Introduction
Cualquier persona que graba señales extracelulares del cerebro usando métodos más sofisticados que un simple umbral de ventanas y en línea se enfrenta a la tarea de identificar y separar las señales de diferentes neuronas a partir de las señales de tensión ruidosos registrados por el electrodo. Esta tarea se conoce comúnmente como la clasificación pico. La dificultad de clasificación pico se complica por varios factores. Las neuronas pueden ser muy próximos entre sí de manera que las señales registradas de ellos por un electrodo cercano es probable que sean similares y difíciles de distinguir. Las señales producidas por una sola neurona puede variar con el tiempo, tal vez debido a los movimientos del electrodo, la cinética de los canales de sodio variable durante los periodos de alta velocidad de disparo, grados variables de activación de las conductancias de tensión en las dendritas que se acercan del electrodo, o posiblemente como resultado de los cambios en el estado de cerebro. Estos problemas pueden ser mitigados mediante el uso de múltiples arrays de electrodos (MEA) con muchos poco espaciados - r (20 100 micras) rabación canales que permite una mejor definición espacial de las señales de las neuronas individuales ya que normalmente se extienden por varios canales 1, 2. Sin embargo, esto, combinado con el hecho de que las señales de las neuronas se extienden a lo largo de toda la longitud de la superposición de electrodo en el espacio, resulta en una potencialmente muy alta espacio tridimensional en el que los clústeres que corresponde a las neuronas únicas necesita ser identificado. Este problema se hace computacionalmente intratable durante más de un pequeño número de canales de electrodos. Hasta la fecha, no existe un acuerdo general-upon mejor método para la clasificación de pico, aunque muchas soluciones se han propuesto 3, 4, 5, 6, 7, 8 y grabaciones de los AAM se están convirtiendo cada vez más común 9,culo = "xref"> 10. Debido a la clasificación pico no es un fin en sí mismo, sino que es simplemente un paso previo necesario antes de un nuevo análisis de datos, existe una necesidad de un paquete de fácil utilización que leerá en los archivos de datos de registro bruto y convertirlos en espiga trenes ordenados con un mínimo de usuario de entrada, y como forma rápida y fiable, como sea posible.
Este documento proporciona un tutorial para el uso de SpikeSorter - un programa desarrollado con el objetivo de satisfacer esas necesidades. El programa se basa en algoritmos descritos en los documentos publicados previamente 11, 12, 13. Los objetivos en el diseño del programa fueron que a) debe tener una interfaz fácil de usar que requiere poco o ningún conocimiento previo de programación informática o de pico de clasificación metodología; b) deben ser necesarios pocos o ningún otros componentes de software especializado más allá de los sistemas operativos estándar de Windows o Linux; do d) la necesidad de que la entrada del usuario durante la clasificación debe reducirse al mínimo, y e) clasificar los tiempos deben escalar de una manera razonable, a ser posible de forma lineal, con la duración de la grabación y el número de canales en el electrodo. Los algoritmos implementados en el programa incluyen: a) un conjunto flexible de estrategias de pre-procesamiento y detección de eventos; b) una división automatizada y estrategia de conquista de reducción de la dimensión que agrupa las formas de onda de voltaje en base a los componentes principales (PC) de distribución obtenidos a partir de subconjuntos de canales asignados a grupos específicos; c) automatizado agrupación de distribuciones de PC con un procedimiento rápido agrupamiento basado en el algoritmo de media de desplazamiento de 3, 14, y d) fusión de pares parcialmente automatizado y la división de los grupos para asegurarse de que cada uno es tan claro como sea posible de todos los demás. para This, un conjunto de procedimientos se ha agregado que permiten la división manual o fusión de clusters basados en la inspección de las distribuciones de PC, cruzada y auto-correlograms de espiga trenes y parcelas en tiempo de amplitud de formas de onda de pico. Las grabaciones de tetrodos, matrices, arrays tetrodo Utah, así como los AMA unifamiliares y multifamiliares de espiga pueden ser leídos y ordenadas. El límite de corriente en el número de canales es 256 pero esto puede aumentar en el futuro.
Otra aplicación de código abierto multiplataforma, "spyke" (http://spyke.github.io), también está disponible. Escrito por uno de nosotros (MS) en Python y Cython, spyke utiliza el mismo enfoque general como SpikeSorter, con algunas diferencias: para reducir la demanda de memoria, los datos en bruto se carga en pequeños bloques, y sólo cuando sea absolutamente necesario; grupos se muestran en exclusiva, manipulados, y se clasifican en 3D; y de componentes principales y análisis de componentes independientes son utilizados como métodos de reducción de dimensiones complementarias. Spyke requiere más usuario eninteracción, sino que se basa en gran medida en el teclado y el ratón atajos y una cola de deshacer / rehacer para explorar rápidamente los efectos de diversos factores en la agrupación de cualquier subconjunto dado de espigas. Estos factores incluyen el canal de espiga y la selección del rango de tiempo, la alineación pico, las dimensiones de agrupamiento y ancho de banda espacial (Sigma) 11.
La siguiente es una breve descripción de los algoritmos y estrategias utilizadas para la clasificación. Más descripciones completas se pueden encontrar en las publicaciones anteriores 11, 12, 13 y en las anotaciones que se puede acceder a través de los botones de ayuda (identificados con un '?') Dentro de SpikeSorter. Después de cargar un archivo de voltaje extracelular prima y el filtrado de los componentes de baja frecuencia, una etapa inicial de los resultados de detección de eventos en un conjunto de eventos, cada uno de los cuales consta de un breve panorama de tensión antes y después de la hora del evento. Si los elegidosmontó sitios están suficientemente espaciadas estrechamente (<100 micras), las señales de una sola unidad aparecerá generalmente en varios canales vecinos. Un canal central se elige de forma automática para cada evento, correspondiente al canal en el que el voltaje de pico a pico del evento es más grande. Automatizados de clasificación se inicia mediante la formación de un solo grupo inicial para cada canal del electrodo, que consiste en todos los eventos que fueron localizados a ese canal. Una unidad situada a medio camino entre canales puede dar lugar a picos que se localizan (quizás al azar) a diferentes canales: los racimos de estos dos conjuntos de picos se identificaron como similar y se fusionaron en una etapa posterior. A continuación se calcula la forma de onda promedio de los eventos en cada grupo inicial. Esto se conoce como la plantilla clúster. canales auxiliares son asignados a cada grupo en función de las amplitudes y desviación estándar de las formas de onda de la plantilla en cada canal. valores de los componentes principales A continuación se calculan para cada clúster basado en On las formas de onda en el conjunto de canales asignado. El usuario puede elegir el número de las principales dimensiones de los componentes de empleo: por lo general 2 es suficiente. Cada grupo se divide entonces en una nueva serie de grupos, y esto se repite hasta que ninguno puede ser aún más dividida por la agrupación automatizada.
En este punto, un conjunto inicial de, digamos, 64 racimos de un electrodo de 64 canales, se pueden dividir en dos o tres veces ese número, dependiendo del número de unidades que estaban presentes en la grabación. Pero debido a la asignación de variables de los acontecimientos de las unidades individuales a diferentes canales, el número de grupos que se encuentra en esta etapa es casi con toda seguridad más grande de lo que debería ser. La siguiente etapa de clasificación es para corregir el oversplitting mediante la comparación de pares de racimos y la fusión de pares similares o reasignación de eventos de uno a otro. Esta etapa de clasificación se denomina "unir y separar '.
La fusión y división
Para n grupos, hay N * (N-1) / 2 pares y por lo tanto el número de pares crece como N 2, que es indeseable. Sin embargo, muchas parejas pueden ser excluidos de la comparación debido a que los dos miembros de la pareja están físicamente separados. Esto reduce la dependencia a algo que está más linealmente relacionada con el número de canales. A pesar de este acceso directo, la fusión y la etapa de división todavía puede ser bastante tiempo. Funciona de la siguiente manera. Cada par de clúster que se va a comparar (los que están físicamente próximos entre sí, como se juzga por la superposición de los conjuntos de canales asignados a cada uno) temporalmente se fusiona, a pesar de mantener las identidades de los picos en los dos grupos de miembros conocidos. Los principales componentes del par resultante de la fusión se calculan entonces. Una medida de la superposición entre los puntos en los dos grupos se calcula basándose en la distribución de los dos primeros componentes principales.
La forma en que el ov medida ERLAP se calcula se describe con más detalle en otra parte 11. Su valor es cero si los clústeres no se superponen en absoluto, es decir, el vecino más próximo de cada punto está en el mismo grupo. Su valor es de cerca de 1 si los grupos se superponen completamente, es decir, la probabilidad de que el vecino más cercano está en el mismo grupo es el mismo que el predicho a partir de una mezcla uniforme de puntos.
Varios se toman las decisiones que adoptan la medida de solapamiento en cuenta. Si el solapamiento es mayor que un cierto valor, los grupos se pueden combinar. Si el solapamiento es muy pequeño, el par de clúster puede ser definida como distinta y dejó solo. Los valores intermedios, lo que indica una separación incompleta de la pareja de clúster, puede ser señal de que la pareja debe fundirse y volver a dividir, el resultado deseado ser un par de racimos con menos solapamiento. Estos procedimientos se ejecutan primero en una etapa automatizada y luego en una etapa de guiado manualmente.
tienda "> En la etapa automatizado, pares de racimo con un alto valor de solapamiento se fusionan;. luego pares de racimo con el intermedio a valores bajos de solapamiento se fusionan y re-split En la segunda etapa, guiada por el usuario, el usuario se presenta con toda la restante pares de racimo ambiguos (es decir, aquellos con valores de solapamiento en un rango intermedio definido) en secuencia y se le pide que elija si a) para fusionar el par, b) se funden y resplit el par, c) declarar el par a ser distinto (que anulará la importancia de la medida de solapamiento), o d) para definir la relación entre la pareja como "ambigua" que indica que los picos en el par es poco probable que estar bien ordenados. se proporcionan varias herramientas para ayudar con estas decisiones, incluyendo auto - y transversales correlograms y diagramas de series de tiempo de la altura de pico y los valores de PC.Lo ideal sería que, al final de las etapas de la fusión y división, cada grupo debe ser distinto de todos los demás,ya sea porque tiene pocos o ningún canales en común con otros grupos, o porque el índice de superposición es menor que un valor definido. Este valor es seleccionable por el usuario, pero es típicamente 0,1. Clusters (unidades) que pasan esta prueba se definen como "estable", los que no (porque la superposición con uno o más de otros grupos es mayor que el umbral) se definen como "inestable". En la práctica, la gran mayoría de las unidades terminan siendo definido como "estable" en el acabado de la clasificación, dejando el resto para cualquiera ser descartado o tratado como potencialmente multi-unidad.
Requisitos de Software
SpikeSorter es compatible con versiones de 64 bits de Windows 7 y Windows 10, y también se ha ejecutado con éxito bajo Linux usando el emulador de vino. Los archivos de datos se cargan por completo en la memoria (para velocidad), por lo tanto necesita RAM disponible a escala con el tamaño de la grabación (permitir que alrededor de 2 GB para el programa en sí). electrofisiológicoAL archivos de datos de más de 130 GB de tamaño han sido ordenados con éxito tanto en entornos Windows y Linux. Las opciones se accede a través de los menús estándar de Windows, una barra de herramientas y cuadros de diálogo. La disposición de los elementos en el menú coincide más o menos el orden de las operaciones de clasificación, comenzando con el menú "Archivo" de la izquierda para la entrada de datos y el menú "Exportar" a la derecha que permite la exportación de datos ordenados. botones de la barra proporcionan accesos directos a los usados comúnmente elementos de menú.
El archivo de configuración de canales
Muchos formatos de grabación de datos no almacenan ubicaciones de canal. Sin embargo, a sabiendas de éstos es esencial para la clasificación pico. Los canales también pueden ser numerados de diversas maneras por software de adquisición: SpikeSorter requiere que los canales se numeran en secuencia, comenzando con el canal 1. Por lo tanto, un archivo de configuración de electrodo auxiliar tiene que ser creado que se puede volver a asignar los números de canal para seguir la regla secuencial, y para loc canal de tiendasciones. El archivo de configuración de canal es un archivo de texto con una sola fila de texto para cada canal. La primera línea del archivo almacena un nombre de texto de hasta 16 caracteres de longitud, que identifica el electrodo. Los números en las líneas subsiguientes pueden ser separados por pestañas, una coma o espacios. Hay cuatro números en cada fila proporcionar (en orden): el número de canal en el archivo, el número de canal a la que ha de ser asignada (es decir, el número que se utilizará por SpikeSorter), y las coordenadas X e Y de la canal, en micras. La coordenada x normalmente se toma como perpendicular a la dirección de inserción del electrodo y la coordenada y en consecuencia sería profundidad en el tejido. El archivo de configuración tiene que ser colocado en el mismo directorio que el archivo de grabación. Hay una cierta flexibilidad en la forma en que puede ser nombrado. El programa buscará primero un archivo que tiene el mismo nombre que el archivo de datos en bruto, pero con una extensión .cfg. Si ese archivo is no se encuentra, se buscará el 'electrode.cfg' archivo. Si no se encuentra el archivo que a su vez se genera un mensaje de error para indicar una falta de información sobre la disposición de canales.
Subscription Required. Please recommend JoVE to your librarian.
Protocol
1. Programa de instalación
- Ir a http://www.swindale.ecc.ubc.ca/SpikeSorter para descargar el programa. Copiar el archivo ejecutable suministrado al directorio de su elección. Lea la documentación adjunta.
NOTA: No se requiere ninguna instalación formal o compilación. - Antes de abrir cualquier archivo que ser resuelto, asegúrese de que no hay suficiente memoria RAM libre para que contenga toda la duración de la grabación. También asegúrese de que un archivo de configuración de canal válido, tal como se describe en la documentación, está presente en el mismo directorio que el archivo de datos.
- Iniciar el programa, y luego ir a "Archivo - Abrir 'y seleccione el formato de archivo de grabación de la lista desplegable en la parte inferior derecha del diálogo de abrir archivo resultante. Seleccione el archivo que se abrirá, haga clic en "Abrir".
- Una vez que finalice la lectura, inspeccionar la pantalla de registro de la tensión. Haga doble clic en la pantalla (o vaya a "Ver - Tensión Record ') para que aparezca un cuadro de diálogo con controles que permiten a cualquier part de la forma de onda de la grabación que desea ver.
NOTA: Al hacer doble clic en otras ventanas de visualización a menudo abrir cuadros de diálogo correspondientes. - Después de que se abandonará el diálogo, pasa el ratón sobre las formas de onda para mostrar los valores de voltaje particulares en la esquina superior izquierda de la pantalla. Utilice la rueda de desplazamiento para acercar o alejar cualquier parte de la pantalla. Mantenga pulsado el botón izquierdo del ratón para arrastrar los contenidos de la ventana.
NOTA: Esta pantalla se actualiza con frecuencia para reflejar la adición de eventos detectados recientemente, o para indicar, por medio de colores y / o números, sus asignaciones de clúster después de la agrupación. - Si la grabación no se filtra y contiene el potencial del campo local, y eliminar por ir a 'Pre-Proceso - Transformar / filtro "(o haga clic en el icono de filtro en la barra de herramientas). Seleccione 'paso alto filtro Butterworth', y luego una frecuencia de corte adecuado y el número de polos, y luego presione 'Do-It!'. Una vez finalizada la filtración, inspeccionar la nueva forma de onda de la onda de tensiónventana del formulario.
NOTA: el filtrado se realiza en el dominio de Fourier, es no causal, y no introduce distorsión de fase de las formas de onda. Para una grabación de larga duración, el filtrado puede tardar varios minutos. - A continuación, comprobar si hay canales que pueden ser defectuoso y es necesario enmascarar. Ir a "pre-proceso - Control del canal '(o haga clic en el icono de comprobación del canal) y luego inspeccionar el gráfico que aparece. El gráfico muestra el cambio en la correlación de la señal entre los pares de canales como una función de su separación espacial 5. Los canales que violen esta relación puede no estar funcionando correctamente. Para ver cualquiera de estos valores atípicos, haga clic en 'desviaciones netas de un solo canal.
- Para enmascarar un canal periférico o bien seleccionar el número de canal, o seleccionarlo de la lista de problemas. Cuando se sale de este cuadro de diálogo, haga clic en "Sí" en el indicador para guardar los valores de máscara.
NOTA: Este archivo tendrá el mismo nombre que el archivo de datos de registro, pero con la extensión .msk. Será leído automaticallY cada vez que se abre el mismo archivo de datos.
- Para enmascarar un canal periférico o bien seleccionar el número de canal, o seleccionarlo de la lista de problemas. Cuando se sale de este cuadro de diálogo, haga clic en "Sí" en el indicador para guardar los valores de máscara.
2. Detección de eventos
- Ir a "pre-proceso - Detección de eventos 'para abrir el diálogo de detección de eventos (Figura 1). Este diálogo también ofrece la opción de canales de enmascaramiento en función de sus niveles de ruido (aunque éstos serán detectados a menudo por las pruebas anteriores). Por ejemplo, un canal que ha sido puesto a tierra intencionalmente puede tener un nivel de ruido muy bajo.
- Utilice el control deslizante en la parte superior derecha para inspeccionar el nivel de ruido en los canales particulares. La inspección cuidadosa de la pantalla de voltaje también puede revelar canales silenciosos o inusualmente ruidoso que necesitan ser enmascarado.
- Elija un método de umbral para la detección de eventos. Utilice el botón de ayuda en el marco de grupo para obtener más información acerca de las opciones. Umbral "variable", con un umbral de 4.5X - 6X ruido 7, se recomienda. Utilice los controles de la parte superior izquierda para elegir cómo se calcula el nivel de ruido para el thes propósito.
- Elija el método de detección de la lista desplegable. "Filtro multifásico dinámico 'es el método recomendado. Esto requiere la especificación de una ventana temporal. Ajuste la ventana para ser aproximadamente la mitad del ancho de un pico típico. Los valores muy estrechas se sesgo de detección a los picos más estrechos aunque el efecto no es grande. Los valores en el rango de 0,15 - 0,5 ms se recomiendan 12.
NOTA: Los valores que se muestran son en múltiplos enteros del intervalo de muestreo (recíproco de la frecuencia de muestreo). - Seleccione el método de alineación. Elija la opción que mejor se identifica una única función, temporal localizada de los picos que están siendo ordenados, por ejemplo, un "pico positivo 'puede ser una mala elección si muchos picos tienen más de un pico positivo. Para muchas grabaciones, una "cubeta negativo" será la mejor opción. Otras opciones por lo general pueden dejarse en sus valores por defecto. Presiona inicio'.
NOTA: la detección de sucesos puede take desde varios segundos a varios minutos, dependiendo de la duración de la grabación y el número de canales. - Pulse 'Hecho' para salir del diálogo. Inspeccionar los eventos, que se muestran en color gris, en la ventana de forma de onda de tensión. Compruebe que se han detectado señales que se parecen a los eventos.
- Si no, considere volver a ejecutar la detección de eventos con un umbral de detección más bajo. Sin embargo ten en cuenta que los picos de muy baja amplitud pueden ser difíciles de clasificar y que un gran número de ellos pueden impedir la clasificación de los picos de mayor amplitud. También puedes ver si hay duplicados evidentes o una falta de resolución de los picos cercanos y ajustar parámetros de la ventana de bloqueo de espacio-temporales en consecuencia.
NOTA: En esta etapa, los eventos se identifican mediante su tiempo de ocurrencia y un número de canal. Normalmente este es el canal en el que la amplitud pico a pico de la espiga es más grande. Los eventos se unclustered inicialmente, por lo que cada uno tiene una asignación de grupo de cero.
- Si no, considere volver a ejecutar la detección de eventos con un umbral de detección más bajo. Sin embargo ten en cuenta que los picos de muy baja amplitud pueden ser difíciles de clasificar y que un gran número de ellos pueden impedir la clasificación de los picos de mayor amplitud. También puedes ver si hay duplicados evidentes o una falta de resolución de los picos cercanos y ajustar parámetros de la ventana de bloqueo de espacio-temporales en consecuencia.
3. Clasificación NOTA: El siguiente paso no se realiza normalmente antes de la clasificación de rutina, pero es muy útil para hacerlo al clasificar por primera vez, o cuando se encuentran con datos desconocidos.
- Ir a 'Ordenar - Convertir los canales a los clusters'. Esto crea un solo grupo para cada canal de electrodos sin máscara, suponiendo que cada canal tiene algunos eventos que se le asignen. Examine estos grupos yendo a 'Revisión - Vista Limpio y grupos divididos'. Esto nos lleva a otra de diálogo (Figura 2). Utilice el control de giro (parte superior izquierda) para seleccionar el grupo para ser visto.
Nota: La línea (cian) de color azul es el promedio de todas las formas de onda de la agrupación y se refiere como la plantilla de clúster en lo que sigue. La distribución de componentes principales (PC) de los eventos del clúster se muestran en la ventana de abajo. Estos a menudo revelar la presencia de dos o más subgrupos. - Pulse el botón 'realinear' para cambiar el tiempo de cada evento(resultando en pequeños cambios de lado de las formas de onda en la pantalla) con el fin de adaptarse mejor a la forma de la plantilla, haciendo esto a menudo hace subclusters más compacto y distinto, y algunas veces reduce el número aparente (Figura 3).
- Seleccionar un clúster que tiene dos o más subgrupos distintos y pulse 'autosplit'. Si subclusters se identifican en la pantalla del PC, van a ser de color. A modo de ejercicio, utilice uno de los botones pequeños 'separados' para crear un nuevo clúster y examinarlo. Ordenando pudo seguir manualmente esta manera, sino que volver atrás y utilizar el procedimiento más rápido autosort.
- Ir a 'Ordenar - Autosort' (o pulse el botón autosort en la barra de herramientas) para comenzar la clasificación automática. El cuadro de diálogo resultante se muestra en la Figura 4. Se presenta una variedad de opciones.
- Deje la opción "omitir la detección de eventos 'comprobado si la detección de eventos ya se ha hecho. Si no lo está, se llevará a cabo la detección de eventosutilizando valores de los parámetros y opciones heredadas del diálogo de detección de eventos. Desde la detección de eventos ya se ha hecho, dejar que la opción marcada.
- En el panel de 'agrupamiento' a continuación, seleccionar una ventana temporal lo suficientemente grande como para contener la totalidad de la forma de onda pico anterior y posterior al punto de alineación, pero no más. Utilice esta ventana para bloquear regiones de la forma de onda de pico, por ejemplo pospotenciales largos de variable, si parecen estar interfiriendo con (o contribuyendo poco a) la clasificación. Por lo general, los valores en el rango de ± 0,5 ms son apropiadas. Al igual que otras ventanas temporales, la ventana es un número entero de puntos de muestra, por lo que los valores temporales que aparecen son múltiplos del intervalo de muestreo.
- A continuación, seleccione una opción de reajuste que se utilizará durante la agrupación. Esto hará que el uso de la forma de onda de plantilla y trabaja más robusta que en el caso inicial de la detección de eventos en el que el criterio se tiene que aplicar a relativamente ruidosos s individualesformas de onda Pike. La opción recomendada es de 'engranaje pico ponderados ", sino" a través negativo "puede ser mejor si esto es una característica constante de las formas de onda de pico.
- Elija un tamaño mínimo del agrupamiento. Se eliminarán las agrupaciones con menos de ese número de picos, la prevención de la acumulación de un gran número de pequeños, posiblemente espurios, racimos durante la clasificación.
- Decidir sobre el número de dimensiones en el espacio de PC que se utilizarán para la agrupación. Dos es generalmente adecuada, pero ligeramente mejores resultados se pueden obtener con 3, aunque con un tiempo más largo de clasificación.
- Deje las otras opciones en sus valores predeterminados. Utilice los botones de ayuda para obtener una explicación más detallada de las distintas opciones.
- Pulse 'Start' para empezar la autosort. clusters basados Canal se forman primero como se ilustra en el paso 3.1. Estos ahora se procesan, a su vez, la formación de nuevos grupos mediante la división de sub-grupos individuales, de uno en uno. Cada vez que un nuevo cluster es spiluminado fuera, los valores de PC se vuelven a calcular y se muestra. Esto continúa hasta que no clúster individual puede ser aún más dividido.
- Siga las indicaciones que aparecen en la pantalla, donde se muestra el subgrupo que se separó del padre el grupo en rojo.
NOTA: En ocasiones, el conglomerado final es de color rojo con los valores extremos sin color que no forman un subgrupo distinto. por lo general se eliminan estos valores atípicos. Durante este proceso, el número de grupos se incrementa gradualmente. Cuando esté terminado, los índices de superposición de racimo se calculan para cada par de clúster elegibles. Pares que tienen valores de solapamiento grandes se fusionan de forma automática, mientras que los pares que tienen valores intermedios (superposición del rango predeterminado es de 0,1 a 0,5) se fusionan y luego resplit. Los valores intermedios indican que hay dos grupos distintos, pero que están mal asignado algunos puntos. Durante esta etapa el número de grupos típicamente disminuye y el número de grupos estables aumenta.
4. Personalización
- Si se utiliza el programa por primera vez (o, posiblemente, durante el paso siguiente), personalizar los tamaños y posiciones de las ventanas. Ir a 'File-Preferencias'. Elegir tamaños para las diferentes ventanas al seleccionar el tipo de ventana de la lista desplegable y ajustar el tamaño para adaptarse a la pantalla. Salir del diálogo y la posición de las ventanas para hacer el mejor uso de la pantalla.
- En el diálogo, seleccione valores de escala que mejor se adapten a la disposición y el espaciamiento de los canales en el electrodo y los picos en la grabación. Hay una opción de cambio automático de escala, pero esto no siempre puede elegir los mejores valores. Apagarlo si no lo hace.
- Marque la opción Parámetros pegajosas: si se selecciona la opción, los cambios en los valores de parámetros de clasificación (por ejemplo, tal como se utiliza en la detección de eventos) se guardarán y heredan la próxima vez que se inicie el programa. Esto puede ser útil, pero también requiere que se comprueban los valores de parámetros para asegurar que no se han cambiado sin cuidado que se exploran varias opciones o como consecuenciade la lectura en diferentes archivos de trabajo. Opciones para cambiar los colores de sub-cluster están también disponibles.
- Se debe tener cuidado de cambiar el número de subprocesos de procesador. El número óptimo es normalmente de 1 menos que el número de núcleos de CPU físicas (no virtuales). El aumento del número de hilos puede no acelerar el proceso e incluso puede dar lugar a una grave desaceleración.
5. Combinar y dividir
- Después de la autosort se haya completado, pulse "Siguiente" para ir a la fusión guiada manualmente y la etapa de división. Los espectáculos de diálogo resultante, en la esquina inferior izquierda, el número de pares de racimo restante ambiguas que deben ser examinados, así como el número de grupos estables.
- Pulse 'Begin'. Otra de diálogo aparece junto con el primero de los pares que se examinará.
- Seleccione si desea fusionar el par, resplit ella (lo que resulta en un valor de superposición inferior), para etiquetar el par como 'distinta', lo que significa que se tendrá en cuenta el valor del índice de superposición, or para etiquetar el par como "ambigua", lo que significa que se considera seguro si los picos son de las mismas o diferentes unidades.
- Haga clic en las casillas de verificación para mostrar un gráfico de los parámetros de pico (pico a pico (PP) de altura, o la primera (PC1) o segundo (PC2) de los componentes principales) en función del tiempo y / o de automóviles e intersectoriales histogramas de correlación.
NOTA: La pantalla de la altura PP en función del tiempo es a menudo muy útil para decidir si se fusionan dos grupos. Si las alturas de los picos en una unidad mezclan suavemente por las de otro, al mismo tiempo que una unidad de disparo se detiene y comienza la otra es mucho más probable que no que son la misma unidad y deberían fusionarse. Cruzadas correlograms pueden revelar una fuerte relación temporal entre los tiempos de pico en dos grupos. Si la cruz-correlogram tiene un pico fuerte, asimétrico en un intervalo de tiempo muy corto (por ejemplo, alrededor de 5 - 10 ms) y, especialmente, si el segundo pico es más pequeño que los abetost, las dos unidades son muy probablemente una sola unidad que está disparando pares de pico en la que la segunda es más pequeño que el primero debido a la adaptación del canal de Na +. - En los casos en que la decisión de fusión no es fácil, etiquetar la pareja como "ambigua" y tratar en consecuencia los grupos en los análisis posteriores.
- Haga clic en las casillas de verificación para mostrar un gráfico de los parámetros de pico (pico a pico (PP) de altura, o la primera (PC1) o segundo (PC2) de los componentes principales) en función del tiempo y / o de automóviles e intersectoriales histogramas de correlación.
- Si la fusión y la opción de división no es capaz de encontrar grupos claramente diferenciados, utilice el control deslizante en el cuadro de diálogo le pide que variar manualmente un parámetro de agrupación (un ancho de banda espacial, Sigma), junto con el conjunto de botones que se fusionan, para encontrar una fracción que se parece satisfactoria . Utilice el botón 'Revert' para volver al estado original de los dos grupos. Pulse 'de Split como se muestra' para terminar. Nota más de dos grupos pueden ser producidos por este procedimiento.
- Continúe con este proceso hasta que no haya más pares para inspeccionar. La gran mayoría de las agrupaciones debería aparecer ahora como "estable".
- Si algunos pares de racimo tienen muybajos índices de solape, de manera que son ignorados por la fusión guiada (pero aún no hay pruebas para la fusión de ellos), ir a la 'Revisión - pares de racimo Compara' opción de menú (o haga clic en el icono asociado en la barra de herramientas) y abra la diálogo que se muestra en la Figura 5. Utilice los controles de desplazamiento en la parte superior del cuadro de diálogo para seleccionar cualquier par de grupos de comparación.
NOTA: Al igual que con la combinación de guiado y de división, los pares se ponen en una lista ordenada, pero en este caso las métricas de comparación adicional al índice de superposición clúster están disponibles.- Seleccionar la opción "normalizado producto punto" de la lista desplegable. Esto calcula la correlación entre los valores de la plantilla. Es insensible a las variaciones de escala multiplicativos y se adapta bien a seleccionar pares de racimo que son un resultado artefactual de la variabilidad de la altura de pico a pico.
- Presione el botón "más similar" en el medio del cuadro de diálogo para mostrar la pareja más similar. Utilice la horizontal control de giro por debajo del botón para ir hacia adelante o hacia atrás a través de la lista. Utilice la pantalla de correlación y la altura PP vs. visualización de la hora de tomar decisiones que se fusionan, al igual que para la combinación de guiado de usuario y la dividida. Tenga en cuenta que la lista se vuelve a calcular después de cada operación de fusión. Esta etapa de la comparación tiene un final abierto, y es hasta que el usuario decida qué tan extenso para buscar evidencia a favor de fusiones.
6. Revisión - post-procesamiento
- Ahora vaya a 'Revisión - post-procesamiento "(o haga clic en el icono de la barra de herramientas apropiadas). Este cuadro de diálogo (Figura 6) ofrece opciones para añadir o eliminar eventos de grupos, así como la opción de eliminar racimos enteros con relaciones señal a ruido (SNRs) que caen por debajo de un umbral. eventos duplicados (eventos que ocurren al mismo tiempo en un clúster) pueden ser creados por los errores de alineación durante la clasificación. Los eventos que están muy lejos removido de su lugar de origen pueden sometimes que recolocarse; también pueden ser retirados cuando el traslado no funciona.
- Utilice el botón de limpieza para eliminar la alineación eventos de grupos que son un mal partido a la plantilla. Utilice el botón "Reestructurar" hacer lo contrario, es decir, volver a asignar los eventos no agrupados que son un buen partido para una plantilla determinada. Los eventos recuperados se marcan como un subgrupo de cada grupo de padres y pueden ser inspeccionados mediante el diálogo 'Ver, limpias y dividir clusters. Estos eventos se mantendrán en el clúster (y ser exportado como tal) a menos que se eliminen (usar el pequeño botón 'Eliminar' para el primer subgrupo). Volviendo al cuadro de diálogo de post-procesamiento, utilice el botón "eliminar" y el control de giro junto a él para eliminar racimos con una SNR menor que el umbral seleccionado.
- Aunque el número de racimos pasan continuamente de 1 a N, donde N es el número total de racimos, la numeración real de racimos al final de la clasificación está cerca de unarbitrary. Utilice el botón "Ordenar" para volver a numerar los grupos de acuerdo con un criterio elegido, por ejemplo, posición vertical sobre el electrodo, o el número de canal. Tenga en cuenta que, con la excepción de la supresión de los eventos duplicados, actualmente no existe una evidencia objetiva para apoyar las opciones particulares de este diálogo como mejor que otros.
- En cualquier etapa de los procedimientos manuales de la clase, es posible guardar un archivo que contiene los valores actuales de los parámetros, opciones de clasificación tiempos de eventos, propiedades del clúster y el registro de mensajes. Crear este archivo, vaya a "Archivo - Guardar archivo de trabajo". Dar al archivo un nombre que se relaciona claramente con la del archivo de datos y pulse "Guardar". Reanudar la clasificación en un momento posterior mediante la apertura primero el archivo de grabación original, seguido de filtración de paso alto (si se hace inicialmente). A continuación, abra el archivo de trabajo guardado. El programa estará entonces en un estado idéntico al que se encontraba cuando se guardó el archivo de trabajo. El archivo de trabajo es también una reespinal de cómo se realizó la clasificación - los parámetros utilizados y de los mensajes emitidos durante la clasificación.
- Por último, exportar los eventos agrupados. Ir a la exportación '- Ordenado archivos pico' (o haga clic en el botón correspondiente de la barra de herramientas). Seleccione '.csv' (separados por comas variable) de la lista desplegable a continuación, haga clic en "Guardar como". Elija un nombre para el archivo que contendrá los datos CSV exportados para las unidades clasificadas.
NOTA: Este archivo de texto tendrá una sola línea para cada evento que contiene, en orden, la hora del evento (en segundos a los 10 microsegundos más cercanos), el número de clúster (del 1 en adelante) y el número del canal que le fue asignado al evento. Tenga en cuenta que el canal asignado puede no ser la misma para todos los eventos en un clúster si los eventos no fueron consistentemente más grande en un canal particular.
Subscription Required. Please recommend JoVE to your librarian.
Representative Results
La Figura 7 muestra la pantalla (obtenido por ir a "Ver - Ordenado formas de onda ') para una grabación típica ordenada. La opción de vista por defecto es sólo para mostrar las formas de onda en el canal central para cada grupo. Una experiencia común es que las formas de onda para un par de clúster en el mismo canal parecen idénticos, pero cuando el 'Comparación de pares' de diálogo se utiliza para examinar los dos grupos hay distintas agrupaciones en la proyección de PC, lo más a menudo como resultado de las diferencias de forma de onda en los canales adyacentes . Esto es cierto, por ejemplo, de las formas de onda en el canal 62 en la Figura 7.
Como se señaló anteriormente, no es raro encontrar pares de racimo en que las decisiones que se fusionan deben basarse en las parcelas en tiempo y amplitud en la cruz-correlograms. La figura 8 muestra un ejemplo de una decisión fusión basada en parte en la cruz-correlogram. Un muy fuerte, asymmetric correlación cruzada a intervalos de tiempo cortos (Figura 8B) acoplado con una diferencia en la altura de pico a pico de las unidades y los patrones de activación similares (Figura 8E) sugiere fuertemente que los picos proceden de la misma neurona. La Figura 9 muestra un caso en el que se carece de la misma clase de evidencia de fusión. Aquí, la cruz-correlogram es débil y no fuertemente asimétrica. Además, las formas de las autocorrelogramas de los dos grupos son diferentes (Figura 9A). Podría decirse que las dos unidades no deberían fusionarse debido a la clara diferencia adicional en la distribución de los componentes principales (Figura 9C). La figura 10 muestra un caso en el que las alturas de PP de dos unidades se mezclan al mismo tiempo que uno de ellos deja de disparar y las otras hojas de vida. En este caso, la decisión de fusionar parece correcta, aunque no se puede descartar la posibilidad de que las unidades coordinan sus patrones de disparo enformas complejas y que la similitud en las alturas es accidental.
Estos ejemplos ilustran la dificultad de ofrecer una orientación firme sobre la forma de tomar decisiones que se fusionan. Esto se ve agravado por la falta general de medidas objetivas para evaluar la calidad general de clasificación espiga y los efectos de los cambios de parámetros. Esto es debido a la falta de información realidad del terreno, que, para la clasificación de espiga, consistiría en registros intracelulares (o su equivalente) de cada neurona que era lo suficientemente cerca de un electrodo de registro para dar lugar a señales extracelulares detectables. A pesar de esta limitación, no son sustitutos de los datos de terreno la verdad y no es razonable suponer que un cambio en la clasificación de la estrategia que se traduce en un mejor rendimiento en datos de sustitución dará lugar a un mejor rendimiento con datos reales. Los sustitutos incluyen datos reales MEA de grabación en el que los picos, tomados de la grabación, se añaden de nuevo en el recording, a veces conocidos en diferentes canales, en los que no se pueden confundir con los picos originales. Esta prueba fue la base de una competición de clasificación pico organizado por G. Buzsaki y T. Harris celebrada en Janelia Granja en 2013. Los datos sustitutos fueron generados a partir de las grabaciones realizadas en el tálamo o el hipocampo de ratas con libertad de movimientos (A. Peyrache, A. Berenyi y G. Buzsaki, datos no publicados). señales de pico para los que no había "verdad terreno" se generaron mediante la adopción de los picos de una unidad grabada en un vástago y agregarlos a la grabación en otro vástago asegurando así que la relación de ese tren de espiga con la actividad de fondo y los estados del cerebro fue preservado. Grabaciones contenían actividad spiking real además de los trenes de verdad la espiga de tierra añadido. Las tasas de falsos positivos para SpikeSorter fueron 0,26% y 0,01% para los dos conjuntos diferentes de prueba, mientras que las correspondientes tasas de falsos negativos fueron del 2,1% y 0,37% (A. Peyrache, comunicación personal). Estas tasas se encontraban entre tlo mejor de la competencia, pero más importante es que son bajos y probablemente aceptable para la mayoría de los tipos de análisis neurofisiológico. Otro enfoque es el uso de gran escala simulaciones biofísicas muy detalladas de las redes de neuronas para generar registros extracelulares simulados a partir de diseños MEA especificados. Actualmente, los investigadores que trabajan en los métodos de selección de MEA fueron invitados para ordenar las pruebas simuladas de esta naturaleza 15. Se compararon cinco algoritmos de clasificación diferentes. Hay varias formas de evaluar el rendimiento y la clasificación de la actuación de los diferentes grupos varió de acuerdo con las medidas que se utilizaron, sin un grupo siendo obviamente mejor que cualquier otro. Los resultados de SpikeSorter cayeron dentro de la gama de los resultados obtenidos por los diferentes grupos.
Figura 1. La ventana de diálogo Detección de eventos. este proVides opciones para seleccionar el método de medición del ruido, para los canales de enmascaramiento, el establecimiento de los valores de umbral y métodos de aplicación de los mismos, y para la elección de métodos para evitar la duplicación de eventos. En este y otros cuadros de diálogo, información acerca de las opciones es proporcionada por los botones identificados por signos de interrogación ( "?").
Figura 2. La vista, limpio y división de diálogo. Esto proporciona opciones para ver las formas de onda de racimo, la identificación y eliminación de formas de onda periféricas, para dividir las agrupaciones en uno o más subgrupos, y para la eliminación o la formación de nuevos grupos de los subgrupos. Subclusters se identifican con los colores que se muestran. (Estos se pueden cambiar en el cuadro de diálogo Preferencias.)
Figura 3. Efecto de la alineación de eventos con una característica poco fiable. La figura muestra los datos de un solo clúster basado en canales, que se define como el conjunto de eventos cuyos voltajes de forma de onda de pico a pico fueron de mayores dimensiones en un canal particular. El panel A muestra un subconjunto de 50 formas de onda de eventos de este cluster, overplotted, en diferentes canales de los electrodos. Los números de canal se muestran en la esquina superior izquierda de cada conjunto de formas de onda. Los puntos negros junto a un número de canal indican que el canal ha sido asignado a ese grupo en particular. Los canales están dispuestos en el mismo orden espacial que tienen sobre el electrodo. ejes horizontales representan el tiempo y ejes verticales, tensión. La posición horizontal del eje vertical indica el punto de alineación, es decir, cada evento se coloca de modo que su punto de alineación coincide con el eje. La barra de escala en la parte inferior izquierda del panel A muestra 0,5 ms y 100 mV. Las líneas azules en A indican la media de cada conjunto de formas de onda (la plantilla). Canal 24 (en gris) se enmascara. Eventos están alineados con el mínimo local más negativo de la forma de onda (a través negativo) tal como se determina inmediatamente después de la detección de eventos. El panel B muestra la distribución de los 2 primeros componentes principales derivados de todos las formas de onda de la agrupación. Tres subgrupos son visibles en esta distribución. El panel C muestra el mismo conjunto de eventos después de alinear a la forma de onda de plantilla. La distribución de componentes principales (panel D) muestra ahora sólo dos subclusters (identificada en rojo). Un examen más detallado mostró que un clúster espuria en B fue causada por la alineación de un subconjunto de eventos a un segundo canal negativo (el más lento negativo después de potencial), que en algunos casos era más negativa que la primera. Algunos de estos eventos desalineados son visibles en el panel A como formas de onda cuya forma no coincide con el resto._blank "> Haga clic aquí para ver una versión más grande de esta figura.
Figura 4. El diálogo Autosort. Esto proporciona opciones de evento de detección, las opciones de agrupamiento y opciones para la fusión automatizado y la división de pares de racimo después de la etapa inicial agrupación automatizada.
Figura 5. Los pares de racimo de comparación de diálogo. Esto proporciona opciones para la elección de pares de racimo, las medidas de comparación (método de ajuste), buscando a través de listas de pares ordenados por el valor de comparación, las opciones para mostrar correlograms, mostrando parcelas de altura PP (o PC1 o PC2) en función del tiempo, y una opción para combinar pares.
> 
Figura 6. La ventana de diálogo de post-procesamiento. Esto proporciona opciones para la reubicación y / o eliminar eventos duplicados, para suprimir los sucesos posiblemente ruidosos, para reordenar los eventos no agrupados, para la eliminación de racimos con una baja relación señal ruido (SNR) y para volver a numerar (clasificación) racimos de acuerdo con diferentes criterios.
Figura 7. Pantalla de unidades ordenadas Exhibir elegidos al azar, Overplotted formas de onda de color según el número de clústeres. Para mayor claridad, sólo se muestra la forma de onda del canal central de cada grupo. Los datos (de Mitelut y Murphy, inédito) muestran los más bajos 14 canales de grabación de un electrodo de 64 canales de la corteza visual del ratón.
ad / 55217 / 55217fig8.jpg "/>
Figura 8. Ejemplo de evidencia que puede ser ejercida sobre una decisión si o no fusionar dos clusters. Los grupos de diálogo Comparar (Panel A) se utilizó para la búsqueda de pares de racimo con formas de onda similares, haciendo caso omiso de amplitud (normalizado método match punto-producto). El panel B muestra autocorrelogramas (AC) y la correlogram transversal (CC) para los dos grupos, con dos anchos de caja diferentes (0,2 y 2 ms). Estos muestran que los picos en el segundo grupo (unidad 53) tienen una muy fuerte tendencia a producirse 4 u 8 ms antes de los picos de la primera (unidad 28). Panel C muestra las formas de pico de las dos unidades y también muestra que el segundo (que se muestra en verde) tiene un pico más pequeño que el primero. Panel D muestra la distribución de PC de los dos grupos. Panel E PC1 gráficos (eje vertical) de las dos unidades de las dos unidades (rojo y verde, respectivamente) vs. </ Em> tiempo (que se muestra en minutos) durante todo el período de la grabación. Véase el texto para una descripción más detallada. Haga clic aquí para ver una versión más grande de esta figura.
Figura 9. Ejemplo de un par de clústeres donde hay mucha menos evidencia para la fusión. El panel A muestra que las autocorrelogramas (AC) y la cruz-correlogram (CC) para los dos grupos tienen diferentes formas. El panel B muestra la forma de onda de plantilla promedio y las desviaciones estándar (sombreado indica 1 unidad SD) con el fin de mostrar las diferencias en la forma de forma de onda con más claridad. Panel C muestra la distribución de PC de los dos grupos. Panel D representa gráficamente la altura de pico a pico (eje vertical, mV) de las dos unidades en función del tiempo durante THe todo el período de grabación. Véase el texto para una descripción más detallada. Haga clic aquí para ver una versión más grande de esta figura.
Figura 10. Evidencia para la fusión Sobre la base de cocción del patrón y de Componentes Principales Variación. El panel A muestra las formas de onda de los dos grupos (rojo y verde). Panel B traza PC1 (eje vertical) frente al tiempo (eje horizontal) para los dos grupos y muestra un patrón complementario de disparar con valores PC1 siendo similar en el momento de una unidad deja de disparar y las otras aperturas. Esto apoya la decisión de fusionar a pesar de la presencia de grupos distintos en las distribuciones de PC (panel C).
Subscription Required. Please recommend JoVE to your librarian.
Discussion
Formatos de archivo
formatos de archivo soportados actualmente incluyen Neuralynx (.ntt y .ncs), Plexon (.plx), Neuroscope (.xml + .dat), sistemas multicanal (.mcd), Blackrock (.nev) y Intan (.rhd). Para formatos no compatibles, hay dos opciones. Una de ellas es solicitar además del formato de archivo para una próxima versión (un enlace de correo electrónico al desarrollador está previsto en la 'Ayuda - Acerca de' diálogo). La otra es la de convertir el archivo a un formato compatible. Una opción sencilla es usar el tiempo-pico-formato '.tsf'. Este formato contiene los huesos al descubierto los datos del registro de la tensión y la ubicación de los canales más el registro de eventos y el canal de racimo y las asignaciones siguientes de clasificación. La lectura de estos archivos es a menudo más rápido que para otros formatos. Independientemente de tratar con formatos no compatibles, puede ser conveniente para guardar los datos filtrados en un archivo .tsf (este formato está incluido entre las opciones de exportación), ya que esto evitará la necesidad para la posterior fil tiempotering. Los detalles del formato de .tsf se incluyen en la documentación que viene con el programa.
Los archivos auxiliares
Dos archivos auxiliares se utilizan para almacenar los parámetros, y ss_prefs.sav ss_parameters.sav. El archivo 'ss_prefs.sav' sólo guarda los valores-elegido por el usuario que no tienen efecto directo en la clasificación y son menos propensos a necesitar cambiar, por ejemplo, tamaños de ventana y posiciones, tensión y otros valores de escala. Si ss_prefs.sav no existe, se crea cuando se pulsa el botón "Aplicar" en el diálogo correspondiente, o cuando se sale del programa. Si la opción 'parámetros' pegajosos en este archivo se establece, un archivo 'ss_parameters.sav "separado se utiliza para almacenar los valores y las opciones que afectan el resultado de la clasificación, así como muchas opciones de visualización de los parámetros seleccionables por el usuario. Este archivo se guarda o se actualicen, cuando el programa se sale a través de la normal "Archivo - Salir 'ruta (pero no cuando el programa' Primer 'Se utiliza el botón (parte superior derecha)). En ausencia de este archivo en el arranque, se utilizan los valores por defecto.
Límites de programas
El límite a la longitud de la grabación que se puede ordenar se determina por la cantidad de RAM en el equipo. Un PC con 16 GB de RAM por lo general puede manejar archivos en bruto de hasta 13 GB-14 GB de tamaño (2 GB de RAM menor que el total) si la memoria no está en uso para otros fines. Otros límites, por ejemplo, sobre el número máximo de canales, tamaños máximos de racimo, etc., pueden variar en función de la versión del programa y las ampliaciones futuras. Pueden ser vistos yendo a 'Ayuda - Sobre'.
Características adicionales
The View, de diálogo racimos limpias y de división ofrece varias opciones para la definición manual de los límites de las agrupaciones. Ellos incluyen el uso del ratón para dibujar una elipse en la ventana de visualización del ordenador, para dibujar un rectángulo en la amplitud PP (o PC1 o PC2) vs. visualización de la hora, y para dibujar discriminante ventanas de iones en la pantalla principal de la señal. Éstas se pueden utilizar para crear subgrupos (cualquier subclustering existente se sobrescribe). El diálogo debe ser salido antes que cualquiera de estos objetos se pueden extraer. Al pulsar el botón correspondiente en el cuadro de diálogo ( 'Ventanas', 'Elipse' o 'Rectángulo') crea el subgrupo.
Una estrategia de diálogo (Ordenar - Estrategia) muestra una variedad de parámetros de clasificación que son menos propensos a tener que ser cambiado, pero que pueden tener un efecto significativo en la clasificación. Estos incluyen, por ejemplo, los parámetros que determinan la asignación de canales a los clústeres y la selección de puntos de tiempo que contribuyen al cálculo de componentes principales para cualquier clúster. El cuadro de diálogo Administrar clústeres ofrece información más detallada acerca de los distintos grupos que la prevista por la vista, limpio y de diálogo racimos de división, o por el diálogo post-procesamiento. También hay más variadas opciones para borrar grupos.
ontenido "> Los canales se muestran en un orden vertical en particular, denominado el 'orden', en la ventana de visualización de la tensión. Lo ideal sería que esta orden se refleja la proximidad física de los canales, pero esto puede ser difícil de lograr dado que la disposición real es en dos dimensiones. el orden de clasificación se genera mediante el cálculo de la proyección de las posiciones de los canales en una línea con un ángulo dado con respecto al eje y. la secuencia de números de canal en la línea es el orden de clasificación. Esto se calcula automáticamente en muchos casos pero es posible generar una diferente yendo a 'Vista - adquisición de propiedades'.. también se prevé la opción de visualizar los canales en orden numérico tenga en cuenta que el orden de visualización no tiene efecto en la clasificación.otros enfoques
Existen otros paquetes de software para hacer la clasificación pico. Estos incluyen programas comerciales como sin conexión Clasificador (http://www.plexon.com/products/offline-sorter), como well como software libre como MCLUST (AD rojizo: 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) y los programas Neuroscope y Klusters (http:. // neurosuite) 16. Una comparación detallada con estos otros programas, muchos de los cuales son de uso común, está más allá del alcance del presente trabajo. Tal comparación implicaría una variedad de criterios relacionados, incluyendo la facilidad de uso, fiabilidad, soporte de formatos de archivo, diseño de interfaz gráfica de usuario, documentación, grado de automatización, la dependencia de los componentes de hardware y software, velocidad de procesamiento, capacidad de adaptación a los AMA, así como tetrodos, y, en la medida en que es posible medirlo, la clasificación de precisión. En ausencia de una comparación detallada, creemos que SpikeSorter ofrece una combinación de opciones y el apoyo a pico especieING que pueden no estar disponibles en cualquier otra clasificación de paquetes pico independientes disponibles actualmente.
Calidad de clasificación
Como se mencionó anteriormente, las medidas objetivas de los resultados que se pueden utilizar para decidir si un procedimiento u opción es mejor que otro se carece en gran medida. La dependencia de los parámetros y la necesidad de intervención del usuario frecuente también hace que sea poco probable que cualquier tipo particular nunca puede ser reproducida. Esto en sí mismo sería limitar el uso de medidas de resultado, si existieran. Para empeorar las cosas, es mucho menos seguro que precisa clasificación pico es posible ni siquiera en principio. Existen registros extracelulares junto con grabaciones intracelulares de células individuales cercanos se necesitan 17, 18 pero intracelulares grabaciones de pares vecinos de neuronas para demostrar que las señales de las células vecinas siempre se pueden distinguir. Los factores que pueden causar señales de voltaje extracelular de unaneurona determinada variable en diversos períodos de tiempo, tanto a corto como a largo, tampoco están bien entendida y en la práctica puede añadir una variabilidad sustancial (por ejemplo, las figuras 8 y 10) que complica la clasificación. Por pico de clasificación a ser un problema soluble estos cambios tienen que ser más pequeños, o de naturaleza diferente, que las diferencias más pequeñas que se pueden producir entre las células como resultado de las diferencias posicionales. Basándose en medidas numéricas de la calidad del grupo también puede ser problemático. Por ejemplo, las células pueden disparar a tasas que difieren en varios órdenes de magnitud 19, 20. La inclusión de la casi totalidad de los picos de una célula de baja cadencia entre los de una célula de alta tasa de disparo podría tener poco impacto sobre cualquier medida de la calidad del grupo, ocultando el hecho de que la calidad de la clasificación de la célula baja tasa sería pobre o no existente. En vista de estos desafíos, los métodos para evaluar la calidad de la clasificación basada en la superposición de clúster8, 21 o clasificar la estabilidad frente a la variación de los parámetros 22 puede dar una falsa sensación de seguridad. En su lugar, se sugiere que puede ser necesario aceptar que la clasificación pico se basa en la ciencia incompleta. Los clasificadores pueden tener que vivir con un sentido de la imperfección y aprender que puede ser mejor para dedicar el tiempo a formas más productivas de análisis de datos en lugar de continuamente tratando de mejorar la calidad de una especie.
Subscription Required. Please recommend JoVE to your librarian.
Materials
| Name | Company | Catalog Number | Comments |
| spikesorter.exe | N/A | http://www.swindale.ecc.ubc.ca/SpikeSorter |
References
- Buzsáki, G. Large-scale recording of neuronal ensembles. Nat. Neurosci. 7, 446-451 (2004).
- Blanche, T. J., Spacek, M. A., Hetke, J. F., Swindale, N. V. Polytrodes: High Density Silicon Electrode Arrays for Large Scale Multiunit Recording. J. Neurophys. 93, 2987-3000 (2005).
- Lewicki, M. S. A review of methods for spike sorting: the detection and classification of neuronal action potentials. Network. 9, R53-R78 (1998).
- Letelier, J. C., Weber, P. P. Spike sorting based on discrete wavelet transform coefficients. J. Neurosci. Methods. 101, 93-106 (2000).
- Quiroga, R. Q., Nadasdy, Z., Ben-Shaul, Y. Unsupervised spike detection and sorting with wavelets and superparamagnetic clustering. Neural Computation. 16, 1661-1687 (2004).
- Franke, F., Natora, M., Boucsein, C., Munk, M., Obermayer, K. An online spike detection and spike classification algorithm capable of instantaneous resolution of overlapping spikes. J. Comput. Neurosci. 29, 127-148 (2010).
- Jäckel, D., Frey, U., Fiscella, M., Franke, F., Hierlemann, A. Applicability of independent component analysis on high-density microelectrode array recordings. J. Neurophysiol. 108, 334-348 (2012).
- Rossant, C., et al. Spike sorting for large, dense electrode arrays. Nature Neuroscience. 19, 634-641 (2016).
- Vandecasteele, M., et al. Large-scale recording of neurons by movable silicon probes in behaving rodents. JoVE. (61), e3568 (2012).
- Schjetnan, A. G. P., Luczak, A. Recording large-scale neuronal ensembles with silicon probes in the anesthetized rat. JoVE. (56), e3282 (2011).
- Swindale, N. V., Spacek, M. A. Spike sorting for polytrodes: a divide and conquer approach. Frontiers in Systems Neuroscience. 8, 1-21 (2014).
- Swindale, N. V., Spacek, M. A. Spike detection methods for polytrodes and high density microelectrode arrays. J. Comput. Neurosci. 38, 249-261 (2015).
- Swindale, N. V., Spacek, M. A. Verification of multichannel electrode array integrity by use of cross-channel correlations. J. Neurosci. Meth. 263, 95-102 (2016).
- Fukunaga, K., Hostetler, L. D. The estimation of the gradient of a density function, with applications in pattern recognition. IEEE Transactions on Information Theory (IEEE). 21, 32-40 (1975).
- Mitelut, C., et al. Standardizing spike sorting: an in vitro, in silico and in vivo study to develop quantitative metrics for sorting extracellularly recorded spiking activity. Soc. Neurosci. Abstr. 598 (10), (2015).
- Hazan, L., Zugaro, M., Buzsáki, G. Klusters, NeuroScope, NDManager: A free software suite for neurophysiological data processing and visualization. J. Neurosci. Meth. 155, 207-216 (2006).
- Harris, K. D., Henze, D. A., Csicsvari, J., Hirase, H., Buzsáki, G. Accuracy of tetrode spike separation as determined by simultaneous intracellular and extracellular measurements. J. Neurophysiol. 84, 401-414 (2000).
- Anastassiou, C. A., Perin, R., Buzsáki, G., Markram, H., Koch, C. Cell-type and activity dependent extracellular correlates of intracellular spiking. J. Neurophysiol. 114, 608-623 (2015).
- Wohrer, A., Humphries, M. D., Machens, C. K. Population-wide distributions of neural activity during perceptual decision-making. Prog. Neurobiol. 103, 156-193 (2013).
- Mizuseki, K., Buzsáki, G. Preconfigured, skewed distribution of firing rates in the hippocampus and entorhinal cortex. Cell Reports. 4, 1010-1021 (2013).
- Schmitzer-Torbert, N., Jackson, J., Henze, D., Harris, K., Redish, A. D. Quantitative measures of cluster quality for use in extracellular recordings. Neuroscience. 131, 1-11 (2005).
- Barnett, A. H., Magland, J. F., Greengard, L. F. Validation of neural spike sorting algorithms without ground-truth information. J. Neurosci. Meth. 264, 65-77 (2016).
