Herding Spikes 2 Lightning

高密度多电极阵列的快速尖峰分类

更新时间：2024年7月

这是一个新版本0.4，引入了新的、快速且高效的尖峰检测代码。

最终遗留版本是0.3.104，它引入了与SpikeInterface的兼容性。SpikeInterface将许多尖峰分类器包装在一个代码库中，可以读取几乎任何文件格式，并包含其他有用的功能。

这个新版本仍然支持旧的检测代码，可以用于过渡到新代码。

高密度电生理学软件

该软件提供了基于以下论文中描述的方法，对密集多电极阵列的尖峰数据进行检测、定位和聚类的功能：

J.-O. Muthmann, H. Amin, E. Sernagor, A. Maccione, D. Panas, L. Berdondini, U.S. Bhalla, M.H. Hennig MH (2015). 使用高密度多电极阵列对大型神经群体进行尖峰检测. Front. Neuroinform. 9:28. doi: 10.3389/fninf.2015.00028.

G. Hilgen, M. Sorbaro, S. Pirmoradian, J.-O. Muthmann, I. Kepiro, S. Ullo, C. Juarez Ramirez, A. Puente Encinas, A. Maccione, L. Berdondini, V. Murino, D. Sona, F. Cella Zanacchi, E. Sernagor, M.H. Hennig (2016). 大规模、高密度多电极阵列的无监督尖峰排序。 Cell Reports 18, 2521–2532. bioRxiv: http://dx.doi.org/10.1101/048645.

此实现效率很高，在桌面PC上，尖峰排序可以在20+kHz的4,096个通道或更多记录上实时运行。数百万事件的长时间记录可以在几分钟内排序。无需GPU，代码已完全并行化。

鉴于我们认为公开资助的研究代码应该是免费和开源的，因此此代码在GPL-3.0下发布。

支持的系统

• 支持 SpikeInterface 的任何记录系统
• 3Brain BIOCAM和BIOCAM X（仅在第0.3.XXX版本中提供自定义实现），对于Lightning，使用SpikeInterface读取原始数据
• 该软件专门为高密度多电极阵列开发，例如 Neuropixels探头、SinAPS探头或如BioCam或MaxWell Biosystems HD-MEA这样的高密度MEA
• 什么是尖峰集群不是：对于记录通道少且通道间距超过60微米的记录系统，性能较差；对于此类记录，请使用 SpikeInterface](https://github.com/SpikeInterface/spikeinterface) 中提供的许多其他排序器之一

安装Herdingspikes

该代码已在Python 3.12版本上进行了测试。我们建议您使用 Miniconda、Anaconda 或 Mamba 来设置工作Python系统。我们还建议在虚拟环境中安装代码，例如

    conda create -n hs python cython numpy
    conda activate hs

可用的pip发行版可以按以下方式安装

    pip install numpy cython # if not already installed
    pip install herdingspikes

Windows和Mac用户请按照以下说明进行操作 此处。

从源代码

可以通过克隆此存储库自动安装模块，包括所有依赖项

    git clone https://github.com/mhhennig/HS2.git

然后运行

    pip install numpy cython
    pip install -e .

文档

有一个 快速入门指南 可用。

此文档 解释了如何使用Herdingspikes与SpikeInterface一起使用。

示例代码在 notebooks 文件夹中。这些可以在不安装HS2系统的情况下运行，需要在 HS2 目录中运行 python setup.py build_ext --inplace。接下来，运行 jupyter notebook 并导航到目录以尝试代码。

贡献者，按字母顺序

• Mariyana Cholakova：参数优化
• Matthias Hennig：尖峰排序
• Jano Horvath：参数优化
• Cole Hurwitz：尖峰检测、定位和排序、C++代码
• Rickey K. Liang：优化并完全重构尖峰检测和定位（Lightning）
• Oliver Muthmann：原始尖峰检测和定位算法
• Albert Puente Encinas：C++实现、优化和并行化
• Martino Sorbaro：尖峰分类、类结构和大部分Python代码
• Cesar Juarez Ramirez：可视化
• Raimon Wintzer：GUI和可视化

联系方式

项目负责人位于爱丁堡大学信息学院。请联系我们 此处，我们将乐意提供帮助。