监督钙事件检测的神经信息学工具 Cadence 的介绍

信息科学 人工智能 神经病学 生物物理学 医学影像 生命科学 医学 细胞生物学 生物工程 生物化学
钙成像 钙事件检测 相对荧光 神经信息学工具 神经元群

神经信息学领域的一项新突破：Cadence工具用于钙事件检测的研究报告

背景介绍

钙成像技术在神经元集合体研究中引发了一场革命，为研究人员提供了一种同时可视化和监控多个神经元活动的强大工具。钙成像利用荧光钙指示剂，这些指示剂在细胞内钙水平变化时发光，而钙水平与神经元活动密切相关。通过成像这些荧光变化，研究人员可以实时获取神经元集合体的动态，从而研究复杂的神经回路和网络。

尽管钙成像可以生成相对荧光变化δf/f曲线，但研究神经元集合体的科学家通常需要从这些连续的δf/f曲线中推断出钙事件，以创建钙事件的栅格图（raster representation）。为此，科学家们需要一种能够从这些曲线中推断钙事件的工具。在本文中，研究团队介绍了一种名为Cadence的开源工具，它能够通过半自动检测从钙成像数据中获取钙事件。

论文作者和来源

本文由Nikolay Aseyev、Anastasia Borodinova、Svetlana Pavlova、Marina Roshchina、Matvey Roshchin、Evgeny Nikitin和Pavel Balaban撰写，所有作者均来自俄罗斯科学院（Institute of Higher Nervous Activity and Neurophysiology of RAS, Moscow, Russia）。该论文于2024年6月22日被接收并发表在《Neuroinformatics》期刊上。

研究流程

实验设计和方法

研究团队的实验目标是开发并验证Cadence这一工具的性能。其过程包括以下几个步骤：

  1. 动物实验和细胞培养：

    • 初级神经元培养：实验在新生的Wistar大鼠上进行，包括从大鼠新生幼崽的全皮质中提取神经元并进行培养。
    • 病毒生产和纯化：使用携带GCamp6s的重组腺相关病毒（AAV2）感染初级神经元以表达荧光钙传感器。

  2. 钙成像实验：

    • 在不同的实验条件下，包括大鼠初级神经元培养、离体脑切片和活体小鼠海马神经元上进行钙成像实验。

  3. Cadence工具的开发和测试：

    • 利用Python3编写Cadence工具，采用PySide6的Qt6框架进行图形用户界面设计。
    • 从三个不同实验的δf/f曲线中检测钙事件，分别为大鼠初级神经元培养、在体小鼠海马区域和大鼠脑切片实验。

实验结果

本研究利用Cadence工具进行了钙事件的检测，并将其与Cascade算法进行对比。研究结果显示：

  1. 初级神经元培养和钙成像：

    • 使用Celena X高内容成像系统进行钙成像，并生成MP4视频文件进行分析。
    • 通过Cadence检测钙事件，并与Cascade算法进行比较，发现Cadence在检测低幅度事件上具有优势。

  2. 离体脑切片实验：

    • 使用LSM 5 Live Confocal Microscope进行成像，计算相对荧光变化并分析钙事件。
    • Cadence工具在检测低时间分辨率的实验数据时表现良好。

  3. 活体小鼠海马区域实验：

    • 将小鼠置于开放场地中，进行行为实验并记录钙成像数据。
    • Cadence工具在检测多个通道的钙事件时表现高效，同时保持良好的准确性。

数据处理与输出

Cadence工具利用signals模块中的signal.argrelextrema函数进行局部正极值的检测，并通过对δf/f曲线设置阈值和窗口参数来调整检测质量。研究显示，Cadence相比于完全自动化的Cascade算法，能够在质差的通道中识别出无用信号，从而避免了错误峰值的检测。

研究结论及价值

研究结果明确表明，Cadence是一种简单、快速、免费的开源工具，对于钙成像实验中的事件推断具有重要价值。其半自动化的算法能有效地避免主观偏差，并在分析过程中加入盲法设计以提高结果的准确性。Cadence针对那些存在低幅度事件或没有有效信号的通道，表现出比复杂的全自动程序更好的结果。

研究亮点

  1. 创新点：

    • 开发了简单但高效的半自动化钙事件检测工具，针对低幅度事件表现优异。
    • 提出了一种能够在噪声数据中通过阈值调整提高检测质量的方法。

  2. 应用价值：

    • Cadence工具为神经元电生理活动提供了一种快速、准确的推断方法，并具备友好的用户界面。
    • 开源且免费的特性使其在学术界具有广泛的应用前景。

其他有价值的信息

研究团队还开发了一系列用于Cadence数据导出的代码，以便在高级神经算法环境（例如Elephant）中进行进一步分析。此外，研究结果也展示了Cadence工具在实际数据集（如Celena X、Miniscope和LSM 5 Live Confocal Microscope实验数据）中的应用效果。

通过上述细致的实验设计、验证和结果分析，这项研究表明Cadence工具在神经信息学领域具有重要的应用价值，为神经元钙成像数据的进一步研究提供了有力支持。