Dit manuscript wordt beschreven hoe de uitvoering van een analyse van de psychofysiologische interactie te onthullen taak-afhankelijke wijzigingen in functionele connectiviteit tussen een geselecteerde zaad regio en voxels in andere delen van de hersenen. Psychofysiologische interactie analyse is een populaire methode om taak effecten op hersenen connectiviteit, onderscheiden van traditionele univariate activering effecten te analyseren.
In neuroimaging meet functionele magnetische resonantie imaging (fMRI) de bloed-oxygenatie-niveau afhankelijk (BOLD) signaal in de hersenen. De mate van de correlatie van de Stoute signaal ruimtelijk onafhankelijke regio’s van de hersenen definieert het functionele connectiviteit van deze regio’s. Tijdens een cognitieve fMRI taak, kan een psychofysiologische interactie (PPI)-analyse worden gebruikt om te onderzoeken van wijzigingen in de functionele connectiviteit tijdens specifieke contexten gedefinieerd door de cognitieve taak. Een voorbeeld van een dergelijke taak is die zich het geheugensysteem bezighoudt, vraagt de deelnemers om te leren van paren van niet-verwante woorden (codering) en herinneren het tweede woord in een paar toen gepresenteerd met het eerste woord (ophalen). In de huidige studie, we gewend zijn dit soort associatief geheugen taak en een algemene analyse van de PPI (gPPI) wijzigingen in het hippocampal connectiviteit in oudere volwassenen die dragers van de ziekte van Alzheimer (AD) genetische risicofactor apolipoproteïne-E epsilon-4 (vergelijken APOEΕ4). Specifiek, tonen we aan dat de functionele connectiviteit van deelgebieden van de hippocampus veranderingen tijdens de codering en retrieval, de twee actieve fasen van de associatief geheugen taak. Context-afhankelijke veranderingen in functionele connectiviteit van de hippocampus waren significant verschillend in dragers van APOEε4 in vergelijking met niet-dragers. PPI analyses maken het mogelijk te onderzoeken van wijzigingen in functionele connectiviteit, onderscheiden van univariate belangrijkste effecten, en deze veranderingen van groepen met elkaar vergelijken. Dus, een analyse van de PPI kan onthullen complexe taak effecten in specifieke cohorten die traditionele univariate methoden niet vastlegt. PPI analyses bepalen niet, echter directionaliteit of causaliteit tussen functioneel verbonden gebieden. Niettemin, PPI analyses bieden krachtige middelen voor het genereren van specifieke hypothesen over functionele relaties, die kunnen worden getest met behulp van causale modellen. Aangezien de hersenen steeds meer in termen van connectiviteit en netwerken beschreven is, is PPI een belangrijke methode voor het analyseren van fMRI taakgegevens die strookt met de huidige opvatting van het menselijk brein.
De term “connectome” werd bedacht in 2005 markering een paradigmaverschuiving in de neurowetenschappen dat tot op de dag1 blijft. Het brein is steeds meer beschreven in termen van functionele netwerken, connectiviteit en interacties tussen en binnen regio’s op grote schaal. De afbakening van regionale functionele specialisatie en associaties tussen fMRI-gemeten activiteit en taak eisen zijn echter nog steeds geldig en nuttig benaderingen. In het licht van de groeiende interesse in connectomics groeien functionele connectiviteit benaderingen van fMRI taakanalyse in populariteit. Een aanpak voor het meten van functionele connectiviteit veranderingen afhankelijk van taak vraagt maakt gebruik van het concept van PPI. Een PPI is de interactie van een actieve taak fase of een bepaalde taak vraag (“psycho”) met de functionele connectiviteit (“fysio”) van een gebied van belang of “zaad” in de hersenen. PPI verschilt van bivariate correlatie gebaseerde analyse van functionele connectiviteit, die over het algemeen de mate van de correlatie tussen de activiteit in twee regio’s zonder beperkingen aan de eisen van de taak gerelateerde meet.
Het concept en het kader van een PPI-analyse werd oorspronkelijk beschreven door Friston en collega’s in 19972. De auteurs verklaard dat hun aanpak belangrijk, was omdat hiermee het onderzoek van connectiviteit om meer functioneel specifieke en voor gevolgtrekkingen dat de activiteit in een distale zaad kon worden modulerende activiteit die voortvloeien uit de vraag van een taak. In 2012, McLaren en collega’s aan deze oorspronkelijke kader toegevoegd en beschreven een gPPI aanpak waarin alle fasen van de taak en hun interacties zijn opgenomen in een enkel model3. Deze aanpak leidt tot resultaten die meer gevoelig en specifiek naar de taak fase en interactie onderzocht. Het is deze benadering van de bijgewerkte gPPI die wij in de huidige inzetten studie (zie stap 6.2.2 in Protocol). De aanpak van de gPPI is nu reeds in meer dan 200 studies. Voor de duidelijkheid, hierna gebruiken we ‘PPI’ voor het beschrijven van de gemeenschappelijke kenmerken van zowel de standaard en gegeneraliseerde versie. ‘gPPI’ worden gebruikt voor het bespreken van specifieke voorschotten die zijn gekoppeld aan het nieuwe kader.
Het algemene doel van de analyse van een PPI is te begrijpen hoe de eisen van een cognitieve taak beïnvloeden of het moduleren van de functionele connectiviteit van een zaad-regio. Een PPI analyse vereist een sterke een priori hypothese. Activiteit in de regio van het zaad moet worden gedifferentieerd door de taak om de aanpak van de PPI om effectief te werken4. Bijvoorbeeld, in de huidige studie gebaseerd wij onze zaad selectie op de sterke aanwijzingen dat hippocampal activiteit door de cognitieve eisen van de taak van een geheugen wordt gemoduleerd. Met behulp van PPI, kunnen regio’s, die aanzienlijk meer of minder functioneel met de hippocampus tijdens specifieke taak fasen verbonden zijn worden geïdentificeerd. Kortom, vraag we de “in welke regio’s is activiteit meer gecorreleerd met het zaad tijdens kader A ten opzichte van de basislijn?” Wij kunnen ook vragen het logische tegenovergestelde (want het is belangrijk om het verschil te begrijpen): “in welke regio’s is activiteit minder gecorreleerd met het zaad tijdens kader A ten opzichte van de basislijn?” Bij de interpretatie van groep verschillen in PPI effecten, is het belangrijk om de gegevens en of positieve of negatieve verandering in functionele connectiviteit, of beide, is het rijden van groep verschillen te onderzoeken.
De PPI-aanpak heeft geweest tweedehands voor dynamische taak controle hubs in gezonde controles, bestuderen hoe de modulatie van functionele connectiviteit is gerelateerd aan cognitieve prestaties in de ziekte van Alzheimer (AD), intelligentie bij personen met autisme, motor netwerkconnectiviteit bij personen met de ziekte van Parkinson’s, gezicht verwerking bij personen met body dysmorphic disorder en anorexia, emotieregulatie, geheugen en vele andere specifieke vragen met betrekking tot connectiviteit5,6,7 ,8,9,10,11. In de huidige studie vergelijken we veranderingen in functionele connectiviteit van deelgebieden van de hippocampus tijdens de codering van geheugen en het ophalen tussen een groep van individuen op verhoogd erfelijk risico op neurale AD naar een groep zonder de risicofactor12. De volgende beschrijft het protocol waarmee wij, toepassing van de gPPI aanpak, laten toe om te testen of taak-ontlokte veranderingen in functionele connectiviteit in samenwerking met de aanwezigheid van APOEε4, een genetische risico-factor voor advertentie verschillen.
Vroege taakgerichte fMRI studies werden ontworpen om te ontdekken van statistische relaties tussen bepaalde cognitieve processen of eisen en veranderingen in de Stoute signaal ten opzichte van een nulmeting. Deze traditionele aanpak is handig voor het identificeren van specifieke gebieden in de hersenen waar de activiteit wordt gemoduleerd door een experimentele taak. Daarentegen is een PPI-analyse voornamelijk bezig met de modulering van de functionele connectiviteit of synchronie van activiteit, die het gevolg is van e…
The authors have nothing to disclose.
Dit werk werd gesteund door de National Institute of Aging (subsidie getal R01AG013308 SYB, F31AG047041 naar TMH). De auteurs gebruikte rekenkundige en opslagservices gekoppeld aan het Hoffman2 Shared Cluster geboden door UCLA Instituut voor digitale onderzoek en onderwijs van technologie onderzoeksgroep.
3T manetic resonance imaging scanner | Siemens Medical Solutions | MAGNETOM Trio, A Tim System | 3T MRI Scanner |
FSL (FMRIB Software Library) | Oxford University | Version 6.0 | Functional Imaging Processing Software |
AFNI (Analysis of Functional Neuroimaging) | National Institute of Mental Health, National Institutes of Health | Any version after May 2015 | Functional Imaging Processing Software |
SPM8 (Statistical Parametric Mapping) | University College of London | SPM8 | Functional Imaging Processing Software |
Matlab Software | The Mathworks, Inc | Version R2012a | Computing Software |
SDS Software | Applied Biosystems, Inc | 7900HT Fast Real-Time PCR System | Real Time PCR |
Taqman Assays | ThermoFisher Scientific | Specific to SNP | SNP Genotyping |