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'.

<ol>
	<li>Buzs&#225;ki, G. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Large-scale+recording+of+neuronal+ensembles.">Large-scale recording of neuronal ensembles.</a> Nat. Neurosci. 7, 446-451 (2004).</li><li>Blanche, T. J., Spacek, M. A., Hetke, J. F., Swindale, N. V. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Polytrodes:+High+Density+Silicon+Electrode+Arrays+for+Large+Scale+Multiunit+Recording.">Polytrodes: High Density Silicon Electrode Arrays for Large Scale Multiunit Recording.</a> J. Neurophys. 93, 2987-3000 (2005).</li><li>Lewicki, M. S. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=A+review+of+methods+for+spike+sorting:+the+detection+and+classi&#64257;cation+of+neuronal+action+potentials.">A review of methods for spike sorting: the detection and classi&#64257;cation of neuronal action potentials.</a> Network. 9, R53-R78 (1998).</li><li>Letelier, J. C., Weber, P. P. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Spike+sorting+based+on+discrete+wavelet+transform+coefficients.">Spike sorting based on discrete wavelet transform coefficients.</a> J. Neurosci. Methods. 101, 93-106 (2000).</li><li>Quiroga, R. Q., Nadasdy, Z., Ben-Shaul, Y. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Unsupervised+spike+detection+and+sorting+with+wavelets+and+superparamagnetic+clustering.">Unsupervised spike detection and sorting with wavelets and superparamagnetic clustering.</a> Neural Computation. 16, 1661-1687 (2004).</li><li>Franke, F., Natora, M., Boucsein, C., Munk, M., Obermayer, K. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=An+online+spike+detection+and+spike+classi&#64257;cation+algorithm+capable+of+instantaneous+resolution+of+overlapping+spikes.">An online spike detection and spike classi&#64257;cation algorithm capable of instantaneous resolution of overlapping spikes.</a> J. Comput. Neurosci. 29, 127-148 (2010).</li><li>J&#228;ckel, D., Frey, U., Fiscella, M., Franke, F., Hierlemann, A. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Applicability+of+independent+component+analysis+on+high-density+microelectrode+array+recordings.">Applicability of independent component analysis on high-density microelectrode array recordings.</a> J. Neurophysiol. 108, 334-348 (2012).</li><li>Rossant, C., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Spike+sorting+for+large,+dense+electrode+arrays.">Spike sorting for large, dense electrode arrays.</a> Nature Neuroscience. 19, 634-641 (2016).</li><li>Vandecasteele, M., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Large-scale+recording+of+neurons+by+movable+silicon+probes+in+behaving+rodents.">Large-scale recording of neurons by movable silicon probes in behaving rodents.</a> JoVE. (61), e3568 (2012).</li><li>Schjetnan, A. G. P., Luczak, A. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Recording+large-scale+neuronal+ensembles+with+silicon+probes+in+the+anesthetized+rat.">Recording large-scale neuronal ensembles with silicon probes in the anesthetized rat.</a> JoVE. (56), e3282 (2011).</li><li>Swindale, N. V., Spacek, M. A. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Spike+sorting+for+polytrodes:+a+divide+and+conquer+approach.">Spike sorting for polytrodes: a divide and conquer approach.</a> Frontiers in Systems Neuroscience. 8, 1-21 (2014).</li><li>Swindale, N. V., Spacek, M. A. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Spike+detection+methods+for+polytrodes+and+high+density+microelectrode+arrays.">Spike detection methods for polytrodes and high density microelectrode arrays.</a> J. Comput. Neurosci. 38, 249-261 (2015).</li><li>Swindale, N. V., Spacek, M. A. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Veri&#64257;cation+of+multichannel+electrode+array+integrity+by+use+of+cross-channel+correlations.">Veri&#64257;cation of multichannel electrode array integrity by use of cross-channel correlations.</a> J. Neurosci. Meth. 263, 95-102 (2016).</li><li>Fukunaga, K., Hostetler, L. D. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=The+estimation+of+the+gradient+of+a+density+function,+with+applications+in+pattern+recognition.">The estimation of the gradient of a density function, with applications in pattern recognition.</a> IEEE Transactions on Information Theory (IEEE). 21, 32-40 (1975).</li><li>Mitelut, C., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Standardizing+spike+sorting:+an+in+vitro,+in+silico+and+in+vivo+study+to+develop+quantitative+metrics+for+sorting+extracellularly+recorded+spiking+activity.">Standardizing spike sorting: an in vitro, in silico and in vivo study to develop quantitative metrics for sorting extracellularly recorded spiking activity.</a> Soc. Neurosci. Abstr. 598 (10), (2015).</li><li>Hazan, L., Zugaro, M., Buzs&#225;ki, G. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Klusters,+NeuroScope,+NDManager:+A+free+software+suite+for+neurophysiological+data+processing+and+visualization.">Klusters, NeuroScope, NDManager: A free software suite for neurophysiological data processing and visualization.</a> J. Neurosci. Meth. 155, 207-216 (2006).</li><li>Harris, K. D., Henze, D. A., Csicsvari, J., Hirase, H., Buzs&#225;ki, G. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Accuracy+of+tetrode+spike+separation+as+determined+by+simultaneous+intracellular+and+extracellular+measurements.">Accuracy of tetrode spike separation as determined by simultaneous intracellular and extracellular measurements.</a> J. Neurophysiol. 84, 401-414 (2000).</li><li>Anastassiou, C. A., Perin, R., Buzs&#225;ki, G., Markram, H., Koch, C. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Cell-type+and+activity+dependent+extracellular+correlates+of+intracellular+spiking.">Cell-type and activity dependent extracellular correlates of intracellular spiking.</a> J. Neurophysiol. 114, 608-623 (2015).</li><li>Wohrer, A., Humphries, M. D., Machens, C. K. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Population-wide+distributions+of+neural+activity+during+perceptual+decision-making.">Population-wide distributions of neural activity during perceptual decision-making.</a> Prog. Neurobiol. 103, 156-193 (2013).</li><li>Mizuseki, K., Buzs&#225;ki, G. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Preconfigured,+skewed+distribution+of+firing+rates+in+the+hippocampus+and+entorhinal+cortex.">Preconfigured, skewed distribution of firing rates in the hippocampus and entorhinal cortex.</a> Cell Reports. 4, 1010-1021 (2013).</li><li>Schmitzer-Torbert, N., Jackson, J., Henze, D., Harris, K., Redish, A. D. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Quantitative+measures+of+cluster+quality+for+use+in+extracellular+recordings.">Quantitative measures of cluster quality for use in extracellular recordings.</a> Neuroscience. 131, 1-11 (2005).</li><li>Barnett, A. H., Magland, J. F., Greengard, L. F. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Validation+of+neural+spike+sorting+algorithms+without+ground-truth+information.">Validation of neural spike sorting algorithms without ground-truth information.</a> J. Neurosci. Meth. 264, 65-77 (2016).</li></ol>

The authors have nothing to disclose.

Dateiformate Derzeit unterstützte Dateiformate sind Neuralynx (.ntt und .ncs), Plexon (.plx), Neuroscope (.xml + .dat), Mehrkanal- Anlagen (.mcd), Blackrock (.nev) und Intan (.rhd). Für nicht unterstützte Formate, gibt es zwei Möglichkeiten. Eine davon ist der Zugabe des Dateiformats auf eine bevorstehende Freilassung zu fordern (E-Mail-Link an den Entwickler wird in der mitgelieferten &quot;Hilfe - Über&quot; Dialog). Die andere ist die Datei in ein unterstütztes Format zu konvertieren. Eine einfache Möglichkeit ist es, die Zeit-Spike-Format &#39;.tsf&#39; zu verwenden. Diese nackten Knochen-Format enthält die Spannungsaufzeichnung und des Kanals Standortdaten sowie die Aufzeichnung von Ereignissen und den Kanal und die Cluster-Zuweisungen nach dem Sortieren. Das Lesen dieser Dateien ist oft schneller als für andere Formate. Unabhängig von mit nicht unterstützten Formaten tun kann es zweckmäßig sein gefilterten Daten in einer .tsf Datei zu speichern (dieses Format unter den Exportoptionen enthalten ist), da dies die Notwendigkeit für eine spätere zeitraubend fil vermeidentrier. Einzelheiten des .tsf Format sind in der Dokumentation enthalten, die mit dem Programm geliefert werden. Zusatzdateien Zwei Hilfsdateien werden verwendet, um Parameter zu speichern, ss_prefs.sav und ss_parameters.sav. Die Datei &#39;ss_prefs.sav&#39; speichert nur vom Benutzer gewählten Werte , die keine direkte Auswirkung auf das Sortieren und sind weniger wahrscheinlich zu ändern zu müssen, wie zB Fenstergrößen und Positionen, Spannung und andere Skalierungswerte. Wenn ss_prefs.sav nicht vorhanden ist, wird es erstellt, wenn die &quot;Übernehmen&quot; Button im entsprechenden Dialog gedrückt wird, oder wenn das Programm beendet wird. Wenn Sie die Option &quot;sticky Parameter &#39;in dieser Datei gesetzt ist, wird eine separate Datei&#39; ss_parameters.sav &#39;verwendet vom Benutzer wählbare Parameterwerte und Optionen zu speichern, die das Ergebnis der Sortierung sowie viele Anzeigeoptionen beeinflussen. Diese Datei wird gespeichert oder aktualisiert werden , wenn das Programm über die normale &quot;Datei - Beenden &#39;verlassen Route (aber nicht , wenn das Programm auf &quot; Schließen &quot;Taste (oben rechts) verwendet wird). In Ermangelung dieser Datei beim Start, werden Standardwerte verwendet. Programm Limits Die Grenze für die Länge der Aufnahme, die sortiert werden können, wird durch die Menge an RAM auf dem Computer bestimmt. Ein PC mit 16 GB RAM kann in der Regel Raw-Dateien von bis zu 13 GB-14 GB groß (2 GB weniger als die gesamte RAM) verarbeiten, wenn der Speicher nicht in Verwendung für andere Zwecke ist. Andere Grenzen, zB auf die maximale Anzahl von Kanälen, bis Clustergrößen usw. können mit Programmversion und zukünftige Upgrades variieren. Sie können, indem Sie auf &quot;Hilfe - Über &#39;betrachtet werden. Zusatzfunktionen Die Aussicht, sauber und Split-Cluster-Dialog bietet verschiedene Optionen für die manuelle Definition von Clustergrenzen. Dazu gehören die Verwendung der Maus eine Ellipse in der PC - Anzeigefenster zu zeichnen Sie ein Rechteck in der PP - Amplitude (oder PC1 oder PC2) vs. Zeitanzeige zu zeichnen, und discriminat zu ziehen<html> Ionen-Fenster in der Hauptwellenformanzeige. Diese können jeweils verwendet werden, um Subclustern erstellen (alle vorhandenen subclustering überschrieben). Der Dialog muss beendet werden, bevor eine dieser Objekte gezogen werden können. Durch Drücken der zugehörigen Taste auf dem Dialog ( &quot;Windows&quot;, &quot;Ellipse&quot; oder &quot;Rechteck &#39;) schafft die Subclusters. Eine Strategie-Dialog (Sort - Strategie) zeigt eine Vielzahl Parameter der Sortierung, die weniger wahrscheinlich sind, müssen geändert werden, aber die einen wesentlichen Einfluss auf die Sortierung haben kann. Diese umfassen beispielsweise Parameter, die die Zuordnung von Kanälen zu Clustern und die Auswahl der Zeitpunkte bestimmen, die für die Berechnung der Hauptkomponenten für jeden Cluster beitragen. Das Verwalten von Cluster-Dialog bietet detailliertere Informationen zu den einzelnen Clustern als durch die Ansicht zur Verfügung gestellt, sauber und Split-Cluster-Dialog oder durch die Post-Verarbeitungsdialog. Es gibt auch noch vielfältigere Möglichkeiten für Cluster zu löschen. ontent &quot;&gt; Kanäle in einer bestimmten vertikalen Reihenfolge angezeigt werden, bezeichnet die&quot; Sortierreihenfolge &quot;, in dem Spannungsanzeigefenster. Im Idealfall wird reflektieren diese, um die physische Nähe der Kanäle, aber diese Fest angegebenen Werte zu erreichen sein kann, dass die tatsächliche Layout ist in zwei Dimensionen. die Sortierreihenfolge wird durch die Berechnung der Projektion der Kanalpositionen auf einer Linie mit einem bestimmten Winkel in Bezug auf die y - Achse. die Reihenfolge der Kanalnummern auf der Linie ist die Sortierreihenfolge erzeugt. Diese in vielen Fällen automatisch berechnet aber es ist möglich, eine andere, indem sie auf &quot;Ansicht - Erwerb Eigenschaften &#39;zu erzeugen.. die Option Kanäle in numerischer Reihenfolge angezeigt wird ebenfalls bereitgestellt Beachten sie, dass die Reihenfolge der Anzeige hat keine Auswirkung auf das Sortieren. Andere Ansätze Andere Software-Pakete zu tun Spike Sortier existieren. Dazu gehören kommerzielle Programme wie Offline-Sorter (http://www.plexon.com/products/offline-sorter), als well als freie Software wie MClust (AD Redish: 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) und die Programme Neuroscope und Klusters (http:. // neurosuite) 16. Ein detaillierter Vergleich mit diesen anderen Programmen, von denen viele im allgemeinen Gebrauch sind, sprengt den Rahmen des vorliegenden Papiers. Ein solcher Vergleich würde eine Vielzahl von verwandten Kriterien wie Benutzerfreundlichkeit, Zuverlässigkeit, Unterstützung von Dateiformaten, GUI-Design, Dokumentation, Automatisierungsgrad, die Abhängigkeit von Hard- und Softwarekomponenten, die Verarbeitungsgeschwindigkeit, die Anpassungsfähigkeit an MEAs sowie Tetroden beinhalten, und, in dem Ausmaß, dass es möglich ist, sie zu messen, die Genauigkeit zu sortieren. In Ermangelung einer detaillierten Vergleich, glauben wir, dass SpikeSorter eine Kombination von Optionen und die Unterstützung für Spike Art bieteting, die in jedem anderen derzeit verfügbaren Standalone-Spike Sortier Paket nicht zur Verfügung stehen. Sortierqualität Wie oben erwähnt, objektive Ergebnisse Maßnahmen, die verwendet werden können, um zu entscheiden, ob eine Prozedur oder Wahl besser als der andere ist weitgehend fehlen. Die Abhängigkeit von Parametern und der Notwendigkeit für häufige Benutzereingabe macht es auch unwahrscheinlich, dass eine bestimmte Art immer reproduziert werden kann. Das ist an sich würde die Verwendung der Ergebnisse Maßnahmen zu begrenzen, wenn sie existierten. Erschwerend kommt hinzu, ist es keineswegs sicher, dass genaue Spitze Sortierung möglich ist, auch im Prinzip. Die extrazelluläre Aufnahmen in Verbindung mit intrazellulären Aufnahmen benachbarter Einzelzellen existieren 17, 18 , aber die intrazelluläre Aufnahmen von benachbarten Paaren von Neuronen nötig sind , um zu beweisen , dass Signale von benachbarten Zellen können immer unterschieden werden. Die Faktoren, die extrazelluläre Spannungssignale von einem verursachen könnengegeben Neuron über Zeiträume, kurze als auch lange zu variieren, sind auch nicht gut verstanden und in der Praxis erhebliche Variabilität hinzufügen (zB 8 und 10) , die das Sortieren verkompliziert. Spike Sortier ein lösbares Problem werden diese Änderungen müssen kleiner sein, oder verschiedene in der Natur, als die kleinsten Unterschiede, die zwischen den Zellen als Ergebnis der Positionsdifferenzen auftreten können. Unter Berufung auf Maßzahlen der Cluster-Qualität kann auch problematisch sein. Zum Beispiel können Zellen bei Raten ausgelöst, die um Größenordnungen 19 unterscheiden, 20. Die Einbeziehung von fast allen der Spitzen von einer geringen Feuerrate Zelle unter denen von einer hohen Rate Zellenbrand haben könnte nur geringe Auswirkungen auf jeder Cluster-Qualitätsmaß, versteckt die Tatsache, dass die Sortierqualität der niedrigen Rate Zelle schlecht sein würde oder nicht existent. In Anbetracht dieser Herausforderungen, Methoden zur Beurteilung der Qualität der Sortierung auf Basis von Cluster-Überlappung8, 21 oder angesichts der Parametervariation Stabilität Sortierung 22 kann ein falsches Gefühl der Sicherheit geben. Stattdessen schlagen wir vor, dass es notwendig sein kann, dass die Spitze Sortierung zu akzeptieren, auf der Grundlage unvollständiger Wissenschaft. Die Sortierer müssen mit einem Gefühl der Unvollkommenheit leben und lernen, dass es besser sein kann, um die Zeit zu produktiveren Formen der Datenanalyse zu widmen, anstatt ständig versuchen, die Qualität einer Art zu verbessern.

Jeder, der extrazelluläre Signale aus dem Gehirn zeichnet unter Verwendung von Methoden raffinierter als einfache Online-Thresholding und Windowing steht vor der Aufgabe zu identifizieren und die Trennung der Signale von verschiedenen Neuronen von den lauten Spannungssignale von der Elektrode erfasst. Diese Aufgabe wird als Spike Sortier allgemein bekannt. Die Schwierigkeit der Spitze Sortierung wird durch verschiedene Faktoren zusammengesetzt. Neurone können sehr nahe beieinander sein, so dass die Signale von ihnen von einer nahegelegenen Elektrode aufgezeichnet sind wahrscheinlich zu unterscheiden ähnlich und schwer zu sein. Die Signale von einem einzelnen Neuron erzeugt wird, kann über die Zeit variieren, vielleicht wegen der Bewegung der Elektrode, variable Natriumkanal Kinetik während Perioden hoher Feuerungsrate, variable Grad der Aktivierung der Spannungs Leitfähigkeiten in Dendriten, die an die Elektrode nahe sind oder möglicherweise als ein Ergebnis von Veränderungen des Gehirnzustands. (- 100 &amp; mgr; m 20) r Diese Probleme können durch Verwendung von Multi-Elektroden-Anordnungen (MEAs) mit vielen eng beabstandeten gemildert werden<html> ufnehmen Kanäle , die , da sie typischerweise 1 über mehrere Kanäle verteilt 2 bessere räumliche Definition der Signale von einzelnen Neuronen ermöglicht. Allerdings ist dies mit der Tatsache kombiniert, die sich entlang der gesamten Länge der Elektrode Überlappung von Neuronen Signale im Raum ausbreiten, führt zu einem potentiell sehr hochdimensionalen Raum, in dem Cluster zu einzigartigen Neuronen entsprechenden müssen identifiziert werden. Dieses Problem wird für mehr als eine kleine Anzahl von Elektrodenkanäle rechnerisch unlösbar. Bis heute gibt es keine allgemein vereinbarte beste Methode für die Spike - Sortierung, obwohl viele Lösungen 3 vorgeschlagen worden, 4, 5, 6, 7, 8 und Aufnahmen von MEAs werden immer häufiger 9,ass = &quot;xref&quot;&gt; 10. Da Spike Sortierung nicht Selbstzweck ist, sondern ist einfach ein notwendiger erster Schritt, bevor eine weitere Datenanalyse, gibt es einen Bedarf für eine einfach zu handhabende Paket, das in rohen Aufzeichnen von Daten-Dateien lesen und wandeln sie in sortierten Spitze Züge mit so wenig Benutzer Eingabe und so schnell und zuverlässig wie möglich. Dieses Dokument enthält eine Anleitung für die Verwendung von SpikeSorter - ein Programm entwickelt, mit dem Ziel, diese Anforderungen zu erfüllen. Das Programm beruht auf Algorithmen in früher veröffentlichten Artikeln beschrieben 11, 12, 13. Die Ziele in das Programm der Gestaltung waren , dass a) es sich um eine benutzerfreundliche Schnittstelle erfordert keine oder nur geringe Vorkenntnisse in der Computer - Programmierung oder von Spike Sortiermethode haben sollte; b) keine oder nur wenige andere spezialisierte Software - Komponenten über Standard - Windows oder Linux - Betriebssystemen sollten erforderlich sein; c </em&gt;) Sollte eine breite Palette von Formaten Aufzeichnen von Daten für den Datenimport und Export unterstützt werden; d) die Notwendigkeit für eine Benutzereingabe während des Sortierens sollte minimiert werden, und e) das Sortieren mal eine vernünftige Weise maßstäblich in sollten im Idealfall linear, mit Aufzeichnungsdauer und der Anzahl der Kanäle auf der Elektrode. Die Algorithmen im Programm implementiert sind a) eine flexible Reihe von Pre-Processing und Ereigniserkennung Strategien; b) eine automatisierte Teile und Herrsche - Strategie der Dimensionsreduktion , die Spannungsverläufe Clustern auf der Basis der Hauptkomponenten (PC) Verteilungen von Teilmengen von Kanälen erhalten bestimmten Clustern zugeordnet; c) automatischen Bündelung von PC - Verteilungen mit einem schnellen Gruppierungsvorgang auf der Grundlage der mittleren Verschiebungsalgorithmus 3, 14, und d) teilweise automatisierten paarweise Zusammenführen und Aufteilen von Clustern , um sicherzustellen , dass jeder ist so deutlich wie möglich von allen anderen. THIs, wurde eine Reihe von Verfahren hinzugefügt, die manuelle Spaltung oder Verschmelzung von Clustern für die Überprüfung von PC-Distributionen, Kreuz- und Auto Korrelogramme von Spike-Züge und Zeit-Amplituden-Plots von Spike-Wellenformen auf Basis ermöglichen. Aufnahmen von Tetroden, tetrode Arrays, Utah-Arrays sowie Ein- und Mehr Schaft MEAs können gelesen und sortiert werden. Die Stromgrenze auf die Anzahl der Kanäle 256 ist, aber dies kann in der Zukunft erhöht werden. Eine andere plattformübergreifende Open-Source-Implementierung &quot;spyke&quot; (http://spyke.github.io), ist ebenfalls verfügbar. Geschrieben von einem von uns (MS) in Python und Cython, spyke die gleiche Gesamtansatz wie SpikeSorter verwendet, mit einigen Unterschieden: Speicherbedarf zu reduzieren, wird Rohdaten in kleinen Blöcken geladen, und nur, wenn es unbedingt notwendig ist; Cluster werden ausschließlich angezeigt, manipuliert und in 3D sortiert; und Hauptkomponente und unabhängige Komponentenanalyse werden sowohl als ergänzende Dimension Reduktionsverfahren. Spyke erfordert mehr Benutzer inInteraktion, sondern stützt sich stark auf Tastatur- und Mausbefehle und eine Undo / Redo-Warteschlange, um schnell die Auswirkungen verschiedener Faktoren auf die Häufung von einem bestimmten Untergruppe von Spikes erkunden. Zu diesen Faktoren gehören Spike - Kanal und Zeitbereich Auswahl, Spike Ausrichtung, Clustering Dimensionen und räumliche Bandbreite (Sigma) 11. Es folgt eine kurze Beschreibung der Algorithmen und Strategien für das Sortieren verwendet. Ausführlichere Beschreibungen können in früheren Veröffentlichungen 11, 12, 13 und in Anmerkungen zu finden , die über die Hilfe - Tasten zugegriffen werden kann (identifiziert mit einem &#39;?&#39;) Innerhalb SpikeSorter. Nach einer rohen extrazelluläre Spannung Datei zu laden und die niedrigeren Frequenzkomponenten herausgefiltert werden, die eine Anfangsstufe der Ereigniserkennung führt zu einer Reihe von Ereignissen, von denen jede aus einem kurzen Spannungs Snapshot besteht vor und nach der Veranstaltung Zeit. Wenn die Auserwähltenritten Seiten sind ausreichend eng beieinander liegenden (&lt;100 &amp; mgr; m), Einzeleinheit Signale werden in der Regel auf mehreren benachbarten Kanälen auftreten. Ein zentraler Kanal wird für jedes Ereignis automatisch gewählt wird, entsprechend dem Kanal, auf dem die Spitze-zu-Spitze-Spannung des Ereignisses am größten ist. Automatisierte Sortierung beginnt mit einem ersten Cluster für jede Elektrode Kanal bildet, die aus allen Ereignissen, die zu diesem Kanal lokalisiert wurden. Eine Einheit, auf halbem Weg zwischen den Kanälen angeordnet ist, kann Anlass zu geben, die Spitzen lokalisiert sind (vielleicht zufällig) auf verschiedene Kanäle: die Cluster aus diesen beiden Gruppen von Spitzen wird als ähnlich identifiziert werden und zu einem späteren Zeitpunkt zusammengeführt. Die durchschnittliche Wellenform der Ereignisse in jedem ersten Cluster wird dann berechnet. Dies wird bezeichnet als die Cluster-Vorlage. Nebenkanäle sind jedem Cluster zugeordnet, basierend auf den Amplituden und der Standardabweichung der Schablonenwellenformen für jeden Kanal. Hauptkomponentenwerte werden dann für jeden Cluster basierend o berechnetn die Wellenformen auf dem zugewiesenen Satz von Kanälen. Der Benutzer kann die Anzahl der Hauptkomponentenabmessungen wählen zu verwenden: in der Regel 2 ausreichend ist. Jeder Cluster aufgeteilt wird dann in einen weiteren Satz von Clustern, und dies wird wiederholt, bis keine weitere Spaltung durch automatisierte Clustering sein kann. An diesem Punkt wird ein Anfangssatz von beispielsweise 64 Cluster von einem 64-Kanal-Elektrode, kann diese Zahl in zwei oder drei Mal geteilt werden, abhängig von der Anzahl der Einheiten, die in der Aufnahme war. Aber wegen der variable Zuordnung von Ereignissen von einzelnen Einheiten, die verschiedenen Kanäle ist die Anzahl der Cluster in diesem Stadium gefunden fast sicher größer ist als sie sein sollte. Die nächste Stufe der Sortierung ist die oversplitting durch Vergleichen Paare von Clustern und Zusammenführen ähnliche Paare oder Neuzuweisen Ereignisse von einem zum anderen zu korrigieren. Diese Phase der Sortierung wird als &quot;zusammenführen und teilen&quot; bezeichnet. Verbinden und Teilen Für N Cluster gibt es N * (N - 1) / 2 Paare und damit die Anzahl der Paare wächst als N 2, was unerwünscht ist. viele Paare können jedoch aus dem Vergleich ausgeschlossen werden, da die zwei Elemente des Paares sind weit voneinander körperlich. Dies reduziert die Abhängigkeit zu etwas, das linear mit der Anzahl der Kanäle in Beziehung steht. Trotz dieser Verknüpfung kann der Merge und Split-Phase noch recht zeitaufwendig sein. Es arbeitet in der folgenden Weise. Jedes Clusterpaar ist, das verglichen werden (jene, die physisch nahe beieinander sind, wie die Überlappung in den Kanalsätze zugewiesen jeweils beurteilt) vorübergehend zusammengefügt, wenn die Identität der Spitzen zu halten in den beiden Mitglieds Cluster bekannt. Die Hauptkomponenten des fusionierten Paar werden dann berechnet. Ein Maß für die Überlappung zwischen den Punkten in den beiden Clustern wird berechnet auf der Verteilung der ersten beiden Hauptkomponenten. Die Art und Weise der ov<html> ERLAP Maß berechnet wird detaillierter an anderer Stelle beschrieben 11. Sein Wert ist Null , wenn die Cluster nicht überlappen, dh der nächste Nachbar von jedem Punkt im gleichen Cluster ist. Sein Wert nahe 1 , wenn die Cluster vollständig überlappen, also die Wahrscheinlichkeit , dass der nächste Nachbar in demselben Cluster ist die gleiche wie die von einer gleichförmigen Vermischung von Punkten vorhergesagt wird. Verschiedene Entscheidungen getroffen werden, die die Überlappung Maßnahme berücksichtigen. Wenn die Überlappung größer ist als ein bestimmter Wert ist, kann Clustern zusammengefasst werden. Wenn die Überlappung sehr klein ist, kann der Clusterpaar als verschieden definiert und in Ruhe gelassen. Zwischenwerte, unvollständige Trennung des Clusterpaar anzeigt, kann das Signal, dass das Paar zusammengeführt werden sollte, und dann erneut geteilt, das gewünschte Ergebnis ein Paar von Cluster mit weniger Überlappung ist. Diese Verfahren werden zunächst in einem automatisierten Stufe und anschließend in einer handgeführten Stufe auszuführen. Zelt &quot;&gt; Bei der automatisierten Bühne, Cluster-Paare mit einem hohen Überschneidungswert zusammengeführt werden;. dann mit mittleren bis niedrigen Überschneidungswerten Cluster-Paare werden verschmolzen und neu, der im zweiten, benutzergeführte Stufe wird der Benutzer präsentiert mit allen Rest mehrdeutig Cluster Paare (also solche mit Überschneidungswerte in einem definierten Zwischenbereich) in Folge und wird gebeten, zu entscheiden , ob a) das Paar zu fusionieren, b) fusionieren und c) resplit das Paar, das Paar zu sein , verschieden zu erklären (die die Bedeutung der Überlappung Maßnahme) oder d) anzeigt , wird außer Kraft gesetzt , die die Beziehung zwischen dem Paar als &quot;mehrdeutig&quot; zu definieren , dass die Spitzen des Paares unwahrscheinlich sind gut sortiert werden. Verschiedene Werkzeuge zur Verfügung gestellt werden mit diesen Entscheidungen zu helfen, einschließlich auto - und Quer Korrelogramme und Zeitreihen Plots von Spike Höhe und PC-Werte. Im Idealfall sollte jeder Cluster eindeutig sein, am Ende der Verschmelzung und Spaltung Stufen, von allen anderen,entweder weil sie keine oder nur wenige Kanäle gemeinsam mit anderen Clustern, oder weil der Überlappungsindex kleiner als ein festgelegter Wert ist. Dieser Wert ist vom Benutzer wählbar, beträgt jedoch typischerweise 0,1. Cluster (Einheiten), die diesen Test bestehen, werden definiert als &quot;stabil&quot;, die dies nicht tun (weil die Überlappung mit einem oder mehreren anderen Clustern größer ist als der Grenzwert) werden als &quot;instabil&quot; definiert. In der Praxis am Ende die große Mehrheit der Einheiten nach oben wird definiert als &quot;stabil&quot; im Ziel zu sortieren, um den Rest zu verlassen, um entweder verworfen oder als potentiell Multi-Unit behandelt werden. Software Anforderungen SpikeSorter ist kompatibel mit 64-Bit-Versionen von Windows 7 und Windows 10, und wurde auch erfolgreich unter Linux mit dem Wine-Emulator ausgeführt wurde. Datendateien werden vollständig in den Speicher geladen (für Geschwindigkeit) und somit den verfügbaren RAM benötigt mit der Größe der Aufzeichnung zu skalieren (erlauben Sie ca. 2 GB für das Programm selbst). Elektrophysiologischeal-Dateien größer als 130 GB Größe wurden in Windows- und Linux-Umgebungen erfolgreich sortiert. Die Optionen werden durch Standard-Windows-Menüs, einer Symbolleiste und Dialoge abgerufen. Die Anordnung der Elemente auf dem Menü entspricht in etwa die Reihenfolge der Operationen in Sortierung, mit dem Menü &quot;Datei&quot; für die Dateneingabe auf der linken Seite beginnen, und das Menü &quot;Exportieren&quot; auf der rechten Seite so dass für den Export von sortierten Daten. Toolbar-Schaltflächen bieten Verknüpfungen zu Menüpunkten verwendet. Der Kanalkonfigurationsdatei Viele Aufzeichnungsdatenformaten speichern keine Programmplätze. Allerdings ist diese zu wissen, für Spike-Sortierung von wesentlicher Bedeutung. Kanäle können auch auf verschiedene Arten von Erfassungssoftware zu nummerieren: SpikeSorter erfordert, dass die Kanäle in der Reihenfolge nummeriert sind, mit Kanal beginnen 1. Somit wird eine Hilfselektrodenkonfigurationsdatei erstellt werden muss, die Kanalnummern neu zuordnen können die sequentielle Regel zu folgen, und zu Shop Kanal loctionen. Die Kanalkonfigurationsdatei ist eine Textdatei mit einer einzigen Textzeile für jeden Kanal. Die erste Zeile der Datei speichert einen Textnamen, bis zu 16 Zeichen lang sein, dass die Elektrode identifiziert. Die Zahlen in den nachfolgenden Zeilen können durch Tabs, ein Komma oder Leerzeichen getrennt werden. Es gibt vier Zahlen in jeder Reihe Providing (in Reihenfolge): die Kanalnummer in der Datei, die Kanalnummer , auf die sie abgebildet werden soll (dh die Anzahl, die von SpikeSorter verwendet wird), und die x- und y - Koordinaten des Kanal, in Mikron. Die x - Koordinate normalerweise senkrecht zur Richtung der Elektrodeneinführungs genommen werden , und die y entsprechend Tiefe in das Gewebe wäre koordinieren. Die Konfigurationsdatei muss im selben Verzeichnis wie die Aufnahme-Datei abgelegt werden. Es besteht eine gewisse Flexibilität in wie kann es genannt werden. Das Programm wird zunächst nach einer Datei zu suchen, die den gleichen Namen wie die Rohdatendatei hat aber mit einer CFG-Erweiterung. Wenn die Datei is nicht gefunden, wird es für die Datei &#39;electrode.cfg&#39; suchen. Wenn diese Datei wiederum nicht gefunden wird eine Fehlermeldung einen Mangel an Kanallayoutinformationen, um anzuzeigen, erzeugt.

<table><tbody><tr><td>spikesorter.exe</td><td>N/A</td><td></td><td>&lt;a href=&quot;http://www.swindale.ecc.ubc.ca/SpikeSorter&quot;&gt;http://www.swindale.ecc.ubc.ca/SpikeSorter&lt;/a&gt;</td></tr></tbody></table>

a visual guide to sorting electrophysiological recordings using 'spikesorter'

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.

Abbildung 7 zeigt die Anzeige (erhalten , indem Sie auf &quot;Ansicht - Sortiert Wellenformen &#39;) für eine typische sortierte Aufnahme. Die Standardansicht Option ist nur die Wellenformen für jeden Cluster auf den Center-Kanal zu zeigen. Eine allgemeine Erfahrung ist, dass Wellenformen für eine Clusterpaar auf dem gleichen Kanal identisch aussehen, aber wenn die &quot;Paare Vergleichen &#39;Dialog verwendet, um die zwei Cluster gibt es unterschiedliche Cluster in dem PC Projektions zu untersuchen, meist von Wellenformdifferenzen auf benachbarten Kanälen . Dies gilt zum Beispiel der Wellenformen auf Kanal 62 in 7. Wie oben erwähnt, ist es nicht ungewöhnlich, Cluster-Paare zu finden, wo verschmelzenden Entscheidungen müssen auf Amplituden-Zeit-Diagramme und auf Quer Korrelogramme basieren. Abbildung 8 zeigt ein Beispiel für eine Verschmelzung Entscheidung basiert teilweise auf der Quer Korrelogramm. Eine sehr starke, asymmetric Kreuzkorrelation in kurzen Zeitabständen (8B) in Verbindung mit einem Unterschied in der peak-to-Peak - Höhe der Einheiten und ähnlichen Feuermuster (8E) legt nahe, dass die Stacheln von der gleichen Neurons kommen. Figur 9 zeigt einen Fall , wo die gleiche Art von Beweisen für Verschmelzen fehlt. Hierbei ist die Quer Korrelogramm ist schwach und nicht stark asymmetrisch. Darüber hinaus sind die Formen der autocorrelograms der beiden Cluster unterschiedlich (9A). Argumentieren, die beiden Einheiten sollten nicht in den Verteilungen der Hauptkomponenten (Abbildung 9C) wegen der zusätzlichen klaren Unterschied verschmolzen werden. Figur 10 zeigt einen Fall , wo die PP Höhen von zwei Einheiten gleichzeitig mischen zusammen , dass eine von ihnen hält Abfeuern und die anderen fortgesetzt. In diesem Fall verschmelzen die Entscheidung scheint korrekt, wenn man die Möglichkeit nicht ausschließen, dass Einheiten ihre Feuerungsmuster Koordinatenkomplexe Weise und dass die Ähnlichkeit in Höhen zufällig ist. Diese Beispiele verdeutlichen die Schwierigkeiten im Angebot fest Anleitung, wie verschmelzenden Entscheidungen zu treffen. Dies wird durch den allgemeinen Mangel an objektiven Maßnahmen verstärkt für die Gesamtqualität der Spitze Sortierung Bewertung und die Auswirkungen von Parameteränderungen. Dies ist wegen der fehlenden Grundwahrheits Informationen, die zum Dorn Sortierung von intrazellulärem Aufnahmen (oder deren Äquivalent) von jedem Neuron, das nahe genug an einer Aufzeichnungselektrode war zu verursachen nachweisbare extrazelluläre Signale bestehen würde. Trotz dieser Einschränkung gibt es Surrogate für die Grundwahrheitsdaten und es ist nicht unvernünftig anzunehmen, dass eine Änderung Strategie bei der Sortierung, die auf Ersatzdaten zu einer besseren Leistung führt wird mit realen Daten zu einer besseren Leistung führen. Die Surrogate sind echte MEA Aufzeichnen von Daten, in denen Spitzen, von der Aufnahme genommen, werden zurück in die recordi hinzugefügtng zu bekannten Zeiten auf verschiedenen Kanälen, in denen sie nicht mit den ursprünglichen spikes verwechselt werden kann. Ein solcher Test die Grundlage eines Spike Sortier Wettbewerb organisiert von G. Buzsáki und T. Harris bei Janelia Farm gebildet 2013 Surrogate Daten gehalten von Aufnahmen im Thalamus oder Hippocampus von sich frei bewegenden Ratten (A. Peyrache gemacht erzeugt wurden, A. Berenyi und G. Buzsáki, nicht veröffentlichte Daten). Spike Signale, für die &quot;Ground Truth&quot; war erzeugt wurden durch Spikes aus einer Einheit aufgezeichnet auf einem Schaft zu nehmen und sie in die Aufnahme auf einem anderen Schaft so Zugabe sichergestellt wird, dass die Beziehung dieser Spitze Zug mit Hintergrundaktivität und Gehirnzustände erhalten blieb. Aufzeichnungen enthalten tatsächliche Spicken Aktivität zusätzlich zu den Grundwahrheits spike trains hinzugefügt. Die falschen positiven Raten für SpikeSorter waren 0,26% und 0,01% für zwei verschiedene Testsätze, während die entsprechenden falsch negativen Ergebnisse waren 2,1% und 0,37% (A. Peyrache, persönliche Mitteilung). Diese Preise waren unter ter am besten von der Konkurrenz aber noch wichtiger ist sie niedrig sind und wahrscheinlich akzeptabel für die meisten Arten von neurophysiologischen Analyse. Ein weiterer Ansatz ist sehr detailliert in großem Maßstab biophysikalischen Simulationen von Netzwerken von Neuronen zu verwenden, um simulierte extrazelluläre Aufnahmen von bestimmten MEA-Designs generieren. Die Forscher arbeiten derzeit an MEA Sortierverfahren wurden aufgefordert, Test - Simulationen dieser Art 15 zu sortieren. Fünf verschiedene Sortieralgorithmen wurden verglichen. Es gibt verschiedene Möglichkeiten der Sortierung Bewertung der Leistung und die Leistung der verschiedenen Gruppen variiert nach welchen Maßnahmen verwendet wurden, mit keiner Gruppe als jede andere offensichtlich besser zu sein. SpikeSorter Die Ergebnisse fielen in den Bereich der Ergebnisse von den verschiedenen Gruppen erhalten. <img alt="Abbildung 1" src="/files/ftp_upload/55217/55217fig1.jpg" /> Abbildung 1. Die Ereigniserkennung Dialog. Diese proliefert Optionen für die Methode der Rauschmessung Auswahl zum Maskieren Kanäle Schwellwertbildung Werte und Methoden Einstellen ihrer Anwendung und für Methoden zur Vermeidung Ereignis Duplizierung wählen. In diesem und in anderen Dialogen, Informationen über die Entscheidungen, durch Tasten identifiziert durch Fragezeichen versehen ( &#39;?&#39;). <img alt="Figur 2" src="/files/ftp_upload/55217/55217fig2.jpg" /> Abbildung 2. Die Ansicht, Reinigen und Split Dialog. Dies bietet Möglichkeiten für die Cluster-Wellenformen anzeigen, identifizieren und Randwellenformen zu löschen, für Cluster in ein oder mehrere Untercluster aufgeteilt, und zum Löschen oder neue Cluster aus den Untercluster zu bilden. Subclustern werden durch die Farben dargestellt identifiziert. (Diese können in den Einstellungen geändert werden.) <img alt="Figur 3" src="/files/ftp_upload/55217/55217fig3.jpg" /> Abbildung 3. </strong&gt; Wirkung von Events zu einer unzuverlässigen Funktion ausrichten. Die Abbildung zeigt Daten aus einem einzelnen Kanal-Cluster, als die Menge der Ereignisse, deren Spitze-Spitze-Spannungen waren Wellenform definiert größte auf einem bestimmten Kanal. Feld A zeigt eine Untergruppe von 50 Ereignis Wellenformen aus diesem Cluster, overplotted, auf unterschiedlichen Elektrodenkanäle. Die Kanalnummern werden in der linken oberen Ecke jeder Satz von Wellenformen gezeigt. Schwarze Punkte neben einer Kanalnummer anzuzeigen, dass der Kanal zu diesem bestimmten Cluster zugeordnet ist. Kanäle werden in der gleichen räumlichen Ordnung ausgelegt, dass sie an der Elektrode aufweisen. Horizontale Achsen zeigen Zeit und die vertikale Achse die Spannung. Die horizontale Position der vertikalen Achse den Ausrichtungspunkt, dh jedes Ereignis positioniert ist , so dass ihre Ausrichtungspunkt mit der Achse zusammenfällt. Die scalebar an der Unterseite der Platte A nach links zeigt 0,5 ms und 100 &amp; mgr; V. Blaue Linien in A zeigen den Durchschnitt jedes Satzes von Wellenformen (die Vorlage).<html> Kanal 24 (grau dargestellt) maskiert. Die Ereignisse werden auf dem negativsten lokalen Minimum der Wellenform (negative Trog) ausgerichtet ist, wie unmittelbar nach der Ereigniserkennung bestimmt. Panel B zeigt die Verteilung der ersten zwei Hauptkomponenten von allen Wellenformen in dem Cluster abgeleitet. Drei Subclustern sind sichtbar in dieser Verteilung. Tafel C zeigt den gleichen Satz von Ereignissen nach ihnen auf die Vorlage Wellenform auszurichten. Die Hauptkomponenten Verteilung (Panel D) zeigt jetzt nur noch zwei Subclustern (eine in rot gekennzeichnet). Eine weitere Untersuchung zeigte, dass eine unechte cluster in B durch die Ausrichtung einer Teilmenge von Ereignissen zu einer zweiten negativen Mulde (die langsamere negativ nach Potential) verursacht wurde, die in einigen Fällen negativer als die erste war. Einige dieser Fehlstellungen Ereignisse sind in Feld A sichtbar als Wellenformen, deren Form nicht den Rest entsprechen._blank &quot;&gt; Bitte hier klicken, um eine größere Version dieser Figur zu sehen. <img alt="Abbildung 4" src="/files/ftp_upload/55217/55217fig4.jpg" /> Abbildung 4. Der Autosort Dialog. Dies stellt Ereigniserkennung Optionen, Clustering-Optionen und Optionen für die automatische Zusammenführung und die Aufteilung von Cluster-Paare nach der ersten automatisierten Bündelungsstufe. <img alt="Abbildung 5" src="/files/ftp_upload/55217/55217fig5.jpg" /> Abbildung 5. Der Vergleichs Cluster - Paare Dialog. Dies bietet Möglichkeiten für Paare Cluster Auswahl, Vergleich Maßnahmen (Match - Methode), durch Listen von Paaren , die durch den Vergleichswert bestellt Suchen, Optionen für Korrelogramme Anzeigen, Anzeigen Plots von PP Höhe (oder PC1 oder PC2) gegen die Zeit, und eine Option auf verschmelze Paare. &gt; <img alt="Figur 6" src="/files/ftp_upload/55217/55217fig6.jpg" /> Abbildung 6. Die Nachbearbeitung Dialog. Dies bietet Optionen für die Verlagerung und / oder doppelte Ereignisse zu löschen, für die möglicherweise laute Ereignisse zu löschen, für Reclustering unclustered Ereignisse, für Cluster mit einem niedrigen Signal-Rausch-Verhältnis (SNR) und für die Umnummerierung (Sortierung) Cluster nach verschiedenen Kriterien zu löschen. <img alt="7" src="/files/ftp_upload/55217/55217fig7.jpg" /> Abbildung 7. Anzeige Sortiert Einheiten zeigt zufällig ausgewählt, Overplotted Kurven farbig nach Cluster - Nummer. Zur Klarheit ist nur der Mittelkanalwellenform jedes Clusters angezeigt. Die Daten (von Mitelut &amp; Murphy, nicht veröffentlicht) zeigen die unteren 14 Kanäle eines 64-Kanal-Elektroden Aufnahme von Maus visuellen Kortex. ad / 55217 / 55217fig8.jpg &quot;/&gt; Abbildung 8. Beispiel Hinweise darauf , dass Brachte Can Be auf eine Entscheidung zu tragen , ob zwei Clustern zu vereinen. Die Vergleichs Cluster - Dialog (Teil A) wurde verwendet , um Cluster - Paare mit ähnlichen Wellenformen zu suchen, zu ignorieren Amplitude (normalisierte Skalarprodukt-Match - Methode). Panel B zeigt autocorrelograms (AC) und den Quer Korrelogramm (CC) für die beiden Cluster mit zwei verschiedenen Behälterbreiten (0,2 und 2 ms). Diese zeigen, dass Spitzen in dem zweiten Cluster (Einheit 53) haben eine sehr starke Tendenz zu treten entweder 4 oder 8 ms vor Spikes in der ersten (Einheit 28). Tafel C zeigt die Spitze Formen der beiden Einheiten und zeigt auch , dass die zweite (in grün dargestellt) eine kleinere Spitze als die erste hat. Panel D zeigt die PC Verteilung der beiden Clustern. Panel E Graphen PC1 (vertikale Achse) der beiden Einheiten der beiden Einheiten (rot und grün jeweils) vs. &lt;/ Em&gt; Zeit, während der gesamten Dauer der Aufnahme (in Minuten gezeigt). Siehe Text für weitere Beschreibung. <a href="https://ecsource-jove-com.bdigitaluss.remotexs.co/files/ftp_upload/55217/55217fig8large.jpg" target="_blank">Bitte klicken Sie hier</a> , um <a href="https://ecsource-jove-com.bdigitaluss.remotexs.co/files/ftp_upload/55217/55217fig8large.jpg" target="_blank">eine größere Version dieser Figur zu sehen.</a> <img alt="9" src="/files/ftp_upload/55217/55217fig9.jpg" /> Abbildung 9. Beispiel einer Cluster - Pair Wo es ist viel weniger Beweise für das Zusammenführen. Panel A zeigt , dass die autocorrelograms (AC) und der Quer Korrelogramm (CC) für die beiden Cluster unterschiedliche Formen aufweisen. Tafel B zeigt die gemittelte Musterwellenform und Standardabweichungen (Schattierung zeigt 1 SD - Einheit) , um deutlicher die Unterschiede in der Wellenform zu zeigen. Panel C zeigt die PC Verteilung der beiden Clustern. Panel D ein Diagramm der Spitze-zu-Peak - Höhe (vertikale Achse, &amp; mgr ; V) der beiden Einheiten gegenüber der Zeit während thE gesamten Dauer der Aufzeichnung. Siehe Text für weitere Beschreibung. <a href="https://ecsource-jove-com.bdigitaluss.remotexs.co/files/ftp_upload/55217/55217fig9large.jpg" target="_blank">Bitte klicken Sie hier</a> , um <a href="https://ecsource-jove-com.bdigitaluss.remotexs.co/files/ftp_upload/55217/55217fig9large.jpg" target="_blank">eine größere Version dieser Figur zu sehen.</a> <img alt="10" src="/files/ftp_upload/55217/55217fig10.jpg" /> Abbildung 10. Der Nachweis für die Zusammenführung Basierend auf Firing Muster und Hauptkomponenten Variation. Panel A zeigt die Wellenformen der beiden Cluster (rot und grün). Panel B plottet PC1 (vertikale Achse) gegen die Zeit (horizontale Achse) für die beiden Cluster und zeigt ein komplementäres Muster des Brennens mit PC1 Werte ähnlich zu sein zu der Zeit einer Einheit stoppt Brennens und der andere beginnt. Dies unterstützt eine Entscheidung trotz des Vorhandenseins von unterschiedlichen Clustern in die PC - Verteilungen (Tafel C) zu verschmelzen.

Watch this Scientific Journal Video about A Visual Guide to Sorting Electrophysiological Recordings Using 'SpikeSorter' at JoVE.com

A Visual Guide to Sorting Electrophysiological Recordings Using 'SpikeSorter'

The article shows how to use the program SpikeSorter to detect and sort spikes in extracellular recordings made with multi-electrode arrays.

Ein Visual Guide to Sortierung elektrophysiologischen Ableitungen Mit &#39;SpikeSorter&#39;

Few stand-alone software applications are available for sorting spikes from recordings made with multi-electrode arrays. Ideally, an application should be ...

a-visual-guide-to-sorting-electrophysiological-recordings-using

Universidad San Sebastian

Research

JoVE Journal

Neuroscience

11.0K Aufrufe.  University of British Columbia. The article shows how to use the program SpikeSorter to detect and sort spikes in extracellular recordings made with multi-electrode arrays.

Serie: A Visual Guide to Sorting Electrophysiological Recordings Using 'SpikeSorter'

A Simple Stimulatory Device for Evoking Point-like Tactile Stimuli: A Searchlight for LFP to Spike Transitions

Current neurophysiological research has the aim to develop methodologies to investigate the signal route from neuron to neuron, namely in the transitions from spikes to Local Field Potentials (LFPs) and from LFPs to spikes.
LFPs have a complex dependence on spike activity and their relation is still poorly understood1. The elucidation of these signal relations would be helpful both for clinical diagnostics (e.g. stimulation paradigms for Deep Brain Stimulation) and for a deeper comprehension of neural coding strategies in normal and pathological conditions (e.g. epilepsy, Parkinson disease, chronic pain). To this aim, one has to solve technical issues related to stimulation devices, stimulation paradigms and computational analyses. Therefore, a custom-made stimulation device was developed in order to deliver stimuli well regulated in space and time that does not incur in mechanical resonance. Subsequently, as an exemplification, a set of reliable LFP-spike relationships was extracted.
The performance of the device was investigated by extracellular recordings, jointly spikes and LFP responses to the applied stimuli, from the rat Primary Somatosensory cortex. Then, by means of a multi-objective optimization strategy, a predictive model for spike occurrence based on LFPs was estimated.
The application of this paradigm shows that the device is adequately suited to deliver high frequency tactile stimulation, outperforming common piezoelectric actuators. As a proof of the efficacy of the device, the following results were presented: 1) the timing and reliability of LFP responses well match the spike responses, 2) LFPs are sensitive to the stimulation history and capture not only the average response but also the trial-to-trial fluctuations in the spike activity and, finally, 3) by using the LFP signal it is possible to estimate a range of predictive models that capture different aspects of the spike activity.

To elucidate the complex transition from Local Field Potentials (LFPs) to spikes a suitable stimulator for light mechanical peripheral stimuli was built. As an application, the spiking activities recorded from somatosensory cortex were analyzed by a multi-objective optimization strategy. The results demonstrated that the proposed stimulator was able to deliver tactile stimuli with millisecond and millimeter precisions.

Eine einfache Vorrichtung zur Stimulierende Evoking Punkt-wie taktile Reize: Ein Suchscheinwerfer für LFP Transitions Spike

Current neurophysiological research has the aim to develop methodologies to investigate the signal route from neuron to neuron, namely in the transitions ...

Forschung

Neurowissenschaften

A Procedure for Implanting Organized Arrays of Microwires for Single-unit Recordings in Awake, Behaving Animals

In vivo electrophysiological recordings in the awake, behaving animal provide a powerful method for understanding neural signaling at the single-cell level. The technique allows experimenters to examine temporally and regionally specific firing patterns in order to correlate recorded action potentials with ongoing behavior. Moreover, single-unit recordings can be combined with a plethora of other techniques in order to produce comprehensive explanations of neural function. In this article, we describe the anesthesia and preparation for microwire implantation. Subsequently, we enumerate the necessary equipment and surgical steps to accurately insert a microwire array into a target structure. Lastly, we briefly describe the equipment used to record from each individual electrode in the array. The fixed microwire arrays described are well-suited for chronic implantation and allow for longitudinal recordings of neural data in almost any behavioral preparation. We discuss tracing electrode tracks to triangulate microwire positions as well as ways to combine microwire implantation with immunohistochemical techniques in order to increase the anatomical specificity of recorded results.

Implanting organized arrays of microwires for use in single-unit electrophysiological recordings presents a number of technical challenges.&#160;Methods for performing this technique and the equipment necessary are described.&#160;Also, the beneficial use of organized microwire arrays to record from distinct neural subregions with high spatial selectivity is discussed.

Ein Verfahren für die Implantation von Mikrodrähte Organisierte Arrays für Einzel-Einheit Recordings in Awake, Behaving Tiere

In vivo electrophysiological recordings in the awake, behaving animal provide a powerful method for understanding neural signaling at the single-cell ...

Acute In Vivo Electrophysiological Recordings of Local Field Potentials and Multi-unit Activity from the Hyperdirect Pathway in Anesthetized Rats

Converging evidence shows that many neuropsychiatric diseases should be understood as disorders of large-scale neuronal networks. To better understand the pathophysiological basis of these diseases, it is necessary to precisely characterize in which way the processing of information is disturbed between the different neuronal parts of the circuit. Using extracellular in vivo electrophysiological recordings, it is possible to accurately delineate neuronal activity within a neuronal network. The application of this method has several advantages over alternative techniques, e.g., functional magnetic resonance imaging and calcium imaging, as it allows a unique temporal and spatial resolution and does not rely on genetically engineered organisms. However, the use of extracellular in vivo recordings is limited since it is an invasive technique that cannot be universally applied. In this article, a simple and easy to use method is presented with which it is possible to simultaneously record extracellular potentials such as local field potentials and multiunit activity at multiple sites of a network. It is detailed how a precise targeting of subcortical nuclei can be achieved using a combination of stereotactic surgery and online analysis of multi-unit recordings. Thus, it is demonstrated, how a complete network such as the hyperdirect cortico-basal ganglia loop can be studied in anesthetized animals in vivo.

Acute In Vivo Electrophysiological Recordings of Local Field Potentials and Multi-unit Activity from the Hyperdirect Pathway in Anesthetized Rats

In this study, the methodology is presented on how to perform multi-site in vivo electrophysiological recordings from the hyperdirect pathway under urethane anesthesia.

Akut<em&gt; In vivo</em&gt; Elektrophysiologische Aufzeichnungen von lokalen Feldpotentialen und Multi-Unit-Aktivitäten von der Hyperdirect-Pathway in anästhesierten Ratten

Converging evidence shows that many neuropsychiatric diseases should be understood as disorders of large-scale neuronal networks. To better understand the ...

Combined In Vivo Anatomical and Functional Tracing of Ventral Tegmental Area Glutamate Terminals in the Hippocampus

Optogenetic modulation of neuron sub-populations in the brain has allowed researchers to dissect neural circuits in vivo and ex vivo. This provides a premise for determining the role of neuron types within a neural circuit, and their significance in information encoding relative to learning. Likewise, the method can be used to test the physiological significance of two or more connected brain regions in awake and anesthetized animals. The current study demonstrates how VTA glutamate neurons modulate the firing rate of putative pyramidal neurons in the CA1 (hippocampus) of anesthetized mice. This protocol employs adeno-associated virus (AAV)-dependent labeling of VTA glutamate neurons for the tracing of VTA presynaptic glutamate terminals in the layers of the hippocampus. Expression of light-controlled opsin (channelrhodopsin; hChR2) and fluorescence protein (eYFP) harbored by the AAV vector permitted anterograde tracing of VTA glutamate terminals, and photostimulation of VTA glutamate neuron cell bodies (in the VTA). High-impedance acute silicon electrodes were positioned in the CA1 to detect multi-unit and single-unit responses to VTA photostimulation in vivo. The results of this study demonstrate the&#160;layer-dependent distribution of presynaptic VTA glutamate terminals in the hippocampus (CA1, CA3, and DG). Also, the photostimulation of VTA glutamate neurons increased the firing and burst rate of putative CA1 pyramidal units in vivo.

The current protocol demonstrates a simple method for tracing of ventral tegmental area (VTA) glutamate projections to the hippocampus. Photostimulation of VTA glutamate neurons was combined with CA1 recording to demonstrate how VTA glutamate terminals modulate CA1 putative pyramidal firing rate in vivo.

Kombinierte in vivo anatomische und funktionelle Spurensuche von ventralen Tegmentalflächen-Glutamat-Terminals im Hippocampus

Optogenetic modulation of neuron sub-populations in the brain has allowed researchers to dissect neural circuits in vivo and ex vivo. This provides a ...

Recording Network Activity in Spinal Nociceptive Circuits Using Microelectrode Arrays

The roles and connectivity of specific types of neurons within the spinal cord dorsal horn (DH) are being delineated at a rapid rate to provide an increasingly detailed view of the circuits underpinning spinal pain processing. However, the effects of these connections for broader network activity in the DH remain less well understood because most studies focus on the activity of single neurons and small microcircuits. Alternatively, the use of microelectrode arrays (MEAs), which can monitor electrical activity across many cells, provides high spatial and temporal resolution of neural activity. Here, the use of MEAs with mouse spinal cord slices to study DH activity induced by chemically stimulating DH circuits with 4-aminopyridine (4-AP) is described. The resulting rhythmic activity is restricted to the superficial DH, stable over time, blocked by tetrodotoxin, and can be investigated in different slice orientations. Together, this preparation provides a platform to investigate DH circuit activity in tissue from na&#239;ve animals, animal models of chronic pain, and mice with genetically altered nociceptive function. Furthermore, MEA recordings in 4-AP-stimulated spinal cord slices can be used as a rapid screening tool to assess the capacity of novel antinociceptive compounds to disrupt activity in the spinal cord DH.

The combined use of microelectrode array technology and 4-aminopyridine-induced chemical stimulation for investigating network-level nociceptive activity in the spinal cord dorsal horn is outlined.

Aufzeichnung der Netzwerkaktivität in spinalen nozizeptiven Schaltkreisen unter Verwendung von Mikroelektrodenarrays

The roles and connectivity of specific types of neurons within the spinal cord dorsal horn (DH) are being delineated at a rapid rate to provide an ...

Extrazelluläre elektrophysiologische Aufzeichnung im motorischen Kortex von Mäusen

Multichannel Extracellular Recording in Freely Moving Mice

The protocol aims to uncover the properties of neuronal firing and network local field potentials (LFPs) in behaving mice carrying out specific tasks by correlating the electrophysiological signals with spontaneous and/or specific behavior. This technique represents a valuable tool in studying the neuronal network activity underlying these behaviors. The article provides a detailed and complete procedure for electrode implantation and consequent extracellular recording in free-moving conscious mice. The study includes a detailed method for implanting the microelectrode arrays, capturing the LFP and neuronal spiking signals in the motor cortex (MC) using a multichannel system, and the subsequent offline data analysis. The advantage of multichannel recording in conscious animals is that a greater number of spiking neurons and neuronal subtypes can be obtained and compared, which allows the evaluation of the relationship between a specific behavior and the associated electrophysiological signals. Notably, the multichannel extracellular recording technique and the data analysis procedure described in the present study can be applied to other brain areas when conducting experiments in behaving mice.

Autor im Rampenlicht: Fortschritte in der extrazellulären Mehrkanalaufzeichnung zur Untersuchung der neuronalen Aktivität bei frei beweglichen Mäusen 

The protocol describes the methodology of extracellular recording in the motor cortex (MC) to reveal extracellular electrophysiological properties in freely moving conscious mice, as well as the data analysis of local field potentials (LFPs) and spikes, which is useful for evaluating the network neural activity underlying behaviors of interest.

Mehrkanalige extrazelluläre Aufzeichnung bei frei beweglichen Mäusen

The protocol aims to uncover the properties of neuronal firing and network local field potentials (LFPs) in behaving mice carrying out specific tasks by ...

Entwicklung eines X-Y-Elektrodentisches zur präzisen neuronalen Aufzeichnung bei Weißbüschelaffen

Electrophysiology of Laminar Cortical Activity in the Common Marmoset

The marmoset monkey provides an ideal model for examining laminar cortical circuits due to its smooth cortical surface, which facilitates recordings with linear arrays. The marmoset has recently grown in popularity due to its similar neural functional organization to other primates and its technical advantages for recording and imaging. However, neurophysiology in this model poses some unique challenges due to the small size and lack of gyri as anatomical landmarks. Using custom-built micro-drives, researchers can manipulate linear array placement to sub-millimeter precision and reliably record at the same retinotopically targeted location across recording days. This protocol describes the step-by-step construction of the micro-drive positioning system and the neurophysiological recording technique with silicon linear electrode arrays. With precise control of electrode placement across recording sessions, researchers can easily traverse the cortex to identify areas of interest based on their retinotopic organization and the tuning properties of the recorded neurons. Further, using this laminar array electrode system, it is possible to apply a current source density analysis (CSD) to determine the recording depth of individual neurons. This protocol also demonstrates examples of laminar recordings, including spike waveforms isolated in Kilosort, which span multiple channels on the arrays.

Autor im Rampenlicht: Optimierung von Mikroantriebssystemen für die präzise Elektrodenpositionierung in Weißbüschelaffen

Custom-built micro-drives enable the sub-millimeter targeting of cortical recording sites with linear silicon arrays.

Elektrophysiologie der laminaren kortikalen Aktivität beim Weißbüschelaffen

The marmoset monkey provides an ideal model for examining laminar cortical circuits due to its smooth cortical surface, which facilitates recordings with ...

Ein Visual Guide to Sortierung elektrophysiologischen Ableitungen Mit 'SpikeSorter'

Zusammenfassung

Weitere Videos entdecken

Kapitel in diesem Video

Eine einfache Vorrichtung zur Stimulierende Evoking Punkt-wie taktile Reize: Ein Suchscheinwerfer für LFP Transitions Spike

Ein Verfahren für die Implantation von Mikrodrähte Organisierte Arrays für Einzel-Einheit Recordings in Awake, Behaving Tiere

Akut

Kombinierte in vivo anatomische und funktionelle Spurensuche von ventralen Tegmentalflächen-Glutamat-Terminals im Hippocampus

Aufzeichnung der Netzwerkaktivität in spinalen nozizeptiven Schaltkreisen unter Verwendung von Mikroelektrodenarrays

Mehrkanalige extrazelluläre Aufzeichnung bei frei beweglichen Mäusen

Mehrkanalige extrazelluläre Aufzeichnung bei frei beweglichen Mäusen

Mehrkanalige extrazelluläre Aufzeichnung bei frei beweglichen Mäusen

Elektrophysiologie der laminaren kortikalen Aktivität beim Weißbüschelaffen

Elektrophysiologie der laminaren kortikalen Aktivität beim Weißbüschelaffen