28、利用细胞外记录研究睡眠稳态：技术与挑战

利用细胞外记录研究睡眠稳态：技术与挑战

1. 数据处理与聚类

在神经科学研究中，为确保采集的尖峰样本能代表整体群体，聚类操作需多次运行。许多Matlab软件包可用于执行期望最大化（EM）步骤，这些软件包可在Matlab Central文件库（http://www.mathworks.com/matlabcentral/fileexchange）中找到。虽然我们为SM步骤实现了自定义函数，但也能在同一网站上找到一些相关脚本。这些函数应用于从波形数据中提取的主成分（PCs），并返回一个索引，该索引将每个波形分配到对应单个神经元的聚类中。

2. 神经元的电生理分类

神经元的主要亚型可根据细胞外波形特征进行区分，特别是尖峰振幅和尖峰半高宽。以往的体外和体内研究将神经元分为三大类：规则放电（RS）、固有爆发（IB）和快速放电（FS）神经元。一般认为，低频出现的宽动作电位（APs）由锥体兴奋性细胞产生，而高频出现的窄尖峰属于γ - 氨基丁酸能（GABAergic）中间神经元。然而，需要注意的是，细胞外记录的尖峰形状和振幅会受到轴突几何形状、细胞外空间不均匀性、体积传导或电极与神经元之间距离的显著影响。除非进行形态学分析和/或免疫组织化学分析，否则无法确定神经元的表型。

在我们的记录中，神经元的尖峰形状和放电特征表现出显著的变异性，但大致可分为三组：
- 具有窄APs和大多较短的峰间间隔（ISIs）的神经元可能是快速放电神经元。
- 具有宽尖峰和相对较低放电率的神经元可能是规则放电神经元。
- 具有宽尖峰且ISIs分布的主要模式在3 - 4毫秒之间的神经元可能是爆发性神经元。

以下是一个简单的表格总结：
| 神