Explorateur de réseau vasculo-nerveux 2.0 : Un outil Simple pour l’exploration et de partage d’une base de données de la vasomotricité évoquée par Optogenetically dans le Cortex de souris In Vivo
Summary
Une interface utilisateur graphique pour explorer et partageant une base de données des réponses vasculaires induite par l’optogenetically en souris cortex somatosensoriel dans vivo mesurée par microscopie 2 photons est présentée. Il permet de parcourir les données, fondées sur des critères de sélection, en moyenne, localisation des mesures dans un volume 3D du système vasculaire et l’exportation des données.
Abstract
L’importance du partage des données expérimentales en neurosciences croît avec la quantité et la complexité des données acquises et les diverses techniques utilisées pour obtenir et traiter ces données. Cependant, la majorité des données expérimentales, notamment pour des études individuelles de taille normale laboratoires jamais atteindre plus large communauté de recherche. Un moteur d’interface (GUI) utilisateur graphique appelé neurovasculaire réseau Explorer 2.0 (NNE 2.0) a été créé comme un outil simple et peu coûteuse partage et explorer des données d’imagerie vasculaires. NNE 2.0 interagit avec une base de données contenant une dilatation/constriction évoquée par optogenetically temps-cours de chaque navire mesuré dans le cortex somatosensoriel souris in vivo par microscopie 2 photons. NNE 2.0 permet la sélection et l’affichage de l’heure-cours basé sur des critères différents (sujet, ordre branchement, profondeur cortical, le diamètre du vaisseau, arbre artériolaire) ainsi que des manipulations mathématiques simples (par exemple. calcul de la moyenne, pic-normalisation) et exportation de données. Il prend en charge la visualisation du réseau vasculaire en 3D et permet la localisation des mesures diamètre individuels de bateau fonctionnelle au sein des arbres vasculaires.
NNE 2.0, son code source et la base de données correspondante sont librement téléchargeables de UCSD neurovasculaire Imaging laboratoire site1. Le code source peut être utilisé par les utilisateurs d’explorer la base de données associée, ou comme un modèle pour l’archivage et le partage de leurs propres résultats expérimentaux fournis au format approprié.
Introduction
Le cerveau est considéré comme un des organes les plus complexes et le désir de démêler ses fonction complexe est indéfectible. Elle est étudiée à différentes échelles de la moléculaire au niveau comportemental à l’aide d’une large palette d’outils2,3,4,5,6,7,8 . La quantité de données expérimentales non homogènes se développe à une vitesse sans précédent. La prise de conscience de la nécessité pour le partage des données expérimentales, organisation et normalisation croît avec la quantité de données acquises. Il est devenu évident que la neuroinformatique jouera un rôle essentiel dans l’intégration des données expérimentales à échelles dans les modèles de cerveau fonction ou la dysfonction9,10.
À cette fin quelques études, surtout à grande échelle, ont été en mesure d’affecter des ressources afin de rendre leurs résultats disponible par l’intermédiaire de bases de données élaborées11,12,13,14,15. Cependant, une grande quantité de données expérimentales pour des études individuelles et les laboratoires de taille normale n’a jamais atteint le milieu de la recherche plus large. Il s’agit principalement pour deux raisons : tout d’abord, le plus dévoué de temps est nécessaire pour construire une base de données et créer des outils qui permettraient à l’utilisateur d’interagir avec la base de données ; et la deuxième, plus d’argent est nécessaire pour soutenir ces tâches. Motivé par ces défis, un moteur d’interface (GUI) utilisateur graphique MATLAB basé appelé le neurovasculaire réseau Explorer 2.0 (NNE 2.0)16 a été développé comme un outil simple et peu coûteux d’archivage, de partage et d’exploration de données d’imagerie vasculaires. Ce manuscrit fournit un manuel d’exploitation de NNE 2.0 et la base de données associée à des données expérimentales.
NNE 2.0 est déjà un moteur de deuxième génération de logiciel. La première génération, appelée neurovasculaire réseau Explorer 1.0 (NNE 1.0)17 a été construite pour interagir avec une base de données sensorielles évoquée par vasodilatation dans le cortex somatosensoriel primaire (SI) in vivo mesurée par microscopie 2 photons18. NNE 1.0, son code source ainsi que les bases de données associées sont librement téléchargeables sous forme de fichier compressé appelé « NNE 1 Tian » de UCSD neurovasculaire Imaging laboratoire site1. On trouvera plus d’informations sur NNE 1.0 et la base de données associée dans17.
La deuxième génération, le 2.0 NNE, interagit avec une base de données de dilatation évoquée par l’optogenetically des navires individuels chez les souris SI in vivo mesurée par microscopie 2-photon20. L’utilisateur peut parcourir, sélectionner et visualiser des données fondées sur des catégories de sélection tels que profondeur corticale, ordre branchement, le diamètre du vaisseau, sujet animaux ou un arbre particulier artériolaire. Le GUI plus exécute des opérations mathématiques simples tels que la moyenne et crête-normalisation dans les catΘgories sΘlectionnΘes. NNE 2.0 permet de visualiser et parcourir les images capture des volumes 3D du système vasculaire ainsi qu’identifier l’emplacement de la mesure fonctionnelle dans l’arbre vasculaire. Cette fonctionnalité peut servir à reconstruire les morphologies vasculaires en 3D et les remplir avec véritable single-navire vaso-marche. Ces reconstructions peuvent à son tour être incorporées dans les modèles informatiques du cerveau fonction21,22. NNE 2.0, son code source et la base de données associée sont librement téléchargeables sous forme de fichier compressé appelé « NNE 2.0 HDbase v1.0 » du laboratoire d’imagerie neurovasculaire UCSD site1.
NNE 2.0 fonctionne avec une base de données appelée « vdb.mat ». Cette base de données est une matrice contenant les profils temporelles (temps-cours) des changements de diamètre unique navire évoquées par un stimulus optogenetic et mesurée à différents endroits des arbres artériolaires. Chaque évolution temporelle a été calculée à l’aide du logiciel d’écriture personnalisée. Il calcule la variation relative d’un diamètre vasculaire de l’expansion d’un profil d’intensité de fluorescence acquis par balayage sur le navire. Le contraste fluorescent a été présenté par une injection intravasculaire de l’isothiocyanate de fluorescéine (FITC)-étiqueté dextran. Pour plus d’informations sur les procédures d’analyse et des données, veuillez consulter le20,23. La base de données a 305 temps-cours (c’est-à-dire les entrées de base de données) au total. En outre le changement de diamètre, chaque entrée de la base de données détient un tableau des métadonnées supplémentaires qui (1) quantifier l’évolution temporelle (2) décrire le navire mesuré et (3) identifier l’emplacement de mesure dans un volume 3D du système vasculaire cortical. Les métadonnées incluent le temps d’apparition, amplitude de crête, temps d’amplitude crête, profondeur corticale, ordre branchement, le diamètre du vaisseau à la base, chemin d’accès à des images de référence originales et piles d’image 3D pour chaque mesure et faible grossissement des cartes de la surface du cerveau système vasculaire. Voir tous les paramètres dans les métadonnées énumérés et décrits en détail dans le tableau 116précédemment.
NNE 2.0 interagit avec les images de référence qui sont QUE XY scanne d’un avion où a eu lieu la mesure du diamètre. Chaque entrée de la base de données a une image de référence correspondante avec un nom de référence affiché dans l’interface GUI. Chaque entrée de la base de données a également une associé pile d’images (pile 3D) capture un volume 3D de l’arbre vasculaire au sein de laquelle la mesure a eu lieu. L’interface graphique permet de choisir une entrée de base de données particulière et d’afficher l’image de référence correspondante ainsi que la pile de la 3D. Il dirige également l’utilisateur pour trouver l’image de référence correspondante et le cadre dans la pile de 3D (les mêmes caractéristiques peuvent être trouvés dans les deux images). Tout pile et images de référence dans leur pleine résolution (1024 pix de pix x 1024) sont inclus dans les dossiers hana_stk et hana_refs, respectivement. Cartes de faible grossissement du système vasculaire cérébrale sont inclus dans le dossier « maps ». Tous les trois dossiers ainsi que la matrice de base de données « vdb.mat » sont téléchargé dans le fichier zippé « NNE 2.0 HDbase v1.0 » de l’UCSD neurovasculaire Imaging laboratoire site1 et enregistrée dans le dossier racine du NNE 2.0 au cours du processus d’installation.
L’interface graphique a été conçu comme un ensemble de quatre panneaux (panneau 1 (panneau principal) – panneau 4) qui s’ouvrent dans l’ordre comme l’utilisateur explore la base de données et sélectionne les données spécifiques fondées sur des catégories de sélection. Chaque panneau est divisé en deux parties principales : (1) la colonne de droite contient la possibilité d’interagir avec la base de données en sélectionnant des paramètres et des catégories de données et affiche des informations importantes dans les métadonnées ; (2) la colonne de gauche affiche les données sous forme de temps-cours (variation de diamètre dans le temps) et diagrammes de dispersion. Il existe quatre types de diagrammes de dispersion affichant début de dilatation (1) heure (2) de la variation de diamètre (3) maximale de crête dilatation (amplitude de crête) et diamètre (diamètre avant la stimulation) de la ligne de base (4) en fonction de la profondeur de la corticale. L’utilisateur a la possibilité d’afficher la moyenne de temps-cours et les valeurs pour certaines données regroupées par profondeur corticale ou ordre de branchement. Il s’agit de mettre en évidence la fonction du gradient diamètre-changement de comportement avec augmentation de la profondeur et la ramification arrêté20. NNE 2.0 permet à l’utilisateur d’exporter le sous-ensemble de données dans le format « .xls », « .csv » ou « .mat ».
Protocol
Representative Results
Discussion
NNE 2.0 a été écrit afin de partager les données d’imagerie vasculaires d’une étude spécifique20 mais avec l’intention de développer un outil simple de partage et d’exploration de données de type similaire par d’autres utilisateurs. Les chercheurs intéressés à inspecter la base de données associée de données vasculaires peuvent utiliser l’interface graphique pour parcourir les données, sélectionner des sous-ensembles de données, les compare à leurs propres résultats …
Divulgazioni
The authors have nothing to disclose.
Acknowledgements
Nous reconnaissons le soutien de la NIH (NS057198, EB00790, MH111359 et S10RR029050) et le ministère de l’éducation, jeunesse et des Sports de la République tchèque (CEITEC 2020, LQ1601). KK a bénéficié de bourses de recherche postdoctorales de l’International Headache Society en 2014 et The Scientific et technologique recherche Conseil de Turquie en 2015. MT a été soutenu par une bourse postdoctorale de la Fondation de recherche allemande (DFG TH 2031/1).
Riferimenti
- . Use Our Data Available from: https://neurosciences.ucsd.edu/research/labs/nil/Pages/UseOurData.aspx (2017)
- Craddock, R. C., et al. Imaging human connectomes at the macroscale. Nat Methods. 10 (6), 524-539 (2013).
- Devor, A., et al. Frontiers in optical imaging of cerebral blood flow and metabolism. J Cereb Blood Flow Metab. 32 (7), 1259-1276 (2012).
- Ji, N., Freeman, J., Smith, S. L. Technologies for imaging neural activity in large volumes. Nat Neurosci. 19 (9), 1154-1164 (2016).
- Maze, I., et al. Analytical tools and current challenges in the modern era of neuroepigenomics. Nat Neurosci. 17 (11), 1476-1490 (2014).
- 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).
- Osten, P., Margrie, T. W. Mapping brain circuitry with a light microscope. Nat Methods. 10 (6), 515-523 (2013).
- Poldrack, R. A., Farah, M. J. Progress and challenges in probing the human brain. Nature. 526 (7573), 371-379 (2015).
- Kotter, R. Neuroscience databases: tools for exploring brain structure-function relationships. Philos Trans R Soc Lond B Biol Sci. 356 (1412), 1111-1120 (2001).
- 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).
- Aine, C. J., et al. Multimodal Neuroimaging in Schizophrenia: Description and Dissemination. Neuroinformatics. , (2017).
- Amunts, K., et al. BigBrain: an ultrahigh-resolution 3D human brain model. Science. 340 (6139), 1472-1475 (2013).
- 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).
- Lein, E. S., et al. Genome-wide atlas of gene expression in the adult mouse brain. Nature. 445 (7124), 168-176 (2007).
- 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).
- 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).
- 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).
- 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).
- . Use Our Data Available from: https://neurosciences.ucsd.edu/research/labs/nil/Pages/UseOurData.aspx (2017)
- Uhlirova, H., et al. Cell type specificity of neurovascular coupling in cerebral cortex. Elife. 5, (2016).
- 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).
- 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).
- 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).
- Reznichenko, L., et al. In vivo alterations in calcium buffering capacity in transgenic mouse model of synucleinopathy. J Neurosci. 32 (29), 9992-9998 (2012).
- Langer, J., Rose, C. R. Synaptically induced sodium signals in hippocampal astrocytes in situ. J Physiol. 587 (Pt 24), 5859-5877 (2009).
- 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).
- 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).
- 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).
- 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).
- 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).
- 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).
- Ascoli, G. A., Donohue, D. E., Halavi, M. NeuroMorpho.Org: a central resource for neuronal morphologies. J Neurosci. 27 (35), 9247-9251 (2007).
- Mennes, M., Biswal, B. B., Castellanos, F. X., Milham, M. P. Making data sharing work: the FCP/INDI experience. Neuroimage. 82, 683-691 (2013).
- Marmarou, A., et al. IMPACT database of traumatic brain injury: design and description. J Neurotrauma. 24 (2), 239-250 (2007).
