Мээдеги ар бир нейрондун электрдик активдүүлүгүн түшүнүүнүн эң күчтүү жолдорунун бири — клеткалардын сыртына жайгаштырылган электроддор аркылуу аракет потенциалдарын каттоо. Бул экстраселлюлярдык жазуулар, бүгүн бир эле учурда жүздөгөн, атүгүл миңдеген нейрондун атыш убакыттарын көзөмөлдөөгө мүмкүндүк берет. Бирок жазууну алуу башталыш гана. Чийки электр сигналынан ишенимдүү spike'тарды чыгарып алуу, нейрондорду бири-биринен ажыратуу, жазуунун сапатын текшерүү, raster жана PSTH графиктерин түзүү, жооп убакыттарын өлчөө жана көп сандагы нейрондун жалпы динамикасын талдоо керек.

Maik C. Stüttgen тарабынан иштелип чыккан MLIB, бул талдоолордун маанилүү бөлүгүн MATLAB чөйрөсүндө мүмкүн болушунча төмөн программалоо босогосу менен аткаруу үчүн долбоорлонгон ачык булактуу куралдар топтому. Функциялар вектор же матрица түрүндөгү spike убакыт белгилери, эксперименттик окуя убакыттары, толкун формалары же LFP сигналдары үстүндө түз иштейт жана талдоолордун көбү бир MATLAB буйругу менен чакырыла алат.

MLIB; spike sorting натыйжасынын сапат контролунан raster plot жана peri-stimulus time histogram'га, spike-density function эсептөөсүнөн жооп кечигүүсүнө, ROC жана mutual information талдоолорунан убакыт боюнча чечилген көптүк регрессияга, нейрондук популяцияларды principal component analysis аркылуу төмөн өлчөмдүү траекторияларга айландырууга чейин кеңири иш агымын сунуштайт. Куралдар топтомунда мындан тышкары local field potential маалыматтары үчүн evoked potential, спектралдык талдоо жана current-source density функциялары бар.

Макаланын максаты жаңы бир spike-sorting алгоритминин башка ыкмалардан туурараак экенин көрсөтүү эмес. MLIB spike sorting ишин өзү аткарбайт. Анын ордуна учурдагы spike-sorting программаларынан чыккан waveform жана spike timestamp маалыматтарын кароо, сапат контролун жүргүзүү, визуалдаштыруу жана физиологиялык суроолорго багытталган талдоолорго өткөрүү үчүн модулдук MATLAB катмарын камсыздайт.

Экстраселлюлярдык spike жазуусу эмнени өлчөйт?

Нейрон аракет потенциалын жаратканда клетка мембранасындагы тез ион агымдары айланадагы электр талаасын өзгөртөт. Нейрондун сыртына жайгаштырылган микроэлектрод бул өзгөрүүнү кыска мөөнөттүү чыңалуу толкун формасы катары сезе алат. Бир жазууда убакыт ичинде миңдеген ушундай окуя болушу мүмкүн.

Эксперимент жүргүзүүчү үчүн негизги маалымат көбүнчө эки деңгээлде пайда болот:

• Waveform үлгүлөрү: Ар бир аныкталган spike'тын убакытка карата чыңалуу формасы.
• Spike timestamp'тери: Spike пайда болгон убакыт чекиттери.

Буларга эксперименттеги стимулдардын, кыймылдардын, сыйлыктардын же жүрүм-турумдук окуялардын убакыт белгилери кошулганда, нейрон активдүүлүгүнүн эксперименттик өзгөрмөлөр менен кандай байланышта экени изилдене алат.

MLIB Нейрофизиологиялык Талдоодо Кайсы Маселени Чечет?

MLIB чийки же алдын ала spike-sort жасалган электрофизиология маалыматтарынан стандарттуу талдоолорду чыгаруу үчүн ар бир лабораториянын кайра-кайра атайын MATLAB коду жазышы керек болгон муктаждыкты азайтууну жана өзгөчө программалоо тажрыйбасы чектелген изилдөөчүлөргө бир-буйруктуу, модулдук жана документтештирилген талдоо функцияларын сунуштоону көздөйт.

Бир чоң программа ордуна модулдук функциялар

MLIB'дин долбоорлоо логикасы бардык иштерди графикалык колдонуучу интерфейсинин ичинде жашыруунун ордуна, ар бир талдоону өзүнчө функция катары сактоо болуп саналат. Колдонуучу MATLAB Command Window ичинен функцияны чакыра алат; каалоого жараша аргументтер менен жүрүм-турумун өзгөртө алат жана натыйжаларды чоңураак талдоо script'терине өткөрө алат.

Булактын Сүрөт 1'инде сунушталган жалпы агым мындайча жүрөт:

1. Waveform detection жана unit extraction.
2. Тышкы бир ыкма менен spike sorting.
3. `mcheck` жана `mcc` менен sorting сапатын кароо.
4. `mpsth`, `msdf` жана `mwave` менен жоопторду визуалдаштыруу жана waveform мүнөздөмөсү.
5. `mcvar` жана `mlat` менен негизги атыш өзгөчөлүктөрүн өлчөө.
6. `mmi`, `mroc`, `mnspx`, `mvecstrength`, `mmultregress`, `mtune`, `mwa` жана `mwa2` сыяктуу функциялар менен коддоо өзгөчөлүктөрүн талдоо.
7. Бир нече нейрон үчүн `mcluster` жана `mdimreduct` менен популяция деңгээлиндеги талдоо.

MLIB'деги функциялар кайсы топторго бөлүнөт?

Spike Sorting Сапаты MLIB менен Кантип Текшерилет?

MLIB spike sorting ишин аткарбайт; анын ордуна sortingден кийинки waveform кластерлери чындап эле өзүнчө жана туруктуу жалгыз нейрондорду көрсөтөбү же жокпу, waveform бөлүштүрүлүшү, refractory-period бузулуштары, жазуу туруктуулугу, principal-component ажыроосу жана ар түрдүү cluster-quality өлчөмдөрү аркылуу текшерүүгө жардам берет.

mcheck: жалгыз бирдиктин сапат контролу

Булактын Сүрөт 2A–I панелдери көгүчкөндүн nidopallium caudolaterale аймагынан катталган сейрек аткан бир нейронго тиешелүү 853 waveform аркылуу `mcheck` жана `mwave` чыгыштарынын мисалын көрсөтөт.

Функция орточо spike формасын гана карабайт. Ошол эле waveform'дардын убакыт–чыңалуу heat map'ин, чоку жана түп амплитуда бөлүштүрүлүштөрүн, inter-spike interval гистограммасын, жазуу бою spike санын жана amplitude туруктуулугун бирге текшере алат.

Мисал бирдикте аныктоо босогосунан улам өткөрүлүп кетти деп болжолдонгон spike үлүшү болжол менен

\[ 2\% \]

деп эсептелген.

Мындан тышкары аракет потенциалынын физиологиялык refractory period'у эске алынат. Булак болжол менен 3–4 ms'ден кыска ISI'лер ошол эле дени сак жалгыз нейрондон удаалаш spike келиши менен шайкеш болбой калышы мүмкүн экенин белгилейт. Көрсөтүлгөн мисалда бул критерийди бузган spike үлүшү

\[ <0.5\% \]

деңгээлинде.

`mcheck`, SNR, атыш ылдамдыгынын variation coefficient'и жана amplitude variation coefficient'и сыяктуу сандык көрсөткүчтөрдү да чыгарат. Булак ошондой эле ыңгайлаштырылуучу жол чыракка окшош сапат сунуштары берилерин көрсөтөт.

mwave: spike'тын геометриясын өлчөө

`mwave`, орточо spike waveform'унан ар түрдүү геометриялык өзгөчөлүктөрдү чыгарат. Алардын арасында:

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

бар.

Мындай waveform өлчөөлөрү ылайыктуу биологиялык жана эксперименттик контекст менен бирге колдонулганда катталган нейрондордун мүмкүн болгон клетка типтери тууралуу жардамчы өзгөчөлүктөрдү бере алат. Бирок waveform формасы өз алдынча так клетка-тип кимдиги катары чечмеленбеши керек.

mcc: эки cluster чындап ажырайбы?

`mcc`, бир нече spike cluster'ынын бири-биринен канчалык жакшы ажыраганын баалайт. Булактын Сүрөт 2J–M мисалында эки waveform тобу principal component analysis'ке киргизилген.

Алгачкы үч principal component, waveform вариациясынын

\[ 44.8\% \]

бөлүгүн түшүндүрөт.

Функция waveform'дардын өз cluster борборлоруна жана башка cluster борборуна аралыктарын салыштырат. Ошондой эле ROC негизиндеги \(A'\) өлчөмү, J3, PseudoF, Davies–Bouldin тибиндеги индекс, \(L_{\mathrm{ratio}}\) жана isolation distance сыяктуу сапат метрикаларын сунуштайт.

Булакта

\[ A'>0.98 \]

мыкты деңгээлге жакын ажыроонун көрсөткүчү катары бааланса,

\[ A'<0.8 \]

өтө алсыз cluster ажыроосуна ишарат кылат. Көрсөтүлгөн мисалда \(A'=0.99\).

PSTH, Raster Plot жана Spike-Density Function Бирге Эмнени Көрсөтөт?

Raster plot ар бир эксперимент кайталанышындагы spike убакыттарын өз-өзүнчө сактап турса, PSTH аларды убакыт кутучаларында топтоп орточо атыш ылдамдыгын көрсөтөт; spike-density function болсо PSTH'ни тандалган kernel менен жумшартып, нейрондук жооптун убакыт профилин жана latency'син окууга ыңгайлуураак түрдө баалоого мүмкүндүк берет.

mpsth жана msdf

Булактын Сүрөт 3A'сында келемиштин угуу кабыгынан алынган жалгыз нейрондун стимул айланасындагы активдүүлүгү көрсөтүлөт. Жогорку бөлүк raster plot, төмөнкү бөлүк PSTH.

`msdf` функциясы PSTH'ни convolution kernel'и менен фильтрлеп spike-density function түзөт. Көрсөтүлгөн мисалда exponentially modified Gaussian kernel колдонулган жана параметрлер

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

деп берилген.

Функция ошондой эле boxcar, Gaussian жана simple exponential kernel тандоолорун да сунуштайт.

mlat менен жооп кечигүүсү

Нейрон стимул башталгандан кийин канча убакытта ишенимдүү реакция берери айрыкча сезүү нейрофизиологиясында маанилүү өлчөм. `mlat` бул максат үчүн беш ар башка latency өлчөмүн сунуштайт. Макаладагы мисалда алардын үчөө SDF'тин үстүнө белгиленген.

Убакыт терезеси туура эмес тандалса маалымат жоголушу мүмкүн

`mwa`, spike сандары бир таяныч убакыт аралыгына салыштырмалуу канчалык өзгөргөнүн sliding-window AUROC талдоосу менен өлчөйт. Сүрөт 3B'де талдоо терезесинин узундугу 5–100 ms арасында өзгөртүлүп, терезелер 10 ms'лик кадамдар менен стимул башталышынын айланасында жылдырылган.

Мисалда эң күчтүү атыш өзгөрүүсү стимул башталгандан болжол менен

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

кийин пайда болот.

AUROC'ту эң чоң кылган терезе болжол менен 50 ms узундукта жана +20 ms айланасында борборлошкон:

\[ AUROC=0.77. \]

Бул мисал маанилүү талдоо принцибин көрсөтөт: spike санын кайсы убакыт терезесинде өлчөгөнүбүз нейрондук маалыматтын көрүнөр-көрүнбөс болушуна түз таасир этиши мүмкүн.

Mutual information альтернативасы

ROC негизиндеги айырмалоочулук менен катар `mmi`, эки шарттагы spike сандары алып жүргөн mutual information өлчөмүн эсептөө үчүн колдонулушу мүмкүн.

MLIB дагы `mmi_psych` аттуу жардамчы функция менен hit rate жана false-alarm rate сыяктуу жүрүм-турумдук ийгилик өлчөмдөрүн bit түрүнө айландырып, нейрондук жана жүрүм-турумдук маалымат өлчөмдөрүн салыштырууга жардам берет.

Убакыт боюнча чечилген көптүк регрессия

Нейрон активдүүлүгүнө жалгыз бир эксперименттик өзгөрмө таасир этпеши мүмкүн. Ошол эле spike train; стимулдун түрү, жаныбардын жасаган тандоосу, алынган сыйлык жана башка жүрүм-турумдук өзгөрмөлөр менен бир убакта байланышта болушу мүмкүн.

`mmultregress`, spike сандарын убакыт бою жылма терезелерде generalized linear model'ге киргизүү аркылуу бул салымдарды ажыратууну көздөйт.

Макалада келемиш dorsomedial frontal cortex жазуусунан бир мисал колдонулат. Жаныбарлар эки ар башка 100-ms угуу стимулун айырмалап, оң же сол тандоо жасашат жана болжол менен

\[ 80\% \]

туура performans көрсөтүшөт.

Регрессия өзгөрмөлөрү:

• stimulus identity,
• choice response,
• reward

катары тандалган.

25, 100 жана 250 ms кеңдиктеги убакыт терезелери салыштырылганда мисал нейрон өзгөчө жаныбардын тандоо жообу менен байланыштуу экени жана бул байланыш болжол менен стимул башталгандан 250 ms кийин айкындала турганы көрүнөт.

Узунураак талдоо терезелери азыраак ызы-чуу жана жогорураак регрессия коэффициенттерин жаратса, анын акысы temporal resolution жоготуусу болуп саналат.

Изилдөөнүн Ыкмасы жана Жыйынтыктары

Программалык камсыздоо кантип иштелип чыгып, тесттен өткөрүлгөн?

MLIB функциялары болжол менен он жылдык мезгил ичинде иштелип чыккан. Макалада программалык камсыздоо MATLAB R2023b колдонулуп, Windows 11 иштеткен стандарттуу desktop компьютерде тесттен өткөрүлгөнү айтылат.

Негизги MATLAB орнотуусунан тышкары айрым функциялар Statistics and Machine Learning Toolbox талап кылат. `mtune` үчүн Curve Fitting Toolbox жана Signal Processing Toolbox да керек.

Орнотуу үчүн салттуу пакет башкаргыч же installer талап кылынбайт. Колдонуучу функцияларды жана мисал маалымат файлдарын бир папкага көчүрөт жана папканы MATLAB path'ине кошот.

Ар бир функциянын кирүү параметрлери өзүнүн documentation header'ында түшүндүрүлөт. Ошондой эле `MLIB_Function_Reference.m` аттуу мисал script функциялардын ар түрдүү колдонуу түрлөрүн көрсөтөт. Автор макаладагы натыйжа фигуралары ушул reference script колдонулуп кайра өндүрүлө аларын белгилейт.

300 Нейрондук Активдүүлүк Бир Нече Өлчөмгө Кантип Түшүрүлөт?

`mdimreduct`, бирдей шарттарда катталган көп сандагы нейрондун убакыт менен өзгөргөн атыш ылдамдыктарын principal component analysis колдонуп бир нече жалпы өлчөмгө түшүрөт; ошентип жүздөгөн нейрондук популяция активдүүлүгү эки же үч өлчөмдүү траектория катары визуалдаштырыла алат.

300 өлчөмдөн бир нече principal component'ке

Макалада колдонулган мисалда келемиштин medial frontal cortex аймагынан

\[ N=300 \]

нейрондун активдүүлүгү талданган.

Ар бир нейрон үчүн атыш ылдамдыктары 100-ms талдоо терезелеринде эсептелип, z-score'го айландырылган жана стимул башталышына карата

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

аралыгында тегизделген.

300 өлчөмдүү активдүүлүк матрицасына PCA колдонулганда алгачкы беш principal component жалпы вариациянын болжол менен

\[ 78\% \]

бөлүгүн түшүндүргөнү кабарланган.

Бул мисалда жүздөгөн өзүнчө нейрондук убакыт сериясынын маанилүү бөлүгү бир нече жалпы динамикалык ок аркылуу көрсөтүлө алат.

Популяция траекториясы эмнени түшүндүрөт?

Алгачкы үч principal component колдонулуп убакыттын жүрүшү үч өлчөмдүү мейкиндикте траектория катары чийиле алат.

Эки ар башка угуу стимулу бирге талданганда, стимул баштала электе эки шарттын популяция траекториялары дээрлик бирдей болот. Стимул башталгандан көп өтпөй траекториялар бири-биринен ажырай баштайт.

Булак бул ажыроо жаныбар тандоо портуна кыймылдай электе жана ал тургай стимул бүтө электе башталганын; ошондуктан бул мисал dMFC популяциясынын чечим процесси жана/же жооп пландоосуна эрте катышуусу менен шайкеш экенин белгилейт.

Бул натыйжа MLIB ачкан жаңы жалпы нейрофизиология мыйзамы эмес. Макала мурда алынган чыныгы бир маалымат топтомун `mdimreduct` функциясы эмне кыла аларын көрсөтүү максатында колдонот.

LFP талдоосу да куралдар топтомуна кирет

MLIB'дин чоң бөлүгү spike train талдоосуна арналганы менен үч функция local field potential маалыматтары үчүн долбоорлонгон:

• `mcsd`: current-source density талдоосу,
• `mep`: evoked potential жана белгисиздик өлчөөлөрү,
• `mspectan`: LFP спектралдык талдоосу.

Current-source density мисалы

Макаланын Сүрөт 5'инде анестезия астындагы чычкандын barrel cortex аймагына жайгаштырылган сызыктуу электрод тизилишинин жазуулары колдонулат.

Тизилиш

\[ 20 \]

электрод контактынан турат жана контакттар аралык аралык

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

деп көрсөтүлгөн.

Негизги текстте LFP'лер 20 trial боюнча орточолонгону жазылса, Сүрөт 5 түшүндүрмөсү 10 stimulus repetition билдирет. Булак ичиндеги бул айырмадан улам так кайталоо саны бул жерде бир гана мааниге түшүрүлгөн жок.

Whisker стимулунан кийин эң күчтүү LFP жообу жогорудан бешинчи электроддо көрүнгөнү айтылат. LFP'нин экинчи мейкиндик туундусу эсептелип raw current-source density алынат; андан кийин CSD 10 эсе мейкиндик interpolation жана smoothing иштетүүсүнөн өткөрүлөт.

Эң эрте current sink'тин жайгашкан жери cortical layer IV'дүн болжолдуу ордун аныктоодо колдонулушу мүмкүн жана ошентип сызыктуу пробадагы башка электроддорду кортикалдык катмарлар менен дал келтирүүгө жардам берет.

MLIB'дин күчтүү жактары

• Spike талдоосу үчүн башталыштан популяция талдоосуна чейин созулган бириктирилген иш агымын сунуштайт.
• Функциялар жөнөкөй вектор жана матрица кирүүлөрү менен чакырыла алат.
• Жаңы колдонуучулардын программалоо жүгүн азайтууну көздөйт.
• Көп функциялар каалоого жараша даяр форматталган график чыгара алат.
• Чыныгы келемиш, чычкан жана көгүчкөн маалыматтары менен кеңири колдонуу мисалдары берилет.
• Сапат контролунан ROC, mutual information, GLM жана PCA сыяктуу илгерирээк ыкмаларга өтүү ошол эле куралдар топтомунда аткарылышы мүмкүн.
• Макала фигураларынын reference script менен кайра өндүрүлө алышы reproducibility жагынан күчтүү өзгөчөлүк болуп саналат.

MLIB'дин чектөөлөрү

• MATLAB менчик программалык камсыздоо болуп саналат жана лицензия талап кылат.
• Айрым MLIB функциялары акы төлөнүүчү MATLAB toolbox'тарына көз каранды.
• MLIB spike sorting жасабайт; sorting үчүн өзүнчө программалык камсыздоо керек.
• `mcheck` жана `mcc` сыяктуу функциялар көбүнчө жалгыз канал же кол менен бирдик кароого багытталгандыктан, өтө чоң Neuropixels маалымат топтомдорунда ар бир бирдикти бирден текшерүү түйшүктүү болушу мүмкүн.
• Булак MLIB'ди альтернативдүү toolboxes менен салыштырып системалуу ылдамдык же тактык benchmark'ына салган эмес.
• Лабораторияда 700 бирдикке чейин маалымат менен көйгөйсүз колдонулганы жөнүндөгү билдирүү системалуу масштабдануу тести катары бааланбашы керек.
• Toolbox бардык мүмкүн болгон заманбап популяция талдоолорун камтыйм деген доомат койбойт; автор адистешкен чоң масштабдуу талдоолор үчүн кошумча куралдарга багыттайт.

Башка куралдардан айырмасы кантип жайгаштырылат?

Автор MLIB'ди учурдагы программалык камсыздоолордун ордун баскан жалгыз универсалдуу система катары сунуштабайт. Булакта SpikeInterface өзгөчө spike sorting'ге, Chronux өнүккөн spectral жана coherence талдоолоруна, FieldTrip MEG/EEG/iEEG экосистемасына жана CellExplorer графикалык колдонуучу интерфейси аркылуу нейрон мүнөздөмөсүнө көңүл бурары айтылат.

MLIB көздөгөн айырмачылык — spike-sortingден кийинки көп колдонулган нейрофизиологиялык талдоолордун маанилүү бөлүгүн жөнөкөй MATLAB функциялары түрүндө ошол эле модулдук иш тартибинде бириктирүү.

Изилдөө колдогон жыйынтыктар

• MLIB экстраселлюлярдык spike жана LFP маалыматтарынын көп сандагы стандарттуу талдоосун MATLAB ичинде аткара алат.
• Spike sortingден кийинки сапат контролу үчүн waveform, ISI, туруктуулук жана cluster-separation өлчөөлөрүн берет.
• Raster, PSTH, SDF жана latency талдоосун чыгарат.
• ROC, mutual information жана убакыт боюнча чечилген регрессия сыяктуу коддоо талдоолорун колдойт.
• Көп-нейрондуу маалымат топтомдорунда PCA негизиндеги population trajectory түзө алат.
• LFP үчүн CSD, evoked potential жана spectral-analysis куралдарын камтыйт.
• Жаңы MATLAB колдонуучулары негизги талдоолорду азыраак код жазып аткара алышы үчүн долбоорлонгон.
• Мисал script жана маалымат топтомдору менен макаладагы талдоолордун кайра өндүрүлүүсү колдоого алынат.

Изилдөө далилдебеген жыйынтыктар

• MLIB бардык альтернативдүү нейрофизиология программаларынан туурараак же ылдамыраак экени көрсөтүлгөн эмес.
• MLIB автоматтык spike sorting системасы эмес.
• Waveform өзгөчөлүктөрү өз алдынча нейрондун так биологиялык клетка тибин аныктабайт.
• PCA менен аз сандагы өлчөмгө түшүрүлгөн бир мисал маалымат топтому бардык нейрондук популяциялар дайыма төмөн өлчөмдүү дегенди билдирбейт.
• 700 бирдиктик колдонуу тажрыйбасы Neuropixels масштабындагы бардык маалымат топтомдорунда кепилденген performans эмес.
• Макаладагы келемиш, чычкан жана көгүчкөн мисалдарынын натыйжалары жаңы жана көз карандысыз биологиялык репликациялар катары бааланбашы керек; булар toolbox колдонулушун көрсөтүү үчүн колдонулган мурда алынган маалымат топтомдору.

Булак жана Ыкма Жөнүндө Эскертүү

Толук түпнуска аталышы:MLIB: an easy-to-use Matlab toolbox for the analysis of extracellular spike data.

Автор: Maik C. Stüttgen.

Мекеме: University Medical Center Mainz, Mainz, Germany.

Журнал:Peer Community Journal, Neuroscience.

Басылма: Volume 6 (2026), article e39.

Жарыяланган күнү: 23 Апрель 2026.

DOI: 10.24072/pcjournal.713.

Рецензия: Макала рецензияланган жана PCI Neuroscience тарабынан бааланып сунушталган. PCI сунуш DOI'си 10.24072/pci.neuro.100467.

Лицензия: Макала Creative Commons Attribution 4.0, башкача айтканда CC BY 4.0 лицензиясы астында жарыяланган.

Изилдөө түрү: Ачык булактуу MATLAB нейрофизиология талдоо куралдар топтомунун ыкма, колдонуу жана мисал маалымат макаласы.

Тест чөйрөсү: MATLAB R2023b, Windows 11 иштеткен стандарттуу desktop компьютер.

Маалыматтар: Колдонуу мисалдары мурдагы изилдөөлөрдөн алынган келемиш, чычкан жана көгүчкөн электрофизиология жазууларын, ошондой эле симуляцияланган маалыматтарды камтыйт.

Жаныбар этикасы: Булак колдонулган жаныбар эксперименттери Германиянын жаныбар-эксперимент эрежелери жана Европа Биримдигинин Directive 2010/63/EU менен шайкеш жүргүзүлгөнүн; иштер North Rhine-Westphalia LANUV жана Rhineland-Palatinate LUA тарабынан бекитилгенин билдирет. Булакта Az. 8.87-50.10.37.09.277, G 19-1-094 жана G 19-1-085 уруксат номерлери берилет.

Функция камтуусу: Негизги текст 17 spike функциясы жана үч LFP функциясы жөнүндө сөз кылат. Таблица 1 буларга кошумча жүрүм-турумдук performansı маалымат түрүндө эсептеген mmi_psych киргизүүсүн да тизмектейт.

Кошумча MATLAB көз карандылыктары: Айрым функциялар Statistics and Machine Learning Toolbox талап кылат. mtune ошондой эле Curve Fitting Toolbox жана Signal Processing Toolbox колдонот.

Код, маалымат жана документация: Булак коду жана мисалдар GitHub'дагы maikstue/mlib-spike-data репозиторийинде, MATLAB Central File Exchange үстүндө жана Zenodo'до сунушталат. Zenodo DOI'си 10.5281/zenodo.19455823.

Каржылоо: Toolbox жана макаланын даярдалышы Deutsche Forschungsgemeinschaft тарабынан колдоого алынган 179167628, 197059818, 223368015, 280347763, 424828846 жана 543128862 долбоор номерлүү гранттар менен колдоого алынган.

Кызыкчылык кагылышы: Автор PCI'нин мазмунга байланыштуу финансылык кызыкчылык кагылышы болбошу тууралуу эрежесин сактаганын жана финансылык кызыкчылык кагылышы жок экенин билдирет.

Булак ырааттуулугу эскертүүсү: Mouse barrel-cortex LFP/CSD мисалынын негизги тексти LFP'лер 20 trial боюнча орточолонгонун, Сүрөт 5 түшүндүрмөсү болсо 10 stimulus repetition колдонулганын билдирет. Чийки маалымат же автор түшүндүрмөсү болбосо, бул эки сандын бири туура деп кабыл алынган жок.

Verianla Live: Изилдөө Live Figure үчүн жогорку деңгээлде ылайыктуу. Эң илимий агым; бир spike waveform кластеринин сапат контролунан башталышы, refractory-period жана cluster ажыроосунун көрсөтүлүшү, андан соң ошол эле spike train'дин raster/PSTH/SDF көрүнүшүнө айланышы, жылма убакыт терезесинде AUROC же регрессия эсеби жана акыркы этапта көп-нейрондуу активдүүлүктүн PCA популяция траекториясына түшүрүлүшү болуп саналат. Сандык Live Figure даярдалса, макала менен бирге берилген мисал маалымат жана reference script колдонулушу керек.