Waiting
Login processing...

Trial ends in Request Full Access Tell Your Colleague About Jove
JoVE Journal Neuroscience
Click here for the English version

Neuroscience

Nevrovaskulære nettverk Explorer 2.0: Et enkelt verktøy for å utforske og dele en Database med Optogenetically-utløste Vasomotion i musen Cortex i Vivo

Published: May 4, 2018 doi: 10.3791/57214
Automatic Translation
1,2, 3,4, 3,5, 1, 6, 2,7, 1, 1,3, 1,3,8, 3
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

Summary

Et grafisk brukergrensesnitt for å utforske og dele en database med optogenetically-indusert vaskulær svar i musen somatosensory cortex i vivo målt ved 2-fotonet mikroskopi er presentert. Den lar leser data, kriterier-baserte utvalg, gjennomsnitt, lokalisering av målinger i et 3D-volum av blodkar og eksportere data.

Abstract

Viktigheten av å dele eksperimentelle data i nevrovitenskap vokser med mengden og kompleks informasjon innhentet og ulike teknikker som brukes til å hente og behandle disse dataene. Men nå flertallet av eksperimentelle data, særlig fra enkelte studier av vanlig størrelse laboratorier aldri forskning samfunnet. En grafisk bruker grenseflate (GUI) motor kalt nevrovaskulære nettverk Explorer 2.0 (Nord 2.0) er opprettet som et verktøy for enkel og rimelig deling og utforske vaskulær bildebehandling data. NNØ 2.0 kommuniserer med en database som inneholder optogenetically-utløste dilatasjon/innsnevring tiden-kurs av enkeltskip målt i mus somatosensory cortex i vivo av 2-fotonet mikroskopi. NNØ 2.0 lar utvalg og visning av tiden-kurs basert på ulike kriterier (emne, forgrening ordre, kortikale dybde, fartøy diameter, arterioler treet) og enkle matematiske manipulasjon (f.eks. snitt, peak normalisering) og dataeksport. Den støtter visualisering av vaskulære nettverket i 3D og gjør lokalisering av enkelte funksjonelle fartøyet diameter målinger innenfor vaskulære trær.

NNØ 2.0, dens kildekoden og den tilsvarende databasen er fritt nedlastbart fra UCSD nevrovaskulære Imaging Laboratory webside1. Kildekoden kan benyttes av brukere å utforske den tilknyttede databasen eller som en mal for databasing og dele sine egne eksperimentelle resultater gitt riktig format.

Introduction

Hjernen er ansett som en av de mest intrikate organene og ønsket å gre komplekse funksjonen er usvikelig. Det blir studert i ulike skaleringer fra den molekylære til atferdsdata nivå bredt palett verktøy2,3,4,5,6,7,8 . Mengden ikke-homogene eksperimentelle data vokser med enestående hastighet. Bevissthet om behovet for eksperimentell datadeling, organisasjon og standardisering vokser med ervervet datamengden. Det er blitt klart at neuroinformatics vil spille en avgjørende rolle i å integrere eksperimentelle data over skalaer i modeller av hjernen funksjon og dysfunksjon9,10.

Dette klarte noen studier, spesielt større skala studier, å øremerke ressurser til å gjøre sine resultater tilgjengelig via omfattende databaser,11,,12,,13,,14,,15. Men nådd en stor mengde prøvedata fra individuelle studier og vanlig størrelse laboratorier aldri forskning samfunnet. Dette er hovedsakelig to grunner: først, mer dedikerte tid for å bygge en database og lage verktøy som vil gjøre det mulig for brukeren å samhandle med databasen. og andre, mer penger er nødvendig for å støtte disse oppgavene. Motivert av disse utfordringene, en MATLAB basert grafisk bruker grenseflate (GUI) motor kalt nevrovaskulære nettverk Explorer 2.0 (Nord 2.0)16 ble utviklet som en enkel og rimelig verktøy for databasing, deling og utforske vaskulær bildebehandling data. Dette manuskriptet gir en manual for drift Nord 2.0 og den tilknyttede databasen av prøvedata.

NNØ 2.0 er allerede en ny generasjon programvare motor. Den første generasjonen, kalt nevrovaskulære nettverk Explorer 1.0 (Nord 1.0)17 ble bygget for å samhandle med en database med sensoriske utløste vasodilatasjon i rotte primære somatosensory cortex (SI) i vivo målt ved 2-fotonet mikroskopi18. NNØ 1.0, kildekoden, i tillegg til den tilknyttede databasen er fritt nedlastbart som en zippet fil kalt 'Øst 1 Tian' fra UCSD nevrovaskulære Imaging Laboratory webside1. Du finner mer informasjon om NNE 1.0 og den tilknyttede databasen i17.

Andre generasjon, Øst-2.0, fungerer sammen med en database med optogenetically-utløste utvidelse av enkelte skip i mus SI i vivo målt ved 2-fotonet mikroskopi20. Brukeren kan bla gjennom, Velg og visualiserer data basert på utvalg kategorier som kortikale dybde, forgrening ordre, fartøy diameter, dyr emne eller et bestemt arterioler tre. GUI ytterligere utfører enkle matematiske operasjoner som snitt og peak normalisering i valgte kategorier. NNØ 2.0 kan vise og bla gjennom bilder fange 3D mengder blodkar samt identifisere plasseringen av funksjonelle målingen innenfor vaskulære trærne. Denne funksjonen kan brukes til å rekonstruere vaskulær morphologies i 3D og fylle dem med virkelige single-fartøy vaso-motion målinger. Disse Rekonstruksjoner kan igjen bli innlemmet i datamodeller hjernen funksjonen21,22. NNØ 2.0, dens kildekoden og den tilknyttede databasen er fritt nedlastbart som en zippet fil kalt 'Øst 2.0 HDbase v1.0' fra UCSD nevrovaskulære Imaging Laboratory webside1.

NNØ 2.0 arbeider med en database kalt 'vdb.mat'. Denne databasen er en matrise som inneholder timelige profiler (tid-kurs) enkelt fartøyet diameter endringer fremkalt av en optogenetic stimulans og målt på ulike steder av arterioler trær. Hver gang-løpet ble beregnet ved hjelp av tilpasset skrevet programvare. Den relative endringen i fartøyet diameter fra utvidelsen av en fluorescerende intensitet profil av skanning over fartøyet beregnes. Fluorescerende kontrasten ble presentert av intravascular injeksjon av fluorescein isothiocyanate (FITC)-merket dekstran. For mer informasjon om data og analyse prosedyrer, se20,23. Databasen har 305 tid-kurs (i.e. databaseposter) totalt. I tillegg til diameter endring, hver oppføring til databasen har en rekke ekstra metadata som (1) kvantifisere time-course (2) beskriver målt fartøyet og (3) identifiserer måling sted i et 3D-volum av kortikale blodkar. Metadataene inkluderer utbruddet tid, peak amplitude, peak amplitude tid, kortikale dybde, forgrening ordre, fartøy diameter på grunnlinjen, banen til opprinnelige referanse bilder og 3D bildestakker for hver måling og lav forstørrelse kart av hjernen overflate blodkar. Se alle parameterne i metadataene oppført og beskrevet i detalj tidligere i tabell 116.

NNØ 2.0 samhandler med referanse bilder som er XY skanner på en planet der diameter målingen fant sted. Hver databaseoppføringen har en tilsvarende referanseavbildning med et Referansenavn vises i GUI. Hver databaseoppføringen har også en tilknyttet stakk av bilder (3D-stabel) fange et 3D-volum av vaskulær treet som målingen fant sted. GUI kan velge en bestemt database og vise tilsvarende referansebildet som 3D-stabel. Det hjelper også brukeren å finne samsvarende referanseavbildning og ramme i 3D-stabel (de samme funksjonene finnes i både bilder). Alle stable og referanse bilder i deres full oppløsning (1024 pix x 1024 pix) er inkludert i mappene hana_stk og hana_refs, henholdsvis. Lav forstørrelse kart av hjerne blodkar inkluderes i mappen "kart". Alle mappene som databasen matrix 'vdb.mat' er lastet ned i den zippede filen 'Øst 2.0 HDbase v1.0' fra UCSD nevrovaskulære Imaging Laboratory webside1 og lagret i rotmappen på øst 2.0 under installasjonen.

GUI er utformet som et sett med fire paneler (Panel 1 (Main Panel)-panelet 4) som åpner sekvensielt som brukeren utforsker databasen og velger bestemte data basert på utvalg kategorier. Hvert panel er delt i to hoveddeler: (1) den høyre kolonnen inneholder muligheten til å samhandle med databasen ved å velge parametere og kategorier av data og viser viktig informasjon fra metadataene; (2) venstre kolonne viser dataene i form av tid-kurs (diameter endring i tiden) og scatter-plott. Det finnes fire typer scatter tomter viser (1) dilatasjon starten tid (2) av dilatasjon peak (3) maksimale diameter endring (peak amplitude) og (4) opprinnelige diameter (diameter før stimulering) som funksjon av kortikale dybde. Brukeren har mulighet til å vise gjennomsnittlig tid-kurs og verdier for valgte data gruppert kortikale dybde eller forgrening rekkefølge. Dette er å markere funksjonen gradering diameter-endre atferd med økende dybde og forgrening bestillingen20. NNØ 2.0 lar brukeren Eksporter valgte delsettet med data i formatet "xls", "CSV" eller ".mat".

Subscription Required. Please recommend JoVE to your librarian.

Protocol

1. installasjon av Øst 2.0

  1. Gå til UCSD nevrovaskulære Imaging Laboratory webside1 og venstreklikk på 'NNE 2.0 HDbase v1.0' laste ned zippet programfilene til ønsket sted på PCen.
    Merk: NNE 2.0 krever et Windows-operativsystem versjoner 7-10, minst 2,8 GB ledig plass til å laste ned den zippede filen og 6,9 GB å installere programmet.
  2. Pakk ut "NNE2_HDbase_v1.0.zip".
    Merk: Den åpnede mappen NNE2 inneholder 10 filer: 'hana_refs.tar.gz', 'hana_stk.tar.gz', 'maps.tgz', 'MCRInstaller.exe', 'NNE2.exe', 'NNE2.zip', 'NNE2_README.txt', 'source.zip', 'users_guide.pdf' og 'vdb.mat'.
  3. Installere øst 2.0 av fulgte instruksjoner i 'NNE2_README.txt'.

2. kjører øst 2.0

  1. Starte NNE 2.0 med 'NNE2.exe'.
  2. Panel 1 (Main Panel): Velg et delsett med data (figur 1). Bilder i venstre kolonne i Main-panelet viser grafer over tid-kurs og parametere for alle oppføringene til 'vdb.mat' (figur 1).
    1. Velg området for Kortikale dybde i høyre kolonne av panelet. Typen i området dybde i formatet [dmin dmax], der dmin er minimum dybden og dmax er maksimal dybde.
      Merk: Dataene ble målt på dyp fra 30-560 µm.
    2. Velg Forgrening rekkefølge i høyre kolonne av panelet. Venstre-klikk på pilen og velg ett av alternativene fra listen (overflaten | Dykking bagasjerommet | Første bestille grener | Høyere bestille grener).
    3. Velg av Opprinnelige Diameter i høyre kolonne av panelet. Skriv inn det i formatet [diamin diamax], der diamin er minimumsdiameteren og diamax er maksimale diameter.
    4. Velg fag (dyr etter datoen for oppkjøp) i kolonnen til høyre i panelet. Venstre-klikk på pilen og velg fra de tilgjengelige alternativene. Eventuelt velge data fra alle fag ved å venstreklikke i det blå området.
    5. Klikk Send til å vise og utforske de merkede dataene i panelet 2.
  3. Panel 2: Utforsk valgte delsettet med data og fortsette videre data raffinement (figur 2).
    1. Velg for gruppe-snitt av dataene ved å venstreklikke på riktig knapp i kolonnen til høyre på toppen. Velge: Avg av kortikale dybde eller Avg av forgreninger.
      Merk: Faktiske valget er uthevet i grønt nedenfor (figur 2).
    2. Velg data basert på fartøyet morfologi eller emne. Venstreklikk Velg alle data for treet (en enkelt dykking arteriole og dens grener) eller Velg alle data for Subj (dyr emne).
    3. Venstre-klikk Send å vise valgte opplysninger på venstre i grafer av (1) individuell tid-kurs (2) gruppe-gjennomsnitt tid-kurs og scatter tomter (3) utbruddet ganger (4) tid-å-topper (5) topp amplitudes og (6) opprinnelige diameter
    4. Venstreklikk på spor i grafen av personlige timecourses i den venstre kolonnen for å velge en tid-kurs.
      Merk: Valgte tid-kurs blir uthevet i grafen (magenta) og det utbruddet tid, tid-å-peak, peak amplitude og opprinnelige diameter vil bli markert med røde sirkler i diagrammene nedenfor. Røde punkter i scatter tomter er gjennomsnittlig verdier.
    5. Merk identifikatorene til emnet (Emnet ID) og tre (Tre ID) for det valgte tid-kurset i høyre kolonne på bunnen.
    6. Hvis ønskelig, endre type gruppe-snitt ved å venstreklikke velger på den høyre kolonnen etterfulgt av Send -knappen, og gjentar trinn fra 2.3.4.
    7. Høyreklikk hvor som helst i panelet 2 med et kors markøren å se og utforske alle spor for valgte emnet (Emnet ID) eller tre (Tre ID) i panelet 3.
  4. Panel 3: Utforsk siste delsettet med data og eksportere dem (Figur 3).
    1. Velg en tid-kurs i øverste grafen til venstre kolonne ved å venstreklikke på spor: de valgte sporingshendelsene utheves i diagrammet (rosa) og beskrivende parametere av databaseoppføringen vises på diagrammet.
      Merk: Gjennomsnittlig tid-kurset vises i tykk svart (Figur 3).
    2. Merk tilsvarende utbruddet tid, tid-å-peak, peak amplitude og opprinnelige diameter i diagrammene nedenfor.
    3. Venstre-klikk på Eksporter sett -knappen i høyre kolonne lagre spor vises i øverste grafen til mappen hvor øst 2.0 kjører fra.
      Merk: Denne handlingen lagrer tre filer: 'vdb_subset.xls', 'vdb_subset.csv' og 'vdb_subset.mat' som inneholder vektorer diameter endring og tid vektorer; 'vdb_subset.mat' inneholder også beskrivende parametre og informasjon fra 'vdb.mat'.
    4. For å kontrollere alle data for 'emne' i stedet for 'tre' lukke panelet 3 ved å trykke [x], hvile NNE 2.0, gjenta utvalg av kategorier i panelet 1 (trinn 2.2.1-2.2.5) og velg alle data for emnet i panelet 2 (trinn 2.3.2).
    5. Høyreklikk hvor som helst i panelet 3 med en krysset markør gå til panelet 4 å utforske referanse bilder og 3D-stabler for alle spor i øverste grafen Panel 3.
      Merk: Kontrollpanelet 4 åpnes hvis alternativet alle data for 'tre' ble valgt i panelet 2. Hvis alle data for 'emne' ble valgt, vil brukeren bedt om å endre hans valg og rettet mot Panel 1.
  5. Panel 4: Lokalisere funksjonelle måling i en referanseavbildning og innenfor en 3D bildestakk av blodkar (Figur 4).
    1. Velg en tid-kurs ved å venstreklikke på den i grafen over venstre kolonne.
      Merk: De valgte sporingshendelsene utheves i diagrammet (rosa) og dens beskrivende informasjon fra metadata vises øverst.
    2. Utforsk den tilsvarende referanseavbildningen som lastes automatisk fra "hana_refs" mappen nederst til høyre i kolonnen til venstre.
    3. Utforsk den tilsvarende 3D bildestakk lastet automatisk fra "hana_stk" mappen nederst til venstre i kolonnen til venstre. Bla gjennom stabelen med piler eller glidebryteren under figuren.
      Merk: Når stakken bildet når nivået på referansebildet-dvs diameter måling nivået ("Stakkindeksen" = "Ref"), stabel bildet markert og angitt som "Ramme nivå".
    4. Klikk Eksporter sett i høyre kolonne eksportere uthevede tid-banen til en fil "ref_stacks_trace.xls" som er lagret i mappen der Nord 2.0 kjører fra.
      Merk: Filen inneholder tid vektoren, diameter endre vektorgrafikk, emne ID, posten indeks, plasseringen av bildet, plasseringen av 3D-stabel og bilde stakknummeret for rammen nivå.
    5. Lukk Panel 4 av [x] gå tilbake til Kontrollpanel 1.

Subscription Required. Please recommend JoVE to your librarian.

Representative Results

NNØ 2.0 og knytte databasen tjene til å bla gjennom og vise dataene i databasen, sortere ut data basert på utvalgskriterier, laste ned de valgte dataene og finne vaskulær målene i tilsvarende vaskulær treet.

Panel 1 har utvalg av data basert på kategorier: "Kortikale dybde", "Forgrening Order", "Opprinnelige Diameter" og "Fag"- figur 1). Merk at i denne studien, det er ingen oppføringer for overflate arterioler ('overflate') i kategorien "Forgrening Order" utvalg. Hvis dette alternativet er valgt, vises en advarselsdialogboks 'Finner ingen poster-søk for restriktive', og ber brukeren om å velge et annet alternativ. Den samme advarselen vises hvis det er ingen mål som oppfyller de valgte kriteriene i panelet 1. I dette tilfellet brukeren bør lukke panelet 1 av trykker [x] og omstart av programmet.

Alle diameter endre tid-kurs oppfylle kriteriene som er valgt i panelet 1 kan vises i panelet 2 (figur 2). Brukeren kan utforske alle individuelle tid-kurs, tid-kurs gruppe-gjennomsnitt av kortikale dybde eller forgrening orden og de tilsvarende verdiene i "Utbruddet time", 'Peak amplitude', 'Tid-å-peak' og 'Opprinnelige diameter' plottet som funksjoner dybde. Brukeren velger en tid-kurs fra personlige tid-kurs grafen og utforsker formen på kurven i tillegg til de tilsvarende numeriske egenskapene scatter tomter.

Alle data i det samme dyr eller arterioler treet kan utforskes i panelet 3 (Figur 3). På samme måte som i panelet 2, brukeren velger en tid-kurs fra personlige tid-kurs grafen og utforsker formen på kurven i tillegg til de tilsvarende numeriske egenskapene scatter tomter. Eventuelt kan brukeren eksportere alle dataene fra panelet 3 i formatet '.mat', "xls" og "csv". Disse filene er opprettet eller overskrevet hver gang handlingen «Eksportere» er tatt. Før overskrive filene, dukker en advarselsdialogboks ' om å overskrive vdb_subset.xls' å spørre brukeren endre tidligere eksportert resultater. Du må kontrollere at ingen av de eksporterte filene er åpen under "Export" handlingen. Hvis en av filene er åpne, en ' feil eksporterer Excel-fil: Kontroller at vdb_subset.xls ikke er åpen ' vises. I dette tilfellet bør brukeren lukker den eksporterte filen og start NNE 2.0.

Alle data ervervet i en enkelt arterioler tree kan utforskes i sammenheng med 3D blodkar i panelet 4 (Figur 4). Velge en tid-kurs vil automatisk vise tilknyttede referansebildet og 3D image stabelen som lastes fra mapper 'hana_refs' og 'hana_stk', henholdsvis. Målt fartøyet er uthevet i referanse bildet med en rød semi-transparent firkant i midten av bildet. Skanning banen er merket med en rød linje krysset målt fartøyet. Hvis flere fartøy skannes i ett mål (rød linje krysse flere skip- Figur 4), trenger brukeren å ta hensyn forgrening funnet i 'vdb.mat' eller vises i GUI over tid-kurs grafen ("B. Order") å forstå hvilke skanning tilhører bestemt måling. Forgrening for '0' etiketter dykking badebukser, '1' etiketter grener direkte tilkoblet dykking badebukser, ' 2' etiketter grener koblet direkte til 1st ordre grener, etc. For å finne riktig arterioler treet bør starter med en dykking arteriole på overflaten av hjernen (sett i topp bilder av 3D-stabel), brukeren se i kart lav forstørrelse i mappen "kart". Dette kartet er unik for hvert dyr emne og kan plasseres med tilsvarende emne ID (f.eks "022014.jpg"). Dette kartet er et bilde av hele hjernen eksponering med overflaten blodkar. De dykking segmentene av målt arterioler er merket med tre identifikatorene ('tre ID) (figur 5). Brukeren kan eksportere en enkelt valgte tid-løpet sammen med informasjon om tilsvarende referanseavbildningen, 3D-stabel og plasseringen av målet i stabelen i 'ref_stacks_trace.xls'. På samme måte som for "Export" i panelet 3, bør "ref_stacks_trace.xls" lukkes før handlingen «Eksportere» er tatt. Den samme typen advarselsdialogbokser vises før overskrive den eksporterte filen, eller når filen er åpen under "Export" handlingen. Merk at hvis det mangler en referanse bildet for den valgte databasen (9 oppføringer totalt), en advarsel ' ingen referanse bilde funnet: indeks = "vises i stedet for referansebildet i panelet 4. Ingen eksport er tilgjengelig for poster og brukeren blir bedt om å velge en annen tid-kurs. Hvis brukeren velger en oppføring som 3D stable finnes ikke eller finner ingen referanse bildestakk/ramme (31 og 52 oppføringer, henholdsvis) et notat * nei STACK-MATCH * vises på et tomt bilde i 3D-stabler bildet i panelet 4.

Figure 1
Figur 1: Panel 1 (Main Panel) tjener til å velge et delsett av data basert på utvalg kategorier. Alle data fra "vdb.mat" vises i seks diagrammer i venstre kolonne. Høyre kolonne lar brukeren velge et delsett av dataene ved å velge kortikale dybde | Forgrening rekkefølge | Opprinnelige Diameter | Emner. Klikk her for å se en større versjon av dette tallet.

Figure 2
Figur 2: 2-panelet kan undersøke valgte delsettet med data og ytterligere avgrense utvalget. Høyre kolonne tilbyr å beregne gjennomsnittet av valgte data basert på dybde kategorier eller forgrening rekkefølge (selve valget er uthevet i grønt). Venstre kolonne viser data som oppfyller kriteriene valget i panelet 1 og gjennomsnittlig typen som er valgt i høyre kolonne. Brukeren kan velge en tid-kurs i den øverste venstre grafen (kryss markør) som blir merket (rosa). Tilsvarende tider utbruddet og topp, peak amplitude og opprinnelige diameter er sirklet i rødt og oppføring identifikatorene vises i høyre kolonne på bunnen. Tykke røde punkter i scatter tomter merke gjennomsnittsverdiene for faktiske data delsettet. Valg av 'alle data for tre' vs 'alle data for Subj' påvirker data i følgende paneler. Klikk her for å se en større versjon av dette tallet.

Figure 3
Figur 3: 3-panelet kan utforske siste delsettet med data og eksportere dem. Brukeren kan velge (krysset markøren) en gang-kurs i grafen over venstre kolonne. De valgte sporingshendelsene blir uthevet (magenta) og oppføring metadataene vises på diagrammet. Samtidig vises tilsvarende utbruddet og rushtiden samt peak amplitude og opprinnelige diameter i diagrammene nedenfor. Eksporter sett-knappen i høyre kolonne kan eksportere alle tiden-kurs fra øverste grafen. Gjennomsnittlig tid-kurset er plottet i tykk svart. Klikk her for å se en større versjon av dette tallet.

Figure 4
Figur 4: 4-panelet kan lokalisere diameter målene i en referanseavbildning med et 3D-stabel av blodkar. Tid-kurs plottet på venstre kolonne er identisk med tid-kurs handlingen i panelet 3. Brukeren kan velge individuelle tid-kurs fra den øverste grafen i venstre kolonne. Tilsvarende referansebildet vises nederst høyre sammen med metadata-informasjon: 'Ref. bilde' (referanse bildenavn), "Dybde" (kortikale dybde på målingen) og "Skala" (skala for bildet i mikron per piksel). Den tilsvarende 3D-stabelen vises nederst til venstre sammen med beskrivende metadata-informasjon: 'Stakkindeksen' (faktiske bildet nummer i stakken), 'Delta' (vertikal avstand fra øverste bildet), "Ref" (bilde nummer i stakken som tilsvarer den referansebildet og fanger måling plasseringen) og "Skala" (skala for bildet i mikron per piksel). Merk at den "dybden" over referansebildet ble angitt manuelt under eksperimentet og er omtrentlige. Det samsvarer ikke nøyaktig verdien av 'Delta' ramme nivå i stakk bilder skyldes at hjernen overflaten beveges når det gjelder tenkelig flyet. Klikk her for å se en større versjon av dette tallet.

Figure 5
Figur 5: lav forstørrelse kart over er overflaten blodkar. Bildet fanger eksponert hjernen regionen med overflaten skip. Dykking segmentene målt arterioler trær er merket med tre identifikatorene ('tre ID'). Disse kartene er lagret i mappen "kart" i mappen der Nord 2.0 kjøres fra. Klikk her for å se en større versjon av dette tallet.

Subscription Required. Please recommend JoVE to your librarian.

Discussion

NNØ 2.0 ble skrevet for å dele vaskulær tenkelig dataene på en konkret studie20 men å utvikle et enkelt verktøy for deling og utforske data av lignende slag av andre brukere. Forskere interessert i inspisere den tilknyttede databasen vaskulær data kan bruke GUI å bla gjennom dataene, velger delsett med data, sammenligne dem med sin egen eksperimentelle resultater eller behandle dem ytterligere ved hjelp av egne beregningsformelen prosedyrer. Kjent med MATLAB-brukere kan bruke direkte i databasen 'vdb.mat' når brukerne ansettelse av en annen type programmeringsspråk kan eksportere dataene i ett av alternative formater ("xls" eller "CSV").

Forskere som er interessert i å dele sine egne eksperimentelle data NNE 2.0 må strukturere resultatene i en matrise på samme måte som 'vdb.mat'. Viktigste oppføringene til denne databasen skal tid-kurs av noe slag i form av vektorer og tilsvarende tid vektorer. Parameterne for databasen kan være endret eller lagt til via modulære strukturen på GUI. Alle referanse bilder, bildestakker og hjernen eksponering kart (hvis aktuelt) skal være samlet og satt sammen med databasen og kjørbare GUI på Internett (f.eks laboratory webside eller en tredjeparts oppbevaringssted).

Forskere interessert i å bruke vaskulær målingene sammen med 3D vaskulær morfologi speile studier av hjernefunksjon kan først utforske dataene med GUI. Etter å ha valgt et ønskede delsett med data, kan de bruke metadatainformasjon eksportert til "ref_stacks_trace.xls" sammen med variabler i 'vdb.mat', 3D-stabel bilder lagret i "hana_stk" og hjernen eksponering kart i "kart" å rekonstruere vaskulær morfologi i 3D .

Det viktigste trinnet av protokollen er eksportere dataene. For riktig Eksporter valgte data (fra panelet 3 og 4) er det viktig å lukke alle filer som data skal eksporteres til før handlingen "Export" er tatt. Deretter overskrives filene skal med faktiske valg av data. Alle endringer i programmet eller feilsøking må utføres til kildekoden.

NNØ 2.0 har blitt utviklet for å dele timelige profiler beregnet fra linje-skanner som ble kjøpt opp av 2-fotonet mikroskopi. Data utforsket av Øst 2.0 er derfor ikke rå intensiteten skanner men heller pre-prosessert tid-kurs relative diameter endringer. På denne måten kan brukerne å behandle sine rå eksperimentelle data med sin egen standard prosedyrer og -programvare og bruke NNE 2.0 som mal å presentere og dele resultatene med andre forskere. Ikke bare vaskulær diameter endringer, men i utgangspunktet alle tidsavhengige signal målt ved hjelp av ulike måling teknikker kan deles på denne måten. Slike signaler omfatter fluorescens kalsium24, natrium25, spenning følsom fargestoffer26, genetisk kodet indikatorer for metabolitter27, delvis trykket av oksygen (pO2)28, blod oksygenering (fet 18, spectral imaging29), blodstrøm (speckle imaging29) eller elektrofysiologi signaler30. En forutsetning for bruk av Øst 2.0 er en database i form av en matrise "* .mat". Dette kan oppnås behandler dataene direkte i MATLAB eller bruke verktøy til å bygge matrix fra andre formater (f.eks "xlsread(filename)" serverer å lese excel spre ark i '.mat' formatter). Bruk av Øst 2.0 uten å MATLAB er begrenset til å utforske, nedlasting og videre behandling av data fra gjeldende database 'vdb.mat'.

NNØ 2.0 har potensial til å hjelpe spre eksperimentelle data over bredt nevrovitenskap forskning samfunnet utforskes og sammenlignet med andre eksperimentelle data av tilsvarende type tilrettelegge for utvikling av standarder for datainnsamling og behandling av 31. NNE 2.0 kan også bidra til å spre data over neuroinformatics samfunnet der den kan brukes i modeller av ikke-invasiv tenkelig signaler som funksjonell magnetisk resonans imaging (fMRI)21. Mens NNE 2.0 ikke kan konkurrere med mer komplekse databaser5,32,33,34, kan det gi en sømløs og klar til bruk plattform for databasing og deling av eksperimentelle data uten behov for mer omfattende investeringer.

Subscription Required. Please recommend JoVE to your librarian.

Disclosures

Forfatterne ikke avsløre.

Acknowledgments

Vi erkjenner takknemlig støtte fra NIH (NS057198, EB00790, MH111359 og S10RR029050) og departementet for utdanning, ungdom og sport i Tsjekkia (CEITEC 2020, LQ1601). KK ble støttet av postdoktor stipend fra International hodepine Society i 2014 og den vitenskapelige og teknologiske Research Council i Tyrkia i 2015. MT ble støttet av postdoktorstipend fra tysk Research Foundation (DFG TH 2031. / 1).

Materials

Name Company Catalog Number Comments
MATLAB MathWorks program
Winrar Rarlabs program

DOWNLOAD MATERIALS LIST

References

  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).

Tags

Nevrovitenskap problemet 135 automatisk Data Processing datainnsamling datavisningen databaser som emne søkemotor nevrovitenskap neuroinformatics grafisk bruker grenseflate MATLAB 2-fotonet bildebehandling somatosensory cortex arterioler blodstrøm Hemodynamics cerebrovascular sirkulasjon
Nevrovaskulære nettverk Explorer 2.0: Et enkelt verktøy for å utforske og dele en Database med Optogenetically-utløste Vasomotion i musen Cortex i Vivo
Play Video
PDF DOI DOWNLOAD MATERIALS LIST

Cite this Article

Uhlirova, H., Tian, P.,… More

Uhlirova, H., Tian, P., Kılıç, K., Thunemann, M., Sridhar, V. B., Chmelik, R., Bartsch, H., Dale, A. M., Devor, A., Saisan, P. A. Neurovascular Network Explorer 2.0: A Simple Tool for Exploring and Sharing a Database of Optogenetically-evoked Vasomotion in Mouse Cortex In Vivo. J. Vis. Exp. (135), e57214, doi:10.3791/57214 (2018).

Less
Copy Citation Download Citation Reprints and Permissions
View Video

Get cutting-edge science videos from JoVE sent straight to your inbox every month.

Waiting X
Simple Hit Counter