Neuropixels 数据分析 - 端到端神经记录处理工具

技能概述

neuropixels-analysis 提供基于 SpikeInterface 的 Neuropixels 高密度神经记录端到端分析工具，涵盖从 SpikeGLX/Open Ephys/NWB 数据加载到 spike sorting、质量控制和单元筛选的完整工作流程。

适用场景

1. Neuropixels 探针数据处理

当您需要处理 Neuropixels 1.0 或 2.0 探针的胞外电生理记录时，本技能提供标准化的预处理流程。支持 .ap.bin、.lf.bin、.meta 等 SpikeGLX 格式，以及 Open Ephys 和 NWB 格式，自动执行高频滤波、ADC 相位校正、公共参考和坏通道检测，为后续分析奠定数据基础。

2. Spike sorting 和质量控制

运行 Kilosort4（需 CUDA GPU）或 CPU 级 sorter（SpykingCircus2、Mountainsort5、Tridesclous2）进行神经元分类，自动计算信噪比、ISI 违例、存在率和振幅截止等质量指标。支持 Allen Institute 风格的阈值筛选、UnitRefine 模型分类和 AI 辅助视觉审核，帮助您快速识别高质量单单元。

3. 数据可视化和结果导出

生成波形图、自相关图和动漂栅格图等可视化结果，支持导出到 Phy 进行人工审核或保存为 NWB 格式用于长期存储和共享。内置完整脚本模板，从 60 秒数据切片测试到全流程批处理，满足快速迭代和生产环境部署的不同需求。

核心功能

1. 自动化预处理流程

集成 SpikeInterface 最佳实践，执行高频滤波（≥400 Hz）、坏通道检测与移除、相位校正（Neuropixels 1.0）和全局中位数参考。保存预处理后的二进制文件，避免重复计算，同时满足 Kilosort4 的输入格式要求。内置 drift detection 和可选的 motion correction（支持 rigid 和 nonrigid 模式），处理记录过程中探针移动带来的信号退化。

2. 多平台 Spike Sorting

支持 GPU 加速的 Kilosort4（推荐）以及纯 CPU 的 SpykingCircus2、Mountainsort5 和 Tridesclous2。通过 Docker 容器运行外部 sorter，无需本地安装复杂依赖。自动创建 SortingAnalyzer，计算波形模板、峰值振幅、单元位置和模板相似度，输出结构化质量指标表格。

3. 灵活的单元筛选策略

提供三层筛选方案：基于阈值的快速过滤（如 amplitude_cutoff < 0.1）、UnitRefine 模型分类（噪声 vs 神经、单单元 vs 多单元）和 AI 辅助审核（利用 Claude API 视觉模型评估不确定单元）。结合 Bombcell/UnitMatch 等外部工具，实现自动化与人工审核的平衡。

常见问题

neuropixels-analysis 支持哪些数据格式？

本技能原生支持 SpikeGLX（.ap.bin、.lf.bin、.meta）、Open Ephys（.continuous、.oebin）和 NWB（.nwb）格式。通过 SpikeInterface 的 read_spikeglx()、read_openephys() 和 read_nwb() 函数加载数据，自动检测可用数据流（如 imec0.ap、imec0.lf），支持 Neuropixels 1.0（960 电极，384 通道）和 2.0（单探针 1280 电极或 4-shank 5120 电极）探针。

如何选择 spike sorter？

优先使用 Kilosort4（需 CUDA GPU），速度最快且分类准确度最高。在无 GPU 环境下，SpykingCircus2、Mountainsort5 和 Tridesclous2 均为纯 CPU 实现并随 SpikeInterface 打包，无需额外安装。对于超大数据集或特殊需求，可通过 Docker 容器运行 Kilosort2.5 等外部 sorter。使用 si.installed_sorters() 查看已安装的 sorter 列表。

动漂校正是否必须执行？

建议始终在 spike sorting 前检查动漂（使用 plot_drift_raster_map()）。当动漂超过约 10 μm 时，会显著降低 spike sorting 质量并增加假阳性/假阴性。本技能提供多种 motion correction 预设：rigid_fast（轻度漂移）、nonrigid_fast_and_accurate（平衡）和 dredge（最先进但耗时）。对于短期记录或稳定固定实验，可跳过校正；对于自由移动动物或长时程记录，强烈建议执行。