可视化指南排序的电生理记录使用"SpikeSorter"
February 10th, 2017
本文介绍了如何使用程序 SpikeSorter 来检测和排序使用多电极阵列进行的细胞外记录中的尖峰。
本视频的总体目标是向电生理学家展示如何使用 SpikeSorter 程序来检测和分类由微电极阵列制成的神经组织的细胞外记录中的尖峰。我们的目标是使用具有用户友好界面的程序为这项尖峰排序任务提供一个简单的解决方案。SpikeSorter 可以读取各种格式的文件，除了排序和数据导出选项外，还可以提供各种预处理和事件检测策略。
该技术的意义延伸到神经行为的分析，通过使用多电极阵列的细胞外记录进行研究。一般来说，由于任务的复杂性以及缺乏标准方法和客观验证，刚接触这种方法的人会很挣扎。我们最初想到这种方法，当时我们面临对自己的录音进行排序的问题，使用 54 通道多电极阵列完成，但没有找到可用的解决方案。
要开始此过程，请打开该程序。转到文件并打开，然后从生成的打开文件对话框右下角的下拉列表中选择录制文件格式。接下来，选择文件并单击 可选.
读取完成后单击 OK（确定）。记录信号现在显示在电压波形显示中。如果录制内容未筛选且包含本地场 potential，请单击工具栏上的筛选器图标将其删除。
选择高通巴特沃兹滤波器、合适的截止频率和极数，然后按 Do It.按 OK，然后按 DONE，然后在显示屏中检查滤波后的波形。可以通过按住鼠标左键然后拖动来检查电压信号。使用滚轮放大特定功能，然后再次缩小。
将鼠标悬停在特定波形点上，即可在左上角显示相应的电压值。双击窗口，弹出一个对话框，该对话框也可用于快速检查录音的任何部分，并在事件检测和排序完成后检查通道或集群中的特定事件。接下来，检查可能存在故障且需要屏蔽的通道。
单击 channel check 图标并检查图表。要屏蔽外围频道，请选择频道号或从问题列表中选择它。完成后，关闭对话框，然后在提示符处单击 yes 以保存掩码值。
屏蔽通道在电压显示中显示为灰色。在此过程中，请转到 预处理事件检测 以显示事件检测对话框。使用右上角的滑块检查特定通道上的噪声级别。
仔细检查电压显示，也可能发现需要屏蔽的静音或异常嘈杂的信道。选择用于事件检测的变量阈值。建议的阈值范围是噪声的 4.0 到 6.0 倍。
选择 4.5。从下拉列表中选择动态多相滤波器检测方法。将窗口设置为典型尖峰波形宽度的大约一半，其值范围为 0.15 到 0.5 毫秒。
之后，通过选择最能识别正在排序的尖峰的单个时间定位特征的选项来选择对齐方法。将其他选项保留为默认值，然后按 Start。按 完成 退出对话框。
电压波形窗口在其分配的中心通道上以灰色显示检测到的事件。可以根据此时看到的结果调整事件检测参数。例如，可以使用较低的检测阈值重新运行事件检测，以便检测更多事件。
下一步通常不会在常规排序之前执行，但在第一次排序或遇到不熟悉的数据时执行此作很有用。转到 sort， convert channels to clusters，为每个未屏蔽的电极通道创建一个簇，假设每个通道都分配了一些事件。通过转到 review， view， clean and split clusters 来检查这些集群，以显示另一个对话框。
使用旋转控件选择要查看的集群。选择具有两个或多个不同子集群的集群，然后按 realign 按钮更改每个事件的时间，以便更好地将其与模板的形状匹配。接下来，按 Autosplit 以根据主组件的分布对事件进行聚类。
随后，点击复选框以检查子集群中的波形。使用滑块控件检查相应的波形。作为练习，使用一个小的 split 按钮创建一个新集群并对其进行检查。
请注意，在拆分绿色子集群后，红色集群现在如何更清晰地显示两个子集群。可以通过这种方式手动继续排序，但最好使用更快的 Autosort 过程。按 Done 并转到 Sort 和 Autosort。
如果已完成事件检测，请选中 skip event detection 选项，如此处所示。如果未选中，则将使用从事件检测对话框继承的参数值和选项自动运行事件检测。在下面的聚类面板中，选择一个足够大的时间窗口，以包含对齐点之前和之后的整个尖峰波形。
接下来，选择要在集群期间使用的重新对齐选项，并选择最小集群大小。确定 PC 空间中将用于聚类的维度数，并将其他选项保留为默认设置。之后，按 Start 开始 开始自动排序。
自动排序完成后，按 next 转到手动引导的合并和拆分阶段，然后按 begin。在新对话框中，将按顺序显示不明显相似或不同的群集对。对于每个呈现的对，使用按钮选择是否合并该对、合并并重新拆分它，如果不清楚什么是最佳决定，则将对标记为不同或模棱两可。
单击复选框，以显示加标峰高或第一或第二主成分与时间或自动和互相关直方图的关系图。这些可能有助于决策。在这里，我们看到一个合并决策的示例。
然后是合并和拆分决定。如果 merge and split 选项无法找到明显可分离的集群，请使用提示对话框中的滑块手动更改集群参数并找到看起来令人满意的拆分。如果无法实现此目的，请使用 revert （还原） 按钮返回到两个集群的原始状态。
完成后，按 split，如图所示。现在转到 review，post-processing。使用 alignment cleaning （对齐清理） 按钮从集群中删除与其集群模板不匹配的事件。
然后，使用 recluster 按钮根据匹配值将未聚集的事件重新分配给特定模板。回收的事件被标记为每个父集群的子集群，可以使用 view、clean and split clusters 对话框进行检查。这些事件将保留在集群中，并按原样导出，除非它们被删除。
接下来，返回到 post-processing 对话框。使用 delete 按钮及其旁边的旋转控件，删除信噪比小于所选阈值的集群。随后，使用排序按钮根据所选标准对集群重新编号。
此图显示了通过查看刚刚排序的录音的排序波形获得的显示。常见的经验是，同一通道上簇对的波形看起来相同，但 compare pairs 对话框在 PC 投影中显示不同的簇。振幅时间图和交叉相关图有时会建议在排序的前一阶段之后做出合并决策。
这说明了基于短时间间隔内存在强不对称互相关的合并决策，以及两个单元的第一主成分值之间的明确关系，如纵轴所示。此图显示了缺乏类似合并证据的情况。交叉相关图不是很不对称的，并且自相关图是不同的。
尽管波形形状相似，但由于主成分分布的不同，这两个单元可以说不应该合并。此图显示了波形形状相似的情况，当其中一个单元停止触发而另一个单元开始时，两个单元的第一个主成分值会混合。在这种情况下，合并的决定似乎很简单。
我们希望 SpikeSorter 的简要介绍对您有所帮助。我们计划继续开发该程序，并在有用的地方添加新功能。为此，我们欢迎 bug 报告、建设性反馈和改进建议。
View the full transcript and gain access to thousands of scientific videos
概述
本文展示了SpikeSorter的使用，这是一个专为电生理学家设计的程序，用于检测和分类来自神经组织的细胞外记录中的脉冲。其用户友好的界面和多种预处理选项使其对于刚接触脉冲分类的人来说更易于使用。
关键研究组成部分
科学领域
- 电生理学
- 神经科学
- 数据分析
背景
- 脉冲分类是电生理学家经常面临的一项复杂任务。
- 多电极阵列用于记录神经活动。
- 脉冲分类的标准方法还不足。
- 现有的解决方案可能无法满足研究人员的具体需求。
研究目的
- 提供一种简单的脉冲分类解决方案。
- 增强该方法新手的可访问性。
- 促进神经行为的分析。
使用的方法
- 使用SpikeSorter软件。
- 读取各种格式的文件。
- 实施预处理和事件检测策略。
- 对数据进行分类和导出以供进一步分析。
主要结果
- SpikeSorter有效地检测并分类了记录中的脉冲。
- 该程序简化了脉冲分类过程。
- 用户可以轻松地在其界面中导航。
- 数据导出选项增强了进一步分析的能力。
结论
- SpikeSorter解决了脉冲分类的挑战。
- 该软件对新手和有经验的研究人员都有益处。
- 它通过改进的数据分析有助于理解神经行为。
常见问题
Executive Industry Relevance
Reliable spike sorting from multi-electrode array recordings is critical for early-stage neuroscience drug discovery, enabling accurate interpretation of neural activity and circuit function. SpikeSorter provides a standardized, user-friendly workflow for extracting quantitative neural signals, supporting robust target validation and mechanistic de-risking. This capability enhances predictive confidence at key inflection points in neuropharma R&D pipelines.
Strategic Applications in Biopharma R&D
Early Discovery & Target Validation
- Enables objective detection and sorting of extracellular voltage waveforms for functional target interrogation.
- Supports biological de-risking by providing reproducible identification of neural unit activity.
- Facilitates portfolio triage by delivering quantitative spike timing data for hypothesis testing.
Screening & Assay Development
- Prepares validated neural activity datasets for downstream screening and compound evaluation workflows.
- Standardizes event detection and clustering, improving reproducibility and assay comparability.
- Delivers exportable, quantitative spike time outputs for integration into high-content screening platforms.
Translational & Preclinical Research
- Aligns neural activity measurements with disease-relevant models when used in translational neuroscience studies.
- Maintains continuity from early discovery through preclinical validation by supporting consistent data processing.
- Reduces mechanistic ambiguity in neural circuit analysis, informing risk-adjusted advancement decisions.
Pipeline & Workflow Integration
SpikeSorter fits within the discovery-to-preclinical continuum, bridging raw electrophysiological data acquisition and quantitative analytics for lead identification and mechanistic studies.
- Discovery Biology: Provides robust hypothesis testing and pathway clarification through objective spike sorting.
- Screening: Delivers reproducible, quantitative outputs suitable for assay development and compound screening.
- Analytics: Enables statistical comparison of neural activity across experimental conditions and timepoints.
- Translational Research: Supports alignment of neural readouts with disease models when relevant.
- Enterprise Reuse: Offers a reusable, standardized workflow for neural data processing across projects.
Operational & Enterprise Impact
- Scientific Value: Increases predictive confidence and reduces mechanistic ambiguity in neural target validation.
- Operational Value: Standardizes spike sorting, improving reproducibility and scalability across studies.
- Strategic Value: Enables better go/no-go decisions and capital efficiency by providing reliable neural data.
- Portfolio Impact: Supports risk-adjusted prioritization and advancement of neuroscience assets.
Implementation Considerations
- Requires expertise in electrophysiology and neural data interpretation.
- Needs compatible multi-electrode array instrumentation and data formats.
- Demands cross-team standardization of event detection and clustering parameters.
- May require adaptation for different neural tissue types or recording conditions.
- Performance is comparable to other current algorithms but depends on data quality and parameter selection.
