neuropixels-analysis
Neuropixels-Neuroaufnahmen analysieren
Auch verfügbar von: davila7
Dieses Skill bietet eine umfassende Analyse von Neuropixels-Hochdichte-Neuroaufnahmen. Es verarbeitet den gesamten Workflow vom Laden der Rohdaten bis zu publikationsbereiten kuratierten Einheiten unter Verwendung von SpikeInterface und Kilosort4-Algorithmen.
Die Skill-ZIP herunterladen
In Claude hochladen
Gehe zu Einstellungen → Fähigkeiten → Skills → Skill hochladen
Einschalten und loslegen
Teste es
Verwendung von "neuropixels-analysis". Laden Sie meine Neuropixels-Aufnahme und führen Sie die vollständige Analyse-Pipeline aus
Erwartetes Ergebnis:
- Aufnahme: 384 Kanäle, 600,2 Sekunden
- Vorverarbeitung abgeschlossen - 2 schlechte Kanäle entfernt
- Drift-Schätzung: 15,3 um
- Kilosort4 fand 45 Einheiten
- Qualitätsmetriken berechnet
- Allen-Kuratierung: 28 gute Einheiten, 12 MUA, 5 Rauschen
Verwendung von "neuropixels-analysis". Überprüfen Sie Drift und Bewegung in meiner Aufnahme
Erwartetes Ergebnis:
- Bewegungsschätzung: 12,8 um Spitze-zu-Spitze
- Keine schwerwiegende Drift erkannt
- Nicht-starre Bewegungskorrektur angewendet
- Korrigierte Aufnahme gespeichert unter motion/corrected/
Sicherheitsaudit
SicherAll 703 static findings are false positives. The scanner incorrectly flags markdown code block backticks as shell commands, scientific terminology (channel, detect, universal) as C2/crypto keywords, and documentation URLs as hardcoded URLs. This is a legitimate neuroscience analysis toolkit using SpikeInterface and Kilosort4 for scientific research.
Risikofaktoren
⚙️ Externe Befehle (3)
📁 Dateisystemzugriff (2)
🌐 Netzwerkzugriff (1)
Qualitätsbewertung
Was du bauen kannst
Automatisierte Spike-Sorting-Pipeline
Verarbeiten Sie Neuropixels-Aufnahmen von Rohdaten zu sortierten Spikes mit Qualitätsmetriken für die Publikation.
Batch-Verarbeitungs-Workflow
Wenden Sie standardisierte Vorverarbeitung und Kuratierung auf mehrere Aufnahmesitzungen für Konsistenz an.
Integration mit Phy
Exportieren Sie sortierte Daten nach Phy zur manuellen Überprüfung und Feinabstimmung der Spike-Sorting-Ergebnisse.
Probiere diese Prompts
Laden Sie eine SpikeGLX-Aufnahme von /path/to/data und wenden Sie die Standard-Vorverarbeitung an, einschließlich Hochpassfilterung bei 400 Hz, Phasenverschiebungskorrektur und gemeinsamer Median-Referenz.
Führen Sie Kilosort4 Spike-Sorting auf der vorverarbeiteten Aufnahme aus und berechnen Sie Qualitätsmetriken einschließlich SNR, ISI-Verletzungsratio und Presence Ratio.
Überprüfen Sie die Drift in meiner Neuropixels-Aufnahme und wenden Sie die Bewegungskorrektur an, wenn die geschätzte Drift 20 Mikrometer überschreitet.
Erstellen Sie ein Zusammenfassungsdiagramm für Einheit 15 mit Wellenformen und Autokorrelogramm und analysieren Sie dann, ob es sich um eine gut isolierte einzelne Einheit basierend auf der Visualisierung handelt.
Bewährte Verfahren
- Überprüfen Sie immer die Drift vor dem Spike-Sorting - Drift über 20 um beeinflusst die Qualität erheblich
- Verwenden Sie GPU für Kilosort4 für 10-50x schnellere Verarbeitung im Vergleich zu CPU-Alternativen
- Speichern Sie vorverarbeitete Daten, um die Filterungsschritte bei nachfolgenden Läufen nicht neu zu berechnen
- Überprüfen Sie unsichere Einheiten in Phy - automatisierte Kuratierung bietet Ausgangspunkte für manuelle Verfeinerung
Vermeiden
- Das Überspringen der Drift-Schätzung vor dem Spike-Sorting kann zu schlechter Einheitsisolierung führen
- Anwenden der Phasenverschiebungskorrektur auf Neuropixels 2.0-Daten (nur für 1.0-Sonden erforderlich)
- Verwenden von standardmäßigen Kuratierungsschwellen ohne Berücksichtigung Ihrer experimentellen Anforderungen
- Verarbeiten vollständiger Aufnahmen ohne vorheriges Testen an einer Teilmenge zur Überprüfung der Pipeline