数据预处理对尖峰序列相关性分析结果的影响

《Biological Cybernetics》：The effect of data preprocessing on spike correlation analysis results

　　

近年来，越来越多的公开大规模电生理数据集使研究人员无需自行实验即可分析尖峰序列数据。这无疑是积极的发展，但也增加了对数据采集方式和预处理步骤进行充分记录的需求，因为忽视这些信息而解读分析结果可能导致错误结论。一个重要的预处理步骤是从记录中移除伪迹。电生理记录特别容易受到记录通道间电串扰的影响，从而在多个通道的数据采样率时间尺度（即在常用设置下的1/30毫秒）上产生重合的伪迹尖峰。通过信号白化进行移除仅在原始采样数据可用的情况下才可能实现，因此消除此类伪迹的方法是在记录时间尺度上移除所有重合尖峰，以彻底避免伪迹尖峰。然而，由于缺乏“真实基准”，这一步骤有可能在移除伪迹的同时，一并消除与研究目标相关的数据成分。在本研究中，研究人员采用改进版本的单元事件分析（Unitary Event Analysis），并证明即使是在更长的时间尺度上，这种预处理也会导致比随机预期显著更低的相关性。研究人员还提出了一种方法来校正由该预处理引入的偏差。因此，预处理的微小变化可能对分析结果产生强烈影响，相关方法需要考虑这些效应。

论文解读：数据预处理对尖峰序列相关性分析的深远影响

一、研究背景与问题提出

在计算神经科学领域，大规模并行电生理记录的公开共享已成为推动研究的重要趋势。这些数据集使研究人员能够在不亲自进行实验的情况下探索大脑的动力学特性和计算机制。然而，随着数据集的多样化与复杂化，一个严峻的问题浮现出来：不同实验室的记录设备、数据处理流程缺乏标准化，导致下游数据分析结果的可靠性受到挑战。

当前存在的主要问题是，电生理记录极易受通道间电串扰影响，产生高时间精度（如1/30毫秒采样率）下的伪迹尖峰。常见的预处理手段之一——移除所有在该时间分辨率下重合的尖峰事件——虽然能有效清除伪迹，但其“一刀切”的特性可能同时误删了真实的神经元放电事件，尤其是那些恰好发生在同一时刻的随机巧合事件。这种过度移除会对后续基于更粗时间尺度（如1-5毫秒）的尖峰相关性分析造成系统性偏差，导致假阴性结果增加，即低估甚至完全遗漏真实的神经元同步活动。

二、研究目的与意义

本研究旨在系统揭示上述伪迹移除预处理对尖峰相关性分析结果的具体影响机制，量化其造成的偏差程度，并提出一种有效的校正方法。研究的意义在于，它强调了在利用公开数据进行分析时，必须充分了解并考虑预处理步骤的潜在影响，否则可能得出错误的科学结论。通过开发校正策略，本研究为未来更可靠地检测神经元功能连接提供了方法论基础。

三、关键技术方法

研究人员采用了以下主要技术方法：

1. 1.
   复合泊松过程（Compound Poisson Process, CPP）模拟：用于生成包含已知“真实基准”（ground truth）的平行尖峰序列数据，包括独立泊松过程、含伪迹数据、含神经元相关性数据以及两者混合的数据。
2. 2.
   复杂度分布（Complexity Distribution）分析：在采样率时间分辨率（h₀=1/30毫秒）下，统计所有通道中每时间窗内同时放电的神经元数量（复杂度）的概率分布，以此识别和量化伪迹。
3. 3.
   群体单元事件分析（Population Unitary Event Analysis, UE_pop）：一种扩展的单元事件分析方法，通过滑动窗口并行计算所有神经元对的同步事件经验数与期望数，并基于泊松分布假设计算显著性（惊奇度，Surprise），以检测群体水平的超额同步性。
4. 4.
   偏差校正方法推导：基于概率论，从伪迹移除后的尖峰计数出发，逆向推导出移除前的理论放电概率，进而修正期望重合计数，以补偿因误删随机巧合事件而导致的系统性偏差。

四、研究结果

3.1 伪迹移除导致惊奇度降低

研究人员通过CPP模拟含有伪迹的平行尖峰序列（N=100，背景发放率10赫兹）。应用UE_pop分析发现，在伪迹移除前，数据表现出显著的超额同步（惊奇度均值约2），这是伪迹造成的假阳性。而在移除了所有在h₀时间尺度上的重合尖峰后，惊奇度几乎全部降至零以下（均值约-1），呈现出负相关性，表明过度补偿导致了假阴性。

3.2 移除高度同步尖峰降低独立数据的惊奇度

针对完全独立的泊松过程数据，即便只移除极少量由随机巧合产生的h₀尺度重合尖峰，UE_pop的结果也发生了显著偏移：惊奇度分布整体左移至负值区域。对比1000次模拟的累积分布曲线，预处理后的数据在5%和1%显著性水平下的检测比例远低于理论预期，证实了该预处理会系统性低估独立性。

3.3 预处理移除的重合事件多于随机预期

进一步量化分析显示，在单个分析窗口（100毫秒，20个试次）内，伪迹移除仅去除了约5%（50-100个）的尖峰，却导致期望重合计数下降约10%（约100个），而经验重合计数下降更多（约150个）。这种不对称下降是导致惊奇度为负的直接原因。

3.4 针对伪迹移除过度补偿的校正方法

研究人员基于概率论推导出一套校正公式。该方法利用伪迹移除后的尖峰计数，估算出移除前各神经元的理论放电概率，进而计算出被移除的随机巧合事件的期望数量（n_exp^h0），并从UE_pop的期望重合计数中减去这一数值，得到校正后的期望值（n_exp^h1*）。在独立数据上的验证表明，校正后的惊奇度累积分布与原始未处理数据几乎完美重合。

3.5 伪迹移除对相关数据可检测性的影响

研究人员将校正方法应用于含有不同时间抖动宽度（Δ）的神经元相关数据。结果表明：

• •
  对于抖动宽度大于等于1毫秒的相关数据，校正后的惊奇度分布与原始数据高度吻合，成功恢复了检测能力。
• •
  当抖动宽度小于0.5毫秒时，由于伪迹移除直接误删了部分高度精确的真实神经元同步事件，校正方法无法完全补偿由此造成的损失，导致校正后的惊奇度仍低于原始数据。
• •
  在同时含有伪迹和神经元相关性的数据中，校正方法表现稳定，无论抖动宽度如何，校正后的结果均与不含伪迹的同类数据结果一致。

五、讨论与结论

本研究的核心结论是：在采样率时间尺度上移除所有重合尖峰的伪迹去除方法，会严重干扰后续在较粗时间尺度上进行的尖峰相关性分析，导致对真实神经元同步活动的系统性低估。研究人员提出的校正方法能有效补偿由误删随机巧合事件引起的偏差，在大多数生理学相关的时间精度范围内（抖动≥1毫秒）恢复分析的准确性。然而，该方法在处理极高精度（<0.5毫秒）的神经元同步时存在局限性，因为此时部分真实的生理性同步事件也被当作伪迹移除了。研究强调，鉴于生物物理限制，体内神经元的尖峰时间精度通常在1毫秒或以上，因此该校正方法在实际应用中具有广泛的适用性。最终，研究人员建议，在进行相关性分析前，应首先通过复杂度分布等工具诊断数据中是否存在伪迹，并根据原始数据的可获得性选择最合适的清理策略（如全通道ZCA白化），或在使用简单移除方法后应用本研究所提的校正步骤，以避免得出误导性的结论。