llnl开发的微电极能够自动分类神经信号

劳伦斯利弗莫尔国家实验室(LLNL)生产的薄膜微电极阵列使一个自动化系统的发展成为可能，该系统可以根据单个神经元对大脑活动进行分类，这项技术可以打开一扇大门，记录和分析前所未有的神经信号，并最终为科学家提供关于大脑如何学习和交流的新线索。

这项工作是旧金山大学(UCSF)、LLNL和熨斗研究所联合项目的一部分，在过去的六年里，LLNL的几位现任和前任研究人员做出了贡献。UCSF神经科学教授Loren Frank领导的团队利用实验室最初为人工视网膜开发的灵活神经探针，改进并适应了几个与大脑相关的项目，创造了一种名为“MountainSort”的算法和开源软件套件，能够自动分类“尖峰”信号神经活动被植入的电极捕捉到。该杂志最近对该作品进行了专题报道神经元．

“从根本上说，我们想要回答这个问题，‘大脑是如何工作的?’”该论文的合著者、LLNL科学家安吉拉·图克说。“为了发现大脑是如何学习或形成记忆的，你需要能够看到大脑的变化，并有能力记录长时间的活动。要真正了解大脑不同区域的所有交流途径，五分钟的录音是无法做到的。我们想在一个小区域获得大量的数据，看看神经元是如何交流的。如果你必须手动分类，那就会限制电极的数量，也会限制你观察大脑变化的时间。这不是任何人都能手工完成的。”

通常，研究人员手动分配的录音大脑的活动来单个神经元通过确定哪个“尖峰”——神经元势能的可视化——来自哪个细胞，是一个冗长而耗时的过程。微电极的检测能力越来越强背景噪音来自数百个遥远的神经元，当它们同时放电时，也会导致重叠的尖峰。由于这些原因，大多数实验室依靠人工分拣;即使实现了排序算法，人类也必须选择拒绝、合并或分割哪些集群。随着大型电极阵列达到越来越高的密度——达到数百个信息通道——人工对这些新的海量数据集进行尖峰排序正成为人类不可能完成的任务。

利用由LLNL和UCSF共同开发和设计的32通道和64通道神经探针，以及MountainSort软件，Frank和他的研究团队能够展示来自实验室大鼠大量单个神经元的长时间尖峰记录，每小时收集约110万个神经事件的信息。该项目的首席研究员弗兰克说，如果没有先进的微电极，这些结果是不可能实现的。

“电极使我们能够记录比以前更多的神经元和更长的时间，电极的发展对于开发更好的尖峰分类方法至关重要，”弗兰克说。“电极本身具有实现这种尖峰分类所必需的特性，因为它们具有紧密间隔的接触点，这样不同的接触点可以检测到来自同一神经元的信号，从而允许我们进行某种三角测量来确定哪些尖峰来自哪些来源。”

结合称为ISO-SPLIT的聚类算法，MountainSort可以分离神经信号从背景噪声中决定哪些集群应该被包括，哪些可以被丢弃。研究人员表示，尽管肌肉和运动产生了复杂的噪音事件，但MountainSort在分类尖峰方面的表现优于人类，他们发现“MountainSort很可能比人类操作人员更可靠地分离出集群。”当应用于128通道数据集时，MountainSort识别出99%以上的高振幅峰值。

与其他两种流行的尖峰排序算法相比，研究人员发现，MountainSort算法不仅运行得更快，而且始终更准确，其错误率与现有的手动或半手动方法相当，甚至更好。该软件也是可扩展的，他们报告说，建议从相同的320频道电极数组可以实时排序。

LLNL的研究员Razi Haque说，自动分类神经活动的能力将推动微电极达到更高的密度和更高的通道数，他领导了几个涉及神经植入探针的实验室项目。哈克说，最终，实验室的长期目标是在一个探针上安装数千个电极，这将产生大量的数据。

“数据处理将是一个问题，”哈克说。“但现在有了MountainSort，将会有更多的技术吸引力。当你解决了每一个难题，而数据处理是难题的一部分，我们将开始看到下一个要解决的问题是什么。”

虽然Haque表示，由于LLNL探针的灵活性，在最近的研究中，微电极明显缺乏“漂移”(电极在组织或细胞迁移中运动导致的尖峰异常)，但研究人员得出结论，需要做更多的工作来解决漂移和重叠信号。

---

---