概要

מידול הרשת התפקודית לניווט מרחבי במוח האנושי

Published: October 13, 2023
doi:

概要

מאמר זה מציג גישה אינטגרטיבית לחקר הרשת התפקודית לניווט מרחבי במוח האדם. גישה זו משלבת מסד נתונים מטא-אנליטי בקנה מידה גדול של דימות מוחי, דימות תהודה מגנטית תפקודי במצב מנוחה, מידול רשת וטכניקות גרפיות-תיאורטיות.

Abstract

ניווט מרחבי הוא פונקציה מורכבת הכוללת אינטגרציה ומניפולציה של מידע רב-חושי. באמצעות משימות ניווט שונות, הושגו תוצאות מבטיחות רבות על תפקודים ספציפיים של אזורי מוח שונים (למשל, היפוקמפוס, קליפת המוח האנטורינלית ואזור המקום הפאראהיפוקמפוסי). לאחרונה הוצע כי תהליך רשת לא מצטבר המערב אזורי מוח מרובים המקיימים אינטראקציה עשוי לאפיין טוב יותר את הבסיס העצבי של תפקוד מורכב זה. מאמר זה מציג גישה אינטגרטיבית לבנייה וניתוח של הרשת הספציפית מבחינה תפקודית לניווט מרחבי במוח האנושי. בקצרה, גישה אינטגרטיבית זו מורכבת משלושה שלבים עיקריים: 1) זיהוי אזורים במוח החשובים לניווט מרחבי (הגדרת צמתים); 2) להעריך את הקישוריות הפונקציונלית בין כל זוג אזורים אלה ולבנות את מטריצת הקישוריות (בניית רשת); 3) לחקור את התכונות הטופולוגיות (למשל, מודולריות וארציות קטנה) של הרשת המתקבלת (ניתוח רשת). הגישה המוצגת, מנקודת מבט רשתית, יכולה לעזור לנו להבין טוב יותר כיצד המוח שלנו תומך בניווט גמיש בסביבות מורכבות ודינמיות, והתכונות הטופולוגיות הנחשפות של הרשת יכולות גם לספק סמנים ביולוגיים חשובים להנחיית זיהוי מוקדם ואבחון של מחלת אלצהיימר בפרקטיקה קלינית.

Introduction

ספציפיות תפקודית היא עיקרון ארגוני בסיסי של המוח האנושי, אשר ממלא תפקיד מכריע בעיצוב תפקודים קוגניטיביים1. חריגות בארגון הספציפיות התפקודית יכולות לשקף ליקויים קוגניטיביים בולטים ואת היסודות הפתולוגיים הקשורים להפרעות מוחיות גדולות כגון אוטיזם ואלצהיימר 2,3. בעוד שתיאוריות ומחקרים קונבנציונליים נטו להתמקד באזורי מוח בודדים, כגון אזור הפנים של פיוזיפורם (FFA) עבור זיהוי פנים4 ואזור מקום פרה-היפוקמפוס (PPA)5 עבור עיבוד סצנה, גוף הולך וגדל של ראיות מצביע על כך שתפקודים קוגניטיביים מורכבים, כולל ניווט מרחבי ושפה, דורשים פעילות מתואמת על פני אזורי מוח מרובים6. חקירת המנגנונים העומדים בבסיס האינטראקציות התומכות בתפקודים קוגניטיביים מורכבים היא שאלה מדעית קריטית שתסייע לשפוך אור על הארכיטקטורה התפקודית והפעולה של המוח. כאן, אם ניקח את הניווט המרחבי כדוגמה, אנו מציגים שיטה אינטגרטיבית למידול הרשת התפקודית לניווט מרחבי במוח האנושי.

ניווט מרחבי הוא פונקציה קוגנטיבית מורכבת, הכוללת אינטגרציה ומניפולציה של רכיבים קוגנטיבים מרובים, כגון קידוד חזותי-מרחבי, זיכרון וקבלת החלטות7. באמצעות דימות תהודה מגנטית תפקודי (fMRI), מחקרים רבים התקדמו משמעותית בהבנת העיבוד הקוגניטיבי והמנגנונים העצביים העומדים בבסיסם. לדוגמה, תפקודים מסוימים נקשרו לאזורי מוח שונים באמצעות משימות ניווט שונות: עיבוד סצנות קשור באופן ספציפי ל-PPA, וטרנספורמציה של אסטרטגיות ניווט קשורה לקליפת המוח הרטרוספלנאלית (RSC)8,9. מחקרים אלה סיפקו תובנות חשובות לגבי הבסיס העצבי של ניווט מרחבי. עם זאת, ניווט הוא פונקציה דינמית ורב-מודאלית פנימית, והפונקציות של אזורים בודדים אינן מספיקות כדי להסביר הבדלים אינדיבידואליים גדולים בניווט מרחבי10 הנצפים בדרך כלל.

עם הופעתה של קונקטומיה מבוססת fMRI, חוקרים החלו לחקור כיצד כמה אזורי מפתח במוח מתקשרים זה עם זה כדי לתמוך בניווט מרחבי. לדוגמה, קישוריות תפקודית בין פיתול החגורה האנטורינלי והאחורי נמצאה כמבססת פערי ניווט במחלת אלצהיימר בסיכון11. במחקר אחר הצענו לראשונה גישת רשת על ידי שילוב שיטות קונקטום וכמעט כל האזורים הרלוונטיים מבחינה תפקודית (צמתים) לניווט מרחבי, והתוצאות הראו כי תכונות טופולוגיות של רשת זו הראו קשרים ספציפיים עם התנהגויות ניווט12. מחקר זה מספק תובנות חדשות לגבי תיאוריות על האופן שבו אזורי מוח מרובים מתקשרים זה עם זה כדי לתמוך בהתנהגויות ניווט גמישות10,13.

העבודה הנוכחית מדגימה גרסה מעודכנת של הגישה האינטגרטיבית למידול הרשת הפונקציונלית. בקצרה, נכללו שני עדכונים: 1) בעוד הצמתים שהוגדרו במחקר המקורי זוהו על בסיס מסד נתונים מוקדם וקטן יותר (55 מחקרים עם 2,765 הפעלות, גישה בשנת 2014), ההגדרה הנוכחית התבססה על מסד הנתונים העדכני ביותר (77 מחקרים עם 3,908 הפעלות, גישה בשנת 2022); 2) כדי להגביר את ההומוגניות התפקודית של כל צומת, מלבד האטלס המקורי של AAL אנטומי (תיוג אנטומי אוטומטי)14, יישמנו פרצלציה חדשה במוח, בעלת רזולוציה עדינה בהרבה והומוגניות תפקודית גבוהה יותר (ראה להלן). ציפינו ששני העדכונים ישפרו את המידול של הרשת הפונקציונלית. פרוטוקול מעודכן זה מספק הליך מפורט לחקירת הבסיס העצבי של ניווט מרחבי מנקודת מבט של רשת ומסייע להבין וריאציות אינדיבידואליות בהתנהגויות ניווט בבריאות ובחולי. הליך דומה יכול לשמש גם עבור מידול רשת עבור מבנים קוגניטיביים אחרים (למשל, שפה וזיכרון).

Protocol

הערה: כל התוכנות המשמשות כאן מוצגות בטבלת החומרים. הנתונים ששימשו במחקר זה למטרות הדגמה היו מפרויקט הקונקטום האנושי (HCP: http://www. humanconnectome.org)15. כל הליכי הניסוי אושרו על ידי מועצת הביקורת המוסדית (IRB) באוניברסיטת וושינגטון. נתוני הדמיה במערך הנתונים של HCP נרכשו באמצעות סור…

Representative Results

רשתות הניווטהמחקר הנוכחי זיהה 27 אזורי מוח, הקשורים לניווט מרחבי, על ידי שילוב מסד הנתונים האחרון של דימות מוחי מטא-אנליזה ואטלס AICHA. אזורים אלה כללו את האזורים הרקתיים האמצעיים ואת האזורים הקודקודיים שדווחו בדרך כלל במחקרי דימות מוחי ניווט. ההתפלגות המרחבית של האזורים האלה מוצ?…

Discussion

מדעי המוח ברשת צפויים לסייע בהבנת האופן שבו הרשת המוחית תומכת בתפקודים קוגניטיביים אנושיים32. פרוטוקול זה מדגים גישה אינטגרטיבית לחקר הרשת התפקודית לניווט מרחבי במוח האנושי, אשר יכולה גם להוות השראה למידול רשת עבור מבנים קוגניטיביים אחרים (למשל, שפה).

גישה זו כ?…

開示

The authors have nothing to disclose.

Acknowledgements

שיאנג-ג’ן קונג נתמך על ידי הקרן הלאומית למדעי הטבע של סין (32171031), STI 2030 – פרויקט מרכזי (2021ZD0200409), קרנות מחקר בסיסיות לאוניברסיטאות המרכזיות (2021XZZX006), ומרכז טכנולוגיית המידע של אוניברסיטת ג’ג’יאנג.

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.

参考文献

  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

記事を引用
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