最新的可视化工具由HHMI的贾尼利亚研究园区的科学家们开发，帮助研究人员识别大规模神经记录中的活动趋势。这标志着在形成关于单个神经元及其电路如何影响行为的新见解方面迈出了重要一步。
神经科学家通过追踪小组神经元的活动，获得了大量知识，例如识别哪些神经元和电路对应特定行为。
但当你同时监测数千个神经元时会发生什么？或者当你试图理解神经元的功能而没有明确的外部刺激，或不确定要调查什么时又会怎样？
这时，Rastermap变得无价。
HHMI贾尼利亚研究园区的斯特林格和帕基塔里乌实验室新开发的可视化工具帮助研究人员识别大规模神经记录中的活动模式——这是形成关于神经元和电路如何驱动行为的新理论的一个重要初步步骤。
“深入分析数据，数据的可视化至关重要，”贾尼利亚小组负责人卡森·斯特林格解释道。“数据中可能存在意想不到的见解，因此你希望以一种激发出新假设的方式来可视化它，而这些假设你之前可能并未考虑。”
Rastermap是一种算法，旨在将数千个神经元的活动根据其活动的相似性进行分类，即使它们的放电时间不同或其行为与可观察的行为不一致。这些组随后显示在光栅图中，这是显示时间内尖峰的图表，使研究人员能够可视化并检测数据中的模式，以进一步在实验室中进行检查。
与早期通过在多个实验试验中平均神经活动以寻找模式的方法不同，Rastermap允许研究人员观察来自单个试验的神经活动。这一能力揭示了的数据中的模式，之前的技术发现难以识别。此外，Rastermap还使研究人员能够在没有外部刺激的情况下研究神经活动模式。
迄今为止，Rastermap具有用户友好的图形界面，已帮助科学家可视化各种物种的神经活动，包括果蝇、斑马鱼、小鼠、老鼠和灵长类动物。
斯特林格表示：“虽然你无法直接与动物沟通他们的想法，但这种无监督的方法使你能够发现与其内部发生的认知过程相关的潜在新见解。”此外，如果神经活动受外部因素的影响，“Rastermap澄清了这一可视化过程。”
