Un guide visuel Tri électrophysiologique Recordings Utilisation 'SpikeSorter'

L’objectif général de cette vidéo est de montrer aux électrophysiologistes comment utiliser le programme, SpikeSorter, pour détecter et trier les pointes dans les enregistrements extracellulaires de tissus neuronaux fabriqués avec des réseaux de microélectrodes. Notre objectif était de fournir une solution simple à cette tâche de tri des pointes à l’aide d’un programme doté d’une interface conviviale. SpikeSorter peut lire des fichiers dans une variété de formats et offre une variété de stratégies de prétraitement et de détection d’événements, en plus des options de tri et d’exportation de données.

Les implications de cette technique s’étendent à l’analyse des comportements neuronaux, étudiés par des enregistrements extracellulaires avec des réseaux de multiélectrodes. En général, les personnes qui ne connaissent pas cette méthode auront des difficultés en raison de la complexité de la tâche et du manque de méthodologie standard et de validation objective. Nous avons d’abord eu l’idée de cette méthode, lorsque nous avons été confrontés au problème de trier nos propres enregistrements, fait avec des réseaux multi-électrodes à 54 canaux, et que nous n’avons trouvé aucune solution disponible.

Pour commencer cette procédure, ouvrez le programme. Allez dans fichier et ouvrez, puis sélectionnez le format de fichier d’enregistrement dans la liste déroulante, en bas à droite de la boîte de dialogue d’ouverture de fichier résultante. Ensuite, sélectionnez le fichier et cliquez sur Ouvrir.

Cliquez sur OK lorsque la lecture est terminée. Les signaux d’enregistrement sont maintenant affichés sur l’affichage de la forme d’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 Butterworth, une fréquence de coupure appropriée et le nombre de pôles, puis appuyez sur Do It.Appuyez sur OK, puis sur Terminé, puis inspectez la forme d’onde filtrée à l’écran. Les signaux de tension peuvent être inspectés en maintenant le bouton gauche de la souris enfoncé, puis en les faisant glisser. Utilisez la molette de défilement pour zoomer sur des fonctionnalités particulières et à nouveau dézoomer.

Passez la souris sur des points de forme d’onde spécifiques pour afficher les valeurs de tension correspondantes dans le coin supérieur gauche. En double-cliquant sur la fenêtre, une boîte de dialogue s’ouvre et peut également être utilisée pour examiner rapidement n’importe quelle partie de l’enregistrement et pour examiner des événements spécifiques dans des canaux ou des clusters, une fois la détection et le tri des événements terminés. Ensuite, vérifiez les chaînes qui peuvent être défectueuses et qui doivent être masquées.

Cliquez sur l’icône de vérification du canal et inspectez le graphique. Pour masquer un canal périphérique, sélectionnez le numéro du canal ou sélectionnez-le dans la liste des problèmes. Lorsque vous avez terminé, fermez la boîte de dialogue, puis cliquez sur oui à l’invite pour enregistrer les valeurs du masque.

Les canaux masqués sont grisés sur l’affichage de la tension. Dans cette procédure, accédez à la détection d’événements de prétraitement pour afficher la boîte de dialogue de détection d’événements. Utilisez le curseur en haut à droite pour inspecter le niveau de bruit sur les canaux particuliers.

Une inspection minutieuse de l’affichage de la tension peut également révéler des canaux silencieux ou inhabituellement bruyants qui doivent être masqués. Choisissez le seuillage de variable pour la détection d’événements. La plage de seuils recommandée est de 4,0 à 6,0 fois le bruit.

Sélectionnez 4.5. Choisissez la méthode de détection du filtre multiphasique dynamique dans la liste déroulante. Définissez la fenêtre pour qu’elle soit à peu près la moitié de la largeur d’une forme d’onde de pointe typique, avec des valeurs comprises entre 0,15 et 0,5 milliseconde.

Après cela, sélectionnez la méthode d’alignement en choisissant l’option qui identifie le mieux une seule caractéristique localisée dans le temps des pointes en cours de tri. Laissez les autres options à leurs valeurs par défaut et appuyez sur Démarrer. Appuyez sur OK pour quitter la boîte de dialogue.

La fenêtre de forme d’onde de tension affiche les événements détectés en gris sur le canal central qui leur est attribué. Les paramètres de détection d’événements peuvent être ajustés en fonction des résultats observés à ce stade. Par exemple, la détection d’événements peut être réexécutée avec un seuil de détection inférieur, afin de détecter davantage d’événements.

L’étape suivante n’est normalement pas effectuée avant le tri de routine, mais il est utile de la faire lors du premier tri ou lorsque vous rencontrez des données inconnues. Allez trier, convertir les canaux en clusters, pour créer un seul cluster pour chaque canal d’électrode non masqué, en supposant que chaque canal a des événements qui lui sont attribués. Examinez ces clusters en accédant à Examiner, afficher, nettoyer et diviser les clusters pour afficher une autre boîte de dialogue.

Utilisez la commande de rotation pour sélectionner le cluster à afficher. Sélectionnez un cluster qui comporte deux sous-clusters distincts ou plus, puis appuyez sur le bouton de réalignement pour modifier l’heure de chaque événement, afin de mieux l’adapter à la forme du modèle. Ensuite, appuyez sur Fractionnement automatique pour regrouper les événements en fonction de la distribution des composants principaux.

Ensuite, cliquez sur les cases à cocher pour examiner les formes d’onde dans les sous-clusters. Utilisez le curseur pour examiner les formes d’onde correspondantes. À titre d’exercice, utilisez l’un des petits boutons fractionnés pour créer un nouveau cluster et l’examiner.

Remarquez que le cluster rouge révèle maintenant deux sous-clusters plus clairement, après que le vert a été séparé. Le tri peut continuer manuellement de cette façon, mais il est préférable d’utiliser la procédure de tri automatique plus rapide. Appuyez sur Terminé et allez dans Trier, Tri automatique.

Laissez l’option de détection d’événement de saut cochée si la détection d’événement a déjà été effectuée, comme ici. Si elle n’est pas cochée, la détection d’événement sera exécutée automatiquement, à l’aide des valeurs de paramètres et des choix hérités de la boîte de dialogue de détection d’événement. Dans le panneau de clustering ci-dessous, sélectionnez une fenêtre temporelle suffisamment grande pour contenir l’intégralité de la forme d’onde du pic, précédant et suivant le point d’alignement.

Ensuite, sélectionnez une option de réalignement à utiliser lors du clustering et choisissez une taille de cluster minimale. Décidez du nombre de dimensions de l’espace PC qui seront utilisées pour le clustering et laissez les autres options à leurs paramètres par défaut. Après cela, appuyez sur Démarrer pour commencer le tri automatique.

Une fois le tri automatique terminé, appuyez sur Suivant pour accéder à l’étape de fusion et de division guidées manuellement, puis appuyez sur Démarrer. Dans la nouvelle boîte de dialogue, les paires de clusters qui ne sont pas clairement similaires ou distinctes seront présentées dans l’ordre. Pour chaque paire présentée, utilisez les boutons pour choisir de fusionner la paire, de la fusionner et de la rediviser, de marquer la paire comme distincte ou ambiguë, si vous ne savez pas clairement quelle est la meilleure décision.

Cliquez sur les cases à cocher pour afficher un graphique de la hauteur du pic ou de la première ou de la deuxième composante principale par rapport au temps ou aux histogrammes automatiques et de corrélation croisée. Ceux-ci peuvent aider à prendre des décisions. Nous voyons ici un exemple de décision de fusion.

Suivi d’une fusion et d’une décision partagée. Si l’option de fusion et de division ne parvient pas à trouver des clusters clairement séparables, utilisez le curseur de la boîte de dialogue qui s’affiche pour faire varier manuellement un paramètre de clustering et trouver une division qui semble satisfaisante. Si cela n’est pas possible, utilisez le bouton Rétablir pour revenir à l’état d’origine des deux clusters.

Lorsque vous avez terminé, appuyez sur Diviser comme indiqué. Allez maintenant à la révision, post-traitement. Utilisez le bouton de nettoyage de l’alignement pour supprimer les événements des clusters qui ne correspondent pas à leur modèle de cluster.

Ensuite, utilisez le bouton Recluster pour réattribuer des événements non cluster à des modèles particuliers en fonction de la valeur de correspondance. Les événements récupérés sont marqués en tant que sous-cluster de chaque cluster parent et peuvent être inspectés à l’aide de la boîte de dialogue Afficher, Nettoyer et Fractionner les clusters. Ces événements resteront dans le cluster et seront exportés en tant que tels, à moins qu’ils ne soient supprimés.

Ensuite, revenez à la boîte de dialogue de post-traitement. Utilisez le bouton de suppression et la commande de rotation à côté pour supprimer les clusters dont le rapport signal/bruit est inférieur au seuil sélectionné. Par la suite, utilisez le bouton de tri pour renuméroter les clusters en fonction d’un critère choisi.

Cette figure montre l’affichage, obtenu en allant dans la visualisation, des formes d’onde triées pour l’enregistrement qui vient d’être trié. L’expérience courante est que les formes d’onde d’une paire de clusters sur le même canal semblent identiques, mais la boîte de dialogue des paires de comparaison affiche néanmoins des clusters distincts dans la projection du PC. Les décisions de fusion suivant les étapes précédentes de tri sont parfois suggérées par des graphiques temporels d’amplitude et des corrélogrammes croisés.

Cela illustre une décision de fusion basée sur la présence d’une forte corrélation croisée asymétrique à de courts intervalles de temps, associée à une relation claire entre les premières valeurs des composantes principales des deux unités, montrées ici sur l’axe vertical. Cette figure montre un cas où des preuves similaires de 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 sans doute pas être fusionnées, en raison de la différence dans les distributions des composants principaux. Cette figure montre un cas où les formes d’onde sont similaires et où les valeurs des premières composantes principales de deux unités se mélangent lorsque l’une d’elles cesse de se déclencher et que l’autre démarre. Dans ce cas, la décision de fusionner semble simple.

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 les rapports de bugs, les commentaires constructifs et les suggestions d’amélioration.