neuropixels-analysis
Анализ нейронных записей Neuropixels
متاح أيضًا من: K-Dense-AI
Анализ записей Neuropixels требует экспертизы в работе с несколькими инструментами и сложными пайплайнами. Этот навык обеспечивает полный рабочий процесс от необработанных данных до курируемых единиц с предобработкой, сортировкой спайков, метриками качества и ИИ-ассистированным курированием в соответствии с лучшими практиками SpikeInterface, Allen Institute и IBL.
تنزيل ZIP المهارة
رفع في Claude
اذهب إلى Settings → Capabilities → Skills → Upload skill
فعّل وابدأ الاستخدام
اختبرها
استخدام "neuropixels-analysis". Analyze my Neuropixels recording at /data/experiment1/ using kilosort4 and export to Phy
النتيجة المتوقعة:
- Запись: 384 канала, 1200.5 с длительность, 30000 Гц частота дискретизации
- Предобработка: полосовой фильтр 300-6000 Гц, фазовый сдвиг, 3 плохих канала удалено, применена CMR
- Дрейф: оценка дрейфа 15.2 мкм, коррекция применена с пресетом nonrigid_accurate
- Kilosort4: найдено 142 единицы, 452380 всего спайков
- Метрики качества: медиана SNR 8.2, медиана ISI нарушений 0.005, медиана коэффициента присутствия 0.94
- Курирование Allen: 67 good единиц, 48 MUA, 27 noise
- Экспортировано в Phy: /output/phy_export/ готово к ручному просмотру
استخدام "neuropixels-analysis". Run preprocessing on my Open Ephys recording with motion correction
النتيجة المتوقعة:
- Запись: 385 каналов, 600.0 с длительность, 30000 Гц частота дискретизации
- ВЧ фильтр: 400 Гц применен
- Детекция плохих каналов: 2 шумных канала обнаружены и удалены
- Коррекция фазового сдвига: не требуется для Neuropixels 2.0
- Общая медианная референтная коррекция: применена глобальная референтная коррекция
- Оценка движения: обнаружен дрейф 8.3 мкм, коррекция применена
- Сохранена предобработанная запись в: /output/preprocessed/
التدقيق الأمني
مخاطر منخفضةThis is a legitimate scientific analysis toolkit for Neuropixels neural recordings. All 704 static findings are false positives: markdown backticks were misidentified as Ruby shell execution, neuroscience parameters like CAR (Common Average Reference) were misidentified as cryptographic algorithms, and scientific terms were flagged as C2 keywords. The code performs standard data processing on user-specified files with no exfiltration, credential theft, or persistence mechanisms.
عوامل الخطر
📁 الوصول إلى نظام الملفات (2)
🌐 الوصول إلى الشبكة (1)
درجة الجودة
ماذا يمكنك بناءه
Обработка экспериментальных записей
Анализ записей Neuropixels от детекции спайков до курируемых одиночных единиц с метриками, готовыми к публикации.
Автоматизация контроля качества
Применение стандартизированных критериев Allen Institute или IBL для автоматической классификации единиц как good, MUA или noise.
Экспорт для просмотра в Phy
Генерация полных выходных данных анализа, готовых к ручному курированию в GUI Phy для детального просмотра.
جرّب هذه الموجهات
Проанализировать мою запись Neuropixels по адресу /path/to/data с использованием навыка neuropixels-analysis. Загрузить данные, провести предобработку, запустить сортировку спайков Kilosort4, рассчитать метрики качества и применить критерии курирования Allen.
Обработать все записи в директории /path/to/experiments/ с использованием пайплайна neuropixels-analysis. Применить коррекцию движения при необходимости, запустить сортировку спайков с kilosort4 и экспортировать CSV файлы с метриками качества.
Просмотреть результаты сортировки спайков в директории /path/to/sorting/ с использованием навыка neuropixels-analysis. Рассчитать все метрики качества, определить единицы с SNR между 3-8, требующие проверки, и применить критерии курирования IBL.
Запустить пользовательский анализ Neuropixels с: полосовой фильтрацией 300-6000 Гц, коррекцией фазового сдвига, оценкой движения с пресетом nonrigid_accurate, kilosort4 с nblocks=5 и строгими критериями курирования (SNR > 5, isi_violations < 0.01).
أفضل الممارسات
- Всегда визуализируйте и оценивайте дрейф перед принятием решения о коррекции движения
- Сохраняйте предобработанные записи, чтобы избежать повторных вычислений при итерациях
- Комбинируйте автоматизированные метрики с ИИ-ассистированным визуальным анализом для неопределенных единиц
- Используйте GPU для Kilosort4 (в 10-50 раз быстрее, чем альтернативы на CPU)
تجنب
- Запуск сортировки спайков без предварительной проверки дрейфа или плохих каналов
- Использование порогов курирования по умолчанию без просмотра ваших конкретных данных
- Слепое доверие автоматизированному курированию для критических экспериментов
- Пропуск предобработки при использовании Kilosort4 на необработанных данных Neuropixels