Półautomatyczna analiza amplitudy piku i opóźnienia dla przebiegów odpowiedzi słuchowej pnia mózgu przy użyciu R
9 grudnia 2022
Ten artykuł opisuje półautomatyczny pomiar amplitud i opóźnień pierwszych pięciu szczytów i dołków w przebiegu odpowiedzi słuchowej pnia mózgu. Dodatkowa procedura kompiluje dane i dodaje adnotacje do arkusza kalkulacyjnego w celu analizy przez eksperymentatora. Te bezpłatne procedury komputerowe są wykonywane przy użyciu pakietu statystycznego R. o otwartym kodzie źródłowym.
Słuchowe reakcje pnia mózgu są rutynowo zbierane w celu określenia progów słyszenia. Przebieg fali ABR zawiera dodatkowe informacje na temat aktywności pnia mózgu, ale wcześniej wielu badaczy musiało je analizować ręcznie. Skrypty języka R współpracują z oprogramowaniem języka R w strukturze RStudio w celu częściowego zautomatyzowania analizy przebiegów ABR.
Są bezpłatne i łatwe w użyciu. Mamy nadzieję, że rutynowa analiza przebiegu ABR umożliwi późniejszym badaniom ocenę znaczenia tego przedkognitywnego przetwarzania słuchowego w diagnozie. Aby rozpocząć, wyeksportuj odpowiedź słuchową pnia mózgu lub nagranie ABR jako plik ASCII.
W przypadku IHS otwórz program komputerowy, załaduj interesujący Cię plik i wyświetl żądane przebiegi na jednej stronie. Na karcie danych wybierz opcję Zapisz stronę jako ASCII, aby uzyskać plik txt. Po odpowiednim nazwaniu pliku danych za pomocą identyfikatora zapisz identyfikator i informacje o temacie w pliku metadanych o nazwie info.
csv, upewniając się, że w ID nie ma żadnych informacji, takich jak genotyp, płeć, wiek lub leczenie.Powtórz kroki ze wszystkimi plikami, które mają być analizowane, jako oddzielnymi plikami identyfikacyjnymi i uzyskaj metadane. Pobierz i zainstaluj programy R i RStudio z odpowiednich witryn internetowych. Następnie zainstaluj wymagane biblioteki, tidyverse, Shiny, Plotly i Zoo, z wymaganymi poleceniami w oknie poleceń programu RStudio.
Następnie pobierz skrypty findpeaks. r i see_trace_click. r z GitHub White Lab, a także powiązany plik time.csv.
Utwórz nowy folder o nazwie Folder testowy, w którym umieszczą się wszystkie pliki ASCII, info. csv i time.csv. W folderze testowym utwórz podfolder o nazwie ASCII Folder i umieść pliki ASCII.
Otwórz skrypt findpeaks. r w programie RStudio, klikając prawym przyciskiem myszy kartę skryptu na pasku narzędzi, aby wybrać ustawiony katalog roboczy i ustawić go na Folder testowy. W oknie skryptu kliknij opcję Źródło w prawym górnym rogu paska narzędzi, aby załadować program.
Następnie w oknie poleceń użyj poleceń, aby przeanalizować przebiegi w trybach przetwarzania indywidualnego i wsadowego. Załaduj dane falowe dla konkretnej osoby za pomocą polecenia. Następnie w otwartym oknie see_trace_click.
r w programie RStudio, kliknij przycisk Uruchom aplikację w nagłówku i poczekaj na wyświetlenie nowego interaktywnego okna. W polu w lewym górnym rogu wprowadź poziom dźwięku dla przebiegu, który wymaga rewizji, i poszukaj przebiegu wyświetlanego w oknie. Przesuń kursor po przebiegu, aby wyświetlić opóźnienie i amplitudę w dowolnym punkcie.
Aby zarejestrować dane dotyczące opóźnienia i amplitudy, kliknij odpowiedni szczyt, a następnie skopiuj/wklej dane do pliku csv. Powtórz proces, aby zarejestrować dane dotyczące minimalnej wartości po natychmiastowym szczycie i obliczyć pomiar amplitudy, odejmując amplitudę minimalną od amplitudy piku w komórce arkusza kalkulacyjnego. Przenieś zweryfikowane.
csv do nowego podfolderu o nazwie Peak Data w folderze testowym w celu dołączenia danych. Następnie połącz metadane, wykonując polecenie. Aby przeprowadzić analizę statystyczną na skompilowanych danych, należy użyć testu normalności, takiego jak test Shapiro-Wilka, aby ocenić rozkład danych przez wykonanie funkcji.
Jeśli test Shapiro-Wilka nie jest istotny, oznacza to, że zbiór danych ma rozkład normalny. W związku z tym oceń dane za pomocą testu parametrycznego, takiego jak ANOVA, wykonując funkcję. Jeśli próba Shapiro-Wilka jest mniejsza niż P równa się 0,05, należy użyć testu sumy rang Kruskala-Wallisa lub innej odpowiedniej miary nieparametrycznej.
Na koniec wyświetl średnie przebiegi, wykonując polecenie. W odpowiedzi falowej na bodziec kliknięcia o natężeniu 75 decybeli dla młodej myszy F1, szczyty i dołki zostały automatycznie zidentyfikowane za pomocą findpeaks.r. Kształty fal od 5 do 75 decybeli uzyskane z ręcznie zidentyfikowanych szczytów i szczytów znalezisk.
r zostały porównane. Średnie są wykreślane jako grube linie, z zacienionym obszarem reprezentującym jedno odchylenie standardowe i wynikami uzyskanymi przez findpeaks. r jest silnie skorelowane z wynikami ręcznymi.
Próbując wykonać tę procedurę, pamiętaj o ustawieniu katalogu roboczego, ponieważ jest to bardzo ważne. Skrypt języka R wyznacza szczyty i dołki na podstawie okien opóźnień dla myszy ABR zaimplementowanej z czasem. Plik csv.
Może to być modyfikowane przez użytkowników w celu ilościowego określenia innych przebiegów EEG.
Przegląd
W niniejszym artykule opisano półautomatyczną metodę pomiaru amplitud i latencji pierwszych pięciu szczytów i dołków w przebiegu odpowiedzi pnia mózgu na bodźce słuchowe (ABR). Dzięki wykorzystaniu otwartoźródłowego pakietu statystycznego R badacze mogą analizować dane ABR wydajniej niż za pomocą metod manualnych, co ułatwia dalsze badanie przedpoznawczego przetwarzania słuchowego.
Kluczowe elementy badania
Dziedzina nauki
- Neuronauka słuchu
- Elektrofizjologia
- Analiza danych
Wstęp
- Odpowiedzi pnia mózgu na bodźce słuchowe są istotne dla wyznaczania progów słyszalności.
- Kształt fali ABR zawiera cenne informacje o aktywności pnia mózgu.
- Wielu badaczy przeprowadzało wcześniej manualną analizę kształtów fal ABR.
- Celem niniejszego badania jest uproszczenie analizy przy użyciu skryptów w języku R.
Cel badania
- W celu zautomatyzowania pomiaru amplitud i latencji w przebiegach ABR.
- Aby zwiększyć możliwości oceny przetwarzania słuchowego w diagnostyce.
- Aby udostępnić bezpłatne i dostępne narzędzia analityczne dla badaczy.
Zastosowane metody
- Wykorzystaną platformą jest oprogramowanie R w środowisku RStudio.
- Główny model biologiczny obejmuje dane odpowiedzi pnia mózgu na bodźce słuchowe wyeksportowane z oprogramowania do rejestracji.
- Badacze tworzą folder testowy w celu organizacji danych i uruchamiają odpowiednie skrypty R do przeprowadzenia analizy.
- Szczegółowe instrukcje wiersza poleceń prowadzą użytkowników przez proces ładowania i analizy danych kształtu fali.
- Metody statystyczne, takie jak ANOVA i testy nieparametryczne, służą do oceny rozkładów danych.
Główne wyniki
- Zautomatyzowana analiza wykazuje silną korelację z wynikami ręcznymi w odniesieniu do charakterystyk przebiegu fali ABR.
- Testy statystyczne potwierdzają istotność zidentyfikowanych pików i wcięcia.
- Badanie podkreśla niezawodność zautomatyzowanej metody w ilościowym określaniu aktywności pnia mózgu.
Wnioski
- Niniejsze badanie wykazuje skuteczność skryptów R w automatyzacji analizy kształtu fal ABR.
- Rutynowa analiza pozwala na lepsze zrozumienie mechanizmów przetwarzania słuchowego.
- Przedstawione metody mogą zostać dostosowane do ilościowego określania różnych kształtów fal EEG w zależności od potrzeb.
Najczęściej zadawane pytania
Znaczenie dla przemysłu
Półautomatyczna analiza kształtu fal odpowiedzi pnia mózgu (ABR) z wykorzystaniem środowiska R umożliwia skalowalną, ilościową ocenę funkcji neuronów w modelach przedklinicznych. Podejście to ogranicza nakład pracy ręcznej i zwiększa powtarzalność, wspierając rzetelną walidację celów oraz ograniczanie ryzyka mechanistycznego w procesach badawczych z zakresu słuchu i neurofarmakologii. Integracja zestandaryzowanej analityki kształtu fal zwiększa pewność predykcyjną na wczesnych etapach odkrywania leków oraz w punktach zwrotnych badań translacyjnych.
Strategiczne zastosowania w badaniach i rozwoju biofarmaceutycznym
Wczesne etapy odkrywania i walidacja celu
- Umożliwia obiektywną kwantyfikację amplitud i latencji odpowiedzi neuronalnych w celu funkcjonalnej walidacji celu.
- Wspiera ograniczanie ryzyka mechanistycznego poprzez zapewnienie powtarzalnych, ilościowych odczytów neuronalnych.
- Ułatwia selekcję portfolio poprzez standaryzację danych w różnych warunkach eksperymentalnych i kohortach.
Przesiewanie i opracowanie testu
- Przygotowuje zwalidowane testy elektrofizjologiczne do dalszych etapów analizy związków chemicznych.
- Poprawia powtarzalność i standaryzację testów dzięki półautomatycznej ekstrakcji danych.
- Generuje ilościowe wyniki odpowiednie do wysokoprzepustowych lub porównawczych badań.
- Umożliwia wiarygodną ocenę efektów związków słuchowych lub neuroaktywnych.
Badania translacyjne i przedkliniczne
- Uzgadnia przedkliniczne dane o odpowiedziach neuronalnych z translacyjnymi strategiami biomarkerów, gdy jest to istotne.
- Wspiera ciągłość procesu od wczesnych etapów odkrywania po walidację przedkliniczną, umożliwiając spójną analitykę kształtów fal.
- Dostarcza danych skorygowanych o ryzyko w celu podejmowania decyzji o dalszym rozwoju w ramach portfeli badań nad neurofarmakologią i słuchem.
Integracja potoków i przepływów pracy
Ta półautomatyczna metoda analizy ABR sprawdza się na każdym etapie – od wczesnego odkrywania leków po badania przedkliniczne, wspierając identyfikację wiodących kandydatów oraz rozwój biomarkerów translacyjnych w przypadkach, gdy istotne są punkty końcowe w obrębie układu nerwowego.
- Biologia odkrywcza: Umożliwia testowanie hipotez i wyjaśnianie szlaków sygnałowych za pomocą ilościowych parametrów odpowiedzi neuronalnej.
- Screening: Dostarcza powtarzalne, gotowe do analizy wyniki do oceny związków i porównań między różnymi warunkami.
- Analityka: Zapewnia wyniki statystyczne, w tym testy normalności oraz porównania parametryczne i nieparametryczne, w celu wsparcia procesu podejmowania decyzji.
- Badania translacyjne: Wspiera dopasowanie biomarkerów i zachowanie ciągłości w przypadku wykorzystania ABR lub podobnych przebiegów falowych jako punktów końcowych badań translacyjnych.
- Ponowne wykorzystanie w przedsiębiorstwie: Oferuje reużywalne, otwartoźródłowe możliwości analityczne, które można dostosować do innych zestawów danych elektrofizjologicznych.
Wpływ operacyjny i przedsiębiorczy
- Wartość naukowa: Zwiększa pewność prognostyczną i redukuje niejednoznaczność mechanistyczną w walidacji celów neuronalnych.
- Wartość operacyjna: Standaryzuje i usprawnia analizę kształtu fali, poprawiając powtarzalność i skalowalność.
- Wartość strategiczna: Umożliwia podejmowanie bardziej świadomych decyzji typu go/no-go oraz efektywne pod względem kapitałowym zarządzanie portfolio.
- Wpływ na portfolio: Wspiera priorytetyzację skorygowaną o ryzyko oraz rozwój zasobów w badaniach nad neurofarmakologią i słuchem.
Uwagi dotyczące wdrożenia
- Wymaga doświadczenia w zakresie elektrofizjologii oraz analizy danych w środowisku R.
- Wymaga dostępu do oprogramowania R, RStudio oraz odpowiednich skryptów i bibliotek open-source.
- Wymaga standaryzacji formatów danych i przepływów analizy między zespołami.
- Możliwość adaptacji do innych modeli EEG lub przebiegów fal neuronowych poprzez modyfikację okien latencji przez użytkownika.
- Uzyskanie wiarygodnych wyników zależy od poprawnego formatowania danych i przestrzegania protokołów analitycznych.
Najczęściej zadawane pytania dotyczące biofarmacji
Chapters in this video
0:04
Introduction
0:50
Preparing the Auditory Brainstem Response (ABR) Data for Analysis
1:39
Installing the Required Packages and Loading the Data
2:26
Obtaining the Preliminary Analysis with FindPeaks.R
2:58
Verifying the Preliminary Analysis
3:53
Compiling and Visualizing the Dataset
4:51
Results: Analysis of Auditory Brainstem Response (ABR) Data by Manual and FindPeaks.R
5:25
Conclusion
