Much development has been directed towards improving the performance and automation of spike sorting. This continuous development, while essential, has contributed to an over-saturation of new, incompatible tools that hinders rigorous benchmarking and complicates reproducible analysis. To address these limitations, we developed SpikeInterface, a Python framework designed to unify preexisting spike sorting technologies into a single codebase and to facilitate straightforward comparison and adoption of different approaches. With a few lines of code, researchers can reproducibly run, compare, and benchmark most modern spike sorting algorithms; pre-process, post-process, and visualize extracellular datasets; validate, curate, and export sorting outputs; and more. In this paper, we provide an overview of SpikeInterface and, with applications to real and simulated datasets, demonstrate how it can be utilized to reduce the burden of manual curation and to more comprehensively benchmark automated spike sorters. With a few lines of code and regardless of the underlying data format, researchers can: run, compare, and benchmark most modern spike sorting algorithms; pre-process, post-process, and visualize extracellular datasets; validate, curate, and export sorting outputs; and more. In this paper, we provide an overview of SpikeInterface and, with applications to both real and simulated extracellular datasets, demonstrate how it can improve the accessibility, reliability, and reproducibility of spike sorting in preparation for the widespread use of large-scale electrophysiology.

中文翻译：

---

SpikeInterface，用于尖峰排序的统一框架

许多发展都致力于提高尖峰分选的性能和自动化。这种持续的发展虽然必不可少，但却导致了新的不兼容工具的过饱和，从而阻碍了严格的基准测试并使可重复的分析复杂化。为了解决这些限制，我们开发了SpikeInterface，这是一个Python框架，旨在将预先存在的尖峰排序技术统一到单个代码库中，并便于直接比较和采用不同的方法。只需几行代码，研究人员就可以可重复地运行，比较和基准化大多数现代尖峰分选算法。预处理，后处理和可视化细胞外数据集；验证，整理和导出排序输出；和更多。在本文中，我们提供了SpikeInterface的概述，结合实际和模拟数据集的应用程序，演示如何利用它来减轻手动管理的负担并更全面地对自动峰值分类器进行基准测试。只需几行代码，而无需考虑底层数据格式，研究人员就可以：运行，比较和基准化大多数现代尖峰排序算法；预处理，后处理和可视化细胞外数据集；验证，整理和导出排序输出；和更多。在本文中，我们提供了SpikeInterface的概述，并应用于实际和模拟的细胞外数据集，展示了它如何改善尖峰分选的可访问性，可靠性和可重复性，从而为大规模电生理学的广泛使用做准备。演示如何利用它来减轻手动管理的负担并更全面地对自动峰值分类器进行基准测试。只需几行代码，而无需考虑底层数据格式，研究人员就可以：运行，比较和基准化大多数现代尖峰排序算法；预处理，后处理和可视化细胞外数据集；验证，整理和导出排序输出；和更多。在本文中，我们提供了SpikeInterface的概述，并将其应用于实际和模拟的细胞外数据集，展示了它如何可以改善尖峰分选的可访问性，可靠性和可重复性，从而为大规模电生理学的广泛使用做准备。演示如何利用它来减轻手动管理的负担并更全面地对自动峰值分类器进行基准测试。只需几行代码，而无需考虑底层数据格式，研究人员就可以：运行，比较和基准化大多数现代尖峰排序算法；预处理，后处理和可视化细胞外数据集；验证，整理和导出排序输出；和更多。在本文中，我们提供了SpikeInterface的概述，并将其应用于实际和模拟的细胞外数据集，展示了它如何可以改善尖峰分选的可访问性，可靠性和可重复性，从而为大规模电生理学的广泛使用做准备。研究人员可以：运行，比较和基准化大多数现代尖峰排序算法；预处理，后处理和可视化细胞外数据集；验证，整理和导出排序输出；和更多。在本文中，我们提供了SpikeInterface的概述，并将其应用于实际和模拟的细胞外数据集，展示了它如何可以改善尖峰分选的可访问性，可靠性和可重复性，从而为大规模电生理学的广泛使用做准备。研究人员可以：运行，比较和基准化大多数现代尖峰排序算法；预处理，后处理和可视化细胞外数据集；验证，整理和导出排序输出；和更多。在本文中，我们提供了SpikeInterface的概述，并将其应用于实际和模拟的细胞外数据集，展示了它如何可以改善尖峰分选的可访问性，可靠性和可重复性，从而为大规模电生理学的广泛使用做准备。