Articolo metodologico

Neurovascular rete Explorer 2.0: Un semplice strumento per esplorare e condividere un Database di Vasomotion Optogenetically-evocato nella corteccia di topo In Vivo

DOI:

10.3791/57214

⸱

4 maggio 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

In questo articolo

Sommario

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

Un'interfaccia utente grafica per esplorare e condividere un database di risposte vascolari optogenetically-indotta in mouse corteccia somatosensory in vivo misurati da microscopia 2-fotone è presentata. Consente la navigazione dati, basati su criteri di selezione, in media, localizzazione delle misurazioni all'interno di un volume 3D del sistema vascolare e l'esportazione dei dati.

Abstract

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

L'importanza della condivisione dei dati sperimentali in neuroscienze cresce con la quantità e la complessità dei dati acquisiti e varie tecniche usate per ottenere ed elaborare questi dati. Tuttavia, la maggior parte dei dati sperimentali, soprattutto da studi individuali di dimensioni regolari laboratori mai raggiunge la più ampia comunità di ricerca. Un motore di interfaccia (GUI) di grafica utente chiamato Neurovascular rete Explorer 2.0 (NNE 2.0) è stato creato come strumento per semplice e low-cost sharing ed esplorazione di dati di imaging vascolari. NNE 2.0 interagisce con un database contenente optogenetically-evocato dilatazione/costrizione tempo-corsi di singole navi misurate in topi corteccia somatosensory in vivo mediante microscopia 2-fotone. NNE 2.0 consente la selezione e la visualizzazione del tempo-corsi basati su criteri diversi (soggetto, ordine di ramificazione, profondità corticale, diametro del vaso, albero arteriolare) così come semplice manipolazione matematica (ad es. una media, picco-normalizzazione) e esportazione dei dati. Supporta la visualizzazione della rete vascolare in 3D e consente una localizzazione delle misurazioni diametro singolo recipiente funzionale all'interno di alberi vascolare.

NNE 2.0, il codice sorgente e il database corrispondente sono liberamente scaricabili da UCSD Neurovascular Imaging laboratorio sito1. Il codice sorgente può essere utilizzato dagli utenti per esplorare il database associato o come un modello per declinati e condividere i propri risultati sperimentali forniti nel formato appropriato.

Introduzione

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

Il cervello è considerato uno degli organi più intricati e il desiderio di districare la sua funzione complessa è instancabile. È in fase di studio a diverse scale da molecolare al livello comportamentale utilizzando un'ampia gamma di strumenti2,3,4,5,6,7,8 . La quantità di dati sperimentali non omogeneo cresce con una velocità senza precedenti. La consapevolezza della necessità di condivisione dei dati sperimentali, organizzazione e standardizzazione cresce con la quantità di dati acquisiti. È diventato evidente che neuroinformatica giocherà un ruolo fondamentale nell'integrazione di dati sperimentali attraverso scale in modelli di cervello funzione e disfunzione9,10.

A tal fine alcuni studi, soprattutto su larga scala, sono stati in grado di stanziare risorse per rendere i risultati disponibili via vasto database11,12,13,14,15. Tuttavia, una grande quantità di dati sperimentali da singoli studi e laboratori di dimensioni regolari ha raggiunto mai la più ampia comunità di ricerca. Questo è principalmente per due motivi: primo, dedicato più tempo è necessario per costruire un database e creare strumenti che consentano all'utente di interagire con il database; e la seconda, più denaro è necessario per supportare queste attività. Motivato da queste sfide, un motore di interfaccia (GUI) di grafica utente MATLAB basato chiamato il Neurovascular rete Explorer 2.0 (NNE 2.0)16 è stato sviluppato come uno strumento semplice e a basso costo per declinati, condivisione e l'esplorazione di dati di imaging vascolari. Questo manoscritto fornisce un manuale per il funzionamento di NNE 2.0 e il database associato dei dati sperimentali.

NNE 2.0 è già un motore software di seconda generazione. La prima generazione, denominata Neurovascular rete Explorer 1.0 (NNE 1.0)17 è stata costruita per interagire con un database di vasodilatazione sensoriale-evocato nella corteccia somatosensoriale primaria di ratto (SI) in vivo misurata da microscopia 2-fotone18. NNE 1.0, il suo codice sorgente, nonché il database associato è liberamente scaricabile come file compresso chiamato 'NNE 1 Tian' da UCSD Neurovascular Imaging laboratorio sito1. Ulteriori informazioni NNE 1.0 e il database associato possono essere trovati in17.

La seconda generazione, il 2.0 NNE, interagisce con un database di optogenetically-evocato dilatazione dei vasi singoli nei topi SI in vivo misurati da microscopia 2-fotone20. L'utente può navigare, selezionare e visualizzare i dati in base alle categorie di selezione come profondità corticale, ordine di ramificazione, diametro del vaso, soggetto animale o un particolare albero arteriolare. La GUI di ulteriormente esegue semplici operazioni matematiche quali media e picco-normalizzazione in categorie selezionate. NNE 2.0 consente di visualizzare e navigare tra le immagini di acquisizione 3D volumi del sistema vascolare come identificare la posizione della misurazione funzionale all'interno di alberi vascolare. Questa funzionalità può essere utilizzata per ricostruire morfologie vascolari in 3D e popolarli con le misure reali del singolo-vaso vaso-movimento. Queste ricostruzioni a sua volta possono essere incorporate in modelli computazionali del cervello funzione21,22. NNE 2.0, il codice sorgente e il database associato sono liberamente scaricabili come file compresso chiamato 'NNE 2.0 HDbase v 1.0' dal laboratorio di Imaging di UCSD Neurovascular sito1.

NNE 2.0 funziona con un database chiamato 'vdb.mat'. Questo database è una matrice contenente i profili temporali (tempo-corsi) di singolo vaso diametro modifiche evocato da uno stimolo optogenetica e misurato alle posizioni differenti di alberi arteriolari. Ogni corso di tempo è stato calcolato utilizzando il software personalizzato. Calcola la variazione relativa di un diametro del vaso di espansione di un profilo di intensità di fluorescenza acquisito da scansione attraverso la nave. Il contrasto fluorescente è stato presentato da iniezione intravascolare di isotiocianato di fluorescina (FITC)-etichettato destrano. Per ulteriori informazioni circa le procedure di analisi e di dati, vedere20,23. Il database ha 305 tempo-corsi (cioè voci di database) in totale. Oltre alla variazione di diametro, ogni voce per il database tiene una serie di metadati aggiuntivi che (1) quantificare il corso di tempo (2) descrivere la nave misurata e (3) identificare la posizione di misurazione all'interno di un volume 3D del sistema vascolare corticale. I metadati includono il tempo di inizio, picco di ampiezza, tempo di ampiezza di picco, profondità corticale, ramificazione ordine, diametro del vaso al basale, percorso immagini originali di riferimento e gli stack di immagine 3D per ogni misura e basso ingrandimento mappe della superficie del cervello sistema vascolare. Vedere tutti i parametri nei metadati elencate e descritte in dettaglio in precedenza nella tabella 116.

NNE 2.0 interagisce con le immagini di riferimento che sono CHE X-Y esegue la scansione di un aereo di cui si è verificata la misura di diametro. Ogni voce del database ha una corrispondente immagine di riferimento con un nome di riferimento visualizzato nella GUI. Ogni voce del database ha anche un associato stack di immagini (3D stack) catturando un volume 3D dell'albero vascolare all'interno del quale si è verificato la misurazione. La GUI permette di scegliere una voce di database specifico e visualizzare l'immagine di riferimento corrispondente, così come lo stack di 3D. Guida anche l'utente per trovare l'immagine di riferimento corrispondente e frame nello stack di 3D (le stesse caratteristiche possono essere trovate in entrambe le immagini). Tutti stack e immagini di riferimento nella loro piena risoluzione (1024 pix pix x 1024) sono inclusi nelle cartelle hana_stk e hana_refs, rispettivamente. Mappe di basso ingrandimento del sistema vascolare del cervello sono inclusi nella cartella 'maps'. Tutte le tre cartelle, come pure la matrice di database 'vdb.mat' sono scaricati nel file zippato 'NNE 2.0 HDbase v 1.0' dal laboratorio di Imaging di UCSD Neurovascular sito1 e salvato nella cartella principale di NNE 2.0 durante il processo di installazione.

La GUI è stata progettata come un insieme di quattro pannelli (1 pannello (pannello principale) – pannello 4) che si aprono in sequenza come l'utente Esplora il database e seleziona dati specifici in base alle categorie di selezione. Ogni pannello è diviso in due parti principali: (1) la colonna di destra fornisce la possibilità di interagire con il database selezionando i parametri e categorie delle informazioni importanti dati e display dai metadati; (2) la colonna di sinistra Visualizza i dati sotto forma di corsi di time (diametro cambia nel tempo) e grafici a dispersione. Ci sono quattro tipi di grafici a dispersione visualizzati da inizio di dilatazione (1) (2) tempo del cambiamento di diametro (3) massimo picco di dilatazione (ampiezza di picco) e diametro (4) della linea di base (diametro prima di stimolazione) in funzione della profondità corticale. L'utente ha la possibilità di visualizzare medio tempo-corsi e valori per i dati selezionati raggruppati da profondità corticale o ordine di ramificazione. Questo è quello di evidenziare la caratteristica del comportamento di gradienti di variazione di diametro con l'aumento di profondità e ramificazione ordine20. NNE 2.0 consente all'utente di esportare il sottoinsieme di dati nel formato di '. xls', 'CSV' o 'mat' selezionati.

Accesso limitato. Accedi o avvia una prova gratuita per visualizzare questo contenuto.

Protocollo

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

1. installazione di NNE 2.0

  1. Vai alla UCSD Neurovascular Imaging laboratorio sito1 e tasto sinistro del mouse al 'NNE 2.0 HDbase v 1.0' per scaricare i file di programma compresso nella posizione desiderata sul vostro PC.
    Nota: NNE 2.0 richiede un sistema operativo Windows di versioni 7-10, almeno 2,8 GB di spazio libero per scaricare il file compresso e 6,9 GB per installare il programma.
  2. Decomprimere il 'NNE2_HDbase_v1.0.zip'.
    Nota: La cartella decompressa NNE2 contiene 10 file: 'hana_refs.tar.gz', 'hana_stk.tar.gz', 'maps.tgz', 'MCRInstaller.exe', 'NNE2.exe', 'NNE2.zip', 'NNE2_README.txt', 'source', 'users_guide.pdf' e 'vdb.mat'.
  3. Installare NNE 2.0 seguendo le istruzioni in 'NNE2_README.txt'.

2. esecuzione di NNE 2.0

  1. Avviare NNE 2.0 con 'NNE2.exe'.
  2. Pannello 1 (pannello principale): Selezionare un sottoinsieme dei dati (Figura 1). Immagini nella colonna sinistra del pannello principale mostrano grafici tempo-corsi e i parametri di tutte le voci per il 'vdb.mat' (Figura 1).
    1. Selezionare l'intervallo per Profondità corticale nella colonna di destra del pannello. Digitare l'intervallo di profondità nel formato [dmin dmax], dove dmin è la profondità minima emassima d è la profondità massima.
      Nota: I dati è stati misurati a profondità da 30-560 µm.
    2. Selezionare Ordine di ramificazione nella colonna di destra del pannello. Fare clic sulla freccia e scegliere una delle opzioni dall'elenco (superficie | Immersioni subacquea tronco | Rami del primo ordine | Più alti rami di ordine).
    3. Selezionare l'intervallo di Diametro della linea di base nella colonna di destra del pannello. Digitare nel formato [diamin diametromax], dove diamin è il diametro minimo e diametromax è il diametro massimo.
    4. Selezionare soggetti (animali in base alla data di acquisizione) nella colonna di destra del pannello. Fare clic sulla freccia e scegliere tra le opzioni disponibili. In alternativa, scegliere i dati da tutti i soggetti cliccando nel rettangolo blu.
    5. Premere invio per visualizzare ed esplorare i dati selezionati nel pannello 2.
  3. Pannello 2: Esplorare il sottoinsieme di dati selezionati e continuare ulteriormente raffinatezza dati (Figura 2).
    1. Selezionare il tipo per una media di gruppo dei dati cliccando sul pulsante appropriato nella colonna destra in alto a sinistra. Select: medio di profondità corticale o medio di ordine di ramificazione.
      Nota: La scelta attuale è evidenziata in verde sotto (Figura 2).
    2. Selezionare dati basati sulla morfologia del vaso o oggetto. Sinistro del mouse selezionare tutti i dati per albero (una singola immersione arteriola ed i relativi rami) oppure selezionare tutti i dati per cong (soggetto animale).
    3. Tasto sinistro del mouse Invia a visualizzare i dati selezionati sulla sinistra nei grafici del tempo-corsi (1) individuali (2) gruppo-media tempo-corsi e dispersione (3) inizio volte (4) tempo di picchi (5) picco ampiezze e diametri di base (6)
    4. Sinistro del mouse su una traccia nel grafico di timecourses individuali nella colonna di sinistra per selezionare un corso di tempo.
      Nota: Il corso di tempo selezionato viene evidenziato nel grafico (magenta) e il relativo tempo di insorgenza, time-to-peak, picco ampiezza e base diametro sarà contrassegnato da cerchi rossi nel grafico seguente. Punti rossi nei grafici a dispersione sono valori medi.
    5. Nota gli identificatori di oggetto (Oggetto ID) e albero (Tree ID) per il corso di tempo selezionato nella colonna di destra nella parte inferiore.
    6. Se lo si desidera, modificare il tipo di gruppo-media cliccando con la scelta appropriata sulla sommità della colonna di destra seguita dal tasto invio e ripetere i passaggi da 2.3.4.
    7. Con un cursore a croce per visualizzare ed esplorare tutte le tracce per l'oggetto selezionato (Oggetto ID) o albero (Tree ID) nel pannello 3, fare clic destro nel pannello 2.
  4. Pannello 3: Esplorare il sottoinsieme finale dei dati ed esportarli (Figura 3).
    1. Selezionare un corso di tempo nel grafico superiore della colonna a sinistra cliccando su una traccia: la traccia selezionata sarà evidenziata nel grafico (magenta) e parametri descrittivi della voce del database verranno visualizzati sopra il grafico.
      Nota: Il corso di tempo medio viene visualizzato in nero spesso (Figura 3).
    2. Nota corrispondente onset time, time-to-peak, picco di ampiezza e diametro basale nei seguenti grafici.
    3. Fare clic sul pulsante Esporta SET nella colonna di destra per salvare le tracce visualizzate nel grafico superiore nella cartella dove NNE 2.0 è in esecuzione da.
      Nota: Questa azione Salva tre file: 'vdb_subset.xls', 'vdb_subset.csv' e 'vdb_subset.mat' contenenti vettori del cambiamento di diametro e vettori di tempo; 'vdb_subset.mat' contiene anche parametri descrittivi e informazioni da 'vdb.mat'.
    4. Per controllare tutti i dati per il 'soggetto' invece di 'albero' chiusura il pannello 3 premendo [x], riavvio NNE 2.0, ripetere la selezione delle categorie nel pannello 1 (misure 2.2.1-2.2.5) e selezionare tutti i dati per l'oggetto nel pannello 2 (punto 2.3.2).
    5. Fare clic destro in un punto qualsiasi nel pannello 3 con un cursore a croce per passare al pannello 4 per esplorare immagini di riferimento e gli stack di 3D per tutte le tracce nel grafico superiore del pannello 3.
      Nota: Il pannello 4 aprirà se opzione tutti i dati per 'albero' è stato selezionato nel pannello 2. Se tutti i dati per 'soggetto' sono stati selezionati invece, l'utente verrà richiesto di modificare la sua selezione e diretto a pannello 1.
  5. Pannello 4: Localizzare la misurazione funzionale all'interno di un'immagine di riferimento e all'interno di una serie di immagini 3D del sistema vascolare (Figura 4).
    1. Selezionare un corso di tempo cliccando su di esso nel grafico in cima alla colonna di sinistra.
      Nota: La traccia selezionata sarà evidenziata nel grafico (magenta) e le informazioni descrittive dai metadati verranno visualizzate sulla parte superiore.
    2. Esplorare l'immagine di riferimento corrispondente che viene caricato automaticamente dalla cartella 'hana_refs' in basso a destra della colonna a sinistra.
    3. Esplorate il corrispondente stack di immagine 3D caricati automaticamente dalla cartella di 'hana_stk' in basso a sinistra della colonna sinistra. Scorrere utilizzando le frecce o il cursore sotto la figura dello stack.
      Nota: Quando l'immagine dello stack raggiunge il livello dell'immagine – cioè il livello di misurazione del diametro ('Indice' = 'Ref'), l'immagine dello stack è evidenziato e indicato come 'Livello di Frame'.
    4. Fare clic su Esporta insieme nella colonna di destra per il corso di tempo evidenziato per esportare in un file 'ref_stacks_trace.xls', che viene salvato nella cartella dove NNE 2.0 è in esecuzione da.
      Nota: Il file contiene il vettore di tempo, vettore di cambiamento di diametro, oggetto ID, indice della voce, posizione dell'immagine di riferimento, posizione dello stack 3D e il numero di immagine dello stack per il livello di telaio.
    5. Vicino pannello 4 [x] per andare indietro a pannello 1.

Accesso limitato. Accedi o avvia una prova gratuita per visualizzare questo contenuto.

Risultati

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

NNE 2.0 e il database associato servono a sfogliare e visualizzare i dati del database, ordinare i dati in base a criteri di selezione, Scarica i dati selezionati e trovare le misurazioni vascolare all'interno dell'albero vascolare corrispondente.

1 pannello dotato di selezione di dati basati su Categorie: 'Corticale profondità', 'Ordine di ramificazione', 'Baseline diametro' e 'Soggetto' – Figura 1...

Accesso limitato. Accedi o avvia una prova gratuita per visualizzare questo contenuto.

Discussione

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

NNE 2.0 è stato scritto al fine di condividere i dati di imaging vascolari di una studio specifico20 ma con l'intento di sviluppare un semplice strumento per la condivisione e l'esplorazione dei dati del genere simile da altri utenti. I ricercatori interessati a ispezionare il database associato dei dati vascolari possono utilizzare la GUI per sfogliare i dati, selezionare sottoinsiemi di dati, li confronta con i propri risultati sperimentali o elaborarli ulteriormente utilizzando le proprie proce...

Accesso limitato. Accedi o avvia una prova gratuita per visualizzare questo contenuto.

Dichiarazioni

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

Gli autori non hanno nulla a rivelare.

Ringraziamenti

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

Noi riconosciamo con gratitudine il supporto dal NIH (NS057198, EB00790, MH111359 e S10RR029050) e il Ministero della pubblica istruzione, gioventù e dello sport della Repubblica Ceca (CEITEC 2020, LQ1601). KK è stato sostenuto da borse di studio post-dottorati dalla International Headache Society nel 2014 e la scientifica e tecnologica ricerca Consiglio della Turchia nel 2015. MT è stato sostenuto da postdoctoral fellowship dalla Deutsche Forschungsgemeinschaft (DFG TH 2031/1).

Accesso limitato. Accedi o avvia una prova gratuita per visualizzare questo contenuto.

Materiali

Elenco dei materiali utilizzati in questo articolo
NomeAziendaNumero di catalogoCommenti
Programma MATLABMathWorks
ProgrammaWinrarRarlabs

Riferimenti

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

Accesso limitato. Accedi o avvia una prova gratuita per visualizzare questo contenuto.

Ristampe e permessi

Richiedi il permesso di riutilizzare il testo o le figure di questo articolo JoVE

Richiedi permesso

Tag

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

Articoli correlati