Article de méthode

Explorateur de réseau vasculo-nerveux 2.0 : Un outil Simple pour l’exploration et de partage d’une base de données de la vasomotricité évoquée par Optogenetically dans le Cortex de souris 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

Dans cet article

Résumé

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

Une interface utilisateur graphique pour explorer et partageant une base de données des réponses vasculaires induite par l’optogenetically en souris cortex somatosensoriel dans vivo mesurée par microscopie 2 photons est présentée. Il permet de parcourir les données, fondées sur des critères de sélection, en moyenne, localisation des mesures dans un volume 3D du système vasculaire et l’exportation des données.

Résumé

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

L’importance du partage des données expérimentales en neurosciences croît avec la quantité et la complexité des données acquises et les diverses techniques utilisées pour obtenir et traiter ces données. Cependant, la majorité des données expérimentales, notamment pour des études individuelles de taille normale laboratoires jamais atteindre plus large communauté de recherche. Un moteur d’interface (GUI) utilisateur graphique appelé neurovasculaire réseau Explorer 2.0 (NNE 2.0) a été créé comme un outil simple et peu coûteuse partage et explorer des données d’imagerie vasculaires. NNE 2.0 interagit avec une base de données contenant une dilatation/constriction évoquée par optogenetically temps-cours de chaque navire mesuré dans le cortex somatosensoriel souris in vivo par microscopie 2 photons. NNE 2.0 permet la sélection et l’affichage de l’heure-cours basé sur des critères différents (sujet, ordre branchement, profondeur cortical, le diamètre du vaisseau, arbre artériolaire) ainsi que des manipulations mathématiques simples (par exemple. calcul de la moyenne, pic-normalisation) et exportation de données. Il prend en charge la visualisation du réseau vasculaire en 3D et permet la localisation des mesures diamètre individuels de bateau fonctionnelle au sein des arbres vasculaires.

NNE 2.0, son code source et la base de données correspondante sont librement téléchargeables de UCSD neurovasculaire Imaging laboratoire site1. Le code source peut être utilisé par les utilisateurs d’explorer la base de données associée, ou comme un modèle pour l’archivage et le partage de leurs propres résultats expérimentaux fournis au format approprié.

Introduction

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

Le cerveau est considéré comme un des organes les plus complexes et le désir de démêler ses fonction complexe est indéfectible. Elle est étudiée à différentes échelles de la moléculaire au niveau comportemental à l’aide d’une large palette d’outils2,3,4,5,6,7,8 . La quantité de données expérimentales non homogènes se développe à une vitesse sans précédent. La prise de conscience de la nécessité pour le partage des données expérimentales, organisation et normalisation croît avec la quantité de données acquises. Il est devenu évident que la neuroinformatique jouera un rôle essentiel dans l’intégration des données expérimentales à échelles dans les modèles de cerveau fonction ou la dysfonction9,10.

À cette fin quelques études, surtout à grande échelle, ont été en mesure d’affecter des ressources afin de rendre leurs résultats disponible par l’intermédiaire de bases de données élaborées11,12,13,14,15. Cependant, une grande quantité de données expérimentales pour des études individuelles et les laboratoires de taille normale n’a jamais atteint le milieu de la recherche plus large. Il s’agit principalement pour deux raisons : tout d’abord, le plus dévoué de temps est nécessaire pour construire une base de données et créer des outils qui permettraient à l’utilisateur d’interagir avec la base de données ; et la deuxième, plus d’argent est nécessaire pour soutenir ces tâches. Motivé par ces défis, un moteur d’interface (GUI) utilisateur graphique MATLAB basé appelé le neurovasculaire réseau Explorer 2.0 (NNE 2.0)16 a été développé comme un outil simple et peu coûteux d’archivage, de partage et d’exploration de données d’imagerie vasculaires. Ce manuscrit fournit un manuel d’exploitation de NNE 2.0 et la base de données associée à des données expérimentales.

NNE 2.0 est déjà un moteur de deuxième génération de logiciel. La première génération, appelée neurovasculaire réseau Explorer 1.0 (NNE 1.0)17 a été construite pour interagir avec une base de données sensorielles évoquée par vasodilatation dans le cortex somatosensoriel primaire (SI) in vivo mesurée par microscopie 2 photons18. NNE 1.0, son code source ainsi que les bases de données associées sont librement téléchargeables sous forme de fichier compressé appelé « NNE 1 Tian » de UCSD neurovasculaire Imaging laboratoire site1. On trouvera plus d’informations sur NNE 1.0 et la base de données associée dans17.

La deuxième génération, le 2.0 NNE, interagit avec une base de données de dilatation évoquée par l’optogenetically des navires individuels chez les souris SI in vivo mesurée par microscopie 2-photon20. L’utilisateur peut parcourir, sélectionner et visualiser des données fondées sur des catégories de sélection tels que profondeur corticale, ordre branchement, le diamètre du vaisseau, sujet animaux ou un arbre particulier artériolaire. Le GUI plus exécute des opérations mathématiques simples tels que la moyenne et crête-normalisation dans les catΘgories sΘlectionnΘes. NNE 2.0 permet de visualiser et parcourir les images capture des volumes 3D du système vasculaire ainsi qu’identifier l’emplacement de la mesure fonctionnelle dans l’arbre vasculaire. Cette fonctionnalité peut servir à reconstruire les morphologies vasculaires en 3D et les remplir avec véritable single-navire vaso-marche. Ces reconstructions peuvent à son tour être incorporées dans les modèles informatiques du cerveau fonction21,22. NNE 2.0, son code source et la base de données associée sont librement téléchargeables sous forme de fichier compressé appelé « NNE 2.0 HDbase v1.0 » du laboratoire d’imagerie neurovasculaire UCSD site1.

NNE 2.0 fonctionne avec une base de données appelée « vdb.mat ». Cette base de données est une matrice contenant les profils temporelles (temps-cours) des changements de diamètre unique navire évoquées par un stimulus optogenetic et mesurée à différents endroits des arbres artériolaires. Chaque évolution temporelle a été calculée à l’aide du logiciel d’écriture personnalisée. Il calcule la variation relative d’un diamètre vasculaire de l’expansion d’un profil d’intensité de fluorescence acquis par balayage sur le navire. Le contraste fluorescent a été présenté par une injection intravasculaire de l’isothiocyanate de fluorescéine (FITC)-étiqueté dextran. Pour plus d’informations sur les procédures d’analyse et des données, veuillez consulter le20,23. La base de données a 305 temps-cours (c'est-à-dire les entrées de base de données) au total. En outre le changement de diamètre, chaque entrée de la base de données détient un tableau des métadonnées supplémentaires qui (1) quantifier l’évolution temporelle (2) décrire le navire mesuré et (3) identifier l’emplacement de mesure dans un volume 3D du système vasculaire cortical. Les métadonnées incluent le temps d’apparition, amplitude de crête, temps d’amplitude crête, profondeur corticale, ordre branchement, le diamètre du vaisseau à la base, chemin d’accès à des images de référence originales et piles d’image 3D pour chaque mesure et faible grossissement des cartes de la surface du cerveau système vasculaire. Voir tous les paramètres dans les métadonnées énumérés et décrits en détail dans le tableau 116précédemment.

NNE 2.0 interagit avec les images de référence qui sont QUE XY scanne d’un avion où a eu lieu la mesure du diamètre. Chaque entrée de la base de données a une image de référence correspondante avec un nom de référence affiché dans l’interface GUI. Chaque entrée de la base de données a également une associé pile d’images (pile 3D) capture un volume 3D de l’arbre vasculaire au sein de laquelle la mesure a eu lieu. L’interface graphique permet de choisir une entrée de base de données particulière et d’afficher l’image de référence correspondante ainsi que la pile de la 3D. Il dirige également l’utilisateur pour trouver l’image de référence correspondante et le cadre dans la pile de 3D (les mêmes caractéristiques peuvent être trouvés dans les deux images). Tout pile et images de référence dans leur pleine résolution (1024 pix de pix x 1024) sont inclus dans les dossiers hana_stk et hana_refs, respectivement. Cartes de faible grossissement du système vasculaire cérébrale sont inclus dans le dossier « maps ». Tous les trois dossiers ainsi que la matrice de base de données « vdb.mat » sont téléchargé dans le fichier zippé « NNE 2.0 HDbase v1.0 » de l’UCSD neurovasculaire Imaging laboratoire site1 et enregistrée dans le dossier racine du NNE 2.0 au cours du processus d’installation.

L’interface graphique a été conçu comme un ensemble de quatre panneaux (panneau 1 (panneau principal) – panneau 4) qui s’ouvrent dans l’ordre comme l’utilisateur explore la base de données et sélectionne les données spécifiques fondées sur des catégories de sélection. Chaque panneau est divisé en deux parties principales : (1) la colonne de droite contient la possibilité d’interagir avec la base de données en sélectionnant des paramètres et des catégories de données et affiche des informations importantes dans les métadonnées ; (2) la colonne de gauche affiche les données sous forme de temps-cours (variation de diamètre dans le temps) et diagrammes de dispersion. Il existe quatre types de diagrammes de dispersion affichant début de dilatation (1) heure (2) de la variation de diamètre (3) maximale de crête dilatation (amplitude de crête) et diamètre (diamètre avant la stimulation) de la ligne de base (4) en fonction de la profondeur de la corticale. L’utilisateur a la possibilité d’afficher la moyenne de temps-cours et les valeurs pour certaines données regroupées par profondeur corticale ou ordre de branchement. Il s’agit de mettre en évidence la fonction du gradient diamètre-changement de comportement avec augmentation de la profondeur et la ramification arrêté20. NNE 2.0 permet à l’utilisateur d’exporter le sous-ensemble de données dans le format « .xls », « .csv » ou « .mat ».

Accès restreint. Veuillez vous connecter ou commencer un essai pour afficher ce contenu.

Protocole

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

1. installation de NNE 2.0

  1. Aller à UCSD neurovasculaire Imaging laboratoire site1 et clic gauche à « NNE 2.0 HDbase v1.0 » pour télécharger les fichiers de programme compressé à l’endroit désiré sur votre PC.
    Remarque : NNE 2.0 nécessite un système d’exploitation Windows, des versions 7-10, au moins 2,8 Go d’espace libre pour télécharger le fichier zippé et 6,9 Go pour installer le programme.
  2. Décompressez le « NNE2_HDbase_v1.0.zip ».
    Remarque : Le dossier décompressé NNE2 contient 10 fichiers : « hana_refs.tar.gz », « hana_stk.tar.gz », « maps.tgz », « MCRInstaller.exe », « NNE2.exe », « NNE2.zip », « NNE2_README.txt », « source.zip », « users_guide.pdf » et « vdb.mat ».
  3. Installer NNE 2.0 en suivant les instructions dans « NNE2_README.txt ».

2. Exécutez NNE 2.0

  1. Démarrer le NNE 2.0 avec « NNE2.exe ».
  2. Groupe 1 (panneau principal) : Sélectionnez un sous-ensemble de données (Figure 1). Les images dans la colonne de gauche du panneau principal montrent des graphiques de temps-cours et les paramètres de toutes les entrées à la « vdb.mat » (Figure 1).
    1. Sélectionnez la plage de Profondeur corticale dans la colonne de droite du panneau. Type dans la gamme de profondeur dans le format [dmin maxd], où dmin est la profondeur minimale etmaximale d est la profondeur maximale.
      NOTE : Les données a été mesurées à une profondeur de 30-560 µm.
    2. Sélectionnez l’Ordre de branchement dans la colonne de droite du panneau. Cliquez sur la flèche et choisissez une des options dans la liste (Surface | Tronc de plongée | Premier ordre Branches | Commandez plus Branches).
    3. Sélectionnez la plage de Diamètre de la base de la colonne de droite du panneau. Tapez-le dans le format [diamin diamax], où diamin est le diamètre minimum et diamax est le diamètre maximum.
    4. Dans la colonne de droite du panneau, sélectionnez sujets (animaux selon la date d’acquisition). Cliquez sur la flèche et choisissez parmi les options offertes. Sinon, choisissez données provenant de tous les sujets par un clic gauche dans le rectangle bleu.
    5. Appuyez sur Envoyer pour afficher et explorer les données sélectionnées dans le tableau 2.
  3. Panel 2 : Explorer le sous-ensemble de données et poursuivre l’amélioration de données (Figure 2).
    1. Sélectionnez le type de groupe étalement des données en cliquant le bouton approprié dans la colonne de droite sur le dessus. SELECT : Avg par profondeur corticale ou Avg par ordre de branchement.
      Remarque : Le choix réel est surligné en vert ci-dessous (Figure 2).
    2. Sélectionnez les données basées sur la morphologie du navire ou objet. Cliquez sur Sélectionner toutes les données de l’arbre (une artériole plongée unique et ses branches) ou sélectionnez toutes les données d’objet (sujet animaux).
    3. Cliquez sur soumettre pour afficher des données sélectionnées sur la gauche dans les graphes de temps-cours (1) individuels (2) groupe moyenne temps-cours et des intrigues de début (3) fois (4) temps-à-pics (5) peak amplitudes et des diamètres de base (6)
    4. Faites un clic gauche sur une trace le graphique de timecourses individuel dans la colonne de gauche pour sélectionner une évolution temporelle.
      Nota : Le temps sélectionné obtient mises en évidence dans le graphique (magenta) et son temps d’apparition, diamètre d’amplitude et de la ligne de base temps-à-crête, PIC sera marqué par des cercles rouges dans les graphiques ci-dessous. Les points rouges dans les diagrammes de dispersion sont des valeurs moyennes.
    5. Remarque les identificateurs de l’objet (ID d’objet) et l’arbre (ID de l’arbre) pour l’évolution temporelle sélectionnée dans la colonne de droite en bas.
    6. Si vous le souhaitez, changer le type d’une moyenne de groupe par un clic gauche le choix approprié sur le dessus de la colonne de droite puis appuyez sur Submit et répétez les étapes de la 2.3.4.
    7. Cliquez n’importe où dans le groupe 2 avec un curseur Croix d’afficher et d’explorer toutes les traces pour l’objet sélectionné (ID d’objet) ou arbre (ID de l’arbre) dans le groupe 3.
  4. Panel 3 : Explorer le sous-ensemble final des données et exportez-les (Figure 3).
    1. Dans le graphique du haut de la colonne de gauche, sélectionnez un temps en un clic gauche sur une trace : la trace sélectionnée est en surbrillance dans le graphique (magenta) et des paramètres descriptifs de l’entrée de la base de données est affichées sur le graphique.
      Remarque : La moyenne temporelle est affiché en noir épais (Figure 3).
    2. Noter l’heure de début correspondante, amplitude de temps-à-crête, pic et le diamètre de base dans les graphiques ci-dessous.
    3. Cliquez sur le bouton Exporter la valeur dans la colonne de droite pour sauver affichées dans le graphique du haut dans le dossier où NNE 2.0 s’exécute à partir de traces.
      Remarque : Cette action enregistre trois fichiers : « vdb_subset.xls », « vdb_subset.csv » et « vdb_subset.mat » contenant les vecteurs du changement de diamètre et les vecteurs de temps ; « vdb_subset.mat » contient également des paramètres descriptifs et informations de « vdb.mat ».
    4. Pour inspecter toutes les données pour « sujet » au lieu de « arbre » ferme le panneau 3 en appuyant sur [x], redémarrage NNE 2.0, répéter la sélection des catégories dans le tableau 1 (mesures 2.2.1-2.2.5) et sélectionnez toutes les données d’objet dans le groupe 2 (étape 2.3.2).
    5. Un clic droit n’importe où dans le groupe 3 avec un curseur en croix pour aller à panneau 4 pour explorer des images de référence et piles 3D pour toutes les traces dans le graphique du haut du panneau 3.
      Remarque : Le panneau 4 s’ouvre si l’option toutes les données pour « arbre » a été sélectionné dans le panneau 2. Si toutes les données pour « sujet » ont été sélectionnées au lieu de cela, l’utilisateur sera invité à modifier sa sélection et adressé au groupe 1.
  5. Table ronde 4 : Localiser la mesure fonctionnelle au sein d’une image de référence et une pile d’image 3D du système vasculaire (Figure 4).
    1. Sélectionnez un temps par un clic gauche sur elle dans le graphique sur le dessus de la colonne de gauche.
      Remarque : La trace sélectionnée est en surbrillance dans le graphique (magenta) et ses informations descriptives à partir de métadonnées seront affichera sur le dessus.
    2. Explorez l’image de référence correspondante qui est automatiquement chargé du dossier « hana_refs » en bas à droite de la colonne de gauche.
    3. Explorer la pile d’image 3D correspondants chargée automatiquement à partir de dossier « hana_stk » en bas à gauche de la colonne de gauche. Faites défiler en utilisant les flèches ou le curseur sous le chiffre de pile.
      Remarque : Lorsque l’image de la pile atteint le niveau de l’image de référence – c'est-à-dire le niveau de mesure diamètre (« Indice de pile » = « Ref »), l’image de la pile est mis en évidence et indiqué comme « Niveau de trame ».
    4. Cliquez sur Exporter la valeur de la colonne de droite pour exporter l’évolution temporelle en surbrillance dans un fichier « ref_stacks_trace.xls », qui est enregistré dans le dossier où NNE 2.0 s’exécute à partir.
      Remarque : Le fichier contient le vecteur moment, vecteur de changement de diamètre, ID de l’objet, indice de l’entrée, emplacement de l’image de référence, emplacement de pile 3D et le nombre d’image de pile pour le niveau de la trame.
    5. Fermer panneau 4 par [x] aller retour à panneau 1.

Accès restreint. Veuillez vous connecter ou commencer un essai pour afficher ce contenu.

Résultats

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

NNE 2.0 et la base de données associé servent à parcourir et afficher les données de la base de données, trier les données en fonction des critères de sélection, télécharger les données sélectionnées et trouver les mesures vasculaires au sein de l’arbre vasculaire correspondante.

1 panneau présente la sélection des données basées sur les catégories : « Corticale profondeur », « Ramification Order », « Diamètre base » et « Sujets...

Accès restreint. Veuillez vous connecter ou commencer un essai pour afficher ce contenu.

Discussion

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

NNE 2.0 a été écrit afin de partager les données d’imagerie vasculaires d’une étude spécifique20 mais avec l’intention de développer un outil simple de partage et d’exploration de données de type similaire par d’autres utilisateurs. Les chercheurs intéressés à inspecter la base de données associée de données vasculaires peuvent utiliser l’interface graphique pour parcourir les données, sélectionner des sous-ensembles de données, les compare à leurs propres résultats expérimentaux ou les traiter en...

Accès restreint. Veuillez vous connecter ou commencer un essai pour afficher ce contenu.

Déclarations de divulgation

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

Les auteurs n’ont rien à divulguer.

Remerciements

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

Nous reconnaissons le soutien de la NIH (NS057198, EB00790, MH111359 et S10RR029050) et le ministère de l’éducation, jeunesse et des Sports de la République tchèque (CEITEC 2020, LQ1601). KK a bénéficié de bourses de recherche postdoctorales de l’International Headache Society en 2014 et The Scientific et technologique recherche Conseil de Turquie en 2015. MT a été soutenu par une bourse postdoctorale de la Fondation de recherche allemande (DFG TH 2031/1).

Accès restreint. Veuillez vous connecter ou commencer un essai pour afficher ce contenu.

Matériaux

Liste des matériaux utilisés dans cet article
NomEntrepriseNuméro de catalogueCommentaires
ProgrammeMATLAB MathWorks
ProgrammeWinrarRarlabs

Références

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

Accès restreint. Veuillez vous connecter ou commencer un essai pour afficher ce contenu.

Réimpressions et autorisations

Demander l’autorisation de réutiliser le texte ou les figures de cet article JoVE

Demander une autorisation

Mots-clés

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

Articles connexes