opynfield:一个开源的Python软件包,用于分析开放场地探索数据

科学领域:

• 行为神经科学 行为神经科学
• 伦理学 伦理学 伦理学
• 计算神经科学是一种计算神经科学.

背景情况:

• 开放场测试是行为神经科学的标准方法,用于研究探索,焦虑和习惯.
• 在开放场地测试中,传统的活动测量被运动能力的混所限制,并提供间接学习见解.
• 需要新的行为措施来更好地描述探索和习惯新奇.

研究的目的:

• 介绍opynfield Python包,用于高级开放现场测试数据分析.
• 纳入新的指标,如覆盖范围和定向持久性 (P++),以获得细微的行为见解.
• 为全面分析提供增强的统计方法和数据可视化.

主要方法:

• 开发了opynfield Python包,从跟踪数据计算活动,覆盖范围和定向持久性 (P++).
• 在包中实施了新的统计方法和数据可视化工具.
• 使用Drosophila melanogaster和Mus musculus的实验数据验证了包装.

主要成果:

• opynfield成功验证了统计测试,并证实了覆盖范围作为新奇习惯的衡量标准.
• 该包有效地描述了Drosophila melanogaster在探索中的行为差异.
• 从Mus musculus数据分析动物探索模式的实用性.

结论:

• 通过利用全密度跟踪数据,opynfield包提供了对动物探索的更细致的理解.
• 对覆盖范围和定向持久性的增强分析为学习,运动活动和焦虑提供了更好的洞察力.
• 奥宾菲尔德促进了对动物行为和习惯过程的更深入调查.