當神經元相互交流時，它們會傳遞——或“發(fā)射”——稱為動作電位或尖峰的小電脈沖。這些動作電位是大腦中信息處理的基本單位。今天，神經元活動通常通過鈣成像來測量，它使用先進的顯微鏡來檢測神經元內鈣指示劑的熒光變化。這種方法變得非常流行，因為它可以同時檢測完整大腦中許多神經元的神經元活動。然而，它不是直接檢測動作電位，而是間接測量神經元活動：熒光信號取決于通過細胞膜中的鈣通道流入的鈣，這些通道被動作電位激活。單個動作電位導致細胞內鈣濃度的短暫增加和隨后的降低，這比動作電位本身慢得多。因此，通過顯微鏡測量的鈣信號是神經元真實電活動的緩慢、扭曲和嘈雜的“陰影”。因此，需要從測量的鈣信號中重建動作電位放電率的真實波動，這并非易事。
鈣信號和尖峰率之間的關系通過同時電生理記錄和同一神經元中鈣指示信號的光學成像進行理想的評估。這種雙重記錄可以作為“基本事實”，以校準和優(yōu)化從其他鈣成像數(shù)據推斷尖峰率的算法?；谶@樣的地面實況數(shù)據集，已經開發(fā)了各種尖峰推斷算法，但它們通常使用復雜，精度不確定。
重建動作電位的歷史
在2006 年的這篇論文中，F(xiàn)MI 小組負責人 Rainer Friedrich 是最早開發(fā)出一種方法來重建鈣成像尖峰的人之一。弗里德里希 (Friedrich) 對該主題的興趣隨后在他獲得博士學位時重新激活。學生 Peter Rupprecht 想出了使用高級機器學習來重建尖峰的想法。在 2017 年贏得“Spikefinder”挑戰(zhàn)后，Rupprecht 在 FMI 的最后幾個月致力于同時測量來自許多不同神經元的鈣信號和動作電位，并開發(fā)了一種新算法來從鈣成像推斷尖峰。然后他繼續(xù)從事這個項目，并在蘇黎世大學腦研究所作為博士后完成了它。Rupprecht 簡單有??效算法，今天刊登在Nature Neuroscience 上，明顯優(yōu)于所有現(xiàn)有算法。
首先，Rupprecht 使用各種物種(小鼠和斑馬魚)、神經元類型、鈣指示劑等，從公開可用的和新執(zhí)行的記錄中編譯了一個大型且多樣化的地面實況數(shù)據庫。然后他開發(fā)了一種新的尖峰推理算法，利用地面實況數(shù)據集，基于機器學習。通過在各種數(shù)據集上訓練算法，他設法創(chuàng)建了一種“通用”模型，即使對算法以前從未接觸過的數(shù)據集也能做出準確的預測。
標簽： 成像神經元
免責聲明：本文由用戶上傳，如有侵權請聯(lián)系刪除！