美国约翰霍普金斯大学Adam S. Charles和美国普林斯顿大学David W. Tank研究组合作检测和校正钙成像中的错误瞬变。该研究于2022年3月28日发表于国际一流学术期刊《自然—方法学》杂志上。
他们证明了，流行的时间过程估计算法通常包含影响 10-20% 瞬态的大量归因错误。当重叠的细胞和过程定义不完善或未识别时，就会出现错误归因，即荧光归因于错误的细胞。为了诊断错误归因，他们开发了用于评估大型数据集的指标和可视化工具。为了纠正时间过程，他们引入了一个强大的估计器，它明确地解释了污染信号。在一个海马数据集中，去除污染使位置细胞数量减少了 15%，19% 的位置场移动了 10 cm 以上。
他们的方法与其他细胞发现技术兼容，使用户能够诊断和纠正可能改变科学结论的潜在广泛问题。
据介绍，钙活动的人口记录是洞察神经功能的主要来源。大型数据集需要自动处理，但这可能会引入难以检测的错误。
附：英文原文
Title: Detecting and correcting false transients in calcium imaging
Author: Gauthier, Jeffrey L., Koay, Sue Ann, Nieh, Edward H., Tank, David W., Pillow, Jonathan W., Charles, Adam S.
Issue&Volume: 2022-03-28
Abstract: Population recordings of calcium activity are a major source of insight into neural function. Large datasets require automated processing, but this can introduce errors that are difficult to detect. Here we show that popular time course-estimation algorithms often contain substantial misattribution errors affecting 10–20% of transients. Misattribution, in which fluorescence is ascribed to the wrong cell, arises when overlapping cells and processes are imperfectly defined or not identified. To diagnose misattribution, we develop metrics and visualization tools for evaluating large datasets. To correct time courses, we introduce a robust estimator that explicitly accounts for contaminating signals. In one hippocampal dataset, removing contamination reduced the number of place cells by 15%, and 19% of place fields shifted by over 10 cm. Our methods are compatible with other cell-finding techniques, empowering users to diagnose and correct a potentially widespread problem that could alter scientific conclusions. SEUDO is a tool for detecting and correcting errors introduced by automated processing of calcium imaging data.
DOI: 10.1038/s41592-022-01422-5
Source: https://www.nature.com/articles/s41592-022-01422-5
Nature Methods：《自然—方法学》，创刊于2004年。隶属于施普林格·自然出版集团，最新IF：47.99
官方网址：https://www.nature.com/nmeth/
投稿链接：https://mts-nmeth.nature.com/cgi-bin/main.plex
本期文章：《自然—方法学》：Online/在线发表
