1234567891011121314151617181920212223242526272829303132333435363738 |
- clear; clc
- load(fullfile(ottBari2020_root, 'Data', 'Modeling', 'ModelFits', 'cue_MLEfits.mat'));
- myColors = importColors_bb;
- VP_color = myColors.bluishGreen;
- % get relevant behavior models
- modelCriterion = 'AIC';
- plotFlag = false;
- m_RPE = {'base','base_cue','curr','curr_cue','mean','mean_cue'};
- m_V = {'base','base_cue','mean','mean_cue'};
- timePeriod = 'RD';
- bm_RD = select_RPEmods(os, timePeriod,'scoreToUse',modelCriterion,'plotModels_Flag',plotFlag,...
- 'particularModel',m_RPE);
- timePeriod = 'cue';
- bm_cue = select_RPEmods(os, timePeriod,'scoreToUse',modelCriterion,'plotModels_Flag',plotFlag,...
- 'particularModel',m_V);
-
- %% enrichment among cue neurons
- predCue_RD = bm_RD.mask_base_cue | bm_RD.mask_curr_cue | bm_RD.mask_mean_cue;
- predCue_cue = bm_cue.mask_base_cue | bm_cue.mask_mean_cue;
- n_cueRD_cueCue = sum(predCue_cue(predCue_RD));
- n_notcueRD_cueCue = sum(predCue_cue(~predCue_RD));
- n_cueRD = sum(predCue_RD);
- n_notcueRD = sum(~predCue_RD);
- [~,p] = prop_test([n_cueRD_cueCue n_notcueRD_cueCue], [n_cueRD n_notcueRD]);
- % no enrichment
- fprintf('\n------\n')
- fprintf('%i of %i RD predictive-cue neurons (%0.2f%%) have predictive-cue response at cue\n', n_cueRD_cueCue, n_cueRD, n_cueRD_cueCue/n_cueRD*100)
- fprintf('%i of %i RD non-predictive-cue neurons (%0.2f%%) have predictive-cue response at cue\n', ...
- n_notcueRD_cueCue, n_notcueRD, n_notcueRD_cueCue/n_notcueRD*100)
- fprintf('pValue: %0.2f\n',p)
- fprintf('------\n')
|