Connettività funzionale inter-soggetto dinamico rivela ad ogni istante cervello configurazioni di rete guidate da continuo o paradigmi di comunicazione
21 marzo 2019
L'obiettivo dell'approccio descritto è quello di determinare quali momenti del paradigma (prospettiva temporale) e tra le regioni (prospettiva spaziale), significative riconfigurazioni in connettività funzionale si verificano su formazione immagine a risonanza magnetica funzionale registrazioni durante il quale viene riprodotto uno stimolo tempo-bloccata.
Grazie al nostro metodo, i momenti nel tempo in cui le interdizioni cerebrali funzionali sono sincronizzate tra i soggetti possono essere determinati e visualizzati. Il vantaggio principale del nostro approccio è la sua capacità di tenere traccia dinamicamente dei cambiamenti nelle risposte cerebrali funzionali tra soggetti in modo statisticamente corretto. La nostra pipeline consente la valutazione della sincronicità tra segnali funzionali di soggetti diversi.
E questo può quindi essere confrontato tra diverse popolazioni come controlli sani e quelle colpite da malattie e disturbi come autismo e schizofrenia. Il nostro metodo può avvantaggiare qualsiasi ricerca che cerchi di tracciare dinamicamente la sincronia tra diversi set di corsi di tempo. E questo può essere applicato anche ad altre modalità di imaging come l'elettroencefalografia.
La dimostrazione visiva del metodo consentirà ai nuovi utenti di comprendere le diverse fasi di elaborazione del metodo e la funzionalità dell'interfaccia utente grafica. A dimostrare la procedura di imaging sarà Roberto Martuzzi, il principale operatore di risonanza magnetica del nostro centro di ricerca. Affinché ogni volontario sia considerato nell'analisi, eseguire almeno una sessione funzionale di risonanza magnetica o fMRI in cui il volontario scansionato è sottoposto al paradigma di interesse registrato nel tempo e una sessione di imaging funzionale in cui il volontario scansionato si trova a riposo nello scanner con gli occhi chiusi e viene istruito a non addormentarsi.
Quindi acquisire un volume strutturale di risonanza prima. Per aprire la prima finestra dell'interfaccia utente grafica di pre-elaborazione, immettete JOVE_GUI1 nel terminale MATLAB. Quindi fare clic su Immetti dati fMRI, selezionare i volumi funzionali riallineati appropriati e immettere il tempo di ripetizione dei dati in secondi nella finestra di testo modificabile dedicata.
Fare clic su Immettere i dati T1 e selezionare i tre volumi appropriati del tipo di tessuto probabilistico. Fate clic su Immetti file di movimento (Enter motion file) e selezionate il file di testo contenente i parametri di movimento della sessione di interesse. Quindi seleziona se i dati devono essere detrended o meno e quali covariati devono essere regredito.
Per pre-elaborazione dei dati, fare clic su Pre-elaborazione e attendere che la visualizzazione venga visualizzata nella finestra. I dati possono essere rielaborati in modo diverso modificando le opzioni e facendo nuovo clic sul pulsante Pre-elaborazione. Immettere quindi un JOVE_GUI2 nel terminale MATLAB per aprire la seconda finestra dell'interfaccia utente grafica di pre-elaborazione e fare clic su seleziona dati per selezionare il file di dati pre-elaborazione.
Fate clic su Seleziona atlante (Select atlas) e selezionate la Neuroimaging Informatics Technology Initiative o il file NIFTI che rappresenta l'atlante da utilizzare per la parcellazione. Fate clic su Seleziona ordito inverso (Select inverse warp) e selezionate il file NIFTI che rappresenta il campo di deformazione dall'Istituto neurologico di Montreal allo spazio nativo. Quindi fare clic su seleziona volume fMRI e selezionare uno qualsiasi dei volumi di dati fMRI.
Per immettere le informazioni relative allo scrubbing, nell'elenco dei tipi di pulitura selezionare il numero di fotogrammi da cancellare prima e dopo i fotogrammi contrassegnati. Nella finestra di testo della soglia di pulitura immettere il valore della soglia di spostamento per fotogramma al di sopra del quale un volume fMRI deve essere cancellato in millimetri. Immettere quindi le dimensioni della finestra scorrevole W da utilizzare per i calcoli Correlazione funzionale intersezione o ISFC nei tempi di ripetizione e fare clic su Plottaggio per visualizzare i corsi di tempo indicativi dell'atlante prima e dopo i passaggi di lavaggio e filtraggio.
Per i calcoli ISFC della finestra scorrevole, immettere JOVE_GUI3 nel terminale MATLAB per aprire la prima finestra dell'interfaccia utente grafica correlata a ISCF e fare clic su Carica dati per selezionare tutti i file di dati appropriati. Selezionare se i segmenti di sessione selezionati devono subire la randomizzazione di fase e immettere la dimensione della finestra nei tempi di ripetizione su cui devono essere calcolate le misurazioni della connettività, nonché la dimensione del passo nei tempi di ripetizione in base ai quali le finestre successive devono essere spostate. Modificare la tabella dei tipi di sessione per specificare quale dei segmenti di sessione caricati è stato acquisito sulla stessa condizione sperimentale utilizzando numeri interi crescenti da uno e fino a taggare i diversi tipi di segmenti.
Nelle finestre di testo modificabili appropriate, immettere il numero di pieghe di bootsstrapping su cui eseguire i calcoli ISFC e il numero di soggetti che devono costituire il gruppo di riferimento per ogni piegatura dei calcoli ISFC. Nella sezione parametri di temporizzazione immettere le specifiche relative alla sottoportazione dei corsi di tempo da analizzare e fare clic su Plottaggio per eseguire i calcoli ISFC. I display verranno gradualmente aggiornati nel tempo insieme alla quantità di pieghe di bootsstrapping trascorse.
Per aprire la seconda finestra dell'interfaccia utente grafica correlata a ISFC, immettete JOVE_GUI4 nel terminale MATLAB. Per selezionare i file di output ISFC correlati agli stimoli, fate clic su Carica dati ISFC (Load ISFC data) e selezionate i file di output ISFC correlati allo stimolo. Per selezionare i file di output ISFC null, fate clic su Carica dati null (Load null data) e selezionate lo stato di riposo ISFC o i file di output ISFC correlati agli stimoli randomizzati di fase a seconda dello schema di generazione dei dati null utilizzato.
Quindi fare clic su Carica codebook e selezionare il file del codebook. Nella finestra di testo modificabile appropriata immettere il valore alfa in percentuale in base al quale i corsi di tempo ISFC devono essere soglia per evidenziare le modifiche significative. Per costruire una distribuzione nulla, fate clic su Plottaggio (Plot) per avviare il processo di soglia ISFC per il quale tutte le misurazioni ISFC nulle disponibili vengono aggregate per una determinata connessione e dopo di che le misurazioni ISFC correlate allo stimolo verranno soglie in base al valore alfa selezionato.
Per visualizzare i motivi spaziali ISFC in diversi punti di tempo, trascinate il dispositivo di scorrimento sotto il plot di escursioni ISFC. In queste sessioni rappresentative, il filmato valutato è stato visualizzato da cinque a 353 secondi con un segmento di stato di riposo dopo il film da 386 a 678 secondi. Inoltre, è stata acquisita una sessione di stato a riposo esclusiva di 310 secondi per ogni argomento.
I corsi di tempo ISFC sono stati generati a lunghezze delle finestre di W 10 e W 5 tempi di ripetizione per tre diverse connessioni rappresentative che coinvolgono un'inibizione della risposta mediante della regione e un'altra coinvolta rispettivamente nell'aspettativa di oggetti in movimento, coordinazione sensoriale o elaborazione di significati di parole. Il rumore è maggiore a W 5 tempi di ripetizione e le modifiche ISFC bloccate nel tempo si osservano nella connessione uno e due corsi di orario di visione di film. Qui, la frazione di soggetti che mostrano transitori ISFC bloccati nel tempo statisticamente significativi viene mostrata per le stesse tre connessioni.
I transitori sono più numerosi a lunghezze di finestra più grandi poiché misurazioni ISFC più robuste facilitano l'estrazione e a valori alfa più grandi man mano che vengono rilevati più falsi positivi. In questi dati rappresentativi, un estratto cinematografico in particolare è stato coinvolto nell'inibizione della risposta legata agli oggetti in movimento e ha guidato cambiamenti ISFC diffusi. La lunghezza della finestra non deve essere né troppo breve per stime robuste né troppo lunga per catturare la dinamica ISFC.
E un valore alfa sufficientemente rigoroso dovrebbe essere usato per limitare i falsi positivi. Le misurazioni ISFC possono essere raggruppate in interi stati ISFC cerebrali per un esame delle caratteristiche temporali speciali. I transitori significativi dell'ISFC possono anche essere rappresentati come un grafico riflettente del flusso di informazioni.
Panoramica
Questo studio presenta un nuovo approccio per tracciare i cambiamenti dinamici nella connettività funzionale mediante risonanza magnetica funzionale (fMRI) durante stimoli sincronizzati nel tempo. Il metodo facilita la visualizzazione e la valutazione delle risposte cerebrali funzionali intersoggettive, permettendo confronti tra popolazioni sane e individui affetti da disturbi come l'autismo e la schizofrenia.
Componenti Chiave dello Studio
Area della Scienza
- Neuroscienze
- Imaging Funzionale
- Analisi della Connettività
Sfondo
- I metodi tradizionali di analisi dei dati fMRI potrebbero non catturare efficacemente i cambiamenti dinamici nella connettività.
- La connettività funzionale può variare tra soggetti diversi, influenzando l'interpretazione dei dati di neuroimmagine.
- L'identificazione di momenti e regioni significative di riconfigurazione della connettività funzionale è fondamentale per comprendere il funzionamento cerebrale.
Scopo dello studio
- Sviluppare un metodo per identificare interazioni funzionali cerebrali sincronizzate tra individui.
- Permettere la visualizzazione di questa sincronia al fine di facilitare la comprensione dei meccanismi neurali.
- Applicare il metodo per confrontare la connettività cerebrale tra individui sani e soggetti affetti da disturbi neuropsichiatrici.
Metodi Utilizzati
- Sono state utilizzate sessioni di risonanza magnetica funzionale (fMRI), sia durante un paradigma sincronizzato nel tempo che in stati di riposo.
- Lo studio ha previsto passaggi di preelaborazione in MATLAB, inclusa la selezione dei dati e la rimozione degli artefatti dovuti al movimento.
- La connettività dinamica è stata valutata mediante il calcolo della correlazione funzionale intersoggetto (ISFC) su finestre temporali definite.
- Sono stati impiegati strumenti visivi e interfacce grafiche (GUI) per una gestione ed analisi efficiente dei dati.
Risultati principali
- Il metodo consente il tracciamento dinamico della sincronizzazione intersoggettiva dei segnali cerebrali, rivelando momenti critici di cambiamento nella connettività.
- Popolazioni diverse hanno mostrato schemi distinti di connettività funzionale quando sottoposte agli stessi stimoli.
- Esempi illustrativi hanno mostrato variazioni nei profili temporali della ISFC in diverse condizioni sperimentali.
Conclusioni
- Questo studio dimostra una tecnica potente per analizzare la dinamica temporale e spaziale della connettività cerebrale.
- Le informazioni ottenute con il metodo potrebbero migliorare la nostra comprensione dei meccanismi di sincronizzazione neurale in condizioni fisiologiche e patologiche.
- L'approccio mostra potenzialità per applicazioni più ampie nell'ambito della neuroimmagine in diverse patologie.
Domande frequenti
Rilevanza Industriale del Contenuto
Questo metodo consente il tracciamento dinamico della connettività funzionale tra soggetti, fornendo un approccio statisticamente solido per isolare le riconfigurazioni della rete cerebrale guidate dallo stimolo rispetto alle fluttuazioni spontanee. Catturando la sincronizzazione momento per momento tra individui, supporta la validazione degli obiettivi nella ricerca neuropsichiatrica attraverso la riduzione del rischio meccanicistico delle ipotesi basate sulla connettività. La possibilità di confrontare popolazioni sane e affette da malattia migliora la fiducia predittiva nella scoperta di biomarcatori traslazionali e nell'allineamento dei modelli preclinici.
Applicazioni Strategiche nella Ricerca e Sviluppo in Biopharma
Scoperta Precoce e Validazione del Bersaglio
- Valore scientifico: Verifica ipotesi terapeutiche collegando specifici stimoli a modifiche sincronizzate nella connettività cerebrale tra soggetti.
- Valore operativo: Consente la riduzione del rischio biologico mediante un rigoroso processo di sogliatura che isola variazioni significative nelle correlazioni funzionali intersoggetto.
- Valore predittivo: Supporta la selezione del portafoglio identificando firme di connettività riproducibili associate a paradigmi cognitivi o comportamentali.
Sviluppo di Screening e Saggi
- Valore scientifico: Prepara sistemi biologici validati per flussi di lavoro successivi generando cronologie quantitative di correlazione funzionale intersoggetto.
- Valore operativo: Affronta la standardizzazione e la riproducibilità dei saggi mediante analisi con finestre mobili e ripiegamenti di bootstrap per un'analisi statistica robusta.
- Scalabilità: Evidenzia la prontezza per lo screening grazie a una pipeline e strumenti GUI disponibili pubblicamente, che ne consentono il riutilizzo su piattaforme in diversi laboratori.
Ricerca Translazionale e Preclinica
- Continuità Translazionale: Discute della rilevanza per le malattie consentendo confronti tra soggetti sani e popolazioni affette da disturbi come l'autismo e la schizofrenia.
- De-risking Meccanicistico: Descrive una continuità che va dalla scoperta alla validazione preclinica, catturando profili temporali e istantanee spaziali della riconfigurazione della connettività.
- Avanzamento Basato sul Rischio: Supporta le decisioni rappresentando transitori significativi di correlazione funzionale tra soggetti come grafi riflettenti il flusso di informazioni.
Integrazione di Pipeline e Flusso di Lavoro
Il metodo si inserisce nel percorso di scoperta che va dal test dell'ipotesi all'identificazione di un composto promettente, sostenendo l'analisi della connettività dinamica come filtro per valutare l'affidabilità del bersaglio prima dell'investimento preclinico.
- Biologia della Scoperta: Spiega come il metodo supporti la verifica di ipotesi monitorando le configurazioni momentanee delle reti cerebrali indotte da paradigmi continui o di comunicazione.
- Screening: Descrive la prontezza del saggio mediante il calcolo della correlazione funzionale tra soggetti in finestre temporali definite, con lunghezza della finestra e dimensione dello step regolabili.
- Analisi: Mette in evidenza misurazioni come le serie temporali della correlazione funzionale tra soggetti e i cambiamenti significativi soggetti a soglia, che permettono il confronto tra condizioni.
- Ricerca Translazionale: Collega il metodo alla continuità preclinica consentendo la visualizzazione di modelli di connettività associati a stimoli specifici, favorendo l'allineamento dei biomarcatori.
- Riutilizzo Aziendale: Presenta il metodo come una capacità riutilizzabile grazie a strumenti GUI basati su MATLAB e a un flusso di lavoro condiviso pubblicamente per la standardizzazione tra team.
Impatto Operativo ed Aziendale
- Valore scientifico: Affidabilità predittiva, validazione degli obiettivi, riduzione dell'ambiguità meccanicistica nelle ipotesi basate sulla connettività.
- Valore operativo: Standardizzazione, riproducibilità e scalabilità dell'analisi delle correlazioni funzionali tra soggetti attraverso diverse sessioni di imaging.
- Valore strategico: Decisioni più efficaci di avvio o interruzione dello sviluppo, maggiore efficienza nell'uso del capitale e riduzione del rischio biologico in fase avanzata nello sviluppo di farmaci neuropsichiatrici.
- Impatto sul portafoglio: Prioritizzazione e decisioni di avanzamento corrette per il rischio, basate su riconfigurazioni riproducibili delle reti cerebrali legate allo stimolo.
Considerazioni sull'implementazione
- È richiesta esperienza specifica nella pre-elaborazione di dati fMRI, nell'utilizzo di interfacce grafiche basate su MATLAB e nell'analisi delle correlazioni funzionali tra soggetti.
- Le esigenze strumentali includono l'acquisizione di dati di risonanza magnetica funzionale e strutturale, con compatibilità estesa anche all'elettroencefalografia.
- La standardizzazione tra gruppi di lavoro richiede un uso coerente dei parametri della finestra scorrevole, dei fold di bootstrap e della soglia alfa per la significatività.
- Le considerazioni relative all'adattamento in diversi sistemi modello implicano l'adeguamento della lunghezza della finestra e dell'intervallo di avanzamento per bilanciare stime robuste e cattura della dinamica.
- I limiti pratici includono la necessità di un numero sufficiente di soggetti per ogni fold di bootstrap e una selezione accurata degli schemi di generazione dei dati nulli per evitare falsi positivi.
