Summary
이 프로토콜은 뇌전도 데이터를 위한 다중 테이퍼 분광을 생성하는 오픈 소스, 컴파일된 MATLAB 프로그램을 제공합니다.
Abstract
현재 웹 리소스는 뇌전도(EEG) 데이터를 시각화하고 정량화하기 위한 분광을 계산하는 제한적이고 사용자 친화적인 도구를 제공합니다. 이 백서에서는 EEG 멀티테이퍼 분광기를 만들기 위한 Windows 기반의 오픈 소스 코드를 설명합니다. 컴파일된 프로그램은 소프트웨어 라이선스 없이 Windows 사용자가 액세스할 수 있습니다. 매킨토시 사용자의 경우 이 프로그램은 MATLAB 소프트웨어 라이선스를 보유한 사용자로 제한됩니다. 이 프로그램은 수면과 깨어의 상태의 기능으로 변화하는 EEG 분광기를 통해 설명, 그 상태에서 아편 유도 변경. C57BL/6J 마우스의 EEGs는 식염수(차량 제어) 및 모르핀, 부프레노르핀 및 펜타닐의 복강 내 주사 후 4시간 동안 무선으로 기록되었습니다. 스펙트로그램은 펜타닐 투여 후 1-3Hz 및 8-9 Hz에서 뇌파 전력에 유사한 변화를 일으킨 부프레노르핀과 모르핀이 3Hz와 7Hz에서 최대 평균 전력 대역을 밝혀낸 것으로 나타났습니다. 분광은 EEG 주파수 및 전력에 대한 가려지지 않은 차동 아편 효과. 이러한 컴퓨터 기반 방법은 약물 클래스 전반에 걸쳐 일반화할 수 있으며 다양한 리듬 생물학적 신호를 정량화하고 표시하도록 쉽게 수정할 수 있습니다.
Introduction
EEG 데이터는 주파수 영역에서 생산적으로 분석되어 행동 및 신경 생리학적 각성의 수준을 특성화할 수있다 1. 멀티테이퍼 분광기는 EEG 파형을 시간 및 주파수 영역으로 변환하여 시간에 걸쳐 서로 다른 주파수에서 동적 신호 전력을 시각화합니다. 멀티테이퍼 스펙트로그램은 푸리에 해석을 사용하여 스펙트럼 밀도 추정값을 생성합니다. 스펙트럼 밀도 추정은 파형을 신호를 포함하는 순수한 정현파로 분리하고 프리즘을 통해 백색광의 회절과 유사하여 전체 색상 스펙트럼을 볼 수있다 2. EEG의 다중 테이퍼 스펙트로그램은 상이한 주파수에서 진동하는 방전 패턴을 가진 뉴런의 여러 네트워크의 결합 된 활성을 나타낸다2. 시간 이동 고정으로 인해, 푸리에 변환은 시간과 주파수 도메인 사이의 최고의 변환으로 간주됩니다3. 푸리에 분석에는 여러 가지 제한사항이 있습니다. EEG 신호는 비고정적입니다. 따라서 푸리에 메서드에서는 작은 변경 사항이 인식되지 않을 수 있으며 데이터 집합의 크기에 따라 분석이 변경될 수 있습니다. 그러나 푸리에 변환을 비정지 신호에 적용할 때 창이 사용됩니다. 이것은 신호의 스펙트럼이 짧은 기간에 걸쳐 소폭만 변경된다고 가정합니다. 스펙트럼 분석을 위한 대체 방법은 뇌 질환 을 검출하기 위해 더 적합 할 수있는 파블렛 변환3.
기능적 관점에서, EEG 신호를 포함하는 상이한 진동은 상급, 형질표현형, 수면 및 깨어와 같은 상태 표현형2,또는 장마에 의한 깨어의 상실4,5,6이다. 수면과 깨어의 상태에 관해서는, 스펙트로그램은 내생적으로 생성된 수면의 리듬이 연속적이고 역동적인7임을명확하게 보여줍니다. 수면 및 각성 상태에 대한 정량적 설명은 전통적으로 EEG 기록의 각 구체적으로 정의된 시대(예를 들어, 10초)에 수면 또는 항적 분류를 할당하는 비닝 프로세스를 수반하였다. 그런 다음 이러한 상태 저장소를 시간 함수로 플롯합니다. 종종 최면이라고도 하는 시간 과정 데이터 플롯은 질병, 약물 투여, 일주기 리듬의 변화, 교대 근무 등에 의해 중단되는 수면과 정상적인 수면을 구별하는 데 사용됩니다. 최면 플롯의 한계는 그들이 사각형 파형으로 각성 상태를 표현하여 뇌파 신호를 잘못 표현한다는 것입니다. 최면 플롯은 각성 상태2의 불연속화를 포함하고 중간 또는 전환 단계의 미세하게 그레인 된 표시를 허용하지 않습니다. 또한, 10s 의 득점 시대는 시간 척도에 하한을 부과하여 시간의 불연속을 생성한다. 상태 와 시간의 불연속화의 결과는 의식 의 상태 사이의 동적 상호 작용에 관한 신경 생리학적 정보의손실이다 2 이러한상태의약물 유발 중단 4. 예를 들면, 다른 마취에이전트는 다른 분자 표적 및 신경망에 작동합니다. 이러한 신경망의 약리학적 조작은 약물, 투여량 및 투여 경로에 고유한 분광기를 안정적으로 생성한다4.
본 프로토콜은 오피오이드가 수면을 변화시키는 메커니즘에 관한 연구를 용이하게 하기 위해 개발되었다8,호흡9,nociception10,및 뇌 신경 화학11. 이 프로토콜은 독점 소프트웨어 또는 MATLAB 라이선스가 없는 시스템을 사용하여 완료할 수 있는 EEG 분석을 위한 다중 테이퍼 스펙트로그램을 만드는 데 필요한 단계를 설명합니다. C57BL/6J (B6) 마우스는 정상, 수면과 깨어의 방해받지 않는 상태와 아편의 전신 투여 후 새로운 EEG 분광기를 만드는 이 컴퓨터 기반 방법의 능력을 검증하는 데 사용되었다. 분석의 신뢰성 과 타당성은 B6 마우스가 식염수 (비히코)의 복강 내 주사와 모르핀, 부프레노르핀 및 펜타닐의 항노세포 투여를 받은 후 EEG 분광기 사이의 차이를 체계적으로 비교하여 확인되었습니다.
신생아 마우스 EEG 역학의 정량적 연구는 신생아 인간 EEG12의더 나은 이해를 달성하기 위한 연구를 위한 모형을 제공함으로써 번역 관련성을 가지고 있다. EEG 역학을 정량화하는 것은 단순히 설명이 아니며 EEG 데이터13에부분적으로 기초하여 각성 예측을 할 수 있는 기계 학습 접근법에 기여할 수 있다. 본 보고서의 목적은 마우스 EEG에서 약물 유발 변화를 특징짓는 다중 테이퍼 분광기 를 계산하기 위한 널리 접근가능한 사용자 친화적인 코드를 제공하여 번역 과학을 촉진하는 것입니다.
Protocol
마우스와 관련된 모든 절차는 실험실 동물의 관리 및 사용을위한 가이드 (8판, 국립 아카데미 프레스, 워싱턴 DC, 2011)를 준수하고 테네시 대학 기관 동물 관리 및 사용위원회에 의해 검토 및 승인되었습니다.
1. 기록 전극 및 초기 데이터 수집의 이식
- 마우스를 구입하고 음식과 물에 대한 광고 리비텀 액세스와 습도 및 온도 제어 방에 보관합니다. 마우스가 기록 전극의 외과 이식 전에 1 주일 동안 새로운 환경에 적응할 수 있도록 하십시오. 이식 절차는상세하게설명되어 있다1,14.
- 모든 수술 장비를 살균하십시오.
- 100 % 산소로 전달 된 2.5 %-3 %에서 이소플루란으로 마우스를 마취.
- 오른쪽 반사의 손실에 따라, 마취 유도 챔버에서 마우스를 제거하고 입체 프레임으로 전송.
- 두 눈에 안과 연고를 바하십시오.
- 마스크를 통해 지속적으로 전달되는 이소플루란을 1.7%로 줄입니다.
- 두개골을 노출하는 중간 선 두피 절개를합니다.
- 왼쪽 및 오른쪽 피질 위에 두 개의 두개골을 드릴 (각각 정면 = 1.0 및 측면 = bregma15에상대적)
- 각 개두량에 EEG 전극을 삽입하고 치과 아크릴로 고정하십시오.
- 이식 양극성 전극은 근전도(EMG)를 기록하기 위한 등지 사다리꼴 근육에 이식한다.
참고: 4개의 전극은 아래 쪽 몸체 사분면 위에 피하적으로 이식된 무선 텔레미터로 이끈다. 이러한 외과 적 기술은 여기에서 볼 수 있습니다 (https://www.datasci.com/services/dsi-surgical-services/surgical-videos). - 수술 후 진통 카프로펜을 투여하고 따뜻한 회복 케이지에 마우스를 놓습니다. 마우스가 외래가 될 때까지 관찰합니다. 집에 이식된 마우스를 개별적으로 이식하였다.
- 수술에서 완전한 회복시, 매일 마우스를 처리하고 EEG 및 EMG 기록의 품질을 평가합니다.
- 모든 신호를 기록하도록 데이터 수집 시스템을 구성합니다± 1,000 mV.
- 필요한 기간 동안 EEG 및 EMG 기록을 가져옵니다.
- 수면 채점 소프트웨어를 사용하여 디지털 EEG 및 EMG 기록의 각 10s 빈을 각 10s 의 웨이크, 급속한 눈 운동(REM) 수면 또는 비렘(NREM) 수면으로 채점한다.
참고: 마우스 균주 중에는 총전력(16)의백분율로 표현된 EEG 전력에서 유전자형 및 상태별 차이가 있다. B6 마우스에서, 깨어의 상태는 75-100 mV, 혼합 주파수 EEG, 및 운동 하는 동안 진폭에 큰 증가와 눈에 띄는 근육 톤을 보여주는 EMG 신호에 의해 특징입니다. NREM 수면 점수를 매기기 위한 기준은 깨어의 EMG 진폭에 상대적인 EMG 진폭의 감소를 포함한다. NREM 수면 EEG는 깨어에 비해 더 느린 주파수와 증가된 진폭(100-150 mV)을 가지고 있다. REM 수면은 근위증 및 뇌파 신호가 깨어있는 뇌파와 유사한 특징을 가지고 있다. - 두 사람에게 독립적으로 같은 기록을 채점하도록 지시한다. 적어도 한 명의 개인은 치료 상태를 눈멀게해야합니다. 두 수면 득점자 간의 일치 값은 90%를 초과해야 합니다.
2. 시설 및 장비
- 데이터 수집 계측 및 소프트웨어를 사용하여 필터링되지 않은 EEG 및 EMG 신호를 증폭 및 디지털화합니다.
참고: 콜드 스프링 하버 연구소의 미트라 연구소에서 개발된 Chronux 스펙트럼 분석 툴박스는 EEG 신호를 시간 및 주파수 영역과 관련하여 전력으로 표현하는 데 사용됩니다.
3. 분광전산
- Windows 사용자의 경우 컴파일된 프로그램을 사용합니다.
- 매킨토시 사용자의 경우 원시 코드 파일을 실행합니다.
- EDF 또는 CSV 파일 형식으로 처리되지 않은 원시 EEG 데이터를 가져와 컴파일된 프로그램 파일과 동일한 위치에 배치합니다.
- 다음 제약 조건을 사용하여 데이터 파일이름을 지정합니다.
- 다음 제약 조건을 사용하여 데이터 파일 이름을 지정합니다: 파일 이름에는 마침표, 쉼표, 공백 또는 기타 기호가 포함되어서는 안 됩니다.
- 컴파일된 멀티테이퍼 스펙트로그램 프로그램 다운로드(https://drive.google.com/).
- 스펙트로그램 프로그램을 실행하고 팝업 프롬프트를 따릅니다. 파일 형식을 선택합니다. CSV 또는 *. Edf.
참고: 추가 프로그램 설치 세부 정보는 readme.txt 파일에 있습니다. - 전체 EEG 파일 이름(예: 419eeg.edf 또는 419.eeg.csv)을 입력합니다.
- 스펙트로그램 계산에 대한 매개변수 를 선택합니다: 기본값 또는 새로. 이 단계에서는 스펙트로그램이 계산될 때 가장 긴 처리 시간이 필요합니다. 수학적 창기능(테이퍼)은 기본 스펙트럼에 대한 통계적으로 독립적인 추정치를 제공합니다. 레코딩 기간이 길수록 이 단계의 시간이 더 오래 소요됩니다. Windows 10을 실행하는 PC 플랫폼에서는 4시간 동안 최대 3-4분이 필요했습니다.
- 다음과 같은 기본 스펙트로그램 매개 변수를 사용합니다.
샘플링 주파수 = 500Hz. 이는 초당 샘플 수를 나타냅니다.
fpass = 0.3Hz 및 30Hz. Fpass는 입력 주파수를 정의하고 출력에 제공된 주파수 범위를 제어합니다.
패딩 = 2. 패딩은 어떤 식으로든 결과 계산에 영향을 주지 않고 출력을 미세하게 보간하는 데 효과적입니다. 이는 시각화 및 스펙트럼 선의 정확한 식별에 도움이 될 수 있습니다. 필드는 -1 이상에서 모든 정수입니다.
시간 대역폭 제품(NW) = 15. 신호 시간 지속 시간 및 스펙트럼 폭의 곱입니다.
테이퍼 수 = 29. 테이퍼 수를 선택할 때는 2NW-1을 사용하는 것이 필수적입니다. 사용되는 테이퍼 수에는 제한이 없습니다. 테이퍼가 많을수록 지정된 주파수 대역폭에 농도가 낮은 테이퍼가 포함됩니다.
평가판 평균 = 1. 이 매개 변수는 평가판 또는 채널 평균화 수행 여부에 관계없이 제어됩니다. 이 매개 변수가 0으로 설정된 경우 채널 평균화가 없으며 함수는 입력 데이터로 전달된 각 평가판 또는 채널에 대해 독립적인 결과를 출력합니다. 그러나 평가판 평균을 1로 설정하면 사용자에게 출력된 결과가 평가판 또는 채널을 통해 평균화됩니다.
FFT ~30s를 계산하는 시간은 많은 작은 창을 통해 스펙트럼을 계산하여 스펙트럼의 진화를 따르는 데 사용됩니다.
FFT 계산을 위한 창의 단계 크기 = 5. 각 스펙트럼 계산이 수행된 후 슬라이딩 시간 창이 진행되는 양입니다.
참고: 3.7.1단계에 명시된 기본 스펙트로그램 파라미터는 필요에 따라 변경할 수 있습니다.
- 다음과 같은 기본 스펙트로그램 매개 변수를 사용합니다.
- 스펙트로그램과 EEG 모두에 대한 제목을 입력합니다.
- 생성된 스펙트로그램과 EEG를 저장합니다.
- 파일 | 을 클릭하여 그림 저장 그림 창에 저장합니다.
참고: 이 수치는 프로그램 사용자에게 게시 품질의 수치로 개발할 수 있는 요약을 제공합니다.
- 파일 | 을 클릭하여 그림 저장 그림 창에 저장합니다.
4. 문제 해결
- 샘플 스펙트로그램 계산을 위한 샘플 마우스 수면 EEG 데이터를 다운로드합니다.
- 샘플 데이터로 프로그램을 실행하여 사용자가 프로그램을 올바르게 사용하고 있는지 확인합니다. 부록에서 이러한 샘플 데이터에 대한 수치를 찾아 샘플 데이터에서 생성된 수치가 정확한지 확인합니다.
참고: 사용되는 모든 장비와 재료는 재료 표에제공되었습니다.
Representative Results
다음 수치는 분광기에 의해 제공되는 뇌 흥분성의 EEG 지수에 대한 새로운 통찰력의 유형을 보여줍니다.
도 1A는 깨어있는 동안 피질 뇌파의 유사점 및 차이를 나타낸, NREM 수면, 및 REM 수면을 예시한다. 많은 조사자들은 이러한 종류의 흔적을 EMG 기록(표시되지 않음)과 함께 사용하여 수면과 깨어를 정량화합니다. 그림 1B는 EEG 및 EMG 기록의 평가에 기초하여 수면과 깨어상태의 현세적 조직을 전달하기 위해 최면 플롯을 사용합니다. 국가는 10 s 시대에 득점하고 이 시대는 4 시간 기록을 포함하는 14,400 s 도중 최면으로 플롯되었습니다. 최면 플롯은 상태 간의 전환이 연속및 비선형이라는 사실을 설명하지 않습니다. 최면 플롯과는 달리, 스펙트로그램(그림 1C)은시간의 함수로 EEG 주파수와 전력의 매우 동적 변화를 보여줍니다. 스펙트로그램은 또한 깨어 있는 동안 과 REM 잠 도중 피질 EEG 신호 사이 유사성을 강조합니다. 스펙트로그램(그림1C)마크 상태에 중첩된 3개의 박스는 상기 최면법에서 깨어(WAKE), NREM 수면 및 REM 수면으로 확인되며(그림1B)EEG 주파수 및 전력의 상세한 변화를 시각화하는 데 도움을 주기 위해 제공된다. 전체 기록에 대한 스펙트로그램은 연속 공정으로서 EEG의 미묘한 인식을 제공한다.
도 2는 식염수, 모르핀, 부프레노르핀 및 펜타닐의 복강 내 투여 후 4시간의 EEG 기록을 요약한 4개의 다중 태퍼 분광기를 제공한다. 네 개의 기록은 모두 동일한 마우스에서 이며 빛 발병 후 2 시간 시작 되었다. 아편은 식염수가 아닌 NREM 및 REM 수면을 억제하고, 깨어있는 양을 증가시켰다. 다양한 새로운 특징이 분광기에 의해 시각화됩니다. 새로운 EEG 기능의 검출은 화학적 위협 환경에서 아편 분화에 대한 잠재적 응용 가능성을 시사한다. 식염수 분사후(도 2A)가장 많은 전력이 2-4 Hz 범위에 상주하여 NREM 수면을 나타낸다. EEG 분광기는 아편 투여에 의해 근본적으로 변경되었으며, 각 아편은 독특한 스펙트럼 변화를 일으켰다는 점에 유의하십시오.
도 3은 분광법에 의해 예시된 EEG 변화가 각 반주파수의 평균 지배 스펙트럼 전력으로 정량화되고 표현될 수 있음을 보여준다(도 3A)및 특정 EEG 주파수 대역 내의 평균 스펙트럼 전력으로(도3B). 식염수의 가장 큰 차이점은 buprenorphine에 의해 발생하고 델타와 세타 범위에서 발생했다.
그림 1: 최면및 분광기를 만드는 데 사용되는 피질 뇌파 기록. (A)뇌파형은 기준선(주입 없음) 기록 동안 깨어, NREM 수면 및 REM 수면 동안 기록된다. 각 추적은 90s의 기록을 보여줍니다. (B)최면은 의식의 상태를 전달하기 위해 바의 높이를 사용 (좌표) 대 4 기록의 시간 (abscissa). (C)4 시간 기록 시간 (abscissa)의 함수로 헤르츠 (Hz, 왼쪽 좌표)의 다른 EEG 주파수에서 데시벨 (dB, 오른쪽 좌표) 또는 스펙트럼 전력 밀도에서 EEG 전력을 전달하는 컬러 바를 사용하여 테이퍼 스펙트람. 각 에피소드의 각 깨어, NREM 수 면 및 REM 수 면을 묘사 하기 위해 분광에 검은 수직 라인 추가 되었습니다. (스펙트로그램 파라미터: 샘플링 주파수 = 500Hz, fpass = 0.3 Hz 및 30Hz, 패딩 = 2, 시간 대역폭 = 15, 테이퍼 수 29, 평가판 평균 = 1, FFT ~30s, FFT 계산을 위한 창의 스텝 크기 = 5). 이 그림의 더 큰 버전을 보려면 여기를 클릭하십시오.
그림 2: 아편 투여로 인한 EEG 전력 및 주파수의 변화를 보여주는 분광사진. 각 분광기는 EEG 주파수를 헤르츠(Hz, 좌좌좌)와 데시벨(dB)의 EEG 전력을 사용하여 4시간 동안 (압시사) 투여 후(A)식염수,(B)모르핀,(C)부프레노르핀 및(D)페타닐을 사용한다. (스펙트로그램 파라미터: 샘플링 주파수 = 500Hz, fpass = 0.3 Hz 및 30Hz, 패딩 = 2, 시간 대역폭 = 15, 테이퍼 수 29, 평가판 평균 = 1, FFT ~30s, FFT 계산을 위한 창의 스텝 크기 = 5). 이 그림의 더 큰 버전을 보려면 여기를 클릭하십시오.
도 3: 아편은 델타 및 세타 EEG 주파수 대역 내의 평균 EEG 전력을 차별화적으로 변화시켰다. (A) 그림 2에나타난 각 4시간 녹화 동안평균 EEG 전력을 요약한다. 각 절반 주파수에서 평균 EEG 전력을 플로팅 (abscissa). 식염수 대조군을 기준으로, 다른 세 가지 함수각각은 평균 EEG 전력에서 아편 특이적 변화를 보여준다. (b)식염수(S), 부프레노르핀(B), 모르핀(M), 및 펜타닐(F)을 투여한 후 4개의 EEG 주파수 대역(델타, 세타, 알파 및 베타)에서 평균 EEG 전력을 예시한다. 색상 코딩은 A의 전원 기능과 B의평균 전원 대역에 대해 동일합니다. 이 그림의 더 큰 버전을 보려면 여기를 클릭하십시오.
Discussion
여기에 설명된 프로그램은 프로토콜 섹션 3, 스펙트로그램 계산에 설명된 9단계를 사용하여 스펙트로그램을 생성하기 위해 개발되었습니다. 이러한 단계에는 스펙트로그램 프로그램을 획득하고, 올바른 파일 형식을 보장하고, 고유한 사용자 분광을 생성하기 위한 계산 파라미터를 변경하는 것이 포함됩니다. 사용자는 다양한 개념적 질문과 실험 설계에 맞는 분광사진을 만들 수 있습니다. 이러한 개발 프로세스의 용이성과 효율성을 향상시키기 위해서는 위에서 설명한 제약 조건에 따라 명명된 올바른 파일 형식으로 원시 EEG 데이터를 제공하는 것이 필수적입니다. 마우스 EEG 데이터에 대한 예제 신호가 제공되었지만, 스펙트로그램 프로그램은 신호 처리 제한이 없는 인간 및 비인간 EEG 데이터에 쉽게 적용할 수 있습니다.
문제 해결 및 방법 수정에 권장되는 방법은 작은 데이터 집합을 분석하는 것입니다. 고려해야 할 주요 프로그램 출력에는 필터링된 EEG의 플롯과 스펙트로그램이 포함됩니다. 테이퍼 스펙트로그램의 매력적인 측면은 다양한 주기적인 생물학적 신호에 적용할 수 있다는 것입니다. 다양성은 렌쇼셀(18)의 1,000Hz 방전 속도와 같은 매우 빠른 리듬에 이르는 장시간 circadian (24 h) 리듬(17)에서다양합니다.
데이터 서식은 이 스펙트로그램 프로토콜의 제약 조건입니다. 유럽 데이터 포맷(EDF)은 EEG 데이터와 함께 널리 사용됩니다. 그러나 다른 많은 서식 옵션이 있습니다. 이러한 이유로 사용자가 파일 형식을 변경하려는 경우 원시 코드 파일이 포함되었습니다(위의 3.2 참조). 원시 프로그램 파일과 관련하여 파일 형식을 변경하기 위해 컴퓨터 프로그래밍 언어를 경험할 필요가 있다는 또 다른 제한 사항이 있습니다. 모든 조사자가 독점 소프트웨어와 플러그인의 전체 배열에 액세스할 수 있는 것은 아닙니다. 이 프로토콜은 소프트웨어 라이선스 없이 WINDOWS 기반 장치에서 실행되는 컴파일된 프로그램을 제공하여 이 문제를 회피하기 위해 개발되었습니다. 이것은 컴파일 된 프로그램에 포함되어 있으며 사용자가 소프트웨어 등록을 필요로하지 않는 RUNTIME 플러그인을 통해 달성된다.
이 EEG 스펙트로그램 루틴은 사용자가 광범위한 데이터에서 개인화된 멀티테이퍼 분광기를 생성할 수 있는 새로운 오픈 소스 컴퓨터 기반 프로그램입니다. 사용자는 스펙트로그램 생성의 모든 전산 측면을 완벽하게 제어할 수 있습니다. 사전 신호 처리 및 컴퓨터 프로그래밍 지식이 없으면 스펙트로그램을 생성하기가 어려울 수 있습니다. 여기에 설명된 프로토콜은 스펙트로그램 생성을 용이하게 할 것이다. 추가 신호 처리 판독값 및 다중 테이퍼 스펙트로그램 안내는 추가 재료 섹션을 참조하십시오.
보충 자료
http://chronux.org
http://www-users.med.cornell.edu/~jdvicto/pdfs/pubo08.pdf
http://www.fieldtriptoolbox.org/tutorial/timefrequencyanalysis/
https://www.ncbi.nlm.nih.gov/pmc/articles/PMC4502759/#SD3-data
Disclosures
저자는 이해관계의 충돌이 없습니다.
Acknowledgments
이 작품은 NIH 교부금 HL-65272에 의해 부분적으로 지원. 저자는 이 프로젝트에 기여한 재커리 T. 글로박과 클라렌스 E. 록클리어에게 감사를 표한다.
Materials
| Name | Company | Catalog Number | Comments |
| Dental acrylic | Lang Dental Manufacturing Co | Jet powder and liquid | |
| EEG/EMG Amplifier | Data Science International | model MX2 | |
| macOS Mojave | Apple | v10.14.4 | |
| MATLAB | Mathworks | v9.4.0.813654 | software for spectrogram comp. |
| Mouse anesthesia mask | David Kopf Instruments | model 907 | |
| Neuroscore | Data Science International | v3.3.9317-1 | software for scoring sleep and wakefulness |
| Ponemah | Data Science International | v5.32 | software for EEG/EMG Data Acquisition |
| Stereotaxic frame | David Kopf Instruments | model 962 | |
| Stereotaxic frame, mouse adapter | David Kopf Instruments | model 921 | |
| Windows 10 | Microsoft | v10.0.17763.503 | |
| Wireless Telemeter | Data Science International | model HD-X02 |
References
- Wasilczuk, A. Z., Proekt, A., Kelz, M. B., McKinstry-Wu, A. R. High-density electroencephalographic acquisition in a rodent model using low-cost and open source resources. Journal of Visualized Experiments. 117, 10 (2016).
- Prerau, M. J., Brown, R. E., Bianchi, M. T., Ellenbogen, J. M., Purdon, P. L. Sleep neurophysiological dynamics through the lens of multitaper spectral analysis. Physiology. 32, 60-92 (2017).
- Akin, M. Comparison of wavelet transform and FFT methods in the analysis of EEG signals. Journal of Medical Systems. 26 (3), 241-247 (2002).
- Purdon, P. L., Sampson, A., Pavone, A., Brown, E. N. Clinical electroencephalography for anesthesiologists Part 1: Background and basic signatures. Anesthesiology. 123 (4), 937-960 (2015).
- Liu, Q., et al. Frontal EEG temporal and spectral dynamics similarity analysis between propofol and desflurane induced anesthesia using Hilbert-Huang Transform. BioMed Research International. 2018, 4939480 (2018).
- Akeju, O., et al. Spatiotemporal dynamics of dexmedetomidine-induced electroencephalogram oscillations. PLoS One. 11 (10), (2016).
- Ogilvie, R. D. The process of falling asleep. Sleep Medicine Reviews. 5 (3), 247-270 (2001).
- Baghdoyan, H. A., Lydic, R. Basic Neurochemistry. Brady, S. T., Albers, R. W., Price, D. L., Siegel, G. J. , Elsevier. 982-999 (2012).
- Angel, C., et al. Buprenorphine depresses respiratory variablity in obese mice with altered leptin signaling. Anesthesiology. 128 (5), 984-991 (2018).
- Glovak, Z. T., Mihalko, S., Baghdoyan, H. A., Lydic, R. Leptin status alters buprenorphine-induced antinociception in obese mice with dysfunctional leptin receptors. Neuroscience Letters. 660, 29-33 (2017).
- Zhang, X., et al. Morphine and fentanyl delivered to prefrontal cortex of behaving mice depress breathing and alter neurotransmitter concentrations. Anesthesia & Analgesia. , In Press (2019).
- Cornelissen, L., Kim, S. E., Purdon, P. L., Brown, E. N., Berde, C. B. Age-dependent electroencephalogram (EEG) patterns during sevoflurane general anesthesia in infants. eLIFE. 4, e06513 (2015).
- Chini, M., et al. Neural correlates of anesthesia in newborn mice and humans. Front Neural Circuits. 13 (Article 38), 1-13 (2019).
- Flint, R. R., Chang, T., Lydic, R., Baghdoyan, H. A. GABA-A receptors in the pontine reticular formation of C57BL/6J mouse modulate neurochemical, electrographic, and behavioral phenotypes of wakefulness. Journal of Neuroscience. 30 (37), 12301-12309 (2010).
- Paxinos, G., Franklin, K. B. J. The Mouse Brain in Stereotaxic Coordinates. , 4th edn, Academic Press. (2018).
- Franken, P., Malafosse, A., Tafti, M. Genetic variation in EEG activity during sleep in inbred mice. American Journal of Physiology. 257 (4), (1998).
- Ko, C. H., et al. Emergence of noise-induced oscillations in the central circadian pacemaker. PLoS Biol. 8 (10), e1000513 (2010).
- Steriade, M., Curró Dossi, R., Conteras, D. Electrophysiological properties of intralaminar thalamocortical cells discharging rhythmic (40 Hz) spike-bursts at 1000 Hz during waking and rapid eye movement sleep. Neuroscience. 56, 1-9 (1993).
