方法文章

神经血管网络资源管理器 2.0: 一种简单的工具, 用于探索和共享 Optogenetically 诱发血管舒缩在小鼠皮质体内的数据库

DOI：

10.3791/57214

⸱

2018年5月4日

 ,  ,  ,  ,  ,  ,  ,  ,  , 
1Department of Radiology, University of California, San Diego, 2Central European Institute of Technology, Brno University of Technology, 3Department of Neurosciences, University of California, San Diego, 4Department of Physics, John Carroll University, 5Department of Biomedical Engineering, Boston University, 6Bioengineering Undergraduate Program, University of California, San Diego, 7Institute of Physical Engineering, Faculty of Mechanical Engineering, Brno University of Technology, 8Martinos Center for Biomedical Imaging, Massachusetts General Hospital, Harvard Medical School

本文内容

摘要

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

一个图形用户界面, 用于探索和共享一个 optogenetically 诱导的血管反应的数据库在小鼠体感皮层体内测量2光子显微镜。它允许浏览数据、基于标准的选择、平均、在3D 量的血管内测量和输出数据的本地化。

摘要

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

在神经科学中共享实验数据的重要性随着所获得数据的数量和复杂性以及用于获取和处理这些数据的各种技术而增加。然而, 大多数实验数据, 特别是从个别研究的普通实验室, 从来没有达到更广泛的研究社区。一个图形用户界面 (GUI) 引擎称为神经血管网络资源管理器 2.0 (北东 2.0) 已创建为一个工具, 简单和低成本的共享和探索血管成像数据。北东2.0 与一个包含 optogenetically 诱发扩张/收缩时间的数据库交互, 通过2光子显微术在小鼠体感皮层体内测量单个血管的过程。北东2.0 启用基于不同标准 (主题、分支顺序、皮质深度、容器直径、动脉树) 的时间课程的选择和显示, 以及简单的数学操作 (e. g. 平均, 峰值正常化) 和数据导出。它支持3D 的血管网络的可视化, 并能够在血管树内定位单个功能血管直径的测量。

东北 2.0, 其源代码, 和相应的数据库可自由下载从 UCSD 神经血管成像实验室网站1。用户可以利用源代码来探索关联的数据库或作为 databasing 的模板, 并共享自己的实验结果, 提供适当的格式。

引言

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

大脑被认为是最复杂的器官之一, 解开其复杂功能的愿望是坚持不懈的。它正在以不同的尺度从分子到行为层面, 使用宽的工具调色板2,3,4,5,6,7,8.非均质实验数据的数量以前所未有的速度增长。对实验数据共享、组织和标准化需求的认识随着获取数据量的增加而增大。很明显, 神经信息学将在将实验数据跨尺度集成到大脑功能和功能障碍的模型中发挥关键作用 9, 10.

为此, 一些研究, 特别是更大规模的研究, 能够指定资源, 使其结果可通过广泛的数据库11,12,13,14,15。然而, 来自个别研究和普通实验室的大量实验数据从未触及到更广泛的研究社区。这主要有两个原因: 首先, 需要更多的专用时间来构建数据库并创建工具, 使用户能够与数据库进行交互;第二, 支持这些任务需要更多的资金。在这些挑战的驱使下, 基于 MATLAB 的图形用户界面 (GUI) 引擎称为神经血管网络资源管理器 2.0 (北东 2.0)16被开发成一种简单、低成本的工具, 用于 databasing、共享和探索血管成像数据。这份手稿提供了一个操作手册为北东2.0 和相关的实验数据数据库。

东北2.0 已经是第二代软件引擎。第一代, 称为神经血管网络资源管理器 1.0 (北东 1.0)17是建立与一个数据库的感官诱发舒张作用的大鼠原发性体感皮层 (SI)在体内测量2光子显微镜18。东北 1.0, 其源代码以及相关的数据库是免费下载的压缩文件称为 ' 北东1天 ' 从 UCSD 神经血管成像实验室网站1。有关北东1.0 和相关数据库的详细信息, 可在17中找到。

第二代, 北东 2.0, 与一个数据库的 optogenetically 诱发扩张的单个血管在小鼠 SI体内测量2光子显微镜20。用户可以根据选择类别 (如皮质深度、分支顺序、容器直径、动物主题或特定的动脉树) 来浏览、选择和可视化数据。GUI 进一步执行简单的数学运算, 如在选定类别中的平均和峰值正常化。东北2.0 允许查看和浏览捕获3D 卷血管的图像, 并确定在血管树内功能测量的位置。该功能可用于重建3D 的血管形态, 并将其填充为真正的单血管血管运动测量。这些重建可以反过来被纳入脑功能的计算模型21,22。东北 2.0, 其源代码和相关的数据库是免费下载的压缩文件称为 ' 北东 2.0 HDbase v1.0 ' 从 UCSD 神经血管成像实验室网站1。

东北2.0 工作与一个数据库称为 ' vdb。该数据库是一个矩阵, 包含时间剖面 (时程) 的单一船只直径变化诱发的 optogenetic 刺激和测量在不同地点的动脉树。每次课程都是使用自定义编写的软件计算的。它计算了一个容器直径的相对变化, 从膨胀的荧光强度剖面获得的扫描通过船只。荧光造影通过血管内注射荧光素异硫氰酸酯 (FITC) 标记葡聚糖。有关数据和分析过程的详细信息, 请参阅20、23。该数据库总共有305个时间课程 (即数据库条目)。除了直径的变化, 数据库中的每个条目都包含一组附加元数据, (1) 量化时间-路线 (2) 描述测量的血管, (3) 确定3D 体积的皮质血管内的测量位置。元数据包括起始时间、峰值振幅、峰值时间、皮层深度、分支顺序、基线上的血管直径、原始参考图像的路径和脑表面的低放大图的3D 图像栈血管。请查看列出的元数据中的所有参数, 并在前面的表 116中详细描述。

北东2.0 与作为直径测量发生的平面的 X Y 扫描的参考图像进行交互。每个数据库条目都有一个对应的引用图像, 其中的引用名称显示在 GUI 中。每个数据库条目还有一个关联的图像堆栈 (3D 堆栈), 它捕获了测量发生的维度树的3D 卷。GUI 允许选择特定的数据库条目, 并显示相应的参考图像以及3D 堆栈。它还引导用户在3D 堆栈中查找匹配的引用图像和帧 (在两个图像中都可以找到相同的功能)。全部分辨率 (1024 像素 x 1024 像素) 中的所有堆栈和参考图像分别包含在文件夹 hana_stk 和 hana_refs 中。脑血管的低放大图包括在文件夹 ' 地图 ' 中。所有三个文件夹以及数据库矩阵 "vdb" 都从 UCSD 神经血管成像实验室网站1下载到 zip 文件 "北东 2.0 HDbase v1.0", 并保存在安装过程中的东北东2.0 根文件夹中。

GUI 设计为一组四面板 (面板 1 (主面板)-面板 4), 当用户探索数据库并根据选择类别选择特定数据时, 它会依次打开。每个面板分为两个主要部分: (1) 右列提供与数据库交互的可能性, 办法是选择数据的参数和类别, 并显示元数据中的重要信息;(2) 左栏以时间-路线 (时间的变化) 和散布地块的形式显示数据。有四种类型的散点图显示 (1) 膨胀开始时间 (2) 时间的膨胀峰 (3) 最大直径变化 (峰值) 和 (4) 基线直径 (在刺激之前的直径) 作为皮质深度的功能。用户可以显示按皮质深度或分支顺序分组的选定数据的平均时间路线和值。这是通过增加深度和分支顺序20来突出显示渐变直径变化行为的特征。北东2.0 允许用户以 ". xls"、". csv" 或 ". 垫" 的格式导出所选数据子集。

访问受限。请登录或开始试用以查看此内容。

方案

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

1. 东北东2.0 的安装

  1. 转到 UCSD 神经血管成像实验室网站1和左键单击 "北东 2.0 HDbase v1.0", 将压缩程序文件下载到您的 PC 上所需的位置。
    注意: 东北2.0 需要 Windows 操作系统的版本 7-10, 至少 2.8 GB 的可用空间下载压缩文件和 6.9 GB 安装程序。
  2. 解压 "NNE2_HDbase_v1.0"。
    注意: 解压的文件夹 NNE2 包含10文件: ' hana_refs.tar.gz ', ' hana_stk.tar.gz ', ' 地图 tgz ', ' MCRInstaller.exe ', ' NNE2.exe ', ' NNE2. zip ', ' NNE2_README. .txt ', ' 来源. zip ', ' users_guide. pdf ' 和 ' vdb. 垫 '。
  3. 按照 "NNE2_README" 中的指示安装北东2.0。

2. 运行北东2。0

  1. 用 ' NNE2.exe ' 开始北东2.0。
  2. 面板 1 (主面板): 选择数据子集 (图 1)。主面板左栏中的图像显示了 "vdb" (图 1) 中所有条目的时间路线和参数的图表。
    1. 在面板的右列中选择皮层深度的范围。在格式的深度范围内键入 [d最小dmax], 其中 dmin是最小深度, d最大是最大深度。
      注: 数据从30-560 µm 深度测量。
    2. 在面板的右列中选择分支顺序。左键单击箭头, 然后从列表中选择一个选项 (曲面 |跳水树干 |一阶分支 |高阶分支)。
    3. 在面板的右列中选择基线直径的范围。以 [直径min直径max] 的格式键入它, 其中直径最小是最小直径, 直径最大是最大直径。
    4. 在面板的右栏中选择主题(根据获取日期显示的动物)。左键单击箭头, 然后从可用选项中进行选择。或者, 通过在蓝色矩形中左键单击所有主题来选择数据。
    5. 按提交以在面板2中显示和浏览所选数据。
  3. 面板 2: 浏览所选数据子集并继续进一步细化数据 (图 2)。
    1. 通过左键单击顶部右列中相应的按钮, 为数据的组平均值选择类型。选择:按皮质深度或平均按分支顺序排列的 avg。
      注意: 实际选项以绿色突出显示 (图 2)。
    2. 根据容器形态或主题选择数据。左键单击选择树的所有数据(单个潜水动脉及其分支) 或选择所有数据主题(动物主题)。
    3. 左键单击提交以显示左侧的选定数据 (1) 个别时间课程 (2) 组平均时间路线和散点图 (3) 起始时间 (4) 峰值振幅和 (5) 基线直径
    4. 左键单击左列中单个 timecourses图中的跟踪以选择时间路线。
      注: 所选时间路线在图 (洋红) 中突出显示, 其开始时间, 时间到峰值, 峰值振幅和基线直径将由红色圆圈在下面的图表中标记。散射图中的红色点是平均值。
    5. 在底部右栏中记下所选时间段的主题标识符 (主题 ID) 和树 (树 id)。
    6. 如果需要, 请通过左键单击右列顶部的适当选项, 然后再按提交按钮, 然后从2.3.4 中重复步骤, 更改分组平均值的类型。
    7. 右键单击面板2中的任意位置, 使用十字光标查看和浏览面板3中选定主题 (主题 ID) 或树 (树 id) 的所有跟踪。
  4. 面板 3: 探索数据的最后子集并导出它们 (图 3)。
    1. 在左列的顶部图中选择一个时间线, 通过向左单击跟踪: 在图形 (洋红) 中突出显示选定的跟踪, 并且数据库项的描述性参数将显示在图的顶部。
      注意: 平均时间路线以粗黑色显示 (图 3)。
    2. 请注意下面图表中相应的起始时间、时间峰值、峰值振幅和基线直径。
    3. 左键单击右列中的导出集按钮, 将顶部图形中显示的跟踪保存到从其中运行北东2.0 的文件夹中。
      注意: 此操作保存三个文件: "vdb_subset"、"vdb_subset" 和 "vdb_subset", 包含直径变化向量和时间向量;"vdb_subset" 也包含描述性的参数和信息从 ' vdb. 垫 '。
    4. 要检查 "主题" 的所有数据, 而不是 "树" 关闭面板 3, 请按 [x], 重新启动北东 2.0, 在面板 1 (步骤 2.2. 1-2. 2.5) 中重复选择类别, 并选择面板 2 (步骤 2.3.2) 中主题的所有数据。
    5. 右键单击面板3中的任意位置, 用十字光标转到面板 4, 以浏览面板3顶部图中所有跟踪的参考图像和3D 堆栈。
      注意: 如果选项面板2中选择了 "树" 的所有数据, 面板4将会打开。如果选择了 "主题" 的所有数据, 则会提示用户更改其选择并定向到面板1。
  5. 面板 4: 将函数测量本地化到参考图像中, 并在3D 图像的血管化堆栈中 (图 4)。
    1. 通过左键单击左列顶部的图表, 选择一个时间路线。
      注意: 所选跟踪将在图形 (洋红) 中突出显示, 并且从元数据中的描述信息将显示在顶部。
    2. 从左栏右下角的 "hana_refs" 文件夹中, 浏览自动加载的相应参考图像。
    3. 探索在左列左下角的 "hana_stk" 文件夹中自动加载的相应3D 图像堆栈。使用图形下方的箭头或滑块滚动堆栈。
      注意: 当堆栈图像达到参考图像的级别时 (即直径测量级别 ("堆栈索引" = "Ref") 时, 堆栈图像将突出显示并表示为 "帧级"。
    4. 单击右列中的导出集, 将突出显示的时间路线导出到文件 "ref_stacks_trace" 中, 该文档保存到了北东2.0 正在运行的文件夹中。
      注: 该文件包含时间向量、直径变化向量、主题 ID、输入索引、参考图像的位置、3D 堆栈的位置和帧级的堆栈图像编号。
    5. 关闭面板4按 [x] 返回面板1。

访问受限。请登录或开始试用以查看此内容。

结果

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

东北2.0 和关联数据库用于浏览和查看数据库的数据, 根据选择标准对数据进行排序, 下载选定的数据, 并在相应的血管树中找到血管测量。

面板1基于类别的数据选择: "皮质深度"、"分支顺序"、"基线直径" 和 "主题" –图 1)。请注意, 在本研究中, 不存在 "分支顺序" 选择类别中的表面微动脉 ("表面") 的条目。如果选择了此选项, 则会出现一个警告对话框 "没有找到任何记录-搜索太严格", 并提示用户选择其他选项。如果在面板1中没有满足所选条件的度量值, 则会出现相同的警告。在这种情况下, 用户应按 [x] 关闭面板1并重新启动程序。

在面板 2 (图 2) 中可以查看在面板1中选择的所有直径变化时间-课...

访问受限。请登录或开始试用以查看此内容。

讨论

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

东北2.0 是为了分享一个特定研究的血管成像数据20 , 但意图开发一个简单的工具, 以分享和探索类似类型的数据, 由其他用户。对相关的血管数据数据库有兴趣的研究人员可以使用 GUI 浏览数据, 选择数据子集, 比较它们自己的实验结果, 或者使用自己的计算程序进一步处理它们。熟悉 MATLAB 的用户可以直接利用数据库 "vdb", 而使用不同类型编程语言的用户则可以使用另一种格式 (". xls" 或 ". csv") 导出数据。

研究人员谁有兴趣分享他们自己的实验数据使用北东2.0 需要把结果构造成一个矩阵类似于 ' vdb. 垫 '。该数据库的主要条目应该是任何类型的时间路线, 以向量的形式和相应的时间向量。可以通过 GUI 的模块化结构修改或添加数据库参数。所有参考图像、图像栈和大脑曝光图 (如果适用) 应收集和存放在互联网上的数据库和可执行 GUI (如实验室网页或第三方资料库)。

研究人员在脑功能建模研究中对使用血管测量和3D 血管形态学有兴趣, 首先可以使用 GUI...

访问受限。请登录或开始试用以查看此内容。

披露

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

作者没有什么可透露的。

致谢

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

我们感激地感谢 NIH (NS057198、EB00790、MH111359 和 S10RR029050) 和捷克共和国教育、青年和体育部 (CEITEC 2020、LQ1601) 提供的支助。KK 于2014年由国际头痛协会的博士后研究金和土耳其科技研究委员会于2015年获得了支持。MT 获得德国研究基金会 (DFG 2031/1) 博士后奖学金的支持。

访问受限。请登录或开始试用以查看此内容。

材料

本文使用的材料清单
姓名公司目录编号评论
MATLABMathWorks程序
WinrarRarlabs程序

参考文献

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,
  1. Neurovascular Imaging Laboratory. Use Our Data. , UC San Diego School of Medicine. Available from: https://neurosciences.ucsd.edu/research/labs/nil/Pages/UseOurData.aspx (2017).
  2. Craddock, R. C., et al. Imaging human connectomes at the macroscale. Nat Methods. 10 (6), 524-539 (2013).
  3. Devor, A., et al. Frontiers in optical imaging of cerebral blood flow and metabolism. J Cereb Blood Flow Metab. 32 (7), 1259-1276 (2012).
  4. Ji, N., Freeman, J., Smith, S. L. Technologies for imaging neural activity in large volumes. Nat Neurosci. 19 (9), 1154-1164 (2016).
  5. Maze, I., et al. Analytical tools and current challenges in the modern era of neuroepigenomics. Nat Neurosci. 17 (11), 1476-1490 (2014).
  6. Medland, S. E., Jahanshad, N., Neale, B. M., Thompson, P. M. Whole-genome analyses of whole-brain data: working within an expanded search space. Nat Neurosci. 17 (6), 791-800 (2014).
  7. Osten, P., Margrie, T. W. Mapping brain circuitry with a light microscope. Nat Methods. 10 (6), 515-523 (2013).
  8. Poldrack, R. A., Farah, M. J. Progress and challenges in probing the human brain. Nature. 526 (7573), 371-379 (2015).
  9. Kotter, R. Neuroscience databases: tools for exploring brain structure-function relationships. Philos Trans R Soc Lond B Biol Sci. 356 (1412), 1111-1120 (2001).
  10. Uhlirova, H., et al. The roadmap for estimation of cell-type-specific neuronal activity from non-invasive measurements. Philos Trans R Soc Lond B Biol Sci. 371 (1705), (2016).
  11. Aine, C. J., et al. Multimodal Neuroimaging in Schizophrenia: Description and Dissemination. Neuroinformatics. , (2017).
  12. Amunts, K., et al. BigBrain: an ultrahigh-resolution 3D human brain model. Science. 340 (6139), 1472-1475 (2013).
  13. Laird, A. R., Lancaster, J. L., Fox, P. T. BrainMap: the social evolution of a human brain mapping database. Neuroinformatics. 3 (1), 65-78 (2005).
  14. Lein, E. S., et al. Genome-wide atlas of gene expression in the adult mouse brain. Nature. 445 (7124), 168-176 (2007).
  15. Shin, D. D., Ozyurt, I. B., Liu, T. T. The Cerebral Blood Flow Biomedical Informatics Research Network (CBFBIRN) database and analysis pipeline for arterial spin labeling MRI data. Front Neuroinform. 7, 21(2013).
  16. Uhlirova, H., et al. Neurovascular Network Explorer 2.0: A Database of 2-Photon Single-Vessel Diameter Measurements from Mouse SI Cortex in Response To Optogenetic Stimulation. Front Neuroinform. 11, 4(2017).
  17. Sridhar, V. B., Tian, P., Dale, A. M., Devor, A., Saisan, P. A. Neurovascular Network Explorer 1.0: a database of 2-photon single-vessel diameter measurements with MATLAB((R)) graphical user interface. Front Neuroinform. 8, 56(2014).
  18. Tian, P., et al. Cortical depth-specific microvascular dilation underlies laminar differences in blood oxygenation level-dependent functional MRI signal. Proc Natl Acad Sci U S A. 107 (34), 15246-15251 (2010).
  19. Neurovascular Imaging Laboratory. Use Our Data. , UC San Diego School of Medicine. Available from: https://neurosciences.ucsd.edu/research/labs/nil/Pages/UseOurData.aspx (2017).
  20. Uhlirova, H., et al. Cell type specificity of neurovascular coupling in cerebral cortex. Elife. 5, (2016).
  21. Gagnon, L., et al. Quantifying the microvascular origin of BOLD-fMRI from first principles with two-photon microscopy and an oxygen-sensitive nanoprobe. J Neurosci. 35 (8), 3663-3675 (2015).
  22. Sakadzic, S., et al. Two-photon high-resolution measurement of partial pressure of oxygen in cerebral vasculature and tissue. Nat Methods. 7 (9), 755-759 (2010).
  23. Nizar, K., et al. In vivo stimulus-induced vasodilation occurs without IP3 receptor activation and may precede astrocytic calcium increase. J Neurosci. 33 (19), 8411-8422 (2013).
  24. Reznichenko, L., et al. In vivo alterations in calcium buffering capacity in transgenic mouse model of synucleinopathy. J Neurosci. 32 (29), 9992-9998 (2012).
  25. Langer, J., Rose, C. R. Synaptically induced sodium signals in hippocampal astrocytes in situ. J Physiol. 587 (Pt 24), 5859-5877 (2009).
  26. Gong, Y., et al. High-speed recording of neural spikes in awake mice and flies with a fluorescent voltage sensor. Science. 350 (6266), 1361-1366 (2015).
  27. Tantama, M., Hung, Y. P., Yellen, G. Optogenetic reporters: Fluorescent protein-based genetically encoded indicators of signaling and metabolism in the brain. Prog Brain Res. 196, 235-263 (2012).
  28. Devor, A., et al. "Overshoot" of O(2) is required to maintain baseline tissue oxygenation at locations distal to blood vessels. J Neurosci. 31 (38), 13676-13681 (2011).
  29. Devor, A., et al. Stimulus-induced changes in blood flow and 2-deoxyglucose uptake dissociate in ipsilateral somatosensory cortex. J Neurosci. 28 (53), 14347-14357 (2008).
  30. Rauch, A., Rainer, G., Logothetis, N. K. The effect of a serotonin-induced dissociation between spiking and perisynaptic activity on BOLD functional MRI. Proc Natl Acad Sci U S A. 105 (18), 6759-6764 (2008).
  31. Lemmon, V. P., et al. Minimum information about a spinal cord injury experiment: a proposed reporting standard for spinal cord injury experiments. J Neurotrauma. 31 (15), 1354-1361 (2014).
  32. Ascoli, G. A., Donohue, D. E., Halavi, M. NeuroMorpho.Org: a central resource for neuronal morphologies. J Neurosci. 27 (35), 9247-9251 (2007).
  33. Mennes, M., Biswal, B. B., Castellanos, F. X., Milham, M. P. Making data sharing work: the FCP/INDI experience. Neuroimage. 82, 683-691 (2013).
  34. Marmarou, A., et al. IMPACT database of traumatic brain injury: design and description. J Neurotrauma. 24 (2), 239-250 (2007).

访问受限。请登录或开始试用以查看此内容。

重印与许可

申请许可以重复使用本 JoVE 文章的文本或图表

申请许可

标签

Optogenetic VasomotionTwo Photon MicroscopyVascular Network VisualizationMATLAB GUI ToolCortical Depth AnalysisBranching Order SelectionVessel Diameter MeasurementData Export Function3D Image Stack

相关文章