Artigo de método

Neurovascular rede Explorer 2.0: Uma ferramenta simples para explorar e compartilhar um banco de dados de Vasomotion Optogenetically-evocada no córtex de rato In Vivo

DOI:

10.3791/57214

⸱

4 de maio de 2018

 ,  ,  ,  ,  ,  ,  ,  ,  , 
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

Neste artigo

Resumo

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

Uma interface gráfica do usuário para explorar e compartilhar um banco de dados de respostas vasculares induzida por optogenetically no rato córtex somatossensorial na vivo medidos por microscopia 2-fóton é apresentada. Permite pesquisar os dados com base em critérios de seleção, em média, localização das medições dentro de um volume 3D da vasculatura e exportar os dados.

Resumo

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

A importância da partilha de dados experimentais em neurociência cresce com a quantidade e complexidade dos dados adquiridos e várias técnicas utilizadas para obter e processar esses dados. No entanto, a maioria dos dados experimentais, especialmente a partir de estudos individuais dos laboratórios de tamanho normal nunca chegar a mais ampla comunidade de pesquisa. Um motor de interface (GUI) gráfica do usuário chamado Neurovascular rede Explorer 2.0 (NNE 2.0) foi criado como uma ferramenta para simples e de baixo custo partilha e exploração de dados de imagem vasculares. NNE 2.0 interage com um banco de dados contendo optogenetically-evocada dilatação/constrição tempo-cursos de navios individuais medidos em ratos córtex somatossensorial na vivo por microscopia 2-fóton. NNE 2.0 permite que a seleção e exibição de tempo-cursos com base em critérios diferentes (assunto, ordem de ramificação, profundidade cortical, diâmetro do vaso, árvore arteriolar) bem como manipulação de matemática simples (ex. cálculo da média, pico-normalização) e exportação de dados. Suporta visualização da rede vascular em 3D e permite a localização das medições individuais navio funcional diâmetro dentro árvores vasculares.

NNE 2.0, seu código fonte e banco de dados correspondente são livremente downloadable de UCSD Neurovascular Imaging laboratório site1. O código-fonte pode ser utilizado pelos usuários para explorar o banco de dados associado ou como um modelo para o banco e compartilhar seus próprios resultados experimentais fornecidos no formato apropriado.

Introdução

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

O cérebro é considerado um dos órgãos mais intrincados e o desejo de se desembaraçar de sua função complexa é incansável. Isso está sendo estudado em diferentes escalas, desde o molecular até o nível comportamental usando uma vasta paleta de ferramentas2,3,4,5,6,7,8 . A quantidade de dados experimentais não homogéneo cresce com velocidade sem precedentes. A consciência da necessidade de compartilhamento de dados experimentais, padronização e organização cresce com a quantidade de dados adquiridos. Tornou-se evidente que neuroinformatics desempenhará um papel fundamental na integração de dados experimentais através de escalas em modelos de cérebro função e disfunção9,10.

Para este fim, alguns estudos, especialmente estudos de larga escala, foram capazes de afectar recursos para disponibilizar seus resultados através de bancos de dados extensos11,12,13,14,15. No entanto, uma vasta quantidade de dados experimentais de estudos individuais e laboratórios de tamanho normal nunca chegou a toda a comunidade de pesquisa. Isto é principalmente por duas razões: primeiro, dedicado mais tempo é necessário para construir um banco de dados e criar ferramentas que permitam ao usuário interagir com o banco de dados; e a segunda, mais dinheiro é necessário para oferecer suporte a essas tarefas. Motivado por estes desafios, um mecanismo de interface (GUI) gráfica do usuário MATLAB baseado chamado o Neurovascular rede Explorer 2.0 (NNE 2.0)16 foi desenvolvido como uma ferramenta simples e de baixo custo para o banco, partilha e exploração dos dados da imagem latente vasculares. Este manuscrito fornece um manual de operação do NNE 2.0 e o banco de dados associado dos dados experimentais.

NNE 2.0 já é um mecanismo de software de segunda geração. A primeira geração, chamada Neurovascular rede Explorer 1.0 (NNE 1.0)17 foi construída para interagir com um banco de dados de vasodilatação sensorial-evocada no córtex somatossensorial primário de rato (SI) na vivo medidos por microscopia 2-fóton18. Vento: 1.0, seu código fonte, bem como o banco de dados associado é livremente para download como um arquivo zipado chamado 'NNE 1 Tian' de UCSD Neurovascular Imaging laboratório site1. Mais informações sobre 1.0 NNE e banco de dados associado podem ser encontradas em17.

A segunda geração, o 2.0 NNE, interage com um banco de dados de optogenetically-evocada dilatação dos vasos individuais em camundongos SI na vivo medidos por microscopia 2-fóton20. O usuário pode navegar, selecionar e visualizar os dados com base em categorias de seleção como profundidade cortical, ordem de ramificação, diâmetro dos vasos, assunto animal ou uma determinada árvore arteriolar. O GUI mais realiza operações matemáticas simples, como uma média e pico-normalização em categorias selecionadas. NNE 2.0 permite ver e navegar através de imagens, captura de volumes 3D da vasculatura assim como identificar a localização da medição funcional dentro das árvores vasculares. Esse recurso pode ser usado para reconstruir morfologias vasculares em 3D e preenchê-los com as medições reais single-vaso vaso-movimento. Estas reconstruções, por sua vez, podem ser incorporadas em modelos computacionais do cérebro função21,22. NNE 2.0, seu código fonte e banco de dados associado são livremente para download como um arquivo zipado chamado 'NNE 2.0 HDbase v 1.0' de UCSD Neurovascular Imaging laboratório site1.

NNE 2.0 funciona com um banco de dados chamado 'vdb.mat'. Este banco de dados é uma matriz que contém perfis temporais (tempo-cursos) de variações de diâmetro do único navio evocada por um estímulo optogenetic e medidos em diferentes locais de árvores arteriolar. Cada hora-curso foi computado usando software personalizados. Ele calcula a mudança relativa de um diâmetro do vaso de expansão de um perfil de intensidade fluorescente adquirido pela digitalização do outro lado do navio. O contraste fluorescente foi apresentado por injeção intravascular de isotiocianato de fluoresceína (FITC)-rotulado dextrano. Para obter mais informações sobre os procedimentos de análise e dados, consulte20,23. O banco de dados tem tempo 305-cursos (ou seja, entradas de banco de dados) no total. Em adição à mudança de diâmetro, cada entrada para o banco de dados mantém uma matriz de metadados adicionais que (1) quantificar o tempo-curso (2) descrever o navio medido e (3) identificar a localização de medição dentro de um volume 3D da vasculatura cortical. Os metadados incluem o tempo de latência, amplitude de pico, tempo de amplitude de pico, profundidade cortical, ordem de ramificação, diâmetro dos vasos na linha de base, o caminho para as imagens de referência original e pilhas de imagem 3D para cada medição e ampliação baixa mapas da superfície do cérebro vasculatura. Consulte todos os parâmetros nos metadados listadas e descritas detalhadamente anteriormente na tabela 116.

NNE 2.0 interage com imagens de referência que são QUE X-Y faz a varredura de um avião onde ocorreu a medição do diâmetro. Cada entrada de banco de dados tem uma imagem de referência correspondente com um nome de referência exibido na GUI. Cada entrada de banco de dados também tem uma associado pilha de imagens (pilha 3D) captura um volume 3D da árvore vascular dentro do qual a medição ocorreu. O GUI permite escolher uma entrada de determinado banco de dados e exibir a imagem de referência correspondente, bem como a pilha de 3D. Também orienta o usuário para encontrar a imagem de referência correspondente e quadro na pilha de 3D (as mesmas características podem ser encontradas em ambas as imagens). Tudo pilha e referência a imagens em sua resolução total (pix de pix x 1024 1024) estão incluída nas pastas hana_stk e hana_refs, respectivamente. Mapas de baixo-ampliação da vasculatura cerebral são incluídos na pasta 'mapas'. Todas as três pastas, bem como a matriz do banco de dados 'vdb.mat' são baixadas no arquivo zipado 'NNE 2.0 HDbase v 1.0', no laboratório de imagem Neurovascular UCSD site1 e salvo na pasta raiz do NNE 2.0 durante o processo de instalação.

O GUI foi concebido como um conjunto de quatro painéis (painel 1 (painel principal) – painel 4) que abra sequencialmente conforme o usuário explora o banco de dados e seleciona dados específicos com base em categorias de seleção. Cada painel é dividido em duas partes principais: (1) a coluna da direita tem a possibilidade de interagir com o banco de dados selecionando parâmetros e categorias de dados exibe importantes informações de metadados; (2) a coluna da esquerda exibe os dados em forma de tempo-cursos (mudança de diâmetro no tempo) e gráficos de dispersão. Existem quatro tipos de gráficos de dispersão, exibindo o aparecimento de dilatação (1) tempo (2) tempo da mudança de diâmetro (3) máximo de pico de dilatação (amplitude de pico) e o diâmetro de base (4) (diâmetro antes estimulação) como função de profundidade cortical. O usuário tem a possibilidade de mostrar o tempo médios-cursos e os valores de dados selecionados, agrupados por profundidade cortical ou ordem de ramificação. É de destacar a característica do gradiente de diâmetro-mudar o comportamento com o aumento da profundidade e ramificação de ordem20. NNE 2.0 permite ao usuário exportar o subconjunto selecionado de dados no formato de '. xls', 'csv' ou 'Mat'.

Acesso restrito. Inicie sessão ou comece um teste para visualizar este conteúdo.

Protocolo

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

1. instalação de NNE 2.0

  1. Ir ao laboratório de imagem Neurovascular UCSD site1 e clique esquerdo no 'NNE 2.0 HDbase v 1.0' para baixar os arquivos de programa compactado para o local desejado no seu PC.
    Nota: NNE 2.0 requer um sistema operacional de Windows de versões 7-10, pelo menos 2,8 GB de espaço livre para baixar o arquivo zipado e 6,9 GB para instalar o programa.
  2. Descompacte o 'NNE2_HDbase_v1.0.zip'.
    Nota: A pasta descompactada NNE2 contém 10 arquivos: 'hana_refs.tar.gz', 'hana_stk.tar.gz', 'maps.tgz', 'MCRInstaller.exe', 'NNE2.exe', 'NNE2.zip', 'NNE2_README.txt', 'Source', 'users_guide.pdf' e 'vdb.mat'.
  3. Instale seguindo as instruções em 'NNE2_README.txt' NNE 2.0.

2. executando NNE 2.0

  1. Começa a NNE 2.0 com 'NNE2.exe'.
  2. Painel 1 (painel principal): Selecione um subconjunto dos dados (Figura 1). Imagens na coluna esquerda do painel principal mostram gráficos de tempo-cursos e parâmetros de todas as entradas para os 'vdb.mat' (Figura 1).
    1. Selecione o intervalo de Profundidade Cortical na coluna à direita do painel. Tipo no intervalo de profundidade no formato [dmin máxd], onde dmin é a profundidade mínima emáxima d é a profundidade máxima.
      Nota: Os dados foi medidos a profundidade de 30-560 µm.
    2. Selecione Ordem de ramificação na coluna à direita do painel. Clique na seta e escolha uma das opções da lista (superfície | Tronco de mergulho | Ramificações de primeira ordem | Ramos de ordem superior).
    3. Selecione o intervalo de Diâmetro de base na coluna à direita do painel. Digitá-lo no formato [diâmetromin diâmetromáximo], onde diamin é o diâmetro mínimo emáximo diâmetro é o diâmetro máximo.
    4. Selecione temas (animais de acordo com a data de aquisição) na coluna à direita do painel. Clique na seta e escolha uma das opções disponíveis. Como alternativa, escolha dados de todas as disciplinas clicando tudo no retângulo azul.
    5. Clique em SUBMIT para exibir e explorar os dados selecionados no painel 2.
  3. Painel 2: Explore o subconjunto selecionado de dados e continuar ainda mais refinamento de dados (Figura 2).
    1. Selecione o tipo de grupo-médio dos dados clicando no botão apropriado na coluna da direita em cima. Select: Avg pela profundidade Cortical ou Avg por ordem de ramificação.
      Nota: A escolha real é realçada em verde abaixo (Figura 2).
    2. Selecione dados com base na morfologia do vaso ou assunto. Clique à esquerda, Selecione todos os dados para árvore (uma única mergulho arteríola e seus ramos) ou selecionar todos os dados para Subj (assunto animal).
    3. Botão esquerdo Submit para exibir dados selecionados à esquerda em gráficos de tempo (1) individuais-cursos (2) grupo-a média de tempo-cursos e dispersão plota de início (3) vezes (4) tempo-para-picos (5) pico amplitudes e diâmetros de base (6)
    4. Esquerdo, clique em um rastreamento no gráfico de timecourses individuais na coluna esquerda para selecionar um curso de tempo.
      Nota: O tempo-curso selecionado Obtém destaque no gráfico (magenta) e seu tempo de latência, diâmetro de amplitude e de base de tempo-a-pico, pico será marcado por círculos vermelhos nos gráficos abaixo. Pontos vermelhos nos gráficos de dispersão são valores médios.
    5. Observação os identificadores do sujeito (ID do assunto) e árvore (Árvore ID) para o curso de tempo selecionado na coluna à direita na parte inferior.
    6. Se desejar, altere o tipo de grupo-médio clicando com a escolha apropriada no topo da coluna à direita, seguida do botão Submit e repita as etapas de 2.3.4.
    7. Botão direito do mouse em qualquer lugar no painel 2 com um cursor Cruz para visualizar e explorar todos os vestígios para o assunto selecionado (ID do assunto) ou árvore (Árvore ID) no painel 3.
  4. Painel 3: Explorar o final subconjunto de dados e exportá-los (Figura 3).
    1. Selecione um curso de tempo no gráfico de topo da coluna esquerda clicando em um rastreamento: o rastreamento selecionado será destacado no gráfico (magenta) e parâmetros descritivos da entrada do banco de dados serão exibidos no topo do gráfico.
      Nota: O tempo-curso médio é exibido em preto grosso (Figura 3).
    2. Observe o correspondente tempo de latência, tempo-a-pico, pico de amplitude e diâmetro da linha de base nos gráficos abaixo.
    3. Clique no botão Exportar definido na coluna à direita para salvar traços exibidos no gráfico superior para a pasta onde NNE 2.0 está fugindo.
      Nota: Esta ação salva três arquivos: 'vdb_subset.xls', 'vdb_subset.csv' e 'vdb_subset.mat' que contêm vetores de mudança de diâmetro e vetores de tempo; 'vdb_subset.mat' também contém parâmetros descritivos e informações de 'vdb.mat'.
    4. Para inspecionar todos os dados para o 'assunto' em vez de 'árvore' fecha painel 3 pressionando [x], reiniciar NNE 2.0, repita a seleção das categorias no painel 1 (passos 2.2.1-2.2.5) e selecione todos os dados para o assunto no painel 2 (passo 2.3.2).
    5. Clique direito em qualquer lugar no painel 3 com um cursor Cruz para ir ao painel 4 para explorar imagens de referência e pilhas 3D para todos os traços no gráfico superior do painel 3.
      Nota: O painel 4 abrirá se opção todos os dados para 'árvore' foi selecionada no painel 2. Se todos os dados para o 'assunto' foram selecionados em vez disso, o usuário será solicitado a alterar sua seleção e direcionado para o painel 1.
  5. Painel 4: Localize a medição funcional dentro de uma imagem de referência e dentro de uma pilha de imagem 3D da vasculatura (Figura 4).
    1. Selecione um curso-tempo clicando no gráfico em cima da coluna esquerda.
      Nota: O traço selecionado será destacado no gráfico (magenta) e suas informações descritivas de metadados serão exibidas na parte superior.
    2. Explore a imagem de referência correspondente, que é carregada automaticamente da pasta 'hana_refs' no canto inferior direito da coluna da esquerda.
    3. Explore a pilha de imagem 3D correspondente carregada automaticamente da pasta 'hana_stk' no canto inferior esquerdo da coluna da esquerda. Percorrer a pilha usando as setas ou o controle deslizante a figura abaixo.
      Nota: Quando a imagem de pilha atinge o nível da imagem referência – ou seja, o nível de medição do diâmetro ('Índice de pilha' = 'Ref'), a imagem de pilha é realçada e indicada como 'Nível de quadro'.
    4. Clique em Exportar conjunto na coluna à direita, para exportar o tempo-curso realçado em um arquivo 'ref_stacks_trace.xls', que é salvo na pasta onde o NNE 2.0 está fugindo.
      Nota: O arquivo contém o vetor de tempo, vetor de mudança de diâmetro, ID do assunto, índice de entrada, localização da imagem de referência, localização de pilha 3D e o número de imagem de pilha para o nível de quadro.
    5. Fechar painel 4 [x] para ir ao painel 1.

Acesso restrito. Inicie sessão ou comece um teste para visualizar este conteúdo.

Resultados

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

NNE 2.0 e banco de dados associado servem para navegar e exibir os dados do banco de dados, classificar os dados com base em critérios de seleção, baixar os dados selecionados e encontrar as medições vasculares dentro da árvore vascular correspondente.

1 painel apresenta a seleção dos dados com base em categorias: 'Cortical profundidade', 'Ordem de ramificação', 'Diâmetro da linha de base' e 'Temas' – Figura...

Acesso restrito. Inicie sessão ou comece um teste para visualizar este conteúdo.

Discussão

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

NNE 2.0 foi escrito a fim de compartilhar os dados da imagem latente vasculares de um estudo específico de20 , mas com a intenção de desenvolver uma ferramenta simples para compartilhar e explorar dados de tipo semelhante por outros usuários. Pesquisadores interessados em inspecionar o banco de dados associado de dados vasculares podem usar a GUI para procurar os dados, selecionar subconjuntos de dados, compará-los com seus próprios resultados experimentais ou processá-los ainda mais, usando seus ...

Acesso restrito. Inicie sessão ou comece um teste para visualizar este conteúdo.

Divulgações

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

Os autores não têm nada para divulgar.

Agradecimentos

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

Com gratidão reconhecemos o apoio do NIH (NS057198, EB00790, MH111359 e S10RR029050) e o Ministério da educação, juventude e desportos da República Checa (CEITEC 2020, LQ1601). KK foi apoiado por bolsas de pós-doutoradas da sociedade internacional de cefaleia em 2014 e o científico e tecnológico pesquisa Conselho da Turquia em 2015. MT foi apoiado por postdoctoral fellowship da Fundação de pesquisa alemã (DFG TH 2031/1).

Acesso restrito. Inicie sessão ou comece um teste para visualizar este conteúdo.

Materiais

Lista de materiais utilizados neste artigo
NomeEmpresaNúmero de catálogoComentários
Programa MATLABMathWorks
ProgramaWinrarRarlabs

Referências

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,
  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).

Acesso restrito. Inicie sessão ou comece um teste para visualizar este conteúdo.

Reimpressões e permissões

Solicitar permissão para reutilizar o texto ou as figuras deste artigo JoVE

Solicitar permissão

Etiquetas

Neurovascular Network ExplorerOptogenetic VasomotionTwo Photon MicroscopyVascular Network VisualizationMATLAB GUI ToolCortical Depth AnalysisBranching Order SelectionVessel Diameter MeasurementData Export Function3D Image Stack

Artigos relacionados