Analyse semi-automatisée de l’amplitude et de la latence des pics de réponse auditive du tronc cérébral à l’aide de R
9 décembre 2022
Cet article décrit la mesure semi-automatisée des amplitudes et des latences des cinq premiers pics et creux de la forme d’onde de réponse auditive du tronc cérébral. Une routine supplémentaire compile et annote les données dans une feuille de calcul pour l’analyse de l’expérimentateur. Ces routines informatiques gratuites sont exécutées à l’aide du progiciel statistique open source R.
Les réponses auditives du tronc cérébral sont systématiquement recueillies pour déterminer les seuils auditifs. La forme d’onde ABR contient des informations supplémentaires sur l’activité du tronc cérébral, mais auparavant, de nombreux chercheurs devaient les analyser manuellement. Les scripts R fonctionnent avec le logiciel R dans le framework RStudio pour semi-automatiser l’analyse de la forme d’onde ABR.
Ils sont gratuits et faciles à utiliser. Nous espérons que l’analyse de routine de la forme d’onde ABR permettra à des études ultérieures d’évaluer la pertinence de ce traitement auditif précognitif dans le diagnostic. Pour commencer, exportez la réponse auditive du tronc cérébral ou l’enregistrement ABR sous forme de fichier ASCII.
Pour IHS, ouvrez le programme informatique, chargez le fichier d’intérêt et affichez les formes d’onde souhaitées sur une page. Sous l’onglet Données, sélectionnez Enregistrer la page au format ASCII pour obtenir un fichier txt. Après avoir nommé le fichier de données de manière appropriée avec un ID, enregistrez l’ID et les informations sur l’objet dans un fichier de métadonnées nommé info.
csv, en veillant à ne pas inclure d’informations telles que le génotype, le sexe, l’âge ou le traitement dans l’ID.Répétez les étapes avec tous les fichiers à analyser en tant que fichiers d’identification distincts et obtenez les métadonnées. Téléchargez et installez les programmes R et RStudio à partir de leurs sites Web respectifs. Ensuite, installez les bibliothèques requises, tidyverse, Shiny, Plotly et Zoo, avec les commandes requises dans la fenêtre de commande de RStudio.
Ensuite, téléchargez les scripts findpeaks. r et see_trace_click. r à partir du GitHub White Lab, ainsi que l’heure du fichier associé.csv.
Créez un nouveau dossier nommé Test Folder pour placer tous les fichiers ASCII, info. csv, et le temps.csv. Dans le dossier de test, créez un sous-dossier nommé Dossier ASCII et placez les fichiers ASCII.
Ouvrez les findpeaks. r dans RStudio en cliquant avec le bouton droit de la souris sur l’onglet du script dans la barre d’outils pour sélectionner le répertoire de travail défini et le définir sur Dossier de test. Dans la fenêtre de script, cliquez sur Source dans le coin supérieur droit de la barre d’outils pour charger le programme.
Ensuite, dans la fenêtre de commande, utilisez les commandes pour analyser les formes d’onde en modes de traitement individuel et par lots. Chargez les données de forme d’onde pour l’individu spécifique à l’aide de la commande. Ensuite, dans la fenêtre ouverte de see_trace_click.
r script dans RStudio, cliquez sur le bouton Exécuter l’application dans l’en-tête et attendez qu’une nouvelle fenêtre interactive apparaisse. Dans la zone en haut à gauche, entrez le niveau sonore de la forme d’onde qui nécessite une révision et recherchez la forme d’onde affichée dans la fenêtre. Déplacez le curseur autour de la forme d’onde pour révéler la latence et l’amplitude en tout point.
Pour enregistrer les données de latence et d’amplitude, cliquez sur le pic correct, puis copiez/collez les données dans le fichier csv. Répétez le processus pour enregistrer les données du creux suivant un pic immédiat et calculez la mesure de l’amplitude en soustrayant l’amplitude du creux de l’amplitude du pic dans la cellule de feuille de calcul. Transférez le vérifié.
csv dans un nouveau sous-dossier nommé Peak Data dans le dossier de test pour ajouter les données. Ensuite, combinez les métadonnées en exécutant la commande. Pour effectuer une analyse statistique sur les données compilées, utilisez un test de normalité tel que le test de Shapiro-Wilk pour évaluer la distribution des données en exécutant la fonction.
Si le test de Shapiro-Wilk n’est pas significatif, cela signifie que l’ensemble de données a une distribution normale. Par conséquent, évaluez les données avec un test paramétrique tel que ANOVA en exécutant la fonction. Si le test de Shapiro-Wilk est inférieur à P égal à 0,05, utilisez le test de somme de rang de Kruskal-Wallis ou une autre mesure non paramétrique appropriée.
Enfin, affichez les formes d’onde moyennes en exécutant la commande. Dans la réponse de forme d’onde de 75 décibels de stimulus de clic pour une jeune souris F1, les pics et les creux ont été automatiquement identifiés avec findpeaks.r. Les formes d’onde comprises entre 5 et 75 décibels obtenues à partir des pics et des pics identifiés manuellement.
r ont été comparés. Les moyennes sont tracées sous forme de lignes lourdes, la région ombrée représentant un écart-type et les résultats obtenus par les pics de découverte. r est fortement corrélé avec les résultats manuels.
Lorsque vous tentez cette procédure, n’oubliez pas de définir le répertoire de travail car il est très crucial. Le script R désigne les pics et les creux en fonction des fenêtres de latence pour la souris ABR implémentée avec l’heure. CSV.
Cela peut être modifié par les utilisateurs pour quantifier d’autres formes d’onde EEG.
Aperçu
Cet article décrit une méthode semi-automatisée permettant de mesurer les amplitudes et les latences des cinq premières pics et creux du tracé de la réponse auditive du tronc cérébral (ABR). À l'aide du logiciel statistique libre R, les chercheurs peuvent analyser les données ABR plus efficacement que par des méthodes manuelles, facilitant ainsi l'étude approfondie du traitement auditif pré-cognitif.
Composantes clés de l'étude
Domaine scientifique
- Neuroscience auditive
- Électrophysiologie
- Analyse de données
Contexte
- Les réponses auditives du tronc cérébral sont importantes pour déterminer les seuils auditifs.
- L'onde ABR contient des informations précieuses sur l'activité du tronc cérébral.
- De nombreux chercheurs ont auparavant effectué une analyse manuelle des ondes ABR.
- Cette étude vise à simplifier l'analyse à l'aide de scripts R.
Objectif de l'étude
- Automatiser la mesure des amplitudes et des latences dans les ondes du potentiel auditif évoqué du tronc cérébral.
- Améliorer la capacité d'évaluer le traitement auditif dans le cadre diagnostique.
- Fournir aux chercheurs des outils d'analyse gratuits et accessibles.
Méthodes utilisées
- La plateforme utilisée est le logiciel R dans l'environnement RStudio.
- Le modèle biologique principal est constitué de données de réponse auditive du tronc cérébral exportées à partir d'un logiciel d'enregistrement.
- Les chercheurs créent un dossier de test pour l'organisation des données et exécutent des scripts R spécifiques pour l'analyse.
- Des instructions détaillées en ligne de commande guident les utilisateurs dans le chargement et l'analyse des données de forme d'onde.
- Des méthodes statistiques telles que l'ANOVA et les tests non paramétriques évaluent les distributions des données.
Résultats principaux
- L'analyse automatisée est fortement corrélée aux résultats manuels concernant les caractéristiques des ondes ABR.
- Des tests statistiques valident la significativité des pics et des creux identifiés.
- L'étude met en évidence la fiabilité de la méthode automatisée pour quantifier l'activité du tronc cérébral.
Conclusions
- La présente étude démontre l'efficacité des scripts R dans l'automatisation de l'analyse des ondes ABR.
- L'analyse systématique permet une meilleure compréhension des mécanismes de traitement auditif.
- Les méthodes fournies peuvent être adaptées à diverses quantifications d'ondes EEG selon les besoins.
Questions fréquemment posées
Pertinence professionnelle pour l'industrie
L'analyse semi-automatisée des formes d'onde des potentiels évoqués auditifs du tronc cérébral (ABR) à l'aide de R permet une évaluation quantitative et évolutive de la fonction neuronale dans les modèles précliniques. Cette approche réduit la charge de travail manuelle et améliore la reproductibilité, soutenant ainsi une validation solide des cibles et une réduction des risques mécanistiques dans les filières d'audition et de neuropharmacologie. L'intégration d'analyses normalisées des formes d'onde renforce la confiance prédictive aux stades précoces de la découverte et aux points critiques de translation.
Applications stratégiques en recherche et développement en biopharmacie
Début de la découverte et validation de la cible
- Permet une quantification objective des amplitudes et des latences des réponses neuronales pour la validation fonctionnelle de cibles.
- Facilite la réduction des risques mécanistiques en fournissant des lectures neuronales reproductibles et quantitatives.
- Permet le tri du portefeuille en standardisant les données à travers différentes conditions expérimentales et cohortes.
Développement de tests et criblage
- Prépare des tests électrophysiologiques validés pour des procédés de criblage de composés en aval.
- Améliore la reproductibilité et la standardisation des tests grâce à une extraction semi-automatisée des données.
- Génère des résultats quantitatifs adaptés à des études à haut débit ou comparatives.
- Permet une évaluation fiable des effets de composés auditifs ou neuroactifs.
Recherche translationnelle et préclinique
- Aligne les données précliniques sur les réponses neuronales avec des stratégies transposables de biomarqueurs, le cas échéant.
- Assure la continuité depuis la phase de découverte jusqu'à la validation préclinique en permettant des analyses d'ondes cohérentes.
- Fournit des données ajustées au risque pour appuyer les décisions d'avancement dans les portefeuilles de recherche en neuropharmacologie et en audition.
Intégration des pipelines et des flux de travail
Cette méthode d'analyse ABR semi-automatisée convient aussi bien à la phase de découverte précoce qu'à la recherche préclinique, et permet l'identification de candidats thérapeutiques ainsi que le développement de biomarqueurs translationnels lorsque les paramètres neuronaux sont pertinents.
- Biologie de la découverte : Permet la vérification d'hypothèses et la clarification des voies biologiques grâce à des métriques quantitatives des réponses neuronales.
- Écrantage : Fournit des résultats reproductibles et prêts à l'emploi pour l'évaluation de composés et la comparaison entre différentes conditions.
- Analyse : Propose des résultats statistiques, incluant des tests de normalité et des comparaisons paramétriques ou non paramétriques, afin d'éclairer la prise de décision.
- Recherche translationnelle : Facilite l'alignement des biomarqueurs et assure la continuité lorsque les potentiels évoqués auditifs ou des formes d'onde similaires sont utilisés comme critères d'évaluation translationnels.
- Réutilisation en entreprise : Offre une capacité analytique réutilisable et open source, adaptable à d'autres jeux de données électrophysiologiques.
Impact opérationnel et organisationnel
- Valeur scientifique : Accroît la confiance prédictive et réduit l'ambiguïté mécanistique dans la validation des cibles neuronales.
- Valeur opérationnelle : Normalise et simplifie l'analyse des formes d'onde, améliorant la reproductibilité et la scalabilité.
- Valeur stratégique : Permet des décisions plus éclairées d'aller/arrêt et une gestion efficiente du portefeuille en termes de capital.
- Impact sur le portefeuille : Soutient la priorisation ajustée au risque et la progression des actifs dans la recherche en neuropharmacologie et en audition.
Considérations relatives à la mise en œuvre
- Nécessite une expertise en électrophysiologie et en analyse de données basée sur R.
- Requiert l'accès à R, RStudio et aux bibliothèques et scripts open source pertinents.
- Exige une standardisation interéquipes des formats de données et des flux de travail d'analyse.
- Adaptable à d'autres modèles de signaux EEG ou de formes d'onde neuronales moyennant une modification par l'utilisateur des fenêtres de latence.
- Dépend d'une mise en forme correcte des données et du respect des protocoles analytiques pour des résultats fiables.
F.A.Q. sur la bio-industrie pharmaceutique
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
