neuropixels-analysis
Neuropixels 신경 기록 분석
또한 다음에서 사용할 수 있습니다: davila7
이 스킬은 Neuropixels 고밀도 신경 기록의 종합적인 분석을 제공합니다. 원시 데이터 로딩부터 SpikeInterface와 Kilosort4 알고리즘을 사용하여 출판-ready curated units에 이르기까지 전체 워크플로우를 처리합니다.
스킬 ZIP 다운로드
Claude에서 업로드
설정 → 기능 → 스킬 → 스킬 업로드로 이동
토글을 켜고 사용 시작
테스트해 보기
"neuropixels-analysis" 사용 중입니다. 내 Neuropixels 기록을 로드하고 전체 분석 파이프라인을 실행합니다
예상 결과:
- 기록: 384 채널, 600.2초
- 전처리 완료 - 2개의 나쁜 채널 제거됨
- 드리프트 추정: 15.3um
- Kilosort4가 45개의 유닛 발견
- 품질 지표 계산됨
- Allen 큐레이션: 28개의 좋은 유닛, 12개의 MUA, 5개의 노이즈
"neuropixels-analysis" 사용 중입니다. 내 기록에서 드리프트 및 모션 확인
예상 결과:
- 모션 추정: 12.8um 피크-투-피크
- 심한 드리프트 감지되지 않음
- 비강체 모션 보정 적용됨
- 보정된 기록이 motion/corrected/에 저장됨
보안 감사
안전All 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.
위험 요인
⚙️ 외부 명령어 (3)
📁 파일 시스템 액세스 (2)
🌐 네트워크 접근 (1)
품질 점수
만들 수 있는 것
자동 스파이크 정렬 파이프라인
품질 지표와 함께 정렬된 스파이크를 위해 원시 데이터에서 Neuropixels 기록을 처리합니다.
배치 처리 워크플로우
일관성을 위해 여러 기록 세션에 표준화된 전처리 및 큐레이션을 적용합니다.
Phy와 통합
수동 검토 및 스파이크 정렬 결과 미세 조정을 위해 Phy에 정렬된 데이터를 내보냅니다.
이 프롬프트를 사용해 보세요
/path/to/data에서 SpikeGLX 기록을 로드하고 400 Hz에서 고대역 통과 필터링, 위상 시프트 보정, 공통 중앙값 레퍼런스를 포함한 표준 전처리를 적용합니다.
전처리된 기록에서 Kilosort4 스파이크 정렬을 실행하고 SNR, ISI 위반 비율, 존재 비율을 포함한 품질 지표를 계산합니다.
내 Neuropixels 기록에서 드리프트를 확인하고 추정된 드리프트가 20 마이크로미터를 초과하면 모션 보정을 적용합니다.
유닛 15에 대한 파형 및 자기상관도 요약 플롯을 생성하고, 시각화에 기반하여 잘 분리된 단일 유닛인지 분석합니다.
모범 사례
- 스파이크 정렬 전에 항상 드리프트를 확인하세요 - 20um 이상의 드리프트는 품질에 상당한 영향을 미칩니다
- Kilosort4에 GPU를 사용하면 CPU 대비 10-50배 더 빠른 처리가 가능합니다
- 전처리된 데이터를 저장하여 이후 실행에서 필터링 단계를 다시 계산하지 않도록 하세요
- 불확실한 유닛을 Phy에서 검토하세요 - 자동 큐레이션은 수동 미세 조정을 위한 시작점을 제공합니다
피하기
- 스파이크 정렬 전에 드리프트 추정을 건너뛰면 유닛 격리가 불량해질 수 있습니다
- Neuropixels 2.0 데이터에 위상 시프트 보정 적용 (1.0 프로브에만 필요)
- 실험 요구 사항을 고려하지 않고 기본 큐레이션 임계값 사용
- 먼저 하위 집합에서 테스트하지 않고 전체 기록을 처리하여 파이프라인 확인