Para começar, registre a atividade neuronal espaço-temporal de fatias agudas de cérebro de camundongo ex-vivo e redes neuronais derivadas de IPSC humano in vitro. Abra um arquivo de dados brutos gravados no BrainWave Software. Selecione análise e clique em Detecção de LFP ou detecção de pico.
Para gravações de circuitos de lâmpadas hipocampais e olfativas, integre a opção de espaço de trabalho avançado para importação de imagem de luz estrutural do estereomicroscópio para o arquivo de eventos detectado. Crie camadas estruturais para examinar circuitos corticais hipocampais em grande escala. Utilize um script Python escrito personalizado para ler o arquivo BXR.
Extraia trens spike de gravações de rede IPSC e trens de eventos LFP do hipocampo e gravações de circuitos de fatias cerebrais de bulbos olfativos. Salve os dados de trem de eventos resultantes com informações espaço-temporais no formato de arquivo NPY. Calcule a covariância cruzada entre pares de eletrodos ativos na matriz 64 por 64 usando dados de séries temporais do arquivo BRW.
Transforme cada matriz de conectividade em um arquivo gráfico dinâmico. Para mapas de conectividade de rede, aplique o layout geográfico para mapeamento espacial e defina restrições de parâmetro na faixa de grau e no peso da borda para comparação. Atribua cor nodal, tamanho da borda e tamanho do grau para visualização aprimorada.
O mapeamento espacial topográfico dos padrões médios de disparo de LFP ou spike em larga escala é sobreposto às respectivas imagens ópticas capturadas ao microscópio. Os gráficos de rastergram exibem eventos LFP ou spike detectados de forma síncrona ao longo de uma faixa de tempo especificada. Traços representativos de eventos de eletrodos de gravação HDME mostraram uma faixa de frequências oscilatórias registradas nos circuitos hipocampal, cortical e bulbo olfatório e atividade de explosão de espícula de várias unidades na rede IPSC humana.
Os mapas de conectoma do circuito cortical hipocampal e bulbo olfatório revelaram vários nós representando diferentes camadas, em que o tamanho indicava o grau de força e a cor denotava a camada. Em redes IPSC humanas, a identificação da conexão foi refinada usando filtros espaço-temporais e limiares de latência, onde a cor nodal indicava se a entrada era excitatória ou inibitória.
