מאמר שיטה

ניתוח חצי אוטומטי של משרעת שיא והשהיה עבור צורות גל של תגובת גזע המוח השמיעתית באמצעות R

2.9K צפיות

⸱

DOI:

10.3791/64737

⸱

9 בדצמבר 2022

 , 
1Department of Biomedical Genetics, University of Rochester Medical Center, 2Department of Neuroscience, Ernst J. Del Monte Institute for Neuroscience, University of Rochester Medical Center

במאמר זה

סיכום

מאמר זה מתאר את המדידה החצי-אוטומטית של המשרעת וההשהיות של חמש הפסגות והשקתות הראשונות בצורת הגל של תגובת גזע המוח השמיעתית. שגרה נוספת אוספת ומבארת את הנתונים לגיליון אלקטרוני לצורך ניתוח נסיינים. שגרות מחשב חינמיות אלה מבוצעות באמצעות החבילה הסטטיסטית בקוד פתוח R.

תקציר

דיווחים רבים ב-15 השנים האחרונות העריכו שינויים בצורת הגל של תגובת גזע המוח השמיעתי (ABR) לאחר עלבונות כגון חשיפה לרעש. השינויים הנפוצים כוללים הפחתות במשרעת השיא 1 ובאיחורים היחסיים של הפסגות המאוחרות יותר, וכן עלייה ברווח המרכזי, המתבטאת בעלייה יחסית באמפליטודות של הפסגות המאוחרות יותר בהשוואה לאמפליטודה של שיא 1. נסיינים רבים מזהים את הפסגות והשקתות באופן חזותי כדי להעריך את הגבהים וההשהיות היחסיים שלהן, תהליך מייגע כאשר צורות הגל נאספות במרווחים של 5 dB בכל טווח השמיעה עבור כל תדר ומצב. מאמר זה מתאר שגרות חופשיות שעשויות להתבצע בפלטפורמת הקוד הפתוח R עם ממשק RStudio כדי להפוך את המדידות של הפסגות והשקתות של צורות גל של תגובת גזע המוח השמיעתית (ABR) לאוטומטיות. הרוטינות מזהות את המשרעת וההשהיות של פסגות ושקתות, מציגות אותן על צורת גל שנוצרה לבדיקה, אוספות ומבארות את התוצאות לגיליון אלקטרוני לניתוח סטטיסטי, ומייצרות צורות גל ממוצעות למספרים. במקרים שבהם התהליך האוטומטי מזהה באופן שגוי את צורת הגל של ABR, קיים כלי נוסף המסייע בתיקון. המטרה היא להפחית את הזמן והמאמץ הדרושים לניתוח צורת הגל של ABR, כך שחוקרים נוספים יכללו ניתוחים אלה בעתיד.

מבוא

תגובת גזע המוח השמיעתית (ABR) משמשת לעתים קרובות לקביעת ספי שמיעה אצל נבדקים בעלי חיים ותינוקות אנושיים. מכיוון שה-ABR הוא תיעוד אלקטרואנצפלוגרם (EEG) של התגובות הראשונות של מערכת העצבים לגירויים שמיעתיים, הוא נושא מידע נוסף המשקף את הירי המתואם של נוירוני גנגליון ספירליים שבלוליים ועיבוד אותות מוקדם בגזע המוח השמיעתי, כולל עיבוד דו-צדדי1. תגובות אלה עשויות להיות מושפעות מטראומת רעש. לדוגמה, חשיפה לרעש שמספיקה כדי לגרום לשינוי סף זמני בעכברים יכולה גם להפחית לצמיתות את המשרעת של שיא ABR 12. יתר על כן, טראומה כזו עשויה להפחית את ההשהיות הבין-פסיכיות ולהגדיל את המשרעת היחסית של הפסגות המאוחרות3, אולי בגלל אובדן של ויסות מעכב4. בנוסף לממצאים אלה, מוטציות גנטיות ספציפיות הוכחו כמשנות את צורת הגל של ABR בהיעדר טראומה 5,6,7. לפיכך, הניתוח השגרתי של צורות גל ABR יכול לספק תובנה על מערכת השמיעה במודלים ניסיוניים.

יש גם עניין בשימוש בצורות גל ABR ככלי אבחון לחולים. דוחות קודמים העריכו אם שיא ABR 1 מופחת בחולים אנושיים לאחר חשיפה לרעש או בחולי טינטון 8,9. יש לציין כי דווח כי התקפי מיגרנה מגבירים באופן זמני את העיכובים הבין-קוליים במשך מספר שבועות, ולאחר מכן צורת הגל של ABR חוזרת לקדמותה אצל אנשים מושפעים10. דווח כי COVID-19 גורם לשינויים ארוכי טווחב-ABR interpeak latencies 11,12, אם כי מחקר אחר דיווח על תוצאות שונות 13. ליקוי שמיעה הוא לעתים קרובות תחלואה משותפת עם דמנציה בהזדקנות, ואנשים עם ליקוי שמיעה גדול יותר נוטים לחוות דמנציה שמתקדמת מהר יותר14. חוקרים חקרו שינויים בצורת הגל של ABR במחלות נוירודגנרטיביות, כגון מחלת פרקינסון (נסקרה ב-Jafari et al.15) ומחלת אלצהיימר (שנסקרה ב-Swords et al.16), כמו גם בהזדקנות רגילה 17. ככל שיותר חוקרים וקלינאים חוקרים ליקויים חושיים כסמנים ביולוגיים למחלות נפוצות בהזדקנות, טכניקות כמו ABR עשויות להפוך לשגרה בתחום הבריאות.

בחינה של פרקי השיטות בספרות מגלה כי מעבדות כותבות לעתים קרובות סקריפטים מותאמים אישית ב- MatLab לניתוח צורות גל של ABR. לפלטפורמת ABR המיוצרת על ידי מערכות שמיעה חכמות יש פונקציה לניתוח צורות גל, אך היא דורשת מהמפעיל לבחור ידנית את הפסגות והשוקת. כאן, כתבנו שגרות ניתוח חצי אוטומטיות עבור הקוד הפתוח, הסביבה הסטטיסטית הזמינה באופן חופשי R וממשק RStudio. דו"ח זה משווה את הנתונים המתקבלים באמצעות השגרה שלנו לנתונים המתקבלים על ידי כך שהנסיין מזהה באופן ידני את הפסגות והשפלים ומראה כי הנתונים משתי השיטות מתואמים מאוד. חשוב לציין שהרוטינות משלבות פונקציה מסנוורת, שבה המטא-נתונים של הדגימות ממוקמים בקובץ נפרד שאינו משולב עד הסוף. פונקציות אלה ייעלו את ניתוח צורות הגל עבור המעבדה שלנו.

פרוטוקול

כל ההליכים שבוצעו בבעלי חיים אושרו מראש על ידי הוועדה למחקר בבעלי חיים של אוניברסיטת רוצ'סטר. הנבדקים בניסוי היו 12 עכברים זכרים ונקבות מסוג F1 בגיל חודש. עכברי F1 אלה הם תוצר של הזדווגות סכר CBA/CaJ ו-C57BL/6J. העכברים גודלו ושוכנו במתקן הוויבריום עם מחזור אור/חושך סטנדרטי של 12 שעות, מזון ומים ללא הגבלה ואספקת קינון בשפע. לא יותר מחמישה אחים חד-מיניים שוכנו יחד בכלוב אחד.

1. קבלת נתונים לניתוח

הערה: שלב זה חייב לעמוד בהנחיות המוסדיות ולהיות מאושר מראש על ידי הוועדה המוסדית לרווחת בעלי חיים. התהליך המפורט להפקת נתוני ABR מעכברים תואר במקום אחר18.

  1. הקלט את ה- ABR עם הפלטפורמה המועדפת.
    הערה: במקרה המוצג כאן, ההקלטות בוצעו על עכברים.
    1. השתמש בגירוי לחיצה של 5 אלפיות השנייה המתחיל ברמת לחץ קול של 75 dB ויורד ב- 5 dB שלבים ל- 5 dB. שיא ממוצע של 512 מטאטאים עבור כל משרעת. דחה תגובות אם שיא המשרעת שלהן גדול מ- 31 μV בכל מקרה בין 1.3 אלפיות השנייה ל- 12.5 אלפיות השנייה לאחר הגירוי.
      הערה: ניתן להשתמש גם בהקלטות ממצגות של טון פיפ. אנו צופים ששגרת הניתוח תעבוד עבור מינים אחרים, כולל בני אדם.
  2. ייצא את הקלטת ABR כקובץ ASCII.
    1. עבור IHS, פתח את תוכנית המחשב.
    2. טען את קובץ העניין, והצג את צורות הגל הרצויות בעמוד אחד.
    3. תחת הכרטיסיה נתונים , בחר שמור דף כ- ASCII כדי להשיג קובץ .txt.
    4. לאחר מתן שם הולם לקובץ הנתונים ("ID"), רשום את פרטי המזהה והנושא בקובץ מטא-נתונים שכותרתו "info.csv". ודא כי "תעודת הזהות" אינה כוללת מידע כגון הגנוטיפ, המין, הגיל או הטיפול; מידע זה נרשם במקום זאת ב"מידע.csv".
      הערה: ניתן להשתמש בחפיסה הוגנת של קלפי משחק כדי להקצות תוויות באופן אקראי במידת הצורך.
    5. חזור על כל הקבצים לניתוח כקבצי "מזהה" נפרדים.

2. התקנת החבילות הנדרשות וטעינת הנתונים למחשב העובד

  1. הורד והתקן את R (https://www.r-project.org) ו- RStudio (https://www.rstudio.com).
    הערה: הפרוטוקול המתואר כאן השתמש ב- R ≥ 4.0.0.
  2. התקן את הספריות הנדרשות, מסודר, מבריק, עלילתי וגן חיות, על ידי הקלדת הפקודה הבאה בחלון הפקודה של RStudio:
    Install.packages("מסודרים")
    Install.packages("מבריק")
    Install.packages("עלילתי")
    Install.packages("גן חיות")
  3. הורד את הסקריפטים FindPeaks.R ו- See_trace_click. R מהמעבדה הלבנה GitHub (https://github.com/PWhiteLab/FindPeaks), כמו גם את הקובץ המשויך "זמן.csv".
  4. צור תיקיה חדשה שתכיל את כל קבצי ASCII, "info.csv" ו- "Time.csv". עבור דוגמה זו, תן שם לתיקיה "Test_Folder". בתוך "Test_Folder", מקם את קבצי ASCII בתיקיית משנה שכותרתה "ASCII_Folder".

3. קבלת הניתוח הראשוני עם FindPeaks.R

  1. פתח את הסקריפט FindPeaks.R ב- RStudio.
  2. לחץ לחיצה ימנית על הכרטיסייה של הסקריפט בסרגל הכלים כדי לבחור הגדר ספריית עבודה, והגדר אותה ל- Test_Folder (ראה איור משלים S1A).
  3. בחלון הסקריפט , לחץ על מקור בפינה השמאלית העליונה של סרגל הכלים כדי לטעון את התוכנית (ראה איור משלים S1B).
  4. בחלון הפקודה, השתמש בפקודות הבאות כדי לנתח את צורות הגל (ראה איור משלים S2):
    FindPeaks_single("ASCII_folder/ID.txt" ) עבור קבצים בודדים (ראה איור משלים S2A)
    FindPeaks_group("ASCII_Folder" ) לעיבוד אצווה (ראו איור משלים S2B)
    הערה: הסקריפט יפיק (1) קבצי PDF המציגים את צורות הגל עם פסגות ושקתות מסומנות (ראו איור משלים S2C) ו-(2) קובץ מזהה.csv המכיל את הנתונים המספריים עבור המשרעת (μV) וההשהיה (ms). שני הקבצים ימוקמו ב- "Test_Folder".

4. אימות הניתוח הראשוני

הערה: ברמות צליל נמוכות, חלקים מצורת הגל עשויים להיות קשים להבחנה מרעש, ו- FindPeaks.R עשוי לזהות באופן שגוי את הפסגות או השפלות בהשוואה לדעת הנסיין. אם יש אי התאמה, אז את הקובץ .csv ניתן לתקן עם נתונים שהתקבלו מן הסקריפט See_trace_click.R.

  1. טען את נתוני צורת הגל עבור האדם הספציפי באמצעות הפקודה (ראה איור משלים S3A):
    צורת גל <- ASCII_extract("ASCII_Folder/ID.txt")
  2. פתח את See_trace_click. סקריפט R ב- RStudio.
  3. בכותרת מימין, לחץ על לחצן הפעל אפליקציה והמתן עד שיופיע חלון אינטראקטיבי (מבריק) חדש (ראה איור משלים S3B).
  4. בתיבה בפינה הימנית העליונה, הזן את רמת הצליל עבור צורת הגל הדורשת תיקון, וחפש את צורת הגל המוצגת בחלון.
  5. הזז את הסמן סביב צורת הגל כדי לחשוף את ההשהיה והמשרעת בכל נקודה.
  6. לחץ על השיא הנכון ועל השוקת הבאה כדי לרשום את הנתונים בטבלה שלהלן. העתק והדבק את נתוני ההשהיה בקובץ .csv (ראה איור משלים S3C).
  7. כדי לחשב את מדידת המשרעת, הפחת את משרעת השוקת הבאה ממשרעת השיא בתא הגיליון האלקטרוני.

5. הידור והדמיה של מערך הנתונים

  1. העבר את קבצי .csv המאומתים לתיקיית משנה חדשה Test_Folder שכותרתה "Peak_Data".
  2. צרף את הנתונים לקובץ .csv יחיד ותן לו שם "Peak_Data.csv".
  3. השתמש בפקודה הבאה:
    הידור ("Peak_Data")
    הערה: קובץ Script זה משלב את המטה-נתונים מהמידע.csv עם Peak_Data.csv לתייג את הנתונים עם מידע קבוצתי. הוא גם מחשב באופן אוטומטי את ההשהיות הבין-קוליות ואת יחסי המשרעת.
  4. בצע ניתוח סטטיסטי על הנתונים שנאספו.
    1. השתמש בבדיקת נורמליות, כגון מבחן שפירו-וילקס, כדי להעריך את התפלגות הנתונים באמצעות הפונקציה הבאה:
      שפירא.מבחן()
    2. אם מבחן שפירו-וילקס אינו משמעותי, למערך הנתונים יש התפלגות נורמלית; לפיכך, להעריך את הנתונים עם מבחן פרמטרי כגון ANOVA עם הפונקציה הבאה:
      AOV()
    3. אם מבחן שפירו-וילקס קטן מ- p = 0.05, השתמש במבחן סכום הדירוג של קרוסקל-וואליס (עם הפונקציה למטה) או במדד מתאים אחר שאינו פרמטרי (ראה אפשרויות אחרות בדיון).
      kruskal.test()
  5. כדי להציג צורות גל ממוצעות, השתמש בפקודה הבאה:
    Average_Waveform("ASCII_Folder ", aes(x = Data_Pnt_ms, y = "dB", קבוצה = גנוטיפ, צבע = גנוטיפ))
    הערה: פקודה זו מציגה את צורות הגל הממוצעות עבור גנוטיפים שונים בצבעים שונים. עבור המשתנה y dB, הוסף את המספר המתאים למשרעת הרצויה, כגון 75, ללא מרכאות. להשוואות אחרות, השתמש בתווית הקבוצה המתאימה מהמטא-נתונים.

תוצאות

בדקנו את הרוטינות על תגובות בצורת גל של ABR לסדרת קליקים, החל מ-75 dB וירידה במרווחים של 5 dB ל-5 dB. נתונים אלה התקבלו כפי שתואר קודםלכן 19. בדקנו את הכלי גם על נתוני טון פיפ והשגנו תוצאות דומות. נתוני ABR מרוב מערכות ABR ניתנים לייצוא כקבצי .txt (ASCII). טענו קבצי ABR ASCII למחשב ופתחנו אותם ב- RStudio כמתואר בפרוטוקול. לאחר הרצת שגרת FindPeaks.R בצורת אצווה, השגנו צורות גל לדוגמה עם תיוג אוטומטי (איור 1) וקובץ .csv עם התוצאות. התוצאות נבדקו כדי להסיר פסגות לא רלוונטיות. כדי לאמת את התיוג האוטומטי, השתמשנו גם ביכולת התוכנית ABR כדי לתייג באופן ידני את חמש הפסגות והשפלים הראשונים בכל צורת גל שהושגה עם סדרת הלחיצות שתוארה לעיל. הנסיין שביצע משימה זו היה בעל ניסיון של שנתיים בהקלטה וניתוח של נתוני ABR. איור 2 מציג השוואה זו, כאשר הנתונים האוטומטיים של FindPeaks.R מופיעים באדום והנתונים המתקבלים באופן ידני בשחור. כל מעקב מייצג את הנתונים מעכבר יחיד. מוצג גם הממוצע עבור שתי השיטות עם סטיית תקן אחת. התוצאות שהתקבלו על ידי FindPeaks.R מתואמות מאוד עם התוצאות המתקבלות באופן ידני (ראו איור משלים S4).

figure-results-1
איור 1: תגובה מייצגת בצורת גל לגירוי קליק של 75 dB עבור עכבר F1 צעיר. השהיה באלפיות השנייה משורטטת על ציר ה-x, והמשרעת במיקרו-וולטים משורטטת על ציר ה-y. הפסגות זוהו באופן אוטומטי עם FindPeaks.R ומסומנות באדום, ואילו השקתות מסומנות בכחול. אנא לחץ כאן כדי להציג גרסה גדולה יותר של נתון זה.

figure-results-2
איור 2: השוואה של הנתונים שהתקבלו מהפסגות שזוהו באופן ידני לנתונים שסופקו על ידי ניתוח FindPeaks.R. (A,C,E,G,I) אמפליטודות במיקרו-וולטים ו-(B,D,F,H,J) באלפיות שניה משורטטות עבור רמות קול בין 5 dB ל-75 dB (ציר x, כל הגרפים) עבור פסגות I-V בצורות הגל המתקבלות עבור גירויי קליק המוצגים ל-12 עכברים. הערכים המתקבלים באופן ידני (שחור) מושווים לאותם מערכי נתונים שנותחו באמצעות FindPeaks.R (אדום). הממוצעים מתווים כקווים כבדים, כאשר האזור המוצלל מייצג סטיית תקן אחת. לא נצפו הבדלים בין השיטות כאשר הוערכו במבחן סכום הדירוג של קרוסקל-וואליס (A, הפרש = 0.0547977 ± 0.0010028, מקסימום = 0.96, p = 0.9216; B, הפרש = −0.0001734 ± 0.0001214, מקסימום = 0.04, p = 0.8289; C, הפרש = −0.0212209 ± 0.0006806, מקסימום = 0.92, p = 0.9687; D, הפרש = −0.0011047 ± 0.0001556, מקסימום = 0.06, p = 0.771; E, הפרש = −0.0323077 ± 0.0006169, מקסימום = 0.66, p = 0.899; F, הפרש = −0.0072189 ± 0.0001460, מקסימום = 0.04, p = 0.8644; G, הפרש = 0.201754 ± 0.0007407, מקסימום = 0.64, p = 0.9312; H, הפרש = −0.0007018 ± 0.0001717, מקסימום = 0.09, p = 0.8013; I, הפרש = 0.0347561 ± 0.0007343, מקסימום = 1.05, p = 0.8856; J, הפרש = −0.0078049 ± 0.0002762, מקסימום = 0.16, p = 0.886), והתוצאות היו מתואמות מאוד (ערכי צ'י בריבוע: A, 0.009696; ב, 0.046684; C, 0.0015395; ד, 0.084742; E, 0.016102; F, 0.029153; ז, 0.0074604; H, 0.063322; I, 0.020699; י, 0.020544; הבדלים המוצגים כממוצע ± SEM; מקסימום = הבדל מקסימלי מוחלט). אנא לחץ כאן כדי להציג גרסה גדולה יותר של נתון זה.

איור משלים S1: ניתוח עם FindPeaks.R. (A) בחירת ספריית העבודה (ראה פרוטוקול שלב 3.2); (B) טעינת התוכנית (ראה פרוטוקול שלב 3.3). אנא לחץ כאן כדי להוריד קובץ זה.

איור משלים S2: פלט סקריפט ופקודות לניתוח צורות הגל. פקודות עבור (A) קבצים בודדים ו- (B) עיבוד אצווה. (C) פלט קובץ PDF המציג צורות גל עם פסגות ושקתות מסומנות. ראה פרוטוקול שלב 3.4. אנא לחץ כאן כדי להוריד קובץ זה.

איור משלים S3: אימות הניתוח. (A) טעינת נתוני צורת הגל (ראה שלב 4.1 בפרוטוקול). (ב) מיקום לחצן ' הפעל אפליקציה' . קובץ הנתונים לדוגמה מצוין גם הוא. (C) חלון מבריק עם צורת גל. במקרה זה, רמת הצליל היא 75 dB, כפי שהוזן בחלון העליון. לחיצה על שיא רצוי ועל השוקת הבאה מתעדת את הנתונים עבור המשרעת וההשהיה בטבלה (שלב פרוטוקול 4.6). נתוני שיא 3 מוצגים. אנא לחץ כאן כדי להוריד קובץ זה.

איור משלים S4: השוואה של הנתונים הבודדים שהתקבלו מהפסגות שזוהו באופן ידני לנתונים שסופקו על ידי ניתוח FindPeaks.R. (א,ג,ה,ז,א) אמפליטודות במיקרו-וולטים ובאיחורים (B,D,F,H,J) באלפיות שניה משורטטות עבור רמות קול בין 5 dB ל-75 dB (ציר x, כל הגרפים) עבור פסגות I-V בצורות גל המתקבלות עבור גירויי קליקים המוצגים ל-12 עכברים. כל חיה מסומנת בצבע ייחודי, כפי שמוצג במקרא. הנתונים המתקבלים עם FindPeaks.R מסומנים בצבעים אחידים, בעוד שהנתונים המתקבלים באופן ידני מסומנים בגרסאות פחות רוויות של אותם צבעים. בעוד ששני מערכי הנתונים מתווים באיור זה, כאשר הם זהים, רק שורה אחת נראית לעין. אנא לחץ כאן כדי להוריד קובץ זה.

דיון

הפרוטוקול המתואר בפרסום זה אמור לסייע בייעול רכישת נתונים המתארים יחסי משרעת מתח ומרווחי השהיה עבור ABRs ללחיצות ופיפס טון. על-ידי שימוש בפקודות בודדות ב- RStudio, נסיינית עשויה לחלץ, לקמפל ולהציג מידע זה במסמך יחיד לצורך ניתוח סטטיסטי. על ידי הפיכת ניתוח זה לשגרה, אנו מקווים שהתחום יגלה דרכים חדשות שבהן ניתן לשנות את ה-ABR בהתפתחות, בהזדקנות או על ידי עלבון במינים שונים. מידע כזה יכול להיות בעל ערך לזיהוי מנגנונים חשובים הדומים לסינפטופתיה מרעש2. לעכברים הצעירים ששימשו לניסוי הזה היו תגובות משתנות מאוד, ככל הנראה משום שגזע המוח השמיעתי עדיין מתבגר בגיל20. עם זאת, שתי שיטות הכימות הראו קורלציות חזקות מאוד (איור 2).

הסקריפט משתמש בקובץ שנקרא "Time.csv" כדי להגדיר מרווחי זמן בתוך הנתונים לזיהוי שיא. בקצרה, משרעת מתח מקסימלית המתרחשת במרווח זמן מוגדר מסומנת "שיא 1", מתח מינימלי המתרחש במרווח הבא מסומן "שוקת 1", וכן הלאה. בחרנו את המרווחים כדי להקיף את ההשהיות של תגובות הקליק ופיפס הטון עבור עכברי CBA/CaJ בני חודש עד 12 חודשים באמצעות תדרים המשתרעים על פני 8 קילוהרץ עד 32 קילוהרץ. השתמשנו בכלי בהצלחה גם כדי למדוד תגובות של פיפ טון בעכברים. גם למינים אחרים, כולל בני אדם, יש תגובות ABR בתוך חלונות דומים, ואנו צופים שהכלי הזה יכול לשמש גם לנתונים ממינים אחרים. אנו ממליצים להשתמש בשיטת ABR המקבילה החדשה לבני אדם21, המייצרת צורות גל מצוינות. מגבלת מרווח הזמן מגבילה את השימוש בכלי זה להערכת תגובות ABR מיידיות. עם זאת, נציין כי המשתמשים יכולים לשנות את נתוני המרווח בקובץ זה כדי להפוך את המדידות של תגובות ABR לדיבור או של פוטנציאלים הקשורים לאירוע (ERPs) המתרחשים באופן אופייני בזמנים שונים בתגובה לצליל.

כמה תכונות של הטיפול הסטטיסטי של נתונים אלה ראויים להדגשה. למיטב ידיעתנו, בתחום אין טיפול סטנדרטי להבחנה בין התקדמות משרעת. מחקרים מוקדמים השתמשוב-ANOVA 22,23. הנתונים מסדרת הקליקים כאן (איור 2) היו לא פרמטריים, מה שהוביל לשימוש במבחן סכום הדירוג של קרוסקל-וואליס. בדומה ל- ANOVA, מבחן סכום הדירוג של קרוסקל-וואליס מעריך הבדלים בערכים המתקבלים ברמה נתונה של גירוי; כלומר, הוא משווה את הקווים המתקבלים על הגרף. עם זאת, טיפולים אחרים אפשריים גם כן. מבחינה ביולוגית, התקדמות המשרעת משקפת גיוס נוסף של נוירונים בעלי סף גבוה יותר ככל שרמת הגירוי עולה. זה מצביע על כך שהשטח שמתחת לעקומה, המייצג את האינטגרלים של הקווים, יכול להיות המדד הרלוונטי יותר. משוואות הערכה כלליות (GEE) עשויות לשמש למודל נתונים בודדים לניתוח אינטגרלי, כמו ב- Patel et al.5. יש לציין כי ניתוח GEE יכול לקחת בחשבון את תכנון המדדים החוזרים ונשנים של ניסויים אלה. ככל שיותר חוקרים דנים בשיטות ניתוח הנתונים, אנו צופים את הופעתו של קונצנזוס על שיטות עבודה מומלצות.

לסיכום, מאמר זה מציג כלים חינמיים וקלים לשימוש למדידה, הידור והדמיה של צורות גל ABR. כלים אלה יכולים לשמש תלמידים מתחילים של RStudio על ידי ביצוע פרוטוקול זה, והם משלבים צעד מסנוור לשיפור הקפדנות והשכפול. אנו צופים כי ניתוח שגרתי של צורת הגל של ABR יאפשר גילוי של עלבונות, וריאנטים גנטיים וטיפולים אחרים שיכולים להשפיע על תפקוד השמיעה.

גילויים

למחברים אין ניגודי עניינים.

תודות

עבודה זו נתמכה על ידי שני מענקים מה- NIDCD ל- PW: R01 DC018660 ופרס משלים מנהלי, R01 DC014261-05S1.

חומרים

רשימת החומרים שנעשה בהם שימוש במאמר זה
שםחברהמספר קטלוגהערות
C57BL/6J  עכבריםJackson Labs664
עכברי CBA/CaJJackson Labs654
E-series PCDelln/a (ציוד זה הופסק)זה מפעיל את מערכת IHS.
תא מיני אנכואיחברת אקוסטיקה תעשייתיתמספר הזמנה מיוחד 104306מארז זה מפחית את רמות הרעש לבדיקות שמיעה של בעלי חיים.
Optiplex 7040i5-6500Rstudio של Dell גם במערכת Mac או Linux.
מערכות שמיעה חכמותשל Universal Smart Boxn/a (ציוד זה הופסק)גם TDT וגם IHS יכולים להפיק נתוני שמיעה כקבצי ASCII.
ניתן להפעיל את

מקורות

  1. Gopal, K. V., Pierel, K. Binaural interaction component in children at risk for central auditory processing disorders. Scandinavian Audiology. 28 (2), 77-84 (1999).
  2. Kujawa, S. G., Liberman, M. C. Adding insult to injury: Cochlear nerve degeneration after "temporary" noise-induced hearing loss. Journal of Neuroscience. 29 (45), 14077-14085 (2009).
  3. Salvi, R. J., Wang, J., Ding, D. Auditory plasticity and hyperactivity following cochlear damage. Hearing Research. 147 (1-2), 261-274 (2000).
  4. Schrode, K. M., Muniak, M. A., Kim, Y. H., Lauer, A. M. Central compensation in auditory brainstem after damaging noise exposure. eNeuro. 5 (4), (2018).
  5. Patel, S., et al. SIRT3 promotes auditory function in young adult FVB/nJ mice but is dispensable for hearing recovery after noise exposure. PLoS One. 15 (7), 0235491(2020).
  6. Milinkeviciute, G., Chokr, S. M., Castro, E. M., Cramer, K. S. CX3CR1 mutation alters synaptic and astrocytic protein expression, topographic gradients, and response latencies in the auditory brainstem. Journal of Comparative Neurology. 529 (11), 3076-3097 (2021).
  7. Ison, J. R., Allen, P. D., Oertel, D. Deleting the HCN1 subunit of hyperpolarization-activated ion channels in mice impairs acoustic startle reflexes, gap detection, and spatial localization. Journal of the Association for Research in Otolaryngology. 18 (3), 427-440 (2017).
  8. Chen, F., Zhao, F., Mahafza, N., Lu, W. Detecting noise-induced cochlear synaptopathy by auditory brainstem response in tinnitus patients with normal hearing thresholds: A meta-analysis. Frontiers in Neuroscience. 15, 778197(2021).
  9. Santos-Filha, V. A., Samelli, A. G., Matas, C. G. Noise-induced tinnitus: Auditory evoked potential in symptomatic and asymptomatic patients. Clinics. 69 (7), 487-490 (2014).
  10. Kochar, K., Srivastava, T., Maurya, R. K., Jain, R., Aggarwal, P. Visual evoked potential & brainstem auditory evoked potentials in acute attack & after the attack of migraine. Electromyography and Clinical Neurophysiology. 42 (3), 175-179 (2002).
  11. Gedik, O., Husam, H., Basoz, M., Tas, N., Aksoy, F. The effect of coronavirus disease 2019 on the hearing system. Journal of Laryngology and Otology. 135 (9), 810-814 (2021).
  12. Ozturk, B., Kavruk, H., Aykul, A. Audiological findings in individuals diagnosed with COVID-19. American Journal of Otolaryngology. 43 (3), 103428(2022).
  13. Dror, A. A., et al. Auditory performance in recovered SARS-COV-2 patients. Otology & Neurotology. 42 (5), 666-670 (2021).
  14. Lin, F. R., et al. Hearing loss and incident dementia. Archives of Neurology. 68 (2), 214-220 (2011).
  15. Jafari, Z., Kolb, B. E., Mohajerani, M. H. Auditory dysfunction in Parkinson's disease. Movement Disorders. 35 (4), 537-550 (2020).
  16. Swords, G. M., Nguyen, L. T., Mudar, R. A., Llano, D. A. Auditory system dysfunction in Alzheimer disease and its prodromal states: A review. Ageing Research Reviews. 44, 49-59 (2018).
  17. Konrad-Martin, D., et al. Age-related changes in the auditory brainstem response. Journal of the American Academy of Audiology. 23 (1), 18-35 (2012).
  18. Navntoft, C. A., Marozeau, J., Barkat, T. R. Cochlear implant surgery and electrically-evoked auditory brainstem response recordings in C57BL/6 mice. Journal of Visualized Experiments. (143), e59073(2019).
  19. Gilels, F., Paquette, S. T., Beaulac, H. J., Bullen, A., White, P. M. Severe hearing loss and outer hair cell death in homozygous Foxo3 knockout mice after moderate noise exposure. Scientific Reports. 7, 1054(2017).
  20. Rubio, M. E. Auditory brainstem development and plasticity. Current Opinion in Physiology. 18, 7-10 (2020).
  21. Polonenko, M. J., Maddox, R. K. The parallel auditory brainstem response. Trends in Hearing. 23, 2331216519871395(2019).
  22. Shi, L., et al. Noise-induced damage to ribbon synapses without permanent threshold shifts in neonatal mice. Neuroscience. 304, 368-377 (2015).
  23. Lin, H. W., Furman, A. C., Kujawa, S. G., Liberman, M. C. Primary neural degeneration in the Guinea pig cochlea after reversible noise-induced threshold shift. Journal of the Association for Research in Otolaryngology. 12 (5), 605-616 (2011).

הדפסות חוזרות והרשאות

בקש הרשאה לשימוש חוזר בטקסט או באיורים של מאמר JoVE זה

בקש הרשאה

תגיות

ABRRStudioFindpeaksShapiro WilkANOVA

מאמרים קשורים