大規模電気生理学データのための効率的で再現可能なスパイクソーティングパイプライン
Efficient and reproducible pipelines for spike sorting large-scale electrophysiology data
近年、数千チャンネルの電極を用いた同時記録が可能になったことで、in vivo 電気生理学の規模が拡大し、多くの発見につながっているが、計算負荷も増大している。スパイクソーティングは、細胞外電圧測定からスパイクを抽出する手順であり、依然として主要なボトルネックとなっている。この記事では、大規模データセットに対応するために並列化を活用したエンドツーエンドのスパイクソーティングパイプラインを提案する。このワークフローは、個々のワークステーション、HPCクラスター、クラウド環境で再現性をもって実行でき、各処理ステップでコンピューティングリソースを最適化することでコストと実行時間を削減する。さらに、複数のソーティングパイプラインを体系的に比較できるベンチマークパイプラインも導入する。このフレームワークを用いて、広く使われているスパイクソーティングアルゴリズムであるKilosort4がKilosort2.5を上回ることを示し、データストレージコストを大幅に削減する7倍のロスレス圧縮がスパイクソーティング性能にほとんど影響を与えないことも示す。これらのパイプラインは、電気生理学データのスケーラブルで透明性の高いスパイクソーティングの緊急のニーズに対応する。
- 大規模電気生理学データ向けに並列化を活用したエンドツーエンドのスパイクソーティングパイプラインを提案
- Kilosort4がKilosort2.5を上回る性能を示した
- 7倍のロスレス圧縮がスパイクソーティング性能にほとんど影響を与えないことを示した
神経科学研究の大規模化に伴い、電気生理学データ解析の計算ボトルネックが顕在化している。スパイクソーティングの効率化・再現性向上は神経科学ツール市場における差別化要因となり得る。特にKilosortシリーズの性能比較や圧縮技術の有効性検証は、データ解析インフラへの投資判断に示唆を与える。ただし、本記事は研究パイプラインの提案であり、直接的なビジネス成果への結びつきは限定的。