Advertencia: Esta página es una traducción de esta página originalmente en inglés. Tenga en cuenta ya que las traducciones son generadas por máquinas, no que todos traducción será perfecto. Este sitio Web y sus páginas están destinadas a leerse en inglés. Cualquier traducción de este sitio Web y su páginas Web puede ser imprecisa e inexacta en su totalidad o en parte. Esta traducción se proporciona como una conveniencia.

La herramienta de software de la ruptura rastrea la actividad de neuronas en tiempo real

La herramienta, llamada CaImAn, reemplaza el proceso manualmente de rastrear la situación y la actividad de neuronas

La búsqueda de las despedidas de neuronas individuales es como intentar discernir quién está diciendo lo que en un estadio de fútbol por completo de ventilatores de griterío. Hasta hace poco tiempo, los neurólogos han tenido que aburrido rastrear cada neurona a mano.

La “gente pasó más tiempo que analizaba sus datos para extraer trazos de la actividad que real cerco la,” dice a Dmitri Chklovskii, que lleva al grupo de la neurología en el centro para la biología de cómputo (CCB) en el instituto de la plancha en New York City.

Una herramienta de software de la ruptura llamada CaImAn automatiza este proceso arduo usando una combinación de métodos de cómputo estándar y las técnicas del máquina-aprendizaje. En un papel publicado en el eLife del gorrón en enero, los creador del software demuestran que el caimán logra exactitud cercano-humana en descubrir las situaciones de las neuronas activas basadas en datos de la proyección de imagen del calcio.

El caimán (una abreviatura del análisis de la proyección de imagen del calcio) ha estado libremente disponible por algunos años y ha probado ya inestimable a la comunidad de la proyección de imagen del calcio, con más de 100 laboratorios usando el software. La última iteración del caimán puede ejecutarse en una computadora portátil estándar y analizar datos en el tiempo real, significando a científicos puede analizar datos mientras que ejecutan experimentos. “Mi laboratorio se excita sobre poder utilizar una herramienta como esto,” dice al neurólogo Juan Pearson de Duke University, que no estuvo implicado en el desarrollo de programas.

El caimán es el producto de un esfuerzo iniciado por Chklovskii dentro de su grupo en CCB. Él trajo en Eftychios Pnevmatikakis y Andrea posterior Giovannucci para encabezar el proyecto. Su objetivo era ayudar a abordar los grupos de datos enormes producidos por un método llamado proyección de imagen del calcio.

Esa técnica implica el agregar de un tinte especial al tejido cerebral o a las neuronas en un plato. El tinte ata a los iones del calcio responsables de activar las neuronas. Bajo luz ultravioleta, el tinte se enciende hacia arriba. La fluorescencia ocurre solamente cuando el tinte ata a un ión del calcio, permitiendo que los investigadores rastreen visualmente la actividad de una neurona.

Analizar los datos recopilados vía proyección de imagen del calcio plantea un reto importante. El proceso genera una inundación de datos -- hasta 1 Terabyte a la hora de películas que oscilan -- eso llega a ser rápidamente de forma aplastante. “Un experimentador puede llenar la impulsión dura disponible en el comercio más grande de un día,” dice a Michael Häusser, neurólogo en la Universidad Londres cuyas personas probaron el caimán.

Los datos son también ruidosos. Como voces de la mezcla, las señales fluorescentes de diversas neuronas recubren a menudo, haciéndolo difícil escoger las neuronas individuales. Por otra parte, el tejido cerebral menea, agregando al reto de rastrear la misma neurona en un cierto plazo.

Pnevmatikakis, ahora científico de la investigación en el centro del instituto de la plancha para las matemáticas de cómputo, primero comenzó a desarrollar el caimán subyacente del algoritmo básico como postdoc en el laboratorio de Liam Paninski en la Universidad de Columbia.

“Era elegante matemáticamente e hizo un trabajo decente, pero realizamos que no generalizó bien a diversos grupos de datos,” Pnevmatikakis dice. “Quisimos transformarlo en un suite de software que la comunidad puede utilizar.” Ése era en parte porqué lo drenaron al grupo de la neurología en la plancha, que desarrolla las nuevas herramientas para analizar grupos de datos grandes.

Pnevmatikakis comenzó más adelante a trabajar con Giovannucci, después un postdoc en la Universidad de Princeton, al aplicar el algoritmo a rastrear la actividad de las células cerebelosas del gránulo, haber cargado denso, grupo de la rápido-despedida de neuronas. Las “herramientas de análisis existentes no eran bastante potentes desenredar la actividad de esta población de neuronas e implicada que eran todas que hacían la misma cosa,” dicen a Giovannucci, que ensambló al grupo de la neurología de CCB por tres años para ayudar a desarrollar el software para un uso más amplio. “El algoritmo resta las voces y los focos del fondo en algunos,” revelando que las células individuales del gránulo tienen de hecho configuraciones distintas de la actividad.

El trabajo adicional en el instituto de la plancha afiló las capacidades del caimán e hizo el software más fácil para que los investigadores utilicen para una variedad de experimentos sin el arreglo para requisitos particulares extenso.

Los investigadores probaron recientemente la exactitud del caimán comparando sus resultados con un grupo de datos humano-generado. La comparación probó que el software es casi tan exacto como seres humanos en determinar las neuronas activas pero mucho más eficiente. Su speediness permite que los investigadores adapten sus experimentos simultáneos, perfeccionando estudios de cómo los manojos específicos de neuronas contribuyen a diversos comportamientos. El grupo de datos humano también reveló alta variabilidad de personal, destacando la ventaja del tener una herramienta estandardizada para analizar datos de la proyección de imagen.

Además de exactitud de la evaluación comparativa, los investigadores utilizaron los resultados humano-anotados como grupo de datos del entrenamiento, desarrollando las herramientas máquina-aprender-basadas para aumentar el empaquetar del caimán. Han hecho desde entonces este público del grupo de datos, de modo que la comunidad pueda utilizarlo para extender más lejos el caimán o para crear las nuevas herramientas.