Waiting
Login processing...

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

Neuroscience

आर का उपयोग करके श्रवण ब्रेनस्टेम प्रतिक्रिया तरंगों के लिए पीक आयाम और विलंबता का अर्ध-स्वचालित विश्लेषण

Published: December 9, 2022 doi: 10.3791/64737
Automatic Translation
1, 2
1Department of Biomedical Genetics, University of Rochester Medical Center, 2Department of Neuroscience, Ernst J. Del Monte Institute for Neuroscience, University of Rochester Medical Center

Summary

यह लेख श्रवण ब्रेनस्टेम प्रतिक्रिया तरंग में पहली पांच चोटियों और गर्तों के आयामों और विलंबों के अर्ध-स्वचालित माप का वर्णन करता है। एक अतिरिक्त दिनचर्या प्रयोगकर्ता विश्लेषण के लिए एक स्प्रेडशीट में डेटा संकलित और एनोटेट करती है। ये मुफ्त कंप्यूटर दिनचर्या ओपन-सोर्स सांख्यिकीय पैकेज आर का उपयोग करके निष्पादित किए जाते हैं।

Abstract

पिछले 15 वर्षों में कई रिपोर्टों ने शोर जोखिम जैसे अपमान के बाद श्रवण ब्रेनस्टेम प्रतिक्रिया (एबीआर) तरंग में परिवर्तन का आकलन किया है। सामान्य परिवर्तनों में शिखर 1 आयाम में कमी और बाद की चोटियों की सापेक्ष विलंबता, साथ ही केंद्रीय लाभ में वृद्धि शामिल है, जो शिखर 1 के आयाम की तुलना में बाद की चोटियों के आयामों में सापेक्ष वृद्धि से परिलक्षित होती है। कई प्रयोगकर्ता अपनी सापेक्ष ऊंचाइयों और विलंब का आकलन करने के लिए चोटियों और गर्तों की पहचान करते हैं, जो एक श्रमसाध्य प्रक्रिया है जब तरंगों को प्रत्येक आवृत्ति और स्थिति के लिए सुनवाई सीमा में 5 डीबी वृद्धि में एकत्र किया जाता है। यह पेपर मुक्त दिनचर्या का वर्णन करता है जिसे श्रवण ब्रेनस्टेम प्रतिक्रिया (एबीआर) तरंगों की चोटियों और गर्तों के माप को अर्ध-स्वचालित करने के लिए आरस्टडियो इंटरफ़ेस के साथ ओपन-सोर्स प्लेटफॉर्म आर में निष्पादित किया जा सकता है। दिनचर्या चोटियों और गर्तों के आयामों और विलंबों की पहचान करती है, इन्हें निरीक्षण के लिए उत्पन्न तरंग पर प्रदर्शित करती है, परिणामों को सांख्यिकीय विश्लेषण के लिए स्प्रेडशीट में एकत्रित और एनोटेट करती है, और आंकड़ों के लिए औसत तरंग उत्पन्न करती है। ऐसे मामलों में जब स्वचालित प्रक्रिया एबीआर तरंग की गलत पहचान करती है, तो सुधार में सहायता के लिए एक अतिरिक्त उपकरण होता है। लक्ष्य एबीआर वेवफॉर्म का विश्लेषण करने के लिए आवश्यक समय और प्रयास को कम करना है ताकि भविष्य में अधिक शोधकर्ता इन विश्लेषणों को शामिल करेंगे।

Introduction

श्रवण ब्रेनस्टेम प्रतिक्रिया (एबीआर) का उपयोग अक्सर पशु विषयों और मानव शिशुओं में सुनवाई सीमा निर्धारित करने के लिए किया जाता है। चूंकि एबीआर श्रवण उत्तेजनाओं के लिए तंत्रिका तंत्र की पहली प्रतिक्रियाओं का एक इलेक्ट्रोएन्सेफलोग्राम (ईईजी) रिकॉर्ड है, इसलिए यह अतिरिक्त जानकारी देता है जो द्विपक्षीय प्रसंस्करण1 सहित श्रवण ब्रेनस्टेम में कॉक्लियर सर्पिल गैंग्लियन न्यूरॉन्स और प्रारंभिक सिग्नल प्रोसेसिंग की समन्वित फायरिंग को दर्शाता है। ये प्रतिक्रियाएं शोर आघात से प्रभावित हो सकती हैं। उदाहरण के लिए, शोर एक्सपोजर जो चूहों में एक अस्थायी दहलीज बदलाव को प्रेरित करने के लिए पर्याप्त है, एबीआर पीक 1 2 के आयाम को स्थायी रूप से कम कर सकताहै। इसके अलावा, इस तरह के आघात इंटरपीक लेटेंसी को कम कर सकते हैं और बाद के चोटियों3 के सापेक्ष आयामों को बढ़ा सकते हैं, संभवतः निरोधात्मक विनियमन4 के नुकसान के कारण। इन निष्कर्षों के अलावा, विशिष्ट आनुवंशिक उत्परिवर्तन आघात 5,6,7 की अनुपस्थिति में एबीआर तरंग को बदलने के लिए दिखाए गए हैं। इस प्रकार, एबीआर तरंगों का नियमित विश्लेषण प्रयोगात्मक मॉडल में श्रवण प्रणाली में अंतर्दृष्टि प्रदान कर सकता है।

रोगियों के लिए नैदानिक उपकरण के रूप में एबीआर वेवफॉर्म का उपयोग करने में भी रुचि रही है। पिछली रिपोर्टों ने मूल्यांकन किया है कि शोर के संपर्क में आने के बाद मानव रोगियों में एबीआर पीक 1 कम हो जाता है या टिनिटस रोगियों में 8,9। विशेष रूप से, माइग्रेन के हमलों को अस्थायी रूप से कई हफ्तों के लिए इंटरपीक लेटेंसी में वृद्धि करने की सूचना मिली है, जिसके बाद एबीआर वेवफॉर्म प्रभावित व्यक्तियों में सामान्य होजाता है। कोविड-19 को एबीआर इंटरपीक लेटेंसी11,12 में दीर्घकालिक परिवर्तन ों को चलाने के लिए बताया गया है, हालांकि एक अन्य अध्ययन ने अलग-अलग परिणाम13 की सूचना दी है। सुनवाई हानि अक्सर उम्र बढ़ने में मनोभ्रंश के साथ सह-रुग्ण होती है, और अधिक सुनवाई हानि वाले व्यक्ति मनोभ्रंश का अनुभव करते हैं जोअधिक तेजी से आगे बढ़ता है। शोधकर्ताओं ने न्यूरोडीजेनेरेटिव रोगों में एबीआर तरंग परिवर्तनों की जांच की है, जैसे कि पार्किंसंस रोग (जाफरी एट अल .15 में समीक्षा की गई) और अल्जाइमर रोग (स्वॉर्ड्स एट अल.16 में समीक्षा की गई), साथ ही सामान्य उम्र बढ़ने17 में। जैसा कि अधिक शोधकर्ता और चिकित्सक उम्र बढ़ने में सामान्य बीमारियों के लिए बायोमार्कर के रूप में संवेदी घाटे की जांच करते हैं, एबीआर जैसी तकनीक स्वास्थ्य देखभाल में नियमित हो सकती है।

साहित्य में विधियों के वर्गों की जांच से पता चलता है कि प्रयोगशालाएं अक्सर एबीआर वेवफॉर्म का विश्लेषण करने के लिए मैटलैब में कस्टम स्क्रिप्ट लिखती हैं। इंटेलिजेंट हियरिंग सिस्टम द्वारा बनाए गए एबीआर प्लेटफॉर्म में वेवफॉर्म विश्लेषण के लिए एक फ़ंक्शन है, लेकिन इसके लिए एक ऑपरेटर को चोटियों और गर्तों का मैन्युअल रूप से चयन करने की आवश्यकता होती है। यहां, हमने ओपन-सोर्स, स्वतंत्र रूप से उपलब्ध सांख्यिकीय वातावरण आर और आरएसट्यूडियो इंटरफ़ेस के लिए अर्ध-स्वचालित विश्लेषण दिनचर्या लिखी है। यह रिपोर्ट हमारी दिनचर्या का उपयोग करके प्राप्त डेटा की तुलना एक प्रयोगकर्ता द्वारा चोटियों और गर्तों को मैन्युअल रूप से पहचानकर प्राप्त डेटा से करती है और दिखाती है कि दो विधियों के डेटा दृढ़ता से सहसंबद्ध हैं। महत्वपूर्ण रूप से, दिनचर्या में एक अंधापन फ़ंक्शन शामिल होता है, जिसमें नमूनों के लिए मेटाडेटा को एक अलग फ़ाइल में रखा जाता है जिसे अंत तक शामिल नहीं किया जाता है। इन कार्यों ने हमारी प्रयोगशाला के लिए तरंग विश्लेषण को सुव्यवस्थित किया है।

Protocol

जानवरों पर की गई सभी प्रक्रियाओं को पशु अनुसंधान के लिए रोचेस्टर समिति विश्वविद्यालय द्वारा अग्रिम में अनुमोदित किया गया था। प्रायोगिक विषय 1 महीने की उम्र में 12 जंगली प्रकार के एफ 1 नर और मादा चूहे थे। ये एफ 1 चूहे सीबीए / सीएजे बांध और सी 57 बीएल / 6 जे सिर के संभोग का उत्पाद हैं। चूहों को विवेरियम सुविधा में मानक 12 घंटे प्रकाश / अंधेरे चक्र, असीमित भोजन और पानी और पर्याप्त घोंसले की आपूर्ति के साथ पाला और रखा गया था। एक पिंजरे में पांच से अधिक समान-लिंग वाले भाई-बहनों को एक साथ नहीं रखा गया था।

1. विश्लेषण के लिए डेटा प्राप्त करना

नोट: इस कदम को संस्थागत दिशानिर्देशों का पालन करना चाहिए और संस्थागत पशु कल्याण समिति द्वारा पूर्व-अनुमोदित होना चाहिए। चूहों से एबीआर डेटा उत्पन्न करने के लिए विस्तृत प्रक्रिया कहीं और वर्णितकी गई है।

  1. पसंद के मंच के साथ एबीआर रिकॉर्ड करें।
    नोट: यहां दिखाए गए उदाहरण में, रिकॉर्डिंग चूहों पर की गई थी।
    1. 75 डीबी ध्वनि दबाव स्तर से शुरू होने वाले 5 एमएस क्लिक उत्तेजना का उपयोग करें और 5 डीबी चरणों में 5 डीबी तक कम हो जाएं। प्रत्येक आयाम के लिए औसतन 512 स्वीप रिकॉर्ड करें। प्रतिक्रियाओं को अस्वीकार करें यदि उत्तेजना के बाद 1.3 एमएस और 12.5 एमएस के बीच किसी भी उदाहरण में उनका चरम से गर्त आयाम 31 μV से अधिक है।
      नोट: टोन पिप प्रस्तुतियों से रिकॉर्डिंग का भी उपयोग किया जा सकता है। हम अनुमान लगाते हैं कि विश्लेषण दिनचर्या मनुष्यों सहित अन्य प्रजातियों के लिए काम करेगी।
  2. ABR रिकॉर्डिंग को ASCII फ़ाइल के रूप में निर्यात करें।
    1. IHS के लिए, कंप्यूटर प्रोग्राम खोलें।
    2. रुचि की फ़ाइल लोड करें, और एक पृष्ठ पर वांछित तरंगें प्रदर्शित करें।
    3. डेटा टैब के अंतर्गत, .txt फ़ाइल प्राप्त करने के लिए पृष्ठ को ASCII के रूप में सहेजें का चयन करें.
    4. डेटा फ़ाइल को उचित रूप से नामित करने के बाद ("आईडी"), आईडी और विषय जानकारी को "जानकारी.csv" नामक मेटाडेटा फ़ाइल में रिकॉर्ड करें। सुनिश्चित करें कि "आईडी" में जीनोटाइप, लिंग, आयु या उपचार जैसी कोई जानकारी शामिल नहीं है; यह जानकारी इसके बजाय "जानकारी.csv" में दर्ज की जाती है।
      नोट: यदि आवश्यक हो तो यादृच्छिक रूप से लेबल असाइन करने के लिए कार्ड खेलने के एक उचित डेक का उपयोग किया जा सकता है।
    5. अलग-अलग "आईडी" फ़ाइलों के रूप में विश्लेषण की जाने वाली सभी फ़ाइलों के साथ दोहराएं।

2. आवश्यक पैकेजस्थापित करना और काम कर रहे कंप्यूटर पर डेटा लोड करना

  1. डाउनलोड और स्थापित करें R (https://www.r-project.org) और RStudio (https://www.rstudio.com).
    नोट: यहां वर्णित प्रोटोकॉल ने आर ≥ 4.0.0 का उपयोग किया।
  2. RStudio की कमांड विंडो में निम्नलिखित कमांड टाइप करके आवश्यक पुस्तकालयों, सुव्यवस्थित, चमकदार, प्लॉटली और चिड़ियाघर स्थापित करें:
    Install.packages("tidyverse")
    Install.packages("चमकदार")
    Install.packages("plotly")
    Install.packages("चिड़ियाघर")
  3. स्क्रिप्ट FindPeaks.R और See_trace_click डाउनलोड करें। व्हाइट लैब GitHub (https://github.com/PWhiteLab/FindPeaks) से R, साथ ही संबंधित फ़ाइल "समय.csv।
  4. सभी ASCII फ़ाइलों, "जानकारी.csv", और "समय.csv को शामिल करने के लिए एक नया फ़ोल्डर बनाएँ। इस उदाहरण के लिए, फ़ोल्डर को "Test_Folder" नाम दें। "Test_Folder" के भीतर, ASCII फ़ाइलों को "ASCII_Folder" नामक एक सबफ़ोल्डर में रखें।

3. FindPeaks.R के साथ प्रारंभिक विश्लेषण प्राप्त करना

  1. RStudio में FindPeaks.R स्क्रिप्ट खोलें।
  2. कार्यशील निर्देशिका सेट करने का चयन करने के लिए उपकरण पट्टी में स्क्रिप्ट के लिए टैब पर राइट-क्लिक करें, और इसे Test_Folder पर सेट करें (पूरक चित्रा S1A देखें).
  3. स्क्रिप्ट विंडो में, प्रोग्राम लोड करने के लिए उपकरण पट्टी के ऊपरी दाईं ओर स्रोत क्लिक करें (पूरक चित्र S1B देखें).
  4. कमांड विंडो में, वेवफॉर्म का विश्लेषण करने के लिए निम्न आदेशों का उपयोग करें ( पूरक चित्रा एस 2 देखें):
    अलग-अलग फ़ाइलों के लिए FindPeaks_single ("ASCII_folder /ID.txt") (पूरक चित्रा S2A देखें)
    बैच प्रोसेसिंग के लिए FindPeaks_group ("ASCII_Folder") (पूरक चित्रा एस 2 बी देखें)
    नोट: स्क्रिप्ट (1) लेबल किए गए चोटियों और गर्तों के साथ तरंगों को प्रदर्शित करने वाली पीडीएफ फाइलें आउटपुट करेगी ( पूरक चित्रा एस 2 सी देखें) और (2) आयाम (3 वी) और विलंबता (एमएस) के लिए संख्यात्मक डेटा वाली एक आईडी.csv फ़ाइल। दोनों फाइलों को "Test_Folder" में रखा जाएगा।

4. प्रारंभिक विश्लेषण की पुष्टि करना

नोट: कम ध्वनि स्तरों पर, तरंग के कुछ हिस्सों को शोर से अलग करना मुश्किल हो सकता है, और FindPeaks.R प्रयोगकर्ता की राय की तुलना में चोटियों या गर्तों की गलत पहचान कर सकता है। यदि कोई विसंगति है, तो स्क्रिप्ट See_trace_click.आर. से प्राप्त डेटा के साथ .csv फ़ाइल को संशोधित किया जा सकता है।

  1. कमांड का उपयोग करके विशिष्ट व्यक्ति के लिए वेवफॉर्म डेटा लोड करें ( पूरक चित्रा एस 3 ए देखें):
    वेवफॉर्म <- ASCII_extract ("ASCII_Folder / आईडी.txt")
  2. See_trace_click खोलें। RStudio में R स्क्रिप्ट.
  3. बाईं ओर हेडर में, रन ऐप बटन पर क्लिक करें, और एक नई इंटरैक्टिव (शाइनी) विंडो दिखाई देने की प्रतीक्षा करें ( पूरक चित्रा एस 3 बी देखें)।
  4. शीर्ष बाईं ओर बॉक्स में, वेवफॉर्म के लिए ध्वनि स्तर इनपुट करें जिसके लिए संशोधन की आवश्यकता होती है, और विंडो में प्रदर्शित तरंग की तलाश करें।
  5. किसी भी बिंदु पर विलंबता और आयाम को प्रकट करने के लिए तरंग के चारों ओर कर्सर को स्थानांतरित करें।
  6. नीचे दी गई तालिका में डेटा रिकॉर्ड करने के लिए सही शिखर और निम्नलिखित गर्त पर क्लिक करें। विलंबता डेटा की प्रतिलिपि बनाएँ और .csv फ़ाइल में चिपकाएँ ( देखें पूरक चित्र S3C).
  7. आयाम माप की गणना करने के लिए, स्प्रेडशीट सेल में चरम आयाम से निम्नलिखित गर्त आयाम घटाएं।

5. डेटासेट को संकलित करना और विज़ुअलाइज़ करना

  1. सत्यापित .csv फ़ाइलों को "Peak_Data" नामक Test_Folder में एक नए सबफ़ोल्डर में स्थानांतरित करें।
  2. डेटा को एकल .csv फ़ाइल में जोड़ें और इसे "Peak_Data.csv" नाम दें।
  3. निम्न आदेश का उपयोग करें:
    संकलित करें ("Peak_Data")
    नोट: यह स्क्रिप्ट डेटा को समूह जानकारी के साथ लेबल करने के लिए Peak_Data.csv के साथ जानकारी.csv से मेटाडेटा को जोड़ती है। यह स्वचालित रूप से इंटरपीक लेटेंसी और आयाम अनुपात की गणना भी करता है।
  4. संकलित डेटा पर सांख्यिकीय विश्लेषण करें।
    1. निम्न फ़ंक्शन के साथ डेटा के वितरण का आकलन करने के लिए सामान्यता के लिए एक परीक्षण का उपयोग करें, जैसे शापिरो-विल्क्स परीक्षण:
      shapiro.test()
    2. यदि शापिरो-विल्क्स परीक्षण महत्वपूर्ण नहीं है, तो डेटा सेट का सामान्य वितरण है; इसलिए, निम्नलिखित फ़ंक्शन के साथ एनोवा जैसे पैरामीट्रिक परीक्षण के साथ डेटा का आकलन करें:
      एओवी ()
    3. यदि शापिरो-विल्क्स परीक्षण पी = 0.05 से कम है, तो क्रुस्कल-वालिस रैंक योग परीक्षण (नीचे दिए गए फ़ंक्शन के साथ) या एक अन्य उपयुक्त गैर-पैरामीट्रिक उपाय (चर्चा में अन्य संभावनाएं देखें) का उपयोग करें।
      kruskal.test()
  5. औसत तरंगिकाएँ प्रदर्शित करने के लिए, निम्न आदेश का उपयोग करें:
    Average_Waveform("ASCII_Folder", aes(x = Data_Pnt_ms, y = "dB", समूह = जीनोटाइप, रंग = जीनोटाइप))
    नोट: यह कमांड विभिन्न रंगों में विभिन्न जीनोटाइप के लिए औसत तरंगों को दर्शाता है। वाई चर डीबी के लिए, उद्धरण चिह्नों के बिना वांछित आयाम से मेल खाने वाली संख्या डालें, जैसे कि 75। अन्य तुलनाओं के लिए, मेटाडेटा से संबंधित समूह लेबल का उपयोग करें।

Representative Results

हमने एक क्लिक श्रृंखला के लिए एबीआर वेवफॉर्म प्रतिक्रियाओं पर दिनचर्या का परीक्षण किया, जो 75 डीबी से शुरू हुआ और 5 डीबी वेतन वृद्धि में 5 डीबी तक कदम रखा। ये डेटा पहले वर्णित19 के रूप में प्राप्त किए गए थे। हमने टोन पिप डेटा पर उपकरण का भी परीक्षण किया और समान परिणाम प्राप्त किए। अधिकांश एबीआर सिस्टम से एबीआर डेटा .txt (ASCII) फ़ाइलों के रूप में निर्यात किया जा सकता है। हमने एक कंप्यूटर पर एबीआर एएससीआई फाइलों को लोड किया और प्रोटोकॉल में वर्णित के रूप में उन्हें आरएसट्यूडियो में खोला। बैच फॉर्म में FindPeaks.R रूटीन चलाने के बाद, हमने स्वचालित लेबलिंग (चित्रा 1) और परिणामों के साथ एक .csv फ़ाइल के साथ नमूना तरंगें प्राप्त कीं। अप्रासंगिक चोटियों को हटाने के लिए परिणामों की समीक्षा की गई। स्वचालित लेबलिंग को मान्य करने के लिए, हमने ऊपर वर्णित क्लिक श्रृंखला के साथ प्राप्त प्रत्येक तरंग पर पहली पांच चोटियों और गर्तों को मैन्युअल रूप से लेबल करने के लिए एबीआर प्रोग्राम क्षमता का भी उपयोग किया। इस कार्य को करने वाले प्रयोगकर्ता के पास एबीआर डेटा रिकॉर्ड करने और विश्लेषण करने का 2 साल का अनुभव था। चित्र 2 इस तुलना को दिखाता है, जिसमें स्वचालित FindPeaks.R डेटा लाल रंग में और मैन्युअल रूप से प्राप्त डेटा काले रंग में है। प्रत्येक ट्रेस एक माउस से डेटा का प्रतिनिधित्व करता है। एक मानक विचलन के साथ दोनों विधियों के लिए औसत भी प्रदर्शित किया जाता है। FindPeaks.R द्वारा प्राप्त परिणाम मैन्युअल रूप से प्राप्त परिणामों के साथ दृढ़ता से सहसंबंधित हैं ( पूरक चित्रा S4 देखें)।

Figure 1
चित्रा 1: एक युवा एफ 1 माउस के लिए 75 डीबी क्लिक उत्तेजना के लिए प्रतिनिधि तरंग प्रतिक्रिया। मिलीसेकंड में विलंबता को एक्स-अक्ष पर प्लॉट किया जाता है, और माइक्रोवोल्ट में आयाम को वाई-अक्ष पर प्लॉट किया जाता है। चोटियों को स्वचालित रूप से FindPeaks.R के साथ पहचाना गया था और लाल रंग में लेबल किया गया था, जबकि गर्त नीले रंग में लेबल किए गए हैं। कृपया इस आंकड़े का एक बड़ा संस्करण देखने के लिए यहां क्लिक करें।

Figure 2
चित्र 2: मैन्युअल रूप से पहचाने गए चोटियों से प्राप्त डेटा की तुलना फाइंडपीक्स.आर विश्लेषण द्वारा प्रदान किए गए डेटा से की जाती है। (A, C, E, G, I) माइक्रोवोल्ट्स में आयाम और (B, D, F, H, J) मिलीसेकंड में लेटेंसी को 5 dB और 75 dB (x-अक्ष, सभी ग्राफ़) के बीच ध्वनि स्तर के लिए प्लॉट किया जाता है। मैन्युअल रूप से प्राप्त मूल्यों (काले) की तुलना फाइंडपीक्स.आर (लाल) के साथ विश्लेषण किए गए समान डेटासेट से की जाती है। औसत को भारी लाइनों के रूप में प्लॉट किया जाता है, जिसमें छायांकित क्षेत्र एक मानक विचलन का प्रतिनिधित्व करता है। क्रुस्कल-वालिस रैंक योग परीक्षण (ए, अंतर = 0.0547977 ± 0.0010028, अधिकतम = 0.96, पी = 0.9216) के साथ मूल्यांकन किए जाने पर विधियों के बीच कोई अंतर नहीं देखा गया; B, अंतर = −0.0001734 ± 0.0001214, अधिकतम = 0.04, p = 0.8289; C, अंतर = −0.0212209 ± 0.0006806, अधिकतम = 0.92, p = 0.9687; D, अंतर = −0.0011047 ± 0.0001556, अधिकतम = 0.06, p = 0.771; E, अंतर = −0.0323077 ± 0.0006169, अधिकतम = 0.66, p = 0.899; F, अंतर = −0.0072189 ± 0.0001460, अधिकतम = 0.04, p = 0.8644; G, अंतर = 0.201754 ± 0.0007407, अधिकतम = 0.64, p = 0.9312; H, अंतर = −0.0007018 ± 0.0001717, अधिकतम = 0.09, p = 0.8013; I, अंतर = 0.0347561 ± 0.0007343, अधिकतम = 1.05, p = 0.8856; J, अंतर = −0.0078049 ± 0.0002762, अधिकतम = 0.16, p = 0.886), और परिणाम अत्यधिक सहसंबद्ध थे (ची-वर्ग मान: A, 0.009696; बी, 0.046684; सी, 0.0015395; डी, 0.084742; ई, 0.016102; एफ, 0.029153; जी, 0.0074604; एच, 0.063322; I, 0.020699; जे, 0.020544; एसईएम के औसत के रूप ± प्रस्तुत मतभेद; अधिकतम = पूर्ण अधिकतम अंतर)। कृपया इस आंकड़े का एक बड़ा संस्करण देखने के लिए यहां क्लिक करें।

पूरक चित्रा एस 1: फाइंडपीक्स के साथ विश्लेषण। (ए) काम करने वाली निर्देशिका का चयन करना (प्रोटोकॉल चरण 3.2 देखें); (बी) प्रोग्राम लोड करना (प्रोटोकॉल चरण 3.3 देखें)। कृपया इस फ़ाइल को डाउनलोड करने के लिए यहाँ क्लिक करें.

पूरक चित्रा एस 2: तरंगों के विश्लेषण के लिए स्क्रिप्ट आउटपुट और कमांड। (ए) व्यक्तिगत फ़ाइलों और (बी) बैच प्रसंस्करण के लिए आदेश। (सी) आउटपुट पीडीएफ फाइल लेबल चोटियों और गर्तों के साथ तरंगों को दिखाती है। प्रोटोकॉल चरण 3.4 देखें। कृपया इस फ़ाइल को डाउनलोड करने के लिए यहाँ क्लिक करें.

पूरक चित्रा एस 3: विश्लेषण का सत्यापन। (ए) वेवफॉर्म डेटा लोड करना (प्रोटोकॉल चरण 4.1 देखें)। (बी) रन ऐप बटन का स्थान। नमूना डेटा फ़ाइल भी इंगित की गई है। (सी) एक तरंग के साथ चमकदार खिड़की। इस उदाहरण में, ध्वनि स्तर 75 डीबी है, जैसा कि शीर्ष विंडो में दर्ज किया गया है। वांछित शिखर और निम्नलिखित गर्त पर क्लिक करने से तालिका में आयाम और विलंबता के लिए डेटा रिकॉर्ड होता है (प्रोटोकॉल चरण 4.6)। पीक 3 डेटा दिखाया गया है। कृपया इस फ़ाइल को डाउनलोड करने के लिए यहाँ क्लिक करें.

पूरक चित्रा एस 4: मैन्युअल रूप से पहचाने गए चोटियों से प्राप्त व्यक्तिगत डेटा की तुलना फाइंडपीक्स.आर विश्लेषण द्वारा प्रदान किए गए डेटा से। (A, C, E, G, I) माइक्रोवोल्ट्स में आयाम और मिलीसेकंड में (बी, डी, एफ, एच, जे) लेटेंसी को 5 डीबी और 75 डीबी (एक्स-अक्ष, सभी ग्राफ) के बीच ध्वनि स्तर के लिए प्लॉट किया जाता है, जो 12 चूहों को प्रस्तुत किए गए क्लिक उत्तेजनाओं के लिए प्राप्त तरंगों में चोटियों आई-वी के लिए होता है। प्रत्येक जानवर को एक अद्वितीय रंग के साथ लेबल किया जाता है, जैसा कि किंवदंती में दिखाया गया है। FindPeaks.R के साथ प्राप्त डेटा को ठोस रंगों के साथ लेबल किया जाता है, जबकि मैन्युअल रूप से प्राप्त डेटा को समान रंगों के कम संतृप्त संस्करणों के साथ लेबल किया जाता है। जबकि दोनों डेटा सेट इस आंकड़े में प्लॉट किए गए हैं, जब वे समान होते हैं, तो केवल एक पंक्ति स्पष्ट होती है। कृपया इस फ़ाइल को डाउनलोड करने के लिए यहाँ क्लिक करें.

Discussion

इस प्रकाशन में वर्णित प्रोटोकॉल को क्लिक और टोन पिप्स के लिए एबीआर के लिए वोल्टेज आयाम अनुपात और विलंबता अंतराल का वर्णन करने वाले डेटा के अधिग्रहण को सुव्यवस्थित करने में मदद करनी चाहिए। RStudio में एकल आदेशों को नियोजित करके, एक प्रयोगकर्ता सांख्यिकीय विश्लेषण के लिए एक ही दस्तावेज़ में इस जानकारी को निकाल, संकलित और प्रदर्शित कर सकता है। इस विश्लेषण को नियमित बनाकर, हम आशा करते हैं कि क्षेत्र नए तरीकों की खोज करेगा कि एबीआर को विकास में, उम्र बढ़ने में, या विभिन्न प्रजातियों में अपमान करके बदला जा सकता है। शोर 2 से सिनैप्टोपैथी के समान महत्वपूर्ण तंत्र की पहचान करने के लिए ऐसी जानकारी मूल्यवान हो सकतीहै। इस प्रयोग के लिए उपयोग किए जाने वाले युवा चूहों में अत्यधिक परिवर्तनशील प्रतिक्रियाएं थीं, संभवतः क्योंकि श्रवण ब्रेनस्टेम अभी भीइस उम्र 20 साल में परिपक्व हो रहा है। बहरहाल, परिमाणीकरण के दो तरीकों ने बहुत मजबूत सहसंबंध दिखाए (चित्रा 2)।

स्क्रिप्ट पीक पहचान के लिए डेटा के भीतर अंतराल सेट करने के लिए "टाइम.csv" नामक एक फ़ाइल का उपयोग करती है। संक्षेप में, एक निर्दिष्ट समय अंतराल में होने वाले अधिकतम वोल्टेज आयाम को "पीक 1" लेबल किया जाता है, निम्नलिखित अंतराल में होने वाले वोल्टेज न्यूनतम को "गर्त 1" लेबल किया जाता है, और इसी तरह। हमने 8 kHz से 32 kHz तक फैली आवृत्तियों का उपयोग करके 1 महीने से 12 महीने की आयु के CBA / CaJ चूहों के लिए क्लिक और टोन पिप प्रतिक्रियाओं दोनों की देरी को शामिल करने के लिए अंतराल चुना। हमने चूहों में टोन पिप प्रतिक्रियाओं को मापने के लिए उपकरण का सफलतापूर्वक उपयोग किया। मनुष्यों सहित अन्य प्रजातियों में भी समान खिड़कियों के भीतर एबीआर प्रतिक्रियाएं होती हैं, और हम उम्मीद करते हैं कि इस उपकरण का उपयोग अन्य प्रजातियों के डेटा के लिए भी किया जा सकता है। हम मनुष्यों के लिए नई समानांतर एबीआर विधि का उपयोग करने की सलाह देंगे21, जो उत्कृष्ट तरंगों का उत्पादन करता है। समय अंतराल सीमा तत्काल एबीआर प्रतिक्रियाओं का आकलन करने के लिए इस उपकरण के उपयोग को प्रतिबंधित करती है। हालांकि, हम ध्यान दें कि इस फ़ाइल में अंतराल डेटा को उपयोगकर्ताओं द्वारा भाषण या घटना से संबंधित क्षमता (ईआरपी) के लिए एबीआर प्रतिक्रियाओं के माप को स्वचालित करने के लिए बदला जा सकता है जो ध्वनि के जवाब में अलग-अलग समय पर विशिष्ट रूप से होते हैं।

इस डेटा के सांख्यिकीय उपचार की कुछ विशेषताएं उजागर करने योग्य हैं। हमारे ज्ञान के लिए, क्षेत्र में आयाम प्रगति को अलग करने के लिए एक मानकीकृत उपचार नहीं है। प्रारंभिक अध्ययनों में एनोवा22,23 का उपयोग किया गया था। यहां क्लिक श्रृंखला (चित्रा 2) के डेटा गैर-पैरामीट्रिक थे, जिससे क्रुस्कल-वालिस रैंक योग परीक्षण का उपयोग किया गया। एनोवा के समान, क्रुस्कल-वालिस रैंक योग परीक्षण एक उत्तेजना के दिए गए स्तर पर प्राप्त मूल्यों में अंतर का आकलन करता है; यही है, यह ग्राफ पर प्राप्त लाइनों की तुलना करता है। हालांकि, अन्य उपचार भी संभव हैं। जैविक रूप से, आयाम प्रगति उत्तेजना स्तर बढ़ने के साथ उच्च-दहलीज न्यूरॉन्स की अतिरिक्त भर्ती को दर्शाती है। इससे पता चलता है कि वक्र के नीचे का क्षेत्र, जो लाइनों के अभिन्न अंग का प्रतिनिधित्व करता है, अधिक प्रासंगिक उपाय हो सकता है। सामान्यीकृत आकलन समीकरणों (जीईई) का उपयोग एक अभिन्न विश्लेषण के लिए व्यक्तिगत डेटा को मॉडल करने के लिए किया जा सकता है, जैसा कि पटेल एट अल.5 में है। विशेष रूप से, जीईई विश्लेषण इन प्रयोगों के दोहराए गए उपायों के डिजाइन को ध्यान में रख सकता है। जैसा कि अधिक शोधकर्ता डेटा विश्लेषण विधियों पर चर्चा करते हैं, हम सर्वोत्तम प्रथाओं पर आम सहमति के उद्भव की उम्मीद करते हैं।

अंत में, यह पेपर एबीआर वेवफॉर्म को मापने, संकलित करने और कल्पना करने के लिए मुफ्त और उपयोग में आसान उपकरण प्रस्तुत करता है। इन उपकरणों का उपयोग इस प्रोटोकॉल का पालन करके RStudio के नौसिखिए छात्रों द्वारा किया जा सकता है, और वे बेहतर कठोरता और प्रजनन क्षमता के लिए एक अंधा कदम शामिल करते हैं। हम देखते हैं कि नियमित एबीआर वेवफॉर्म विश्लेषण अपमान, आनुवंशिक वेरिएंट और अन्य उपचारों की खोज को सक्षम करेगा जो श्रवण समारोह को प्रभावित कर सकते हैं।

Disclosures

लेखकों के हितों का कोई टकराव नहीं है।

Acknowledgments

इस काम को एनआईडीसीडी से पीडब्ल्यू को दो अनुदानों द्वारा समर्थित किया गया था: आर 01 डीसी018660 और एक प्रशासनिक पूरक पुरस्कार, आर01 डीसी014261-05 एस 1।

Materials

Name Company Catalog Number Comments
C57BL/6J  mice Jackson Labs 664
CBA/CaJ mice Jackson Labs 654
E-series PC Dell n/a (this equipment was discontinued) This runs the IHS system.
Mini-anechoic chamber Industrial Acoustics Company Special order number 104306 This enclosure reduces noise levels for auditory testing of animals.
Optiplex 7040 Dell i5-6500 Rstudio may also be run on a Mac or Linux system.
Universal Smart Box Intelligent Hearing Systems n/a (this equipment was discontinued) Both TDT and IHS can output hearing data as ASCII files.

DOWNLOAD MATERIALS LIST

References

  1. Gopal, K. V., Pierel, K. Binaural interaction component in children at risk for central auditory processing disorders. Scandinavian Audiology. 28 (2), 77-84 (1999).
  2. Kujawa, S. G., Liberman, M. C. Adding insult to injury: Cochlear nerve degeneration after "temporary" noise-induced hearing loss. Journal of Neuroscience. 29 (45), 14077-14085 (2009).
  3. Salvi, R. J., Wang, J., Ding, D. Auditory plasticity and hyperactivity following cochlear damage. Hearing Research. 147 (1-2), 261-274 (2000).
  4. Schrode, K. M., Muniak, M. A., Kim, Y. H., Lauer, A. M. Central compensation in auditory brainstem after damaging noise exposure. eNeuro. 5 (4), (2018).
  5. Patel, S., et al. SIRT3 promotes auditory function in young adult FVB/nJ mice but is dispensable for hearing recovery after noise exposure. PLoS One. 15 (7), 0235491 (2020).
  6. Milinkeviciute, G., Chokr, S. M., Castro, E. M., Cramer, K. S. CX3CR1 mutation alters synaptic and astrocytic protein expression, topographic gradients, and response latencies in the auditory brainstem. Journal of Comparative Neurology. 529 (11), 3076-3097 (2021).
  7. Ison, J. R., Allen, P. D., Oertel, D. Deleting the HCN1 subunit of hyperpolarization-activated ion channels in mice impairs acoustic startle reflexes, gap detection, and spatial localization. Journal of the Association for Research in Otolaryngology. 18 (3), 427-440 (2017).
  8. Chen, F., Zhao, F., Mahafza, N., Lu, W. Detecting noise-induced cochlear synaptopathy by auditory brainstem response in tinnitus patients with normal hearing thresholds: A meta-analysis. Frontiers in Neuroscience. 15, 778197 (2021).
  9. Santos-Filha, V. A., Samelli, A. G., Matas, C. G. Noise-induced tinnitus: Auditory evoked potential in symptomatic and asymptomatic patients. Clinics. 69 (7), 487-490 (2014).
  10. Kochar, K., Srivastava, T., Maurya, R. K., Jain, R., Aggarwal, P. Visual evoked potential & brainstem auditory evoked potentials in acute attack & after the attack of migraine. Electromyography and Clinical Neurophysiology. 42 (3), 175-179 (2002).
  11. Gedik, O., Husam, H., Basoz, M., Tas, N., Aksoy, F. The effect of coronavirus disease 2019 on the hearing system. Journal of Laryngology and Otology. 135 (9), 810-814 (2021).
  12. Ozturk, B., Kavruk, H., Aykul, A. Audiological findings in individuals diagnosed with COVID-19. American Journal of Otolaryngology. 43 (3), 103428 (2022).
  13. Dror, A. A., et al. Auditory performance in recovered SARS-COV-2 patients. Otology & Neurotology. 42 (5), 666-670 (2021).
  14. Lin, F. R., et al. Hearing loss and incident dementia. Archives of Neurology. 68 (2), 214-220 (2011).
  15. Jafari, Z., Kolb, B. E., Mohajerani, M. H. Auditory dysfunction in Parkinson's disease. Movement Disorders. 35 (4), 537-550 (2020).
  16. Swords, G. M., Nguyen, L. T., Mudar, R. A., Llano, D. A. Auditory system dysfunction in Alzheimer disease and its prodromal states: A review. Ageing Research Reviews. 44, 49-59 (2018).
  17. Konrad-Martin, D., et al. Age-related changes in the auditory brainstem response. Journal of the American Academy of Audiology. 23 (1), 18-35 (2012).
  18. Navntoft, C. A., Marozeau, J., Barkat, T. R. Cochlear implant surgery and electrically-evoked auditory brainstem response recordings in C57BL/6 mice. Journal of Visualized Experiments. (143), e59073 (2019).
  19. Gilels, F., Paquette, S. T., Beaulac, H. J., Bullen, A., White, P. M. Severe hearing loss and outer hair cell death in homozygous Foxo3 knockout mice after moderate noise exposure. Scientific Reports. 7, 1054 (2017).
  20. Rubio, M. E. Auditory brainstem development and plasticity. Current Opinion in Physiology. 18, 7-10 (2020).
  21. Polonenko, M. J., Maddox, R. K. The parallel auditory brainstem response. Trends in Hearing. 23, 2331216519871395 (2019).
  22. Shi, L., et al. Noise-induced damage to ribbon synapses without permanent threshold shifts in neonatal mice. Neuroscience. 304, 368-377 (2015).
  23. Lin, H. W., Furman, A. C., Kujawa, S. G., Liberman, M. C. Primary neural degeneration in the Guinea pig cochlea after reversible noise-induced threshold shift. Journal of the Association for Research in Otolaryngology. 12 (5), 605-616 (2011).

Tags

तंत्रिका विज्ञान अंक 190
आर का उपयोग करके श्रवण ब्रेनस्टेम प्रतिक्रिया तरंगों के लिए पीक आयाम और विलंबता का अर्ध-स्वचालित विश्लेषण
Play Video
PDF DOI DOWNLOAD MATERIALS LIST

Cite this Article

Na, D., White, P. M. Semi-Automated… More

Na, D., White, P. M. Semi-Automated Analysis of Peak Amplitude and Latency for Auditory Brainstem Response Waveforms Using R. J. Vis. Exp. (190), e64737, doi:10.3791/64737 (2022).

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