在体神经电生理技术给研究者提供了同时探索大量单神经元的放电模式的机会，研究者将电极精确插入到实验动物或人类大脑的特定灰质区域。当该电极插入一块神经组织以后，电极触点附近的神经元胞体和突触，他们都会以不同的模式放电，编码出不同的信息，而这些放电都会被电极采集到。单个电极触点记录的信号实际上是周围电位的综合反映，是众多神经元放电活动的叠加，难以直接区分具体哪一个波形来自哪个神经元。为了深入研究各个神经元的放电规律，科研人员需要将每个神经元产生的波形进行分离，并在电极尖端附近识别出单个神经元的spike（峰电位）。这一分辨过程，即为Spike Sorting（峰电位分类），可以明确每个spike与特定神经元的对应关系。
峰电位分类，是将信号分解为单个神经元活动信息的过程，是电生理研究中的关键步骤，用于区分记录到的神经信号并识别出有效的神经元单元。所以峰电位分类是做细胞外记录的关键，是脑神经学研究的基础。
图1: 峰电位分类范例。图中的峰电位被分为了四个神经元单位（蓝、红、绿、青）。
判断一个神经元信号的“好坏”是一个非常主观的过程，并且涉及多个因素，比如记录区域、电极类型、接地情况，以及环境噪声等等。由于不同的神经元信号中存在很大的差异性，所以很难有一个统一的标准来判断一个神经元单位的“好坏”。但是，有一些参数可以帮助我们判断一个神经元单位的“好坏”。
01
神经元单位中的波形数量
虽然有些神经元并不经常发放动作电位，但波形太少可能表明该单元是周期性噪声。此外，对波形太少的单元进行分析可能并无用处，甚至可能产生误导，因为尖峰（spike）的数量太少，无法产生有意义的影响。
图2:和unit c相比，unit a没有那么重要，因为246远小于1419。
02
违反尖峰间期的波形数量尖峰间期是指同一个神经元单元里面的两个波形的时间差。神经元在发放动作电位后会有一个绝对不应期，在绝对不应期里出现的波形是不符合生理学常识的。因此，如果两个波形之间的尖峰间期小于绝对不应期，则其中至少有一个波形不太可能是真正的生理反应。然而，一个单元中至少有一些违规波形并不罕见，因为对单元进行分类时没有噪音是极其困难的。所以，应该在神经元信号分类时设定一个合理的违规阈百分比值，即未超过此百分比都是可以接的。
03
波形的形状
这一标准可能比较主观，因为单元的振幅、波谷、宽度等因区域和细胞与记录电极的距离而异。不过，在细胞外记录中，单位应类似于倒置动作电位。
04
信噪比较大的信噪比意味着该单元很可能代表了来自记录点附近信号源的尖峰，信噪比非常大有时被认为是单细胞记录的证据。
图4:信噪比计算。
05
群（cluster）分离
许多峰电位分类软件都使用主成分分析法（PCA），将数据的维度降低为描述数据中差异最大的特征。主成分是数据差异最大的地方，因此，我们可以利用它们找到 “与众不同 ”的数据，或者换句话说，从噪声中分离出来。许多峰电位分类软件会计算每个通道的前八个主成分，这些主成分可以在特征空间中绘制出来。绘制成图后，波形往往会形成具有相似特征的数据组或数据群。(注：PC1 vs. PC2 是默认的二维特征图，但也可以用能量和时间戳等其他特征代替）。一个 “分离良好 ”的单元是一个紧密的聚类，与其他聚类（可能是噪声或其他单元）相比，被绘制在特征空间图的不同区域。聚类在特征空间中的分离程度可以作为一个好单元的标准。然而，这种分类是主观的，且存在低振幅单元经常被归入噪声群组的缺陷。
图5: pc1 vs. pc2 群分离的例子，黄色群和绿色群被认为为两个独立的单元。
06
L-ratio 和 IsodistanceL-Ratio 和 Isolation Distance 提供了一个数字来表示一个聚类的分离程度。然而，它们并不能计算出一个聚类与其他聚类是否存在显著差异。L 比率是衡量噪声或非单位波形与群集中心的距离。如果数值较低，则表示靠近单元集群的噪声波形较少。Isolation Distance是衡量非单元尖峰与群集中波形距离远近的指标。这个值高表示非单元波形与群波形的距离远。
07
群随时间的连续性
在长时间的记录过程中，或者如果您试图在不同的记录天跟踪一个单元，单元的模板和群组可能会漂移，也就是说它们会发生变化。这可能是由多种因素造成的。确定相似波形是否可能是同一单元在记录期间漂移的一种方法是查看随时间变化的群。如果这些单元确实是独立的，那么随着时间的推移，群将是连续的，不会重叠。
图6: 随时间变化的群。
本文作者：卢周晓
单位：美国南加州大学
发表回复