Introduction
人谁使用方法比简单的线上阈值和窗口更复杂的脑记录外信号面临识别和从由电极所记录的噪声电压信号分离不同的神经元的信号的任务。这个任务就是俗称秒杀排序。穗排序的难度是由各种因素复杂。使得由附近的电极从他们记录的信号很可能是相似的，很难区分神经元可以是非常靠近在一起。由一个单一的神经元产生的信号可以在在靠近所述电极，或可能作为树突高燃烧率，不同程度的电压电导的激活期间随时间变化，因为电极，可变钠通道动力学运动也许在大脑状态的变化的结果。 （ - 100微米20）R，这些问题可以通过使用多电极阵列（MEAs）中具有许多紧密间隔来减轻 ECORDING通道，它允许从单一神经元的信号的更好的空间定义，因为它们通常在几个通道 1,2摊开。然而，这，与从沿在空间电极重叠的整个长度传播神经元信号的事实相结合，结果在其内对应于唯一的神经元集群一个潜在的非常高维空间需要确定。这个问题变得比少数电极渠道更难以计算。迄今为止，没有通常商定为尖峰分拣最好的方法，虽然许多解决方案已经提出了3，4，5，6，7，8以及从的MEA录音变得越来越普遍9屁股=“外部参照”> 10。由于穗排序本身并不是目的，而只是在进一步的数据分析的必要第一步，还需要一个容易使用的包，将原始数据记录文件中读取，并将其转换为有序穗列车用尽可能少的用户输入，并作为快速，可靠地，尽可能。
本文为使用SpikeSorter的教程 - 与满足这些需求为目的开发的程序。该方案是基于先前发表的论文11，12，13所描述的算法。在设计方案的目标是， 一个 ），它应该有一个友好的用户界面需要很少或计算机编程或穗排序方法的先验知识; B）应需要超越标准的Windows或Linux操作系统很少或根本没有其他专门的软件组件; C 四 ）排序应该最小化期间分拣需要用户输入，以及e）时间应比例以合理的方式，理想的直线，与记录持续时间和电极上的信道数。在程序中实现的算法包括：a）一组灵活的前处理和事件检测策略; b）一种自动分而降维哪个簇基于该主成分（PC）的从分配给特定的集群信道的子集得到的分布的电压波形的治策略; c）与基于均值漂移算法3,14和d快速聚类程序）部分自动配对合并和簇分裂的PC分布自动聚类，以确保每个尽可能从所有其他截然不同。要THIS，一套程序被加入，允许手动或拆分基于PC的分布，穗列车和尖峰波形的时间幅度图的交叉和自相关图检查集群合并。从四极管，四极管阵列，阵列犹他州以及单和多柄多边环境协定录音可以读取和排序。上的信道数的电流极限是256但这可能在将来被增加。
另一种跨平台的开源实现，“spyke”（http://spyke.github.io），也可用。撰稿（MS）在Python和用Cython自己人，spyke使用相同的总方针为SpikeSorter，有一些差异：减少内存需求，原始数据被加载在小块，只有当绝对必要的;簇专门显示，操作和在3D排序;和主成分和独立成分分析都被用作补充降维的方法。 Spyke需要更多用户teraction，但严重依赖键盘和鼠标快捷键和撤销/重做队列上迅速探索尖峰任何给定的子集的聚集各种因素的影响。这些因素包括秒杀频道和时间范围选择，秒杀调整，群集的尺寸和空间带宽（SIGMA）11。
以下是用于排序的算法和策略的简要说明。更完整的描述可在以前的出版物11，12，13，并在可经由帮助按钮来访问注解内SpikeSorter找到（用标识“？”）。加载原始细胞外电压文件并滤除较低的频率分量，事件检测的结果在一组事件的初始阶段，其中每一个的事件之前的时间后由一个短暂电压快照之后。如果选民骑着网站都足够密集（100微米<），单单元的信号通常出现在几个相邻通道。一个中心通道自动选择对于每个事件，对应于该事件的峰 - 峰电压为最大的信道。自动通过形成每个电极通道的单个初始簇，由该被定位于该通道的所有事件的排序开始。位于中间通道之间的单元可以产生被本地化（也许随机地）到不同的信道尖峰：从这两组尖峰的集群将被标识为类似的，并在稍后的阶段合并。在每个初始簇的事件的平均波形，然后计算。这被称为群集的模板。附属信道分配给基于该振幅和每个通道的模板波形的标准偏差每个群集。主成分值，然后计算每个基于集群ØN于所分配的信道集合的波形。用户可以选择使用主成分的维数：通常为2就足够了。然后每个簇被分成进一步集簇，并且这被重复，直到没有可以通过自动聚类进一步分裂。
在这一点上，一组初始的发言权的，从64通道电极64簇中，可以视其存在于记录单元的数目分成两个或三倍数量。但由于从单一单位不同信道的事件的变量赋值的，在这个阶段中的簇的数目是几乎肯定大于它应该是。分拣的下一阶段是通过比较对簇和合并类似成对或重新分配从一个到另一个事件来纠正oversplitting。排序的这一阶段被称为“合并和拆分”。
融合与分裂
对于N群集，存在N *（N-1）/ 2对和因此对的数目的增长为N 2，这是不希望的。然而，许多对可从比较，因为在一对的两个成员相距很远物理排除。这降低了依赖的东西，更线性关系的信道数。尽管这个快捷方式，合并和拆分阶段仍然可以非常耗时。它工作在以下方式。每个集群对要被进行比较（那些物理上接近在一起，通过在分配给每个信道组的重叠判断）被暂时合并，尽管保持尖峰的身份已知的两个成员的集群。合并后的对的主成分然后计算。在两个集群的点之间的重叠的测量，计算基于所述第一两个主成分的分布。
一路OV erlap量度计算中更详细别处11进行说明。它的值是零，如果群集完全不重叠， 即每个点的近邻是同一群集中。其值接近1，如果簇完全重叠， 即在最近邻同一集群中的存在的概率是相同的，从点的均匀混合的预测。
各种决定是由内搭重叠措施考虑在内。如果重叠大于一定值时，簇可以被合并。如果重叠很小，群集一对可被定义为不同的和单独留下。中间值，表示群集一对的不完全分离，可能预示着所述一对应该合并，然后重新分割，期望的结果是一对簇较少重叠。这些过程是：首先在自动化阶段，然后运行手动引导阶段。
帐篷“>在自动阶段，具有很高的重叠值集群对合并;然后集群对具有中间低的重叠值被合并和再分割在第二，用户引导的阶段，向用户呈现与所有的剩下的暧昧集群对（ 即那些在规定的中间范围的重叠值）的序列，并要求选择是否 ）合并对，b）合并，resplit的对，C）宣布对是不同的（这将覆盖重叠度量的意义），或d）以限定所述一对为“不明确”指示在该对峰值不太可能良好排序，还提供有多种工具，以帮助这些决定，包括汽车之间的关系 - 和交叉相关图和扣球高度和PC值的时间序列图。理想情况下，在合并和分裂阶段结束时，每个集群应当从所有其他不同，可能是因为它具有很少或没有公共信道与其他集群，或者因为重叠指数小于一个规定值。此值是用户可选择的，但通常为0.1。即通过此测试簇（单位）被定义为“稳定”，那些不（因为与一个或多个其它簇的重叠是大于阈值）被定义为“不稳定”。在实践中，大多数的单元最终被定义为“稳定”在排序的完成，留下其余要么被丢弃或作为潜在的多单元处理。
软件要求
SpikeSorter与Windows 7和Windows 10的64位版本的兼容，也成功地在Linux下使用Wine模拟器运行。数据文件被完全装入存储器（速度），因此可用的RAM需要与记录的大小按比例（允许约2 GB用于节目本身）。电生理学在尺寸上比130 GB的人的数据文件已被成功地分类保存在Windows和Linux环境。选项是通过标准的Windows菜单，工具栏和对话框访问。在菜单上的项目的布局操作的大致顺序相匹配，排序，与左边的数据输入和允许排序的数据进出口权的“导出”菜单中的“文件”菜单开始。工具栏按钮提供快捷键常用的菜单项。
通道配置文件
许多记录的数据格式不存储通道的位置。但是，知道这些是穗排序至关重要。信道也可以在通过采集软件各种方式编号：SpikeSorter要求信道按顺序编号，从信道1开始。因此，一个辅助电极配置文件必须创建，可以重新映射信道号跟随顺序规则，并卖场渠道禄ations。通道配置文件与文本的每个信道的单个行的文本文件。长文件的第一行存储文本名称，最多16个字符，标识了电极。在随后的行中的数字可以通过标签，一个逗号或空格隔开。有每行中的四个数字提供（按顺序）：该文件中的信道号，信道编号，以它是被映射（将由SpikeSorter使用即数），x和的y坐标渠道，微米。 x坐标通常被取为垂直于电极插入的方向和y相应坐标会深入到组织中。配置文件必须放置在相同的目录中记录的文件。这里面如何命名有一定的灵活性。该计划将首先搜索具有相同的名称作为原始数据文件，但有一个.CFG扩展名的文件。如果该文件我s未找到，它将搜索文件“electrode.cfg”。如果未找到反过来该文件中生成一个错误消息以指示缺少信道布局信息。
Subscription Required. Please recommend JoVE to your librarian.
Protocol
1.程序设置
- 转到http://www.swindale.ecc.ubc.ca/SpikeSorter下载程序。所提供的可执行文件复制到您选择的目录。阅读附带的文档。
注：无需正式安装或编译。 - 打开要排序的任何文件之前，请确保有足够的可用内存来容纳录制的整个过程。还要确保有效的通道配置文件，如文档中所描述的，存在于同一目录中的数据文件。
- 启动程序，然后进入“文件 - 打开”，并在所产生的打开文件对话框的右下角然后从下拉列表中录制的文件格式。选择要打开的文件，然后单击“打开”。
- 一旦阅读完成后，检查电压记录显示。在屏幕上双击（或进入“查看 - 电压实录”），弹出一个对话框，允许任何控制杆要观看的记录波形的吨。
注：其他的显示窗口双击往往会带来了相关的对话框。 - 该对话框退出后，将鼠标悬停在波形在显示屏的左上角显示特定的电压值。使用滚轮来放大屏幕的任何部分。按住鼠标左键拖动窗口的内容。
注意：此显示经常更新，以反映增加新检测到的事件，或指示，通过颜色和/或数字，集群后，他们的任务集群的手段。 - 如果记录是未经过滤，包含本地外地的潜力，通过将“前处理 - 变换/过滤器”将其删除（或单击工具栏上的过滤器图标）。选择“高通巴特沃斯滤波器”，那么一个合适的截止频率和极数，然后按下“执行它！”。一旦筛选完成后，检查在电压波形新波形窗体窗口。
注：过滤在傅立叶域中进行，是非因果，和不引入波形的相位失真。在很长一段录音，过滤可能需要几分钟。 - 其次，检查渠道可能出现故障，需要屏蔽。进入“前处理 - 通道检查”（或单击通道检查图标），然后检查出现的图形。该图显示作为空间分离5的功能在信道对之间的信号的相关性的变化。违反这种关系渠道可能无法正常工作。要查看任何这样的异常值，点击“单通道净偏差”。
- 要屏蔽一个边远的渠道要么选择通道号，或从问题列表中选择。当退出此对话框，在提示符下单击“是”保存屏蔽值。
注：此文件将具有相同的名称作为记录数据文件，但扩展.MSK。将要读取automaticall每当相同的数据文件被打开年。
- 要屏蔽一个边远的渠道要么选择通道号，或从问题列表中选择。当退出此对话框，在提示符下单击“是”保存屏蔽值。
2.事件检测
- 进入“前的过程-事件检测”，弹出事件检测对话框（ 图1）。此对话框还提供了基于其噪音水平掩蔽渠道的选择（尽管这些通常由以前的试验检测到）。例如，已被有意接地的信道可以具有非常低的噪声水平。
- 使用右上角的滑块来考察在特定的频道的噪声水平。电压显示的仔细检查可以发现需要被掩蔽无声或异常噪声信道。
- 选择事件检测阈值方法。使用该组中的帮助按钮有关选项的详细信息。 “变量”阈值，具有4.5倍的阈值- 6X噪音7，值得推荐。使用顶部的控制左选择噪声电平如何为第计算是目的。
- 然后从下拉列表中的检测方法。 “动态多相滤波器”是推荐的方法。这需要一个时间窗口的规范。设置窗口为大致一个典型尖峰的宽度的一半。很窄的值将偏差检测，以窄尖峰虽然效果不是很大。在0.15范围内的值- 0.5毫秒，推荐12。
注：显示的值是在采样间隔（往复采样频率）的整数倍。 - 选择对准方法。选择最能标识正在排序， 例如 ，一个“正峰”尖峰单，暂时局部特征的选项可能是一个糟糕的选择，如果很多尖峰有一个以上的正峰。对于许多录音，一个“负低谷”将是最好的选择。其他选项通常可以在其默认值离开了。按开始'。
注：事件可能检测TA从几秒克到几分钟，取决于记录的长度和信道的数目。 - 按“完成”退出对话框。检查的事件，以灰色显示，在电压波形的窗口。检查已检测到的样子事件的信号。
- 如果没有，可以考虑用较低的检测阈值重新运行事件检测。然而要注意的是非常低的幅度尖峰可能难以进行排序，并且大量它们可能阻碍较大振幅峰值进行排序。还检查出明显的重复或未能解决峰值附近，并相应调整时空锁定窗口参数。
注：在此阶段事件由发生和信道号的它们的时间标识。通常这是在其上尖峰的峰 - 峰振幅是最大的通道。事件最初非集群，所以每个具有零簇分配。
- 如果没有，可以考虑用较低的检测阈值重新运行事件检测。然而要注意的是非常低的幅度尖峰可能难以进行排序，并且大量它们可能阻碍较大振幅峰值进行排序。还检查出明显的重复或未能解决峰值附近，并相应调整时空锁定窗口参数。
3.排序注：不常规排序之前正常地进行下一个步骤，但它是非常有用做排序首次时，或遇到不熟悉的数据时。
- 去'排序 - 转换渠道集群“。这会为每个未屏蔽电极通道一个集群，假设每个通道都有分配给它的一些事件。通过将研究这些集群“回顾 - 查看清洁和斯普利特集群”。这带来了另一个对话框（ 图2）。使用旋转控制（左上），以选择要观看的集群。
注：固体蓝色（青色）线是集群中的所有的波形的平均值和在下文群集模板提及。集群中的事件的主成分（PC）的分布示于下面的窗口。这些往往会揭示两个或更多子群集的存在。 - 按“重新调整”按钮来改变每个事件的时间（导致在显示波形的小侧向移动），以便更好地匹配到模板的形状，这样做往往使子群集更紧凑的和不同的，有时降低了表观数目（ 图3）。
- 选择具有两个或多个不同子群集，然后按“自动分割”的集群。如果子群集是在PC显示识别的，它们将被着色。作为练习，用小'分裂'的一个按钮来创建一个新的群集和检查。排序可以手动继续这种方式，而是回去使用更快的自动排序过程。
- 去'排序 - 自动排序“（或按工具栏上的自动排序按钮），开始自动排序。所得对话框示于图4。它提出了多种选择。
- 离开“跳过事件检测”选项，如果事件检测已经完成检查。如果它没有被选中，事件检测将运行用的参数值，并从事件检测对话框继承的选择。由于事件检测已经完成，留下该选项选中。
- 在下面的“集群”面板中，选择一个时间窗口大到足以包含之前和之后的对齐点秒杀波形的全部，但没有更多。如果他们出现在干扰（或贡献不大）排序使用该窗口阻止了尖峰波形， 如长变量afterpotentials的地区。在范围±0.5毫秒是适当的通常值。像其它时间窗口，该窗口是采样点的整数倍，从而使出现的时间值是采样间隔的倍数。
- 接下来，选择聚类期间要使用的调整选项。这将利用模板波形的和工作的详细鲁棒比事件检测的初始情况下的标准已被应用到相对嘈杂的各个S派克波形。推荐的选项是“峰值加权齿轮”，而是“负低谷”可能会更好，如果是这样的尖峰波形的一贯特点。
- 选择的最小群集大小。具有小于该数字的尖峰的集群将被删除，从而防止分选过程中大量的小，可能是伪，簇的积累。
- 决定在PC空间尺寸，这将被用于聚类的数目。二是一般足够的，但稍微好一点的结果可能与3获得，尽管有更长的时间进行排序。
- 在保留其默认设置其他选项。使用帮助按钮来获得的各种选项更详细的解释。
- 按“开始”开始自动排序。如步骤3.1中所示首先形成基于信道群集。这些现在处理反过来，通过拆分关闭单个子群集，一次成型的新集群。每当一个新的集群SP点燃时，PC值重新计算并显示出来。这样继续下去，直到没有单独的集群可以进一步分裂。
- 按照显示器，其中红色表示将从父群被剥离的子集群的提示。
注：有时最终的集群是红与不形成明显的子集群无色异常值。这些异常值通常会被删除。在此过程中的簇的数目逐渐增大。当它完成后，集群重叠指数计算每一个符合条件的集群对。有很大的重叠值对的自动合并，而具有中间重合值（默认范围是0.1〜0.5）对合并后resplit。中间值表明，有两个不同的簇，但有些点misassigned。在这一阶段的簇的数目通常降低，并且稳定的簇的数目增加而增加。
4.自定义
- 如果（在接下来的步骤或可能）使用的程序的第一次，自主的窗口大小和位置。转到“文件 - 首选项”。通过从下拉列表中选择的窗口类型和调整大小，以适应屏幕选择用于各个窗口尺寸。退出对话框，并定位窗口，使屏幕的最佳使用。
- 从该对话框中，选择最适合的记录电极上的通道和尖峰的布局和间距缩放值。有一个自动缩放选项，但这可能并不总是选择最佳值。关闭它，如果它没有。
- 检查粘滞参数选项：如果选择了该选项，在排序参数值（ 例如在事件检测使用）的变化将被保存，继承下一个程序启动时间。这可以是有用的，但还需要的参数值进行检查，以确保他们没有被不小心或改变各种选项进行了探讨，结果阅读在不同的工作文件。改变分簇色彩的选择也可以。
- 运动保健改变处理器的线程数。最佳数目通常为1比身体（未虚拟）的CPU内核的数量较少。增加线程的数量可以不加快处理速度，甚至可能导致一个严重的减速。
5.合并和拆分
- 自动排序完成后，按“下一步”进入手动引导合并和拆分阶段。产生的对话框显示，在左下角，待检查其余需要暧昧簇对的数目以及稳定簇的数目。
- 按“开始”。另一个对话框出现一起与第一线对要被检查。
- 选择是否合并在一对，resplit它（导致较低的重叠值），来标记对作为“独立的”，意思是该重叠索引的值将被忽略，邻R以标记对作为“含糊”，这意味着它被认为是不确定的尖峰是否从相同或不同的单元。
- 点击复选框中显示的尖峰参数（峰-峰值的主成分的（PP）的高度，或所述第一（PC1）或第二（PC2）） 与时间的关系 ，和/或自动和交叉的曲线图相关柱状图。
注：聚丙烯高度对时间的显示通常是在决定是否合并两个簇非常有用的。如果尖峰在一个单元的高度平滑地融合到那些在其他的一个单元停止点火，另一个开始它比不更可能是它们是相同的单元和应该合并在同一时间。交叉相关图可以在两个集群透露秒杀时间之间有很强的时间关系。如果交叉相关图具有一个很短的时间间隔一个强有力的，非对称的峰（ 例如约5 - 10毫秒），尤其是如果所述第二尖峰比冷杉小t时，两个单元是最有可能的是烧结尖峰对，其中第二比第一，因为钠离子通道适配的小的单个单元。 - 在合并的决定是不容易的情况下，标记对作为“模棱两可”，并在随后的分析相应地对待集群。
- 点击复选框中显示的尖峰参数（峰-峰值的主成分的（PP）的高度，或所述第一（PC1）或第二（PC2）） 与时间的关系 ，和/或自动和交叉的曲线图相关柱状图。
- 如果合并和拆分选项是无法找到明确可分离集群，在弹出的对话框中使用滑块来手动相差集群参数（空间带宽，SIGMA），同一套合并按钮组合到一起，找到一个分割看起来令人满意。使用“恢复”按钮，返回到两个集群的原始状态。按“如图所示分割”来完成。注意两个以上的集群可以用这种方法制备。
- 这个过程继续，直到有没有更多的对检查。绝大多数集群现在应该被列为“稳定”。
- 如果某些集群对有很低重叠指数，让他们被引导合并忽略（但仍有证据表明它们合并），进入“回顾 - 比较集群对”菜单选项（或单击工具栏中的相关图标），打开对话框如图5所示。使用旋转控制在对话框的顶部，选择任意一对集群进行比较。
注：由于与引导合并和分割，对被投入的排序列表，但在这种情况下，比较标准附加到群集重叠索引可用。- 从下拉列表中的“归一化积”选项。此计算模板值之间的相关性。它是不敏感的乘法缩放变化和非常适合于挑选出那些峰到峰的高度变异性的人为结果簇对。
- 按在对话框中间的“最相似”按钮，显示最相似的对。使用horizonta按钮下面升旋转控制前进或后退通过列表。使用此相关的显示和聚丙烯高度与时间显示，使合并的决定，只作为用户引导合并和拆分。注意，该列表的每个合并操作之后重新计算。这种比较阶段是开放式的，并且它是由用户来决定如何广泛搜索赞成合并的证据。
6.审查 - 后处理
- 现在去“回顾 - 后处理”（或单击相应的工具栏图标）。这个对话框（ 图6）提供的选项中添加或删除群集事件，以及删除与低于阈值信号噪声比（SNR）整个集群的选项。重复事件（在集群中的同时发生的事件）可以通过对准误差排序期间创建。那些很长的路要走从原来的位置删除事件可以sometimES是搬迁;它们也可以被重新安置时不起作用除去。
- 使用对齐清洗按钮从那些不好的匹配模板集群删除的事件。使用“重新群集”按钮做反向， 即重新分配是一个很好的匹配特定模板非集群事件。回收的事件被标记为每个父母群集的子集群，可以使用“查看，清洁和分体式集群”对话框中进行检查。这些活动将继续在集群中（和导出这样），除非它们被删除（用小“删除”按钮，第一个子集群）。返回到后处理对话框中，使用其旁边的“删除”按钮和旋转控制用的SNR小于选择的阈值来删除簇。
- 尽管簇编号从1连续到N，其中N是集群总数，集群中的分选的末端的实际编号方式是靠近一个rbitrary。使用“排序”按钮，根据所选择的标准来重新编号簇， 例如在电极上的垂直位置，或信道编号。需要注意的是，随着重复事件的缺失外，目前还没有客观证据来支持在该对话框中选择特定的作为是比别人做得更好。
- 在过程中的排序的手动过程的任何阶段，可以保存它包含当前参数值，排序选项，事件时间，簇的属性和消息记录文件。通过将创建该文件的“文件 - 保存工作文件”。给文件，这显然是相关的数据文件，然后按“保存”的名字。恢复通过首先打开原始记录文件，接着通过高通滤波（如果最初进行）在稍后的时间排序。然后，打开保存工作文件。然后程序会在相同的一个是，当保存工作文件中的状态。这项工作文件也是一个重的排序是怎么做线 - 使用的参数和排序过程中发出的消息的。
- 最后，出口聚集事件。去'出口 - 排序秒杀文件“（或点击相关按钮的工具栏）。选择从下拉列表'.csv文件“（逗号分隔变量），然后单击”另存为“。选择将包含在排序单位导出CSV数据文件的名称。
注：本文本文件将具有用于容纳每个事件的单个线，为了，事件的时间（以秒到最接近的10微秒），群集数（从1向上），并且被分配信道的数量到该事件。请注意，分配渠道可能不是在集群中的所有事件一样，如果事件是不是在某个特定通道始终较大。
Subscription Required. Please recommend JoVE to your librarian.
Representative Results
图7示出了显示（前往“查看-排序波形的获得）为典型的排序记录。默认视图选项只是显示对每个簇的中心信道的波形。一个常见的经验是，对在相同的信道群集一对波形看起来是相同的，但是当“比较成对'用来对话检查两个簇有在PC投影不同的聚类，最常从相邻通道波形的差异导致。这是事实，例如，在图7上的信道62中的波形。
如上所述，这是不难发现，其中合并的决定必须基于幅地块的时间和交叉相关图集群对。 图8示出了基于在对交叉相关图部分合流决定的一个例子。一个非常强大的，asymmetric。在很短的时间间隔（ 图8B）加上在峰-峰高度的装置和类似的放电模式（ 图8E）的差互相关有力地表明，尖峰来自同一神经元。 图9示出相同类型的证据合并缺乏的地方的情况。这里，交叉相关图是弱不强不对称。此外，两个集群的autocorrelograms的形状是不同的（ 图9A）。可以说，这两个单元不应该因为在主成分（ 图9C）的分布的额外明显的差别的合并。 图10示出的两个单元的聚丙烯的高度，同时它们中的一个停止点火，而另一个简历混合在一起的情况。在这种情况下合并的决定似乎是正确的，但我们不能排除单位协调它们的放电模式的可能性复杂的方式，并在高度的相似是偶然的。
这些例子说明在提供关于如何使合并的决定坚定的指导的难度。这是由普遍缺乏评估穗排序的整体素质和参数变化的影响客观指标雪上加霜。这是因为缺乏地面真实信息，这些信息，穗排序，将包括来自每个神经元，这是足够接近记录电极来产生可检测外信号细胞内记录（或同等学历）的。尽管有此限制，也有地面实况数据的代理人，这是不是不合理的假设，在排序策略，导致在替代数据更好的性能变化将导致真实的数据更好的性能。该代理人包括其中尖峰MEA实时记录数据，从记录采取加回recordi在不同的信道，其中它们不能与原始尖峰混淆已知倍纳克。这样的测试形成由G.Buzsáki和T.哈里斯组织的秒杀分拣竞争的基础来自于自由活动大鼠丘脑及海马的录音生成2013年替代数据在珍妮莉娅法姆举行（A. Peyrache，A. Berenyi和G.Buzsáki，未发表的数据）。通过从记录在一个柄单位服用尖峰和它们添加到记录在另一柄从而确保与背景活性和脑指出穗列车的关系被保存生成对其中有“地面实况”尖峰信号。录音除了增加地面实测穗列车包含实际的扣球活动。对于SpikeSorter假阳性率分别为0.26％和两种不同的测试集0.01％，而相应的假阴性率分别为2.1％和0.37％（A. Peyrache，个人通信）。这些比率Ť间他最好的比赛，但更重要的是它们是低，可能对大多数类型的神经生理学分析可以接受的。另一种方法是利用神经元网络的非常详细的大规模生物物理模拟，以产生从规定的MEA的设计模拟细胞外记录。目前正在对MEA排序方法研究人员被邀请到这种性质15的模拟测试进行排序。五种不同的排序算法进行了比较。有评估排序性能和不同组的根据该措施改变的性能的各种方法中使用的，没有一个组是明显比任何其他更好。 SpikeSorter的业绩下降了各组获得的结果的范围内。
图 1. 事件检测对话框。这种亲志愿组织的选项，用于选择噪声测量的方法中，为掩蔽通道，设置阈值并应用它们的方法，以及用于选择用于避免事件复制方法。在这个和其他的对话框中，对选择的信息是由问号确定按钮（“？”）提供。
图 2. 查看，清洁和斯普利特对话框。这提供了用于查看群集波形，识别和删除外围波形，分裂簇成一个或多个子群集，和用于删除或形成从子群集新簇的选择。子群集被显示的颜色确定的。 （这些可以在首选项对话框中进行更改。）
图3。 对齐活动到不可靠特性的影响。该图示出从单个基于信道的簇数据，定义为一组，其峰 - 峰值波形的电压分别为最大在特定频道上的事件。 图A显示了50事件波形从这个集群中，overplotted，在不同的电极频道的子集。信道编号示于每组波形的左上角。旁边的一个信道号的黑点表示该信道已被分配给该特定群集。通道在相同的空间以使它们具有在电极上的布局。水平轴显示时间和垂直轴，电压。垂直轴的水平位置表示对准点， 即每个事件被定位成它的对准点与轴线重合。在左侧面板中的底部的比例尺显示0.5毫秒和100μV。蓝线一表示每组波形（模板）的平均值。通道24（灰色）被屏蔽。事件被对准到最负局部最小值的波形（负波谷）的作为立即确定事件检测以下。 面板B显示了从集群中的所有的波形导出的第一2主成分的分布。三子群集在此分布可见。 面板C显示了它们对准模板波形后的同一组事件。主成分分布（ 图D）现在显示只有两个子集群（一个在红色标识）。进一步检查表明，在B中的杂散簇由事件的子集的取向造成的第二负槽（后电位较慢负），这在某些情况下是比第一个更负。有些错位事件都在面板中的可见的波形的形状，其余不匹配。_blank“>请点击此处查看该图的放大版本。
图 4. 自动排序对话框。这提供了在初始自动聚类阶段事件检测选项，集群选项和自动合并和集群对分裂的选项。
图 5. 比较群集对对话框。这提供选项选择集群对，比较措施（Match方法），通过比较值有序对列表中进行搜索，显示相关图，显示地块PP高度（或PC1或PC2） 与时间，以及一个选项，选项合并对。
> 
图6 后处理对话。这提供了重新定位和/或删除重复事件，删除可能嘈杂的事件，为重新建非集群事件，删除群集具有低信噪比（SNR）和对根据不同的标准重编（排序）群集的选项。
图7.排序单位显示出随机选择的，Overplotted波形彩色根据簇号。为了清楚起见，只有每个簇的中心信道的波形被示出。数据（来自Mitelut和墨菲，未发表）表明小鼠视觉皮层64电极记录下14个频道。
广告/ 55217 / 55217fig8.jpg“/>
图8. 证据表明，可以拿来承担对决定是否或不合并两个集群的例子。比较集群对话框（ 图A）来搜索具有相似的波形形状集群对，忽略幅度（归一化点积匹配方法）。 面板B显示autocorrelograms（AC）和交叉相关图（CC），用于两个集群，用两种不同的槽宽度（0.2和2毫秒）。这表明，第二个集群（单元53）的峰值有非常强的第一个（单元28）尖峰之前发生4或8毫秒的倾向。 面板C显示了两个单元的尖峰形状和还示出了第二（以绿色显示）具有比所述第一小尖峰。 面板D显示了两个集群的计算机分布。 面板E中的两个单元的两个单元的图形PC1（纵轴）（分别为红色和绿色） 与</ em>的时间（以分钟表示）中记录的整个期间。有关进一步的说明文字。 请点击此处查看该图的放大版本。
图9. 集群对的例子在对于合并少得多的证据。面板A显示了对于两个集群的autocorrelograms（AC）和交叉相关图（CC），具有不同的形状。 面板B显示了，以便更清楚地显示在波形形状的差异平均模板波形和标准偏差（阴影表示1个SD单位）。 面板C显示了两个集群的计算机分布。 图D图表日在两个单位对时间的峰-峰的高度（纵轴，μV）Ë记录的整个时期。有关进一步的说明文字。 请点击此处查看该图的放大版本。
图10.证据基于射击模式和主成分变异合并。 面板A显示了两个集群（红色和绿色）的波形。 图B绘制了两个集群PC1（纵轴）与时间（横轴）和显示与PC1值是在时间相似烧制的互补图案一个单元停止击发和其它启动。这支持的决定，尽管不同簇在PC分布（ 图C）的存在下进行合并。
Subscription Required. Please recommend JoVE to your librarian.
Discussion
文件格式
目前支持的文件格式包括Neuralynx（.ntt和.ncs），Plexon公司（.PLX），Neuroscope（+的.xml .DAT），多通道系统（.mcd），黑石（.nev）和安顺（.rhd）。对于不支持的格式，有两种选择。一是申请加入文件格式为即将到来的释放（电子邮件连结到开发人员在提供“帮助 - 关于”对话框）。另一种是将文件转换为支持的格式。一个简单的选择是使用时间秒杀格式“.tsf”。这梗概格式包含以下排序电压记录和通道位置数据以及事件的记录和通道和集群分配。阅读这些文件往往比其他格式快。独立地处理不支持的格式可能是方便保存滤波的数据在一个.tsf文件（该格式包括在导出的选项中），因为这将避免后续费时FIL需要脱落。在.tsf格式的详细信息包含了自带的程序的文件中。
辅助文件
两个辅助文件用于存储参数，ss_prefs.sav和ss_parameters.sav。文件'ss_prefs.sav'保存那些对排序没有直接的影响，而且不太可能需要仅改变用户选择的值， 例如，窗口大小和位置，电压和其它缩放值。如果ss_prefs.sav不存在，相关的对话框中的“应用”按钮被按下时，它被创建，或当程序退出。如果'粘性参数“在此文件选项设置，一个独立的文件'ss_parameters.sav'被用于存储用户选择的参数值和影响排序以及许多显示选项的结果的选项。这个文件被保存，或更新，当程序经由正常的“文件-退出”退出路线（但不是当节目“关闭”按钮（右上）被使用）。如果没有在启动时此文件，则使用默认值。
计划限制
到可排序的记录的长度的限制是由RAM的计算机上的量来确定。具有16 GB RAM的PC一般可处理高达13 GB-14 GB的原始文件的大小（2 GB小于总RAM）内存空间是否使用了其他用途。其他限制， 例如关于信道的最大数，最大簇尺寸等可与程序版本和将来升级而变化。他们可以通过访问“ - 关于帮助”进行查看。
附加功能
看来，清洁和分体式集群对话框提供了集群边界的手工定义的几个选项。它们包括使用鼠标绘制在PC显示窗口椭圆形，绘制在PP振幅对时间显示的矩形（或PC1或PC2），并绘制discriminat离子窗主波形显示。这些可以各自被用于创建子聚类（任何现有subclustering将被覆盖）。需要的对话框任何这些对象可以得出之前退出。按对话框上的相关按钮（“窗口”，“椭圆”或“矩形”）创建子集群。
一项战略对话（排序 - 战略）显示各种排序是不太可能需要改变，但其参数可以对分选显著的效果。这些包括，例如，确定信道的到集群的分配和有助于主成分为任何簇的计算的时间点的选择参数。管理集群对话框提供有关各个集群比被查看，清洁和分体式集群对话，或通过后处理对话框中提供更详细的信息。也有删除集群更多样化的选择。
内容】“>频道都显示在一个特定的垂直秩序，被称为'排序'，在电压显示窗口。理论上讲，该订单将反映渠道的物理接近，但是这可能是很难实现考虑到实际的布局是两个维度，是通过计算通道位置投射到给定相对Y A角的直线产生的排序顺序-轴，通道号就行的顺序排序。这在许多情况下，自动计算但它有可能产生转到“查看 - 收购物业'一个不同的。还提供了显示数字顺序通道的选项注意，显示的顺序对排序没有影响。其他途径
存在这样做穗分拣其它软件包。这些包括商业计划，如离线分拣机（http://www.plexon.com/products/offline-sorter），如逢l由于自由软件如MClust（AD瑞迪施：http://redishlab.neuroscience.umn.edu/MClust/MClust.html），Klustakwik（KD哈里斯：https://sourceforge.net/projects/klustakwik/），Wave_clus （RQ基罗加：http://www2.le.ac.uk/departments/engineering/research/bioengineering/neuroengineering-lab/spike-sorting）和方案Neuroscope和Klusters（HTTP：// neurosuite）16。这些其他方案，其中有许多是普遍使用的详细比较，是超出了本文的范围。这样的比较将涉及各种相关的标准，包括易用性，可靠性，文件格式的支持，GUI设计，文档，自动化程度，对硬件和软件组件的依赖，处理速度快，适应性多边环境协定，以及四极管，而且，的范围内，它是可以测量它，分选精度。在没有一个详细的比较，我们认为SpikeSorter提供了秒杀之类的选项的组合和支持荷兰国际集团可能不会在其他任何现有的独立秒杀分拣包装可用。
质量排序
如上所述，可以使用的目标结果的措施，以决定一个过程或选择是否比另一个好很大程度上缺乏。关于参数和需要频繁的用户输入的依赖也使得它不可能的，任何特定种类都不能被再现。这本身就限制使用的结果的措施，如果它们的存在。更糟糕的是，这是远远不能肯定准确秒杀排序是可能的，即使在原则。加上附近的单细胞的细胞内记录外记录存在从相邻成对的神经元的17日 ，18岁，但细胞内记录所需要证明来自相邻小区的信号总是可以被区分。可以导致从一个外电压信号的因素给定神经跨越的时间段而变化，短以及长，也不能很好地理解和实践中可以添加大量的变异性（ 例如 ， 图8和10），该变得较为复杂排序。为尖峰排序是可解的问题，这些变化都较小，或性质不同，比能够作为位置差的结果的细胞之间发生的最小的差异。依托集群质量的数值指标也可能存在问题。例如，细胞可以发射在通过级19，20的订单的不同速率。的几乎所有的尖峰从那些具有高发射率的细胞之中的低燃烧速率细胞包含可能对任何群集质量测量的影响不大，隐藏的事实，即低速率细胞的分选的质量将是差的或非存在。鉴于这些挑战，以评估质量的方法排序基于聚类重叠8，21或参数变化22的脸上排序稳定性可能造成安全的假象。相反，我们认为可能有必要接受秒杀排序是基于不完整的科学。分拣机可能不得不忍受不完美的感觉，学习，它可能是更好地投入时间更高效的数据分析的形式，而不是不断地努力改善排序的质量。
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).
