HIPPIE：一种用于跨物种、技术和模式进行电生理分析的生成模型

《Nature Communications》：HIPPIE: a generative model for electrophysiological analysis across species, technologies, and modalities

　　

摘要

从细胞外电生理记录中识别神经元类型是一项具有挑战性的任务，这主要是由于波形本身的变异性、噪声以及不同实验、技术和物种之间的技术差异所致。我们提出了HIPPIE（高维生理模式解释技术，用于细胞间电生理学研究），这是一个深度学习框架，它结合了在无标签数据集上的自监督预训练和有监督的微调，以便从细胞外记录中识别神经元。通过使用条件卷积联合自编码器，HIPPIE能够学习出经过技术调整后的波形和脉冲动态表征。在我们的研究中，我们展示了HIPPIE在处理小鼠、大鼠和猕猴的电生理记录时，其分类性能可与现有方法相媲美；同时，它还支持一些现有的区别模型无法实现的生成性分析功能，包括在改变实验条件下对电生理信号的逆向解码、跨物种的潜在信息插值，以及揭示脉冲时序特征和波形形态编码了神经元身份中大部分独立维度的跨模态分析。HIPPIE既可作为Python包使用，也可作为无需编码的Web应用程序使用，为跨技术、实验条件和物种的多模态神经元分类提供了一个统一的框架。