Полуавтоматизированный анализ пиковой амплитуды и латентности для сигналов слухового ответа ствола мозга с использованием R
9 декабря 2022 г.
В данной статье описывается полуавтоматическое измерение амплитуд и задержек первых пяти пиков и впадин в форме сигнала ответа слухового ствола мозга. Дополнительная процедура компилирует и аннотирует данные в электронную таблицу для анализа экспериментатором. Эти бесплатные компьютерные процедуры выполняются с использованием статистического пакета С открытым исходным кодом R.
Слуховые реакции ствола мозга обычно собираются для определения пороговых значений слуха. Форма сигнала ABR содержит дополнительную информацию об активности ствола мозга, но ранее многим исследователям приходилось анализировать их вручную. Скрипты R работают с программным обеспечением R в фреймворке RStudio для полуавтоматизации анализа формы сигнала ABR.
Они бесплатны и просты в использовании. Мы надеемся, что рутинный анализ формы сигнала ABR позволит более поздним исследованиям оценить актуальность этой предкогнитивной слуховой обработки в диагностике. Для начала экспортируйте слуховой ответ ствола мозга или запись ABR в виде ASCII-файла.
Для IHS откройте компьютерную программу, загрузите интересующий файл и отобразите нужные формы сигналов на одной странице. На вкладке данных выберите Сохранить страницу как ASCII, чтобы получить txt-файл. Присвоив файлу данных соответствующее имя с помощью идентификатора, запишите идентификатор и сведения о субъекте в файл метаданных с именем info.
csv, гарантируя, что в ID не будет включена какая-либо информация, такая как генотип, пол, возраст или лечение.Повторите шаги со всеми файлами, которые будут проанализированы как отдельные файлы идентификаторов, и получите метаданные. Загрузите и установите программы R и RStudio с соответствующих веб-сайтов. Затем установите необходимые библиотеки, tidyverse, Shiny, Plotly и Zoo, с необходимыми командами в командном окне RStudio.
Далее скачайте скрипты findpeaks. р и see_trace_click. r из Белого лабораторного GitHub, а также связанное с файлом время.csv.
Создайте новую папку с именем Test Folder, чтобы поместить все ASCII-файлы, сведения. csv и время.csv. В тестовой папке создайте вложенную папку с именем ASCII Folder (Папка ASCII) и поместите файлы ASCII.
Откройте findpeaks. r script в RStudio, щелкнув правой кнопкой мыши на вкладке скрипта на панели инструментов, чтобы выбрать установленный рабочий каталог и установить для него папку Test. В окне сценария щелкните Источник в правом верхнем углу панели инструментов, чтобы загрузить программу.
Затем в командном окне используйте команды для анализа осциллограмм в индивидуальном и пакетном режимах обработки. Загрузите данные осциллограммы для конкретного человека с помощью команды. Далее, в открывшемся окне see_trace_click.
r script в RStudio, нажмите кнопку Запустить приложение в заголовке и дождитесь появления нового интерактивного окна. В поле в левом верхнем углу введите уровень звука для формы сигнала, требующей пересмотра, и найдите форму сигнала, отображаемую в окне. Наведите курсор вокруг формы сигнала, чтобы выявить задержку и амплитуду в любой точке.
Чтобы записать данные о задержке и амплитуде, нажмите на правильный пик, а затем скопируйте / вставьте данные в csv-файл. Повторите процесс записи данных для желоба после немедленного пика и рассчитайте измерение амплитуды, вычитая амплитуду желоба из пиковой амплитуды в ячейке электронной таблицы. Перенесите верифицированное.
csv-файлы в новую вложенную папку с именем Peak Data в тестовой папке для добавления данных. Затем объедините метаданные, выполнив команду. Для выполнения статистического анализа собранных данных используйте тест на нормальность, такой как тест Шапиро-Уилка, для оценки распределения данных путем выполнения функции.
Если тест Шапиро-Уилка незначителен, это означает, что набор данных имеет нормальное распределение. Следовательно, оцените данные с помощью параметрического теста, такого как ANOVA, выполнив функцию. Если тест Шапиро-Вилька меньше P равен 0,05, используйте тест Крускаля-Уоллиса с ранговой суммой или другую подходящую непараметрическую меру.
Наконец, отобразите средние формы сигналов, выполнив команду. В реакции формы сигнала в 75 децибел стимула щелчка для молодой мыши F1 пики и впадины были автоматически идентифицированы с помощью findpeaks.r. Формы сигналов между 5 и 75 децибелами, полученными из вручную идентифицированных пиков и фидпиков.
r были сопоставлены. Средние значения строятся в виде тяжелых линий с затененной областью, представляющей одно стандартное отклонение, и результатами, полученными findpeaks. r сильно коррелирует с ручными результатами.
При выполнении этой процедуры не забудьте задать рабочий каталог, так как это очень важно. Скрипт R обозначает пики и впадины на основе окон задержки для мыши ABR, реализованных со временем. csv файл.
Это может быть изменено пользователями для количественной оценки других форм сигналов ЭЭГ.
Обзор
В данной статье описывается полуавтоматический метод измерения амплитуд и латентностей первых пяти пиков и впадин на кривой слуховых вызванных потенциалов ствола мозга (СВПСМ). Используя статистический пакет с открытым исходным кодом R, исследователи могут анализировать данные СВПСМ более эффективно, чем при использовании ручных методов, что способствует дальнейшему изучению докогнитивной слуховой обработки.
Основные компоненты исследования
Область науки
- Нейронаука слуха
- Электрофизиология
- Анализ данных
Теоретическая часть
- Ответы ствола мозга на слуховые раздражители имеют важное значение для определения порогов слышимости.
- Форма волны ABR содержит ценную информацию об активности ствола мозга.
- Ранее многие исследователи проводили ручной анализ форм волн ABR.
- Данное исследование направлено на упрощение анализа с помощью скриптов на языке R.
Цель исследования
- Для автоматизации измерения амплитуд и латентностей на кривых ABR.
- Для расширения возможностей оценки слухового восприятия в диагностике.
- Для предоставления бесплатных и доступных инструментов анализа для исследователей.
Используемые методы
- Используемая платформа — программное обеспечение R в среде RStudio.
- Основная биологическая модель представляет собой данные вызванных слуховых ответов ствола мозга, экспортированные из программы для записи.
- Исследователи создают тестовую папку для организации данных и запускают определенные R-скрипты для проведения анализа.
- Подробные инструкции для командной строки помогают пользователям загружать и анализировать данные формы волны.
- Статистические методы, такие как ANOVA и непараметрические тесты, используются для оценки распределения данных.
Основные результаты
- Автоматизированный анализ демонстрирует сильную корреляцию с результатами ручного определения характеристик формы волны ABR.
- Статистические тесты подтверждают значимость выявленных пиков и спадов.
- Исследование подчеркивает надежность автоматизированного метода при количественной оценке активности ствола мозга.
Заключение
- В данном исследовании продемонстрирована эффективность скриптов на языке R для автоматизации анализа форм сигнала КСВП.
- Рутинный анализ позволяет глубже понять механизмы слухового восприятия.
- Представленные методы могут быть адаптированы для количественного анализа различных форм сигнала ЭЭГ по мере необходимости.
Часто задаваемые вопросы
Значимость для промышленности
Полуавтоматический анализ форм волн слухового вызванного потенциала (СВП) с использованием языка R позволяет проводить масштабируемую количественную оценку функций нейронов в доклинических моделях. Данный подход снижает объем ручного труда и повышает воспроизводимость, обеспечивая надежную валидацию мишеней и снижение механистических рисков в рамках разработки средств для лечения заболеваний слуха и нейрофармакологических препаратов. Интеграция стандартизированной аналитики форм волн повышает прогностическую уверенность на ранних этапах поиска и в точках трансляционного перехода.
Стратегическое применение в биофармацевтических исследованиях и разработках
Первичный поиск и валидация мишени
- Обеспечивает объективную количественную оценку амплитуд и латентности нейронных ответов для функциональной валидации мишеней.
- Способствует снижению механистических рисков за счет получения воспроизводимых количественных показателей нейронного отклика.
- Облегчает приоритизацию портфеля препаратов путем стандартизации данных в различных экспериментальных условиях и когортах.
Скрининг и разработка анализа
- Позволяет подготавливать валидированные электрофизиологические тесты для последующих этапов скрининга соединений.
- Повышает воспроизводимость и стандартизацию анализов за счет полуавтоматического извлечения данных.
- Обеспечивает получение количественных результатов, подходящих для высокопроизводительных или сравнительных исследований.
- Позволяет надежно оценивать эффекты слуховых или нейроактивных соединений.
Трансляционные и доклинические исследования
- Сопоставляет данные о доклинических нейронных ответах со стратегиями трансляционных биомаркеров, когда это применимо.
- Обеспечивает преемственность от этапа раннего поиска до доклинической валидации за счет использования согласованного анализа формы сигнала.
- Предоставляет скорректированные с учетом рисков данные для принятия решений о продвижении проектов в портфелях исследований по нейрофармакологии и слуху.
Интеграция конвейера и рабочего процесса
Этот полуавтоматизированный метод анализа вызванных слуховых потенциалов (ABR) подходит для всех этапов — от первичного поиска до доклинических исследований, обеспечивая идентификацию ведущих соединений и разработку трансляционных биомаркеров в случаях, когда значимы нейронные конечные точки.
- Поисковая биология: позволяет проверять гипотезы и уточнять сигнальные пути с помощью количественных показателей нейронного ответа.
- Скрининг: обеспечивает воспроизводимые, готовые к анализу результаты для оценки соединений и сравнения различных условий.
- Аналитика: предоставляет статистические данные, включая проверку на нормальность распределения и параметрические/непараметрические сравнения, для принятия обоснованных решений.
- Трансляционные исследования: поддерживают согласованность биомаркеров и преемственность данных, когда ABR или аналогичные формы волн используются в качестве трансляционных конечных точек.
- Корпоративное повторное использование: предлагает переиспользуемую аналитическую возможность с открытым исходным кодом, адаптируемую к другим электрофизиологическим наборам данных.
Операционное и корпоративное воздействие
- Научная ценность: повышает прогностическую достоверность и снижает механистическую неоднозначность при валидации нейронных мишеней.
- Операционная ценность: стандартизирует и оптимизирует анализ формы сигнала, улучшая воспроизводимость и масштабируемость.
- Стратегическая ценность: позволяет принимать более обоснованные решения о продолжении или прекращении разработки (go/no-go) и эффективно управлять портфелем с точки зрения затрат капитала.
- Влияние на портфель: способствует приоритизации с учетом рисков и продвижению активов в области нейрофармакологии и исследований слуха.
Особенности реализации
- Требуются навыки в области электрофизиологии и анализа данных с использованием языка R.
- Необходим доступ к R, RStudio, а также к соответствующим открытым библиотекам и скриптам.
- Требуется межкомандная стандартизация форматов данных и рабочих процессов анализа.
- Метод может быть адаптирован для других моделей ЭЭГ или нейронных волновых форм путем изменения пользователем окон латентности.
- Для получения надежных результатов требуется правильное форматирование данных и строгое соблюдение протоколов анализа.
Часто задаваемые вопросы о биофармацевтике
Chapters in this video
0:04
Introduction
0:50
Preparing the Auditory Brainstem Response (ABR) Data for Analysis
1:39
Installing the Required Packages and Loading the Data
2:26
Obtaining the Preliminary Analysis with FindPeaks.R
2:58
Verifying the Preliminary Analysis
3:53
Compiling and Visualizing the Dataset
4:51
Results: Analysis of Auditory Brainstem Response (ABR) Data by Manual and FindPeaks.R
5:25
Conclusion
