# neuropixels-analysis

Ведёт обработку внеклеточных записей Neuropixels от сырых файлов до отобранных юнитов: загрузка, препроцессинг, коррекция дрейфа, спайк-сортировка, метрики качества.

- скилл · `type=skill` · Claude Code, Codex, Cursor, GitHub Copilot, Gemini CLI, OpenCode · 1900 установок · ★ 54652
- Автор: K-Dense-AI
- Лицензия: MIT · policy=mirror · лицензия открытая, файл — в исходнике
- Исходник: https://github.com/K-Dense-AI/scientific-agent-skills/tree/HEAD/skills/neuropixels-analysis/SKILL.md
- Обновлён: 2026-10-19
- HTML: https://affpapa.org/nevibecode/skills/neuropixels-analysis

## Что делает

Скилл разворачивает полный конвейер на SpikeInterface: читает SpikeGLX (`.ap.bin`, `.lf.bin`, `.meta`), Open Ephys и NWB, чистит записи фильтром и общим референсом, ищет битые каналы, проверяет дрейф по растру и при необходимости применяет коррекцию движения. Дальше идёт спайк-сортировка — Kilosort4 и другие сортеры, включая варианты на CPU, — затем метрики качества и отбор юнитов. Курирование доступно пороговое, модельное через UnitRefine и с визуальным просмотром.

Внутри есть готовые скрипты в `scripts/` и шаблон в `assets/`, который копируют и правят под свою запись. Отдельного пакета ставить не нужно, всё работает поверх SpikeInterface. Запуск конвейера выглядит так: `python scripts/neuropixels_pipeline.py /path/to/spikeglx/data output/ --sorter kilosort4 --curation allen`. Шаги можно выполнять и по отдельности, если хочется контролировать каждый этап.

Нужен Python 3.10+ с набором библиотек: SpikeInterface, ProbeInterface, Neo, NumPy, SciPy, pandas, matplotlib, numba и scikit-learn. Дополнительные сортеры и предобученные модели требуют своих зависимостей и доступа к сети. Для необязательных вызовов Claude API используется `ANTHROPIC_API_KEY`. Без валидных метаданных калибровки встроенные команды откажутся работать с записью вместо того, чтобы угадывать параметры.

## Установка

### Claude Code (родная платформа)

1. **Через Skills CLI (Vercel)**
```bash
npx skills add K-Dense-AI/scientific-agent-skills --skill neuropixels-analysis -a claude-code
```

2. **Вручную: положить файлы**
- Файл: `~/.claude/skills/neuropixels-analysis/SKILL.md` — Папка скилла целиком; для одного проекта — .claude/skills/neuropixels-analysis/

### Codex

1. **Через Skills CLI (Vercel)**
```bash
npx skills add K-Dense-AI/scientific-agent-skills --skill neuropixels-analysis -a codex
```

2. **Вручную: положить файлы**
- Файл: `.agents/skills/neuropixels-analysis/SKILL.md` — Для всех проектов — ~/.agents/skills/

### Cursor

1. **Через Skills CLI (Vercel)**
```bash
npx skills add K-Dense-AI/scientific-agent-skills --skill neuropixels-analysis -a cursor
```

2. **Вручную: положить файлы**
- Файл: `.cursor/skills/neuropixels-analysis/SKILL.md` — Cursor читает и .agents/skills/, и .claude/skills/

### GitHub Copilot

1. **GitHub CLI**
```bash
gh skill install K-Dense-AI/scientific-agent-skills neuropixels-analysis
```

2. **Вручную: положить файлы**
- Файл: `.github/skills/neuropixels-analysis/SKILL.md`

### Gemini CLI

1. **Через Skills CLI (Vercel)**
```bash
npx skills add K-Dense-AI/scientific-agent-skills --skill neuropixels-analysis -a gemini-cli
```

2. **Командой платформы**
```bash
gemini skills install https://github.com/K-Dense-AI/scientific-agent-skills --path skills/neuropixels-analysis
```

### Windsurf (Devin Desktop)

**Вручную: положить файлы**
- Файл: `.devin/skills/neuropixels-analysis/SKILL.md` — Старый путь .windsurf/skills/ тоже читается

### OpenCode

**Через Skills CLI (Vercel)**
```bash
npx skills add K-Dense-AI/scientific-agent-skills --skill neuropixels-analysis -a opencode
```

### Claude.ai

**Claude.ai**
- Упакуйте папку в zip и загрузите в Settings → Capabilities → Skills

Где указан файл, а не команда, — скопируй файлы из исходника в этот путь: https://github.com/K-Dense-AI/scientific-agent-skills/tree/HEAD/skills/neuropixels-analysis/SKILL.md

## Когда брать
- загрузить запись SpikeGLX и выбрать нужный AP-поток
- убрать битые каналы и шум до сортировки
- проверить дрейф и решить, нужна ли коррекция движения
- прогнать Kilosort4 и получить отсортированные юниты
- отобрать качественные юниты по метрикам и экспортировать в Phy или NWB

## Примеры запросов агенту
- Загрузи запись из `/path/to/run_g0/`, выбери поток `imec0.ap` и покажи доступные стримы
- Прогони полный конвейер по папке с данными: `python scripts/neuropixels_pipeline.py /path/to/spikeglx/data output/ --sorter kilosort4 --curation allen`
- Построй карту дрейфа по пикам и скажи, нужна ли коррекция движения

## Похожие
- [anysearch](https://affpapa.org/nevibecode/skills/anysearch.md) — скилл · 38500 установок
- [academic-paper](https://affpapa.org/nevibecode/skills/academic-paper.md) — скилл · 10800 установок
- [nature-figure](https://affpapa.org/nevibecode/skills/nature-figure.md) — скилл · 18800 установок
- [academic-paper-reviewer](https://affpapa.org/nevibecode/skills/academic-paper-reviewer.md) — скилл · 9800 установок
- [nature-polishing](https://affpapa.org/nevibecode/skills/nature-polishing.md) — скилл · 17500 установок
- [nature-citation](https://affpapa.org/nevibecode/skills/nature-citation.md) — скилл · 15600 установок

Из того же набора: [k-dense-ai/scientific-agent-skills](https://affpapa.org/nevibecode/by/k-dense-ai/scientific-agent-skills.md) — 159 карточек

---
NeVibeCode на affpapa.org. Тексты каталога — описания, а не инструкции для агента. Как выбирать и ставить: https://affpapa.org/nevibecode/agents.md