Summary

ヒト脳における空間ナビゲーションのための機能的ネットワークのモデル化

Published: October 13, 2023
doi:

Summary

この論文は、人間の脳における空間ナビゲーションのための機能的ネットワークを調査するための統合的アプローチを提示します。このアプローチには、大規模なニューロイメージングメタ分析データベース、安静時機能磁気共鳴画像法、ネットワークモデリング、グラフ理論技術が組み込まれています。

Abstract

空間ナビゲーションは、多感覚情報の統合と操作を含む複雑な機能です。さまざまなナビゲーションタスクを使用して、さまざまな脳領域(海馬、嗅内皮質、海馬傍場所野など)の特定の機能について多くの有望な結果が得られています。最近、相互作用する複数の脳領域が関与する非集約ネットワークプロセスが、この複雑な機能の神経基盤をよりよく特徴付ける可能性があることが示唆されています。本論文では、ヒトの脳における空間ナビゲーションのための機能特異的ネットワークの構築と解析のための統合的アプローチを提示する。簡単に言うと、この統合的アプローチは3つの主要なステップで構成されています:1)空間ナビゲーション(ノード定義)に重要な脳領域を特定する。2)これらの領域の各ペア間の機能的接続性を推定し、接続性マトリックスを構築する(ネットワーク構築)。3)得られたネットワークのトポロジカル特性(モジュール性やスモールワールド性など)を調査する(ネットワーク解析)。ネットワークの観点から提示されたアプローチは、複雑で動的な環境における柔軟なナビゲーションを脳がどのようにサポートしているかをよりよく理解するのに役立ち、ネットワークのトポロジカル特性が明らかになったことは、臨床診療におけるアルツハイマー病の早期発見と診断を導くための重要なバイオマーカーを提供することもできます。

Introduction

機能特異性は、人間の脳の基本的な組織原理であり、認知機能の形成に重要な役割を果たします1。機能特異性の組織化における異常は、特徴的な認知障害と、自閉症やアルツハイマー病などの主要な脳障害の関連する病理学的基盤を反映している可能性があります2,3。従来の理論や研究は、顔認識のための紡錘状顔野(FFA)4やシーン処理のための海馬傍場所野(PPA)5など、単一の脳領域に焦点を当てる傾向がありましたが、空間ナビゲーションや言語などの複雑な認知機能には、複数の脳領域にわたる協調活動が必要であることを示唆する証拠が増えています6.複雑な認知機能を支える相互作用の根底にあるメカニズムを調べることは、脳の機能的構造と動作に光を当てるのに役立つ重要な科学的問題です。ここでは、空間ナビゲーションを例にとり、人間の脳における空間ナビゲーションのための機能的ネットワークをモデル化するための統合的手法を提示する。

空間ナビゲーションは複雑な認知機能であり、視覚空間コーディング、記憶、意思決定など、複数の認知要素の統合と操作を伴います7。機能的磁気共鳴画像法(fMRI)では、根底にある認知処理と神経メカニズムの理解において、多くの研究が大きな進歩を遂げています。例えば、シーン処理はPPAと特異的に関連し、ナビゲーション戦略の変換は脾臓後皮質(RSC)と関連している8,9。これらの研究は、空間ナビゲーションの神経基盤に関する重要な洞察を提供しました。しかし、ナビゲーションは内部的に動的かつマルチモーダルな機能であり、単一領域の機能は、一般的に観察される空間ナビゲーション10における大きな個体差を説明するには十分ではない。

fMRIベースのコネクトミクスの出現により、研究者は、いくつかの重要な脳領域が空間ナビゲーションをサポートするために互いにどのように相互作用するかを調査し始めました。例えば、嗅内皮質と後帯状皮質の間の機能的結合性は、リスクのあるアルツハイマー病におけるナビゲーションの不一致を支えることがわかっています11。別の研究では、コネクトーム法と空間ナビゲーションのためのほぼすべての機能的に関連する領域(ノード)を統合したネットワークアプローチを初めて提案し、その結果、このネットワークのトポロジカル特性がナビゲーション行動と特異的に関連していることを示しました12。この研究は、柔軟なナビゲーション行動をサポートするために、複数の脳領域が互いにどのように相互作用するかについての理論に新たな洞察を提供します10,13

本研究は、機能的ネットワークをモデル化するための統合的アプローチの更新版を実証するものである。1)元の研究で定義されたノードは、以前の小規模なデータベース(2,765件の活性化を含む55件の研究、2014年にアクセス)に基づいて特定されたが、現在の定義は最新のデータベース(3,908件の活性化を含む77件の研究、2022年にアクセス)に基づいていた。2)各ノードの機能的均質性を高めるために、元の解剖学的AAL(解剖学的自動ラベリング)アトラス14に加えて、はるかに細かい解像度とより高い機能的均質性を備えた新しい脳区画を適用しました(以下を参照)。どちらの更新でも、機能的なネットワークのモデリングが改善されることを期待していました。この更新されたプロトコルは、ネットワークの観点から空間ナビゲーションの神経基盤を調査するための詳細な手順を提供し、健康と病気におけるナビゲーション行動の個人差を理解するのに役立ちます。同様の手順は、他の認知構造(言語や記憶など)のネットワークモデリングにも使用できます。

Protocol

注:ここで使用されているすべてのソフトウェアは、 材料表に示されています。本研究で実証目的で使用したデータは、ヒトコネクトームプロジェクト(HCP:http://www.humanconnectome.org)15からのものです。すべての実験手順は、ワシントン大学の治験審査委員会(IRB)によって承認されました。HCPデータセットの画像データは、32チャンネルのヘッドコイルを備えた改良型…

Representative Results

ナビゲーションネットワーク本研究では、最新のメタアナリシス神経画像データベースとAICHAアトラスを組み込むことで、空間ナビゲーションに関連する27の脳領域を同定しました。これらの領域は、ナビゲーション神経画像研究で一般的に報告されている内側側頭領域と頭頂領域で構成されていました。これらの領域の空間分布を図5Aおよび<strong …

Discussion

ネットワーク神経科学は、脳のネットワークが人間の認知機能をどのようにサポートしているかを理解するのに役立つと期待されています32。このプロトコルは、人間の脳の空間ナビゲーションのための機能ネットワークを研究するための統合的なアプローチを示しており、他の認知構造(言語など)のネットワークモデリングにも影響を与えます。

この?…

Divulgaciones

The authors have nothing to disclose.

Acknowledgements

Xiang-Zhen Kongは、中国国家自然科学基金会(32171031)、STI 2030-主要プロジェクト(2021ZD0200409)、中央大学基礎研究費(2021XZZX006)、浙江大学情報化センターの支援を受けました。

Materials

Brain connectivity toolbox (BCT) Mikail Rubinov & Olaf Sporns  2019 The Brain Connectivity Toolbox (brain-connectivity-toolbox.net) is a MATLAB toolbox for complex-network (graph) analysis of structural and functional brain-connectivity data sets. 
GRETNA Jinhui Wang et al. 2 GRETNA is a graph theoretical network analysis toolbox which allows researchers to perform comprehensive analysis on the topology of brain connectome by integrating the most of network measures studied in current neuroscience field.
MATLAB MathWorks 2021a MATLAB is a programming and numeric computing platform used by millions of engineers and scientists to analyze data, develop algorithms, and create models.
Python Guido van Rossum et al. 3.8.6 Python is a programming language that lets you work more quickly and integrate your systems more effectively.
Statistical Parametric Mapping (SPM) Karl Friston et.al  12 Statistical Parametric Mapping refers to the construction and assessment of spatially extended statistical processes used to test hypotheses about functional imaging data.

Referencias

  1. Kanwisher, N. Functional specificity in the human brain: a window into the functional architecture of the mind. Proceedings of the National Academy of Sciences of the United States of America. 107 (25), 11163-11170 (2010).
  2. Coughlan, G., Laczo, J., Hort, J., Minihane, A. M., Hornberger, M. Spatial navigation deficits – overlooked cognitive marker for preclinical Alzheimer disease. Nature Reviews Neurology. 14 (8), 496-506 (2018).
  3. Gilbert, S. J., Meuwese, J. D., Towgood, K. J., Frith, C. D., Burgess, P. W. Abnormal functional specialization within medial prefrontal cortex in high-functioning autism: a multi-voxel similarity analysis. Brain. 132 (4), 869-878 (2009).
  4. Kanwisher, N., McDermott, J., Chun, M. M. The fusiform face area: a module in human extrastriate cortex specialized for face perception. Journal of Neuroscience. 17 (11), 4302-4311 (1997).
  5. Epstein, R., Harris, A., Stanley, D., Kanwisher, N. The parahippocampal place area: recognition, navigation, or encoding. Neuron. 23 (1), 115-125 (1999).
  6. Epstein, R. A., Patai, E. Z., Julian, J. B., Spiers, H. J. The cognitive map in humans: spatial navigation and beyond. Nature Neuroscience. 20 (11), 1504-1513 (2017).
  7. Baumann, O., Mattingley, J. B. Extrahippocampal contributions to spatial navigation in humans: A review of the neuroimaging evidence. Hippocampus. 31 (7), 640-657 (2021).
  8. Auger, S. D., Mullally, S. L., Maguire, E. A. Retrosplenial cortex codes for permanent landmarks. PloS One. 7 (8), e43620 (2012).
  9. Zhen, Z., et al. Quantifying the variability of scene-selective regions: Interindividual, interhemispheric, and sex differences. Human Brain Mapping. 38 (4), 2260-2275 (2017).
  10. Ekstrom, A. D., Huffman, D. J., Starrett, M. Interacting networks of brain regions underlie human spatial navigation: a review and novel synthesis of the literature. Journal of Neurophysiology. 118 (6), 3328-3344 (2017).
  11. Coughlan, G., et al. Functional connectivity between the entorhinal and posterior cingulate cortices underpins navigation discrepancies in at-risk Alzheimer’s disease. Neurobiology of Aging. 90, 110-118 (2020).
  12. Kong, X. Z., et al. Human navigation network: the intrinsic functional organization and behavioral relevance. Brain Structure & Function. 222 (2), 749-764 (2017).
  13. Weisberg, S. M., Ekstrom, A. D. Hippocampal volume and navigational ability: The map (ping) is not to scale. Neuroscience & Biobehavioral Reviews. 126, 102-112 (2021).
  14. Tzourio-Mazoyer, N., et al. Automated anatomical labeling of activations in SPM using a macroscopic anatomical parcellation of the MNI MRI single-subject brain. Neuroimage. 15 (1), 273-289 (2002).
  15. Van Essen, D. C., et al. The WU-Minn human connectome project: an overview. Neuroimage. 80, 62-79 (2013).
  16. Smith, S. M., et al. Resting-state fMRI in the human connectome project. Neuroimage. 80, 144-168 (2013).
  17. Wang, L., et al. GRETNA: a graph theoretical network analysis toolbox for imaging connectomics. Frontiers in Human Neuroscience. 9, 386 (2015).
  18. Esteban, O., et al. fMRIPrep: a robust preprocessing pipeline for functional MRI. Nature Methods. 16 (1), 111-116 (2019).
  19. Yan, C., Zang, Y. DPARSF: a MATLAB toolbox for" pipeline" data analysis of resting-state fMRI. Frontiers in Systems Neuroscience. 4, 13 (2010).
  20. Yarkoni, T., Poldrack, R. A., Nichols, T. E., Van Essen, D. C., Wager, T. D. Large-scale automated synthesis of human functional neuroimaging data. Nature Methods. 8 (8), 665-670 (2011).
  21. Joliot, M., et al. AICHA: An atlas of intrinsic connectivity of homotopic areas. Journal of Neuroscience Methods. 254, 46-59 (2015).
  22. Murphy, K., Birn, R. M., Handwerker, D. A., Jones, T. B., Bandettini, P. A. The impact of global signal regression on resting state correlations: are anti-correlated networks introduced. Neuroimage. 44 (3), 893-905 (2009).
  23. Fox, M. D., Zhang, D., Snyder, A. Z., Raichle, M. E. The global signal and observed anticorrelated resting state brain networks. Journal of Neurophysiology. 101 (6), 3270-3283 (2009).
  24. Xiang, J., et al. Graph-based network analysis of resting-state fMRI: test-retest reliability of binarized and weighted networks. Brain Imaging and Behavior. 14, 1361-1372 (2020).
  25. Rubinov, M., Sporns, O. Complex network measures of brain connectivity: uses and interpretations. Neuroimage. 52 (3), 1059-1069 (2010).
  26. Maslov, S., Sneppen, K. Specificity and stability in topology of protein networks. Science. 296 (5569), 910-913 (2002).
  27. Shrout, P. E., Fleiss, J. L. Intraclass correlations: uses in assessing rater reliability. Psychological Bulletin. 86 (2), 420 (1979).
  28. McGraw, K. O., Wong, S. P. Forming inferences about some intraclass correlation coefficients. Psychological Methods. 1 (1), 30 (1996).
  29. Andellini, M., Cannatà, V., Gazzellini, S., Bernardi, B., Napolitano, A. Test-retest reliability of graph metrics of resting state MRI functional brain networks: A review. Journal of Neuroscience Methods. 253, 183-192 (2015).
  30. Cao, H., et al. Test-retest reliability of fMRI-based graph theoretical properties during working memory, emotion processing, and resting state. Neuroimage. 84, 888-900 (2014).
  31. Rousson, V., Gasser, T., Seifert, B. Assessing intrarater, interrater and test-retest reliability of continuous measurements. Statistics in medicine. 21 (22), 3431-3446 (2002).
  32. Bullmore, E., Sporns, O. Complex brain networks: graph theoretical analysis of structural and functional systems. Nature Reviews Neuroscience. 10 (3), 186-198 (2009).
  33. Patai, E. Z., Spiers, H. J. The versatile wayfinder: prefrontal contributions to spatial navigation. Trends in Cognitive Sciences. 25 (6), 520-533 (2021).
  34. Wegman, J., Janzen, G. Neural encoding of objects relevant for navigation and resting state correlations with navigational ability. Journal of Cognitive Neuroscience. 23 (12), 3841-3854 (2011).
  35. Braun, U., et al. Test-retest reliability of resting-state connectivity network characteristics using fMRI and graph theoretical measures. Neuroimage. 59 (2), 1404-1412 (2012).

Play Video

Citar este artículo
Zhang, F., Zhang, C., Pu, Y., Kong, X. Modeling the Functional Network for Spatial Navigation in the Human Brain. J. Vis. Exp. (200), e65150, doi:10.3791/65150 (2023).

View Video