Toward a community benchmark platform for standardized calcium event detection

In recent years, calcium imaging of fluorescent indicators has gained popularity among researchers interested in studying neuronal local activity patterns. Unlike the more commonly used electrophysiological recordings, this technique allows mapping the activity of single neurons inside the microscope field of view, which can be large enough to contain hundreds of cells and with a spatial resolution at a micrometre range. The strengths of calcium imaging come with intrinsic weaknesses (technological limits) and its unique imaging data processing issues. For each step of the processing pipeline, different methods have been proposed, but no general consensus has been reached on which are the most appropriate. To meet the necessity for a flexible processing pipeline implementation many platforms (mostly commercial) have been developed, but they focus on the automatic identification of the cell's footprints and the extraction of the fluorescence traces from the pixel intensity signal. With this thesis work, we want to offer the research community an open-source benchmark platform to test and compare the performances of different calcium event detection algorithms. Event detection is the last step for the calcium imaging processing pipeline and depending on the algorithm used, it could lead to contradictory results, in terms of the number, timing, amplitude and duration of the calcium events detected, which in turn could lead to interpretation confounds. We also include the possibility to explore published datasets where calcium traces are coupled with ephys traces for ground-truth verification or even simulate a customized dataset to test the effect of different types of noise sources.

Negli ultimi anni, l'imaging del calcio degli indicatori fluorescenti ha riscosso grande popolarità tra i ricercatori interessati a studiare i modelli di attività nei circuiti cerebrali locali. A differenza delle tecniche più diffuse che utilizzano misurazioni elettrofisiologiche, questa tecnica consente ai ricercatori di mappare con precisione l'attività dei singoli neuroni all'interno del campo visivo, che può essere abbastanza grande da contenere centinaia di cellule e con una risoluzione spaziale nell'ordine del micrometro. Inoltre, può essere utilizzato per studiare l'attività di cellule appartenenti a uno specifico tipo neuronale, utilizzando modelli animali transgenici che esprimono gli indicatori fluorescenti solo nei neuroni di interesse. Tuttavia, i punti di forza dei metodi di imaging del calcio sono accompagnati da debolezze intrinseche che ne limitano l'usabilità, come una risoluzione temporale inferiore rispetto alle misure elettrofisiologiche e procedure chirurgiche non banali per l'impianto del microendoscopio che acquisisce l'immagine. Insieme a questi, dobbiamo tenere conto dei suoi unici problemi di elaborazione dei dati che potrebbero portare a confusione interpretativa. Per ogni fase della pipeline di elaborazione dei dati (correzione degli artefatti da movimento, denoising dell'immagine, identificazione delle impronte cellulari, estrazione delle tracce di calcio senza contaminazione dal segnale del neuropil e infine il rilevamento degli eventi di calcio per ogni traccia cellulare) sono stati proposti svariati metodi diversi tra loro, e ancora non è stato raggiunto un consenso generale su quale sia più appropriato per una specifica procedura sperimentale. Questo rappresenta l'esempio perfetto della crisi di riproducibilità nelle neuroscienze che i ricercatori stanno sperimentando oggigiorno. Per soddisfare la necessità di un'implementazione flessibile della pipeline di elaborazione, sono state sviluppate molte piattaforme (principalmente commerciali). Tuttavia esse si concentrano principalmente sull'identificazione automatica dei corpi callulari e sull'estrazione delle tracce fluorescenti dal segnale di intensità dei pixel. Con questo lavoro di tesi, vogliamo offrire alla comunità di ricerca una piattaforma di benchmark open source per testare e confrontare le prestazioni di diversi algoritmi di detezione degli eventi di calcio. La detezione degli eventi è l'ultimo passaggio della pipeline di elaborazione e, a seconda dell'algoritmo utilizzato, potrebbe portare a conclusioni molto diverse, in termini di numero, tempistica, ampiezza e durata degli eventi di calcio rilevati.