Summary
Denne protokol giver en open source, kompileret MATLAB program, der genererer multitaper spektrogrammer for elektro encephalographic data.
Abstract
Aktuelle webressourcer giver begrænsede brugervenlige værktøjer til at beregne spektrogrammer til visualisering og kvantificering af elektro encephalographic (EEG) data. Dette papir beskriver en Windows-baseret, open source-kode til at skabe EEG multitaper spektrogrammer. Det kompilerede program er tilgængeligt for Windows-brugere uden softwarelicenser. For Macintosh-brugere er programmet begrænset til dem, der har en MATLAB-software licens. Programmet er illustreret via EEG spektrogrammer, der varierer som en funktion af stater af søvn og vågenhed, og opiat-induceret ændringer i disse stater. EEGs af C57BL/6J-mus blev optaget trådløst i 4 timer efter intraperitoneal injektion af saltvand (køretøjets kontrol) og antinociceptive doser af morfin, buprenorphin og fentanyl. Spektrogrammer viste, at buprenorphin og morfin forårsagede lignende ændringer i EEG-effekten ved 1 − 3 Hz og 8 − 9 Hz. Spektrogrammer efter administration af fentanyl afslørede maksimale gennemsnitlige effekt bånd ved 3 Hz og 7 Hz. Spektrogrammer unmaskeret differentiel opiat effekter på EEG frekvens og effekt. Disse computer-baserede metoder er generaliserbare på tværs af narkotika klasser og kan let ændres til at kvantificere og vise en bred vifte af rytmiske biologiske signaler.
Introduction
EEG data kan produktivt analyseres i frekvens domænet til at karakterisere niveauer af adfærdsmæssige og neurofysiologiske ophidselse1. Multitaper spektrogrammer omdanne EEG bølgeform til tid og frekvens domæner, hvilket resulterer i visualisering af den dynamiske signal magt på forskellige frekvenser på tværs af tiden. Multitaper-spektrogrammet bruger Fourier-analyse til at fremstille skøn over spektral tæthed. Spektral tæthed adskiller en bølgeform i de rene sinusformede bølger, der omfatter signalet og er analog med diffraktion af hvidt lys gennem en prisme for at se hele spektret af farver2. Den multikoner spektrogram af EEG repræsenterer den kombinerede aktivitet af flere netværk af neuroner med udledning mønstre, der svinger ved forskellige frekvenser2. På grund af sin tid Skift invariant, den Fourier transformation betragtes som den bedste transformation mellem tid og frekvens domæner3. Fourier Analysis har også en række begrænsninger. EEG-signaler er ikke-stationære. Derfor kan små ændringer ikke opfattes under Fourier metoder, og analysen kan ændre sig afhængigt af størrelsen af datasættet. Men vindues anvendes ved påføring af en Fourier transformation til et ikke-stationært signal. Dette forudsætter, at spektret af signalet kun ændres marginalt over korte perioder. En alternativ metode til spektralanalyse er wavelet transformation, som kan være mere egnet til påvisning af hjernesygdom3.
Fra et funktionelt perspektiv er de forskellige svingninger, der omfatter et EEG-signal, lavere niveau, træk fænotyper karakteristisk for højere niveau, stats fænotyper såsom søvn og vågenhed2, eller tabet af vågenhed forårsaget af generelle anæstetika4,5,6. Med hensyn til tilstande af søvn og vågenhed, spektrogram tydeligt illustrerer, at endogent genererede rytmer af søvn er kontinuerlig og dynamisk7. Kvantitative beskrivelser af tilstande af søvn og vågenhed har traditionelt involveret en Binning proces, der tildeler en søvn eller vågne klassifikation til hver specifikt defineret epoke (f. eks 10 s) af EEG optagelse. Disse tilstands placeringer afbildes derefter som en funktion af tiden. Time kursus data plots, ofte omtalt som hypnogrammer, bruges til at differentiere normal søvn fra søvn, der er forstyrret af sygdom, Drug Administration, ændringer i døgnrytmen, skifteholdsarbejde, etc. En begrænsning af hypnogram plots er, at de forvanske EEG signaler ved at udtrykke ophidselse stater som firkantede bølgeformer. Hypnogram plotte involverer en skønsmæssige af ophidselse stater2 og tillader ikke en finkornet visning af mellem-eller overgangsstadier. Desuden, 10 s scoring epoker producere en skønstid af tid ved at indføre en nedre grænse for tids skalaen. Resultatet af en skønstid af både stat og tid er tabet af neuro fysiologiske oplysninger om det dynamiske samspil mellem bevidsthedstilstande2 og narkotika induceret forstyrrelse af disse stater4. For eksempel, forskellige anæstetika handle på forskellige molekylære mål og neurale netværk. Farmakologisk manipulation af disse neurale netværk producerer pålideligt spektrogrammer, som er unikke for lægemidlet, dosis og administrationsvej4.
Denne protokol blev udviklet for at fremme forskning vedrørende de mekanismer, hvorved opioider ændrer søvn8, vejrtrækning9, nociception10, og hjernen neurochemistry11. Denne protokol beskriver de trin, der kræves for at oprette et multikonisk spektrogram til EEG-analyser, der kan gennemføres ved hjælp af proprietær software eller et system, der ikke har MATLAB-licensering. C57BL/6J (B6) mus blev brugt til at validere evnen af denne computer-baserede metode til at skabe nye EEG spektrogrammer under normale, uforstyrret tilstande af søvn og vågenhed og efter systemisk administration af opiater. Analysernes pålidelighed og validitet blev bekræftet ved systematiske sammenligninger af forskelle mellem EEG-spektrogrammer efter B6-musene fik intraperitoneale injektioner af saltvand (køretøjets kontrol) og antinociceptive doser af morfin, buprenorphin og fentanyl.
Kvantitative undersøgelser af neonatal mus EEG dynamik har translationel relevans ved at give en model for undersøgelser med henblik på at opnå en bedre forståelse af neonatal humant EEG12. Kvantificering af EEG-dynamikken er ikke blot beskrivende og kan bidrage til maskinel læringstilgange, der kan forudsige ophidselse baseret delvis på EEG-data13. Formålet med denne rapport er at fremme translationel videnskab ved at give en bredt tilgængelig, brugervenlig kode til computing multitaper spektrogrammer, der karakteriserer Drug-induceret ændringer i musen EEG.
Protocol
Alle procedurer, der involverer mus overholdt vejledningen for pleje og brug af forsøgsdyr (8th udgave, national Academies Press, Washington DC, 2011) og blev gennemgået og godkendt af University of Tennessee institutionel dyrepleje og brug udvalg.
1. implantation af optagelses elektroderne og den indledende data indsamling
- Køb mus og opbevar dem i et rum med luftfugtighed og temperaturkontrol med ad libitum adgang til mad og vand. Lad mus tilpasse sig deres nye miljø i en uge før kirurgisk implantation af optagelses elektroderne. Implantationsproceduren er beskrevet i detalje1,14.
- Steriliser alt kirurgisk udstyr.
- Anæstetize mus med isofluran ved 2,5% − 3% leveret i 100% ilt.
- Efter tabet af den opretterende refleks, fjerne musen fra anæstesi induktions kammeret og overføre det til en stereotaxisk ramme.
- Påfør en oftalmisk salve til begge øjne.
- Reducer isofluran til 1,7%, kontinuerligt leveret via en maske.
- Lav en midtlinje hovedbund snit til at udsætte kraniet.
- Bor to craniotomier over venstre og højre cortex (hver ved stereotaxiske koordinater forreste = 1,0 og lateral = 3,0 i forhold til bregma15).
- Indsæt EEG elektroderne i hver kraniotomi og fastgør med Dental akryl.
- Implantat-bipolær elektrode i dorsaltrapezius-musklen til optagelse af elektromyogrammet (EMG).
Bemærk: De fire elektroder er ført til et trådløst tele meter implanteret subkutant over den nederste højre krops kvadrant. Disse kirurgiske teknikker kan ses her (https://www.datasci.com/services/dsi-surgical-services/surgical-videos). - Efter operationen, administrere analgetiske carprofen og placere musen i et varmt opsving bur. Hold øje med musen, indtil det er ambulatorisk. House implanteret mus individuelt.
- Ved fuld helbredelse fra operationen, håndtere mus dagligt og evaluere kvaliteten af EEG og EMG optagelser.
- Konfigurer dataindsamlingssystemet til at registrere alle signaler ± 1.000 mV.
- Få EEG-og EMG-optagelser i den ønskede varighed.
- Score hver 10 s bin af digital EEG og EMG optagelser som vågenhed, Rapid Eye bevægelse (REM) søvn, eller ikke-REM (NREM) søvn ved hjælp af Sleep scoring software.
Bemærk: Blandt muse stammer er der genotype-og stats specifikke forskelle i EEG-effekt udtrykt som en procentdel af den samlede effekt16. I B6 mus, tilstande af vågenhed er karakteriseret ved en 75 − 100 mV, blandet frekvens EEG, og ved EMG signaler viser fremtrædende muskeltonus med store stigninger i amplitude under bevægelse. Kriterier for scoring NREM søvn omfatter en reduktion i EMG amplitude i forhold til EMG amplitude af vågenhed. NREM Sleep EEG har en langsommere frekvens og øget amplitude (100 − 150 mV) sammenlignet med vågenhed. REM søvn er karakteriseret ved muskel atoni og en EEG signal, der svarer til EEG af vågenhed. - Instruer to personer til selvstændigt at score den samme rekord. Mindst én person skal være blændet til behandlings betingelsen. Værdier for konkordance mellem de to søvn scorere skal være større end 90%.
2. faciliteter og udstyr
- Amplificere og digitalisere ufiltreret EEG og EMG signaler ved hjælp af dataindsamling instrumentering og software.
Bemærk: Den Kronux Spectral analyse værktøjskasse udviklet i Mitra laboratorium på Cold Spring Harbor laboratorium bruges til at udtrykke EEG signaler som magt i forhold til tid og frekvens domæner.
3. beregning af spektrogram
- Hvis en Windows-bruger, skal du bruge det kompilerede program.
- Hvis en Macintosh-bruger, skal du køre RAW-kodefilen.
- Få rå, uforarbejdede EEG-data i enten EDF-eller CSV-filformat, og Placer dem samme sted som den kompilerede programfil.
- Navngiv datafilerne ved hjælp af følgende begrænsninger: navnene må kun bestå af bogstaver, tal, understregningstegn eller bindestreger.
- Navngiv datafilerne ved hjælp af følgende begrænsninger: filnavne må ikke indeholde punktummer, kommaer, mellemrum eller andre symboler.
- Download det kompilerede Multitaper Spectrogram program (https://drive.Google.com/).
- Start programmet spektrogram, og følg pop op-meddelelserne. Vælg arkivtype: *. CSV eller *. Euf.
Bemærk: Yderligere oplysninger om Programinstallation findes i filen Readme. txt. - Skriv hele EEG-filens navn (f. eks. 419eeg. EDF eller 419. EEG. csv).
- Vælg parametre for spektrogram beregning: standard eller ny. Dette trin kræver den længste behandlingstid, da spektrogrammet beregnes. Den matematiske vinduesfunktion (taper) giver statistisk uafhængige estimater af det underliggende spektrum. Jo længere optagelses varigheden er, jo længere vil dette trin tage. På en PC-platform, der kører Windows 10, krævede dette maksimalt ca. 3 − 4 min for en 4 timeroptagelse.
- Brug følgende standardparametre for spektrogram:
Samplingfrekvens = 500 Hz. Dette repræsenterer antallet af prøver pr. sekund.
fpass = 0,3 Hz og 30 Hz. Fpass definerer hyppigheden af input og styrer intervallet af frekvenser, der leveres i outputtet.
Polstring = 2. Polstring arbejder for at finjustere output uden at påvirke resultatet beregning på nogen måde. Dette kan hjælpe med visualisering og præcis identifikation af spektrallinjer. Feltet er et vilkårligt heltal fra-1 og op.
Tids båndbredde produkt (NW) = 15. Produktet af signalets tidsmæssige varighed og spektral bredde.
Antal tilspidsere = 29. Når du vælger antallet af tapere, er det vigtigt at bruge 2NW-1. Der er ingen grænse for antallet af anvendte tilspidsere. Jo mere tapere bruges vil resultere i optagelsen af tapere med dårlig koncentration i den angivne frekvensbånd bredde.
Trial gennemsnit = 1. Denne parameter regulerer, om der udføres prøve-eller kanal gennemsnit. Hvis denne parameter er indstillet til 0, er der ingen kanal i gennemsnit, og funktionen vil udsende uafhængige resultater for hvert prøveabonnement eller kanal bestået som inputdata. Men hvis prøve gennemsnittet er indstillet til 1, beregnes resultatet for brugeren i gennemsnit over forsøg eller kanaler.
Tid til at beregne FFT ~ 30 s. bruges til at følge udviklingen af spektret ved at beregne spektret over mange små vinduer.
Trin størrelse af vinduet til FFT beregning = 5. Det beløb, som glidende tidsvindue skrider frem, efter hver spektrumberegning udføres.
Bemærk: De standard spektrogram parametre, der er angivet i trin 3.7.1, kan ændres efter behov.
- Brug følgende standardparametre for spektrogram:
- Indtast titler for både spektrogram og EEG.
- Gem det resulterende spektrogram og EEG.
- Gem figurer ved at klikke på filer | Gem i figur vinduet.
Bemærk: Tallene vil give program brugerne resuméer, der kan udvikles til publikationer af høj kvalitet.
- Gem figurer ved at klikke på filer | Gem i figur vinduet.
4. fejlfinding
- Hent eksempel musen Sleep EEG data for prøve spektrogram beregning.
- Kør programmet med eksempeldataene for at sikre, at brugeren bruger programmet korrekt. Find tallene for disse eksempeldata i tillægget for at sikre, at de tal, der er oprettet ud fra eksempeldataene, er korrekte.
Bemærk: Alt udstyr og materialer, der anvendes, er blevet leveret i tabellen over materialer.
Representative Results
Følgende figurer illustrerer den type af nye indblik i EEG indekser af hjernen ophidselse, der leveres af spektrogrammer.
Figur 1A illustrerer ligheder og forskelle i den kortikale EEG under vågenhed, NREM søvn, og REM søvn. Mange efterforskere bruger disse former for spor, sammen med EMG optagelser (ikke vist), at kvantificere søvn og vågenhed. Figur 1B bruger en hypnogram plot til at formidle den tidsmæssige organisering af stater søvn og vågenhed baseret på vurderinger af EEG og EMG optagelser. Stater blev scoret i 10 s epoker og disse epoker blev afbildet som hypnogram under 14.400 s omfattende 4 h optagelse. Hypnogram plots ikke illustrere det faktum, at overgange mellem stater er kontinuerlig og ikke-lineær. I modsætning til et hypnogram plot illustrerer spektrogrammet (figur 1C) meget dynamiske ændringer i EEG-frekvens og-effekt som en funktion af tiden. Spektrogrammet fremhæver også lighederne mellem det kortikale EEG-signal under vågenhed og under REM-søvn. De tre kasser overlejret på spektrogrammet (figur 1C) Mark stater identificeret som vågenhed (Wake), NREM søvn, og REM søvn i hypnogram ovenfor (figur 1B) og er tilvejebragt for at hjælpe med at visualisere de detaljerede ændringer i EEG frekvens og effekt. Spektrogrammet for hele optagelsen giver en nuanceret påskønnelse af EEG som en kontinuerlig proces.
Figur 2 indeholder fire multitaper spektrogrammer, som hver opsummerer 4 timer af EEG-optagelser efter intraperitoneal administration af saltvand, morfin, buprenorphin og fentanyl. Alle fire optagelser er fra samme mus og blev påbegyndt 2 timer efter lys debut. Opiaterne, men ikke saltvand, hæmmede NREM og REM søvn, og øget mængden af vågenhed. En række nye funktioner er visualiseret af spektrogrammer. Påvisning af nye EEG-funktioner antyder den potentielle anvendelse af opiat differentiering i et kemikalie trussels miljø. Efter saltvands indsprøjtningen (figur 2A) var den største mængde effekt i intervallet 2 − 4 Hz, hvilket indikerer NREM-søvn. Bemærk, at EEG-spektrogrammerne blev fundamentalt ændret af opiat administration, og at hver opiat forårsagede unikke spektral ændringer.
Figur 3 viser, at EEG-ændringer illustreret af spektrogrammerne kan kvantificeres og udtrykkes som gennemsnitlig dominerer spektral effekten af hver halve frekvens (figur 3A) og som den gennemsnitlige SPEKTRAL effekt inden for specifikke EEG-frekvensbånd (figur 3B). De største forskelle fra saltvand var forårsaget af buprenorphin og forekom i Delta og Theta intervaller.
Figur 1: kortikale EEG optagelser bruges til at skabe hypnogrammer og spektrogrammer. A) EEG-bølgeformer, der er registreret under vågenhed, NREM-søvn og REM-søvn under en baseline-optagelse (ingen injektion). Hvert spor viser 90 s optagelse. (B) hypnogrammet bruger højden af stængerne til at formidle tilstand af bevidsthed (Ordiner) versus 4 h optagelse (abscissa). (C) konisk spektrogram ved hjælp af en farvebjælke for at formidle EEG-kraften i decibel (dB, højre koordinat) eller spektral effekttæthed ved forskellige EEG-frekvenser i Hertz (Hz, venstre koordinat) som funktion af 4 h optagetid (abscissa). Sorte lodrette linjer er blevet føjet til spektrogrammet for at afgrænse en episode hver af vågenhed, NREM-søvn og REM-søvn. (Spektrogram parametre: sampling frekvens = 500 Hz, fpass = 0,3 Hz og 30 Hz, polstring = 2, time-båndbredde = 15, antal koners 29, Trial gennemsnit = 1, varighed af tid til at beregne FFT ~ 30 s, trin størrelse af vinduet for FFT beregning = 5). Venligst klik her for at se en større version af dette tal.
Figur 2: Spektrogrammer, som illustrerer ændringer i EEG-effekt og hyppighed forårsaget af opiat administration. Hvert spektrogram afbilder EEG-frekvens i Hertz (Hz, venstre koordinat) og decibel (dB) EEG-effekt ved hjælp af en farvebjælke (højre koordinat) for 4 h (abscissa) efter indgivelse af (a) saltvand, (B) morfin, (C) buprenorphin og (D) fentanyl. (Spektrogram parametre: sampling frekvens = 500 Hz, fpass = 0,3 Hz og 30 Hz, polstring = 2, time-båndbredde = 15, antallet af vokslys 29, Trial gennemsnit = 1, tid til at beregne FFT ~ 30 s, trin størrelse af vinduet for FFT beregning = 5). Venligst klik her for at se en større version af dette tal.
Figur 3: opiater ændrede differentielt den gennemsnitlige EEG-effekt inden for Delta-og Theta-EEG-frekvensbåndene. A) opsummerer den gennemsnitlige EEG-effekt under hver 4 h-optagelse, der er vist i figur 2. Ordiner plots gennemsnitlig EEG-effekt ved hver halv frekvens (abscissa). I forhold til saltvands kontrollen viser hver af de tre andre funktioner opiat specifikke ændringer i den gennemsnitlige EEG-effekt. B) illustrerer den gennemsnitlige EEG-effekt i fire EEG-frekvensbånd (Delta, theta, alpha og beta) efter indgivelse af saltvand (S), buprenorphin (b), morfin (M) og fentanyl (F). Farvekodning er den samme for Power funktioner i en og gennemsnitlige Power bands i B. Venligst klik her for at se en større version af dette tal.
Discussion
Det program, der er beskrevet her, er udviklet til at skabe et spektrogram ved hjælp af de ni trin, der er skitseret i protokol afsnit 3, spektrogram beregning. Disse trin involverer erhvervelse af spektrogram program, sikre det korrekte filformat, og ændre beregningsparametre for generering af unikke bruger spektrogrammer. Brugerne kan oprette spektrogrammer, der er skræddersyet til en række begrebsmæssige spørgsmål og eksperimentelle designs. For at øge den lethed og effektivitet af denne udviklingsproces, er det vigtigt at give RAW EEG data i det korrekte filformat, der er nævnt i henhold til de begrænsninger, som er beskrevet ovenfor. Selv om der er givet eksempel signaler for mus EEG data, er spektrogram programmet let anvendelig på humane og ikke-humane EEG data, der er fri for signalbehandling begrænsninger.
Den anbefalede fremgangsmåde til fejlfinding og metodeændring er at begynde med at analysere et lille datasæt. De store program udgange til at overveje omfatter plots af den filtrerede EEG samt spektrogram. Et tiltalende aspekt af det koniske spektrogram er, at det kan anvendes til en bred vifte af periodiske, biologiske signaler. Sorten spænder fra lang varighed cirkadiske (24 h) rytmer17 til meget hurtige rytmer såsom 1.000 Hz udledning af en Renshaw celle18.
Data formatering er en begrænsning i denne spektrogram-protokol. Europæiske data format (EDF) anvendes i vid udstrækning med EEG-data. Der er dog mange andre formateringsindstillinger. Af denne grund, den rå kode fil er blevet inkluderet (Se 3,2 ovenfor), hvis brugeren ønsker at ændre filformatet. Med hensyn til RAW program fil, en anden begrænsning er behovet for erfaring med edb-programmeringssprog for at ændre filformat. Ikke alle efterforskere har adgang til den proprietære software og den fulde vifte af plug-ins. Denne protokol er udviklet til at omgå dette problem ved at levere et kompileret program, der kører på en WINDOWS-baseret enhed uden softwarelicenser. Dette opnås gennem RUNTIME plugin, som er inkluderet i det kompilerede program og kræver ikke nogen software registrering af brugeren.
Denne EEG spektrogram rutine er en roman, open source, computer-baseret program, der giver brugerne mulighed for at skabe personlige, multitaper spektrogrammer fra en bred vifte af data. Brugeren har fuld kontrol over alle Computational aspekter af spektrogram generation. Uden forudgående signalbehandling og edb-Programing viden, spektrogrammer kan være svært at generere. Den protokol, der er beskrevet her, vil lette spektrogram generering. Se venligst afsnittet supplerende materiale for yderligere signal behandlings aflæsninger og multitaper spektrogram vejledning.
Supplerende materiale
http://chronux.org
http://www-users.med.cornell.edu/~jdvicto/pdfs/pubo08.pdf
http://www.fieldtriptoolbox.org/tutorial/timefrequencyanalysis/
https://www.ncbi.nlm.nih.gov/pmc/articles/PMC4502759/#SD3-data
Disclosures
Forfatterne har ingen interessekonflikter.
Acknowledgments
Dette arbejde blev delvist støttet af en NIH Grant HL-65272. Forfatterne takker Zachary T. Glovak og Clarence E. Locklear for deres bidrag til dette projekt.
Materials
| Name | Company | Catalog Number | Comments |
| Dental acrylic | Lang Dental Manufacturing Co | Jet powder and liquid | |
| EEG/EMG Amplifier | Data Science International | model MX2 | |
| macOS Mojave | Apple | v10.14.4 | |
| MATLAB | Mathworks | v9.4.0.813654 | software for spectrogram comp. |
| Mouse anesthesia mask | David Kopf Instruments | model 907 | |
| Neuroscore | Data Science International | v3.3.9317-1 | software for scoring sleep and wakefulness |
| Ponemah | Data Science International | v5.32 | software for EEG/EMG Data Acquisition |
| Stereotaxic frame | David Kopf Instruments | model 962 | |
| Stereotaxic frame, mouse adapter | David Kopf Instruments | model 921 | |
| Windows 10 | Microsoft | v10.0.17763.503 | |
| Wireless Telemeter | Data Science International | model HD-X02 |
References
- Wasilczuk, A. Z., Proekt, A., Kelz, M. B., McKinstry-Wu, A. R. High-density electroencephalographic acquisition in a rodent model using low-cost and open source resources. Journal of Visualized Experiments. 117, 10 (2016).
- Prerau, M. J., Brown, R. E., Bianchi, M. T., Ellenbogen, J. M., Purdon, P. L. Sleep neurophysiological dynamics through the lens of multitaper spectral analysis. Physiology. 32, 60-92 (2017).
- Akin, M. Comparison of wavelet transform and FFT methods in the analysis of EEG signals. Journal of Medical Systems. 26 (3), 241-247 (2002).
- Purdon, P. L., Sampson, A., Pavone, A., Brown, E. N. Clinical electroencephalography for anesthesiologists Part 1: Background and basic signatures. Anesthesiology. 123 (4), 937-960 (2015).
- Liu, Q., et al. Frontal EEG temporal and spectral dynamics similarity analysis between propofol and desflurane induced anesthesia using Hilbert-Huang Transform. BioMed Research International. 2018, 4939480 (2018).
- Akeju, O., et al. Spatiotemporal dynamics of dexmedetomidine-induced electroencephalogram oscillations. PLoS One. 11 (10), (2016).
- Ogilvie, R. D.
- Baghdoyan, H. A., Lydic, R. Basic Neurochemistry. Brady, S. T., Albers, R. W., Price, D. L., Siegel, G. J. , Elsevier. 982-999 (2012).
- Angel, C., et al. Buprenorphine depresses respiratory variablity in obese mice with altered leptin signaling. Anesthesiology. 128 (5), 984-991 (2018).
- Glovak, Z. T., Mihalko, S., Baghdoyan, H. A., Lydic, R. Leptin status alters buprenorphine-induced antinociception in obese mice with dysfunctional leptin receptors. Neuroscience Letters. 660, 29-33 (2017).
- Zhang, X., et al. Morphine and fentanyl delivered to prefrontal cortex of behaving mice depress breathing and alter neurotransmitter concentrations. Anesthesia & Analgesia. , In Press (2019).
- Cornelissen, L., Kim, S. E., Purdon, P. L., Brown, E. N., Berde, C. B. Age-dependent electroencephalogram (EEG) patterns during sevoflurane general anesthesia in infants. eLIFE. 4, e06513 (2015).
- Chini, M., et al. Neural correlates of anesthesia in newborn mice and humans. Front Neural Circuits. 13 (Article 38), 1-13 (2019).
- Flint, R. R., Chang, T., Lydic, R., Baghdoyan, H. A. GABA-A receptors in the pontine reticular formation of C57BL/6J mouse modulate neurochemical, electrographic, and behavioral phenotypes of wakefulness. Journal of Neuroscience. 30 (37), 12301-12309 (2010).
- Paxinos, G., Franklin, K. B. J. The Mouse Brain in Stereotaxic Coordinates. , 4th edn, Academic Press. (2018).
- Franken, P., Malafosse, A., Tafti, M. Genetic variation in EEG activity during sleep in inbred mice. American Journal of Physiology. 257 (4), (1998).
- Ko, C. H., et al. Emergence of noise-induced oscillations in the central circadian pacemaker. PLoS Biol. 8 (10), e1000513 (2010).
- Steriade, M., Curró Dossi, R., Conteras, D. Electrophysiological properties of intralaminar thalamocortical cells discharging rhythmic (40 Hz) spike-bursts at 1000 Hz during waking and rapid eye movement sleep. Neuroscience. 56, 1-9 (1993).
