autoMEA:用于多电极阵列数据集的基于机器学习的爆发检测
Vinicius Hernandes1, Anouk M Heuvelmans2,3, Valentina Gualtieri1
1Department of Quantum Nanoscience, Kavli Institute of Nanoscience, Delft University of Technology, Delft, Netherlands.
Frontiers in neuroscience
|December 20, 2024
概括
autoMEA软件使用机器学习在多电极阵列 (MEA) 数据中进行自动爆发检测. 该工具准确分析复杂的神经网络活动,优于手工方法,有助于神经发育障碍研究.
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.
- 生物信息学是一种生物信息学.
背景情况:
- 神经网络活动对大脑功能至关重要,包括感知,运动控制和认知.
- 了解神经元连接和活动调节是破译大脑机制的关键.
- 多电极阵列 (MEA) 能够实现高通量,实时监控神经元网络动态,但数据分析复杂且耗时.
研究的目的:
- 引入autoMEA,这是一个新的软件,用于使用机器学习在MEA数据集中的自动爆发检测.
- 为了证明autoMEA在分析来自初级海马神经元的神经元网络活动中的有效性.
- 在野生类型和神经发育障碍模型中验证autoMEA在检测网络表型方面的表现.
主要方法:
- 开发和应用autoMEA,这是一款基于机器学习的软件,用于在MEA数据中自动检测爆发.
- 实验验证使用在24井MEA板上培养的野生类型小鼠的原发海马神经元.
- 与手动分析进行基准测试,并应用于模拟神经发育障碍的神经网络.
主要成果:
- autoMEA准确地检测到关键的网络特征,如同步性和节奏性,与专家手动分析相当.
- 该软件成功地识别了复杂的爆发动态,如声,在海马培养物.
- 在神经发育障碍模型中,autoMEA在检测网络同步性,节奏性和爆发动态的变化方面表现出灵敏度.
结论:
- autoMEA提供了可靠,精确和准确的自动分析从多井MEA记录的神经网络活动.
- 该软件克服了传统半自动化方法的局限性,提供了一个用户友好和高效的替代方案.
- autoMEA是推动基础神经科学和神经发育障碍表型化研究的宝贵工具.
