Attenzione: questa pagina è una traduzione automatica di questa pagina originariamente in lingua inglese. Si prega di notare in quanto le traduzioni sono generate da macchine, non tutte le traduzioni saranno perfetti. Questo sito web e le sue pagine web sono destinati ad essere letto in inglese. Ogni traduzione del sito e le sue pagine web possono essere imprecise e inesatte, in tutto o in parte. Questa traduzione è fornita per comodità.

Il software tool dell'innovazione tiene la carreggiata l'attività dei neuroni in tempo reale

Lo strumento, chiamato CaImAn, sostituisce il trattamento manualmente di tenere la carreggiata la posizione e l'attività dei neuroni

Tenere la carreggiata gli infornamenti di diversi neuroni è come la prova di discernere chi sta dicendo che cosa in uno stadio di football americano in pieno dei ventilatori di grido. Fino ad oggi, i neuroscenziati hanno dovuto noioso tenere la carreggiata a mano ogni neurone.

“La gente ha passato più tempo che analizza i loro dati per estrarre le tracce di attività che realmente raccogliendolo,„ dice Dmitri Chklovskii, che piombo il gruppo della neuroscienza al centro per biologia di calcolo (CCB) all'istituto di ferro da stiro in New York.

Un software tool dell'innovazione chiamato CaImAn automatizza questo trattamento arduo facendo uso di una combinazione di metodi e di tecniche di apprendimento automatico di calcolo standard. In un documento pubblicato nel eLife del giornale a gennaio, i creatori del software dimostrano che il caimano raggiunge l'accuratezza quasi-umana nella rilevazione delle posizioni dei neuroni attivi basati sui dati della rappresentazione del calcio.

Il caimano (un'abbreviazione di analisi di rappresentazione del calcio) è stato liberamente disponibile per alcuni anni e già ha provato inestimabile alla comunità della rappresentazione del calcio, con più di 100 laboratori facendo uso del software. L'ultima ripetizione del caimano può funzionare su un computer portatile standard ed analizzare i dati in tempo reale, significante gli scienziati può analizzare i dati mentre eseguono gli esperimenti. “Il mio laboratorio è eccitato circa potere utilizzare uno strumento come questo,„ dice il neuroscenziato John Pearson di Duke University, che non è stato non coinvolgere nello sviluppo del software.

Il caimano è il prodotto di uno sforzo iniziato da Chklovskii all'interno del suo gruppo a CCB. Ha procurato Eftychios Pnevmatikakis ed Andrea successiva Giovannucci per condure il progetto. Il loro scopo era di contribuire ad affrontare i gruppi di dati enormi prodotti con un metodo chiamato la rappresentazione del calcio.

Quella tecnica comprende aggiungere una tintura speciale al tessuto cerebrale o ai neuroni in un piatto. La tintura lega agli ioni del calcio responsabili dell'attivazione dei neuroni. Nell'ambito di luce ultravioletta, la tintura si illumina. La fluorescenza accade soltanto quando la tintura lega ad uno ione del calcio, permettendo che i ricercatori tengano la carreggiata visivamente l'attività di un neurone.

Analizzare i dati riuniti via la rappresentazione del calcio posa una sfida significativa. Il trattamento genera una pletora di dati -- fino a 1 Terabyte un l'ora dei film tremuli -- quello diventa rapido in modo schiacciante. “Uno sperimentatore può riempire il più grande disco rigido disponibile nel commercio in un giorno,„ dice Michael Häusser, un neuroscenziato all'University College di Londra di cui il gruppo ha esaminato il caimano.

I dati sono egualmente rumorosi. Tanto come le voci di mescolanza, i segnali fluorescenti dai neuroni differenti si sovrappongono spesso, rendendolo difficile selezionare i diversi neuroni. Inoltre, il tessuto cerebrale scuote, aggiungendo alla sfida di tenere la carreggiata lo stesso neurone col passare del tempo.

Pnevmatikakis, ora un ricercatore al centro dell'istituto di ferro da stiro per matematica di calcolo, in primo luogo ha cominciato a sviluppare il caimano di fondo di algoritmo di base come postdoc nel laboratorio di Liam Paninski alla Columbia University.

“Era matematicamente elegante ed ha fatto un processo rispettabile, ma abbiamo realizzato che non ha generalizzato bene ai gruppi di dati differenti,„ Pnevmatikakis dice. “Abbiamo voluto trasformarlo in una serie di software che la comunità può usare.„ Quello era parzialmente perché è stato ritirato al gruppo della neuroscienza al ferro da stiro, che sviluppa i nuovi strumenti per analizzare i grandi gruppi di dati.

Pnevmatikakis più successivamente ha cominciato a lavorare con Giovannucci, quindi un postdoc alla Princeton University, sull'applicazione dell'algoritmo a tenere la carreggiata l'attività delle celle cerebellari del granulo, imballato densamente, gruppo di rapida-infornamento dei neuroni. “Gli strumenti di analisi attuali non erano abbastanza potenti districare l'attività di questa popolazione dei neuroni ed implicita che fossero tutti che fanno la stessa cosa,„ dice Giovannucci, che ha unito il gruppo della neuroscienza di CCB affinchè tre anni contribuisse a sviluppare il software per più vasto uso. “L'algoritmo sottrae le voci ed i fuochi di sfondo su alcuni,„ rivelando che le diverse celle del granulo effettivamente hanno reticoli distinti di attività.

Ulteriore lavoro all'istituto di ferro da stiro smerigliatrice le abilità del caimano ed ha reso il software più facile affinchè i ricercatori usi per vari esperimenti senza estesa personalizzazione.

I ricercatori recentemente hanno verificato l'accuratezza del caimano paragonando i sui risultati ad un gruppo di dati umano-generato. Il confronto ha provato che il software è quasi accurato quanto gli esseri umani nell'identificazione dei neuroni attivi ma molto più efficiente. Il suo speediness permette che i ricercatori adattino in moto i loro esperimenti, migliorando gli studi di come i gruppi specifici dei neuroni contribuiscono ai comportamenti differenti. Il gruppo di dati umano egualmente ha rivelato l'alta variabilità da personale, evidenziando il vantaggio di avere uno strumento standardizzato per analizzare i dati della rappresentazione.

Oltre ad accuratezza di benchmarking, i ricercatori hanno usato i risultati umano-annotati come gruppo di dati di addestramento, sviluppante agli gli strumenti basati a commputer per migliorare il pacchetto del caimano. Da allora hanno fatto questo pubblico di gruppo di dati, di modo che la comunità può usarla più ulteriormente per estendere il caimano o per creare i nuovi strumenti.