Carsen Stringer - Carsen Stringer - Wikipedia

Carsen Stringer je americký výpočetní neurolog a vedoucí skupiny na Howard Hughes Medical Institute Janelia Research Campus. Stringer používá strojové učení a hluboké neuronové sítě vizualizovat neurální záznamy ve velkém měřítku a poté zkoumat neurální výpočty, které vedou k vizuálnímu zpracování u myší. Stringer také vyvinul několik nových softwarových balíčků, které umožňují segmentaci buněk a robustní analýzy nervových záznamů a chování myší.

Carsen Stringer
Národnostamerický
Alma materUniversity of Pittsburgh
University College v Londýně
Známý jakoSoftware pro analýzu zobrazování vápníku Suite2p
OceněníCulver Award for High Achievement in Mathematics, Peter F.M. Koehler Award za akademické úspěchy ve fyzice
Vědecká kariéra
PoleVýpočetní neurovědy
InstituceJanelia Research Campus

raný život a vzdělávání

V roce 2009, Stringer pokračovala její vysokoškolské vzdělání v oboru aplikované matematiky a fyziky na University of Pittsburgh.[1] Pracovala pod vedením Jonathana Rubina při navrhování protéz založených na pasivní dynamické chůzi.[1] Naučila se také aplikovat matematické principy k modelování dynamiky biologické rovnováhy.[2] Stringer se poté přesunul k Spojené království v roce 2013 pokračovala v postgraduálním studiu na University College v Londýně.[1] Na UCL Stringer ve výpočetní neurovědecké jednotce Gatsby pod vedením mentora Kenneth D. Harris.[1] Stringerová spojila své zkušenosti z matematického modelování se svými dovednostmi a znalostmi v neurovědě, aby prozkoumala, jak lze pomocí záznamů více neuronů porozumět populační dynamice, která odráží vnitřní stav a reprezentace vnějších podnětů v mozku.[3] Její nahrávky byly prováděny ve vizuální kůře hlodavců a pomocí různých technik strojového učení a redukce rozměrů zkoumala mechanismy na úrovni sítě, které vedly k neurální dynamice.[4] Společnost Stringer také pomohla vyvinout software Suite2p, který přinesl revoluci ve schopnosti zpracovávat videa a výpočetně analyzovat videozáznamy ze zobrazování vápníku in vivo.[5]

Kariéra a výzkum

Po doktorandském studiu v roce 2018 zahájila Stringerová postdoktorandskou práci na Lékařském institutu Howarda Hughese Janelia Research Campus.[1] Pracovala pod vedením mentora Marius Pachitariu a Karel Svboda inovovat nové způsoby, jak aplikovat nástroje hlubokého učení pro segmentaci objektů, analýzu obrazu a extrakci výpočetních principů z neurálních záznamů ve velkém měřítku.[6]

Stringer je nyní vedoucím skupiny ve společnosti Janelia a vede laboratoř Stringer.[7] Její tým vyvíjí nástroje pro strojové učení pro neurovědy a Stringer prostřednictvím častých workshopů vzdělává kolegy vědce o tom, jak tyto nástroje používat ve vlastních laboratořích.[8] Cílem laboratoře Stringer Lab je také přizpůsobit biologicky inspirované modely hlubokých sítí datům neurální aktivity shromážděným z vizuální kůry, aby lépe porozuměly kódování stimulů ve vizuální kůře.[6] Prostřednictvím rozsáhlých neurálních záznamů zjistili, že neurální reakce na vizuální podněty jsou vysoce dimenzionální, a neustále inovují nové způsoby, jak z těchto dat extrahovat strukturu a porozumění pomocí vylepšeného vizualizačního softwaru.[7] Jedním z cílů laboratoře Stringer Lab je porozumět tomu, jak jsou v mozku kódovány složité chování a smyslové informace, které podporují rozhodování.[7]

Principy senzorického kódování

Během své postgraduální práce Stringerová použila rozsáhlé neurální nahrávky k prozkoumání mechanismů na úrovni sítě, které řídí vnitřní kortikální dynamiku.[4] Vzhledem k tomu, že smyslové kódování v kůře může být ovlivněno korelacemi šumu z dynamiky vlastní populace, Stringer vytvořil model, který generoval vnitřní korelovanou variabilitu, aby prozkoumal, co by mohlo být základem variability v těchto kortikálních dynamikách.[4] Zjistila, že síla inhibice zpětné vazby v modelu se zdála být základem variability a v nervových datech se zdálo, že domnělé inhibiční neurony jsou v dobách se slabými korelacemi šumu aktivnější.[4] Výsledky Stringerové ověřily její síťový model pro skutečně generovanou variabilitu a zdůraznily dopad inhibice v modulaci korelací šumu.[4]

Nástroje pro analýzu dat

V roce 2017 Stringer a její kolegové vyvinuli Suite2p, potrubí pro analýzu zobrazování vápníku, které registruje filmy, detekuje aktivní buňky, extrahuje stopy vápníku a vyvozuje špičky.[5] Má nízké výpočetní zatížení a lze jej spustit Krajta a Matlab umožnit detekci více než 10 000 buněk.[5] Tento nástroj je nyní široce používán v neurovědě pro analýzu dat zobrazování vápníku.[5]

Dalším softwarovým programem, který Stringer a její kolegové vytvořili, je Cellpose, segmentační metoda založená na hlubokém učení, která vědcům umožňuje segmentovat a identifikovat buněčná těla, membrány a jádra v mikroskopických obrazech.[9] Stringerová a její tým model často rekvalifikují pomocí obrázků poskytovaných uživateli, což neustále vylepšuje nástroj, což umožňuje objektivní a efektivní detekci celulárních objektů.[9]

Stringer také nedávno vyvinul a implementoval software pro behaviorální analýzu s názvem Facemap, což je v podstatě sada nástrojů s a grafické uživatelské prostředí což umožňuje automatickou extrakci orofaciálního chování u myší.[10] Prostřednictvím tohoto nástroje Stringer prozkoumal, zda je neurální „šum“ dříve hlášený během prezentace stimulu skutečně behaviorálně poháněn na rozdíl od kódování předchozích smyslových zážitků.[11] Monitorováním výrazů obličeje u myší a jejich extrakcí pomocí Facemapu zjistil Stringer, že třetinu populační aktivity ve zrakové kůře lze předpovědět vícerozměrným modelem obličejových vzorů myši.[11] Celkově její experimenty ukázaly, že stav chování je široce zakódován téměř u všech neurálních populací v předním mozku, a zdůrazňuje skutečnost, že nervová aktivita, která byla kdysi považována za hluk, může být informací o stavu chování.[11]

Stringer také vyvinul nelineární algoritmus vkládání pro vysoce dimenzionální data zvaná Rastermapa.[12] Tento nástroj umožňuje vizualizaci vysokodimenzionálních dat.[13] Třídí neurální hroty nebo vápníkové signály a řadí je podle podobnosti, aby umožnila vizualizaci v grafickém uživatelském rozhraní.[13]

Optimalizace zobrazovacích analýz vápníku

Zobrazování vápníku je mocným nástrojem v neurovědě a společnost Stringer se zavázala zkoumat způsoby, jak zlepšit svou užitečnost pomocí optimalizace analytického potrubí. Společnost Stringer poskytla oboru kritické znalosti, aby zlepšila užitečnost a výkon zobrazovacích dat vápníku.[14] Pomohla objasnit, že nezávadná dekonvoluce (NND) byla nejlepším přístupem při odvozování špičkových časů ze zobrazování vápníku.[14] Dále se ukázalo, že metoda NND je rychlejší a méně zaujatá než alternativní metody pod dohledem.[14] Stringerová se hlouběji ponořila do všech výpočetních slabin v potrubí zpracování dat pro zobrazování vápníku (registrace pohybu, extrakce ROI, dekonvoluce špiček a kontrola kvality) a navrhla výpočetní řešení těchto jedinečných problémů, které při analýze vápníku vznikají.[15] Její práce je kritická, protože osvětluje mnoho způsobů, jakými mohou analýzy zobrazování vápníku vytvářet předsudky, které vedou k nepřesným vědeckým interpretacím.[15]

Ceny a vyznamenání

  • 2009–2013 Stipendium kancléře University of Pittsburgh[6]
  • 2012 Peter F.M. Koehler Award za akademické úspěchy ve fyzice[6]
  • Culver Award 2012 za vysoké výsledky v matematice[6]
  • 2013 NSF-GRFP[6]

Vyberte publikace

  • Stringer, C., Pachitariu, M., Steinmetz, N. a kol. Vysokodimenzionální geometrie populačních odpovědí ve zrakové kůře. Nature 571, 361–365 (2019). https://doi.org/10.1038/s41586-019-1346-5[16]
  • Spontánní chování řídí multidimenzionální, mozkovou aktivitu. CARSEN STRINGER, MARIUS PACHITARIU, NICHOLAS STEINMETZ, CHARU BAI REDDY, MATTEO CARANDINI, KENNETH D. HARRIS. SCIENCE19 DUBEN 2019[11]
  • Výpočtové zpracování nervových záznamů z dat zobrazujících vápník. Carsen Stringer a MariusPachitariu. 2019. Aktuální stanovisko v neurobiologii 2019, 55: 22–31[15]
  • Robustnost Spikovy dekonvoluce pro zobrazování neuronálního vápníku. Marius Pachitariu, Carsen Stringer, Kenneth D. Harris. Journal of Neuroscience 12. září 2018, 38 (37) 7976-7985; DOI: 10.1523 / JNEUROSCI.3339-17.2018[14]
  • Suite2p: více než 10 000 neuronů se standardní dvoufotonovou mikroskopií. Marius Pachitariu, Carsen Stringer, Mario Dipoppa, Sylvia Schröder, L. Federico Rossi, Henry Dalgleish, Matteo Carandini, Kenneth D. Harris. bioRxiv 061507; doi: https://doi.org/10.1101/061507[5]
  • Carsen Stringer, Marius Pachitariu, Nicholas A Steinmetz, Michael Okun, Peter Bartho, Kenneth D Harris, Maneesh Sahani, Nicholas A Lesica. Inhibiční řízení korelované vnitřní variability v kortikálních sítích. eLife 2016. 10,7554 / eLife.19695[4]

Reference

  1. ^ A b C d E „Carsen Stringer, Ph.D. (2020-02-26)“. Citováno 2020-05-18.
  2. ^ Suárez, Ernesto; Lettieri, Steven; Zwier, Matthew C .; Stringer, Carsen A .; Subramanian, Sundar Raman; Chong, Lillian T .; Zuckerman, Daniel M. (08.07.2014). „Simultánní výpočet dynamických a rovnovážných informací pomocí váženého souboru trajektorií“. Journal of Chemical Theory and Computation. 10 (7): 2658–2667. doi:10.1021 / ct401065r. ISSN  1549-9618. PMC  4168800. PMID  25246856.
  3. ^ Stringer, Carsen (2018-01-28). Objevování struktury v záznamech s více neurony prostřednictvím síťového modelování (Disertační práce). UCL (University College London).
  4. ^ A b C d E F Stringer, Carsen; Pachitariu, Marius; Steinmetz, Nicholas A; Okun, Michael; Bartho, Peter; Harris, Kenneth D; Sahani, Maneesh; Lesica, Nicholas A (2016-12-02). Salinas, Emilio (ed.). "Inhibiční řízení korelované vnitřní variability v kortikálních sítích". eLife. 5: e19695. doi:10,7554 / eLife.19695. ISSN  2050-084X. PMC  5142814. PMID  27926356.
  5. ^ A b C d E Pachitariu, Marius; Stringer, Carsen; Dipoppa, Mario; Schröder, Sylvia; Rossi, L. Federico; Dalgleish, Henry; Carandini, Matteo; Harris, Kenneth D. (2017-07-20). „Suite2p: více než 10 000 neuronů se standardní dvoufotonovou mikroskopií“. bioRxiv: 061507. doi:10.1101/061507. S2CID  63113623.
  6. ^ A b C d E F „carersen stringer“. www.gatsby.ucl.ac.uk. Citováno 2020-05-18.
  7. ^ A b C „Stringer Lab | Janelia Research Campus“. www.janelia.org. Citováno 2020-05-18.
  8. ^ „Naučit se používat Suite2p a Kilosort2 | Janelia Research Campus“. www.janelia.org. Citováno 2020-05-18.
  9. ^ A b Stringer, Carsen; Wang, Tim; Michaelos, Michalis; Pachitariu, Marius (2020-04-01). „Cellpose: obecný algoritmus pro segmentaci buněk“. bioRxiv: 2020.02.02.931238. doi:10.1101/2020.02.02.931238. S2CID  212408681.
  10. ^ MouseLand / Facemap, MouseLand, 2020-05-16, vyvoláno 2020-05-18
  11. ^ A b C d Stringer, Carsen; Pachitariu, Marius; Steinmetz, Nicholas; Reddy, Charu Bai; Carandini, Matteo; Harris, Kenneth D. (2019-04-19). „Spontánní chování vede k vícerozměrné, mozkové činnosti“. Věda. 364 (6437): eaav7893. doi:10.1126 / science.aav7893. ISSN  0036-8075. PMC  6525101. PMID  31000656.
  12. ^ MouseLand / rastermap, MouseLand, 2020-05-14, vyvoláno 2020-05-18
  13. ^ A b „RasterMap vydán jako balíček v Pythonu“. Komunitní fórum Allen Brain Map. 2018-09-07. Citováno 2020-05-18.
  14. ^ A b C d Pachitariu, Marius; Stringer, Carsen; Harris, Kenneth D. (12. 9. 2018). „Robustnost Spikova dekonvoluce pro zobrazování neuronálního vápníku“. Journal of Neuroscience. 38 (37): 7976–7985. doi:10.1523 / JNEUROSCI.3339-17.2018. ISSN  0270-6474. PMC  6136155. PMID  30082416.
  15. ^ A b C Stringer, Carsen; Pachitariu, Marius (01.04.2019). "Výpočtové zpracování nervových záznamů z dat zobrazujících vápník". Aktuální názor v neurobiologii. Strojové učení, velká data a neurovědy. 55: 22–31. doi:10.1016 / j.conb.2018.11.005. ISSN  0959-4388. PMID  30530255.
  16. ^ Stringer, Carsen; Pachitariu, Marius; Steinmetz, Nicholas; Carandini, Matteo; Harris, Kenneth D. (červenec 2019). „Vysokodimenzionální geometrie populačních odpovědí ve zrakové kůře“. Příroda. 571 (7765): 361–365. doi:10.1038 / s41586-019-1346-5. ISSN  1476-4687. PMC  6642054. PMID  31243367.