Design and validation of a custom MEA analysis platform for epileptic in vitro models

Epilepsy comprises a heterogeneous group of brain disorders characterized by an imbalance between excitation and inhibition within neuronal circuits. These alterations can be investigated using in vitro epileptic models, such as genetic models of Dravet syndrome and pharmacological disinhibition induced by gabazine. Multi-electrode array (MEA) technology provides a powerful tool for studying neuronal network dynamics in these systems; however, reliable signal interpretation critically depends on accurate spike detection. Since spike detection is inherently based on noise estimation, inaccuracies at this stage propagate to all subsequent levels of analysis. This work focuses on the development of an innovative and user-oriented software platform (MEASpike) for the analysis of MEA-derived epileptiform signals. The core methodological contribution lies in the implementation of an automatic, electrode-specific, and activity-robust noise estimation pipeline that analyzes the statistical distribution of the entire recording. Based on this, the spike detection algorithm was optimized to handle high-frequency bursting and complex spike waveforms typical of epileptic activity. The performance of the pipeline was evaluated through comparison with MC_Rack and validated using expert-based manual annotation. Beyond pre-processing improvements, MEASpike integrates burst analysis, functional connectivity estimation, and graph-theoretical metrics, enabling multilevel characterization of neuronal network dynamics. This project arises from a collaboration between Politecnico di Milano and IRCCS Ospedale San Raffaele, ensuring that the software development was guided by both technical rigor and clinical relevance. Overall, MEASpike establishes a reproducible and extensible framework for the quantitative investigation of epileptic neuronal networks.

L’epilessia comprende un gruppo eterogeneo di disturbi neurologici caratterizzati da uno squilibrio tra eccitazione e inibizione all’interno dei circuiti neuronali. Tali alterazioni possono essere studiate mediante modelli epilettici in vitro, quali modelli genetici di Sindrome di Dravet e modelli farmacologici basati sulla disinibizione indotta da gabazina. La tecnologia multi-electrode array (MEA) rappresenta uno strumento potente per l’analisi delle dinamiche di rete in questi sistemi; tuttavia, un’interpretazione affidabile dei segnali dipende da un’accurata rilevazione degli spike. Dato che la spike detection si basa intrinsecamente sulla stima del rumore, eventuali imprecisioni in questa fase si propagano a tutti i livelli successivi dell’analisi. Il presente lavoro si concentra sullo sviluppo di una piattaforma software (MEASpike) innovativa e orientata all’utente per l’analisi di segnali epilettoformi acquisiti mediante MEA. Il principale contributo metodologico risiede nell’implementazione di una pipeline di stima del rumore automatica, specifica per ciascun elettrodo e robusta alla presenza di attività elettrofisiologica. Su questa base è stato ottimizzato un algoritmo di spike detection, al fine di gestire burst ad alta frequenza e le forme d’onda complesse tipiche dell’attività epilettica. Le prestazioni della pipeline sono state valutate mediante confronto con MC_Rack e validate mediante annotazione manuale effettuata da un elettrofisiologo esperto. Oltre ai miglioramenti introdotti nella fase di pre-processing, MEASpike integra analisi di burst, stima della connettività funzionale e metriche derivate dalla teoria dei grafi, consentendo una caratterizzazione multilivello delle dinamiche di rete neuronale. Il progetto è stato realizzato grazie alla collaborazione tra il Politecnico di Milano e l’IRCCS Ospedale San Raffaele, garantendo che lo sviluppo del software fosse guidato sia da rigore tecnico sia da rilevanza clinica. Nel complesso, MEASpike costituisce un framework riproducibile ed estensibile per l’indagine quantitativa delle reti neuronali epilettiche.