'SpikeSorter' kullanma Elektrofizyolojik Recordings Sıralama A Görsel Kılavuzu
February 10th, 2017
Makale, çok elektrotlu dizilerle yapılan hücre dışı kayıtlardaki ani yükselmeleri algılamak ve sıralamak için SpikeSorter programının nasıl kullanılacağını gösterir.
Bu videonun genel amacı, elektrofizyologlara, mikroelektrot dizileri ile yapılan nöral dokudan hücre dışı kayıtlardaki ani artışları tespit etmek ve sıralamak için SpikeSorter programını nasıl kullanacaklarını göstermektir. Amacımız, kullanıcı dostu bir arayüze sahip bir program kullanarak bu spike sıralama görevine basit bir çözüm sağlamaktı. SpikeSorter, dosyaları çeşitli biçimlerde okuyabilir ve sıralama ve veri dışa aktarma seçeneklerine ek olarak çeşitli ön işleme ve olay algılama stratejileri sunar.
Bu tekniğin sonuçları, çok elektrotlu dizilerle hücre dışı kayıtlarla incelenen sinirsel davranışların analizine kadar uzanır. Genel olarak, bu yönteme yeni olan kişiler, görevin karmaşıklığı ve standart metodoloji ve objektif doğrulama eksikliği nedeniyle mücadele edeceklerdir. Bu yöntem için ilk olarak, 54 kanallı çoklu elektrot dizileri ile yapılan kendi kayıtlarımızı sıralama sorunuyla karşı karşıya kaldığımızda ve uygun bir çözüm bulamadığımızda aklımıza geldi.
Bu yordama başlamak için programı açın. Dosyaya gidin ve açın ve ardından ortaya çıkan açık dosya iletişim kutusunun sağ alt kısmındaki açılır listeden kayıt dosyası biçimini seçin. Ardından, dosyayı seçin ve aç'ı tıklayın.
Okuma bittiğinde Tamam'a tıklayın. Kayıt sinyalleri artık voltaj dalga formu ekranında gösterilir. Kayıt filtrelenmemişse ve yerel alan potansiyelini içeriyorsa, araç çubuğundaki filtre simgesine tıklayarak kaldırın.
Yüksek geçiren butterworth filtresini, uygun bir kesme frekansını ve kutup sayısını seçin, ardından Yap'a basın, ardından bitti'ye basın, ardından ekranda filtrelenmiş dalga biçimini inceleyin. Voltaj sinyalleri, farenin sol düğmesini basılı tutarak ve ardından sürükleyerek kontrol edilebilir. Belirli özellikleri yakınlaştırmak ve tekrar uzaklaştırmak için kaydırma tekerleğini kullanın.
Sol üst köşede karşılık gelen voltaj değerlerini görüntülemek için fareyi belirli dalga biçimi noktalarının üzerine getirin. Pencereye çift tıklamak, olay algılama ve sıralama tamamlandıktan sonra kaydın herhangi bir bölümünü hızlı bir şekilde incelemek ve kanallardaki veya kümelerdeki belirli olayları incelemek için de kullanılabilecek bir iletişim kutusu açar. Ardından, arızalı olabilecek ve maskelenmesi gereken kanalları kontrol edin.
Kanal kontrol simgesine tıklayın ve grafiği inceleyin. Uzaktaki bir kanalı maskelemek için, kanal numarasını seçin veya sorun listesinden seçin. İşiniz bittiğinde iletişim kutusunu kapatın ve maske değerlerini kaydetmek için komut isteminde evet'e tıklayın.
Voltaj göstergesinde maskelenmiş kanallar gri renkte görünür. Bu yordamda, olay algılama iletişim kutusunu açmak için işlem öncesi olay algılama'ya gidin. Belirli kanallardaki gürültü seviyesini incelemek için sağ üstteki kaydırıcıyı kullanın.
Voltaj göstergesinin dikkatli bir şekilde incelenmesi, maskelenmesi gereken sessiz veya alışılmadık derecede gürültülü kanalları da ortaya çıkarabilir. Olay algılama için değişken eşiği seçin. Önerilen eşik aralığı 4,0 ila 6,0 kat gürültüdür.
4.5'i seçin. Açılan listeden dinamik çok fazlı filtre algılama yöntemini seçin. Pencereyi, tipik bir ani yükselme dalga formunun genişliğinin kabaca yarısı genişliğinde olacak ve değerler 0,15 ila 0,5 milisaniye olacak şekilde ayarlayın.
Bundan sonra, sıralanmakta olan ani artışların tek, geçici olarak yerelleştirilmiş bir özelliğini en iyi tanımlayan seçeneği belirleyerek hizalama yöntemini seçin. Diğer seçenekleri varsayılan değerlerinde bırakın ve Başlat'a basın. İletişim kutusundan çıkmak için Bitti'ye basın.
Voltaj dalga biçimi penceresi, algılanan olayları atanmış merkez kanalında gri renkte gösterir. Olay algılama parametreleri, bu noktada görülen sonuçlara göre ayarlanabilir. Örneğin, daha fazla olay algılamak için olay algılama daha düşük bir algılama eşiğiyle yeniden çalıştırılabilir.
Bir sonraki adım normalde rutin sıralamadan önce yapılmaz, ancak ilk kez sıralama yaparken veya tanıdık olmayan verilerle karşılaştığınızda bunu yapmak yararlıdır. Sıralamaya gidin, kanalları kümelere dönüştürün, her maskelenmemiş elektrot kanalı için tek bir küme oluşturmak için, her kanalın kendisine atanmış bazı olayları olduğunu varsayarak. Başka bir iletişim kutusu açmak için kümeleri gözden geçirmeye, görüntülemeye, temizlemeye ve bölmeye giderek bu kümeleri inceleyin.
Görüntülenecek kümeyi seçmek için döndürme denetimini kullanın. İki veya daha fazla farklı alt kümesi olan bir küme seçin, ardından şablonun şekliyle daha iyi eşleştirmek için her olayın zamanını değiştirmek üzere yeniden hizala düğmesine basın. Ardından, olayları temel bileşenlerin dağılımına göre kümelemek için Otomatik Bölme'ye basın.
Ardından, alt kümelerdeki dalga formlarını incelemek için onay kutularına tıklayın. İlgili dalga formlarını incelemek için kaydırıcı kontrolünü kullanın. Bir alıştırma olarak, yeni bir küme oluşturmak ve incelemek için küçük bölme düğmelerinden birini kullanın.
Kırmızı kümenin, yeşil küme ayrıldıktan sonra iki alt kümeyi nasıl daha net bir şekilde ortaya çıkardığına dikkat edin. Sıralama bu şekilde manuel olarak devam edebilir, ancak daha hızlı olan Otomatik Sıralama prosedürünün kullanılması tercih edilir. Bitti'ye basın ve Sırala, Otomatik Sırala'ya gidin.
Burada olduğu gibi, olay algılama zaten yapılmışsa, olay algılamayı atla seçeneğini işaretli bırakın. İşaretli değilse, olay algılama, olay algılama iletişim kutusundan devralınan parametre değerleri ve seçimler kullanılarak otomatik olarak çalıştırılır. Aşağıdaki kümeleme panelinde, hizalama noktasından önce ve sonra olmak üzere ani yükseliş dalga formunun tamamını içerecek kadar büyük bir zamansal pencere seçin.
Ardından, kümeleme sırasında kullanılacak bir yeniden hizalama seçeneği belirleyin ve en düşük küme boyutunu belirleyin. Kümeleme için kullanılacak bilgisayar alanındaki boyutların sayısına karar verin ve diğer seçenekleri varsayılan ayarlarında bırakın. Bundan sonra, Otomatik Sıralamayı başlatmak için Başlat'a basın.
Otomatik sıralama tamamlandıktan sonra, manuel kılavuzlu birleştirme ve bölme aşamasına gitmek için ileri tuşuna basın, ardından başlat düğmesine basın. Yeni iletişim kutusunda, açıkça benzer veya belirgin olmayan küme çiftleri sırayla sunulacaktır. Sunulan her çift için, en iyi kararın ne olduğu konusunda net değilse, çifti farklı veya belirsiz olarak işaretlemek için çifti birleştirmeyi, birleştirmeyi ve yeniden bölmeyi seçmek için düğmeleri kullanın.
Zamana veya otomatik ve çapraz korelasyon histogramlarına karşı sivri tepe yüksekliğinin veya birinci veya ikinci ana bileşenin bir grafiğini görüntülemek için onay kutularına tıklayın. Bunlar kararlarda yardımcı olabilir. Burada, bir birleştirme kararı örneği görüyoruz.
Ardından birleştirme ve bölme kararı. Birleştirme ve bölme seçeneği net bir şekilde ayrılabilir kümeler bulamıyorsa, bir kümeleme parametresini el ile değiştirmek ve tatmin edici görünen bir bölme bulmak için istenen iletişim kutusundaki kaydırıcıyı kullanın. Bu sağlanamazsa, iki kümenin orijinal durumuna geri dönmek için geri döndür düğmesini kullanın.
Bitirdiğinizde, gösterildiği gibi split tuşuna basın. Şimdi incelemeye, işlem sonrasına gidin. Küme şablonlarıyla hatalı eşleşen kümeleri olan olayları kaldırmak için hizalama temizleme düğmesini kullanın.
Ardından, kümelenmemiş olayları eşleşme değerine göre belirli şablonlara yeniden atamak için yeniden kümeleme düğmesini kullanın. Geri kazanılan olaylar, her üst kümenin bir alt kümesi olarak işaretlenir ve görünüm, kümeleri temizleme ve bölme iletişim kutusu kullanılarak incelenebilir. Bu olaylar kümede kalır ve silinmedikleri sürece bu şekilde dışarı aktarılır.
Ardından, işlem sonrası iletişim kutusuna dönün. Sinyal-gürültü oranı seçilen eşikten daha düşük olan kümeleri silmek için sil düğmesini ve yanındaki döndürme denetimini kullanın. Ardından, kümeleri seçilen bir kritere göre yeniden numaralandırmak için sıralama düğmesini kullanın.
Bu şekil, görünüme gidilerek elde edilen ekranı, az önce sıralanan kayıt için sıralanmış dalga biçimlerini gösterir. Yaygın deneyim, aynı kanaldaki bir küme çifti için dalga biçimlerinin aynı göründüğü, ancak çiftleri karşılaştır iletişim kutusunun yine de PC projeksiyonunda farklı kümeler gösterdiğidir. Sıralamanın önceki aşamalarını takip eden birleştirme kararları bazen genlikli zaman grafikleri ve çapraz korelogramlar tarafından önerilmektedir.
Bu, burada dikey eksende gösterilen iki birimin ilk temel bileşen değerleri arasındaki net bir ilişki ile birleştiğinde, kısa zaman aralıklarında güçlü bir asimetrik, çapraz korelasyonun varlığına dayanan bir birleştirme kararını göstermektedir. Bu şekil, birleştirme için benzer kanıtların eksik olduğu bir durumu göstermektedir. Çapraz korelogram güçlü bir şekilde asimetrik değildir ve otokorelogramlar farklıdır.
Dalga biçimi şekilleri benzer olsa da, ana bileşenlerin dağılımlarındaki farklılık nedeniyle iki birim tartışmalı bir şekilde birleştirilmemelidir. Bu şekil, dalga biçimi şekillerinin benzer olduğu ve iki birimin ilk temel bileşen değerlerinin, biri ateşlemeyi durdurduğunda ve diğeri başladığında karıştığı bir durumu göstermektedir. Bu durumda, birleşme kararı basit görünüyor.
SpikeSorter'a yapılan bu kısa girişin faydalı olduğunu umuyoruz. Programı geliştirmeye devam etmeyi ve faydalı olabilecekleri yeni özellikler eklemeyi planlıyoruz. Bu amaçla, hata raporlarını, yapıcı geri bildirimleri ve iyileştirme önerilerini memnuniyetle karşılıyoruz.
View the full transcript and gain access to thousands of scientific videos
Genel Bakış
Bu makale, nöral dokudan hücre dışı kayıtlardaki spike'ları tespit etmek ve sıralamak için tasarlanmış bir program olan SpikeSorter'ın kullanımını gösterir. Kullanıcı dostu arayüz ve çeşitli ön işleme seçenekleri, spike sıralaması yöntemiyle yeni başlayanlar için erişilebilirliği artırır.
Çalışmanın Ana Bileşenleri
Bilim Alanı
- Elektrofizyoloji
- Sinirbilim
- Veri analizi
Arka Plan
- Spike sıralaması, elektrofizyologlar tarafından sıkça karşılaşılan karmaşık bir görevdir.
- Nöral aktiviteyi kaydetmek için çok elektrotlu diziler kullanılır.
- Spike sıralaması için standart metodolojiler eksiktir.
- Mevcut çözümler araştırmacıların özel ihtiyaçlarına yardımcı olmayabilir.
Çalışmanın Amacı
- Spike sıralaması için basit bir çözüm sağlamak.
- Yöntemle yeni başlayanlar için erişilebilirliği artırmak.
- Nöral davranışların analizini kolaylaştırmak.
Kullanılan Yöntemler
- SpikeSorter yazılımının kullanımı.
- Çeşitli formatlardaki dosyaların okunup işlenmesi.
- Ön işleme ve olay tespiti stratejilerinin uygulanması.
- Verilerin sıralanması ve daha ileri analiz için dışa aktarılması.
Ana Sonuçlar
- SpikeSorter, kayıtlardan spike'ları etkili bir şekilde tespit eder ve sıralar.
- Program, spike sıralama sürecini basitleştirir.
- Kullanıcılar arayüzünde kolayca gezinebilir.
- Veri dışa aktarma seçenekleri, daha ileri analiz yeteneklerini artırır.
Sonuçlar
- SpikeSorter, spike sıralamanın zorluklarına yönelik bir çözüm sunar.
- Yazılım, hem acemi hem de deneyimli araştırmacılar için yararlıdır.
- Gelişmiş veri analizi ile nöral davranışların anlaşılmasına katkıda bulunur.
Sıkça Sorulan Sorular
Executive Industry Relevance
Reliable spike sorting from multi-electrode array recordings is critical for early-stage neuroscience drug discovery, enabling accurate interpretation of neural activity and circuit function. SpikeSorter provides a standardized, user-friendly workflow for extracting quantitative neural signals, supporting robust target validation and mechanistic de-risking. This capability enhances predictive confidence at key inflection points in neuropharma R&D pipelines.
Strategic Applications in Biopharma R&D
Early Discovery & Target Validation
- Enables objective detection and sorting of extracellular voltage waveforms for functional target interrogation.
- Supports biological de-risking by providing reproducible identification of neural unit activity.
- Facilitates portfolio triage by delivering quantitative spike timing data for hypothesis testing.
Screening & Assay Development
- Prepares validated neural activity datasets for downstream screening and compound evaluation workflows.
- Standardizes event detection and clustering, improving reproducibility and assay comparability.
- Delivers exportable, quantitative spike time outputs for integration into high-content screening platforms.
Translational & Preclinical Research
- Aligns neural activity measurements with disease-relevant models when used in translational neuroscience studies.
- Maintains continuity from early discovery through preclinical validation by supporting consistent data processing.
- Reduces mechanistic ambiguity in neural circuit analysis, informing risk-adjusted advancement decisions.
Pipeline & Workflow Integration
SpikeSorter fits within the discovery-to-preclinical continuum, bridging raw electrophysiological data acquisition and quantitative analytics for lead identification and mechanistic studies.
- Discovery Biology: Provides robust hypothesis testing and pathway clarification through objective spike sorting.
- Screening: Delivers reproducible, quantitative outputs suitable for assay development and compound screening.
- Analytics: Enables statistical comparison of neural activity across experimental conditions and timepoints.
- Translational Research: Supports alignment of neural readouts with disease models when relevant.
- Enterprise Reuse: Offers a reusable, standardized workflow for neural data processing across projects.
Operational & Enterprise Impact
- Scientific Value: Increases predictive confidence and reduces mechanistic ambiguity in neural target validation.
- Operational Value: Standardizes spike sorting, improving reproducibility and scalability across studies.
- Strategic Value: Enables better go/no-go decisions and capital efficiency by providing reliable neural data.
- Portfolio Impact: Supports risk-adjusted prioritization and advancement of neuroscience assets.
Implementation Considerations
- Requires expertise in electrophysiology and neural data interpretation.
- Needs compatible multi-electrode array instrumentation and data formats.
- Demands cross-team standardization of event detection and clustering parameters.
- May require adaptation for different neural tissue types or recording conditions.
- Performance is comparable to other current algorithms but depends on data quality and parameter selection.
