基于公共Neuropixels数据集的小鼠海马尖波涟漪标准化数据集构建与分析

《Scientific Data》：Mouse Hippocampal Sharp-Wave Ripple Dataset Curated From Public Neuropixels Datasets

　　本研究针对海马尖波涟漪（SWR）检测缺乏统一标准的问题，开发了集成Allen Brain Institute（ABI）和International Brain Laboratory（IBL）神经像素数据的标准化处理流程，提取了210只小鼠的967,431个SWR事件。该数据集首次实现了跨数据集SWR特征的标准化表征，为研究海马-皮层耦合机制提供了重要资源，显著降低了计算成本并提高了研究可重复性。

　　

在神经科学研究领域，海马体的尖波涟漪（Sharp-Wave Ripples, SWRs）一直是记忆研究的关键突破口。这种150-250Hz的高频振荡活动，被认为在记忆编码、巩固和决策过程中扮演着核心角色。然而，随着国际脑科学实验室（IBL）和艾伦脑科学研究所（ABI）等机构通过Neuropixels探针产生大量电生理数据，一个严峻问题逐渐浮现：缺乏统一的SWR检测标准和可共享的数据格式。

研究人员面临多重挑战：不同的实验室使用各异的检测参数（如峰值阈值设定为2.5SD到6SD不等），LFP数据分析需要高达250GB的内存资源，而且运动伪迹和伽马振荡等干扰因素使得准确识别真正的SWR变得复杂。这种状况严重阻碍了研究成果的比较和整合。

为解决这一难题，英属哥伦比亚大学的研究团队开展了开创性的工作。他们系统性地整合了ABI视觉行为数据集、ABI视觉编码数据集和IBL决策制定数据集，开发出标准化的SWR检测流程，构建了包含967,431个SWR事件的共享资源。这项重要的数据资源成果发表在《Scientific Data》期刊上。

关键技术方法

研究团队建立了多数据集SWR检测流水线，通过AllenSDK和ONE-API分别处理三个公共神经像素数据集。关键技术包括：基于海马解剖学的通道选择策略（识别CA1区锥体细胞层和放射层），采用Karlsson检测器进行涟漪事件识别，结合相位幅度耦合（Phase-Amplitude Coupling, PAC）分析区分真实SWR与干扰信号，并开发了运动伪迹和伽马事件排除标准。数据处理使用Python 3.10环境，在512GB RAM的高性能计算平台上完成。

研究结果

海马SWR事件的标准化检测

研究团队成功从210只小鼠的305个记录会话中提取了SWR事件，其中ABI行为数据集贡献了558,030个事件，ABI编码数据集贡献了309,853个事件，IBL数据集贡献了99,548个事件。通过严格的质控流程，确保了数据的可靠性和一致性。

通道选择与层位识别的验证

研究通过电流源密度（CSD）分析验证了通道选择策略的有效性。结果显示，锥体细胞层通道的净涟漪功率（net ripple power）在选定通道处呈现明显峰值，而放射层通道则通过相位幅度调制指数（Modulation Index, MI）的最大化来识别。这种基于电生理特征的方法成功替代了传统的组织学验证。

SWR事件的特征分析

检测到的事件表现出典型的SWR特征：持续时间和对数正态分布，峰值涟漪功率主要集中在3-10个标准差（SD）范围内。事件主要发生在低θ功率和低运动速度时期，这与SWR的离线处理特性一致。

全局水平事件的识别

研究首次在神经像素数据中实现了多探针SWR事件的同步分析。通过设定60ms的时间窗口，成功识别了跨多个CA1探针协调活动的全局水平事件（global-level events），为研究海马内部的信息传播提供了新视角。

干扰信号的有效排除

开发的运动伪迹检测算法能够准确识别并排除由运动引起的高频活动，而伽马事件检测器则有效区分了真正的SWR与伽马振荡引起的假阳性事件。

数据处理流程的优化

研究团队巧妙解决了不同API（AllenSDK和ONE-API）的依赖冲突问题，开发了基于BaseLoader类的统一处理框架。通过并行化处理策略，在保证计算效率的同时，有效管理了大规模LFP数据的内存使用。

研究结论与意义

这项研究建立了首个跨实验室的SWR标准化数据集，为海马记忆研究提供了重要基础设施。数据集不仅包含了SWR的事件时间信息，还提供了丰富的特征指标，如相位锁定值（Phase-Locking Value）、圆线性相关（circular-linear correlation）和调制指数（Modulation Index）等，支持深入研究SWR的生理机制。

该数据集的共享显著降低了SWR研究的计算门槛，使更多研究人员能够在标准化的基础上开展创新工作。通过提供完整的检测代码和数据处理流程，研究促进了方法的透明性和结果的可重复性。

更重要的是，这项研究为理解海马与全脑网络的相互作用提供了新的窗口。SWR作为协调全脑活动的重要事件，其标准化表征将推动对记忆巩固、决策制定和神经信息处理机制的深入探索。

研究建立的标准化框架为未来神经科学数据的共享和整合树立了典范，标志着计算神经科学向可重复、标准化研究迈出了重要一步。随着更多研究人员利用这一资源，我们有望在理解大脑记忆机制方面取得突破性进展。