neuropixels-analysis
Анализ нейронных записей Neuropixels
Также доступно от: davila7
Этот навык обеспечивает комплексный анализ высокоплотных нейронных записей Neuropixels. Он обрабатывает полный рабочий процесс от загрузки необработанных данных до готовых к публикации отсортированных единиц с использованием алгоритмов SpikeInterface и Kilosort4.
Скачать ZIP навыка
Загрузить в Claude
Перейдите в Settings → Capabilities → Skills → Upload skill
Включите и начните использовать
Протестировать
Использование «neuropixels-analysis». Загрузить мою запись Neuropixels и запустить полный конвейер анализа
Ожидаемый результат:
- Запись: 384 канала, 600.2 секунды
- Предобработка завершена - 2 плохих канала удалено
- Оценка дрейфа: 15.3 мкм
- Kilosort4 обнаружил 45 единиц
- Метрики качества вычислены
- Сортировка Allen: 28 хороших единиц, 12 MUA, 5 шум
Использование «neuropixels-analysis». Проверить дрейф и движение в моей записи
Ожидаемый результат:
- Оценка движения: 12.8 мкм размах
- Сильный дрейф не обнаружен
- Применена некорректная коррекция движения
- Скорректированная запись сохранена в motion/corrected/
Аудит безопасности
БезопасноAll 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.
Факторы риска
⚙️ Внешние команды (3)
📁 Доступ к файловой системе (2)
🌐 Доступ к сети (1)
Оценка качества
Что вы можете построить
Автоматизированный конвейер сортировки спайков
Обработка записей Neuropixels от необработанных данных к отсортированным спайкам с метриками качества для публикации.
Рабочий процесс пакетной обработки
Применение стандартизированной предобработки и сортировки к нескольким сессиям записи для обеспечения согласованности.
Интеграция с Phy
Экспорт отсортированных данных в Phy для ручного просмотра и тонкой настройки результатов сортировки спайков.
Попробуйте эти промпты
Загрузить запись SpikeGLX из /path/to/data и применить стандартную предобработку, включая высокочастотную фильтрацию на 400 Гц, коррекцию фазового сдвига и общий медианный референс.
Запустить сортировку спайков Kilosort4 на предобработанной записи и вычислить метрики качества, включая SNR, коэффициент нарушений ISI и коэффициент присутствия.
Проверить дрейф в моей записи Neuropixels и применить коррекцию движения, если оцененный дрейф превышает 20 микрон.
Создать сводный график для единицы 15, показывающий формы волн и автокоррелограмму, затем проанализировать, является ли она хорошо изолированной отдельной единицей на основе визуализации.
Лучшие практики
- Всегда проверяйте дрейф перед сортировкой спайков - дрейф выше 20 мкм значительно влияет на качество
- Используйте GPU для Kilosort4 для ускорения обработки в 10-50 раз по сравнению с CPU-альтернативами
- Сохраняйте предобработанные данные, чтобы избежать повторного вычисления шагов фильтрации при последующих запусках
- Просматривайте неопределенные единицы в Phy - автоматизированная сортировка предоставляет отправные точки для ручной доработки
Избегать
- Пропуск оценки дрейфа перед сортировкой спайков может привести к плохой изо��яции единиц
- Применение коррекции фазового сдвига к данным Neuropixels 2.0 (требуется только для зондов 1.0)
- Использование порогов сортировки по умолчанию без учета требований эксперимента
- Обработка полных записей без предварительного тестирования на подмножестве для проверки конвейера
Часто задаваемые вопросы
Какие форматы поддерживает этот навык?
Нужен ли мне GPU для сортировки спайков?
Какие методы сортировки доступны?
Как мне просмотреть результаты вручную?
Может ли ИИ помочь с сортировкой?
Какая предобработка рекомендуется?
Сведения для разработчиков
Автор
K-Dense-AIЛицензия
MIT license
Репозиторий
https://github.com/K-Dense-AI/claude-scientific-skills/tree/main/scientific-skills/neuropixels-analysisСсылка
main