使用“SpikeSorter”对电生理记录进行分类的可视化指南

本视频的主要目标是向电生理学研究人员展示如何使用 SpikeSorter 程序检测和分类通过微电极阵列对神经组织进行细胞外记录时获得的动作电位。我们的目标是提供一种操作简便的解决方案，通过具有用户友好界面的程序完成动作电位分类任务。SpikeSorter 可读取多种格式的文件，除分类和数据导出功能外，还提供多种预处理和事件检测策略。

该技术的应用前景可拓展至神经行为分析领域，此类分析通常通过多电极阵列进行细胞外记录来实现。通常，初学者会因该方法操作复杂、缺乏标准化流程及客观验证手段而面临困难。我们最初萌生这一方法的想法，源于在使用54通道多电极阵列进行自身记录数据分类时，发现尚无现成解决方案可用。

开始此操作程序时，打开程序。依次点击“文件”和“打开”，然后在弹出的打开文件对话框右下角的下拉列表中选择录音文件格式。接着，选择文件并点击“打开”。

读取完成后单击“确定”。此时记录信号将显示在电压波形显示区域中。如果记录信号未经过滤波且包含局部场电位，请单击工具栏上的滤波图标将其去除。

选择高通巴特沃斯滤波器，设置合适的截止频率和极点数，然后点击“Do It”。点击“OK”，然后点击“done”，在显示区域中检查滤波后的波形。通过按住鼠标左键并拖动，可查看电压信号。使用滚轮放大特定特征，也可再次滚动以缩小视图。

将鼠标悬停在特定波形点上，可在左上角显示相应的电压值。双击窗口会弹出一个对话框，也可用于快速查看记录的任何部分，以及在完成事件检测和分类后，查看通道或簇中的特定事件。接下来，检查是否存在可能故障并需要屏蔽的通道。

单击通道确认图标并检查图表。要屏蔽异常通道，请选择通道编号或从问题列表中选择该通道。完成后，关闭对话框，然后在提示中单击“是”以保存屏蔽值。

被屏蔽的通道在电压显示中呈灰色。在此步骤中，进入预处理事件检测以调出事件检测对话框。使用右上角的滑块检查特定通道上的噪声水平。

仔细检查电压显示，还可能发现需要屏蔽的静默或异常嘈杂的通道。选择可变阈值法进行事件检测。推荐的阈值范围为噪声的4.0至6.0倍。

选择 4.5。从下拉列表中选择动态多相滤波检测方法。将窗口设置为典型峰电位波形宽度的大约一半，数值范围为 0.15 至 0.5 毫秒。

随后，通过选择最能识别待分类峰电位中单一、时间上局域化特征的选项，来选定对齐方法。其他选项保持默认值，然后点击“开始”。点击“完成”以退出对话框。

电压波形窗口以灰色显示已分配至其中心通道的检测事件。可根据此时观察到的结果调整事件检测参数。例如，可降低检测阈值重新运行事件检测，以检测到更多事件。

下一步骤通常在常规分选前不会执行，但在首次进行分选或遇到不熟悉的数据时，执行此步骤是有帮助的。进入“分选”界面，将通道转换为簇，为每个未屏蔽的电极通道创建一个单独的簇，前提是每个通道都已分配了一些事件。通过进入“查看”、“审查”、“清理并拆分簇”来检查这些簇，以调出另一个对话框。

使用旋转控件选择要查看的簇。选择一个包含两个或更多明显子簇的簇，然后按下重新对齐按钮，以调整每个事件的时间，使其更好地与模板的形状匹配。接下来，按下自动分割按钮，基于主成分分布对事件进行聚类。

随后，单击复选框以查看子簇中的波形。使用滑块控件检查相应的波形。作为练习，可使用其中一个较小的拆分按钮创建一个新簇并进行查看。

注意，当绿色簇被分离出去后，红色簇现在更清晰地显示出两个亚簇。虽然可以继续手动进行此类分选，但建议使用更快的自动分选（Autosort）程序。点击“完成”，然后进入“分选”菜单，选择“自动分选”。

如果事件检测已完成（如此处所示），请保持跳过事件检测选项处于选中状态。如果不选中该选项，系统将自动运行事件检测，使用从事件检测对话框继承的参数值和设置。在下方的聚类分析面板中，选择一个足够大的时间窗口，以完整包含动作电位波形在对齐点之前和之后的全部部分。

接下来，选择在聚类过程中使用的重新比对选项，并设定最小聚类大小。确定用于聚类的主成分（PC）空间的维度数，其余选项保持默认设置。然后，点击“开始”以启动自动聚类（Autosort）。

Autosort 完成后，点击“下一步”进入手动引导的合并与拆分阶段，然后点击“开始”。在新弹出的对话框中，系统将依次显示那些相似性或差异性不明显的聚类对。对于每一对显示的聚类，请使用按钮选择是合并该聚类对、合并后再重新拆分、标记为不同，或标记为不确定（如果难以判断最佳操作）。

单击复选框，以显示峰电位峰值高度或第一、第二主成分随时间变化的曲线图，或自相关与互相关直方图。这些图表可辅助进行判断。此处展示了一个合并判断的示例。

随后进行合并与分裂决策。如果合并与分裂选项无法找到明显可分离的簇，请在弹出的对话框中使用滑块手动调整聚类参数，以找到一个看起来满意的分割结果。如果无法达到满意效果，请使用“撤销”按钮返回至两个簇的原始状态。

完成后，按所示点击拆分。然后进入审阅和后处理步骤。使用对齐清理按钮，移除与所属簇模板匹配度较差的事件。

然后，使用重新聚类按钮，根据匹配值将未聚类的事件重新分配至特定模板。回收的事件将被标记为各父类簇的子簇，并可通过“查看、清理和拆分类簇”对话框进行检查。除非被删除，这些事件将保留在类簇中，并以此状态导出。

接下来，返回后处理对话框。使用删除按钮及其旁边的微调控件，删除信噪比低于所选阈值的聚类。随后，使用排序按钮，根据选定的准则对聚类重新编号。

该图显示了进入“查看”界面后，针对刚刚完成分类的记录所得到的已排序波形。通常情况下，同一通道上一对簇的波形看起来完全相同，但比较配对对话框在主成分投影中仍显示出不同的簇。在完成前述分类步骤后，是否合并簇的决策有时可依据幅度-时间图和互相关图来判断。

这表明合并决策基于短时间内存在显著的非对称交叉相关性，并结合了两个单元第一主成分值之间的明确关系（此处显示在纵轴上）。本图展示了一种缺乏类似合并证据的情况。交叉相关图不具有明显的非对称性，且自相关图也存在差异。

尽管波形形状相似，但由于主成分分布存在差异，这两种神经信号单元不应被合并。该图展示了一种情况：波形形状相似，且当其中一个单元停止发放而另一个单元开始发放时，这两个单元的第一主成分值相互重叠。在这种情况下，是否合并的判断似乎显而易见。

我们希望本对 SpikeSorter 的简要介绍对您有所帮助。我们计划继续开发该程序，并在必要之处添加新功能。为此，我们欢迎提交错误报告、建设性反馈以及改进意见。