Strumenti di data analysis per registrazioni elettrofisiologiche ad alta densità

Abstract

Questa tesi presenta lo sviluppo di strumenti computazionali avanzati per l’analisi di registrazioni elettrofisiologiche ad alta densità ottenute con la sonda SiNAPS. Questo dispositivo innovativo, inizialmente sviluppato presso l'Istituto Italiano di Tecnologia e successivamente prodotto da Corticale S.R.L., permette di registrare l’attività neuronale con alta risoluzione in diverse regioni del cervello simultaneamente, offrendo una visione più approfondita della comunicazione neurale. Il lavoro propone una pipeline completa che integra pre-elaborazione dei segnali, spike sorting e analisi della connettività. La fase di pre-elaborazione affronta problemi importanti quali l’individuazione di canali malfunzionanti e la segmentazione delle aree cerebrali, utilizzando i cosiddetti "change-point-detection methods" per identificare con buona approssimazione le regioni di confine tra le diverse aree . Lo spike sorting, realizzato per mezzo di Kilosort4, sfrutta l’accelerazione GPU per identificare i singoli neuroni anche in presenza di segnali sovrapposti o artefatti di deriva. L’analisi della connettività si spinge oltre, combinando misure di entropia di trasferimento per quantificare il flusso direzionale di informazioni con lo studio delle dinamiche *leader-follower* per individuare relazioni gerarchiche tra i neuroni. Questi strumenti permettono di identificare pattern specifici di connettività tra regioni diverse, rivelando nuovi dettagli sull’organizzazione e la comunicazione delle reti neurali. La pipeline è stata applicata a dati registrati in corteccia, ippocampo e talamo, per poter indagare fenomeni di plasticità durante il recupero post-ictus. I risultati evidenziano l’efficacia dell’approccio nel gestire e interpretare dataset complessi, fornendo nuovi spunti per lo studio delle dinamiche cerebrali e aprendo la strada a futuri sviluppi nella ricerca neuroscientifica e neuroingegneristica.

This thesis focuses on developing advanced computational tools to analyze high-density electrophysiological recordings obtained using the SiNAPS probe. The SiNAPS probe, a cutting-edge neural recording device initially developed at the Istituto Italiano di Tecnologia and subsequently produced by Corticale S.R.L., enables simultaneous, high-resolution recordings across multiple brain regions, providing finer insights into neuronal activity. The work introduces a robust, end-to-end pipeline that encompasses signal preprocessing, spike sorting, and connectivity analysis. Preprocessing steps address challenges such as noise reduction, bad channel detection, and brain region segmentation, leveraging change-point detection methods to identify structural boundaries based on spectral characteristics. Spike sorting is achieved using Kilosort4, an advanced GPU-accelerated algorithm capable of identifying individual neurons despite overlapping signals and drift artifacts. Beyond spike sorting, the pipeline incorporates methods to analyze functional and effective neural connectivity. Transfer entropy is employed to quantify directional information flow, while leader-follower dynamics identify hierarchical relationships among neurons. These analyses reveal distinct inter-regional connectivity patterns, providing valuable insights into neural communication and network organization. The tools developed are applied to recordings from multiple brain regions, including the cortex, hippocampus, and thalamus, with particular attention to post-stroke recovery contexts. The results demonstrate the pipeline's ability to process and interpret complex datasets, contributing to a deeper understanding of neural dynamics and laying the groundwork for future studies in neuroscience and neuroengineering.