Name: high-throughput analysis of optical mapping data using electromap
Uploaded: 2019-06-04T15:00:00
Duration: 7 min 36 s
Description: Watch this Scientific Journal Video about High-Throughput Analysis of Optical Mapping Data Using ElectroMap at JoVE.com

Diese Arbeit wurde von der EPSRC-Studentenschaft (Sci-Phy-4-Health Centre for Doctoral Training L016346) an D.P. K.R. und L.F., Wellcome Trust Seed Award Grant (109604/Z/15/Z) an D.P., British Heart Foundation Grants (PG/17/55/33087, RG/17/15/33106) an D.P. , Europäische Union (Grant Agreement No 633196 [CATCH ME] an P.K. und L.F.), British Heart Foundation (FS/13/43/30324 an P.K. und L.F.; PG/17/30/32961 an P.K. und A.H.) und Leducq Foundation an P.K. J.W. wird von der British Heart Foundation (FS/16/35/31952) unterstützt.

<ol>
	<li>Efimov, I. R., Nikolski, V. P., Salama, G. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Optical+Imaging+of+the+Heart.">Optical Imaging of the Heart.</a> Circulation Research. 94, 21-33 (2004).</li><li>Herron, T. J., Lee, P., Jalife, J. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Optical+imaging+of+voltage+and+calcium+in+cardiac+cells+&amp;+tissues.">Optical imaging of voltage and calcium in cardiac cells &amp; tissues.</a> Circulation Research. 110, 609-623 (2012).</li><li>Boukens, B. J., Efimov, I. R. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=A+century+of+optocardiography.">A century of optocardiography.</a> IEEE Reviews in Biomedical Engineering. 7, 115-125 (2014).</li><li>Myles, R. C., Wang, L., Kang, C., Bers, D. M., Ripplinger, C. M. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Local+&#946;-adrenergic+stimulation+overcomes+source-sink+mismatch+to+generate+focal+arrhythmia.">Local &#946;-adrenergic stimulation overcomes source-sink mismatch to generate focal arrhythmia.</a> Circulation Research. 110, 1454-1464 (2012).</li><li>Syeda, F., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=PITX2+Modulates+Atrial+Membrane+Potential+and+the+Antiarrhythmic+Effects+of+Sodium-Channel+Blockers.">PITX2 Modulates Atrial Membrane Potential and the Antiarrhythmic Effects of Sodium-Channel Blockers.</a> Journal of the American College of Cardiology. 68, 1881-1894 (2016).</li><li>Winter, J., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Sympathetic+nervous+regulation+of+cardiac+alternans+in+the+intact+heart.">Sympathetic nervous regulation of cardiac alternans in the intact heart.</a> Frontiers in Physiology. 9, 1-12 (2018).</li><li>Faggioni, M., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Suppression+of+spontaneous+ca+elevations+prevents+atrial+fibrillation+in+calsequestrin+2-null+hearts.">Suppression of spontaneous ca elevations prevents atrial fibrillation in calsequestrin 2-null hearts.</a> Circulation: Arrhythmia and Electrophysiology. 7, 313-320 (2014).</li><li>Sato, P. Y., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Loss+of+Plakophilin-2+Expression+Leads+to+Decreased+Sodium+Current+and+Slower+Conduction+Velocity+in+Cultured+Cardiac+Myocytes.">Loss of Plakophilin-2 Expression Leads to Decreased Sodium Current and Slower Conduction Velocity in Cultured Cardiac Myocytes.</a> Circulation Research. 105, 523-526 (2009).</li><li>Yu, T. Y., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Optical+mapping+design+for+murine+atrial+electrophysiology.">Optical mapping design for murine atrial electrophysiology.</a> Computer Methods in Biomechanics and Biomedical Engineering: Imaging &amp; Visualization. 5, 368-378 (2017).</li><li>Laughner, J. I., Ng, F. S., Sulkin, M. S., Arthur, R. M., Efimov, I. R. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Processing+and+analysis+of+cardiac+optical+mapping+data+obtained+with+potentiometric+dyes.">Processing and analysis of cardiac optical mapping data obtained with potentiometric dyes.</a> American Journal of Physiology. Heart and Circulatory Physiology. 303, H753-H765 (2012).</li><li>Crocini, C., Ferrantini, C., Pavone, F. S., Sacconi, L. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Optogenetics+gets+to+the+heart:+A+guiding+light+beyond+defibrillation.">Optogenetics gets to the heart: A guiding light beyond defibrillation.</a> Progress in Biophysics and Molecular Biology. 130, 132-139 (2017).</li><li>Entcheva, E., Bub, G. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=All-optical+control+of+cardiac+excitation:+Combined+high-resolution+optogenetic+actuation+and+optical+mapping.">All-optical control of cardiac excitation: Combined high-resolution optogenetic actuation and optical mapping.</a> The Journal of Physiology. 9, 2503-2510 (2016).</li><li>O&#8217;Shea, C., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=ElectroMap:+High-throughput+open-source+software+for+analysis+and+mapping+of+cardiac+electrophysiology.">ElectroMap: High-throughput open-source software for analysis and mapping of cardiac electrophysiology.</a> Scientific Reports. 9, 1-13 (2019).</li><li>Yu, T. Y., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=An+automated+system+using+spatial+oversampling+for+optical+mapping+in+murine+atria.+Development+and+validation+with+monophasic+and+transmembrane+action+potentials.">An automated system using spatial oversampling for optical mapping in murine atria. Development and validation with monophasic and transmembrane action potentials.</a> Progress in Biophysics and Molecular Biology. 115, 340-348 (2014).</li><li>Jaimes, R., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Functional+response+of+the+isolated,+perfused+normoxic+heart+to+pyruvate+dehydrogenase+activation+by+dichloroacetate+and+pyruvate.">Functional response of the isolated, perfused normoxic heart to pyruvate dehydrogenase activation by dichloroacetate and pyruvate.</a> Pflugers Archiv. 468, 131-142 (2016).</li><li>Wang, K., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Cardiac+tissue+slices:+preparation,+handling,+and+successful+optical+mapping.">Cardiac tissue slices: preparation, handling, and successful optical mapping.</a> American Journal of Physiology. Heart and Circulatory Physiology. 308, H1112-H1125 (2015).</li><li>Parrish, D. C., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Transient+denervation+of+viable+myocardium+after+myocardial+infarction+does+not+alter+arrhythmia+susceptibility.">Transient denervation of viable myocardium after myocardial infarction does not alter arrhythmia susceptibility.</a> American Journal of Physiology. Heart and Circulatory. , (2017).</li><li>Ihara, K., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Electrophysiological+Assessment+of+Murine+Atria+with+High-Resolution+Optical+Mapping.">Electrophysiological Assessment of Murine Atria with High-Resolution Optical Mapping.</a> Journal of Visualized Experiments. (132), e56478 (2018).</li><li>Holmes, A. P., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=A+Regional+Reduction+in+Ito+and+IKACh+in+the+Murine+Posterior+Left+Atrial+Myocardium+Is+Associated+with+Action+Potential+Prolongation+and+Increased+Ectopic+Activity.">A Regional Reduction in Ito and IKACh in the Murine Posterior Left Atrial Myocardium Is Associated with Action Potential Prolongation and Increased Ectopic Activity.</a> Plos One. 11, e0154077 (2016).</li><li>Lang, D., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Arrhythmogenic+remodeling+of+&#946;&lt;inf&gt;2&lt;/inf&gt;+versus+&#946;&lt;inf&gt;1&lt;/inf&gt;+adrenergic+signaling+in+the+human+failing+heart.">Arrhythmogenic remodeling of &#946;&lt;inf&gt;2&lt;/inf&gt; versus &#946;&lt;inf&gt;1&lt;/inf&gt; adrenergic signaling in the human failing heart.</a> Circulation: Arrhythmia and Electrophysiology. 8, 409-419 (2015).</li><li>Kang, C., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Human+Organotypic+Cultured+Cardiac+Slices:+New+Platform+For+High+Throughput+Preclinical+Human+Trials.">Human Organotypic Cultured Cardiac Slices: New Platform For High Throughput Preclinical Human Trials.</a> Scientific Reports. 6, 1-13 (2016).</li><li>Wen, Q., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Transverse+cardiac+slicing+and+optical+imaging+for+analysis+of+transmural+gradients+in+membrane+potential+and+Ca2++transients+in+murine+heart.">Transverse cardiac slicing and optical imaging for analysis of transmural gradients in membrane potential and Ca2+ transients in murine heart.</a> The Journal of Physiology. 596, 3951-3965 (2018).</li><li>Houston, C., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Characterisation+of+re-entrant+circuit+(or+rotational+activity)+in+vitro+using+the+HL1-6+myocyte+cell+line.">Characterisation of re-entrant circuit (or rotational activity) in vitro using the HL1-6 myocyte cell line.</a> Journal of Molecular and Cellular Cardiology. 119, 155-164 (2018).</li><li>Yu, T. Y., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Optical+mapping+design+for+murine+atrial+electrophysiology.">Optical mapping design for murine atrial electrophysiology.</a> Computer Methods in Biomechanics and Biomedical Engineering: Imaging and Visualization. 5, 368-376 (2017).</li><li>Laughner, J. I., Ng, F. S., Sulkin, M. S., Arthur, R. M., Efimov, I. R. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Processing+and+analysis+of+cardiac+optical+mapping+data+obtained+with+potentiometric+dyes.">Processing and analysis of cardiac optical mapping data obtained with potentiometric dyes.</a> AJP: Heart and Circulatory Physiology. 303, H753-H765 (2012).</li><li>Bayly, P. V., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Estimation+of+Conduction+Velocity+Vector+Fields+from+Epicardial+Mapping+Data.">Estimation of Conduction Velocity Vector Fields from Epicardial Mapping Data.</a> IEEE Transactions on Bio-Medical Engineering. 45, 563-571 (1998).</li><li>Jaimes, R., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=A+technical+review+of+optical+mapping+of+intracellular+calcium+within+myocardial+tissue.">A technical review of optical mapping of intracellular calcium within myocardial tissue.</a> American Journal of Physiology. Heart and Circulatory Physiology. 310, H1388-H1401 (2016).</li><li>Wang, L., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Optical+mapping+of+sarcoplasmic+reticulum+Ca2++in+the+intact+heart:+Ryanodine+receptor+refractoriness+during+alternans+and+fibrillation.">Optical mapping of sarcoplasmic reticulum Ca2+ in the intact heart: Ryanodine receptor refractoriness during alternans and fibrillation.</a> Circulation Research. 114, 1410-1421 (2014).</li><li>Winter, J., Shattock, M. J. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Geometrical+considerations+in+cardiac+electrophysiology+and+arrhythmogenesis.">Geometrical considerations in cardiac electrophysiology and arrhythmogenesis.</a> Europace. , (2016).</li><li>Mironov, S., Jalife, J., Tolkacheva, E. G. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Role+of+conduction+velocity+restitution+and+short-term+memory+in+the+development+of+action+potential+duration+alternans+in+isolated+rabbit+hearts.">Role of conduction velocity restitution and short-term memory in the development of action potential duration alternans in isolated rabbit hearts.</a> Circulation. 118, 17-25 (2008).</li><li>Khwaounjoo, P., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Image-Based+Motion+Correction+for+Optical+Mapping+of+Cardiac+Electrical+Activity.">Image-Based Motion Correction for Optical Mapping of Cardiac Electrical Activity.</a> Annals of Biomedical Engineering. 43, 1235-1246 (2014).</li><li>Christoph, J., Luther, S. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Marker-Free+Tracking+for+Motion+Artifact+Compensation+and+Deformation+Measurements+in+Optical+Mapping+Videos+of+Contracting+Hearts.">Marker-Free Tracking for Motion Artifact Compensation and Deformation Measurements in Optical Mapping Videos of Contracting Hearts.</a> Frontiers in Physiology. 9, (2018).</li><li>Umapathy, K., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Phase+Mapping+of+Cardiac+Fibrillation.">Phase Mapping of Cardiac Fibrillation.</a> Circulation: Arrhythmia and Electrophysiology. 3, 105-114 (2010).</li><li>Tomii, N., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Detection+Algorithm+of+Phase+Singularity+Using+Phase+Variance+Analysis+for+Epicardial+Optical+Mapping+Data.">Detection Algorithm of Phase Singularity Using Phase Variance Analysis for Epicardial Optical Mapping Data.</a> IEEE Transactions on Biomedical Engineering. 63, 1795-1803 (2016).</li><li>Cantwell, C. D., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Techniques+for+automated+local+activation+time+annotation+and+conduction+velocity+estimation+in+cardiac+mapping.">Techniques for automated local activation time annotation and conduction velocity estimation in cardiac mapping.</a> Computers in Biology and Medicine. 65, (2015).</li></ol>

P.K. erhält Forschungsunterstützung von mehreren Pharma- und Geräteunternehmen, die im Vorhofflimmern tätig sind, und wurde von mehreren solchen Unternehmen ausgezeichnet. L.F. erhielt institutionelle Forschungsstipendien EU, BHF, MRC, DFG und Gilead. P.K. und L.F. sind als Erfinder auf zwei Patenten der University of Birmingham gelistet (Atrial Fibrillation Therapy WO 2015140571, Markers for Atrial Fibrillation WO 2016012783).

Alle anderen Autoren erklären keinen potenziellen Interessenkonflikt.

Hier stellen wir eine Schritt-für-Schritt-Anleitung für den Einsatz der Open-Source-Software ElectroMap zur flexiblen und multivariablen Analyse von kardialen optischen Mapping-Datensätzen vor. Für den erfolgreichen Einsatz von ElectroMap müssen bildgebende Daten in .tif oder sein. MAT-Formate. ElectroMap enthält mehrere veränderbare Benutzereinstellungen. Wie in Abbildung 2Agezeigt, ist dies aufgrund der großen Heterogenität zwischen experimentellen Modellen und bildgebender Hardware erforderlich. Dies bedeutet jedoch, dass die Standardeinstellungen innerhalb der Software nicht immer optimal sind, so dass ein kritischer Schritt bei der Verwendung der Software für den Benutzer ist, die Einstellungen für ihre spezielle experimentelle Einrichtung zu optimieren. Dazu gehören Kameraeinstellungen und Zeitskalen, wie in Abbildung 2Bdargestellt. Sobald optimale Einstellungen gefunden wurden, können diese gespeichert und zu späteren Zeiten neu geladen werden, indem Sie Konfigurationsdateiauswählen.
Die Integration der automatisierten CL-Messung und Signalsegmentierung sind die wichtigsten Vorteile der Software. Diese Merkmale ermöglichen die Analyse akuter Reaktionen in experimentellen Aufnahmen und erweitern die Analyse von der Fokussierung auf isolierte Einzelschläge. Sobald die gewünschte Segmentierung erreicht ist, ermöglicht das Modul Single File Analysis die automatisierte Analyse jedes einzelnen Segments (einschließlich einzelner Beats) und realisiert eine Analyse mit hohem Durchsatz mehrerer Variablen über die in einem einzelne .csv-Datei. In Verbindung mit der Ensemble-Mittelung von gruppierten Peaks ist eine effektive Methode zur Verbesserung der Qualität von lauten Signalen, die automatisch in ElectroMap ausgeführt wird. Die Mittelung des Ensembles ist jedoch nicht allgegenwärtig vorteilhaft, zum Beispiel in Studien zur Beat-to-Beat-Variabilität. Daher integriert ElectroMap die Single-Beat-Segmentierung, um Ensemble-Mittelung, alternative Verarbeitungsoptionen zur Verbesserung der SNR (räumliche und zeitliche Filterung) zu vermeiden, und umfasst das Analysemodul Alternans, um die Beat-to-Beat-Variabilität.
Optische Mapping-Datasets weisen häufig Artefakte wie Basisdrift und Bewegungsartefakte auf. Ebenso können die erzeugten Signale aufgrund kleiner Pixelgrößen, kurzer Belichtungszeiten und geringer fraktionierter Fluoreszenzänderungen2von geringer Qualität sein. Diese Faktoren verhindern eine effektive und genaue Analyse des zugrunde liegenden EP-Verhaltens. Wie bereits beschrieben, verfügt ElectroMap über mehrere Verarbeitungsstrategien, um diese Probleme zu überwinden. Die Anwendung dieser Algorithmen auf grundlegend schlechte Qualität/verzerrte Daten wird jedoch weiterhin eine effektive Analyse verhindern. SNR ist daher einer der Parameter, die in ElectroMap gemessen und angezeigt werden. Ebenso kann der Benutzer die Signale aus bestimmten Regionen aus dem Beispiel mithilfe der Pixel-Info- und Vergleichsmodule auswählen und vergleichen, so dass Phänomene wie Bewegungsartefakte, die in Abbildung 5dargestellt sind, und Ausschluss von Daten.
Derzeit unterstützt ElectroMap das Entfernen von Bewegungsartefakten aus Rohdaten nicht in der gleichen Weise wie die Baseline-Korrektur. Daher ist eine mögliche zukünftige Entwicklung der Software die Einbeziehung der Bewegungsartefakt Entfernung durch Rechenmethoden, wie berichtet31,32. Darüber hinaus beschränkt sich ElectroMap derzeit auf die Untersuchung eines optischen Signals. Für ratiometrische Farbstoffe und die gleichzeitige Verwendung von Spannungs- und Kalziumfarbstoffen27ist jedoch eine gleichzeitige Verarbeitung von zwei Wellenlängenkanälen erforderlich. Die Integration der Dual-Signal-Analyse ist daher eine wichtige zukünftige Ergänzung der Software. Die Erweiterung der Analyseoptionen für arrhythmische Datensätze, wie z. B. Phasensingularitätsverfolgung, würde den Anwendungsbereich der Software ebenfalls erweitern33,34. Schließlich können einige der beschriebenen Analyseoptionen auch bei der Analyse der Elektrodenzuordnungsdaten nützlich sein. Tatsächlich wurde ElectroMap verwendet, um Elektroden-Mapping-Daten trotz der kontrastierenden Elektrogramm-Wellenform20,35zu analysieren, und eine weitere Optimierung wird seine Verwendung für diese Modalität erweitern.

Optische Kartierung nutzt fluoreszierende Reporter mit Spannung und/oder Kalziumkonzentration, um die Herzelektrophysiologie (EP) und die Kalziumhandhabung in mehrzelligen Präparaten zu beleuchten, mit einer größeren räumlichen Auflösung als herkömmliche Techniken1,2,3. Daher hat sich die optische Kartierung zu einer wichtigen und immer mehr genutzten Technik entwickelt, die wichtige Einblicke in das physiologische und pathophysiologische elektrische Verhalten im Herzen3,4,5 ,6,7,8. Die effektive Verarbeitung und Analyse von Daten aus optischen Kartierungsexperimenten wird durch mehrere Faktoren erschwert. Die hohe raumzeitliche Auflösung von optischen Mapping-Datasets führt zu Rohvideos, die aus Tausenden von Bildrahmen bestehen, die jeweils aus einer Reihe von einzelnen Pixeln bestehen, was zu großen Datendateien führt, die einen hohen Durchsatz und eine automatisierte Verarbeitung9. Kleine Pixelgrößen, schlechte und ungleichmäßige Farbbelastungen und kleine bruchstückhafte Veränderungen der Fluoreszenz führen zu optischen Signalen mit niedrigem Signal-Rausch-Verhältnis (SNR), die eine Vorverarbeitung erfordern, bevor eine effektive Analyse erreichbar ist10. Die Verarbeitung und Analyse kann durch die Verwendung optogenetischer Tempoprotokolle, die Licht verwenden, um die Aktivierung zu initiieren, weiter erschwert werden, wodurch das aufgezeichnete Signal der Fluoreszenzsensoren11,12möglicherweise verzerrt wird. Darüber hinaus können nach der Verarbeitung der Daten mehrere nicht konsistente Techniken und Definitionen angewandt werden, um die von Interesse abhängigen Parameter zu messen, wobei die am besten anwendbaren Techniken je nach Versuchsaufbau, Modell und Frage2variieren. 10,13. Diese Einschränkungen verhindern eine weitere Nutzung der Technologie und behindern eine wirklich objektive Analyse.
Um diese Einschränkungen zu überwinden, haben mehrere Forschungsgruppen kundenspezifische Verarbeitungspipelines entworfen, die auf ihr experimentelles Modell, ihre Frage und Hardware 7,14,15,16zugeschnitten sind. Andere verwenden kommerzielle proprietäre Software, wo die zugrunde liegenden Algorithmen schwierig sein können, um4,17zugreifen. Daher besteht ein klarer Bedarf an einer frei verfügbaren Open-Source-Softwareplattform für die Verarbeitung und Analyse optischer Mapping-Daten. Es ist wichtig, dass diese Software Open-Source ist, einfach zu bedienen, flexibel auf Parametereinstellung, anwendbar auf eine Reihe von experimentellen Modellen mit unterschiedlichen EP-Eigenschaften und ermöglicht entscheidend eine einfache und abstimmbare Quantifizierung des Bereichs der Herz Parameter, die mithilfe der optischen Zuordnung untersucht werden können.
Wir haben vor kurzem eine umfassende Software-Plattform, ElectroMap, für eine umfassende, halbautomatische Verarbeitung, Analyse und Kartierung von kardialen optischen Mapping-Datensätzenveröffentlicht 13. Hier stellen wir ein Videohandbuch zur Nutzung von ElectroMap vor und zeigen, wie es zur Verarbeitung, Analyse und Kartierung mehrerer optischer Mapping-Datasets verwendet werden kann. Wir konzentrieren uns auf die Verwendung von ElectroMap zur Quantifizierung von Standard-EP- und Calcium-Handling-Variablen und demonstrieren die Verwendung von Standalone-Leitungsgeschwindigkeit, Einzeldateianalyse und Alternans-Modulen.

<table>
	<tbody>
		<tr>
			<td>MATLAB and Simulink R2018a</td>
			<td>Mathworks, Inc, Natick, MA</td>
			<td></td>
			<td>MATLAB software</td>
		</tr>
	</tbody>
</table>

high-throughput analysis of optical mapping data using electromap

Optische Kartierung ist eine etablierte Technik zur Studie der Kardialelektrophysiologie in mehrzelligen Präparaten mit hoher raumzeitlicher Auflösung. Hier stellen wir in einer Schritt-für-Schritt-Anleitung die Verwendung von ElectroMap zur Analyse, Quantifizierung und Kartierung von hochauflösenden Spannungs- und Calcium-Datensätzen vor, die durch optischeS Mapping erfasst werden. Die ElektroMap-Analyseoptionen decken eine Vielzahl wichtiger elektrophysiologischer Parameter ab, und die grafische Benutzeroberfläche ermöglicht eine einfache Änderung der Vorverarbeitung und Parameterdefinitionen, sodass ElectroMap auf eine Vielzahl von experimentelle Modelle. Wir zeigen, wie die integrierte Tempofrequenzerkennung und Signalsegmentierung eine Analyse des hohen Durchsatzes ganzer experimenteller Aufnahmen, akuter Reaktionen und einer einzigen Beat-to-Beat-Variabilität ermöglicht. Darüber hinaus enthält ElectroMap eine automatisierte Multi-Beat-Mittelung, um die Signalqualität von lauten Datensätzen zu verbessern, und hier zeigen wir, wie diese Funktion dazu beitragen kann, elektrophysiologische Veränderungen aufzuklären, die andernfalls bei der Verwendung einzelner Beat-Analyse. Benutzerdefinierte Module sind in der Software für die detaillierte Untersuchung der Leitung, Einzeldateianalyse und Alternane enthalten, wie hier gezeigt. Diese Software-Plattform kann verwendet werden, um die Verarbeitung, Analyse und Kartierung komplexer Herzelektrophysiologie zu ermöglichen und zu beschleunigen.

Alle arbeiten im Rahmen dieser Studie wurden in Übereinstimmung mit ethischen Leitlinien durchgeführt, die im UK Animals (Scientific Procedures) Act 1986 und der Richtlinie 2010/63/EU des Europäischen Parlaments über den Schutz von Tieren, die für wissenschaftliche Zwecke verwendet werden, festgelegt wurden. Die Experimente wurden vom Home Office (Maus: PPL 30/2967 und PFDAAF77F, Meerschweinchen: PPL PF75E5F7F) und den institutionellen Fachkollegien der University of Birmingham (Maus) und des King es College London (Meerschweinchen) genehmigt. Detaillierte Methoden zur Erfassung der hier analysierten Rohdaten finden Sie in unseren bisherigen Publikationen5,6,14,19.
Die Hauptschnittstelle, von der aus ElectroMap gesteuert wird, ist in Abbildung 1Adargestellt. Die erforderlichen Schritte zum Analysieren eines Datasets werden in erster Linie über die Schaltflächen Bilder laden, Verarbeiten von Bildernund Karten erzeugen gesteuert und in Abbildung 1Agrün, blau und rot hervorgehoben angezeigt. Abbildung 1B-D zeigt die Vorgänge, die bei der Auswahl jeder dieser Schaltflächen ausgeführt werden. "Bilder laden" wendet die vom Benutzer ausgewählten Bildschwellenoptionen an (Abbildung 1B), während Prozessbilder (Abbildung 1C) Filterung und Baselinekorrektur anwenden. Schließlich werden Karten zuerst gemäß den Zeitfenster- und Segmentierungseinstellungen ermittelt (es sei denn, es wird eine einzelne Beatsegmentierung ausgewählt) und dann die oben beschriebenen Analysen durchführen.
Ein wichtiger Aspekt von ElectroMap ist seine Flexibilität in Bezug auf Kameratyp und experimentelles Modell. Dies ist entscheidend für den Nutzen einer optischen Mapping-Software aufgrund der ausgeprägten herz-EP und anatomischen Eigenschaften, die zwischen weit verbreiteten Modellen existieren. Abbildung 2A zeigt z.B. das Wirkungspotential morphologie der murinen Vorhöfe im Vergleich zum Meerschweinchenventrikel, aufgezeichnet mit spannungsempfindlichen Farbstoffen wie zuvor berichtet6,14. Trotz der unterschiedlichen Form des Aktionspotenzials und der Verwendung von zwei separaten optischen Mapping-Kameras mit unterschiedlichen Frameraten und Pixelgrößen kann ElectroMap genutzt werden, um beide Datensätze erfolgreich zu analysieren. Dies erfordert jedoch eine Änderung einiger Parameter innerhalb der Benutzeroberfläche (Abbildung 2B). Beachten Sie, dass das verlängerte Meerschweinchen-Aktionspotenzial ein größeres Zeitfenster erfordert. Um zu verhindern, dass die Top-Hat-Baseline-Korrektur die optisch aufgezeichneten Signale unphysiologisch modifizieren, muss ihre Zeitlänge erhöht werden, so dass sie größer ist als der Zeitverlauf des Aktionspotentials.
ElectroMap bietet eine Vielzahl von Verarbeitungsoptionen, um den SNR von optisch aufgezeichneten Signalen zu verbessern, die erforderlich sein können, um EP-Parameter effektiv wiederherzustellen. Ein Beispiel ist die automatisierte Ensemble-Mittelung von Spitzen nach Datensegmentierung. Abbildung 3A-C zeigt, wie die Anwendung der Ensemblemittelung anstelle anderer Methoden SNR aus isolierten murinen linken Vorhöfen verbessern kann (n = 13). Dies reduziert die Messheterogenität und die Wahrscheinlichkeit eines Analysefehlers (Abbildung 3D). Zum Beispiel änderte eine Änderung der Schrittfrequenz von 3 Hz auf 10 Hz APD50nicht, wenn keine Ensemblemittelung durchgeführt wird, aber eine erwartete Abnahme von29 aPD50 bei 10 Hz-Takt wurde beobachtet, wenn sie anhand von Ensemble-Durchschnittsdaten gemessen wurde ( Abbildung 3E).
Abbildung 4 zeigt die Wirksamkeit und den Nutzen der automatisierten Tempofrequenzerkennung und -segmentierung, die von ElectroMap angeboten wird. Hier wurden Maus-Linke -Atria (n = 5) mit einer Zykluslänge von 120 ms und Zykluslänge schrittweise um 10 ms verkürzt, bis sie 50 ms erreichte. ElectroMap identifizierte automatisch die Taktzykluslänge und gruppierte Gewebegemittelspitzen entsprechend (Abbildung4A ). Dies wurde mit hoher Genauigkeit in allen Datensätzen erreicht (Abbildung 4B). Die automatisierte Segmentierung der Daten ermöglichte eine einfache und hohe Durchsatzanalyse der Verlangsamung der Leitungsgeschwindigkeit mit erhöhter Tempofrequenz/verkürzter Zykluslänge (Abbildung 4C,D). Gleichzeitig wurden APD50 (Abbildung 4E) und diastolisches Intervall (Abbildung 4F) verkürzt. Die Amplitude der optisch gemessenen Spitzen nahm ab, während die Zeit bis zum Höhepunkt zunahm (Abbildung 4G,H). Dies sind wiederum die erwarteten Restitutionsreaktionen im Herzgewebe29,30 und die Verwendung von ElectroMap kann daher helfen, Veränderungen als Reaktion auf Die Pacing-Frequenz in Gegenwart von pharmakologischen Wirkstoffen, genetische Modifikation, oder Krankheitszustände.
Ein wichtiger Aspekt bei der Verwendung einer Software wie ElectroMap ist das Vorhandensein von Artefakten in den zugrunde liegenden Daten. Abbildung 5zeigt beispielsweise, dass Bewegungsartefakte (die Verzerrung des optisch aufgezeichneten Signals durch Gewebebewegung) genaue Messungen der Aktivierung und insbesondere repolarisierenin innerhalb von ElectroMap ausschließen können. Weitere Überlegungen finden Sie unter Diskussion.
<img alt="Figure 1" class="xfigimg" src="/files/ftp_upload/59663/59663fig1.jpg"> Abbildung 1: ElectroMap Hauptverarbeitungsschritte. (A) Grafische Benutzeroberfläche von ElectroMap, mit den Schaltflächen Bilder laden (grün), Prozessbilder (blau) und Karten erzeugen (rot). (B) Bildschwellenoptionen, die bei der Auswahl von Bilder ladenangewendet werden können. (C) Die dem Benutzer zur Verfügung stehenden Signalverarbeitungsoptionen umfassen räumliche und zeitliche Filterung und Baseline-Korrektur und können durch Drücken von Prozessbildernauf den Bildstapel angewendet werden. (D) Ensemblemittelung und Parameterquantifizierung (angezeigte APD-Messung), die durch Auswahl von Karten erzeugenaktiviert wird. Figur angepasst von O'Shea et al., 201913. <a href="https://www.jove.com/files/ftp_upload/59663/59663fig1large.jpg" target="_blank">Bitte klicken Sie hier, um eine größere Version dieser Abbildung anzuzeigen.</a>
<img alt="Figure 2" class="xfigimg" src="/files/ftp_upload/59663/59663fig2.jpg"> Abbildung 2: Analyse von Maus- und Meerschweinchendaten mit ElectroMap. (A) Optisch aufgezeichnetes Aktionspotential von Maus-Atria und Meerschweinchen-Ventrikeln, zusammen mit dem ersten (df/dt) und dem zweiten (d2f/dt2) Ableitung dieser Signale. Hervorgehoben werden die verschiedenen Definitionen für Aktivierungs- und Repolarisationszeiten, die in ElectroMap verwendbar sind. (B) Screenshots von Bild- und Signalverarbeitungseinstellungen, die in der ElectroMaps-Schnittstelle verwendet werden. Rote Felder markieren Einstellungen, die eine Änderung zwischen den Analysen von Maus- und Meerschweinchendaten erforderten. Figur angepasst von O'Shea et al., 201913. <a href="https://www.jove.com/files/ftp_upload/59663/59663fig2large.jpg" target="_blank">Bitte klicken Sie hier, um eine größere Version dieser Abbildung anzuzeigen.</a>
<img alt="Figure 3" class="xfigimg" src="/files/ftp_upload/59663/59663fig3.jpg"> Abbildung 3: Ensemblemittelung zum Beheben von APD-Änderungen. (A) APD50 Karte und Beispiel Einzelpixelsignal von einzelnen Beat optischen Aktionspotentialen. (B) APD50 Karte und Beispiel Einzelpixelsignal aus optischen Aktionspotentialen durch Ensemble-Mittelung von 10 aufeinanderfolgenden Beats (Spitzenmethode) erzeugt. (C) SNR des Einzelbeats im Vergleich zu 10 beat durchschnittlichen Signalen. (D) APD50 Heterogenität (i) und Anzahl der Messfehler (ii) als Funktion von SNR für Single Beat und 10 beatd aPD50 Maps. (E) APD50 bei 3 und 10 Hz Schrittfrequenz, gemessen anhand von Einzelschlag- und 10 Beatkarten. (Daten, die als mittelwerter Standardfehler, n = 13 linke Vorhöfe, ****p < 0,001 durch den gekoppelten t-Test des Schülers angezeigt werden). <a href="https://www.jove.com/files/ftp_upload/59663/59663fig3large.jpg" target="_blank">Bitte klicken Sie hier, um eine größere Version dieser Abbildung anzuzeigen.</a>
<img alt="Figure 4" class="xfigimg" src="/files/ftp_upload/59663/59663fig4.jpg"> Abbildung 4: Verwendung von ElectroMap zur Untersuchung von Tempofrequenzreaktionen im Herzgewebe. (A) Beispiel ElectroMap Screenshot der Schrittfrequenzerkennung und Segmentierung. (B) Vergleich der bekannten und ElectroMap gemessenen Tempozykluslängen. (C) Aktivierungskarten mit 120 ms und 60 ms Schrittzykluslängen. (D-H) Gruppierte Daten der Leitungsgeschwindigkeit (D), APD50 (E), diastolisches Intervall (F), Amplitude (G) und Zeit bis Zur Spitze (H) als Funktion der Schrittzykluslänge, die von 120 ms auf 60 ms in 10 ms Schritten abnimmt. (Daten, die als Mittelwert angezeigt werden, Standardfehler, n = 5 linke Vorhöfe) <a href="https://www.jove.com/files/ftp_upload/59663/59663fig4large.jpg" target="_blank">Bitte klicken Sie hier, um eine größere Version dieser Abbildung anzuzeigen.</a>
<img alt="Figure 5" class="xfigimg" src="/files/ftp_upload/59663/59663fig5.jpg"> Abbildung 5: Wirkung von Bewegungsartefakten. (A) APD50 Karte. (B) Aktivierungskarte. (C) Beispielsignale von Orten, die auf APD- und Aktivierungskarten markiert sind (Kreuze). Im Bereich des mit dem Roten Kreuz markierten Gewebes wurde die Kontraktion nicht erfolgreich entkoppelt, wodurch das gemessene optische Signal verzerrt wurde. <a href="https://www.jove.com/files/ftp_upload/59663/59663fig5large.jpg" target="_blank">Bitte klicken Sie hier, um eine größere Version dieser Abbildung anzuzeigen.</a>

Watch this Scientific Journal Video about High-Throughput Analysis of Optical Mapping Data Using ElectroMap at JoVE.com

High-Throughput Analysis of Optical Mapping Data Using ElectroMap

Dieses Protokoll beschreibt die Einrichtung und Verwendung von ElectroMap, einer MATLAB-basierten Open-Source-Softwareplattform zur Analyse von kardialen optischen Kartierungsdaten. ElectroMap bietet ein vielseitiges Hochdurchsatz-Tool für die Analyse optischer Kartierungsspannungs- und Calcium-Datensätze in einer Vielzahl von kardialen experimentellen Modellen.

Hochdurchsatzanalyse optischer Mapping-Daten mit ElectroMap

Optical mapping is an established technique for high spatio-temporal resolution study of cardiac electrophysiology in multi-cellular preparations. Here we ...

Der Einsatz von Multi-Array- und optischen Kartierungstechnologien in der Herzforschung nimmt zu. Was jedoch derzeit fehlt, ist robuste, hochdurchsatzige Open-Source-Software zur Analyse von elektrophysiologischen Daten. Aus diesem Grund haben wir eine neuartige Software namens ElectroMap entwickelt, um Forschern bei ihrer Analyse zu helfen.ElectroMap enthält neue und etablierte Methoden zur Analyse von Kardial-Mapping-Daten, die von jeder Art mit mehreren verschiedenen Kameras, mehreren verschiedenen Fluoreszenzfarbstoffen und unterschiedlichen Erfassungsmodalitäten erfasst werden können, einschließlich optischer Kartierung und Multi-Elektroden-Array-Systeme. Neben der Messung von Standard-AP-Parametern wie Aktionspotenzialdauer, leitfähigem Assay und Morphologie ermöglicht ElectroMap die Analyse und Quantifizierung der Aktivität. Laden Sie zunächst alle Dateien aus der neuesten Quellcodeversion von ElectroMap aus dem GitHub-Repository herunter.Entpacken Sie die heruntergeladenen Inhalte an einem gewünschten Speicherort. Öffnen Sie MATLAB und navigieren Sie zum Ordnerspeicherort, der den ElectroMap-Quellcode enthält. Öffnen Sie dann die Datei-Elektrokarte.m und drücken Sie im Editor, um die ElectroMap-Benutzeroberfläche zu starten. Um das Bild zu laden, drücken Sie den Ordner auswählen und navigieren Sie zum Speicherort der zu analysierenden Datendatei oder der zu analysierenden Dateien. Wählen Sie die Datei aus, die aus der Schnittstelle geladen werden soll, und drücken Sie Ladebilder.Nach dem Laden wird der erste Frame angezeigt, und ein roter Umriss zeigt die automatische Schwellenwertung des Bildes an. Ändern Sie dies bei Bedarf in einen Schwellenwert basierend auf der Amplitude des Signalzeitverlaufs, indem Sie die Option im Bild für das Dropdown-Menü "Schwellenwert" ändern. Beachten Sie, dass der Schwellenwert, sobald er ausgewählt ist, auf den gesamten Bildstapel angewendet wird.Ändern Sie bei Bedarf die Option Schwellenwert in manuell, wodurch der Schieberegler aktiviert wird, um den Bildschwellenwert manuell anzupassen. Wählen Sie außerdem den benutzerdefinierten Bereich aus, der für die Analyse von Interesse ist, indem Sie die entsprechenden Kontrollkästchen unterhalb der Schwellenwertoptionen auswählen. Beachten Sie, dass erweiterte Optionen für die Auswahl der Region von Interesse, wie z. B. die Anzahl der Bereiche, aus der ROI-Auswahl im oberen Menü verfügbar sind.Sobald ein entsprechender Schwellenwert angewendet wurde, drücken Sie Prozessbilder, um die Verarbeitung anzuwenden. Stellen Sie an dieser Stelle sicher, dass die richtigen Kameraeinstellungen für Bildrate und Kilohertz- und Pixelgröße in Mikrometern und Signalverarbeitungsoptionen wie Fensterzeitrahmen, räumliche und zeitliche Filterung eingegeben wurden. Nachdem die Datei verarbeitet wurde, überprüfen Sie die Spitzen im Gewebe-Durchschnittssignal, das durch rote Kreise gekennzeichnet ist.Segmentieren Sie das Signal basierend auf erkannten Spitzen. Drucksegmentsignal. Wenden Sie bei Bedarf eine benutzerdefinierte Segmentierung des Signals an, indem Sie den Zeitpunkt des Interesses vergrößern und das Segmentsignal auswählen.Nachdem die Bilder verarbeitet wurden, wird die Schaltfläche Karten erzeugen aktiv. Drücken Sie Die Erstellung von Karten, um die Analyse von Aktionspotenzialdauer, Aktivierungszeit, Leitungsgeschwindigkeit und Signal-Rausch-Verhältnis-Analyse anzuwenden. Wählen Sie die gewünschten Segmente aus dem Listenfeld aus, um die Analyse auf die einzelnen Segmente anzuwenden.Wählen Sie als Nächstes Pixelinformationen abrufen aus, um eine detaillierte Anzeige des Signals von einem beliebigen Pixel innerhalb des Bildes anzuzeigen, und vergleichen Sie Pixel, um Signale gleichzeitig von bis zu sechs Positionen zu zeichnen. Um auf eine detailliertere Analyse der Leitungsgeschwindigkeit zuzugreifen, drücken Sie die Leitung. Drücken Sie dann einen einzelnen Vektor, um die Leitung mit der Einzelvektormethode zu analysieren, bei der der Gradientenvektor aus der Verzögerungsinaktivierungszeit zwischen zwei Punkten berechnet wird.Drücken Sie schließlich den lokalen Vektor, um die Multivektormethode mit den Einstellungen anzuwenden, die denen der Hauptschnittstelle entsprechen. Drücken Sie die Aktivierungskurve, um den Prozentsatz des als Zeit aktivierten Gewebes darzustellen. Um andere Parameter mit ElectroMap zu quantifizieren, wählen Sie eine der anderen gewünschten Analysen aus dem Dropdown-Menü über der Anzeigekarte aus.Drücken Sie die Analyse einzelner Dateien, um ein dediziertes Modul für die Dauer eines hohen Durchsatzes und die Leitungsanalyse jedes identifizierten Segments in einer Datei zu öffnen. Führen Sie die Analyse entweder für das gesamte Bild oder für ausgewählte Regionen oder Sehenswürdigkeiten durch. Um Daten aus ElectroMap zu exportieren, drücken Sie Exportwerte, um die Werte der aktuell angezeigten Karte in der Hauptbenutzeroberfläche zu speichern.Drücken Sie dann die Exportkarte, um ein Popup mit der aktuell angezeigten Karte anzuzeigen, die dann in einer Vielzahl von Bildformaten gespeichert werden kann. Fügen Sie bei Bedarf eine Farbleiste hinzu, indem Sie das Symbol der Farbleiste auswählen. Legen Sie den Maßstab fest, indem Sie "Bearbeiten" und dann die Farbkarte auswählen.Drücken Sie schließlich das Aktivierungsvideo, um eine Animation der Aktivierungssequenz zu rendern, die als animierte GIF-Datei gespeichert werden kann. Dies zeigt das Wirkungspotential morphologie der murinen Vorhöfe im Vergleich zu den Meerschweinchen Ventrikel mit spannungsempfindlichen Farbstoffen aufgezeichnet, wie zuvor berichtet. Trotz der unterschiedlichen Form des Aktionspotenzials und der Verwendung von zwei separaten optischen Mapping-Kameras mit unterschiedlichen Bildraten und Pixelgrößen kann ElectroMap genutzt werden, um beide Datensätze erfolgreich zu analysieren, indem die entsprechenden Parameter ausgewählt werden.Die Anwendung der Ensemble-Mittelung anstelle anderer Methoden kann SNR aus isolierten murinen linken Vorhöfen verbessern. Eine Änderung der Schrittfrequenz von drei Hertz auf 10 Hertz änderte APD nicht, wenn keine Ensemblemittelung durchgeführt wurde, aber ein erwarteter Rückgang der APD bei 10 Hertz-Tempo wurde beobachtet, wenn man sie anhand von Ensemble-Durchschnittsdaten gemessen. Darüber hinaus wurden die Maus-Linken-Atria mit einer Zykluslänge von 120 Millisekunden und die Zykluslänge schrittweise um 10 Millisekunden verkürzt, bis sie 50 Millisekunden erreichte.ElectroMap identifiziert automatisch die Tempozykluslänge und gruppiert gewebedurchschnitte Spitzen entsprechend. APD und diastolisches Intervall verkürzt. Die Amplitude der optisch gemessenen Spitzen nahm ab, während die Zeit bis zum Höhepunkt zunahm.Dieses Protokoll zeigt, wie Sie die Einstellungen in ElectroMap installieren und einrichten können, um die mögliche Dauer der Aktion, die Leitungsgeschwindigkeit, die Maximale Variabilität von Oben auf die Spitze schnell zu analysieren und auch, wie Sie den Durchschnitt anordnen können, um das Signal-Rausch-Verhältnis zu verbessern. Wir hoffen, dass die Veröffentlichung dieser frei verfügbaren Software Forschern bei ihren Analysebedürfnissen helfen und zu einigen wichtigen Entdeckungen in der Herzforschung führen wird. Wir werden weiterhin alle Algorithmen entwickeln, die wir entwickelt haben, und wir ermutigen andere, uns dabei zu helfen, die ElectroMap-Fähigkeiten weiter auszubauen.

Research

JoVE Journal

Medicine

High-Resolution Endocardial and Epicardial Optical Mapping in a Sheep Model of Stretch-Induced Atrial Fibrillation

High-Resolution Endocardial und Epikardiale Optical Mapping in ein Schaf Modell Stretch-Induced Vorhofflimmern

 Atrial fibrillation (AF) is a complex cardiac arrhythmia with high morbidity and mortality.1,2 It is the most common sustained cardiac rhythm disturbance ...

Forschung

Medizin

Mouse Eye Enucleation for Remote High-throughput Phenotyping

Maus Eye Enukleation für Remote High-throughput Phänotypisierung

The mouse eye is an important genetic model for the translational study of human ophthalmic disease. Blinding diseases in humans, such as macular ...

Heterogeneity Mapping of Protein Expression in Tumors using Quantitative Immunofluorescence

Heterogenität Mapping von Protein Expression in Tumoren mittels quantitativer Immunfluoreszenz

Morphologic heterogeneity within an individual tumor is well-recognized by histopathologists in surgical practice. While this often takes the form of ...

High Throughput Sequential ELISA for Validation of Biomarkers of Acute Graft-Versus-Host Disease

High Throughput Sequential ELISA zur Validierung von Biomarkern des akuten Graft-Versus-Host Disease

Unbiased discovery proteomics strategies have  the potential to identify large numbers of novel biomarkers that can improve  diagnostic and prognostic ...

Identification of Disease-related Spatial Covariance Patterns using Neuroimaging Data

Identification of Disease-bezogene räumliche Kovarianz Patterns mit Neuroimaging Daten

The scaled subprofile model (SSM)1-4 is a multivariate PCA-based algorithm that identifies major sources of variation in patient and control group brain ...

An Organotypic High Throughput System for Characterization of Drug Sensitivity of Primary Multiple Myeloma Cells

Ein organ High Throughput-System zur Charakterisierung von Arzneimittelempfindlichkeit von Primary Multiple Myelomzellen

In this work we describe a novel approach that combines ex vivo drug sensitivity assays and digital image analysis to estimate chemosensitivity and ...

Optimized LC-MS/MS Method for the High-throughput Analysis of Clinical Samples of Ivacaftor, Its Major Metabolites, and Lumacaftor in Biological Fluids of Cystic Fibrosis Patients

Optimierte LC-MS/MS-Methode für die Hochdurchsatz-Analyse der klinischen Proben von Ivacaftor, seinen Hauptmetaboliten und Lumacaftor in biologischen Flüssigkeiten von Mukoviszidose-Patienten

Defects in the cystic fibrosis trans-membrane conductance regulator (CFTR) are the cause of cystic fibrosis (CF), a disease with life-threatening ...

Electrophysiological Assessment of Murine Atria with High-Resolution Optical Mapping

Elektrophysiologische Bewertung der murinen Atria mit hochauflösenden optischen Mapping

Recent genome-wide association studies targeting atrial fibrillation (AF) have indicated a strong association between the genotype and ...

Comparing Bibliometric Analysis Using PubMed, Scopus, and Web of Science Databases

Vergleichen der bibliometrischen Analyse mit PubMed-, Scopus- und Web of Science-Datenbanken

Literature databases (i.e., PubMed, Scopus, and Web of Science) differ in terms of their coverage, focus, and the tool they provide. PubMed focuses mainly ...