Yöntem makalesi

Nörovasküler ağ Explorer 2.0: keşfetmek ve Optogenetically uyarılmış Vasomotion fare kortekste Vivo içinde bir veritabanı paylaşımı için basit bir araç

DOI:

10.3791/57214

⸱

4 Mayıs 2018

 ,  ,  ,  ,  ,  ,  ,  ,  , 
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

Bu makalede

Özet

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

Keşfetmek ve optogenetically kaynaklı vasküler yanıt fare somatosensor korteks vivo içinde 2-Foton mikroskobu tarafından ölçülen içinde bir veritabanı paylaşımı için bir grafik kullanıcı arabirimi sunulur. Tarama veri, seçim ölçütlerine dayalı, ortalama, yerelleştirme damarlara bir 3B cilt içinde ölçü ve verileri verme sağlar.

Özet

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

Nörolojik deneysel veriler paylaşmanın önemini tutar ve karmaşıklığı alınan veri ve elde edilir ve bu verileri işlemek için kullanılan çeşitli teknikler ile büyür. Ancak, deneysel verilerden, özellikle normal boyutta laboratuvarları asla bireysel çalışmaların çoğunluğu daha geniş araştırma topluluğu ulaşmak. Nörovasküler ağ Explorer 2.0 (Kuzey 2.0) adlı bir grafik kullanıcı arabirimi (GUI) motoru basit ve düşük maliyetli paylaşımı ve vasküler görüntüleme veri türlerini keşfetmek için bir araç olarak oluşturuldu. Kuzey 2.0 optogenetically uyarılmış genişleme/daralma içeren bir veritabanı ile etkileşim zaman-kurslar bireysel damarlarının 2-Foton mikroskobu tarafından fareler somatosensor korteks in vivo ölçülen. Kuzey 2.0 sağlar seçimi ve görüntü (konu, dallanma sipariş, kortikal derinlik, damar çapı, arterioler ağaç) farklı kriterlere göre zaman derslerin yanı sıra basit matematiksel manipülasyon (örn. ortalama, en yüksek normalleştirme) ve veri verin. 3D görselleştirme damar ağının destekler ve vasküler ağaçlar içinde bireysel fonksiyonel damar çapı ölçümlerin yerelleştirme sağlar.

Kuzey 2.0, kaynak kodu ve karşılık gelen veritabanı UCSD nörovasküler Laboratuvarı görüntüleme Web sitesi1' den serbestçe indirilebilir. Kaynak kodu ilişkili veritabanı keşfetmek için kullanıcılar tarafından veya databasing ve uygun biçimi sağlanan kendi deneysel sonuçlar paylaşmak için şablon olarak kullanılabilir.

Giriş

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

Beyin en karmaşık organ biri olarak kabul edilir ve karmaşık işlevini çözmek için arzu yorulmaz. Bu farklı ölçeklerde moleküler gelen araçlar2,3,4,5,6,7,8 geniş bir palet kullanarak davranış düzey okudu . Homojen olmayan deneysel veri miktarını daha önce görülmemiş bir hızla büyür. Deneysel veri paylaşımı için ihtiyaç bilincini, organizasyon ve standardizasyon alınan veri miktarı ile büyür. Nöroinformatik beyin fonksiyonu ve fonksiyon bozukluğu9,10modelleri içine ölçekler arasında deneysel veri tümleştirme kritik bir rol oynayacak belirgin olmuştur.

Bu amaçla bazı çalışmalarda, özellikle büyük ölçekli çalışmalar, bunların sonuçları geniş veritabanları11,12,13,14,15ile kullanılabilir hale getirmek için kaynakları harcadığınız başardık. Ancak, bireysel çalışmalar ve laboratuvarlar normal boyutta deneysel veri çok büyük miktarda ulaştı asla daha geniş araştırma topluluğu. Bunun başlıca iki nedeni vardır: ilk, daha özel bir zaman bir veritabanı oluşturabilir ve kullanıcı veritabanı ile; etkileşim sağlayacak araçları oluşturmak için gerekli ve ikinci, daha fazla para bu görevleri desteklemek için gereklidir. Bu sorunlar tarafından motive, bir temel MATLAB grafik kullanıcı arabirimi (GUI) motor nörovasküler ağ Explorer 2.0 (Kuzey 2.0)16 adlı databasing, paylaşımı ve vasküler görüntüleme veri türlerini keşfetmek için basit ve ucuz bir araç olarak geliştirilmiştir. Bu el yazması Kuzey 2.0 işleyişi ve deneysel veri ilişkili veritabanı için bir kılavuz sağlar.

Kuzey 2.0 zaten bir ikinci nesil yazılım alt yapısıdır. Nörovasküler ağ Explorer 1.0 (Kuzey 1.0)17 denilen ilk nesil 2-Foton mikroskobu18tarafından ölçülen (SI) vivo duyusal uyarılmış vazodilatasyon sıçan birincil somatosensor korteks bir veritabanı ile etkileşim için inşa edilmiştir. Kuzey 1.0, kaynak kodu gibi ilişkili veritabanı UCSD nörovasküler Laboratuvarı görüntüleme Web sitesi1' den 'Kuzey 1 Tian' adlı bir sıkıştırılmış dosya olarak serbestçe indirilebilir. 17' Kuzey 1.0 ve ilişkili veritabanı hakkında daha fazla bilgi bulunabilir.

İkinci nesil, Kuzey 2.0 2-Foton mikroskobu20tarafından ölçülen SI vivo farelerde bireysel damarlarının genişleme optogenetically uyarılmış bir veritabanı ile etkileşim kurar. Kullanıcı bulup seçin ve seçimi kategorilerini kortikal derinlik, dallanma sipariş, damar çapı, hayvan konu veya belirli bir arterioler ağaç gibi temel alarak verileri görselleştir. GUI daha fazla seçili kategorilerde ortalama ve en yüksek normalleştirme gibi basit matematiksel işlemler gerçekleştirir. Kuzey 2.0 görüntüleme ve insanlar damarlara 3D hacimleri yakalama görüntüleri yanı sıra işlevsel ölçüm vasküler ağaçlar içinde konumunu tanımlamak için sağlar. Bu özellik 3D vasküler türleri Morfoloji yeniden oluşturmak ve onları gerçek tek gemi vaso-hareket ölçümleri ile doldurmak için kullanılabilir. Bu rekonstrüksiyonlar sırayla beyin işlevi21,22Hesaplamalı modelleri içine dahil edilebilir. Kuzey 2.0, kaynak kodu ve ilişkili veritabanı UCSD nörovasküler Laboratuvarı görüntüleme Web sitesi1' den 'Kuzey 2.0 HDbase v1.0' adlı bir sıkıştırılmış dosya olarak serbestçe indirilebilir.

Kuzey 2.0 'vdb.mat' adı verilen bir veritabanı ile çalışır. Geçici profiller (zaman-ders) tarafından bir optogenetic uyarıcı uyarılmış ve arterioler ağaçlar farklı yerlerde ölçülen tek damar çapı değişiklikler içeren bir matris veritabanıdır. Her zaman ders özel olarak yazılmış yazılımı kullanılarak hesaplanmıştır. Gemi tarayarak elde bir floresan yoğunluğu profil genişlemesi gelen Gemi çapında göreceli değişiklik hesaplar. Floresan kontrast floresein isothiocyanate (FITC) damar içi enjeksiyon tarafından sunuldu-dextran etiketli. Veri ve analiz yordamlar hakkında daha fazla bilgi için lütfen bkz:20,23. Veritabanının Toplam 305 zaman-dersler (yani veritabanı girdilerinin) var. Çapı değiştirmek için Ayrıca, her giriş için veritabanı tutar hangi (1) zamanlı Kurs ölçmek ek meta veriler bir dizi tarif (2) ölçülen gemi ve (3) kortikal damarlara 3D bir birimde ölçüm konumu tanımlar. Meta veriler dahil başlangıçlı zaman, pik genlik, pik genlik zaman, kortikal derinlik, dallanma sipariş, damar çapı temel, yolunu orijinal referans görüntüler ve 3D görüntü yığınları beyin yüzeyinin her ölçüm ve düşük-büyütme haritalar için damarlara. Meta veri listelenen ve ayrıntılı Tablo 116olarak daha önce açıklanan tüm parametreleri görebilir.

Kuzey 2.0 X-Y çap ölçümü oluştuğu bir uçak tarar başvuru görüntüleri ile etkileşime girer. Her veritabanı girişinin bir karşılık gelen başvuru yansıması ile GUI içinde görüntülenen bir başvuru adı vardır. Her veritabanı giriş Ayrıca 3B cilt ölçüm içinde oluştuğu vasküler ağacının yakalama görüntüleri (3B yığın) ilişkili bir yığını var. GUI bir belirli veritabanı girişi seçin ve karşılık gelen başvuru yansıması yanı sıra 3B yığın görüntülemek için sağlar. Ayrıca eşleşen referans görüntü ve çerçeve (aynı özellikleri her iki Albümdeki bulunabilir) 3B yığın bulmak için kullanıcı kılavuzları. Tüm yığını ve onların tam çözünürlük (1024 PIX x 1024 pix) referans görüntü klasörleri hana_stk ve hana_refs, sırasıyla dahil edilir. Düşük-büyütme haritalar beyin damarlara 'haritalar' klasöründe yer alır. Tüm üç klasör hem de veritabanı matris 'vdb.mat' 'Kuzey 2.0 HDbase v1.0' UCSD nörovasküler Laboratuvarı görüntüleme Web sitesi1 sıkıştırılmış dosya indirilen ve yükleme işlemi sırasında Kuzey 2.0 kök klasöre kurtardın.

GUI kullanıcı veritabanını araştırıyor ve belirli veri seçimi kategorilere göre seçer gibi hangi sırayla açık dört panelleri (Panel 1 (ana paneli)-Panel 4) kümesi olarak dizayn edilmiştir. Her panel iki ana bölüme ayrılır: (1) sağ sütun meta verileri; parametreleri ve veri ve görüntüler önemli bilgilerin kategorilerini seçerek veritabanı ile etkileşim olanağı sağlar (2) sol sütun verileri zaman-dersler (zamanında çapı değiştir) ve scatter araziler biçiminde görüntüler. Kortikal derinlik fonksiyonu olarak zaman (2) zaman genişleme tepe (3) maksimum çapı değişim (pik genlik) ve (4) temel çapı (çapı stimülasyon önce) (1) genişleme başlangıçlı görüntüleme dağılım araziler dört tipi vardır. Kullanıcı ortalama zaman-Dershaneler ve kortikal derinlik veya dallanma sipariş tarafından gruplandırılmış seçili veri değerlerini görüntülemek için olasılığı vardır. Bu derinliği artan ve sipariş20dallanma degrade çapı-Değiştir davranış özelliği vurgulamak içindir. Kuzey 2.0 '.xls', '.csv' veya '.mat' biçiminde veri seçili alt kümesini dışa aktarmak kullanıcı sağlar.

Erişim kısıtlı. Bu içeriği görüntülemek için lütfen giriş yapın veya deneme sürümünü başlatın.

Protokol

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

1. Kuzey 2.0 yüklemesini

  1. UCSD nörovasküler Laboratuvarı görüntüleme Web sitesi1 ve 'Kuzey 2.0 HDbase v1.0', sol tıklayın gidin kişisel bilgisayarınızda istediğiniz konuma sıkıştırılmış program dosyaları indirmek için.
    Not: Windows işletim sistemi sürümleri 7-10, en az 2.8 GB boş alan sıkıştırılmış dosya indirmek için ve programı yüklemek için 6,9 GB NNE 2.0 gerektirir.
  2. 'NNE2_HDbase_v1.0.zip' unzip.
    Not: Unzipped klasörü NNE2 10 içeriyor: 'hana_refs.tar.gz', 'hana_stk.tar.gz', 'maps.tgz', 'MCRInstaller.exe', 'NNE2.exe', 'NNE2.zip', 'NNE2_README.txt', 'source.zip', 'users_guide.pdf' ve 'vdb.mat'.
  3. Kuzey 2.0 tarafından 'NNE2_README.txt' ndaki yönergeleri izleyerek yükleyin.

2. Kuzey 2.0 çalıştıran

  1. 'NNE2.exe' ile Kuzey 2.0 başlatın.
  2. Panel 1 (ana paneli): (şekil 1) verilerin bir alt kümesini seçin. Ana panelin sol sütunda görüntüler grafikler zaman derslerin ve parametreleri 'vdb.mat' (şekil 1) için tüm kayıtların göstermektedir.
    1. Aralığı Kortikal derinlik için panelin sağ sütunda seçin. Aralığı türünü biçimini derinlemesine [ddk dmax], nerede ddk minimum derinlik ve dmax maksimum derinliği.
      Not: Veri--dan 30-560 µm derinlikte ölçüldü.
    2. Dallanma sipariş panelinin sağ sütunda seçin. Sol üzerindeki oku tıklatın ve listeden bir seçenek seçin (yüzey | Dalış gövde | İlk sipariş şubeleri | Dalları yüksek sipariş).
    3. Panelin sağ sütunda Satır taban çizgisi çapı aralığını seçin. Burada diadk. minimum çap, diamaksimum maksimum çapı [diadk. diamax], biçiminde yazın.
    4. Konular (hayvan Alım tarihine göre) panelin sağ sütunda seçin. Sağdaki oku tıklatın ve kullanılabilir seçenekler arasından seçin. Alternatif olarak, verileri tüm konular mavi dikdörtgenin içinde Timeline tarafından seçin.
    5. Görüntülemek ve Panel 2 seçili verileri incelemek için Gönder düğmesine basın.
  3. Panel 2: veri seçili alt kümesini keşfetmek ve daha fazla veri arıtma (Şekil 2) devam etmek.
    1. Üst sağ sütunda uygun düğmeyi sağ tarafından grup ortalama veri türünü seçin. SELECT: Avg kortikal derinlik tarafından ya da Avg tarafindan dallanma.
      Not: Gerçek seçim (Şekil 2) aşağıda yeşil vurgulanır.
    2. Gemi Morfoloji veya konu temel verileri seçin. (Tek bir dalış arteriyol ve dalları) Ağaç için tüm verileri seçmek veya Konu için tüm verileri seçin (hayvan konu) sol tıklatın.
    3. (1) bireysel zaman derslerin grafiklerde soldaki seçili verileri görüntülemek için sol tıklayın Gönder (2) grup-zaman-Dershaneler ortalama ve dağılım (6) temeli çaplarda ve (3) başlangıçlı kere (4) zaman-için-tepeler (5) en yüksek genlikleri araziler
    4. Bir izleme bireysel timecourses grafikte zaman ders seçmek için sol sütununda sol tıklatın.
      Not: Seçilen zaman ders grafik (macenta) ve onun başlangıçlı zaman vurgulanan, zaman zirve, tepe genlik ve satır taban çizgisi çapı aşağıdaki grafik kırmızı daireler tarafından işaretlenir. Dağılım parsellerde kırmızı Puan ortalama değerlerdir.
    5. Alt sağ sütunda seçilen saat ders için tanımlayıcıları konu (Konu kimliği) ve ağaç (Ağaç kimliği) unutmayın.
    6. İstenirse, uygun seçim tarafından Gönder düğmesini ardından sağ sütunda üst sol tarafından grup ortalama türünü değiştirmek ve 2.3.4 gelen adımları yineleyin.
    7. Herhangi bir Panel 2'görüntülemek ve Seçili konuyu (Konu kimliği) veya ağaç (Ağaç kimliği) Panel 3 için tüm izlerini keşfetmek için çapraz bir imleç ile sağ tıklatın.
  4. Panel 3: son alt küme küme küme veri keşfedin ve ihracat yapmak onları (şekil 3).
    1. Bir izleme üzerinde sağ tarafından sol sütun üst grafikte zaman ders seçin: seçili izleme grafiği (macenta) vurgulanır ve açıklayıcı veritabanı giriş parametrelerinin grafiğin en üstünde görüntülenir.
      Not: Ortalama zaman ders kalın siyah (şekil 3) görüntülenir.
    2. Karşılık gelen bir başlangıç saat, zaman zirve, tepe genlik ve temel çapı aşağıdaki grafiklerde unutmayın.
    3. Sol sağ sütunda Kuzey 2.0 üzerinden çalıştığı klasörü içine Üst grafikte gösterilen izlerini kaydetmek için Verme kümesi düğmesini tıklatın.
      Not: Bu eylem üç dosyaları kaydeder: 'vdb_subset.xls', 'vdb_subset.csv' ve 'vdb_subset.mat' içeren çapı değişimin vektörel çizimler ve zaman vektörler; 'vdb_subset.mat' da açıklayıcı parametreleri ve 'vdb.mat' dan bilgi içerir.
    4. 'Ağaç' yerine ' konu' yeniden Kuzey 2.0 [x], basarak 3 panelini kapatmak için tüm veri denetleme için paneli 1 (adımları 2.2.1-2.2.5) kategorilerinde seçimi yineleyin ve konu için tüm veriler Panel 2 (Adım 2.3.2) seçin.
    5. Sağ herhangi bir Panel 3'te Panel referans görüntüler ve Panel 3 üst grafiği'ndeki tüm izini sürmek için 3D yığınları keşfetmek için 4 gitmek için çapraz bir imleç ile tıklatın.
      Not: Panel 4 açar ve eğer 'ağaç' paneli 2'seçildi için tüm veri seçeneği. 'Konu' için tüm veriler yerine seçilmişse, kullanıcının yaptığı seçim değiştirmek için istenir ve Panel 1 olarak yönetti.
  5. Panel 4: bir resim içindeki ve damarlara (şekil 4) 3D görüntü yığını içinde işlevsel ölçüm yerelleştirilmesine.
    1. Bir zaman ders üzerinde grafiğin en üstünde belgili tanımlık sol sütun içinde seçeneğini seçin.
      Not: Seçili izleme grafiği (macenta) vurgulanır ve meta verilerinden kendi açıklayıcı bilgi-ecek var olmak göstermek üstünde tepe.
    2. Sol sütun sağ altında 'hana_refs' klasöründen otomatik olarak yüklenen ilgili başvuru yansıması keşfetmek.
    3. Sol sütunda, sol alt 'hana_stk' klasöründen otomatik olarak yüklenen ilgili 3D görüntü yığını keşfedin. Oklar veya aşağıdaki resme kaydırıcısını kullanarak yığını arasında ilerler.
      Not: Yığın görüntü ulaştığında başvuru yansıması – Yani Çap ölçüm düzey düzeyini ('Yığın dizini' 'Ref' =), yığın görüntü vurgulanmış ve 'Çerçeve düzeyi olarak' belirtti.
    4. Sağ sütunda vurgulanan zaman ders 'ref_stacks_trace.xls' Kuzey 2.0 üzerinden çalıştığı klasörüne kaydedilen bir dosyaya dışa aktarmak için Dışa Aktar ayarla ' yı tıklatın.
      Not: Dosya zaman vektör, çapı değişiklik vektör, konu kimliği, giriş dizini, başvuru yansımasının konumunu, 3B yığın konumunu ve çerçeve düzeyi için yığın resim numarasını içerir.
    5. Panel 4 [x] geri Masası 1'e gitmek için kapatın.

Erişim kısıtlı. Bu içeriği görüntülemek için lütfen giriş yapın veya deneme sürümünü başlatın.

Sonuçlar

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

Kuzey 2.0 ve ortak veritabanı göz atın ve veritabanı verilerini görüntülemek, seçim ölçütleri temel alarak verileri sıralamak, seçili veri indirme ve karşılık gelen vasküler ağaç içindeki damar ölçümleri bulmak için hizmet vermektedir.

Panel 1 şekil kategorilerine dayalı verilerin seçimi: 'Kortikal derinlik', 'Dallanma sırası', 'Temel çapı' ve 'Konular- Resim 1'). Unutmayın ki bu çalışmada, yüzey ar...

Erişim kısıtlı. Bu içeriği görüntülemek için lütfen giriş yapın veya deneme sürümünü başlatın.

Tartışma

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

Kuzey 2.0 vasküler görüntüleme verileri belirli çalışma20 ama paylaşımı ve veri benzer bir araştırma için basit bir araç geliştirmek amacıyla paylaşmak için diğer kullanıcılar tarafından yazılmıştır. Araştırmacılar vasküler veri ilişkili veritabanı teftiş baktılar GUI veriyi, veri alt kümelerine seçin, onları kendi deneysel sonuçlar karşılaştırmak veya onları daha fazla kendi işlemsel yordamları kullanarak işlemek için kullanabilirsiniz. Farklı türde bir programlama dili kullanan kullanıcılar veri...

Erişim kısıtlı. Bu içeriği görüntülemek için lütfen giriş yapın veya deneme sürümünü başlatın.

Açıklamalar

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

Yazarlar ifşa gerek yok.

Teşekkürler

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

Destek NIH (NS057198, EB00790, MH111359 ve S10RR029050) ve Milli Eğitim Bakanlığı, gençlik ve spor (CEITEC 2020, LQ1601) Çek Cumhuriyeti minnetle anıyoruz. KK 2014 yılında Uluslararası baş ağrısı toplum ve bilimsel ve Teknolojik Araştırma Konseyi Türkiye'nin 2015 yılında doktora sonrası bursu tarafından desteklenmiştir. MT Alman Araştırma Vakfı (DFG TH 2031/1) doktora sonrası bursu tarafından desteklenmiştir.

Erişim kısıtlı. Bu içeriği görüntülemek için lütfen giriş yapın veya deneme sürümünü başlatın.

Malzemeler

Bu makalede kullanılan malzemelerin listesi
AdŞirketKatalog numarasıYorumlar
MATLABMathWorksprogramı
WinrarRarlabsprogramı

Kaynaklar

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,
  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).

Erişim kısıtlı. Bu içeriği görüntülemek için lütfen giriş yapın veya deneme sürümünü başlatın.

Yeniden basım ve izinler

Bu JoVE makalesinin metnini veya şekillerini yeniden kullanmak için izin iste

İzin iste

Etiketler

Neurovascular Network ExplorerOptogenetic VasomotionTwo Photon MicroscopyVascular Network VisualizationMATLAB GUI ToolCortical Depth AnalysisBranching Order SelectionVessel Diameter MeasurementData Export Function3D Image Stack

İlgili makaleler