Genelleştirilmiş psikofizyolojik etkileşim (PPI) analiz bellek bağlantısı'nda bireyler, Alzheimer hastalığı genetik Risk ile ilgili
Summary
Bu el yazması görev bağımlı değişiklikleri seçili tohum bölge ve beynin diğer bölgelerdeki voxels arasındaki fonksiyonel bağlantı içinde ortaya çıkarmak için bir psikofizyolojik etkileşimi analiz uygulamak açıklar. Psikofizyolojik etkileşimi analiz görev etkileri beyin bağlantısı, geleneksel tekdeğişirli harekete geçirmek etkilerinden ayrı incelemek için popüler bir yöntemdir.
Abstract
Beyin görüntüleme, fonksiyonel manyetik rezonans görüntüleme (fMRI) beyindeki kan oksijen düzey bağımlı (kalın) sinyal ölçer. Cesur korelasyon derecesi sinyal içinde dağınık şekilde bağımsız beyin bölgelerinde bu bölgeleri işlevsel bağlantı tanımlar. Bilişsel fMRI görev sırasında bir psikofizyolojik etkileşim (PPI) analiz sırasında bilişsel görev tarafından tanımlanan belirli bağlamlarda fonksiyonel bağlantısı’nda değişiklikleri incelemek için kullanılabilir. Böyle bir görev örneği ilgisiz kelimeleri (kodlama) çift öğrenmek ve ilk sözcüğü (alma) görüntülendiğinde bir çift ikinci kelime hatırlama katılımcılar soran bellek sistemi sapmaz biridir. Bu da çalışmanın, biz kullanılan ilişkisel hafıza görev ve genelleştirilmiş bir ÜFE (gPPI) analizi bu tür Alzheimer hastalığı (Ah) genetik risk faktörü apolipoprotein E epsilon-4 (uçak gemisi olan eski erişkinlerde Hipokampal bağlantı içinde değişiklikleri karşılaştırmak için APOEε4). Özellikle, biz bu Milletlere Hipokampus değişiklikler fonksiyonel bağlantı göstermek kodlama ve alma, ilişkisel hafıza görev iki etkin aşamaları sırasında. İçerik bağımlı değişiklikleri hipokampüs fonksiyonel bağlantı içinde önemli ölçüde APOEε4 sigara taşıyıcılara göre taşıyıcılarının farklıydı. ÜFE analizleri fonksiyonel bağlantı, tekdeğişirli ana etkileri, farklı içinde değişiklikleri incelemek ve bu değişiklikleri grupları arasında karşılaştırmak için mümkün kılar. Böylece, bir ÜFE analiz geleneksel tekdeğişirli yöntemleri yakalamak değil belirli tabur karmaşık görev etkileri ortaya çıkarabilir. Ancak, ÜFE analizleri yön veya işlevsel olarak bağlı bölgeler arasındaki nedensellik belirleyemiyor. Yine de, ÜFE analizleri nedensel modelleri kullanarak test işlevsel ilişkiler ile ilgili belirli hipotezler üretmek için güçlü araçları sağlar. Beyin bağlantısı ve ağları açısından giderek açıklandığı gibi ÜFE insan beyni geçerli anlayışı doğrultusunda fMRI görev verileri analiz etmek için önemli bir yöntemdir.
Introduction
“Connectome” terimi 2005 işaretleme günümüze1devam ediyor nörolojik bir paradigma kayması içinde icat edildi. Beynin işlevsel ağlar, bağlantı ve etkileşim arasında ve büyük ölçüde bölgeleri arasında açısından giderek tanımlanır. Bununla birlikte, bölgesel işlevsel uzmanlaşma ve fMRI ölçülen aktivite ve görev talepleri arasındaki ilişkilendirmeleri tarif hala geçerli ve yararlı yaklaşım vardır. Connectomics artan ilgi ışığında, fonksiyonel bağlantı yaklaşımlar görev fMRI analizi için popülaritesi artmaktadır. Fonksiyonel bağlantısı değişikliklerini göreve bağımlı ölçme bir yaklaşım talep ediyor PPI kavramını kullanır. Bir ÜFE faiz veya “tohum” beyin bölgesinin fonksiyonel bağlantı (“Fizyo”) bir etkin görev faz veya belirli görev talep (“psikopat”) etkileşim olduğunu. ÜFE bivariate, korelasyon tabanlı analiz bir görev talepleri ile ilgili herhangi bir kısıtlama olmadan iki bölgelerde faaliyet arasında korelasyon derecesi genellikle ölçen fonksiyonel bağlantı farklıdır.
Kavram ve ÜFE analiz çerçevesinde başlangıçta açıklanan Friston ve meslektaşları 19972. Yazarlar daha işlevsel olarak belirli ve distal tohum etkinliğinde bir görev talep sonuçlanan faaliyet oransal çıkarımlar için izin vermek için bağlantı incelenmesi sağlayacak çünkü yaklaşımları önemli olduğunu iddia. 2012 yılında, McLaren ve meslektaşları bu özgün çerçeve eklendi ve hangi gPPI yaklaşımda açıklanan tüm görev aşamaları ve ilişkileri tek model3‘ te dahil. Bu yaklaşım görev faz ve soruşturuluyor etkileşim için daha hassas ve belirli sonuçları yol açar. Biz şimdiki zamanda istihdam bu Güncellenme Zamanı gPPI yaklaşımdır (bkz. Adım 6.2.2 protokolündeki) çalışma. GPPI yaklaşım şimdi 200’ün üzerinde çalışmalarda atıf yapılmış. Anlaşılır olması için bundan sonra ‘ÜFE’ kullandığımız standart ve jeneralize sürüm ortak özellikleri açıklamak için. ‘gPPI’ yeni çerçevesiyle ilişkili belirli gelişmeler tartışmak için kullanılacak.
Nasıl bilişsel bir görev ihtiyaçlarını etkisi ya da bir tohum bölgenin fonksiyonel bağlantı modüle bir ÜFE analiz genel amacı anlamaktır. ÜFE analiz güçlü bir temanın bir hipotez gerektirir. Tohum bölgede faaliyet PPI yaklaşım etkili4çalışmak için sırada görev tarafından modüle gerekir. Örneğin, bu da çalışmanın, Hipokampal etkinliği bir bellek görev bilişsel talepleriyle modülasyonlu güçlü kanıtlar bizim tohum seçime göre. ÜFE kullanarak, önemli ölçüde daha az ya da işlevsel olarak hippocampus için belirli görev aşamalarında bağlı bölgeleri tespit edilebilir. Kısacası, “hangi bölgelerde etkinlik sırasında içerik A temel ile karşılaştırıldığında daha fazla tohum ile ilişkili mi?” soru sormak (Farkı anlamak önemlidir gibi) aynı zamanda mantıksal tersini sorabilir miyim: “hangi bölgelerde etkinlik sırasında içerik A temel ile karşılaştırıldığında daha az tohum ile ilişkili mi?” ÜFE etkileri grup farklılıkları yorumlarken, verileri ve olup fonksiyonel bağlantı olumlu ya da olumsuz değişiklik veya her ikisini de, grup farklılıklar yönlendirdiğini incelemek önemlidir.
ÜFE yaklaşım dinamik görev denetim hub sağlıklı denetimlerinde, eğitim için kullanılan modülasyon fonksiyonel bağlantı Alzheimer hastalığı (Ah), motor ağ bağlantısı otistik bireylerde zeka bilişsel performansı nasıl ilişkili olduğunu Parkinson hastalığı, bireylerin vücut dismorfik bozukluğu ve anoreksiya, duygu düzenlemesi, bellek ve bağlantı5,–6,7 ile ilgili diğer pek çok özel soru ile işleme yüz olan bireylerin ,8,9,10,11. Bu da çalışmanın, biz bellek kodlama ve reklam için risk faktörü12olmadan bir grup genetik riski bireylerin bir grup arasında alma sırasında hipokampüs Milletlere fonksiyonel bağlantısı’nda değişiklikleri karşılaştırmak. Biz, gPPI yaklaşım, uygulama bize görev elde edildi değişiklikler fonksiyonel bağlantı varlığı ile Derneği APOEε4, reklam için genetik bir risk faktörü olarak farklıysa test etmenize izin vermek için kullanılan iletişim kuralı aşağıdaki açıklar.
Protocol
Representative Results
Discussion
Erken görevlere fMRI çalışmaları belirli Bilişsel süreçler arasındaki istatistiksel ilişkileri ortaya çıkarmak için tasarlanmış veya talep ve kalın değişiklikler temel ölçüm göreli sinyal. Bu geleneksel yaklaşım belirli bölgelerde faaliyet deneysel bir görev tarafından nerede modülasyonlu beyin belirlemek için kullanışlıdır. Buna ek olarak, bir ÜFE analizi esas fonksiyonel bağlantı modülasyon veya görev kaynaklı bir bilişsel işlemden sonuç faaliyet, senkronizasyonu ile ilgilidir….
Disclosures
The authors have nothing to disclose.
Acknowledgements
Bu eser Ulusal Enstitüsü, yaşlanma (grant sayıya R01AG013308 SYB, F31AG047041 TMH için) tarafından desteklenmiştir. Yazarlar hesaplama kullanılan ve depolama hizmetleri Hoffman2 paylaşılan UCLA Institute tarafından dijital araştırma ve eğitim araştırma teknoloji grubu için sağlanan kümesi ile ilişkili.
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
- Sporns, O., Tononi, G., Kötter, R. The Human Connectome: A Structural Description of the Human Brain. PLoS Comput Biol. 1 (4), 42 (2005).
- 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).
- 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).
- 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).
- 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).
- 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).
- 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).
- 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).
- 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).
- 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).
- 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).
- 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).
- Wechsler, D. . Wecshler Adult Intelligence Scale, 3rd Edition. , (1997).
- Cauthen, N. R. Verbal fluency: normative data. J Clin Psychol. 34 (1), 126-129 (1978).
- Goodglass, H. P., Kaplan, E. P. . Boston Naming Test, 3rd Edition. , (2001).
- Buschke, H., Fuld, P. A. Evaluating storage, retention, and retrieval in disordered memory and learning. Neurol. 24 (11), 1019-1025 (1974).
- 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).
- Hamilton, M. The assessment of anxiey states by rating. Br J Med Psychol. 32, 50-55 (1959).
- Hamilton, M. A rating scale for depression. J Neurol Neurosurg Psychiatry. 23, 56-62 (1960).
- Folstein, M. F., Robins, L. N., Helzer, J. E. The Mini-Mental State Examination. Arch Gen Psychiatry. 40 (7), 812 (1983).
- 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).
- 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).
- . TaqMan® SNP Genotyping Assays User Guide Available from: https://tools.thermofisher.com/content/sfs/manuals/TaqMan_SNP_Genotyping_Assays_man.pdf (2014)
- 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).
- 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).
- Smith, S. M. Fast robust automated brain extraction. Hum Brain Mapp. 17 (3), 143-155 (2002).
- Greve, D. N., Fischl, B. Accurate and robust brain image alignment using boundary-based registration. NeuroImage. 48 (1), 63-72 (2009).
- 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).
- . Learn MATLAB Basics Available from: https://www.mathworks.com/support/learn-with-matlab-tutorials.html?s_tid=hp_ff_I_tutorials (2017)
- 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).
- 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).
- 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).
- Strange, B., Dolan, R. Functional segregation within the human hippocampus. Mol Psychiatry. 4 (6), 508-511 (1999).
- 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).
- 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).
- 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).
- 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).
- 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).
- 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).
- Friston, K. J., Harrison, L., Penny, W. Dynamic causal modelling. NeuroImage. 19 (4), 1273-1302 (2003).
