使用NEMOS进行钙成像数据分析教程
2025-06-18 09:25:17作者:虞亚竹Luna
前言
本教程将介绍如何使用NEMOS工具包对钙成像数据进行建模分析。钙成像技术是现代神经科学研究中的重要手段,能够记录大量神经元的活动情况。我们将通过一个实际案例,展示如何建立Gamma-GLM模型来分析小鼠后下托(head-direction)神经元的钙信号。
数据准备
数据来源
我们使用的数据集来自自由活动小鼠的1光子钙成像记录,采样频率为30Hz,使用GCaMP6f钙指示剂。记录区域为后下托(postsubiculum),该区域包含头部方向细胞(head-direction cells)。
数据加载与初步处理
首先,我们需要加载NWB格式的数据文件:
import nemos as nmo
import pynapple as nap
# 加载数据文件
path = nmo.fetch.fetch_data("A0670-221213.nwb")
data = nap.load_file(path)
数据探索
数据中包含多个字段,我们主要关注RoiResponseSeries
字段,它包含了钙信号时间序列:
transients = data['RoiResponseSeries']
print(transients.time_support) # 显示记录时长
我们可以可视化部分神经元的原始钙信号:
import matplotlib.pyplot as plt
fig, ax = plt.subplots(1, 2, figsize=(12, 4))
ax[0].plot(transients[:, 4].get(0,250))
ax[0].set_title("神经元4")
ax[1].plot(transients[:, 35].get(0,250))
ax[1].set_title("神经元35")
plt.tight_layout()
数据预处理
时间降采样
为了减少计算复杂度,我们将数据从30Hz降采样到10Hz:
Y = transients.bin_average(0.1, ep) # 100ms时间窗平均
头部方向调谐曲线
我们可以计算神经元的头部方向调谐曲线:
tcurves = nap.compute_1d_tuning_curves_continuous(transients, data['ry'], 120)
模型构建
基函数选择
我们使用两种基函数的组合:
- 循环B样条基(Cyclic BSpline)用于编码头部方向
- 对数间隔的升余弦基(Raised Cosine)用于神经元间的耦合关系
heading_basis = nmo.basis.CyclicBSplineEval(n_basis_funcs=12, label="heading")
coupling_basis = nmo.basis.RaisedCosineLogConv(3, window_size=10, label="coupling")
basis = heading_basis + coupling_basis
Gamma-GLM模型
由于钙信号是非负连续值,我们选择Gamma分布作为观测模型,并使用softplus作为链接函数:
model = nmo.glm.GLM(
regularizer="Ridge",
regularizer_strength=0.02,
observation_model=nmo.observation_models.GammaObservations(
inverse_link_function=jax.nn.softplus
)
)
模型训练与评估
数据划分
我们将数据分为训练集和测试集:
train_ep = nap.IntervalSet(start=X.time_support.start, end=X.time_support.get_intervals_center().t)
test_ep = X.time_support.set_diff(train_ep)
Xtrain = X.restrict(train_ep)
Ytrain = Y.restrict(train_ep)
Xtest = X.restrict(test_ep)
Ytest = Y.restrict(test_ep)
模型训练
选择目标神经元进行训练:
neu = 4
selected_neurons = jnp.hstack((jnp.arange(0, neu), jnp.arange(neu+1, Y.shape[1])))
model.fit(Xtrain, Ytrain[:, neu])
与传统线性回归比较
我们与scikit-learn的线性回归模型进行对比:
from sklearn.linear_model import LinearRegression
mdl = LinearRegression()
valid = ~jnp.isnan(Xtrain.d.sum(axis=1))
mdl.fit(Xtrain[valid], Ytrain[valid, neu])
结果分析
预测效果可视化
比较三种预测结果:
yp = model.predict(Xtest)
ylreg = nap.Tsd(t=yp.t, d=mdl.predict(Xtest), time_support=yp.time_support)
plt.figure()
plt.plot(Ytest[:,neu].restrict(ep_to_plot), "r", label="真实值")
plt.plot(yp.restrict(ep_to_plot), "k", label="Gamma-GLM")
plt.plot(ylreg.restrict(ep_to_plot), "g", label="线性回归")
plt.legend()
plt.show()
调谐曲线比较
计算并比较不同模型的调谐曲线:
real_tcurves = nap.compute_1d_tuning_curves_continuous(transients, data['ry'], 120, ep=test_ep)
gamma_tcurves = nap.compute_1d_tuning_curves_continuous(yp, data['ry'], 120, ep=test_ep)
linreg_tcurves = nap.compute_1d_tuning_curves_continuous(ylreg, data['ry'], 120, ep=test_ep)
plt.figure()
plt.plot(real_tcurves[neu], "r", label="真实值")
plt.plot(gamma_tcurves, "k", label="Gamma-GLM")
plt.plot(linreg_tcurves, "g", label="线性回归")
plt.legend()
plt.show()
技术要点总结
- 数据特性处理:钙信号是非负连续值,Gamma分布比高斯分布更合适
- 基函数选择:循环基函数适合周期性变量(如头部方向),升余弦基适合描述神经元间耦合
- 模型比较:Gamma-GLM能保证预测值非负,更符合生理实际
- 正则化:使用Ridge正则化防止过拟合
应用前景与局限
虽然Gamma-GLM在钙成像数据分析中显示出潜力,但这一方法仍处于探索阶段。未来研究可以关注:
- 不同链接函数的比较
- 更复杂的耦合关系建模
- 与其他去卷积方法的结合
本教程展示了NEMOS在钙成像数据分析中的应用,为神经科学研究提供了新的建模思路。
登录后查看全文
热门项目推荐
HunyuanImage-3.0
HunyuanImage-3.0 统一多模态理解与生成,基于自回归框架,实现文本生成图像,性能媲美或超越领先闭源模型00ops-transformer
本项目是CANN提供的transformer类大模型算子库,实现网络在NPU上加速计算。C++043Hunyuan3D-Part
腾讯混元3D-Part00GitCode-文心大模型-智源研究院AI应用开发大赛
GitCode&文心大模型&智源研究院强强联合,发起的AI应用开发大赛;总奖池8W,单人最高可得价值3W奖励。快来参加吧~0287Hunyuan3D-Omni
腾讯混元3D-Omni:3D版ControlNet突破多模态控制,实现高精度3D资产生成00Spark-Chemistry-X1-13B
科大讯飞星火化学-X1-13B (iFLYTEK Spark Chemistry-X1-13B) 是一款专为化学领域优化的大语言模型。它由星火-X1 (Spark-X1) 基础模型微调而来,在化学知识问答、分子性质预测、化学名称转换和科学推理方面展现出强大的能力,同时保持了强大的通用语言理解与生成能力。Python00GOT-OCR-2.0-hf
阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00- HHowToCook程序员在家做饭方法指南。Programmer's guide about how to cook at home (Chinese only).Dockerfile09
- PpathwayPathway is an open framework for high-throughput and low-latency real-time data processing.Python00
热门内容推荐
1 freeCodeCamp音乐播放器项目中的函数调用问题解析2 freeCodeCamp JavaScript高阶函数中的对象引用陷阱解析3 freeCodeCamp英语课程视频测验选项与提示不匹配问题分析4 freeCodeCamp课程页面空白问题的技术分析与解决方案5 freeCodeCamp猫照片应用教程中的HTML注释测试问题分析6 freeCodeCamp全栈开发课程中React组件导出方式的衔接问题分析7 freeCodeCamp 课程中关于角色与职责描述的语法优化建议 8 freeCodeCamp全栈开发课程中测验游戏项目的参数顺序问题解析9 freeCodeCamp Cafe Menu项目中link元素的void特性解析10 freeCodeCamp英语课程填空题提示缺失问题分析
最新内容推荐
PADS元器件位号居中脚本:提升PCB设计效率的自动化利器 QT连接阿里云MySQL数据库完整指南:从环境配置到问题解决 SteamVR 1.2.3 Unity插件:兼容Unity 2019及更低版本的VR开发终极解决方案 全球36个生物多样性热点地区KML矢量图资源详解与应用指南 Windows版Redis 5.0.14下载资源:高效内存数据库的完美Windows解决方案 PANTONE潘通AI色板库:设计师必备的色彩管理利器 OpenSSL 3.3.0资源下载指南:新一代加密库的全面解析与部署教程 ReportMachine.v7.0D5-XE10:Delphi报表生成利器深度解析与实战指南 瀚高迁移工具migration-4.1.4:企业级数据库迁移的智能解决方案 全球GEOJSON地理数据资源下载指南 - 高效获取地理空间数据的完整解决方案
项目优选
收起

deepin linux kernel
C
22
6

OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
161
2.05 K

Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
8
0

React Native鸿蒙化仓库
C++
198
279

本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
535
62

Ascend Extension for PyTorch
Python
50
81

🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
950
556

旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!
C
1 K
397

本项目是CANN开源社区的核心管理仓库,包含社区的治理章程、治理组织、通用操作指引及流程规范等基础信息
385
19

openGauss kernel ~ openGauss is an open source relational database management system
C++
146
191