الإلكترونيات الدقيقة ، والفيزيولوجيا العصبية والتعلم الآلي ، تهتز ولكن لا تختلط

في منتصف عام 2018 ، نُشر العمل في الفيزيولوجيا الكهربية لدماغ الفئران ، إلى جانب إتاحة مجموعة بيانات فريدة للجمهور. تعتبر مجموعة البيانات فريدة من نوعها لأنها تحتوي على تسجيلات متزامنة لإمكانات المجال المحلي باستخدام قطب نيوروبكسل جديد عالي الكثافة (مسبار ، أو مسبار) وإلكترود تصحيح من خلية تقع بالقرب من العينة. الاهتمام بهذه التسجيلات ليس أساسيًا فحسب ، بل يطبق أيضًا ، لأنه يسمح لك بالتحقق من صحة النماذج لتحليل النشاط العصبي المسجل بواسطة عينات حديثة. وهذا بدوره يرتبط ارتباطًا مباشرًا بتطوير الأطراف الاصطناعية الجديدة. ما هي الحداثة الأساسية ، ولماذا تعد مجموعة البيانات هذه مهمة جدًا - سأخبركم تحت القص.


KDPV: نتيجة نمذجة الإمكانات خارج الخلية بالقرب من إحدى الخلايا العصبية أثناء توليد إمكانات الحركة ( المصدر ). يشير اللون إلى سعة الإمكانات. سيكون هذا التوضيح مهمًا لمزيد من الفهم.

تعتمد طرق الفيزيولوجيا الكهربية لدراسة الدماغ على تسجيل الإمكانات الكهربائية للدماغ. يمكن تقسيمها إلى غير الغازية - بشكل رئيسي الكهربائي (EEG) - والاجتياح ، على سبيل المثال ، القشرة الكهربائية (ECoG) ، المشبك التصحيح (المشبك التصحيح) أو تسجيل إمكانات المجال المحلي (LPP = إمكانات المجال المحلي ، LFP) . بالنسبة للأخير ، يتم حقن قطب كهربائي صغير من 10-100 ميكرون في الحجم مباشرة في المخ ويتم تسجيل إمكاناته. من أجل دراسة نشاط دماغ الثدييات على المستوى الخلوي ، أي لقياس نشاط الخلايا الفردية ، لا يمكن تطبيق الطرق غير الغازية المتاحة ، لأن الإمكانات الناتجة من خلية واحدة تتحلل بسرعة كبيرة ، حرفيًا إلى 100 ميكرون (انظر KDPV). لذلك ، في أي نموذج حيواني ، وكذلك في البشر ، توفر الطرق غير الغازية معلومات فقط عن النشاط الجماعي للخلايا العصبية والعمل ، على الأرجح ، على مستوى الأنسجة ، ولكن ليس على الخلايا العصبية الفردية.

ولكن مع الأساليب الغازية ليست بهذه البساطة. لتسجيل نشاط إحدى الخلايا العصبية ، من الضروري تقريب الإلكترود من الخلية العصبية أو وضعه داخل الخلية بشكل مثالي ، كما هو الحال في مشبك التصحيح ، أو استخدام أقطاب كهربائية حادة ، وهي عملية صعبة للغاية ، صعبة للغاية. من ناحية أخرى ، فإن أي قطب كهربائي خارج الخلية ~ 10 ميكرون في الحجم سوف يسجل إمكانات العمل من 5 إلى 10 خلايا حولها بسبب الكثافة العالية للخلايا العصبية والتوصيلية الأيونية العالية للمحلول خارج الخلوي. لذلك ، يتم حل مهمة تسجيل الخلايا الفردية تقنيًا عن طريق زيادة كثافة الأقطاب الموجودة بالقرب من الخلية. في هذا الصدد ، تتجه الفيزيولوجيا الكهربية الحديثة نحو زيادة في كثافة الأقطاب الكهربائية وزيادة عددهم وانخفاض في الحجم. من بين المتطلبات ، هناك حاجة لتضخيم الإشارة أقرب إلى موقع التسجيل من أجل تقليل الضوضاء ، ووضع مُضاعِف لتقليل الحجم. لذلك ، في عام 2016 ، تم الإعلان عنها في مرحلة ما قبل النشر ، وفي عام 2017 تم نشرها في مجلة Nature ، وفي عام 2018 ظهرت بالفعل في السوق ، وهي عينة جديدة عالية الكثافة من الخلايا العصبية مصنوعة من تقنية CMOS ، على 960 قطبًا كهربائيًا ، يتوفر منها 384 للتسجيل المتزامن. حجم موقع تسجيل واحد هو 12 ميكرون. سمك العينة 24 ميكرون. علاوة على ذلك ، مع الأقطاب الكهربائية عالية الكثافة ، وكذلك مع التضخيم النشط ، بدأ الناس في العمل لفترة طويلة ، ولكن Neuropixels كانت أول من وصل إلى الإنتاج والمبيعات ، لذلك في المستقبل القريب سيتم العثور على هذا الاختبار المحدد في المقالات أكثر وأكثر.

شكل مخطط نيوروبسلز. على ركيزة متجانسة من السيليكون ، هناك 960 موقعًا ، بالإضافة إلى معدد مضاعف وواجهة كاملة لـ 384 قناة.

هيكل البيانات

بالإضافة إلى إيقاعات النشاط الكلاسيكي (ألفا ، بيتا ، جاما ، إلخ) المسؤولة عن تزامن المجموعة ، فإن البيانات التي تم الحصول عليها باستخدام هذه العينات تحتوي أيضًا على إمكانات عمل الخلايا الفردية (AP = إمكانات الإجراء ، AP ، التموج ، التصاقات) ، والتي تبدو في السجل وكأنها قمم قصيرة مدتها ~ 1 مللي ثانية.


شكل إشارات العصبية. يتميز جزأان من الإشارة: إمكانات المجال المحلي (LFP ، تصل إلى ~ 300 هرتز) والنشاط الخلوي (AP ، من 300 هرتز).

في الوقت نفسه ، إذا كان يتم عادةً تحليل إمكانات المجال المحلي منخفض التردد ضمن إطار التذبذبات ويستخدم التحليل الطيفي أو الموياني كما هو الحال في EEG ، ثم النشاط الخلوي يحتوي على إمكانات عمل الخلايا الفردية ، وهو يتألف من أحداث منفصلة على خلفية من الضوضاء. مهمة عزل نشاط الخلايا الفردية تقلل رسميًا إلى مهمة مشكلة حفلة الكوكتيل ، عندما يجب تمييز مكبر صوت منفصل عن مجموعة السماعات. تظهر البيانات الكبيرة عندما نقيم تدفق البيانات من إحدى هذه العينات. لتحليل الطفرات ، يتم أخذ العينات من 30 إلى 40 كيلو هرتز مع رقمنة من 16 بت لكل نقطة (uint16) ، وبالتالي ، فإن تسجيل 100 قطب كهربائي بالفعل خلال ثانية واحدة سوف يزن من 8 ميجابايت. في الوقت نفسه ، عادة ما تستمر التجارب لساعات ، والتي تصل إلى مئات الجيجابايت من يوم عمل واحد فقط ، وللدراسة الكاملة ، على سبيل المثال ، من 10 سجلات من هذا القبيل. لذلك ، تعتمد إمكانات هذه العينة أيضًا بقوة على خوارزميات التعلم الآلي ، والتي تُستخدم لتحليل البيانات.

التعلم الآلي والنشاط الخلوي

عادة ، يتكون خط أنابيب لتحليل نشاط الخلية من المعالجة المسبقة وتجزئة السنبلة والتجميع. يشار عادةً إلى هذا الجزء من البحث باسم تحليل الكتلة أو فرز السنبلة. كعملية مسبقة ، عادةً ما يتم استخدام التصفية المنخفضة التمرير (> 300 هرتز) ، لأنه يُعتقد أنه لا توجد إيقاعات فسيولوجية أخرى تزيد عن 300 هرتز ، وتبقى فقط المعلومات حول النشاط الخلوي الفردي. أيضًا ، أثناء المعالجة المسبقة في العينات الكثيفة ، من الممكن تقليل الضوضاء المرتبطة ، على سبيل المثال ، التقاطات عند 50 هرتز. غالبًا ما يتم اعتبار التقسيم بمثابة عتبة بسيطة ، على سبيل المثال ، يمكن اعتبار أي شيء أعلى من 5 انحرافات قياسية للضوضاء حدثًا. يحدث أن يتم استخدام تجزيء العتبة ، مع عتبة رخوة وصعبة ، لتمييز الأحداث ذات الصلة في المكان والزمان ، كما هو الحال في خوارزمية تجزئة مستجمعات المياه ، فقط في تجميع المجموعات ، يأخذ نشر العلامة في الاعتبار طوبولوجيا العينة. بعد التجزئة ، يتم أخذ نافذة تدوم من 1-2 مللي ثانية بالقرب من مركز كل حدث ، وتصبح الإشارة في هذه النافذة ، التي يتم جمعها من جميع القنوات ، نموذجًا لمزيد من المجموعات. وتسمى هذه العينة الموجي سبايك. تؤدي الخلايا المختلفة ومسافاتها المختلفة من موقع التسجيل إلى حقيقة أن أشكالها الموجية ستختلف (انظر KDPV). تستخدم خوارزمية تجميع الموجي نفسها EM ، والبحث عن مطابقة القالب ، والتعلم العميق والعديد من الاختلافات ( الموضوع على github ). الشرط الوحيد هو التدريب دون معلم. ولكن هناك مشكلة واحدة. لا أحد يعرف على وجه اليقين المعلمات التي تحتاج إلى اتخاذها لخط أنابيب الخاص بك بحيث يكون التحليل هو الأكثر فعالية. عادة ، بعد التجميع ، يذهب المحلل يدويًا إلى النتائج ويقوم بالتغييرات حسب تقديره. وبالتالي ، يمكن أن تتضمن نتائج التحليل أخطاء الخوارزمية والأخطاء البشرية. وقد لا تكون ، لذلك ، تظل مسألة التحقق الموضوعي مفتوحة.

هناك عدة طرق للتحقق من صحة خط أنابيب. أولاً ، تغيير الظروف الخارجية لعنصر الدراسة. على سبيل المثال ، أثناء التجربة ، إذا كنت تدرس الأجزاء المرئية من القشرة ، فيمكنك تغيير نسيج الصورة ولونها ودرجة سطوعها. إذا كانت هناك في الخلية خلية غيرت نشاطها بناءً على التحفيز ، فأنت محظوظ. ثانياً ، يمكنك تحسين نشاط نوع معين من الخلايا أو تقليله صيدلانيًا ، على سبيل المثال ، باستخدام حاصرات قنوات معينة. بعد ذلك سوف يزيد / ينقص نشاط خليتك ، وسترى الفرق في التجميع. ومع ذلك ، فإن مثل هذا التعديل للنشاط سيؤدي أيضًا إلى تغييرات في أشكال الطول الموجي ، لأن ملف تعريف الحركة المحتملة في الوقت المحدد بالكامل بواسطة حركية القنوات الأيونية. ثالثًا ، يمكنك قياس نشاط بعض الخلايا أو حثه على التخليق الضوئي أو باستخدام ماصة التصحيح ، كما في مجموعة البيانات هذه. نظرًا لنسبة الإشارة إلى الضوضاء الكبيرة واستقرار قطب التصحيح ، ستكون واثقًا تمامًا من نشاط خلية واحدة. من الناحية النظرية ، تم تخصيص المنشور لتجميع مجموعة بيانات التحقق من الصحة باستخدام المشبك التصحيح.


شكل التمثيل التخطيطي للموقف النسبي للعينة (الخط AB) ولصقة التصحيح (الخط C'CT) في منطقة قشرة الفئران ، والتي هي المسؤولة عن معالجة المعلومات الحسية من forepaw (S1FL = القشرة الحسية forelimb.

وغني عن القول أن العمل المنهجي صعب للغاية ، لأن على المجربين تطوير طريقة للترتيب المتبادل بين قطبين في القشرة الدماغية دون تحكم بصري بدقة تصل إلى 10 ميكرون تقريبًا.

تأثير كثافة القطب الكهربائي على المجموعات

ما أهمية زيادة كثافة مواقع التسجيل؟ بالنسبة للتشبيه ، فإننا نأخذ الحقيقة المعروفة لدى الباحثين في EEG وهي أنه من عتبة معينة ، لا تؤدي الزيادة في عدد الأقطاب الموجودة في الغطاء إلى زيادة ملحوظة في المعلومات الواردة ، أي أن الإشارة من القطب تختلف قليلاً عن الاستيفاء الخطي للإشارات من الأقطاب الكهربائية المجاورة. يقول أحدهم أن هذه العتبة وصلت بالفعل إلى 30 ، شخص في 50 ، شخص في 100 قطب كهربائي. أولئك الذين يعملون مع EEG بالتفصيل يمكن تصحيحه. ولكن في حالة النشاط الخلوي ، فإن عتبة كثافة مواقع التسجيل على عينة واحدة غير معروفة بعد ، وبالتالي يستمر سباق العينات عالية الكثافة. لهذا ، يواصل فريق Kampff Lab العمل مع عينة مع موقع 5 × 5 ميكرون ² ، وقد تم نشر البيانات الأولية لهذا الغرض. يتبادل المتخصصون الذين يعملون مع أقطاب كهربائية كثيفة خبرتهم ، بشكل غير متوقع ، أن عدد الخلايا الفردية التي يمكن عزلها عن عينات من نفس المنطقة يكون أعلى حيث تكون كثافة مواقع التسجيل أعلى. تم توضيح هذا التأثير بشكل جيد في دراسة أخرى أجراها نفس المؤلفين المشاركين ، الذين اختاروا بشكل مصطنع جزءًا فقط من المواقع من عينة كثيفة وقيموا بصريًا جودة المجموعات الناتجة بعد تحويل tSNE إلى قيم PCA من طفرات الموجات. هذه ليست شريعة للتجمع ، لكنها جيدة لتوضيح التبعيات. كاختبار ، عمل Neuroseeker على 128 قناة بحجم إجمالي 700 × 70 ميكرون ² مع موقع 20 × 20 ميكرون.


شكل TSNE عبر مخططات PCA على أشكال موجية خام مع تقليل كثافة المواقع على العينة بشكل مصطنع. يتم عرض مواقع العمل بشكل تخطيطي أعلى كل رسم تخطيطي. يظهر بوضوح كيف ينمو عدد المجموعات المنفصلة بدقة مع زيادة كثافة الموقع ، A هو الأفضل ، و F هو الأسوأ.

ما هو جوهر العمل

في بيانات ماركيز سميث وآخرون. هناك تسجيل في وقت واحد من المشبك التصحيح والعينات. باستخدام بيانات patchclamp ، وجد العلماء لحظات من إمكانات العمل واستخدموا هذه اللحظات لتقسيم ومتوسط ​​الطول الموجي بالفعل على العينة. نتيجة لذلك ، تمكنوا من بناء توزيعات عالية الجودة لإمكانية العمل في الزمان والمكان على مساحة العينة بأكملها.


شكل على اليسار ، تظهر آثار نشاط الخلية في وقت واحد في مقطع التصحيح (أسود) وعلى أقرب قناة Neuropixels (أزرق). في الوسط - 500 عينة فردية ومتوسطها. على اليمين هو توزيع العمل المحتمل في الفضاء على مساحة العينة وفي الوقت المناسب.

بعد ذلك ، يتم طرح السؤال حول تباين الشكل الموجي خارج الخلية من ارتفاع إلى ارتفاع - نعم ، هو واضح ويجب أن يؤخذ في الاعتبار. ثم يظهرون أنه من الممكن بشكل أساسي تتبع توزيع إمكانات الحركة على طول غشاء الخلية باستخدام أقطابها الكثيفة ، ولكن هذا قد تم إظهاره مسبقًا في عمل مجموعات أخرى. في الختام ، يقدمون للمتعاونين المحتملين بعض الأسئلة الأساسية من الفيزيولوجيا العصبية ، والتي يمكنك محاولة الإجابة عليها بمساعدة مجموعة البيانات الخاصة بهم ، كما أنهم يعرضون استخدام مجموعة البيانات للتحقق من صحة خطوط الأنابيب لتجميع نشاط الخلايا. هذا الأخير يبدو كتحدي جريء ، لأن هناك الكثير من الخوارزميات التجميعية الآن ، والمنافسة بين الطرق كبيرة للغاية. ليست كل طريقة ، أولاً ، تعمل مع هذا العدد الكبير من القنوات ، وثانياً ، لا يمكن لأي شخص إعطاء مجموعات عالية الجودة بموضوعية.

ما التالي

أولاً ، تقترب نسخة جديدة من Neuroseeker على 1300 قناة تستخدم أيضًا تقنيات CMOS ، البيانات الأولية متاحة بالفعل .

ثانياً ، ننتظر مجموعة بيانات أخرى ، موجودة بالفعل من معهد ألين لعلوم الدماغ ، والذي تم الإعلان عنه في مؤتمر FENS في عام 2018. وسوف تستخدم في وقت واحد 4 (!) عينات من Neuropixels لدراسة المقاطع المرئية لقشرة الفأرة مع مختلف المحفزات البصرية. وعدوا بالنشر في نهاية عام 2018 هنا ، بجانب بيانات biphoton (وهي أيضًا مجموعة بيانات قوية جدًا) ، ولكن لا شيء حتى الآن.

ثالثًا ، تبدو مهمة تجميع الخلايا من تسجيل إمكانات خارج الخلية جميلة من الناحية الجمالية بالنسبة لي. إنه يجمع بين أساليب الإلكترونيات الدقيقة ، والفيزيولوجيا العصبية ، والتعلم الآلي. بالإضافة إلى ذلك ، لها قيمة أساسية وتطبيقية كبيرة. أفترض أن جمهور habr سوف يهتم بمعرفة المطبخ التقني لفيزيولوجيا الكهربية ، أي حول خوارزميات التجميع ، لأنه في هذا المجال قد طور بالفعل حديقة الحيوان الخاصة به. لقد قمت ، في المقابل ، بتجميع العديد من الأسئلة لهذه الخوارزميات ، ولا يمكن تخطي مجموعة البيانات هذه. لذلك ، في الجزء التالي ، سننتقل إلى تحليل بعض الخوارزميات ، بدءًا من Klustakwik الكنسي ، مع الاستمرار في أساليب القالب Kilosort أو Spyking Circus ، ثم YASS ، التي تعلن بقوة عن نفسها أنها تعمل بشكل أسرع وأفضل من أي شخص آخر ، لأن DL ولأنها تستطيع ذلك. موضوع على جيثب مع قائمة بعض الباقي هنا . مستقبلاً بعض الأسئلة ، لا أرى نقطة تطوير خوارزمية خاصة بي ، لأن المنافسة كبيرة جدًا بالفعل ، وقد تم بالفعل تنفيذ الكثير من الأفكار واختبارها من قبل الآخرين. ولكن إذا كان هناك متاهات ، فسوف أساهم بكل سرور.

يتم قبول الاقتراحات والرغبات. شكرا لاهتمامكم!