Waiting
Login processing...

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

Neuroscience

Neurovaskulære netværk Explorer 2.0: Et simpelt værktøj til at udforske og dele en Database over Optogenetically-fremkaldte hjerte i mus Cortex 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

En grafisk brugergrænseflade til at udforske og dele en database over optogenetically-induceret vaskulære svar i mus somatosensoriske cortex i vivo målt ved 2-foton mikroskopi er præsenteret. Det giver mulighed for browsing data, kriterier-baseret udvalg, gennemsnit, lokalisering af målinger i en 3D-version af vaskulatur og eksportere data.

Abstract

Betydningen af deling af eksperimentelle data i neurovidenskab vokser med mængden og kompleksiteten af data erhvervet og forskellige teknikker bruges til at hente og behandle disse data. Men størstedelen af forsøgsdata, især fra individuelle undersøgelser af regelmæssig mellemstore laboratorier aldrig nå bredere forskningssamfund. En anskuelighed brugergrænseflade (GUI) motor kaldet neurovaskulære netværk Explorer 2.0 (NNE 2.0) er blevet oprettet som et værktøj til enkel og billig deling og udforskning af vaskulære billeddiagnostiske data. NNE 2.0 interagerer med en database, der indeholder optogenetically-fremkaldte dilatation/konstriktion tidsforløbet af individuelle fartøjer måles i mus somatosensoriske cortex i vivo af 2-foton mikroskopi. NNE 2.0 muliggør udvælgelse og visning af tid-kurser baseret på forskellige kriterier (emne, forgrenede ordre, kortikal dybde, fartøj diameter, arteriolær træ) samt simple matematiske manipulation (f.eks. gennemsnit, peak-normalisering) og dataeksporten. Det understøtter visualisering af det vaskulære netværk i 3D og giver mulighed for lokalisering af de enkelte funktionelle fartøj diameter målinger inden for vaskulære træer.

NNE 2.0, dens kildekode og den tilhørende database er frit downloades fra UCSD neurovaskulære Imaging laboratorium hjemmeside1. Den kildekode kan udnyttes af brugerne til at udforske den tilknyttede database eller som en skabelon for databasing og dele deres egne eksperimentelle resultater leveres et passende format.

Introduction

Hjernen er betragtes som en af de mest indviklede organer og ønsket om at udrede sin kompleks funktion er utrættelig. Det er undersøgt på forskellige skalaer fra den molekylære til det adfærdsmæssige niveau ved hjælp af en bred palet af værktøjer2,3,4,5,6,7,8 . Mængden af ikke-homogen forsøgsdata vokser med hidtil uset hastighed. Bevidsthed om behovet for en eksperimentel datadeling, organisation og standardisering vokser med mængden af indsamlede data. Det er blevet klart, at neuroinformatics vil spille en kritisk rolle i integration af eksperimentelle data på tværs af skalaer i modeller af hjernens funktion og dysfunktion9,10.

Herpå var nogle undersøgelser, især større undersøgelser, i stand til at afsætte ressourcer til at gøre deres resultater tilgængelige via omfattende databaser11,12,13,14,15. En enorm mængde af eksperimentelle data fra individuelle undersøgelser og regelmæssig mellemstore laboratorier nåede dog aldrig bredere forskersamfundet. Dette er hovedsagelig af to årsager: første, mere dedikeret tid er nødvendig for at opbygge en database og skabe værktøjer, der gør det muligt for brugeren at interagere med databasen; og andet, flere penge er nødvendige for at understøtte disse opgaver. Motiveret af disse udfordringer, en MATLAB baseret anskuelighed brugergrænseflade (GUI) motor kaldet neurovaskulære netværk Explorer 2.0 (NNE 2.0)16 blev udviklet som en enkel og billig værktøj for databasing, deling og udforskning af vaskulære billeddiagnostiske data. Håndskriftet indeholder en manual for drift af NNE 2.0 og den tilknyttede database af forsøgsdata.

NNE 2.0 er allerede en anden generations software motor. Den første generation, kaldet neurovaskulære netværk Explorer 1.0 (NNE 1.0)17 blev bygget til at interagere med en database af sensory evoked vasodilatation i rotte primære somatosensoriske cortex (SI) i vivo målt ved 2-foton mikroskopi18. NNE 1,0 samt dens kildekode og den tilhørende database er frit downloades som en zip-fil kaldet 'NNE 1 Tian' fra UCSD neurovaskulære Imaging laboratorium hjemmeside1. Flere oplysninger om NNE 1,0 og den tilknyttede database kan findes i17.

Den anden generation, NNE 2.0, interagerer med en database over optogenetically-fremkaldte dilatation af individuelle fartøjer i mus SI i vivo målt ved 2-foton mikroskopi20. Brugeren kan gennemse, vælge og Visualiser data baseret på udvalg kategorier såsom kortikale dybde, forgrening ordre, fartøj diameter, animalske genstand eller et bestemt arteriolære træ. GUI yderligere udfører enkle matematiske operationer som gennemsnit og peak-normalisering i udvalgte kategorier. NNE 2.0 gør det muligt at se og gennemgå billeder fanger 3D mængder af Vaskulaturen samt identificere placeringen af den funktionelle måling inden for de vaskulære træer. Denne funktion kan bruges til at rekonstruere vaskulære morfologier i 3D og udfylde dem med ægte single-fartøj vaso-motion målinger. Disse rekonstruktioner kan igen blive indarbejdet i computational modeller af hjernens funktion21,22. NNE 2.0, dens kildekode og den tilhørende database er frit downloades som en zip-fil kaldet 'NNE 2.0 HDbase v1.0' fra UCSD neurovaskulære Imaging laboratorium hjemmeside1.

NNE 2.0 fungerer sammen med en database kaldet 'vdb.mat'. Denne database er en matrix, der indeholder tidsmæssige profiler (tid-kurser) af enkelt fartøj diameterændringer fremkaldt af en optogenetic stimulus og målt på forskellige steder af arteriolære træer. Hver gang-kursus blev beregnet ved hjælp af brugerdefinerede-skrevet software. Det beregner den relative ændring af fartøjets diameter fra udvidelse af en fluorescerende intensitet profil erhvervet ved at scanningen på tværs af fartøjet. Den fluorescerende kontrast blev præsenteret af intravaskulær injektion af fluorescein isothiocyanat (FITC)-mærket dextran. Flere oplysninger om procedurerne for data og analyse, se venligst20,23. Databasen har 305 tidsforløb (dvs. databaseposter) i alt. I tilføjelse til diameter ændringen, hver post til databasen rummer en bred vifte af ekstra metadata (1) kvantificere tidsforløb (2) beskriver den målte fartøj og (3) identificere lokationen måling i en 3D-version af kortikale Vaskulaturen. Metadata omfatter gang, peak amplitude, peak amplitude tid, kortikal dybde, forgrenede ordre, fartøj diameter på baseline, stien til oprindelige reference billeder og 3D billedstakke for hver måling og lav forstørrelse kort af hjernen overflade Vaskulaturen. Se venligst alle parametre i de metadata, der er opført og beskrevet i detaljer tidligere i tabel 116.

NNE 2.0 interagerer med reference billeder der er X-Y scanninger af et fly, hvor diameter måling fandt sted. Hver database post har en tilsvarende referenceafbildning med et referencenavn, vises i GUI. Hver database post har også en tilhørende stak billeder (3D stack) fanger en 3D-version af vaskulær træ, som målingen opstod. GUI gør det muligt at vælge en bestemt database entry og vise det tilsvarende referencebillede samt 3D-stak. Det hjælper også brugeren til at finde matchende referencebillede og ramme i 3D-stak (de samme funktioner kan findes i både billeder). Alle stack og reference billeder i deres fulde opløsning (1024 pix x 1024 pix) er inkluderet i mapperne hana_stk og hana_refs, henholdsvis. Lav forstørrelse kort af hjernen Vaskulaturen er medtaget i mappen 'maps'. Alle tre mapper samt database matrix 'vdb.mat' er hentet i den zip fil 'NNE 2.0 HDbase v1.0' fra UCSD neurovaskulære Imaging laboratorium hjemmeside1 og gemmes i rodmappen af NNE 2.0 under installationsprocessen.

GUI er udformet som et sæt af fire paneler (Panel 1 (Main Panel)-Panel 4) som åbne sekventielt som brugeren udforsker databasen og vælger bestemte data baseret på udvalg kategorier. Hvert panel er opdelt i to hoveddele: (1) kolonnen til højre giver mulighed for at interagere med databasen ved at vælge parametre og kategorier af den data og viser vigtige oplysninger fra metadata; (2) den venstre kolonne viser data i form af tid-kurser (diameter forandring i gang) og scatter-plots. Der er fire typer af scatter parceller visning (1) dilatation debut (2) tid dilatation peak (3) maksimale diameter ændring (peak amplitude) og (4) baseline diameter (diameter før stimulation) som funktion af kortikale dybde. Brugeren har mulighed for at vise gennemsnitlige tid-kurser og -værdier for udvalgte data grupperes enten af kortikale dybde eller forgrenede rækkefølge. Dette er for at fremhæve funktionen af gradient diameter-ændre adfærd med stigende dybde og forgrening ordre20. NNE 2.0 tillader brugeren at eksportere den valgte undersæt af data i formatet '.xls', '.csv' eller '.mat'.

Subscription Required. Please recommend JoVE to your librarian.

Protocol

1. installation af NNE 2.0

  1. Gå til UCSD neurovaskulære Imaging laboratorium hjemmeside1 og venstre-klik på 'NNE 2.0 HDbase v1.0' hen til dataoverføre zip programfilerne til den ønskede placering på din PC.
    Bemærk: NNE 2.0 kræver et Windows-operativsystem versioner 7-10, mindst 2,8 GB i omkostningsfrit plads hen til dataoverføre den zip fil og 6,9 GB til installation af programmet.
  2. Unzip 'NNE2_HDbase_v1.0.zip'.
    Bemærk: Den udpakkede mappe NNE2 indeholder 10 filer: 'hana_refs.tar.gz', 'hana_stk.tar.gz', 'maps.tgz', 'MCRInstaller.exe', 'NNE2.exe', 'NNE2.zip', 'NNE2_README.txt', 'source.zip', 'users_guide.pdf' og 'vdb.mat'.
  3. Installere NNE 2.0 ved at følge instruktionerne i 'NNE2_README.txt'.

2. kører NNE 2.0

  1. Start NNE 2.0 med 'NNE2.exe'.
  2. Panel 1 (Main Panel): Vælge et undersæt af data (figur 1). Billeder i den venstre kolonne i panelet Main viser grafer over tid-kurser og parametre for alle poster til 'vdb.mat' (figur 1).
    1. Vælg intervallet for Kortikale dybde i den højre kolonne i panelet. Type i rækken af dybde i formatet [dmin dmax], hvor dmin er minimum dybden og dmax er den maksimale dybde.
      Bemærk: Dataene blev målt til dybde fra 30-560 µm.
    2. Vælg Forgrening ordre i den højre kolonne i panelet. Venstre-klik på pilen og vælge en af indstillingerne på listen (overflade | Dykning kuffert | Først bestiller grene | Højere orden grene).
    3. Vælg vifte af Baseline Diameter i den højre kolonne i panelet. Skriv det i formatet [diamin diamax], hvor diamin er den mindste diameter og diamax er den maksimale diameter.
    4. Vælg emner (dyr ifølge anskaffelsestidspunktet) i kolonnen til højre i panelet. Venstre-klik på pilen og vælge mellem de tilgængelige valgmuligheder. Alternativt vælge data fra alle fag ved at venstreklikke alle i den blå firkant.
    5. Tryk på Send hen til display og udforske de markerede data i panelet 2.
  3. Panel 2: Udforske det valgte undersæt af data og fortsat yderligere data forfine (figur 2).
    1. Vælg type for gruppe-gennemsnit af dataene ved at venstreklikke den relevante knap i den højre kolonne på toppen. Vælg: Avg af kortikale dybde eller Avg ved forgrening rækkefølge.
      Bemærk: Den egentlige valg er fremhævet med grønt nedenfor (figur 2).
    2. Vælg data baseret på fartøjet morfologi eller emne. Venstre-klik på Vælg alle data for træ (en enkelt dykning arteriole og dens grene) eller vælge alle data til Subj (animalske emne).
    3. Venstre-klik Send til at vise udvalgte data til venstre i grafer (1) individuel tid-kurser (2) gruppen-gennemsnit tid-kurser og scatter arealer (3) udbrud gange (4) tid til at toppe (5) peak amplituder og (6) baseline diametre
    4. Venstreklik på et spor på grafen for individuelle timecourses i den venstre kolonne at vælge et tidsforløb.
      Bemærk: De valgte tidsforløb bliver fremhævet i grafen (magenta) og dens indsættende tid, tid til peak, peak amplitude og baseline diameter vil være præget af røde cirkler i graferne nedenfor. Røde punkter i scatter parceller er gennemsnitlige værdier.
    5. Bemærk id'er for emne (Emnet ID) og træ (Træ ID) for den valgte tidsforløb i kolonnen til højre nederst.
    6. Hvis det ønskes, ændre typen af gruppe-gennemsnit af venstreklikke det korrekte valg på toppen af den højre kolonne efterfulgt af Send -knappen og Gentag trin fra 2.3.4.
    7. Højreklik et vilkårligt sted i panelet 2 med en tværs markøren til at se og udforske alle spor for det valgte emne (Emnet ID) eller træ (Træ ID) i panelet 3.
  4. Panel 3: Udforske den endelige undersæt af data og eksportere dem (figur 3).
    1. Vælg et tidsforløb i den øverste graf af den venstre kolonne ved at venstreklikke på et spor: de valgte spor vil blive fremhævet i grafen (magenta) og beskrivende parametre for posten database vil være displayed oven på grafen.
      Bemærk: Den gennemsnitlige tidsforløb vises i tyk sort (figur 3).
    2. Bemærk tilsvarende indsættende tid, tid til peak, peak amplitude og baseline diameter i graferne nedenfor.
    3. Venstre-klik på knappen EKSPORTER sæt i den højre kolonne gemme spor vises i den øverste graf til mappen hvor NNE 2.0 kører fra.
      Bemærk: Denne handling gemmer tre filer: 'vdb_subset.xls', 'vdb_subset.csv' og 'vdb_subset.mat' som indeholder vektorer af diameter ændring og tid vektorer; 'vdb_subset.mat' indeholder også beskrivende parametre og oplysninger fra 'vdb.mat'.
    4. For at inspicere alle data for 'emne' i stedet for 'træ' Luk panelet 3 ved at trykke på [x], genstart NNE 2.0, Gentag udvalg af kategorier i panelet 1 (trin 2.2.1-2.2.5) og vælg alle data for emne i panelet 2 (trin 2.3.2).
    5. Højreklik et vilkårligt sted i panelet 3 med en tværs markøren til at gå til panelet 4 at udforske reference billeder og 3D stakke for alle spor i den øverste graf af Panel 3.
      Bemærk: Panel 4 åbne hvis indstillingen alle data for 'træ' blev valgt i panelet 2. Hvis alle data for 'emne' blev valgt i stedet, bliver brugeren bedt om at ændre sin udvælgelse og rettet til Panel 1.
  5. Panel 4: Lokalisere den funktionelle måling inden for en referenceafbildning og en 3D-billedstak Vaskulaturen (figur 4).
    1. Vælg et tidsforløb ved at venstreklikke på det i grafen på toppen af den venstre kolonne.
      Bemærk: De valgte spor vil blive fremhævet i grafen (magenta) og dens beskrivende oplysninger fra metadata vises på toppen.
    2. Udforske den tilsvarende referenceafbildning, der indlæses automatisk fra 'hana_refs' mappen nederst til højre i kolonnen til venstre.
    3. Udforske den tilsvarende 3D billedstak indlæses automatisk fra 'hana_stk' mappen nederst til venstre i venstre kolonne. Rul gennem stakken ved hjælp af pilene eller mærket under tal.
      Bemærk: Når stakken billedet når niveauet af referenceafbildning – dvs. diameter måling niveau ('Stack indeks' = 'Ref'), stak billede er fremhævet og angivet som' Frame'.
    4. Klik på EKSPORTER sæt i den højre kolonne til at eksportere de markerede tidsforløb i en fil 'ref_stacks_trace.xls', som er gemt i mappen hvor NNE 2.0 kører fra.
      Bemærk: Filen indeholder tid vektor, diameter ændring vektor, emne-ID, post indeks, placering af referenceafbildning, placeringen af 3D-stak og billede staknummeret for ramme-niveau.
    5. Luk panelet 4 af [x] at gå tilbage til Panel 1.

Subscription Required. Please recommend JoVE to your librarian.

Representative Results

NNE 2.0 og den associerede database tjene til at gennemse og se data i databasen, sortere ud oplysninger baseret på udvælgelseskriterier, downloade de valgte data, og finde de vaskulære målinger inden for den tilsvarende vaskulær træ.

Panel 1 indeholder udvalg af data baseret på kategorier: 'Kortikale dybde', 'Forgrening ordre', 'Oprindelige Diameter' og 'Emner' – figur 1). Bemærk venligst, at i denne undersøgelse, der er ingen poster for overflade arterioler ('overflade') i kategorien 'Forgrening ordre' udvalg. Hvis denne indstilling er valgt, en advarselsdialogboks 'Ingen poster fundet – Søg for restriktive' vises og beder brugeren om at vælge en anden indstilling. Den samme advarsel vises, hvis der er ingen målinger opfylder de valgte kriterier i panelet 1. I dette tilfælde brugeren bør lukke Panel 1 ved at trykke på [x] og genstart programmet.

Alle diameter Skift tid-kurser opfylder kriterier valgt i panelet 1 kan ses i panelet 2 (figur 2). Brugeren kan udforske alle individuelle tidsforløbet, tidsforløbet gruppe-gennemsnit af kortikale dybde eller forgrenede ordre og de tilsvarende værdier af 'Gang', 'Peak amplitude', 'Tid til peak' og 'Oprindelige diameter' afbildes som funktion af dybde. Brugeren vælger et tidsforløb fra individuelle tidsforløbet grafen og udforsker formen på kurven samt de tilsvarende numeriske egenskaber i scatter parceller.

Alle data erhvervet i det samme dyr eller arteriolære træ kan udforskes i panelet 3 (figur 3). På samme måde som i panelet 2, brugeren vælger et tidsforløb fra individuelle tidsforløbet grafen og udforsker formen på kurven samt de tilsvarende numeriske egenskaber i scatter parceller. Hvis det ønskes, kan brugeren kan eksportere alle data fra panelet 3 i formatet '.xls', 'csv' og '.mat'. Disse filer er oprettet eller overskrives hver gang handlingen 'Eksport' er taget. Før overskrivning filer, springer en advarselsdialogboks ' ved at overskrive vdb_subset.xls' ud at spørge brugeren til at omdøbe tidligere eksporterede resultater. Brugeren skal sørge for, at ingen af de eksporterede filer er åben under handlingen 'Eksport'. Hvis en af filerne er åbne, en advarselsdialogboks ' fejl eksporterende Excel fil: Sørg for, at vdb_subset.xls ikke er åbne ' vises. I dette tilfælde skal brugeren lukke den eksporterede fil og genstarte NNE 2.0.

Alle data erhvervet inden for en enkelt arteriolære træ kan udforskes i forbindelse med 3D Vaskulaturen i panelet 4 (figur 4). At vælge et tidsforløb vil automatisk vise den tilhørende referenceafbildning og 3D billedstak, der er indlæst fra mapper 'hana_refs' og 'hana_stk', henholdsvis. Den målte fartøj er fremhævet i sin referenceafbildning med en rød semi-gennemsigtig rektangel i midten af billedet. Scanning stien er markeret som en rød linje krydser den målte fartøj. Hvis flere fartøjer scannes inden for én måling (rød linje krydser flere fartøjer – figur 4), skal som brugeren tage hensyn til forgrenede ordren fundet i 'vdb.mat' eller vises i GUI oven på tid-kurser grafen ('B. ordre') til at forstå hvilken scanning hører til bestemt måling. Forgrening ordre '0' etiketter dykning kufferter, '1' etiketter grene direkte tilsluttet dykning kufferter, ' 2' etiketter grene direkte tilsluttet 1st ordre grene, osv. For at identificere passende arteriolære træet skal startende med en dykning arteriole på overfladen af hjernen (set i de øverste billeder af 3D-stak), brugeren henvise til en lav forstørrelse kort gemmes i mappe 'maps'. Dette kort er unikke for hvert dyr emne og kan være placeret ved hjælp af det tilsvarende emne-ID (f.eks. ' 022014.jpg'). Dette kort er et billede af hele hjernen eksponering med overflade Vaskulaturen. De dykning segmenter af målte arterioler er mærket med træ-id'er (træ ID) (figur 5). Brugeren kan eksportere et enkelt valgte tidsforløb sammen med oplysninger om den tilsvarende referenceafbildning, 3D-stak og placering af måling inden for stakken i 'ref_stacks_trace.xls'. På samme måde som for 'Eksport' i panelet 3, skal 'ref_stacks_trace.xls' være lukket før handlingen 'Eksport' er taget. Den samme type advarsel dialoger vises før overskrivning af den eksporterede fil, eller når filen er åben under handlingen 'Eksport'. Bemærk at hvis der er mangler en reference billede for den valgte database post (9 poster i alt), en advarsel ' ingen REFERENCE billede fundet: indeks = ' vises i stedet for reference billede i panelet 4. Ingen eksport er tilgængelig for poster, og brugeren bliver bedt om at vælge en forskellige tidsforløb. Hvis brugeren vælger en post som 3D stable findes ikke, eller ingen reference billede/stack ramme blev fundet (31 og 52 poster, henholdsvis) en note * nej stak MATCH * vil være displayed oven på et tomt billede stedet 3D stak billedet i panelet 4.

Figure 1
Figur 1: Panel 1 (Main Panel) tjener til at vælge et undersæt af data baseret på udvalg kategorier. Alle data fra 'vdb.mat' vises i seks grafer i venstre kolonne. Højre kolonne tillader brugeren at vælge et undersæt af data ved at vælge kortikale dybde | Forgrening rækkefølge | Baseline Diameter | Emner. Venligst klik her for at se en større version af dette tal.

Figure 2
Figur 2: Panel 2 tillader undersøge den valgte undersæt af data og yderligere raffinering udvælgelse. Højre kolonne byder til at beregne gennemsnittet af de valgte data baseret på dybde kategorier eller forgrenede rækkefølge (den faktiske valg er markeret med grønt). Venstre kolonne viser data opfylder kriterier udvalg i panelet 1 og den gennemsnitlige type vælges i højre kolonne. Brugeren kan vælge et tidsforløb i den øverste venstre Graf (tværs markøren) som bliver fremhævet (magenta). De tilknyttede tider for debut og peak, peak amplitude og baseline diameter er cirklet i rød og post-id'er vises i kolonnen til højre nederst. Tykke røde punkter i scatter parceller mark de gennemsnitlige værdier for det faktiske data undersæt. Udvælgelsen af 'alle data for træ' vs. 'alle data for Subj' påvirker data i de følgende paneler. Venligst klik her for at se en større version af dette tal.

Figure 3
Figur 3: Panel 3 giver mulighed for at udforske den endelige undersæt af data og eksportere dem. Brugeren kan vælge (på tværs markøren) et tidsforløb i grafen på toppen af den venstre kolonne. Det valgte spor får fremhævet (magenta) og post metadata er displayed oven på grafen. Samtidig vises den tilsvarende indtræden og spidsbelastningsperioder samt peak amplitude og baseline diametre i graferne nedenfor. Knappen EKSPORTER sæt i den højre kolonne kan eksportere alle tidsforløbet fra den øverste graf. Den gennemsnitlige tid-kursus er afbildet i tyk sort. Venligst klik her for at se en større version af dette tal.

Figure 4
Figur 4: Panel 4 giver mulighed for lokalisering diameter målinger inden for en referenceafbildning og en 3D-stak af Vaskulaturen. Tid-kurser plot oven på venstre kolonne er identisk med tid-kurser plottet i panelet 3. Brugeren kan vælge individuelle tidsforløbet fra den øverste graf i venstre kolonne. Det tilsvarende referencebillede vises nederst til højre ad med metadataoplysninger: 'Ref. billede' (reference billede navn), 'Dybde' (kortikale dybde måling) og 'Skala' (skala af billedet i mikron per pixel). Den tilsvarende 3D stak vises nederst til venstre sammen med beskrivende metadataoplysninger: 'Stak indeks' (faktiske billede nummer i stakken), 'Delta' (lodrette afstand fra øverste billede), 'Ref' (billede nummer i en stak, der svarer til den referencebillede og fanger måling placeringen) og 'Skala' (skala af billedet i mikron per pixel). Bemærk at 'Dybde' oven på Referencebilledet blev indtastet manuelt under eksperimentet og er omtrentlige. Det svarer ikke til præcis værdien af 'Delta' frame niveau i stak billeder at hjernen overfladen vippes med hensyn til billedbehandling flyet. Venligst klik her for at se en større version af dette tal.

Figure 5
Figur 5: lav forstørrelse kort over overfladen Vaskulaturen. Billedet fanger udsatte hjernen regionen med overfladen skibe. De dykning segmenter af målte arteriolære træer er mærket med træ-id'er ('træ ID'). Disse kort er gemt i mappen "maps" i mappen hvor NNE 2.0 kører fra. Venligst klik her for at se en større version af dette tal.

Subscription Required. Please recommend JoVE to your librarian.

Discussion

NNE 2.0 blev skrevet for at dele den vaskulære billeddiagnostiske data for en specifik undersøgelse20 men med det formål at udvikle et simpelt værktøj til deling og udforske data af lignende art af andre brugere. Forskere interesseret i inspicerende den tilknyttede database af vaskulære data kan bruge GUI at gennemse dataene, vælge undersæt af data, sammenligne dem med deres egne eksperimentelle resultater eller behandle dem yderligere ved hjælp af deres egne edb-procedurer. Fortrolig med MATLAB-brugere kan udnytte direkte database 'vdb.mat' mens brugerne anvender en anden type af programmeringssprog kan eksportere data i en af de alternative formater ('.xls' eller '.csv').

Forskere, der er interesseret i at dele deres egne eksperimentelle data ved hjælp af NNE 2.0 skal strukturere resultaterne i en matrix på samme måde at 'vdb.mat'. Vigtigste poster til denne database skal være tidsforløbet af nogen art i form af vektorer og de tilsvarende tid vektorer. Parametre af databasen kan ændres eller tilføjes via modulopbygning af GUI. Alle reference billeder, billedstakke og hjernen eksponering kort (hvis relevant) bør indsamles og deponeres sammen med databasen og den eksekverbare GUI på internettet (f.eks. laboratorium webside eller en tredjeparts-repository).

Forskere interesseret i at bruge de vaskulære målinger sammen med 3D vaskulære morfologi i Modelundersøgelser af hjernefunktion kan først udforske data ved hjælp af GUI. Når du har valgt en ønskede undersæt af data, de kan bruge de metadataoplysninger eksporteres til 'ref_stacks_trace.xls' sammen med variabler i 'vdb.mat', 3D-stak billeder gemt i 'hana_stk' og hjerne eksponering kort i 'maps' at rekonstruere den vaskulære morfologi i 3D .

Den mest kritiske trin i protokollen er at eksportere dataene. Til korrekt udførsel af udvalgte data (fra panelet 3 og 4) er det vigtigt at lukke alle filer, som dataene skal eksporteres til før handlingen 'Eksport' er taget. Kun derefter overskrives filerne korrekt med den faktiske valg af data. Eventuelle ændringer til programmet eller fejlfinding skal udføres til kildekoden.

NNE 2.0 er udviklet til at dele tidsmæssige profiler er beregnet ud fra linje-scanninger, som blev erhvervet af 2-foton mikroskopi. Data udforsket af NNE 2.0 er derfor ikke rå intensitet scanninger men snarere pre forarbejdede tidsforløbet af relative diameterændringer. På denne måde er brugerne i stand til at behandle deres rå eksperimentelle data ved hjælp af deres egne standardprocedurer og software og bruge NNE 2.0 som en skabelon til at præsentere og dele deres resultater med andre forskere. Ikke kun vaskulære diameterændringer men dybest set enhver tidsafhængig signal måles ved hjælp af forskellige måleteknikker kan deles på denne måde. Sådanne signaler omfatter fluorescens af calcium24, natrium25, spænding følsomme farvestoffer26, genetisk kodet indikatorer for metabolitter27, partialtrykket af oxygen (pO2)28, blod iltning (fed 18, spektrale imaging29), blodgennemstrømning (speckle imaging29) eller Elektrofysiologi signalerer30. Forudsætning for brug af NNE 2.0 er en database i form af en matrix ' * .mat '. Dette kunne opnås enten ved behandlingen af oplysningerne direkte i MATLAB eller bruge værktøjer til at bygge matrix fra andre formater (f.eks. 'xlsread(filename)' serverer at læse excel spredning ark i '.mat' formater). Brugen af NNE 2.0 uden MATLAB er begrænset til at udforske, downloade og yderligere behandling af data fra den aktuelle database 'vdb.mat'.

NNE 2.0 har potentiale til at hjælpe med at sprede eksperimentelle data på tværs af bred neurovidenskab forskning Fællesskabet at blive undersøgt og sammenlignet med andre eksperimentelle data af lignende art at lette udviklingen af standarder for dataopsamling og behandling 31. NNE 2.0 kan også bidrage til spredning af data på tværs af Fællesskabets neuroinformatics, hvor det kan bruges i modeller af ikke-invasive billeddannelse signaler såsom funktionel magnetisk resonans imaging (fMRI)21. Mens NNE 2.0 ikke kan konkurrere med mere komplekse databaser5,32,33,34, kan det give en problemfri og klar-til-brug platform for databasing og deling af eksperimentelle data uden brug af yderligere omfattende investeringer.

Subscription Required. Please recommend JoVE to your librarian.

Disclosures

Forfatterne har ikke noget at oplyse.

Acknowledgments

Vi anerkender taknemmeligt støtte fra NIH (NS057198, EB00790, MH111359 og S10RR029050) og ministeriet for uddannelse, Ungdom og sport i Tjekkiet (CEITEC 2020, LQ1601). KK blev støttet af postdoc stipendier fra internationale hovedpine Society i 2014 og den videnskabelige og teknologiske forskning Rådet af Tyrkiet i 2015. MT blev støttet af postdoc stipendium fra tyske Research Foundation (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

Neurovidenskab spørgsmålet 135 automatisk databehandling dataindsamling visning af Data databaser som emne Search Engine neurovidenskab neuroinformatics anskuelighed bruger grænseflade MATLAB 2-foton imaging somatosensoriske cortex arterioler blodgennemstrømning Hæmodynamik cerebrovaskulær omsætning
Neurovaskulære netværk Explorer 2.0: Et simpelt værktøj til at udforske og dele en Database over Optogenetically-fremkaldte hjerte i mus Cortex 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