Meta-Analyse von Voxel-basierten Neuroimaging-Studien mit Seed-based d Mapping with Permutation of Subject Images (SDM-PSI)
27. November 2019
Wir beschreiben, wie eine Metaanalyse von voxel-basierten Neuroimaging-Studien mit Seed-based d Mapping with Permutation of Subject Images (SDM-PSI) durchgeführt wird.
Seed-based d Mapping ist eine Methode, um die meta-analysierenden neuroimaging-Studien, die widersprüchlich erscheinen können. Zum Beispiel die Ergebnisse aus Studien über Anomalien der grauen Materie in DER OCD. Frühere metaanalytische Methoden haben allgemein beurteilt, ob Studien mehr statistische Spitzen in einem oder einem anderen Grund unterstützen, während SDM-PSI bewertet, ob es einen Effekt in einem bestimmten Grund gibt.
Forscher haben sDM vor allem verwendet, um die neuronalen Substrate der psychologischen Funktionen und neuropsychiatrischen Störungen zu untersuchen, die fMRI, VBM, DTI, PET oder SBM Studien umfassen können. Die Bisherige Verwendung von SDM-PSI ist recht einfach. Die wichtigsten Schritte für die Durchführung einer korrekten Metaanalyse sind jedoch die Erstellung eines genauen Metaanalyseplans und das sorgfältige Sammeln der Daten.
Um eine umfassende Suche durchzuführen, öffnen Sie die Datenbank von Interesse und geben Sie verschiedene Schlüsselwörter ein, die die Suche nach einer Studie ermöglichen, die die Aufnahmekriterien erfüllen könnte. Notieren Sie dann die Anzahl der abgerufenen Studien und die Anzahl der Studien, die aus jedem Grund ausgeschlossen sind. Erwägen Sie, ein PRISMA-Flussdiagramm mit diesen Zahlen zu erstellen.
Nachdem Sie die Manuskripte gelesen haben, die für das Extrahieren der spezifischen Daten von Interesse sind, um Z-Werte und P-Werte in T-Werte umzuwandeln, klicken Sie in der SDM-PSI-Software auf Peaks konvertieren. Verwenden Sie dann positive T-Werte für Erhöhungsspitzen und negative T-Werte für Spitzen der Abnahme, indem Sie die Tabelle als Anleitung verwenden, wie das Vorzeichen der T-Werte zu bestimmen ist. In zwei Beispielstudien verwenden Sie positive T-Werte, wenn das MRT-Signal bei Patienten höher ist als bei Kontrollen.
Und verwenden Sie negative T-Werte, wenn das MRT-Signal bei Patienten niedriger ist als bei Kontrollen. Um die Daten in SDM-PSI einzuführen, öffnen Sie die grafische Benutzeroberfläche von SDM-PSI, und schließen Sie das Fenster About splash. Klicken Sie auf Metaanalyse ändern, um ein neues leeres Verzeichnis für die Metaanalyse auszuwählen.
Klicken Sie auf SDM-Tabelleneditor, um allgemeine Informationen aus den Studien einzugeben, und öffnen Sie einen Texteditor, um eine Textdatei für jede Studie zu erstellen, um die Koordinaten und T-Werte der Peaks einzugeben. Nennen Sie die Datei, das verwendete Softwareprogramm und den stereotaktischen Raum. Um die Daten vorzuverarbeiten, klicken Sie auf die Schaltfläche Vorverarbeitung, wählen Sie die Modalität der Studien im Listenfeld Modalität aus und drücken Sie OK. Warten Sie dann einige Minuten, während die Permutation des Themenbilderprogramms die Karten der unteren und oberen Grenzen der potenziellen Effektgrößen berechnet.
Um die Hauptanalyse durchzuführen, klicken Sie auf die Schaltfläche Mittelwert, und drücken Sie OK. Nachdem der SDM-PSI die Mehrfachimputation und Metaanalyse durchgeführt hat, klicken Sie auf Schwellenwert, wählen Sie die nicht korrigierten P-Werte der Hauptanalyse aus, und klicken Sie auf OK. SDM-PSI öffnet automatisch sowohl MRIcron, um die Ergebnisse zu visualisieren, als auch eine Webseite mit einem detaillierten Bericht über die Ergebnisse. Klicken Sie auf die familienbezogene Fehlerkorrektur, um die Hauptanalyse im Listenfeld auszuwählen, und klicken Sie auf OK. Das SDM-PSI-Programm führt den Permutationstest über mehrere Stunden oder Tage durch. Klicken Sie am Ende des Rests auf Schwellenwert, wählen Sie die TFCE-Korrektur der Hauptanalyse aus, und klicken Sie auf OK. Das Programm öffnet automatisch sowohl MRIcron, um die Ergebnisse zu visualisieren, als auch eine Webseite mit einem detaillierten Bericht über die Analyse.
Klicken Sie für Heterogenität, Publikationsverzerrung und Benotung auf Extrakt, wählen Sie einen Peak aus der Hauptanalyse aus, und drücken Sie OK. Das Programm öffnet automatisch eine Webseite mit Statistiken dieser P.Record die Heterogenität I-Quadrat-Statistik. Klicken Sie als Nächstes auf die Schaltfläche Bias Test, wählen Sie einen Peak aus der Hauptanalyse aus und klicken Sie auf OK. Das Programm öffnet automatisch eine Webseite mit einem Trichterdiagramm und den Ergebnissen eines Tests für Kleinstudieneffekt und einem Test auf übersigne Signifikanz. Klicken Sie dann im oberen Werkzeugfeld auf die Schaltfläche Beweisbenotung.
Wählen Sie die Hauptanalyse aus dem Listenfeld aus, und klicken Sie auf OK, um die Ergebnisse anzuzeigen. Wie in diesen repräsentativen Karten beobachtet, haben Patienten mit OCD ein statistisch signifikant geringeres Graustoffvolumen im dorsalen vorderen cingulate medialen frontalen Kortex. Der Cluster ist mäßig klein und befindet sich hauptsächlich im Brodmann-Gebiet 32 mit dem Spitzenwert des Clusters bei MNI zwei, 32, 32 mit einem Z-Wert von 4,97 und einem familienmäßig enzierten P-Wert von 0,01.
In dieser Datenanalyse weist die niedrige I-Quadrat-Statistik auf eine sehr kleine Heterogenität hin, und das Trichterdiagramm weist keine Asymmetrien auf. Schlüsselaspekte einer erfolgreichen Metaanalyse sind die Erstellung klarer Einschluss- und Ausschlusskriterien, die sorgfältige Erhebung von Daten und die Nichtbeschränkung der Ergebnisse auf P-Werte. SDM-PSI enthält das allgemeine lineare Modell, für das Benutzer Metaregressionen oder Metakomprimierungen von Studiengruppen durchführen und mit der Analyse vergleichen können.
Viele SDM-Metaanalysen hatten einen erheblichen Einfluss auf ihre spezifischen Bereiche. Zum Beispiel, mehrere Meta-Analyse haben interessante Auswirkungen von Stimulanzien auf das Gehirn Anomalien bei ADHS beobachtet gezeigt.
Übersicht
In diesem Artikel wird das Vorgehen zur Durchführung einer Metaanalyse von voxelbasierten neurobildgebenden Studien unter Verwendung der „Seed-based d Mapping with Permutation of Subject Images“ (SDM-PSI) beschrieben. Die Methode zielt darauf ab, Ergebnisse aus verschiedenen Studien, die möglicherweise widersprüchlich erscheinen, zu vereinheitlichen, insbesondere hinsichtlich von Grausubstanzveränderungen bei Erkrankungen wie der Zwangsstörung (OCD).
Wesentliche Studienkomponenten
Bereich der Wissenschaft
- Neurowissenschaften
- Neuroimaging
- Metaanalyse
Hintergrund
- Die seedbasierte d-Mapping-Methode (SDM) behebt Diskrepanzen in neurobildgebenden Studien.
- SDM wurde bereits auf verschiedene psychologische Funktionen und neuropsychiatrische Störungen angewandt.
- Im Gegensatz zu früheren Methoden bewertet SDM-PSI das Vorhandensein von Effekten und nicht nur statistische Peaks.
- Klare Einschlusskriterien und sorgfältige Datenerhebung sind entscheidend für eine erfolgreiche Metaanalyse.
Zweck der Studie
- Aufzeigen der Schritte, die bei der Durchführung einer Metaanalyse mit SDM-PSI erforderlich sind.
- Erläuterung der Vorverarbeitung und Analyse von neurobildgebenden Daten.
- Herausstellung der Bedeutung neurobildgebender Studien für das Verständnis neuropsychiatrischer Erkrankungen.
Verwendete Methoden
- Die primäre Plattform, die verwendet wird, ist die SDM-PSI-Software für die Metaanalyse von Neuroimaging-Daten.
- Die Studie konzentriert sich auf Neuroimaging-Studien im Zusammenhang mit OCD, einschließlich verschiedener Bildgebungsmodalitäten wie fMRT und PET.
- Zu den wesentlichen methodischen Schritten gehören die Planung einer Metaanalyse, Datensammlung und die Umwandlung statistischer Werte mithilfe der SDM-PSI-Schnittstelle.
- Kritische Schritte wie die Daten-Vorverarbeitung und Durchführung der Hauptanalyse werden hervorgehoben.
Hauptergebnisse
- Patienten mit OCD wiesen signifikante Volumenreduktionen der grauen Substanz in bestimmten Hirnarealen auf.
- Statistische Analysen ergaben wichtige Erkenntnisse bezüglich der Heterogenität und potenzieller Verzerrungen in bestehenden Studien.
- Die Ergebnisse verdeutlichten die praktische Anwendung von SDM-PSI bei der Aufdeckung neurobildgebender Effekte und räumlicher Verteilungen.
- Wesentliche Erkenntnisse darüber, wie SDM-PSI-Methoden für zukünftige Metaanalysen in der Neurobildgebung genutzt werden können.
Schlussfolgerungen
- Diese Studie zeigt die Nützlichkeit von SDM-PSI für die Durchführung umfassender Metaanalysen von neurobildgebenden Studien.
- Die Ergebnisse unterstreichen die Bedeutung sorgfältiger methodischer Ansätze zur Aufdeckung von Inkonsistenzen zwischen Studien.
- Die Schlussfolgerungen der Ergebnisse vertiefen das Verständnis neuroanatomischer Variationen bei psychiatrischen Erkrankungen.
Häufig gestellte Fragen
Ausführliche Bedeutung für die Industrie
In der Neuropharmakologie und der Entwicklung von ZNS-Wirkstoffen ist die Einigung widersprüchlicher neurobildgebender Befunde entscheidend für die Zielvalidierung und die Reduzierung mechanistischer Risiken. SDM-PSI geht über die binäre Signifikanzprüfung hinaus, indem es die Effektstärke quantifiziert und Verzerrungen bewertet, wodurch fundiertere Go/No-Go-Entscheidungen in der frühen Entdeckungsphase ermöglicht werden. Dies unterstützt die Portfolio-Priorisierung, indem kontinuierliche Evidenzbewertung anstelle binärer Ergebnisse bereitgestellt wird.
Strategische Anwendungen in der Biopharma-Forschung und -Entwicklung
Frühe Entdeckung und Zielvalidierung
- Wissenschaftlicher Wert: Überprüft therapeutische Hypothesen, indem geprüft wird, ob die beobachteten neurobildgebenden Effekte nicht null sind, anstatt lediglich signifikante Peaks zu zählen.
- Operationaler Wert: Ermöglicht die Klärung von Wirkwegen durch Schätzung der Effektgröße und Erkennung von Verzerrungen, wodurch falsche Annahmen über Zielstrukturen reduziert werden.
- Prädiktiver Wert: Stützt die Vorhersagesicherheit, indem die Stärke der Beweise über verschiedene Signifikanzniveaus und Datenmengen hinweg bewertet wird, was die Priorisierung von Zielstrukturen unterstützt.
Screening und Assay-Entwicklung
- Assay-Bereitschaft: Bereitet validierte neurobildgebende Biomarker für die nachgeschaltete Untersuchung vor, indem reproduzierbare Effektkarten mit quantifizierter Unsicherheit etabliert werden.
- Quantitative Ausgaben: Erzeugt kontinuierliche Effektgrößenschätzungen (d-Werte) und Heterogenitätskennzahlen (I-Quadrat), die zuverlässige Entscheidungen bei der Wirkstoffscreening ermöglichen.
- Plattformwiederverwendung: Ein standardisierter Workflow unterstützt die anwendungsübergreifende Nutzung (fMRT, VBM, DTI, PET) für eine konsistente Validierung von Biomarkern in verschiedenen Entdeckungskampagnen.
Translationale und präklinische Forschung
- Translationale Kontinuität: Verbindet Entdeckung und präklinische Validierung, indem sie krankheitsrelevante Effekt-Karten mit Bias-Bewertung bereitstellt und die mechanistische Ent-Risikobewertung unterstützt.
- Risikoadjustierte Weiterentwicklung: Kriterien zur Evidenzbewertung (unter Einbeziehung von Signifikanzniveaus, Datenumfang, Kleinstudien-Effekt und übermäßiger Signifikanz) leiten präklinische Go/No-Go-Entscheidungen.
- Biomarker-Abstimmung: Ermöglicht die Abstimmung von bildgebenden Biomarkern mit phänotypischen Ergebnissen durch räumlich spezifische, bias-korrigierte Effekt-Karten.
Pipeline- und Workflow-Integration
SDM-PSI integriert sich in den Entdeckungsprozess von der Zielvalidierung über die Identifizierung von Wirkstoffen bis hin zur präklinischen Forschung, indem es quantitative, biasbewusste neurobildgebende Nachweise liefert, die Hypothesentests und die mechanistische Risikominderung unterstützen.
- Entdeckungsbiologie: Unterstützt die Hypothesenprüfung, indem sie nicht-null Effekte bewertet und Effektgrößen schätzt, und geht damit über die bloße Peak-Zählung hinaus zur Quantifizierung biologischer Effekte.
- Screening: Erstellt bereit für Assays nutzbare, reproduzierbare Effektkarten mit quantitativen Ergebnissen (T-Werte, d-Werte, P-Werte), die eine zuverlässige Beurteilung von Wirkstoffen über verschiedene Modalitäten hinweg ermöglichen.
- Analysen: Bietet statistische Ergebnisse einschließlich Heterogenität (I-Quadrat), Bias-Tests (Einfaltungsdiagramm, übermäßige Signifikanz) und gestufte Evidenzniveaus für die interpretation über Fachbereiche hinweg.
- Translationale Forschung: Schafft Anschluss an die präklinische Kontinuität durch krankheitsrelevante Effektkarten (z. B. graue Substanzvolumen bei OCD) mit quantifizierter Unsicherheit und Bias-Bewertung.
- Unternehmensweite Wiederverwendung: Schafft eine wiederverwendbare Plattform für die Metaanalyse neurobildgebender Studien, die auf psychiatrische Indikationen und Bildgebungsmodalitäten übertragbar ist und redundante methodische Entwicklungen reduziert.
Operative und unternehmerische Auswirkungen
- Wissenschaftlicher Wert: Vorhersagegenauigkeit durch Schätzung der Effektgröße, Zielvalidierung mittels Bewertung eines nicht-null-Effekts, Verringerung mechanistischer Mehrdeutigkeiten durch Quantifizierung biologischer Effekte.
- Operationaler Wert: Standardisierung durch vordefinierte Vorverarbeitungs- und Analyse-Pipelines, Reproduzierbarkeit durch permutationsbasierte Inferenz, Skalierbarkeit über Studien und Modalitäten hinweg.
- Strategischer Wert: Verbesserte Go/No-Go-Entscheidungen durch Evidenzbewertung, Kapitaleffizienz durch Verringerung der Verfolgung falscher Zielstrukturen, reduziertes biologisches Risiko in späteren Phasen durch frühzeitige Erkennung von Bias.
- Portfolio-Wirkung: Risikoadjustierte Priorisierung anhand gestufter Evidenz (Signifikanzniveaus, Datenumfang, Bias-Erkennung), Entscheidungen über Weiterentwicklung basierend auf kontinuierlichen Effektmetriken.
Durchführungsüberlegungen
- Expertise in der neurobildgebenden Metaanalyse, statistischen Interpretation von Permutationstests und Verständnis von Methoden zur Bias-Beurteilung (Egger-Diagramme, Tests zur Überprüfung übermäßiger Signifikanz).
- SDM-PSI-Softwareinfrastruktur, Kapazität für Permutationstests (Stunden/Tage pro Analyse) und Visualisierungswerkzeuge (MRIcron) zur Ergebnisinterpretation.
- Standardisierung über Teamgrenzen hinweg bezüglich Einschluss-/Ausschlusskriterien, Protokolle zur Datenauswertung (Umwandlung von Z-/P-Werten in T-Werte) und Angaben zum stereotaktischen Raum (MNI/Talairach).
- Erwägungen zur Anpassung über verschiedene neurobildgebende Verfahren hinweg (fMRT, VBM, DTI, PET, SBM), die modus-spezifische Vorverarbeitungsschritte in SDM-PSI erfordern.
- Zu den praktischen Einschränkungen zählen die Abhängigkeit von der Qualität der Primärstudien, ein möglicher Bias durch unveröffentlichte Nullergebnisse sowie der hohe Rechenaufwand von Permutationstests bei großen Datensätzen.
Biopharma-Häufige Fragen
Chapters in this video
0:04
Title
0:59
Exhaustive Search and Data Collection
2:03
Seed-Based d Mapping with Permutation of Subject Images (SDM-PSI) Data Introduction
2:42
Pre-Processing and Main Analysis
4:08
Heterogeneity, Publication Bias, and Grading
4:53
Results: Representative Smaller Gray Matter Volume Analyses
5:38
Conclusion
