Neuroscience

Un guide visuel Tri électrophysiologique Recordings Utilisation 'SpikeSorter'

Published: February 10, 2017 doi: 10.3791/55217

Nicholas V. Swindale¹, Catalin Mitelut¹, Timothy H. Murphy², Martin A. Spacek^1,3

¹Ophthalmology and Visual Sciences, University of British Columbia, ²Department of Psychiatry, University of British Columbia, ³Neurobiology, Biology II, LMU München

Introduction

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'identifier et de séparer les signaux provenant de différents neurones à partir des signaux de tension bruyants enregistrés par l'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'eux par une électrode à proximité sont susceptibles d'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'électrode, variables cinétiques de canal de sodium pendant les périodes de cadence de tir élevée, des degrés variables d'activation de conductances de tension dans les dendrites qui sont proches de l'électrode, ou peut-être que à la suite de changements dans l'état du cerveau. Ces problèmes peuvent être atténués en utilisant des réseaux multi-électrodes (AME) avec beaucoup rapprochées (20-100 pm) r 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'électrode dans l'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'un petit nombre de canaux d'électrode. À ce jour, il n'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 = "xref"> 10. Parce que spike sorting est pas une fin en soi, mais est simplement une étape préliminaire nécessaire avant de poursuivre l'analyse des données, il existe un besoin pour un forfait facilement utilisable qui va lire dans les fichiers de données d'enregistrement brut et les convertir en trains pic triés avec aussi peu de l'utilisateur entrée et aussi rapidement et de manière fiable que possible.

Ce document fournit un tutoriel pour l'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' autres composants logiciels spécialisés au - delà des systèmes d' exploitation standards Windows ou Linux devrait être nécessaire; c d) la nécessité d' une entrée de l' utilisateur lors du tri doit être minimisée, et e) de tri fois devraient évoluer de façon raisonnable, idéalement linéaire, avec une durée d'enregistrement et le nombre de canaux sur l'électrode. Les algorithmes mis en œuvre dans le programme comprennent a) un ensemble flexible de stratégies de pré-traitement et de détection d'événement; b) un clivage automatisé et de la stratégie de conquête de la réduction de la dimension des pôles de formes d' 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'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' 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'inspection des distributions PC, croisées et auto-corrélogrammes des trains de pointes et des parcelles de temps-amplitude des formes d'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'avenir.

Une autre croix-plate-forme mise en œuvre open-source, "spyke" (http://spyke.github.io), est également disponible. Écrit par l'un d'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'utilisateurteraction, mais repose fortement sur le clavier et les raccourcis de la souris et une file d'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' 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' aide (identifiées avec un «?») Dans SpikeSorter. Après le chargement d'un fichier de tension extracellulaire brut et de filtrer les composantes de basse fréquence, un stade initial des résultats de la détection d'événements dans une série d'événements, dont chacune se compose d'un bref aperçu de la tension avant et après l'heure de l'événement. Si les élusles sites Rode sont suffisamment rapprochés (<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'événement de pic à pic est la plus grande. Automatisé de tri commence par la formation d'un seul groupe initial pour chaque canal d'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'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'onde de modèle sur chaque canal. les valeurs des composantes principales sont ensuite calculées pour chaque cluster basé on les formes d'onde sur l'ensemble assigné de canaux. L'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'à ce que nul ne peut encore être subdivisé par regroupement automatisé.

À ce stade, une première série de disons, 64 grappes d'une électrode à 64 canaux, peuvent être divisés en deux ou trois fois ce nombre, en fonction du nombre d'unités qui étaient présentes dans l'enregistrement. Mais en raison de l'affectation de variable d'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'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'un à l'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'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 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' 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'abord dans une étape automatisée, puis dans une étape guidée manuellement.

tente "> Dans l'étape automatisée, des paires de cluster avec une valeur élevée de recouvrement sont fusionnées;. puis paires de cluster avec l'intermédiaire des valeurs de chevauchement faibles sont fusionnées et re-split Dans le second, le stade guidé par l'utilisateur, l'utilisateur est présenté avec tous les restant paires de clusters ambigus (ceux avec des valeurs de chevauchement dans une gamme intermédiaire définie) dans l' 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'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'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'il a peu ou pas de chaînes en commun avec d'autres clusters, ou parce que l'indice de chevauchement est inférieure à une valeur définie. Cette valeur est sélectionnable par l'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'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'émulateur Wine. Les fichiers de données sont chargées dans la mémoire complètement (pour la vitesse) donc disponible RAM a besoin à l'échelle avec la taille de l'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'outils et des boîtes de dialogue. La disposition des éléments dans le menu correspond à peu près l'ordre des opérations de tri, en commençant par le menu "Fichier" sur la gauche pour la saisie des données et le menu "Exporter" sur la droite permettant l'exportation de données triées. les boutons de barre d'outils fournissent des raccourcis vers les éléments de menu utilisés.

Le fichier de configuration du canal

De nombreux formats de données d'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'acquisition: SpikeSorter exige que les canaux sont numérotés dans l'ordre, en commençant par le canal 1. Ainsi, un fichier auxiliaire de configuration d'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'à 16 caractères, qui identifie l'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' 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'insertion d'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'enregistrement. Il y a une certaine souplesse dans la façon dont il peut être nommé. Le programme va d'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 'electrode.cfg'. Si ce fichier à son tour ne se trouve pas un message d'erreur est généré pour indiquer un manque d'information canal de mise en page.

Subscription Required. Please recommend JoVE to your librarian.

Protocol

Configuration 1. Programme

Allez à http://www.swindale.ecc.ubc.ca/SpikeSorter pour télécharger le programme. Copiez le fichier exécutable fourni dans le répertoire de votre choix. Lisez la documentation d'accompagnement.
NOTE: Aucune installation ou la compilation formelle est nécessaire.
Avant d'ouvrir un fichier à trier, assurez-vous qu'il ya assez de RAM libre pour contenir toute la durée de l'enregistrement. Assurez-vous également un fichier de configuration de canal valide, tel que décrit dans la documentation, est présent dans le même répertoire que le fichier de données.
Démarrez le programme, puis allez dans "Fichier - Ouvrir" et sélectionnez le format de fichier d'enregistrement dans la liste déroulante en bas à droite de la boîte de dialogue de fichier ouvert résultant. Sélectionnez le fichier à ouvrir, puis cliquez sur «Ouvrir».
Une fois la lecture terminée, inspecter l'écran d'enregistrement de tension. Double-cliquez sur l'écran (ou allez dans 'View - Tension Record') pour faire apparaître une boîte de dialogue avec des contrôles qui permettent tout part de la forme d'onde d'enregistrement devant être visualisé.
REMARQUE: Double-cliquer sur d'autres fenêtres d'affichage sera souvent mettre en place des boîtes de dialogue associées.
Après la boîte de dialogue est quitté, passez la souris sur les formes d'onde pour afficher certaines valeurs de tension dans le coin supérieur gauche de l'écran. Utilisez la molette de défilement pour faire un zoom sur une partie de l'écran. Maintenez le bouton gauche de la souris pour faire glisser le contenu de la fenêtre.
NOTE: Cet affichage est fréquemment mis à jour pour refléter l'ajout d'événements nouvellement détectés, ou d'indiquer, au moyen de couleurs et / ou des chiffres, leurs affectations de cluster après regroupement.
Si l'enregistrement est non filtrée et contient le potentiel de champ local, retirez-le en allant dans «Pre-Process - Transformation / filtre» (ou cliquez sur l'icône de filtre dans la barre d'outils). Sélectionnez 'passe-haut Butterworth Filtre', puis une fréquence appropriée de coupure et le nombre de pôles, puis appuyez sur 'Do-It!'. Une fois que le filtrage est terminé, inspecter la nouvelle forme d'onde dans l'onde de tensionfenêtre du formulaire.
NOTE: Le filtrage est effectué dans le domaine de Fourier, est non-causal, et ne présente pas de distorsion de phase des formes d'onde. Pour un long enregistrement, le filtrage peut prendre plusieurs minutes.
Ensuite, vérifiez pour les canaux qui peuvent être défectueux et doivent être masqués. Aller à la «pré-processus - vérifier canal '(ou cliquez sur l'icône de vérification de canal), puis inspecter le graphique qui apparaît. Le graphique montre l'évolution de la corrélation du signal entre les paires de canaux en fonction de leur séparation spatiale ^5. Les canaux qui violent cette relation ne peut pas être bon fonctionnement. Pour voir toutes ces valeurs aberrantes, cliquez sur «déviations canal net unique».
1. Pour masquer un canal périphérique soit sélectionner le numéro de canal, ou le sélectionner dans la liste des problèmes. Lorsque cette boîte de dialogue est sorti, cliquez sur «Oui» à l'invite pour enregistrer les valeurs de masque.
  NOTE: Ce fichier aura le même nom que le fichier de données d'enregistrement, mais avec le .msk d'extension. Il sera lu automatically chaque fois que le même fichier de données est ouvert.

2. Détection de l'événement

Aller à 'Pre-process - Détection de l' événement "pour faire apparaître la boîte de dialogue de détection d'événements (Figure 1). Cette boîte de dialogue offre également la possibilité de canaux de masquage en fonction de leurs niveaux de bruit (bien que ceux-ci seront souvent détecté par les tests précédents). Par exemple, un canal qui a été volontairement mis à la terre peut avoir un niveau de bruit très faible.
Utilisez le curseur en haut à droite pour inspecter le niveau de bruit sur des canaux particuliers. Une inspection minutieuse de l'affichage de la tension peut aussi révéler des canaux silencieux ou anormalement bruyants qui doivent être masqués.
Choisissez une méthode de seuillage pour la détection de l'événement. Utilisez le bouton d'aide dans la zone de groupe pour plus d'informations sur les options. Seuillage 'Variable', avec un seuil de 4,5X - 6X bruit ^7, est recommandé. Utilisez les commandes sur le haut à gauche pour choisir la façon dont le niveau de bruit est calculé pour eest fin.
Choisissez la méthode de détection de la liste déroulante. «Filtre multiphasique dynamique» est la méthode recommandée. Ceci requiert la spécification d'une fenêtre temporelle. Définir la fenêtre pour être à peu près la moitié de la largeur d'un pic typique. Des valeurs très étroites sera détection de polarisation à des pics plus étroits si l'effet est pas grande. Les valeurs dans la gamme de 0,15 - 0,5 ms sont recommandées ^12.
Remarque: Les valeurs indiquées sont des multiples entiers de l'intervalle d'échantillonnage (inverse de la fréquence d'échantillonnage).
Sélectionnez la méthode d'alignement. Choisissez l'option qui identifie mieux une seule caractéristique, temporellement localisée des pointes qui sont triés, par exemple, un «pic positif» peut être un mauvais choix si de nombreux pics ont plus d'un pic positif. Pour de nombreux enregistrements, un «creux négatif» sera le meilleur choix. D'autres options peuvent généralement être laissés à leurs valeurs par défaut. Appuyez sur Start'.
REMARQUE: la détection de l'événement peut take de quelques secondes à quelques minutes, en fonction de la durée de l'enregistrement et le nombre de canaux.
Appuyez sur "Terminé" pour quitter la boîte de dialogue. Inspecter les événements, en gris, dans la fenêtre de tension de forme d'onde. Vérifiez que les signaux qui ressemblent à des événements ont été détectés.
1. Si non, envisagez la détection d'événements re-courant avec un seuil de détection inférieur. Méfiez-vous cependant que les pointes de très faible amplitude peuvent être difficiles à trier et qu'un grand nombre d'entre eux sont susceptibles d'entraver le tri des amplitudes plus grandes pointes. Vérifiez également les doublons évidents ou une incapacité à résoudre les pics voisins et d'ajuster les paramètres de la fenêtre de verrouillage spatio-temporelles en conséquence.
  NOTE: A ce stade, les événements sont identifiés par leurs temps de présence et un numéro de canal. Normalement, ceci est le canal sur lequel l'amplitude du pic de crête à crête est la plus grande. Les événements sont unclustered initialement, donc chacun a une affectation de groupe de zéro.

3. tri REMARQUE: L'étape suivante est généralement pas exécutée avant le tri de routine, mais il est très utile de le faire lors du tri pour la première fois, ou lorsqu'il rencontre des données inconnues.

Aller à 'Trier - Convertir des canaux aux clusters'. Cela crée une grappe unique pour chaque canal d'électrodes démasqué, en supposant que chaque canal a des événements qui lui sont assignées. Examiner ces grappes en allant à 'Review - Voir Clean et des grappes de Split. Ceci nous amène à une autre boîte de dialogue (Figure 2). Utilisez la commande de rotation (en haut à gauche) pour sélectionner le cluster à visualiser.
NOTE: Le solide bleu (cyan) en ligne est la moyenne de toutes les formes d'onde du cluster et est désigné comme le modèle de cluster dans ce qui suit. La distribution des composants principaux (PC) des événements du cluster sont présentées dans la fenêtre ci-dessous. Ceux-ci seront souvent en évidence la présence de deux ou plusieurs sous-grappes.
Appuyez sur le bouton «réaligner» pour changer l'heure de chaque événement(résultant en petits décalages latéraux des formes d' onde à l'écran) afin de mieux correspondre à la forme du modèle, en faisant cela rend souvent sous - groupes plus compact et distinct, et réduit parfois le nombre apparent (figure 3).
Sélectionnez un cluster qui a deux ou plusieurs sous-groupes distincts et appuyez sur 'AutoSplit'. Si sous-groupes sont identifiés dans l'écran du PC, ils seront colorés. A titre d'exercice, utilisez l'un des petits boutons «séparés» pour créer un nouveau groupe et l'examiner. Tri pourrait continuer manuellement cette façon, mais revenir en arrière et utiliser la procédure autosort plus rapide.
Aller à 'Sort - Autosort' (ou appuyez sur le bouton autosort la barre d'outils) pour commencer le tri automatique. La boîte de dialogue résultante est représentée sur la figure 4. Il présente une variété d'options.
1. Laissez l'option 'ignorer la détection d'événement »vérifié si la détection de l'événement a déjà été fait. Si elle est pas cochée, la détection d'événements sera exécutéen utilisant des valeurs et des choix hérités de la boîte de dialogue de détection d'événement paramètre. Depuis la détection d'événements a déjà été fait, laissez cette option cochée.
2. Dans le panneau 'clustering' ci-dessous, sélectionnez une fenêtre temporelle assez grand pour contenir la totalité de la forme d'onde de pic précédant et suivant le point d'alignement, mais pas plus. Utilisez cette fenêtre pour bloquer les régions de la forme d' onde de pointe, par exemple de longues postpotentiels variables, si elles semblent interférer avec (ou contribuant peu à) le tri. Habituellement les valeurs dans la plage de ± 0,5 ms sont appropriées. Comme les autres fenêtres temporelles, la fenêtre est un nombre entier de points d'échantillonnage, de sorte que les valeurs temporelles qui apparaissent sont des multiples de l'intervalle d'échantillonnage.
3. Ensuite, sélectionnez une option réalignement à utiliser pendant le regroupement. Cela rendra l'utilisation de la forme d'onde de modèle et travaille plus robuste que dans le premier cas de détection d'un événement où le critère doit être appliqué à un nombre relativement bruyants s individuelsformes d'onde brochet. L'option recommandée est «cog pic pondéré», mais «creux négatif» peut être mieux si cela est une caractéristique constante des formes d'onde de pic.
4. Choisissez une taille de cluster minimum. Clusters avec moins de ce nombre de pointes seront supprimés, ce qui empêche l'accumulation d'un grand nombre de petits, peut-être faux, clusters lors du tri.
5. Décider du nombre de dimensions dans l'espace de PC qui seront utilisés pour le clustering. Deux est généralement suffisante, mais légèrement meilleurs résultats peuvent être obtenus avec 3, mais avec un temps plus long de tri.
6. Laissez les autres options à leurs paramètres par défaut. Utilisez les boutons d'aide pour obtenir des explications plus détaillées des différentes options.
Appuyez sur Start 'pour commencer le autosort. grappes à base de canaux sont d'abord formés comme illustré à l'étape 3.1. Ceux-ci sont maintenant traitées à leur tour, la formation de nouveaux agrégats par scission des sous-groupes individuels, un à la fois. Chaque fois qu'un nouveau cluster est spallumé éteint, les valeurs de PC sont recalculées et affichées. Cela continue jusqu'à ce qu'aucun groupe particulier peut encore être subdivisé.
Suivez les instructions à l'écran, où le sous-groupe qui sera séparé du cluster parent est affiché en rouge.
NOTE: Parfois, le dernier groupe est rouge avec des valeurs aberrantes incolores qui ne forment pas un sous-groupe distinct. Ces valeurs aberrantes seront généralement supprimées. Pendant ce processus, le nombre de grappes augmente progressivement. Quand il est terminé, les indices de chevauchement cluster sont calculées pour chaque paire de cluster éligibles. Paires qui ont de grandes valeurs de recouvrement sont automatiquement fusionnés, tandis que les paires qui ont des valeurs de recouvrement intermédiaires (la plage par défaut est de 0,1 à 0,5) sont fusionnés puis Resplit. les valeurs intermédiaires indiquent qu'il existe deux classes distinctes, mais que certains points sont misassigned. Au cours de cette étape, le nombre de grappes diminue généralement et le nombre de grappes stables augmente.

4. Personnalisation

Si l'on utilise le programme pour la première fois (ou éventuellement au cours de l'étape suivante), de personnaliser les tailles et positions de la fenêtre. Allez dans «File-Préférences». Choisissez tailles pour les différentes fenêtres en sélectionnant le type dans la liste déroulante fenêtre et ajuster la taille en fonction de l'écran. Quittez le dialogue et positionner les fenêtres pour faire le meilleur usage de l'écran.
De la boîte de dialogue, choisissez des valeurs d'échelle qui conviennent le mieux à la mise en page et de l'espacement des canaux sur l'électrode et les pointes dans l'enregistrement. Il y a une option de autoscaling mais cela ne peut pas toujours choisir les meilleures valeurs. Éteignez si elle ne le fait pas.
Cochez l'option Post - it Paramètres: si l'option est sélectionnée, les changements dans le tri des valeurs de paramètres (par exemple , tel qu'il est utilisé dans la détection de l' événement) seront enregistrées et héritées prochaine fois que le programme démarre. Cela peut être utile, mais exige aussi que les valeurs des paramètres sont vérifiés pour assurer qu'ils ne sont pas négligemment changé diverses options sont explorées ou à la suitede la lecture dans différents fichiers de travail. Options pour changer les couleurs sous-munitions sont également disponibles.
Soyez prudent de changer le nombre de threads de processeur. Le nombre optimal est généralement de 1 à moins que le nombre de physiques (non virtuels) cœurs de processeur. L'augmentation du nombre de threads ne peut pas accélérer le traitement et peut même entraîner un ralentissement sévère.

5. Merge et Split

Après la autosort est terminée, appuyez sur "Suivant" pour aller à la fusion guidée manuellement et le stade divisé. Les spectacles de dialogue résultant, dans le coin inférieur gauche, le nombre de paires restantes de cluster ambiguës qui doivent être examinées, ainsi que le nombre de grappes stables.
Appuyez sur «Begin». Une autre boîte de dialogue apparaît en même temps que la première des paires à examiner.
Choisissez de fusionner la paire, il resplit (résultant en une valeur de chevauchement inférieur), pour marquer la paire comme «distincte», ce qui signifie que la valeur de l'indice de chevauchement sera ignoré, or d'étiqueter la paire comme «ambiguë», ce qui signifie qu'il est incertain si les pointes sont les mêmes ou différentes unités.
1. Cliquez sur les cases à cocher pour afficher un graphique des paramètres de pic (crête-à-crête (PP) de hauteur, ou la première (PC1) ou deuxième (PC2) des composantes principales) en fonction du temps et / ou auto et intersectoriels les histogrammes de corrélation.
  NOTE: L'affichage de la hauteur PP en fonction du temps est souvent très utile pour décider de fusionner deux clusters. Si les hauteurs des pics dans une unité se fondent harmonieusement dans ceux d'une autre en même temps qu'une unité arrête la cuisson et l'autre commence, il est beaucoup plus probable qu'ils sont de la même unité et devraient être fusionnés. Cross-corrélogrammes peuvent révéler une relation temporelle forte entre les temps de pic dans deux clusters. Si le contre-corrélogramme a un fort pic asymétrique à un intervalle de temps très court (par exemple , environ 5 - 10 ms) et surtout si le deuxième pic est plus petit que les sapinst, les deux unités sont les plus susceptibles d' une seule unité qui est mise à feu des paires de pointes dans lequel le second est inférieur au premier canal en raison de l' adaptation de Na ^+.
2. Dans les cas où la décision de fusionner est pas facile, étiqueter la paire comme «ambiguë» et de traiter les grappes en conséquence dans les analyses ultérieures.
Si la fusion et option Split est incapable de trouver des grappes clairement séparables, utilisez le curseur dans la boîte de dialogue invite à varier manuellement un paramètre de clustering (une bande passante spatiale, sigma), ainsi que l'ensemble de boutons qui fusionnent, pour trouver une scission qui semble satisfaisante . Utilisez le bouton 'Revert' pour revenir à l'état initial des deux groupes. Appuyez sur 'de Split comme le montre' pour terminer. Notez plus de deux groupes peuvent être produits par ce procédé.
Continuez ce processus jusqu'à ce qu'il n'y ait plus de paires à inspecter. La grande majorité des grappes devrait maintenant être répertorié comme «stable».
Si certaines paires de cluster ont trèsindices de chevauchement faibles, de sorte qu'ils sont ignorés par la fusion guidée (mais il y a encore des preuves pour les fusionner), aller à la «Review - Comparer les paires de cluster de l'option de menu (ou cliquez sur l'icône associée dans la barre d'outils) et ouvrir la dialogue de la figure 5. Utilisez les commandes de spin en haut de la boîte de dialogue pour sélectionner une paire de grappes de comparaison.
NOTE: Comme avec la fusion guidée et divisée, les paires sont mis dans une liste triée, mais dans ce cas la comparaison des mesures supplémentaires à l'index cluster de chevauchement sont disponibles.
1. Sélectionnez l'option 'produit scalaire normalisé »dans la liste déroulante. On calcule ainsi la corrélation entre les valeurs de modèle. Il est insensible aux variations d'échelle multiplicatif et est bien adapté à la cueillette des paires de cluster qui sont un résultat artefactuelle de crête à crête hauteur variabilité.
2. Appuyez sur le bouton «plus proche» dans le milieu de la boîte de dialogue pour afficher la paire la plus similaire. Utilisez le horizontal Contrôle de rotation sous le bouton pour avancer ou reculer dans la liste. Utilisez l'écran de corrélation et la hauteur PP vs affichage de l' heure de prendre des décisions à la fusion, tout comme pour la fusion et scission guidée utilisateur. Notez que la liste est recalculé après chaque opération de fusion. Cette étape de comparaison est à extrémité ouverte, et il appartient à l'utilisateur de décider comment beaucoup à la recherche de preuves en faveur des fusions.

6. Examen - Post-traitement

Maintenant, allez à 'Review - Post-traitement »(ou cliquez sur l'icône de la barre d'outils appropriés). Cette boîte de dialogue (Figure 6) offre des options pour ajouter ou supprimer des événements de clusters, ainsi que la possibilité de supprimer des grappes entières avec des rapports signal sur bruit (SNR) qui tombent en dessous d' un seuil. Duplicate événements (événements survenus dans le même temps dans un cluster) peuvent être créées par des erreurs d'alignement lors du tri. Les événements qui sont un long chemin retiré de leur emplacement d'origine peuvent sometimes être déplacé; ils peuvent également être supprimés lors de la réinstallation ne fonctionne pas.
Utilisez le bouton de nettoyage d'alignement pour éliminer les événements des clusters qui sont un mauvais match au modèle. Utilisez le bouton «Réorganisation» pour faire l'inverse, à savoir de réaffecter les événements non regroupés qui sont un bon match à un modèle particulier. Les événements récupérés sont marqués comme un sous-groupe de chaque groupe de parent et peuvent être inspectés en utilisant la boîte de dialogue "View, propres et fendues clusters. Ces événements resteront dans le cluster (et être exportés en tant que telle), à moins qu'ils ne soient supprimés (utiliser le petit bouton 'supprimer' pour la première sous-groupe). Pour revenir à la boîte de dialogue de post-traitement, utilisez le bouton «supprimer» et le contrôle de spin à côté de supprimer les clusters avec un SNR inférieur au seuil choisi.
Bien que le nombre de clusters vont en continu de 1 à N, où N est le nombre total de clusters, la numérotation actuelle des clusters à la fin du tri est proche d'unrbitrary. Utilisez le bouton "Trier" pour numéroter les grappes selon un critère choisi, par exemple , position verticale sur l'électrode, ou le numéro de canal. Notez que, à l'exception de la suppression des événements en double, il n'y a actuellement aucune preuve objective pour soutenir des choix particuliers dans cette boîte de dialogue comme étant mieux que d'autres.
A tout moment au cours des procédures manuelles de la sorte, il est possible d'enregistrer un fichier qui contient les valeurs actuelles des paramètres, des options de tri, les temps d'événements, propriétés du cluster et l'enregistrement de message. Créez ce fichier en allant à «Fichier - Enregistrer le fichier de travail». Donnez un nom au fichier qui est clairement liée à celle du fichier de données et appuyez sur Enregistrer. Reprendre le tri à une date ultérieure en ouvrant d'abord le fichier d'enregistrement d'origine, suivie par un filtrage passe-haut (si cela se fait au départ). Ensuite, ouvrez le fichier de travail enregistré. Le programme sera alors dans un état identique à celui qu'il était lorsque le fichier de travail a été acceptée. Le fichier de travail est aussi un recordon de la façon dont le tri a été fait - les paramètres utilisés et des messages émis lors du tri.
Enfin, exporter les événements en cluster. Allez à 'Export - Ordonné fichiers pic »(ou cliquez sur le bouton correspondant de la barre d'outils). Sélectionnez '.csv' (séparés par une virgule variable) dans la liste déroulante puis cliquez sur «Enregistrer sous». Choisissez un nom pour le fichier qui contiendra les données de csv exporté pour les unités triées.
NOTE: Ce fichier texte aura une seule ligne pour chaque événement contenant, dans l'ordre, le temps de l'événement (en secondes le plus proche de 10 ms), le nombre de cluster (à partir de 1) et le numéro de la chaîne qui a été attribué à l'événement. Notez que le canal attribué ne peut pas être le même pour tous les événements dans un cluster si les événements ne sont pas toujours plus grande sur un seul canal.

Subscription Required. Please recommend JoVE to your librarian.

Representative Results

La figure 7 montre l'affichage (obtenu en allant à 'View - formes d' ondes Triés') pour un enregistrement trié typique. L'option d'affichage par défaut est juste pour montrer les formes d'onde sur le canal central pour chaque cluster. Une expérience commune est que les formes d'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 deux groupes il y a des groupes distincts dans la projection de PC, le plus souvent résultant des différences de forme d'onde sur les canaux adjacents . Cela est vrai, par exemple, des formes d' onde sur le canal 62 de la figure 7.

Comme indiqué ci-dessus, il est pas rare de trouver des paires de cluster où les décisions qui fusionnent doivent être fondées sur des parcelles d'amplitude en temps et en contre-corrélogrammes. La figure 8 montre un exemple d'une décision de fusion basée en partie sur la traverse corrélogramme. Une très forte, asymmetric corrélation croisée à des intervalles de temps courts (figure 8B) couplée à une différence de hauteur crête-à-crête des motifs et des motifs de tir similaires (figure 8E) suggère fortement que les pics proviennent de la même neurone. La figure 9 montre un cas où le même genre de preuves pour la fusion fait défaut. Ici, la croix-corrélogramme est faible et pas fortement asymétrique. En outre, les formes des autocorrélogrammes des deux groupes sont différents (figure 9A). On peut dire que les deux unités ne doivent pas être fusionnées en raison de la nette différence supplémentaire dans les distributions des composantes principales (Figure 9C). La figure 10 montre un cas où les hauteurs PP de deux unités se mélangent dans le même temps que l' un d'entre eux cesse de tir et les autres CV. Dans ce cas, la décision de fusionner semble correcte, mais on ne peut pas exclure la possibilité que les unités coordonnent leurs modes de tir dansde manière complexe et que la similitude des hauteurs est accidentelle.

Ces exemples illustrent la difficulté à offrir des directives fermes sur la façon de prendre des décisions qui fusionnent. Cette situation est aggravée par le manque général de mesures objectives pour évaluer la qualité globale du pic de tri et les effets des changements de paramètres. Ceci est dû à l'absence d'informations rez-de-vérité, qui, pour spike sorting, consisterait des enregistrements intracellulaires (ou leur équivalent) de chaque neurone qui était assez proche d'une électrode d'enregistrement pour donner naissance à des signaux extracellulaires détectables. Malgré cette limitation, il existe des substituts pour les données de réalité de terrain et il est pas déraisonnable de supposer qu'un changement de tri stratégie qui se traduit par de meilleures performances sur des données de substitution va conduire à de meilleures performances avec des données réelles. Les substituts comprennent des données réelles de la MEA d'enregistrement dans lequel des pointes, prises à partir de l'enregistrement, on ajoute de nouveau dans le recording parfois connus sur différents canaux, où ils ne peuvent pas être confondus avec les pointes d'origine. Un tel test est à la base d'un concours de tri de pointe organisée par G. Buzsaki et T. Harris tenue à Janelia Farm en 2013. données de substitution ont été générées à partir d'enregistrements effectués dans le thalamus ou l'hippocampe de rats se déplaçant librement (A. Peyrache, A. Berenyi et G. Buzsaki, données non publiées). signaux Spike pour lesquels il était «vérité terrain» ont été générés en prenant des pointes à partir d'une unité enregistrée sur une tige et de les ajouter à l'enregistrement sur une autre tige assurant ainsi que la relation de ce train de pic avec l'activité de fond et les états du cerveau a été préservée. Les enregistrements contenaient une activité de dopage réelle en plus des trains au sol pic de vérité ajoutée. Les taux de faux positifs pour SpikeSorter étaient de 0,26% et 0,01% pour les deux ensembles de test différents, tandis que les taux de faux négatifs correspondants étaient de 2,1% et 0,37% (A. Peyrache, communication personnelle). Ces taux ont été parmi til meilleur de la compétition, mais plus important encore, ils sont faibles et probablement acceptable pour la plupart des types d'analyse neurophysiologique. Une autre approche consiste à utiliser très détaillées à grande échelle des simulations biophysiques de réseaux de neurones pour générer des enregistrements extracellulaires simulés à partir de modèles de MEA spécifiés. Les chercheurs travaillent actuellement sur les méthodes de tri des AME ont été invités à trier les simulations de tests de cette nature ^15. Cinq algorithmes de tri différents ont été comparés. Il existe différentes façons d'évaluer les performances de tri et de la performance des différents groupes varie selon quelles mesures ont été utilisées, sans un groupe étant évidemment mieux que tout autre. Les résultats de SpikeSorter situaient dans la fourchette des résultats obtenus par les différents groupes.

Figure 1. La détection de dialogue Event. Ce proVides options pour sélectionner la méthode de mesure du bruit, pour les canaux de masquage, la définition des valeurs de seuillage et les méthodes de les appliquer, et pour le choix des méthodes pour éviter les doubles emplois. événement Dans ce domaine et d'autres boîtes de dialogue, des informations sur les choix est fourni par les boutons identifiés par des points d'interrogation ( '?').

Figure 2. Le point de vue, propre et Split Dialog. Cela offre des options pour l'affichage des formes d'onde de cluster, l'identification et la suppression des formes d'ondes périphériques, pour diviser les grappes en un ou plusieurs sous-groupes, et pour la suppression ou la formation de nouvelles grappes à partir des sous-groupes. Sous-groupes sont identifiés par les couleurs présentées. (Ceux-ci peuvent être modifiés dans la boîte de dialogue des Préférences.)

Figure 3. Effet de Alignement des événements à une entité Unreliable. La figure montre les données d'un cluster basé canal unique, défini comme l'ensemble des événements dont les tensions de forme d'onde de crête à crête sont plus sur un canal particulier. Le panneau A montre un sous - ensemble de 50 formes d' ondes d'événements de ce groupe, overplotted, sur différents canaux d'électrode. Les numéros de canaux sont affichés dans le coin supérieur gauche de chaque ensemble de formes d'onde. Des points noirs à côté d'un numéro de canal indiquent que le canal a été attribué à ce groupe particulier. Les canaux sont disposés dans le même ordre spatial qu'ils ont sur l'électrode. axes horizontaux montrent le temps et les axes verticaux, de la tension. La position horizontale de l'axe vertical indique le point d'alignement, à savoir chaque événement est positionné de sorte que son point d'alignement coïncide avec l'axe. La barre d'échelle en bas à gauche du panneau A montre de 0,5 ms et 100 mV. Les lignes bleues en A indiquent la moyenne de chaque ensemble de formes d'onde (le modèle). Canal 24 (grisée) est masqué. Les événements sont alignés sur le minimum local le plus négatif de la forme d'onde (creux négative) telle que déterminée immédiatement après la détection de l'événement. Le panneau B montre la distribution des 2 premières composantes principales dérivées de toutes les formes d' onde de la grappe. Trois sous-groupes sont visibles dans cette distribution. Le panneau C montre le même ensemble d'événements après les alignant sur la forme d' onde du modèle. La distribution principale des composants (panneau D) montre maintenant que deux sous - groupes (celui identifié en rouge). Un examen plus approfondi a montré qu'un groupe parasite en B a été provoquée par l'alignement d'un sous-ensemble d'événements à un deuxième creux négatif (plus lente négative après potentiel) qui, dans certains cas, était plus négatif que le premier. Certains de ces événements désalignement sont visibles dans le panneau A sous forme d'onde dont la forme ne correspond pas au reste._blank "> S'il vous plaît cliquer ici pour voir une version plus grande de cette figure.

Figure 4. Le Autosort Dialog. Cela offre des options d'événement de détection, les options de regroupement et des options pour la fusion automatisée et le fractionnement des paires de cluster suivant la phase de regroupement automatisé initial.

Figure 5. Le Paires Cluster Comparer Dialog. Cela offre des options pour le choix des paires de cluster, des mesures de comparaison (méthode de match), la recherche par le biais des listes de paires ordonnées par la valeur de comparaison, les options d'affichage corrélogrammes, affichant des parcelles de taille PP (ou PC1 ou PC2) en fonction du temps, et une option pour fusionner les paires.

>
Figure 6. La boîte de dialogue de post-traitement. Cela offre des options pour la relocalisation et / ou suppression d'événements en double, pour la suppression des événements pouvant être bruyants, pour reclustering événements non regroupés, pour la suppression des grappes avec un faible rapport signal sur bruit (SNR) et pour la renumérotation (tri) grappes selon différents critères.

Figure 7. Affichage des unités triées Showing choisis au hasard, Overplotted Waveforms coloré selon le nombre de cluster. Par souci de clarté, seule la forme d'onde du canal central de chaque groupe est montrée. Les données (de Mitelut & Murphy, non publié) montrent les plus faibles 14 canaux d'un enregistrement d'électrode 64 canaux de la souris cortex visuel.

ad / 55217 / 55217fig8.jpg "/>
Figure 8. Exemple de preuve qui peuvent être exercées sur une décision ou non de fusionner deux clusters. Les grappes Comparez dialogue (Panel A) a été utilisé pour rechercher des paires de cluster avec des formes d'onde similaires, en ignorant l' amplitude (normalisée de la méthode de correspondance produit scalaire). Le panneau B montre autocorrélogrammes (AC) et le contre-corrélogramme (CC) pour les deux groupes, avec deux largeurs de bacs différents (0,2 et 2 ms). Ceux-ci montrent que les pics de la deuxième grappe (unité 53) ont une très forte tendance à se produire 4 ou 8 ms avant les pics de la première (unité 28). Le panneau C montre les formes de pic des deux unités et montre que la seconde (en vert) a un pic plus petit que le premier aussi. Le panneau D montre la répartition PC des deux groupes. Groupe E de PC1 graphiques (axe vertical) des deux unités des deux unités (rouge et vert respectivement) vs. </ Em> le temps (en minutes) pendant toute la durée de l'enregistrement. Voir le texte pour une description plus détaillée. S'il vous plaît cliquer ici pour voir une version plus grande de cette figure.

Figure 9. Exemple d'une paire de cluster où il y a beaucoup moins de preuves pour la fusion. Le panneau A montre que les autocorrélogrammes (AC) et le contre-corrélogramme (CC) pour les deux groupes ont des formes différentes. Le panneau B montre la forme d' onde modèle moyenne et les écarts types (ombrage indique 1 unité de SD) afin de montrer les différences de forme d'onde plus clairement. Le panneau C montre la répartition PC des deux groupes. Le panneau D représente graphiquement la hauteur crête-à-crête (axe vertical, uV) des deux unités en fonction du temps pendant èmee période entière de l'enregistrement. Voir le texte pour une description plus détaillée. S'il vous plaît cliquer ici pour voir une version plus grande de cette figure.

Figure 10. Preuve pour la fusion Basé sur Firing Motif et composantes principales Variation. Le panneau A montre les formes d' onde des deux grappes (rouge et vert). Panel B parcelles PC1 (axe vertical) en fonction du temps (axe horizontal) pour les deux groupes et montre un modèle complémentaire de tir avec des valeurs de PC1 étant similaire au moment d' une unité arrête le tir et l'autre commence. Cela confirme une décision de fusion , malgré la présence de groupes distincts dans les distributions de PC (Panneau C).

Subscription Required. Please recommend JoVE to your librarian.

Discussion

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 'Aide - A propos de "boîte de dialogue). L'autre est de convertir le fichier dans un format pris en charge. Une option simple est d'utiliser le temps-spike-format '.tsf'. Ce format os nu contient les disques de tension et de canal de données de localisation ainsi que l'enregistrement des événements et le canal et les affectations de cluster suivantes tri. La lecture de ces fichiers est souvent plus rapide que pour les autres formats. Indépendamment de traiter avec des formats non pris en charge, il peut être pratique d'enregistrer des données filtrées dans un fichier .tsf (ce format est inclus parmi les options d'exportation) car cela permettra d'éviter la nécessité d'une ultérieure fil de tempsTering. Détails du format .tsf sont incluses dans la documentation fournie avec le programme.

fichiers auxiliaires

Deux fichiers auxiliaires sont utilisés pour stocker les paramètres, ss_prefs.sav et ss_parameters.sav. Le fichier 'ss_prefs.sav' enregistre les valeurs choisies par l' utilisateur seulement qui ont aucun effet direct sur le tri et sont moins susceptibles d'avoir besoin de changer, par exemple , la taille des fenêtres et des positions, la tension et d' autres valeurs d'échelle. Si ss_prefs.sav n'existe pas, il est créé lorsque le bouton «Appliquer» dans la boîte de dialogue correspondante est pressée, ou lorsque le programme est quitté. Si l'option 'paramètres collantes de ce fichier est défini, un fichier' ss_parameters.sav 'séparé est utilisé pour stocker des valeurs et des options qui affectent le résultat du tri ainsi que de nombreuses options d'affichage de paramètres sélectionnables par l'utilisateur. Ce fichier est enregistré, ou mis à jour, lorsque le programme est sorti via le 'Fichier - Quitter "normal itinéraire (mais pas lorsque le programme« Fermer »bouton (en haut à droite) est utilisé). En l'absence de ce fichier au démarrage, les valeurs par défaut sont utilisées.

Limites du programme

La limite à la longueur d'enregistrement qui peut être triée est déterminée par la quantité de mémoire vive de l'ordinateur. Un PC avec 16 Go de RAM peut généralement traiter les fichiers bruts de jusqu'à 13 GB-14 GB de taille (2 Go inférieure à la RAM totale) si la mémoire est en cours d'utilisation à d'autres fins. D' autres limites, par exemple sur le nombre maximum de canaux, des tailles de cluster maximales, etc. peuvent varier avec la version du programme et les mises à jour futures. Ils peuvent être consultés en allant à 'Aide - A propos de'.

Caractéristiques supplémentaires

The View, dialogue grappes propres et fendues offre plusieurs options pour la définition manuelle des limites des grappes. Ils comprennent l' utilisation de la souris pour dessiner une ellipse dans la fenêtre d'affichage de PC, pour dessiner un rectangle dans l'amplitude PP (ou PC1 ou PC2) vs. affichage de l' heure, et d' en tirer discriminat fenêtres ioniques dans l'affichage de forme d'onde principale. Ceux-ci peuvent être utilisés chacun pour créer sous-groupes (tout subclustering existant sera remplacé). La boîte de dialogue doit être quitté avant que ces objets peuvent être tirées. En appuyant sur la touche associée à la boîte de dialogue ( 'Windows', 'Ellipse' ou 'Rectangle') crée le sous-groupe.

Une boîte de dialogue de stratégie (Sort - Stratégie) affiche une variété de paramètres de tri qui sont moins susceptibles d'avoir besoin d'être changé, mais qui peut avoir un effet significatif sur le tri. Ceux-ci comprennent, par exemple, les paramètres qui déterminent l'affectation des voies aux grappes et le choix des points temporels qui contribuent au calcul des composantes principales pour chaque grappe. La boîte de dialogue Gérer les grappes offre des informations plus détaillées sur les clusters individuels que est fourni par la vue, propre et dialogue groupes fractionnés, ou par la boîte de dialogue de post-traitement. Il y a aussi des options plus variées pour la suppression de clusters.

ontenu "> Les canaux sont affichés dans un ordre vertical particulier, appelé le« ordre de tri », dans la fenêtre d'affichage de tension. Idéalement, cette commande sera reflète la proximité physique des canaux, mais cela peut être difficile à réaliser étant donné que la disposition réelle est en deux dimensions. l'ordre de tri est généré en calculant la projection des positions de canaux sur une ligne avec un angle donné par rapport à l'axe des y. la séquence des numéros de canal sur la ligne est l'ordre de tri. Il est calculé automatiquement dans de nombreux cas mais il est possible de générer un autre en allant à 'View - propriétés d'acquisition ».. la possibilité d'afficher les chaînes dans l'ordre numérique est également fourni Notez que l'ordre d'affichage n'a pas d'effet sur le tri.

Autres approches

D'autres logiciels pour faire spike sorting existent. Ceux-ci comprennent des programmes commerciaux tels que Offline Sorter (http://www.plexon.com/products/offline-sorter), comme well logiciel libre tels que MClust (AD Redish: http://redishlab.neuroscience.umn.edu/MClust/MClust.html), Klustakwik (KD Harris: https://sourceforge.net/projects/klustakwik/), Wave_clus (RQ Quiroga: http://www2.le.ac.uk/departments/engineering/research/bioengineering/neuroengineering-lab/spike-sorting) et les programmes Neuroscope et Klusters (http:. // neurosuite) ^16. Une comparaison détaillée avec ces autres programmes, dont beaucoup sont d'usage courant, est au-delà du champ d'application du présent document. Une telle comparaison impliquerait une variété de critères connexes, y compris la facilité d'utilisation, la fiabilité, le fichier support du format, la conception graphique, la documentation, le degré d'automatisation, la dépendance aux composants matériels et logiciels, la vitesse de traitement, la capacité d'adaptation aux AME ainsi que tétrodes, et, dans la mesure où il est possible de mesurer, de tri précision. En l'absence d'une comparaison détaillée, nous croyons que SpikeSorter offre une combinaison d'options et de soutien pour spike sortetion qui peuvent ne pas être disponibles dans tous les autres actuellement disponibles pic autonome package tri.

qualité tri

Comme mentionné ci-dessus, des mesures objectives des résultats qui peuvent être utilisés pour décider si une procédure ou de choix est meilleur que l'autre font largement défaut. La dépendance à l'égard des paramètres et de la nécessité pour l'entrée d'utilisateur fréquent rend également peu probable que toute sorte particulière ne peut jamais être reproduit. Cela en soi limiterait l'utilisation de mesures de résultats, si elles existaient. Pour aggraver les choses, il est loin d'être certain que précise spike sorting est possible même en principe. Il existe des enregistrements extracellulaires couplés avec des enregistrements intracellulaires de cellules individuelles à proximité ^{^17,} ¹⁸ mais intracellulaires enregistrements de paires voisines de neurones sont nécessaires pour prouver que les signaux provenant des cellules voisines peuvent toujours être distinguées. Les facteurs qui peuvent causer des signaux de tension extracellulaires d'unneurone donné varient selon les périodes de temps, court comme long, ne sont également pas bien compris et dans la pratique peut ajouter une variabilité importante (par exemple , les figures 8 et 10) qui complique le tri. Pic pour le tri d'un problème résoluble ces changements doivent être plus petits ou de nature différente, que les plus petites différences qui peuvent exister entre les cellules en raison de différences de position. En se fondant sur les mesures numériques de qualité de cluster peut également être problématique. Par exemple, les cellules peuvent tirer à des taux qui diffèrent par des ordres de grandeur ^{^19,} ^20. L'inclusion de la quasi-totalité des pointes d'une cellule à faible cadence de tir parmi ceux d'une cellule de haute vitesse de chauffe pourrait avoir peu d'impact sur toute mesure de la qualité de la grappe, en se cachant le fait que la qualité de tri de la cellule de faible taux serait faible ou non inexistant. Compte tenu de ces défis, les méthodes d'évaluation de la qualité du tri basées sur le cluster de chevauchement^{^8,} ²¹ ou le tri de la stabilité dans la face du paramètre variation ²² peut donner un faux sentiment de sécurité. Au lieu de cela, nous suggérons qu'il peut être nécessaire d'accepter que spike sorting est basé sur la science incomplète. Trieuses peuvent vivre avec un sentiment d'imperfection et d'apprendre qu'il peut être préférable de consacrer le temps à des formes plus productives de l'analyse des données plutôt que d'essayer sans cesse d'améliorer la qualité d'une sorte.

Subscription Required. Please recommend JoVE to your librarian.