Name: Un guide visuel Tri électrophysiologique Recordings Utilisation SpikeSorter (Vidéo) | JoVE Journal
Uploaded: 2017-02-10T15:00:00.000+00:00
Duration: 10 min 31 s
Description: Apprenez à utiliser SpikeSorter pour détecter et trier les potentiels d'action dans les enregistrements extracellulaires de tissus neuronaux. Cette méthode simplifie l'analyse des comportements neuronaux avec une interface accessible.

ai_agent_IP

ai_agent

maintenance

instantTrialDurationMinutes

isBiopharma

enableNewMyJoveSectionDesign

educationFeatures

seoMetaApi

ai_copilot_institution_blacklist

ai_chat_institution_blacklist

freeAccessWindow

ssoRoleCapture

scheduledMaintenanceBanner

joveLabsFeatures

disable_autoplay_for_bots

extended_trial_duration

5 minutes

Nous remercions les individus et les groupes qui ont utilisé SpikeSorter et qui ont fourni des demandes de support de format de fichier et des suggestions et commentaires sur la façon de l’améliorer. Il s’agit notamment de Youping Xiao, Felix Fung, Artak Khachatryan, Eric Kuebler, Curtis Baker, Amol Gharat et Dongsheng Xiao. Nous remercions Adrien Peyrache pour les chiffres faussement positifs et négatifs donnés dans les 'Résultats Représentatifs'.

<ol><li>Buzsáki, G. <a target="_blank" href="https://www.ncbi.nlm.nih.gov/pubmed/15114356">Large-scale recording of neuronal ensembles.</a> Nat. Neurosci. 7, 446-451 (2004).</li>
<li>Blanche, T. J., Spacek, M. A., Hetke, J. F., Swindale, N. V. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Polytrodes%3A+High+Density+Silicon+Electrode+Arrays+for+Large+Scale+Multiunit+Recording%5BTitle%5D)+AND+%22J.+Neurophys%22%5BJournal%5D)">Polytrodes: High Density Silicon Electrode Arrays for Large Scale Multiunit Recording.</a> J. Neurophys. 93, 2987-3000 (2005).</li>
<li>Lewicki, M. S. <a target="_blank" href="https://www.ncbi.nlm.nih.gov/pubmed/10221571">A review of methods for spike sorting: the detection and classiﬁcation of neuronal action potentials.</a> Network. 9, R53-R78 (1998).</li>
<li>Letelier, J. C., Weber, P. P. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Spike+sorting+based+on+discrete+wavelet+transform+coefficients%5BTitle%5D)+AND+%22J.+Neurosci.+Methods%22%5BJournal%5D)">Spike sorting based on discrete wavelet transform coefficients.</a> J. Neurosci. Methods. 101, 93-106 (2000).</li>
<li>Quiroga, R. Q., Nadasdy, Z., Ben-Shaul, Y. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Unsupervised+spike+detection+and+sorting+with+wavelets+and+superparamagnetic+clustering%5BTitle%5D)+AND+%22Neural+Computation%22%5BJournal%5D)">Unsupervised spike detection and sorting with wavelets and superparamagnetic clustering.</a> Neural Computation. 16, 1661-1687 (2004).</li>
<li>Franke, F., Natora, M., Boucsein, C., Munk, M., Obermayer, K. <a target="_blank" href="https://www.ncbi.nlm.nih.gov/pubmed/19499318">An online spike detection and spike classiﬁcation algorithm capable of instantaneous resolution of overlapping spikes.</a> J. Comput. Neurosci. 29, 127-148 (2010).</li>
<li>Jäckel, D., Frey, U., Fiscella, M., Franke, F., Hierlemann, A. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Applicability+of+independent+component+analysis+on+high-density+microelectrode+array+recordings%5BTitle%5D)+AND+%22J.+Neurophysiol%22%5BJournal%5D)">Applicability of independent component analysis on high-density microelectrode array recordings.</a> J. Neurophysiol. 108, 334-348 (2012).</li>
<li>Rossant, C., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Spike+sorting+for+large%2C+dense+electrode+arrays%5BTitle%5D)+AND+%22Nature+Neuroscience%22%5BJournal%5D)">Spike sorting for large, dense electrode arrays.</a> Nature Neuroscience. 19, 634-641 (2016).</li>
<li>Vandecasteele, M., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Large-scale+recording+of+neurons+by+movable+silicon+probes+in+behaving+rodents%5BTitle%5D)+AND+%22JoVE%22%5BJournal%5D)">Large-scale recording of neurons by movable silicon probes in behaving rodents.</a> JoVE. (61), e3568(2012).</li>
<li>Schjetnan, A. G. P., Luczak, A. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Recording+large-scale+neuronal+ensembles+with+silicon+probes+in+the+anesthetized+rat%5BTitle%5D)+AND+%22JoVE%22%5BJournal%5D)">Recording large-scale neuronal ensembles with silicon probes in the anesthetized rat.</a> JoVE. (56), e3282(2011).</li>
<li>Swindale, N. V., Spacek, M. A. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Spike+sorting+for+polytrodes%3A+a+divide+and+conquer+approach%5BTitle%5D)+AND+%22Frontiers+in+Systems+Neuroscience%22%5BJournal%5D)">Spike sorting for polytrodes: a divide and conquer approach.</a> Frontiers in Systems Neuroscience. 8, 1-21 (2014).</li>
<li>Swindale, N. V., Spacek, M. A. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Spike+detection+methods+for+polytrodes+and+high+density+microelectrode+arrays%5BTitle%5D)+AND+%22J.+Comput.+Neurosci%22%5BJournal%5D)">Spike detection methods for polytrodes and high density microelectrode arrays.</a> J. Comput. Neurosci. 38, 249-261 (2015).</li>
<li>Swindale, N. V., Spacek, M. A. <a target="_blank" href="https://www.ncbi.nlm.nih.gov/pubmed/26875661">Veriﬁcation of multichannel electrode array integrity by use of cross-channel correlations.</a> J. Neurosci. Meth. 263, 95-102 (2016).</li>
<li>Fukunaga, K., Hostetler, L. D. <a target="_blank" href="http://ieeexplore.ieee.org/document/1055330/">The estimation of the gradient of a density function, with applications in pattern recognition.</a> IEEE Transactions on Information Theory (IEEE). 21, 32-40 (1975).</li>
<li>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).</li>
<li>Hazan, L., Zugaro, M., Buzsáki, G. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Klusters%2C+NeuroScope%2C+NDManager%3A+A+free+software+suite+for+neurophysiological+data+processing+and+visualization%5BTitle%5D)+AND+%22J.+Neurosci.+Meth%22%5BJournal%5D)">Klusters, NeuroScope, NDManager: A free software suite for neurophysiological data processing and visualization.</a> J. Neurosci. Meth. 155, 207-216 (2006).</li>
<li>Harris, K. D., Henze, D. A., Csicsvari, J., Hirase, H., Buzsáki, G. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Accuracy+of+tetrode+spike+separation+as+determined+by+simultaneous+intracellular+and+extracellular+measurements%5BTitle%5D)+AND+%22J.+Neurophysiol%22%5BJournal%5D)">Accuracy of tetrode spike separation as determined by simultaneous intracellular and extracellular measurements.</a> J. Neurophysiol. 84, 401-414 (2000).</li>
<li>Anastassiou, C. A., Perin, R., Buzsáki, G., Markram, H., Koch, C. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Cell-type+and+activity+dependent+extracellular+correlates+of+intracellular+spiking%5BTitle%5D)+AND+%22J.+Neurophysiol%22%5BJournal%5D)">Cell-type and activity dependent extracellular correlates of intracellular spiking.</a> J. Neurophysiol. 114, 608-623 (2015).</li>
<li>Wohrer, A., Humphries, M. D., Machens, C. K. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Population-wide+distributions+of+neural+activity+during+perceptual+decision-making%5BTitle%5D)+AND+%22Prog.+Neurobiol%22%5BJournal%5D)">Population-wide distributions of neural activity during perceptual decision-making.</a> Prog. Neurobiol. 103, 156-193 (2013).</li>
<li>Mizuseki, K., Buzsáki, G. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Preconfigured%2C+skewed+distribution+of+firing+rates+in+the+hippocampus+and+entorhinal+cortex%5BTitle%5D)+AND+%22Cell+Reports%22%5BJournal%5D)">Preconfigured, skewed distribution of firing rates in the hippocampus and entorhinal cortex.</a> Cell Reports. 4, 1010-1021 (2013).</li>
<li>Schmitzer-Torbert, N., Jackson, J., Henze, D., Harris, K., Redish, A. D. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Quantitative+measures+of+cluster+quality+for+use+in+extracellular+recordings%5BTitle%5D)+AND+%22Neuroscience%22%5BJournal%5D)">Quantitative measures of cluster quality for use in extracellular recordings.</a> Neuroscience. 131, 1-11 (2005).</li>
<li>Barnett, A. H., Magland, J. F., Greengard, L. F. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Validation+of+neural+spike+sorting+algorithms+without+ground-truth+information%5BTitle%5D)+AND+%22J.+Neurosci.+Meth%22%5BJournal%5D)">Validation of neural spike sorting algorithms without ground-truth information.</a> J. Neurosci. Meth. 264, 65-77 (2016).</li>
</ol>

Les auteurs n’ont rien à divulguer.

Formats de fichiers formats de fichiers actuellement pris en charge comprennent Neuralynx (.ntt et .ncs), Plexon (.plx), Neuroscope (.xml + .dat), Systèmes Multichannel (liste .mcd), Blackrock (.nev) et Intan (.rhd). Pour les formats non pris en charge, il y a deux options. La première consiste à demander plus du format de fichier à une prochaine version (un e-mail lien vers le développeur est prévu dans le &#39;Aide - A propos de &quot;boîte de dialogue). L&#39;autre est de convertir le fichie...

Toute personne qui enregistre des signaux extracellulaires du cerveau en utilisant des méthodes plus sophistiquées que seuillage en ligne simple et fenêtrage fait face à la tâche d&#39;identifier et de séparer les signaux provenant de différents neurones à partir des signaux de tension bruyants enregistrés par l&#39;électrode. Cette tâche est généralement connu comme pic tri. La difficulté de spike sorting est aggravée par divers facteurs. Neurones peuvent être très rapprochés pour que les signaux enregistrés à partir d&#39;eux par une électrode à proximité sont susceptibles d&#39;être similaires et difficiles à distinguer. Les signaux produits par un seul neurone peut varier au fil du temps, peut-être à cause des mouvements de l&#39;électrode, variables cinétiques de canal de sodium pendant les périodes de cadence de tir élevée, des degrés variables d&#39;activation de conductances de tension dans les dendrites qui sont proches de l&#39;électrode, ou peut-être que à la suite de changements dans l&#39;état du cerveau. Ces problèmes peuvent être atténués en utilisant des réseaux multi-électrodes (AME) avec beaucoup rapprochées (20-100 pm) r<html> ent canaux qui permet une meilleure définition spatiale des signaux à partir des neurones isolés , car ils sont généralement répartis sur plusieurs canaux 1, 2. Cependant, ceci, combiné avec le fait que les signaux à partir de neurones répartis sur toute la longueur du chevauchement de l&#39;électrode dans l&#39;espace, les résultats dans un espace tridimensionnel potentiellement très élevé au sein de laquelle des groupes correspondant à des neurones particuliers doivent être identifiés. Ce problème devient insoluble informatiquement pendant plus d&#39;un petit nombre de canaux d&#39;électrode. À ce jour, il n&#39;y a pas généralement convenu meilleure méthode pour spike sorting, bien que de nombreuses solutions ont été proposées 3, 4, 5, 6, 7, 8 et enregistrements de AME sont de plus en plus courante 9,ass = &quot;xref&quot;&gt; 10. Parce que spike sorting est pas une fin en soi, mais est simplement une étape préliminaire nécessaire avant de poursuivre l&#39;analyse des données, il existe un besoin pour un forfait facilement utilisable qui va lire dans les fichiers de données d&#39;enregistrement brut et les convertir en trains pic triés avec aussi peu de l&#39;utilisateur entrée et aussi rapidement et de manière fiable que possible. Ce document fournit un tutoriel pour l&#39;utilisation de SpikeSorter - un programme mis au point dans le but de répondre à ces besoins. Le programme est basé sur des algorithmes décrits dans les documents précédemment publiés 11, 12, 13. Les objectifs dans la conception du programme étaient que a) il doit avoir une interface conviviale nécessitant peu ou aucune connaissance préalable de la programmation informatique ou de la pointe de tri méthodologie; b) peu ou pas d&#39; autres composants logiciels spécialisés au - delà des systèmes d&#39; exploitation standards Windows ou Linux devrait être nécessaire; c </em&gt;) Une large gamme de formats de données d&#39;enregistrement pour l&#39;importation de données et l&#39;exportation doit être soutenue; d) la nécessité d&#39; une entrée de l&#39; utilisateur lors du tri doit être minimisée, et e) de tri fois devraient évoluer de façon raisonnable, idéalement linéaire, avec une durée d&#39;enregistrement et le nombre de canaux sur l&#39;électrode. Les algorithmes mis en œuvre dans le programme comprennent a) un ensemble flexible de stratégies de pré-traitement et de détection d&#39;événement; b) un clivage automatisé et de la stratégie de conquête de la réduction de la dimension des pôles de formes d&#39; ondes de tension sur la base des composantes principales (PC) des distributions obtenues à partir de sous - ensembles de canaux attribués à des groupes spécifiques; c) le regroupement automatique des distributions de PC avec une procédure rapide de clustering basé sur l&#39;algorithme moyen de décalage 3, 14, et d) la fusion pairwise partiellement automatisé et le fractionnement des clusters pour veiller à ce que chacun d&#39; eux est aussi distincte que possible de tous les autres. Pour THIs, un ensemble de procédures a été ajoutée qui permettent le fractionnement manuel ou fusion des clusters basés sur l&#39;inspection des distributions PC, croisées et auto-corrélogrammes des trains de pointes et des parcelles de temps-amplitude des formes d&#39;onde de pic. Les enregistrements de tétrodes, les tableaux de tétrode, les tableaux Utah ainsi que les AME mono et multi-queue peuvent être lus et triés. La limite de courant sur le nombre de canaux est de 256 mais cela peut être augmentée à l&#39;avenir. Une autre croix-plate-forme mise en œuvre open-source, &quot;spyke&quot; (http://spyke.github.io), est également disponible. Écrit par l&#39;un d&#39;entre nous (MS) en Python et Cython, spyke utilise la même approche globale SpikeSorter, avec quelques différences: pour réduire les demandes de mémoire, les données brutes sont chargées dans des petits blocs, et seulement lorsque cela est absolument nécessaire; clusters sont exclusivement affichées, manipulées et triées en 3D; et le composant principal et analyse en composantes indépendantes sont toutes deux utilisées comme méthodes de réduction de la dimension complémentaires. Spyke nécessite plus d&#39;utilisateurteraction, mais repose fortement sur le clavier et les raccourcis de la souris et une file d&#39;attente undo / redo pour explorer rapidement les effets de divers facteurs sur le regroupement de tout sous-ensemble donné de pointes. Ces facteurs comprennent le canal de pic et de sélection de plage de temps, l&#39; alignement de la pointe, les dimensions de clustering et la bande passante spatiale (sigma) 11. Ce qui suit est une brève description des algorithmes et des stratégies utilisées pour le tri. Plus des descriptions complètes peuvent être trouvées dans les publications précédentes 11, 12, 13 et dans les annotations qui peuvent être accessibles via les boutons d&#39; aide (identifiées avec un «?») Dans SpikeSorter. Après le chargement d&#39;un fichier de tension extracellulaire brut et de filtrer les composantes de basse fréquence, un stade initial des résultats de la détection d&#39;événements dans une série d&#39;événements, dont chacune se compose d&#39;un bref aperçu de la tension avant et après l&#39;heure de l&#39;événement. Si les élusles sites Rode sont suffisamment rapprochés (&lt;100 um), les signaux unitaires simples apparaît généralement sur plusieurs canaux voisins. Un canal central est automatiquement choisi pour chaque événement, correspondant au canal sur lequel la tension de l&#39;événement de pic à pic est la plus grande. Automatisé de tri commence par la formation d&#39;un seul groupe initial pour chaque canal d&#39;électrode, composé de tous les événements qui ont été localisés à ce canal. Une unité située à mi-chemin entre les canaux peut donner lieu à des pointes qui sont localisées (peut-être au hasard) à différents canaux: les grappes de ces deux ensembles de pointes seront identifiés comme similaires et fusionnées à un stade ultérieur. La forme d&#39;onde moyenne des événements dans chaque groupe initial est ensuite calculée. Ceci est désigné sous le nom de modèle de cluster. des canaux subsidiaires sont attribués à chaque groupe en fonction des amplitudes et écart-type des formes d&#39;onde de modèle sur chaque canal. les valeurs des composantes principales sont ensuite calculées pour chaque cluster basé on les formes d&#39;onde sur l&#39;ensemble assigné de canaux. L&#39;utilisateur peut choisir le nombre de dimensions principales de composants à utiliser: généralement 2 est suffisante. Chaque groupe est ensuite divisé en un autre ensemble de clusters, et cela est répété jusqu&#39;à ce que nul ne peut encore être subdivisé par regroupement automatisé. À ce stade, une première série de disons, 64 grappes d&#39;une électrode à 64 canaux, peuvent être divisés en deux ou trois fois ce nombre, en fonction du nombre d&#39;unités qui étaient présentes dans l&#39;enregistrement. Mais en raison de l&#39;affectation de variable d&#39;événements à partir des unités simples à différents canaux, le nombre de grappes trouvé à ce stade est presque certainement plus grande que ce qu&#39;elle devrait être. La prochaine étape de tri est de corriger le oversplitting en comparant des paires de pôles et la fusion des paires semblables ou réaffectant les événements de l&#39;un à l&#39;autre. Cette étape de tri est appelée «fusion et scission». Fusion et fractionnement Pour les N grappes, il y a N * (N - 1) / 2 paires et par conséquent le nombre de paires augmente à mesure que N 2, ce qui est indésirable. Cependant, de nombreuses paires peuvent être exclus de la comparaison parce que les deux membres du couple sont physiquement éloignées. Ceci permet de réduire la dépendance à quelque chose qui est plus en relation linéaire avec le nombre de canaux. En dépit de ce raccourci, la fusion et le stade fendue peut toujours prendre beaucoup de temps. Il fonctionne de la manière suivante. Chaque paire de cluster qui est à comparer (ceux qui sont physiquement proches, à en juger par le chevauchement des ensembles de canaux attribués à chaque) est temporairement fusionné, tout en gardant l&#39;identité des pointes dans les deux groupes de membres connus. Les principales composantes de la paire fusionnée sont alors calculées. Une mesure du chevauchement entre les points dans les deux groupes est calculée en fonction de la répartition des deux premières composantes principales. La façon dont le ov<html> mesure de ERLAP est calculée est décrite plus en détail ailleurs 11. Sa valeur est égale à zéro si les grappes ne se chevauchent pas du tout, à savoir le voisin le plus proche de chaque point est dans le même cluster. Sa valeur est proche de 1 que si les amas se chevauchent complètement, à savoir la probabilité que le voisin le plus proche étant dans le même groupe est la même que celle prédite à partir d&#39; un mélange uniforme de points. Diverses décisions sont prises qui prennent la mesure de recouvrement en compte. Si le chevauchement est supérieure à une certaine valeur, les grappes peuvent être fusionnées. Si le chevauchement est très faible, la paire de cluster peut être définie comme distincte et laissé seul. Les valeurs intermédiaires, indiquant une séparation incomplète de la paire de cluster, peuvent signaler que la paire devrait être fusionné et puis re-split, le résultat recherché étant une paire de grappes avec moins de chevauchement. Ces procédures sont exécutées d&#39;abord dans une étape automatisée, puis dans une étape guidée manuellement. tente &quot;&gt; Dans l&#39;étape automatisée, des paires de cluster avec une valeur élevée de recouvrement sont fusionnées;. puis paires de cluster avec l&#39;intermédiaire des valeurs de chevauchement faibles sont fusionnées et re-split Dans le second, le stade guidé par l&#39;utilisateur, l&#39;utilisateur est présenté avec tous les restant paires de clusters ambigus (ceux avec des valeurs de chevauchement dans une gamme intermédiaire définie) dans l&#39; ordre et on lui demande de choisir si a) pour fusionner la paire, b) fusionner et Resplit la paire, c) de déclarer la paire à être distincte (qui remplacera l&#39;importance de la mesure de chevauchement), ou d) de définir la relation entre la paire comme «ambiguë» indiquant que les pointes de la paire sont peu susceptibles d&#39;être bien classés. Différents outils sont fournis pour aider à ces décisions, y compris auto - et contre-corrélogrammes et des parcelles de séries chronologiques de hauteur de pic et les valeurs de PC. Idéalement, à la fin des étapes de fusion et la division, chaque cluster doit être distinct de tous les autres,soit parce qu&#39;il a peu ou pas de chaînes en commun avec d&#39;autres clusters, ou parce que l&#39;indice de chevauchement est inférieure à une valeur définie. Cette valeur est sélectionnable par l&#39;utilisateur, mais est typiquement de 0,1. Clusters (unités) qui passent ce test sont définis comme étant «stable», ceux qui ne le font pas (parce que le chevauchement avec un ou plusieurs autres groupes est supérieur au seuil) sont définis comme «instable». Dans la pratique, la grande majorité des unités finissent par être défini comme «stable» à l&#39;arrivée de tri, en laissant le reste à être soit jeté ou traité comme potentiellement multi-unité. Configuration logicielle requise SpikeSorter est compatible avec les versions 64 bits de Windows 7 et Windows 10, et a également été exécuté avec succès sous Linux en utilisant l&#39;émulateur Wine. Les fichiers de données sont chargées dans la mémoire complètement (pour la vitesse) donc disponible RAM a besoin à l&#39;échelle avec la taille de l&#39;enregistrement (comptez environ 2 Go pour le programme lui-même). électrophysiologiqueles fichiers de données de plus de 130 al GB de taille ont été triés avec succès dans les deux environnements Windows et Linux. Les options sont accessibles via les menus standards de Windows, une barre d&#39;outils et des boîtes de dialogue. La disposition des éléments dans le menu correspond à peu près l&#39;ordre des opérations de tri, en commençant par le menu &quot;Fichier&quot; sur la gauche pour la saisie des données et le menu &quot;Exporter&quot; sur la droite permettant l&#39;exportation de données triées. les boutons de barre d&#39;outils fournissent des raccourcis vers les éléments de menu utilisés. Le fichier de configuration du canal De nombreux formats de données d&#39;enregistrement ne stockent pas les emplacements de canal. Cependant, sachant ceux-ci est essentielle pour spike sorting. Les chaînes peuvent également être numérotés de diverses manières par le logiciel d&#39;acquisition: SpikeSorter exige que les canaux sont numérotés dans l&#39;ordre, en commençant par le canal 1. Ainsi, un fichier auxiliaire de configuration d&#39;électrode doit être créée qui peut remapper les numéros de canaux pour suivre la règle séquentielle, et canal magasin locations. Le fichier de configuration de canal est un fichier texte avec une seule rangée de texte pour chaque canal. La première ligne du fichier stocke un nom de texte, jusqu&#39;à 16 caractères, qui identifie l&#39;électrode. Les chiffres dans les lignes suivantes peuvent être séparés par des onglets, une virgule, ou des espaces. Il y a quatre nombres dans chaque rangée fournissant (dans l&#39; ordre): le numéro de canal dans le fichier, le numéro de canal sur lequel il doit être mappé (le nombre qui sera utilisé par SpikeSorter), et les coordonnées x et y de la canal, en microns. La coordonnée x est normalement considérée comme perpendiculaire à la direction d&#39;insertion d&#39;électrode et la coordonnée y serait par conséquent la profondeur dans le tissu. Le fichier de configuration doit être placé dans le même répertoire que le fichier d&#39;enregistrement. Il y a une certaine souplesse dans la façon dont il peut être nommé. Le programme va d&#39;abord rechercher un fichier qui a le même nom que le fichier de données brutes, mais avec une extension .cfg. Si ce fichier is introuvable, il recherchera le fichier &#39;electrode.cfg&#39;. Si ce fichier à son tour ne se trouve pas un message d&#39;erreur est généré pour indiquer un manque d&#39;information canal de mise en page.

<table><tbody><tr><td>spikesorter.exe</td><td>N/A</td><td></td><td><a href="http://www.swindale.ecc.ubc.ca/SpikeSorter">http://www.swindale.ecc.ubc.ca/SpikeSorter</a></td></tr></tbody></table>

un guide visuel tri électrophysiologique recordings utilisation &#39;spikesorter&#39;

A Visual Guide to Sorting Electrophysiological Recordings Using 'SpikeSorter'

Peu d’applications logicielles autonomes sont disponibles pour trier les pointes à partir d’enregistrements réalisés avec des réseaux à plusieurs électrodes. Idéalement, une application doit être conviviale avec une interface utilisateur graphique, capable de lire des fichiers de données dans une variété de formats et fournir aux utilisateurs un ensemble flexible d’outils leur permettant de détecter et de trier les formes d’onde de tension extracellulaire de différentes unités avec un certain degré de fiabilité. Les méthodes de tri des pointes précédemment publiées sont maintenant disponibles dans un logiciel, SpikeSorter, destiné à fournir aux électrophysiologistes un ensemble complet d’outils pour le tri, à partir du fichier de données brutes enregistrées et jusqu’à l’exportation des temps de pointes triées. Les procédures sont automatisées dans la mesure du possible. L’article explique et illustre l’utilisation du programme. Un fichier de données représentatif est ouvert, les traces extracellulaires sont filtrées, les événements sont détectés puis regroupés. Un certain nombre de problèmes qui se produisent couramment lors du tri sont illustrés, notamment la sur-division artéfactuelle des unités due à la tendance de certaines unités à tirer des pointes par paires où la deuxième pointe est significativement plus petite que la première, et la sur-division causée par la variation lente de la hauteur des pointes au fil du temps rencontrée dans certaines unités. La précision des performances de SpikeSorter a été testée avec des données de réalité terrain de substitution et s’est avérée comparable à celle d’autres algorithmes en cours de développement.

La figure 7 montre l&#39;affichage (obtenu en allant à &#39;View - formes d&#39; ondes Triés&#39;) pour un enregistrement trié typique. L&#39;option d&#39;affichage par défaut est juste pour montrer les formes d&#39;onde sur le canal central pour chaque cluster. Une expérience commune est que les formes d&#39;onde pour une paire de cluster sur le même canal semblent identiques, mais lorsque le «Comparer les paires de la boîte de dialogue est utilisée pour examiner les de...

L’article montre comment utiliser le programme SpikeSorter pour détecter et trier les pics dans les enregistrements extracellulaires réalisés avec des réseaux multi-électrodes.

Un guide visuel Tri électrophysiologique Recordings Utilisation &#39;SpikeSorter&#39;

Few stand-alone software applications are available for sorting spikes from recordings made with multi-electrode arrays. Ideally, an application should be ...

L'objectif général de cette vidéo est de montrer aux électrophysiologistes comment utiliser le programme SpikeSorter pour détecter et trier les potentiels d'action dans les enregistrements extracellulaires effectués sur du tissu nerveux à l'aide de réseaux de microélectrodes. Notre objectif était de proposer une solution simple à cette tâche de tri des potentiels d'action, en utilisant un programme doté d'une interface conviviale. SpikeSorter peut lire des fichiers dans divers formats et offre diverses stratégies de prétraitement et de détection d'événements, ainsi que des options de tri et d'exportation des données.Les implications de cette technique s'étendent à l'analyse des comportements neuronaux, étudiés par des enregistrements extracellulaires à l'aide de réseaux de microélectrodes. En général, les personnes novices dans cette méthode éprouvent des difficultés en raison de la complexité de la tâche et du manque de méthodologie standardisée et de validation objective. Nous avons eu l'idée de cette méthode pour la première fois lorsque nous avons été confrontés au problème du tri de nos propres enregistrements, réalisés avec des réseaux de microélectrodes à 54 canaux, et que nous n'avons trouvé aucune solution disponible.Pour commencer cette procédure, ouvrez le programme. Allez dans Fichier puis ouvrez, et sélectionnez ensuite le format de fichier d'enregistrement dans la liste déroulante, en bas à droite de la boîte de dialogue d'ouverture de fichier. Ensuite, sélectionnez le fichier et cliquez sur Ouvrir.Cliquez sur OK lorsque la lecture est terminée. Les signaux enregistrés apparaissent maintenant dans l'affichage de l'onde de tension. Si l'enregistrement n'est pas filtré et contient le potentiel de champ local, supprimez-le en cliquant sur l'icône de filtre dans la barre d'outils.Sélectionnez le filtre passe-haut de Butterworth, une fréquence de coupure appropriée et le nombre de pôles, puis appuyez sur Exécuter. Cliquez sur OK, puis sur terminé, puis examinez la forme d'onde filtrée dans l'affichage. Les signaux de tension peuvent être examinés en maintenant enfoncé le bouton gauche de la souris, puis en faisant glisser. Utilisez la molette de défilement pour zoomer sur des caractéristiques particulières et revenir en arrière.Survolez avec la souris des points spécifiques de la forme d'onde pour afficher les valeurs de tension correspondantes dans le coin supérieur gauche. Un double-clic sur la fenêtre fait apparaître une boîte de dialogue qui peut également être utilisée pour examiner rapidement n'importe quelle partie de l'enregistrement et pour analyser des événements spécifiques dans des canaux ou des groupes, une fois la détection et le tri des événements terminés. Ensuite, vérifiez les canaux qui pourraient être défectueux et qui doivent être masqués.Cliquez sur l'icône de vérification du canal et examinez le graphique. Pour masquer un canal aberrant, sélectionnez soit le numéro du canal, soit sélectionnez-le dans la liste des problèmes. Une fois terminé, fermez la boîte de dialogue, puis cliquez sur « oui » dans l'invite pour enregistrer les valeurs de masque.Les canaux masqués sont estompés en gris dans l'affichage de tension. Dans cette procédure, accédez à la détection d'événements en prétraitement pour ouvrir la boîte de dialogue de détection d'événements. Utilisez le curseur en haut à droite pour examiner le niveau de bruit sur les canaux spécifiques.Un examen attentif de l'affichage de la tension peut également révéler des canaux silencieux ou anormalement bruyants qui doivent être masqués. Choisissez un seuil variable pour la détection des événements. La plage de seuils recommandée se situe entre 4,0 et 6,0 fois le bruit.Sélectionnez 4.5. Choisissez la méthode de détection dynamique à filtre multiphasique dans la liste déroulante. Réglez la fenêtre à environ la moitié de la largeur d'une forme d'onde d'impulsion typique, avec des valeurs comprises entre 0,15 et 0,5 milliseconde.Ensuite, sélectionnez la méthode d'alignement en choisissant l'option qui identifie le mieux une caractéristique unique et localisée dans le temps des pics qui sont triés. Laissez les autres options à leurs valeurs par défaut et cliquez sur Démarrer. Cliquez sur Terminé pour quitter la boîte de dialogue.La fenêtre de forme d'onde de tension affiche les événements détectés en gris sur leur canal central attribué. Les paramètres de détection des événements peuvent être ajustés en fonction des résultats observés à ce stade. Par exemple, la détection des événements peut être relancée avec un seuil de détection plus bas afin de détecter davantage d'événements.L'étape suivante n'est habituellement pas effectuée avant un tri de routine, mais il est utile de la réaliser lors d'un premier tri ou lorsqu'on travaille avec des données inconnues. Allez dans tri, convertir les canaux en groupes, afin de créer un groupe unique pour chaque canal d'électrode non masqué, en supposant que chaque canal possède certains événements qui lui sont attribués. Examinez ces groupes en accédant à revoir, afficher, nettoyer et diviser les groupes pour faire apparaître une autre boîte de dialogue.Utilisez la commande de rotation pour sélectionner l'amas à afficher. Sélectionnez un amas possédant deux sous-amas ou plus distincts, puis appuyez sur le bouton de réalignement pour modifier le moment de chaque événement afin de l'ajuster au mieux à la forme du modèle. Ensuite, appuyez sur Autosplit pour regrouper les événements selon la distribution des composantes principales.Ensuite, cliquez sur les cases à cocher pour examiner les formes d'onde dans les sous-groupes. Utilisez le contrôle du curseur pour examiner les formes d'onde correspondantes. À titre d'exercice, utilisez l'un des petits boutons de fractionnement pour créer un nouveau groupe et l'analyser.Remarquez comment l'amas rouge révèle désormais deux sous-amas plus clairement, une fois que le vert a été séparé. Le tri pourrait se poursuivre manuellement de cette manière, mais il est préférable d'utiliser la procédure de tri automatique plus rapide. Appuyez sur Terminé, puis allez dans Trier, Tri automatique.Laissez l'option de détection des événements ignorés cochée si la détection des événements a déjà été effectuée, comme ici. Si elle n'est pas cochée, la détection des événements sera exécutée automatiquement, en utilisant les valeurs de paramètres et les choix hérités de la boîte de dialogue de détection des événements. Dans le panneau de regroupement ci-dessous, sélectionnez une fenêtre temporelle suffisamment large pour contenir l'intégralité de la forme d'onde du pic, avant et après le point d'alignement.Ensuite, sélectionnez une option de réalignement à utiliser pendant le regroupement et choisissez une taille de groupe minimale. Déterminez le nombre de dimensions dans l'espace des composantes principales qui seront utilisées pour le regroupement et laissez les autres options à leurs paramètres par défaut. Ensuite, appuyez sur Démarrer pour lancer l'Autotri.Une fois le tri automatique terminé, appuyez sur suivant pour accéder à l'étape de fusion et de scission guidée manuellement, puis appuyez sur commencer. Dans la nouvelle boîte de dialogue, les paires de clusters qui ne sont pas clairement similaires ou distinctes seront présentées en séquence. Pour chaque paire affichée, utilisez les boutons pour choisir s'il faut fusionner la paire, la fusionner puis la re-scinder, indiquer que la paire est distincte ou marquer la paire comme ambiguë, si la meilleure décision n'est pas claire.Cliquez sur les cases à cocher pour afficher un graphique représentant soit la hauteur maximale des pics d'activité, soit la première ou la seconde composante principale en fonction du temps, soit des histogrammes d'auto- et de corrélation croisée. Ces graphiques peuvent aider à prendre des décisions. Ici, nous voyons un exemple de décision de fusion.Suivi d'une décision de fusion et de division. Si l'option de fusion et de division ne parvient pas à trouver des groupes clairement séparables, utilisez le curseur dans la boîte de dialogue affichée pour modifier manuellement un paramètre de regroupement et trouver une division qui semble satisfaisante. Si cela ne peut être réalisé, utilisez le bouton d'annulation pour revenir à l'état initial des deux groupes.Lorsque vous avez terminé, appuyez sur fractionner comme indiqué. Accédez maintenant à l'étape de révision, post-traitement. Utilisez le bouton de nettoyage de l'alignement pour supprimer les événements des clusters qui correspondent mal au modèle de leur cluster.Ensuite, utilisez le bouton de reclustering pour réaffecter les événements non regroupés à des modèles spécifiques en fonction de la valeur de correspondance. Les événements récupérés sont marqués comme un sous-groupe de chaque groupe parent et peuvent être examinés à l’aide de la boîte de dialogue permettant de visualiser, nettoyer et diviser les groupes. Ces événements resteront dans le groupe et seront exportés en l’état, sauf s’ils sont supprimés.Ensuite, revenez à la boîte de dialogue de post-traitement. Utilisez le bouton de suppression et le contrôle de réglage adjacent pour supprimer les groupes présentant un rapport signal-sur-bruit inférieur au seuil sélectionné. Ensuite, utilisez le bouton de tri pour renuméroter les groupes selon un critère choisi.Cette figure montre l'affichage obtenu en accédant à l'option « vue », avec les formes d'onde triées pour l'enregistrement qui vient d'être trié. Il est fréquent que les formes d'onde d'une paire de clusters sur le même canal semblent identiques, mais la boîte de dialogue de comparaison affiche néanmoins des clusters distincts dans la projection PC. Les décisions de fusion après les étapes précédentes de tri sont parfois suggérées par les tracés d'amplitude en fonction du temps et par les corrélogrammes croisés.Ceci illustre une décision de fusion fondée sur la présence d'une corrélation croisée fortement asymétrique à de courtes intervalles de temps, associée à une relation claire entre les valeurs de la première composante principale des deux unités, affichées ici sur l'axe vertical. Cette figure présente un cas où des preuves similaires en faveur d'une fusion font défaut. Le corrélogramme croisé n'est pas fortement asymétrique et les autocorrélogrammes sont différents.Bien que les formes d'onde soient similaires, les deux unités ne devraient probablement pas être fusionnées, en raison de la différence entre les distributions des composantes principales. Cette figure illustre un cas où les formes d'onde sont similaires et où les valeurs de la première composante principale de deux unités se mélangent lorsque l'une cesse de tirer tandis que l'autre commence. Dans ce cas, la décision de fusionner semble évidente.Nous espérons que cette brève introduction à SpikeSorter vous a été utile. Nous prévoyons de continuer à développer le programme et d'ajouter de nouvelles fonctionnalités là où elles peuvent être utiles. À cette fin, nous accueillons favorablement les rapports de bogues, les commentaires constructifs et les suggestions d'amélioration.

a-visual-guide-to-sorting-electrophysiological-recordings-using

Research

Recherche

JoVE Journal

Neuroscience

Neurosciences

Une question fondamentale dans notre compréhension des circuits corticaux est de savoir comment les réseaux dans différentes couches corticales codent l'information sensorielle. Ici, nous décrivons des techniques électrophysiologiques utilisant des électrodes laminaires multi-contact pour enregistrer une seule des unités et des potentiels de champ local et des analyses actuelles afin d'identifier les couches corticales.

L&#39;examen de transformation réseau local en utilisant l&#39;enregistrement multi-contact d&#39;électrode laminaire

Cette vidéo montre l’enregistrement de l’activité neuronale spontanée et dépendante de la stimulation à partir de cultures primaires de neurones murins du ganglion spiralé (SGN) sur un réseau multiélectrodes (MEA). Il s’agit de laver et de préparer le MEA, d’enregistrer l’activité neuronale spontanée et d’appliquer des stimuli électriques contrôlés pour identifier l’activité neuronale dépendante de la stimulation.

Analyse de l’activité neuronale dans les neurones ganglionnaires spiralés murins primaires à l’aide de réseaux de multiélectrodes

Cette vidéo montre la procédure détaillée de préparation d’un rat anesthésié pour les enregistrements électrophysiologiques de l’activité cérébrale à partir de plusieurs sites. Le cuir chevelu est disséqué pour accéder au crâne, et des trous sont percés à des endroits précis pour installer et fixer les électrodes. Des électrodes à microfils de tungstène sont ensuite insérées à l’endroit ciblé pour enregistrer les données.

Enregistrements électrophysiologiques in vivo d’activités cérébrales provenant de plusieurs sites chez le rat

L'implantation des réseaux organisés de microfils pour une utilisation dans une seule unité enregistrements électrophysiologiques présente un certain nombre de défis techniques. Méthodes pour effectuer cette technique et l'équipement nécessaire sont décrits. En outre, l'usage bénéfique des baies de microfilaires organisés pour enregistrer des sous-régions distinctes de neurones avec une grande sélectivité spatiale est discutée.

Une procédure d&#39;implantation de tableaux organisés de microfils pour enregistrements unitaires dans Awake, se comportant Animaux

Les cellules neuronales de la souris cultivées sur des matrices multi-électrodes affichent une augmentation de la réponse suite à une stimulation électrique. Ce protocole démontre comment culture des neurones, comment enregistrer l'activité et comment établir un protocole pour former les réseaux pour répondre aux modèles de stimulation.

Augmentation de la réponse du réseau à la stimulation des cultures cellulaires neuronales sur les tableaux de microélectrodes

Ce protocole vise à démontrer comment combiner in vitro les baies de la microélectrode avec dispositifs microfluidiques pour étudier la transmission du potentiel d’action dans les cultures de neurones. Analyse des données, à savoir la détection et la caractérisation des potentiels d’action, de la multiplication est effectuée en utilisant une nouvelle avancée, pourtant facile à utiliser et disponible gratuitement, outil de calcul.

Interfaçage Microfluidics microélectrode tableaux pour étudier la Communication neuronale et la Propagation des signaux axonale

Le protocole actuel démontre une méthode simple pour tracer les projections de glutamate de l’aire tegmentale ventrale (VTA) vers l’hippocampe. La photostimulation des neurones du glutamate VTA a été combinée à l’enregistrement CA1 pour démontrer comment les terminaux VTA glutamate modulent la vitesse de tir pyramidale putative CA1 in vivo.

Traçage anatomique et fonctionnel in vivo combiné des terminaux de glutamate de la zone tegmentale ventrale dans l’hippocampe

L’utilisation combinée de la technologie des réseaux de microélectrodes et de la stimulation chimique induite par la 4-aminopyridine pour étudier l’activité nociceptive au niveau du réseau dans la corne dorsale de la moelle épinière est décrite.

Enregistrement de l’activité du réseau dans les circuits nociceptifs rachidiens à l’aide de réseaux de microélectrodes

Le protocole décrit la méthodologie de l’enregistrement extracellulaire dans le cortex moteur (MC) pour révéler les propriétés électrophysiologiques extracellulaires chez les souris conscientes se déplaçant librement, ainsi que l’analyse des données des potentiels de champ locaux (LFP) et des pointes, ce qui est utile pour évaluer l’activité neuronale du réseau sous-jacente aux comportements d’intérêt.

Enregistrement extracellulaire multicanal chez des souris se déplaçant librement

Des micro-variateurs sur mesure permettent de cibler des sites d’enregistrement corticaux submillimétriques avec des réseaux linéaires de silicium.

Électrophysiologie de l’activité corticale laminaire chez le ouistiti commun

Apprenez à utiliser SpikeSorter pour détecter et trier les potentiels d'action dans les enregistrements extracellulaires de tissus neuronaux. Cette méthode simplifie l'analyse des comportements neuronaux avec une interface accessible.

Un guide visuel Tri électrophysiologique Recordings Utilisation 'SpikeSorter'

Explorer plus de vidéos