Neurovaskuläre Network Explorer 2.0: Ein einfaches Werkzeug für die Erkundung und Freigeben einer Datenbank Optogenetically-evozierten Vasomotion Maus Kortex In Vivo
Summary
Eine grafische Benutzeroberfläche für die Erkundung und Aufbau einer gemeinsamen Datenbank der Optogenetically-induzierten vaskulären Antworten in Maus somatosensorischen Cortex in Vivo 2-Photonen-Mikroskopie gemessen wird vorgestellt. Es ermöglicht Surfen, Daten, kriterienbasierten Auswahl, Mittelwertbildung, Lokalisierung von Messungen in ein 3D Volumen des Gefäßsystems und das Exportieren der Daten.
Abstract
Die Bedeutung des Teilens experimenteller Daten in den Neurowissenschaften wächst mit der Menge und Komplexität der erfassten Daten und verschiedene Techniken verwendet, um zu erhalten und diese Daten zu verarbeiten. Allerdings erreichen die Mehrheit der experimentellen Daten, insbesondere von Einzelstudien normalgroße Laboratorien nie breiter Forschungsgemeinschaft. Eine grafische Benutzeroberfläche (GUI)-Engine namens Neurovaskuläre Network Explorer 2.0 (NNE 2.0) wurde als ein Werkzeug zur einfachen und kostengünstigen Austausch und Erkundung der vaskulären Bilddaten erstellt. NNE 2.0 arbeitet mit einer Datenbank mit Optogenetically-evozierten Dilatation/Verengung Mal-Kurse der einzelnen Schiffe daran gemessen in Mäusen somatosensorischen Cortex in Vivo 2-Photonen-Mikroskopie. NNE 2.0 ermöglicht die Auswahl und Anzeige der Zeit Kurse anhand verschiedener Kriterien (Thema, verzweigte Ordnung, kortikale Tiefe, Schiffs Durchmesser, Arteriolen Baum) sowie einfache mathematische Manipulation (zB. Mittelung, Peak-Normalisierung) und Daten exportieren. Es unterstützt die Visualisierung des vaskulären Netzwerks in 3D und Lokalisierung der einzelnen funktionalen Schiff Durchmesser Messungen innerhalb von vaskulären Bäumen ermöglicht.
NNE 2.0, dessen Quellcode und die entsprechende Datenbank sind kostenlos herunterladbar von UCSD Neurovaskuläre Imaging Laboratory Website1. Der Quellcode kann von den Nutzern die zugeordneten Datenbank zu erkunden oder als Vorlage für Datenbankkonzepte und teilen ihre eigenen experimentellen Ergebnisse zur Verfügung gestellt des entsprechenden Formates genutzt werden.
Introduction
Das Gehirn gilt als eines der kompliziertesten Organe und der Wunsch, seine komplexe Funktion zu entwirren ist unermüdlicher. Es wird in verschiedenen Maßstäben von der molekularen auf der Verhaltensebene mit einer breiten Palette von Werkzeugen2,3,4,5,6,7,8 studiert . Inhomogenen experimentelle Datenmenge wächst schnell wie nie zuvor. Das Bewusstsein für die Notwendigkeit von experimentellen Daten teilen, Organisation und Standardisierung wächst mit der Menge der erfassten Daten. Es hat sich herausgestellt, dass Neuroinformatik eine entscheidende Rolle bei der Integration von Versuchsdaten Skalen in Modelle von Gehirn Funktion und Dysfunktion9,10.
Zu diesem Zweck konnten einige Studien, vor allem größere Ressourcen, um ihre Ergebnisse über umfangreiche Datenbanken11,12,13,14,15zur Verfügung stellen vorzusehen. Jedoch hat eine große Menge an experimentelle Daten aus Einzelstudien und normalgroße Laboratorien die Forschungsgemeinschaft nie erreicht. Dies ist vor allem aus zwei Gründen: Erstens mehr engagierte Zeit ist notwendig, um eine Datenbank erstellen und Erstellen von Tools, die den Benutzer zur Interaktion mit der Datenbank; und zweitens, wir brauchen mehr Geld um diese Aufgaben zu unterstützen. Motiviert durch diese Herausforderungen, wurde ein MATLAB basierte grafische Benutzeroberfläche (GUI) Motor genannt Neurovaskuläre Network Explorer 2.0 (NNE 2.0)16 als einfache und kostengünstige Instrument für Datenbankkonzepte, teilen und die Erkundung der vaskulären Bilddaten entwickelt. Dieses Manuskript liefert ein Handbuch für den Betrieb von NNE 2.0 und der zugeordneten Datenbank von experimentellen Daten.
NNE 2.0 ist bereits eine zweite Generation Software-Engine. Die erste Generation, genannt Neurovaskuläre Network Explorer 1.0 (NNE 1.0)17 wurde gebaut, um die Interaktion mit einer Datenbank von sensorische evozierte Vasodilatation im primären somatosensorischen Cortex Ratte (SI) in Vivo 2-Photonen-Mikroskopie18gemessen. NNE 1.0, deren Quellcode sowie die zugehörige Datenbank sind frei zum Download als ZIP-Datei namens ‘NNE 1 Tian’ von UCSD Neurovaskuläre Imaging Laboratory Website1. Weitere Informationen über NNE 1.0 und die zugehörige Datenbank finden Sie im17.
Die zweite Generation, NNE 2.0, interagiert mit einer Datenbank von Optogenetically-evozierten Dilatation der einzelnen Schiffe bei Mäusen SI in Vivo 2-Photonen-Mikroskopie20gemessen. Der Benutzer durchsuchen, auswählen und Visualisieren von Daten basierend auf Auswahl Kategorien wie kortikale Tiefe, verzweigte Ordnung, Schiffs Durchmesser, tierischen Thema oder einen bestimmten Arteriolen Baum. Die GUI weiter führt einfache mathematische Operationen wie Mittelwertbildung und Peak-Normalisierung in ausgewählten Kategorien. NNE 2.0 ermöglicht es, anzeigen und Durchsuchen Sie Bilder 3D Volumen des Gefäßsystems sowie die Standorte der funktionellen Messung innerhalb der vaskulären Bäume bestimmen. Diese Funktion lässt sich rekonstruieren vaskuläre Morphologien in 3D und füllen sie mit echten Single-Schiff Vaso-Motion Messungen. Diese Rekonstruktionen können wiederum in Rechenmodelle Gehirn Funktion21,22einfließen. NNE 2.0, dessen Quellcode und der zugeordneten Datenbank sind frei zum Download als ZIP-Datei namens “NNE 2.0 HDbase v1. 0” von UCSD Neurovaskuläre Imaging Laboratory Website1.
NNE 2.0 arbeitet mit einer Datenbank mit dem Namen “vdb.mat”. Diese Datenbank ist eine Matrix mit zeitlichen Profilen (Zeit-Kurse) der einzigen Behälter Durchmesser Veränderungen hervorgerufen durch einen optogenetische Reiz und an verschiedenen Standorten der Arteriolen Bäume gemessen. Jeder Zeit-Kurs wurde mithilfe individuell geschriebenen Software berechnet. Es berechnet die relative Änderung des Schiffs Durchmesser vom Ausbau der Fluoreszenz Intensität Profil erworben durch das Scannen über das Schiff. Die fluoreszierende Kontrast wurde durch intravasale Injektion von Fluorescein erfolgt (FITC) vorgestellt-Dextran beschriftet. Weitere Informationen über die Verfahren, Daten und Analysen finden Sie20,23. Die Datenbank hat insgesamt 305 mal-Kurse (z. B. Datenbank-Einträge). In Ergänzung zu den Durchmesser ändern, jeden Eintrag der Datenbank hält eine Reihe von zusätzlichen Metadaten (1) den Zeitverlauf zu quantifizieren (2) beschreiben das gemessene Schiff und (3) der Messort in ein 3D Volumen der kortikalen Gefäßsystem zu identifizieren. Die Metadaten enthalten Beginn Zeit, Peak Amplitude, Amplitude Spitzenzeit, kortikale Tiefe, verzweigte Ordnung, Schiffs Durchmesser an Grundlinie, Weg zum ursprünglichen Referenzbilder und 3D-Bild Stacks für jede Messung und niedrig-Vergrößerung Karten des Gehirns Oberfläche Gefäßsystem. Finden Sie alle Parameter in den Metadaten aufgeführt und zuvor in Tabelle 116ausführlich beschrieben.
NNE 2.0 interagiert mit Referenzbildern, die X-Y eines Flugzeugs scannt die Durchmessermessung wo aufgetreten ist. Jeder Datenbankeintrag hat eine entsprechende Referenz-Bild mit einem Referenznamen in der GUI angezeigt. Jeder Datenbankeintrag hat auch einen zugehörigen Stapel von Bildern (3D Stack) bestand, ein 3D Volumen der vaskulären Baum, in dem die Messung erfolgte. Die GUI ermöglicht, wählen einen bestimmte Datenbank-Eintrag und Anzeige der entsprechenden Referenz-Bild als auch die 3D Stack. Es führt auch den Benutzer um die passende Referenz-Bild und Rahmen in 3D Stack finden (die gleichen Funktionen finden Sie in beiden Bildern). Alle Stapeln und Referenzbilder in ihrer vollen Auflösung (1024 Pix X 1024 Pix) sind im Ordner Hana_stk und Hana_refs, beziehungsweise enthalten. Low-Vergrößerung Karten des Gehirns Gefäßsystem sind im Ordner “Maps” enthalten. Alle drei Ordner sowie die Datenbank Matrix “vdb.mat” sind in der ZIP-Datei ‘NNE 2.0 HDbase v1. 0″von der UCSD Neurovaskuläre Imaging Laboratory Webseite1 heruntergeladen und gespeichert in den Stammordner des NNE 2.0 während des Installationsvorgangs.
Die GUI wurde als ein Satz von vier Tafeln (Panel 1 (Hauptbereich) – Panel 4) entwickelt, die nacheinander öffnen, da der Benutzer die Datenbank untersucht und bestimmte Daten basierend auf Auswahl Kategorien wählt. Jedes Panel gliedert sich in zwei Hauptteile: (1) die Rechte Spalte bietet die Möglichkeit zur Interaktion mit der Datenbank, indem Parameter und Kategorien der Daten und zeigt wichtige Informationen aus den Metadaten; (2) die linke Spalte zeigt die Daten in Form von Zeit-Kurse (Durchmesser ändern in der Zeit) und Streudiagrammen. Es gibt vier Arten von Streudiagrammen anzeigen (1) Dilatation Beginn Zeit (2) der Dilatation Peak (3) max. Durchmesser Änderung (Peak Amplitude) und (4) Grundlinie (Durchmesser vor Stimulation) als Funktion der kortikalen Tiefe. Der Benutzer hat die Möglichkeit, die durchschnittliche Zeit-Kurse und Werte für ausgewählte Daten gruppiert durch kortikale Tiefe oder verzweigte Reihenfolge anzuzeigen. Dies ist auf das Merkmal der gradient Durchmesser-Änderung Verhalten mit zunehmender Tiefe und Verzweigung Bestellung20. NNE 2.0 ermöglicht dem Benutzer, die ausgewählte Teilmenge der Daten in das Format “xls”, “CSV” oder “.mat” zu exportieren.
Protocol
Representative Results
Discussion
NNE 2.0 wurde geschrieben, um die vaskulären Bilddaten eine spezifische Studie20 , aber mit der Absicht, ein einfaches Werkzeug für den Austausch und Durchsuchen von Daten ähnlicher Art Teilen von anderen Benutzern. Forscher interessiert Inspektion der zugeordneten Datenbank von vaskulären Daten können die GUI verwenden, um die Daten durchsuchen, wählen Teilmengen von Daten, vergleichen Sie diese mit ihren eigenen Versuchsergebnissen oder verarbeiten sie weiter mit ihren eigenen rechnerische…
Disclosures
The authors have nothing to disclose.
Acknowledgements
Wir erkennen dankbar Unterstützung vom NIH (NS057198, EB00790, MH111359 und S10RR029050) und das Ministerium für Bildung, Jugend und Sport der Tschechischen Republik (CEITEC 2020, LQ1601). KK wurde von Postdoc-Stipendien von der International Headache Society im Jahr 2014 und der wissenschaftlichen und technologischen Forschungsrat der Türkei im Jahr 2015 unterstützt. MT wurde von Postdoktoranden-Stipendium der Deutschen Forschungsgemeinschaft (DFG TH 2031/1) unterstützt.
References
- . 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).
