Waiting
Login processing...

Trial ends in Request Full Access Tell Your Colleague About Jove
JoVE Journal Neuroscience
Click here for the English version

Neuroscience

Neurovascular rete Explorer 2.0: Un semplice strumento per esplorare e condividere un Database di Vasomotion Optogenetically-evocato nella corteccia di topo In Vivo

Published: May 4, 2018 doi: 10.3791/57214
Automatic Translation
1,2, 3,4, 3,5, 1, 6, 2,7, 1, 1,3, 1,3,8, 3
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

Summary

Un'interfaccia utente grafica per esplorare e condividere un database di risposte vascolari optogenetically-indotta in mouse corteccia somatosensory in vivo misurati da microscopia 2-fotone è presentata. Consente la navigazione dati, basati su criteri di selezione, in media, localizzazione delle misurazioni all'interno di un volume 3D del sistema vascolare e l'esportazione dei dati.

Abstract

L'importanza della condivisione dei dati sperimentali in neuroscienze cresce con la quantità e la complessità dei dati acquisiti e varie tecniche usate per ottenere ed elaborare questi dati. Tuttavia, la maggior parte dei dati sperimentali, soprattutto da studi individuali di dimensioni regolari laboratori mai raggiunge la più ampia comunità di ricerca. Un motore di interfaccia (GUI) di grafica utente chiamato Neurovascular rete Explorer 2.0 (NNE 2.0) è stato creato come strumento per semplice e low-cost sharing ed esplorazione di dati di imaging vascolari. NNE 2.0 interagisce con un database contenente optogenetically-evocato dilatazione/costrizione tempo-corsi di singole navi misurate in topi corteccia somatosensory in vivo mediante microscopia 2-fotone. NNE 2.0 consente la selezione e la visualizzazione del tempo-corsi basati su criteri diversi (soggetto, ordine di ramificazione, profondità corticale, diametro del vaso, albero arteriolare) così come semplice manipolazione matematica (ad es. una media, picco-normalizzazione) e esportazione dei dati. Supporta la visualizzazione della rete vascolare in 3D e consente una localizzazione delle misurazioni diametro singolo recipiente funzionale all'interno di alberi vascolare.

NNE 2.0, il codice sorgente e il database corrispondente sono liberamente scaricabili da UCSD Neurovascular Imaging laboratorio sito1. Il codice sorgente può essere utilizzato dagli utenti per esplorare il database associato o come un modello per declinati e condividere i propri risultati sperimentali forniti nel formato appropriato.

Introduction

Il cervello è considerato uno degli organi più intricati e il desiderio di districare la sua funzione complessa è instancabile. È in fase di studio a diverse scale da molecolare al livello comportamentale utilizzando un'ampia gamma di strumenti2,3,4,5,6,7,8 . La quantità di dati sperimentali non omogeneo cresce con una velocità senza precedenti. La consapevolezza della necessità di condivisione dei dati sperimentali, organizzazione e standardizzazione cresce con la quantità di dati acquisiti. È diventato evidente che neuroinformatica giocherà un ruolo fondamentale nell'integrazione di dati sperimentali attraverso scale in modelli di cervello funzione e disfunzione9,10.

A tal fine alcuni studi, soprattutto su larga scala, sono stati in grado di stanziare risorse per rendere i risultati disponibili via vasto database11,12,13,14,15. Tuttavia, una grande quantità di dati sperimentali da singoli studi e laboratori di dimensioni regolari ha raggiunto mai la più ampia comunità di ricerca. Questo è principalmente per due motivi: primo, dedicato più tempo è necessario per costruire un database e creare strumenti che consentano all'utente di interagire con il database; e la seconda, più denaro è necessario per supportare queste attività. Motivato da queste sfide, un motore di interfaccia (GUI) di grafica utente MATLAB basato chiamato il Neurovascular rete Explorer 2.0 (NNE 2.0)16 è stato sviluppato come uno strumento semplice e a basso costo per declinati, condivisione e l'esplorazione di dati di imaging vascolari. Questo manoscritto fornisce un manuale per il funzionamento di NNE 2.0 e il database associato dei dati sperimentali.

NNE 2.0 è già un motore software di seconda generazione. La prima generazione, denominata Neurovascular rete Explorer 1.0 (NNE 1.0)17 è stata costruita per interagire con un database di vasodilatazione sensoriale-evocato nella corteccia somatosensoriale primaria di ratto (SI) in vivo misurata da microscopia 2-fotone18. NNE 1.0, il suo codice sorgente, nonché il database associato è liberamente scaricabile come file compresso chiamato 'NNE 1 Tian' da UCSD Neurovascular Imaging laboratorio sito1. Ulteriori informazioni NNE 1.0 e il database associato possono essere trovati in17.

La seconda generazione, il 2.0 NNE, interagisce con un database di optogenetically-evocato dilatazione dei vasi singoli nei topi SI in vivo misurati da microscopia 2-fotone20. L'utente può navigare, selezionare e visualizzare i dati in base alle categorie di selezione come profondità corticale, ordine di ramificazione, diametro del vaso, soggetto animale o un particolare albero arteriolare. La GUI di ulteriormente esegue semplici operazioni matematiche quali media e picco-normalizzazione in categorie selezionate. NNE 2.0 consente di visualizzare e navigare tra le immagini di acquisizione 3D volumi del sistema vascolare come identificare la posizione della misurazione funzionale all'interno di alberi vascolare. Questa funzionalità può essere utilizzata per ricostruire morfologie vascolari in 3D e popolarli con le misure reali del singolo-vaso vaso-movimento. Queste ricostruzioni a sua volta possono essere incorporate in modelli computazionali del cervello funzione21,22. NNE 2.0, il codice sorgente e il database associato sono liberamente scaricabili come file compresso chiamato 'NNE 2.0 HDbase v 1.0' dal laboratorio di Imaging di UCSD Neurovascular sito1.

NNE 2.0 funziona con un database chiamato 'vdb.mat'. Questo database è una matrice contenente i profili temporali (tempo-corsi) di singolo vaso diametro modifiche evocato da uno stimolo optogenetica e misurato alle posizioni differenti di alberi arteriolari. Ogni corso di tempo è stato calcolato utilizzando il software personalizzato. Calcola la variazione relativa di un diametro del vaso di espansione di un profilo di intensità di fluorescenza acquisito da scansione attraverso la nave. Il contrasto fluorescente è stato presentato da iniezione intravascolare di isotiocianato di fluorescina (FITC)-etichettato destrano. Per ulteriori informazioni circa le procedure di analisi e di dati, vedere20,23. Il database ha 305 tempo-corsi (cioè voci di database) in totale. Oltre alla variazione di diametro, ogni voce per il database tiene una serie di metadati aggiuntivi che (1) quantificare il corso di tempo (2) descrivere la nave misurata e (3) identificare la posizione di misurazione all'interno di un volume 3D del sistema vascolare corticale. I metadati includono il tempo di inizio, picco di ampiezza, tempo di ampiezza di picco, profondità corticale, ramificazione ordine, diametro del vaso al basale, percorso immagini originali di riferimento e gli stack di immagine 3D per ogni misura e basso ingrandimento mappe della superficie del cervello sistema vascolare. Vedere tutti i parametri nei metadati elencate e descritte in dettaglio in precedenza nella tabella 116.

NNE 2.0 interagisce con le immagini di riferimento che sono CHE X-Y esegue la scansione di un aereo di cui si è verificata la misura di diametro. Ogni voce del database ha una corrispondente immagine di riferimento con un nome di riferimento visualizzato nella GUI. Ogni voce del database ha anche un associato stack di immagini (3D stack) catturando un volume 3D dell'albero vascolare all'interno del quale si è verificato la misurazione. La GUI permette di scegliere una voce di database specifico e visualizzare l'immagine di riferimento corrispondente, così come lo stack di 3D. Guida anche l'utente per trovare l'immagine di riferimento corrispondente e frame nello stack di 3D (le stesse caratteristiche possono essere trovate in entrambe le immagini). Tutti stack e immagini di riferimento nella loro piena risoluzione (1024 pix pix x 1024) sono inclusi nelle cartelle hana_stk e hana_refs, rispettivamente. Mappe di basso ingrandimento del sistema vascolare del cervello sono inclusi nella cartella 'maps'. Tutte le tre cartelle, come pure la matrice di database 'vdb.mat' sono scaricati nel file zippato 'NNE 2.0 HDbase v 1.0' dal laboratorio di Imaging di UCSD Neurovascular sito1 e salvato nella cartella principale di NNE 2.0 durante il processo di installazione.

La GUI è stata progettata come un insieme di quattro pannelli (1 pannello (pannello principale) – pannello 4) che si aprono in sequenza come l'utente Esplora il database e seleziona dati specifici in base alle categorie di selezione. Ogni pannello è diviso in due parti principali: (1) la colonna di destra fornisce la possibilità di interagire con il database selezionando i parametri e categorie delle informazioni importanti dati e display dai metadati; (2) la colonna di sinistra Visualizza i dati sotto forma di corsi di time (diametro cambia nel tempo) e grafici a dispersione. Ci sono quattro tipi di grafici a dispersione visualizzati da inizio di dilatazione (1) (2) tempo del cambiamento di diametro (3) massimo picco di dilatazione (ampiezza di picco) e diametro (4) della linea di base (diametro prima di stimolazione) in funzione della profondità corticale. L'utente ha la possibilità di visualizzare medio tempo-corsi e valori per i dati selezionati raggruppati da profondità corticale o ordine di ramificazione. Questo è quello di evidenziare la caratteristica del comportamento di gradienti di variazione di diametro con l'aumento di profondità e ramificazione ordine20. NNE 2.0 consente all'utente di esportare il sottoinsieme di dati nel formato di '. xls', 'CSV' o 'mat' selezionati.

Subscription Required. Please recommend JoVE to your librarian.

Protocol

1. installazione di NNE 2.0

  1. Vai alla UCSD Neurovascular Imaging laboratorio sito1 e tasto sinistro del mouse al 'NNE 2.0 HDbase v 1.0' per scaricare i file di programma compresso nella posizione desiderata sul vostro PC.
    Nota: NNE 2.0 richiede un sistema operativo Windows di versioni 7-10, almeno 2,8 GB di spazio libero per scaricare il file compresso e 6,9 GB per installare il programma.
  2. Decomprimere il 'NNE2_HDbase_v1.0.zip'.
    Nota: La cartella decompressa NNE2 contiene 10 file: '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. Installare NNE 2.0 seguendo le istruzioni in 'NNE2_README.txt'.

2. esecuzione di NNE 2.0

  1. Avviare NNE 2.0 con 'NNE2.exe'.
  2. Pannello 1 (pannello principale): Selezionare un sottoinsieme dei dati (Figura 1). Immagini nella colonna sinistra del pannello principale mostrano grafici tempo-corsi e i parametri di tutte le voci per il 'vdb.mat' (Figura 1).
    1. Selezionare l'intervallo per Profondità corticale nella colonna di destra del pannello. Digitare l'intervallo di profondità nel formato [dmin dmax], dove dmin è la profondità minima emassima d è la profondità massima.
      Nota: I dati è stati misurati a profondità da 30-560 µm.
    2. Selezionare Ordine di ramificazione nella colonna di destra del pannello. Fare clic sulla freccia e scegliere una delle opzioni dall'elenco (superficie | Immersioni subacquea tronco | Rami del primo ordine | Più alti rami di ordine).
    3. Selezionare l'intervallo di Diametro della linea di base nella colonna di destra del pannello. Digitare nel formato [diamin diametromax], dove diamin è il diametro minimo e diametromax è il diametro massimo.
    4. Selezionare soggetti (animali in base alla data di acquisizione) nella colonna di destra del pannello. Fare clic sulla freccia e scegliere tra le opzioni disponibili. In alternativa, scegliere i dati da tutti i soggetti cliccando nel rettangolo blu.
    5. Premere invio per visualizzare ed esplorare i dati selezionati nel pannello 2.
  3. Pannello 2: Esplorare il sottoinsieme di dati selezionati e continuare ulteriormente raffinatezza dati (Figura 2).
    1. Selezionare il tipo per una media di gruppo dei dati cliccando sul pulsante appropriato nella colonna destra in alto a sinistra. Select: medio di profondità corticale o medio di ordine di ramificazione.
      Nota: La scelta attuale è evidenziata in verde sotto (Figura 2).
    2. Selezionare dati basati sulla morfologia del vaso o oggetto. Sinistro del mouse selezionare tutti i dati per albero (una singola immersione arteriola ed i relativi rami) oppure selezionare tutti i dati per cong (soggetto animale).
    3. Tasto sinistro del mouse Invia a visualizzare i dati selezionati sulla sinistra nei grafici del tempo-corsi (1) individuali (2) gruppo-media tempo-corsi e dispersione (3) inizio volte (4) tempo di picchi (5) picco ampiezze e diametri di base (6)
    4. Sinistro del mouse su una traccia nel grafico di timecourses individuali nella colonna di sinistra per selezionare un corso di tempo.
      Nota: Il corso di tempo selezionato viene evidenziato nel grafico (magenta) e il relativo tempo di insorgenza, time-to-peak, picco ampiezza e base diametro sarà contrassegnato da cerchi rossi nel grafico seguente. Punti rossi nei grafici a dispersione sono valori medi.
    5. Nota gli identificatori di oggetto (Oggetto ID) e albero (Tree ID) per il corso di tempo selezionato nella colonna di destra nella parte inferiore.
    6. Se lo si desidera, modificare il tipo di gruppo-media cliccando con la scelta appropriata sulla sommità della colonna di destra seguita dal tasto invio e ripetere i passaggi da 2.3.4.
    7. Con un cursore a croce per visualizzare ed esplorare tutte le tracce per l'oggetto selezionato (Oggetto ID) o albero (Tree ID) nel pannello 3, fare clic destro nel pannello 2.
  4. Pannello 3: Esplorare il sottoinsieme finale dei dati ed esportarli (Figura 3).
    1. Selezionare un corso di tempo nel grafico superiore della colonna a sinistra cliccando su una traccia: la traccia selezionata sarà evidenziata nel grafico (magenta) e parametri descrittivi della voce del database verranno visualizzati sopra il grafico.
      Nota: Il corso di tempo medio viene visualizzato in nero spesso (Figura 3).
    2. Nota corrispondente onset time, time-to-peak, picco di ampiezza e diametro basale nei seguenti grafici.
    3. Fare clic sul pulsante Esporta SET nella colonna di destra per salvare le tracce visualizzate nel grafico superiore nella cartella dove NNE 2.0 è in esecuzione da.
      Nota: Questa azione Salva tre file: 'vdb_subset.xls', 'vdb_subset.csv' e 'vdb_subset.mat' contenenti vettori del cambiamento di diametro e vettori di tempo; 'vdb_subset.mat' contiene anche parametri descrittivi e informazioni da 'vdb.mat'.
    4. Per controllare tutti i dati per il 'soggetto' invece di 'albero' chiusura il pannello 3 premendo [x], riavvio NNE 2.0, ripetere la selezione delle categorie nel pannello 1 (misure 2.2.1-2.2.5) e selezionare tutti i dati per l'oggetto nel pannello 2 (punto 2.3.2).
    5. Fare clic destro in un punto qualsiasi nel pannello 3 con un cursore a croce per passare al pannello 4 per esplorare immagini di riferimento e gli stack di 3D per tutte le tracce nel grafico superiore del pannello 3.
      Nota: Il pannello 4 aprirà se opzione tutti i dati per 'albero' è stato selezionato nel pannello 2. Se tutti i dati per 'soggetto' sono stati selezionati invece, l'utente verrà richiesto di modificare la sua selezione e diretto a pannello 1.
  5. Pannello 4: Localizzare la misurazione funzionale all'interno di un'immagine di riferimento e all'interno di una serie di immagini 3D del sistema vascolare (Figura 4).
    1. Selezionare un corso di tempo cliccando su di esso nel grafico in cima alla colonna di sinistra.
      Nota: La traccia selezionata sarà evidenziata nel grafico (magenta) e le informazioni descrittive dai metadati verranno visualizzate sulla parte superiore.
    2. Esplorare l'immagine di riferimento corrispondente che viene caricato automaticamente dalla cartella 'hana_refs' in basso a destra della colonna a sinistra.
    3. Esplorate il corrispondente stack di immagine 3D caricati automaticamente dalla cartella di 'hana_stk' in basso a sinistra della colonna sinistra. Scorrere utilizzando le frecce o il cursore sotto la figura dello stack.
      Nota: Quando l'immagine dello stack raggiunge il livello dell'immagine – cioè il livello di misurazione del diametro ('Indice' = 'Ref'), l'immagine dello stack è evidenziato e indicato come 'Livello di Frame'.
    4. Fare clic su Esporta insieme nella colonna di destra per il corso di tempo evidenziato per esportare in un file 'ref_stacks_trace.xls', che viene salvato nella cartella dove NNE 2.0 è in esecuzione da.
      Nota: Il file contiene il vettore di tempo, vettore di cambiamento di diametro, oggetto ID, indice della voce, posizione dell'immagine di riferimento, posizione dello stack 3D e il numero di immagine dello stack per il livello di telaio.
    5. Vicino pannello 4 [x] per andare indietro a pannello 1.

Subscription Required. Please recommend JoVE to your librarian.

Representative Results

NNE 2.0 e il database associato servono a sfogliare e visualizzare i dati del database, ordinare i dati in base a criteri di selezione, Scarica i dati selezionati e trovare le misurazioni vascolare all'interno dell'albero vascolare corrispondente.

1 pannello dotato di selezione di dati basati su Categorie: 'Corticale profondità', 'Ordine di ramificazione', 'Baseline diametro' e 'Soggetto' – Figura 1). Siete pregati di notare che in questo studio, non sono presenti voci per superficie arteriole ('superficie') nella categoria 'Ordine di ramificazione' selezione. Se questa opzione è selezionata, una finestra di dialogo di avviso 'Nessun record trovato – ricerca troppo restrittive' appare e chiede all'utente di selezionare un'opzione diversa. Lo stesso avviso verrà visualizzato se non esistono nessun misure che soddisfano i criteri selezionati nel pannello 1. In questo caso l'utente deve chiudere Pannello 1 premendo [x] e riavviare il programma.

Tutti i tempo-corsi del cambiamento del diametro che soddisfi i criteri scelti nel pannello 1 possono essere visualizzati nel pannello 2 (Figura 2). L'utente può esplorare tutti i singoli corsi di time, tempo-corsi di gruppo-una media di profondità corticale o ordine di ramificazione e i corrispondenti valori di 'Onset time', 'Ampiezza picco', 'Time-to-peak' e 'Diametro basale' tracciate come funzioni di profondità. L'utente seleziona un tempo portate dal grafico tempo-corsi individuali ed Esplora la forma della curva, così come le caratteristiche numeriche corrispondenti nei grafici a dispersione.

Tutti i dati acquisiti nello stesso albero animale o arteriolare possono essere esplorati nel pannello 3 (Figura 3). Allo stesso modo come nel pannello 2, l'utente seleziona un tempo portate dal grafico tempo-corsi individuali ed Esplora la forma della curva, così come le caratteristiche numeriche corrispondenti nei grafici a dispersione. Se lo si desidera, l'utente può esportare tutti i dati dal pannello 3 nel formato '. xls', 'csv' e 'mat'. Questi file vengono creati o sovrascritti ogni volta che viene eseguita l'azione 'Export'. Prima di sovrascrivere i file, una finestra di dialogo di avviso ' per sovrascrivere vdb_subset.xls' salta fuori che l'utente debba rinominare risultati precedentemente esportati. L'utente deve assicurarsi che nessuno dei file esportati sono aperti durante l'azione di 'Export'. Se uno dei file è aprire, una finestra di dialogo di avviso ' esportazione file di Excel errore: assicurarsi che vdb_subset.xls non sia aperta ' apparirà. In questo caso, l'utente deve chiudere il file esportato e riavviare NNE 2.0.

Tutti i dati acquisiti all'interno di un singolo albero arteriolare possono essere esplorati nel contesto del sistema vascolare 3D nel pannello 4 (Figura 4). Selezionando un corso a tempo mostrerà automaticamente l'immagine di riferimento associato e lo stack di immagine 3D che vengono caricati da cartelle 'hana_refs' e 'hana_stk', rispettivamente. La nave misurata è evidenziata nella sua immagine di riferimento con un rettangolo rosso semi-trasparente al centro dell'immagine. Il percorso di scansione è contrassegnato come una linea rossa che attraversa la nave misurata. Se altre navi vengono analizzate all'interno di una misurazione (linea rossa che attraversa vasi multipli – Figura 4), l'utente deve prendere in considerazione l'ordine di ramificazione trovato in 'vdb.mat' o visualizzati nella GUI in cima il grafico tempo-corsi ('B. ordine') per capire quale scansione appartiene alla misura particolare. Rami ramificazione di etichette '0' etichette immersioni tronchi, '1' etichette sedi collegate direttamente ai tronchi immersioni, 2' di ordine direttamente collegato a rami di ordine 1st , ecc. Per identificare l'albero arteriolare appropriato a partire con un'arteriola immersione sulla superficie del cervello (visto nelle immagini top dello stack 3D), l'utente dovrebbe consultare una basso ingrandimento mappa salvata nella cartella 'maps'. Questa mappa è unica per ogni soggetto animale e possa essere individuata utilizzando l'ID di oggetto corrispondente (ad esempio ' 022014.jpg'). Questa mappa è un'immagine dell'esposizione di tutto il cervello con sistema vascolare superficiale. I segmenti di immersioni delle arteriole misurati sono etichettati con gli identificatori di albero ('albero ID') (Figura 5). L'utente può esportare un singolo corso di tempo selezionato insieme alle informazioni circa la corrispondente immagine di riferimento, la pila 3D e la posizione della misura all'interno dello stack in 'ref_stacks_trace.xls'. Allo stesso modo, per quanto riguarda 'Esporta' nel pannello 3, 'ref_stacks_trace.xls' deve essere chiuso prima che viene eseguita l'azione 'Esporta'. Lo stesso tipo di finestre di dialogo di avviso verrà visualizzato prima di sovrascrivere il file esportato o quando il file è aperto durante l'azione di 'Export'. Si prega di notare che se c'è un riferimento mancante immagine per la voce di database selezionato (9 voci in totale), un avviso ' nessuna riferimento immagine trovata: Indice = ' verrà visualizzato anziché l'immagine di riferimento nel pannello 4. Esportazione non è disponibile per i movimenti e l'utente viene richiesto di scegliere un corso di tempo diverso. Se l'utente seleziona una voce per cui il 3D stack non esiste o è stata trovata nessuna cornice di serie di immagini di riferimento (31 e 52 voci, rispettivamente) una nota * NO MATCH STACK * verrà visualizzato in cima a un'immagine vuota al posto dell'immagine 3D stack nel pannello 4.

Figure 1
Figura 1: pannello 1 (pannello principale) serve per selezionare un sottoinsieme di dati in base alle categorie di selezione. Tutti i dati da 'vdb.mat' sono visualizzati nei sei grafici nella colonna di sinistra. Colonna di destra permette all'utente di selezionare un sottoinsieme di questi dati scegliendo profondità corticale | Ordine di ramificazione | Diametro di base | Soggetti. Clicca qui per visualizzare una versione più grande di questa figura.

Figure 2
Figura 2: pannello 2 permette di esaminare il sottoinsieme di dati selezionati e perfezionare ulteriormente la selezione. Colonna destra offre per calcolare la media dei dati selezionati sulla base di categorie di profondità o ordine di ramificazione (la scelta attuale è evidenziata in verde). Colonna di sinistra vengono visualizzati dati che soddisfano il secondo criteri di selezione nel pannello 1 e il tipo di medio selezionato nella colonna di destra. L'utente può selezionare un corso di tempo nel grafico superiore sinistro (cursore a croce) che ottiene evidenziato (magenta). I tempi di insorgenza e di picco, corrispondenti al diametro di ampiezza e della linea di base di picco sono cerchiati in rosso e gli identificatori voce vengono visualizzati nella colonna di destra nella parte inferiore. Punti spessi rossi nei grafici a dispersione contrassegno i valori medi per il sottoinsieme di dati effettivi. La selezione di 'tutti i dati per albero' vs 'tutti i dati per cong' riguarda i dati nei seguenti pannelli. Clicca qui per visualizzare una versione più grande di questa figura.

Figure 3
Figura 3: pannello 3 permette di esplorare il sottoinsieme finale dei dati ed esportandoli. L'utente può selezionare (cursore) a croce un corso a tempo nel grafico in cima alla colonna di sinistra. La traccia selezionata viene evidenziata (magenta) e i metadati di inserimento viene visualizzato sopra il grafico. Contemporaneamente l'inizio corrispondente e gli orari di punta, nonché i diametri di ampiezza e della linea di base di picco vengono visualizzati nel grafico seguente. Il pulsante Esporta SET nella colonna di destra permette di esportare tutti i corsi di tempo dal grafico superiore. Il corso di tempo medio è tracciato in nero spessa. Clicca qui per visualizzare una versione più grande di questa figura.

Figure 4
Figura 4: pannello 4 permette di localizzare le misure di diametro all'interno di un'immagine di riferimento e all'interno di una pila 3D del vasculature. La trama di tempo-corsi alla sommità della colonna sinistra è identica con la trama di tempo-corsi in pannello 3. L'utente può selezionare il tempo-corsi individuali dal grafico in alto nella colonna di sinistra. L'immagine di riferimento corrispondente viene visualizzato nella parte inferiore destra lungo con le informazioni sui metadati: 'Rif. immagine' (nome di immagine di riferimento), 'Profondità' (corticale della misurazione) e 'Scala' (scala dell'immagine in micron per pixel). Lo stack 3D corrispondente viene visualizzato in basso a sinistra con le informazioni di metadati descrittivi: 'Indice' (numero di immagine effettiva nello stack), 'Delta' (distanza verticale tra l'immagine in alto), 'Ref' (immagine numero nello stack che corrisponde alla immagine di riferimento e acquisisce la posizione di misurazione) e 'Scala' (scala dell'immagine in micron per pixel). Siete pregati di notare che la 'profondità' sopra l'immagine di riferimento è stato immesso manualmente durante l'esperimento ed è approssimativa. Non corrisponde esattamente il valore di 'Delta' del livello nelle immagini dello stack frame dovuto al fatto che la superficie del cervello è inclinata per quanto riguarda il piano di formazione immagine. Clicca qui per visualizzare una versione più grande di questa figura.

Figure 5
Figura 5: mappa basso ingrandimento del vasculature superficie. L'immagine cattura la regione del cervello esposto con navi di superficie. I segmenti di immersioni di alberi arteriolari misurati sono etichettati con gli identificatori di albero ('albero ID'). Queste mappe vengono salvate nella cartella 'maps' nella cartella dove NNE 2.0 è in esecuzione da. Clicca qui per visualizzare una versione più grande di questa figura.

Subscription Required. Please recommend JoVE to your librarian.

Discussion

NNE 2.0 è stato scritto al fine di condividere i dati di imaging vascolari di una studio specifico20 ma con l'intento di sviluppare un semplice strumento per la condivisione e l'esplorazione dei dati del genere simile da altri utenti. I ricercatori interessati a ispezionare il database associato dei dati vascolari possono utilizzare la GUI per sfogliare i dati, selezionare sottoinsiemi di dati, li confronta con i propri risultati sperimentali o elaborarli ulteriormente utilizzando le proprie procedure di calcolo. Utenti che hanno familiarità con MATLAB possono utilizzare direttamente il database 'vdb.mat', mentre gli utenti che impiegano un diverso tipo di linguaggio di programmazione possono esportare i dati in uno dei formati alternativi ('xls' o 'CSV').

I ricercatori che sono interessati a condividere i propri dati sperimentali utilizzando NNE 2.0 necessario strutturare i risultati in una matrice simile a 'vdb.mat'. Principali voci a questo database dovrebbero essere tempo-corsi di qualsiasi tipo sotto forma di vettori e i vettori di tempo corrispondente. Parametri del database possono essere modificati o inseriti di struttura modulare della GUI. Tutti fanno riferimento a immagini, serie di immagini e l'esposizione del cervello mappe (se applicabile) devono essere raccolti e depositate insieme con il database e la GUI eseguibile su internet (ad es. laboratorio pagina Web o un repository di terze parti).

I ricercatori interessati a utilizzare le misurazioni vascolari con la morfologia vascolare 3D in studi di funzione del cervello di modellazione prima possono esplorare i dati utilizzando la GUI. Dopo aver selezionato un sottoinsieme di dati desiderato, possono utilizzare le informazioni dei metadati esportate in 'ref_stacks_trace.xls' insieme a variabili in 'vdb.mat', immagini 3D stack salvati in 'hana_stk' e l'esposizione del cervello mappe di 'mappe' per ricostruire la morfologia vascolare in 3D .

La fase più critica del protocollo sta esportando i dati. Per l'esportazione corretta dei dati selezionati (da pannello 3 e 4) è importante chiudere tutti i file in cui i dati devono essere esportati prima che viene eseguita l'azione di 'Export'. Solo allora i file verranno sovrascritto correttamente con la scelta effettiva dei dati. Eventuali modifiche al programma o risoluzione dei problemi è necessario essere eseguita al codice sorgente.

NNE 2.0 è stato sviluppato per condividere profili temporali calcolati da linea-scansioni che sono state acquisite da microscopia 2-fotone. Dati esplorati da NNE 2.0, pertanto, non sono scansioni di intensità prima ma piuttosto pre-elaborati tempo-corsi di cambiamenti relativo diametro. In questo modo gli utenti sono in grado di elaborare i loro dati sperimentali raw utilizzando il proprio software e procedure standard e utilizzare NNE 2.0 come un modello per presentare e condividere i loro risultati con altri ricercatori. Non solo cambiamenti di diametro vascolare ma fondamentalmente qualsiasi segnale dipendente dal tempo misurato utilizzando tecniche di misurazione differenti possa essere condivisi in questo modo. Tali segnali includono fluorescenza di calcio24, sodio25, tensione sensibile coloranti26, codificati geneticamente indicatori per metaboliti27, pressione parziale di ossigeno (pO2)28, l'ossigenazione del sangue (BOLD, 18,29di imaging spettrale), il flusso sanguigno (speckle imaging29) o segnali di elettrofisiologia30. Il prerequisito per l'utilizzo NNE 2.0 è un database nel formato di una matrice ' *. Mat '. Questo potrebbe essere realizzato tramite l'elaborazione i dati direttamente in MATLAB o utilizzando strumenti per costruire la matrice da altri formati (ad esempio 'xlsread(filename)' serve a leggere fogli di calcolo di excel in 'mat' formati). L'uso di NNE 2.0 senza MATLAB è limitato ad esplorare, scaricare e ulteriore elaborazione dei dati dal database corrente 'vdb.mat'.

NNE 2.0 ha il potenziale per aiutare la diffusione di dati sperimentali in tutta la comunità di ricerca neuroscienze ampia per essere esplorato e rispetto ad altri dati sperimentali del genere simile facilitando lo sviluppo di standard per l'acquisizione dati ed elaborazione 31. NNE 2.0 può anche aiutare a diffondere i dati in tutta la comunità di neuroinformatica dove può essere utilizzato nei modelli di segnali di imaging non invasivo come la risonanza magnetica funzionale (fMRI)21. Mentre NNE 2.0 non può competere con più complessi database5,32,33,34, può fornire una piattaforma senza giunte e ready-to-use per declinati e condivisione dati sperimentali senza la necessità di ulteriori ampi investimenti.

Subscription Required. Please recommend JoVE to your librarian.

Disclosures

Gli autori non hanno nulla a rivelare.

Acknowledgments

Noi riconosciamo con gratitudine il supporto dal NIH (NS057198, EB00790, MH111359 e S10RR029050) e il Ministero della pubblica istruzione, gioventù e dello sport della Repubblica Ceca (CEITEC 2020, LQ1601). KK è stato sostenuto da borse di studio post-dottorati dalla International Headache Society nel 2014 e la scientifica e tecnologica ricerca Consiglio della Turchia nel 2015. MT è stato sostenuto da postdoctoral fellowship dalla Deutsche Forschungsgemeinschaft (DFG TH 2031/1).

Materials

Name Company Catalog Number Comments
MATLAB MathWorks program
Winrar Rarlabs program

DOWNLOAD MATERIALS LIST

References

  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).

Tags

Neuroscienze problema 135 elaborazione automatica dei dati raccolta dati visualizzazione dei dati banche dati come argomento motore di ricerca neuroscienze neuroinformatica utente grafica interfaccia MATLAB immagini 2-fotone corteccia somatosensoriale arteriole flusso sanguigno emodinamica circolazione cerebrovascolare
Neurovascular rete Explorer 2.0: Un semplice strumento per esplorare e condividere un Database di Vasomotion Optogenetically-evocato nella corteccia di topo In Vivo
Play Video
PDF DOI DOWNLOAD MATERIALS LIST

Cite this Article

Uhlirova, H., Tian, P.,… More

Uhlirova, H., Tian, P., Kılıç, K., Thunemann, M., Sridhar, V. B., Chmelik, R., Bartsch, H., Dale, A. M., Devor, A., Saisan, P. A. Neurovascular Network Explorer 2.0: A Simple Tool for Exploring and Sharing a Database of Optogenetically-evoked Vasomotion in Mouse Cortex In Vivo. J. Vis. Exp. (135), e57214, doi:10.3791/57214 (2018).

Less
Copy Citation Download Citation Reprints and Permissions
View Video

Get cutting-edge science videos from JoVE sent straight to your inbox every month.

Waiting X
Simple Hit Counter