먼저 생체 외 마우스 뇌 급성 절편 및 체외 인간 IPSC 유래 신경 네트워크의 시공간 신경 활동을 기록합니다. 기록된 원시 데이터 열기 file BrainWave 소프트웨어에서. 분석을 선택하고 LFP 감지 또는 스파이크 감지를 클릭합니다.
해마 및 후각 전구 회로 기록의 경우, 실체현미경에서 감지된 이벤트 파일로 구조광 이미지를 가져오기 위한 고급 작업 공간 옵션을 통합합니다. 대규모 해마 피질 회로를 검사하기 위한 구조적 계층을 만듭니다. 사용자 지정 작성 Python 스크립트를 활용하여 BXR 파일을 읽습니다.
IPSC 네트워크 기록에서 스파이크 트레인을 추출하고 해마 및 후각 전구 뇌 절편 회로 기록에서 LFP 이벤트 트레인을 추출합니다. 결과로 생성된 이벤트 훈련 데이터를 시공간 정보와 함께 NPY 파일 형식으로 저장합니다. BRW 파일의 시계열 데이터를 사용하여 64 x 64 배열의 활성 전극 쌍 간의 교차공분산을 계산합니다.
각 연결 행렬을 동적 그래프 파일로 변환합니다. 네트워크 연결 맵의 경우 공간 매핑을 위해 지리적 레이아웃을 적용하고 비교를 위해 각도 범위 및 가장자리 가중치에 대한 매개변수 제약 조건을 설정합니다. 향상된 시각화를 위해 노드 색상, 가장자리 크기 및 각도 크기를 할당합니다.
평균 대규모 LFP 또는 스파이크 발사 패턴의 지형 공간 매핑은 캡처된 광학 이미지를 캡처한 각 현미경에 오버레이됩니다. 래스터그램 플롯은 지정된 시간 대역에 대해 동기적으로 감지된 LFP 또는 스파이크 이벤트를 표시합니다. HDME 기록 전극의 대표적인 이벤트 트레이스는 해마, 피질 및 후각 전구 회로에서 기록된 다양한 진동 주파수와 인간 IPSC 네트워크의 다중 단위 스파이크 파열 활동을 보여주었습니다.
해마 피질과 후각 전구 회로 커넥톰 맵은 서로 다른 층을 나타내는 다양한 노드를 보여주었으며, 여기서 크기는 강도의 정도를 나타내고 색상은 층을 나타냅니다. 인간 IPSC 네트워크에서는 시공간 필터와 지연 시간 임계값을 사용하여 연결 식별이 개선되었으며, 여기서 노드 색상은 입력이 흥분성인지 억제성인지를 나타냅니다.
