从成像神经元到测量它们的真实活动

当神经元彼此交流时，它们传递或“发射”被称为动作电位或尖峰的小电脉冲。这些动作电位是大脑中信息处理的基本单位。今天，神经元活动通常是通过钙成像来测量的，它使用先进的显微镜来检测神经元内钙指示剂荧光的变化。这种方法已经变得非常流行，因为它可以同时检测到完整大脑中许多神经元的神经元活动。然而，它不是直接检测动作电位，而是对神经元活动的间接测量:荧光信号依赖于通过细胞膜上钙通道的钙流入，钙通道被动作电位激活。单个动作电位引起细胞内钙浓度的短暂增加和随后的下降，其速度比动作电位本身要慢得多。因此，用显微镜测量的钙信号是神经元真实电活动的缓慢、扭曲和嘈杂的“阴影”。因此，希望从测量的钙信号重建动作电位发射速率的真实波动，这不是一项简单的任务。

钙信号和峰值率之间的关系可以通过同时电生理记录和同一神经元中钙指示信号的光学成像来理想地评估。这种双重记录可以作为“基本事实”来校准和优化从其他钙成像数据推断峰值率的算法。基于这些地面真相数据集，已经开发了各种用于spike推断的算法，但它们通常使用起来复杂，精度不确定。

重建动作电位的历史

FMI小组负责人Rainer Friedrich是第一个开发出通过钙成像重建这种刺突的方法的人之一2006年的论文．当弗里德里希的博士生彼得·鲁普雷希特(Peter Rupprecht)提出使用先进的机器学习重建尖刺的想法时，他对这个话题的兴趣重新被激发起来。在2017年赢得“Spikefinder”挑战后，Rupprecht在FMI的最后几个月致力于同时测量钙信号和钙离子动作电位来自许多不同的地方神经元并建立一个新算法从钙成像中推断尖峰。然后，他继续研究这个项目，并在苏黎世大学大脑研究所(Brain Research Institute at University of Zurich)获得博士后学位。Rupprecht简单有效算法，今日在自然神经科学,明显优于现有的所有算法。

First Rupprecht从公开的和最新的记录中编译了一个庞大而多样的地面真相数据库，使用了各种物种(老鼠和斑马鱼)、神经元类型、钙指标等。然后，他开发了一种新的spike推理算法，利用地面真相数据集，并基于机器学习。通过在各种数据集上训练算法，他成功地创建了一种“通用”模型，即使对算法从未接触过的数据集也能做出准确的预测。

新标准

弗里德里希说:“彼得的方法之所以如此成功，主要有两个原因。“首先，他设法获得了一个非常广泛和多样化的地面真相数据集。然后他有了这个绝妙的想法，在低质量的数据上训练算法，这些数据包括很多噪音，这是更现实的场景。”

弗里德里希希望这个工具能成为神经生物学家测量的新标准神经活动与钙成像，突出算法的另一个优势:易于使用。“你进行实验，在工具中上传数据，不到半小时就能得到结果;不需要调整任何参数，这都是由系统完成的。”此外，该工具包还提供了一个平台来量化其他算法的性能，并在未来进一步改进动作电位推断，Friedrich说。

但这种新工具真的会对神经生物学实验产生影响吗?“当然，”弗里德里希惊叫道。“大脑中的活动在100毫秒的时间尺度上有很多结构。慢得多钙信号传递，这种精细的时间结构丢失了。”然后，该小组负责人分享了一个在他自己的实验室应用新算法的实验例子:研究人员在气味刺激期间同时测量了斑马鱼大脑中1500个神经元的活动。他们看到活动随着时间的推移而变化，但他们只有一到两秒的分辨率。有了这个新工具，他们成功地将时间分辨率提高了一个数量级。“现在我们可以看到很多以前无法解决的问题，比如当特定信息被处理时，神经元集合会以有序的顺序被激活。”