Systematic Spike Sorting Errors Revealed by Juxtacellular Ground Truth in the Awake Brain
这项研究利用来自清醒小鼠的地面真值数据集揭示，爆发式放电与脉冲重叠的共存显著损害了脉冲分选性能，导致高假阴性率，这不成比例地扭曲了神经元群体动力学，并使得在分选输出中进行稳健的不确定性量化变得必要。
原始论文采用 CC BY 4.0 许可（https://creativecommons.org/licenses/by/4.0/）。 这是一篇未经同行评审的预印本的AI生成解释。这不是医疗建议。请勿根据此内容做出健康决定。 阅读完整免责声明
为了理解大脑是如何思考的，科学家们经常倾听单个神经细胞的电信号微声。当一个神经元放电时，它会发出一个微小的电脉冲，这种脉冲可以通过放置在细胞外的敏感探针被捕捉到。挑战在于，在活体大脑中，数百个神经元同时放电，它们的信号在记录线上重叠，形成了一团混乱的电信号。为了理清这些信号，研究人员使用一种被称为“脉冲分选”（spike sorting）的过程，这本质上是一种数字化的尝试，旨在理清这些交织的线路，并将每一个脉冲分配给创建它的特定神经元。这项任务如此基础，以至于我们对脑细胞如何通信、记忆如何形成以及细胞网络如何协同工作的几乎所有认知，都依赖于这种分选的准确性。多年来，用于进行此类分选的工具都是基于睡眠动物或培养皿中的细胞的数据经过测试和信任的，在那些环境下，大脑是安静的，信号也是清晰的。但在一个清醒、思考中的动物的大脑里，情况则完全不同，那里充满了快速的爆发活动和拥挤的信号，这些信号可能会打破这些工具所遵循的规则。
一个研究小组致力于观察这些用于分选信号的标准工具在大脑清醒且活跃时是否仍然有效。他们在跑步机上清醒运动的小鼠大脑中记录了十六个单独神经元的活动。为了确定哪些脉冲属于哪个神经元，他们使用了一种特殊技术：将一个微小的玻璃电极直接放置在单个细胞旁边以直接捕捉其信号，同时使用另一个多线探针从稍远距离记录同一细胞的信号。这为他们提供了一个“地面真值”（ground truth），即一个已知的答案，可以用它来测试四种最流行的用于分选脉冲的计算机程序的性能。他们的发现是，预期与现实之间存在显著差距。虽然分选程序整体表现尚可，但它们遗漏了大量的脉冲，特别是在神经元进行快速爆发式放电时。更令人惊讶的是，这些错误并非随机发生的；它们以非常具体、可预测的模式出现，这可能会扭曲我们对脑细胞如何交流的理解。
研究人员发现，这些分选程序面临的最大问题是两个因素的结合：神经元进行快速爆发式放电，以及来自其他神经元的信号在同一时间发生重叠。当一个神经元发出单个、孤立的脉冲时，分选程序通常能很好地找到它。但当同一个神经元进行一系列快速脉冲放电时，电信号的形状会发生变化，通常变得更小且更难辨别。分选程序经过训练，旨在寻找一致的形状，因此往往无法识别这些变化的信号属于同一个细胞。当另一个神经元在同一时刻放电时，情况会变得更加糟糕，从而产生混乱的信号重叠。研究人员发现，当一个神经元正在爆发且其信号与其他神经元发生重叠时，分选程序错过该脉冲的频率比处理正常、孤立脉冲时高出约七倍。尽管这些困难时刻仅占总脉冲数的约五分之一，但它们却造成了近一半的漏检。
另一个重大发现是，这些程序往往并不只是完全漏掉这些困难脉冲，而是将其误识别。计算机检测到了信号，但将其分配给了错误的神经元，认为它属于附近的另一个细胞。当研究人员试图通过手动合并不同的脉冲组来修复这个问题时，情况并未好转。这种合并尝试反而使数据变得更糟，引入了如此多的新错误，以至于找回漏掉脉冲带来的收益被抵消了。这表明，目前的排序方法依赖于“神经元信号始终保持不变”的假设，而这种方法在面对清醒大脑的自然变异性时正面临根本性的挣扎。这些程序也过于渴望寻找重叠，经常猜测一个混乱的信号是两个神经元同时放电，而实际上它只是一个神经元在进行一次困难的爆发。这种渴望会导致“虚假报警”，即计算机凭空创造了从未发生过的脉冲。
研究结论指出，这些分选程序的错误并非仅仅是随机噪声，而是以一种可能严重误导科学结论的结构化方式存在的。因为错误最常发生在爆发和重叠期间——而这些时刻往往是科学家研究大脑如何处理信息时最感兴趣的时刻——导致的结果可能是产生虚假的神经元连接，或者掩盖真实的连接。研究人员认为，解决方案不仅是构建更好的分选工具，而是要改变我们信任其输出的方式。科学家不应将分选后的数据视为完美的既定事实，而需要承认过程中的不确定性，尤其是在那些爆发和信号重叠的混乱时刻。通过理解这些工具在何时以及为何失效，科学界可以开始开发出更好的方法，以应对清醒大脑那种混乱、动态的现实，确保我们讲述的关于大脑运作方式的故事是建立在坚实基础之上的。
您所在领域的论文太多了？
获取与您研究关键词匹配的最新论文每日摘要——附技术摘要，使用您的语言。