Biokingdom

小鼠视网膜神经节细胞的非参数生理学分类技术管线评述
Jonathan Jouty, Gerrit Hilgen, Evelyne Sernagor, Matthias H. Hennig | Frontiers in Cellular Neuroscience 2018 | DOI: 10.3389/fncel.2018.00481

标签: #方法学综述 #高通量电生理 #细胞分类算法 #3Brain


一、本文综述了什么


二、综合比较的核心结论

主题 A:合成基准构建与LNP模型验证

图1:8种基础RGC类型的线性-非线性-泊松(LNP)模型响应模拟与脉冲序列生成

图1:8种基础RGC类型的线性-非线性-泊松(LNP)模型响应模拟与脉冲序列生成

主题 B:脉冲距离度量与传统特征降维的性能博弈

图2:ISI/SPIKE距离与PSTH/PCA聚类在合成数据集上的综合评分对比

图2:ISI/SPIKE距离与PSTH/PCA聚类在合成数据集上的综合评分对比

主题 C:生物变异性与感受野参数波动的鲁棒性测试

图3:感受野(RF)参数变异度(5%-30%)及细胞数量对聚类质量的衰减曲线

图3:感受野(RF)参数变异度(5%-30%)及细胞数量对聚类质量的衰减曲线

主题 D:复杂实验噪声环境下的聚类稳定性

图4:不同比例噪声单元(假阳性/漏检/串扰)对各类算法聚类完整性的影响

图4:不同比例噪声单元(假阳性/漏检/串扰)对各类算法聚类完整性的影响

主题 E:真实HD-MEA记录的无监督分类与亚型解析

图5:1026个RGC的层次聚类树状图、t-SNE降维分布及28个功能亚型的生理特征汇总

图5:1026个RGC的层次聚类树状图、t-SNE降维分布及28个功能亚型的生理特征汇总

主题 F:跨样本异质性与数据合并策略的挑战

图6:6个独立视网膜PCA空间分布差异及跨样本直接合并导致的聚类偏差

图6:6个独立视网膜PCA空间分布差异及跨样本直接合并导致的聚类偏差

共识

争议

空白


与我们的产品

产品 关联度 应用场景
3Brain HD-MEA ⭐⭐⭐⭐⭐ 本文核心硬件平台(BioCam4096),用于单视网膜千级神经元同步记录;可直接搭载本文开源的SPIKE距离聚类管线,实现“记录-分型-注释”一站式交付
Cellink BIO X ⭐⭐⭐ 构建3D视网膜类器官或神经球模型,结合MEA平台进行体外发育、疾病建模及药物筛选的高通量电生理分型验证
Celvivo ⭐⭐ 提供在体双光子/共聚焦成像与电生理数据的跨模态关联,辅助验证离体分类结果的生理相关性,打通“离体分型-在体功能”闭环

参考文献

  1. Baden T, et al. A complete functional taxonomy of mouse retinal ganglion cells. Nature. 2016. DOI: 10.1038/nature16937
  2. Zeck G, Masland RH. Spike train similarity space enables comparison of neural activity between individuals. J Neurophysiol. 2007. DOI: 10.1152/jn.00202.2007
  3. Kreuz T, et al. Monitoring spike train synchrony. J Neurophysiol. 2007. DOI: 10.1152/jn.00853.2006
  4. Hilgen G, et al. Unsupervised spike sorting of large-scale, high-density multielectrode array recordings. Cell Rep. 2017. DOI: 10.1016/j.celrep.2017.02.039

转发语:视网膜细胞分型还在靠人工调参?这篇文献用“脉冲距离+无参数聚类”给出了自动化答案,直接打通HD-MEA数据到细胞亚型的分析管线,电生理与类器官销售必看!

联系人:李东伟
📞 18045130660 🌐 https://www.biokingdom.top

📥 下载原文PDF:点击此处下载原文PDF