), e3282 (2011).</li><li>Swindale, N. V., Spacek, M. A. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Spike+sorting+for+polytrodes:+a+divide+and+conquer+approach.">Spike sorting for polytrodes: a divide and conquer approach.</a> Frontiers in Systems Neuroscience. 8, 1-21 (2014).</li><li>Swindale, N. V., Spacek, M. A. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Spike+detection+methods+for+polytrodes+and+high+density+microelectrode+arrays.">Spike detection methods for polytrodes and high density microelectrode arrays.</a> J. Comput. Neurosci. 38, 249-261 (2015).</li><li>Swindale, N. V., Spacek, M. A. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Veri&#64257;cation+of+multichannel+electrode+array+integrity+by+use+of+cross-channel+correlations.">Veri&#64257;cation of multichannel electrode array integrity by use of cross-channel correlations.</a> J. Neurosci. Meth. 263, 95-102 (2016).</li><li>Fukunaga, K., Hostetler, L. D. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=The+estimation+of+the+gradient+of+a+density+function,+with+applications+in+pattern+recognition.">The estimation of the gradient of a density function, with applications in pattern recognition.</a> IEEE Transactions on Information Theory (IEEE). 21, 32-40 (1975).</li><li>Mitelut, C., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Standardizing+spike+sorting:+an+in+vitro,+in+silico+and+in+vivo+study+to+develop+quantitative+metrics+for+sorting+extracellularly+recorded+spiking+activity.">Standardizing spike sorting: an in vitro, in silico and in vivo study to develop quantitative metrics for sorting extracellularly recorded spiking activity.</a> Soc. Neurosci. Abstr. 598 (10), (2015).</li><li>Hazan, L., Zugaro, M., Buzs&#225;ki, G. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Klusters,+NeuroScope,+NDManager:+A+free+software+suite+for+neurophysiological+data+processing+and+visualization.">Klusters, NeuroScope, NDManager: A free software suite for neurophysiological data processing and visualization.</a> J. Neurosci. Meth. 155, 207-216 (2006).</li><li>Harris, K. D., Henze, D. A., Csicsvari, J., Hirase, H., Buzs&#225;ki, G. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Accuracy+of+tetrode+spike+separation+as+determined+by+simultaneous+intracellular+and+extracellular+measurements.">Accuracy of tetrode spike separation as determined by simultaneous intracellular and extracellular measurements.</a> J. Neurophysiol. 84, 401-414 (2000).</li><li>Anastassiou, C. A., Perin, R., Buzs&#225;ki, G., Markram, H., Koch, C. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Cell-type+and+activity+dependent+extracellular+correlates+of+intracellular+spiking.">Cell-type and activity dependent extracellular correlates of intracellular spiking.</a> J. Neurophysiol. 114, 608-623 (2015).</li><li>Wohrer, A., Humphries, M. D., Machens, C. K. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Population-wide+distributions+of+neural+activity+during+perceptual+decision-making.">Population-wide distributions of neural activity during perceptual decision-making.</a> Prog. Neurobiol. 103, 156-193 (2013).</li><li>Mizuseki, K., Buzs&#225;ki, G. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Preconfigured,+skewed+distribution+of+firing+rates+in+the+hippocampus+and+entorhinal+cortex.">Preconfigured, skewed distribution of firing rates in the hippocampus and entorhinal cortex.</a> Cell Reports. 4, 1010-1021 (2013).</li><li>Schmitzer-Torbert, N., Jackson, J., Henze, D., Harris, K., Redish, A. D. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Quantitative+measures+of+cluster+quality+for+use+in+extracellular+recordings.">Quantitative measures of cluster quality for use in extracellular recordings.</a> Neuroscience. 131, 1-11 (2005).</li><li>Barnett, A. H., Magland, J. F., Greengard, L. F. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Validation+of+neural+spike+sorting+algorithms+without+ground-truth+information.">Validation of neural spike sorting algorithms without ground-truth information.</a> J. Neurosci. Meth. 264, 65-77 (2016).</li></ol>

The authors have nothing to disclose.

Formatos de archivo formatos de archivo soportados actualmente incluyen Neuralynx (.ntt y .ncs), Plexon (.plx), Neuroscope (.xml + .dat), sistemas multicanal (.mcd), Blackrock (.nev) y Intan (.rhd). Para formatos no compatibles, hay dos opciones. Una de ellas es solicitar además del formato de archivo para una próxima versión (un enlace de correo electrónico al desarrollador está previsto en la &#39;Ayuda - Acerca de&#39; diálogo). La otra es la de convertir el archivo a un formato compat...

Cualquier persona que graba señales extracelulares del cerebro usando métodos más sofisticados que un simple umbral de ventanas y en línea se enfrenta a la tarea de identificar y separar las señales de diferentes neuronas a partir de las señales de tensión ruidosos registrados por el electrodo. Esta tarea se conoce comúnmente como la clasificación pico. La dificultad de clasificación pico se complica por varios factores. Las neuronas pueden ser muy próximos entre sí de manera que las señales registradas de ellos por un electrodo cercano es probable que sean similares y difíciles de distinguir. Las señales producidas por una sola neurona puede variar con el tiempo, tal vez debido a los movimientos del electrodo, la cinética de los canales de sodio variable durante los periodos de alta velocidad de disparo, grados variables de activación de las conductancias de tensión en las dendritas que se acercan del electrodo, o posiblemente como resultado de los cambios en el estado de cerebro. Estos problemas pueden ser mitigados mediante el uso de múltiples arrays de electrodos (MEA) con muchos poco espaciados - r (20 100 micras)<html> rabación canales que permite una mejor definición espacial de las señales de las neuronas individuales ya que normalmente se extienden por varios canales 1, 2. Sin embargo, esto, combinado con el hecho de que las señales de las neuronas se extienden a lo largo de toda la longitud de la superposición de electrodo en el espacio, resulta en una potencialmente muy alta espacio tridimensional en el que los clústeres que corresponde a las neuronas únicas necesita ser identificado. Este problema se hace computacionalmente intratable durante más de un pequeño número de canales de electrodos. Hasta la fecha, no existe un acuerdo general-upon mejor método para la clasificación de pico, aunque muchas soluciones se han propuesto 3, 4, 5, 6, 7, 8 y grabaciones de los AAM se están convirtiendo cada vez más común 9,culo = &quot;xref&quot;&gt; 10. Debido a la clasificación pico no es un fin en sí mismo, sino que es simplemente un paso previo necesario antes de un nuevo análisis de datos, existe una necesidad de un paquete de fácil utilización que leerá en los archivos de datos de registro bruto y convertirlos en espiga trenes ordenados con un mínimo de usuario de entrada, y como forma rápida y fiable, como sea posible. Este documento proporciona un tutorial para el uso de SpikeSorter - un programa desarrollado con el objetivo de satisfacer esas necesidades. El programa se basa en algoritmos descritos en los documentos publicados previamente 11, 12, 13. Los objetivos en el diseño del programa fueron que a) debe tener una interfaz fácil de usar que requiere poco o ningún conocimiento previo de programación informática o de pico de clasificación metodología; b) deben ser necesarios pocos o ningún otros componentes de software especializado más allá de los sistemas operativos estándar de Windows o Linux; do </em&gt;) Una amplia gama de formatos de grabación de datos para la importación y exportación de datos debe ser apoyada; d) la necesidad de que la entrada del usuario durante la clasificación debe reducirse al mínimo, y e) clasificar los tiempos deben escalar de una manera razonable, a ser posible de forma lineal, con la duración de la grabación y el número de canales en el electrodo. Los algoritmos implementados en el programa incluyen: a) un conjunto flexible de estrategias de pre-procesamiento y detección de eventos; b) una división automatizada y estrategia de conquista de reducción de la dimensión que agrupa las formas de onda de voltaje en base a los componentes principales (PC) de distribución obtenidos a partir de subconjuntos de canales asignados a grupos específicos; c) automatizado agrupación de distribuciones de PC con un procedimiento rápido agrupamiento basado en el algoritmo de media de desplazamiento de 3, 14, y d) fusión de pares parcialmente automatizado y la división de los grupos para asegurarse de que cada uno es tan claro como sea posible de todos los demás. para This, un conjunto de procedimientos se ha agregado que permiten la división manual o fusión de clusters basados ​​en la inspección de las distribuciones de PC, cruzada y auto-correlograms de espiga trenes y parcelas en tiempo de amplitud de formas de onda de pico. Las grabaciones de tetrodos, matrices, arrays tetrodo Utah, así como los AMA unifamiliares y multifamiliares de espiga pueden ser leídos y ordenadas. El límite de corriente en el número de canales es 256 pero esto puede aumentar en el futuro. Otra aplicación de código abierto multiplataforma, &quot;spyke&quot; (http://spyke.github.io), también está disponible. Escrito por uno de nosotros (MS) en Python y Cython, spyke utiliza el mismo enfoque general como SpikeSorter, con algunas diferencias: para reducir la demanda de memoria, los datos en bruto se carga en pequeños bloques, y sólo cuando sea absolutamente necesario; grupos se muestran en exclusiva, manipulados, y se clasifican en 3D; y de componentes principales y análisis de componentes independientes son utilizados como métodos de reducción de dimensiones complementarias. Spyke requiere más usuario eninteracción, sino que se basa en gran medida en el teclado y el ratón atajos y una cola de deshacer / rehacer para explorar rápidamente los efectos de diversos factores en la agrupación de cualquier subconjunto dado de espigas. Estos factores incluyen el canal de espiga y la selección del rango de tiempo, la alineación pico, las dimensiones de agrupamiento y ancho de banda espacial (Sigma) 11. La siguiente es una breve descripción de los algoritmos y estrategias utilizadas para la clasificación. Más descripciones completas se pueden encontrar en las publicaciones anteriores 11, 12, 13 y en las anotaciones que se puede acceder a través de los botones de ayuda (identificados con un &#39;?&#39;) Dentro de SpikeSorter. Después de cargar un archivo de voltaje extracelular prima y el filtrado de los componentes de baja frecuencia, una etapa inicial de los resultados de detección de eventos en un conjunto de eventos, cada uno de los cuales consta de un breve panorama de tensión antes y después de la hora del evento. Si los elegidosmontó sitios están suficientemente espaciadas estrechamente (&lt;100 micras), las señales de una sola unidad aparecerá generalmente en varios canales vecinos. Un canal central se elige de forma automática para cada evento, correspondiente al canal en el que el voltaje de pico a pico del evento es más grande. Automatizados de clasificación se inicia mediante la formación de un solo grupo inicial para cada canal del electrodo, que consiste en todos los eventos que fueron localizados a ese canal. Una unidad situada a medio camino entre canales puede dar lugar a picos que se localizan (quizás al azar) a diferentes canales: los racimos de estos dos conjuntos de picos se identificaron como similar y se fusionaron en una etapa posterior. A continuación se calcula la forma de onda promedio de los eventos en cada grupo inicial. Esto se conoce como la plantilla clúster. canales auxiliares son asignados a cada grupo en función de las amplitudes y desviación estándar de las formas de onda de la plantilla en cada canal. valores de los componentes principales A continuación se calculan para cada clúster basado en On las formas de onda en el conjunto de canales asignado. El usuario puede elegir el número de las principales dimensiones de los componentes de empleo: por lo general 2 es suficiente. Cada grupo se divide entonces en una nueva serie de grupos, y esto se repite hasta que ninguno puede ser aún más dividida por la agrupación automatizada. En este punto, un conjunto inicial de, digamos, 64 racimos de un electrodo de 64 canales, se pueden dividir en dos o tres veces ese número, dependiendo del número de unidades que estaban presentes en la grabación. Pero debido a la asignación de variables de los acontecimientos de las unidades individuales a diferentes canales, el número de grupos que se encuentra en esta etapa es casi con toda seguridad más grande de lo que debería ser. La siguiente etapa de clasificación es para corregir el oversplitting mediante la comparación de pares de racimos y la fusión de pares similares o reasignación de eventos de uno a otro. Esta etapa de clasificación se denomina &quot;unir y separar &#39;. La fusión y división Para n grupos, hay N * (N-1) / 2 pares y por lo tanto el número de pares crece como N 2, que es indeseable. Sin embargo, muchas parejas pueden ser excluidos de la comparación debido a que los dos miembros de la pareja están físicamente separados. Esto reduce la dependencia a algo que está más linealmente relacionada con el número de canales. A pesar de este acceso directo, la fusión y la etapa de división todavía puede ser bastante tiempo. Funciona de la siguiente manera. Cada par de clúster que se va a comparar (los que están físicamente próximos entre sí, como se juzga por la superposición de los conjuntos de canales asignados a cada uno) temporalmente se fusiona, a pesar de mantener las identidades de los picos en los dos grupos de miembros conocidos. Los principales componentes del par resultante de la fusión se calculan entonces. Una medida de la superposición entre los puntos en los dos grupos se calcula basándose en la distribución de los dos primeros componentes principales. La forma en que el ov<html> medida ERLAP se calcula se describe con más detalle en otra parte 11. Su valor es cero si los clústeres no se superponen en absoluto, es decir, el vecino más próximo de cada punto está en el mismo grupo. Su valor es de cerca de 1 si los grupos se superponen completamente, es decir, la probabilidad de que el vecino más cercano está en el mismo grupo es el mismo que el predicho a partir de una mezcla uniforme de puntos. Varios se toman las decisiones que adoptan la medida de solapamiento en cuenta. Si el solapamiento es mayor que un cierto valor, los grupos se pueden combinar. Si el solapamiento es muy pequeño, el par de clúster puede ser definida como distinta y dejó solo. Los valores intermedios, lo que indica una separación incompleta de la pareja de clúster, puede ser señal de que la pareja debe fundirse y volver a dividir, el resultado deseado ser un par de racimos con menos solapamiento. Estos procedimientos se ejecutan primero en una etapa automatizada y luego en una etapa de guiado manualmente. tienda &quot;&gt; En la etapa automatizado, pares de racimo con un alto valor de solapamiento se fusionan;. luego pares de racimo con el intermedio a valores bajos de solapamiento se fusionan y re-split En la segunda etapa, guiada por el usuario, el usuario se presenta con toda la restante pares de racimo ambiguos (es decir, aquellos con valores de solapamiento en un rango intermedio definido) en secuencia y se le pide que elija si a) para fusionar el par, b) se funden y resplit el par, c) declarar el par a ser distinto (que anulará la importancia de la medida de solapamiento), o d) para definir la relación entre la pareja como &quot;ambigua&quot; que indica que los picos en el par es poco probable que estar bien ordenados. se proporcionan varias herramientas para ayudar con estas decisiones, incluyendo auto - y transversales correlograms y diagramas de series de tiempo de la altura de pico y los valores de PC. Lo ideal sería que, al final de las etapas de la fusión y división, cada grupo debe ser distinto de todos los demás,ya sea porque tiene pocos o ningún canales en común con otros grupos, o porque el índice de superposición es menor que un valor definido. Este valor es seleccionable por el usuario, pero es típicamente 0,1. Clusters (unidades) que pasan esta prueba se definen como &quot;estable&quot;, los que no (porque la superposición con uno o más de otros grupos es mayor que el umbral) se definen como &quot;inestable&quot;. En la práctica, la gran mayoría de las unidades terminan siendo definido como &quot;estable&quot; en el acabado de la clasificación, dejando el resto para cualquiera ser descartado o tratado como potencialmente multi-unidad. Requisitos de Software SpikeSorter es compatible con versiones de 64 bits de Windows 7 y Windows 10, y también se ha ejecutado con éxito bajo Linux usando el emulador de vino. Los archivos de datos se cargan por completo en la memoria (para velocidad), por lo tanto necesita RAM disponible a escala con el tamaño de la grabación (permitir que alrededor de 2 GB para el programa en sí). electrofisiológicoAL archivos de datos de más de 130 GB de tamaño han sido ordenados con éxito tanto en entornos Windows y Linux. Las opciones se accede a través de los menús estándar de Windows, una barra de herramientas y cuadros de diálogo. La disposición de los elementos en el menú coincide más o menos el orden de las operaciones de clasificación, comenzando con el menú &quot;Archivo&quot; de la izquierda para la entrada de datos y el menú &quot;Exportar&quot; a la derecha que permite la exportación de datos ordenados. botones de la barra proporcionan accesos directos a los usados ​​comúnmente elementos de menú. El archivo de configuración de canales Muchos formatos de grabación de datos no almacenan ubicaciones de canal. Sin embargo, a sabiendas de éstos es esencial para la clasificación pico. Los canales también pueden ser numerados de diversas maneras por software de adquisición: SpikeSorter requiere que los canales se numeran en secuencia, comenzando con el canal 1. Por lo tanto, un archivo de configuración de electrodo auxiliar tiene que ser creado que se puede volver a asignar los números de canal para seguir la regla secuencial, y para loc canal de tiendasciones. El archivo de configuración de canal es un archivo de texto con una sola fila de texto para cada canal. La primera línea del archivo almacena un nombre de texto de hasta 16 caracteres de longitud, que identifica el electrodo. Los números en las líneas subsiguientes pueden ser separados por pestañas, una coma o espacios. Hay cuatro números en cada fila proporcionar (en orden): el número de canal en el archivo, el número de canal a la que ha de ser asignada (es decir, el número que se utilizará por SpikeSorter), y las coordenadas X e Y de la canal, en micras. La coordenada x normalmente se toma como perpendicular a la dirección de inserción del electrodo y la coordenada y en consecuencia sería profundidad en el tejido. El archivo de configuración tiene que ser colocado en el mismo directorio que el archivo de grabación. Hay una cierta flexibilidad en la forma en que puede ser nombrado. El programa buscará primero un archivo que tiene el mismo nombre que el archivo de datos en bruto, pero con una extensión .cfg. Si ese archivo is no se encuentra, se buscará el &#39;electrode.cfg&#39; archivo. Si no se encuentra el archivo que a su vez se genera un mensaje de error para indicar una falta de información sobre la disposición de canales.

<table><tbody><tr><td>spikesorter.exe</td><td>N/A</td><td></td><td>&lt;a href=&quot;http://www.swindale.ecc.ubc.ca/SpikeSorter&quot;&gt;http://www.swindale.ecc.ubc.ca/SpikeSorter&lt;/a&gt;</td></tr></tbody></table>

a visual guide to sorting electrophysiological recordings using 'spikesorter'

Few stand-alone software applications are available for sorting spikes from recordings made with multi-electrode arrays. Ideally, an application should be user friendly with a graphical user interface, able to read data files in a variety of formats, and provide users with a flexible set of tools giving them the ability to detect and sort extracellular voltage waveforms from different units with some degree of reliability. Previously published spike sorting methods are now available in a software program, SpikeSorter, intended to provide electrophysiologists with a complete set of tools for sorting, starting from raw recorded data file and ending with the export of sorted spikes times. Procedures are automated to the extent this is currently possible. The article explains and illustrates the use of the program. A representative data file is opened, extracellular traces are filtered, events are detected and then clustered. A number of problems that commonly occur during sorting are illustrated, including the artefactual over-splitting of units due to the tendency of some units to fire spikes in pairs where the second spike is significantly smaller than the first, and over-splitting caused by slow variation in spike height over time encountered in some units. The accuracy of SpikeSorter's performance has been tested with surrogate ground truth data and found to be comparable to that of other algorithms in current development.

La Figura 7 muestra la pantalla (obtenido por ir a &quot;Ver - Ordenado formas de onda &#39;) para una grabación típica ordenada. La opción de vista por defecto es sólo para mostrar las formas de onda en el canal central para cada grupo. Una experiencia común es que las formas de onda para un par de clúster en el mismo canal parecen idénticos, pero cuando el &#39;Comparación de pares&#39; de diálogo se utiliza para examinar los dos grupos hay distintas agrupacio...

Watch this Scientific Journal Video about A Visual Guide to Sorting Electrophysiological Recordings Using 'SpikeSorter' at JoVE.com

A Visual Guide to Sorting Electrophysiological Recordings Using 'SpikeSorter'

The article shows how to use the program SpikeSorter to detect and sort spikes in extracellular recordings made with multi-electrode arrays.

Una Guía Visual de Ordenación de Registros electrofisiológicos El uso de &#39;SpikeSorter&#39;

Few stand-alone software applications are available for sorting spikes from recordings made with multi-electrode arrays. Ideally, an application should be ...

a-visual-guide-to-sorting-electrophysiological-recordings-using

Research

JoVE Journal

Neuroscience

11.0K vistas.  University of British Columbia. The article shows how to use the program SpikeSorter to detect and sort spikes in extracellular recordings made with multi-electrode arrays.

Video: A Visual Guide to Sorting Electrophysiological Recordings Using 'SpikeSorter'

A Simple Stimulatory Device for Evoking Point-like Tactile Stimuli: A Searchlight for LFP to Spike Transitions

Current neurophysiological research has the aim to develop methodologies to investigate the signal route from neuron to neuron, namely in the transitions from spikes to Local Field Potentials (LFPs) and from LFPs to spikes.
LFPs have a complex dependence on spike activity and their relation is still poorly understood1. The elucidation of these signal relations would be helpful both for clinical diagnostics (e.g. stimulation paradigms for Deep Brain Stimulation) and for a deeper comprehension of neural coding strategies in normal and pathological conditions (e.g. epilepsy, Parkinson disease, chronic pain). To this aim, one has to solve technical issues related to stimulation devices, stimulation paradigms and computational analyses. Therefore, a custom-made stimulation device was developed in order to deliver stimuli well regulated in space and time that does not incur in mechanical resonance. Subsequently, as an exemplification, a set of reliable LFP-spike relationships was extracted.
The performance of the device was investigated by extracellular recordings, jointly spikes and LFP responses to the applied stimuli, from the rat Primary Somatosensory cortex. Then, by means of a multi-objective optimization strategy, a predictive model for spike occurrence based on LFPs was estimated.
The application of this paradigm shows that the device is adequately suited to deliver high frequency tactile stimulation, outperforming common piezoelectric actuators. As a proof of the efficacy of the device, the following results were presented: 1) the timing and reliability of LFP responses well match the spike responses, 2) LFPs are sensitive to the stimulation history and capture not only the average response but also the trial-to-trial fluctuations in the spike activity and, finally, 3) by using the LFP signal it is possible to estimate a range of predictive models that capture different aspects of the spike activity.

To elucidate the complex transition from Local Field Potentials (LFPs) to spikes a suitable stimulator for light mechanical peripheral stimuli was built. As an application, the spiking activities recorded from somatosensory cortex were analyzed by a multi-objective optimization strategy. The results demonstrated that the proposed stimulator was able to deliver tactile stimuli with millisecond and millimeter precisions.

Un dispositivo estimulador simple para Evocando Point-como estímulos táctiles: A Searchlight para LFP a Spike Transiciones

Current neurophysiological research has the aim to develop methodologies to investigate the signal route from neuron to neuron, namely in the transitions ...

Investigación

Neurociencias

A Procedure for Implanting Organized Arrays of Microwires for Single-unit Recordings in Awake, Behaving Animals

In vivo electrophysiological recordings in the awake, behaving animal provide a powerful method for understanding neural signaling at the single-cell level. The technique allows experimenters to examine temporally and regionally specific firing patterns in order to correlate recorded action potentials with ongoing behavior. Moreover, single-unit recordings can be combined with a plethora of other techniques in order to produce comprehensive explanations of neural function. In this article, we describe the anesthesia and preparation for microwire implantation. Subsequently, we enumerate the necessary equipment and surgical steps to accurately insert a microwire array into a target structure. Lastly, we briefly describe the equipment used to record from each individual electrode in the array. The fixed microwire arrays described are well-suited for chronic implantation and allow for longitudinal recordings of neural data in almost any behavioral preparation. We discuss tracing electrode tracks to triangulate microwire positions as well as ways to combine microwire implantation with immunohistochemical techniques in order to increase the anatomical specificity of recorded results.

Implanting organized arrays of microwires for use in single-unit electrophysiological recordings presents a number of technical challenges.&#160;Methods for performing this technique and the equipment necessary are described.&#160;Also, the beneficial use of organized microwire arrays to record from distinct neural subregions with high spatial selectivity is discussed.

Un procedimiento para la implantación de matrices Organizados de Microhilos para grabaciones de una sola unidad en Awake, Comportarse Animales

In vivo electrophysiological recordings in the awake, behaving animal provide a powerful method for understanding neural signaling at the single-cell ...

Acute In Vivo Electrophysiological Recordings of Local Field Potentials and Multi-unit Activity from the Hyperdirect Pathway in Anesthetized Rats

Converging evidence shows that many neuropsychiatric diseases should be understood as disorders of large-scale neuronal networks. To better understand the pathophysiological basis of these diseases, it is necessary to precisely characterize in which way the processing of information is disturbed between the different neuronal parts of the circuit. Using extracellular in vivo electrophysiological recordings, it is possible to accurately delineate neuronal activity within a neuronal network. The application of this method has several advantages over alternative techniques, e.g., functional magnetic resonance imaging and calcium imaging, as it allows a unique temporal and spatial resolution and does not rely on genetically engineered organisms. However, the use of extracellular in vivo recordings is limited since it is an invasive technique that cannot be universally applied. In this article, a simple and easy to use method is presented with which it is possible to simultaneously record extracellular potentials such as local field potentials and multiunit activity at multiple sites of a network. It is detailed how a precise targeting of subcortical nuclei can be achieved using a combination of stereotactic surgery and online analysis of multi-unit recordings. Thus, it is demonstrated, how a complete network such as the hyperdirect cortico-basal ganglia loop can be studied in anesthetized animals in vivo.

Acute In Vivo Electrophysiological Recordings of Local Field Potentials and Multi-unit Activity from the Hyperdirect Pathway in Anesthetized Rats

In this study, the methodology is presented on how to perform multi-site in vivo electrophysiological recordings from the hyperdirect pathway under urethane anesthesia.

Agudo<em&gt; In Vivo</em&gt; Grabaciones electrofisiológicas de potenciales de campo locales y actividad de múltiples unidades de la vía hiperdirecta en ratas anestesiadas

Converging evidence shows that many neuropsychiatric diseases should be understood as disorders of large-scale neuronal networks. To better understand the ...

Combined In Vivo Anatomical and Functional Tracing of Ventral Tegmental Area Glutamate Terminals in the Hippocampus

Optogenetic modulation of neuron sub-populations in the brain has allowed researchers to dissect neural circuits in vivo and ex vivo. This provides a premise for determining the role of neuron types within a neural circuit, and their significance in information encoding relative to learning. Likewise, the method can be used to test the physiological significance of two or more connected brain regions in awake and anesthetized animals. The current study demonstrates how VTA glutamate neurons modulate the firing rate of putative pyramidal neurons in the CA1 (hippocampus) of anesthetized mice. This protocol employs adeno-associated virus (AAV)-dependent labeling of VTA glutamate neurons for the tracing of VTA presynaptic glutamate terminals in the layers of the hippocampus. Expression of light-controlled opsin (channelrhodopsin; hChR2) and fluorescence protein (eYFP) harbored by the AAV vector permitted anterograde tracing of VTA glutamate terminals, and photostimulation of VTA glutamate neuron cell bodies (in the VTA). High-impedance acute silicon electrodes were positioned in the CA1 to detect multi-unit and single-unit responses to VTA photostimulation in vivo. The results of this study demonstrate the&#160;layer-dependent distribution of presynaptic VTA glutamate terminals in the hippocampus (CA1, CA3, and DG). Also, the photostimulation of VTA glutamate neurons increased the firing and burst rate of putative CA1 pyramidal units in vivo.

The current protocol demonstrates a simple method for tracing of ventral tegmental area (VTA) glutamate projections to the hippocampus. Photostimulation of VTA glutamate neurons was combined with CA1 recording to demonstrate how VTA glutamate terminals modulate CA1 putative pyramidal firing rate in vivo.

Trazado anatómico y funcional combinado in vivo de terminales de glutamato del área tegmental ventral en el hipocampo

Optogenetic modulation of neuron sub-populations in the brain has allowed researchers to dissect neural circuits in vivo and ex vivo. This provides a ...

Recording Network Activity in Spinal Nociceptive Circuits Using Microelectrode Arrays

The roles and connectivity of specific types of neurons within the spinal cord dorsal horn (DH) are being delineated at a rapid rate to provide an increasingly detailed view of the circuits underpinning spinal pain processing. However, the effects of these connections for broader network activity in the DH remain less well understood because most studies focus on the activity of single neurons and small microcircuits. Alternatively, the use of microelectrode arrays (MEAs), which can monitor electrical activity across many cells, provides high spatial and temporal resolution of neural activity. Here, the use of MEAs with mouse spinal cord slices to study DH activity induced by chemically stimulating DH circuits with 4-aminopyridine (4-AP) is described. The resulting rhythmic activity is restricted to the superficial DH, stable over time, blocked by tetrodotoxin, and can be investigated in different slice orientations. Together, this preparation provides a platform to investigate DH circuit activity in tissue from na&#239;ve animals, animal models of chronic pain, and mice with genetically altered nociceptive function. Furthermore, MEA recordings in 4-AP-stimulated spinal cord slices can be used as a rapid screening tool to assess the capacity of novel antinociceptive compounds to disrupt activity in the spinal cord DH.

The combined use of microelectrode array technology and 4-aminopyridine-induced chemical stimulation for investigating network-level nociceptive activity in the spinal cord dorsal horn is outlined.

Registro de la actividad de la red en circuitos nociceptivos espinales utilizando matrices de microelectrodos

The roles and connectivity of specific types of neurons within the spinal cord dorsal horn (DH) are being delineated at a rapid rate to provide an ...

Registro electrofisiológico extracelular en la corteza motora de ratones

Multichannel Extracellular Recording in Freely Moving Mice

The protocol aims to uncover the properties of neuronal firing and network local field potentials (LFPs) in behaving mice carrying out specific tasks by correlating the electrophysiological signals with spontaneous and/or specific behavior. This technique represents a valuable tool in studying the neuronal network activity underlying these behaviors. The article provides a detailed and complete procedure for electrode implantation and consequent extracellular recording in free-moving conscious mice. The study includes a detailed method for implanting the microelectrode arrays, capturing the LFP and neuronal spiking signals in the motor cortex (MC) using a multichannel system, and the subsequent offline data analysis. The advantage of multichannel recording in conscious animals is that a greater number of spiking neurons and neuronal subtypes can be obtained and compared, which allows the evaluation of the relationship between a specific behavior and the associated electrophysiological signals. Notably, the multichannel extracellular recording technique and the data analysis procedure described in the present study can be applied to other brain areas when conducting experiments in behaving mice.

Autor destacado: Avances en la grabación extracelular multicanal para estudiar la actividad neuronal en ratones que se mueven libremente 

The protocol describes the methodology of extracellular recording in the motor cortex (MC) to reveal extracellular electrophysiological properties in freely moving conscious mice, as well as the data analysis of local field potentials (LFPs) and spikes, which is useful for evaluating the network neural activity underlying behaviors of interest.

Grabación extracelular multicanal en ratones que se mueven libremente

The protocol aims to uncover the properties of neuronal firing and network local field potentials (LFPs) in behaving mice carrying out specific tasks by ...

Desarrollo de una platina de electrodos X-Y para el registro neuronal preciso en titíes

Electrophysiology of Laminar Cortical Activity in the Common Marmoset

The marmoset monkey provides an ideal model for examining laminar cortical circuits due to its smooth cortical surface, which facilitates recordings with linear arrays. The marmoset has recently grown in popularity due to its similar neural functional organization to other primates and its technical advantages for recording and imaging. However, neurophysiology in this model poses some unique challenges due to the small size and lack of gyri as anatomical landmarks. Using custom-built micro-drives, researchers can manipulate linear array placement to sub-millimeter precision and reliably record at the same retinotopically targeted location across recording days. This protocol describes the step-by-step construction of the micro-drive positioning system and the neurophysiological recording technique with silicon linear electrode arrays. With precise control of electrode placement across recording sessions, researchers can easily traverse the cortex to identify areas of interest based on their retinotopic organization and the tuning properties of the recorded neurons. Further, using this laminar array electrode system, it is possible to apply a current source density analysis (CSD) to determine the recording depth of individual neurons. This protocol also demonstrates examples of laminar recordings, including spike waveforms isolated in Kilosort, which span multiple channels on the arrays.

Autor destacado: Optimización de sistemas de microaccionamiento para un posicionamiento preciso de los electrodos en el tití

Custom-built micro-drives enable the sub-millimeter targeting of cortical recording sites with linear silicon arrays.

Electrofisiología de la actividad cortical laminar en el tití común

The marmoset monkey provides an ideal model for examining laminar cortical circuits due to its smooth cortical surface, which facilitates recordings with ...

Una Guía Visual de Ordenación de Registros electrofisiológicos El uso de 'SpikeSorter'

Resumen

Explorar más videos

Capítulos en este video

Un dispositivo estimulador simple para Evocando Point-como estímulos táctiles: A Searchlight para LFP a Spike Transiciones

Un procedimiento para la implantación de matrices Organizados de Microhilos para grabaciones de una sola unidad en Awake, Comportarse Animales

Agudo

Trazado anatómico y funcional combinado in vivo de terminales de glutamato del área tegmental ventral en el hipocampo

Registro de la actividad de la red en circuitos nociceptivos espinales utilizando matrices de microelectrodos

Grabación extracelular multicanal en ratones que se mueven libremente

Grabación extracelular multicanal en ratones que se mueven libremente

Grabación extracelular multicanal en ratones que se mueven libremente

Electrofisiología de la actividad cortical laminar en el tití común

Electrofisiología de la actividad cortical laminar en el tití común