neuropixels-analysis

# Neuropixels 数据分析 ## 概述 用于分析 Neuropixels 高密度神经记录的综合工具包，采用 SpikeInterface、Allen 研究所和国际脑实验室 (IBL) 的当前最佳实践。支持从原始数据到可发表的策展单位的全流程工作流。 ## 何时使用此技能 当出现以下情况时应使用此技能： - 处理 Neuropixels 记录 (.ap.bin, .lf.bin, .meta 文件) - 从 SpikeGLX、Open Ephys 或 NWB 格式加载数据 - 预处理神经记录（滤波、CAR、坏通道检测） - 检测和校正记录中的运动/漂移 - 运行脉冲排序 (Kilosort4, SpykingCircus2, Mountainsort5) - 计算质量指标 (SNR, ISI 违规, 存在比率) - 使用 Allen/IBL 标准进行单位策展 - 创建神经数据可视化 - 将结果导出到 Phy 或 NWB ## 支持的硬件与格式 | 探针 | 电极 | 通道 | 备注 | |-------|-----------|----------|-------| | Neuropixels 1.0 | 960 | 384 | 需要 phase_shift 校正 | | Neuropixels 2.0 (单柄) | 1280 | 384 | 更密集的几何结构 | | Neuropixels 2.0 (4柄) | 5120 | 384 | 多区域记录 | | 格式 | 扩展名 | 读取器 | |--------|-----------|--------| | SpikeGLX | `.ap.bin`, `.lf.bin`, `.meta` | `si.read_spikeglx()` | | Open Ephys | `.continuous`, `.oebin` | `si.read_openephys()` | | NWB | `.nwb` | `si.read_nwb()` | ## 快速入门 ### 基本导入与设置 python import spikeinterface.full as si import neuropixels_analysis as npa # 配置并行处理 job_kwargs = dict(n_jobs=-1, chunk_duration='1s', progress_bar=True) ### 加载数据 python # SpikeGLX (最常用) recording = si.read_spikeglx('/path/to/data', stream_id='imec0.ap') # Open Ephys (许多实验室常用) recording = si.read_openephys('/path/to/Record_Node_101/') # 检查可用流 streams, ids = si.get_neo_streams('spikeglx', '/path/to/data') print(streams) # ['imec0.ap', 'imec0.lf', 'nidq'] # 测试数据子集 recording = recording.frame_slice(0, int(60 * recording.get_sampling_frequency())) ### 完整工作流（单命令） python # 运行完整分析工作流 results = npa.run_pipeline( recording, output_dir='output/', sorter='kilosort4', curation_method='allen', ) # 访问结果 sorting = results['sorting'] metrics = results['metrics'] labels = results['labels'] ## 标准分析工作流 ### 1. 预处理 python #