MEA-NAP:一个灵活的网络分析管道用于神经元的2D和3D有机多电极记录
Timothy P H Sit1, Rachael C Feord2, Alexander W E Dunn2
1Department of Physiology, Development and Neuroscience, University of Cambridge, CB2 3DY Cambridge, UK; Queen Square Institute of Neurology, University College London, WC1N 3BG London, UK.
Cell reports methods
|November 9, 2024
概括
一个新的MATLAB管道 (MEA-NAP) 分析微电极阵列 (MEA) 数据,以绘制神经元培养中的功能性大脑网络. 该工具揭示了网络发展以及疾病或药物的影响.
科学领域:
- 神经科学是一个神经科学.
- 计算神经科学是一种神经科学.
- 系统神经科学 系统神经科学
背景情况:
- 微电极阵列 (MEA) 记录对于研究神经元培养至关重要,它提供了对发射率,爆发模式和微尺度功能连接的见解.
- 从MEA数据中分析复杂的网络拓和动态是具有挑战性的,因为缺乏专门的计算工具.
- 图形理论指标通常用于神经成像,但未被充分利用用于从MEA记录中微观大脑网络分析.
研究的目的:
- 介绍 MATLAB MEA 网络分析管道 (MEA-NAP),这是一个新的计算工具,用于从 MEA 记录中分析功能性大脑网络.
- 在各种神经元培养模型中实现网络拓,节点绘图和维度的详细表征.
- 为研究药理干扰和基因突变对神经网络发育和功能的影响提供一个平台.
主要方法:
- 开发一个MATLAB管道 (MEA-NAP) 来处理来自单或多井MEA的原始电压时间序列.
- 整合基于多单元模板的尖峰检测,以准确识别神经元活动.
- 实施概率值,以确定功能连接的稳定性,以及用于跨网络比较的规范化技术.
主要成果:
- MEA-NAP成功应用于3D人类大脑器官和2D人类衍生或小鼠培养物,揭示了不同的网络发展模式.
- 分析突出了网络拓,节点绘图和跨发展阶段和培养类型的维度的差异.
- 该管道在识别由药理疗法和与疾病相关的突变引起的网络层次改变方面表现出有效性.
结论:
- MEA-NAP提供了一种强大而通用的计算解决方案,用于从MEA数据中分析微尺度功能性脑网络.
- 该工具促进了对神经元培养中的网络发展,疾病建模和药物查的比较研究.
- MEA-NAP提供了一个翻译平台,以推进对大脑功能和治疗策略的机械洞察.
