A Visual Guide to Sortering Elektro Recordings Bruke 'SpikeSorter'

Introduction

Alle som registrerer ekstracellulære signaler fra hjernen ved hjelp av metoder mer sofistikerte enn enkel online-terskling og vindus står overfor oppgaven med å identifisere og skille signalene fra ulike nerveceller fra støyende spenningssignaler registrert av elektroden. Denne oppgaven er vanligvis kjent som pigg sortering. Vanskeligheten med pigg sortering er forsterket av ulike faktorer. Nerveceller kan være svært tett sammen slik at signalene registrert fra dem ved en nærliggende elektrode er sannsynlig å være lik og vanskelig å skille. De signaler som produseres av en enkelt neuron kan variere over tid, kanskje på grunn av bevegelser av elektroden, variable natriumkanalkinetikk i løpet av perioder med høy skuddtakt, varierende grader av aktivering av spennings conductances i dendritter som er nær elektroden, eller muligens så et resultat av endringer i hjernens tilstand. Disse problemene kan reduseres ved hjelp av multi-elektrode matriser (måle) med mange tett linjeavstand (20-100 mikrometer) r ecording kanaler som tillater bedre romlig definisjon av signalene fra enkeltnerveceller siden de er vanligvis spredt over flere kanaler ^{1, 2.} Men dette, kombinert med det faktum at signaler fra nerveceller fordelt langs hele lengden av elektroden overlapper hverandre i rommet, resulterer i en potensielt meget høy dimensjonsområder innen hvilke grupper svarende til spesielle nerveceller må bli identifisert. Dette problemet blir beregningsmessig vanskelige for mer enn et lite antall elektrode kanaler. Til dags dato er det ingen regel avtalt beste metoden for pigg sortering, selv om mange løsninger er foreslått ^{3, 4, 5, 6, 7, 8} og opptak fra MEAs blir stadig vanligere ^9,ass = "xref"> 10. Fordi spike sortering er ikke et mål i seg selv, men er rett og slett et nødvendig innledende skritt før videre analyse av data, er det behov for en lett anvendelig pakke som vil lese i RAW-opptak datafiler og konvertere dem til sorterte pigg tog med så lite bruker innspill, og som raskt og pålitelig som mulig.

Dette papir gir en veiledning for bruk av SpikeSorter - et program som er utviklet med sikte på å møte disse behovene. Programmet er basert på algoritmer som er beskrevet i tidligere publiserte artikler ^{11, 12, 13.} Målene i utformingen av programmet var at a) den bør ha et brukervennlig grensesnitt som krever lite eller ingen forkunnskaper i programmering eller pigg sortering metodikk; b) få eller ingen andre spesialiserte programvarekomponenter utover standard Windows eller Linux operativsystemer bør være nødvendig; c d) behovet for brukerundersøkelser i løpet av sortering bør minimaliseres, og e) sortering ganger bør skalere på en fornuftig måte, ideelt sett lineært, med opptak varighet og antall kanaler på elektroden. Algoritmene implementert i programmet inkluderer a) et fleksibelt sett av pre-prosessering og event gjenkjenning strategier; b) en automatisert splitt og hersk strategi for dimensjon reduksjon som klynger spenningsbølgeformer basert på de viktigste komponentene (PC) distribusjoner hentet fra undergrupper av kanaler tilordnet bestemte klynger; c) automatisert gruppering av PC-fordelinger med en rask clustering prosedyre basert på den midlere forskyvnings algoritme ^{3, 14,} og d) delvis automatisert parvis sammensmelting og splitting av klynger for å sikre at hver enkelt er så forskjellig som mulig fra alle andre. i this, har et sett av prosedyrer er lagt som tillater manuell splitting eller sammenslåing av klynger basert på inspeksjon av PC fordelinger, kryss og auto-correlograms av pigg tog og tids amplitude plott av pigg bølgeformer. Opptak fra tetrodes, tetrode arrays, Utah matriser samt single og multi-tange MEAs kan leses og sortert. Den nåværende grense på antall kanaler er 256, men dette kan økes i fremtiden.

Enda et kryss-plattform open-source implementering, "Spyke" (http://spyke.github.io), er også tilgjengelig. Skrevet av en av oss (MS) i Python og Cython bruker Spyke samme generelle tilnærming som SpikeSorter, med noen forskjeller: å redusere minne krav, er rådata lagt i små blokker, og bare når det er absolutt nødvendig, klynger er utelukkende vises, manipuleres, og sortert i 3D; og hovedkomponent og uavhengig komponentanalyse er begge brukes som utfyllende dimensjon reduksjon metoder. Spyke krever mer brukervennlig isamhandlingen, men er sterkt avhengig av tastatur og mus snarveier og en angre / gjenta kø for å raskt undersøke effekten av ulike faktorer på gruppering av enhver undergruppe av toppene. Disse faktorene omfatter pigg kanal og tid områdevalg, pigg justering, clustering dimensjoner og romlig båndbredde (sigma) ^11.

Følgende er en kort beskrivelse av algoritmer og strategier som brukes for sortering. Mer fullstendige beskrivelser kan finnes i tidligere publikasjoner ^{11, 12, 13} og i kommentarer som kan nås via hjelpeknapper (identifisert med et "?") Innen SpikeSorter. Etter lasting av en rå ekstracellulære spenning fil og filtrere ut de lavere frekvenskomponenter, en innledende fase av hendelsen gjenkjenning resultater i et sett av hendelser, som hver består av en kort spenning øyeblikksbilde før og etter hendelsen tid. Hvis de utvalgtered områdene er tilstrekkelig tett linjeavstand (<100 mm), én enhet signaler vil vanligvis vises på flere nabokanaler. En sentral kanal er automatisk velges for hver hendelse, som svarer til den kanal på hvilken topp-til-topp spenning av hendelsen er størst. Automatisert sortering starter ved å danne en enkelt innledende klynge for hver elektrode kanal, som består av alle de hendelsene som ble lokalisert til den kanalen. En enhet lokalisert midtveis mellom kanalene kan gi opphav til pigger som er lokalisert (kanskje tilfeldig) til forskjellige kanaler: klyngene fra disse to settene med pigger vil bli identifisert som lignende og slått sammen på et senere tidspunkt. Den gjennomsnittlige bølgeform av hendelsene i hvert innledende klynge blir deretter beregnet. Dette er referert til som den klyngen templat. Datter kanaler tilordnes hver klynge basert på amplitudene og standardavvik av malen bølgeformer på hver kanal. Hovedkomponentverdier blir så beregnet for hver klynge basert on kurvene på den tildelte kanalsettet. Brukeren kan velge antall hovedkomponentdimensjoner å bruke: vanligvis 2 er tilstrekkelig. Hver klynge blir deretter delt inn i et ytterligere sett av klynger, og dette gjentas inntil ingen kan være ytterligere splittet ved automatisert gruppering.

På dette punktet, et første sett av si 64 klynger fra en 64-kanals elektrode, kan deles opp i to eller tre ganger så mange, avhengig av hvor mange enheter som var til stede i opptaket. Men på grunn av den variable tildeling av hendelser fra enkle enheter til forskjellige kanaler, er antall klynger funnet på dette stadiet nesten helt sikkert større enn den burde være. Den neste fasen av sortering er å korrigere oversplitting ved å sammenligne par av klynger og sammenslåing lignende par eller gjenanvise hendelser fra en til en annen. Denne fasen av sorteringen blir referert til som "slå sammen og dele '.

Sammenslåing og Splitting

For N klynger, er N * (N-1) / 2 par og følgelig antall par vokser som ^N2, noe som er uønsket. Imidlertid kan mange par utelukkes fra sammenligning fordi de to elementene i paret er fysisk langt fra hverandre. Dette reduserer avhengigheten til noe som er mer lineært relatert til det antall kanaler. På tross av denne snarveien, kan flettingen og delt scene fortsatt være ganske tidkrevende. Det fungerer på følgende måte. Hver klynge par som skal sammenlignes (de som er fysisk nær hverandre, som bedømt ved overlappingen i kanalsett er tilordnet hver) blir midlertidig slås sammen, men å holde identiteten til piggene i de to medlems klynger kjent. Hovedkomponentene i den sammenslåtte paret blir deretter beregnet. Et mål på overlapping mellom punktene i de to klyngene er beregnet basert på fordelingen av de to første hovedkomponenter.

Måten ov erlap mål beregnes er beskrevet i nærmere detalj et annet sted ^11. Dens verdi er null hvis klyngene ikke overlapper hverandre i det hele tatt, dvs. at den nærmeste nabo til hvert punkt er i det samme område. Dens verdi er nær en hvis klyngene overlapper hverandre fullstendig, dvs. sannsynligheten for nærmeste nabo å være i det samme område er den samme som den som forutsies fra en ensartet blanding av punkter.

Ulike beslutninger fattes som tar overlapp tiltaket i betraktning. Ved overlappingen er større enn en viss verdi, kan klynger bli slått sammen. Ved overlappingen er meget liten, kan det hende at klynge paret defineres som distinkte og igjen alene. Mellomliggende verdier, noe som indikerer ufullstendig separasjon av klyngen pair, kan tyde på at paret bør slås sammen og deretter re-split, det ønskede resultatet er et par av klynger med mindre overlapping. Disse prosedyrene er drevet først i en automatisert trinn og deretter i en manuelt styrt fase.

telt "> I automatisert scenen, er klase par med en høy overlapping verdi fusjonert,. deretter klase parene med middels til lav overlappingsverdier er slått sammen og re-split I den andre, brukerstyrt scenen, blir brukeren presentert med alle resterende tvetydige klase par (dvs. de med overlapp verdier i et definert mellomdistanse) i rekkefølge og blir bedt om å velge om a) å fusjonere de to, b) slå sammen og resplit paret, c) å erklære paret å være tydelig (som vil overstyre betydningen av overlapp mål), eller d) for å definere forholdet mellom paret som "tvetydig" indikerer at piggene i paret er usannsynlig å være godt sortert. Ulike verktøy er gitt for å hjelpe med disse beslutningene, inkludert automatisk - og kryss correlograms og tidsserie plott av spike høyde og PC-verdier.

Ideelt på slutten av sammenslåing og splitting etapper, bør hver klynge være forskjellig fra alle andre,enten fordi den har få eller ingen kanaler til felles med andre klynger, eller fordi overlapp indeksen er mindre enn en definert verdi. Denne verdien er valgbar, men er vanligvis 0,1. Klynger (enheter) som passerer denne testen, er definert som "stabil", de som ikke gjør det (fordi den overlapper med en eller flere andre klynger er større enn terskelen) er definert som "ustabil". I praksis er det store flertall av enheter ender opp med å bli definert som "stabil" på slutten av sortering, slik at resten til enten kastes eller behandles som potensielt multi-enhet.

Krav til programvare

SpikeSorter er kompatibel med 64-biters versjoner av Windows 7 og Windows 10, og har også blitt kjøres under Linux ved hjelp av Wine emulator. Datafiler er lastet helt inn i minnet (for hastighet) dermed tilgjengelig RAM trenger å skalere med størrelsen på opptaket (tillate omtrent 2 GB for selve programmet). elektrofysiologiskeal datafiler som er større enn 130 GB i størrelse har blitt sortert i både Windows og Linux-miljøer. Alternativer er tilgjengelige via standard Windows-menyer, en verktøylinje og dialoger. Utformingen av elementene på menyen matcher omtrent den rekkefølgen av operasjoner i sortering, som begynner med "Fil" menyen til venstre for data input og "eksport" menyen til høyre åpner for eksport av sorterte data. Disse knappene gir deg snarveier til ofte brukte menyelementer.

The Channel konfigurasjonsfil

Mange opptak dataformater lagrer ikke kanal steder. Men vet disse er avgjørende for pigg sortering. Kanaler kan også være nummerert på ulike måter etter oppkjøpet programvare: SpikeSorter krever at kanalene er nummerert i rekkefølge, begynner med kanal 1. Dermed en hjelpeelektrode konfigurasjonsfilen må være opprettet som kan tilordne kanalnummer å følge sekvensielle regelen, og til butikken kanal locsjoner. Kanalen konfigurasjonsfilen er en tekstfil med en enkelt rad med tekst for hver kanal. Den første linjen i filen lagrer et tekst navn, opp til 16 tegn, som identifiserer elektroden. Tallene i etterfølgende linjer kan separeres ved tappene, en enkelt komma, eller mellomrom. Det er fire tallene i hver rad, ved å gi (i rekkefølge): kanalnummeret i filen, kanalnummer som det er å bli kartlagt (dvs. antall som vil bli brukt av SpikeSorter), og x og y koordinatene til kanal, i mikrometer. X-koordinaten normalt ville bli tatt som vinkelrett på retningen av elektroden innsetting og y-koordinaten følgelig ville være dybde inn i vevet. Konfigurasjonsfilen må plasseres i samme katalog som opptaksfilen. Det er en viss fleksibilitet i hvordan det kan bli navngitt. Programmet vil først søke etter en fil som har samme navn som den rå datafil, men med en .cfg forlengelse. Hvis den filen jegs ble ikke funnet, vil den søke etter filen 'electrode.cfg'. Hvis denne filen på sin side ikke er funnet en feilmelding genereres for å indikere en mangel på kanal layout informasjon.

Protocol

1. Program Setup

1. Gå til http://www.swindale.ecc.ubc.ca/SpikeSorter å laste ned programmet. Kopier leveres kjørbare filen til katalogen du ønsker. Les den medfølgende dokumentasjonen.
   MERK: Ingen formell installasjon eller samling kreves.
2. Før du åpner en fil som skal sorteres, sikre at det er nok ledig RAM til å inneholde hele varigheten av opptaket. Pass også på at en gyldig kanal konfigurasjonsfil, som beskrevet i dokumentasjonen, er til stede i samme katalog som datafilen.
3. Start programmet, og deretter gå til "File - Open" og velg opptaket filformat fra nedtrekkslisten nederst til høyre på den resulterende åpen dialog fil. Velg filen som skal åpnes, og klikk deretter Åpne.
4. Når lesing er fullført, inspisere spenning innspilling skjermen. Dobbeltklikk på displayet (eller gå til 'View - Spenning Record') for å få opp en dialog med kontroller som lar ethvert part av opptaket bølgeform for å bli sett.
   MERK: Dobbeltklikk på andre visningsvinduer vil ofte få opp tilhørende dialogbokser.
5. Etter at dialogen er avsluttet, holder musen over kurvene for å vise bestemte spenningsverdier i øvre venstre hjørne av skjermen. Bruk rullehjulet for å zoome inn på en hvilken som helst del av skjermen. Hold nede venstre museknapp for å dra innholdet i vinduene.
   MERK: Denne skjermen er ofte oppdatert for å gjenspeile tillegg av nyoppdagede hendelser, eller for å indikere, ved hjelp av farger og / eller tall, deres klase oppgaver etter clustering.
6. Hvis opptaket er ufiltrert og inneholder det lokale feltet potensial, fjerner du det ved å gå til "Pre-prosessen - Transform / filter" (eller klikk på filterikonet i verktøylinjen). Velg "High-pass Butterworth filter", så en passende cut-off frekvens og antall poler, og trykk deretter på 'Do-It! ". Når filtrering er ferdig, inspisere den nye bølgeform i spenningsbølgenskjemaet vinduet.
   MERK: Filtrering utføres i Fourier-domenet, er ikke-kausal, og ikke innføre faseforvrengning av bølgeformene. For en lang innspilling, kan filtrering ta flere minutter.
7. Deretter kontrollerer for kanaler som kan være defekt og må være maskert. Gå til "Pre-prosess - Channel sjekk '(eller klikk på kanalen sjekk ikonet), og deretter inspisere grafen som vises. Grafen viser endringen i signalet korrelasjon mellom kanalparene som en funksjon av deres romlige atskillelse ^5. Kanaler som bryter dette forholdet kanskje ikke fungerer som den skal. Å se slike uteliggere, klikk på 'single kanal netto avvik ".
   1. For å maskere en avsidesliggende kanal enten velge kanalnummeret, eller velg det fra problemet listen. Når denne dialogen er avsluttet, klikk på "Ja" når du blir bedt å lagre maske verdier.
      MERK: Denne filen vil ha samme navn som opptaks datafil, men med filtypen .msk. Det vil bli lest automatically når den samme datafilen er åpnet.

2. Hendelsesregistrering

1. Gå til "Pre-prosess - Hendelsesregistrering" for å få opp hendelsesdeteksjon dialog (figur 1). Denne dialogen har også muligheten til maskeringskanaler basert på deres støynivå (selv om disse vil ofte bli oppdaget av de tidligere tester). For eksempel kan en kanal som med hensikt er blitt jordet har et svært lavt støynivå.
2. Bruk glidebryteren øverst til høyre for å inspisere støynivået på bestemte kanaler. Nøye inspeksjon av spenningsdisplayet kan også avsløre tause eller uvanlig støyende kanaler som må maskeres.
3. Velg en thresholding metode for hendelsesdeteksjon. Bruk hjelpeknappen i gruppeboksen for mer informasjon om alternativene. "Variabel" terskelverdier, med en terskel på 4,5X - 6X støy ^7, anbefales. Bruk kontrollene øverst til venstre for å velge hvordan støynivået er beregnet for ther hensikten.
4. Velg deteksjonsmetode fra nedtrekkslisten. "Dynamic multifasisk filter" er den anbefalte metoden. Dette krever spesifisering av en tidsvindu. Angi at vinduet til å være omtrent halvparten av bredden av en typisk pigg. Veldig smale verdier vil skjevhet deteksjon til smalere toppene om effekten er ikke stor. Verdier i området 0,15 - 0,5 ms anbefales ^12.
   MERK: De viste verdiene er i heltall multipler av samplingsintervallet (gjensidige av samplingsfrekvens).
5. Velg justeringsmetode. Velg det alternativet som best identifiserer en enkelt, timelig lokalisert funksjon av toppene som blir sortert, f.eks en "positiv peak" kan være et dårlig valg hvis mange pigger har mer enn én positiv peak. For mange innspillinger, vil en "negativ trau" være det beste valget. Andre alternativer kan vanligvis stå på standardverdiene. Trykk Start'.
   MERK: Hendelsesregistrering kan take fra flere sekunder til flere minutter, avhengig av lengden av opptaket og antall kanaler.
6. Trykk «Ferdig» for å gå ut av dialogboksen. Inspiser hendelsene, vist i grått, i spenningens kurveform vinduet. Sjekk at signaler som ser ut som hendelser har blitt oppdaget.
   1. Hvis ikke, bør du vurdere re-kjøringsregistrering hendelse med en lavere deteksjonsgrensen. Pass imidlertid at svært lav amplitude toppene kan være vanskelig å sortere og at et stort antall av dem kan hindre sortering av større amplitude pigger. Også se etter åpen duplikater eller en manglende evne til å løse nærliggende toppene og justere rom-tid-lockout vindus parametere tilsvarende.
      MERK: På dette stadiet hendelser er identifisert av sin tid for forekomst og et kanalnummer. Normalt er den kanalen som topp-til-topp amplituden av piggen er størst. Hendelsene unclustered i utgangspunktet, slik at hver har en klynge tildeling av null.

3. Sortering MERK: Det neste trinnet er vanligvis ikke utføres før rutine sortering, men det er svært nyttig å gjøre det når sortering for første gang, eller når det oppdages ukjente data.

1. Gå til "Sort - Konverter kanaler til klynger '. Dette skaper en enkelt klynge for hvert umaskert elektrode kanal, forutsatt at hver enkelt kanal har noen hendelser tilordnet til seg. Undersøke disse klyngene ved å gå til "Review - Vis Clean og Split klynger '. Dette bringer opp en annen dialog (figur 2). Bruk spin kontroll (øverst til venstre) for å velge klyngen for å bli sett.
   MERK: Det faste blå (cyan) linje er gjennomsnittet av alle bølgeformene i klyngen, og er referert til som den klyngen templat i det etterfølgende. Den viktigste komponentene (PC) fordeling av hendelsene i klyngen vises i vinduet under. Disse vil ofte avsløre tilstedeværelsen av to eller flere subclusters.
2. Trykk på 'justere' knappen for å endre tidspunktet for hvert arrangement(noe som resulterer i små sideveis forskyvninger av bølgeformene på displayet) for derved å bedre samsvarer med den til formen på malen, gjør dette gjør ofte subclusters mer kompakt og tydelig, og iblant reduserer den tilsynelatende nummer (figur 3).
3. Velg en klynge som har to eller flere distinkte subclusters og trykk 'Autosplit'. Hvis subclusters er identifisert i PC-skjermen, vil de være farget. Som en øvelse, kan du bruke en av de små "splitte" knapper for å opprette en ny klynge og undersøke det. Sortering kunne fortsette manuelt på denne måten, men i stedet gå tilbake og bruke den raskeste autosort prosedyren.
4. Gå til "Sort - autosort '(eller trykk på autosort knappen på verktøylinjen) for å starte automatisk sortering. Den resulterende dialogen er vist i Figur 4. Den presenterer en rekke alternativer.
   1. La den "hoppe over hendelsesdeteksjon alternativet sjekket om hendelsesdeteksjon allerede har blitt gjort. Hvis det ikke er merket, vil hendelsesdeteksjon kjøresved hjelp av parameterverdier og valg arvet fra dialogboksen event gjenkjenning. Siden hendelsen påvisning er allerede gjort, lar det alternativet sjekket.
   2. I "clustering" panel nedenfor, velge en tidsmessig vindu stor nok til å inneholde helheten av piggen bølgeformen før og etter innrettingspunktet, men ikke mer. Bruk dette vinduet til å blokkere ut deler av spike bølgeform, for eksempel lange variable afterpotentials, hvis de synes å være i konflikt med (eller bidra litt til) sortering. Vanligvis verdier i området ± 0,5 ms er hensiktsmessig. Som andre timelige vinduer, er vinduet en integrert antall utvalgspunkter, slik at de timelige verdiene som vises er multipler av samplingsintervallet.
   3. Deretter velger du en omstilling som kan benyttes under clustering. Dette vil gjøre bruk av malen bølgeform og virker mer robuste enn i det første tilfelle av hendelsesdeteksjon der kriteriet har til å bli brukt til forholdsvis støyende individuelle sgjedde bølgeformer. Den anbefalte alternativet er "peak-vektet cog", men "negativ trau" kan bli bedre hvis det er en gjennomgående trekk av piggbølgeformer.
   4. Velg et minimum cluster størrelse. Klynger med mindre enn det antall pigger vil bli slettet, hindrer opphopning av et stort antall små, muligens falske, klynger under sortering.
   5. Bestem deg for hvor mange dimensjoner i PC plass som skal brukes for clustering. To er vanligvis tilstrekkelig, men noe bedre resultater kan oppnås med 3, men med et større sortering tid.
   6. La de andre alternativene på standardinnstillingene. Bruk Hjelp-knapper for å få mer detaljerte forklaringer av de ulike alternativene.
5. Trykk Start for å starte autosort. Kanal baserte klynger blir først dannet som vist i trinn 3.1. Disse blir nå behandlet i sin tur danne nye klynger ved avspaltning av de enkelte sub-klynger, ett om gangen. Hver gang en ny klynge er sptent av, brukes PC-verdiene beregnes på nytt og vises. Dette fortsetter til ingen enkeltperson klynge kan bli ytterligere splittet.
6. Følg instruksjonene i displayet, der subcluster som vil bli skilt ut fra moder klyngen er vist i rødt.
   MERK: Av og til den endelige klyngen er rød med ufargede uteliggere som ikke danner en distinkt subcluster. Disse uteliggere vil vanligvis bli slettet. Under denne prosessen antall klynger gradvis øker. Når den er ferdig, er klaseoverlappings indeksene beregnes for hver kvalifiserte klynge par. Par som har store overlappingsverdier blir automatisk slått sammen, mens par som har middels lapper verdier (standardområdet er 0,1 til 0,5) er slått sammen og deretter resplit. Mellomliggende verdier tyder på at det er to forskjellige klynger, men at noen punkter er misassigned. I løpet av denne fasen antall klynger typisk reduseres og antallet av stabile klynger øker.

4. Tilpasning

1. Hvis du bruker programmet for første gang (eller muligens i løpet av neste trinn), tilpasse vindusstørrelser og posisjoner. Gå til "Fil-Innstillinger". Velg størrelser for de forskjellige vinduene ved å velge vinduet type fra nedtrekkslisten og justere størrelsen som passer til skjermen. Avslutt dialogen og plassere vinduene for å gjøre best mulig bruk av skjermen.
2. I dialogboksen velger skaleringsverdier som best passer oppsettet og avstanden mellom kanalene på elektroden og piggene i opptaket. Det er en autoskalering alternativ, men dette kan ikke alltid velge de beste verdiene. Slå den av hvis den ikke gjør det.
3. Sjekk Sticky Parametere alternativ: hvis alternativet er valgt, vil endringer i sortering parameterverdier (for eksempel som brukes i tilfelle deteksjon) lagres og arvet neste gang programmet starter. Dette kan være nyttig, men krever også at parameterverdier kontrolleres for å sikre at de ikke har blitt uforsiktig endret som ulike alternativer er utforsket eller som et resultatav lesing i ulike arbeidsfiler. Alternativer for å endre underklase farger er også tilgjengelig.
4. Vær forsiktig å endre antallet prosessortråder. Det optimale antallet vanligvis er en mindre enn antallet fysiske (ikke virtuelle) CPU-kjerner. Økende antall tråder kan ikke fremskynde behandlingen og kan også resultere i en alvorlig nedgang.

5. Slå sammen og Split

1. Etter at autosort er fullført, trykker du Neste for å gå til det manuelt styrt slå sammen og dele scenen. De resulterende dialogen viser, i nedre venstre hjørne, antall gjenværende tvetydige klase par som trenger å bli undersøkt så vel som antall stabile klynger.
2. Trykk på 'Start'. En annen dialogboks vises sammen med den første av de parene som skal undersøkes.
3. Velg om å fusjonere de to, resplit det (noe som resulterer i en lavere overlapping verdi), å merke paret som «tydelig», noe som betyr at verdien av overlapp indeksen vil bli ignorert, or å merke de to som "tvetydig", noe som betyr at det anses usikkert om piggene er fra de samme eller forskjellige enheter.
   1. Klikk på boksene for å vise en graf over pigg parametre (peak-to-peak (PP) høyde, eller den første (PC1) eller andre (PC2) av de viktigste komponentene) vs tid, og / eller auto og tverr korrelasjons histogrammer.
      MERK: Visningen av PP høyde vs. tid er ofte svært nyttig i å avgjøre om å slå sammen to klynger. Hvis høydene av toppene i én enhet gli jevnt inn de av en annen på samme tid som en enhet stopper skyting og den andre begynner det er mye mer sannsynlig enn ikke at de er de samme enhet og bør slås sammen. Kryss correlograms kan avsløre en sterk tidsmessig sammenheng mellom pigg ganger i to klynger. Hvis krysskorrelasjons har en sterk, asymmetrisk topp ved et meget kort tidsintervall (for eksempel rundt 5 - 10 ms), og spesielt hvis den andre pigg er mindre enn first, de to enhetene er mest sannsynlig en enkelt enhet som er avfyring piggparene i hvilken den andre er mindre enn den første på grunn av Na ⁺ kanaltilpasning.
   2. I tilfeller der beslutningen om å fusjonere er ikke lett, merke paret som "tvetydig" og behandle klynger tilsvarende i senere analyser.
4. Hvis flette og split alternativ er ute av stand til å finne klart separable klynger Bruk glidebryteren i bedt om dialog for å manuelt variere en gruppering parameter (en romlig båndbredde, sigma), sammen med et sett av sammenslåing knapper, for å finne en splitt som ser tilfredsstillende . Bruk «Gå tilbake-knappen for å gå tilbake til den opprinnelige tilstanden til de to klynger. Trykk på 'Split som vist for å avslutte. Legg merke til mer enn to klynger kan fremstilles ved denne fremgangsmåten.
5. Fortsett med denne prosessen til det ikke er flere par for å inspisere. Det store flertallet av klynger skal nå være oppført som "stabil".
6. Hvis noen klase parene har sværtlave lapper indekser, slik at de blir ignorert av guidet merge (men det er fortsatt bevis for sammenslåing dem), gå til "Review - Sammenligne klase parene 'menyvalget (eller klikk på den tilhørende ikonet på verktøylinjen) og åpne dialogboksen vist i figur 5. Bruk ringkontrollene øverst i dialogboksen for å velge et par av klynger for sammenligning.
   MERK: Som med guidet slå sammen og dele, er parene satt inn i en sortert liste, men i dette tilfellet sammenligning beregninger ekstra til klyngen overlapping indeksen er tilgjengelige.
   1. Velg "normalisert dot produkt" alternativ fra rullegardinlisten. Dette beregner korrelasjonen mellom malen verdier. Det er ufølsom for variasjoner multiplikative skalering og er godt egnet til å plukke ut cluster-par som er et resultat av gjenstands topp-til-topphøyde variabilitet.
   2. Trykk på "Most lignende 'knappen i midten av dialogboksen for å vise mest mulig likt par. Bruk horisontalenl spin kontroll under knappen for å gå fremover eller bakover gjennom listen. Bruk sammenhengen displayet og PP høyde vs. tidsvisningen for å gjøre sammenslåing avgjørelser, akkurat som for brukeren guidet slå sammen og dele. Vær oppmerksom på at listen er beregnet på nytt etter hvert fusjonerende operasjon. Denne sammenligningen scenen er åpen slutt, og det er opp til brukeren å bestemme hvor stor utstrekning for å søke etter bevis i favør av sammenslåinger.

6. Review - Post-prosessering

1. Nå gå til "Review - Post-prosessering '(eller klikk på verktøylinjen ikonet passer). Denne dialogen (figur 6) gir muligheter for å legge til eller fjerne hendelser fra klynger, samt muligheten til å slette hele klynger med signal-til-støy-forhold (SNR) som faller under en terskel. Duplicate hendelser (hendelser skjer samtidig i en klynge) kan være skapt av justeringsfeil under sortering. Hendelser som er langt fjernet fra sin opprinnelige plassering kan sometimes være flyttet; de kan også bli fjernet når flytting ikke fungerer.
2. Bruk justerings rengjøring knappen for å fjerne hendelser fra klynger som er en dårlig kamp i malen. Bruk 'Recluster-knappen for å gjøre det motsatte, nemlig å overføre unclustered hendelser som er en god match til en bestemt mal. De gjenvunnet hendelser er markert som en subcluster av hver av foreldrene klynge og kan inspiseres ved hjelp av dialogboksen 'View, rene og delt klynger'. Disse hendelsene vil forbli i klyngen (og eksporteres som sådan) med mindre de blir slettet (bruk små "delete" -knappen for første subcluster). Retur til etterbehandling dialog, bruker du "Slett" knappen og spin kontroll ved siden av det å slette klynger med en SNR mindre enn den valgte terskel.
3. Selv om klyngenummer gå kontinuerlig fra 1 til N, hvor N er det totale antall klynger, selve nummerering av grupper ved enden av sorterings er nær enrbitrary. Bruk 'Sort' knappen for å nummerere de klynger i henhold til en utvalgt kriterium, f.eks vertikal posisjon på elektroden, eller kanalnummer. Legg merke til at, med unntak av sletting av dupliserte hendelser, er det foreløpig ingen objektive bevis for å støtte bestemte valg i denne dialogen som er bedre enn andre.
4. På noe tidspunkt i løpet av de manuelle rutiner av den typen er det mulig å lagre en fil som inneholder aktuelle parameterverdier, sortering alternativer, event ganger, klase egenskaper og meldingen posten. Lag denne filen ved å gå til "Fil - Lagre arbeidet file '. Gi filen et navn som har klar sammenheng med at av datafilen og trykk 'Lagre'. Gjenoppta sortering på et senere tidspunkt ved først å åpne den opprinnelige innspillingen filen, etterfulgt av høy-pass filtrering (hvis det gjøres i utgangspunktet). Deretter åpner den lagrede arbeidsfilen. Programmet vil da være i en tilstand identisk med den som den var i da arbeidsfilen ble lagret. Arbeidet filen er også en reledning av hvordan sorteringen ble gjort - parametrene brukt og av meldingene utstedt under sortering.
5. Endelig eksportere gruppert hendelser. Gå til 'Export - Sortert pigg filer' (eller klikk på den relevante knappen på verktøylinjen). Velg "CSV-fil" (kommaseparert variabel) fra rullegardinlisten og klikk på "Lagre som". Velg et navn for filen som skal inneholde den eksport csv data for de sorterte enheter.
   MERK: Denne tekstfilen vil ha en enkelt linje for hver hendelse som inneholder, i rekkefølge, tidspunktet for hendelsen (i sekunder til nærmeste 10 mikrosekunder), klyngen nummer (fra 1 og oppover) og nummeret på kanalen som ble tildelt til hendelsen. Legg merke til at den tildelte kanal ikke kan være den samme for alle hendelser i en klynge om hendelsene ikke var konsekvent større på en bestemt kanal.

Representative Results

Figur 7 viser displayet (erholdt ved å gå til "Vis - Sorter bølgeformer ') for en typisk sortert opptak. Alternativet standardvisningen er bare for å vise kurvene på senterkanalen for hver klynge. En felles erfaring er at bølgeformer for en klynge par på samme kanal ser identiske ut, men når 'Sammenlign parene' dialogen brukes for å undersøke de to klyngene er det tydelige klynger i PC-projeksjon, oftest som følge av kurve forskjeller på tilstøtende kanaler . Dette gjelder for eksempel av bølgeformene på kanal 62 i figur 7.

Som nevnt ovenfor, er det ikke uvanlig å finne klase parene hvor fusjonerende beslutninger må være basert på amplitude-time tomter og på tvers av correlograms. Figur 8 viser et eksempel på en sammenslåing beslutning basert delvis på tvers av korrelasjons. En meget sterk, asymmetric krysskorrelasjon med korte tidsintervaller (figur 8B) som er koplet med en forskjell i topp-til-topphøyde av enhetene og lignende avfyring mønstre (figur 8E) tyder på at toppene kommer fra samme neuron. Figur 9 viser et tilfelle hvor samme type bevis for sammenslåing mangler. Her er krysskorrelasjons svak og ikke sterkt asymmetrisk. I tillegg formene til autokorrelogrammene av de to klyngene er forskjellig (figur 9A). Uten tvil, de to enhetene bør ikke slås sammen på grunn av den ekstra tydelig forskjell i fordelingen av de viktigste komponentene (figur 9C). Figur 10 viser et tilfelle hvor PP høyder av to enheter blande sammen samtidig som en av dem stopper avfyring, og de andre gjenopptas. I dette tilfellet beslutningen om å fusjonere virker riktig, selv om en ikke kan utelukke muligheten for at enhetene samordne sine avfyring mønstre ikomplekse måter og at likheten i høyder er tilfeldig.

Disse eksemplene illustrerer vanskeligheten i å tilby fast veiledning om hvordan du gjør sammenslåing beslutninger. Dette er forsterket av den generelle mangelen på objektive mål for å vurdere den generelle kvaliteten på pigg sortering og effektene av parameterendringer. Dette er på grunn av mangel på bakken sannhet informasjon, som for pigg sortering, vil bestå av intracellulære opptak (eller deres tilsvarende) fra hver neuron som var nær nok til et registreringselektrode for å gi opphav til påvisbare ekstracellulære signaler. Til tross for denne begrensningen, det er surrogater for bakken sannhet data, og det er ikke urimelig å anta at en endring i sortering strategi som resulterer i bedre ytelse på surrogat data vil føre til bedre ytelse med reelle data. Surrogater inkluderer fast MEA registrering av data som pigger, hentet fra innspillingen, blir lagt tilbake i recording på kjente tider på forskjellige kanaler, der de ikke kan forveksles med de originale toppene. En slik test dannet grunnlaget for en pigg sortering konkurranse arrangert av G. Buzsáki og T. Harris holdt på Janelia Farm i 2013. Surrogat data ble generert fra opptak gjort i thalamus eller hippocampus av fritt bevegelige rotter (A. Peyrache, A. Berenyi og G. Buzsáki, upubliserte data). Spike signaler som det var "bakken sannhet 'ble generert ved å ta toppene fra en enhet registrert på en tange og legge dem til opptak på en annen skaft og dermed sikre at forholdet av at spike tog med bakgrunn aktivitet og hjernetilstander ble bevart. Opptak inneholdt faktiske spiking aktivitet i tillegg til den ekstra bakke sannhet pigg tog. De falske positiver for SpikeSorter var 0,26% og 0,01% for to ulike testsett, mens de tilsvarende falske negative priser var 2,1% og 0,37% (A. Peyrache, personlig meddelelse). Disse prisene var blant than best av konkurransen, men enda viktigere de er lave og sannsynligvis akseptabelt for de fleste typer nevrofysiologiske analyse. En annen metode er å bruke svært detaljerte storskala biofysiske simuleringer av nettverk av nerveceller til å generere simulerte ekstracellulære opptak fra spesifiserte MEA design. Forskere jobber med MEA sortering metoder ble invitert til å sortere test simuleringer av denne art ^15. Fem forskjellige sorterings algoritmer ble sammenlignet. Det finnes ulike måter å evaluere sortering ytelse og ytelsen til de ulike gruppene varierte i henhold til hvilke tiltak ble brukt, med ingen gruppe er åpenbart bedre enn noen annen. SpikeSorter resultater falt innenfor området til resultatene som oppnås ved de ulike gruppene.

Figur 1. Dialog Hendelsesregistrering. dette proVides alternativer for valg av metode for støymåling, for maske kanaler, sette Terskelverdier verdier og metoder for å bruke dem, og til å velge metoder for å unngå hendelsen duplisering. I denne og andre dialoger, er informasjon om de valgene som tilbys av knappene identifisert av spørsmålstegn ( "?").

Figur 2. The View, Clean og Dialog Split. Dette gir muligheter for visning av klase kurver, identifisere og slette avsidesliggende bølgeformer, for å splitte klynger i en eller flere subclusters, og for sletting eller danne nye klynger fra subclusters. Subclusters identifiseres med fargene vist. (Disse kan endres i dialogboksen Innstillinger.)

Figur 3. Effekt av Justere Hendelser til en upålitelig Feature. Figuren viser data fra en enkelt kanal basert klynge, definert som det sett med hendelser som peak-to-peak kurve spenninger var nettsted på en bestemt kanal. Panel A viser en undergruppe av 50 hendelsesbølgeformer fra denne klyngen, overplotted, på ulike elektrode kanaler. Kanalnummer vises i øvre venstre hjørne av hvert sett av kurver. Svarte prikker ved siden av et kanalnummer indikerer at kanalen har blitt tildelt den aktuelle klyngen. Kanaler er lagt ut i samme romlige rekkefølge som de har på elektroden. Horisontal akse viser tid og vertikale akser, spenning. Den horisontale stilling av den vertikale aksen indikerer justeringen punktet, det vil si hver hendelse er plassert slik at det er justering punkt sammenfaller med aksen. Den scalebar nederst til venstre i panel A viser 0,5 ms og 100 uV. Blå linjer i A angir gjennomsnittet av hvert sett av bølgeformer (malen). Kanal 24 (nedtonet) er maskert. Hendelser er justert til det mest negative lokale minimum av bølgeformen (negativ trau) som bestemmes umiddelbart etter hendelsen gjenkjenning. Panel B viser fordelingen av de 2 første prinsipielle komponenter som stammer fra alle bølgeformene i klyngen. Tre subclusters er synlige i denne fordelingen. Panel C viser samme sett av hendelser etter samkjøre dem til malen bølgeform. Den viktigste komponenter distribusjon (panel D) viser nå bare to subclusters (en identifisert i rødt). Nærmere undersøkelse viste at en falsk klynge i B ble forårsaket av justeringen av en undergruppe av hendelsene til en andre negativ trau (den langsommere negativ etter-potensial) som i noen tilfeller var mer negativ enn den første. Noen av disse feiljustert hendelser er synlige i panel A som waveforms hvis formen ikke samsvarer med resten._blank "> Klikk her for å se en større versjon av dette tallet.

Figur 4. autosort Dialog. Dette gir hendelsessporing, clustering alternativer og muligheter for automatisert sammenslåing og splitting av klase par etter den første automatiserte clustering scenen.

Figur 5. sammenligning Cluster Pairs Dialog. Dette gir muligheter for å velge klase parene, sammenligning tiltak (Match-metoden), søke gjennom lister over par bestilt av sammenligningsverdi, muligheter for å vise correlograms, viser plott av PP høyde (eller PC1 eller PC2) vs. tid, og et alternativ til fusjonere par.

>
Figur 6. Etterbehandle Dialog. Dette gir muligheter for flytting og / eller slette dupliserte hendelser, for å slette muligens støyende hendelser, for reclustering unclustered hendelser, for sletting av klynger med et lavt signal til støy-forhold (SNR) og for omnummerering (sortering) klynger etter ulike kriterier.

Figur 7. Visning av Sortert Units Viser tilfeldig valgt, Overplotted Kurver Farget Ifølge Cluster Number. For tydelighets skyld er bare den midterste kanalen bølgeform av hver gruppe er vist. Data (fra Mitelut & Murphy, upublisert) viser de nedre 14 kanaler med en 64-kanals elektrode opptak fra mus visuelle cortex.

ad / 55217 / 55217fig8.jpg "/>
Figur 8. Eksempel på bevis som kan gjøres gjeldende på en beslutning om ikke å slå sammen to klynger. De sammenlign klynger dialog (Panel A) ble brukt til å søke etter klase par med lignende kurveformer, ignorerer amplitude (normalisert dot-produkt kamp-metoden). Panel B viser autokorrelogrammene (AC) og krysskorrelasjons (CC) for de to klynger, med to forskjellige bin bredder (0,2 og 2 ms). Disse viser at toppene i den andre gruppen (enhet 53) har en veldig sterk tendens til å oppstå enten 4 eller 8 ms før toppene i den første (enhet 28). Panel C viser pigg former av de to enhetene og viser også at den andre (vist i grønt) har en mindre spiss enn den første. Panel D viser PC-fordelingen av de to klyngene. Panel E grafer PC1 (vertikal akse) av de to enheter av de to enhetene (henholdsvis rød og grønn) g </ Em> tid (vist i minutter) i løpet av hele perioden av opptaket. Se teksten for nærmere beskrivelse. Klikk her for å se en større versjon av dette tallet.

Figur 9. Eksempel på en Cluster Pair hvor det er mye mindre bevis for sammenslåing. Panel A viser at autokorrelogrammene (AC) og kryss-korrelasjons (CC) for de to grupper har forskjellig form. Panel B viser gjennomsnitt mal bølgeform og standardavvik (skyggelegging indikerer en SD-enhet) for å vise forskjellene i bølgeform form mer tydelig. Panel C viser det PC-fordelingen av de to klyngene. Panel D plotter topp-til-topphøyde (vertikal akse, uV) av de to enheter sammenlignet med tid under the hele perioden av opptaket. Se teksten for nærmere beskrivelse. Klikk her for å se en større versjon av dette tallet.

Figur 10. Bevis for sammenslåing Basert på Firing Mønster og hovedkomponentene Variasjon. Panel A viser kurvene for de to klynger (rød og grønn). Panel B tomter PC1 (vertikal akse) vs. tid (horisontal akse) for de to klynger, og viser en utfyllende mønster av fyring med PC1 verdier som ligner på den tiden en enhet slutter å skyte og de andre starter. Dette støtter en beslutning om å fusjonere til tross for tilstedeværelsen av distinkte klynger i PC-distribusjoner (Panel C).

Discussion

filformater

Foreløpig støttes filformater inkluderer Neuralynx (.ntt og .ncs), Plexon (.plx), Neuroscope (XML + DAT), flerkanalsystemer (.mcd), Blackrock (.nev) og Intan (.rhd). For formater som ikke støttes, er det to alternativer. Det ene er å be om tillegg av filformatet til en kommende versjon (en e-post linken til utvikleren er gitt i "Hjelp - Om 'dialog). Den andre er å konvertere filen til et format som støttes. En enkel mulighet er å bruke tid-spike-format '.tsf'. Dette bare bones formatet inneholder spenning rekord og kanalposisjonsdata pluss registrering av hendelser og kanalen og klase oppdrag etter sortering. Lese disse filene er ofte raskere enn for andre formater. Uavhengig av behandling med formater som ikke støttes, kan det være praktisk å lagre filtrerte data i en .tsf fil (dette formatet er med blant eksportvalg) siden dette vil unngå behovet for påfølgende tidkrevende filovervintring. Detaljer om .tsf format er inkludert i dokumentasjonen som følger med programmet.

Hjelpe filer

To hjelpe filer brukes til å lagre parametre, ss_prefs.sav og ss_parameters.sav. Filen 'ss_prefs.sav' lagrer bare bruker valgt verdier som ikke har noen direkte effekt på sortering og er mindre sannsynlig at du trenger å endre, for eksempel vindusstørrelser og posisjoner, spenning og andre skaleringsverdier. Hvis ss_prefs.sav ikke finnes, er det opprettet når "Apply" -knappen i den aktuelle dialogen trykkes inn, eller når programmet er avsluttet. Hvis 'klissete parametre' alternativet i denne filen er satt, er en egen fil 'ss_parameters.sav' brukes til å lagre brukervalgte parameterverdier og alternativer som påvirker utfallet av sortering samt mange visningsalternativer. Denne filen er lagret, eller oppdateres, når programmet er gått ut via den vanlige "File - Exit 'rute (men ikke når programmet' Lukk 'knappen (øverst til høyre) brukes). I fravær av denne filen ved oppstart, er standardverdier benyttes.

program Limits

Den grense for lengden av opptak som kan sorteres bestemmes av mengden av RAM på datamaskinen. En PC med 16 GB RAM kan vanligvis håndtere rå filer på opptil 13 GB-14 GB i størrelse (2 GB mindre enn den totale RAM) hvis minnet ikke er i bruk til andre formål. Andre grenser, for eksempel på maksimalt antall kanaler, maksimale blokkstørrelser, etc. kan variere med programversjon og fremtidige oppgraderinger. De kan sees ved å gå til "Hjelp - Om '.

Tilleggsfunksjoner

The View, tilbyr dialog rene og delt klynger flere alternativer for manuell definisjon av klase grenser. De inkluderer bruk av musen til å tegne en ellipse i PC-visningsvinduet, for å tegne et rektangel i PP amplitude (eller PC1 eller PC2) vs. tidsdisplayet, og å trekke discriminat ion vinduer i hovedkurvevisningen. Disse kan hver brukes til å lage subclusters (en hvilken som helst eksisterende subclustering vil bli overskrevet). Dialogen må være avsluttet før noen av disse objektene kan trekkes. Ved å trykke på tilhørende knapp i dialogboksen ( 'Windows', 'Ellipse "eller" rektangel ") skaper subcluster.

En strategi dialog (Sort - Strategy) viser en rekke sorteringsparametere som er mindre sannsynlig at du trenger å bli endret, men som kan ha en betydelig effekt på sortering. Disse inkluderer, for eksempel, parameterne som bestemmer tildeling av kanaler til grupper og valg av tidspunkter som bidrar til beregningen av hovedkomponentene for en klynge. Dialogboksen Behandle klynger gir mer detaljert informasjon om de enkelte grupper enn det som er gitt av View, ren og dialog delt klynger, eller ved etterbehandling dialog. Det er også mer varierte muligheter for sletting av klynger.

ontent "> Kanaler vises i en bestemt vertikal rekkefølge, kalt" sortering ", i spennings displayet. Ideelt denne ordren vil gjenspeile den fysiske nærhet av kanalene, men dette kan være vanskelig å oppnå gitt at selve oppsettet er i to dimensjoner. Sorteringsrekkeføgen genereres ved å beregne projeksjonen av kanalposisjonene på en linje med en gitt vinkel i forhold til y-aksen. sekvensen av kanalnumre på linjen er rekkefølgen. Dette beregnes automatisk i mange tilfeller men det er mulig å generere en annen ved å gå til "View - Anskaffelses egenskaper '.. muligheten for å vise kanalene i numerisk rekkefølge er også merke til at rekkefølgen på skjermen har ingen effekt på sortering.

andre tilnærminger

Andre programvarepakker for å gjøre pigg sortering eksisterer. Disse inkluderer kommersielle programmer som Offline Sortering (http://www.plexon.com/products/offline-sorter), som well som fri programvare som 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) og programmene Neuroscope og Klusters (http:. // neurosuite) ^16. En detaljert sammenligning med disse andre programmer, hvorav mange er i vanlig bruk, er utenfor omfanget av den foreliggende papir. En slik sammenligning ville innebære en rekke relaterte kriterier, inkludert brukervennlighet, pålitelighet, formatstøtte fil, GUI design, dokumentasjon, grad av automatisering, avhengighet av maskinvare- og programvarekomponenter, prosesseringshastighet, tilpasning til MEAs samt tetrodes, og, i den grad at det er mulig å måle det, sortering nøyaktighet. I fravær av en detaljert sammenligning, mener vi at SpikeSorter tilbyr en kombinasjon av alternativer og støtte for pigg sorting som kanskje ikke er tilgjengelig i noen annen tiden tilgjengelig stående pigg sortering pakken.

Sortering Kvalitet

Som nevnt ovenfor, til objektive resultatmålinger som kan benyttes bestemme om en fremgangsmåte eller valg er som finnes er bedre enn en annen. Avhengigheten av parametere og behovet for hyppige brukerundersøkelser gjør det også lite sannsynlig at noen spesiell form noensinne kan reproduseres. Dette i seg selv ville begrense bruken av effektmål, hvis de eksisterte. For å gjøre vondt verre, er det langt fra sikkert at nøyaktig spike sortering er mulig selv i prinsippet. Ekstracellulære opptak kombinert med intracellulære opptak av nærliggende enkeltceller finnes ^{17, 18} men intracellulære opptak fra nabo par av nerveceller for å bevise at signaler fra nabocellene kan alltid skilles. De faktorer som kan føre til ekstracellulære spenningssignaler fra engitt nevron å variere over tid, korte så vel som lange, er heller ikke godt forstått og i praksis kan legge betydelig variasjon (f.eks Figurene 8 og 10) som kompliserer sortering. For pigg sortering for å være et problem løses disse endringene må være mindre, eller forskjellige i natur, enn de minste forskjeller som kan oppstå mellom celler som et resultat av posisjonelle forskjeller. Stole på numeriske mål for klynge kvalitet kan også være problematisk. For eksempel kan celler brann på priser som avviker med størrelsesordener ^{19, 20.} Inkludering av nesten alle toppene fra en lav skuddtakt celle blant dem med høy skuddtakt celle kan ha liten innvirkning på noen klynge kvalitet tiltak, skjuler det faktum at sorterings kvaliteten på lav rente celle ville være dårlig eller ikke- eksisterende. Gitt disse utfordringene, metoder for å vurdere kvaliteten på sortering basert på cluster overlapping^{8, 21} eller sortering stabilitet i ansiktet av parameter variasjon ²² kan gi en falsk følelse av trygghet. I stedet foreslår vi at det kan være nødvendig å akseptere at spike sortering er basert på ufullstendig vitenskap. Sorterere kan ha å leve med en følelse av ufullkommenhet og lære at det kan være bedre å vie tid til mer produktive former for dataanalyse i stedet for stadig prøver å forbedre kvaliteten på et slag.

Materials

Name	Company	Catalog Number	Comments
spikesorter.exe	N/A		http://www.swindale.ecc.ubc.ca/SpikeSorter