Analisi ad alta velocità effettiva dei dati di mappatura ottica tramite ElectroMapHigh-Throughput Analysis of Optical Mapping Data Using ElectroMap
June 4th, 2019
Questo protocollo descrive la configurazione e l'uso di ElectroMap, una piattaforma software open source basata su MATLAB per l'analisi dei dati di mappatura ottica cardiaca. ElectroMap fornisce uno strumento versatile ad alta produttività per l'analisi di dati di tensione di mappatura ottica e set di dati di calcio in un'ampia gamma di modelli sperimentali cardiaci.
L'uso di tecnologie multi-array e di mappatura ottica nella ricerca cardiaca si sta espandendo. Tuttavia, ciò che attualmente manca è un software opensource robusto e ad alta produttività per l'analisi dei dati di elettrofisiologia. Questo è il motivo per cui abbiamo sviluppato un nuovo software chiamato ElectroMap per aiutare i ricercatori con la loro analisi.
ElectroMap incorpora metodi nuovi e consolidati per analizzare i dati di mappatura cardiaca che possono essere acquisiti da qualsiasi specie utilizzando più telecamere diverse, più coloranti fluorescenti diversi e diverse modalità di acquisizione tra cui la mappatura ottica e i sistemi array multi-elettrodi. Oltre a misurare parametri PA standard come la durata del potenziale d'azione, il saggio conduttivo e la morfologia, ElectroMap consente l'analisi e quantificare l'attività. Inizia scaricando tutti i file dall'ultima versione del codice sorgente di ElectroMap dal repository GitHub.
Decomprimere il contenuto scaricato nella posizione desiderata. Aprire MATLAB e passare al percorso della cartella che ospita il codice sorgente ElectroMap. Quindi aprire l'elettromappa del file.
m e premere esegui nell'editor per avviare l'interfaccia utente ElectroMap. Quindi, per caricare l'immagine, premere seleziona cartella e passare al percorso del file di dati o dei file da analizzare. Selezionare il file da caricare dall'interno dell'interfaccia e premere le immagini di caricamento.
Una volta caricato, apparirà il primo fotogramma e un contorno rosso indicherà la soglia automatica dell'immagine. Se lo si desidera, modificare questa opzione in base all'ampiezza del percorso del tempo del segnale modificando l'opzione nell'immagine per il menu a discesa soglia. Si noti che una volta selezionata la soglia, questa viene applicata per l'intero stack di immagini.
Se lo si desidera, modificare l'opzione di soglia in manuale che attiverà il dispositivo di scorrimento per regolare manualmente la soglia dell'immagine. Inoltre, selezionare l'area di interesse personalizzata per l'analisi selezionando le caselle di spunta appropriate al di sotto delle opzioni di soglia. Si noti che le opzioni avanzate per la selezione dell'area di interesse, ad esempio il numero di aree, sono disponibili dalla selezione del ROI dal menu in alto.
Una volta applicata una soglia appropriata, premere le immagini del processo per applicare l'elaborazione. A questo punto, assicurarsi che siano state immesse le impostazioni corrette della fotocamera per la frequenza fotogrammi e kilohertz e le dimensioni dei pixel in micrometri e opzioni di elaborazione del segnale come l'intervallo di tempo della finestra, il filtraggio spaziale e temporale. Dopo che il file è stato elaborato, ispezionare i picchi nel segnale medio tissutale etichettato da cerchi rossi.
Segmentare il segnale in base ai picchi rilevati. Segnale del segmento di stampa. Se lo si desidera, applicare la segmentazione personalizzata del segnale ingrandindo il tempo di interesse e selezionando il segnale del segmento.
Dopo che le immagini sono state elaborate, il pulsante produce mappe diventerà attivo. Premere per produrre mappe per applicare la durata potenziale di azione, il tempo di attivazione, la velocità di conduzione e l'analisi del rapporto segnale/rumore. Selezionate i segmenti desiderati dalla casella di riepilogo per applicare l'analisi a ciascuno di essi.
Quindi, seleziona ottieni informazioni sui pixel per vedere una visualizzazione dettagliata del segnale da qualsiasi pixel all'interno dell'immagine e confronta i pixel con i segnali tracciati simultaneamente da un massimo di sei posizioni. Per accedere ad un'analisi più dettagliata della velocità di conduzione, premere la conduzione. Quindi premere un singolo vettore per analizzare la conduzione usando il metodo del singolo vettore in cui il vettore gradiente viene calcolato dal tempo di inattivazione del ritardo tra due punti.
Infine, premere il vettore locale per applicare il metodo multi-vettore con le impostazioni corrispondenti a quelle dell'interfaccia principale. Premere la curva di attivazione per tracciare la percentuale di tessuto attivato in funzione del tempo. Per quantificare altri parametri utilizzando ElectroMap, selezionate una delle altre analisi desiderate dal menu a discesa sopra la mappa di visualizzazione.
Premere l'analisi di un singolo file per aprire un modulo dedicato per la durata ad alta velocità effettiva e l'analisi di conduzione di ogni segmento identificato in un file. Eseguire l'analisi sull'intera immagine o su aree o punti di interesse selezionati. Per esportare dati da ElectroMap, premere esporta i valori per salvare i valori della mappa attualmente visualizzata nell'interfaccia utente principale.
Quindi premi la mappa di esportazione per visualizzare un popup contenente la mappa attualmente visualizzata che può quindi essere salvata in una varietà di formati di immagine. Se lo si desidera, aggiungere una barra dei colori selezionando l'icona della barra dei colori. Impostare la scala selezionando modifica e quindi mappa dei colori.
Infine, premi il video di attivazione per eseguire il rendering di un'animazione della sequenza di attivazione che può essere salvata come file GIF animato. Questo mostra la morfologia del potenziale d'azione degli atri murini rispetto al ventricolo della cavia registrato utilizzando coloranti sensibili alla tensione come precedentemente riportato. Nonostante la forma distinta del potenziale d'azione e l'uso di due telecamere di mappatura ottica separate con frame rates e dimensioni dei pixel diverse, ElectroMap può essere utilizzato per analizzare con successo entrambi i set di dati selezionando i parametri appropriati.
L'applicazione della media dell'insieme al posto di altri metodi può migliorare l'SNR dagli atri sinistro murini isolati. Un cambiamento della frequenza di stimolazione da tre hertz a 10 hertz non ha alterato l'APD quando non viene intrapresa alcuna media dell'insieme, ma è stata osservata una diminuzione prevista dell'APD a 10 hertz pacing se misurata da dati medi dell'insieme. Inoltre, gli atri sinistro del mouse sono stati accelerati a una lunghezza del ciclo di 120 millisecondi e la lunghezza del ciclo è stata ridotta in modo incrementale di 10 millisecondi fino a raggiungere i 50 millisecondi.
ElectroMap identifica automaticamente la lunghezza del ciclo di stimolazione e la media dei tessuti di gruppo raggiunge i picchi di conseguenza. APD e intervallo diastolico accorciati. L'ampiezza dei picchi misurati otticamente è diminuita mentre il time-to-peak è aumentato.
Questo protocollo mostra come installare e impostare le impostazioni in ElectroMap al fine di analizzare rapidamente la durata potenziale di azione, la velocità di conduzione, la variabilità dal picco al picco e anche come è possibile impostare la media al fine di migliorare il rapporto segnale/rumore. Speriamo che il rilascio di questo software liberamente disponibile aiuterà i ricercatori con le loro esigenze di analisi e porterà ad alcune importanti scoperte nella ricerca cardiaca. Continueremo a costruire tutti gli algoritmi che abbiamo sviluppato e incoraggiamo gli altri ad aiutarci ad espandere ulteriormente le funzionalità electromap.
Panoramica
Questo protocollo descrive la configurazione e l'uso di ElectroMap, una piattaforma software open-source basata su MATLAB per l'analisi dei dati di mappatura ottica cardiaca. ElectroMap fornisce uno strumento versatile ad alto rendimento per l'analisi dei dataset di tensione e calcio delle mappature ottiche in un'ampia gamma di modelli sperimentali cardiaci.
Componenti Principali dello Studio
Area della Scienza
- Eletrofisiologia cardiaca
- Mappatura ottica
- Sviluppo software
Sfondo
- Le tecnologie di mappatura ottica e multi-array sono sempre più utilizzate nella ricerca cardiaca.
- C'è la necessità di un software open-source robusto e ad alto rendimento per l'analisi dei dati di elettrofisiologia.
- ElectroMap incorpora sia metodi nuovi che consolidati per l'analisi dei dati di mappatura cardiaca.
- Il software supporta dati da varie specie e modalità di acquisizione.
Obiettivo dello Studio
- Fornire uno strumento facile da usare per l'analisi dei dati di mappatura ottica cardiaca.
- Facilitare la misurazione dei parametri del potenziale d'azione e l'analisi della conduzione.
- Migliorare il rapporto segnale-rumore nell'analisi dei dati elettrofisiologici.
Metodi Utilizzati
- Scarica e configura ElectroMap dal repository GitHub.
- Carica ed elabora le immagini di mappatura ottica utilizzando MATLAB.
- Applica thresholding automatico e manuale per l'analisi delle immagini.
- Esegui la segmentazione e produci mappe per l'analisi del potenziale d'azione.
Risultati Principali
- ElectroMap analizza con successo i dati provenienti da diverse configurazioni di mappatura ottica.
- La durata del potenziale d'azione e la velocità di conduzione possono essere quantificate efficacemente.
- La media dell'ensemble migliora il rapporto segnale-rumore nell'analisi dei dati.
- Sono supportate segmentazione personalizzata e analisi dettagliata dei pixel.
Conclusioni
- ElectroMap è uno strumento prezioso per i ricercatori nell'elettrofisiologia cardiaca.
- Il software migliora l'analisi di complessi dataset di mappatura ottica.
- La sua natura open-source promuove l'accessibilità e la collaborazione nella ricerca.
Domande Frequenti
Executive Industry Relevance
ElectroMap addresses the need for robust, high-throughput open-source software in cardiac electrophysiology research, enabling standardized analysis of complex optical mapping data across species and experimental models. By improving signal-to-noise ratio through ensemble averaging and supporting automated multi-beat analysis, the platform enhances predictive confidence in target validation and mechanistic de-risking for cardiovascular drug discovery. Its modular design facilitates integration into discovery workflows, supporting assay development and translational biomarker alignment in preclinical models.
Strategic Applications in Biopharma R&D
Early Discovery & Target Validation
- Scientific Value: Enables interrogation of therapeutic hypotheses through quantification of action potential duration, conduction velocity, and signal-to-noise ratio in multi-cellular cardiac preparations.
- Operational Value: Supports biological de-risking by providing reproducible, quantitative electrophysiological readouts for functional target validation.
- Predictive Value: Facilitates portfolio triage by identifying electrophysiological changes that might be missed in single-beat analysis through ensemble averaging.
Screening & Assay Development
- Scientific Value: Prepares validated biological systems for downstream workflows by standardizing optical mapping data processing and enabling high-throughput analysis of entire experimental recordings.
- Operational Value: Addresses assay standardization and reproducibility through automated pacing frequency detection, signal segmentation, and customizable pre-processing parameters.
- Scalability: Highlights screening readiness and platform reuse via support for multiple fluorescent dyes, acquisition modalities, and species-specific data.
Translational & Preclinical Research
- Translational Continuity: Discusses disease relevance and translational biomarker alignment by enabling detailed investigation of conduction, alternans, and single-file analysis in cardiac models.
- Preclinical Validation: Describes continuity from discovery through preclinical validation by quantifying acute responses and beat-to-beat variability under changing pacing frequencies.
- Risk-Adjusted Advancement: Addresses risk-adjusted advancement decisions by detecting electrophysiological changes that improve signal quality in noisy datasets.
Pipeline & Workflow Integration
ElectroMap integrates into the discovery continuum from Early Discovery to Lead Identification and Preclinical work by providing quantitative electrophysiological measurements that support hypothesis testing and biological de-risking.
- Discovery Biology: Explains how the method supports hypothesis testing, pathway clarification, or biological de-risking through analysis of voltage and calcium dynamics in cardiac tissue.
- Screening: Describes assay readiness, reproducibility, or quantitative outputs when supported by the article, including action potential duration, conduction velocity, and signal-to-noise ratio mapping.
- Analytics: Highlights measurements, readouts, or statistical outputs that help teams compare conditions, such as peak-to-peak variability and diastolic interval changes under varying pacing frequencies.
- Translational Research: Connects the method to preclinical continuity or biomarker alignment only when the source supports it, via custom modules for conduction and alternans analysis.
- Enterprise Reuse: Frames the method as a reusable capability rather than a single-use technique, emphasizing its open-source nature and adaptability across experimental models.
Operational & Enterprise Impact
- Scientific Value: Predictive confidence, target validation, reduction of mechanistic ambiguity in cardiac electrophysiology.
- Operational Value: Standardization, reproducibility, and scalability of optical mapping data analysis across laboratories and models.
- Strategic Value: Better go/no-go decisions, capital efficiency, and reduced late-stage biological risk through improved signal quality and detection of subtle electrophysiological changes.
- Portfolio Impact: Risk-adjusted prioritization and advancement decisions based on reproducible, high-throughput electrophysiological profiling.
Implementation Considerations
- Required scientific expertise in MATLAB-based software environments and cardiac electrophysiology principles.
- Instrumentation and analytical infrastructure needs include optical mapping systems, fluorescent dyes, and compatible acquisition hardware.
- Cross-team standardization requirements for consistent thresholding, region-of-interest selection, and parameter definitions across users and sites.
- Adaptation considerations across model systems, including species-specific frame rates, pixel sizes, and signal processing options.
- Practical limitations supported by source material: dependence on correct camera settings for frame rate and kilohertz, and need for manual threshold adjustment when automatic methods are insufficient.
