Un abonnement à JoVE est nécessaire pour voir ce contenu. Connectez-vous ou commencez votre essai gratuit.
Nous présentons un progiciel avec une interface utilisateur graphique pour les chercheurs sans expérience de codage afin de noter les phases de sommeil chez les souris avec un téléchargement et une opération simples.
Le score des stades de sommeil chez les rongeurs est le processus d’identification des trois stades : le sommeil à mouvements oculaires non rapides (NREM), le sommeil à mouvements oculaires rapides (REM) et l’éveil. L’évaluation des phases de sommeil est cruciale pour étudier les mesures et les effets spécifiques aux phases de sommeil.
Les habitudes de sommeil des rongeurs diffèrent de celles des humains, caractérisées par des épisodes plus courts de NREM et de REM espacés par le réveil, et la notation manuelle traditionnelle des phases de sommeil par des experts humains prend beaucoup de temps. Pour résoudre ce problème, des études antérieures ont utilisé des approches basées sur l’apprentissage automatique pour développer des algorithmes permettant de catégoriser automatiquement les phases de sommeil, mais les modèles très performants avec une grande généralisabilité ne sont souvent pas accessibles au public, gratuits ou conviviaux pour les chercheurs du sommeil non formés.
Par conséquent, nous avons développé un algorithme LightGBM basé sur l’apprentissage automatique, entraîné avec un grand ensemble de données. Pour mettre le modèle à la disposition des chercheurs du sommeil sans expérience de codage, un outil logiciel nommé IntelliSleepScorer (v1.2 - dernière version) a été développé sur la base du modèle, qui dispose d’une interface utilisateur graphique facile à utiliser. Dans ce manuscrit, nous présentons des instructions étape par étape pour l’utilisation du logiciel afin de démontrer un outil pratique et efficace de notation automatique des phases de sommeil chez la souris pour les chercheurs sur le sommeil.
Le score des stades de sommeil chez les rongeurs est la procédure permettant d’identifier les trois stades : le sommeil à mouvements oculaires non rapides (NREM), le sommeil à mouvements oculaires rapides (REM) et le réveil2. Chez les rongeurs, le NREM se caractérise par une activité musculaire réduite, une respiration lente et régulière, une diminution du rythme cardiaque et des oscillations à basse fréquence des ondes cérébrales. Le sommeil paradoxal chez les rongeurs, semblable à celui des humains, montre une atonie musculaire, une activation de l’EEG et des mouvements oculaires rapides, bien que l’apparitio....
Cette étude a utilisé des données recueillies lors d’expériences in vivo sur des souris. Aucune expérience humaine n’a été impliquée dans l’étude. Toutes les expériences sur des animaux ont été approuvées par le Comité institutionnel de soin et d’utilisation des animaux du Broad Institute. Toutes les expériences ont été réalisées conformément aux directives et réglementations en vigueur. Les lignes directrices d’ARRIVE ne s’appliquent pas à cette étude, car l’objectif de cette étude est de développer des modèles d’apprentissage automatique plutôt que de comparer différents groupes de traitement.
Il y a trois graphiques (seulement le graphique du haut si les valeurs SHAP n’ont pas été exécutées) générés dans l’interface graphique après le score de la phase de sommeil : le graphique du haut présente les canaux EEG et EMG avec un hypnogramme de la prédiction de la phase de sommeil. Le graphique du milieu présente les valeurs SHAP d’époque. Le graphique du bas présente les valeurs globales de SHAP (Figure 1).
Cet article explique comment utiliser l’interface utilisateur graphique IntelliSleepScorer (v1.2) pour noter automatiquement les phases de sommeil des souris et comment exploiter les valeurs/tracés SHAP pour mieux comprendre les scores de phases de sommeil générés par le modèle.
La compatibilité des données est un élément important à prendre en compte lors de l’utilisation du logiciel. Les données internes utilisées dans cette étude se limitai.......
Les auteurs ne déclarent aucun conflit d’intérêts.
Nous remercions Kerena Yan et Jingwen Hu pour la musique manuelle des phases de sommeil et Eunah et Soonwiik pour les enregistrements.
....Name | Company | Catalog Number | Comments |
Canonical Unbuntu 18.04 | Canonical | https://releases.ubuntu.com/18.04/ | Supporting Operating System for the software IntelliSleep Scorer: Windows, Mac, or Linux |
Intel Core i7-8550U CPU @ 1.80 GHz 1.99 GHz; RAM: 24 GB | Intel Corp | https://www.intel.com/content/www/us/en/products/details/processors/core-ultra.html | Hardware requirment for the software: Both Inte Core listed here have been used to process the data. It takes around 10 min to process 12 h of recording sampled at 1000 Hz for both hardwares. Any similar or superior hardware would yield comparable or better performance. |
Intel Core i7-10610U CPU @1.80 GHz 2.30 GHz; RAM: 16 GB | Intel Corp | https://www.intel.com/content/www/us/en/products/details/processors/core-ultra.html | Hardware requirment for the software: Both Inte Core listed here have been used to process the data. It takes around 10 min to process 12 h of recording sampled at 1000 Hz for both hardwares. Any similar or superior hardware would yield comparable or better performance. |
LightGBM | Microsoft | https://lightgbm.readthedocs.io/en/latest/index.html | Machine learning-based algorithm that was used to train the software. |
MacBook Pro | Apple | https://www.apple.com/in/macbook-pro/ | Supporting Operating System for the software IntelliSleep Scorer: Windows, Mac, or Linux |
Windows | Microsoft | https://www.microsoft.com/en-in/windows/?r=1 | Supporting Operating System for the software IntelliSleep Scorer: Windows, Mac, or Linux |
Demande d’autorisation pour utiliser le texte ou les figures de cet article JoVE
Demande d’autorisationExplorer plus d’articles
This article has been published
Video Coming Soon