Başlamak için MATLAB'ı başlatın ve ilk GUI'ye erişmek için EZcalcium araç kutusunu çalıştırın. İlk GUI içinde, hareket düzeltme GUI'sini açmak için Hareket Düzeltme'yi seçin. Görüntüleme verilerini içeren bir TIF dosyası yüklemek için Dosya Ekle seçeneğini kullanın.
Ardından, rijit olmayan hareket düzeltmesini boş, yukarı örnekleme faktörünü 50'ye, maksimum kaydırmayı 15'e, ilk parti boyutunu ve bölme genişliğini 200'e ayarlayın. Düzeltmeyi başlatmak için Hareket Düzeltmeyi Çalıştır'a tıklayın. İlk GUI'de, ROI algılama GUI'sine erişmek için otomatik ROI algılamayı etkinleştirin.
Hareket düzeltmeli görüntüleme verilerini içe aktarmak için Dosya Ekle özelliğini kullanın. Başlatmayı açgözlü, arama yöntemini elips olarak, evrişimi azaltmayı kısıtlı FOOPSI-SPGL1 olarak ve otomatik regresyonu bozunmaya ayarlayın. Ardından tahmini yatırım getirisi sayısını 60 olarak ayarlayın.
Tahmini ROI genişliğini 17'ye, birleştirme eşiğini 0,95'e, geçiştirme faktörünü 0,95'e, uzamsal ve zamansal alt örneklemeyi bire ve zamana bağlı yinelemeleri beşe atayın. Ardından, algılama işlemini başlatmak için ROI Algılamayı Çalıştır'a tıklayın. İlk GUI'de, ROI iyileştirme GUI'sini başlatmak için ROI İyileştirme'yi seçin.
ROI verilerini içe aktarmak için Düşük Veri düğmesini kullanın. Kafatasının altında yer alan düşük aktivite frekansına sahip ROI'leri veya diğer nöronlar/nöritlerle örtüşenleri seçin. Bu ROI'leri sonraki analizlerden hariç tutmak için ROI'yi hariç tut'u tıklayın.
Bu denklemi kullanarak delta F by F değerlerini hesaplayın. Veri dışa aktarma biçimi olarak XLSX'i seçin ve ham delta F x F değerleriyle doldurulmuş bir Excel dosyası oluşturmak için dışa aktarma verilerini yürütün. ROI'ler arasındaki delta F ile F değerleri için Pearson korelasyon katsayısını hesaplayın ve korelasyon katsayılarının bir matrisini oluşturun.
TCA-RFP görüntüsünden namlu sınırlarını belirlemek için Fiji yazılımını kullanın. Ardından ROI'leri karşılık gelen varillere veya septalara atayın. Aynı variller ve farklı variller içindeki ikili korelasyon katsayılarını karşılaştırın.
ROI pozisyonları ve kalsiyum iyon izleri arasındaki ilişkiyi rastgele değiştirerek 1.000 ila 10.000 vekil veri kümesi oluşturun. Her bir vekil veri kümesinde, varil içindeki ortalama korelasyon katsayısını ayrı ayrı hesaplayın ve korelasyonun istatistiksel anlamlılığını belirleyin. Aynı duyusal işleme birimleri içinde farklı birimlere göre daha yüksek ikili korelasyon katsayıları gözlenmiştir.
Aktiviteler, daha uzun mesafelere rağmen aynı birimler içinde daha güçlü bir senkronizasyon gösterdi ve farklı birimlerden fiziksel olarak daha yakın nöronlarla korelasyonu aştı. Aynı varil içindeki korelasyon katsayılarının ortalaması, 10.000 vekil veri setinden hesaplanandan önemli ölçüde daha yüksekti. Aynı variller içindeki korelasyon, üç farklı zaman penceresi arasında önemli ölçüde güçlüydü.
