מדריך חזותי כדי מיון הקלטות אלקטרו שימוש 'SpikeSorter'
Summary
The article shows how to use the program SpikeSorter to detect and sort spikes in extracellular recordings made with multi-electrode arrays.
Abstract
Few stand-alone software applications are available for sorting spikes from recordings made with multi-electrode arrays. Ideally, an application should be user friendly with a graphical user interface, able to read data files in a variety of formats, and provide users with a flexible set of tools giving them the ability to detect and sort extracellular voltage waveforms from different units with some degree of reliability. Previously published spike sorting methods are now available in a software program, SpikeSorter, intended to provide electrophysiologists with a complete set of tools for sorting, starting from raw recorded data file and ending with the export of sorted spikes times. Procedures are automated to the extent this is currently possible. The article explains and illustrates the use of the program. A representative data file is opened, extracellular traces are filtered, events are detected and then clustered. A number of problems that commonly occur during sorting are illustrated, including the artefactual over-splitting of units due to the tendency of some units to fire spikes in pairs where the second spike is significantly smaller than the first, and over-splitting caused by slow variation in spike height over time encountered in some units. The accuracy of SpikeSorter’s performance has been tested with surrogate ground truth data and found to be comparable to that of other algorithms in current development.
Introduction
מי שמקליט אותות תאיים מהמוח בשיטות מתוחכמות יותר מאשר thresholding on-line פשוט חלונאית עומדת בפני המשימה של זיהוי והפרדת האותות מתא עצב שונה אותות מתח הרועשים שרשם האלקטרודה. משימה זו היא הידוע בכינויו מיון ספייק. הקושי של מיון ספייק הוא מורכב על ידי גורמים שונים. נוירונים יכול להיות קרוב מאוד זה לזה, כך האותות רשמו מהם באלקטרודה סמוך צפויים להיות דומה וקשה להבחין. האותות המיוצר על ידי תא עצב בודד עשויים להשתנות לאורך זמן, אולי בגלל תנועות של האלקטרודה, קינטיקה ערוץ נתרן משתנית בתקופות של קצב ירי גבוה, מעלות משתנות של הפעלת conductances המתח דנדריטים שקרובי האלקטרודה, או אולי כמו כתוצאה משינויים במצב המוח. בעיות אלה יכולים להיות מופחתות על ידי שימוש במערכי אלקטרודה רבה (MEAs) עם רבים צפופים (20 – 100 מיקרומטר) r ecording ערוצים המאפשרים הגדרת מרחבית טובה יותר של אותות מנוירונים יחידים מאז הוא בדרך כלל פרושים על פני מספר ערוצים 1, 2. עם זאת, זה, בשילוב עם העובדה כי האותות מנוירונים להתפשט לאורך כל האורך של חפיפת אלקטרודה בחלל, תוצאות במרחב פוטנציאל מאוד גבוה ממדי שבתוכה אשכולות מתאימים נוירונים ייחודיים צריכות להיות מזוהות. בעיה זו הופכת סוררת מחשוב עבור יותר ממספר קטן של ערוצים האלקטרודה. נכון להיום, אין מוסכם בדרך כלל השיטה הטובה ביותר עבור מיון ספייק, אם כי פתרונות רבים הוצעו 3, 4, 5, 6, 7, 8 והקלטות מ MEAs הופכות נפוצות יותר ויותר 9,התחת = "Xref"> 10. מכיוון מיון ספייק הוא לא מטרה בפני עוצמה, אבל הוא פשוט צעד מקדים הכרחי לפני ניתוח נתונים נוסף, יש צורך חבילת שמיש בקלות כי יקרא קבצי נתוני הקלטה גלם ולהמיר אותם רכבות ספייק מיון עם משתמשים קטנים כמו קלט, וכפי מהירה ומהימנה, ככל האפשר.
מאמר זה מספק הדרכה לשימוש SpikeSorter – תוכנית שפותחה במטרה לספק את הצרכים הללו. התכנית מבוססת על אלגוריתמים המתואר מאמרים שפורסמו בעבר 11, 12, 13. המטרות בעיצוב התוכנית היו כי א) זה צריך להיות בעל ממשק ידידותי למשתמש הדורשים מעט או ללא ידע מוקדם בתכנות מחשב או של ספייק מיון מתודולוגיה; ב) כמה, אם בכלל, רכיבי תוכנה מיוחדים נוספים מעבר Windows או לינוקס סטנדרטי מערכות הפעלה יש צורך; ג </em>) מגוון רחב של תבניות נתוני הקלטה עבור לייבא ולייצא נתונים צריך להיות נתמך; ד) את צורך קלט משתמש במהלך מיון צריך להיות ממוזער, ודואר) מיון פעמים צריכות סולם בצורה סבירה, באופן אידיאלי באופן ליניארי, עם משך ההקלטה ומספר הערוצים על האלקטרודה. האלגוריתמים מיושמים בתכנית כוללים) סט גמיש של אסטרטגיות איתור מראש עיבוד אירוע; ב) יוצרת קרע אוטומטי ואסטרטגית כיבוש של הפחתת ממד אשר אשכולות גל מתח מבוססים על המרכיבים העיקריים (PC) הפצות המתקבלות תת ערוצים שהוקצו אשכולות ספציפיים; ג) אשכולות אוטומטיים של הפצות PC עם הליך אשכולות מהיר המבוסס על אלגוריתם המשמרת הממוצעת 3, 14, ו- D) התמזגות pairwise אוטומטית חלקי ופיצול אשכולות כדי להבטיח שלכל הוא להבדיל ככל האפשר מכל האחרים. כדי תיהים, סט של נהלים נוסף המאפשר פיצול ידני או מיזוג של אשכולות מבוססים על בדיקה של הפצות PC ברגליים לרכב correlograms של רכבות ספייק ומגרשים משרעת-פעמיים של גל ספייק. הקלטות של tetrodes, מערכי tetrode, מערכי יוטה וכן MEAs יחיד ורב-שוק ניתן לקרוא מסודרות. המגבלה הנוכחית על מספר הערוצים היא 256 אבל זה יכול להיות מוגבר בעתיד.
עוד יישום בפלטפורמות קוד פתוח, "spyke" (http://spyke.github.io), הוא גם זמין. נכתב על ידי אחד מאיתנו (MS) ב Python ו- Cython, spyke משתמשת באותה גישה הכוללת כפי SpikeSorter, עם כמה הבדלים: כדי לצמצם את דרישות הזיכרון, הנתונים הגולמיים טעון קוביות קטנות, ורק כשלא היתה ברירה; אשכולות מוצגים באופן בלעדי, מניפולציות, מסודרים ב -3 D; ורכיב קרן ניתוח מרכיבים עצמאי הוא משמשים שיטות הפחתת ממד משלימים. Spyke דורש יותר למשתמשteraction, אבל מסתמך במידה רבה על במקשי קיצור למקלדת ולעכבר ואת תור לבטל / לעשות שוב כדי לחקור את ההשפעות של גורמים שונים במהירות על האשכולות של כל תת-קבוצה של קוצים נתונים. גורמים אלה כוללים ערוץ ספייק ובחירת טווח הזמן, יישור ספייק, מידות אשכולות ורוחב הפס מרחבית (סיגמא) 11.
להלן תיאור קצר של אלגוריתמים ואסטרטגיות המשמש למיון. עוד תיאורים שלמים ניתן למצוא בפרסומים קודמים 11, 12, 13 ו בהערות כי ניתן לגשת דרך כפתורי עזרה (מזוהים עם "?") בתוך SpikeSorter. לאחר טעינת קובץ מתח תאי גלם וסינון את רכיבי תדר הנמוכים, שלב ראשוני של תוצאות זיהוי אירוע סדרה של אירועים, שכל אחד מהם מורכב תמונת מצב מתח קצרה לפני ואחרי זמן אירוע. אם הנבחראתרי רכבו מספיק הם צפופים (<100 מיקרומטר), אותות יחידים אחת יופיעו בדרך כלל על כמה ערוצים שכנים. ערוץ מרכזי נבחר באופן אוטומטי עבור כל אירוע, התואם את האפיק שבו שיא-לשיא המתח של האירוע הוא גדול ביותר. אוטומטיות מיון מתחיל על ידי יצירת אשכול ראשוני יחיד עבור כל ערוץ אלקטרודה, מורכב כל האירועים היו נקודות על אותו הערוץ. יחידה ממוקמת באמצע הדרך בין הערוצים עשויה להצמיח קוצים כי הם נקודות (אולי באופן אקראי) לערוצים שונים: האשכולות מ אלו שתי קבוצות של קוצים יזוהו דומה והתמזגו בשלב מאוחר יותר. צורת הגל הממוצעת של אירועים בכל אשכול ראשוני לאחר מכן מחושב. זה המכונה תבנית האשכול. ערוצי הבת מוקצים כל אשכול מבוסס על אמפליטודות וסטיית התקן של גל תבנית על כל ערוץ. ערכי רכיב עיקריים אז מחושבים עבור כל אשכול מבוסס on את הגל על הסט של ערוצי המוקצה. המשתמש יכול לבחור מספר הממדים מרכיבים עיקריים להשתמש: בדרך כלל 2 מספיקים. אשכול כל כך התפצל סט נוסף של אשכולות, וזה חוזר על עצמו עד שאף ניתן לפצל עוד יותר על ידי יצירת אשכולות אוטומטיים.
בשלב זה, קבוצה ראשונית של נגיד, 64 אשכולות מ אלקטרודה 64 ערוצים, ניתן לפצל לשתיים או שלוש פעמים את המספר הזה, תלוי במספר היחידות נכחו בהקלטה. אבל בגלל המשימה משתנית של אירועים מיחידות יחידות לערוצים שונים, מספר אשכולות מצאו בשלב זה הוא קרוב לוודאי יותר גדול ממה שהוא צריך להיות. השלב הבא של מיון הוא לתקן את oversplitting ידי השוואת זוגות של אשכולות ומיזוג זוגות דומים או reassigning אירועים מאחד לשני. שלב המיון זה המכונה 'למזג ולפצל'.
איחוד ופיצול
עבור N אשכולות, ישנם N * (N -1) / 2 זוגות ומכאן מספר הזוגות גדל ככל N 2, אשר אינו רצויה. עם זאת, ניתן לשלול זוגות רבים מן ההשוואה כי שני בני הזוג הם למרחק פיזי ביניהם. פעולה זו מפחיתה את התלות למשהו קשורה יותר באופן ליניארי את מספר הערוצים. למרות קיצור הדרך, את המיזוג ושלב פיצול עדיין יכולים להיות זמן רב למדי. זה עובד באופן הבא. כל זוג אשכול כי הוא להיות לעומת (אלה הנמצאים פיסיים קרובים זה לזה, כפי שניתן לראות ע"י חפיפת ערכות הערוץ המוקצה לכל) הוא זמני ממוזג, אם כי שמירה על זהותם של ספייקים בשני אשכולות החבר הידועים. מרכיביה העיקריים של הזוג הממוזג מחושבים אז. מדד של החפיפה בין הנקודות בשני האשכולות מחושב על בסיס חלוקת שני המרכיבים העיקריים הראשונים.
האופן שבו ov מדד erlap מחושב מתואר בפירוט רב יותר במקום אחר 11. הערך שלה הוא אפס אם האשכולות אינם חופפים בכלל, כלומר השכן הקרוב ביותר של כל נקודה נמצא באותו האשכול. הערך שלה הוא קרוב ל -1 אם האשכולות חופפים לחלוטין, כלומר ההסתברות של השכן הקרוב ביותר להיות באותו האשכול היא זהה לזה חזוי מתוך ערבוב אחיד של נקודות.
החלטות שונות עשויות אשר לוקחים את מדד החפיפה בחשבון. אם החפיפה עולה על ערך מסוים, ניתן התמזגו אשכולות. אם החפיפה היא קטנה מאוד, צמד האשכול עשוי להיות מוגדר באופן בולט נותר לבדו. ערכי ביניים, המציין פרדה החלקית של זוג האשכול, עשויים לאותת כי הזוג שיש למזג ולאחר מכן מחדש פיצול, את התוצאה הרצויה להיות בזוג צבירים עם חפיפה פחות. נהלים אלה מנוהלים ראשונים בשלב אוטומטי ולאחר מכן בשלב מודרך באופן ידני.
אוהל "> בשלב האוטומטי, זוגות אשכול עם ערך חפיפה גבוה ימוזגו;. אז זוגות אשכול עם ביניים לערכי חפיפה נמוכים ימוזגו מחדש פיצול בשלב השני, מונחת המשתמש, המשתמש מוצג עם כל הנותר זוגות אשכול מעורפלים (שאוכלוסייתן מונה ערכי חפיפה במגוון ביניים מוגדר) ברצף מתבקש לבחור אם א) למזג את הזוג, ב) למזג resplit הצמד, ג) להכריז על הזוג להיות ברור (אשר יעקוף את המשמעות של מדד החפיפה), או ד) כדי להגדיר את היחס בין הזוג כמו "מעורפל" המציין את קוצי הזוג צפויים להיות מסודרים היטב. כלים שונים אשר נועדו לעזור עם ההחלטות האלה, כוללים אוטומטיים – ו צולב correlograms ומגרש סדרות עתיות של גובה ספייק וערכי PC.באופן אידיאלי, בסוף בשלבי המיזוג ופיצול, בכל אשכול צריך להיות נבדל מכל האחרים,משום שיש לו מעט, אם בכלל ערוצים במשותף עם אשכולות אחרים, או כי מדד החפיפה הוא פחות ערך מוגדר. ערך זה הוא לבחירה על-ידי המשתמש, אך הוא בדרך כלל 0.1. אשכולות (יחידות) כי לעבור את המבחן הזה מוגדרים 'יציב', ואלה שלא (בגלל החפיפה עם אחד או יותר אשכולות אחרים היא גבוהה מהסף) מוגדרים 'יציב'. בפועל, הרוב הגדול של יחידות בסופו של דבר להיות מוגדר כ 'יציב' בסיומן של מיון, ומקצה את היתרה או כדי להיות מושלך או כאל פוטנציאל רב יחיד.
דרישות תוכנה
SpikeSorter תואם 64 סיביות של Windows 7 ו- Windows 10, וכן הופעל בהצלחה תחת לינוקס באמצעות אמולטור יין. קבצי נתונים נטענים לחלוטין לזיכרון (עבור מהירות) ומכאן RAM זמין צריך בקנה מידה עם גודל של ההקלטה (לאפשר כ -2 GB עבור התוכנית עצמה). אלקטרוקבצי נתונים אל גדול מ -130 GB בגודל מוינו בהצלחה בשתי סביבות Windows ו- Linux. אפשרויות ניתן לגשת דרך תפריטים רגילים של Windows, סרגל כלים, ודיאלוגים. הפריסה של פריטים בתפריט תואם פחות או יותר את סדר הפעולות במיון, החל בתפריט 'קובץ' מצד שמאל עבור קלט נתונים והתפריט 'ייצוא' בצד ימין המאפשר לייצוא של נתונים ממוינת. לחצני סרגל כלים מספקים קיצורים דרך פריטי תפריט נפוץ.
את קובץ הגדרות הערוץ
תבניות נתוני הקלטה רבות אינן לאחסן במקומות ערוץ. עם זאת, לדעת אלה חיוניים מיון ספייק. ערוצים עלולים גם להיות ממוספרים בדרכים שונות על ידי רכישת תוכנה: SpikeSorter דורש שערוצים ממוספר ברצף, החל ערוץ 1. לפיכך, קובץ הגדרות אלקטרודה נלווה יש להיוצר שיכול למפות מחדש מספרי ערוצים ללכת עלפי כלל הרציף, וכדי ערוץ חנות locations. קובץ תצורת הערוץ הוא קובץ טקסט עם שורה אחת של טקסט עבור כל ערוץ. השורה הראשונה של הקובץ מאחסן שם טקסט, עד 16 תווים, המזהה את האלקטרודה. מספרי השורות הבאות יכולים להיות מופרדים על ידי כרטיסיות, פסיק אחד, או רווחים. ישנם ארבעה מספרים בכל שורה מתן (לפי הסדר): את מספר הערוץ בקובץ, את מספר הערוץ החל עליה להיות ממופה (כלומר מספר אשר ישמשו ידי SpikeSorter), ואת x ו- y של ערוץ, ב מיקרון. ה- x לתאם שבדרך כלל להתפרש בניצב לכיוון של החדרת אלקטרודה ו- y לתאם בהתאם יהיה עומק לתוך הרקמה. קובץ ההגדרות יש להציב באותה ספרייה שבה נמצא קובץ ההקלטה. יש גמישות מסוימת איך יכול להיות שם זה. התוכנית תחפש הראשון עבור קובץ בעל אותו שם כמו קובץ הנתונים הגולמיים אבל עם סיומת .cfg. אם כי אני קובץs לא נמצא, הוא יחפש את הקובץ "electrode.cfg '. אם הקובץ כי בתורו לא נמצא הודעת שגיאה מופקת כדי להעיד על חוסר מידע פריסת הערוץ.
Protocol
Representative Results
Discussion
פורמטים של קבצים
נכון לעכשיו פורמטים של קבצים נתמכים כוללים Neuralynx (.ntt ו .ncs), Plexon (.plx), Neuroscope (xml + .dat), מערכות רב ערוציות (.mcd), בלאקרוק (.nev) ו Intan (.rhd). עבור פורמטים נתמכים, קיימות שתי אפשרויות. אחת היא לבקש תוספת של פורמט קובץ כדי שתשוחרר בקר…
Disclosures
The authors have nothing to disclose.
Acknowledgements
We thank those individuals and groups who have used SpikeSorter and who have provided requests for file format support and suggestions and feedback on how to improve it. These include Youping Xiao, Felix Fung, Artak Khachatryan, Eric Kuebler, Curtis Baker, Amol Gharat and Dongsheng Xiao. We thank Adrien Peyrache for the false positive and negative figures given in ‘Representative Results’.
Materials
| spikesorter.exe | N/A | program file currently available through invited dropbox link |
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).
