Abr 5 Dalga

İşitsel beyin sapı yanıtı (ABR), hayvan deneklerde ve insan bebeklerinde işitme eşiklerini belirlemek için sıklıkla kullanılır. ABR, sinir sisteminin işitsel uyaranlara ilk tepkilerinin bir elektroensefalogram (EEG) kaydı olduğundan, koklear spiral ganglion nöronlarının koordineli ateşlenmesini ve işitsel beyin sapındaki erken sinyal işlemesini yansıtan ek bilgiler^taşır. Bu tepkiler gürültü travmasından etkilenebilir. Örneğin, farelerde geçici bir eşik kaymasına neden olmak için yeterli olan gürültüye maruz kalma, ABR tepe noktası 1^2'nin genliğini de kalıcı olarak azaltabilir. Dahası, bu tür bir travma, interpeak gecikmelerini azaltabilir ve muhtemelen inhibitör regülasyon⁴ kaybı nedeniyle, daha sonraki piklerin^3'ün göreceli genliklerini artırabilir. Bu bulgulara ek olarak, spesifik genetik mutasyonların travma yokluğunda ABR dalga formunu değiştirdiği gösterilmiştir^5,6,7. Böylece, ABR dalga formlarının rutin analizi, deneysel modellerde işitsel sistem hakkında fikir verebilir.

ABR dalga formlarının hastalar için bir tanı aracı olarak kullanılmasına da ilgi duyulmuştur. Önceki raporlar, ABR pik 1'in gürültüye maruz kaldıktan sonra insan hastalarda mı yoksa tinnitus hastalarında mı azaldığını değerlendirmiştir^8,9. Özellikle, migren ataklarının birkaç hafta boyunca interpeak gecikmelerini geçici olarak arttırdığı bildirilmiştir, bundan sonra etkilenen bireylerde ABR dalga formu normale döner¹⁰. COVID'un ABR interpeak gecikme sürelerinde uzun vadeli değişikliklere yol açtığı bildirilmiştir 11,12^, ancak başka bir çalışmada farklı sonuçlar bildirilmiştir¹³. İşitme kaybı genellikle yaşlanmada demans ile birlikte görülür ve daha büyük işitme kaybı olan bireyler daha hızlı ilerleyen demans yaşama eğilimindedir¹⁴. Araştırmacılar, Parkinson hastalığı (Jafari ve ark'te gözden geçirildi) ve Alzheimer hastalığı (Swords ve ark'da gözden geçirildi) gibi nörodejeneratif hastalıklarda ve normal yaşlanmada ABR dalga formu değişikliklerini araştırdılar ¹⁷. Daha fazla araştırmacı ve klinisyen, yaşlanmada yaygın hastalıklar için biyobelirteçler olarak duyusal eksiklikleri araştırdıkça, ABR gibi teknikler sağlık hizmetlerinde rutin hale gelebilir.

Literatürdeki yöntem bölümlerinin incelenmesi, laboratuvarların ABR dalga formlarını analiz etmek için MatLab'da genellikle özel komut dosyaları yazdığını ortaya koymaktadır. Akıllı İşitme Sistemleri tarafından üretilen ABR platformu, dalga formu analizi için bir işleve sahiptir, ancak bir operatörün tepe noktalarını ve oluklarını manuel olarak seçmesini gerektirir. Burada, açık kaynaklı, serbestçe kullanılabilen istatistiksel ortam R ve RStudio arayüzü için yarı otomatik analiz rutinleri yazdık. Bu rapor, rutinlerimiz kullanılarak elde edilen verileri, bir deneycinin zirveleri ve olukları manuel olarak tanımlamasıyla elde edilen verilerle karşılaştırır ve iki yöntemden elde edilen verilerin güçlü bir şekilde ilişkili olduğunu gösterir. Önemli olarak, rutinler, örnekler için meta verilerin sonuna kadar dahil edilmeyen ayrı bir dosyaya yerleştirildiği kör edici bir işlev içerir. Bu fonksiyonlar laboratuvarımız için dalga formu analizini kolaylaştırmıştır.

Hayvanlar üzerinde yapılan tüm prosedürler Rochester Üniversitesi Hayvan Araştırmaları Komitesi tarafından önceden onaylanmıştır. Deney denekleri, 1 aylıkken 12 vahşi tip F1 erkek ve dişi fareydi. Bu F1 fareleri, bir CBA / CaJ barajı ve bir C57BL / 6J siresinin çiftleşmesinin ürünüdür. Fareler, standart 12 saatlik açık / karanlık döngüsü, sınırsız yiyecek ve su ve bol miktarda yuvalama malzemesi ile vivaryum tesisinde yetiştirildi ve barındırıldı. Beşten fazla eşcinsel kardeş bir kafeste bir araya getirilmedi.

1. Analiz için veri elde etme

NOT: Bu adım kurumsal yönergelere uygun olmalı ve kurumsal hayvan refahı komitesi tarafından önceden onaylanmalıdır. Farelerden ABR verileri üretmek için ayrıntılı süreç başka bir yerde açıklanmıştır¹⁸.

1. ABR'yi seçtiğiniz platformla kaydedin.
   NOT: Burada gösterilen örnekte, kayıtlar fareler üzerinde gerçekleştirilmiştir.
   1. 75 dB ses basıncı seviyesinden başlayıp 5 dB'lik adımlarla 5 dB'ye düşen 5 ms'lik bir tıklama uyarıcısı kullanın. Her genlik için ortalama süpürme kaydedin. Uyarandan sonra 1,3 ms ile 12,5 ms arasındaki herhangi bir örnekte tepe noktası oluk genliği 31 μV'den büyükse yanıtları reddedin.
      NOT: Ton pip sunumlarından gelen kayıtlar da kullanılabilir. Analiz rutininin insanlar da dahil olmak üzere diğer türler için de işe yarayacağını tahmin ediyoruz.
2. ABR kaydını ASCII dosyası olarak dışa aktarın.
   1. IHS için bilgisayar programını açın.
   2. İlgilendiğiniz dosyayı yükleyin ve istediğiniz dalga formlarını bir sayfada görüntüleyin.
   3. Veri sekmesi altında, .txt bir dosya edinmek için Sayfayı ASCII Olarak Kaydet'i seçin.
   4. Veri dosyasını uygun şekilde adlandırdıktan sonra ("ID"), kimliği ve konu bilgilerini "seafoodplus.info" başlıklı bir meta veri dosyasına kaydedin. "ID"nin genotip, cinsiyet, yaş veya tedavi gibi herhangi bir bilgi içermediğinden emin olun; bu bilgi bunun yerine "seafoodplus.info" içine kaydedilir.
      NOT: Gerekirse etiketleri rastgele atamak için adil bir oyun kartı destesi kullanılabilir.
   5. Ayrı "ID" dosyaları olarak analiz edilecek tüm dosyalarla tekrarlayın.

2. Gerekli paketleri yükleme ve verileri çalışan bilgisayara yükleme

1. R (seafoodplus.info) ve RStudio'yu (seafoodplus.info) indirin ve yükleyin.
   NOT: Burada açıklanan protokol R ≥ kullanmıştır.
2. RStudio'nun komut penceresine aşağıdaki komutu yazarak gerekli kitaplıkları, tidyverse, parlak, plotly ve zoo'yu yükleyin:
   seafoodplus.infoes("tidyverse")
   seafoodplus.infoes("parlak")
   seafoodplus.infoes("arsa")
   seafoodplus.infoes("hayvanat bahçesi")
3. FindPeaks.R ve See_trace_click komut dosyalarını indirin. Beyaz laboratuvar GitHub'ından (seafoodplus.info) ve ilişkili "seafoodplus.info" dosyasından R.
4. Tüm ASCII dosyalarını, "bilgi" ve "seafoodplus.info" dosyalarını içeren yeni bir klasör .csv. Bu örnek için, klasörü "Test_Folder" olarak adlandırın. "Test_Folder" içinde, ASCII dosyalarını "ASCII_Folder" başlıklı bir alt klasöre yerleştirin.

3. FindPeaks.R ile ön analizin elde edilmesi

1. RStudio'da FindPeaks.R komut dosyasını açın.
2. Çalışma dizinini ayarla'yı seçmek için araç çubuğundaki komut dosyasının sekmesine sağ tıklayın ve Test_Folder ayarlayın (bkz. Ek Şekil S1A).
3. Komut dosyası penceresinde, programı yüklemek için araç çubuğunun sağ üst tarafındaki Kaynak'ı tıklatın (bkz. Ek Şekil S1B).
4. Komut penceresinde, dalga biçimlerini çözümlemek için aşağıdaki komutları kullanın (bkz. Ek Şekil S2):
   Tek tek dosyalar için FindPeaks_single ("ASCII_folder/seafoodplus.info") (bkz. Ek Şekil S2A)
   Toplu işleme için FindPeaks_group ("ASCII_Folder") (bkz. Ek Şekil S2B)
   NOT: Komut dosyası, (1) dalga formlarını etiketli tepe noktaları ve oluklarla görüntüleyen pdf dosyaları (Ek Şekil S2C'ye bakınız) ve (2) genlik (μV) ve gecikme (ms) için sayısal verileri içeren bir seafoodplus.info dosyası çıkaracaktır. Her iki dosya da "Test_Folder" yerleştirilecektir.

4. Ön analizin doğrulanması

NOT: Düşük ses seviyelerinde, dalga formunun bazı kısımlarını gürültüden ayırt etmek zorlaşabilir ve FindPeaks.R, deneycinin görüşüne kıyasla zirveleri veya olukları yanlış tanımlayabilir. Bir tutarsızlık varsa, .csv dosyası See_trace_click.R. komut dosyasından elde edilen verilerle değiştirilebilir.

1. Komutu kullanarak belirli bir kişi için dalga formu verilerini yükleyin (bkz. Ek Şekil S3A):
   Dalga Formu <- ASCII_extract("ASCII_Folder/seafoodplus.info")
2. See_trace_click açın. RStudio'da R betiği.
3. Soldaki üstbilgide, Uygulamayı Çalıştır düğmesini tıklayın ve yeni bir etkileşimli (parlak) pencerenin görünmesini bekleyin (bkz. Ek Şekil S3B).
4. Sol üstteki kutuya, revizyon gerektiren dalga formunun ses seviyesini girin ve pencerede görüntülenen dalga formunu arayın.
5. Herhangi bir noktadaki gecikmeyi ve genliği ortaya çıkarmak için imleci dalga formunun etrafında hareket ettirin.
6. Verileri aşağıdaki tabloya kaydetmek için doğru tepe noktasına ve aşağıdaki oluğa tıklayın. Gecikme süresi verilerini kopyalayıp .csv dosyasına yapıştırın (bkz. Ek Şekil S3C).
7. Genlik ölçümünü hesaplamak için, elektronik tablo hücresindeki tepe genliğinden aşağıdaki oluk genliğini çıkarın.

5. Veri kümesini derleme ve görselleştirme

1. Doğrulanmış .csv dosyalarını Test_Folder "Peak_Data" başlıklı yeni bir alt klasöre aktarın.
2. Verileri tek bir .csv dosyasına ekleyin ve "Peak_seafoodplus.info" olarak adlandırın.
3. Aşağıdaki komutu kullanın:
   Derleme ("Peak_Data")
   NOT: Bu komut dosyası, verileri grup bilgileriyle etiketlemek için seafoodplus.info meta verilerini Peak_seafoodplus.info birleştirir. Ayrıca zirveler arası gecikme sürelerini ve genlik oranlarını otomatik olarak hesaplar.
4. Derlenen veriler üzerinde istatistiksel analiz yapın.
   1. Aşağıdaki işlevle verilerin dağılımını değerlendirmek için Shapiro-Wilks testi gibi bir normallik testi kullanın:
      seafoodplus.info()
   2. Shapiro-Wilks testi anlamlı değilse, veri kümesi normal bir dağılıma sahiptir; Bu nedenle, verileri aşağıdaki işleve sahip ANOVA gibi parametrik bir testle değerlendirin:
      aov()
   3. Shapiro-Wilks testi p = 'ten küçükse, Kruskal-Wallis rütbe toplamı testini (aşağıdaki işlevle) veya başka bir uygun parametrik olmayan ölçüyü kullanın (tartışmadaki diğer olasılıklara bakın).
      seafoodplus.info()
5. Ortalama dalga formlarını görüntülemek için aşağıdaki komutu kullanın:
   Average_Waveform("ASCII_Folder ", aes(x = Data_Pnt_ms, y = "dB", grup = Genotip, renk = Genotip))
   NOT: Bu komut, farklı genotipler için farklı renklerdeki ortalama dalga formlarını gösterir. y değişkeni dB için, istenen genliğe karşılık gelen 75 gibi bir sayıyı tırnak işaretleri olmadan ekleyin. Diğer karşılaştırmalar için, meta verilerden ilgili grup etiketini kullanın.

Bir tıklama serisine ABR dalga formu tepkileri üzerindeki rutinleri, 75 dB'den başlayıp 5 dB'lik artışlarla 5 dB'ye düşürerek test ettik. Bu veriler daha önce açıklandığı gibi elde edilmiştir¹⁹. Ayrıca aracı ton pip verileri üzerinde test ettik ve benzer sonuçlar elde ettik. Çoğu ABR sisteminden gelen ABR verileri, .txt (ASCII) dosyaları olarak dışa aktarılabilir. ABR ASCII dosyalarını bir bilgisayara yükledik ve protokolde açıklandığı gibi RStudio'da açtık. FindPeaks.R rutinini toplu halde çalıştırdıktan sonra, otomatik etiketlemeli örnek dalga formları (Şekil 1) ve sonuçları içeren bir .csv dosyası elde ettik. Sonuçlar, alakasız zirveleri kaldırmak için gözden geçirildi. Otomatik etiketlemeyi doğrulamak için, yukarıda açıklanan tıklama serisiyle elde edilen her dalga formundaki ilk beş tepe noktasını ve oluğu manuel olarak etiketlemek için ABR programı özelliğini de kullandık. Bu görevi yerine getiren deneyci, ABR verilerini kaydetme ve analiz etme konusunda 2 yıllık deneyime sahipti. Şekil 2 , otomatik FindPeaks.R verileri kırmızı ve manuel olarak elde edilen veriler siyah ile bu karşılaştırmayı göstermektedir. Her izleme, tek bir fareden gelen verileri temsil eder. Bir standart sapmaya sahip her iki yöntemin ortalaması da görüntülenir. FindPeaks.R tarafından elde edilen sonuçlar, manuel olarak elde edilen sonuçlarla güçlü bir şekilde ilişkilidir (bakınız Ek Şekil S4).

Resim 1: Genç bir F1 faresi için 75 dB'lik bir tıklama uyaranına temsili dalga formu tepkisi. Milisaniye cinsinden gecikme x ekseninde çizilir ve mikrovolt cinsinden genlik y ekseninde çizilir. Zirveler otomatik olarak FindPeaks.R ile tanımlanır ve kırmızı renkle etiketlenirken, oluklar mavi renkle etiketlenir. Bu şeklin daha büyük bir versiyonunu görüntülemek için lütfen buraya tıklayın.

Şekil 2: Manuel olarak tanımlanan piklerden elde edilen verilerin FindPeaks.R analizi tarafından sağlanan verilerle karşılaştırılması. (A,C,E,G,I) Mikrovoltlardaki genlikler ve milisaniyelerdeki (B,D,F,H,J) gecikmeler, 12 fareye sunulan tıklama uyaranları için elde edilen dalga formlarında I-V pikleri için 5 dB ile 75 dB (x ekseni, tüm grafikler) arasındaki ses seviyeleri için çizilmiştir. El ile elde edilen değerler (siyah), FindPeaks.R (kırmızı) ile analiz edilen veri kümeleriyle karşılaştırılır. Ortalamalar ağır çizgiler olarak çizilir ve gölgeli bölge bir standart sapmayı temsil eder. Kruskal-Wallis sıralama toplamı testi ile değerlendirildiğinde yöntemler arasında fark görülmemiştir (A, fark = ± , max = , p = ; B, fark = − ± , maksimum = , p = ; C, fark = − ± 0,, maksimum = 0,92, p = 0,; D, fark = −0, ± 0,, maksimum = 0,06, p = 0,; E, fark = − ± 0,, maksimum = 0,66, p = 0,; F, fark = −0, ± 0,, maksimum = 0,04, p = 0,; G, fark = 0, ± 0,, maksimum = 0,64, p = 0,; H, fark = −0, ± 0,, maksimum = 0,09, p = 0,; I, fark = 0, ± 0,, maksimum = 1,05, p = 0,; J, fark = − ± , max = , p = ) ve sonuçlar yüksek oranda korelasyonluydu (ki-kare değerleri: A, ; B, 0,; C, 0,; D, 0,; E, 0,; F, 0,; G, 0,; H, 0,; I, ; J, ; ortalama SEM ± olarak sunulan farklılıklar; max = mutlak maksimum fark). Bu şeklin daha büyük bir versiyonunu görüntülemek için lütfen buraya tıklayın.

Ek Şekil S1: FindPeaks.R. ile Analiz (A) Çalışma dizinini seçme (bkz. protokol adım ); (B) programın yüklenmesi (bkz. protokol adım ). Bu Dosyayı indirmek için lütfen tıklayınız.

Ek Şekil S2: Dalga formlarının analizi için komut dosyası çıktısı ve komutları. (A) tek tek dosyalar ve (B) toplu işleme için komutlar. (C) Etiketli tepe noktaları ve oluklarla dalga formlarını gösteren çıktı PDF dosyası. Bkz. protokol adımı Bu Dosyayı indirmek için lütfen tıklayınız.

Ek Şekil S3: Analizin doğrulanması. (A) Dalga formu verilerinin yüklenmesi (bkz. protokol adım ). (B) Uygulamayı Çalıştır düğmesinin konumu. Örnek veri dosyası da belirtilmiştir. (C) Dalga biçimli parlak pencere. Bu durumda, ses seviyesi üst pencereye girildiği gibi 75 dB'dir. İstenilen bir tepe noktasına ve aşağıdaki oluğa tıklandığında, genlik ve gecikme süresi verileri tabloya kaydedilir (protokol adımı ). Tepe 3 verileri gösterilir. Bu Dosyayı indirmek için lütfen tıklayınız.

Ek Şekil S4: Manuel olarak tanımlanan piklerden elde edilen bireysel verilerin FindPeaks.R analizi tarafından sağlanan verilerle karşılaştırılması. (A,C,E,G,I) Milisaniyelerdeki mikrovolt genlikleri ve (B,D,F,H,J) gecikmeleri, 12 fareye sunulan tıklama uyaranları için elde edilen dalga formlarında I-V zirveleri için 5 dB ile 75 dB (x ekseni, tüm grafikler) arasındaki ses seviyeleri için çizilir. Her hayvan, efsanede gösterildiği gibi benzersiz bir renkle etiketlenmiştir. FindPeaks.R ile elde edilen veriler düz renklerle etiketlenirken, manuel olarak elde edilen veriler aynı renklerin daha az doygun versiyonlarıyla etiketlenir. Her iki veri kümesi de bu şekilde çizilmiş olsa da, aynı olduklarında, yalnızca bir satır belirgindir. Bu Dosyayı indirmek için lütfen tıklayınız.

Bu yayında açıklanan protokol, ABR'lerin tıklamalara ve ton pip'lerine voltaj genlik oranlarını ve gecikme aralıklarını açıklayan verilerin elde edilmesini kolaylaştırmaya yardımcı olmalıdır. RStudio'da tek komutlar kullanarak, bir deneyci istatistiksel analiz için bu bilgileri tek bir belgede ayıklayabilir, derleyebilir ve görüntüleyebilir. Bu analizi rutin hale getirerek, alanın ABR'nin gelişimde, yaşlanmada veya farklı türlerde hakaret yoluyla değiştirilebileceği yeni yollar keşfedeceğini umuyoruz. Bu tür bilgiler, gürültü^2'den sinaptopatiye benzer önemli mekanizmaları tanımlamak için değerli olabilir. Bu deney için kullanılan genç farelerin oldukça değişken tepkileri vardı, çünkü işitsel beyin sapı bu²⁰ yaşında hala olgunlaşıyor. Bununla birlikte, iki niceleme yöntemi çok güçlü korelasyonlar göstermiştir (Şekil 2).

Komut dosyası, en yüksek tanımlama için veriler içindeki aralıkları ayarlamak üzere "seafoodplus.info" adlı bir dosya kullanır. Kısaca, belirli bir zaman aralığında meydana gelen maksimum voltaj genliği "tepe 1" olarak etiketlenir, aşağıdaki aralıkta meydana gelen bir voltaj minimumu "oluk 1" olarak etiketlenir, vb. 8 kHz ila 32 kHz arasındaki frekansları kullanarak 1 ay ila 12 aylık CBA / CaJ fareleri için hem tıklama hem de ton pip yanıtlarının gecikme sürelerini kapsayacak aralıkları seçtik. Aracı farelerde ton pip tepkilerini ölçmek için başarıyla kullandık. İnsanlar da dahil olmak üzere diğer türlerin de benzer pencerelerde ABR yanıtları vardır ve bu aracın diğer türlerden gelen veriler için de kullanılabileceğini tahmin ediyoruz. Mükemmel dalga formları üreten insanlar²¹ için yeni paralel ABR yöntemini kullanmanızı öneririz. Zaman aralığı sınırlaması, bu aracın kullanımını anında ABR yanıtlarını değerlendirmekle sınırlar. Bununla birlikte, bu dosyadaki aralık verilerinin, konuşmaya ABR yanıtlarının veya sese yanıt olarak farklı zamanlarda karakteristik olarak ortaya çıkan olayla ilgili potansiyellerin (ERP'ler) ölçümlerini otomatikleştirmek için kullanıcılar tarafından değiştirilebileceğini not ediyoruz.

Bu verilerin istatistiksel olarak işlenmesinin bazı özellikleri vurgulanmaya değer. Bildiğimiz kadarıyla, alanın genlik ilerlemelerini ayırt etmek için standartlaştırılmış bir tedavisi yoktur. Erken çalışmalarda ANOVA^22,23 kullanılmıştır. Buradaki tıklama serisinden elde edilen veriler (Şekil 2) parametrik değildi ve Kruskal-Wallis rütbe toplamı testinin kullanılmasına yol açtı. ANOVA'ya benzer şekilde, Kruskal-Wallis rütbe toplamı testi, belirli bir uyaran seviyesinde elde edilen değerlerdeki farklılıkları değerlendirir; yani, grafikte elde edilen çizgileri karşılaştırır. Bununla birlikte, diğer tedaviler de mümkündür. Biyolojik olarak, genlik ilerlemeleri, uyaran seviyesi arttıkça daha yüksek eşikli nöronların ek işe alımını yansıtır. Bu, çizgilerin integrallerini temsil eden eğrinin altındaki alanın daha alakalı bir ölçü olabileceğini düşündürmektedir. Genelleştirilmiş tahmin denklemleri (GEE), Patel ve ^ark.5'te olduğu gibi, integral bir analiz için bireysel verileri modellemek için kullanılabilir. Özellikle, GEE analizi, bu deneylerin tekrarlanan ölçüm tasarımını dikkate alabilir. Daha fazla araştırmacı veri analizi yöntemlerini tartıştıkça, en iyi uygulamalar konusunda bir fikir birliğinin ortaya çıkmasını bekliyoruz.

Sonuç olarak, bu makale ABR dalga formlarını ölçmek, derlemek ve görselleştirmek için ücretsiz ve kullanımı kolay araçlar sunmaktadır. Bu araçlar, RStudio'nun acemi öğrencileri tarafından bu protokolü izleyerek kullanılabilir ve gelişmiş titizlik ve tekrarlanabilirlik için kör edici bir adım içerir. Rutin ABR dalga formu analizinin, hakaretlerin, genetik varyantların ve işitsel fonksiyonu etkileyebilecek diğer tedavilerin keşfedilmesini sağlayacağını öngörüyoruz.