跳转到主要内容

神经科学数据分析框架,用于可重复研究

项目描述

spyglass

Import test PyPI version

Spyglass Figure

演示 | 安装 | 文档 | 教程 | 引用

spyglass 是一个数据分析框架,它简化了神经科学数据的存储、分析、可视化和共享,以支持可重复研究。它旨在与 NWB 格式互操作,并将开源工具集成到一个统一的框架中。

在这里尝试演示 这里

Spyglass 的功能包括

  • 标准化数据存储 - Spyglass 使用开源的 Neurodata Without Borders: Neurophysiology (NWB:N) 格式来导入和存储处理后的数据。NWB:N 是 BRAIN 初始化项目为神经生理数据设定的标准(Rübel et al., 2022)。
  • 可重复分析 - Spyglass 使用 DataJoint 来确保所有分析都是可重复的。DataJoint 是一个数据管理系统,它可以自动跟踪数据和代码分析之间的依赖关系。这确保了所有分析都是可重复的,并且在数据或分析代码发生变化时,结果会自动更新。
  • 常用分析工具 - Spyglass 提供了开源软件包 SpikeInterfaceGhostipyDeepLabCut 的便捷使用,用于常见分析任务。这些包文档齐全,并有活跃的开发者社区。
  • 交互式数据可视化 - Spyglass 使用 figurl 创建交互式数据可视化,可以与合作伙伴和更广泛的社区分享。这些可视化在网络上托管,并可在任何现代网络浏览器中查看。交互性允许用户详细探索数据和分析结果。
  • 共享结果 - Spyglass 通过 Kachery,一个去中心化的内容可寻址数据共享平台,实现数据和结果共享。Kachery Cloud 允许用户访问数据库并将数据和结果直接拉取到本地计算机。
  • 管道版本控制 - 神经科学中的数据处理和分析通常是动态的,需要新的功能。Spyglass 使用 合并表 来确保分析管道可以版本控制。这使用户能够轻松使用和比较不同版本的分析管道的结果,同时保留访问先前生成的结果的能力。
  • 谨慎删除 - Spyglass 使用 谨慎删除 功能来确保数据不会被其他用户意外删除。当用户删除数据时,Spyglass 会首先检查数据是否属于另一个用户组。这使得用户组可以在同一个数据库上协作工作,而不用担心意外删除彼此的数据。

文档可在此找到 - https://lorenfranklab.github.io/spyglass/

安装

有关安装说明,请参阅 - https://lorenfranklab.github.io/spyglass/latest/notebooks/00_Setup/

典型安装时间:5-10分钟

教程

spyglass 的教程目前以 Jupyter Notebooks 的形式提供,可在 notebooks 目录中找到。我们强烈建议您自己运行这些笔记本。

贡献

请参阅开发者指南以获取贡献说明,详情请见 - https://lorenfranklab.github.io/spyglass/latest/contribute/

许可/版权

许可和版权声明可在https://lorenfranklab.github.io/spyglass/latest/LICENSE/找到。

系统需求

Spyglass已在Linux Ubuntu 20.04和MacOS 10.15上进行了测试。尚未在Windows上进行测试,可能无法运行。

运行Spyglass不需要特定的硬件要求。然而,可存储和分析的数据量受可用磁盘空间和内存限制。某些分析工具(如DeepLabCut)需要GPU。

有关软件依赖项,请参阅pyproject.tomlenvironment.ymlenvironment_dlc.yml

有关演示中使用的conda环境,请参阅spec-file.txt

引用

Lee, K.H.*, Denovellis, E.L.*, Ly, R., Magland, J., Soules, J., Comrie, A.E., Gramling, D.P., Guidera, J.A., Nevers, R., Adenekan, P., Brozdowski, C., Bray, S., Monroe, E., Bak, J.H., Coulter, M.E., Sun, X., Broyles, E., Shin, D., Chiang, S., Holobetz, C., Tritt, A., Rübel, O., Nguyen, T., Yatsenko, D., Chu, J., Kemere, C., Garcia, S., Buccino, A., Frank, L.M., 2024. Spyglass: a data analysis framework for reproducible and shareable neuroscience research. bioRxiv. 10.1101/2024.01.25.577295.

* 等贡献

有关相关代码,请参阅此处

项目详情


下载文件

下载适用于您平台的文件。如果您不确定选择哪个,请了解更多关于安装软件包的信息。

源代码分发

spyglass_neuro-0.5.3.tar.gz (3.5 MB 查看哈希值)

上传时间 源代码

构建分发

spyglass_neuro-0.5.3-py3-none-any.whl (336.7 kB 查看哈希值)

上传于 Python 3

由以下支持