需要JoVE订阅才能观看此内容。 请登录或开始免费试用

方法文章

Neurovascular Network Explorer 2.0：一种用于探索和共享小鼠活体皮层光遗传学诱发血管运动数据库的简易工具

5.6K 次观看

⸱

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

本文介绍了一种图形用户界面，用于探索和共享通过双光子显微镜在活体小鼠体感皮层中测量的光遗传学诱导血管反应数据库。in vivo。该界面支持浏览数据、基于条件的筛选、数据平均、在血管三维体积内定位测量位置以及导出数据。

摘要

神经科学领域中，随着所获取数据的数量和复杂性不断增加，以及用于获取和处理这些数据的技术日益多样化，共享实验数据的重要性愈发凸显。然而，大多数实验数据，尤其是来自常规规模实验室的独立研究数据，从未能广泛地传递至整个科研群体。为此开发了一款名为神经血管网络浏览器2.0（Neurovascular Network Explorer 2.0，NNE 2.0）的图形用户界面（GUI）引擎，作为实现血管成像数据简便且低成本共享与探索的工具。NNE 2.0 可与数据库交互，该数据库包含在小鼠体感皮层中测量的单个血管由光遗传学刺激引发的扩张/收缩时间序列数据。 体内 通过双光子显微镜。NNE 2.0 能够根据不同的标准（受试者、分支顺序、皮层深度、血管直径、小动脉树）选择并显示时间序列，以及进行简单的数学运算例如平均、峰值归一化）和数据导出。它支持三维血管网络的可视化，并可实现血管树中单个功能性血管直径测量值的精确定位。

NNE 2.0、其源代码及相应数据库可从加州大学圣地亚哥分校神经血管成像实验室网站免费下载1。用户可利用该源代码访问相关数据库，或将其作为模板，以适当格式建立数据库并共享自身的实验结果。

引言

大脑被认为是人体最复杂的器官之一，揭示其复杂功能的渴望从未减弱。目前，研究人员正利用多种工具，从分子水平到行为水平等多个尺度对大脑进行研究2,3,4,5,6,7,8。非均质性实验数据的数量以前所未有的速度增长。随着所获取数据量的增加，人们对实验数据共享、组织和标准化需求的认识也在不断加深。显然，神经信息学将在跨尺度整合实验数据、构建脑功能与脑功能障碍模型方面发挥关键作用9,10。

为此，一些研究，尤其是大规模研究，能够划拨资源，通过大型数据库公开其研究成果11,12,13,14,15。然而，大量来自独立研究和常规规模实验室的实验数据从未到达更广泛的研究群体。这主要出于两个原因：首先，构建数据库并开发使用户能够与数据库交互的工具需要投入更多专门的时间；其次，完成这些任务需要更多的资金支持。受这些挑战的推动，研究人员开发了一款基于 MATLAB 的图形用户界面（GUI）引擎，称为神经血管网络探索器 2.0（Neurovascular Network Explorer 2.0，NNE 2.0）16，作为用于血管成像数据的存储、共享与探索的简易且低成本工具。本文稿提供了 NNE 2.0 及其相关实验数据库的操作手册。

NNE 2.0 已经是第二代软件引擎。第一代称为神经血管网络探索器 1.0（NNE 1.0）17 旨在与大鼠初级躯体感觉皮层（SI）感觉诱发血管舒张数据库进行交互 体内 通过双光子显微镜测量18NNE 1.0 及其源代码和相关数据库可从加州大学圣地亚哥分校神经血管成像实验室网站免费下载，下载文件为名为“NNE 1 Tian”的压缩包1有关 NNE 1.0 及其相关数据库的更多信息，可参见17.

第二代NNE 2.0与小鼠体感皮层单个血管光遗传学诱导扩张的数据库进行交互 在体内 通过双光子显微镜测量20用户可根据皮层深度、分支顺序、血管直径、实验动物个体或特定小动脉树等分类选项浏览、选择和可视化数据。图形用户界面还可对选定类别执行简单的数学运算，如求平均值和峰值归一化。NNE 2.0 支持查看和浏览捕获血管系统三维体积的图像，并可识别功能测量在血管树中的具体位置。该功能可用于重建血管的三维形态结构，并加载真实的单条血管血管运动测量数据。这些重建结果可进一步整合至脑功能计算模型中。21,22NNE 2.0、其源代码及关联数据库可从加州大学圣地亚哥分校神经血管成像实验室网站免费下载，下载文件为名为“NNE 2.0 HDbase v1.0”的压缩包。1.

NNE 2.0 使用一个名为 'vdb.mat' 的数据库。该数据库是一个矩阵，包含由光遗传学刺激诱发并在小动脉树不同位置测量得到的单个血管直径变化的时间过程（时间序列）数据。每条时间序列均通过自定义编写的软件计算得出，该软件通过扫描血管横截面获取的荧光强度轮廓，计算血管直径的相对变化。荧光对比度由血管内注射异硫氰酸荧光素（FITC）标记的葡聚糖实现。有关数据和分析方法的更多信息，请参见20,23。该数据库共包含 305 条时间序列（即数据库条目）。除直径变化数据外，每个数据库条目还包含一组附加的元数据，用于（1）量化时间序列特征，（2）描述被测血管的属性，以及（3）标识在皮层血管三维结构中的测量位置。元数据包括起始时间、峰值幅度、达峰时间、皮层深度、分支级数、基线血管直径、原始参考图像的存储路径、每次测量对应的三维图像堆栈，以及脑表面血管的低倍率图谱。所有元数据参数的详细列表与说明此前已在 表 116 中提供。

NNE 2.0 与参考图像进行交互，这些参考图像是在进行直径测量的平面上获取的 X-Y 扫描图像。每个数据库条目均对应一幅参考图像，其参考名称在图形用户界面（GUI）中显示。每个数据库条目还关联有一组图像堆栈（3D 堆栈），用于记录测量所在血管树的三维体积。GUI 可用于选择特定的数据库条目，并显示相应的参考图像及 3D 堆栈图像。它还能引导用户在 3D 堆栈中找到与参考图像匹配的图像帧（两幅图像中可观察到相同的结构特征）。所有堆栈图像和参考图像的全分辨率版本（1024 像素 × 1024 像素）分别存储在文件夹 hana_stk 和 hana_refs 中。低倍率的脑血管图谱包含在 'maps' 文件夹中。上述三个文件夹以及数据库矩阵 'vdb.mat' 均包含在从加州大学圣地亚哥分校神经血管成像实验室网站下载的压缩文件 'NNE 2.0 HDbase v1.0' 中。1 并在安装过程中保存到 NNE 2.0 的根文件夹中。

该图形用户界面（GUI）设计为四个面板（面板1（主面板）至面板4），用户在浏览数据库并根据选择类别筛选特定数据时，面板将依次打开。每个面板分为两个主要部分：（1）右侧栏允许用户通过选择数据的参数和类别与数据库进行交互，并显示来自元数据的重要信息；（2）左侧栏以时间过程曲线（随时间变化的直径改变）和散点图的形式展示数据。共有四种类型的散点图，分别显示（1）扩张起始时间、（2）扩张峰值时间、（3）最大直径变化（峰值幅度）和（4）基线直径（刺激前直径）随皮层深度的变化关系。用户可以选择按皮层深度或分支顺序对数据进行分组，并显示所选数据的平均时间过程曲线及数值，以突出直径变化行为随深度和分支顺序增加而呈现梯度变化的特征20。NNE 2.0 允许用户将选定的数据子集导出为“.xls”、“.csv”或“.mat”格式。

访问受限。请登录或开始试用以查看此内容。

方案

1. NNE 2.0 的安装

  1. 访问加州大学圣地亚哥分校神经血管成像实验室网站1，左键点击“NNE 2.0 HDbase v1.0”以将压缩的程序文件下载到您计算机上的指定位置。
    注意：NNE 2.0 需要 Windows 7 至 10 操作系统，下载压缩文件至少需要 2.8 GB 的可用空间，安装程序则需要 6.9 GB 的可用空间。
  2. 解压“NNE2_HDbase_v1.0.zip”。
    注意：解压后的 NNE2 文件夹包含 10 个文件：“hana_refs.tar.gz”、“hana_stk.tar.gz”、“maps.tgz”、“MCRInstaller.exe”、“NNE2.exe”、“NNE2.zip” 、“NNE2_README.txt”、“source.zip”、“users_guide.pdf”和“vdb.mat”。
  3. 按照“NNE2_README.txt”中的说明安装 NNE 2.0。

2. 运行 NNE 2.0

  1. 使用“NNE2.exe”启动 NNE 2.0。
  2. 面板 1（主面板）：选择数据子集（图 1）。主面板左侧列中的图像显示了“vdb.mat”中所有条目的时间过程图和参数（图 1）。
    1. 在面板右侧列中选择皮层深度范围。以 [dmin dmax] 格式输入深度范围，其中 dmin 为最小深度，dmax 为最大深度。
      注意：数据测量深度范围为 30–560 µm。
    2. 在面板右侧列中选择分支级数。单击箭头并从下拉列表中选择一个选项（表面 | 下潜主干 | 一级分支 | 更高级别分支）。
    3. 在面板右侧列中选择基线直径范围。以 [diamin diamax] 格式输入，其中 diamin 为最小直径，diamax 为最大直径。
    4. 在面板右侧列中选择受试者（根据采集日期对应的动物）。单击箭头并从可用选项中选择。或者，通过单击蓝色矩形中的“全部”来选择所有受试者的数据。
    5. 点击提交，在面板 2 中显示并浏览所选数据。
  3. 面板 2：浏览所选数据子集并进一步进行数据细化（图 2）。
    1. 在右侧列顶部单击适当的按钮，选择数据的组平均类型。可选择：按皮层深度平均或按分支级数平均。
      注意：实际选择项将在下方以绿色高亮显示（图 2）。
    2. 根据血管形态或受试者选择数据。单击选择树的所有数据（单个下潜小动脉及其分支）或选择受试者的所有数据（动物个体）。
    3. 单击提交，在左侧的图表中显示所选数据，包括：(1) 个体时间过程图；(2) 组平均时间过程图；以及散点图：(3) 起始时间；(4) 达峰时间；(5) 峰值幅度；(6) 基线直径。
    4. 在左侧列的个体时间过程图中单击某一条迹线以选择该时间过程。
      注意：所选时间过程将在图中以品红色高亮显示，其起始时间、达峰时间、峰值幅度和基线直径将在下方图表中以红色圆圈标记。散点图中的红点为平均值。
    5. 在右侧列底部注意所选时间过程对应的受试者标识符（受试者 ID）和树标识符（树 ID）。
    6. 如需更改组平均类型，可在右侧列顶部单击相应选项，然后点击提交按钮，并重复步骤 2.3.4。
    7. 在面板 2 中任意位置使用十字光标右击，可在面板 3 中查看并浏览所选受试者（受试者 ID）或树（树 ID）的所有迹线。
  4. 面板 3：浏览最终的数据子集并导出数据（图 3）。
    1. 在左侧列顶部图中通过单击某条迹线来选择一个时间过程：所选迹线将在图中以品红色高亮显示，数据库条目的描述性参数将显示在图上方。
      注意：平均时间过程以粗黑线显示（图 3）。
    2. 在下方图表中查看对应的起始时间、达峰时间、峰值幅度和基线直径。
    3. 在右侧列中单击导出集合按钮，将顶部图中显示的迹线保存至 NNE 2.0 运行所在的文件夹。
      注意：此操作将生成三个文件：“vdb_subset.xls”、“vdb_subset.csv”和“vdb_subset.mat”，其中包含直径变化向量和时间向量；“vdb_subset.mat”还包含来自“vdb.mat”的描述性参数和信息。
    4. 若要检查“受试者”而非“树”的全部数据，请关闭面板 3（点击 [x]），重新启动 NNE 2.0，重复面板 1 中的类别选择（步骤 2.2.1–2.2.5），然后在面板 2 中选择受试者的所有数据（步骤 2.3.2）。
    5. 在面板 3 中任意位置使用十字光标右击，进入面板 4，以浏览面板 3 顶部图中所有迹线对应的参考图像和血管三维图像栈。
      注意：仅当在面板 2 中选择了“树”的全部数据时，面板 4 才会打开。若选择了“受试者”的全部数据，系统将提示用户更改选择并返回面板 1。
  5. 面板 4：在参考图像和血管三维图像栈中定位功能测量位置（图 4）。
    1. 在左侧列顶部图中单击某条时间过程以选择之。
      注意：所选迹线将在图中以品红色高亮显示，其元数据中的描述性信息将显示在图上方。
    2. 浏览自动从“hana_refs”文件夹加载的对应参考图像，该图像位于左侧列右下角。
    3. 浏览自动从“hana_stk”文件夹加载的对应三维图像栈，该图像栈位于左侧列左下角。使用下方箭头或滑块滚动浏览图像栈。
      注意：当三维图像栈到达参考图像层面（即直径测量层面，“Stack index” = “Ref”）时，该图像将被高亮并标记为“Frame level”。
    4. 在右侧列中点击导出集合，将高亮的时间过程导出为文件“ref_stacks_trace.xls”，并保存至 NNE 2.0 运行所在的文件夹。
      注意：该文件包含时间向量、直径变化向量、受试者 ID、条目索引、参考图像位置、三维图像栈位置以及帧层面的图像编号。
    5. 通过点击 [x] 关闭面板 4，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

NNE 2.0 及其关联数据库可用于浏览和查看数据库中的数据，根据选定条件对数据进行筛选，下载所选数据，以及在相应的血管树中查找血管测量值。

面板1展示了基于以下类别的数据筛选：“皮层深度”、“分支顺序”、“基线直径”和“受试者”（图1）。请注意，在本研究中，“分支顺序”筛选类别下没有表层小动脉（“表层”）的记录。如果选择该选项，将弹出警告对话框“未找到记录——搜索条件过于严格”，提示用户选择其他选项。如果在面板1中所选条件无匹配的测量数据，也会出现相同的警告。此时，用户应通过点击[x]关闭面板1，并重新启动程序。

所有满足图1中选定标准的直径变化时间过程均可在图2（图2）中查看。用户可浏览所有单个时间过程、按皮层...

访问受限。请登录或开始试用以查看此内容。

讨论

NNE 2.0 的编写旨在共享一项特定研究的血管成像数据20，同时也希望为其他用户提供一个简单工具，用于共享和探索同类数据。有兴趣查看相关血管数据库的研究人员可使用图形用户界面（GUI）浏览数据、选择数据子集，将其与自身的实验结果进行比较，或使用自有的计算流程进一步处理数据。熟悉 MATLAB 的用户可直接使用数据库文件“vdb.mat”，而使用其他编程语言的用户则可将数据导出为多种替代格式之一（“.xls”或“.csv”）。

希望使用 NNE 2.0 共享自身实验数据的研究人员需要将结果整理成类似于“vdb.mat”的矩阵格式。数据库的主要条目应为任何形式的时间序列数据（以向量形式表示）以及对应的时间向量。可通过图形用户界面（GUI）的模块化结构对数据库参数进行修改或添加。所有参考图像、图像序列和脑区暴露图谱（如适用）应与数据库及可执行的图形用户界面一并收集，并上传至互联网（例如实验室网站或第三方存储库）。

对在脑功能建模研究中结合使用血管测量数据与三维血管形态的研究人员，可首...

访问受限。请登录或开始试用以查看此内容。

披露

作者无任何利益冲突需要披露。

致谢

我们衷心感谢美国国立卫生研究院（NIH，项目编号：NS057198、EB00790、MH111359 和 S10RR029050）以及捷克共和国教育、青年和体育部（CEITEC 2020，LQ1601）提供的资助。KK 于 2014 年获得国际头痛学会的博士后奖学金资助，并于 2015 年获得土耳其科学技术研究理事会的博士后奖学金资助。MT 获得了德国研究基金会（DFG TH 2031/1）的博士后奖学金资助。

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

  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

标签

光遗传血管运动双光子显微镜血管网络可视化MATLAB图形用户界面工具皮层深度分析分支级次选择血管直径测量数据导出功能三维图像堆栈
Neurovascular Network Explorer 2.0：一种用于探索和共享小鼠活体皮层光遗传学诱发血管运动数据库的简易工具
联系我们
向图书馆推荐

隐私政策

使用条款

政策

版权所有 © 2026 MyJoVE Corporation。保留所有权利。