Ce protocole fournit un programme MATLAB ouvert et compilé qui génère des spectrogrammes multitapers pour les données électroencéphalographiques.
Les ressources Web actuelles fournissent des outils limités et conviviaux pour calculer les spectrogrammes pour visualiser et quantifier les données électroencéphalographiques (EEG). Cet article décrit un code open source basé sur Windows pour la création de spectrogrammes multitapers EEG. Le programme compilé est accessible aux utilisateurs de Windows sans licence logicielle. Pour les utilisateurs de Macintosh, le programme est limité à ceux qui ont une licence logicielle MATLAB. Le programme est illustré par des spectrogrammes EEG qui varient en fonction des états de sommeil et d’éveil, et des altérations induites par les opiacés dans ces états. Les EEGs des souris de C57BL/6J ont été sans fil enregistrés pendant 4 h après injection intrapéritonéale des doses saline (contrôle de véhicule) et antinociceptives de morphine, de buprénorphine, et de fentanyl. Les spectrogrammes ont montré que la buprénorphine et la morphine ont causé des changements similaires dans la puissance de l’EEG à 1-3 Hz et 8-9 Hz. Spectrograms après l’administration de fentanyl a révélé des bandes de puissance moyennes maximales à 3 Hz et 7 Hz. Les spectrogrammes démasqué effets différentiels opiacés sur la fréquence et la puissance eEG. Ces méthodes informatiques sont généralement régétatibles dans toutes les classes de médicaments et peuvent être facilement modifiées pour quantifier et afficher un large éventail de signaux biologiques rythmiques.
Les données de l’EEG peuvent être analysées de manière productive dans le domaine de la fréquence pour caractériser les niveaux d’excitation comportementale et neurophysiologique1. Les spectrogrammes multitapers transforment la forme d’onde EEG en domaines du temps et de la fréquence, ce qui entraîne la visualisation de la puissance du signal dynamique à différentes fréquences à travers le temps. Le spectrogramme multitaper utilise l’analyse de Fourier pour produire des estimations de densité spectrale. L’estimation de densité spectrale sépare une forme d’onde dans les ondes sinusoïdales pures composant le signal et est analogue à la diffraction de la lumière blanche à travers un prisme pour voir tout le spectre des couleurs2. Le spectrogramme multitaper de l’EEG représente l’activité combinée de plusieurs réseaux de neurones avec des modèles de décharge qui oscillent à différentes fréquences2. En raison de son décalage horaire invariant, la transformation Fourier est considérée comme la meilleure transformation entre les domaines de temps et de fréquence3. L’analyse de Fourier a également un certain nombre de limitations. Les signaux EEG sont non stationnaires. Par conséquent, de petits changements peuvent ne pas être perçus selon les méthodes Fourier et l’analyse peut changer en fonction de la taille de l’ensemble de données. Cependant, la fenêtre est utilisée lors de l’application d’une transformation Fourier à un signal non stationnaire. Cela suppose que le spectre du signal ne change que marginalement sur de courtes périodes de temps. Une autre méthode pour l’analyse spectrale est la transformation des ondes qui peut être plus appropriée pour détecter les maladies du cerveau3.
D’un point de vue fonctionnel, les différentes oscillations comprenant un signal EEG sont des phénotypes de caractère de niveau inférieur caractéristiques des phénotypes d’état de niveau supérieur tels que le sommeil et l’éveil2, ou la perte d’éveil causée par les anesthésiques généraux4,5,6. En ce qui concerne les états de sommeil et d’éveil, le spectrogramme illustre clairement que les rythmes de sommeil générés endogènement sont continus et dynamiques7. Les descriptions quantitatives des états de sommeil et d’éveil ont traditionnellement impliqué un processus de binning qui attribue une classification du sommeil ou du réveil à chaque époque spécifiquement définie (p. ex., 10 s) de l’enregistrement de l’EEG. Ces bacs d’état sont ensuite tracés en fonction du temps. Les diagrammes de données de cours de temps, souvent appelés hypnogrammes, sont employés pour différencier le sommeil normal du sommeil qui est perturbé par la maladie, l’administration de drogue, les changements dans les rythmes circadiens, le travail de quart, etc. Une limitation des parcelles d’hypnogramme est qu’elles dénaturent les signaux d’EEG en exprimant des états d’excitation comme formes d’ondes carrées. Le tracé d’hypnogramme implique une discrète des états d’excitation2 et ne permet pas un affichage finement granulé des étapes intermédiaires ou de transition. En outre, les époques de notation de 10 s produisent une discrétion du temps en imposant une limite inférieure sur l’échelle de temps. Le résultat de la discrétion de l’état et du temps est la perte de l’information neurophysiologique concernant l’interaction dynamique entre les états de conscience2 et la perturbation drogue-induite de ces états4. Par exemple, différents agents anesthésiques agissent sur différentes cibles moléculaires et réseaux neuronaux. La manipulation pharmacologique de ces réseaux neuronaux produit de façon fiable des spectrogrammes uniques au médicament, à la dose et à l’itinéraire de l’administration4.
Le protocole actuel a été développé pour faciliter la recherche concernant les mécanismes par lesquels les opioids modifient le sommeil8,la respiration9,nociception10,et la neurochimie de cerveau11. Ce protocole décrit les étapes requises pour créer un spectrogramme multitapered pour les analyses EEG qui peuvent être complétés à l’aide d’un logiciel propriétaire ou d’un système qui n’a pas de licence MATLAB. Des souris de C57BL/6J (B6) ont été employées pour valider la capacité de cette méthode informatisée pour créer de nouveaux spectrogrammes d’EEG pendant les états normaux et non perturbés de sommeil et d’éveil et après administration systémique des opiacés. La fiabilité et la validité des analyses ont été confirmées par des comparaisons systématiques des différences entre les spectrogrammes d’EEG après que les souris B6 aient reçu des injections intrapéritones de saline (contrôle de véhicule) et des doses antinociceptives de morphine, de buprénorphine et de fentanyl.
Les études quantitatives de la dynamique néonatale de l’EEG de souris ont une pertinence translationnelle en fournissant un modèle pour les études visant à parvenir à une meilleure compréhension de l’EEG humain néonatal12. Quantifier la dynamique de l’EEG n’est pas seulement descriptif et peut contribuer à des approches d’apprentissage automatique qui peuvent prédire l’excitation basée en partie sur les données de l’EEG13. L’objectif du présent rapport est de promouvoir la science translationnelle en fournissant un code largement accessible et convivial pour l’informatique des spectrogrammes multitapers qui caractérisent les changements induits par la drogue dans l’EEG de souris.
Le programme décrit ici a été développé pour créer un spectrogramme en utilisant les neuf étapes décrites dans la section 3 du protocole, Spectrogram Computation. Ces étapes impliquent l’acquisition du programme de spectrogrammes, la garantie du format de fichier correct et la modification des paramètres de calcul pour la génération de spectrogrammes utilisateur uniques. Les utilisateurs peuvent créer des spectrogrammes adaptés à une gamme de questions conceptuelles et de conceptions expérimentales. Afin d’améliorer la facilité et l’efficacité de ce processus de développement, il est essentiel de fournir les données brutes de l’EEG dans le format de fichier correct, nommé en fonction des contraintes décrites ci-dessus. Bien que des signaux d’exemple aient été fournis pour les données de l’EEG de souris, le programme de spectrogrammes s’applique facilement aux données d’EEG humaines et non humaines qui sont exemptes de limitations de traitement du signal.
L’approche recommandée pour le dépannage et la modification des méthodes est de commencer par l’analyse d’un petit ensemble de données. Les principaux résultats du programme à considérer comprennent des parcelles de l’EEG filtré ainsi que le spectrogramme. Un aspect attrayant du spectrogramme effilé est qu’il peut être appliqué à une grande variété de signaux périodiques et biologiques. La variété varie de longues durées circadiennes (24 h) rythmes17 à des rythmes très rapides tels que 1000 Taux de décharge Hz d’une cellule Renshaw18.
Le formatage des données est une contrainte de ce protocole de spectrogramme. Le format européen des données (EDF) est largement utilisé avec les données EEG. Cependant, il existe de nombreuses autres options de mise en forme. Pour cette raison, le fichier de code brut a été inclus (voir 3.2 ci-dessus) au cas où l’utilisateur voudrait modifier le format du fichier. En ce qui concerne le fichier de programme brut, une autre limitation est la nécessité d’une expérience avec le langage de programmation informatique afin de modifier le format du fichier. Tous les enquêteurs n’ont pas accès au logiciel propriétaire et à la gamme complète de plug-ins. Ce protocole a été développé pour contourner ce problème en fournissant un programme compilé qui fonctionne sur un appareil WINDOWS sans licence logicielle. Ceci est réalisé grâce au plugin RUNTIME qui est inclus dans le programme compilé et ne nécessite pas d’enregistrement logiciel par l’utilisateur.
Cette routine de spectrogramme EEG est un nouveau programme informatisé open source qui permet aux utilisateurs de créer des spectrogrammes personnalisés et multitaperà à partir d’un large éventail de données. L’utilisateur a un contrôle complet sur tous les aspects de calcul de la génération de spectrogrammes. Sans connaissance préalable du traitement du signal et de la programmation informatique, les spectrogrammes peuvent être difficiles à générer. Le protocole décrit ici facilitera la génération de spectrogrammes. S’il vous plaît voir la section de matériel supplémentaire pour d’autres lectures de traitement du signal et de guidage spectrogramme multitaper.
Matériel supplémentaire
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
The authors have nothing to disclose.
Ce travail est soutenu en partie par une subvention des NIH HL-65272. Les auteurs remercient Zachary T. Glovak et Clarence E. Locklear pour leur contribution à ce projet.
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 |