Dieses Manuskript beschreibt das Implementieren eines psychophysiologischen Interaktionsanalyse um Aufgabe-abhängige Änderungen in funktionelle Verknüpfung zwischen einem ausgewählten Samen Region und Voxel in anderen Regionen des Gehirns sichtbar zu machen. Psychophysiologische Interaktionsanalyse ist eine beliebte Methode zur Aufgabe Auswirkungen auf Gehirn-Konnektivität, unterscheidet sich von traditionellen Univariate Aktivierung Auswirkungen zu untersuchen.
In Neuroimaging misst die funktionelle Magnetresonanztomographie (fMRT) die Blutspiegel Sauerstoffversorgung angewiesen (BOLD) Signal im Gehirn. Der Grad der Korrelation der BOLD-signal in räumlich unabhängige Regionen des Gehirns definiert die funktionelle Verknüpfung dieser Regionen. Während einer kognitiven fMRT-Aufgabe kann eine psychophysiologische Interaktionsanalyse (PPI) verwendet werden, Änderungen in die funktionelle Verknüpfung in spezifischen Kontexten, definiert durch die kognitive Aufgabe zu prüfen. Ein Beispiel für eine solche Aufgabe gehört, die engagiert sich das Speichersystem, Fragen der Teilnehmer lernen Paare von nicht verwandten Wörtern (Codierung) und erinnern an das zweite Wort in einem paar wenn präsentiert mit dem ersten Wort (Abruf). In der vorliegenden Studie haben wir diese Art des assoziativen Gedächtnisses Aufgabe und eine generalisierte PPI (gPPI) Analyse, um Änderungen im Hippokampus Konnektivität in den älteren Erwachsenen zu vergleichen, die Träger von der Alzheimer-Krankheit (AD) genetische Risikofaktor Apolipoprotein E Epsilon-4 ( APOEΕ4). Insbesondere zeigen wir, dass die funktionelle Verknüpfung der Subregionen der Hippocampus Änderungen während der Codierung und abrufen, die beiden aktiven Phasen des assoziativen Gedächtnisses Tasks. Kontext-abhängige Änderungen in funktionelle Verknüpfung des Hippocampus unterschieden sich signifikant in Träger des APOEε4 im Vergleich zu nicht-Fluggesellschaften. PPI-Analysen ermöglichen es, Änderungen in funktionelle Verknüpfung von Univariate Haupteffekte, zu untersuchen und diese Veränderungen über Gruppen zu vergleichen. So kann eine PPI-Analyse komplexe Aufgabe Effekte in bestimmte Kohorten anzuzeigen, die traditionelle Univariate Methoden nicht erfassen. PPI-Analysen können, nicht jedoch Direktionalität oder Kausalität zwischen funktionell verbundenen Regionen bestimmen. Dennoch liefern PPI Analysen mächtiges Mittel zur Erzeugung von spezifischen Hypothesen über funktionelle Zusammenhänge, die kausale Modelle getestet werden kann. Wie das Gehirn immer in Bezug auf die Konnektivität und Netzwerke beschrieben, ist PPI eine wichtige Methode zur Analyse von fMRI-Aufgabe-Daten, die im Einklang mit der aktuellen Konzeption des menschlichen Gehirns ist.
Der Begriff “Connectome” wurde in 2005 markiert einen Paradigmenwechsel in den Neurowissenschaften, die bis heute1 andauertgeprägt. Das Gehirn ist im Hinblick auf die funktionelle Netzwerke, Verbindungen und Interaktionen zwischen und unter den Regionen in großem Maßstab zunehmend beschrieben. Die Abgrenzung der regionalen funktionale Spezialisierung und Zuordnungen zwischen fMRT gemessen Aktivität und Aufgabenanforderungen sind jedoch nach wie vor gültige und nützliche Ansätze. Im Hinblick auf das wachsende Interesse an Connectomics sind funktionelle Verknüpfung Ansätze zur Aufgabenanalyse fMRI wachsender Beliebtheit. Ein Ansatz zur Messung der funktionelle Verknüpfung Änderungen abhängig von Aufgabe verlangt, bedient sich des Konzepts der PPI. Ein PPI ist die Interaktion eines aktive Aufgabe Phase oder einer bestimmten Aufgabe Nachfrage (“Psycho”) mit der funktionelle Verknüpfung (“Physio”) einer Region von Interesse oder “Samen” im Gehirn. PPI unterscheidet sich von bivariate Korrelation basierende Analyse der funktionelle Verknüpfung, die in der Regel den Grad der Korrelation zwischen der Aktivität in zwei Regionen ohne Einschränkungen im Zusammenhang mit Aufgabenanforderungen misst.
Das Konzept und den Rahmen einer PPI-Analyse wurde ursprünglich von Friston und Kollegen in 19972beschrieben. Die Autoren behauptet, dass ihr Ansatz wichtig war, weil es erlauben würde, die Untersuchung der Konnektivität zu mehr funktionell spezifisch und ermöglichen Rückschlüsse, dass Aktivität in einem distalen Samen aus einer Aufgabe Nachfrage resultierenden Aktivitäten modulieren konnte. Im Jahr 2012 McLaren und Kollegen zu diesem ursprünglichen Rahmen hinzugefügt und beschrieb einen gPPI Ansatz in dem alle Aufgabe Phasen und ihre Interaktionen sind in einem einzigen Modell3enthalten. Dieser Ansatz führt zu Ergebnissen, die Sensitivität und Spezifität der Aufgabe und Interaktion untersucht. Diese aktualisierte gPPI Konzept, das wir in der Gegenwart beschäftigen (siehe Punkt 6.2.2 im Protokoll) zu studieren. GPPI Ansatz ist nun in mehr als 200 Studien zitiert worden. Aus Gründen der Übersichtlichkeit im folgenden verwenden wir “PPI” Gemeinsamkeiten der Standard- und generalisierte Version zu beschreiben. “gPPI” wird verwendet um bestimmte Fortschritte, verbunden mit dem neueren Rahmen zu diskutieren.
Das übergeordnete Ziel einer PPI-Analyse ist zu verstehen, wie die Anforderungen einer kognitiven Aufgabe beeinflussen oder modulieren die funktionelle Verknüpfung einer Samen-Region. Eine PPI-Analyse erfordert eine starke a-priori Hypothese. Tätigkeit im Bereich Saatgut muss durch die Aufgabe in Reihenfolge für die PPI Arbeitsweise effektiv4moduliert werden. Beispielsweise in der vorliegenden Studie basieren wir unser Saatgut-Auswahl auf die starke Hinweise, dass hippocampal Aktivität durch die kognitiven Anforderungen einer Speicher-Aufgabe moduliert wird. Mit PPI, Regionen, die deutlich mehr oder weniger funktional Hippocampus während bestimmte Aufgabe Phasen verbunden sind zu erkennen. Kurz gesagt, stellen wir die Frage, “Aktivität ist in welchen Regionen im Kontext A gegenüber Baseline mehr korreliert mit den Samen?” Wir können auch das logische Gegenteil bitten, (da es wichtig ist, den Unterschied zu verstehen): “in welchen Regionen Aktivität weniger korreliert mit dem Saatgut im Kontext A im Vergleich zum Ausgangswert ist?” Gruppenunterschiede in PPI Effekte zu interpretieren, ist es wichtig zu prüfen, die Daten und ob positive oder negative Änderung in funktionelle Verknüpfung, oder beides, treibt die Gruppenunterschiede.
Der PPI-Ansatz wurde verwendet, um dynamische Aufgabe Kontrolle Naben in gesunden Kontrollpersonen zu studieren wie Modulation der funktionelle Verknüpfung mit kognitiven Leistungen in Alzheimer-Krankheit (AD), Intelligenz bei Menschen mit Autismus, motor Netzwerkverbindung verbunden ist bei Patienten mit Parkinson-Krankheit, Gesicht, die Verarbeitung in den Einzelpersonen mit körperdysmorpher Störung und Magersucht, Emotionsregulation, Speicher und viele andere spezifische Fragen im Zusammenhang mit Konnektivität5,6,7 ,8,9,10,11. In der vorliegenden Studie vergleichen wir Änderungen in funktionelle Verknüpfung von Teilregionen des Hippocampus während Speicher Codierung und Abruf zwischen einer Gruppe von Personen mit erhöhtem genetischem Risiko für Anzeige ohne Risikofaktor12zu Gruppen. Im folgenden wird beschrieben, das wir erlauben uns zu testen, ob die Aufgabe löste Änderungen in funktionelle Verknüpfung unterscheiden sich in Bezug auf das Vorhandensein von APOEε4, ein genetischer Risikofaktor für AD Anwendung des Ansatzes gPPI verwendete, Protokoll.
Frühe aufgabenbasierte fMRI-Studien wurden entwickelt, um statistische Beziehungen zwischen bestimmten kognitiven Prozessen aufzudecken oder Anforderungen und Veränderungen in der kühn zu signalisieren, bezogen auf eine Basismessung. Dieser traditionelle Ansatz eignet sich für bestimmte Regionen im Gehirn, wo Aktivität durch eine experimentelle Aufgabe moduliert ist, zu identifizieren. Im Gegensatz dazu eine PPI-Analyse hauptsächlich befasst sich mit der Modulation der funktionelle Verknüpfung oder Synchronität d…
The authors have nothing to disclose.
Diese Arbeit wurde durch das National Institute of Aging (Grant-Nummer R01AG013308, SYB, F31AG047041, TMH) unterstützt. Die Autoren verwendet numerische und Speicherdienste zugeordnete Hoffman2 Shared Cluster von UCLA Institut für Digital Research und Education Research Technology Group zur Verfügung gestellt.
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 |