SorterPipeline: Pipeline para análisis de spike sorting con Kilosort4

SorterPipeline es un pipeline para el análisis de spike sorting utilizando Kilosort4 a través de SpikeInterface. Este pipeline no incluye Phy2, que debe ser instalado por separado (ver sección Instalación de Phy).

Tabla de Contenidos

• Descripción
• Requisitos
• Instalación
• Uso
• Instalación de Phy
• Contribuciones
• Licencia

Descripción

Este pipeline proporciona herramientas para el análisis de datos de spike sorting, facilitando la integración con Kilosort4 y SpikeInterface para una mayor eficiencia en el procesamiento de datos neuronales.

Requisitos

• Python: Se recomienda usar Anaconda para gestionar entornos.
• CUDA: Asegúrate de tener un controlador CUDA compatible con tu versión de PyTorch.
• PyTorch: Consulta la compatibilidad de versiones entre CUDA y PyTorch.

Instalación

1. Clona el repositorio:

   git clone https://github.com/labcnUC/SorterPipeline.git

2. Navega al directorio:

   cd SorterPipeline

3. Crea un nuevo entorno virtual:

   conda create --name sorterpipeline python=3.10

4. Activa el entorno:

   conda activate sorterpipeline

5. Instala las dependencias:

   pip install -r requirements.txt

6. Verifica la instalación:

   import spikeinterface
   import kilosort
   import torch
   torch.cuda.is_available()

Uso

1. Abre Jupyter Lab:

   jupyter lab

2. Abre el archivo sh_sorterpipeline.ipynb.

3. Sigue las instrucciones para cargar datos, configurar el pipeline y ejecutar el análisis.

Instalación de Phy

Phy es una herramienta opcional para la curación manual de datos. Para instalarla:

1. Crea un nuevo entorno:

   conda create -n phy2 -y python=3.11 ...

2. Activa el entorno:

   conda activate phy2

3. Instala Phy:

   pip install phy

Contribuciones

1. Haz un fork.
2. Crea una nueva rama:

   git checkout -b feature/nueva-funcionalidad

3. Realiza cambios.
4. Envía un pull request.

Licencia

Este proyecto está bajo la licencia MIT. Consulta LICENSE para más detalles.