Methodenartikel

Semi-geautomatiseerde analyse van piekamplitude en latentie voor auditieve hersenstamresponsgolfvormen met behulp van R

2.9K weergaven

⸱

DOI:

10.3791/64737

⸱

9 december 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

In dit artikel

Samenvatting

Dit artikel beschrijft de semi-geautomatiseerde meting van de amplitudes en latenties van de eerste vijf pieken en dalen in de auditieve hersenstamresponsgolfvorm. Een extra routine compileert en annoteert de gegevens in een spreadsheet voor experimentele analyse. Deze gratis computerroutines worden uitgevoerd met behulp van het open-source statistische pakket R.

Samenvatting

Veel rapporten in de afgelopen 15 jaar hebben veranderingen in de golfvorm van de auditieve hersenstamrespons (ABR) beoordeeld na beledigingen zoals blootstelling aan lawaai. Veel voorkomende veranderingen omvatten verminderingen van de piek 1-amplitude en de relatieve latenties van de latere pieken, evenals een verhoogde centrale versterking, die wordt weerspiegeld door een relatieve toename van de amplitudes van de latere pieken in vergelijking met de amplitude van piek 1. Veel onderzoekers identificeren de pieken en dalen visueel om hun relatieve hoogten en latenties te beoordelen, wat een moeizaam proces is wanneer de golfvormen worden verzameld in stappen van 5 dB over het hele gehoorbereik voor elke frequentie en toestand. Dit artikel beschrijft gratis routines die kunnen worden uitgevoerd in het open-source platform R met de RStudio-interface om de metingen van de pieken en dalen van auditieve hersenstamrespons (ABR) golfvormen semi-te automatiseren. De routines identificeren de amplitudes en latenties van pieken en dalen, geven deze weer op een gegenereerde golfvorm voor inspectie, verzamelen en annoteren de resultaten in een spreadsheet voor statistische analyse en genereren gemiddelde golfvormen voor cijfers. In gevallen waarin het geautomatiseerde proces de ABR-golfvorm verkeerd identificeert, is er een extra hulpmiddel om te helpen bij de correctie. Het doel is om de tijd en moeite die nodig is om de ABR-golfvorm te analyseren te verminderen, zodat meer onderzoekers deze analyses in de toekomst zullen opnemen.

Inleiding

De auditieve hersenstamrespons (ABR) wordt vaak gebruikt om gehoordrempels te bepalen bij dieren en menselijke zuigelingen. Omdat de ABR een elektro-encefalogram (EEG) is van de eerste reacties van het zenuwstelsel op auditieve stimuli, bevat het aanvullende informatie die het gecoördineerde afvuren van cochleaire spiraalvormige ganglionneuronen en vroege signaalverwerking in de auditieve hersenstam weerspiegelt, inclusief bilaterale verwerking1. Deze reacties kunnen worden beïnvloed door lawaaitrauma. Blootstelling aan lawaai die voldoende is om een tijdelijke drempelverschuiving bij muizen te induceren, kan bijvoorbeeld ook de amplitude van ABR-piek 12 permanent verminderen. Bovendien kan een dergelijk trauma de interpeak latenties verminderen en de relatieve amplitudes van de latere piekenverhogen 3, mogelijk als gevolg van een verlies van remmende regulatie4. Naast deze bevindingen is aangetoond dat specifieke genetische mutaties de ABR-golfvorm veranderen in afwezigheid van trauma 5,6,7. Zo kan de routinematige analyse van ABR-golfvormen inzicht geven in het auditieve systeem in experimentele modellen.

Er is ook interesse in het gebruik van ABR-golfvormen als diagnostisch hulpmiddel voor patiënten. Eerdere rapporten hebben beoordeeld of de ABR-piek 1 is verminderd bij menselijke patiënten na blootstelling aan lawaai of bij tinnituspatiënten 8,9. Met name is gemeld dat migraineaanvallen de interpeak-latenties gedurende enkele weken tijdelijk verhogen, waarna de ABR-golfvorm terugkeert naar normaal bij getroffen personen10. Van COVID-19 is gemeld dat het langdurige veranderingen in ABR interpeak latenties11,12 veroorzaakt, hoewel een andere studie andere resultaten rapporteerde13. Gehoorverlies is vaak comorbid met dementie bij het ouder worden, en personen met een groter gehoorverlies hebben de neiging om dementie te ervaren die sneller vordert14. Onderzoekers hebben ABR-golfvormveranderingen onderzocht bij neurodegeneratieve ziekten, zoals de ziekte van Parkinson (besproken in Jafari et al.15) en de ziekte van Alzheimer (beoordeeld in Swords et al.16), evenals bij normale veroudering17. Naarmate meer onderzoekers en clinici sensorische tekorten onderzoeken als biomarkers voor veel voorkomende ziekten bij veroudering, kunnen technieken zoals ABR routine worden in de gezondheidszorg.

Een onderzoek van de methodensecties in de literatuur onthult dat laboratoria vaak aangepaste scripts in MatLab schrijven voor het analyseren van ABR-golfvormen. Het ABR-platform van Intelligent Hearing Systems heeft een functie voor golfvormanalyse, maar het vereist dat een operator handmatig de pieken en dalen selecteert. Hier hebben we semi-geautomatiseerde analyseroutines geschreven voor de open-source, vrij beschikbare statistische omgeving R en de RStudio-interface. Dit rapport vergelijkt de gegevens die zijn verkregen met behulp van onze routines met de gegevens die zijn verkregen door een experimentator handmatig de pieken en dalen te laten identificeren en laat zien dat de gegevens van de twee methoden sterk gecorreleerd zijn. Belangrijk is dat de routines een verblindende functie bevatten, waarbij de metagegevens voor de voorbeelden in een afzonderlijk bestand worden geplaatst dat pas aan het einde wordt opgenomen. Deze functies hebben de golfvormanalyse voor ons lab gestroomlijnd.

Protocol

Alle procedures die op dieren werden uitgevoerd, werden vooraf goedgekeurd door het University of Rochester Committee for Animal Research. De proefpersonen waren 12 wild-type F1 mannelijke en vrouwelijke muizen op de leeftijd van 1 maand. Deze F1 muizen zijn het product van het paren van een CBA/CaJ moeder en een C57BL/6J vader. De muizen werden gefokt en gehuisvest in de vivariumfaciliteit met een standaard 12 uur licht / donker cyclus, onbeperkt voedsel en water en voldoende nestbenodigdheden. Niet meer dan vijf broers en zussen van hetzelfde geslacht werden samen in één kooi gehuisvest.

1. Het verkrijgen van gegevens voor analyse

OPMERKING: Deze stap moet voldoen aan de institutionele richtlijnen en vooraf worden goedgekeurd door het institutioneel comité voor dierenwelzijn. Het gedetailleerde proces voor het genereren van ABR-gegevens van muizen is elders beschreven18.

  1. Neem de ABR op met het platform van keuze.
    OPMERKING: In het hier getoonde geval werden de opnames uitgevoerd op muizen.
    1. Gebruik een klikstimulus van 5 ms die begint bij een geluidsdrukniveau van 75 dB en in stappen van 5 dB afneemt tot 5 dB. Noteer een gemiddelde van 512 vegen voor elke amplitude. Weiger reacties als hun piek-tot dalamplitude groter is dan 31 μV op enig moment tussen 1,3 ms en 12,5 ms na de stimulus.
      OPMERKING: Opnames van toon pip presentaties kunnen ook worden gebruikt. We verwachten dat de analyseroutine zal werken voor andere soorten, waaronder mensen.
  2. Exporteer de ABR-opname als een ASCII-bestand.
    1. Open voor IHS het computerprogramma.
    2. Laad het bestand van belang en geef de gewenste golfvormen op één pagina weer.
    3. Selecteer op het tabblad Gegevens de optie Pagina opslaan als ASCII om een .txt bestand te verkrijgen.
    4. Nadat u het gegevensbestand op de juiste manier hebt benoemd ("ID"), registreert u de ID en de onderwerpinformatie in een metagegevensbestand met de titel "info.csv" (info). Zorg ervoor dat de "ID" geen informatie bevat zoals het genotype, geslacht, leeftijd of behandeling; deze informatie wordt in plaats daarvan vastgelegd in "info.csv."
      OPMERKING: Een eerlijk spel met speelkaarten kan worden gebruikt om willekeurig labels toe te wijzen indien nodig.
    5. Herhaal dit met alle te analyseren bestanden als afzonderlijke "ID" -bestanden.

2. Het installeren van de vereiste pakketten en het laden van de gegevens op de werkende computer

  1. Download en installeer R (https://www.r-project.org) en RStudio (https://www.rstudio.com).
    OPMERKING: Het hier beschreven protocol gebruikte R ≥ 4.0.0.
  2. Installeer de vereiste bibliotheken, tidyverse, shiny, plotly en zoo, door de volgende opdracht in het opdrachtvenster van RStudio te typen:
    Install.packages("tidyverse")
    Install.packages("glanzend")
    Install.packages("plotly")
    Install.packages("dierentuin")
  3. Download de scripts FindPeaks.R en See_trace_click. R van de White lab GitHub (https://github.com/PWhiteLab/FindPeaks), evenals het bijbehorende bestand "Time.csv."
  4. Maak een nieuwe map met alle ASCII-bestanden, 'info.csv' en 'Time.csv'. Geef in dit voorbeeld de map de naam 'Test_Folder'. Plaats Test_Folder de ASCII-bestanden in een submap met de titel 'ASCII_Folder'.

3. Het verkrijgen van de voorlopige analyse met FindPeaks.R

  1. Open het script FindPeaks.R in RStudio.
  2. Klik met de rechtermuisknop op het tabblad voor het script in de werkbalk om Werkmap instellen te selecteren en stel deze in op Test_Folder (zie Aanvullende figuur S1A).
  3. Klik in het scriptvenster op Bron rechtsboven op de werkbalk om het programma te laden (zie Aanvullende afbeelding S1B).
  4. Gebruik in het opdrachtvenster de volgende opdrachten om de golfvormen te analyseren (zie Aanvullende afbeelding S2):
    FindPeaks_single("ASCII_folder/ID.txt") voor afzonderlijke bestanden (zie aanvullende figuur S2A)
    FindPeaks_group ("ASCII_Folder") voor batchverwerking (zie aanvullende figuur S2B)
    OPMERKING: Het script voert (1) pdf-bestanden uit die de golfvormen weergeven met gelabelde pieken en dalen (zie aanvullende figuur S2C) en (2) een ID.csv bestand met de numerieke gegevens voor de amplitude (μV) en latentie (ms). Beide bestanden worden in "Test_Folder" geplaatst.

4. Verificatie van de voorlopige analyse

OPMERKING: Bij lage geluidsniveaus kunnen delen van de golfvorm moeilijk te onderscheiden zijn van ruis en FindPeaks.R kan de pieken of dalen verkeerd identificeren in vergelijking met de mening van de experimentator. Als er een discrepantie is, kan het .csv bestand worden gewijzigd met gegevens die zijn verkregen uit het script See_trace_click.R.

  1. Laad de golfvormgegevens voor de specifieke persoon met behulp van de opdracht (zie Aanvullende figuur S3A):
    Golfvorm <- ASCII_extract("ASCII_Folder/ID.txt")
  2. Open de See_trace_click. R-script in RStudio.
  3. Klik in de koptekst aan de linkerkant op de knop App uitvoeren en wacht tot er een nieuw interactief (glanzend) venster verschijnt (zie Aanvullende afbeelding S3B).
  4. Voer in het vak linksboven het geluidsniveau in voor de golfvorm die moet worden herzien en zoek naar de golfvorm die in het venster wordt weergegeven.
  5. Beweeg de cursor rond de golfvorm om de latentie en amplitude op elk gewenst moment weer te geven.
  6. Klik op de juiste piek en de volgende trog om de gegevens in de onderstaande tabel vast te leggen. Kopieer en plak de latentiegegevens in het .csv bestand (zie Aanvullende figuur S3C).
  7. Als u de amplitudemeting wilt berekenen, trekt u de volgende trogamplitude af van de piekamplitude in de spreadsheetcel.

5. Samenstellen en visualiseren van de dataset

  1. Breng de geverifieerde .csv bestanden over naar een nieuwe submap in Test_Folder met de titel 'Peak_Data'.
  2. Voeg de gegevens toe aan één .csv bestand en geef het de naam 'Peak_Data.csv'.
  3. Gebruik de volgende opdracht:
    Compileren ("Peak_Data")
    OPMERKING: Dit script combineert de metagegevens van info.csv met Peak_Data.csv om de gegevens te labelen met groepsinformatie. Het berekent ook automatisch de interpeak latenties en amplitudeverhoudingen.
  4. Voer statistische analyse uit op de verzamelde gegevens.
    1. Gebruik een test voor normaliteit, zoals de Shapiro-Wilks-test, om de verdeling van de gegevens met de volgende functie te beoordelen:
      shapiro.test()
    2. Als de Shapiro-Wilks-test niet significant is, heeft de dataset een normale verdeling; beoordeel daarom de gegevens met een parametrische test zoals ANOVA met de volgende functie:
      Aov()
    3. Als de Shapiro-Wilks-test kleiner is dan p = 0,05, gebruik dan de Kruskal-Wallis rangsomtest (met de functie hieronder) of een andere geschikte niet-parametrische maat (zie andere mogelijkheden in de discussie).
      kruskal.test()
  5. Als u gemiddelde golfvormen wilt weergeven, gebruikt u de volgende opdracht:
    Average_Waveform("ASCII_Folder ", aes(x = Data_Pnt_ms, y = "dB", group = Genotype, color = Genotype))
    OPMERKING: Deze opdracht toont de gemiddelde golfvormen voor verschillende genotypen in verschillende kleuren. Voor de variabele y dB voert u het getal in dat overeenkomt met de gewenste amplitude, zoals 75, zonder aanhalingstekens. Voor andere vergelijkingen gebruikt u het bijbehorende groepslabel uit de metagegevens.

Resultaten

We hebben de routines getest op ABR-golfvormresponsen op een klikreeks, beginnend bij 75 dB en aftredend in stappen van 5 dB naar 5 dB. Deze gegevens zijn verkregen zoals eerder beschreven19. We hebben de tool ook getest op toon pip-gegevens en vergelijkbare resultaten verkregen. ABR-gegevens van de meeste ABR-systemen kunnen worden geëxporteerd als ASCII-bestanden (.txt). We laadden ABR ASCII-bestanden op een computer en openden ze in RStudio zoals beschreven in het protocol. Na het uitvoeren van de FindPeaks.R-routine in batchvorm, verkregen we sample waveforms met geautomatiseerde labeling (Figuur 1) en een .csv bestand met de resultaten. De resultaten werden beoordeeld om irrelevante pieken te verwijderen. Om de geautomatiseerde etikettering te valideren, hebben we ook de mogelijkheid van het ABR-programma gebruikt om de eerste vijf pieken en dalen handmatig te labelen op elke golfvorm die is verkregen met de hierboven beschreven klikreeks. De experimentator die deze taak uitvoerde, had 2 jaar ervaring met het vastleggen en analyseren van ABR-gegevens. Figuur 2 toont deze vergelijking, met de geautomatiseerde FindPeaks.R-gegevens in het rood en de handmatig verkregen gegevens in het zwart. Elke trace vertegenwoordigt de gegevens van een enkele muis. Het gemiddelde voor beide methoden met één standaarddeviatie wordt ook weergegeven. De resultaten verkregen door FindPeaks.R correleren sterk met resultaten die handmatig worden verkregen (zie aanvullende figuur S4).

figure-results-1
Figuur 1: Representatieve golfvormrespons op een klikstimulus van 75 dB voor een jonge F1-muis. Latentie in milliseconden wordt uitgezet op de x-as en amplitude in microvolts wordt uitgezet op de y-as. De pieken werden automatisch geïdentificeerd met FindPeaks.R en zijn gelabeld in rood, terwijl de dalen in blauw zijn gelabeld. Klik hier om een grotere versie van deze figuur te bekijken.

figure-results-2
Figuur 2: Vergelijking van de gegevens verkregen uit de handmatig geïdentificeerde pieken met de gegevens die worden verstrekt door de FindPeaks.R-analyse. (A, C, E, G, I) Amplitudes in microvolts en (B, D, F, H, J) latenties in milliseconden worden uitgezet voor geluidsniveaus tussen 5 dB en 75 dB (x-as, alle grafieken) voor pieken I-V in de golfvormen die worden verkregen voor klikstimuli gepresenteerd aan 12 muizen. De handmatig verkregen waarden (zwart) worden vergeleken met dezelfde datasets geanalyseerd met FindPeaks.R (rood). De gemiddelden worden uitgezet als zware lijnen, waarbij het gearceerde gebied één standaarddeviatie vertegenwoordigt. Er werden geen verschillen gezien tussen de methoden bij beoordeling met de Kruskal-Wallis rangsomtest (A, verschil = 0,0547977 ± 0,0010028, max = 0,96, p = 0,9216; B, verschil = −0,0001734 ± 0,0001214, max = 0,04, p = 0,8289; C, verschil = −0,0212209 ± 0,0006806, max = 0,92, p = 0,9687; D, verschil = −0,0011047 ± 0,0001556, max = 0,06, p = 0,771; E, verschil = −0,0323077 ± 0,0006169, max = 0,66, p = 0,899; F, verschil = −0,0072189 ± 0,0001460, max = 0,04, p = 0,8644; G, verschil = 0,201754 ± 0,0007407, max = 0,64, p = 0,9312; H, verschil = −0,0007018 ± 0,0001717, max = 0,09, p = 0,8013; I, verschil = 0,0347561 ± 0,0007343, max = 1,05, p = 0,8856; J, verschil = −0,0078049 ± 0,0002762, max = 0,16, p = 0,886), en de resultaten waren sterk gecorreleerd (chi-kwadraatwaarden: A, 0,009696; B, 0,046684; C, 0,0015395; D, 0,084742; E, 0,016102; F, 0,029153; G, 0,0074604; H, 0,063322; I, 0,020699; J, 0,020544; verschillen gepresenteerd als gemiddelde ± SEM; max = absoluut maximaal verschil). Klik hier om een grotere versie van deze figuur te bekijken.

Aanvullende figuur S1: Analyse met FindPeaks.R. (A) Het selecteren van de werkmap (zie protocol stap 3.2); (B) het laden van het programma (zie protocol stap 3.3). Klik hier om dit bestand te downloaden.

Aanvullende figuur S2: Scriptuitvoer en opdrachten voor de analyse van de golfvormen. Opdrachten voor (A) individuele bestanden en (B) batchverwerking. (C) Uitvoer PDF-bestand met golfvormen met gelabelde pieken en dalen. Zie protocol stap 3.4. Klik hier om dit bestand te downloaden.

Aanvullende figuur S3: Verificatie van de analyse. (A) Het laden van de golfvormgegevens (zie protocol stap 4.1). (B) Locatie van de knop App uitvoeren . Het voorbeeldgegevensbestand wordt ook aangegeven. (C) Glanzend venster met een golfvorm. In dit geval is het geluidsniveau 75 dB, zoals ingevoerd in het bovenste venster. Door op een gewenste piek te klikken en de volgende trog worden de gegevens voor de amplitude en latentie in de tabel vastgelegd (protocolstap 4.6). Piek 3-gegevens worden weergegeven. Klik hier om dit bestand te downloaden.

Aanvullende figuur S4: Vergelijking van de individuele gegevens verkregen uit de handmatig geïdentificeerde pieken met de gegevens die worden verstrekt door de FindPeaks.R-analyse. (A,C,E,G,I) Amplitudes in microvolts en (B,D,F,H,J) latenties in milliseconden worden uitgezet voor geluidsniveaus tussen 5 dB en 75 dB (x-as, alle grafieken) voor pieken I-V in golfvormen verkregen voor klikstimuli gepresenteerd aan 12 muizen. Elk dier is gelabeld met een unieke kleur, zoals weergegeven in de legende. De gegevens die zijn verkregen met FindPeaks.R zijn gelabeld met effen kleuren, terwijl de gegevens die handmatig worden verkregen, worden gelabeld met minder verzadigde versies van dezelfde kleuren. Hoewel beide datasets in deze figuur worden uitgezet, is er slechts één regel zichtbaar wanneer ze identiek zijn. Klik hier om dit bestand te downloaden.

Discussie

Het protocol dat in deze publicatie wordt beschreven, moet helpen bij het stroomlijnen van de verwerving van gegevens die spanningsamplitudeverhoudingen en latentie-intervallen beschrijven voor ABRs tot klikken en toonpies. Door afzonderlijke opdrachten in RStudio te gebruiken, kan een experimentator deze informatie extraheren, compileren en weergeven in één document voor statistische analyse. Door deze analyse routine te maken, hopen we dat het veld nieuwe manieren zal ontdekken waarop de ABR kan worden veranderd in ontwikkeling, veroudering of door belediging bij verschillende soorten. Dergelijke informatie kan waardevol zijn voor het identificeren van belangrijke mechanismen die vergelijkbaar zijn met synaptopathie van ruis2. De jonge muizen die voor dit experiment werden gebruikt, hadden zeer variabele reacties, waarschijnlijk omdat de auditieve hersenstam op deze leeftijd van20 jaar nog steeds volwassen wordt. Niettemin vertoonden de twee kwantificeringsmethoden zeer sterke correlaties (figuur 2).

Het script gebruikt een bestand met de naam "Time.csv" om intervallen binnen de gegevens in te stellen voor piekidentificatie. Kortom, een maximale spanningsamplitude die optreedt in een gespecificeerd tijdsinterval wordt "piek 1" genoemd, een spanningsminimum dat optreedt in het volgende interval wordt gelabeld als "trog 1", enzovoort. We kozen de intervallen om de latenties van zowel de klik- als de toonpitreacties te omvatten voor CBA / CaJ-muizen van 1 maand tot 12 maanden oud met frequenties van 8 kHz tot 32 kHz. We hebben de tool met succes gebruikt om ook toon pip-reacties bij muizen te meten. Andere soorten, waaronder mensen, hebben ook ABR-reacties binnen vergelijkbare vensters, en we verwachten dat deze tool ook kan worden gebruikt voor gegevens van andere soorten. We raden aan om de nieuwe parallelle ABR-methode voor mensen21 te gebruiken, die uitstekende golfvormen produceert. De beperking van het tijdsinterval beperkt het gebruik van deze tool tot het beoordelen van onmiddellijke ABR-reacties. We merken echter op dat de intervalgegevens in dit bestand door gebruikers kunnen worden gewijzigd om de metingen van ABR-reacties op spraak of van gebeurtenisgerelateerde potentialen (ERP's) die kenmerkend op verschillende tijdstippen optreden als reactie op geluid te automatiseren.

Sommige kenmerken van de statistische behandeling van deze gegevens zijn het vermelden waard. Voor zover wij weten, heeft het veld geen gestandaardiseerde behandeling voor het onderscheiden van amplitudeprogressies. In de eerste studies werd ANOVA22,23 gebruikt. De gegevens uit de klikreeks hier (figuur 2) waren niet-parametrisch, wat leidde tot het gebruik van de Kruskal-Wallis rangsomtest. Net als bij ANOVA beoordeelt de Kruskal-Wallis rank sum test verschillen in de waarden die worden verkregen op een bepaald niveau van een stimulus; dat wil zeggen, het vergelijkt de lijnen die op de grafiek zijn verkregen. Er zijn echter ook andere behandelingen mogelijk. Biologisch gezien weerspiegelen amplitudeprogressies de extra rekrutering van neuronen met een hogere drempel naarmate het stimulusniveau toeneemt. Dit suggereert dat het gebied onder de curve, dat de integralen van de lijnen vertegenwoordigt, de meer relevante maat zou kunnen zijn. Gegeneraliseerde schattingsvergelijkingen (GEE) kunnen worden gebruikt om individuele gegevens te modelleren voor een integrale analyse, zoals in Patel et al.5. Met name gee-analyse kan rekening houden met het ontwerp van herhaalde maatregelen van deze experimenten. Naarmate meer onderzoekers de data-analysemethoden bespreken, verwachten we dat er een consensus ontstaat over best practices.

Kortom, dit artikel presenteert gratis en eenvoudig te gebruiken hulpmiddelen voor het meten, compileren en visualiseren van ABR-golfvormen. Deze tools kunnen worden gebruikt door beginnende studenten van RStudio door dit protocol te volgen, en ze bevatten een verblindende stap voor verbeterde strengheid en reproduceerbaarheid. We voorzien dat routinematige ABR-golfvormanalyse de ontdekking van beledigingen, genetische varianten en andere behandelingen mogelijk zal maken die de auditieve functie kunnen beïnvloeden.

Openbaarmakingen

De auteurs hebben geen belangenconflicten.

Dankbetuigingen

Dit werk werd ondersteund door twee subsidies van het NIDCD aan PW: R01 DC018660 en een administratieve aanvullende prijs, R01 DC014261-05S1.

Materialen

Lijst van materialen gebruikt in dit artikel
NaamBedrijfCatalogusnummerOpmerkingen
C57BL/6J  muizenJackson Labs664
CBA/CaJ muizenJackson Labs654
E-serie PCDelln/a (deze apparatuur is stopgezet)Dit draait het IHS-systeem.
Mini-anechoïsche kamerIndustrial Acoustics CompanySpeciale ordernummer 104306Deze behuizing vermindert geluidsniveaus voor auditieve tests van dieren.
Optiplex 7040Delli5-6500Rstudio kan ook worden uitgevoerd op een Mac of Linux-systeem.
Universal Smart BoxIntelligent Hearing Systemsn/a (deze apparatuur is stopgezet)Zowel TDT als IHS kunnen gehoorgegevens uitvoeren als ASCII-bestanden.

Referenties

  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).

Herprints en machtigingen

Toestemming aanvragen om de tekst of afbeeldingen van dit JoVE-artikel te hergebruiken

Toestemming aanvragen

Trefwoorden

ABR golfvormanalysepieklatentieRStudio workflowFindpeaks scriptstatistische analyseShapiro Wilk toetsANOVA toets

Gerelateerde artikelen