0203.多單元活動（MUA）

在記錄的微電極束中，70%（82/119）的微電極束中至少有1根導線顯示出多單元活動，平均每束有3根導線。記錄到多單元活動的電極束比例在不同時間段有所不同，第一至第五時間段分別達到70.1%、50%、73.1%、85%和80%。

如圖8A所示，均方根值與至少記錄到一次多單元活動的導線數量之間的關系并非線性。當均方根值約為7.4微伏時，記錄到多單元活動的導線數量達到最大值。當均方根值高于7.4微伏時，隨著均方根值的增加，記錄到多單元活動的導線數量減少；而當均方根值低于7.4微伏時，這種關系則相反。第一個廣義線性混合模型（GLMM）聚焦于均方根值大于7.4微伏的情況，并檢驗記錄到多單元活動的導線數量與均方根值之間的關系，結果證實高均方根值對每束記錄到多單元活動的導線數量有顯著的負向影響（估計值±標準誤=-0.07±0.03，卡方值=47，p=0.034）。第二個廣義線性混合模型（GLMM）聚焦于均方根值小于7.4微伏的情況，并檢驗記錄到多單元活動的導線數量與均方根值之間的關系，證實存在正相關（估計值±標準誤=0.47±0.08，卡方值=34.27，p<0.001）。

圖8.每束記錄到多單元活動（MUA）的導線數量。A.每束中至少記錄到一次多單元活動的導線數量在整個記錄過程中的情況，與該束所有導線測量的均方根中值的關系。藍色線使用局部平均的局部加權回歸散點平滑法（LOESS）擬合數據。垂直黑線繪制在擬合線的峰值處。B.由廣義線性混合模型（GLMM）得出的每個時間段內每束中至少記錄到一次多單元活動的導線數量的估計邊際均值。條形表示95%置信區間的下限和上限。C.由廣義線性混合模型（GLMM）得出的每個時間段和記錄天數（0-6-13）中每束中至少記錄到一次多單元活動的導線數量的估計邊際均值。條形表示95%置信區間的下限和上限。對于所有圖表，每個點代表一束，顏色編碼區分了5個時間段（紅色：第一時間段，藍色：第二時間段，綠色：第三時間段，紫色：第四時間段，橙色：第五時間段）。時間段之間的顯著差異用星號表示（：0.05

檢驗總體多單元活動在不同時間段之間是否存在差異的廣義線性混合模型（GLMM）顯示，時間段有顯著影響（卡方值=16.52，p=0.002，圖8B，描述性統計見表5）。與第三時間段相比，第二時間段每束記錄到多單元活動的導線數量顯著更少（平均比率估計值±標準誤=0.42±0.12，p=0.016），與第四時間段相比也是如此（平均比率估計值±標準誤=0.34±0.11，p=0.007），與第五時間段相比同樣如此（平均比率估計值±標準誤=0.33±0.11，p=0.006）。

檢驗時間相關的多單元活動（MUA）的廣義線性混合模型（GLMM）顯示，時間段有顯著影響（卡方值=17.96，p=0.001），并且多單元活動測量的天數也有顯著影響（卡方值=57.59，p<0.001）。與第四時間段相比，第二時間段每束記錄到多單元活動的導線數量顯著更少（平均比率估計值±標準誤=-1.53±0.40，p=0.001），與第五時間段相比同樣如此（平均比率估計值±標準誤=-1.48±0.44，p=0.007）。在所有記錄天數之間，記錄到多單元活動的導線數量存在顯著差異（第0天與第6天相比：平均比率估計值±標準誤=1.62±0.19，p=0.001；第6天與第13天相比：平均比率估計值±標準誤=1.97±0.33，p=0.002；第0天與第13天相比：平均比率估計值±標準誤=3.19±0.51，p<0.001，圖8C）。在模型中引入時間段和多單元活動測量天數之間的交互作用作為固定效應后，未發現任何顯著的交互作用（圖8C）。

有趣的是，對于52束微電極，在整個記錄期間至少記錄到一次多單元活動的導線總數，高于記錄第一天記錄到多單元活動的導線數量，這反映了導線上多單元活動的存在情況每天都有波動（見補充圖3）。

在37束微電極中未記錄到多單元活動。在大多數情況下，這可歸因于定位在灰質之外，即腦實質外（12束）、白質中（3束），或者是從宏觀電極中伸出時出現故障（4束在CT掃描中不可見）。對于8束微電極，平均均方根值較高（<10微伏）。最后，對于9束微電極，沒有明顯的原因解釋為何沒有多單元活動，因為它們位于灰質中且均方根值<5微伏。

由于我們的目標之一是盡可能多地記錄伴有多單元活動的癲癇發作，我們查看了能夠記錄到伴有多單元活動的癲癇發作的患者數量。對于33名患者，我們能夠在至少一個微電極信號上記錄到至少1次癲癇發作（范圍為1到10次）且伴有多單元活動。這33名患者在第一時間段占患者總數的40%，但每名患者的癲癇發作次數很少；在第二時間段占患者總數的28%；在第三至第五時間段占患者總數的76%。在這33名患者中，有12名患者記錄到多單元活動的微電極位于癲癇發作起始區（SOZ）。

03.癲癇活動長期連續記錄的分析流程示例

這里描述的連續且長期的記錄允許在主動和被動清醒狀態以及睡眠期間對癲癇事件進行手動或自動標注。圖9給出了方法部分（2.8節）中描述的分析流程的一個示例。在宏觀電極和微電極上都能看到癲癇棘波（圖9A和B）。微電極的高通濾波信號顯示出動作電位，即多單元活動（圖9C）。尖峰分類分析分離出了兩個不同的單個神經元，即單單元活動（SUA）（紅色和藍色），它們具有不同的形態（圖9F）和放電特性（如通過它們的峰間間隔直方圖所示；圖9G）。這兩個神經元的放電率都與發作間期癲癇棘波（IEDs）的局部場電位（LFP）相關（圖9D和E）。

圖9.與發作間期癲癇棘波（IEDs）的局部場電位（LFP）時間鎖定的單單元示例。A.由一個宏觀接觸點記錄的發作間期癲癇棘波。宏觀電極的顱內腦電圖（iEEG）信號以雙極導聯（M1-M2）顯示。B.與A中相同的發作間期癲癇棘波，由A中所示宏觀電極尖端的一根微導線（微導線1）記錄，信號經過50赫茲的低通濾波。C.與B中相同的信號，但經過500赫茲的高通濾波。濾波后的信號顯示出動作電位（多單元活動）。D.微導線1信號的尖峰分類結果是將動作電位分離為兩個不同的假定單單元（紅色和藍色編碼）。紅色和藍色線條表示每個單元動作電位的時間出現情況。E.由微導線1記錄的100次發作間期癲癇棘波的光柵圖。每個單元（紅色和藍色）的動作電位時間與發作間期癲癇棘波時間鎖定，顯示出明顯的同步性。F.每個單元的動作電位波形：1000個隨機時間進程以及疊加的平均值。G.每個單元的峰間間隔直方圖。