Neuropixels Neural Recording

何时使用

当你需要分析 Neuropixels 高密度细胞外电生理记录、把原始数据走到可发表的 curated 单元（units）时使用本条，典型场景：

• 处理 Neuropixels 1.0 / 2.0（单杆 / 4 杆）记录：.ap.bin、.lf.bin、.meta
• 从 SpikeGLX、Open Ephys 或 NWB 格式载入数据
• 预处理：高通滤波、CAR（共同参考）、坏道检测
• 检测并校正运动 / 漂移（drift）
• spike sorting（Kilosort4 / SpykingCircus2 / Mountainsort5 / Tridesclous2）
• 计算质量指标（SNR、ISI violations、presence ratio、amplitude cutoff）
• 用 Allen / IBL 标准做自动 / AI 辅助 curation
• 导出到 Phy（人工复核）或 NWB

不该用本条的情况：钙成像 / 双光子、LFP/EEG/MEG、胞内（patch-clamp）记录均不适用——本条专注高密度细胞外锋电位；测序类数据（单细胞 RNA-seq）请用 single-cell-rnaseq-analysis。

硬件与格式速查

步骤

1. 载入数据，按需先截一小段验证流程。
2. 预处理：高通 → phase_shift（仅 1.0）→ 坏道剔除 → 中值 CAR。
3. 查漂移（务必先做）：估计 motion，画 drift map；漂移 >10μm 才做校正。
4. spike sorting：优先 Kilosort4（需 GPU，比 CPU 快 10–50×），无 GPU 退 CPU sorter。
5. 后处理：建 SortingAnalyzer，算 waveforms/templates/amplitudes/correlograms/unit_locations/quality_metrics。
6. curation：用 Allen / IBL 阈值过滤，边界单元（如 3<snr<8）转人工或 AI 辅助。
7. 出报告 + 导出：HTML 报告、Phy、NWB、质量指标 CSV。

指令

import spikeinterface.full as si
job_kwargs = dict(n_jobs=-1, chunk_duration='1s', progress_bar=True)

# 1. 载入（SpikeGLX 最常见）
recording = si.read_spikeglx('/path/to/data', stream_id='imec0.ap')
# 看可用流：streams, ids = si.get_neo_streams('spikeglx', '/path/to/data')  # ['imec0.ap','imec0.lf','nidq']
# 测试截段：recording = recording.frame_slice(0, int(60 * recording.get_sampling_frequency()))

# 2. 预处理链
rec = si.highpass_filter(recording, freq_min=400)
rec = si.phase_shift(rec)                 # Neuropixels 1.0 必需，2.0 不需
bad_ids, _ = si.detect_bad_channels(rec)
rec = rec.remove_channels(bad_ids)
rec = si.common_reference(rec, operator='median')
rec.save(folder='preprocessed/')          # 存盘避免重算

# 3. spike sorting
sorting = si.run_sorter('kilosort4', rec, folder='ks4_output')   # 需 GPU
# CPU 备选：'tridesclous2' / 'spykingcircus2' / 'mountainsort5'
# print(si.installed_sorters())

# 4. 后处理 + 质量指标
analyzer = si.create_sorting_analyzer(sorting, rec, sparse=True)
analyzer.compute('random_spikes', max_spikes_per_unit=500)
analyzer.compute('waveforms', ms_before=1.0, ms_after=2.0)
analyzer.compute('templates', operators=['average', 'std'])
analyzer.compute('spike_amplitudes')
analyzer.compute('correlograms', window_ms=50.0, bin_ms=1.0)
analyzer.compute('unit_locations', method='monopolar_triangulation')
analyzer.compute('quality_metrics')
metrics = analyzer.get_extension('quality_metrics').get_data()

# 5. curation（Allen 保守阈值）
good_units = metrics.query(
    "presence_ratio > 0.9 and isi_violations_ratio < 0.5 and amplitude_cutoff < 0.1"
).index.tolist()

# 6. 导出
si.export_to_phy(analyzer, output_folder='phy_export/',
                 compute_pc_features=True, compute_amplitudes=True)
from spikeinterface.exporters import export_to_nwb
export_to_nwb(rec, sorting, 'output.nwb')
metrics.to_csv('quality_metrics.csv')

漂移检查（sorting 前必做）：估计 motion 并可视化，仅当最大位移 >10μm 才校正（preset 选 kilosort_like 快 / nonrigid_accurate 适合严重漂移）。

AI 辅助 curation：在 Claude Code 内可直接让 Claude 查看 waveform/correlogram 图给出判定，无需 API；编程方式则用 anthropic SDK 对边界单元逐个视觉分析。

安装：pip install spikeinterface[full] probeinterface neo；sorter 按需 pip install kilosort（GPU）/ spykingcircus / mountainsort5；可选 anthropic、ibl-neuropixel ibllib。

关键参数

• 预处理：freq_min 高通截止 300–400 Hz；detect_threshold 坏道检测灵敏度。
• 运动校正：preset = kilosort_like（快）/ nonrigid_accurate（严重漂移更准）。
• Kilosort4：batch_size（默认 30000）；nblocks（长录增大）；Th_learned（越低锋电位越多）。
• 质量指标：snr_threshold 3–5；isi_violations_ratio 0.01–0.5；presence_ratio 0.5–0.95。

示例

# 全流程一条命令（截一段 60s 验证）
python - <<'PY'
import spikeinterface.full as si
rec = si.read_spikeglx('raw_data/recording_g0/recording_g0_imec0', stream_id='imec0.ap')
rec = rec.frame_slice(0, int(60*rec.get_sampling_frequency()))
rec = si.common_reference(si.phase_shift(si.highpass_filter(rec, freq_min=400)), operator='median')
sorting = si.run_sorter('kilosort4', rec, folder='ks4_output')
print('units:', len(sorting.unit_ids))
PY

典型工程目录：raw_data/ → preprocessed/ → motion/ → sorting_output/ → analyzer/ → phy_export/ → results/（quality_metrics.csv / curation_labels.json / output.nwb）。

注意事项

1. 永远先查漂移 再 sorting：drift >10μm 会显著拖累质量。
2. Neuropixels 1.0 用 phase_shift，2.0 不需要——用错会破坏波形对齐。
3. 存预处理结果（rec.save(folder=...)）避免重算。
4. Kilosort4 用 GPU：比 CPU 快 10–50×。
5. 自动 curation 只是起点，边界单元务必人工 / AI 复核；关键实验导出到 Phy 做人工把关。
6. 记录你的阈值：不同分析需不同标准，阈值要可追溯。
7. 进一步参考：SpikeInterface 文档（spikeinterface.readthedocs.io）、Kilosort4（github.com/MouseLand/Kilosort）、IBL ibl-neuropixel、Allen ecephys_spike_sorting、Bombcell（自动 QC）。

互见

• related：single-cell-rnaseq-analysis —— 同为 K-Dense 科学计算系，但面向测序而非电生理
• related：scientific-database-lookup —— 查神经科学 / 基因相关数据库
• combines_with：nextflow-pipeline-builder / snakemake-workflow-engine —— 把 sorting 多步流程封装成可复现 pipeline

采编自 K-Dense-AI/scientific-agent-skills（MIT）。

适配说明：原任务给定 domain=领域/misc，但本仓库 taxonomy.json 中 09-verticals（领域）卷无 misc 类，scripts/build-index.mjs（line 108）会对未受控类报 error；同源姊妹条目 single-cell-rnaseq-analysis 已采用 领域/science。故落盘时 frontmatter 应写 domain: 领域/science 以通过校验。建议 frontmatter：license: MIT、source: K-Dense-AI/scientific-agent-skills、source_license: MIT、status: stable、agents: [claude-code, codex, cursor, gemini-cli]。