Optimization of real-time analysis of sleep-wake cycle in mice.
Optimization of real-time analysis of sleep-wake cycle in mice.
复制标题
DOI：
10.1016/j.mex.2022.101811
复制
发表时间：
2022
期刊：
影响因子：
1.9
通讯作者：
Gerashchenko, Dmitry
中科院分区：
文献类型：
--
作者：
Thankachan, Stephen;Gerashchenko, Andrei;Kastanenka, Ksenia, V;Bacskai, Brian J.;Gerashchenko, Dmitry
研究睡眠的生物学需要准确和有效地评估睡眠阶段。然而，分析小鼠和其他实验室动物的睡眠-觉醒周期仍然是一个耗时费力的过程。在这项研究中，我们开发了一个Python脚本和一个简化的睡眠数据分析过程，包括实时处理脑电图（EEG）和肌电图（EMG）信号，与支持用户数据报协议（UDP）通信的商业睡眠记录软件兼容。该过程包括EEG/EMG数据采集、用于实时确定睡眠阶段的自动阈值计算、睡眠分期和EEG功率谱分析。它还允许以便于进一步分析小鼠睡眠模式的格式存储数据。所述方法旨在提高小鼠睡眠阶段评分和分析的效率，从而促进睡眠研究。·小鼠睡眠-觉醒周期的真实的时间EEG/EMG记录和流线分析的过程。·与可以生成UDP流的商业睡眠记录软件兼容。·通过开放源码软件进一步分析记录数据的能力。
Studying the biology of sleep requires accurate and efficient assessment of the sleep stages. However, analysis of sleep-wake cycles in mice and other laboratory animals remains a time-consuming and laborious process. In this study, we developed a Python script and a process for the streamlined analysis of sleep data that includes real-time processing of electroencephalogram (EEG) and electromyogram (EMG) signals that is compatible with commercial sleep-recording software that supports user datagram protocol (UDP) communication. The process consists of EEG/EMG data acquisition, automated threshold calculation for real-time determination of sleep stages, sleep staging and EEG power spectrum analysis. It also allows data storage in the format that facilitates further analysis of the sleep pattern in mice. The described method is aimed at increasing efficiency of sleep stage scoring and analysis in mice thus facilitating sleep research. • A process of EEG/EMG recording and streamline analysis of sleep-wake cycle in real time in mice. • The compatibility with commercial sleep-recording software that can generate a UDP stream. • The capability of further analysis of recorded data by an open-source software.
登录
查看更多内容
影响因子：
4.6
作者：
Tezuka T;Kumar D;Singh S;Koyanagi I;Naoi T;Sakaguchi M
通讯作者：
Sakaguchi M
影响因子：
3
作者：
Louis, RP;Lee, J;Stephenson, R
通讯作者：
Stephenson, R
用于大鼠自动行为状态分类的人工神经网络。
影响因子：
2.7
作者：
Ellen JG;Dash MB
通讯作者：
Dash MB
DOI：
10.1111/gtc.12053
发表时间：
2013-06
期刊：
Genes to cells : devoted to molecular & cellular mechanisms
影响因子：
--
作者：
Sunagawa GA;Séi H;Shimba S;Urade Y;Ueda HR
通讯作者：
Ueda HR
影响因子：
3
作者：
Gross, Brooks A.;Walsh, Christine M.;Turakhia, Apurva A.;Booth, Victoria;Mashour, George A.;Poe, Gina R.
通讯作者：
Poe, Gina R.