Summary
Detta protokoll ger en öppen källkod, kompilerat MATLAB program som genererar multikona spektrogram för elektroencefalographic data.
Abstract
Aktuella webbresurser ger begränsade, användarvänliga verktyg för att beräkna spektrogram för visualisering och kvantifiering av elektroencefalographic (EEG) data. Denna uppsats beskriver en Windows-baserad, öppen källkod för att skapa EEG multitaper spektrogram. Det kompilerade programmet är tillgängligt för Windows-användare utan program licensiering. För Macintosh-användare är programmet begränsat till de som har en MATLAB-programvarulicens. Programmet illustreras via EEG-spektrogram som varierar som en funktion av tillstånd av sömn och vakenhet, och opiat-inducerad förändringar i dessa stater. De EEGs av C57BL/6j möss spelades in trådlöst för 4 h efter intraperitoneal injektion av saltlösning (fordon kontroll) och och doser av morfin, buprenorfin, och fentanyl. Spektrogrammen visade att buprenorfin och morfin orsakade liknande förändringar i EEG-effekt vid 1 − 3 Hz och 8 − 9 Hz. spektrogram efter administrering av fentanyl visade maximal genomsnittlig effekt frekvens vid 3 Hz och 7 Hz. Spektrogrammen avslöjade differentiella opiateffekter på EEG-frekvens och effekt. Dessa datorbaserade metoder är generaliserbara i olika läkemedelsklasser och kan lätt modifieras för att kvantifiera och visa ett brett spektrum av rytmiska biologiska signaler.
Introduction
EEG-data kan produktivt analyseras i frekvensområdet för att karakterisera nivåer av beteendemässig och neurofysiologisk upphetsning1. Multitaper-Spektrogrammen förvandlar EEG-vågformen till tids-och frekvensområden, vilket resulterar i visualisering av den dynamiska signal kraften vid olika frekvenser över tid. Multitaper-spektrogrammet använder Fourieranalys för att framställa spektraldensitetsskattningar. Spektraldensitet uppskattning separerar en vågform i den rena sinusformade vågor bestående av signalen och är analog med diffraktion av vitt ljus genom ett prisma för att se hela spektrumet av färger2. Multitaper-spektrogrammet av EEG representerar den kombinerade aktiviteten hos flera nätverk av nervceller med urladdnings mönster som oscillerar vid olika frekvenser2. På grund av dess tidsförskjutning invariant, Fourier Transform anses vara den bästa omvandlingen mellantid och frekvens domäner3. Fourieranalyser har också ett antal begränsningar. EEG-signaler är icke-stationära. Därför kan små förändringar inte uppfattas enligt Fouriermetoder och analysen kan ändras beroende på storleken på datamängden. Däremot används fönster vid applicering av en Fouriertransformering till en icke-stationär signal. Detta antar att spectrumen av signalera ändrar endast marginellt över kort perioder av tid. En alternativ metod för spektralanalys är wavelet Transform som kan vara lämpligare för att upptäcka hjärnsjukdom3.
Ur ett funktionellt perspektiv, de olika svängningar som består av en EEG-signal är lägre nivå, drag fenotyper karakteristiska för högre nivå, statliga fenotyper såsom sömn och vakenhet2, eller förlusten av vakenhet orsakad av narkos4,5,6. När det gäller tillstånd av sömn och vakenhet, visar spektrogrammet tydligt att endogent genererade rytmer av sömn är kontinuerliga och dynamiska7. Kvantitativa beskrivningar av tillstånd av sömn och vakenhet har traditionellt inneburit en binning process som tilldelar en sömn eller vakna klassificering till varje specifikt definierad epok (t. ex., 10 s) av EEG-inspelning. Dessa tillståndslager platser ritas sedan som en funktion av tiden. Tid kurs data tomter, ofta kallad hypnogram, används för att skilja normal sömn från sömn som störs av sjukdom, läkemedelsadministration, förändringar i dygnsrytm, skiftarbete, etc. En begränsning av hypnogramtomter är att de förvränger EEG-signaler genom att uttrycka upphetsning stater som kvadratiska vågformer. Hypnogram plottning innebär en diskretisering av upphetsning stater2 och inte tillåter en finkornig visning av mellanliggande eller övergångs stadier. Dessutom ger 10 s scoring epoker en diskret tid genom att införa en lägre gräns på tidsskalan. Resultatet av den diskretisering av både stat och tid är förlusten av neurofysiologisk information om det dynamiska samspelet mellan medvetandetillstånd2 och läkemedelsinducerad störning av dessa stater4. Till exempel, olika bedövningsmedel agera på olika molekylära mål och neurala nätverk. Farmakologisk manipulation av dessa neurala nätverk ger tillförlitligt spektrogram som är unika för läkemedlet, dosen och administreringsvägen4.
Detta protokoll utvecklades för att underlätta forskning om de mekanismer genom vilka opioider Alter Sleep8, andning9, nociception10, och hjärnans neurokemi11. Detta protokoll beskriver de steg som krävs för att skapa ett multikoniskt spektrogram för EEG-analyser som kan slutföras med proprietär programvara eller ett system som inte har MATLAB-licensiering. C57BL/6J (B6) möss användes för att validera förmågan hos denna datorbaserade metod att skapa nya EEG-spektrogram under normala, ostörda tillstånd av sömn och vakenhet och efter systemisk administrering av opiater. Analysernas tillförlitlighet och validitet bekräftades genom systematiska jämförelser av skillnader mellan EEG-Spektrogrammen efter att B6-möss fått intraperitoneala injektioner av saltlösning (fordonskontroll) och antinociceptiva doser av morfin, buprenorfin och fentanyl.
Kvantitativa studier av neonatal mus EEG-dynamik har translationell relevans genom att tillhandahålla en modell för studier som syftar till att uppnå en bättre förståelse av neonatal Human EEG12. Kvantifiering av EEG-dynamik är inte bara beskrivande och kan bidra till maskininlärningsmetoder som kan förutsäga upphetsning baserat delvis på EEG-data13. Målet med denna rapport är att främja translationell vetenskap genom att tillhandahålla en allmänt tillgänglig, användarvänlig kod för databehandling multikoner spektrogram som kännetecknar läkemedelsinducerade förändringar i mus EEG.
Protocol
Alla procedurer med möss anslutit sig till guiden för vård och användning av försöksdjur (8: e upplagan, National Academies press, Washington DC, 2011) och granskades och godkändes av University of Tennessee institutionella djuromsorg och användning kommittén.
1. implantation av inspelnings elektroder och ursprunglig data insamling
- Köp möss och förvara dem i ett fuktighets-och temperaturkontrollerat rum med AD libitum tillgång till mat och vatten. Låt möss anpassa sig till sin nya miljö under en vecka före kirurgisk implantation av inspelnings elektroder. Implantations proceduren har beskrivits i detalj1,14.
- Sterilisera all kirurgisk utrustning.
- Anesthetize möss med isofluran på 2,5% − 3% levereras i 100% syre.
- Efter förlusten av den rätande reflex, ta bort musen från anestesi induktion kammaren och överföra den till en stereotaxic ram.
- Applicera en oftalmisk salva på båda ögonen.
- Minska isofluran till 1,7%, kontinuerligt levereras via en mask.
- Gör en mittlinjen hårbotten snitt för att exponera skallen.
- Borra två kraniotomier ovanför vänster och höger Cortex (varje på stereotaxic koordinater anterior = 1,0 och lateral = 3,0 i förhållande till bregma15).
- Sätt in EEG-elektroderna i varje kraniotomi och säkra med Dental akryl.
- Implantat bipolär elektroder i dorsala trapezius muskeln för inspelning av Elektromyogram (EMG).
Anmärkning: De fyra elektroderna leds till en trådlös telemeter implanteras subkutant över nedre högra kroppen kvadrant. Dessa kirurgiska tekniker kan ses här (https://www.datasci.com/services/dsi-surgical-services/surgical-videos). - Efter operationen, administrera smärtstillande karprofen och Placera musen i en varm återhämtning bur. Observera musen tills den är ambulatorisk. Hus implanterade möss individuellt.
- Vid full återhämtning från operationen, hantera möss dagligen och utvärdera kvaliteten på EEG och EMG inspelningar.
- Konfigurera datainsamlingssystemet för att registrera alla signaler ± 1 000 mV.
- Få EEG-och EMG-inspelningar under den tid som behövs.
- Score varje 10 s bin av den digitala EEG och EMG inspelningar som vakenhet, snabb ögonrörelser (REM) sömn, eller icke-REM (NREM) sova med sömn scoring programvara.
Anmärkning: Bland mus stammar finns genotyp-och tillståndsspecifika skillnader i EEG-effekt uttryckt som en procentandel av den totala effekten16. I B6 möss, påstår av vakenhet kännetecknas av en 75 − 100 mV, blandad frekvens EEG, och av EMG signaler visar framträdande muskeltonus med stora ökningar i amplitud under förflyttning. Kriterier för bedömning NREM sova inkluderar en minskning av EMG amplitud i förhållande till EMG amplitud av vakenhet. NREM-sömnen EEG har en långsammare frekvens och ökande amplitud (100 − 150 mV) som jämförs till vakenhet. REM-sömn kännetecknas av muskel Atonia och en EEG-signal som liknar EEG av vakenhet. - Instruera två personer att självständigt poänggöra samma post. Minst en individ bör för förblindade till behandling villkorar. Konkordans värden mellan de två sömn SCORERS bör vara större än 90%.
2. anläggningar och utrustning
- Förstärk och digitalisera ofiltrerade EEG-och EMG-signaler med hjälp av datainsamlings instrument och programvara.
Anmärkning: Den Chronux spektrala analys verktygslåda som utvecklats i Mitra laboratorium vid Cold Spring Harbor laboratorium används för att uttrycka EEG-signaler som effekt i förhållande till tid och frekvens domäner.
3. beräkning av spektrogram
- Använd det kompilerade programmet om du använder en Windows-användare.
- Om en Macintosh-användare kör du RAW-kodfilen.
- Få rå, obearbetade EEG-data i antingen EDF-eller CSV-filformat och placera den på samma plats som den kompilerade programfilen.
- Namnge datafilerna med följande begränsningar: namn måste bestå av endast bokstäver, siffror, understreck eller streck.
- Namnge datafilerna med följande begränsningar: filnamn får inte innehålla punkter, kommatecken, mellanslag eller andra symboler.
- Ladda ner det kompilerade Multitaper-Spektrogramprogrammet (https://Drive.Google.com/).
- Starta spektrogramprogrammet och följ popup-anvisningarna. Välj filtyp: *. CSV eller *. Euf.
Anmärkning: Ytterligare programinstallations information finns i filen Readme. txt. - Skriv hela EEG-filnamnet (t. ex. 419eeg. EDF eller 419. EEG. csv).
- Välj parametrar för spektrogramberäkning: standard eller ny. Det här steget kräver den längsta bearbetningstiden när spektrogrammet beräknas. Den matematiska fönster funktionen (taper) ger statistiskt oberoende uppskattningar av det underliggande spektrumet. Ju längre inspelningstid, desto längre kommer det här steget att ta. På en PC-plattform som kör Windows 10 detta krävs högst ca 3 − 4 min för en 4 h inspelning.
- Använd följande standardparametrar för spektrogram:
Samplingsfrekvens = 500 Hz. Detta representerar antalet samplingar per sekund.
fpass = 0,3 Hz och 30 Hz. Fpass definierar frekvenserna för indata och styr det intervall av frekvenser som anges i utdata.
Utfyllnad = 2. Utfyllnadsarbeten för att fininterpolera utdata utan att påverka resultatberäkningen på något sätt. Detta kan hjälpa till med visualisering och exakt identifiering av spektrala linjer. Fältet är valfritt heltal från-1 och uppåt.
Tid-bandbredd produkt (NW) = 15. Produkten av den temporal varaktigheten för signalera och spektralbredden.
Antal avsmalnar = 29. När du väljer antal tapers, är det viktigt att använda 2NW-1. Det finns ingen gräns för hur många avsmalnar som används. Ju fler smalnar som används kommer att resultera i införandet av smalnar med dålig koncentration i den angivna frekvens bandbredden.
Försöks genomsnitt = 1. Den här parametern styr om test-eller kanalaverage utförs. Om den här parametern är inställd på 0, finns det ingen kanal medelvärde och funktionen kommer utdata oberoende resultat för varje testversion eller kanal som skickas som indata. Men om test genomsnittet är inställt på 1, resultatet utdata till användaren är medelvärde över försök eller kanaler.
Dags att beräkna FFT ~ 30 s. används för att följa utvecklingen av spektrumet genom att beräkna spektrumet över många små fönster.
Steg storlek för fönster för FFT-beräkning = 5. Det belopp som skjuttidsfönstret avancerar efter varje spektrum beräkning utförs.
Anmärkning: De standardparametrar för spektrogram som anges i steg 3.7.1 kan ändras efter behov.
- Använd följande standardparametrar för spektrogram:
- Ange titlar för både spektrogrammet och EEG.
- Spara det resulterande spektrogrammet och EEG.
- Spara siffror genom att klicka på Arkiv | Spara i bildfönstret.
Anmärkning: Siffrorna kommer att ge program användare med sammanfattningar som kan utvecklas till publikationskvalitet siffror.
- Spara siffror genom att klicka på Arkiv | Spara i bildfönstret.
4. felsökning
- Hämta exempel musen Sleep EEG data för prov spektrogram beräkning.
- Kör programmet med exempeldata för att säkerställa att användaren använder programmet på rätt sätt. Hitta siffrorna för dessa exempeldata i tillägget för att säkerställa att siffrorna som skapas från exempeldata är korrekta.
Anmärkning: All utrustning och allt material som används har tillhandahållits i material tabellen.
Representative Results
Följande siffror illustrerar vilken typ av nya insikter i EEG-index av hjärnan retbarhet som tillhandahålls av spektrogram.
Figur 1A illustrerar likheter och skillnader i kortikala EEG under vakenhet, NREM-sömn, och rem-sömn. Många utredare använder dessa typer av spår, tillsammans med EMG inspelningar (visas inte), att kvantifiera sömn och vakenhet. Figur 1B använder en hypnogramkomplott för att förmedla den tidsmässiga organisationen av tillstånd av sömn och vakenhet baserat på bedömningar av EEG och EMG inspelningar. Stater gjordes i 10 s epoker och dessa epoker var plottas som hypnogrammet under 14 400 s bestående av 4 h inspelning. Hypnogramtomter illustrerar inte det faktum att övergångar mellan stater är kontinuerliga och ickelinjära. I motsats till en hypnogramplott illustrerar spektrogrammet (figur 1C) mycket dynamiska förändringar i EEG-frekvens och effekt som en funktion av tiden. Spektrogrammet belyser också likheterna mellan den kortikala EEG-signalen under vakenhet och under REM-sömn. De tre rutorna ovanpå spektrogrammet (figur 1C) märke stater identifierats som vakenhet (vakna), NREM sömn, och rem-sömn i hypnogrammet ovan (figur 1B) och ges för att bistå med att visualisera de detaljerade förändringarna i EEG frekvens och makt. Spektrogrammet för hela inspelningen ger en nyanserad uppskattning av EEG som en kontinuerlig process.
Figur 2 ger fyra multikona-spektrogram, vardera sammanfattar 4 h av EEG-inspelningar efter intraperitoneal administrering av saltlösning, morfin, buprenorfin och fentanyl. Alla fyra inspelningar är från samma mus och börjades 2 h efter ljus debut. Opiaterna, men inte saltlösning, hämmade NREM och REM-sömn, och ökade mängden vakenhet. Ett antal nya funktioner visualiseras av Spektrogrammen. Upptäckten av nya EEG-funktioner antyder den potentiella ansökan om opiat differentiering i en kemisk hot miljö. Efter koksalt injektion (figur 2a) var den största mängden ström bosatt i intervallet 2 − 4 Hz, vilket indikerar NREM-sömn. Observera att EEG-Spektrogrammen i grunden ändrades av opiatadministrationen och att varje opiat orsakade unika spektralförändringar.
Figur 3 visar att EEG-förändringar som illustreras av Spektrogrammen kan kvantifieras och uttryckas i genomsnitt dominerar spektraleffekten av varje halv frekvens (figur 3a) och som den genomsnittliga spektraleffekten inom specifika EEG-frekvensband (figur 3B). De största skillnaderna från saltlösning orsakades av buprenorfin och inträffade i delta-och theta-intervallen.
Figur 1: kortikala EEG-inspelningar som används för att skapa hypnogram och spektrogram. (A) EEG-vågformer inspelade under vakenhet, NREM-sömn och rem-sömn under en baslinje (ingen injektion) inspelning. Varje spår visar 90 s av inspelningen. (B) hypnogrammet använder höjden av staplarna för att förmedla medvetandetillstånd (ordinate) kontra 4 h av inspelningen (Abscissa). (C) avsmalnande spektrogram med hjälp av en färgstapel för att förmedla EEG-kraft i decibel (DB, högerordinate) eller spektraleffektdensitet vid olika EEG-frekvenser i Hertz (Hz, vänsterordinat) som funktion av 4 h inspelningstid (Abscissa). Svarta vertikala linjer har lagts till spektrogrammet för att avgränsa en episod vardera av vakenhet, NREM-sömn, och REM-sömn. (Spektrogramparametrar: samplingsfrekvens = 500 Hz, fpass = 0,3 Hz och 30 Hz, utfyllnad = 2, tid-bandbredd = 15, antal smalnar 29, prov medelvärde = 1, tidslängd för att beräkna FFT ~ 30 s, steg storlek på fönster för FFT-beräkning = 5). Vänligen klicka här för att se en större version av denna siffra.
Figur 2: spektrogram som illustrerar förändringar i EEG-effekt och-frekvens orsakad av opiatadministrering. Varje spektrogram ritar EEG-frekvens i Hertz (Hz, vänsterordinat) och decibel (dB) av EEG-kraft med hjälp av en färgstapel (höger ordinate) för 4 h (Abscissa) efter administrering av (a) saltlösning, (B) morfin, (C) buprenorfin och (D) fentanyl. (Spektrogramparametrar: samplingsfrekvens = 500 Hz, fpass = 0,3 Hz och 30 Hz, utfyllnad = 2, tid-bandbredd = 15, antal smalnar 29, prov medelvärde = 1, tid att beräkna FFT ~ 30 s, steg storlek på fönster för FFT-beräkning = 5). Vänligen klicka här för att se en större version av denna siffra.
Figur 3: opiater förändrade Differentiellt den genomsnittliga EEG-kraften inom frekvensbanden delta och theta EEG. A) sammanfattar den genomsnittliga EEG-effekten under varje 4 h-inspelning som visas i figur 2. Ordinerar områden genomsnittet EEG driver på varje halva frekvens (Abscissa). I förhållande till saltlösning, var och en av de andra tre funktionerna visar opiatspecifika förändringar i genomsnittlig EEG-effekt. B) illustrerar den genomsnittliga EEG-effekten i fyra EEG-frekvensband (delta, theta, alfa och beta) efter administrering av saltlösning (S), buprenorfin (b), morfin (M) och fentanyl (F). Färgkodning är densamma för effekt funktioner i ett och genomsnittligt effekt band i B. Vänligen klicka här för att se en större version av denna siffra.
Discussion
Programmet som beskrivs här utvecklades för att skapa en spektrogram med hjälp av de nio steg som beskrivs i protokoll sektion 3, Spektrogramberäkning. Dessa steg innebär att förvärva spektrogramprogrammet, säkerställa rätt filformat och förändra beräkningsparametrarna för generering av unika användarspektrogram. Användare kan skapa spektrogram som är skräddarsydda för en rad konceptuella frågor och experimentell design. För att öka enkelheten och effektiviteten i denna utvecklingsprocess, är det viktigt att ge rå EEG-data i rätt filformat, namngivna enligt de begränsningar som beskrivs ovan. Även om exempel signaler har tillhandahållits för mus EEG-data, är spektrogramprogrammet lätt att tillämpas på mänskliga och icke-mänskliga EEG-data som är fria från signalbehandlings begränsningar.
Den rekommenderade metoden för felsökning och metodändring är att börja med att analysera en liten datauppsättning. De stora program utgångar att överväga inkluderar tomter av den filtrerade EEG samt spektrogrammet. En tilltalande aspekt av det avsmalnande spektrogrammet är att den kan appliceras på en mängd olika periodiska, biologiska signaler. Sorten varierar från lång varaktighet dygns (24 h) rytmer17 till mycket snabba rytmer såsom 1 000 Hz utlopps hastigheter av en Renshaw cell18.
Dataformatering är ett villkor för detta spektrogramprotokoll. Europeiska dataformat (EUF) används ofta med EEG-data. Det finns dock många andra formateringsalternativ. Av denna anledning har RAW-kodfilen inkluderats (se 3,2 ovan) om användaren skulle vilja ändra filformatet. När det gäller RAW-programfilen, är en annan begränsning behovet av erfarenhet av datorprogrammering språk för att ändra filformatet. Inte alla utredare har tillgång till proprietär programvara och hela utbudet av plug-ins. Detta protokoll har utvecklats för att kringgå problemet genom att tillhandahålla ett kompilerat program som körs på en WINDOWS-baserad enhet utan programlicenser. Detta uppnås genom RUNTIME plugin som ingår i det kompilerade programmet och kräver inte någon programvara registrering av användaren.
Denna EEG-spektrogramrutin är en roman, öppen källkod, datorbaserat program som tillåter användare att skapa personaliserade, multikona-spektrogram från ett brett spektrum av data. Användaren har full kontroll över alla beräkningsmässiga aspekter av spektrogramgenerering. Utan tidigare signalbehandling och datorprogrammering kunskap, kan spektrogram vara svåra att generera. Det protokoll som beskrivs här kommer att underlätta spektrogramgenerering. Se kompletterande material avsnitt för ytterligare signalbehandling avläsningar och multitaper spektrogram vägledning.
Kompletterande material
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
Författarna har inga intressekonflikter.
Acknowledgments
Detta arbete stöds delvis av ett NIH Grant HL-65272. Författarna tackar Zachary T. Glovak och Clarence E. Locklear för deras bidrag till detta projekt.
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.
- 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).
