Summary
Se presenta una interfaz gráfica de usuario para explorar y compartir una base de datos de respuestas vasculares inducidas por optogenetically en ratón Corteza somatosensorial en vivo midiendo 2 fotones microscopía. Permite navegar por los datos, selección basada en criterios, con un promedio de, localización de las mediciones dentro de un volumen 3D de vascularización y la exportación de los datos.
Abstract
La importancia de compartir los datos experimentales en Neurociencias crece con la cantidad y complejidad de los datos adquiridos y diferentes técnicas utilizadas para obtener y procesar estos datos. Sin embargo, la mayoría de los datos experimentales, especialmente de los estudios individuales de tamaño regular laboratorios nunca llegar a comunidad de investigación. Un motor de interfaz (GUI) de gráfica de usuario llamado Neurovascular red Explorer 2.0 (2.0 NNE) ha sido creado como una herramienta simple y de bajo costo compartir y explorar datos de proyección de imagen vascular. NNE 2.0 interactúa con una base de datos que contiene optogenetically-evocado dilatación/constricción tiempo-cursos de embarcaciones individuales medición en Corteza somatosensorial de ratones en vivo por 2 fotones microscopía. NNE 2.0 permite selección y visualización de la evolución temporal en base a diferentes criterios (tema, orden de ramificación, profundidad cortical, diámetro del vaso, árbol arteriolar) así como de manipulación matemática simple (ej. promedio, normalización de pico) y exportación de datos. Soporta visualización de la red vascular en 3D y permite la localización de las mediciones de diámetro de vasos funcionales individuales dentro de árboles vasculares.
NNE 2.0, su código fuente y la base de datos correspondiente son libremente downloadable de UCSD Neurovascular imagen laboratorio Web1. El código fuente puede ser utilizado por los usuarios a explorar la base de datos asociada o como una plantilla para bases de datos y compartir sus propios resultados experimentales proporcionadas el formato adecuado.
Introduction
El cerebro es considerado uno de los órganos más complejos y el deseo de desentrañar su función compleja es inagotable. Se está estudiando a diferentes escalas, desde el molecular hasta el nivel conductual utilizando una amplia paleta de herramientas2,3,4,5,6,7,8 . La cantidad de datos experimentales no homogénea crece con una velocidad sin precedentes. La conciencia de la necesidad de intercambio de datos experimentales, organización y normalización crece con la cantidad de datos adquiridos. Ha comprobado que la Neuroinformática jugará un papel fundamental en la integración de los datos experimentales a través de escalas en modelos del cerebro la función y disfunción de9,10.
En este sentido algunos estudios, especialmente estudios de gran escala, fueron capaces de destinar recursos para hacer sus resultados disponibles a través de bases de datos extensas11,12,13,14,15. Sin embargo, una gran cantidad de datos experimentales de los estudios individuales y de tamaño regular laboratorios nunca llegó a la comunidad de investigación. Esto es principalmente por dos razones: primero, dedicado más tiempo es necesario para construir una base de datos y crear herramientas que permitan al usuario interactuar con la base de datos; y en segundo lugar, se necesita más dinero para apoyar estas tareas. Motivado por estos desafíos, un motor de interfaz (GUI) de gráfica de usuario MATLAB basado llamado Neurovascular red Explorer 2.0 (2.0 NNE)16 fue desarrollado como una herramienta simple y de bajo costo para bases de datos, compartir y explorar datos de proyección de imagen vascular. Este manuscrito ofrece un manual de operación de 2.0 NNE y la base de datos asociada de datos experimentales.
NNE 2.0 ya es un motor de software de segunda generación. La primera generación, llamada Neurovascular red Explorer 1.0 (1.0 NNE)17 fue construida para interactuar con una base de datos de vasodilatación sensoriales evocados en la corteza somatosensorial primaria de la rata (SI) en vivo por 2 fotones microscopía18. 1.0 NNE, su código fuente, así como la base de datos asociada es libremente descargable como un archivo comprimido llamado 'NNE 1 Tian' de UCSD Neurovascular imagen laboratorio Web1. Puede encontrar más información sobre 1.0 NNE y la base de datos asociada en17.
La segunda generación, la 2.0 NNE, interactúa con una base de datos de optogenetically-evocado dilatación de vasos individuales en ratones SI en vivo midiendo 2 fotones microscopía20. El usuario puede navegar, seleccionar y visualizar datos en base a categorías de la selección como profundidad cortical, orden de ramificación, diámetro del vaso, objeto animal o un particular árbol arteriolar. El GUI más realiza operaciones matemáticas simples como promedio y la máxima normalización en categorías seleccionadas. NNE 2.0 permite ver y navegar a través de imágenes que capturan volúmenes 3D de vascularización así como identificar la localización de la medición funcional dentro de los árboles vasculares. Esta característica puede utilizarse para reconstruir la morfología vascular en 3D y rellenarlos con las medidas reales solo recipiente vaso-movimiento. Estas reconstrucciones a su vez pueden ser incorporadas en modelos computacionales del cerebro función21,22. NNE 2.0, su código fuente y la base de datos asociada son libremente descargables como un archivo comprimido llamado 'NNE 2.0 HDbase v1.0' de UCSD Neurovascular imagen laboratorio Web1.
NNE 2.0 funciona con una base de datos llamada 'vdb.mat'. Esta base de datos es una matriz que contiene los perfiles temporales (evolución temporal) de los cambios de diámetro solo buque evocada por un estímulo optogenetic y medido en distintos lugares de árboles arteriolares. Cada curso del tiempo se calculó utilizando el software de medida. Calcula el cambio relativo de un diámetro del vaso de expansión de un perfil de intensidad fluorescente adquirido por la exploración a través de la nave. El contraste fluorescente fue presentado por la inyección intravascular de isotiocianato de fluoresceína (FITC)-etiquetado dextrano. Para obtener más información acerca de los procedimientos de información y análisis, consulte20,23. La base de datos tiene tiempo 305-cursos (es decir, entradas de base de datos) en total. Además el cambio de diámetro, cada entrada a las bodegas de la base de datos una matriz de metadatos adicionales que (1) cuantificar el curso del tiempo (2) describir el barco medido y (3) identificar la ubicación de medición dentro de un volumen 3D de vascularización cortical. Los metadatos incluyen el tiempo de inicio, amplitud de pico, tiempo de la amplitud de pico, profundidad cortical, orden de ramificación, diámetro del vaso en la línea de base, camino a las imágenes de referencia original y montones de imágenes 3D para cada medición y baja magnificación mapas de la superficie del cerebro vasculatura. Ver todos los parámetros en los metadatos enumerados y descritos en detalle anteriormente en tabla 116.
NNE 2.0 interactúa con imágenes de referencia que son QUE X Y las exploraciones de un plano donde se produjo la medida de diámetro. Cada entrada de la base de datos tiene una imagen de referencia correspondiente con un nombre de referencia aparece en el GUI. Cada entrada de la base de datos tiene también una pila asociada de imágenes (3D pila) capturando un volumen 3D del árbol vascular dentro de la cual se produjo la medida. La GUI permite elegir una entrada de base de datos particular y mostrar la imagen de referencia correspondiente así como la pila de 3D. También guía al usuario para encontrar la imagen de referencia correspondiente y el marco de la pila de 3D (las mismas características pueden encontrarse en ambas imágenes). Todo apilado e imágenes de referencia en su máxima resolución (1024 pix de pix x 1024) están incluidos en las carpetas hana_stk y hana_refs, respectivamente. Mapas de bajo aumento de la vasculatura cerebral están incluidos en la carpeta 'maps'. Todas las tres carpetas, así como la matriz de base de datos 'vdb.mat' son descargados en el archivo comprimido 'NNE 2.0 HDbase v1.0' de la UCSD Neurovascular imagen laboratorio Web1 y guarda en la carpeta raíz de 2.0 NNE durante el proceso de instalación.
El GUI ha sido diseñado como un conjunto de cuatro paneles (Panel 1 (Panel principal) – Panel 4) que se abren secuencialmente como el usuario explora la base de datos y selecciona datos específicos basados en las categorías de selección. Cada panel está dividido en dos partes principales: (1) la columna de la derecha ofrece la posibilidad de interactuar con la base de datos mediante la selección de parámetros y categorías de lo datos y muestra información importante de metadatos; (2) la columna de la izquierda muestra los datos en forma de tiempo-cursos (cambio de diámetro en el tiempo) y los diagramas de dispersión. Hay cuatro tipos de diagramas de dispersión mostrando inicio de dilatación (1) (2) tiempo del cambio de diámetro (3) máxima dilatación máxima (amplitud de pico) y (4) referencia diámetro (antes estímulo) como función de la profundidad cortical. El usuario tiene la posibilidad de mostrar valores para datos agrupados por profundidad cortical u orden de ramificación y medios tiempo-cursos. Esto es para resaltar la función del comportamiento del gradiente de cambio de diámetro con aumento de profundidad y ramificaciones de orden20. NNE 2.0 permite al usuario exportar el subconjunto seleccionado de la información en el formato de 'xls', 'CSV' o 'Mat'.
Subscription Required. Please recommend JoVE to your librarian.
Protocol
1. instalación de NNE 2.0
- Ir a la UCSD Neurovascular imagen laboratorio Web1 y haga clic en 'NNE 2.0 HDbase v1.0' para descargar los archivos de programa comprimido en la ubicación deseada en tu PC.
Nota: NNE 2.0 requiere un sistema operativo de Windows de versiones 7-10, por lo menos de 2,8 GB de espacio libre para descargar el archivo comprimido y 6,9 GB para instalar el programa. - Descomprimir 'NNE2_HDbase_v1.0.zip'.
Nota: La carpeta descomprimida NNE2 contiene 10 archivos: 'hana_refs.tar.gz', 'hana_stk.tar.gz', 'maps.tgz', 'MCRInstaller.exe', 'NNE2.exe', 'NNE2.zip', 'NNE2_README.txt', 'source.zip', 'users_guide.pdf' y 'vdb.mat'. - Instalar 2.0 NNE siguiendo las instrucciones en 'NNE2_README.txt'.
2. ejecución de NNE 2.0
- Iniciar el NNE 2.0 con 'NNE2.exe'.
- Panel 1 (Panel principal): Seleccione un subconjunto de datos (figura 1). Imágenes en la columna izquierda del Panel principal muestran los gráficos de evolución temporal y los parámetros de todas las entradas para el 'vdb.mat' (figura 1).
- Seleccione el rango de Profundidad Cortical en la columna de la derecha del panel. Tipo en el rango de profundidad en el formato [dmin maxd], donde dmin es la profundidad mínima ymáxima d es la profundidad máxima.
Nota: Los datos se midieron en la profundidad de 30-560 μm. - Seleccione Orden de ramificación en la columna de la derecha del panel. Haga clic en la flecha y elija una de las opciones de la lista (superficie | Tronco de buceo | Primer orden sucursales | Ramas de orden superior).
- Seleccione el rango de Diámetro basal en la columna de la derecha del panel. Escriba en el formato [diamin diámetromáximo], donde diamin es el diámetro mínimo ymáximo de diámetro es el diámetro máximo.
- Seleccionar los sujetos (animales según la fecha de adquisición) en la columna de la derecha del panel. Haga clic en la flecha y elegir entre las opciones disponibles. También puede elegir los datos de todos los temas haciendo clic izquierdo en el rectángulo azul.
- Presione Enviar para mostrar y explorar los datos seleccionados en el Panel 2.
- Seleccione el rango de Profundidad Cortical en la columna de la derecha del panel. Tipo en el rango de profundidad en el formato [dmin maxd], donde dmin es la profundidad mínima ymáxima d es la profundidad máxima.
- Panel 2: Explorar el subconjunto seleccionado de los datos y seguir más refinamiento de datos (figura 2).
- Seleccione el tipo de grupo promedio de los datos haciendo clic izquierdo el botón correspondiente en la columna derecha en la parte superior. Seleccionar: Avg por profundidad Cortical o Avg por orden de ramificación.
Nota: La opción real es remarcada en verde por debajo (figura 2). - Seleccione datos basados en la morfología del vaso o tema. Botón izquierdo del ratón Seleccione todos los datos para el árbol (una arteriola única de buceo y sus ramas) o Seleccione todos los datos para el asunto (tema del animal).
- Pulse Enviar para mostrar los datos seleccionados a la izquierda en gráficos de tiempo-cursos (1) individuales (2) grupo promedio de cursos de tiempo y dispersión de parcelas de inicio (3) veces (4) tiempo de picos (5) pico amplitudes y diámetros (6) línea de base
- Haga clic izquierdo en una traza en el gráfico de timecourses individuales en la columna de la izquierda para seleccionar un curso de tiempo.
Nota: El curso del tiempo seleccionado obtiene destacó en el gráfico (magenta) y su tiempo de inicio, tiempo al pico, pico amplitud y referencia diámetro estará marcado por círculos rojos en las gráficas siguientes. Puntos rojos en los diagramas de dispersión son valores promedio. - Nota: los identificadores del tema (Tema ID) y árbol (Árbol ID) para el curso del tiempo seleccionado en la columna derecha en la parte inferior.
- Si lo desea, cambiar el tipo de promedio de grupo haciendo clic izquierdo la opción adecuada en la parte superior de la columna de la derecha seguida del botón Aceptar y repita los pasos de la 2.3.4.
- Haga clic derecho en cualquier lugar en el Panel 2 con un cursor de cruz para ver y explorar todos los rastros para el tema seleccionado (Identificador de objeto) o el árbol (Árbol ID) en el Panel 3.
- Seleccione el tipo de grupo promedio de los datos haciendo clic izquierdo el botón correspondiente en la columna derecha en la parte superior. Seleccionar: Avg por profundidad Cortical o Avg por orden de ramificación.
- Panel 3: Explorar el último subconjunto de datos y exportarlos (figura 3).
- Seleccione un curso de tiempo en el gráfico superior de la columna de la izquierda haciendo clic izquierdo en un rastro: el rastro seleccionado se resaltará en el gráfico (magenta) y los parámetros descriptivos de la entrada de la base de datos se mostrará en la parte superior del gráfico.
Nota: El curso medio del tiempo se muestra en negro grueso (figura 3). - Nota correspondiente tiempo de inicio, tiempo al pico, pico de amplitud y diámetro basal en las gráficas siguientes.
- Haga clic en el botón Exportar situado en la columna de la derecha para salvar huellas muestran en el gráfico superior en la carpeta donde está ejecutando 2.0 NNE de.
Nota: Esta acción ahorra tres archivos: 'vdb_subset.xls', 'vdb_subset.csv' y 'vdb_subset.mat' que contiene los vectores de cambio de diámetro y vectores de tiempo; 'vdb_subset.mat' contiene también parámetros descriptivos y la información de 'vdb.mat'. - Para inspeccionar todos los datos de 'sujeto' en vez de 'árbol' cerrar Panel 3 presionando [x], reinicio 2.0 NNE, repetir la selección de categorías en el Panel 1 (medidas 2.2.1-2.2.5) y seleccionar todos los datos de objeto en el Panel 2 (paso 2.3.2).
- Haga clic derecho en cualquier lugar en el grupo 3 con un cursor cruzado para ir a Panel 4 para explorar imágenes de referencia y pilas 3D para todos los rastros en el gráfico superior del Panel 3.
Nota: El Panel 4 se abrirá si todos los datos de la opción para 'árbol' fue seleccionado en el Panel 2. Si todos los datos de 'asunto' fueron seleccionados en su lugar, el usuario se le pedirá que cambie su selección y dirigido a Panel 1.
- Seleccione un curso de tiempo en el gráfico superior de la columna de la izquierda haciendo clic izquierdo en un rastro: el rastro seleccionado se resaltará en el gráfico (magenta) y los parámetros descriptivos de la entrada de la base de datos se mostrará en la parte superior del gráfico.
- Panel 4: Localizar la medición funcional dentro de una imagen de referencia y en una pila de imágenes 3D de vascularización (figura 4).
- Seleccione un curso de tiempo haciendo clic izquierdo sobre ella en el gráfico encima de la columna de la izquierda.
Nota: La traza seleccionada se resaltará en el gráfico (magenta) y su información descriptiva de metadatos se mostrará en la parte superior. - Explorar la imagen de referencia correspondiente que se carga automáticamente desde la carpeta 'hana_refs' en la parte inferior derecha de la columna de la izquierda.
- Explorar la correspondiente pila 3D imagen cargada automáticamente desde la carpeta 'hana_stk' en la parte inferior izquierda de la columna de la izquierda. Desplácese a través de la pila utilizando las flechas o cursor por debajo de la figura.
Nota: Cuando la imagen de la pila alcanza el nivel de la imagen de referencia – es decir, el nivel de medición de diámetro ('Índice de pila' = 'Ref'), la imagen de la pila se destacó y se indica como' marco'. - Haga clic en Exportar situado en la columna derecha para exportar el curso del tiempo resaltado en un archivo 'ref_stacks_trace.xls' que se guarda en la carpeta donde está ejecutando 2.0 NNE de.
Nota: El archivo contiene el vector tiempo, vector de cambio de diámetro, ID tema, índice de entrada, ubicación de la imagen de referencia, ubicación de pila de 3D y el número de imagen de la pila para el nivel de marco. - Cierre Panel 4 [x] ir a Panel de 1.
- Seleccione un curso de tiempo haciendo clic izquierdo sobre ella en el gráfico encima de la columna de la izquierda.
Subscription Required. Please recommend JoVE to your librarian.
Representative Results
NNE 2.0 y la base de datos asociado sirven para navegar y visualizar los datos de la base de datos, ordenar los datos en base a criterios de selección, descargar los datos seleccionados y encontrar las mediciones vasculares dentro del árbol vascular correspondiente.
Panel 1 cuenta con selección de datos basada en categorías: 'Profundidad Cortical', orden de ramificación, 'diámetro de la base del ' y 'Sujetos' – figura 1). Tenga en cuenta que en este estudio, no hay ninguna entrada de las arteriolas superficiales ('superficie') en la categoría de selección de "Orden de ramificación". Si se selecciona esta opción, un cuadro de diálogo de advertencia 'Registros No encontrados – búsqueda demasiado restrictiva' aparece y solicita al usuario que seleccione una opción diferente. La misma advertencia aparece si no hay las mediciones de satisfacción de los criterios seleccionados en el Panel 1. En este caso el usuario debe cerrar Panel 1 presionando [x] y reiniciar el programa.
Todo diámetro cambio tiempo-cursos cumple criterios en Panel 1 se pueden ver en Panel 2 (figura 2). El usuario puede explorar todo individual tiempo-cursos, tiempo-grupo-un promedio de profundidad cortical o ramificación de la orden y los valores correspondientes de 'Tiempo de inicio', 'Amplitud de pico', 'Hora pico' y 'Diámetro basal' trazan como funciones de profundidad. El usuario selecciona un curso de tiempo en el gráfico de tiempo-cursos individuales y explora la forma de la curva, así como las características numéricas correspondientes en los diagramas de dispersión.
Todos los datos adquiridos en el mismo árbol arteriolar o animal pueden ser explorados en el Panel 3 (figura 3). De la misma manera como en Panel 2, el usuario selecciona un curso de tiempo en el gráfico de tiempo-cursos individuales y explora la forma de la curva, así como las características numéricas correspondientes en los diagramas de dispersión. Si lo desea, el usuario puede exportar todos los datos de Panel 3 en el formato de 'xls', 'csv' y 'Mat'. Estos archivos son creados o sobrescritos cada vez que se toma la acción de 'Exportar'. Antes de sobrescribir los archivos, aparece un diálogo de advertencia ' a punto de sobrescribir vdb_subset.xls' a incitar al usuario a cambiar el nombre de resultados previamente exportados. El usuario debe asegurarse de que ninguno de los archivos exportados están abierto durante la acción de 'Exportación'. Si uno de los archivos está abierta, un diálogo de advertencia ' Exportar archivo de Excel Error: Asegúrese de que vdb_subset.xls no esté abierto ' aparecerá. En este caso, el usuario debe cerrar el archivo exportado y reiniciar 2.0 NNE.
Todos los datos adquiridos en un solo árbol arteriolar pueden estudiarse en el contexto de la vasculatura 3D en el Panel 4 (figura 4). Selección de un curso de tiempo mostrará automáticamente la imagen de referencia asociado y la pila de imagen 3D que se cargan desde carpetas 'hana_refs' y 'hana_stk', respectivamente. Se destaca el buque medido en su imagen de referencia con un rectángulo semitransparente rojo en el centro de la imagen. La ruta de exploración está marcada como una línea roja cruzando el buque medido. Si se analizan más barcos dentro de una medición (línea roja cruzando múltiples vasos, figura 4), el usuario debe tener en cuenta el orden de ramificación se encuentra en 'vdb.mat' o aparece en la interfaz gráfica en la parte superior del gráfico de tiempo-cursos ('B. orden') para entender que análisis pertenece a la medición particular. 'Ramificación orden 0' etiquetas de salto de troncos, ramas conectadas directamente a los troncos de buceo, 2 etiquetas de '1' ' etiquetas ramas conexión directamente a ramas del orden de 1st , etcetera. Para identificar el árbol arteriolar apropiado a partir de una arteriola buceo en la superficie del cerebro (ver en las imágenes superiores de la pila de 3D), el usuario debe referirse a un mapa de baja magnificación guardado en la carpeta 'maps'. Este mapa es único para cada materia animal y se puede encontrar utilizando el ID de tema correspondiente (por ejemplo, ' 022014.jpg'). Este mapa es una imagen de la exposición de todo el cerebro con la vasculatura superficial. El buceo segmentos de arteriolas medidos están marcados con los identificadores de árbol ("Tree ID') (figura 5). El usuario puede exportar un solo curso tiempo seleccionado junto con la información sobre la imagen de referencia correspondiente, pila 3D y posición de la medición dentro de la pila en 'ref_stacks_trace.xls'. Del mismo modo, en cuanto a la 'Exportación' en el Panel 3, 'ref_stacks_trace.xls' debe ser cerrado antes de toma la acción de 'Exportar'. El mismo tipo de cuadros de diálogo de advertencia que aparecen antes de sobrescribir el archivo exportado, o cuando el archivo está abierto durante la acción de 'Exportación'. Tenga en cuenta que si hay una referencia que falta una imagen para la entrada de la base de datos seleccionada (9 entradas en total), una advertencia ' imagen de referencia NO encontrada: índice = ' se visualizará en lugar de la imagen de referencia en el Panel 4. La exportación no está disponible para esas entradas y al usuario se le pedirá para elegir un curso diferente del tiempo. Si el usuario selecciona una entrada para que el 3D pila no existe o no fue encontrado marco de imagen/pila de referencia (entradas 31 y 52, respectivamente) una nota * NO STACK MATCH * se mostrará en la parte superior una imagen en blanco en el lugar de la imagen 3D de la pila en el Panel 4.
Figura 1: Panel 1 (Panel principal) sirve para seleccionar un subconjunto de datos basados en selección categorías. Todos los datos de 'vdb.mat' aparecen en seis gráficas en la columna de la izquierda. La columna de la derecha permite al usuario seleccionar un subconjunto de los datos seleccionando profundidad Cortical | Orden de ramificación | Diámetro basal | Temas. Haga clic aquí para ver una versión más grande de esta figura.
Figura 2: Panel 2 permite examinar el subconjunto seleccionado de datos y refinar aún más la selección. Columna de la derecha ofrece para calcular el promedio de los datos seleccionados basándose en categorías de profundidad o ramificación orden (la elección real es remarcada en verde). Columna de la izquierda muestra los datos cumpliendo con la selección de criterios en el Panel 1 y el tipo de medio seleccionado en la columna de la derecha. El usuario puede seleccionar un curso de tiempo en el gráfico superior izquierdo (cursor cruzado) que obtiene destacado (magenta). Los correspondientes tiempos de inicio y el pico, el diámetro máximo amplitud y línea de base es un círculo rojo y los identificadores de entrada se muestran en la columna de la derecha en la parte inferior. Puntos rojos gruesas en los diagramas de dispersión marcan los valores promedio para el subconjunto de datos reales. La selección de 'todos los datos para el árbol de' vs 'todos los datos de Subj' afecta a los datos en los siguientes paneles. Haga clic aquí para ver una versión más grande de esta figura.
Figura 3: Panel 3 permite explorar el último subconjunto de datos y exportarlos. El usuario puede seleccionar (de la Cruz cursor) un curso de tiempo en el gráfico encima de la columna de la izquierda. La traza seleccionada es resaltada (magenta) y los metadatos de la entrada se muestran en la parte superior del gráfico. Al mismo tiempo el inicio correspondiente y horas pico así como los diámetros de amplitud y base del pico se muestran en las gráficas siguientes. En la columna de la derecha el botón Exportar conjunto permite exportar todos los cursos de tiempo en el gráfico superior. Se traza el curso del tiempo promedio en negro grueso. Haga clic aquí para ver una versión más grande de esta figura.
Figura 4: Panel 4 permite localizar las medidas de diámetro dentro de una imagen de referencia y en una pila 3D de vasculatura. La trama de la evolución temporal en la cima de la columna de la izquierda es idéntica con el diagrama de tiempo-cursos en Panel 3. El usuario puede seleccionar tiempo-cursos individuales en el gráfico superior en la columna de la izquierda. La imagen de referencia correspondiente se muestra en la parte inferior derecha junto con la información de metadatos: 'Ref. imagen' (nombre de la imagen de referencia), 'Profundidad' (cortical de la medida) y 'Scale' (escala de la imagen en micrones por píxel). La pila 3D correspondiente se muestra en la parte inferior izquierda junto con la información de metadatos descriptivos: 'Índice de pila' (número de la imagen real de la pila), 'Delta' (distancia vertical de la imagen de arriba), 'Ref' (imagen número en la pila que corresponde a la imagen de referencia y la localización de medición de captura) y 'Scale' (escala de la imagen en micrones por píxel). Tenga en cuenta que la 'profundidad' encima de la imagen de referencia fue entrada manualmente durante el experimento y es aproximada. No coincide exactamente el valor de 'Delta' del nivel de marco en imágenes de pila debido a que la superficie del cerebro está inclinada respecto al plano de proyección de imagen. Haga clic aquí para ver una versión más grande de esta figura.
Figura 5: mapa de bajo aumento de la vasculatura superficial. La imagen capta la región del cerebro expuesto con los recipientes superficiales. Los segmentos de buceo de árboles arteriolares medidos están marcados con los identificadores de árbol (el árbol del ' ID'). Estos mapas se guardan en la carpeta 'maps' en la carpeta donde está ejecutando 2.0 NNE de. Haga clic aquí para ver una versión más grande de esta figura.
Subscription Required. Please recommend JoVE to your librarian.
Discussion
NNE 2.0 fue escrito con el fin de compartir los datos de proyección de imagen vasculares de un estudio específico de20 pero con la intención de desarrollar una herramienta sencilla para compartir y explorar datos de tipo similar por otros usuarios. Los investigadores interesados en inspección de la base de datos asociada de datos vasculares pueden usar la GUI para buscar los datos, seleccionar subconjuntos de datos, compararlos con sus propios resultados experimentales o procesan más lejos utilizando sus propios procedimientos computacionales. Los usuarios familiarizados con MATLAB pueden utilizar directamente la base de datos 'vdb.mat' mientras que los usuarios que emplean a un tipo diferente de lenguaje de programación pueden exportar los datos en uno de los formatos alternativos ('xls' o 'CSV').
Los investigadores que estén interesados en compartir sus propios datos experimentales utilizando 2.0 NNE deben estructurar los resultados en una matriz similar a 'vdb.mat'. Las entradas principales a esta base de datos deben ser tiempo-cursos de cualquier tipo en forma de vectores y los vectores de tiempo correspondiente. Parámetros de la base de datos pueden ser modificados o añadidos a través de estructura modular de la GUI. Toda referencia a imágenes, montones de imágenes y la exposición cerebro mapas (si corresponde) deben ser recogidos y depositados junto con la base de datos y la interfaz gráfica ejecutable en internet (Página Web de laboratorio o un repositorio de terceros).
Los investigadores interesados en el uso de las mediciones vasculares junto con la morfología vascular 3D en modelado de estudios de la función cerebral primero pueden explorar los datos mediante la interfaz gráfica. Después de seleccionar un subconjunto deseado de datos, puede utilizar la información de metadatos exportada a ref_stacks_trace.xls junto con las variables 'vdb.mat', imágenes 3D pila guarda en 'hana_stk' y la exposición cerebro mapas en 'mapas' para reconstruir la morfología vascular en 3D .
El paso más crítico del protocolo es la exportación de los datos. Para la correcta exportación de datos seleccionados (de Panel de 3 y 4) es importante cerrar todos los archivos en el cual los datos deben exportarse a antes de toma la acción de 'Exportación'. Sólo entonces los archivos se correctamente sobrescribirá con la opción real de datos. Modificaciones en el programa o la necesidad de solución de problemas a realizar al código fuente.
NNE 2.0 ha sido desarrollado para compartir perfiles temporales calculados a partir de exploraciones de línea que fueron adquiridas por microscopia 2 fotones. Datos explorados por 2.0 NNE por lo tanto no son exploraciones de intensidad cruda pero algo previamente procesados tiempo-cursos de cambios relativos de diámetro. De esta manera los usuarios son capaces de procesar sus crudos datos experimentales utilizando sus propios procedimientos y el software y usar 2.0 NNE como plantilla para presentar y compartir sus resultados con otros investigadores. No sólo cambios vasculares de diámetro pero básicamente cualquier señal dependiente del tiempo medido utilizando técnicas de medición diferentes puede compartir de esta manera. Dichas señales incluyen la fluorescencia de calcio24, sodio25,26, indicadores genético codificados para metabolitos27, presión parcial de oxígeno (pO2)28, oxigenación de la sangre (BOLD los tintes sensibles a la tensión 18,29la proyección de imagen espectral), sanguíneo (speckle imaging29) o30señales de electrofisiología. El requisito para usar 2.0 NNE es una base de datos en el formato de una matriz ' * Mat '. Esto podría lograrse por tratamiento de los datos directamente en MATLAB o utilizar herramientas para construir la matriz de otros formatos (por ejemplo, 'xlsread(filename)' sirve para leer excel hojas de cálculo en formato 'Mat'). El uso de la 2.0 NNE sin MATLAB se limita a explorar, descargar y posterior procesamiento de los datos de la base de datos 'vdb.mat'.
NNE 2.0 tiene el potencial para ayudar a difundir datos experimentales en toda la comunidad de investigación de Neurociencia amplio a ser explorado y Comparado con otros datos experimentales de la clase similar facilitando el desarrollo de normas para adquisición de datos y procesamiento de 31. NNE 2.0 también pueden ayudar a difundir los datos en toda la comunidad de Neuroinformática donde puede ser utilizado en los modelos de señales de imagen no invasivos tales como resonancia magnética funcional (fMRI)21la proyección de imagen. Mientras que 2.0 NNE no puede competir con más complejas bases de datos5,32,33,34, puede proporcionar una plataforma transparente y listo para su uso para bases de datos y compartir datos experimentales sin la necesidad de adicionales inversiones extensas.
Subscription Required. Please recommend JoVE to your librarian.
Disclosures
Los autores no tienen nada que revelar.
Acknowledgments
Agradecemos el apoyo de los NIH (NS057198, EB00790, MH111359 y S10RR029050) y el Ministerio de educación, juventud y deportes de la República Checa (CEITEC 2020, LQ1601). KK fue apoyado por Becas Posdoctorales de la sociedad internacional de cefaleas en 2014 y la científica y tecnológica investigación Consejo de Turquía en el año 2015. MT fue apoyado por una beca postdoctoral de la Fundación de investigación alemana (DFG TH 2031/1).
Materials
| Name | Company | Catalog Number | Comments |
| MATLAB | MathWorks | program | |
| Winrar | Rarlabs | program |
References
- 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).
- Craddock, R. C., et al. Imaging human connectomes at the macroscale. Nat Methods. 10 (6), 524-539 (2013).
- Devor, A., et al. Frontiers in optical imaging of cerebral blood flow and metabolism. J Cereb Blood Flow Metab. 32 (7), 1259-1276 (2012).
- Ji, N., Freeman, J., Smith, S. L. Technologies for imaging neural activity in large volumes. Nat Neurosci. 19 (9), 1154-1164 (2016).
- Maze, I., et al. Analytical tools and current challenges in the modern era of neuroepigenomics. Nat Neurosci. 17 (11), 1476-1490 (2014).
- 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).
- Osten, P., Margrie, T. W. Mapping brain circuitry with a light microscope. Nat Methods. 10 (6), 515-523 (2013).
- Poldrack, R. A., Farah, M. J. Progress and challenges in probing the human brain. Nature. 526 (7573), 371-379 (2015).
- Kotter, R. Neuroscience databases: tools for exploring brain structure-function relationships. Philos Trans R Soc Lond B Biol Sci. 356 (1412), 1111-1120 (2001).
- 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).
- Aine, C. J., et al. Multimodal Neuroimaging in Schizophrenia: Description and Dissemination. Neuroinformatics. , (2017).
- Amunts, K., et al. BigBrain: an ultrahigh-resolution 3D human brain model. Science. 340 (6139), 1472-1475 (2013).
- 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).
- Lein, E. S., et al. Genome-wide atlas of gene expression in the adult mouse brain. Nature. 445 (7124), 168-176 (2007).
- 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).
- 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).
- 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).
- 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).
- 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).
- Uhlirova, H., et al. Cell type specificity of neurovascular coupling in cerebral cortex. Elife. 5, (2016).
- 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).
- 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).
- 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).
- Reznichenko, L., et al. In vivo alterations in calcium buffering capacity in transgenic mouse model of synucleinopathy. J Neurosci. 32 (29), 9992-9998 (2012).
- Langer, J., Rose, C. R. Synaptically induced sodium signals in hippocampal astrocytes in situ. J Physiol. 587 (Pt 24), 5859-5877 (2009).
- 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).
- 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).
- 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).
- 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).
- 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).
- 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).
- Ascoli, G. A., Donohue, D. E., Halavi, M. NeuroMorpho.Org: a central resource for neuronal morphologies. J Neurosci. 27 (35), 9247-9251 (2007).
- Mennes, M., Biswal, B. B., Castellanos, F. X., Milham, M. P. Making data sharing work: the FCP/INDI experience. Neuroimage. 82, 683-691 (2013).
- Marmarou, A., et al. IMPACT database of traumatic brain injury: design and description. J Neurotrauma. 24 (2), 239-250 (2007).
