Methodenartikel

Neurovaskuläre Network Explorer 2.0: Ein einfaches Werkzeug für die Erkundung und Freigeben einer Datenbank Optogenetically-evozierten Vasomotion Maus Kortex In Vivo

DOI:

10.3791/57214

⸱

4. Mai 2018

 ,  ,  ,  ,  ,  ,  ,  ,  , 
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

In diesem Artikel

Zusammenfassung

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

Eine grafische Benutzeroberfläche für die Erkundung und Aufbau einer gemeinsamen Datenbank der Optogenetically-induzierten vaskulären Antworten in Maus somatosensorischen Cortex in Vivo 2-Photonen-Mikroskopie gemessen wird vorgestellt. Es ermöglicht Surfen, Daten, kriterienbasierten Auswahl, Mittelwertbildung, Lokalisierung von Messungen in ein 3D Volumen des Gefäßsystems und das Exportieren der Daten.

Zusammenfassung

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

Die Bedeutung des Teilens experimenteller Daten in den Neurowissenschaften wächst mit der Menge und Komplexität der erfassten Daten und verschiedene Techniken verwendet, um zu erhalten und diese Daten zu verarbeiten. Allerdings erreichen die Mehrheit der experimentellen Daten, insbesondere von Einzelstudien normalgroße Laboratorien nie breiter Forschungsgemeinschaft. Eine grafische Benutzeroberfläche (GUI)-Engine namens Neurovaskuläre Network Explorer 2.0 (NNE 2.0) wurde als ein Werkzeug zur einfachen und kostengünstigen Austausch und Erkundung der vaskulären Bilddaten erstellt. NNE 2.0 arbeitet mit einer Datenbank mit Optogenetically-evozierten Dilatation/Verengung Mal-Kurse der einzelnen Schiffe daran gemessen in Mäusen somatosensorischen Cortex in Vivo 2-Photonen-Mikroskopie. NNE 2.0 ermöglicht die Auswahl und Anzeige der Zeit Kurse anhand verschiedener Kriterien (Thema, verzweigte Ordnung, kortikale Tiefe, Schiffs Durchmesser, Arteriolen Baum) sowie einfache mathematische Manipulation (zB. Mittelung, Peak-Normalisierung) und Daten exportieren. Es unterstützt die Visualisierung des vaskulären Netzwerks in 3D und Lokalisierung der einzelnen funktionalen Schiff Durchmesser Messungen innerhalb von vaskulären Bäumen ermöglicht.

NNE 2.0, dessen Quellcode und die entsprechende Datenbank sind kostenlos herunterladbar von UCSD Neurovaskuläre Imaging Laboratory Website1. Der Quellcode kann von den Nutzern die zugeordneten Datenbank zu erkunden oder als Vorlage für Datenbankkonzepte und teilen ihre eigenen experimentellen Ergebnisse zur Verfügung gestellt des entsprechenden Formates genutzt werden.

Einleitung

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

Das Gehirn gilt als eines der kompliziertesten Organe und der Wunsch, seine komplexe Funktion zu entwirren ist unermüdlicher. Es wird in verschiedenen Maßstäben von der molekularen auf der Verhaltensebene mit einer breiten Palette von Werkzeugen2,3,4,5,6,7,8 studiert . Inhomogenen experimentelle Datenmenge wächst schnell wie nie zuvor. Das Bewusstsein für die Notwendigkeit von experimentellen Daten teilen, Organisation und Standardisierung wächst mit der Menge der erfassten Daten. Es hat sich herausgestellt, dass Neuroinformatik eine entscheidende Rolle bei der Integration von Versuchsdaten Skalen in Modelle von Gehirn Funktion und Dysfunktion9,10.

Zu diesem Zweck konnten einige Studien, vor allem größere Ressourcen, um ihre Ergebnisse über umfangreiche Datenbanken11,12,13,14,15zur Verfügung stellen vorzusehen. Jedoch hat eine große Menge an experimentelle Daten aus Einzelstudien und normalgroße Laboratorien die Forschungsgemeinschaft nie erreicht. Dies ist vor allem aus zwei Gründen: Erstens mehr engagierte Zeit ist notwendig, um eine Datenbank erstellen und Erstellen von Tools, die den Benutzer zur Interaktion mit der Datenbank; und zweitens, wir brauchen mehr Geld um diese Aufgaben zu unterstützen. Motiviert durch diese Herausforderungen, wurde ein MATLAB basierte grafische Benutzeroberfläche (GUI) Motor genannt Neurovaskuläre Network Explorer 2.0 (NNE 2.0)16 als einfache und kostengünstige Instrument für Datenbankkonzepte, teilen und die Erkundung der vaskulären Bilddaten entwickelt. Dieses Manuskript liefert ein Handbuch für den Betrieb von NNE 2.0 und der zugeordneten Datenbank von experimentellen Daten.

NNE 2.0 ist bereits eine zweite Generation Software-Engine. Die erste Generation, genannt Neurovaskuläre Network Explorer 1.0 (NNE 1.0)17 wurde gebaut, um die Interaktion mit einer Datenbank von sensorische evozierte Vasodilatation im primären somatosensorischen Cortex Ratte (SI) in Vivo 2-Photonen-Mikroskopie18gemessen. NNE 1.0, deren Quellcode sowie die zugehörige Datenbank sind frei zum Download als ZIP-Datei namens 'NNE 1 Tian' von UCSD Neurovaskuläre Imaging Laboratory Website1. Weitere Informationen über NNE 1.0 und die zugehörige Datenbank finden Sie im17.

Die zweite Generation, NNE 2.0, interagiert mit einer Datenbank von Optogenetically-evozierten Dilatation der einzelnen Schiffe bei Mäusen SI in Vivo 2-Photonen-Mikroskopie20gemessen. Der Benutzer durchsuchen, auswählen und Visualisieren von Daten basierend auf Auswahl Kategorien wie kortikale Tiefe, verzweigte Ordnung, Schiffs Durchmesser, tierischen Thema oder einen bestimmten Arteriolen Baum. Die GUI weiter führt einfache mathematische Operationen wie Mittelwertbildung und Peak-Normalisierung in ausgewählten Kategorien. NNE 2.0 ermöglicht es, anzeigen und Durchsuchen Sie Bilder 3D Volumen des Gefäßsystems sowie die Standorte der funktionellen Messung innerhalb der vaskulären Bäume bestimmen. Diese Funktion lässt sich rekonstruieren vaskuläre Morphologien in 3D und füllen sie mit echten Single-Schiff Vaso-Motion Messungen. Diese Rekonstruktionen können wiederum in Rechenmodelle Gehirn Funktion21,22einfließen. NNE 2.0, dessen Quellcode und der zugeordneten Datenbank sind frei zum Download als ZIP-Datei namens "NNE 2.0 HDbase v1. 0" von UCSD Neurovaskuläre Imaging Laboratory Website1.

NNE 2.0 arbeitet mit einer Datenbank mit dem Namen "vdb.mat". Diese Datenbank ist eine Matrix mit zeitlichen Profilen (Zeit-Kurse) der einzigen Behälter Durchmesser Veränderungen hervorgerufen durch einen optogenetische Reiz und an verschiedenen Standorten der Arteriolen Bäume gemessen. Jeder Zeit-Kurs wurde mithilfe individuell geschriebenen Software berechnet. Es berechnet die relative Änderung des Schiffs Durchmesser vom Ausbau der Fluoreszenz Intensität Profil erworben durch das Scannen über das Schiff. Die fluoreszierende Kontrast wurde durch intravasale Injektion von Fluorescein erfolgt (FITC) vorgestellt-Dextran beschriftet. Weitere Informationen über die Verfahren, Daten und Analysen finden Sie20,23. Die Datenbank hat insgesamt 305 mal-Kurse (z. B. Datenbank-Einträge). In Ergänzung zu den Durchmesser ändern, jeden Eintrag der Datenbank hält eine Reihe von zusätzlichen Metadaten (1) den Zeitverlauf zu quantifizieren (2) beschreiben das gemessene Schiff und (3) der Messort in ein 3D Volumen der kortikalen Gefäßsystem zu identifizieren. Die Metadaten enthalten Beginn Zeit, Peak Amplitude, Amplitude Spitzenzeit, kortikale Tiefe, verzweigte Ordnung, Schiffs Durchmesser an Grundlinie, Weg zum ursprünglichen Referenzbilder und 3D-Bild Stacks für jede Messung und niedrig-Vergrößerung Karten des Gehirns Oberfläche Gefäßsystem. Finden Sie alle Parameter in den Metadaten aufgeführt und zuvor in Tabelle 116ausführlich beschrieben.

NNE 2.0 interagiert mit Referenzbildern, die X-Y eines Flugzeugs scannt die Durchmessermessung wo aufgetreten ist. Jeder Datenbankeintrag hat eine entsprechende Referenz-Bild mit einem Referenznamen in der GUI angezeigt. Jeder Datenbankeintrag hat auch einen zugehörigen Stapel von Bildern (3D Stack) bestand, ein 3D Volumen der vaskulären Baum, in dem die Messung erfolgte. Die GUI ermöglicht, wählen einen bestimmte Datenbank-Eintrag und Anzeige der entsprechenden Referenz-Bild als auch die 3D Stack. Es führt auch den Benutzer um die passende Referenz-Bild und Rahmen in 3D Stack finden (die gleichen Funktionen finden Sie in beiden Bildern). Alle Stapeln und Referenzbilder in ihrer vollen Auflösung (1024 Pix X 1024 Pix) sind im Ordner Hana_stk und Hana_refs, beziehungsweise enthalten. Low-Vergrößerung Karten des Gehirns Gefäßsystem sind im Ordner "Maps" enthalten. Alle drei Ordner sowie die Datenbank Matrix "vdb.mat" sind in der ZIP-Datei 'NNE 2.0 HDbase v1. 0"von der UCSD Neurovaskuläre Imaging Laboratory Webseite1 heruntergeladen und gespeichert in den Stammordner des NNE 2.0 während des Installationsvorgangs.

Die GUI wurde als ein Satz von vier Tafeln (Panel 1 (Hauptbereich) – Panel 4) entwickelt, die nacheinander öffnen, da der Benutzer die Datenbank untersucht und bestimmte Daten basierend auf Auswahl Kategorien wählt. Jedes Panel gliedert sich in zwei Hauptteile: (1) die Rechte Spalte bietet die Möglichkeit zur Interaktion mit der Datenbank, indem Parameter und Kategorien der Daten und zeigt wichtige Informationen aus den Metadaten; (2) die linke Spalte zeigt die Daten in Form von Zeit-Kurse (Durchmesser ändern in der Zeit) und Streudiagrammen. Es gibt vier Arten von Streudiagrammen anzeigen (1) Dilatation Beginn Zeit (2) der Dilatation Peak (3) max. Durchmesser Änderung (Peak Amplitude) und (4) Grundlinie (Durchmesser vor Stimulation) als Funktion der kortikalen Tiefe. Der Benutzer hat die Möglichkeit, die durchschnittliche Zeit-Kurse und Werte für ausgewählte Daten gruppiert durch kortikale Tiefe oder verzweigte Reihenfolge anzuzeigen. Dies ist auf das Merkmal der gradient Durchmesser-Änderung Verhalten mit zunehmender Tiefe und Verzweigung Bestellung20. NNE 2.0 ermöglicht dem Benutzer, die ausgewählte Teilmenge der Daten in das Format "xls", "CSV" oder ".mat" zu exportieren.

Zugriff eingeschränkt. Bitte melden Sie sich an oder starten Sie eine Testversion, um diesen Inhalt anzuzeigen.

Protokoll

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

1. Installation von NNE 2.0

  1. Gehen Sie zu UCSD Neurovaskuläre Imaging Laboratory Webseite1 und mit der linken Maustaste auf "NNE 2.0 HDbase v1. 0" die gezippte Programmdateien auf den gewünschten Speicherort auf Ihrem PC herunterladen.
    Hinweis: NNE 2.0 erfordert ein Windows-Betriebssystem-Versionen 7 bis 10, mindestens 2,8 GB freien Speicherplatz, die ZIP-Datei herunterzuladen und 6,9 GB zum Installieren des Programms.
  2. 'NNE2_HDbase_v1.0.zip' entpacken.
    Hinweis: Die entpackte Ordner NNE2 enthält 10 Dateien: "hana_refs.tar.gz", "hana_stk.tar.gz", "maps.tgz", "MCRInstaller.exe", "NNE2.exe", "NNE2.zip", "NNE2_README.txt", "source.zip", "users_guide.pdf" und "vdb.mat".
  3. Installieren Sie NNE 2.0, indem Sie folgende Anweisungen im "NNE2_README.txt".

2. laufende NNE 2.0

  1. NNE 2.0 mit 'NNE2.exe' starten.
  2. Panel 1 (Hauptbereich): Wählen Sie eine Teilmenge der Daten (Abbildung 1). Bilder in der linken Spalte des Hauptbereichs zeigen Graphen von Zeit-Kurse und Parameter mit allen Einträgen, die "vdb.mat" (Abbildung 1).
    1. Wählen Sie den Bereich für Kortikale Tiefe in der rechten Spalte des Fensters. Art im Bereich der Tiefe im Format [dmin dmax], wo dmin die minimale Tiefe ist und d-max die maximale Tiefe ist.
      Hinweis: Die Daten wurde in der Tiefe von 30-560 µm gemessen.
    2. Wählen Sie die Verzweigung Reihenfolge in der rechten Spalte des Fensters. Mit der linken Maustaste auf den Pfeil und wählen Sie eine der Optionen aus der Liste (Oberfläche | Tauchen Stamm | Erster Ordnung Filialen | Bestellen Sie höhere Äste).
    3. Wählen Sie den Bereich der Baseline-Durchmesser in der rechten Spalte des Fensters. Geben sie in das Format [Diamin Diamax], wo Diamin ist der Mindestdurchmesser und Diamax ist der maximale Durchmesser.
    4. Wählen Sie Themen (Tiere nach dem Zeitpunkt des Erwerbs) in der rechten Spalte des Fensters. Klicken Sie auf den Pfeil, und wählen Sie aus den verfügbaren Optionen. Alternativ wählen Sie Daten aus allen Fächern mit der linken Maustaste in das blaue Rechteck.
    5. Klicken Sie auf SUBMIT anzeigen und Durchsuchen der ausgewählten Daten im Panel 2.
  3. Panel 2: Entdecken Sie die ausgewählte Teilmenge der Daten und weiter Daten Verfeinerung (Abbildung 2).
    1. Wählen Sie den Typ für die Gruppe-Mittelung der Daten mit der linken Maustaste den entsprechenden Button in der rechten Spalte oben. Wählen Sie: Avg durch kortikale Tiefe oder Avg durch Verzweigung bestellen.
      Hinweis: Die tatsächliche Wahl ist grün unten (Abbildung 2) hervorgehoben.
    2. Wählen Sie Daten basierend auf Schiff Morphologie oder Thema. Mit der linken Maustaste Wählen Sie alle Daten für Baum (eine einzelne Tauchen arteriola und seine Äste) oder Wählen Sie alle Daten für Subj (tierische Thema).
    3. Mit der linken Maustaste senden zum Anzeigen von ausgewählten Daten auf der linken Seite im Graphen (1) individuelle Zeit-Kurse (2) Gruppe gemittelte Zeit-Kurse und Scatter Grundstücke (3) Beginn Zeiten (4) Zeit-Gipfel (5) Peak Amplituden und (6) Grundlinie Durchmessern
    4. Klicken Sie auf eine Spur in den Graphen der einzelnen Timecourses in der linken Spalte einen zeitlichen Verlauf auswählen.
      Hinweis: Die ausgewählte Zeit-Kurs wird hervorgehoben, in der Grafik (Magenta) und seine Zeit, Beginn, Zeit-zu-Peak, Peak Amplitude und Grundlinie Durchmesser wird durch rote Kreise in den folgenden Diagrammen gekennzeichnet. Rote Punkte in den Streudiagrammen sind Durchschnittswerte.
    5. Beachten Sie die Bezeichner des Subjekts (Subjekt-ID) und Baum (Tree ID) für die ausgewählte Zeit-Kurs in der rechten Spalte unten.
    6. Falls gewünscht, ändern Sie den Typ der Gruppe im Durchschnitt mit der linken Maustaste die entsprechende Option auf der Oberseite der rechten Spalte, gefolgt von der Schaltfläche " senden ", und wiederholen Sie die Schritte von 2.3.4.
    7. Maustaste in Gruppe 2 mit einem Kreuz Cursor zu sehen und entdecken alle Spuren für den ausgewählten Thema (Subjekt-ID) oder Baum (Tree ID) in Gruppe 3.
  4. Panel 3: Entdecken Sie die letzten Teilmenge der Daten und exportieren Sie (Abbildung 3).
    1. Wählen Sie einen zeitlichen Verlauf in die obere Grafik der linken Spalte mit der linken Maustaste auf eine Spur: die ausgewählte Ablaufverfolgung wird in der Grafik (Magenta) hervorgehoben und beschreibenden Parameter des Datenbankeintrags werden oben auf der Grafik angezeigt werden.
      Hinweis: Die durchschnittliche Zeitverlauf erscheint in dicken schwarzen (Abbildung 3).
    2. Beachten Sie entsprechende Beginn Zeit, Time-to-Peak, Peak Amplitude und Grundlinie Durchmesser in den folgenden Diagrammen.
    3. Klicken Sie auf die Schaltfläche EXPORT SET in der rechten Spalte speichern Spuren in den Ordner wo NNE 2.0 läuft aus in der oberen Grafik angezeigt.
      Hinweis: Diese Aktion spart drei Dateien: "vdb_subset.xls", "vdb_subset.csv" und "vdb_subset.mat" mit Vektoren der Durchmesser Veränderung und Zeit Vektoren; "vdb_subset.mat" enthält außerdem beschreibenden Parameter und Informationen von "vdb.mat".
    4. Um alle Daten zu überprüfen für 'Betreff' anstelle von 'Baum' Panel 3 durch Drücken der Taste [x], Neustart NNE 2.0 schließen, wiederholen Sie die Auswahl der Kategorien in Panel 1 (Schritte 2.2.1-2.2.5) und wählen Sie alle Daten für Thema im Panel 2 (Schritt 2.3.2).
    5. Der rechten Maustaste im Panel 3 mit einem Kreuz Cursor zu Panel 4 Referenzbilder und 3D Stacks für alle Spuren in der oberen Grafik Panel 3 erkunden gehen.
      Hinweis: 4 wird geöffnet wenn option alle Daten für "Baum" im Panel 2 ausgewählt wurde. Wenn alle Daten für 'Betreff' stattdessen ausgewählt wurden, wird der Benutzer aufgefordert, seine Auswahl zu ändern und zu Panel 1 gerichtet.
  5. Panel 4: Lokalisieren Sie die funktionale Messung innerhalb ein Referenzbild und innerhalb eines Stapels 3D-Bild des Gefäßsystems (Abbildung 4).
    1. Wählen Sie einen zeitlichen Verlauf mit der linken Maustaste auf sie in der Grafik oben auf der linken Spalte.
      Hinweis: Die ausgewählte Ablaufverfolgung wird in der Grafik (Magenta) hervorgehoben und seine beschreibende Informationen von Metadaten wird oben angezeigt.
    2. Entdecken Sie die entsprechenden Referenz-Bild, die aus "Hana_refs" Ordner "" unten rechts von der linken Spalte automatisch geladen wird.
    3. Entdecken Sie den entsprechenden 3D-Bild Stapel automatisch von "Hana_stk" Ordner unten links von der linken Spalte geladen. Blättern Sie durch Stapel mit Hilfe der Pfeile oder Schieberegler unter dem Vorjahreswert.
      Hinweis: Wenn der Stack Bild erreicht das Niveau des Referenzbildes – d.h. der Durchmesser Messniveau ('Stack Index' = 'Ref'), das Stack Bild hervorgehoben und gekennzeichnet als "Frame-Ebene".
    4. Klicken Sie auf Exportieren in der rechten Spalte auf markierte Zeit-Kurs exportieren in eine Datei "ref_stacks_trace.xls", die in den Ordner gespeichert ist dem NNE 2.0 aus ausgeführt wird.
      Hinweis: Die Datei enthält die Zeit Vektor, Durchmesser ändern Vektor, Subjekt-ID, Eintrag Index, Position des Referenz-Bild, Standort der 3D Stack und Stack-Bild-Nummer für die Frame-Ebene.
    5. Unmittelbarer Nähe Panel 4 [X], gehen zurück zum Panel 1.

Zugriff eingeschränkt. Bitte melden Sie sich an oder starten Sie eine Testversion, um diesen Inhalt anzuzeigen.

Ergebnisse

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

NNE 2.0 und die assoziierte Datenbank dienen zu durchsuchen und die Daten der Datenbank anzeigen, Sortieren Sie die Daten anhand der Auswahlkriterien die ausgewählten Daten herunterladen und finden die vaskulären Messungen innerhalb der entsprechenden vaskuläre Struktur.

Panel 1 bietet Auswahl von Daten anhand von Kategorien: "Kortikale Tiefe", 'Verzweigung Ordnung', "Baseline Durchmesser" und "Themen"- Abbi...

Zugriff eingeschränkt. Bitte melden Sie sich an oder starten Sie eine Testversion, um diesen Inhalt anzuzeigen.

Diskussion

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

NNE 2.0 wurde geschrieben, um die vaskulären Bilddaten eine spezifische Studie20 , aber mit der Absicht, ein einfaches Werkzeug für den Austausch und Durchsuchen von Daten ähnlicher Art Teilen von anderen Benutzern. Forscher interessiert Inspektion der zugeordneten Datenbank von vaskulären Daten können die GUI verwenden, um die Daten durchsuchen, wählen Teilmengen von Daten, vergleichen Sie diese mit ihren eigenen Versuchsergebnissen oder verarbeiten sie weiter mit ihren eigenen rechnerischen Verf...

Zugriff eingeschränkt. Bitte melden Sie sich an oder starten Sie eine Testversion, um diesen Inhalt anzuzeigen.

Offenlegungen

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

Die Autoren haben nichts preisgeben.

Danksagungen

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

Wir erkennen dankbar Unterstützung vom NIH (NS057198, EB00790, MH111359 und S10RR029050) und das Ministerium für Bildung, Jugend und Sport der Tschechischen Republik (CEITEC 2020, LQ1601). KK wurde von Postdoc-Stipendien von der International Headache Society im Jahr 2014 und der wissenschaftlichen und technologischen Forschungsrat der Türkei im Jahr 2015 unterstützt. MT wurde von Postdoktoranden-Stipendium der Deutschen Forschungsgemeinschaft (DFG TH 2031/1) unterstützt.

Zugriff eingeschränkt. Bitte melden Sie sich an oder starten Sie eine Testversion, um diesen Inhalt anzuzeigen.

Materialien

Liste der in diesem Artikel verwendeten Materialien
NameUnternehmenKatalognummerKommentare
MATLABMathWorks-Programm
WinrarRarlabs-Programm

Referenzen

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

Zugriff eingeschränkt. Bitte melden Sie sich an oder starten Sie eine Testversion, um diesen Inhalt anzuzeigen.

Nachdrucke und Genehmigungen

Genehmigung beantragen, um den Text oder die Abbildungen dieses JoVE-Artikels zu verwenden

Genehmigung beantragen

Schlagwörter

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

Verwandte Artikel