spikeMAP：HD-MEA皮层神经元E/I自动分型pipeline
| 字段 | 内容 |
|---|---|
| 论文标题 | Unsupervised pipeline for the identification of cortical excitatory and inhibitory neurons in high-density multielectrode arrays with ground-truth validation |
| 中文标题 | spikeMAP：高清MEA皮层兴奋性/抑制性神经元自动识别pipeline |
| 作者 | Giraud E, Lynn M, Vincent-Lamarre P, Beique JC, Thivierge JP |
| 单位 | University of Ottawa — School of Psychology / Brain and Mind Research Institute |
| 发表期刊 | eLife 2025;14:RP106557 |
| 发表年份 | 2025 |
| DOI | https://doi.org/10.7554/eLife.106557 |
| 研究类型 | Tools and Resources — 计算神经科学/电生理 |
| 类器官类别 | Brain（皮层神经元） |
| 原文链接 | https://doi.org/10.7554/eLife.106557 |
| PDF来源 | 📄 Giraud2025_eLife_spikeMAP_HDMEA.pdf |
📌 一句话推荐
🧠 spikeMAP：用动作电位波形（FW/PP）自动区分皮层兴奋性神经元和抑制性神经元——并用PV-Cre小鼠+步进式视蛋白进行光遗传学 ground-truth 验证，56%的抑制性神经元可被光激活确认。
🔬 研究背景
大规模电生理记录的核心瓶颈：
- HD-MEA（如3Brain的4096电极系统）可同时记录数千神经元
- Spike sorting已有成熟工具（Kilosort4、MountainSort等）
- 关键缺失：分型能力——无法可靠区分**兴奋性（E）和抑制性（I）**神经元
核心问题：能否仅凭细胞外的动作电位波形，实现可验证的E/I自动分型？
🧪 实验设计
HD-MEA系统
| 参数 | 值 |
|---|---|
| 平台 | 3Brain BioCAM X, HD-MEA Arena |
| 电极数 | 4096（64×64排列） |
| 电极间距 | 42 μm |
| 采样率 | 18 kHz |
| 记录脑区 | 小鼠内侧前额叶皮层（mPFC） |
| 样本 | PV-Cre小鼠脑片 |
spikeMAP Pipeline（三步）
- Spike检测：阈值交叉法（-4σ），高斯拟合优化阈值
- 聚类分型：PCA降维 + K-means聚类 + LDA线性判别
- E/I分型：波形峰谷比（FW/PP）区分兴奋性/抑制性神经元
验证方法
- 光遗传学验证：AAV-DIO-Step-Function Opsin（SFO）感染PV-Cre小鼠PV神经元
- 蓝光脉冲刺激后，观察记录神经元放电率变化
- 网络突触阻断剂（CNQX + PTX）排除间接效应
🔎 核心结果
1. spikeMAP Pipeline性能
- 对4096电极同步记录进行完整的spike sorting
- 多重质量控制：SNR阈值、LDA聚类分离度、最小放电率、Hartigan统计检验
- 可在标准台式电脑上运行，处理完整HD-MEA数据集
2. 波形特征E/I分型（Fig. 5）
- I神经元：峰谷比（FW）和峰后正相（PP）时间常数均较短
- E神经元：波形更宽、更浅
- K-means聚类自动识别两个分离良好的簇
- Fano因子分析：I细胞发放更规律（低Fano因子）
3. 光遗传学Ground-truth验证（Fig. 9-10）
| 指标 | I神经元 | E神经元 |
|---|---|---|
| 光激活后放电率增加 | 56% | 8% |
| 光激活后放电率下降 | — | 轻微下降（GABA-B介导） |
- PV神经元（I型）可靠地被蓝光激活，SFO可被黄光可逆失活
- 验证结论：波形分型对I神经元的特异性达56%，E神经元仅有8%误判
4. 空间分布与功能连接
- I神经元和E神经元在皮层各层均有分布，但密度不同
- Cross-correlation分析：I-I神经元对相关性高于E-E对
🎯 科学意义
技术突破
- 首个可验证的E/I自动分型pipeline：不仅分类，还提供光遗传学验证路径
- 与现有spike sorting兼容：可嫁接Kilosort4、MountainSort等输出
- 开源工具：所有代码和数据公开（Figshare: 10.6084/m9.figshare.29416472）
应用场景
- 任何使用HD-MEA的离体或体内电生理记录
- 神经回路研究：区分E/I活动模式
- 药物筛选：E/I平衡变化的自动化读数
⚠️ 研究局限性
- 仅区分E/I两类：无法细分到具体GABAergic亚型（PV、SS、SST等）
- 离体脑片验证：在体适用性待确认
- PV神经元特异性：验证依赖PV-Cre品系，其他抑制性神经元类型未单独验证
- 步进式视蛋白局限：需要特定病毒策略，不同实验室适配成本
🔗 核心配图
记录日期：2026-05-02
李东伟
📞 18045130660
🌐 https://www.biokingdom.top