Mojawapo ya njia zenye nguvu zaidi za kuelewa shughuli za umeme za neuroni moja moja katika ubongo ni kurekodi potensiali za tendo kwa elektrodi zilizowekwa nje ya seli. Hizi rekodi za ekstraselyula, leo zinawezesha kufuatilia nyakati za kurusha za mamia na hata maelfu ya neuroni kwa wakati mmoja. Hata hivyo, kupata rekodi ni mwanzo tu. Kutoka kwenye ishara ghafi ya umeme, spike za kuaminika zinapaswa kutolewa, neuroni zinapaswa kutenganishwa kutoka nyingine, ubora wa rekodi unapaswa kudhibitiwa, grafu za raster na PSTH zinapaswa kuundwa, nyakati za majibu zinapaswa kupimwa na mienendo ya pamoja ya idadi kubwa ya neuroni inapaswa kuchambuliwa.

MLIB, iliyotengenezwa na Maik C. Stüttgen, ni toolbox ya chanzo wazi iliyosanifiwa ili kutekeleza sehemu muhimu ya uchambuzi huu katika mazingira ya MATLAB kwa kizingiti cha programu kilicho chini kadiri inavyowezekana. Fonksioni hufanya kazi moja kwa moja juu ya alama za muda za spike zilizo katika umbo la vekta au matriki, nyakati za matukio ya majaribio, waveform au ishara za LFP, na uchambuzi mwingi unaweza kuitwa kwa amri moja ya MATLAB.

MLIB inatoa mtiririko mpana wa kazi: kutoka udhibiti wa ubora wa matokeo ya spike sorting hadi raster plot na peri-stimulus time histogram, kutoka ukokotoaji wa spike-density function hadi uchelewaji wa majibu, kutoka uchambuzi wa ROC na mutual information hadi regresi nyingi zenye utatuzi wa wakati, na kutoka ubadilishaji wa makundi ya neuroni kuwa trajectory zenye vipimo vichache kwa principal component analysis. Katika toolbox pia kuna fonksioni za evoked potential, uchambuzi wa spectral na current-source density kwa data za local field potential.

Lengo la makala si kuonyesha kwamba algoriti mpya ya spike-sorting ni sahihi zaidi kuliko mbinu nyingine. MLIB haifanyi yenyewe mchakato wa spike sorting. Badala yake, inatoa tabaka la moduli la MATLAB kwa kuchunguza data za waveform na spike timestamp zinazotoka katika programu zilizopo za spike-sorting, kufanya udhibiti wa ubora, kuvionyesha kwa taswira na kuvipeleka kwenye uchambuzi unaolenga maswali ya kifiziolojia.

Rekodi ya spike ya ekstraselyula inapima nini?

Neuroni inapozalisha potensiali ya tendo, mikondo ya haraka ya ioni kwenye utando wa seli hubadilisha uga wa umeme unaoizunguka. Mikroelektrodi iliyowekwa nje ya neuroni inaweza kuhisi badiliko hili kama waveform fupi ya volti. Katika rekodi moja, maelfu ya matukio ya aina hii yanaweza kuwepo kadiri muda unavyopita.

Kwa mtafiti wa majaribio, data ya msingi kwa kawaida hujitokeza katika viwango viwili:

• Mifano ya waveform: Umbo la volti dhidi ya muda kwa kila spike iliyogunduliwa.
• Spike timestamp: Nukta za muda ambapo spike hutokea.

Alama za muda za vichocheo, mienendo, zawadi au matukio ya kitabia katika jaribio zinapoongezwa kwa haya, inaweza kuchunguzwa jinsi shughuli ya neuroni inavyohusiana na vigeu vya majaribio.

MLIB Hutatua Tatizo Gani katika Uchambuzi wa Neurofiziolojia?

MLIB inalenga kupunguza hitaji la kila maabara kuandika tena na tena kodi maalum ya MATLAB ili kuzalisha uchambuzi wa kawaida kutoka data ghafi au data za elektrofiziolojia zilizokwisha spike-sort, na hasa kuwasilisha fonksioni za uchambuzi za amri moja, za moduli na zilizoandikwa nyaraka kwa watafiti wenye uzoefu mdogo wa programu.

Fonksioni za moduli badala ya programu moja kubwa

Mantiki ya usanifu wa MLIB ni kuhifadhi kila uchambuzi kama fonksioni tofauti badala ya kuficha michakato yote katika kiolesura cha mtumiaji cha kielelezo. Mtumiaji anaweza kuita fonksioni kutoka ndani ya MATLAB Command Window; kubadilisha tabia yake kwa hoja za hiari na kuhamisha matokeo kwenye script kubwa zaidi za uchambuzi.

Mtiririko wa jumla unaopendekezwa katika Kielelezo 1 cha chanzo huendelea hivi:

1. Waveform detection na unit extraction.
2. Spike sorting kwa mbinu ya nje.
3. Kuchunguza ubora wa sorting kwa `mcheck` na `mcc`.
4. Kuonyesha majibu kwa taswira na characterization ya waveform kwa `mpsth`, `msdf` na `mwave`.
5. Kupima sifa za msingi za kurusha kwa `mcvar` na `mlat`.
6. Kuchambua sifa za usimbaji kwa fonksioni kama `mmi`, `mroc`, `mnspx`, `mvecstrength`, `mmultregress`, `mtune`, `mwa` na `mwa2`.
7. Uchambuzi wa kiwango cha populasioni kwa neuroni zaidi ya moja kwa `mcluster` na `mdimreduct`.

Fonksioni katika MLIB hugawanyika katika vikundi gani?

Ubora wa Spike Sorting Hudhibitiwaje kwa MLIB?

MLIB haitekelezi mchakato wa spike sorting; badala yake husaidia kuchunguza kama cluster za waveform baada ya sorting kweli zinawakilisha neuroni moja moja zilizotenganishwa na thabiti, kwa kutumia usambazaji wa waveform, ukiukaji wa refractory-period, uthabiti wa rekodi, utengano wa principal-component na vipimo mbalimbali vya cluster-quality.

mcheck: udhibiti wa ubora wa unit moja

Paneli za Kielelezo 2A–I katika chanzo zinaonyesha mfano wa matokeo ya `mcheck` na `mwave` kupitia 853 waveform za neuroni inayorusha kwa nadra iliyorekodiwa kutoka eneo la nidopallium caudolaterale la njiwa.

Fonksioni haiangalii tu umbo la wastani la spike. Inaweza kuchunguza kwa pamoja heat map ya wakati–volti ya waveform hizo hizo, usambazaji wa amplitude za kilele na chini, histogramu ya inter-spike interval, idadi ya spike katika kipindi cha rekodi na uthabiti wa amplitude.

Katika unit ya mfano, uwiano wa spike zinazokadiriwa kukosekana kwa sababu ya kizingiti cha ugunduzi umehesabiwa kuwa takriban

\[ 2\% \]

.

Pia refractory period ya kifiziolojia ya potensiali ya tendo huzingatiwa. Chanzo kinaeleza kwamba ISI zilizo fupi kuliko takriban 3–4 ms zinaweza kutopatana na kuja mfululizo kwa spike kutoka neuroni ile ile moja yenye afya. Katika mfano ulioonyeshwa, uwiano wa spike zinazokiuka kigezo hiki uko katika kiwango cha

\[ <0.5\% \]

.

`mcheck` pia huzalisha viashirio vya nambari kama SNR, variation coefficient ya kiwango cha kurusha na amplitude variation coefficient. Chanzo pia kinaonyesha kwamba mapendekezo ya ubora yanayoweza kubinafsishwa na yanayofanana na taa ya barabarani yanatolewa.

mwave: kupima jiometri ya spike

`mwave` hutoa sifa mbalimbali za kijiometri kutoka kwenye spike waveform ya wastani. Hizi ni pamoja na:

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

.

Vipimo vya aina hii vya waveform, vinapotumiwa pamoja na muktadha sahihi wa kibiolojia na kimajaribio, vinaweza kutoa sifa saidizi kuhusu aina zinazowezekana za seli za neuroni zilizorekodiwa. Hata hivyo, umbo la waveform halipaswi kutafsiriwa peke yake kama utambulisho wa uhakika wa aina ya seli.

mcc: je, cluster mbili kweli zinatengana?

`mcc` hutathmini jinsi cluster zaidi ya moja za spike zinavyotengana vizuri kutoka nyingine. Katika mfano wa Kielelezo 2J–M cha chanzo, makundi mawili ya waveform yamewekwa chini ya principal component analysis.

Principal component tatu za kwanza zinaeleza kiasi cha

\[ 44.8\% \]

cha variance ya waveform.

Fonksioni hulinganisha umbali wa waveform hadi kwenye vituo vya cluster zao wenyewe na hadi kwenye kituo cha cluster nyingine. Pia hutoa metriksi za ubora kama kipimo cha \(A'\) kinachotegemea ROC, J3, PseudoF, indeksi ya aina ya Davies–Bouldin, \(L_{\mathrm{ratio}}\) na isolation distance.

Katika chanzo

\[ A'>0.98 \]

hutathminiwa kama kiashirio cha utengano ulio karibu na kiwango bora, wakati

\[ A'<0.8 \]

huashiria utengano dhaifu sana wa cluster. Katika mfano ulioonyeshwa, \(A'=0.99\).

PSTH, Raster Plot na Spike-Density Function Kwa Pamoja Huonyesha Nini?

Raster plot huhifadhi moja moja nyakati za spike katika kila marudio ya jaribio, huku PSTH ikizikusanya katika visanduku vya wakati na kuonyesha kiwango cha wastani cha kurusha; spike-density function nayo hulainisha PSTH kwa kernel iliyochaguliwa ili wasifu wa wakati wa jibu la neuroni na latency yake vikadiriwe kwa namna inayosomeka zaidi.

mpsth na msdf

Katika Kielelezo 3A cha chanzo, shughuli ya neuroni moja kutoka korteksi ya kusikia ya panya inaonyeshwa karibu na kichocheo. Sehemu ya juu ni raster plot, na sehemu ya chini ni PSTH.

Fonksioni `msdf` huzalisha spike-density function kwa kuchuja PSTH kwa convolution kernel. Katika mfano ulioonyeshwa, exponentially modified Gaussian kernel imetumika na vigezo vimetolewa kama

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

.

Fonksioni pia hutoa chaguo za boxcar, Gaussian na simple exponential kernel.

Uchelewaji wa majibu kwa mlat

Muda ambao neuroni huchukua baada ya kichocheo kuanza ili kujibu kwa njia ya kuaminika ni kipimo muhimu hasa katika neurofiziolojia ya hisia. `mlat` hutoa vipimo vitano tofauti vya latency kwa kusudi hili. Katika mfano wa makala, vitatu kati ya hivyo vimewekwa alama juu ya SDF.

Dirisha la wakati likichaguliwa vibaya, taarifa inaweza kupotea

`mwa` hupima kwa uchambuzi wa sliding-window AUROC kiasi ambacho idadi za spike hubadilika ikilinganishwa na kipindi cha marejeo cha wakati. Katika Kielelezo 3B, urefu wa dirisha la uchambuzi umebadilishwa kati ya 5–100 ms na madirisha yamesogezwa karibu na mwanzo wa kichocheo kwa hatua za 10 ms.

Katika mfano, badiliko lenye nguvu zaidi la kurusha hutokea takriban

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

baada ya mwanzo wa kichocheo.

Dirisha linalofanya AUROC kuwa kubwa zaidi lina urefu wa takriban 50 ms na limejikita karibu na +20 ms:

\[ AUROC=0.77. \]

Mfano huu unaonyesha kanuni muhimu ya uchambuzi: dirisha la wakati tunalotumia kupima idadi ya spike linaweza kuathiri moja kwa moja kama taarifa ya neuroni itaonekana au haitaonekana.

Mbadala wa mutual information

Kando na uwezo wa kutofautisha unaotegemea ROC, `mmi` inaweza kutumiwa kukokotoa kiasi cha mutual information kinachobebwa na idadi za spike katika masharti mawili.

MLIB pia husaidia kulinganisha vipimo vya taarifa ya neuroni na tabia kwa kubadilisha vipimo vya mafanikio ya kitabia kama hit rate na false-alarm rate kuwa katika bit kupitia fonksioni saidizi inayoitwa `mmi_psych`.

Regresi nyingi zenye utatuzi wa wakati

Shughuli ya neuroni inaweza isiathiriwe na kigeu kimoja tu cha jaribio. Spike train hiyo hiyo inaweza kuhusishwa kwa wakati mmoja na aina ya kichocheo, chaguo lililofanywa na mnyama, zawadi iliyopatikana na vigeu vingine vya kitabia.

`mmultregress` inalenga kutenganisha michango hii kwa kuingiza idadi za spike katika generalized linear model ndani ya madirisha yanayosogea kadiri muda unavyopita.

Katika makala, mfano kutoka rekodi ya dorsomedial frontal cortex ya panya unatumika. Wanyama hutofautisha vichocheo viwili tofauti vya kusikia vya 100-ms kwa kufanya chaguo la kulia au kushoto na huonyesha performansi sahihi ya takriban

\[ 80\% \]

.

Vigeu vya regresi vilichaguliwa kama:

• stimulus identity,
• choice response,
• reward

.

Madirisha ya wakati yenye upana wa 25, 100 na 250 ms yanapolinganishwa, inaonekana kwamba neuroni ya mfano inahusiana hasa na jibu la chaguo la mnyama na kwamba uhusiano huu huwa wazi takriban 250 ms baada ya mwanzo wa kichocheo.

Madirisha marefu zaidi ya uchambuzi huzalisha koefisienti za regresi zenye kelele kidogo na zilizo juu zaidi, lakini gharama yake ni kupoteza temporal resolution.

Mbinu na Matokeo ya Utafiti

Programu ilitengenezwa na kujaribiwaje?

Fonksioni za MLIB zimetengenezwa katika kipindi cha takriban muongo mmoja. Katika makala inaelezwa kwamba programu ilijaribiwa kwa kutumia MATLAB R2023b kwenye kompyuta ya kawaida ya desktop inayotumia Windows 11.

Mbali na usakinishaji wa msingi wa MATLAB, baadhi ya fonksioni zinahitaji Statistics and Machine Learning Toolbox. Kwa `mtune`, Curve Fitting Toolbox na Signal Processing Toolbox pia zinahitajika.

Kwa usakinishaji, msimamizi wa kifurushi wa jadi au installer hahitajiki. Mtumiaji hunakili fonksioni na faili za data za mfano kwenye folda moja na kuongeza folda hiyo kwenye MATLAB path.

Vigezo vya ingizo vya kila fonksioni vinafafanuliwa katika documentation header yake. Aidha, script ya mfano iitwayo `MLIB_Function_Reference.m` huonyesha namna mbalimbali za kutumia fonksioni. Mwandishi anaeleza kwamba takwimu za matokeo katika makala zinaweza kuzalishwa tena kwa kutumia reference script hii.

Shughuli ya Neuroni 300 Hupunguzwaje hadi Vipimo Vichache?

`mdimreduct` hupunguza viwango vya kurusha vinavyobadilika kwa wakati vya idadi kubwa ya neuroni zilizorekodiwa katika masharti yale yale hadi vipimo vichache vya pamoja kwa kutumia principal component analysis; hivyo shughuli ya populasioni ya mamia ya neuroni inaweza kuonyeshwa kwa taswira kama trajectory ya vipimo viwili au vitatu.

Kutoka vipimo 300 hadi principal component chache

Katika mfano uliotumiwa katika makala, shughuli ya

\[ N=300 \]

neuroni kutoka eneo la medial frontal cortex ya panya ilichambuliwa.

Kwa kila neuroni, viwango vya kurusha vilikokotolewa katika madirisha ya uchambuzi ya 100-ms, vikabadilishwa kuwa z-score na kupangiliwa kulingana na mwanzo wa kichocheo katika kipindi cha

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

.

PCA ilipotumika kwenye matriki ya shughuli yenye vipimo 300, iliripotiwa kwamba principal component tano za kwanza zilieleza takriban

\[ 78\% \]

ya variance ya jumla.

Katika mfano huu, sehemu muhimu ya mamia ya mfululizo tofauti wa wakati wa neuroni inaweza kuwakilishwa kupitia mhimili chache za pamoja za mienendo.

Trajectory ya populasioni inaeleza nini?

Kwa kutumia principal component tatu za kwanza, maendeleo ya wakati yanaweza kuchorwa kama trajectory katika nafasi ya vipimo vitatu.

Vichocheo viwili tofauti vya kusikia vinapochambuliwa pamoja, trajectory za populasioni za masharti mawili huwa karibu sawa kabla ya kichocheo kuanza. Muda mfupi baada ya kichocheo kuanza, trajectory huanza kutengana kutoka nyingine.

Chanzo kinaeleza kwamba utengano huu ulianza kabla ya mnyama kusogea kuelekea bandari ya chaguo na hata kabla kichocheo hakijakamilika; kwa hiyo mfano huu unaendana na ushiriki wa mapema wa populasioni ya dMFC katika mchakato wa uamuzi na/au upangaji wa jibu.

Matokeo haya si sheria mpya ya jumla ya neurofiziolojia iliyogunduliwa na MLIB. Makala hutumia seti halisi ya data iliyopatikana hapo awali kwa madhumuni ya kuonyesha kile fonksioni `mdimreduct` inaweza kufanya.

Uchambuzi wa LFP pia umejumuishwa katika toolbox

Ingawa sehemu kubwa ya MLIB imetengwa kwa uchambuzi wa spike train, fonksioni tatu zimesanifiwa kwa data za local field potential:

• `mcsd`: uchambuzi wa current-source density,
• `mep`: evoked potential na vipimo vya kutokuwa na uhakika,
• `mspectan`: uchambuzi wa spectral wa LFP.

Mfano wa current-source density

Katika Kielelezo 5 cha makala, rekodi za safu ya elektrodi ya mstari iliyowekwa katika eneo la barrel cortex la panya aliye chini ya anestesia zinatumika.

Safu hiyo ina

\[ 20 \]

mawasiliano ya elektrodi na umbali kati ya mawasiliano umeelezwa kuwa

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

.

Wakati maandishi makuu yanasema kuwa LFP zilikadiriwa wastani juu ya 20 trial, maelezo ya Kielelezo 5 yanataja 10 stimulus repetition. Kwa sababu ya tofauti hii ndani ya chanzo, idadi sahihi ya marudio haipunguzwi hapa kuwa thamani moja.

Baada ya kichocheo cha whisker, inaelezwa kwamba jibu lenye nguvu zaidi la LFP lilionekana katika elektrodi ya tano kutoka juu. Derivative ya pili ya anga ya LFP hukokotolewa ili kupata raw current-source density; kisha CSD hupitishwa kwenye interpolation ya anga mara 10 na smoothing.

Eneo la current sink ya mapema zaidi linaweza kutumiwa kubainisha takriban mahali pa cortical layer IV na hivyo kusaidia kuoanisha elektrodi nyingine kwenye probu ya mstari na tabaka za korteksi.

Nguvu za MLIB

• Inatoa mtiririko jumuishi wa kazi kwa uchambuzi wa spike kutoka mwanzo hadi uchambuzi wa populasioni.
• Fonksioni zinaweza kuitwa kwa ingizo rahisi za vekta na matriki.
• Inalenga kupunguza mzigo wa programu kwa watumiaji wapya.
• Fonksioni nyingi zinaweza kwa hiari kuzalisha grafu zilizo tayari na zilizopangiliwa.
• Mifano mingi ya matumizi inatolewa kwa data halisi za panya, kipanya na njiwa.
• Mpito kutoka udhibiti wa ubora hadi mbinu za juu zaidi kama ROC, mutual information, GLM na PCA unaweza kufanywa katika toolbox ile ile.
• Uwezo wa kuzalisha tena takwimu za makala kwa reference script ni sifa yenye nguvu kwa reproducibility.

Mapungufu ya MLIB

• MATLAB ni programu ya kibiashara inayomilikiwa na inahitaji leseni.
• Baadhi ya fonksioni za MLIB zinategemea MATLAB toolbox zinazolipiwa.
• MLIB haifanyi spike sorting; programu tofauti inahitajika kwa sorting.
• Kwa kuwa fonksioni kama `mcheck` na `mcc` zinalenga kwa kiasi kikubwa ukaguzi wa channel moja au unit ya mwongozo, ukaguzi wa kila unit moja moja katika seti kubwa sana za data za Neuropixels unaweza kuwa wa kuchosha.
• Chanzo hakijaweka MLIB chini ya benchmark ya kimfumo ya kasi au usahihi dhidi ya toolboxes mbadala.
• Kauli kwamba imetumiwa bila matatizo maabarani kwa data hadi unit 700 haipaswi kuchukuliwa kama jaribio la kimfumo la scalability.
• Toolbox haidai kufunika aina zote zinazowezekana za uchambuzi wa kisasa wa populasioni; mwandishi huelekeza kwenye zana za ziada kwa uchambuzi mkubwa zaidi ulio maalumu.

Tofauti yake na zana nyingine inawekwaje?

Mwandishi hawasilishi MLIB kama mfumo mmoja wa ulimwengu wote unaochukua nafasi ya programu zilizopo. Katika chanzo inaelezwa kwamba SpikeInterface huzingatia hasa spike sorting, Chronux uchambuzi wa juu wa spectral na coherence, FieldTrip ekosistemu ya MEG/EEG/iEEG, na CellExplorer characterization ya neuroni kupitia kiolesura cha mtumiaji cha kielelezo.

Tofauti inayolengwa na MLIB ni kukusanya sehemu muhimu ya uchambuzi wa neurofiziolojia unaotumika mara nyingi baada ya spike-sorting kama fonksioni rahisi za MATLAB katika mpangilio mmoja wa kazi wa moduli.

Matokeo yanayoungwa mkono na utafiti

• MLIB inaweza kutekeleza ndani ya MATLAB uchambuzi mwingi wa kawaida wa data za spike za ekstraselyula na LFP.
• Inatoa vipimo vya waveform, ISI, uthabiti na cluster-separation kwa udhibiti wa ubora baada ya spike sorting.
• Huzalisha uchambuzi wa Raster, PSTH, SDF na latency.
• Inaunga mkono uchambuzi wa usimbaji kama ROC, mutual information na regresi yenye utatuzi wa wakati.
• Katika seti za data za neuroni nyingi inaweza kuunda population trajectory inayotegemea PCA.
• Inajumuisha zana za CSD, evoked potential na spectral-analysis kwa LFP.
• Imesanifiwa ili watumiaji wapya wa MATLAB waweze kufanya uchambuzi msingi kwa kuandika kodi kidogo zaidi.
• Uzalishwaji upya wa uchambuzi katika makala unaungwa mkono kwa script ya mfano na seti za data.

Matokeo ambayo utafiti hauyathibitishi

• Haijaonyeshwa kwamba MLIB ni sahihi zaidi au ya haraka zaidi kuliko programu zote mbadala za neurofiziolojia.
• MLIB si mfumo wa moja kwa moja wa spike sorting.
• Sifa za waveform peke yake haziainishi kwa uhakika aina ya kibiolojia ya seli ya neuroni.
• Seti moja ya data ya mfano iliyopunguzwa hadi vipimo vichache kwa PCA haimaanishi kwamba populasioni zote za neuroni daima huwa za vipimo vichache.
• Uzoefu wa matumizi wa unit 700 si performansi iliyohakikishwa katika seti zote za data za kiwango cha Neuropixels.
• Matokeo ya mifano ya panya, kipanya na njiwa katika makala hayapaswi kutathminiwa kama replikasyo mpya na huru za kibiolojia; hizi ni seti za data zilizopatikana hapo awali na kutumiwa kuonyesha matumizi ya toolbox.

Maelezo ya Chanzo na Mbinu

Kichwa kamili asilia:MLIB: an easy-to-use Matlab toolbox for the analysis of extracellular spike data.

Mwandishi: Maik C. Stüttgen.

Taasisi: University Medical Center Mainz, Mainz, Germany.

Jarida:Peer Community Journal, Neuroscience.

Chapisho: Volume 6 (2026), article e39.

Tarehe ya kuchapishwa: 23 Aprili 2026.

DOI: 10.24072/pcjournal.713.

Upitiaji wa rika: Makala imepitia upitiaji wa rika na imetathminiwa na kupendekezwa na PCI Neuroscience. DOI ya pendekezo la PCI ni 10.24072/pci.neuro.100467.

Leseni: Makala imechapishwa chini ya leseni ya Creative Commons Attribution 4.0, yaani CC BY 4.0.

Aina ya utafiti: Makala ya mbinu, matumizi na data ya mfano ya toolbox ya chanzo wazi ya uchambuzi wa neurofiziolojia kwa MATLAB.

Mazingira ya majaribio: MATLAB R2023b, kompyuta ya kawaida ya desktop inayotumia Windows 11.

Data: Mifano ya matumizi inajumuisha rekodi za elektrofiziolojia za panya, kipanya na njiwa zilizochukuliwa kutoka tafiti za awali, pamoja na data zilizosimuliwa.

Maadili ya wanyama: Chanzo kinaripoti kwamba majaribio ya wanyama yaliyotumiwa yaliendeshwa kwa kuzingatia kanuni za Ujerumani za majaribio ya wanyama na Directive 2010/63/EU ya Umoja wa Ulaya; taratibu ziliidhinishwa na North Rhine-Westphalia LANUV na Rhineland-Palatinate LUA. Chanzo kinatoa nambari za ruhusa Az. 8.87-50.10.37.09.277, G 19-1-094 na G 19-1-085.

Wigo wa fonksioni: Maandishi makuu yanataja fonksioni 17 za spike na fonksioni tatu za LFP. Jedwali 1 pia linaorodhesha, pamoja na hizo, ingizo la mmi_psych linalokokotoa performansi ya kitabia kwa kipimo cha taarifa.

Utegemezi wa ziada wa MATLAB: Baadhi ya fonksioni zinahitaji Statistics and Machine Learning Toolbox. mtune pia hutumia Curve Fitting Toolbox na Signal Processing Toolbox.

Kodi, data na nyaraka: Kodi ya chanzo na mifano zinawasilishwa katika hifadhi ya maikstue/mlib-spike-data kwenye GitHub, kwenye MATLAB Central File Exchange na Zenodo. DOI ya Zenodo ni 10.5281/zenodo.19455823.

Ufadhili: Toolbox na maandalizi ya makala viliungwa mkono na ruzuku zenye nambari za miradi 179167628, 197059818, 223368015, 280347763, 424828846 na 543128862 zilizofadhiliwa na Deutsche Forschungsgemeinschaft.

Mgongano wa maslahi: Mwandishi anatangaza kwamba alifuata kanuni ya PCI kuhusu kutokuwepo kwa mgongano wa maslahi ya kifedha yanayohusiana na maudhui na kwamba hakuna mgongano wa maslahi ya kifedha.

Maelezo ya uthabiti wa chanzo: Maandishi makuu ya mfano wa Mouse barrel-cortex LFP/CSD yanasema kuwa LFP zilikadiriwa wastani juu ya 20 trial, wakati maelezo ya Kielelezo 5 yanaonyesha kutumia 10 stimulus repetition. Bila data ghafi au maelezo ya mwandishi, moja kati ya nambari hizi mbili haijakubaliwa kuwa sahihi.

Verianla Live: Utafiti unafaa kwa kiwango cha juu kwa Live Figure. Mtiririko wa kisayansi zaidi ni kuanza na udhibiti wa ubora wa cluster ya spike waveform, kuonyesha refractory-period na utengano wa cluster, kisha kubadilisha spike train hiyo hiyo kuwa mwonekano wa raster/PSTH/SDF, kukokotoa AUROC au regresi katika dirisha la wakati linalosogea, na katika hatua ya mwisho kupunguza shughuli ya neuroni nyingi kuwa trajectory ya populasioni ya PCA. Ikiwa Live Figure ya kiasi itaandaliwa, data za mfano na reference script zinazotolewa pamoja na makala zinapaswa kutumiwa.