JoVE Logo

Войдите в систему

Для просмотра этого контента требуется подписка на Jove Войдите в систему или начните бесплатную пробную версию.

В этой статье

  • Резюме
  • Аннотация
  • Введение
  • протокол
  • Результаты
  • Обсуждение
  • Раскрытие информации
  • Благодарности
  • Материалы
  • Ссылки
  • Перепечатки и разрешения

Резюме

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

Аннотация

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.

Введение

Тот, кто регистрирует внеклеточные сигналы от головного мозга с использованием методов, более сложные, чем простой он-лайн и пороговым оконного стоит задача идентификации и разделения сигналов от разных нейронов от шумных сигналов напряжения, записанных с помощью электрода. Эта задача обычно называют сортировкой спайка. Трудность сортировкой спайка осложняется различными факторами. Нейроны могут быть очень близко друг к другу таким образом, что сигналы, записанные от них соседнего электрода, вероятно, будут близки и трудно различить. Сигналы, полученные с помощью одного нейрона может изменяться с течением времени, возможно, из-за движений электрода, кинетика переменной натриевых каналов в периоды высокой скорости стрельбы, различной степенью активации проводимостей напряжения в дендритов, близких к электроду, или, возможно, в качестве в результате изменений в состоянии мозга. Эти проблемы могут быть смягчены с помощью Многоэлектродные массивы (МЭС) с большим количеством близко расположенных (20 - 100 мкм) г апись каналы , которые позволяет лучше пространственное определение сигналов от отдельных нейронов , так как они , как правило , разбросаны по нескольким каналам 1, 2. Тем не менее, это, в сочетании с тем, что сигналы от нейронов распространяются по всей длине электрода перекрывающихся в пространстве, приводит к потенциально очень высокой размерной пространство, в котором кластеры, соответствующие уникальные нейроны должны быть идентифицированы. Эта проблема становится вычислительно неразрешимыми для более небольшого числа электродов каналов. На сегодняшний день, нет в целом согласованные лучший метод для сортировки спайка, хотя многие решения были предложены 3, 4, 5, 6, 7, 8 и записи с МЭС становятся все более распространенными 9,попка = "Xref"> 10. Поскольку сортировка спайков не является самоцелью, но это просто необходимый предварительный шаг перед дальнейшим анализом данных, существует потребность в удобной для использования пакета, который будет читать в файлах данных сырые записи и конвертировать их в отсортированных спайков с минимальным пользователем вход, а также быстро и надежно, как это возможно.

Этот документ содержит учебник для использования SpikeSorter - программы, разработанной с целью удовлетворения этих потребностей. Программа основана на алгоритмах , описанных в опубликованных ранее работах 11, 12, 13. Цели в разработке программы было то , что а) она должна иметь удобный интерфейс мало или нет предварительных знаний о компьютерном программировании или спайка сортировочного методологии требует; б) должны быть необходимы несколько или каких - либо других специализированных программных компонентов за пределами стандартных операционных систем Windows или Linux; с ) Широкий спектр форматов данных записи для импорта и экспорта данных должны быть поддержаны; d) необходимость ввода данных пользователем во время сортировки должны быть сведены к минимуму, и е) сортировки раз должны масштабировать в разумных пределах , в идеале линейно, с длительностью записи и количества каналов на электроде. Алгоритмы , реализованные в программе , включают : а) гибкий набор предварительной обработки и обнаружения событий стратегий; б) автоматизированный разделяй и властвуй стратегия сокращения размерности , какие кластеры формы волны напряжения на основе главных компонент (PC) распределения , полученные из подмножеств каналов , назначенных для конкретных кластеров; в) автоматизированные кластеризация распределений ПК с быстрой процедуры кластеризации на основе алгоритма среднего сдвига 3, 14, г) частично автоматизированного парного слияния и разделения кластеров , чтобы гарантировать , что каждый из них, в отличие как можно дальше от всех остальных. Для Тхиs, набор процедур, было добавлено, что позволяет вручную разделение или объединение кластеров, основанных на проверке распределений ПК, кросс- и ауто-кореллограмм шипа поездов и времени амплитуда участков шип волновых форм. Записи из тетродах, тетрода массивы, Юты массивы, а также с одним и несколькими хвостовиком МЭС можно считывать и сортировать. Текущее ограничение на количество каналов равно 256, но это может быть увеличена в будущем.

Другой кросс-платформенная реализация с открытым исходным кодом, "Spyke" (http://spyke.github.io), также доступна. Автор одного из нас (MS) в Python и Cython, Spyke использует один и тот же общий подход как SpikeSorter, с некоторыми отличиями: снизить требования к памяти, сырые данные загружаются в небольших блоках, и только в случае крайней необходимости; отображаются кластеры исключительно, обрабатываются и сортируются в 3D; и основной компонент и независимый анализ компонентов оба используются в качестве дополнительных методов снижения размерности. Spyke требует большего количества пользователей ввзаимо, но в значительной степени зависит от клавиатуры и мыши ярлыки и очереди Undo / Redo, чтобы быстро исследовать влияние различных факторов на кластеризации любого заданного подмножества отростками. Эти факторы включают шип канала и выбора диапазона времени, выравнивание колос, размеры и пространственную кластеризацию пропускную способность (Sigma) 11.

Ниже приводится краткое описание алгоритмов и стратегий, используемых для сортировки. Более полные описания можно найти в предыдущих публикациях 11, 12, 13 и в аннотации , которые могут быть доступны с помощью кнопки справки (отмечен символом '?') В пределах SpikeSorter. После загрузки исходного файла внеклеточный напряжения и фильтрации нижних частот, составляющие начальную стадию результатов обнаружения событий в совокупности событий, каждое из которых состоит из краткого снимка напряжения до и после времени события. Если избранныеездивших участки достаточно близко друг от друга (<100 мкм), единичные сигналы, блок, как правило, появляются на нескольких соседних каналах. Центральный канал выбирается автоматически для каждого события, соответствующего каналу, на котором напряжение от пика до пика события является наибольшим. Автоматизированная сортировка начинается с формирования единого исходного кластера для каждого электрода канала, состоящего из всех событий, которые были локализованы на этот канал. Блок расположен на полпути между каналами может привести к скачкам, локализованные (возможно, случайно), по разным каналам: кластеры из этих двух наборов шипы будут определены как близкие и слита на более позднем этапе. Средняя форма волны событий в каждом из исходного кластера затем вычисляется. Это называется шаблоном кластера. Вспомогательные каналы назначаются для каждого кластера на основе амплитуд и стандартного отклонения формы сигналов шаблона на каждом канале. Основные значения компонентов, затем рассчитывается для каждого кластера на основе Oп формы волны на заданном множестве каналов. Пользователь может выбрать количество основных размеров компонентов для использования: обычно 2 достаточно. Каждый кластер затем разделяется на дополнительный набор кластеров, и это повторяется до тех пор никто не может быть дополнительно разбита с помощью автоматизированной кластеризации.

На данный момент, начальный набор говорят, 64 кластеров из 64-канального электрода, может быть разделен на два или три раза больше, чем число, в зависимости от количества единиц, которые присутствовали в записи. Но из-за присваивания значения переменной событий от отдельных единиц к различным каналам, число кластеров обнаружено на данном этапе почти наверняка больше, чем это должно быть. Следующим этапом сортировки является коррекция oversplitting путем сравнения пар кластеров и слияние аналогичных пар или переназначение события от одного к другому. Этот этап сортировки называется 'слияния и раскола ».

Объединение и разбиение

Для N кластеров, существует N * (N - 1) / 2 пар и , следовательно, число пар растет как N 2, что нежелательно. Тем не менее, многие пары могут быть исключены из сравнения, поскольку оба члена пары физически находятся далеко друг от друга. Это уменьшает зависимость к чему-то более линейно зависит от количества каналов. Несмотря на это ярлык, слияние и разделение стадии все еще может быть довольно много времени. Он работает следующим образом. Каждый кластер пара, который можно сравнить (те, которые физически близко друг к другу, о чем можно судить по перекрытию в наборах каналов, назначенных для каждого) временно сливались, хранящей тождественности шипов в двух кластерах членах известных. Основными компонентами объединенном пары Затем вычисляются. Мера перекрытия между точками в двух кластеров рассчитывается на основе распределения первых двух главных компонент.

Путь OV erlap мера вычисляется описывается более подробно в другом месте 11. Его значение равно нулю , если кластеры не перекрываются, т.е. ближайший сосед каждой точки в одном кластере. Его значение , близкое к 1 , если кластеры полностью перекрываются, то есть вероятность ближайшего соседа , находящегося в том же кластере , то же самое, что предсказывается из равномерного перемешивания точек.

Различные решения принимаются которые принимают меры перекрытия во внимание. Если перекрытие больше, чем определенное значение, кластеры могут быть объединены. Если перекрытие очень мало, пара кластер может быть определен как отдельный и оставили в покое. Промежуточные значения, что указывает на неполное разделение пары кластеров, может свидетельствовать о том, что пара должна быть слиты, а затем повторно раскол, желаемого результата является пара кластеров с меньшим перекрытием. Эти процедуры выполняются сначала в автоматизированном этапе, а затем в управляемой вручную стадии.

палатка "> В автоматизированной стадии, кассетные пары с высоким значением перекрытия слиты;. затем кассетные пар с промежуточным низким значениям перекрытия сливаются и повторно-сплит Во втором, пользовательском наведением этапе, пользователю предоставляется со всеми оставшиеся неоднозначные пары кластеров (т.е. те , со значениями перекрытия в определенном промежуточном диапазоне) в последовательности и просят выбрать ли) , чтобы объединить пары, б) сливаются и перерасщепление пару, с) объявить пару , чтобы быть различны (что перекроет значение меры перекрытия), или d) определить отношение между парой как "неоднозначное" указывает , что шипы в паре вряд ли будут хорошо отсортированные. предусмотрены различные инструменты , чтобы помочь с этими решениями, в том числе авто - и кросс-коррелограммы и временных рядов участков высоты пиков и значений ПК.

В идеале, в конце слияния и разделения ступеней, каждый кластер должен быть отличным от всех других,либо потому, что он не имеет мало или вообще нет каналов общего с другими кластерами, или потому, что индекс перекрытия меньше определенного значения. Это значение выбирается пользователем, но обычно составляет 0,1. Кластеры (блоки), которые проходят этот тест определяются как "стабильный", те, которые не (так как перекрытие с одним или несколькими другими кластерами больше порогового значения) определяются как "нестабильными". На практике подавляющее большинство единиц в конечном итоге определяется как «стабильный» на финише сортировки, в результате чего остаток либо выбросить, либо рассматриваться как потенциально многоэлементной.

Требования к программному обеспечению

SpikeSorter совместим с 64-битными версиями Windows 7 и Windows 10, а также успешно работает под Linux с помощью Wine эмулятор. Файлы данных загружаются полностью в память (для скорости), следовательно, доступной оперативной памяти необходимо для масштабирования с размером записи (позволяет примерно 2 ГБ для самой программы). электрофизиологическогофайлы данных Al размером более 130 ГБ были успешно отсортированы в обеих ОС Windows и Linux средах. Опции доступны через стандартные меню Windows, панели инструментов и диалоговых окон. Расположение пунктов меню соответствует примерно порядок операций при сортировке, начиная с меню "Файл" слева для ввода данных и меню 'Экспорт' справа, позволяя на экспорт отсортированных данных. Кнопки панели инструментов обеспечивают быстрый доступ к наиболее часто используемых пунктов меню.

Файл конфигурации канала

Многие форматы данных записи не хранят местоположения канала. Тем не менее, зная это имеет важное значение для сортировки шип. Каналы также могут быть пронумерованы различными способами с помощью программного обеспечения сбора: SpikeSorter требует, чтобы каналы пронумерованы в последовательности, начиная с канала 1. Таким образом, вспомогательный файл конфигурации электрод должен быть создан, который может переназначить номера каналов следовать правилу последовательного и магазин канал LOCations. Файл конфигурации канала представляет собой текстовый файл с одной строки текста для каждого канала. Первая строка файла хранит текстовое имя, до 16 символов, который идентифицирует электрод. Цифры в последующих строках могут быть разделены с помощью вкладок, одной запятой или пробелами. Есть четыре номера в каждом ряду , обеспечивающие (в произвольном порядке): номер канала в файле, номер канала , к которому он должен быть отображен (то есть число , которое будет использоваться SpikeSorter), а х и у координаты канал, в мкм. Координата х , как правило, принимается перпендикулярно направлению вставления электродов и координату у , соответственно , будет глубина в ткань. Файл конфигурации должен быть размещен в том же каталоге, что и файл записи. Существует некоторая гибкость в том, как это можно назвать. Программа сначала будет искать файл, имеющий то же имя исходного файла данных, но с расширением .cfg. Если этот файл Iы не найден, он будет искать файл 'electrode.cfg'. Если этот файл в свою очередь, не найден сообщение об ошибке генерируется, указывает на отсутствие информации макета канала.

протокол

1. Настройка программы

  1. Перейти к http://www.swindale.ecc.ubc.ca/SpikeSorter, чтобы загрузить программу. Скопируйте прилагаемый исполняемый файл в директорию по вашему выбору. Прочитайте сопроводительную документацию.
    Примечание: Ни одна формальная установка или компиляция не требуется.
  2. Перед тем как открыть любой файл, который будет отсортирован, убедитесь, что есть достаточное количество свободной памяти, чтобы содержать всю продолжительность записи. Кроме того, убедитесь, что правильный файл конфигурации канала, как описано в документации, присутствует в том же каталоге, что и файл данных.
  3. Запустите программу, а затем перейти к "File - Open" и выбрать формат файла записи из раскрывающегося списка в правом нижнем углу диалогового окна в результате открытого файла. Выберите файл, который необходимо открыть, а затем нажмите кнопку "Открыть".
  4. После того, как чтение завершено, проверьте экран записи напряжения. Двойной щелчок на дисплее (или перейдите в меню "Вид - напряжение Record '), чтобы вызвать диалоговое окно с элементами управления, которые позволяют любой парт сигнала записи для просмотра.
    Примечание: Двойной щелчок на других окнах дисплея будет часто поднимают связанные диалоги.
  5. После того, как диалог вышел, наведите курсор мыши на формы сигналов для отображения конкретных значений напряжения в верхнем левом углу дисплея. Используйте колесо прокрутки для увеличения масштаба любой части дисплея. Удерживая нажатой левую кнопку мыши, чтобы перетащить содержимое окна.
    ПРИМЕЧАНИЕ: Этот дисплей часто обновляется, чтобы отразить добавление вновь выявленных событий или указать, с помощью цветов и / или цифр, их кластерных заданий после кластеризации.
  6. Если запись не фильтруется и содержит потенциал локального поля, удалить его, перейдя в "Pre-Process - Transform / фильтра" (или нажмите на значок фильтра на панели инструментов). Выбрать 'высоких частот Баттерворта Фильтр', затем подходящий частоту среза и число полюсов, а затем нажмите 'Do-It! ". После фильтрации закончена, осмотреть новый волны в волне напряженияФорма окна.
    Примечание: фильтрация выполняется в области Фурье, не является причинным, и не вносит фазовое искажение форм волны. Для продолжительной записи, фильтрация может занять несколько минут.
  7. Далее проверьте для каналов, которые могут быть неисправны и должны быть замаскированы. Перейти к "Pre-процесса - проверка канала" (или нажмите на значок проверки канала), а затем проверьте график, который появляется. На графике показано изменение корреляции сигнала между парами каналов в зависимости от их пространственного разделения 5. Каналы, которые нарушают это соотношение не может функционировать должным образом. Чтобы увидеть любые такие выбросы, нажмите на "одноканальное чистых отклонений».
    1. Для маскировки прилегающем канала либо выбрать номер канала, или выберите его из списка проблем. Когда этот диалог вышел, нажмите на кнопку "Да" в командной строке, чтобы сохранить значения маски.
      Примечание: Этот файл будет иметь такое же имя, что и файл данных записи, но с расширением ФОРУМ.мск. Это будет прочитано automaticallY всякий раз, когда открывается тот же файл данных.

2. Обнаружение событий

  1. Перейти к "Pre-процесс - обнаружение событий" , чтобы вызвать диалоговое окно обнаружения события (рисунок 1). Этот диалог также предоставляет возможность маскирования каналов на основе их уровня шума (хотя они часто будут обнаружены предыдущими тестами). Например, канал, который был намеренно заземленного, может иметь очень низкий уровень шума.
  2. Используйте ползунок в правом верхнем углу, чтобы проверить уровень шума на отдельных каналах. Тщательный осмотр дисплея напряжения также может выявить молчащие или необычно шумные каналы, которые должны быть замаскированы.
  3. Выберите способ сегментации для обнаружения событий. Используйте кнопку справки в окне группы для получения дополнительной информации о параметрах. 'Variable' пороговая, с порогом 4.5x - 6X шума 7, рекомендуется. С помощью элементов управления на верхнем левом углу, чтобы выбрать, как рассчитывается уровень шума для гоявляется целью.
  4. Выберите метод обнаружения из выпадающего списка. "Динамический многофазный фильтр 'рекомендуемый метод. Это требует уточнения временного окна. Установить окно, чтобы быть примерно на половину ширины типичного колоса. Очень узкие значения будут обнаружения смещения к более узким шипы, хотя эффект не велик. Значения в диапазоне от 0,15 - 0,5 мс рекомендуется 12.
    Примечание: Значения, отображаемые в целых кратных интервала дискретизации (обратной частоты дискретизации).
  5. Выберите метод выравнивания. Выберите вариант , который наилучшим образом идентифицирует одну, временно локализованной особенность шипов, которые сортируется, например, "положительный пик" может быть плохим выбором , если многие шипы имеют более чем один положительный пик. Для многих записей, «негативный корыта» будет лучшим выбором. Другие варианты, как правило, могут быть оставлены в значениях по умолчанию. Нажмите старт'.
    Примечание: Обнаружение событий может таKE от нескольких секунд до нескольких минут, в зависимости от длины записи и количества каналов.
  6. Нажмите "Готово", чтобы выйти из диалогового окна. Проверьте события, показанные серым цветом, в окне формы сигнала напряжения. Убедитесь, что сигналы, которые выглядят как события были обнаружены.
    1. Если нет, то рассмотреть обнаружение событий повторного запуска с порогом обнаружения ниже. Осторожно, однако, что очень низкие пики амплитуды может быть трудно сортировать и что большое количество из них могут препятствовать сортировки больших пиков амплитуды. Также проверьте очевидные дубликатами или нерешенности близлежащие пики и корректировать пространственно-временных параметров окна блокировки соответственно.
      Примечание: На данном этапе события определяются по времени их возникновения и номер канала. Обычно это канал, на котором амплитуда от пика до пика шипа является наибольшим. События некластеризованной изначально, так что каждый из них имеет назначение кластера равен нулю.

3. сортировка

Примечание: Следующий шаг обычно не выполняется до рутинной сортировки, но это очень полезно сделать это при сортировке в первый раз, или при встрече с незнакомыми данных.

  1. Перейти к "Сортировка - Преобразование каналов для кластеров. Это создает один кластер для каждого немаскированный электрода канала, предполагая, что каждый канал имеет некоторые события, возложенные на него. Изучите эти кластеры, перейдя в "Review - Просмотр Чистым и Сплит кластеры". Это вызовет еще один диалог (Рисунок 2). С помощью регулятора спина (вверху слева), чтобы выбрать кластер для просмотра.
    ПРИМЕЧАНИЕ: (голубой) линии сплошной синий представляет собой среднее значение всех сигналов в кластере и называется шаблоном кластера в дальнейшем. Распределение основных компонентов (ПК) событий в кластере приведены ниже в окне. Они часто обнаруживают наличие двух или более подкластеров.
  2. Нажмите кнопку '' перестроить, чтобы изменить время каждого события( в результате малых боковых сдвигов сигналов на дисплее) , с тем , чтобы лучше соответствовать его форме шаблона, делая это часто делает подкластеров более компактным и различны, а иногда уменьшает видимое количество (рисунок 3).
  3. Выберите кластер, который имеет два или более различных подкластеры и нажмите 'Autosplit'. Если подкластеров идентифицируются на дисплее ПК, они будут окрашены. В качестве упражнения, используйте одну из маленьких кнопок "разбить", чтобы создать новый кластер и изучить его. Сортировка может продолжаться вручную таким образом, но вместо того, чтобы вернуться назад и использовать быстрее AutoSort процедуру.
  4. Перейти к "Сортировка - AutoSort '(или нажмите кнопку AutoSort на панели инструментов), чтобы начать автоматическую сортировку. В результате диалоговое окно показано на рисунке 4. В нем представлены различные варианты.
    1. Оставьте опцию "пропустить обнаружение событий", если проверяется обнаружение событий уже сделано. Если он не установлен, то обнаружение событий будет выполнятьсяиспользуя значения параметров и выбора, унаследованных от диалога обнаружения событий. Так как обнаружение событий уже сделано, оставьте этот вариант проверен.
    2. В '' кластерной панели ниже, выберите временное окно достаточно большой, чтобы содержать полноту пиков сигнала перед и после точки выравнивания, но не более. Используйте это окно , чтобы блокировать участки пиков сигнала, например , длинные переменной afterpotentials, если они по всей видимости, препятствуя (или способствуя мало) сортировки. Обычно значения в диапазоне ± 0,5 мс подходят. Как и другие временные окна, окно представляет собой целое число точек выборки, поэтому временные значения, которые появляются кратны интервала выборки.
    3. Затем выберите опцию перестройкой, которая будет использоваться в процессе кластеризации. Это позволит использовать шаблон формы волны и работает более надежно, чем в исходном случае обнаружения событий, где критерий должен быть применен к относительно шумные индивидуальные sщука формы волны. Рекомендуемый вариант "пик-взвешенный винтик", но "негативный корыта" может быть лучше, если это является последовательной особенностью шип волновых форм.
    4. Выберите минимальный размер кластера. Кластеры с меньшим, чем это число шипов будут удалены, предотвращая накопление большого количества маленьких, возможно, паразитных, кластеров при сортировке.
    5. Принятие решения о числе измерений в пространстве PC, которые будут использоваться для кластеризации. Два, как правило, адекватной, но несколько лучшие результаты могут быть получены с 3, хотя и с более длительным временем сортировочный.
    6. Оставьте остальные параметры на значения по умолчанию. С помощью кнопок справки, чтобы получить более подробные объяснения различных вариантов.
  5. Нажмите 'Start', чтобы начать AutoSort. кластеры на основе канала сначала формируется, как показано на шаге 3.1. Теперь они обрабатываются в свою очередь, образуя новые кластеры путем выделения отдельных поднаправлениям, по одному за раз. Каждый раз, когда новый кластер зросвещено от значения PC пересчитываются и отображаются. Это продолжается до тех пор, ни один отдельный кластер не может быть дополнительно разбиты.
  6. Следуйте инструкциям на дисплее, где подкластер, который будет отделились от родительского кластера отображается красным цветом.
    Примечание: Иногда конечный кластер красный с неокрашенных отклоняющихся значений, которые не образуют отдельную подкластер. Эти выбросы, как правило, будут удалены. В ходе этого процесса число кластеров постепенно увеличивается. Когда она будет закончена, кластерные индексы перекрытия рассчитываются для каждого допущенного пары кластеров. Пары, которые имеют большие значения перекрытия автоматически объединяются, в то время как пары, которые имеют промежуточные значения перекрываются (диапазон по умолчанию составляет от 0,1 до 0,5), объединяются, а затем перерасщепление. Промежуточные значения предполагают, что существуют два различных кластера, но некоторые моменты misassigned. На этом этапе количество кластеров, как правило, уменьшается, а число стабильных кластеров возрастает.

4. Настройка

  1. При использовании программы в первый раз (или, возможно, на следующем этапе), настроить размеры и положение окна. Перейти к "File-Preferences". Выберите размеры для различных окон, выбрав тип окна из выпадающего списка и регулировки размера в соответствии с экрана. Выйдите из диалогового окна и положение окна, чтобы наилучшим образом использовать экран.
  2. В диалоговом окне выберите значения масштабирования, которые лучше всего подходят для расположения и расстояния между каналами на электроде и шипы в записи. Существует вариант автомасштабирование, но это не всегда может выбрать оптимальные значения. Выключите его, если он не делает.
  3. Отметьте опцию Липкие параметры: если выбрана опция, изменения в сортировке значений параметров (например, используемый в обнаружении события) будут сохранены и наследуется при следующем запуске программы. Это может быть полезным, но и требует, чтобы значения параметров быть проверены, чтобы гарантировать, что они не были изменены небрежно исследованы различные варианты или в результатечтения в различных рабочих файлов. Опции для изменения суб-кластера цвета также доступны.
  4. Необходимо проявлять осторожность изменяя количество потоков процессора. Оптимальное количество, как правило, 1 меньше, чем количество физических (не виртуальных) ядер процессора. Увеличение количества потоков не может ускорить обработку и даже может привести к серьезному замедлению.

5. Слить и Split

  1. После того, как AutoSort завершена, нажмите «Далее», чтобы перейти к вручную управляемой сливать и разделять сцену. Результирующие диалог показывает, в нижнем левом углу, количество оставшихся неоднозначные кластера пар, которые должны быть рассмотрены, а также от числа стабильных кластеров.
  2. Нажмите 'Begin'. Другой диалог появляется вместе с первым из пар, подлежащих рассмотрению.
  3. Выберите, нужно ли объединить пару, перерасщепление ее (что приводит к более низким значением перекрытия), для обозначения пары как «отличный», а это означает, что значение индекса перекрытия будет игнорироваться, Oг для обозначения пары в качестве "неоднозначным", а это означает, что она считается неопределенным ли шипы из одинаковых или разных единиц.
    1. Нажмите на флажки , чтобы отобразить график параметров спайка (пик-пик (ПП) по высоте, или первый (PC1) или второй (PC2) основных компонентов) в зависимости от времени и / или авто и кросс корреляции гистограмм.
      ПРИМЕЧАНИЕ: Дисплей высоты ПП в зависимости от времени часто бывает очень полезно при решении вопроса об объединении двух кластеров. Если высоты шипов в одном блоке плавно сливаться в те другой в то же самое время, что один блок прекращает стрельбу, а другой начинается гораздо более вероятно, чем нет, что они одни и те же единицы и должны быть объединены. Кросс-коррелограммы может выявить сильную временную зависимость между временем спайка в двух кластерах. Если кросс-Коррелограмма имеет сильный, асимметричный пик на очень короткий промежуток времени (например , около 5 - 10 мс) , и особенно , если второй шип меньше елокт, две единицы, скорее всего , один блок , который стреляет спайка пар , в которых второй меньше , чем первый из - за адаптации Na + канала.
    2. В тех случаях, когда решение об объединении не так просто, пометить пару как "неоднозначное" и рассматривать кластеры соответственно в последующих анализах.
  4. Если слияние и разделение опция не может найти четко разделяемые кластеры, используйте ползунок в побудила диалоге вручную варьировать параметр кластерную (пространственная полосы пропускания, сигма), вместе с множеством присоединяемых кнопок, чтобы найти раскол, который выглядит удовлетворительным , Используйте кнопку "Возвратить ', чтобы вернуться к исходному состоянию двух кластеров. Нажмите 'Split, как показано', чтобы закончить. Обратите внимание, более чем два кластера могут быть получены с помощью этой процедуры.
  5. Продолжайте этот процесс до тех пор, пока больше нет пар, чтобы проверить. Подавляющее большинство кластеров в настоящее время должны быть указаны как «стабильный».
  6. Если некоторые кассетные пары имеют оченьнизкие показатели перекрытия, так что они игнорируются управляемой слияния (но есть еще доказательства их объединения), перейдите к "Обзор - сравнение кластерных пар" пункт меню (или щелкните по соответствующему значку в панели инструментов) и откройте диалоговое окно , показанное на рисунке 5. С помощью элементов управления спина в верхней части диалогового окна, чтобы выбрать любую пару кластеров для сравнения.
    Примечание: Как и с управляемой слияния и разделения, пары помещаются в отсортированный список, но в этом случае показатели сравнения дополнительно к индексу кластера перекрытия доступны.
    1. Выберите опцию 'нормализованное точка продукта из выпадающего списка. Это вычисляет корреляцию между значениями шаблона. Она нечувствительна к мультипликативным вариаций масштабирования и хорошо подходит для выбора из кластерных пар, которые являются артефактного результатом изменчивости высоты пика до пика.
    2. Нажмите "аналогичный наиболее" кнопку в середине диалогового окна, чтобы отобразить самую похожую пару. Используйте Horizontaл Контроль спина под кнопкой, чтобы идти вперед или назад по списку. Используйте дисплей корреляции и высоту PP против отображения времени , чтобы сделать слияние решений, так же , как для пользователя руководствоваться слияния и разделения. Обратите внимание, что список пересчитывается после каждой операции слияния. Этот этап сравнения разомкнуты, и это до пользователю решить, насколько интенсивно искать доказательства в пользу слияния.

6. Обзор - Последующая обработка

  1. Теперь переходим к 'Review - Последующая обработка' (или щелкните соответствующий значок на панели инструментов). Это диалоговое окно (Рисунок 6) предлагает варианты для добавления или удаления событий из кластеров, а также возможность удаления целых кластеров с сигнала к шуму (SNR) , которые падают ниже порогового значения. Повторяющиеся события (события, происходящие одновременно в кластере) могут быть созданы ошибками выравнивания при сортировке. События, которые далеко удалены из исходного местоположения может sometimэс быть переселены; они также могут быть удалены, когда перемещение не работает.
  2. Используйте кнопку для очистки выравнивания, чтобы удалить события из кластеров, которые являются плохой матч к шаблону. Используйте кнопку 'Recluster' , чтобы сделать обратное, т.е. переназначить некластеризованной события, которые хорошо соответствуют определенному шаблону. Мелиорированных события отмечены как субкластер каждого родительского кластера и могут быть проверены с помощью диалогового окна 'View, чистый и сплит кластеров. Эти события будут оставаться в кластере (и быть экспортированы в качестве таковых), если они не будут удалены (используйте маленькую кнопку "Удалить" для первого субкластер). Возвращаясь к диалогу после обработки, с помощью кнопки "Удалить" и контроль спина рядом с ним, чтобы удалить кластеры с SNR меньше, чем выбранное пороговое значение.
  3. Хотя номера кластеров идут непрерывно от 1 до N, где N является общее число кластеров, фактическая нумерация кластеров в конце сортировки близка кrbitrary. С помощью кнопки "Сортировка" , чтобы изменить нумерацию кластеров согласно выбранному критерию, например , вертикальное положение на электроде, или номер канала. Обратите внимание, что, за исключением удаления повторяющихся событий, не существует в настоящее время нет объективных доказательств для поддержки конкретных вариантов в этом диалоге как лучше, чем другие.
  4. На любом этапе во время ручных процедур сортировки можно сохранить файл, который содержит текущие значения параметров, параметры сортировки, время события, свойства кластера и запись сообщения. Создайте этот файл, перейдя в "Файл - Сохранить рабочий файл '. Дайте файлу имя, которое явно связана со структурой файла данных и нажмите на кнопку "Сохранить". Резюме сортировка в более позднее время, сначала открыв исходный файл для записи, а затем фильтрации высоких частот (если сделано изначально). Затем откройте сохраненный рабочий файл. Программа будет находиться в таком состоянии, идентичным тому, в котором он был, когда рабочий файл был сохранен. Файл работы также повторношнур, как это было сделано сортировка - параметры используются и сообщений, выданных во время сортировки.
  5. И, наконец, экспортировать кластерные события. Перейти к "Экспорт - Сортировка файлов шип" (или нажмите на соответствующую кнопку на панели инструментов). Выберите "CSV-файл '(через запятую переменной) из выпадающего списка и нажмите" Сохранить как ". Выберите имя файла, который будет содержать экспортированные данные в формате CSV для отсортированных единиц.
    Примечание: Этот текстовый файл будет иметь одну строку для каждого события, содержащего, в порядке, время события (в секундах с точностью до 10 мкс), номер кластера (от 1 вверх) и номер канала, который был назначен к событию. Следует отметить, что назначенный канал не может быть одинаковым для всех событий в кластере, если события не были последовательно больше на одном конкретном канале.

Результаты

На рисунке 7 показан дисплей (полученный, перейдя в меню "Вид - Отсортированные формы волны ') для типичного отсортированного записи. Опция вид по умолчанию, чтобы показать формы волны на центральном канале для каждого кластера. Общий опыт показывает, что ф...

Обсуждение

Форматы файлов

В настоящее время поддерживаются форматы файлов включают Neuralynx (.ntt и .ncs), Plexon (.plx), Neuroscope (.xml + .dat), многоканальные системы (.mcd), BlackRock (.nev) и Intan (.rhd). Для неподдерживаемых форматов, есть два варианта. Одним из них является запросить добавление формата файла в следу...

Раскрытие информации

The authors have nothing to disclose.

Благодарности

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'.

Материалы

NameCompanyCatalog NumberComments
spikesorter.exeN/Ahttp://www.swindale.ecc.ubc.ca/SpikeSorter

Ссылки

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

Перепечатки и разрешения

Запросить разрешение на использование текста или рисунков этого JoVE статьи

Запросить разрешение

Смотреть дополнительные статьи

Neuroscience120polytrodes

This article has been published

Video Coming Soon

JoVE Logo

Исследования

Образование

О JoVE

Авторские права © 2025 MyJoVE Corporation. Все права защищены