Fetch neuprint metadata for malecns neurons
Usage
mcns_neuprint_meta(
ids = NULL,
conn = mcns_neuprint(),
roiInfo = FALSE,
simplify.xyz = TRUE,
cache = NA,
...
)Arguments
- ids
body ids. When missing all bodies known to DVID are returned.
- conn
Optional, a
neuprint_connectionobject, which also specifies the neuPrint server. Defaults tomanc_neuprint()to ensure that query is against the VNC dataset.- roiInfo
whether to include the
roiInfofield detailing synapse numbers in different locations. This is omitted by default as it is returned as a character vector of unprocessed JSON.- simplify.xyz
Whether to simplify columns containing XYZ locations to a simple
"x,y,z"format rather than a longer form referencing a schema atspatialreference.org. Defaults toTRUE.- cache
whether to cache the query. When
cache=NA(the default) queries are cached for neuprint snapshot versions (but not production datasets). See details.- ...
Additional arguments passed to
neuprint_get_meta
Value
A data.frame with one row for each (unique) input id and NAs for all columns except bodyid when neuprint holds no metadata.
Details
in contrast to malevnc::manc_neuprint_meta we leave
bodyids as numeric (doubles) since flyem now guarantee them to be less than
2^53 i.e. within the range in which doubles can exactly represent numeric
ids.
See also
Other annotations:
mcns_body_annotations(),
mcns_dvid_annotations(),
mcns_soma_side()
Examples
# \donttest{
library(dplyr)
# fetch metatada for all bodies in neuprint
mnm=mcns_neuprint_meta()
# fetch metadata for all bodies with a somaLocation
mnm.soma=mcns_neuprint_meta("where:exists(n.somaLocation)")
# type or instance present
mnm.ti <- mcns_neuprint_meta('where:exists(n.type) OR exists(n.instance)')
# neurons without a superclass but quite a few synapses
mnm.nc=mcns_neuprint_meta("where:NOT exists(n.superclass) AND n.synweight>2000")
mnm.nc %>% arrange(desc(synweight))
#> bodyid post pre downstream upstream synweight assignedOlHex1
#> 1 519161 2401 322 2717 2401 5118 NA
#> 2 555297 253 632 4061 253 4314 NA
#> 3 806539 202 447 3169 202 3371 NA
#> 4 73540 332 322 3016 332 3348 NA
#> 5 926152 1134 321 2087 1134 3221 NA
#> 6 956675 55 421 3139 55 3194 NA
#> 7 92244 1753 222 1426 1753 3179 NA
#> 8 942401 351 465 2705 351 3056 NA
#> 9 955927 163 401 2644 163 2807 NA
#> 10 104626 55 318 2732 55 2787 NA
#> 11 559672 1395 247 1385 1395 2780 NA
#> 12 110922 62 267 2640 62 2702 NA
#> 13 114076 150 300 2529 150 2679 NA
#> 14 516174168 128 319 2472 128 2600 NA
#> 15 959135 71 364 2507 71 2578 NA
#> 16 955615 450 382 2109 450 2559 NA
#> 17 118423 101 260 2443 101 2544 NA
#> 18 147605 1180 183 1207 1180 2387 NA
#> 19 956674 868 281 1506 868 2374 NA
#> 20 954995 399 305 1971 399 2370 NA
#> 21 555267 64 289 2300 64 2364 NA
#> 22 210839 70 268 2294 70 2364 NA
#> 23 908376 26 235 2318 26 2344 NA
#> 24 809279 107 279 2117 107 2224 NA
#> 25 810259 74 256 2039 74 2113 NA
#> 26 544325 238 254 1820 238 2058 NA
#> 27 147742 257 204 1790 257 2047 NA
#> 28 903906 52 327 1983 52 2035 NA
#> 29 946550 949 128 1067 949 2016 NA
#> assignedOlHex2 flywireType group name somaSide statusLabel
#> 1 NA <NA> NA KC_L_fragment L Orphan
#> 2 NA <NA> NA <NA> <NA> Orphan
#> 3 NA <NA> NA <NA> <NA> Orphan-artifact
#> 4 NA <NA> NA <NA> <NA> PRT Orphan
#> 5 NA <NA> NA <NA> <NA> Orphan-artifact
#> 6 NA <NA> NA <NA> <NA> <NA>
#> 7 NA <NA> NA <NA> <NA> Orphan
#> 8 NA <NA> NA <NA> <NA> Orphan-artifact
#> 9 NA <NA> NA <NA> <NA> <NA>
#> 10 NA <NA> NA <NA> <NA> Anchor
#> 11 NA <NA> NA <NA> <NA> Orphan
#> 12 NA <NA> NA <NA> <NA> Anchor
#> 13 NA <NA> NA <NA> <NA> Orphan
#> 14 NA <NA> NA <NA> <NA> PRT Orphan
#> 15 NA <NA> NA <NA> <NA> <NA>
#> 16 NA <NA> NA <NA> <NA> <NA>
#> 17 NA <NA> NA <NA> <NA> Orphan
#> 18 NA <NA> NA <NA> <NA> Orphan
#> 19 NA <NA> NA <NA> <NA> Partially traced
#> 20 NA <NA> NA <NA> <NA> <NA>
#> 21 NA <NA> NA <NA> <NA> Orphan
#> 22 NA <NA> NA <NA> <NA> PRT Orphan
#> 23 NA <NA> NA <NA> <NA> Orphan-artifact
#> 24 NA <NA> NA <NA> <NA> Orphan-artifact
#> 25 NA <NA> NA <NA> <NA> Orphan-artifact
#> 26 NA <NA> NA <NA> <NA> RT Hard to trace
#> 27 NA <NA> NA <NA> <NA> Orphan
#> 28 NA <NA> NA <NA> <NA> Orphan-artifact
#> 29 NA <NA> NA <NA> <NA> Orphan
#> superclass type vfbId hemibrainType itoleeHl supertype birthtime mancBodyid
#> 1 <NA> <NA> <NA> <NA> <NA> <NA> <NA> NA
#> 2 <NA> <NA> <NA> <NA> <NA> <NA> <NA> NA
#> 3 <NA> <NA> <NA> <NA> <NA> <NA> <NA> 153319
#> 4 <NA> <NA> <NA> <NA> <NA> <NA> <NA> NA
#> 5 <NA> <NA> <NA> <NA> <NA> <NA> <NA> 11325
#> 6 <NA> <NA> <NA> <NA> <NA> <NA> <NA> NA
#> 7 <NA> <NA> <NA> <NA> <NA> <NA> <NA> NA
#> 8 <NA> <NA> <NA> <NA> <NA> <NA> <NA> NA
#> 9 <NA> <NA> <NA> <NA> <NA> <NA> <NA> NA
#> 10 <NA> <NA> <NA> <NA> <NA> <NA> <NA> NA
#> 11 <NA> <NA> <NA> <NA> <NA> <NA> <NA> NA
#> 12 <NA> <NA> <NA> <NA> <NA> <NA> <NA> NA
#> 13 <NA> <NA> <NA> <NA> <NA> <NA> <NA> NA
#> 14 <NA> <NA> <NA> <NA> <NA> <NA> <NA> NA
#> 15 <NA> <NA> <NA> <NA> <NA> <NA> <NA> NA
#> 16 <NA> <NA> <NA> <NA> <NA> <NA> <NA> NA
#> 17 <NA> <NA> <NA> <NA> <NA> <NA> <NA> NA
#> 18 <NA> <NA> <NA> <NA> <NA> <NA> <NA> NA
#> 19 <NA> <NA> <NA> <NA> <NA> <NA> <NA> NA
#> 20 <NA> <NA> <NA> <NA> <NA> <NA> <NA> NA
#> 21 <NA> <NA> <NA> <NA> <NA> <NA> <NA> NA
#> 22 <NA> <NA> <NA> <NA> <NA> <NA> <NA> NA
#> 23 <NA> <NA> <NA> <NA> <NA> <NA> <NA> NA
#> 24 <NA> <NA> <NA> <NA> <NA> <NA> <NA> 16226
#> 25 <NA> <NA> <NA> <NA> <NA> <NA> <NA> 29891
#> 26 <NA> <NA> <NA> <NA> <NA> <NA> <NA> NA
#> 27 <NA> <NA> <NA> <NA> <NA> <NA> <NA> NA
#> 28 <NA> <NA> <NA> <NA> <NA> <NA> <NA> NA
#> 29 <NA> <NA> <NA> <NA> <NA> <NA> <NA> NA
#> mancGroup mancType subclass synonyms class rootSide somaNeuromere trumanHl
#> 1 NA <NA> <NA> <NA> <NA> <NA> <NA> <NA>
#> 2 NA <NA> <NA> <NA> <NA> <NA> <NA> <NA>
#> 3 NA <NA> <NA> <NA> <NA> <NA> <NA> <NA>
#> 4 NA <NA> <NA> <NA> <NA> <NA> <NA> <NA>
#> 5 NA <NA> <NA> <NA> <NA> <NA> <NA> <NA>
#> 6 NA <NA> <NA> <NA> <NA> <NA> <NA> <NA>
#> 7 NA <NA> <NA> <NA> <NA> <NA> <NA> <NA>
#> 8 NA <NA> <NA> <NA> <NA> <NA> <NA> <NA>
#> 9 NA <NA> <NA> <NA> <NA> <NA> <NA> <NA>
#> 10 NA <NA> <NA> <NA> <NA> <NA> <NA> <NA>
#> 11 NA <NA> <NA> <NA> <NA> <NA> <NA> <NA>
#> 12 NA <NA> <NA> <NA> <NA> <NA> <NA> <NA>
#> 13 NA <NA> <NA> <NA> <NA> <NA> <NA> <NA>
#> 14 NA <NA> <NA> <NA> <NA> <NA> <NA> <NA>
#> 15 NA <NA> <NA> <NA> <NA> <NA> <NA> <NA>
#> 16 NA <NA> <NA> <NA> <NA> <NA> <NA> <NA>
#> 17 NA <NA> <NA> <NA> <NA> <NA> <NA> <NA>
#> 18 NA <NA> <NA> <NA> <NA> <NA> <NA> <NA>
#> 19 NA <NA> <NA> <NA> <NA> <NA> <NA> <NA>
#> 20 NA <NA> <NA> <NA> <NA> <NA> <NA> <NA>
#> 21 NA <NA> <NA> <NA> <NA> <NA> <NA> <NA>
#> 22 NA <NA> <NA> <NA> <NA> <NA> <NA> <NA>
#> 23 NA <NA> <NA> <NA> <NA> <NA> <NA> <NA>
#> 24 NA <NA> <NA> <NA> <NA> <NA> <NA> <NA>
#> 25 NA <NA> <NA> <NA> <NA> <NA> <NA> <NA>
#> 26 NA <NA> <NA> <NA> <NA> R <NA> <NA>
#> 27 NA <NA> <NA> <NA> <NA> <NA> <NA> <NA>
#> 28 NA <NA> <NA> <NA> <NA> <NA> <NA> <NA>
#> 29 NA <NA> <NA> <NA> <NA> <NA> <NA> <NA>
#> dimorphism matchingNotes entryNerve mancSerial mcnsSerial serialMotif fruDsx
#> 1 <NA> <NA> <NA> NA NA <NA> <NA>
#> 2 <NA> <NA> <NA> NA NA <NA> <NA>
#> 3 <NA> <NA> <NA> NA NA <NA> <NA>
#> 4 <NA> <NA> <NA> NA NA <NA> <NA>
#> 5 <NA> <NA> <NA> NA NA <NA> <NA>
#> 6 <NA> <NA> <NA> NA NA <NA> <NA>
#> 7 <NA> <NA> <NA> NA NA <NA> <NA>
#> 8 <NA> <NA> <NA> NA NA <NA> <NA>
#> 9 <NA> <NA> <NA> NA NA <NA> <NA>
#> 10 <NA> <NA> <NA> NA NA <NA> <NA>
#> 11 <NA> <NA> <NA> NA NA <NA> <NA>
#> 12 <NA> <NA> <NA> NA NA <NA> <NA>
#> 13 <NA> <NA> <NA> NA NA <NA> <NA>
#> 14 <NA> <NA> <NA> NA NA <NA> <NA>
#> 15 <NA> <NA> <NA> NA NA <NA> <NA>
#> 16 <NA> <NA> <NA> NA NA <NA> <NA>
#> 17 <NA> <NA> <NA> NA NA <NA> <NA>
#> 18 <NA> <NA> <NA> NA NA <NA> <NA>
#> 19 <NA> <NA> <NA> NA NA <NA> <NA>
#> 20 <NA> <NA> <NA> NA NA <NA> <NA>
#> 21 <NA> <NA> <NA> NA NA <NA> <NA>
#> 22 <NA> <NA> <NA> NA NA <NA> <NA>
#> 23 <NA> <NA> <NA> NA NA <NA> <NA>
#> 24 <NA> <NA> <NA> NA NA <NA> <NA>
#> 25 <NA> <NA> <NA> NA NA <NA> <NA>
#> 26 <NA> <NA> aPhN NA NA <NA> <NA>
#> 27 <NA> <NA> <NA> NA NA <NA> <NA>
#> 28 <NA> <NA> <NA> NA NA <NA> <NA>
#> 29 <NA> <NA> <NA> NA NA <NA> <NA>
#> exitNerve receptorType somaLocation tosomaLocation status totalNtPredictions
#> 1 <NA> <NA> <NA> <NA> Orphan 322
#> 2 <NA> <NA> <NA> <NA> Orphan 632
#> 3 <NA> <NA> <NA> <NA> Orphan 447
#> 4 <NA> <NA> <NA> <NA> Traced 322
#> 5 <NA> <NA> <NA> <NA> Orphan 321
#> 6 <NA> <NA> <NA> <NA> <NA> 421
#> 7 <NA> <NA> <NA> <NA> Orphan 222
#> 8 <NA> <NA> <NA> <NA> Orphan 465
#> 9 <NA> <NA> <NA> <NA> <NA> 401
#> 10 <NA> <NA> <NA> <NA> Anchor 318
#> 11 <NA> <NA> <NA> <NA> Orphan 247
#> 12 <NA> <NA> <NA> <NA> Anchor 267
#> 13 <NA> <NA> <NA> <NA> Orphan 300
#> 14 <NA> <NA> <NA> <NA> Traced 319
#> 15 <NA> <NA> <NA> <NA> <NA> 364
#> 16 <NA> <NA> <NA> <NA> <NA> 382
#> 17 <NA> <NA> <NA> <NA> Orphan 260
#> 18 <NA> <NA> <NA> <NA> Orphan 183
#> 19 <NA> <NA> <NA> <NA> Anchor 281
#> 20 <NA> <NA> <NA> <NA> <NA> 305
#> 21 <NA> <NA> <NA> <NA> Orphan 289
#> 22 <NA> <NA> <NA> <NA> Traced 268
#> 23 <NA> <NA> <NA> <NA> Orphan 235
#> 24 <NA> <NA> <NA> <NA> Orphan 279
#> 25 <NA> <NA> <NA> <NA> Orphan 256
#> 26 <NA> <NA> <NA> <NA> Traced 254
#> 27 <NA> <NA> <NA> <NA> Orphan 204
#> 28 <NA> <NA> <NA> <NA> Orphan 327
#> 29 <NA> <NA> <NA> <NA> Orphan 128
#> predictedNtConfidence predictedNt celltypeTotalNtPredictions
#> 1 0.6559249 gaba 322
#> 2 0.8826958 acetylcholine 632
#> 3 0.9682381 acetylcholine 447
#> 4 0.6700611 gaba 322
#> 5 0.8886508 gaba 321
#> 6 0.9747327 acetylcholine 421
#> 7 0.8789046 gaba 222
#> 8 0.8518127 acetylcholine 465
#> 9 0.9723195 acetylcholine 401
#> 10 0.8460507 gaba 318
#> 11 0.5412279 gaba 247
#> 12 0.8841251 acetylcholine 267
#> 13 0.9682552 acetylcholine 300
#> 14 0.6037433 acetylcholine 319
#> 15 0.8917006 gaba 364
#> 16 0.7437765 acetylcholine 382
#> 17 0.8141996 glutamate 260
#> 18 0.8817557 gaba 183
#> 19 0.9643800 acetylcholine 281
#> 20 0.9683674 acetylcholine 305
#> 21 0.8532007 gaba 289
#> 22 0.8228081 acetylcholine 268
#> 23 0.8041351 gaba 235
#> 24 0.9712642 acetylcholine 279
#> 25 0.8590619 gaba 256
#> 26 0.8078946 glutamate 254
#> 27 0.9367103 acetylcholine 204
#> 28 0.9747327 acetylcholine 327
#> 29 0.8357252 gaba 128
#> celltypePredictedNt celltypePredictedNtConfidence consensusNt voxels
#> 1 unclear NA gaba 278587841
#> 2 unclear NA acetylcholine 191409375
#> 3 unclear NA acetylcholine 204307113
#> 4 unclear NA gaba 164637153
#> 5 unclear NA gaba 833342245
#> 6 unclear NA acetylcholine 217610342
#> 7 unclear NA gaba 172460933
#> 8 unclear NA acetylcholine 244236620
#> 9 unclear NA acetylcholine 291166682
#> 10 unclear NA gaba 118200619
#> 11 unclear NA gaba 139035186
#> 12 unclear NA acetylcholine 130934995
#> 13 unclear NA acetylcholine 127874261
#> 14 unclear NA acetylcholine 148541348
#> 15 unclear NA gaba 254091464
#> 16 unclear NA acetylcholine 142895359
#> 17 unclear NA glutamate 115617311
#> 18 unclear NA gaba 118445955
#> 19 unclear NA acetylcholine 389656375
#> 20 unclear NA acetylcholine 309045905
#> 21 unclear NA gaba 135641183
#> 22 unclear NA acetylcholine 66258699
#> 23 unclear NA gaba 115459022
#> 24 unclear NA acetylcholine 229596508
#> 25 unclear NA gaba 230638948
#> 26 unclear NA glutamate 93097711
#> 27 unclear NA acetylcholine 88932916
#> 28 unclear NA acetylcholine 176044266
#> 29 unclear NA gaba 129131037
#> locationType soma
#> 1 NA FALSE
#> 2 NA FALSE
#> 3 NA FALSE
#> 4 NA FALSE
#> 5 NA FALSE
#> 6 NA FALSE
#> 7 NA FALSE
#> 8 NA FALSE
#> 9 NA FALSE
#> 10 NA FALSE
#> 11 NA FALSE
#> 12 NA FALSE
#> 13 NA FALSE
#> 14 NA FALSE
#> 15 NA FALSE
#> 16 NA FALSE
#> 17 NA FALSE
#> 18 NA FALSE
#> 19 NA FALSE
#> 20 NA FALSE
#> 21 NA FALSE
#> 22 NA FALSE
#> 23 NA FALSE
#> 24 NA FALSE
#> 25 NA FALSE
#> 26 NA FALSE
#> 27 NA FALSE
#> 28 NA FALSE
#> 29 NA FALSE
# }
library(dplyr)
# Which neurons don't have a superclass, but possibly should
mnm.nsc=mcns_neuprint_meta("where:NOT exists(n.superclass)")
mnm.nsc %>% count(statusLabel)
#> statusLabel n
#> 1 0.5assign 11
#> 2 Anchor 271
#> 3 Hard to trace 65
#> 4 Leaves 416
#> 5 Orphan 3457
#> 6 Orphan hotknife 974
#> 7 Orphan-artifact 1936
#> 8 Out of scope 2044
#> 9 PRT Orphan 76
#> 10 Partially traced 9
#> 11 Prelim Roughly traced 17
#> 12 RT Hard to trace 2
#> 13 Reviewed 4
#> 14 Roughly traced 1
#> 15 Sensory Anchor 78
#> 16 Soma Anchor 193
#> 17 <NA> 168
# neurons that are RT or PRT should probably have a superclass
mnm.nscprt=mcns_neuprint_meta("where:NOT exists(n.superclass) AND n.statusLabel CONTAINS 'Roughly'")
mnm.nscprt %>% count()
#> n
#> 1 18