如何通过 R 中的多次试验在特定时间获得随机观察点？

Question

我正在研究 Spike Trains 和我的代码以获得这样的 spike train：

下面写了 20 次试验。该图像代表 5 次试验。

fr = 100
dt = 1/1000 #dt in milisecond
duration = 2 #no of duration in s
nBins = 2000 #10msSpikeTrain
nTrials = 20 #NumberOfSimulations
MyPoissonSpikeTrain = function(p, fr= 100) {
 p = runif(nBins)
 q = ifelse(p < fr*dt, 1, 0)
 return(q)
  }

set.seed(1)
SpikeMat <- t(replicate(nTrials, MyPoissonSpikeTrain()))

plot(x=-1,y=-1, xlab="time (s)", ylab="Trial",
    main="Spike trains",
    ylim=c(0.5, nTrials+1), xlim=c(0, duration))
for (i in 1: nTrials)
 {
   clip(x1 = 0, x2= duration, y1= (i-0.2), y2= (i+0.4))
   abline(h=i, lwd= 1/4)
   abline(v= dt*which( SpikeMat[i,]== 1))
  }

每个试验都有随机时间点出现的尖峰。现在我正在尝试的是获得一个适用于所有 20 次试验的随机样本时间点，并且我想为每次试验获得由该点落入的间隔长度组成的向量。获取尖峰发生点的时间向量的代码是，

A <- numeric()
for (i in 1: nTrials)
 {
  ISI <- function(i){
   spike_times <- c(dt*which( SpikeMat[i, ]==1))
   ISI1vec <- c(diff(spike_times))
   A <- c(A, ISI1vec)
   return(A)}
    }

然后，您可以调用 ISI(i) 来进行您希望查看其尖峰间期向量的任何试验。我想要的视觉表示是：

对于每次试验，我想获得一个向量，该向量具有该点所在区间的长度。我也想弄清楚它的分布，但那是以后的事。任何人都可以帮我弄清楚如何编写代码吗？感谢任何帮助，即使只是关于如何 start/where 看起来。

Answer 1

您的数据

set.seed(1)
SpikeMat <- t(replicate(nTrials, MyPoissonSpikeTrain()))

我建议将稀疏矩阵数据转换为出现尖峰的索引列表

L <- lapply(seq_len(nrow(SpikeMat)), function(i) setNames(which(SpikeMat[i, ] == 1), seq_along(which(SpikeMat[i, ] == 1))))

抓取随机时间点

set.seed(1)
RT <- round(runif(1) * ncol(SpikeMat)) 
# 531

结果

distances 包含到 2 个最近尖峰的距离 - 列表的每个元素都是一个命名向量，其中值是距离（到 RT），它们的名称是它们在向量。 nearest_columns 显示 SpikeMat 中每个峰值的原始时间点（列号）。

bookend_values <- function(vec) {
    lower_val <- head(sort(vec[sign(vec) == 1]), 1)
    upper_val <- head(sort(abs(vec[sign(vec) == -1])), 1)
    return(c(lower_val, upper_val))
}

distances <- lapply(L, function(i) bookend_values(RT-i))
nearest_columns <- lapply(seq_along(distances), function(i) L[[i]][names(distances[[i]])])

注意书挡RT最近的两个尖峰的inter-spike间隔可以用

获得

sapply(distances, sum)

如何通过 R 中的多次试验在特定时间获得随机观察点？

How to get a random observation point at a specific time over multiple trials in R?

plot

r

distribution

time-series

neuroscience