Artículo de método

Red neurovascular Explorer 2.0: Una sencilla herramienta para explorar y compartir una base de datos de AMPc Optogenetically evocadas en corteza de ratón In Vivo

DOI:

10.3791/57214

⸱

4 de mayo de 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

En este artículo

Resumen

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

Se presenta una interfaz gráfica de usuario para explorar y compartir una base de datos de respuestas vasculares inducidas por optogenetically en ratón Corteza somatosensorial en vivo midiendo 2 fotones microscopía. Permite navegar por los datos, selección basada en criterios, con un promedio de, localización de las mediciones dentro de un volumen 3D de vascularización y la exportación de los datos.

Resumen

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

La importancia de compartir los datos experimentales en Neurociencias crece con la cantidad y complejidad de los datos adquiridos y diferentes técnicas utilizadas para obtener y procesar estos datos. Sin embargo, la mayoría de los datos experimentales, especialmente de los estudios individuales de tamaño regular laboratorios nunca llegar a comunidad de investigación. Un motor de interfaz (GUI) de gráfica de usuario llamado Neurovascular red Explorer 2.0 (2.0 NNE) ha sido creado como una herramienta simple y de bajo costo compartir y explorar datos de proyección de imagen vascular. NNE 2.0 interactúa con una base de datos que contiene optogenetically-evocado dilatación/constricción tiempo-cursos de embarcaciones individuales medición en Corteza somatosensorial de ratones en vivo por 2 fotones microscopía. NNE 2.0 permite selección y visualización de la evolución temporal en base a diferentes criterios (tema, orden de ramificación, profundidad cortical, diámetro del vaso, árbol arteriolar) así como de manipulación matemática simple (ej. promedio, normalización de pico) y exportación de datos. Soporta visualización de la red vascular en 3D y permite la localización de las mediciones de diámetro de vasos funcionales individuales dentro de árboles vasculares.

NNE 2.0, su código fuente y la base de datos correspondiente son libremente downloadable de UCSD Neurovascular imagen laboratorio Web1. El código fuente puede ser utilizado por los usuarios a explorar la base de datos asociada o como una plantilla para bases de datos y compartir sus propios resultados experimentales proporcionadas el formato adecuado.

Introducción

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

El cerebro es considerado uno de los órganos más complejos y el deseo de desentrañar su función compleja es inagotable. Se está estudiando a diferentes escalas, desde el molecular hasta el nivel conductual utilizando una amplia paleta de herramientas2,3,4,5,6,7,8 . La cantidad de datos experimentales no homogénea crece con una velocidad sin precedentes. La conciencia de la necesidad de intercambio de datos experimentales, organización y normalización crece con la cantidad de datos adquiridos. Ha comprobado que la Neuroinformática jugará un papel fundamental en la integración de los datos experimentales a través de escalas en modelos del cerebro la función y disfunción de9,10.

En este sentido algunos estudios, especialmente estudios de gran escala, fueron capaces de destinar recursos para hacer sus resultados disponibles a través de bases de datos extensas11,12,13,14,15. Sin embargo, una gran cantidad de datos experimentales de los estudios individuales y de tamaño regular laboratorios nunca llegó a la comunidad de investigación. Esto es principalmente por dos razones: primero, dedicado más tiempo es necesario para construir una base de datos y crear herramientas que permitan al usuario interactuar con la base de datos; y en segundo lugar, se necesita más dinero para apoyar estas tareas. Motivado por estos desafíos, un motor de interfaz (GUI) de gráfica de usuario MATLAB basado llamado Neurovascular red Explorer 2.0 (2.0 NNE)16 fue desarrollado como una herramienta simple y de bajo costo para bases de datos, compartir y explorar datos de proyección de imagen vascular. Este manuscrito ofrece un manual de operación de 2.0 NNE y la base de datos asociada de datos experimentales.

NNE 2.0 ya es un motor de software de segunda generación. La primera generación, llamada Neurovascular red Explorer 1.0 (1.0 NNE)17 fue construida para interactuar con una base de datos de vasodilatación sensoriales evocados en la corteza somatosensorial primaria de la rata (SI) en vivo por 2 fotones microscopía18. 1.0 NNE, su código fuente, así como la base de datos asociada es libremente descargable como un archivo comprimido llamado 'NNE 1 Tian' de UCSD Neurovascular imagen laboratorio Web1. Puede encontrar más información sobre 1.0 NNE y la base de datos asociada en17.

La segunda generación, la 2.0 NNE, interactúa con una base de datos de optogenetically-evocado dilatación de vasos individuales en ratones SI en vivo midiendo 2 fotones microscopía20. El usuario puede navegar, seleccionar y visualizar datos en base a categorías de la selección como profundidad cortical, orden de ramificación, diámetro del vaso, objeto animal o un particular árbol arteriolar. El GUI más realiza operaciones matemáticas simples como promedio y la máxima normalización en categorías seleccionadas. NNE 2.0 permite ver y navegar a través de imágenes que capturan volúmenes 3D de vascularización así como identificar la localización de la medición funcional dentro de los árboles vasculares. Esta característica puede utilizarse para reconstruir la morfología vascular en 3D y rellenarlos con las medidas reales solo recipiente vaso-movimiento. Estas reconstrucciones a su vez pueden ser incorporadas en modelos computacionales del cerebro función21,22. NNE 2.0, su código fuente y la base de datos asociada son libremente descargables como un archivo comprimido llamado 'NNE 2.0 HDbase v1.0' de UCSD Neurovascular imagen laboratorio Web1.

NNE 2.0 funciona con una base de datos llamada 'vdb.mat'. Esta base de datos es una matriz que contiene los perfiles temporales (evolución temporal) de los cambios de diámetro solo buque evocada por un estímulo optogenetic y medido en distintos lugares de árboles arteriolares. Cada curso del tiempo se calculó utilizando el software de medida. Calcula el cambio relativo de un diámetro del vaso de expansión de un perfil de intensidad fluorescente adquirido por la exploración a través de la nave. El contraste fluorescente fue presentado por la inyección intravascular de isotiocianato de fluoresceína (FITC)-etiquetado dextrano. Para obtener más información acerca de los procedimientos de información y análisis, consulte20,23. La base de datos tiene tiempo 305-cursos (es decir, entradas de base de datos) en total. Además el cambio de diámetro, cada entrada a las bodegas de la base de datos una matriz de metadatos adicionales que (1) cuantificar el curso del tiempo (2) describir el barco medido y (3) identificar la ubicación de medición dentro de un volumen 3D de vascularización cortical. Los metadatos incluyen el tiempo de inicio, amplitud de pico, tiempo de la amplitud de pico, profundidad cortical, orden de ramificación, diámetro del vaso en la línea de base, camino a las imágenes de referencia original y montones de imágenes 3D para cada medición y baja magnificación mapas de la superficie del cerebro vasculatura. Ver todos los parámetros en los metadatos enumerados y descritos en detalle anteriormente en tabla 116.

NNE 2.0 interactúa con imágenes de referencia que son QUE X Y las exploraciones de un plano donde se produjo la medida de diámetro. Cada entrada de la base de datos tiene una imagen de referencia correspondiente con un nombre de referencia aparece en el GUI. Cada entrada de la base de datos tiene también una pila asociada de imágenes (3D pila) capturando un volumen 3D del árbol vascular dentro de la cual se produjo la medida. La GUI permite elegir una entrada de base de datos particular y mostrar la imagen de referencia correspondiente así como la pila de 3D. También guía al usuario para encontrar la imagen de referencia correspondiente y el marco de la pila de 3D (las mismas características pueden encontrarse en ambas imágenes). Todo apilado e imágenes de referencia en su máxima resolución (1024 pix de pix x 1024) están incluidos en las carpetas hana_stk y hana_refs, respectivamente. Mapas de bajo aumento de la vasculatura cerebral están incluidos en la carpeta 'maps'. Todas las tres carpetas, así como la matriz de base de datos 'vdb.mat' son descargados en el archivo comprimido 'NNE 2.0 HDbase v1.0' de la UCSD Neurovascular imagen laboratorio Web1 y guarda en la carpeta raíz de 2.0 NNE durante el proceso de instalación.

El GUI ha sido diseñado como un conjunto de cuatro paneles (Panel 1 (Panel principal) – Panel 4) que se abren secuencialmente como el usuario explora la base de datos y selecciona datos específicos basados en las categorías de selección. Cada panel está dividido en dos partes principales: (1) la columna de la derecha ofrece la posibilidad de interactuar con la base de datos mediante la selección de parámetros y categorías de lo datos y muestra información importante de metadatos; (2) la columna de la izquierda muestra los datos en forma de tiempo-cursos (cambio de diámetro en el tiempo) y los diagramas de dispersión. Hay cuatro tipos de diagramas de dispersión mostrando inicio de dilatación (1) (2) tiempo del cambio de diámetro (3) máxima dilatación máxima (amplitud de pico) y (4) referencia diámetro (antes estímulo) como función de la profundidad cortical. El usuario tiene la posibilidad de mostrar valores para datos agrupados por profundidad cortical u orden de ramificación y medios tiempo-cursos. Esto es para resaltar la función del comportamiento del gradiente de cambio de diámetro con aumento de profundidad y ramificaciones de orden20. NNE 2.0 permite al usuario exportar el subconjunto seleccionado de la información en el formato de 'xls', 'CSV' o 'Mat'.

Acceso restringido. Inicie sesión o comience una prueba gratuita para ver este contenido.

Protocolo

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

1. instalación de NNE 2.0

  1. Ir a la UCSD Neurovascular imagen laboratorio Web1 y haga clic en 'NNE 2.0 HDbase v1.0' para descargar los archivos de programa comprimido en la ubicación deseada en tu PC.
    Nota: NNE 2.0 requiere un sistema operativo de Windows de versiones 7-10, por lo menos de 2,8 GB de espacio libre para descargar el archivo comprimido y 6,9 GB para instalar el programa.
  2. Descomprimir 'NNE2_HDbase_v1.0.zip'.
    Nota: La carpeta descomprimida NNE2 contiene 10 archivos: 'hana_refs.tar.gz', 'hana_stk.tar.gz', 'maps.tgz', 'MCRInstaller.exe', 'NNE2.exe', 'NNE2.zip', 'NNE2_README.txt', 'source.zip', 'users_guide.pdf' y 'vdb.mat'.
  3. Instalar 2.0 NNE siguiendo las instrucciones en 'NNE2_README.txt'.

2. ejecución de NNE 2.0

  1. Iniciar el NNE 2.0 con 'NNE2.exe'.
  2. Panel 1 (Panel principal): Seleccione un subconjunto de datos (figura 1). Imágenes en la columna izquierda del Panel principal muestran los gráficos de evolución temporal y los parámetros de todas las entradas para el 'vdb.mat' (figura 1).
    1. Seleccione el rango de Profundidad Cortical en la columna de la derecha del panel. Tipo en el rango de profundidad en el formato [dmin maxd], donde dmin es la profundidad mínima ymáxima d es la profundidad máxima.
      Nota: Los datos se midieron en la profundidad de 30-560 μm.
    2. Seleccione Orden de ramificación en la columna de la derecha del panel. Haga clic en la flecha y elija una de las opciones de la lista (superficie | Tronco de buceo | Primer orden sucursales | Ramas de orden superior).
    3. Seleccione el rango de Diámetro basal en la columna de la derecha del panel. Escriba en el formato [diamin diámetromáximo], donde diamin es el diámetro mínimo ymáximo de diámetro es el diámetro máximo.
    4. Seleccionar los sujetos (animales según la fecha de adquisición) en la columna de la derecha del panel. Haga clic en la flecha y elegir entre las opciones disponibles. También puede elegir los datos de todos los temas haciendo clic izquierdo en el rectángulo azul.
    5. Presione Enviar para mostrar y explorar los datos seleccionados en el Panel 2.
  3. Panel 2: Explorar el subconjunto seleccionado de los datos y seguir más refinamiento de datos (figura 2).
    1. Seleccione el tipo de grupo promedio de los datos haciendo clic izquierdo el botón correspondiente en la columna derecha en la parte superior. Seleccionar: Avg por profundidad Cortical o Avg por orden de ramificación.
      Nota: La opción real es remarcada en verde por debajo (figura 2).
    2. Seleccione datos basados en la morfología del vaso o tema. Botón izquierdo del ratón Seleccione todos los datos para el árbol (una arteriola única de buceo y sus ramas) o Seleccione todos los datos para el asunto (tema del animal).
    3. Pulse Enviar para mostrar los datos seleccionados a la izquierda en gráficos de tiempo-cursos (1) individuales (2) grupo promedio de cursos de tiempo y dispersión de parcelas de inicio (3) veces (4) tiempo de picos (5) pico amplitudes y diámetros (6) línea de base
    4. Haga clic izquierdo en una traza en el gráfico de timecourses individuales en la columna de la izquierda para seleccionar un curso de tiempo.
      Nota: El curso del tiempo seleccionado obtiene destacó en el gráfico (magenta) y su tiempo de inicio, tiempo al pico, pico amplitud y referencia diámetro estará marcado por círculos rojos en las gráficas siguientes. Puntos rojos en los diagramas de dispersión son valores promedio.
    5. Nota: los identificadores del tema (Tema ID) y árbol (Árbol ID) para el curso del tiempo seleccionado en la columna derecha en la parte inferior.
    6. Si lo desea, cambiar el tipo de promedio de grupo haciendo clic izquierdo la opción adecuada en la parte superior de la columna de la derecha seguida del botón Aceptar y repita los pasos de la 2.3.4.
    7. Haga clic derecho en cualquier lugar en el Panel 2 con un cursor de cruz para ver y explorar todos los rastros para el tema seleccionado (Identificador de objeto) o el árbol (Árbol ID) en el Panel 3.
  4. Panel 3: Explorar el último subconjunto de datos y exportarlos (figura 3).
    1. Seleccione un curso de tiempo en el gráfico superior de la columna de la izquierda haciendo clic izquierdo en un rastro: el rastro seleccionado se resaltará en el gráfico (magenta) y los parámetros descriptivos de la entrada de la base de datos se mostrará en la parte superior del gráfico.
      Nota: El curso medio del tiempo se muestra en negro grueso (figura 3).
    2. Nota correspondiente tiempo de inicio, tiempo al pico, pico de amplitud y diámetro basal en las gráficas siguientes.
    3. Haga clic en el botón Exportar situado en la columna de la derecha para salvar huellas muestran en el gráfico superior en la carpeta donde está ejecutando 2.0 NNE de.
      Nota: Esta acción ahorra tres archivos: 'vdb_subset.xls', 'vdb_subset.csv' y 'vdb_subset.mat' que contiene los vectores de cambio de diámetro y vectores de tiempo; 'vdb_subset.mat' contiene también parámetros descriptivos y la información de 'vdb.mat'.
    4. Para inspeccionar todos los datos de 'sujeto' en vez de 'árbol' cerrar Panel 3 presionando [x], reinicio 2.0 NNE, repetir la selección de categorías en el Panel 1 (medidas 2.2.1-2.2.5) y seleccionar todos los datos de objeto en el Panel 2 (paso 2.3.2).
    5. Haga clic derecho en cualquier lugar en el grupo 3 con un cursor cruzado para ir a Panel 4 para explorar imágenes de referencia y pilas 3D para todos los rastros en el gráfico superior del Panel 3.
      Nota: El Panel 4 se abrirá si todos los datos de la opción para 'árbol' fue seleccionado en el Panel 2. Si todos los datos de 'asunto' fueron seleccionados en su lugar, el usuario se le pedirá que cambie su selección y dirigido a Panel 1.
  5. Panel 4: Localizar la medición funcional dentro de una imagen de referencia y en una pila de imágenes 3D de vascularización (figura 4).
    1. Seleccione un curso de tiempo haciendo clic izquierdo sobre ella en el gráfico encima de la columna de la izquierda.
      Nota: La traza seleccionada se resaltará en el gráfico (magenta) y su información descriptiva de metadatos se mostrará en la parte superior.
    2. Explorar la imagen de referencia correspondiente que se carga automáticamente desde la carpeta 'hana_refs' en la parte inferior derecha de la columna de la izquierda.
    3. Explorar la correspondiente pila 3D imagen cargada automáticamente desde la carpeta 'hana_stk' en la parte inferior izquierda de la columna de la izquierda. Desplácese a través de la pila utilizando las flechas o cursor por debajo de la figura.
      Nota: Cuando la imagen de la pila alcanza el nivel de la imagen de referencia – es decir, el nivel de medición de diámetro ('Índice de pila' = 'Ref'), la imagen de la pila se destacó y se indica como' marco'.
    4. Haga clic en Exportar situado en la columna derecha para exportar el curso del tiempo resaltado en un archivo 'ref_stacks_trace.xls' que se guarda en la carpeta donde está ejecutando 2.0 NNE de.
      Nota: El archivo contiene el vector tiempo, vector de cambio de diámetro, ID tema, índice de entrada, ubicación de la imagen de referencia, ubicación de pila de 3D y el número de imagen de la pila para el nivel de marco.
    5. Cierre Panel 4 [x] ir a Panel de 1.

Acceso restringido. Inicie sesión o comience una prueba gratuita para ver este contenido.

Resultados

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

NNE 2.0 y la base de datos asociado sirven para navegar y visualizar los datos de la base de datos, ordenar los datos en base a criterios de selección, descargar los datos seleccionados y encontrar las mediciones vasculares dentro del árbol vascular correspondiente.

Panel 1 cuenta con selección de datos basada en categorías: 'Profundidad Cortical', orden de ramificación, 'diámetro de la base del ' y 'Sujetos' –

Acceso restringido. Inicie sesión o comience una prueba gratuita para ver este contenido.

Discusión

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

NNE 2.0 fue escrito con el fin de compartir los datos de proyección de imagen vasculares de un estudio específico de20 pero con la intención de desarrollar una herramienta sencilla para compartir y explorar datos de tipo similar por otros usuarios. Los investigadores interesados en inspección de la base de datos asociada de datos vasculares pueden usar la GUI para buscar los datos, seleccionar subconjuntos de datos, compararlos con sus propios resultados experimentales o procesan más lejos utiliza...

Acceso restringido. Inicie sesión o comience una prueba gratuita para ver este contenido.

Divulgaciones

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

Los autores no tienen nada que revelar.

Agradecimientos

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

Agradecemos el apoyo de los NIH (NS057198, EB00790, MH111359 y S10RR029050) y el Ministerio de educación, juventud y deportes de la República Checa (CEITEC 2020, LQ1601). KK fue apoyado por Becas Posdoctorales de la sociedad internacional de cefaleas en 2014 y la científica y tecnológica investigación Consejo de Turquía en el año 2015. MT fue apoyado por una beca postdoctoral de la Fundación de investigación alemana (DFG TH 2031/1).

Acceso restringido. Inicie sesión o comience una prueba gratuita para ver este contenido.

Materiales

Lista de materiales utilizados en este artículo
NombreEmpresaNúmero de catálogoComentarios
ProgramaMATLABMathWorks
ProgramaWinrarRarlabs

Referencias

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

Acceso restringido. Inicie sesión o comience una prueba gratuita para ver este contenido.

Reimpresiones y permisos

Solicitar permiso para reutilizar el texto o las figuras de este artículo de JoVE

Solicitar permiso

Etiquetas

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

Artículos relacionados