시작하려면 MATLAB을 시작하고 EZcalcium 툴박스를 실행하여 초기 GUI에 액세스하십시오. 초기 GUI 내에서 Motion Correction 을 선택하여 모션 보정 GUI를 엽니다. 파일 추가 옵션을 사용하여 이미징 데이터가 포함된 TIF 파일을 업로드합니다.
다음으로, 비강성 모션 보정을 공백으로, 업샘플링 계수를 50으로, 최대 시프트를 15로, 초기 배치 크기 및 빈 너비를 200으로 설정합니다. Run Motion Correction(모션 수정 실행)을 클릭하여 수정을 시작합니다. 초기 GUI 내에서 자동화된 ROI 감지를 활성화하여 ROI 감지 GUI에 액세스합니다.
파일 추가 기능을 사용하여 모션 보정된 이미징 데이터를 가져옵니다. initialization을 greedy로, search method를 ellipse로, deconvolution을 constrained FOOPSI-SPGL1로, autoregression을 decay로 설정합니다. 그런 다음 예상 ROI 수를 60으로 설정합니다.
예상 ROI 너비를 17로, 병합 임계값을 0.95로, 퍼지 인자를 0.95로, 공간 및 시간적 다운샘플링을 1로, 시간적 반복을 5로 지정합니다. 그런 다음 Run ROI Detection(ROI 검출 실행)을 클릭하여 검출 프로세스를 시작합니다. 초기 GUI에서 ROI Refinement를 선택하여 ROI Refinement GUI를 시작합니다.
Low Data 버튼을 사용하여 ROI 데이터를 가져올 수 있습니다. 두개골 아래에 위치한 활동 빈도가 낮거나 다른 뉴런/신경돌기와 겹치는 ROI를 선택합니다. ROI 제외를 클릭하여 후속 분석에서 해당 ROI를 제외합니다.
이 방정식을 사용하여 델타 F x F 값을 계산합니다. 데이터 내보내기 형식으로 XLSX를 선택하고 데이터 내보내기를 실행하여 원시 델타 F x F 값으로 채워진 Excel 파일을 생성합니다. ROI 중 델타 F x F 값에 대한 Pearson의 상관 계수를 계산하고 상관 계수의 행렬을 생성합니다.
Fiji 소프트웨어를 사용하여 TCA-RFP 이미지에서 배럴 경계를 묘사합니다. 그런 다음 ROI를 해당 배럴 또는 격막에 할당합니다. 동일한 배럴과 별개의 배럴 내에서 쌍별 상관 계수를 비교합니다.
ROI 위치와 칼슘 이온 추적 사이의 연관성을 무작위로 치환하여 1, 000에서 10, 000개의 대리 데이터 세트를 생성합니다. 각 대리 데이터 세트에서 배럴 내의 평균 상관 계수를 개별적으로 계산하고 상관 관계의 통계적 유의성을 결정합니다. 더 높은 쌍별 상관 계수는 다른 단위에서보다 동일한 감각 처리 장치 내에서 관찰되었습니다.
활동은 더 먼 거리에도 불구하고 동일한 단위 내에서 더 강한 동시성을 보였으며, 다른 단위의 물리적으로 더 가까운 뉴런과의 상관 관계를 능가했습니다. 동일한 배럴 내의 상관 계수의 평균은 10의 대리 자료의 000 세트에서 산출된 그것 보다는 현저하게 더 높았다. 동일한 배럴 내에서의 상관관계는 세 가지 다른 시간대 간에 상당히 강했습니다.
