Summary

ניתוח אינטראקציות בין פסיכופיזיולוגיות מוכללת (PPI) של זיכרון הקשורות קישוריות אצל אנשים בסיכון גנטית למחלת אלצהיימר

Published: November 14, 2017
doi:

Summary

כתב יד זה מתאר כיצד ליישם ניתוח האינטראקציה פסיכופיזיולוגיות לגלות שינויים תלויי-פעילות פונקציונלית קישוריות בין אזור שנבחר זרע voxels באזורים אחרים של המוח. ניתוח האינטראקציה פסיכופיזיולוגיות הוא שיטה פופולארית לבחון השפעות פעילות על חיבוריות במוח, נבדל univariate מסורתי הפעלת אפקטים.

Abstract

בדימות מוחי, דימות תהודה מגנטי תפקודי (fMRI) מודד את האות (מודגש) התלויים דם ברמת חמצון במוח. מידת המתאם של והנועז אות ב במרחב אזורים עצמאיים של המוח מגדיר קישוריות פונקציונלי של אזורים אלה. במהלך פעילות קוגניטיבית fMRI, ניתוח פסיכופיזיולוגיות אינטראקציה (PPI) ניתן לבחון שינויים קישוריות תפקודית במהלך בהקשרים ספציפיים שהוגדרו על-ידי הפעילות הקוגניטיבית. דוגמה של משימה כזו הוא אחד שעושה. את מערכת הזיכרון, מבקש ממשתתפים ללמוד זוגות של מילים שאינן קשורות (קידוד), זוכר את המילה השנייה בזוג כאשר מוצג עם המילה הראשונה (אחזור). במחקר הנוכחי, השתמשנו סוג זה של ניתוח PPI (gPPI) מוכללת של זיכרון אסוציאטיבי פעילות כדי להשוות בין שינויים בהיפוקמפוס בקישוריות של אנשים מבוגרים שאינם נשאים של (אפסילון-4 אפוליפופרוטאין-E מחלת אלצהיימר (AD) גורם סיכון גנטי APOEΕ4). באופן ספציפי, אנו מראים כי קישוריות פונקציונלי של לאזורי משנה של השינויים ההיפוקמפוס במהלך הקידוד, אחזור, את שני השלבים פעיל של הפעילות זיכרון אסוציאטיבי. שינויים תלויי-ההקשר קישוריות פונקציונלי של ההיפוקמפוס היו שונים באופן משמעותי בנשאים של APOEε4 בהשוואה ללא-נשאים. ניתוחים PPI מאפשרים לבחון שינויים באופן פונקציונלי קישוריות, נבדל univariate אפקטים עיקריים, וכדי להשוות את השינויים האלה על פני קבוצות. לפיכך, ניתוח PPI עלול לגלות תופעות המשימה המורכבת גדודים ספציפי זה בשיטות מסורתיות univariate אינם לוכדים. PPI ניתוחים לא יכול, עם זאת, לקבוע כיוון או סיבתיות בין אזורים מחוברים באופן פונקציונלי. ובכל זאת, ניתוחים PPI לספק אמצעי רב עוצמה ליצירת וההשערות ספציפית לגבי יחסים פונקציונליים, אשר יכול להיבדק באמצעות מודלים סיבתי. כפי המוח יותר ויותר מתואר במונחים של קישוריות ורשתות PPI היא שיטה חשובה עבור ניתוח נתונים פעילות fMRI זה עולה בקנה אחד עם התפיסה הנוכחית של המוח האנושי.

Introduction

המונח “connectome” נטבע בשנת 2005 מסמן שינוי פרדיגמה במדעי המוח שממשיך עד היום1. המוח הוא יותר ויותר מתואר במונחים של רשתות פונקציונלי, קישוריות, אינטראקציות בין ובין אזורים בקנה מידה גדול. ובכל זאת, התיחום של אזורי התמחות תפקודית ואגודות בין פעילות נמדד ב- fMRI דרישות המשימה הן גישות עדיין תקפים ושימושיים. לאור ההתעניינות הגוברת ב connectomics קישוריות פונקציונלי גישות ניתוח fMRI של פעילות הגדלים הפופולריות. גישה אחת כדי מדידת שינויים פונקציונליים קישוריות תלויה המשימה דורשת עושה שימוש של המושג PPI. PPI היא האינטראקציה של המשימות הפעילה שלב או פעילות מסוימת לפי דרישה (“פסיכו”) עם קישוריות פונקציונלי (“פיזיו’) של אזור מעניינים או”זרע”במוח. PPI שונה מניתוח bivariate, המבוססים על המתאם של קישוריות פונקציונלי, אשר בדרך כלל מודד את מידת הקורלציה בין הפעילות שני אזורים ללא אילוצים כלשהם הקשורים לדרישות המשימה.

הקונספט ואת המסגרת של ניתוח PPI תוארה לראשונה על ידי Friston ועמיתיו בשנת 19972. המחברים טענה כי הגישה שלהם היה חשוב כי זה יאפשר החקירה של קישוריות לדייק יותר פונקציונלית ולאפשר מסקנות פעילות דיסטלי זרע יכול להתכוונן פעילות הנובע דרישה פעילות. בשנת 2012, מקלארן ועמיתיו להוסיף מסגרת מקורית זו תיאר בגישה gPPI שבו כל שלבי הפעילות ואת האינטראקציות שלהם כלולים דגם אחד3. גישה זו מובילה לתוצאות שהן יותר רגיש וספציפי שלב המשימות ואת האינטראקציה נחקר. זה גישה זו gPPI מעודכן זה אנו מעסיקים בהווה ללמוד (ראה שלב 6.2.2 בפרוטוקול). הגישה gPPI עכשיו ציטט מחקרים מעל 200. למען הבהירות להלן נשתמש ‘PPI’ כדי לתאר תכונות משותפות של שני הגירסה סטנדרטי, כללית. ‘gPPI’ ישמש כדי לדון בפיתוחים ספציפיים הקשורים למסגרת חדשה יותר.

המטרה הכוללת של ניתוח PPI הוא להבין כיצד הדרישות של פעילות קוגניטיבית להשפיע או לווסת את קישוריות פונקציונלי של אזור זרע. ניתוח PPI דורש השערה חזקה א-פריורי . פעילות באזור הזרע חייב להיות מווסת על ידי הפעילות על מנת הגישה PPI לעבוד ביעילות4. לדוגמה, במחקר הנוכחי, אנחנו מבוסס שלנו מבחר זרע על הראיות חזקה כי פעילות בהיפוקמפוס הוא מווסת על ידי הדרישות הקוגניטיביות של פעילות זיכרון. באמצעות PPI, אזורים המחוברים באופן משמעותי פחות או יותר פונקציונלית בהיפוקמפוס במהלך שלבי פעילות מסוימת יכול להיות מזוהה. בקיצור, נשאל את השאלה, “בבאילו אזורים היא פעילות יותר בקורלציה עם הזרע במהלך הקשר A לעומת בסיסית?” אפשר גם לבקש ההפך לוגיים (כפי חשוב להבין את ההבדל): “אילו אזורים היא פעילות פחות מתואם עם הזרע במהלך הקשר A לעומת בסיסית?” בעת פירוש קבוצה הבדלים אפקטים PPI, חשוב לבחון את הנתונים ואת שינוי חיובי או שלילי קישוריות תפקודית או שניהם, הוא נוהג קבוצה הבדלים.

הגישה PPI שימש ללמוד רכזות בקרת פעילות דינאמית בפקדים בריא, איך אפנון של קישוריות פונקציונלי קשורה ביצועים קוגניטיביים של מחלת אלצהיימר (AD), אינטליגנציה אצל אנשים עם אוטיזם, קישוריות רשת מנוע אצל אנשים עם מחלת פרקינסון, הפנים עיבוד אצל אנשים עם הפרעת גוף דיסמורפית, אנורקסיה, טורדניות, זיכרון, ועוד שאלות רבות נוספות ספציפיות הקשורות קישוריות5,6,7 ,8,9,10,11. במחקר הנוכחי, אנו משווים שינויים פונקציונליים בקישוריות של לאזורי משנה של ההיפוקמפוס במהלך קידוד הזיכרון ואחזור בין קבוצה של אנשים בסיכון גנטי מוגבר המודעה כדי קבוצה ללא גורם סיכון12. להלן תיאור הפרוטוקול שבהן השתמשנו, החלת הגישה gPPI, כדי לאפשר לנו לבדוק אם הפעילות-elicited לשינויים פונקציונליים קישוריות שונים בשיתוף עם הנוכחות של APOEε4, מהווה גורם סיכון גנטי לספירה.

Protocol

המחקר הנוכחי היה שבוצעה בהתאם הפרוטוקולים UCLA מוסדיים סקירה לוח (IRB), אושרו על ידי הוועדה להגנת UCLA נושאים אנושיים. כל המשתתפים נתנה הסכמה מדעת בכתב על מנת לרשום במחקר זה. 1-בחירת המשתתף IRB להשיג אישור כדי לבצע את המחקר. מסך ליחידים מגיל 55 ומעלה עבור ירידה קוגניטיבית ?…

Representative Results

עם שני שלבים שונים המשימות הפעילה (קידוד ואחזור) ואזורים זרע שני (anterior ואת אחורי ההיפוקמפוס) ישנם ארבעה תנאים דוח תוצאות עבור כל קבוצה. המפות הפעלת פעילות בתוך הקבוצה (לא מוצג כאן, ראה הריסון. et al., 201612) מראים האונה העורפית, קליפת השמיעה, אזורים גדולים באונה…

Discussion

לימודי fMRI מבוסס-משימות שנועדו לחשוף קשרים סטטיסטיים בין תהליכים קוגניטיביים מסוים או דרישות ושינויים והנועז אות ביחס מידה בסיסית. גישה מסורתית זו שימושית לזיהוי אזורים ספציפיים במוח שבו פעילות הוא מווסת על ידי פעילות ניסיוני. לעומת זאת, ניתוח PPI בעיקר עוסקת של האפנון של קישוריות פונקציונ…

Disclosures

The authors have nothing to disclose.

Acknowledgements

עבודה זו נתמכה על ידי נבחרת המכון של הזדקנות (גרנט מספר R01AG013308 כדי SYB, F31AG047041 כדי TMH). המחברים השתמשו חישובית, שירותי אחסון המשויך Hoffman2 המשותפים באשכול שסופקו על-ידי המכון UCLA עבור קבוצת הטכנולוגיה הדיגיטלית מחקר והדרכה של מחקר.

Materials

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

References

  1. Sporns, O., Tononi, G., Kötter, R. The Human Connectome: A Structural Description of the Human Brain. PLoS Comput Biol. 1 (4), 42 (2005).
  2. Friston, K. J., Buechel, C., Fink, G. R., Morris, J., Rolls, E., Dolan, R. J. Psychophysiological and modulatory interactions in neuroimaging. NeuroImage. 6 (3), 218-229 (1997).
  3. McLaren, D. G., Ries, M. L., Xu, G., Johnson, S. C. A generalized form of context-dependent psychophysiological interactions (gPPI): a comparison to standard approaches. NeuroImage. 61 (4), 1277-1286 (2012).
  4. O’Reilly, J. X., Woolrich, M. W., Behrens, T. E. J., Smith, S. M., Johansen-Berg, H. Tools of the trade: psychophysiological interactions and functional connectivity. Soc Cogn Affect Neurosci. 7 (5), 604-609 (2012).
  5. Moody, T. D., Sasaki, M. A., et al. Functional connectivity for face processing in individuals with body dysmorphic disorder and anorexia nervosa. Psychol Med. 45 (16), 3491-3503 (2015).
  6. Simard, I., Luck, D., Mottron, L., Zeffiro, T. A., Soulières, I. Autistic fluid intelligence: Increased reliance on visual functional connectivity with diminished modulation of coupling by task difficulty. NeuroImage Clin. 9, 467-478 (2015).
  7. Yan, L. -. R., Wu, Y. -. B., Zeng, X. -. H., Gao, L. -. C. Dysfunctional putamen modulation during bimanual finger-to-thumb movement in patients with Parkinson’s disease. Front Hum Neurosci. 9, 516 (2015).
  8. Cole, M. W., Reynolds, J. R., Power, J. D., Repovs, G., Anticevic, A., Braver, T. S. Multi-task connectivity reveals flexible hubs for adaptive task control. Nat Neurosci. 16 (9), 1348-1355 (2013).
  9. McLaren, D. G., Sperling, R. A., Atri, A. Flexible modulation of network connectivity related to cognition in Alzheimer’s disease. NeuroImage. 100, 544-557 (2014).
  10. Morawetz, C., Bode, S., Baudewig, J., Heekeren, H. R. Effective amygdala-prefrontal connectivity predicts individual differences in successful emotion regulation. Soc Cogn Affect Neurosci. , 169 (2016).
  11. Takashima, A., Bakker, I., van Hell, J. G., Janzen, G., McQueen, J. M. Richness of information about novel words influences how episodic and semantic memory networks interact during lexicalization. NeuroImage. 84, 265-278 (2014).
  12. Harrison, T. M., Burggren, A. C., Small, G. W., Bookheimer, S. Y. Altered memory-related functional connectivity of the anterior and posterior hippocampus in older adults at increased genetic risk for Alzheimer’s disease. Hum Brain Mapp. 37 (1), 366-380 (2016).
  13. Wechsler, D. . Wecshler Adult Intelligence Scale, 3rd Edition. , (1997).
  14. Cauthen, N. R. Verbal fluency: normative data. J Clin Psychol. 34 (1), 126-129 (1978).
  15. Goodglass, H. P., Kaplan, E. P. . Boston Naming Test, 3rd Edition. , (2001).
  16. Buschke, H., Fuld, P. A. Evaluating storage, retention, and retrieval in disordered memory and learning. Neurol. 24 (11), 1019-1025 (1974).
  17. Osterrieth, P. A. Le test de copie d’une figure complex: Contribution à l’étude de la perception et de la memoir. Archives de Psychologie. 30, 286-356 (1944).
  18. Hamilton, M. The assessment of anxiey states by rating. Br J Med Psychol. 32, 50-55 (1959).
  19. Hamilton, M. A rating scale for depression. J Neurol Neurosurg Psychiatry. 23, 56-62 (1960).
  20. Folstein, M. F., Robins, L. N., Helzer, J. E. The Mini-Mental State Examination. Arch Gen Psychiatry. 40 (7), 812 (1983).
  21. O’Brien, D., Campbell, K. A., Morken, N. W., Bair, R. J., Heath, E. M. Automated Nucleic Acid Purification for Large Samples. J Lab Autom. 6 (2), 67-70 (2001).
  22. Lehmann, M., Ghosh, P. M., et al. Greater medial temporal hypometabolism and lower cortical amyloid burden in ApoE4-positive AD patients. J Neurol Neurosurg Psychiatry. 85 (3), 266-273 (2014).
  23. . TaqMan® SNP Genotyping Assays User Guide Available from: https://tools.thermofisher.com/content/sfs/manuals/TaqMan_SNP_Genotyping_Assays_man.pdf (2014)
  24. Bookheimer, S. Y., Strojwas, M. H., et al. Patterns of brain activation in people at risk for Alzheimer’s disease. N Engl J Med. 343 (7), 450-456 (2000).
  25. Jenkinson, M., Bannister, P., Brady, M., Smith, S. Improved optimization for the robust and accurate linear registration and motion correction of brain images. NeuroImage. 17 (2), 825-841 (2002).
  26. Smith, S. M. Fast robust automated brain extraction. Hum Brain Mapp. 17 (3), 143-155 (2002).
  27. Greve, D. N., Fischl, B. Accurate and robust brain image alignment using boundary-based registration. NeuroImage. 48 (1), 63-72 (2009).
  28. Patenaude, B., Smith, S. M., Kennedy, D. N., Jenkinson, M. A Bayesian model of shape and appearance for subcortical brain segmentation. NeuroImage. 56 (3), 907-922 (2011).
  29. . Learn MATLAB Basics Available from: https://www.mathworks.com/support/learn-with-matlab-tutorials.html?s_tid=hp_ff_I_tutorials (2017)
  30. Lerma-Usabiaga, G., Iglesias, J. E., Insausti, R., Greve, D. N., Paz-Alonso, P. M. Automated segmentation of the human hippocampus along its longitudinal axis. Hum Brain Mapp. 37 (9), 3353-3367 (2016).
  31. Salami, A., Eriksson, J., Nyberg, L. Opposing effects of aging on large-scale brain systems for memory encoding and cognitive control. J Neurosci. 32 (31), 10749-10757 (2012).
  32. Schacter, D. L., Wagner, A. D. Medial temporal lobe activations in fMRI and PET studies of episodic encoding and retrieval. Hippocampus. 9 (1), 7-24 (1999).
  33. Strange, B., Dolan, R. Functional segregation within the human hippocampus. Mol Psychiatry. 4 (6), 508-511 (1999).
  34. Strange, B. A., Fletcher, P. C., Henson, R. N., Friston, K. J., Dolan, R. J. Segregating the functions of human hippocampus. Proc Natl Acad Sci U S A. 96 (7), 4034-4039 (1999).
  35. Eldridge, L. L., Engel, S. A., Zeineh, M. M., Bookheimer, S. Y., Knowlton, B. J. A dissociation of encoding and retrieval processes in the human hippocampus. J Neurosci. 25 (13), 3280-3286 (2005).
  36. Strange, B. A., Witter, M. P., Lein, E. S., Moser, E. I. Functional organization of the hippocampal longitudinal axis. Nat Rev Neurosci. 15 (10), 655-669 (2014).
  37. Zeineh, M. M., Engel, S. A., Thompson, P. M., Bookheimer, S. Y. Dynamics of the hippocampus during encoding and retrieval of face-name pairs. Science. 299 (5606), 577-580 (2003).
  38. Nieuwenhuis, S., Forstmann, B. U., Wagenmakers, E. -. J. Erroneous analyses of interactions in neuroscience: a problem of significance. Nat Neurosci. 14 (9), 1105-1107 (2011).
  39. Cisler, J. M., Bush, K., Steele, J. S. A comparison of statistical methods for detecting context-modulated functional connectivity in fMRI. NeuroImage. 84, 1042-1052 (2014).
  40. Friston, K. J., Harrison, L., Penny, W. Dynamic causal modelling. NeuroImage. 19 (4), 1273-1302 (2003).

Play Video

Cite This Article
Harrison, T. M., McLaren, D. G., Moody, T. D., Feusner, J. D., Bookheimer, S. Y. Generalized Psychophysiological Interaction (PPI) Analysis of Memory Related Connectivity in Individuals at Genetic Risk for Alzheimer’s Disease. J. Vis. Exp. (129), e55394, doi:10.3791/55394 (2017).

View Video