Carsen Stringer

Carsen Stringer
Stringer 2017
Nationalitet	amerikansk
Alma mater	University of Pittsburgh University College London
Känd för	Suite2p kalcium bildanalys programvara
Utmärkelser	Culver Award for High Achievement in Mathematics, Peter FM Koehler Academic Achievement Award in Physics
Vetenskaplig karriär
Fält	Beräkningsneurovetenskap
institutioner	Janelia forskningscampus

Carsen Stringer är en amerikansk beräkningsneuroforskare och gruppledare vid Howard Hughes Medical Institute Janelia Research Campus . Stringer använder maskininlärning och djupa neurala nätverk för att visualisera storskaliga neurala inspelningar och sedan undersöka de neurala beräkningar som ger upphov till visuell bearbetning hos möss. Stringer har också utvecklat flera nya mjukvarupaket som möjliggör cellsegmentering och robusta analyser av neurala inspelningar och musbeteende.

tidigt liv och utbildning

2009 tog Stringer sin grundexamen i tillämpad matematik och fysik vid University of Pittsburgh . Hon arbetade under mentorskap av Jonathan Rubin för att designa proteser baserade på passiv dynamisk gång. Hon lärde sig också att tillämpa matematiska principer för att modellera biologisk jämviktsdynamik. Stringer flyttade sedan till Storbritannien 2013 för att genomföra sina forskarstudier vid University College London . Vid UCL arbetade Stringer på Gatsby Computational Neuroscience Unit under mentorskap av Kenneth D. Harris . Stringer kombinerade sin erfarenhet av matematisk modellering med sina färdigheter och kunskaper inom neurovetenskap för att utforska hur multi-neuroninspelningar kan användas för att förstå populationsdynamiken som speglar inre tillstånd och representationer av yttre stimuli i hjärnan. Hennes inspelningar gjordes i gnagarens visuella cortex och hon använde en mängd olika maskininlärnings- och dimensionsreduktionstekniker för att utforska nätverksnivåmekanismerna som ger upphov till neural dynamik. Stringer hjälpte också till att utveckla programvaran Suite2p som har revolutionerat förmågan att bearbeta videor och beräkningsanalys av videoinspelningar från in vivo kalciumavbildning.

Karriär och forskning

Efter sin doktorsexamen 2018 började Stringer sitt postdoktorala arbete vid Howard Hughes Medical Institute Janelia Research Campus. Hon arbetade under mentorskap av Marius Pachitariu och Karel Svoboda för att förnya nya sätt att tillämpa djupinlärningsverktyg för objektsegmentering, bildanalyser och extrahera beräkningsprinciper från storskaliga neurala inspelningar. Hon gifte sig med Pachitariu innan han startade sitt labb på Janelia forskningscampus, varefter Stringer belönades med sitt eget labb på Janelia forskningscampus.

Stringer är nu gruppledare på Janelia och leder Stringer Lab. Hennes team utvecklar verktyg för maskininlärning för neuroforskare och Stringer utbildar andra forskare, genom frekventa workshops, om hur man använder dessa verktyg i sina egna labb. Stringer Lab syftar också till att anpassa biologiskt inspirerade djupa nätverksmodeller till neurala aktivitetsdata som samlats in från den visuella cortex för att få en bättre förståelse av stimuluskodning i den visuella cortex. Genom storskaliga neurala inspelningar har de funnit att de neurala svaren på visuella stimuli är högdimensionella, och de förnyar ständigt nya sätt att extrahera struktur och förståelse från dessa data genom förbättrad visualiseringsprogramvara. Ett mål med Stringer Lab är att förstå hur komplexa beteenden och sensorisk information kodas i hjärnan för att driva beslutsfattande.

Principer för sensorisk kodning

Under sitt examensarbete använde Stringer storskaliga neurala inspelningar för att utforska mekanismerna på nätverksnivå som styr den inneboende kortikala dynamiken. Eftersom sensorisk kodning i cortex kan påverkas av bruskorrelationer från inneboende populationsdynamik skapade Stringer en modell som genererade inneboende korrelerad variabilitet för att undersöka vad som kan ligga bakom variabiliteten i dessa kortikala dynamik. Hon fann att styrkan av återkopplingsinhibering i modellen verkade ligga bakom variabiliteten och i neurala data verkade förmodade hämmande neuroner vara mer aktiva under tider med svaga bruskorrelationer. Stringers resultat verifierade hennes nätverksmodell för inneboende genererad variabilitet och det betonade effekten av hämning i moduleringen av bruskorrelationer.

Dataanalysverktyg

Under 2017 utvecklade Stringer och hennes kollegor Suite2p, en analyspipeline för kalciumbildanalys som registrerar filmer, upptäcker aktiva celler, extraherar kalciumspår och härleder spiktider. Den har en låg beräkningsbelastning och kan köras i Python och Matlab för att tillåta detektering av över 10 000 celler. Detta verktyg används nu i stor utsträckning inom neurovetenskap för analys av kalciumavbildningsdata.

Ett annat program som Stringer och hennes kollegor byggt är Cellpose, en djupinlärningsbaserad segmenteringsmetod som gör det möjligt för forskare att segmentera och identifiera cellkroppar, membran och kärnor i mikroskopibilder. Stringer och hennes team tränar ofta om modellen med bilder som tillhandahålls av användaren, vilket ständigt förbättrar verktyget och möjliggör opartisk och effektiv detektering av cellulära objekt.

Stringer har också nyligen utvecklat och implementerat ett beteendeanalysprogram som heter Facemap, som i huvudsak är en verktygslåda med ett grafiskt användargränssnitt som möjliggör automatiserad extraktion av orofaciala beteenden hos möss. Genom detta verktyg undersökte Stringer om neuralt "brus" som tidigare rapporterats under stimuluspresentation faktiskt är beteendestyrt i motsats till kodning för tidigare sensoriska upplevelser. Genom att övervaka ansiktsuttryck hos möss och extrahera dem med Facemap fann Stringer att en tredjedel av befolkningens aktivitet i den visuella cortex kunde förutsägas av en multidimensionell modell av musens ansiktsmönster. Sammantaget visade hennes experiment att beteendetillstånd är allmänt kodat över nästan alla neurala populationer i framhjärnan och belyser det faktum att neural aktivitet som en gång ansågs vara brus kan vara information om beteendetillstånd.

Stringer har också utvecklat en icke-linjär inbäddningsalgoritm för högdimensionell data som kallas Rastermap. Detta verktyg möjliggör visualisering av högdimensionell data. Den sorterar neurala toppar eller kalciumsignaler och rangordnar dem efter likhet för att möjliggöra visualisering i ett grafiskt användargränssnitt.

Optimering av kalciumavbildningsanalyser

Kalciumavbildning är ett kraftfullt verktyg inom neurovetenskap och Stringer har åtagit sig att utforska sätt att förbättra dess användbarhet genom optimering av analyspipeline. Stringer har försett fältet med kritisk kunskap för att förbättra användbarheten och kraften hos kalciumbilddata. Hon hjälpte till att klargöra att icke-negativ dekonvolution (NND) var det bästa tillvägagångssättet när man kunde sluta sig till topptider från kalciumavbildning. Vidare visade sig NND-metoden vara snabbare och mindre partisk än alternativa övervakade metoder. Stringer gjorde en djupare dykning i alla beräkningsmässiga svagheter längs databearbetningspipelinen för kalciumavbildning (rörelseregistrering, ROI-extraktion, spikdekonvolution och kvalitetskontroll) och hon föreslog beräkningslösningar på dessa unika problem som uppstår i kalciumavbildningsanalys. Hennes arbete är kritiskt eftersom det belyser de många sätt som kalciumavbildningsanalyser kan producera fördomar som leder till felaktiga vetenskapliga tolkningar.

Pris och ära

• 2009–2013 University of Pittsburgh kanslersstipendium
• 2012 Peter FM Koehler Academic Achievement Award in Physics
• 2012 Culver Award for High Achievement in Mathematics
• 2013 NSF-GRFP

Välj publikationer

• Stringer, C., Pachitariu, M., Steinmetz, N. et al. Högdimensionell geometri av populationssvar i visuell cortex. Nature 571, 361–365 (2019). https://doi.org/10.1038/s41586-019-1346-5
• Spontana beteenden driver multidimensionell, hjärnomfattande aktivitet. CARSEN STRINGER, MARIUS PACHITARIU, NICHOLAS STEINMETZ, CHARU BAI REDDY, MATTEO CARANDINI, KENNETH D. HARRIS. SCIENCE19 APR 2019
• Beräkningsbearbetning av neurala inspelningar från kalciumavbildningsdata. Carsen Stringer och Marius Pachitariu. 2019. Current Opinion in Neurobiology 2019, 55:22–31
• Robusthet hos Spike Deconvolution för neuronal kalciumavbildning. Marius Pachitariu, Carsen Stringer, Kenneth D. Harris. Journal of Neuroscience 12 september 2018, 38 (37) 7976–7985; DOI: 10.1523/JNEUROSCI.3339-17.2018
• Suite2p: över 10 000 neuroner med standard tvåfotonmikroskopi. 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
• Carsen Stringer, Marius Pachitariu, Nicholas A Steinmetz, Michael Okun, Peter Bartho, Kenneth D Harris, Maneesh Sahani, Nicholas A Lesica. Hämmande kontroll av korrelerad inneboende variabilitet i kortikala nätverk. eLife 2016. 10.7554/eLife.19695