Halbautomatische Analyse der Spitzenamplitude und Latenz für auditive Hirnstammantwort-Wellenformen mit R
9. Dezember 2022
Dieser Artikel beschreibt die halbautomatische Messung der Amplituden und Latenzen der ersten fünf Spitzen und Täler in der Wellenform der auditiven Hirnstammantwort. Eine zusätzliche Routine kompiliert und kommentiert die Daten in einer Tabelle für die Analyse des Experimentators. Diese freien Computerroutinen werden mit dem Open-Source-Statistikpaket R ausgeführt.
Auditorische Hirnstammreaktionen werden routinemäßig gesammelt, um Hörschwellen zu bestimmen. Die ABR-Wellenform enthält zusätzliche Informationen zur Hirnstammaktivität, aber bisher mussten viele Forscher diese manuell analysieren. R-Skripte arbeiten mit R-Software im RStudio-Framework zusammen, um die ABR-Wellenformanalyse halb zu automatisieren.
Sie sind kostenlos und einfach zu bedienen. Wir hoffen, dass die Routineanalyse der ABR-Wellenform es späteren Studien ermöglichen wird, die Relevanz dieser präkognitiven auditiven Verarbeitung für die Diagnose zu beurteilen. Exportieren Sie zunächst die auditive Hirnstammreaktion oder ABR-Aufzeichnung als ASCII-Datei.
Öffnen Sie für IHS das Computerprogramm, laden Sie die gewünschte Datei und zeigen Sie die gewünschten Wellenformen auf einer Seite an. Wählen Sie auf der Registerkarte Daten die Option Seite als ASCII speichern aus, um eine txt-Datei zu erhalten. Nachdem Sie die Datendatei entsprechend mit einer ID benannt haben, zeichnen Sie die ID und die Betreffinformationen in einer Metadatendatei mit dem Namen info auf.
csv, wobei sichergestellt wird, dass keine Informationen wie Genotyp, Geschlecht, Alter oder Behandlung in die ID aufgenommen werden.Wiederholen Sie die Schritte mit allen zu analysierenden Dateien als separate ID-Dateien und erhalten Sie die Metadaten. Laden Sie die Programme R und RStudio von den jeweiligen Websites herunter und installieren Sie sie. Installieren Sie dann die erforderlichen Bibliotheken tidyverse, Shiny, Plotly und Zoo mit den erforderlichen Befehlen im Befehlsfenster von RStudio.
Laden Sie als Nächstes die Skriptfindpeaks herunter. R und see_trace_click. r aus dem White Lab GitHub sowie die zugehörige Dateizeit.csv.
Erstellen Sie einen neuen Ordner mit dem Namen Testordner, um alle ASCII-Dateien (info) abzulegen. CSV und Zeit.csv. Erstellen Sie im Testordner einen Unterordner mit dem Namen ASCII-Ordner, und platzieren Sie die ASCII-Dateien.
Öffnen Sie die Findpeaks. r-Skript in RStudio, indem Sie mit der rechten Maustaste auf die Registerkarte für das Skript in der Symbolleiste klicken, um das festgelegte Arbeitsverzeichnis auszuwählen und auf Testordner festzulegen. Klicken Sie im Skriptfenster oben rechts in der Symbolleiste auf Quelle, um das Programm zu laden.
Verwenden Sie dann im Befehlsfenster die Befehle, um die Wellenformen im Einzel- und Stapelverarbeitungsmodus zu analysieren. Laden Sie die Wellenformdaten für die jeweilige Person mit dem Befehl. Als nächstes im geöffneten Fenster von see_trace_click.
r-Skript in RStudio, klicken Sie in der Kopfzeile auf die Schaltfläche App ausführen und warten Sie, bis ein neues interaktives Fenster angezeigt wird. Geben Sie im Feld oben links den Schallpegel für die Wellenform ein, die überarbeitet werden muss, und suchen Sie nach der im Fenster angezeigten Wellenform. Bewegen Sie den Cursor um die Wellenform, um die Latenz und Amplitude an einem beliebigen Punkt anzuzeigen.
Um die Latenz- und Amplitudendaten aufzuzeichnen, klicken Sie auf die richtige Spitze und kopieren Sie die Daten und fügen Sie sie in die CSV-Datei ein. Wiederholen Sie den Vorgang, um die Daten für den Trog nach einem sofortigen Peak aufzuzeichnen, und berechnen Sie die Amplitudenmessung, indem Sie die Trogamplitude von der Spitzenamplitude in der Tabellenzelle subtrahieren. Übertragen Sie die verifizierte.
CSV-Dateien in einen neuen Unterordner mit dem Namen Peak Data im Testordner, um die Daten anzufügen. Kombinieren Sie als Nächstes die Metadaten, indem Sie den Befehl ausführen. Um statistische Analysen der kompilierten Daten durchzuführen, verwenden Sie einen Normalitätstest wie den Shapiro-Wilk-Test, um die Verteilung der Daten durch Ausführen der Funktion zu bewerten.
Wenn der Shapiro-Wilk-Test nicht signifikant ist, bedeutet dies, dass der Datensatz eine Normalverteilung aufweist. Bewerten Sie daher die Daten mit einem parametrischen Test wie ANOVA, indem Sie die Funktion ausführen. Wenn der Shapiro-Wilk-Test kleiner als P gleich 0,05 ist, verwenden Sie den Kruskal-Wallis-Rangsummentest oder ein anderes geeignetes nichtparametrisches Maß.
Zeigen Sie abschließend die durchschnittlichen Wellenformen an, indem Sie den Befehl ausführen. In der Wellenformantwort von 75 Dezibel Klickreiz für eine junge F1-Maus wurden die Spitzen und Täler automatisch mit findpeaks.r identifiziert. Die Wellenformen zwischen 5 und 75 Dezibel erhalten aus den manuell identifizierten Peaks und Findpeaks.
r verglichen wurden. Die Mittelwerte werden als schwere Linien dargestellt, wobei der schattierte Bereich eine Standardabweichung darstellt und die Ergebnisse durch Suchspitzen erhalten werden. r korreliert stark mit den manuellen Ergebnissen.
Wenn Sie dieses Verfahren versuchen, denken Sie daran, das Arbeitsverzeichnis festzulegen, da dies sehr wichtig ist. Das R-Skript bezeichnet Spitzen und Täler basierend auf den Latenzfenstern für die mit der Uhrzeit implementierte Maus-ABR. csv-Datei.
Dies kann von Benutzern modifiziert werden, um andere EEG-Wellenformen zu quantifizieren.
Übersicht
In diesem Artikel wird eine halbautomatisierte Methode zur Messung der Amplituden und Latenzen der ersten fünf Peaks und Täler in der Wellenform der auditorischen Hirnstammantwort (ABR) beschrieben. Mithilfe des Open-Source-Statistikpakets R können Forschende ABR-Daten effizienter analysieren als mit manuellen Methoden, was die weitere Untersuchung präkognitiver auditorischer Verarbeitungsprozesse erleichtert.
Wesentliche Studienkomponenten
Bereich der Wissenschaft
- Auditive Neurowissenschaften
- Elektrophysiologie
- Datenanalyse
Hintergrund
- Auditive Hirnstammantworten sind wichtig zur Bestimmung der Hörschwellen.
- Die ABR-Wellenform enthält wertvolle Informationen über die Aktivität des Hirnstamms.
- Viele Forscher führten zuvor eine manuelle Analyse der ABR-Wellenformen durch.
- Diese Studie zielt darauf ab, die Analyse mithilfe von R-Skripten zu vereinfachen.
Zweck der Studie
- Automatisierung der Messung von Amplituden und Latenzen in ABR-Auditory-Break Response-Wellenformen.
- Verbesserung der Fähigkeit zur Beurteilung der auditorischen Verarbeitung in der Diagnostik.
- Bereitstellung kostenfreier und zugänglicher Analysewerkzeuge für Forschende.
Verwendete Methoden
- Die verwendete Plattform ist die R-Software im Rahmen von RStudio.
- Das Hauptbiomodell besteht aus auditorischen Hirnstammantwortdaten, die aus einer Aufnahmesoftware exportiert wurden.
- Die Forschenden erstellen einen Testordner zur Datensortierung und führen spezifische R-Skripte zur Analyse aus.
- Detaillierte Befehlszeilenanweisungen führen die Nutzer durch das Laden und Analysieren von Wellenformdaten.
- Statistische Methoden wie die Varianzanalyse (ANOVA) und nichtparametrische Tests bewerten die Datenverteilungen.
Hauptergebnisse
- Die automatisierte Analyse korreliert stark mit den manuellen Ergebnissen bezüglich der ABR-Wellenformmerkmale.
- Statistische Tests bestätigen die Signifikanz der identifizierten Peaks und Täler.
- Die Studie unterstreicht die Zuverlässigkeit der automatisierten Methode bei der Quantifizierung der Hirnstammaktivität.
Schlussfolgerungen
- Diese Studie zeigt die Wirksamkeit von R-Skripten bei der Automatisierung der ABR-Wellenformanalyse.
- Die routinemäßige Analyse ermöglicht ein besseres Verständnis der Mechanismen der auditorischen Verarbeitung.
- Die beschriebenen Methoden können bei Bedarf für verschiedene EEG-Wellenformquantifizierungen angepasst werden.
Häufig gestellte Fragen
Ausschlaggebende Bedeutung für die Industrie
Mithilfe von R ermöglicht die halbautomatisierte Analyse von auditorischen Hirnstammantworten (ABR)-Wellenformen eine skalierbare, quantitative Beurteilung der neuronalen Funktion in präklinischen Modellen. Dieser Ansatz verringert den manuellen Arbeitsaufwand und erhöht die Reproduzierbarkeit, wodurch eine robuste Zielvalidierung und mechanistische Ent-Risikobewertung in auditorischen und neuropharmakologischen Entwicklungsprozessen unterstützt wird. Die Integration standardisierter Wellenform-Analytik verbessert das Vorhersagevertrauen zu frühen Zeitpunkten der Entdeckung und bei translationalen Entscheidungspunkten.
Strategische Anwendungen in der Biopharma-Forschung und -Entwicklung
Frühe Entdeckung und Zielvalidierung
- Ermöglicht die objektive Quantifizierung von Amplituden und Latenzen neuronaler Antworten zur funktionellen Zielstrukturvalidierung.
- Unterstützt die mechanistische Risikominimierung, indem reproduzierbare, quantitative neuronale Messgrößen bereitgestellt werden.
- Erleichtert die Portfolio-Priorisierung, indem Daten über experimentelle Bedingungen und Kohorten hinweg standardisiert werden.
Screening und Assay-Entwicklung
- Bereitet validierte elektrophysiologische Assays für nachgeschaltete Verbindungsscreening-Workflows vor.
- Verbessert die Reproduzierbarkeit und Standardisierung von Assays durch halbautomatisierte Datengewinnung.
- Erzeugt quantitative Ausgabedaten, die für Hochdurchsatz- oder Vergleichsstudien geeignet sind.
- Ermöglicht eine zuverlässige Bewertung der Wirkung auditorischer oder neuroaktiver Verbindungen.
Translationale und präklinische Forschung
- Koppelt präklinische neuronale Reaktionsdaten gegebenenfalls mit translationalen Biomarker-Strategien.
- Unterstützt die Kontinuität von der frühen Entdeckung bis zur präklinischen Validierung, indem konsistente Wellenform-Analysen ermöglicht werden.
- Liefert risikoadjustierte Daten für Entscheidungen über die Weiterentwicklung in Neuropharmakologie- und Hörforschungsportfolios.
Pipeline- und Workflow-Integration
Diese halbautomatische ABR-Analysenmethode eignet sich von der frühen Entdeckung bis hin zur präklinischen Forschung und unterstützt die Identifizierung von Wirkstoffkandidaten sowie die Entwicklung translationsbezogener Biomarker, wenn neuronale Endpunkte von Relevanz sind.
- Entdeckungsbiologie: Ermöglicht die Hypothesenprüfung und Klärung von Signalwegen anhand quantitativer Metriken neuronaler Reaktionen.
- Screening: Liefert reproduzierbare, einsatzbereite Assayausgaben zur Verbindungsbewertung und zum Vergleich zwischen verschiedenen Bedingungen.
- Analytik: Stellt statistische Ausgaben bereit, einschließlich Normalverteilungstests und parametrischer/nichtparametrischer Vergleiche, um fundierte Entscheidungen zu ermöglichen.
- Translationale Forschung: Unterstützt die Biomarkerabstimmung und Kontinuität, wenn ABR- oder ähnliche Wellenformen als translationale Endpunkte verwendet werden.
- Unternehmensweite Wiederverwendung: Bietet eine wiederverwendbare, Open-Source-Analysefunktion, die an andere elektrophysiologische Datensätze angepasst werden kann.
Operative und unternehmerische Auswirkungen
- Wissenschaftlicher Wert: Erhöht die Vorhersagesicherheit und verringert mechanistische Mehrdeutigkeiten bei der Validierung neuronaler Zielstrukturen.
- Operationaler Wert: Standardisiert und vereinfacht die Analyse von Wellenformen und verbessert dadurch Reproduzierbarkeit und Skalierbarkeit.
- Strategischer Wert: Ermöglicht fundiertere Go/No-Go-Entscheidungen und kapitaleffizientes Portfolio-Management.
- Portfolio-Implikation: Unterstützt die risikoadjustierte Priorisierung und Weiterentwicklung von Assets in der Neuropharmakologie und Hörforschung.
Durchführungsüberlegungen
- Erfordert Fachkenntnisse in Elektrophysiologie und R-basierter Datenanalyse.
- Benötigt Zugang zu R, RStudio und relevanten Open-Source-Bibliotheken sowie Skripten.
- Setzt eine standardisierte Datenaufbereitung und Analyseabläufe über Teamgrenzen hinweg voraus.
- Kann an andere EEG- oder neuronale Wellenformmodelle angepasst werden, sofern der Nutzer die Latenzfenster modifiziert.
- Hängt von korrekter Datenaufbereitung und strikter Einhaltung der analytischen Protokolle für verlässliche Ergebnisse ab.
Biopharma-Häufig gestellte Fragen
Chapters in this video
0:04
Introduction
0:50
Preparing the Auditory Brainstem Response (ABR) Data for Analysis
1:39
Installing the Required Packages and Loading the Data
2:26
Obtaining the Preliminary Analysis with FindPeaks.R
2:58
Verifying the Preliminary Analysis
3:53
Compiling and Visualizing the Dataset
4:51
Results: Analysis of Auditory Brainstem Response (ABR) Data by Manual and FindPeaks.R
5:25
Conclusion
