nGauge: Integrated and Extensible Neuron Morphology Analysis in Python.
nGauge: Integrated and Extensible Neuron Morphology Analysis in Python.
复制标题
集成和可扩展的神经元形态学分析。
DOI：
10.1007/s12021-022-09573-8
复制
发表时间：
2022-07
期刊：
影响因子：
3
通讯作者：
中科院分区：
文献类型：
--
作者：
神经元形态学的研究需要强大而全面的方法来量化不同亚型和动物物种的神经元之间的差异。已经开发了几个软件包，用于分析以标准SWC格式存储的神经元跟踪结果。然而，这些软件包提供了相对简单的量化，其不可扩展的架构禁止其用于高级数据分析和可视化。我们开发了nGauge，一个Python工具包，用于支持神经元形态数据的解析和分析。作为一个应用程序编程接口（API），nGauge可以被其他流行的开源软件引用，以创建自定义的信息学分析管道和高级可视化。nGauge定义了一种可扩展的数据结构，除了SWC线性重建之外，还可以处理体积构建（例如索马），同时保持轻量化。这大大扩展了nGauge的数据兼容性。
The study of neuron morphology requires robust and comprehensive methods to quantify the differences between neurons of different subtypes and animal species. Several software packages have been developed for the analysis of neuron tracing results stored in the standard SWC format. The packages, however, provide relatively simple quantifications and their non-extendable architecture prohibit their use for advanced data analysis and visualization. We developed nGauge, a Python toolkit to support the parsing and analysis of neuron morphology data. As an application programming interface (API), nGauge can be referenced by other popular open-source software to create custom informatics analysis pipelines and advanced visualizations. nGauge defines an extendable data structure that handles volumetric constructions (e.g. soma), in addition to the SWC linear reconstructions, while remaining lightweight. This greatly extends nGauge’s data compatibility.
登录
查看更多内容
影响因子：
64.8
作者：
Harris CR;Millman KJ;van der Walt SJ;Gommers R;Virtanen P;Cournapeau D;Wieser E;Taylor J;Berg S;Smith NJ;Kern R;Picus M;Hoyer S;van Kerkwijk MH;Brett M;Haldane A;Del Río JF;Wiebe M;Peterson P;Gérard-Marchant P;Sheppard K;Reddy T;Weckesser W;Abbasi H;Gohlke C;Oliphant TE
通讯作者：
Oliphant TE
影响因子：
3
作者：
Laturnus, Sophie;Kobak, Dmitry;Berens, Philipp
通讯作者：
Berens, Philipp
影响因子：
25
作者：
Gouwens NW;Sorensen SA;Berg J;Lee C;Jarsky T;Ting J;Sunkin SM;Feng D;Anastassiou CA;Barkan E;Bickley K;Blesie N;Braun T;Brouner K;Budzillo A;Caldejon S;Casper T;Castelli D;Chong P;Crichton K;Cuhaciyan C;Daigle TL;Dalley R;Dee N;Desta T;Ding SL;Dingman S;Doperalski A;Dotson N;Egdorf T;Fisher M;de Frates RA;Garren E;Garwood M;Gary A;Gaudreault N;Godfrey K;Gorham M;Gu H;Habel C;Hadley K;Harrington J;Harris JA;Henry A;Hill D;Josephsen S;Kebede S;Kim L;Kroll M;Lee B;Lemon T;Link KE;Liu X;Long B;Mann R;McGraw M;Mihalas S;Mukora A;Murphy GJ;Ng L;Ngo K;Nguyen TN;Nicovich PR;Oldre A;Park D;Parry S;Perkins J;Potekhina L;Reid D;Robertson M;Sandman D;Schroedter M;Slaughterbeck C;Soler-Llavina G;Sulc J;Szafer A;Tasic B;Taskin N;Teeter C;Thatra N;Tung H;Wakeman W;Williams G;Young R;Zhou Z;Farrell C;Peng H;Hawrylycz MJ;Lein E;Ng L;Arkhipov A;Bernard A;Phillips JW;Zeng H;Koch C
通讯作者：
Koch C
影响因子：
16.2
作者：
Fukunaga, Izumi;Berning, Manuel;Schaefer, Andreas T.
通讯作者：
Schaefer, Andreas T.
影响因子：
9.8
作者：
Nanda, Sumit;Chen, Hanbo;Ascoli, Giorgio A.
通讯作者：
Ascoli, Giorgio A.