Name: Mesure de fronto-limbique activité en utilisant une Oddball Groupe émotionnelle chez les enfants atteints familiale à risque élevé pour la schizophrénie (Vidéo) | JoVE Journal
Uploaded: 2015-12-02T14:00:00.000+00:00
Duration: 13 min 8 s
Description: Découvrez la mesure de l'activité fronto-limbique par IRMf chez les enfants à haut risque familial de schizophrénie grâce à une tâche oddball émotionnelle. Cette méthode révèle des anomalies d'activation cérébrale.

ai_agent_IP

ai_agent

maintenance

instantTrialDurationMinutes

isBiopharma

enableNewMyJoveSectionDesign

educationFeatures

seoMetaApi

ai_copilot_institution_blacklist

ai_chat_institution_blacklist

freeAccessWindow

ssoRoleCapture

scheduledMaintenanceBanner

joveLabsFeatures

disable_autoplay_for_bots

extended_trial_duration

5 minutes

Nous remercions Erin Douglas, Anna Evans et Carolyn Bellion pour leurs contributions au recrutement des participants et à l’évaluation clinique. Nous remercions également Michael Casp, Zoe Englander, Justin Woodlief et James Carter pour leurs contributions à la collecte et à l’analyse des données, ainsi que Robert M. Hamer pour sa consultation sur l’analyse statistique et la révision du manuscrit. Enfin, nous remercions les personnes et leurs familles qui ont participé à cette étude. 
Cette étude a été financée par la subvention P50 du centre Conte MH064065 de l’Institut national de la santé mentale. Le Dr Hart a été soutenu par le HD040127 T32 de l’Institut national de la santé infantile et du développement humain.

Les techniques de recherche utilisées au cours de cette étude ont été approuvés par les commissions d&#39;examen institutionnels (IRB) de l&#39;Université Duke et de l&#39;Université de Caroline du Nord - Chapel Hill. 1. Imagerie tâche Design <ol><li> Générer une tâche comportementale basée sur l&#39;événement qui présente des stimuli cibles rares (un cercle) contenue dans une séquence de stimuli standard plus fréquents (images brouillés). Un schéma de la tâche est représentée sur la Figure 1. Présenter la tâche en utilisant un logiciel CIGAL 10. </li></ol><img alt="Figure 1" src="/files/ftp_upload/51484/51484fig1.jpg" /> Figure 1. Schéma de la conception des tâches. Ce chiffre a été modifié depuis Hart et al. 20, avec la permission. <a href="https://www.jove.com/files/ftp_upload/51484/51484fig1large.jpg" target="_blank">S&#39;il vous plaît cliquez ici pour voir une version plus grande de cette figure.</a> <ol style="margin-left: 40px;"><li> Sélectionnez autantet un stimulus aversif, et un ensemble de stimuli neutres de la base de données Système International Photo affectif (IAPS). IAPS images sont notés sur une échelle de 1-9 afin de refléter les niveaux d&#39;excitation et Valence 11. Un nombre élevé indiquent valence positive plus élevée et l&#39;excitation. Sélectionnez un ensemble d&#39;images qui sont adaptés à l&#39;âge du groupe d&#39;étude tels que des images de serpents, araignées, ou d&#39;autres animaux. Remarque: Les images stimulus aversif tâches pertinent utilisées pour cette étude avaient une note moyenne de valence de 3,38 (SD = 1,78) et une note moyenne de l&#39;excitation de 6,14 (SD = 2,08). Les images stimuli neutres ont une valence moyenne de 6,21 (SD = 0,26) et une note moyenne de l&#39;excitation de 3,72 (SD = 2,15). </li><li> Programme du script de la tâche telle que les images sont présentées dans un ordre pseudo-aléatoire pour 1.500 ms avec un intervalle de 500 ms signifie inter-stimulus. Stimuli présents cibles et des images neutres tâches pertinent plus fréquemment que toutes les 15 secondes et font chacune environ 4% des stimuli. Jiévénements tter fois apparition afin de fournir une meilleure résolution de la fonction de réponse hémodynamique. </li></ol><ol start="2"><li> Créer 8 ensembles d&#39;images, une pour chacune des 8 courses fonctionnels tels que les participants sont présentés avec un total de 40 cibles et 40 images neutres tâches sans importance au cours des 8 pistes. </li></ol> 2. Installation de participant et la numérisation <ol><li> Recruter les enfants et adolescents âgés de 9 et 18 ans qui sont soit des individus témoins sains ou qui sont à risque familial élevé de psychose. <ol><li> Veiller à ce que les personnes en bonne santé ont pas de maladies psychiatriques ou des membres de la famille au premier degré avec une maladie psychiatrique. Veiller à ce que les participants de risque familiaux ont au moins un parent au premier degré (parent ou un frère) à la schizophrénie. Ne pas exclure la présence d&#39;autres maladies psychiatriques chez les parents au premier degré. </li><li> L&#39;âge et le sexe match participants en bonne santé avec des participants du groupe de risque familials. </li></ol></li><li> Acquérir le consentement éclairé des participants âgés de plus de 18. Pour les mineurs, d&#39;acquérir le consentement éclairé des parents / tuteurs légaux. En outre, l&#39;acquisition de consentement écrit de mineurs qui prennent part à l&#39;étude. </li><li> Placez les participants dans un scanner IRM maquette afin de les familiariser avec l&#39;environnement. Jouer un enregistrement audio du bruit du scanner et de les compléter une descente d&#39;entraînement de la tâche comportementale afin d&#39;assurer qu&#39;ils comprennent les instructions de la tâche. </li><li> Placez le participant dans le scanner IRM et acquérir des scans du cerveau de localisation nécessaires et / ou des images anatomiques. </li><li> Utiliser une boîte d&#39;entrée IRM-fort, dire aux participants à appuyer sur un bouton avec leur index en réponse à tous les stimuli cibles et un autre bouton avec leur doigt du milieu pour tous les autres stimuli. </li><li> Après balayage IRMf, recueillir des évaluations subjectives de l&#39;excitation et de Valence pour les images utilisées dans l&#39;étude d&#39;un sous-ensemble de participants. Les Current étude obtenue notes de 15 commandes et 13 à haut risque familial. </li></ol> 3. Image Acquisition <ol><li> La place les participants dans un scanner IRM 3.0 Tesla. Tout d&#39;abord, l&#39;acquisition d&#39;un ensemble d&#39;images structurelles, y compris une image 3D anatomique T1 contraste coplanaires en utilisant une séquence d&#39;impulsions d&#39;acquisition gâté gradient rappelé (TR: 5,16 ms; TE: 2,04 ms; FOV: 24 cm; image de la matrice: 256 × 256; flip Angle: 20; taille de voxel: 0,94 mm x 0,94 mm x 1,9 mm; 68 coupes axiales). </li><li> Acquérir des données d&#39;imagerie fonctionnelle en utilisant un gradient d&#39;écho séquence d&#39;imagerie écho-planaire avec une couverture complète du cerveau (TR: 2000 ms; TE: 27 ms; FOV: 24 cm; image de la matrice: 64 × 64; Retournez Angle: 60; taille de voxel: 3,75 mm x 3,75 mm x 3,8 mm; coupes axiales 34) de sorte que l&#39;activité du cerveau peut être mesuré pendant l&#39;exécution de la tâche comportementale. Exécutez cette séquence d&#39;imagerie pour chaque exécution de la tâche comportementale. Chaque essai doit être composé de 120 points de temps d&#39;imagerie. </li><li> Présenter le TAsk en 8 pistes fonctionnelles, d&#39;une durée d&#39;environ 4 minutes de chaque. </li></ol> 4. Analyses <ol><li> Prétraitement de l&#39;image: Ouvrir l&#39;outil Expert analyse IRMf (Feat) en FLS 12. Sélectionnez analyse de premier niveau et pré-stats. <ol><li> Dans l&#39;onglet &quot;Données&quot;, sélectionnez le nombre d&#39;images d&#39;entrée et entrez le chemin d&#39;accès à chacune des images IRM que vous allez traiter. Définir le répertoire de sortie. Entrez les volumes totaux, nombre d&#39;acquisitions rejeté et les TR. </li><li> Dans l&#39;onglet «pré-statistiques&quot;, régler la correction de mouvement pour MCFLIRT, Spatial lissage FWHM à 5 mm, et &quot;la correction de synchronisation Slice&quot;. Sélectionnez &quot;extraction du cerveau BET&quot; et &quot;passe-haut&quot; filtrage temporel, mais ne sélectionnez pas B0 unwarping (uness vous avez une carte de champ de gradient) ou «Je ntensitiy normaization&quot;. 12,14. </li><li> Dans l&#39;onglet «Inscription», sélectionnez «Principal strul&#39;image ctural &quot;. Entrez le chemin crâne dépouillé pondérée en T1 l&#39;image de l&#39;objet. Utiliser une recherche normale linéaire avec au moins 6 degrés de liberté. Activez la case à cocher de l&#39;espace standard. Entrez le chemin de l&#39;image de l&#39;atlas de l&#39;INM. Utilisez une normale, linéaire recherche avec 12 DOF. Appuyez sur OK. </li><li> Exclure les participants avec plus de 3 mm mouvement de la tête dans le X, Y ou Z directions. </li></ol></li><li> Niveau 1: Comparaison des données entre les conditions de tâches au sein d&#39;un seul passage. Ouvrir FEAT. Sélectionnez &quot;analyse de premier niveau&quot; et &quot;Statistiques + Post-stats&quot;. <ol><li> Dans l&#39;onglet Données, définissez le nombre d&#39;entrées et entrez le chemin d&#39;accès à chacune des images IRM. Entrez un chemin pour le &quot;répertoire de sortie&quot;. Entrez &quot;Total des volumes&quot;, le nombre d&#39;acquisitions rejeté et les TR. </li><li> Dans l&#39;onglet &quot;Statistiques&quot;, sélectionnez l&#39;option &quot;Utiliser FILM pré-blanchir&quot; case 16. Appuyez sur le «modèle complet soibouton tup &quot;. Réglez le &quot;Nombre de véhicules électriques d&#39;origine&quot; au nombre des conditions de tâches. Pour chaque condition, sélectionnez &quot;(format de la colonne 3) personnalisée&quot; dans le menu déroulant forme de base et &quot;Double-Gama HRF du&quot; menu &quot;de convolution déroulant 17,18 et sélectionnez un fichier texte contenant la tâche timing. <ol><li> Formater ce fichier texte en 3 colonnes avec une entrée pour chaque «événement» du type donné. La première colonne doit contenir le temps de déclenchement (en secondes), le second devrait contenir la durée (en secondes), et le troisième doit contenir le poids de l&#39;événement. Dans l&#39;onglet Contraste &amp; F-tests, en créer un contraste pour chaque condition de tâche et un pour chaque comparaison. </li></ol></li><li> Sur les &quot;Post-stats&quot;, sélectionnez &quot;cluster&quot; dans le menu déroulant &quot;Seuil&quot; et définir le &quot;seuil de Z&quot; et Cluster P te seuil de 0,05 à 2,3 et 8,19 respectivement. </li><li> Dans l&#39;onglet «Inscription», sélectionnez «Principal image structurale&quot;. Entrez le chemin vers le crâne dénudé pondérée en T1 l&#39;image de l&#39;objet. Utilisez une recherche normale linéaire avec au moins 6 degrés de liberté. Sélectionnez «l&#39;espace standard&quot; case à cocher. Entrez le chemin de l&#39;image de l&#39;atlas de l&#39;INM. Utilisez, une recherche linéaire normale avec 12 DOF. Appuyez sur &quot;Go&quot;. </li></ol></li><li> Niveau 2: Comparaison des données entre les points pour chaque condition de la tâche. Ouvrir FEAT. Sélectionnez &quot;analyse au niveau supérieur» et «Statistiques + Post-stats&quot; du menu déroulant. <ol><li> Dans l&#39;onglet Données, sélectionnez &quot;entrées sont des répertoires de FEAT niveau inférieur&quot;. Réglez le nombre d&#39;entrées et entrez le chemin d&#39;accès à chacune des images IRM. Entrez un chemin pour le &quot;répertoire de sortie&quot;. </li><li> Dans l&#39;onglet «Statistiques», changer les «effets mixtes: FLAME1&quot; boîte de sélection sur «Fixed Effets &quot;. Appuyez sur le&quot; assistant de configuration Modèle &quot;bouton. Sélectionnez&quot; moyenne de groupe unique »et cliquez sur le bouton&quot; Process &quot;. </li><li> Dans l&#39;onglet &quot;Post-stats», sélectionnez «cluster» dans le menu déroulant &quot;Seuil&quot; et définir le &quot;seuil de Z&quot; et le seuil &quot;Cluster P&quot; à 2,3 et 0,05 respectivement 8,19. Appuyez sur &quot;Go&quot;. </li></ol></li><li> Niveau 3: Comparer les données entre les sujets pour chaque condition de travail dans toutes les courses. Ouvrir FEAT. Sélectionnez &quot;analyse au niveau supérieur» et «Statistiques + Post-stats&quot; du menu déroulant. <ol><li> Dans l&#39;onglet Données, sélectionnez &quot;entrées sont en 3D face images à partir de répertoires de Feat.&quot; Définir le nombre d&#39;entrées et entrez le chemin à chacune des images IRM. Entrez un chemin pour le &quot;répertoire de sortie&quot;. </li><li> Sur le «Statistiques» tab, Appuyez sur le &quot;setup complet de modèle&quot;. Définissez le nombre de véhicules électriques égal au nombre de variables et covariables groupes tels que le groupe de diagnostic, l&#39;âge, le sexe, etc. Entrez les valeurs pour chaque objet (entrée 1 - entrée N) pour chaque EV. Vous pouvez utiliser la fenêtre &quot;Coller&quot; pour copier une feuille de calcul de ces valeurs. <ol><li> Dans l&#39;onglet &quot;Contrastes &amp; F-tests&quot;, ajouter un contraste pour chaque variable de test et pour chaque contraste (par exemple, le groupe de diagnostic). Pour chaque variable d&#39;essai, régler le contraste en sélectionnant la valeur 1 dans la colonne sous l&#39;EV appropriée. Pour chaque contraste, réglez la première valeur à 1 et la deuxième à -1. Sélectionnez &quot;Terminé&quot;. </li></ol></li><li> Dans l&#39;onglet &quot;Post-stats&quot;, sélectionnez &quot;cluster&quot; dans le menu déroulant &quot;Seuil&quot; et définir le &quot;seuil de Z&quot; et le seuil &quot;Cluster P&quot; à 2,3 et 0,05 respectivement 8,19 </sup&gt;. Appuyez sur &quot;Go&quot;. </li></ol></li></ol>

<ol><li>Kety, S. S., Rosenthal, D., Wender, P. H., Schulsinger, F. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Mental+illness+in+the+biological+and+adoptive+families+of+adpoted+schizophrenics%5BTitle%5D)+AND+%22Am+J+Psyc%22%5BJournal%5D)">Mental illness in the biological and adoptive families of adpoted schizophrenics.</a> Am J Psyc. 128, 302-306 (1971).</li>
<li>Weinberger, D. R. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Implications+of+normal+brain+development+for+the+pathogenesis+of+schizophrenia%5BTitle%5D)+AND+%22Arch+Gen+Psychia%22%5BJournal%5D)">Implications of normal brain development for the pathogenesis of schizophrenia.</a> Arch Gen Psychia. 44, 660-669 (1987).</li>
<li>Nuechterlein, K. H., Dawson, M. E. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Information+processing+and+attentional+functioning+in+the+developmental+course+of+schizophrenic+disorders%5BTitle%5D)+AND+%22Schizophr+Bul%22%5BJournal%5D)">Information processing and attentional functioning in the developmental course of schizophrenic disorders.</a> Schizophr Bul. 10, 160-203 (1984).</li>
<li>Nuechterlein, K. H. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((The+vulnerability%2Fstress+model+of+schizophrenic+relapse%3A+a+longitudinal+study%5BTitle%5D)+AND+%22Acta+Psychiatr+Scand%2C+Supp%22%5BJournal%5D)">The vulnerability/stress model of schizophrenic relapse: a longitudinal study.</a> Acta Psychiatr Scand, Supp. 382, 58-64 Forthcoming.</li>
<li>Keshavan, M. S. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Premorbid+cognitive+deficits+in+young+relatives+of+schizophrenia+patients%5BTitle%5D)+AND+%22Front+Hum+Neurosc%22%5BJournal%5D)">Premorbid cognitive deficits in young relatives of schizophrenia patients.</a> Front Hum Neurosc. 3 (62), (2010).</li>
<li>Kiehl, K. A., Liddle, P. F. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((An+event-related+functional+magnetic+resonance+imaging+study+of+an+auditory+oddball+task+in+schizophrenia%5BTitle%5D)+AND+%22Schizophr+Re%22%5BJournal%5D)">An event-related functional magnetic resonance imaging study of an auditory oddball task in schizophrenia.</a> Schizophr Re. 48, 159-171 (2001).</li>
<li>Bramon, E. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Is+the+P300+wave+an+endophenotype+for+schizophrenia%3F+A+meta-analysis+and+a+family+study%5BTitle%5D)+AND+%22Neuroimag%22%5BJournal%5D)">Is the P300 wave an endophenotype for schizophrenia? A meta-analysis and a family study.</a> Neuroimag. 27, 960-968 (2005).</li>
<li>Dichter, G. S., Bellion, C., Casp, M., Belger, A. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Impaired+modulation+of+attention+and+emotion+in+schizophrenia%5BTitle%5D)+AND+%22Schizophr+Bul%22%5BJournal%5D)">Impaired modulation of attention and emotion in schizophrenia.</a> Schizophr Bul. 36, 595-606 (2010).</li>
<li>Fichtenholtz, H. M. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Emotion-attention+network+interactions+during+a+visual+oddball+task%5BTitle%5D)+AND+%22Brain+Res+Cogn+Brain+Re%22%5BJournal%5D)">Emotion-attention network interactions during a visual oddball task.</a> Brain Res Cogn Brain Re. 20, 67-80 (2004).</li>
<li>Voyvodic, J. T. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Real-time+fMRI+paradigm+control%2C+physiology%2C+and+behavior+combined+with+near+real-time+statistical+analysis%5BTitle%5D)+AND+%22Neuroimag%22%5BJournal%5D)">Real-time fMRI paradigm control, physiology, and behavior combined with near real-time statistical analysis.</a> Neuroimag. 10, 91-106 (1999).</li>
<li><a target="_blank" href="http://scholar.google.com/scholar?hl=en&safe=off&q=%22International+affective+picture+system+%28IAPS%29%3A+Digitized+photographs%2C+instruction+manual+and+affective+ratings.+Technical+Report+A-6%22">International affective picture system (IAPS): Digitized photographs, instruction manual and affective ratings. Technical Report A-6</a>. , The Center for Research in Psychophysiology, University of Florida. (2005).</li>
<li>Smith, S. M. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Advances+in+functional+and+structural+MR+image+analysis+and+implementation+as+FSL%5BTitle%5D)+AND+%22Neuroimag%22%5BJournal%5D)">Advances in functional and structural MR image analysis and implementation as FSL.</a> Neuroimag. 23, 208-219 (2004).</li>
<li>Smith, S. M. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Fast+robust+automated+brain+extraction%5BTitle%5D)+AND+%22Hum+Brain+Map%22%5BJournal%5D)">Fast robust automated brain extraction.</a> Hum Brain Map. 17, 143-155 (2002).</li>
<li>Jenkinson, M., Bannister, P., Brady, M., Smith, S. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Improved+optimization+for+the+robust+and+accurate+linear+registration+and+motion+correction+of+brain+images%5BTitle%5D)+AND+%22Neuroimag%22%5BJournal%5D)">Improved optimization for the robust and accurate linear registration and motion correction of brain images.</a> Neuroimag. 17, 825-841 (2002).</li>
<li>Jenkinson, M., Smith, S. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((A+global+optimisation+method+for+robust+affine+registration+of+brain+images%5BTitle%5D)+AND+%22Med+Image+Ana%22%5BJournal%5D)">A global optimisation method for robust affine registration of brain images.</a> Med Image Ana. 5, 143-156 (2001).</li>
<li>Woolrich, M. W., Ripley, B. D., Brady, M., Smith, S. M. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Temporal+autocorrelation+in+univariate+linear+modeling+of+FMRI+data%5BTitle%5D)+AND+%22Neuroimag%22%5BJournal%5D)">Temporal autocorrelation in univariate linear modeling of FMRI data.</a> Neuroimag. 14, 1370-1386 (2001).</li>
<li>Beckmann, C. F., Jenkinson, M., Smith, S. M. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((General+multilevel+linear+modeling+for+group+analysis+in+FMRI%5BTitle%5D)+AND+%22Neuroimag%22%5BJournal%5D)">General multilevel linear modeling for group analysis in FMRI.</a> Neuroimag. 20, 1052-1063 (2003).</li>
<li>Woolrich, M. W., Behrens, T. E., Beckmann, C. F., Jenkinson, M., Smith, S. M. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Multilevel+linear+modelling+for+FMRI+group+analysis+using+Bayesian+inference%5BTitle%5D)+AND+%22Neuroimag%22%5BJournal%5D)">Multilevel linear modelling for FMRI group analysis using Bayesian inference.</a> Neuroimag. 21, 1732-1747 (2004).</li>
<li>Genovese, C. R., Lazar, N. A., Nichols, T. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Thresholding+of+statistical+maps+in+functional+neuroimaging+using+the+false+discovery+rate%5BTitle%5D)+AND+%22Neuroimag%22%5BJournal%5D)">Thresholding of statistical maps in functional neuroimaging using the false discovery rate.</a> Neuroimag. 15, 870-878 (2002).</li>
<li>Hart, S. J. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Altered+fronto-limbic+activity+in+children+and+adolescents+with+familial+high+risk+for+schizophrenia.%5BTitle%5D)+AND+%22Psychiatry+Re%22%5BJournal%5D)">Altered fronto-limbic activity in children and adolescents with familial high risk for schizophrenia.</a> Psychiatry Re. 212, 19-27 (2013).</li>
<li>Hariri, A. R., Bookheimer, S. Y., Mazziotta, J. C. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Modulating+emotional+responses%3A+effects+of+a+neocortical+network+on+the+limbic+system%5BTitle%5D)+AND+%22Neurorepor%22%5BJournal%5D)">Modulating emotional responses: effects of a neocortical network on the limbic system.</a> Neurorepor. 11, 43-48 (2000).</li>
<li>Gottesman, I. I., Gould, T. D. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((The+endophenotype+concept+in+psychiatry%3A+etymology+and+strategic+intentions%5BTitle%5D)+AND+%22Am+J+Psyc%22%5BJournal%5D)">The endophenotype concept in psychiatry: etymology and strategic intentions.</a> Am J Psyc. 160, 636-645 (2003).</li>
<li>Glahn, D. C., Thompson, P. M., Blangero, J. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Neuroimaging+endophenotypes%3A+strategies+for+finding+genes+influencing+brain+structure+and+function%5BTitle%5D)+AND+%22Hum+Brain+Map%22%5BJournal%5D)">Neuroimaging endophenotypes: strategies for finding genes influencing brain structure and function.</a> Hum Brain Map. 28, 488-501 (2007).</li>
</ol>

Le Dr Perkins reçoit actuellement une subvention de Janssen et est consultant auprès de Dainippon. Dans le passé, le Dr Perkins est ou a été membre du bureau des conférenciers d’Eli Lilly et d’AstraZeneca. Le Dr Perkins a déjà reçu des subventions d’AstraZeneca, de Bristol-Myers Squibb, d’Otsuka, d’Eli Lilly, de Janssen et de Pfizer ; et les frais de consultation et de formation d’AstraZeneca, de Bristol-Myers Squibb, d’Eli Lilly, de Janssen, de Glaxo Smith Kline, de Forest Labs, de Pfizer et de Shire. Tous les autres auteurs ne déclarent aucun intérêt financier biomédical ou conflit d’intérêts potentiel.

Il a été démontré que le paradigme modifié de l’excentricité émotionnelle dans l’étude actuelle suscite des différences dans le recrutement neuronal lors de l’attention sélective et du traitement émotionnel chez les enfants et les adolescents à risque de schizophrénie. Bien que les paradigmes existants utilisant la tâche de l’excentrique émotionnel aient été utilisés pour étudier les changements neuronaux dans les populations adultes atteintes de maladies psychiatriques8, le paradigme actuel peut être particul...

La schizophrénie est un trouble neurodéveloppemental avec une composante génétique connue1,2 et avec des symptômes comprenant des déficits dans le traitement exécutif et émotionnel3,4. On pense que les parents au premier degré courent un risque accru de développer une schizophrénie et qu’ils partagent certains de ces mêmes déficits neurocognitifs dans les domaines cognitif et socio-émotionnel5. Nous nous attendons donc à ce que l’activité cérébrale dans les régions associées au traitement exécutif et émotionnel puisse être modifiée chez les membres de la famille à risque avant l’apparition des symptômes cliniques. 
Des études antérieures ont indiqué que les adultes atteints de schizophrénie et les adultes à haut risque familial présentent une activité aberrante au sein des réseaux exécutifs et de traitement émotionnel ; cependant, on ne sait pas comment ces changements se produisent au cours du développement. Démontrer que ces changements se produisent tôt dans la vie sera une première étape essentielle pour comprendre la physiopathologie de la maladie. Par conséquent, cette étude utilise un paradigme émotionnel bizarre pendant l’IRM fonctionnelle (IRMf) afin de mesurer l’activité cérébrale pendant l’accomplissement d’une tâche qui nécessite à la fois un traitement exécutif et émotionnel chez les adolescents à risque de développer une schizophrénie. Des paradigmes bizarres sont fréquemment utilisés pour examiner la fonction des circuits fronto-striés chez la schizophrénie6 et chez les individus à haut risque familial7 en mesurant les processus d’attention sélective attribués aux stimuli cibles pertinents à la tâche. Ici, une tâche standard bizarre a été modifiée pour inclure des stimuli aversifs et neutres non pertinents qui ont montré qu’ils provoquent des changements dans l’activité cérébrale chez les patients atteints de schizophrénie8. 
Cet article mesure les différences fonctionnelles entre les adolescents en bonne santé et les adolescents à haut risque familial de schizophrénie à l’aide d’une tâche émotionnelle bizarre. La conception de la tâche est similaire à celle utilisée par Fichtenholtz et ses collègues9, mais la sélection d’images émotionnelles aversives a été modifiée pour convenir aux enfants âgés de 9 à 18 ans. L’utilisation de cette tâche pendant l’IRM fonctionnelle a permis d’identifier des régions cérébrales spécifiques qui présentaient des modèles d’hyperactivation et d’hypoactivation chez les enfants et les adolescents atteints de FHR pour la schizophrénie, en plus des changements liés à l’âge dans l’activité neuronale au cours du développement de l’adolescent.

<table><tbody><tr><td>Scanner IRM 3T</td><td>SCANNER GE</td><td></td><td>BIAC scanner 3T (remplacé)</td></tr></tbody></table>

mesure de fronto-limbique activité en utilisant une oddball groupe émotionnelle chez les enfants atteints familiale à risque élevé pour la schizophrénie

Measurement of Fronto-limbic Activity Using an Emotional Oddball Task in Children with Familial High Risk for Schizophrenia

L’adolescence est une période critique du développement où les premiers symptômes de la schizophrénie apparaissent fréquemment. Les parents au premier degré de personnes atteintes de schizophrénie qui sont à haut risque familial (FHR) peuvent présenter des changements cognitifs et émotionnels similaires. Cependant, les changements neurologiques sous-jacents à l’émergence de ces symptômes restent incertains. Cette étude a cherché à identifier les différences dans les régions frontale, striatale et limbique chez les enfants et les adolescents atteints de FHR à l’aide de l’imagerie par résonance magnétique fonctionnelle. Des groupes de 21 enfants et adolescents à FHR et 21 témoins sains ont accompli une tâche émotionnelle bizarre qui reposait sur une attention sélective et la suppression d’informations émotionnelles non pertinentes. La tâche standard a été modifiée pour inclure des distracteurs aversifs et neutres afin d’examiner les différences potentielles entre les groupes dans le traitement émotionnel et exécutif. Cette tâche a été conçue spécifiquement pour permettre aux enfants et aux adolescents de la compléter en gardant la difficulté et le contenu de l’image émotionnelle adaptés à l’âge. De plus, nous démontrons une technique d’enregistrement approprié de l’IRMf pour les enfants et les adolescents participants. Ce paradigme pourrait également être appliqué dans de futures études pour mesurer les changements dans l’activité neuronale dans d’autres populations avec des changements développementaux hypothétiques dans le traitement exécutif et émotionnel.

Il n&#39;y avait aucune différence entre les groupes en fonction de caractéristiques démographiques 20. Les données comportementales indiquent que la tâche de détection de cible est à un niveau de difficulté approprié pour les enfants et les adolescents âgés de 9-18. Dans l&#39;étude actuelle, les contrôles correctement identifié 82,36% des objectifs (SD = 0,14), et le groupe de risque familial correctement identifié 76,8% des objectifs (SD = 0,17). Les deux groupes ont montré une diminution...

Cet article décrit comment utiliser la tâche d’excentricité émotionnelle et l’IRMf pour mesurer l’activation cérébrale chez les enfants et les adolescents à haut risque familial de schizophrénie (FHR). L’IRMf a été utilisée pour mesurer les différences dans les régions fronto-striato-limbiques au cours d’une tâche d’excentricité émotionnelle. Les enfants atteints de FHR ont présenté une activation fonctionnelle anormale à l’adolescence.

Mesure de fronto-limbique activité en utilisant une Oddball Groupe émotionnelle chez les enfants atteints familiale à risque élevé pour la schizophrénie

Adolescence is a critical developmental period where the early symptoms of schizophrenia frequently emerge. First-degree relatives of people with ...

L'objectif général de cette procédure est de réaliser une imagerie par résonance magnétique (IRM) chez des enfants et des adolescents pendant l'exécution d'une tâche émotionnelle de type « oddball ». Cela est réalisé en concevant tout d'abord une tâche émotionnelle « oddball » adaptée aux enfants. La deuxième étape consiste à permettre aux participants de s'entraîner à exécuter la tâche dans un environnement de scanner simulé.Ensuite, les participants effectuent la même tâche dans le scanner IRM. La dernière étape consiste à analyser les données comportementales et d'imagerie. En définitive, l'imagerie fonctionnelle durant la tâche d'oddball émotionnel.Dans les parents au premier degré de schizophrènes, on observe une activation réduite du circuit fronto-strié et une réponse aux stimuli cibles chez les enfants et adolescents à risque. Le principal avantage de cette technique réside dans sa capacité à permettre une imagerie non invasive du cerveau d'enfants et d'adolescents pendant qu'ils accomplissent des fonctions cognitives. Bien que cette méthode puisse fournir des informations sur la schizophrénie, elle peut également être appliquée à d'autres troubles psychiatriques développementaux tels que le trouble bipolaire ou l'autisme, ou à d'autres affections cérébrales telles que le trouble de stress post-traumatique.En général, les personnes novices dans la réalisation de cette méthode éprouvent des difficultés, car de nombreuses étapes sont nécessaires pour concevoir une expérience, acquérir les images, programmer les pipelines d'analyse et de traitement d'images, et appliquer les plans expérimentaux appropriés à leur projet. Les enfants participants ainsi que les personnes présentant des troubles neuropsychiatriques éprouvent également des difficultés, car les procédures exigent qu'ils restent immobiles pendant une séance d'IRM typique tout en accomplissant des tâches comportementales. De plus, les procédures nécessitent une communication claire et une transmission efficace des informations entre l'expérimentateur et le participant, ce qui requiert une formation considérable.Pour commencer, utilisez le logiciel Siegel afin de générer une tâche comportementale fondée sur des événements, présentant des stimulis cibles peu fréquents, tels qu’un cercle inséré dans une séquence de stimulis standards plus fréquents, comme des images brouillées. Sélectionnez un ensemble de stimulis aversifs et un ensemble de stimulis neutres dans la base de données International Effective Picture System. Ces images sont cotées sur une échelle de un à neuf, les chiffres plus élevés indiquant un niveau de valence et d’activation plus positif.Sélectionnez un ensemble d'images adaptées à l'âge du groupe d'étude, telles que des photos de serpents, d'araignées ou d'autres animaux. Programmez le script de la tâche de manière à ce que les images soient présentées dans un ordre pseudo-aléatoire pendant 1 500 millisecondes, avec un intervalle moyen de 500 millisecondes entre chaque stimulus cible ; présentez des images neutres, sans rapport avec la tâche, au maximum toutes les 15 secondes, en les limitant à environ 4 % des stimuli. Veillez à introduire une variation aléatoire des temps de début des événements afin d'obtenir une meilleure résolution de la fonction de réponse hémodynamique. Créez un total de huit ensembles d'images, un pour chacune des huit séries fonctionnelles.Recrutez des participants âgés de neuf à 18 ans qui présentent un risque familial élevé de psychose, ainsi que des témoins sains. Obtenez le consentement éclairé des participants ou de leurs tuteurs légaux, ainsi que l'assentiment des mineurs prenant part à l'étude. Commencez par placer les participants dans un scanner IRM factice afin de les familiariser avec l'environnement de l'IRM.Ensuite, assurez-vous qu'ils comprennent les instructions de la tâche et diffusez un enregistrement audio du bruit du scanner pendant qu'ils effectuent un essai de la tâche comportementale. Demandez au participant d'utiliser la même boîte d'entrée sans danger pour l'IRM qui sera utilisée pendant la vraie séance d'IRM et indiquez-lui d'appuyer sur un bouton avec son doigt index en réponse à tous les stimuli cibles, et sur un autre bouton avec son doigt médian pour tous les autres stimuli. Une fois que le sujet se sent à l'aise dans le scanner factice, placez-le dans un scanner d'IRM de 3,0 Tesla.Tout d'abord, acquérez un ensemble d'images structurelles comprenant une image anatomique T1 pondérée en 3D coplanaire, en utilisant une séquence d'impulsions en gradient écho altéré. Ensuite, acquérez les données d'imagerie fonctionnelle à l'aide d'une séquence d'imagerie en écho de gradient (écho planaire) avec une couverture cérébrale complète. Pour mesurer l'activité cérébrale pendant la tâche comportementale, utilisez cette séquence d'imagerie pour chaque série de la tâche comportementale : présentez la tâche en huit séries fonctionnelles, chacune durant environ quatre minutes et composée de 120 points temporels d'imagerie.Commencez l'analyse en prétraitant les images : ouvrez l'outil d'analyse experte FMRI dans le logiciel FSL et sélectionnez l'analyse de premier niveau et le prétraitement statistique. Ensuite, dans l'onglet données, sélectionnez le nombre d'images d'entrée et le chemin vers chacune des images IRM. Définissez également le répertoire de sortie.Saisissez les volumes totaux, le nombre d'acquisitions rejetées et le TR. Ensuite, dans l'onglet pré-stats, configurez la correction du mouvement sur MFL avec lissage spatial complet et une demi-largeur à mi-hauteur de cinq millimètres, et sélectionnez la correction du chronométrage des coupes. Ne sélectionnez pas la correction de distorsion B zéro et la normalisation d'intensité, mais sélectionnez l'extraction du cerveau par BET et le filtrage temporel passe-haut. Puis, dans l'onglet d'enregistrement pour l'image structurelle principale, saisissez le chemin vers le scan T1 sans crâne du sujet.Utilisez une recherche linéaire normale avec au moins six degrés de liberté. Ensuite, sélectionnez l'espace standard et saisissez le chemin vers l'image de l'atlas MNI. Utilisez une recherche linéaire normale avec 12 degrés de liberté, excluez les participants présentant un mouvement de la tête supérieur à trois millimètres.À présent, pour comparer les données entre les conditions de tâche au sein d’un même essai, sélectionnez l’analyse de premier niveau, les statistiques et les statistiques postérieures. Dans l’onglet données, définissez le nombre d’entrées et saisissez le chemin vers chacune des images IRM ainsi que le répertoire de sortie. Saisissez le nombre total de volumes, le nombre d’acquisitions écartées et la valeur de TR. Ensuite, dans l’onglet statistiques, sélectionnez l’option utiliser FILM, la préblanchiment et la configuration complète du modèle.Définir le nombre d'EV d'origine au nombre de conditions de tâche. Pour chaque condition, sélectionner le format personnalisé à trois colonnes dans le menu de forme de base et le HRF gamma double dans le menu de convolution, puis sélectionner le fichier texte contenant le format de temporisation de la tâche. Ce fichier texte comporte trois colonnes avec une entrée pour chaque événement.La première colonne doit contenir l'heure de début. La deuxième doit contenir la durée et la troisième, le poids de l'événement. Maintenant, dans l'onglet Contraste et test F, créez un contraste pour chaque condition de test et, dans les statistiques postérieures, sélectionnez « cluster » dans le menu de seuil et réglez le seuil Z et le seuil de probabilité du cluster à 2,3 et 0,05 respectivement.Ensuite, dans l'onglet d'enregistrement, sélectionnez l'image structurelle principale et saisissez le chemin d'accès au crâne du sujet. Image T1 désencéphalée. Utilisez une recherche normale linéaire avec au moins six degrés de liberté et sélectionnez l'espace standard.Entrez le chemin vers l'image de l'atlas MNI et utilisez une recherche linéaire normale avec 12 degrés de liberté. Ensuite, pour l'analyse de second niveau, comparez les données entre les séries. Pour chaque condition de tâche, sélectionnez l'analyse de niveau supérieur et les statistiques, ainsi que les statistiques postérieures.Ensuite, dans l'onglet données, sélectionnez les répertoires inférieurs des pieds comme entrées. Définissez le nombre d'entrées et saisissez le chemin menant à chacune des images IRM. Indiquez également le chemin du répertoire de sortie, le nombre total de volumes des acquisitions rejetées et le TR. Dans l'onglet statistiques, remplacez l'effet mixte FLAME 1 par un effet fixe.À l’aide de l’assistant de configuration du modèle, sélectionnez la moyenne d’un seul groupe et lancez le traitement. Ensuite, dans l’onglet post-ADS, choisissez « cluster » dans le menu de seuil et réglez le seuil Z et le seuil de probabilité du cluster à 2,3 et 0,05 respectivement. Pour comparer les données entre les sujets pour chaque condition de tâche sur toutes les séries, sélectionnez l’analyse de niveau supérieur ainsi que stats et post-stats.Dans l'onglet données, sélectionnez les images COPE 3D provenant des répertoires des pieds. Définissez le nombre d'entrées et saisissez le chemin vers chacune des images. Indiquez le répertoire de sortie, le nombre total de volumes, le nombre d'acquisitions rejetées et le TR. Ensuite, dans l'onglet statistiques, sélectionnez la configuration complète du modèle.Définissez le nombre de VEV égal au nombre de variables de groupe et de covariables. Saisissez les valeurs pour chaque sujet correspondant à chaque VEV. Enfin, par contraste, envoyez les tests F.Ajoutez un contraste pour chaque variable testée et pour chaque contraste. Pour chaque variable testée, définissez le contraste en sélectionnant une valeur dans la colonne sous l'ev approprié. Pour chaque contraste, réglez la première valeur à un et la seconde à moins un.Ensuite, dans les statistiques postérieures, sélectionnez « cluster » dans le menu déroulant de seuil et réglez le seuil Z et le seuil de cluster P à 2,3 et 0,05 respectivement. Ici, nous pouvons observer des cartes d'activation montrant les différences entre les groupes telles qu'observées. Dans ce cas, le groupe à risque familial élevé présentait une activation plus importante que les témoins lors du traitement des cibles.Dans ces zones, les témoins présentaient une activation plus importante que le groupe à risque familial élevé lors du traitement de la cible. Ici, le groupe à risque familial élevé s'activait davantage que les témoins lors du contraste désagréable par rapport au neutre, et ici les témoins s'activaient davantage que le groupe à risque familial élevé lors du contraste désagréable par rapport au neutre ; ces cartes d'activation révélaient des différences de groupe liées à l'âge. Les zones observées ici montrent une corrélation positive plus marquée avec l'âge dans le groupe à risque familial élevé par rapport aux témoins lors du traitement de la cible.Ici, nous observons des zones présentant une corrélation positive plus marquée avec l'âge chez les témoins que chez le groupe à risque familial élevé lors du conditionnement aversif, comparativement à l'effet neutre. Il ne faut pas oublier que travailler avec des sujets dans l'environnement de l'appareil d'imagerie par résonance magnétique (IRM) peut présenter des risques extrêmement élevés. Des précautions telles que le dépistage de sécurité en IRM, ainsi que des mesures appropriées assurant la sécurité et le confort, ainsi qu'une formation adéquate, doivent toujours être prises lors de la réalisation de cette procédure.Cette technique a également permis de mettre au point une nouvelle méthode pour visualiser les processus neuronaux anormaux dans les troubles cérébraux tels que la schizophrénie, l'autisme et le trouble de stress post-traumatique. Lors de la réalisation de cette procédure, il est important de garder à l'esprit qu'il faut communiquer avec les participants afin de les aider à rester calmes et concentrés. Une fois maîtrisée, cette technique peut être réalisée en deux heures si elle est effectuée correctement.Après cette procédure, d'autres méthodes telles que l'EEG peuvent être réalisées afin de répondre à des questions supplémentaires sur la synchronie neurologique dans des cohortes similaires.

measurement-fronto-limbic-activity-using-an-emotional-oddball-task

Research

Recherche

JoVE Journal

Behavior

Comportement

Nous présentons un protocole qui permet enquête sur les corrélats neuraux de régulation émotionnelle délibérée et automatique, en utilisant l'imagerie par résonance magnétique. Ce protocole peut être utilisé chez des participants sains, jeunes et âgés, ainsi que chez les patients cliniques.

Investigation d&#39;imagerie cérébrale de les corrélats neuraux de régulation des émotions

Nous présentons un protocole qui permet l'étude des mécanismes neuraux de l'impact néfaste de l'émotion sur la cognition, en utilisant l'imagerie par résonance magnétique. Ce protocole peut être utilisé avec les participants à la fois sain et cliniques.

Investigation d&#39;imagerie cérébrale de l&#39;effet de nuire à l&#39;émotion sur la cognition

Le but de notre recherche est de corréler le comportement de l'activité du cerveau. Précis des mesures comportementales et techniques d'imagerie nous permettent d'élucider les relations cerveau-comportement.

Corrélation entre réponses comportementales aux signaux IRMf de cortex préfrontal humain: l&#39;examen des processus cognitifs en utilisant l&#39;analyse des tâches

Ce protocole présente une nouvelle méthodologie pour le décodage neuronal de l’intention de nourrissons se comportant librement lors d’une interaction sociale non scénarisée avec un acteur. L’activité neuronale est acquise à l’aide d’une électroencéphalographie active du cuir chevelu (EEG) non invasive et à haute densité. Les données cinématiques sont collectées à l’aide d’unités de mesure inertielle et complétées par un enregistrement vidéo synchronisé.

Une nouvelle approche expérimentale et analytique à l&#39;multimodal Neural Décodage d&#39;intention lors de l&#39;interaction sociale dans Librement-comporter nourrissons humains

L’effet Stroop émotionnel (ESE) est le résultat de latences de nommage plus longues pour les couleurs d’encre des mots émotionnels que celles des mots neutres. Ce rapport fait référence aux sources potentielles de confusion et comprend une expérience modale qui fournit les moyens de les contrôler.

Le Stroop Tâche émotionnelle: Évaluation de la performance cognitive sous exposition au contenu émotionnel

Un protocole expérimental EEG est conçu pour clarifier l'interaction entre les représentations conscientes et non conscientes de visages émotionnels chez les patients atteints du syndrome d'Asperger. La technique suggère que les patients atteints du syndrome d'Asperger ont des déficits dans la représentation non-consciente des visages émotionnels, mais ont des performances comparables dans la représentation consciente avec des témoins sains.

Représentations conscientes et non conscientes de visages émotionnels dans le syndrome d&#39;Asperger

Un protocole détaillé pour un paradigme expérimental pour évaluer l'efficacité avec laquelle les enfants régulent l'émotion est décrite. Les enfants sont assignés au hasard à utiliser des stratégies de régulation des émotions spécifiques, les émotions négatives sont provoquées avec des extraits de films, et des changements dans la suite indice de psychophysiologie la mesure dans laquelle la régulation des émotions est efficace.

Évaluation psychophysiologique de l&#39;efficacité des stratégies Emotion Règlement dans l&#39;enfance

Ce protocole est conçu pour mesurer l’anticipation de la récompense et le traitement chez les jeunes enfants avec et sans autisme. Plus précisément, le protocole vise à étudier les corrélats neurones de la récompense lors de conditions sociales et dérangées tout en contrôlant la récompense entre les conditions.

Un protocole d’électrophysiologie à mesure récompense Anticipation et le traitement chez les enfants

Ici, nous présentons un protocole pour effectuer une variété de tests comportementaux chez les bovins qui ont été conçus pour évaluer les émotions. Une batterie de tests comportementaux (essai sur le terrain ouvert, essai de sursauter, labyrinthe zéro bovin, vitesse de sortie, score de stylo et score de chute) ont été menées pour évaluer différents composants du tempérament animal.

L’utilisation de tests de peur traditionnels pour évaluer différents circuits émotionnels chez les bovins

Nous introduisons un protocole pour explorer les corrélats neuronaux d’une tâche de régulation cognitive des émotions, à savoir la réévaluation cognitive, à l’aide de l’imagerie par résonance magnétique fonctionnelle. Ce protocole a été utilisé chez des patients atteints de trouble obsessionnel-compulsif et des témoins sains, mais peut également être utilisé dans d’autres échantillons cliniques.

Explorer les corrélats neuronaux de la réévaluation cognitive dans le trouble obsessionnel-compulsif à l’aide de l’imagerie par résonance magnétique fonctionnelle basée sur la tâche

Découvrez la mesure de l'activité fronto-limbique par IRMf chez les enfants à haut risque familial de schizophrénie grâce à une tâche oddball émotionnelle. Cette méthode révèle des anomalies d'activation cérébrale.

Mesure de fronto-limbique activité en utilisant une Oddball Groupe émotionnelle chez les enfants atteints familiale à risque élevé pour la schizophrénie (Vidéo) | JoVE Journal

Mesure de fronto-limbique activité en utilisant une Oddball Groupe émotionnelle chez les enfants atteints familiale à risque élevé pour la schizophrénie

Explorer plus de vidéos