Beyindəki ayrı-ayrı neyronların elektrik fəallığını anlamağın ən güclü yollarından biri, hüceyrələrin xaricinə yerləşdirilən elektrodlarla aksiyon potensiallarını qeyd etməkdir. Bu ekstrasellülyar qeydlər, bu gün eyni anda yüzlərlə, hətta minlərlə neyronun atəşləmə zamanlarını izləməyi mümkün edir. Ancaq qeydin alınması yalnız başlanğıcdır. Xam elektrik siqnalından etibarlı spike'ların çıxarılması, neyronların bir-birindən ayrılması, qeyd keyfiyyətinin yoxlanması, raster və PSTH qrafiklərinin yaradılması, cavab zamanlarının ölçülməsi və çox sayda neyronun ortaq dinamikasının analiz edilməsi lazımdır.

Maik C. Stüttgen tərəfindən hazırlanmış MLIB, bu analizlərin mühüm hissəsini MATLAB mühitində mümkün qədər aşağı proqramlaşdırma həddi ilə həyata keçirmək üçün nəzərdə tutulmuş açıq mənbəli bir alət qutusudur. Funksiyalar vektor və ya matris formasındakı spike zaman nişanları, eksperimental hadisə zamanları, dalğa formaları və ya LFP siqnalları üzərində birbaşa işləyir və analizlərin çoxu tək bir MATLAB əmri ilə çağırıla bilir.

MLIB; spike sorting nəticəsinin keyfiyyət nəzarətindən raster plot və peri-stimulus time histogramına, spike-density function hesablamasından cavab gecikməsinə, ROC və mutual information analizlərindən zaman üzrə həll olunan çoxlu regresiyaya, neyron populyasiyalarının principal component analysis ilə aşağı ölçülü trayektoriyalara çevrilməsinə qədər geniş bir iş axını təqdim edir. Alət qutusunda həmçinin local field potential məlumatları üçün evoked potential, spektral analiz və current-source density funksiyaları vardır.

Məqalənin məqsədi yeni bir spike-sorting alqoritminin digər metodlardan daha doğru olduğunu göstərmək deyil. MLIB spike sorting əməliyyatını özü həyata keçirmir. Bunun əvəzinə mövcud spike-sorting proqramlarından çıxan waveform və spike timestamp məlumatlarını araşdırmaq, keyfiyyətə nəzarət etmək, vizuallaşdırmaq və fizioloji suallara yönəlmiş analizlərə daşımaq üçün modul bir MATLAB qatı təmin edir.

Ekstrasellülyar spike qeydi nəyi ölçür?

Bir neyron aksiyon potensialı yaratdıqda hüceyrə membranındakı sürətli ion cərəyanları ətrafdakı elektrik sahəsini dəyişdirir. Neyronun xaricinə yerləşdirilən bir mikroelektrod bu dəyişikliyi qısa müddətli bir gərginlik dalğa forması kimi qəbul edə bilər. Tək bir qeyddə zaman ərzində minlərlə bu cür hadisə ola bilər.

Bir eksperimentçi üçün əsas məlumat adətən iki səviyyədə ortaya çıxır:

• Waveform nümunələri: Hər aşkarlanan spike'ın zamana qarşı gərginlik forması.
• Spike timestamp'ləri: Spike'ın baş verdiyi zaman nöqtələri.

Bunlara təcrübədəki stimulların, hərəkətlərin, mükafatların və ya davranış hadisələrinin zaman nişanları əlavə edildikdə, neyron fəallığının eksperimental dəyişənlərlə necə əlaqəli olduğu araşdırıla bilər.

MLIB Neyrofiziologiya Analizində Hansı Problemi Həll Edir?

MLIB, xam və ya əvvəlcədən spike-sort edilmiş elektrofiziologiya məlumatlarından standart analizlər yaratmaq üçün hər laboratoriyanın təkrar-təkrar xüsusi MATLAB kodu yazmaq ehtiyacını azaltmağı və xüsusilə proqramlaşdırma təcrübəsi məhdud olan tədqiqatçılara tək-əmrli, modul və sənədləşdirilmiş analiz funksiyaları təqdim etməyi hədəfləyir.

Tək bir nəhəng proqram əvəzinə modul funksiyalar

MLIB'in dizayn məntiqi bütün əməliyyatları qrafik istifadəçi interfeysində gizlətmək əvəzinə, hər analizi ayrıca bir funksiya kimi saxlamaqdır. İstifadəçi MATLAB Command Window içindən funksiyanı çağıra bilər; istəyə bağlı arqumentlərlə davranışı dəyişdirə bilər və nəticələri daha böyük analiz scriptlərinə köçürə bilər.

Mənbənin Şəkil 1'ində təklif edilən ümumi axın belə irəliləyir:

1. Waveform detection və unit extraction.
2. Xarici bir metodla spike sorting.
3. `mcheck` və `mcc` ilə sorting keyfiyyətinin araşdırılması.
4. `mpsth`, `msdf` və `mwave` ilə cavabların vizuallaşdırılması və waveform xarakterizasiyası.
5. `mcvar` və `mlat` ilə əsas atəşləmə xüsusiyyətlərinin ölçülməsi.
6. `mmi`, `mroc`, `mnspx`, `mvecstrength`, `mmultregress`, `mtune`, `mwa` və `mwa2` kimi funksiyalarla kodlama xüsusiyyətlərinin analizi.
7. Birdən çox neyron üçün `mcluster` və `mdimreduct` ilə populyasiya səviyyəli analiz.

MLIB'dəki funksiyalar hansı qruplara ayrılır?

Spike Sorting Keyfiyyəti MLIB ilə Necə Yoxlanılır?

MLIB spike sorting əməliyyatını həyata keçirmir; bunun əvəzinə sorting sonrası waveform klasterlərinin həqiqətən ayrı və sabit tək neyronları təmsil edib-etmədiyini waveform paylanması, refractory-period pozuntuları, qeyd sabitliyi, principal-component ayrılması və müxtəlif cluster-quality ölçütləri ilə araşdırmağa kömək edir.

mcheck: tək bir vahidin keyfiyyət nəzarəti

Mənbənin Şəkil 2A–I panelləri, göyərçin nidopallium caudolaterale bölgəsindən qeydə alınmış seyrək atəşləyən bir neyrona aid 853 waveform üzərindən `mcheck` və `mwave` çıxışlarının nümunəsini göstərir.

Funksiya yalnız orta spike formasına baxmır. Eyni waveform'ların zaman–gərginlik heat map'ini, pik və baza amplitüd paylanmalarını, inter-spike interval histoqramını, qeyd boyunca spike sayını və amplitude sabitliyini birlikdə araşdıra bilir.

Nümunə vahiddə aşkarlama həddi səbəbindən qaçırıldığı təxmin edilən spike nisbəti təxminən

\[ 2\% \]

kimi hesablanmışdır.

Bundan əlavə aksiyon potensialının fizioloji refractory period'u nəzərə alınır. Mənbə, təxminən 3–4 ms-dən qısa ISI'lərin eyni sağlam tək neyrondan ardıcıl spike gəlməsi ilə uyğun olmaya biləcəyini bildirir. Göstərilən nümunədə bu kriteriyanı pozan spike nisbəti

\[ <0.5\% \]

səviyyəsindədir.

`mcheck`, SNR, atəşləmə dərəcəsinin variation coefficient'i və amplitude variation coefficient'i kimi sayısal göstəricilər də yaradır. Mənbə həmçinin fərdiləşdirilə bilən svetofora bənzər keyfiyyət tövsiyələrinin təqdim edildiyini göstərir.

mwave: spike'ın geometriyasını ölçmək

`mwave`, orta spike waveform'undan müxtəlif həndəsi xüsusiyyətlər çıxarır. Bunlar arasında:

• full width at half maximum,
• full width at half minimum,
• peak-to-trough duration,
• peak-to-trough amplitude,
• peak-to-trough ratio

yer alır.

Bu cür waveform ölçmələri uyğun bioloji və eksperimental kontekstlə birlikdə istifadə edildikdə qeydə alınan neyronların mümkün hüceyrə tipləri barədə yardımçı xüsusiyyətlər verə bilər. Ancaq waveform forması təkbaşına qəti hüceyrə-tip kimliyi kimi şərh edilməməlidir.

mcc: iki cluster həqiqətən ayrılırmı?

`mcc`, birdən çox spike cluster'ının bir-birindən nə qədər yaxşı ayrıldığını qiymətləndirir. Mənbənin Şəkil 2J–M nümunəsində iki waveform qrupu principal component analysis'ə tabe tutulmuşdur.

İlk üç principal component, waveform varyansının

\[ 44.8\% \]

qədərini izah edir.

Funksiya waveform'ların öz cluster mərkəzlərinə və digər cluster mərkəzinə məsafələrini müqayisə edir. Həmçinin ROC əsaslı \(A'\) ölçütü, J3, PseudoF, Davies–Bouldin tipli indeks, \(L_{\mathrm{ratio}}\) və isolation distance kimi keyfiyyət metrikləri təqdim edir.

Mənbədə

\[ A'>0.98 \]

mükəmməl səviyyəyə yaxın ayrılmanın göstəricisi kimi qiymətləndirilərkən

\[ A'<0.8 \]

çox zəif cluster ayrılmasına işarə edir. Göstərilən nümunədə \(A'=0.99\)-dur.

PSTH, Raster Plot və Spike-Density Function Birlikdə Nəyi Göstərir?

Raster plot hər təcrübə təkrarındakı spike zamanlarını tək-tək qoruyarkən PSTH bunları zaman qutularında toplayaraq orta atəşləmə sürətini göstərir; spike-density function isə PSTH'ni seçilmiş bir kernel ilə hamarlayaraq neyron cavabının zaman profilinin və latency'sinin daha oxunaqlı biçimdə təxmin edilməsini təmin edir.

mpsth və msdf

Mənbənin Şəkil 3A'sında siçovul eşitmə korteksindən tək bir neyronun stimul ətrafındakı fəallığı göstərilir. Üst bölmə raster plot, alt bölmə PSTH'dir.

`msdf` funksiyası PSTH'ni bir convolution kernel'i ilə filtr edərək spike-density function yaradır. Göstərilən nümunədə exponentially modified Gaussian kernel istifadə edilmişdir və parametrlər

\[ SD=1\text{ ms},\qquad \tau=5\text{ ms} \]

kimi verilmişdir.

Funksiya həmçinin boxcar, Gaussian və simple exponential kernel seçimləri də təqdim edir.

mlat ilə cavab gecikməsi

Neyronun bir stimul başladıqdan sonra nə qədər müddətdə etibarlı biçimdə reaksiya verdiyi xüsusilə duyusal neyrofiziologiyada mühüm ölçüdür. `mlat` bu məqsədlə beş fərqli latency ölçüsü təqdim edir. Məqalədəki nümunədə bunlardan üçü SDF'nin üzərinə işarələnmişdir.

Zaman pəncərəsi yanlış seçilərsə məlumat itə bilər

`mwa`, spike saylarının bir istinad zaman aralığına görə nə qədər dəyişdiyini sliding-window AUROC analizi ilə ölçür. Şəkil 3B'də analiz pəncərəsinin uzunluğu 5–100 ms arasında dəyişdirilmiş və pəncərələr 10 ms-lik addımlarla stimul başlanğıcının ətrafında sürüşdürülmüşdür.

Nümunədə ən güclü atəşləmə dəyişikliyi stimul başlanğıcından təxminən

\[ 20-30\text{ ms} \]

sonra ortaya çıxır.

AUROC'u ən çox edən pəncərə təxminən 50 ms uzunluğunda və +20 ms ətrafında mərkəzlənmişdir:

\[ AUROC=0.77. \]

Bu nümunə mühüm bir analiz prinsipini göstərir: spike sayını hansı zaman pəncərəsində ölçdüyümüz, neyron məlumatının görünür olub-olmamasına birbaşa təsir edə bilər.

Mutual information alternativi

ROC əsaslı ayırdediciliklə yanaşı `mmi`, iki şərtdəki spike saylarının daşıdığı mutual information miqdarını hesablamaq üçün istifadə edilə bilər.

MLIB həmçinin `mmi_psych` adlı yardımçı funksiya ilə hit rate və false-alarm rate kimi davranışsal uğur ölçülərini bit cinsinə çevirərək neyron və davranışsal məlumat ölçülərinin müqayisəsinə kömək edir.

Zaman üzrə həll olunan çoxlu regresiya

Neyron fəallığına tək bir təcrübə dəyişəni təsir etməyə bilər. Eyni spike train; stimulun növü, heyvanın etdiyi seçim, alınan mükafat və başqa davranışsal dəyişənlərlə eyni zamanda əlaqəli ola bilər.

`mmultregress`, spike saylarını zaman boyunca kayan pəncərələrdə bir generalized linear model'ə daxil edərək bu töhfələri ayırmağı hədəfləyir.

Məqalədə siçovul dorsomedial frontal cortex qeydindən bir nümunə istifadə olunur. Heyvanlar iki fərqli 100-ms eşitmə stimulunu ayırd edərək sağ və ya sol seçim edir və təxminən

\[ 80\% \]

doğru performans göstərir.

Regresiya dəyişənləri:

• stimulus identity,
• choice response,
• reward

kimi seçilmişdir.

25, 100 və 250 ms genişliyindəki zaman pəncərələri müqayisə edildikdə nümunə neyronun xüsusilə heyvanın seçim cavabı ilə əlaqəli olduğu və bu əlaqənin təxminən stimul başlanğıcından 250 ms sonra aydınlaşdığı görünür.

Daha uzun analiz pəncərələri daha az səs-küylü və daha yüksək regresiya əmsalları yaratsa da bunun əvəzi temporal resolution itkisidir.

Çalışmanın Metodu və Nəticələri

Proqram necə hazırlanmış və test edilmişdir?

MLIB funksiyaları təxminən on illik bir dövr ərzində hazırlanmışdır. Məqalədə proqramın MATLAB R2023b istifadə edilərək Windows 11 işlədən standart bir masaüstü kompüterdə test edildiyi bildirilir.

Əsas MATLAB qurulumunun yanında bəzi funksiyalar Statistics and Machine Learning Toolbox tələb edir. `mtune` üçün Curve Fitting Toolbox və Signal Processing Toolbox da lazımdır.

Quraşdırma üçün ənənəvi paket meneceri və ya installer tələb olunmur. İstifadəçi funksiyaları və nümunə məlumat fayllarını bir qovluğa kopyalayır və qovluğu MATLAB path'inə əlavə edir.

Hər funksiyanın giriş parametrləri öz documentation header'ında izah olunur. Həmçinin `MLIB_Function_Reference.m` adlı nümunə script, funksiyaların müxtəlif istifadə formalarını göstərir. Yazar məqalədəki nəticə fiqurlarının bu referans script istifadə edilərək yenidən istehsal edilə bildiyini bildirir.

300 Neyronluq Fəallıq Bir Neçə Ölçüyə Necə Endirilir?

`mdimreduct`, eyni şərtlərdə qeydə alınmış çox sayda neyronun zamanla dəyişən atəşləmə dərəcələrini principal component analysis istifadə edərək bir neçə ortaq ölçüyə endirir; beləliklə yüzlərlə neyronluq populyasiya fəallığı iki və ya üç ölçülü bir trayektoriya kimi vizuallaşdırıla bilər.

300 ölçüdən bir neçə principal component'ə

Məqalədə istifadə olunan nümunədə siçovul medial frontal cortex bölgəsindən

\[ N=300 \]

neyronun fəallığı analiz edilmişdir.

Hər neyron üçün atəşləmə dərəcələri 100-ms analiz pəncərələrində hesablanmış, z-score'a çevrilmiş və stimul başlanğıcına görə

\[ -400\text{ ms}\rightarrow +400\text{ ms} \]

aralığında hizalanmışdır.

300 ölçülü fəallıq matrisinə PCA tətbiq edildikdə ilk beş principal component'in toplam varyansın təxminən

\[ 78\% \]

qədərini izah etdiyi bildirilmişdir.

Bu nümunədə yüzlərlə ayrı neyron zaman seriyasının mühüm hissəsi bir neçə ortaq dinamik ox üzərindən təmsil edilə bilir.

Populyasiya trayektoriyası nəyi izah edir?

İlk üç principal component istifadə edilərək zamanın irəliləməsi üç ölçülü məkanda bir trayektoriya kimi çəkilə bilər.

İki fərqli eşitmə stimulu birlikdə analiz edildikdə, stimul başlamazdan əvvəl iki şərtin populyasiya trayektoriyaları demək olar ki, eynidir. Stimul başladıqdan qısa müddət sonra isə trayektoriyalar bir-birindən ayrılmağa başlayır.

Mənbə bu ayrılmanın heyvan seçim portuna hərəkət etməzdən və hətta stimul tamamlanmazdan əvvəl başladığını; buna görə bu nümunə dMFC populyasiyasının qərar prosesi və/və ya cavab planlaşdırmasına erkən iştirakı ilə uyğun olduğunu bildirir.

Bu nəticə MLIB'in kəşf etdiyi yeni ümumi neyrofiziologiya qanunu deyil. Məqalə daha əvvəl əldə edilmiş real bir məlumat dəstini `mdimreduct` funksiyasının nə edə bildiyini göstərmək məqsədilə istifadə edir.

LFP analizi də alət qutusuna daxildir

MLIB'in böyük hissəsi spike train analizinə ayrılsa da üç funksiya local field potential məlumatları üçün hazırlanmışdır:

• `mcsd`: current-source density analizi,
• `mep`: evoked potential və qeyri-müəyyənlik ölçmələri,
• `mspectan`: LFP spektral analizi.

Current-source density nümunəsi

Məqalənin Şəkil 5'ində anesteziya altındakı bir siçanın barrel cortex bölgəsinə yerləşdirilmiş xətti elektrod sırasının qeydləri istifadə olunur.

Sıra

\[ 20 \]

elektrod kontaktından ibarətdir və kontaktlararası məsafə

\[ 50\,\mu\mathrm{m} \]

kimi göstərilmişdir.

Əsas mətndə LFP'lərin 20 sınaq üzərində ortalandığı yazıldığı halda Şəkil 5 açıqlaması 10 stimulus repetition bildirir. Mənbə içindəki bu fərq səbəbindən dəqiq təkrar sayı burada tək bir dəyərə endirilmir.

Whisker stimulundan sonra ən güclü LFP cavabının yuxarıdan beşinci elektrodda görüldüyü bildirilir. LFP'nin ikinci məkan törəməsi hesablanaraq raw current-source density əldə edilir; ardından CSD 10 qat məkan interpolation və smoothing əməliyyatından keçirilir.

Ən erkən current sink'in yeri, kortikal layer IV'ün təxmini yerini müəyyən etmək üçün istifadə oluna bilər və beləliklə xətti prob üzərindəki digər elektrodların kortikal qatlarla uyğunlaşdırılmasına kömək edir.

MLIB'in güclü tərəfləri

• Spike analizi üçün başlanğıcdan populyasiya analizinə uzanan bütünləşdirilmiş bir iş axını təqdim edir.
• Funksiyalar sadə vektor və matris girişləri ilə çağırıla bilər.
• Yeni istifadəçilərin proqramlaşdırma yükünü azaltmağı hədəfləyir.
• Bir çox funksiya istəyə bağlı olaraq hazır formatlaşdırılmış qrafik yarada bilər.
• Real siçovul, siçan və göyərçin məlumatları ilə geniş istifadə nümunələri verilir.
• Keyfiyyət nəzarətindən ROC, mutual information, GLM və PCA kimi daha irəli metodlara keçid eyni alət qutusunda edilə bilər.
• Məqalə fiqurlarının referans script ilə yenidən istehsal edilə bilməsi reproducibility baxımından güclü bir xüsusiyyətdir.

MLIB'in məhdudiyyətləri

• MATLAB mülkiyyətçi proqramdır və lisenziya tələb edir.
• Bəzi MLIB funksiyaları ödənişli MATLAB toolbox'larından asılıdır.
• MLIB spike sorting etmir; sorting üçün ayrıca proqram lazımdır.
• `mcheck` və `mcc` kimi funksiyalar böyük ölçüdə tək kanal və ya manual vahid araşdırmasına fokuslandığı üçün çox böyük Neuropixels məlumat dəstlərində hər vahidin tək-tək yoxlanması zəhmətli ola bilər.
• Mənbə MLIB'i alternativ toolboxes qarşısında sistematik sürət və ya dəqiqlik benchmark'ına tabe tutmamışdır.
• Laboratoriyada 700 vahidə qədər məlumatla problemsiz istifadə edildiyi ifadəsi sistematik miqyaslana bilmə testi kimi qiymətləndirilməməlidir.
• Toolbox bütün mümkün müasir populyasiya analizlərini əhatə etdiyini iddia etmir; yazar daha ixtisaslaşmış böyük miqyaslı analizlər üçün əlavə alətlərə yönləndirir.

Digər alətlərdən fərqi necə mövqeləndirilir?

Yazar MLIB'i mövcud proqramların yerinə keçən tək bir universal sistem kimi təqdim etmir. Mənbədə SpikeInterface'in xüsusilə spike sorting'ə, Chronux'un inkişaf etmiş spectral və coherence analizlərinə, FieldTrip'in MEG/EEG/iEEG ekosisteminə və CellExplorer'ın qrafik istifadəçi interfeysi üzərindən neyron xarakterizasiyasına fokuslandığı bildirilir.

MLIB'in hədəflədiyi fərq, spike-sorting sonrası tez-tez istifadə olunan neyrofizioloji analizlərin mühüm hissəsini sadə MATLAB funksiyaları şəklində eyni modul iş düzənində bir araya gətirməkdir.

Çalışmanın dəstəklədiyi nəticələr

• MLIB ekstrasellülyar spike və LFP məlumatlarının çox sayda standart analizini MATLAB içində həyata keçirə bilər.
• Spike sorting sonrası keyfiyyət nəzarəti üçün waveform, ISI, sabitlik və cluster-separation ölçmələri təmin edir.
• Raster, PSTH, SDF və latency analizi yaradır.
• ROC, mutual information və zaman üzrə həll olunan regresiya kimi kodlama analizlərini dəstəkləyir.
• Çox-neyronlu məlumat dəstlərində PCA əsaslı population trajectory yarada bilər.
• LFP üçün CSD, evoked potential və spectral-analysis alətləri ehtiva edir.
• Yeni MATLAB istifadəçilərinin əsas analizləri daha az kod yazaraq həyata keçirə bilməsinə yönəlik hazırlanmışdır.
• Nümunə script və məlumat dəstləri ilə məqalədəki analizlərin yenidən istehsal edilə bilməsi dəstəklənir.

Çalışmanın sübut etmədiyi nəticələr

• MLIB'in bütün alternativ neyrofiziologiya proqramlarından daha doğru və ya daha sürətli olduğu göstərilməmişdir.
• MLIB avtomatik spike sorting sistemi deyil.
• Waveform xüsusiyyətləri təkbaşına bir neyronun qəti bioloji hüceyrə tipini müəyyən etmir.
• PCA ilə az sayda ölçüyə endirilə bilmiş bir nümunə məlumat dəsti, bütün neyron populyasiyalarının həmişə aşağı ölçülü olduğu anlamına gəlmir.
• 700 vahidlik istifadə təcrübəsi, Neuropixels miqyasındakı bütün məlumat dəstlərində zəmanətli performans deyil.
• Məqalədəki siçovul, siçan və göyərçin nümunələrinin nəticələri yeni və müstəqil bioloji replikasiyalar kimi qiymətləndirilməməlidir; bunlar toolbox istifadəsini göstərmək üçün istifadə olunan daha əvvəl əldə edilmiş məlumat dəstləridir.

Mənbə və Metod Qeydi

Tam özgün başlıq:MLIB: an easy-to-use Matlab toolbox for the analysis of extracellular spike data.

Yazar: Maik C. Stüttgen.

Kurum: University Medical Center Mainz, Mainz, Germany.

Jurnal:Peer Community Journal, Neuroscience.

Nəşr: Volume 6 (2026), article e39.

Nəşr tarixi: 23 Aprel 2026.

DOI: 10.24072/pcjournal.713.

Hakemlik: Məqalə hakemlidir və PCI Neuroscience tərəfindən qiymətləndirilərək tövsiyə edilmişdir. PCI tövsiyə DOI'si 10.24072/pci.neuro.100467-dir.

Lisenziya: Məqalə Creative Commons Attribution 4.0, yəni CC BY 4.0 lisenziyası altında yayımlanmışdır.

Çalışma növü: Açıq mənbəli MATLAB neyrofiziologiya analiz alət qutusunun metod, istifadə və nümunə məlumat məqaləsi.

Test mühiti: MATLAB R2023b, Windows 11 işlədən standart masaüstü kompüter.

Məlumatlar: İstifadə nümunələri əvvəlki çalışmalardan alınmış siçovul, siçan və göyərçin elektrofiziologiya qeydləri ilə yanaşı simulyasiya edilmiş məlumatları ehtiva edir.

Heyvan etikası: Mənbə, istifadə edilən heyvan təcrübələrinin Alman heyvan-təcrübəsi qaydaları və Avropa Birliyi Directive 2010/63/EU ilə uyğun aparıldığını; əməliyyatların North Rhine-Westphalia LANUV və Rhineland-Palatinate LUA tərəfindən təsdiqləndiyini bildirir. Mənbədə Az. 8.87-50.10.37.09.277, G 19-1-094 və G 19-1-085 icazə nömrələri verilir.

Funksiya əhatəsi: Əsas mətn 17 spike funksiyası və üç LFP funksiyasından bəhs edir. Cədvəl 1 bunlara əlavə olaraq davranışsal performansı məlumat cinsindən hesablayan mmi_psych girişini də sadalayır.

Əlavə MATLAB asılılıqları: Bəzi funksiyalar Statistics and Machine Learning Toolbox tələb edir. mtune həmçinin Curve Fitting Toolbox və Signal Processing Toolbox istifadə edir.

Kod, məlumat və dokumentasiya: Mənbə kodu və nümunələr GitHub üzərindəki maikstue/mlib-spike-data deposunda, MATLAB Central File Exchange üzərində və Zenodo'da təqdim olunur. Zenodo DOI'si 10.5281/zenodo.19455823-dür.

Finansman: Toolbox və məqalənin hazırlanması Deutsche Forschungsgemeinschaft tərəfindən dəstəklənən 179167628, 197059818, 223368015, 280347763, 424828846 və 543128862 layihə nömrəli qrantlarla dəstəklənmişdir.

Çıxar çatışması: Yazar, PCI'nin məzmunla əlaqəli maliyyə çıxar çatışması olmaması qaydasına əməl etdiyini və maliyyə çıxar çatışması olmadığını bəyan edir.

Mənbə tutarlılığı qeydi: Mouse barrel-cortex LFP/CSD nümunəsinin əsas mətni LFP'lərin 20 trial üzərində ortalandığını, Şəkil 5 açıqlaması isə 10 stimulus repetition istifadə etdiyini bildirir. Xam məlumat və ya yazar açıqlaması olmadan bu iki saydan biri doğru qəbul edilməmişdir.

Verianla Live: Çalışma Live Figure üçün yüksək səviyyədə uyğundur. Ən elmi axın; bir spike waveform klasterinin keyfiyyət nəzarətindən başlaması, refractory-period və cluster ayrılmasının göstərilməsi, ardından eyni spike train'in raster/PSTH/SDF görünüşünə çevrilməsi, kayan zaman pəncərəsində AUROC və ya regresiya hesabı və son mərhələdə çox-neyronlu fəallığın PCA populyasiya trayektoriyasına endirilməsidir. Kəmiyyətli Live Figure hazırlanacaqsa məqalə ilə birlikdə verilən nümunə məlumat və reference script istifadə edilməlidir.