Name: Półautomatyczna analiza amplitudy piku i opóźnienia dla przebiegów odpowiedzi słuchowej pnia mózgu przy użyciu R (Wideo) | JoVE Journal
Uploaded: 2022-12-09T14:20:00.000+00:00
Duration: 6 min 1 s
Description: Poznaj półautomatyczną analizę amplitudy i opóźnienia pików w odpowiedziach słuchowych pnia mózgu przy użyciu R. Ta metoda usprawnia badania nad przetwarzaniem słuchowym.

ai_agent_IP

ai_agent

maintenance

instantTrialDurationMinutes

isBiopharma

enableNewMyJoveSectionDesign

educationFeatures

seoMetaApi

ai_copilot_institution_blacklist

ai_chat_institution_blacklist

freeAccessWindow

ssoRoleCapture

scheduledMaintenanceBanner

joveLabsFeatures

disable_autoplay_for_bots

extended_trial_duration

5 minutes

Ta praca została wsparta dwoma grantami od NIDCD dla PW: R01 DC018660 oraz dodatkowym administracyjnym grantem, R01 DC014261-05S1.

Wszystkie procedury wykonywane na zwierzętach zostały wcześniej zatwierdzone przez Komitet Badań nad Zwierzętami Uniwersytetu w Rochester. Uczestnikami eksperymentu było 12 samców i samic myszy F1 typu dzikiego w wieku 1 miesiąca. Te myszy F1 są produktem krycia matki CBA / CaJ i reproduktora C57BL / 6J. Myszy były hodowane i trzymane w wiwarium ze standardowym 12-godzinnym cyklem światła/ciemności, nieograniczonym jedzeniem i wodą oraz obfitymi zapasami gniazdowymi. Nie więcej niż pięcioro rodzeństwa tej samej płci było trzymanych razem w jednej klatce.
1. Pozyskiwanie danych do analizy
UWAGA: Ten krok musi być zgodny z wytycznymi instytucjonalnymi i być wstępnie zatwierdzony przez instytucjonalny komitet ds. dobrostanu zwierząt. Szczegółowy proces generowania danych ABR od myszy został opisany w innym miejscu18.
<ol>
	<li>Nagraj ABR za pomocą wybranej platformy. 
	UWAGA: W przedstawionym tutaj przykładzie nagrania zostały wykonane na myszach.
	<ol>
		<li>Użyj bodźca kliknięcia 5 ms, zaczynając od poziomu ciśnienia akustycznego 75 dB i zmniejszając się w krokach co 5 dB do 5 dB. Rejestruj średnio 512 przemiatania dla każdej amplitudy. Odrzuć odpowiedzi, jeśli ich amplituda szczytowa do minimalnej jest większa niż 31 μV w dowolnym momencie między 1,3 ms a 12,5 ms po bodźcu. 
		UWAGA: Można również wykorzystać nagrania z prezentacji pipsów tonowych. Przewidujemy, że procedura analizy będzie skuteczna w przypadku innych gatunków, w tym ludzi.</li>
	</ol>
	</li>
	<li>Wyeksportuj nagranie ABR jako plik ASCII.
	<ol>
		<li>W przypadku IHS otwórz program komputerowy.</li>
		<li>Załaduj interesujący Cię plik i wyświetl żądane przebiegi na jednej stronie.</li>
		<li>Na karcie Dane wybierz opcję Zapisz stronę jako ASCII, aby uzyskać plik .txt.</li>
		<li>Po odpowiednim nazwaniu pliku danych ("ID"), zapisz identyfikator i informacje o podmiocie w pliku metadanych zatytułowanym "info.csv". Upewnij się, że "ID" nie zawiera żadnych informacji, takich jak genotyp, płeć, wiek lub leczenie; informacje te są zamiast tego zapisywane w "info.csv." 
		UWAGA: Uczciwa talia kart do gry może być użyta do losowego przypisywania etykiet, jeśli zajdzie taka potrzeba.</li>
		<li>Powtórz te czynności ze wszystkimi plikami, które mają być analizowane, jako oddzielnymi plikami "ID".</li>
	</ol>
	</li>
</ol>
2. Instalacja wymaganych pakietów i wczytywanie danych na działający komputer
<ol>
	<li>Pobierz i zainstaluj programy R (https://www.r-project.org) i RStudio (https://www.rstudio.com). 
	UWAGA: Opisany tutaj protokół używał R ≥ 4.0.0.</li>
	<li>Zainstaluj wymagane biblioteki, tidyverse, shiny, plotly i zoo, wpisując następujące polecenie w oknie poleceń programu RStudio: 
	Install.packages("tidyverse") 
	Install.packages("błyszczący") 
	Install.packages("plotly") 
	Install.packages("zoo")</li>
	<li>Pobierz skrypty FindPeaks.R i See_trace_click. R z White lab GitHub (https://github.com/PWhiteLab/FindPeaks), a także skojarzony plik "Time.csv".</li>
	<li>Utwórz nowy folder, który będzie zawierał wszystkie pliki ASCII "info.csv" i "Time.csv". W tym przykładzie nazwij folder "Test_Folder". W polu "Test_Folder" umieść pliki ASCII w podfolderze o nazwie "ASCII_Folder".</li>
</ol>
3. Uzyskiwanie wstępnej analizy za pomocą FindPeaks.R
<ol>
	<li>Otwórz skrypt FindPeaks.R w programie RStudio.</li>
	<li>Kliknij prawym przyciskiem myszy zakładkę skryptu na pasku narzędzi, aby wybrać opcję Ustaw katalog roboczy i ustaw go na Test_Folder (patrz rysunek uzupełniający S1A).</li>
	<li>W oknie skryptu kliknij Źródło w prawym górnym rogu paska narzędzi, aby załadować program (patrz Rysunek uzupełniający S1B).</li>
	<li>W oknie poleceń użyj następujących poleceń, aby przeanalizować przebiegi (patrz rysunek uzupełniający S2): 
	FindPeaks_single("ASCII_folder/ID.txt") dla poszczególnych plików (patrz rysunek uzupełniający S2A) 
	FindPeaks_group ("ASCII_Folder") do przetwarzania wsadowego (patrz rysunek uzupełniający S2B) 
	UWAGA: Skrypt wyśle (1) pliki pdf wyświetlające przebiegi z oznaczonymi szczytami i dołkami (patrz rysunek uzupełniający S2C) oraz (2) plik ID.csv zawierający dane liczbowe dla amplitudy (μV) i opóźnienia (ms). Oba pliki zostaną umieszczone w folderze "Test_Folder".</li>
</ol>
4. Weryfikacja wstępnej analizy
UWAGA: Przy niskich poziomach dźwięku, części fali mogą stać się trudne do odróżnienia od szumu, a FindPeaks.R może błędnie zidentyfikować szczyty lub dołki w porównaniu z opinią eksperymentatora. W przypadku rozbieżności plik .csv można zmienić o dane uzyskane ze skryptu See_trace_click.R.
<ol>
	<li>Załaduj dane przebiegu dla konkretnej osoby za pomocą polecenia (patrz rysunek uzupełniający S3A): 
	Przebieg <- ASCII_extract("ASCII_Folder/ID.txt")</li>
	<li>Otwórz See_trace_click. Skrypt języka R w programie RStudio.</li>
	<li>W nagłówku po lewej stronie kliknij przycisk Uruchom aplikację i poczekaj, aż pojawi się nowe interaktywne (błyszczące) okno (patrz rysunek uzupełniający S3B).</li>
	<li>W polu w lewym górnym rogu wprowadź poziom dźwięku dla przebiegu, który wymaga rewizji, i poszukaj przebiegu wyświetlanego w oknie.</li>
	<li>Przesuń kursor po przebiegu, aby wyświetlić opóźnienie i amplitudę w dowolnym punkcie.</li>
	<li>Kliknij właściwy szczyt i następujące po nim minimum, aby zapisać dane w poniższej tabeli. Skopiuj i wklej dane dotyczące opóźnienia do pliku .csv (patrz rysunek uzupełniający S3C).</li>
	<li>Aby obliczyć pomiar amplitudy, odejmij następującą minimalną amplitudę od amplitudy piku w komórce arkusza kalkulacyjnego.</li>
</ol>
5. Kompilacja i wizualizacja zbioru danych
<ol>
	<li>Przenieś zweryfikowane pliki .csv do nowego podfolderu w Test_Folder o nazwie "Peak_Data".</li>
	<li>Dołącz dane do jednego pliku .csv i nadaj mu nazwę "Peak_Data.csv".</li>
	<li>Użyj następującego polecenia: 
	Kompilacja ("Peak_Data") 
	UWAGA: Ten skrypt łączy metadane z info.csv z Peak_Data.csv w celu oznaczenia danych informacjami o grupie. Automatycznie oblicza również opóźnienia międzyszczytowe i współczynniki amplitudy.</li>
	<li>Wykonaj analizę statystyczną na skompilowanych danych.
	<ol>
		<li>Użyj testu normalności, takiego jak test Shapiro-Wilksa, aby ocenić rozkład danych za pomocą następującej funkcji: 
		shapiro.test()</li>
		<li>Jeśli test Shapiro-Wilksa nie jest istotny, oznacza to, że zbiór danych ma rozkład normalny; dlatego należy ocenić dane za pomocą testu parametrycznego, takiego jak ANOVA o następującej funkcji: 
		aov()</li>
		<li>Jeśli test Shapiro-Wilksa jest mniejszy niż p = 0,05, użyj testu sumy rang Kruskala-Wallisa (z poniższą funkcją) lub innej odpowiedniej miary nieparametrycznej (zobacz inne możliwości w dyskusji). 
		kruskal.test()</li>
	</ol>
	</li>
	<li>Aby wyświetlić średnie przebiegi, użyj następującego polecenia: 
	Average_Waveform("ASCII_Folder ", aes(x = Data_Pnt_ms, y = "dB", group = Genotyp, kolor = Genotyp))<br />
	UWAGA: To polecenie pokazuje średnie przebiegi dla różnych genotypów w różnych kolorach. W przypadku zmiennej y dB wprowadź liczbę odpowiadającą żądanej amplitudzie, na przykład 75, bez cudzysłowów. W przypadku innych porównań użyj odpowiedniej etykiety grupy z metadanych.</li>
</ol>

<ol><li>Gopal, K. V., Pierel, K. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Binaural+interaction+component+in+children+at+risk+for+central+auditory+processing+disorders%5BTitle%5D)+AND+%22Scandinavian+Audiology%22%5BJournal%5D)">Binaural interaction component in children at risk for central auditory processing disorders.</a> Scandinavian Audiology. 28 (2), 77-84 (1999).</li>
<li>Kujawa, S. G., Liberman, M. C. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Adding+insult+to+injury%3A+Cochlear+nerve+degeneration+after+%26%2334%3Btemporary%26%2334%3B+noise-induced+hearing+loss%5BTitle%5D)+AND+%22Journal+of+Neuroscience%22%5BJournal%5D)">Adding insult to injury: Cochlear nerve degeneration after &#34;temporary&#34; noise-induced hearing loss.</a> Journal of Neuroscience. 29 (45), 14077-14085 (2009).</li>
<li>Salvi, R. J., Wang, J., Ding, D. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Auditory+plasticity+and+hyperactivity+following+cochlear+damage%5BTitle%5D)+AND+%22Hearing+Research%22%5BJournal%5D)">Auditory plasticity and hyperactivity following cochlear damage.</a> Hearing Research. 147 (1-2), 261-274 (2000).</li>
<li>Schrode, K. M., Muniak, M. A., Kim, Y. H., Lauer, A. M. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Central+compensation+in+auditory+brainstem+after+damaging+noise+exposure%5BTitle%5D)+AND+%22eNeuro%22%5BJournal%5D)">Central compensation in auditory brainstem after damaging noise exposure.</a> eNeuro. 5 (4), (2018).</li>
<li>Patel, S., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((SIRT3+promotes+auditory+function+in+young+adult+FVB%2FnJ+mice+but+is+dispensable+for+hearing+recovery+after+noise+exposure%5BTitle%5D)+AND+%22PLoS+One%22%5BJournal%5D)">SIRT3 promotes auditory function in young adult FVB/nJ mice but is dispensable for hearing recovery after noise exposure.</a> PLoS One. 15 (7), 0235491(2020).</li>
<li>Milinkeviciute, G., Chokr, S. M., Castro, E. M., Cramer, K. S. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((CX3CR1+mutation+alters+synaptic+and+astrocytic+protein+expression%2C+topographic+gradients%2C+and+response+latencies+in+the+auditory+brainstem%5BTitle%5D)+AND+%22Journal+of+Comparative+Neurology%22%5BJournal%5D)">CX3CR1 mutation alters synaptic and astrocytic protein expression, topographic gradients, and response latencies in the auditory brainstem.</a> Journal of Comparative Neurology. 529 (11), 3076-3097 (2021).</li>
<li>Ison, J. R., Allen, P. D., Oertel, D. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Deleting+the+HCN1+subunit+of+hyperpolarization-activated+ion+channels+in+mice+impairs+acoustic+startle+reflexes%2C+gap+detection%2C+and+spatial+localization%5BTitle%5D)+AND+%22Journal+of+the+Association+for+Research+in+Otolaryngology%22%5BJournal%5D)">Deleting the HCN1 subunit of hyperpolarization-activated ion channels in mice impairs acoustic startle reflexes, gap detection, and spatial localization.</a> Journal of the Association for Research in Otolaryngology. 18 (3), 427-440 (2017).</li>
<li>Chen, F., Zhao, F., Mahafza, N., Lu, W. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Detecting+noise-induced+cochlear+synaptopathy+by+auditory+brainstem+response+in+tinnitus+patients+with+normal+hearing+thresholds%3A+A+meta-analysis%5BTitle%5D)+AND+%22Frontiers+in+Neuroscience%22%5BJournal%5D)">Detecting noise-induced cochlear synaptopathy by auditory brainstem response in tinnitus patients with normal hearing thresholds: A meta-analysis.</a> Frontiers in Neuroscience. 15, 778197(2021).</li>
<li>Santos-Filha, V. A., Samelli, A. G., Matas, C. G. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Noise-induced+tinnitus%3A+Auditory+evoked+potential+in+symptomatic+and+asymptomatic+patients%5BTitle%5D)+AND+%22Clinics%22%5BJournal%5D)">Noise-induced tinnitus: Auditory evoked potential in symptomatic and asymptomatic patients.</a> Clinics. 69 (7), 487-490 (2014).</li>
<li>Kochar, K., Srivastava, T., Maurya, R. K., Jain, R., Aggarwal, P. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Visual+evoked+potential+%26+brainstem+auditory+evoked+potentials+in+acute+attack+%26+after+the+attack+of+migraine%5BTitle%5D)+AND+%22Electromyography+and+Clinical+Neurophysiology%22%5BJournal%5D)">Visual evoked potential & brainstem auditory evoked potentials in acute attack & after the attack of migraine.</a> Electromyography and Clinical Neurophysiology. 42 (3), 175-179 (2002).</li>
<li>Gedik, O., Husam, H., Basoz, M., Tas, N., Aksoy, F. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((The+effect+of+coronavirus+disease+2019+on+the+hearing+system%5BTitle%5D)+AND+%22Journal+of+Laryngology+and+Otology%22%5BJournal%5D)">The effect of coronavirus disease 2019 on the hearing system.</a> Journal of Laryngology and Otology. 135 (9), 810-814 (2021).</li>
<li>Ozturk, B., Kavruk, H., Aykul, A. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Audiological+findings+in+individuals+diagnosed+with+COVID-19%5BTitle%5D)+AND+%22American+Journal+of+Otolaryngology%22%5BJournal%5D)">Audiological findings in individuals diagnosed with COVID-19.</a> American Journal of Otolaryngology. 43 (3), 103428(2022).</li>
<li>Dror, A. A., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Auditory+performance+in+recovered+SARS-COV-2+patients%5BTitle%5D)+AND+%22Otology+%26+Neurotology%22%5BJournal%5D)">Auditory performance in recovered SARS-COV-2 patients.</a> Otology & Neurotology. 42 (5), 666-670 (2021).</li>
<li>Lin, F. R., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Hearing+loss+and+incident+dementia%5BTitle%5D)+AND+%22Archives+of+Neurology%22%5BJournal%5D)">Hearing loss and incident dementia.</a> Archives of Neurology. 68 (2), 214-220 (2011).</li>
<li>Jafari, Z., Kolb, B. E., Mohajerani, M. H. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Auditory+dysfunction+in+Parkinson%27s+disease%5BTitle%5D)+AND+%22Movement+Disorders%22%5BJournal%5D)">Auditory dysfunction in Parkinson's disease.</a> Movement Disorders. 35 (4), 537-550 (2020).</li>
<li>Swords, G. M., Nguyen, L. T., Mudar, R. A., Llano, D. A. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Auditory+system+dysfunction+in+Alzheimer+disease+and+its+prodromal+states%3A+A+review%5BTitle%5D)+AND+%22Ageing+Research+Reviews%22%5BJournal%5D)">Auditory system dysfunction in Alzheimer disease and its prodromal states: A review.</a> Ageing Research Reviews. 44, 49-59 (2018).</li>
<li>Konrad-Martin, D., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Age-related+changes+in+the+auditory+brainstem+response%5BTitle%5D)+AND+%22Journal+of+the+American+Academy+of+Audiology%22%5BJournal%5D)">Age-related changes in the auditory brainstem response.</a> Journal of the American Academy of Audiology. 23 (1), 18-35 (2012).</li>
<li>Navntoft, C. A., Marozeau, J., Barkat, T. R. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Cochlear+implant+surgery+and+electrically-evoked+auditory+brainstem+response+recordings+in+C57BL%2F6+mice%5BTitle%5D)+AND+%22Journal+of+Visualized+Experiments%22%5BJournal%5D)">Cochlear implant surgery and electrically-evoked auditory brainstem response recordings in C57BL/6 mice.</a> Journal of Visualized Experiments. (143), e59073(2019).</li>
<li>Gilels, F., Paquette, S. T., Beaulac, H. J., Bullen, A., White, P. M. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Severe+hearing+loss+and+outer+hair+cell+death+in+homozygous+Foxo3+knockout+mice+after+moderate+noise+exposure%5BTitle%5D)+AND+%22Scientific+Reports%22%5BJournal%5D)">Severe hearing loss and outer hair cell death in homozygous Foxo3 knockout mice after moderate noise exposure.</a> Scientific Reports. 7, 1054(2017).</li>
<li>Rubio, M. E. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Auditory+brainstem+development+and+plasticity%5BTitle%5D)+AND+%22Current+Opinion+in+Physiology%22%5BJournal%5D)">Auditory brainstem development and plasticity.</a> Current Opinion in Physiology. 18, 7-10 (2020).</li>
<li>Polonenko, M. J., Maddox, R. K. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((The+parallel+auditory+brainstem+response%5BTitle%5D)+AND+%22Trends+in+Hearing%22%5BJournal%5D)">The parallel auditory brainstem response.</a> Trends in Hearing. 23, 2331216519871395(2019).</li>
<li>Shi, L., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Noise-induced+damage+to+ribbon+synapses+without+permanent+threshold+shifts+in+neonatal+mice%5BTitle%5D)+AND+%22Neuroscience%22%5BJournal%5D)">Noise-induced damage to ribbon synapses without permanent threshold shifts in neonatal mice.</a> Neuroscience. 304, 368-377 (2015).</li>
<li>Lin, H. W., Furman, A. C., Kujawa, S. G., Liberman, M. C. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Primary+neural+degeneration+in+the+Guinea+pig+cochlea+after+reversible+noise-induced+threshold+shift%5BTitle%5D)+AND+%22Journal+of+the+Association+for+Research+in+Otolaryngology%22%5BJournal%5D)">Primary neural degeneration in the Guinea pig cochlea after reversible noise-induced threshold shift.</a> Journal of the Association for Research in Otolaryngology. 12 (5), 605-616 (2011).</li>
</ol>

Autorzy nie pozostają w konflikcie interesów.

Protokół opisany w tej publikacji powinien pomóc w usprawnieniu pozyskiwania danych opisujących stosunki amplitudy napięcia i interwały opóźnień między ABR a kliknięciami i pipsami tonów. Korzystając z pojedynczych poleceń w programie RStudio, eksperymentator może wyodrębnić, skompilować i wyświetlić te informacje w jednym dokumencie do analizy statystycznej. Mamy nadzieję, że dzięki tej analizie uda nam się odkryć nowe sposoby, w jakie ABR może być zmieniany w trakcie rozwoju, starzenia się lub w wyniku zniewagi u różnych gatunków. Takie informacje mogą być cenne dla identyfikacji ważnych mechanizmów podobnych do synaptopatii wywołanej przez hałas2. Młode myszy użyte w tym eksperymencie miały bardzo zróżnicowane reakcje, prawdopodobnie dlatego, że słuchowy pień mózgu wciąż dojrzewa w wieku20 lat. Niemniej jednak obie metody kwantyfikacji wykazały bardzo silne korelacje (ryc. 2). 
Skrypt używa pliku o nazwie "Time.csv" do ustawiania interwałów w danych w celu identyfikacji szczytu. Krótko mówiąc, maksymalna amplituda napięcia występująca w określonym przedziale czasu jest oznaczona jako "szczyt 1", minimum napięcia występujące w następnym przedziale jest oznaczone jako "dołek 1" i tak dalej. Wybraliśmy interwały tak, aby obejmowały opóźnienia zarówno reakcji kliknięcia, jak i tonu dla myszy CBA / CaJ w wieku od 1 miesiąca do 12 miesięcy przy użyciu częstotliwości od 8 kHz do 32 kHz. Z powodzeniem wykorzystaliśmy to narzędzie do pomiaru reakcji tonów u myszy. Inne gatunki, w tym ludzie, również mają reakcje ABR w podobnych przedziałach czasowych i przewidujemy, że to narzędzie może być również wykorzystywane do danych dotyczących innych gatunków. Zalecamy stosowanie nowej równoległej metody ABR dla ludzi21, która daje doskonałe przebiegi. Ograniczenie interwału czasowego ogranicza korzystanie z tego narzędzia do oceny natychmiastowych reakcji ABR. Zwracamy jednak uwagę, że dane interwałowe w tym pliku mogą być zmieniane przez użytkowników w celu zautomatyzowania pomiarów reakcji ABR na mowę lub potencjałów związanych ze zdarzeniami (ERP), które charakterystycznie występują w różnych momentach w odpowiedzi na dźwięk.
Warto zwrócić uwagę na niektóre cechy statystycznego traktowania tych danych. O ile nam wiadomo, w tej dziedzinie nie ma ustandaryzowanego leczenia rozróżniania progresji amplitudy. We wczesnych badaniach stosowano ANOVA22,23. Dane z serii kliknięć (rysunek 2) były nieparametryczne, co doprowadziło do zastosowania testu sumy rang Kruskala-Wallisa. Podobnie jak ANOVA, test sumy rang Kruskala-Wallisa ocenia różnice w wartościach uzyskanych na danym poziomie bodźca; Oznacza to, że porównuje linie uzyskane na wykresie. Możliwe są jednak również inne zabiegi. Z biologicznego punktu widzenia progresje amplitudy odzwierciedlają dodatkową rekrutację neuronów o wyższym progu wraz ze wzrostem poziomu bodźca. Sugeruje to, że obszar pod krzywą, który reprezentuje całki linii, może być bardziej odpowiednią miarą. Uogólnione równania estymujące (GEE) mogą być używane do modelowania poszczególnych danych do analizy całkowej, jak w Patel i wsp.5. Warto zauważyć, że analiza GEE może uwzględniać projekt powtarzalnych pomiarów w tych eksperymentach. W miarę jak coraz więcej badaczy omawia metody analizy danych, spodziewamy się pojawienia się konsensusu w sprawie najlepszych praktyk.
Podsumowując, w artykule przedstawiono bezpłatne i łatwe w użyciu narzędzia do pomiaru, kompilacji i wizualizacji przebiegów ABR. Narzędzia te mogą być używane przez początkujących studentów RStudio, postępując zgodnie z tym protokołem, i zawierają krok zaślepiający w celu poprawy rygoru i odtwarzalności. Przewidujemy, że rutynowa analiza kształtu fali ABR umożliwi odkrycie zniewag, wariantów genetycznych i innych metod leczenia, które mogą wpływać na funkcje słuchowe.

Słuchowa odpowiedź pnia mózgu (ABR) jest często używana do określania progów słyszenia u zwierząt i ludzkich niemowląt. Ponieważ ABR jest zapisem elektroencefalogramu (EEG) pierwszych reakcji układu nerwowego na bodźce słuchowe, zawiera dodatkowe informacje, które odzwierciedlają skoordynowane uruchamianie neuronów zwoju ślimakowego ślimaka i wczesne przetwarzanie sygnału w słuchowym pniu mózgu, w tym przetwarzanie obustronne1. Na te reakcje może mieć wpływ uraz spowodowany hałasem. Na przykład narażenie na hałas, które jest wystarczające do wywołania tymczasowego przesunięcia progu u myszy, może również trwale zmniejszyć amplitudę piku ABR 12. Co więcej, takie urazy mogą zmniejszyć opóźnienia międzyszczytowe i zwiększyć względne amplitudy późniejszych szczytów3, prawdopodobnie z powodu utraty regulacji hamującej4. Oprócz tych ustaleń wykazano, że specyficzne mutacje genetyczne zmieniają kształt fali ABR przy braku traumy5,6,7. W ten sposób rutynowa analiza przebiegów ABR może zapewnić wgląd w układ słuchowy w modelach eksperymentalnych.
Pojawiło się również zainteresowanie wykorzystaniem przebiegów ABR jako narzędzia diagnostycznego dla pacjentów. Poprzednie raporty oceniały, czy szczyt ABR 1 jest zmniejszony u ludzi po ekspozycji na hałas lub u pacjentów z szumami usznymi8,9. Warto zauważyć, że ataki migreny tymczasowo zwiększają opóźnienia międzyszczytowe na kilka tygodni, po czym przebieg ABR wraca do normy u osób dotkniętych chorobą10. Zgłoszono, że COVID-19 powoduje długoterminowe zmiany w opóźnieniach międzyszczytowych ABR11,12, chociaż inne badanie wykazało inne wyniki13. Ubytek słuchu często współwystępuje z demencją w starzeniu się, a osoby z większym ubytkiem słuchu mają tendencję do doświadczania demencji, która postępuje szybciej14. Naukowcy badali zmiany kształtu fali ABR w chorobach neurodegeneracyjnych, takich jak choroba Parkinsona (recenzja w Jafari et al.15) i choroba Alzheimera (recenzja w Swords et al.16), a także w normalnym starzeniu się17. Ponieważ coraz więcej badaczy i klinicystów bada deficyty sensoryczne jako biomarkery powszechnych chorób związanych ze starzeniem się, techniki takie jak ABR mogą stać się rutyną w opiece zdrowotnej.
Analiza sekcji metod w literaturze ujawnia, że laboratoria często piszą niestandardowe skrypty w MatLab do analizy przebiegów ABR. Platforma ABR firmy Intelligent Hearing Systems posiada funkcję analizy przebiegów, ale wymaga ona od operatora ręcznego wyboru szczytów i dołków. W tym miejscu napisaliśmy półautomatyczne procedury analityczne dla ogólnodostępnego środowiska statystycznego R o otwartym kodzie źródłowym i interfejsu RStudio. Raport ten porównuje dane uzyskane przy użyciu naszych procedur z danymi uzyskanymi przez eksperymentatora w celu ręcznej identyfikacji szczytów i dołków i pokazuje, że dane z tych dwóch metod są silnie skorelowane. Co ważne, procedury zawierają funkcję zaślepiania, w której metadane próbek są umieszczane w osobnym pliku, który nie jest włączany do końca. Funkcje te usprawniły analizę przebiegów w naszym laboratorium.

<table><tbody><tr><td>Myszy C57BL/6J&nbsp;</td><td>Myszy Jackson Labs</td><td>664</td><td></td></tr><tr><td>CBA/CaJ</td> Jackson <td>Labs</td><td>654</td><td></td></tr><tr><td>E-series PC</td><td>Dell</td><td>n/a (to urządzenie zostało wycofane z produkcji)</td><td>Działa na nim system IHS.</td></tr><tr><td>Mini-komora bezechowa</td><td>Firma Akustyki Przemysłowej</td><td>Specjalny numer zamówienia 104306</td><td>Ta obudowa zmniejsza poziom hałasu podczas badań słuchowych zwierząt.</td></tr><tr><td>Optiplex 7040</td><td>Dell</td><td>i5-6500</td><td>Rstudio można również uruchomić w systemie Mac lub Linux.</td></tr><tr><td>Universal Smart Box</td><td>Intelligent Hearing Systems</td><td>n/a (ten sprzęt został wycofany z produkcji)</td><td>Zarówno TDT, jak i IHS mogą wysyłać dane słuchowe jako pliki ASCII.</td></tr></tbody></table>

półautomatyczna analiza amplitudy piku i opóźnienia dla przebiegów odpowiedzi słuchowej pnia mózgu przy użyciu r

Semi-Automated Analysis of Peak Amplitude and Latency for Auditory Brainstem Response Waveforms Using R

Wiele raportów z ostatnich 15 lat oceniało zmiany w przebiegu fali słuchowej pnia mózgu (ABR) po zniewagach, takich jak narażenie na hałas. Typowe zmiany obejmują zmniejszenie amplitudy piku 1 i względnych opóźnień późniejszych pików, a także zwiększenie wzmocnienia centralnego, co znajduje odzwierciedlenie we względnym wzroście amplitudy późniejszych pików w porównaniu z amplitudą piku 1. Wielu eksperymentatorów identyfikuje szczyty i dołki wizualnie, aby ocenić ich względne wysokości i opóźnienia, co jest pracochłonnym procesem, gdy przebiegi są zbierane w przyrostach co 5 dB w całym zakresie słyszenia dla każdej częstotliwości i stanu. W tym artykule opisano bezpłatne procedury, które mogą być wykonywane na platformie open source R z interfejsem RStudio w celu częściowej automatyzacji pomiarów szczytów i dołków przebiegów słuchowej odpowiedzi pnia mózgu (ABR). Procedury identyfikują amplitudy i opóźnienia szczytów i dołków, wyświetlają je na wygenerowanym kształcie fali do kontroli, zestawiają i opisują wyniki w arkuszu kalkulacyjnym w celu analizy statystycznej oraz generują uśrednione przebiegi dla liczb. W przypadkach, gdy zautomatyzowany proces błędnie identyfikuje przebieg ABR, istnieje dodatkowe narzędzie pomagające w korekcji. Celem jest skrócenie czasu i wysiłku potrzebnego do analizy przebiegu ABR, tak aby więcej badaczy mogło uwzględnić te analizy w przyszłości.

Przetestowano rutyny na odpowiedziach falowych ABR na serię impulsów (click), zaczynając od poziomu 75 dB i obniżając go w krokach co 5 dB aż do poziomu 5 dB. Dane te uzyskano zgodnie z wcześniejszym opisem.19Przetestowaliśmy również narzędzie na danych z pipowania tonów, otrzymując podobne wyniki. Dane ABR z większości systemów ABR można eksportować do plików .txt (ASCII). Wczytaliśmy pliki ABR ASCII na komputer i otworzyliśmy je w programie RStudio zgodnie z opisem w protokole. Po uruchomieniu procedury FindPeaks.R w trybie wsadowym otrzymaliśmy przebiegi falowe próbek z automatycznym etykietowaniem (Rysunek 1) oraz plik .csv z wynikami. Wyniki poddano przeglądowi w celu usunięcia nieistotnych pików. Aby zwalidować automatyczne etykietowanie, wykorzystaliśmy również funkcję programu ABR umożliwiającą ręczne oznaczenie pierwszych pięciu pików i dołków na każdym przebiegu fali uzyskany w ramach opisanej powyżej serii kliknięć. Osoba wykonująca to zadanie posiadała 2-letnie doświadczenie w rejestracji i analizie danych ABR. Rycina 2 przedstawia to porównanie, w którym dane z automatycznego programu FindPeaks.R zaznaczono na czerwono, a dane uzyskane ręcznie na czarno. Każdy ślad odpowiada danym z jednej myszy. Wyświetlono również średnią dla obu metod wraz z jednym odchyleniem standardowym. Wyniki uzyskane za pomocą FindPeaks.R silnie korelują z wynikami uzyskanymi ręcznie (patrz Rycina uzupełniająca S4).
<img alt="Wykres poziomu dźwięku w funkcji latencji; amplituda 75 dB; analiza latencji w eksperymencie akustycznym." class="xfigimg" src="/files/ftp_upload/64737/64737fig01.jpg" data-altupdatedat="1788304762000" data-alt="Rysunek 1"> 
Rysunek 1: Reprezentatywna odpowiedź w formie przebiegu fali na bodziec klikowy 75 dB u młodej myszy F1. Na osi x naniesiono latencję w milisekundach, a na osi y amplitudę w mikrowoltach. Szczyty zostały zidentyfikowane automatycznie za pomocą programu FindPeaks.R i są oznaczone na czerwono, natomiast minima są oznaczone na niebiesko. <a href="https://www.jove.com/files/ftp_upload/64737/64737fig01large.jpg" target="_blank">Kliknij tutaj, aby wyświetlić powiększoną wersję tego rysunku.</a>
<img alt="Wykresy amplitudy i latencji fal pokazujące wpływ poziomu dźwięku; analiza danych z FindPeaks i manualna." class="xfigimg" src="/files/ftp_upload/64737/64737fig02.jpg" data-altupdatedat="1788304762000" data-alt="Rysunek 2"> 
Rysunek 2: Porównanie danych uzyskanych z ręcznie zidentyfikowanych pików z danymi dostarczonymi przez analizę FindPeaks.R. (A,C,E,G,I) Amplitudy w mikrovoltach i (B,D,F,H,J) latencje w milisekundach wykreślono dla poziomów dźwięku od 5 dB do 75 dB (oś x, wszystkie wykresy) dla pików I-V w przebiegach uzyskanych dla bodźców kliknięć zaprezentowanych 12 myszom. Wartości uzyskane ręcznie (czarne) porównano z tymi samymi zestawami danych analizowanymi za pomocą FindPeaks.R (czerwone). Średnie przedstawiono jako grube linie, a zacieniowany obszar reprezentuje jedno odchylenie standardowe. Nie stwierdzono różnic między metodami w ocenie testem sumy rang Kruskala-Wallisa (A, różnica = 0,0547977 ± 0,0010028, max = 0,96, p = 0,9216; B, różnica = −0,0001734 ± 0,0001214, max = 0,04, p = 0,8289; C, różnica = −0,0212209 ± 0,0006806, max = 0,92, p = 0,9687; D, różnica = −0,0011047 ± 0,0001556, max = 0,06, p = 0,771; E, różnica = −0,0323077 ± 0,0006169, max = 0,66, p = 0,899; F, różnica = −0,0072189 ± 0,0001460, max = 0,04, p = 0,8644; G, różnica = 0,201754 ± 0,0007407, max = 0,64, p = 0,9312; H, różnica = −0,0007018 ± 0,0001717, max = 0,09, p = 0,8013; I, różnica = 0,0347561 ± 0,0007343, max = 1,05, p = 0,8856; J, różnica = −0,0078049 ± 0,0002762, max = 0,16, p = 0,886), a wyniki były silnie skorelowane (wartości chi-kwadrat: 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; różnice przedstawione jako średnia ± SEM; max = bezwzględna maksymalna różnica). <a href="https://www.jove.com/files/ftp_upload/64737/64737fig02large.jpg" target="_blank">Kliknij tutaj, aby zobaczyć powiększoną wersję tego rysunku.</a>
Rycina uzupełniająca S1: Analiza za pomocą FindPeaks.R. (A) Wybór katalogu roboczego (patrz krok protokołu 3.2); (B) ładowanie programu (patrz krok protokołu 3.3). <a href="https://www.jove.com/files/ftp_upload/64737/64737_SuppFig1.pdf" target="_blank">Kliknij tutaj, aby pobrać ten plik.</a>
Rycina uzupełniająca S2: Wyniki skryptu i polecenia analizy kształtów fal. Polecenia dla (A) pojedynczych plików oraz (B) przetwarzania wsadowego. (C) Wyjściowy plik PDF przedstawiający kształty fal z oznakowanymi szczytami i dolinami. Patrz krok 3.4 protokołu. <a href="https://www.jove.com/files/ftp_upload/64737/64737_SuppFig2.pdf" target="_blank">Kliknij tutaj, aby pobrać ten plik.</a>
Rysunek uzupełniający S3: Weryfikacja analizy. (A) Ładowanie danych przebiegu fali (patrz krok protokołu 4.1). (B) Lokalizacja przycisku Run App. Wskazano również przykładowy plik z danymi. (C) Okno Shiny z przebiegiem fali. W tym przypadku poziom dźwięku wynosi 75 dB, zgodnie z wprowadzonymi danymi w górnym oknie. Kliknięcie wybranego piku, a następnie następującego po nim minimum, zapisuje w tabeli dane dotyczące amplitudy i latencji (krok protokołu 4.6). Przedstawiono dane dla piku 3. <a href="https://www.jove.com/files/ftp_upload/64737/64737_SuppFig3.pdf" target="_blank">Prosimy kliknąć tutaj, aby pobrać ten plik.</a>
Rycina uzupełniająca S4: Porównanie poszczególnych danych uzyskanych z ręcznie zidentyfikowanych pików z danymi dostarczonymi przez analizę FindPeaks.R. (A,C,E,G,I) Amplitudy w mikrowoltach i (B,D,F,H,J) latencje w milisekundach są przedstawione dla poziomów dźwięku od 5 dB do 75 dB (oś x, wszystkie wykresy) dla pików I-V w przebiegach fal uzyskanych dla bodźców klikowych prezentowanych 12 myszom. Każde zwierzę zostało oznaczone unikalnym kolorem, jak pokazano w legendzie. Dane uzyskane za pomocą FindPeaks.R są oznaczone kolorami nasyconymi, natomiast dane uzyskane ręcznie są oznaczone mniej nasyconymi wersjami tych samych kolorów. Chociaż oba zestawy danych są naniesione na tę rycinię, w przypadku gdy są one identyczne, widoczna jest tylko jedna linia. <a href="https://www.jove.com/files/ftp_upload/64737/64737_SuppFig4.pdf" target="_blank">Kliknij tutaj, aby pobrać ten plik.</a>

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.

Półautomatyczna analiza amplitudy piku i opóźnienia dla przebiegów odpowiedzi słuchowej pnia mózgu przy użyciu R

Many reports in the last 15 years have assessed changes in the auditory brainstem response (ABR) waveform after insults such as noise exposure. Common ...

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.

semi-automated-analysis-peak-amplitude-latency-for-auditory-brainstem

Research

JoVE Journal

Neuroscience

Neuronauka

Ten film demonstruje metodę rejestrowania słuchowych reakcji pnia mózgu (ABR) u szczurzych szczeniąt. Przedstawiono w nim etapy umieszczania elektrod, stosowania bodźców dźwiękowych i analizy przetwarzania sygnału w pniu mózgu w celu oceny odpowiedzi neuronalnych.

Rejestrowanie słuchowych reakcji pnia mózgu u szczeniaka szczura

Ten film pokazuje procedurę wszczepienia urządzenia ślimakowego ogłuszonej myszy i zastosowania bodźców elektrycznych do rejestrowania słuchowych reakcji pnia mózgu. Procedura ta umożliwia zrozumienie podstawowych mechanizmów elektrycznego słyszenia i może przyczynić się do postępu w technologii implantów ślimakowych i neurobiologii słuchowej.

Rejestrowanie wywołanych elektrycznie reakcji słuchowych pnia mózgu u głuchej myszy

Źródło: Lee, D., et. al. Zmodyfikowane warunki eksperymentalne dla ubytku słuchu wywołanego hałasem u myszy oraz ocena funkcji słuchu i uszkodzenia zewnętrznych komórek rzęsatych. J. Vis. Exp. (2023)Ten film pokazuje pomiar słuchowej odpowiedzi pnia mózgu (ABR) u myszy. Elektrody umieszcza się na głowie, za uchem i w pobliżu ogona znieczulonej myszy. Dostarczane są bodźce akustyczne o różnym natężeniu, a generowane sygnały elektryczne są rejestrowane jako przebiegi.

Pomiar słuchowej odpowiedzi pnia mózgu u myszy

Elektroencefalografia o wysokiej gęstości (dEEG) jest coraz częściej stosowana do badania rozwoju i plastyczności mózgu we wczesnych latach życia. W tym artykule przedstawiamy zastosowanie zaawansowanych technik analizy, które opierają się na tradycyjnym zapisie EEG, aby zrozumieć dynamikę oscylacyjną szybkiego przetwarzania słuchowego w mózgu niemowlęcia.

Przetwarzanie słuchowe u niemowląt i oscylacje mózgu związane ze zdarzeniami

Centralny napęd oddechowy znajduje się w pniu mózgu. Spontaniczny sygnał motoryczny układu oddechowego z izolowanego rdzenia kręgowego pnia mózgu jest rejestrowany poprzez umieszczenie elektrody na czwartym korzeniu brzusznym. To eksperymentalne podejście jest cenne dla badań farmakologicznych lub oceny wyzwań oddechowych i manipulacji genetycznych dotyczących rytmicznych zachowań motorycznych.

Elektrofizjologia izolowanych preparatów rdzenia kręgowego od nowonarodzonych gryzoni umożliwia rejestrację danych wyjściowych sieci neuronowej układu oddechowego

Ten protokół opisuje metody rejestrowania słuchowej odpowiedzi pnia mózgu u pourodzonych szczurzych szczeniąt. Aby zbadać rozwój funkcjonalny zewnętrznych komórek rzęsatych, opisano krok po kroku eksperymentalną procedurę rejestracji klamry krosowej całej komórki w izolowanych zewnętrznych komórkach rzęsatych.

Rejestracja słuchowej odpowiedzi pnia mózgu i zewnętrznego zacisku krosowego całych komórek rzęsatych u szczurów po urodzeniu

Audiometria odpowiedzi wywołanej pniem mózgu jest ważnym narzędziem w neurofizjologii klinicznej. Obecnie audiometria odpowiedzi wywołanej pnia mózgu jest również stosowana w naukach podstawowych i badaniach przedklinicznych obejmujących zarówno farmakologiczne, jak i genetyczne modele zwierzęce. Tutaj przedstawiamy szczegółowy opis, w jaki sposób słuchowe reakcje pnia mózgu mogą być z powodzeniem rejestrowane i analizowane u myszy.

Akwizycja i analiza danych w audiometrii odpowiedzi wywołanej pniem mózgu u myszy

Baroreflex to mechanizm regulacji tętna przez autonomiczny układ nerwowy w odpowiedzi na zmiany ciśnienia krwi. Opisujemy technikę chirurgiczną polegającą na wszczepieniu nadajników telemetrycznych do ciągłego i jednoczesnego pomiaru elektrokardiogramu i ciśnienia krwi u myszy. Może to określać spontaniczną wrażliwość baroodruchową, ważny marker prognostyczny chorób sercowo-naczyniowych.

Implantacja połączonych telemetrycznych przetworników EKG i ciśnienia krwi w celu określenia spontanicznej wrażliwości barorefleksu u przytomnych myszy

Ten protokół ma na celu zbadanie podstawowych zmian elektrofizjologicznych związanych z uczeniem się u osób z głęboką głuchotą po krótkim okresie szkolenia w zakresie audio-dotykowej substytucji sensorycznej poprzez zastosowanie techniki potencjału związanego ze zdarzeniem.

Ocena treningu audio-dotykowej substytucji sensorycznej u uczestników z głęboką głuchotą z wykorzystaniem techniki potencjału związanego ze zdarzeniem

Zestaw narzędzi BrainBeats to wtyczka EEGLAB o otwartym kodzie źródłowym, przeznaczona do wspólnej analizy sygnałów EEG i sercowo-naczyniowych (EKG/PPG). Obejmuje ocenę potencjałów wywołanych biciem serca (HEP), analizę opartą na cechach i ekstrakcję artefaktów serca z sygnałów EEG. Protokół pomoże w badaniu interakcji mózg-serce przez dwie soczewki (HEP i funkcje), zwiększając odtwarzalność i dostępność.

BrainBeats jako wtyczka EEGLAB o otwartym kodzie źródłowym do wspólnej analizy EEG i sygnałów sercowo-naczyniowych

Oprogramowanie ValsalvaAnalyzer zawiera funkcje do analizy ciągłego elektrokardiogramu i pomiarów ciśnienia krwi (BP) zarejestrowanych podczas manewru Valsalvy (VM). Obliczone biomarkery kliniczne i szacunkowe wyniki modelu zapewniają wgląd w współczulną i przywspółczulną regulację częstości akcji serca i ciśnienia tętniczego podczas VM.

Oprogramowanie do analizy danych szeregów czasowych tętna i ciśnienia krwi z manewru Valsalvy

Poznaj półautomatyczną analizę amplitudy i opóźnienia pików w odpowiedziach słuchowych pnia mózgu przy użyciu R. Ta metoda usprawnia badania nad przetwarzaniem słuchowym.

Półautomatyczna analiza amplitudy piku i opóźnienia dla przebiegów odpowiedzi słuchowej pnia mózgu przy użyciu R

Przeglądaj więcej filmów