'SpikeSorter' kullanma Elektrofizyolojik Recordings Sıralama A Görsel Kılavuzu
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
Basit on-line eşikleme ve pencereleme daha sofistike yöntemler kullanarak beyin hücre dışı sinyalleri kaydeder herkes belirlenmesi ve elektrot tarafından kaydedilen gürültülü gerilim sinyallerinden farklı nöronların sinyal ayırma göreviyle karşı karşıya. Bu görev genellikle başak sıralama olarak bilinir. başak sıralama zorluk çeşitli faktörler de eklenmektedir. Yakındaki bir elektrod tarafından onlardan kaydedilen sinyalleri benzer ve ayırt etmek zor olması muhtemeldir ki Nöronlar birbirine çok yakın olabilir. Tek bir nöron tarafından üretilen sinyaller muhtemelen olarak elektrotun yakın, ya da olan dendritler yüksek ateşleme hızı, gerilim iletkenlikleri aktivasyonu değişken derecelerde olduğu dönemlerde belki de elektrodun, değişken sodyum kanal kinetiği hareketlerinin, zamanla değişebilir beyin devlet değişikliklerin bir sonucu. (- 100 mikron 20) r Bu sorunlar çok yakın aralıklı çoklu elektrot diziler (ÇÇA'lar) kullanılarak azaltılabilir Onlar genellikle birkaç kanal 1, 2 yayılmış beri tek nöronların sinyallerin daha iyi uzaysal tanımını veriyor kanalları ayıt. Ancak, bu, uzayda elektrot örtüşme tüm uzunluğu boyunca yayılan nöronlardan sinyalleri gerçeği ile birlikte, kümelenmeler benzersiz nöronlara gelen, içinde bir potansiyel çok yüksek boyutlu uzayda sonuçları tespit edilmesi gerekir. Bu sorun, elektrot birkaç kanal sayısından daha fazla bilgi için hesaplama dirençli hale gelir. Bugüne kadar, hiçbir genel kararlaştırılan başak sıralama için en iyi yöntem, birçok çözüm 7, 8 ve ÇÇA gelen kayıtları 9 giderek daha yaygın hale gelmektedir, 6, 5, 4, 3 ileri sürülmüştür rağmen oradaeşek = "xref"> 10. başak sıralama kendi içinde bir amaç değil, sadece daha fazla veri analizi önce gerekli ön adımdır, çünkü ham kayıt veri dosyaları okumak ve az kullanıcı ile sıralı başak trenler onları dönüştürmek olacak bir kolay kullanılabilir bir paket için bir ihtiyaç vardır girdi ve kısa sürede ve güvenilir bir şekilde, mümkün olduğunca.
Bu ihtiyaçlarının karşılanması amacıyla geliştirilen bir program – Bu kağıt SpikeSorter kullanımı için bir öğretici sağlar. Program daha önce yayımlanan yazıların 11, 12, 13 açıklanan algoritmalar dayanmaktadır. Programı tasarlarken hedefleri a) bir kullanıcı dostu arayüzü çok az ya da bilgisayar programlama veya metodoloji sıralama başak hiçbir ön bilgi gerektiren olması gerektiğini vardı; b) standart Windows veya Linux işletim sistemleri dışında az veya hiç diğer uzmanlaşmış yazılım bileşenleri gerekli olmalıdır; c </em>) Veri ithalat ve ihracat için kayıt veri formatları geniş bir yelpazede desteklenmesi gerekir; d) minimize edilmelidir sıralama esnasında kullanıcı girişi ihtiyacı ve e) sıralama kez kayıt süresi ve elektrot üzerinde kanal sayısına sahip, ideal lineer, makul bir şekilde ölçeğe gerekir. Programda uygulanan algoritma ön işleme ve olay deteksiyon stratejileri) esnek grubunu içerir; b) otomatik bir bölme ve temel bileşenlerin (PC) belirli kümelere atanan kanalların alt kümeleri elde edilen dağılımlar dayalı gerilim dalga biçimleri kümeleri boyut azaltma fethetmek stratejisi; ortalama kayması algoritması 3, 14, ve d dayalı hızlı kümeleme prosedürü) kısmen otomatik ikili birleştirilmesi ve kümelerin bölme PC dağılımlarının c) otomatik kümeleme her diğerlerinden mümkün olduğunca farklı olmasını sağlamak için. This, prosedürlerin bir dizi manuel bölme veya PC dağılımları, başak trenler ve başak dalga zaman genlik araziler çapraz ve oto-correlograms denetimi dayalı kümelerin birleşmesini izin veren eklendi. tetrodes, tetrode diziler, Utah diziler yanı sıra tek ve çoklu-sap ÇÇA gelen Kayıtlar okuma ve sıralanabilir. kanal sayısına akım sınır 256, ancak bu gelecek artırılabilir.
Başka bir çapraz platform açık kaynak uygulama, "spyke" (http://spyke.github.io) de mevcuttur. bizden biri Python ve Cython (MS) tarafından yazılmış, spyke bazı farklılıklar ile, SpikeSorter aynı genel yaklaşım kullanır: Bellek taleplerini azaltmak için, ham veriler küçük bloklar halinde yüklenir ve sadece kesinlikle gerekli olduğu; kümeler sadece, görüntülenen manipüle ve 3D sıralanır; ve temel bileşen ve bağımsız bileşen analizi hem tamamlayıcı boyut azaltma yöntemleri olarak kullanılmaktadır. Spyke daha kullanıcı gerektirirmiflti, ama hızla sivri verilen herhangi bir alt kümesinin kümelenme konusunda çeşitli faktörlerin etkilerini araştırmak için klavye ve fare kısayolları ve bir geri alma / yineleme kuyrukta dayanır. Bu faktörler başak kanalı ve zaman aralığı seçimi, başak hizalama, kümeleme boyutları ve mekansal bant genişliği (sigma) 11 içerir.
Aşağıdaki sıralama için kullanılan algoritmalar ve stratejilerin kısa bir açıklama. Daha tam açıklamaları önceki yayınlarda 11, 12, 13 ve yardım butonları üzerinden erişilebilir açıklamalarla bulunabilir (a ile özdeşleşmiş '?') SpikeSorter içinde. ham dışı voltaj dosyası yüklenirken öncesi ve olay bir süre sonra kısa bir gerilim anlık oluşan her biri düşük frekanslı bileşenlerini, olayların bir dizi olay algılama sonuçlarının bir başlangıç aşaması, filtreleyerek sonra. seçecek olursaindi siteleri yeterince yakından (<100 mikron), tek birim sinyalleri, genellikle birkaç komşu kanallar görünecektir aralıklı. Merkezi bir kanalı otomatik olarak olayın tepe-tepe voltajı büyük olan ilgili kanala karşılık gelen her olay için seçilir. o kanala lokalize edilmiş tüm olayların oluşan her elektrot kanalı için tek bir başlangıç küme oluşturarak başlar sıralama Otomatik. başak bu iki setleri kümelenmeler benzer olarak tanımlanan ve bir sonraki aşamada birleştirilmiş olacak: kanallar arasında yarı yolda bulunan bir birim farklı kanallara (belki rastgele) lokalize sivri yol açabilir. Her başlangıç küme olayların ortalama dalga sonra hesaplanır. Bu küme, şablon olarak adlandırılır. Iştiraki kanallar genlik ve her kanalda şablon dalga standart sapma dayanarak her kümeye atanır. Temel bileşen değerleri daha sonra her küme tabanlı o hesaplanırn kanal atanan sette dalga şekilleri. kullanıcı asıl bileşen boyutlarının sayısı kullanmayı tercih edebilirsiniz: Genellikle 2 yeterlidir. Her küme kümelere bir başka seti bölünür ve hiçbiri otomatik kümelenme ile daha fazla bölünmüş olabilir kadar bu tekrarlanır.
Bu noktada, söz sahibi bir başlangıç seti, 64 kanallı elektrottan 64 kümeleri, kayıt mevcuttu birimlerin sayısına bağlı olarak, iki ya da üç kez içine bu numarayı bölünebilir. Ama nedeniyle farklı kanallara tek birimlerden olayların değişken atama, bu aşamada bulundu küme sayısı neredeyse kesinlikle olması gerekenden daha büyüktür. sıralama sonraki aşaması kümeleri çiftleri karşılaştırma ve benzeri çiftleri birleştirme veya birinden diğerine olayları yeniden atayarak oversplitting düzeltmektir. sıralama bu aşamada 'birleştirme ve bölme' olarak adlandırılır.
Birleştirme ve bölme
N kümelerde, N * (N -1) / 2 çift ve dolayısıyla çiftlerinin sayısı istenmeyen N2 gibi büyür vardır. çiftinin iki üyesi fiziksel birbirinden uzak olduğundan Ancak, birçok çift karşılaştırma dışında olabilir. Bu daha doğrusal kanal sayısına bağlıdır şey bağımlılığını azaltır. Bu kısayol rağmen, birleştirme ve bölme sahne hala oldukça zaman alıcı olabilir. Aşağıdaki şekilde çalışır. her küme çifti (her birine atanan kanal setleri üst üste tarafından değerlendirilecek olarak, birbirine yakın fiziksel olanlar) karşılaştırılmak üzere bilinen iki üye kümeler halinde sivri kimliklerini tutmak olsa birleşti geçici olduğunu. Birleştirilmiş çiftinin temel bileşenleri daha sonra hesaplanır. İki kümeler halinde nokta arasındaki örtüşme bir ölçüsüdür ilk iki temel bileşenler dağılımına göre hesaplanır.
yolu ov erlap ölçüsü başka 11 daha detaylı olarak tarif edilmektedir hesaplanır. Onun değeri kümeleri hiç örtüşmeyen yoksa, her noktanın en yakın komşu aynı küme içinde yani sıfırdır. Kümeler, tamamen üst üste aynı kümede olmanın en yakın komşu olasılığı noktaları muntazam bir karışım tahmin aynıdır yani eğer değeri 1'e yakın olduğunu.
Çeşitli kararlar dikkate örtüşme önlemi aldığı yapılır. üst üste binme, belirli bir değerden daha büyük ise, kümeler birleştirilebilir. örtüşme çok küçükse, küme çifti ayrı olarak tanımlanan ve yalnız bırakılabilir. Küme çiftinin eksik ayrılmasını gösteren ara değerler, çifti, daha az çakışma ile kümelerin bir çift olmanın istenen sonucu-split yeniden sonra birleştirilecek ve gerektiği işaret ediyor olabilir. Bu işlemler, manuel güdümlü aşamasında ilk otomatik bir aşamada ve çalıştırılır.
Otomatik aşamada çadır ">, yüksek örtüşme değeri küme çiftleri birleştirilir;., sonra küme çiftleri ara ile birleşti ve yeniden bölünmüş olan düşük örtüşme değerlerine ikinci, kullanıcı güdümlü aşamada, kullanıcı ile sunulmaktadır tüm (yani tanımlanmış bir ara aralıkta örtüşme değerleri olanlar) sırayla ve a) çifti birleştirmek için seçebilirsiniz istenir, b) birleştirme ve çifti resplit belirsiz küme çiftleri kalan, c) (farklı olmak çifti bildirmek için hangi ) Üst üste ölçüsü önemini geçersiz kılar, ya da d) oto dahil olmak üzere bu kararlara yardımcı olmak için çifti sivri iyi sıralanabilir olası olduğunu belirten 'belirsiz'. çeşitli araçlar sağlanmaktadır olarak çifti arasındaki ilişkiyi tanımlamak için – çapraz correlograms ve başak yüksekliği ve PC değerlerinin zaman serisi grafikleri ve.İdeal olarak, birleştirme ve bölme aşamalarının sonunda, her küme diğerlerinden farklı olmalı,Ya da birkaç vardır ya da diğer kümeler ile ortak hiçbir kanal ya dolayı örtüşme endeksi tanımlanan değerden daha az olduğu için. Bu değer kullanıcı tarafından seçilebilir ancak genellikle 0.1 olduğunu. (Bir veya daha fazla kümeleri ile örtüşme eşiğinden daha büyük olduğu için) bu testi geçmek Kümeler (adet) 'istikrarlı' olarak tanımlanan, yok o 'kararsız' olarak tanımlanmaktadır. Uygulamada, birimlerin büyük çoğunluğu atılır veya potansiyel çoklu ünite olarak muamele birine kalanını bırakarak sıralama bitirmek 'istikrarlı' olarak tanımlanan sonunda.
yazılım Gereksinimleri
SpikeSorter Windows 7 ve Windows 10 64 bit sürümleri ile uyumlu olan ve aynı zamanda Şarap emülatörü kullanarak Linux altında başarıyla işletilmektedir. Veri dosyaları dolayısıyla kullanılabilir RAM kayıt boyutu ile ölçek gerekiyor (hız için) belleğe tamamen yüklenir (programın kendisi için yaklaşık 2 GB izin). Elektrofizyolojikboyutu 130 GB daha büyük al veri dosyaları başarıyla Windows ve Linux ortamlarında hem sıralanır edilmiştir. Seçenekler standart Windows menüler, bir araç çubuğu ve diyaloglar yoluyla erişilebilir. menüsündeki öğeler düzeni veri girişi ve sıralı verilerin ihracat için izin sağda 'Export' menüsü için soldaki 'Dosya' menüsünden başlayarak sıralama işlemlerin kabaca sırasını eşleşir. Araç çubuğu düğmeleri sık menü öğeleri kullanılan kısayollar sağlar.
Kanal Yapılandırma Dosyası
Birçok kayıt veri formatları kanal konumlarını muhafaza etmeyin. Bununla birlikte, bu bilerek çivi sıralama için gereklidir. Kanallar da satın alma yazılımı tarafından çeşitli şekillerde sayılı edilebilir: SpikeSorter bir yardımcı elektrot yapılandırma dosyası sıralı kural takip etmek kanal numaralarını eşleştirmek olduğunu oluşturulmalıdır Böylece kanal 1 ile başlayan, kanallar sırayla numaralandırılmış gerektirir, ve mağaza kanal locations. Kanal yapılandırma dosyası her kanal için tek bir metin satırı ile bir metin dosyasıdır. Dosyanın ilk satırı elektrot tanımlayan uzun 16 karaktere kadar, bir metin adını depolar. sonraki satırlarda sayılar sekmeler, tek bir virgül veya boşlukla ayrılmış olabilir. (Sırayla) sağlayan her satırda dört numaraları vardır: Kanal numarasını dosyasında, kanal numarası (yani SpikeSorter tarafından kullanılacak numara) ve x ve y koordinatlarını eşlenmiş olması için hangi kanal, mikron arasında olacaktır. X koordinatı, normal olarak, elektrot ile sokma yönüne dik olarak alınacaktır ve y dokuya derinliği olacaktır buna göre koordine ederler. Yapılandırma dosyası kayıt dosyası ile aynı dizine yerleştirilir gerekir. adlandırılmış nasıl bazı esneklik vardır. Program ilk ham veri dosyası olarak değil bir .cfg uzantılı aynı ada sahip bir dosya arayacaktır. Bu dosya i ises bulunamadı, dosyanın 'electrode.cfg' arayacaktır. sırayla Bu dosya bulunamazsa bir hata mesajı kanal düzeni bilgi eksikliği göstermek için oluşturulur.
Protocol
Representative Results
Discussion
dosya Biçimleri
Şu anda desteklenen dosya formatları Neuralynx (.ntt ve .ncs), Plexon (.plx), Neuroscope (.xml + dat), Çok Kanallı Sistemleri (.mcd), Blackrock (.nev) ve Intan (.rhd) içerir. desteklenmeyen formatları için, iki seçenek vardır. Bir ( '- Hakkımızda Yardım' iletişim sağlanan geliştirici bir e-posta bağlantısını) gelecek bir sürümde dosya biçimi eklenmesini talep etmektir. Diğer desteklenen bir formata dosyayı dönüştürmek için. Basit bir seçene…
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).
