목표 지향적 도달 행동 중 피질 척수 흥분성 평가

목표 지향적 도달은 인간이 외부 환경과 상호 작용하고 조작할 수 있도록 하는 기본적인 운동 행동입니다. 운동 생리학, 심리학 및 신경 과학 분야의 도달 연구는 다양한 방법론을 포함하는 풍부하고 광범위한 문헌을 생산했습니다. 도달에 대한 초기 연구는 단일 뉴런 수준에서 신경 활동을 조사하기 위해 인간이 아닌 영장류에서 직접 신경 기록을 사용했습니다 ^1,2. 보다 최근의 연구에서는 운동 학습 및 제어 ^3,4,5의 본질을 탐구하기 위해 감각 운동 적응을 사용하는 행동 패러다임을 사용하여 도달하는 것을 조사했습니다. 기능적 자기 공명 영상 및 뇌파 검사와 결합 된 이러한 행동 작업은 인간에 도달하는 동안 전체 뇌 활동을 측정 할 수 있습니다 ^6,7. 다른 연구에서는 도달 준비 및 실행 8,9,10,11,12,13,14의 다양한 기능을 조사하기 위해 온라인 TMS를 적용했습니다. 그러나 도달에 대한 행동 평가와 TMS를 결합한 오픈 소스의 유연한 접근 방식이 여전히 필요합니다. TMS와 행동 프로토콜을 결합하는 유용성은 매우 잘 확립되어 있지만¹⁵, 여기에서는 오픈 소스 접근 방식을 사용하여 도달하는 맥락에서 TMS의 적용을 구체적으로 검토합니다. 이 방법의 조합을 사용하여 출판 한 다른 그룹이 도구를 쉽게 사용할 수 없게하여 직접 복제를 금지한다는 점에서 이것은 참신합니다. 이 오픈 소스 접근 방식은 복제, 데이터 공유 및 다중 사이트 연구의 가능성을 용이하게 합니다. 또한 다른 사람들이 유사한 도구를 사용하여 새로운 연구 질문을 추구하려는 경우 오픈 소스 코드는 쉽게 적용할 수 있으므로 혁신을 위한 발판 역할을 할 수 있습니다.

TMS는 정밀하게 제어된 시점(¹⁶)에서 모터 시스템을 프로빙하는 비침습적 수단을 제공한다. 일차 운동 피질 (M1)에 적용될 때, TMS는 표적 근육의 근전도에서 측정 가능한 편향을 유도 할 수 있습니다. 모터 유발 전위 (MEP)로 알려진이 전압 파의 진폭은 피질 척수 (CS) 경로의 순간 흥분성 상태의 지표 - CS 경로⁽¹⁷)에 대한 모든 흥분성 및 억제 영향의 결과적인 유사체)를 제공한다. TMS는 내재적 CS 흥분성에 대한 신뢰할 수 있는 피험자 내 측정을 제공하는 것 외에도 다른 행동 또는 운동학적 메트릭과 결합하여 CS 활동과 행동 간의 관계를 시간적으로 정확한 방식으로 조사할 수 있습니다. 많은 연구에서 TMS와 근전도 검사(EMG)의 조합을 활용하여 운동 시스템에 대한 다양한 질문을 해결했으며, 특히 이러한 방법의 조합으로 인해 광범위한 행동 조건에서 MEP를 조사할 수 있기 때문에¹⁵. 이것이 특히 유용한 것으로 입증 된 한 영역은 행동 준비 연구이며, 대부분 단일 관절 운동¹⁸에 대한 연구를 통해 이루어집니다. 그러나 도달과 같은 자연주의적 다관절 운동에 대한 TMS 연구는 비교적 적습니다.

현재 목표는 행동 운동학, 온라인 단일 펄스 TMS 관리 및 여러 근육의 동시 EMG 기록을 포함하는 지연 응답 도달 작업을 설계하는 것이 었습니다. 이 작업에는 시각적 피드백이 궤도에 도달하도록 수평 방향 모니터를 사용하는 온라인 시각적 피드백을 사용하는 2차원 지점 간 도달 패러다임이 포함됩니다(즉, 실제 피드백 동안 1:1 관계이며 시각적 피드백과 모션 간의 변환이 없음). 현재 설계에는 시각 운동 섭동이 있는 일련의 시도도 포함됩니다. 제공된 예에서 이는 커서 피드백의 20° 회전 이동입니다. 이전 연구에서는 감각 운동 적응 19,20,21,22,23,24,25와 관련된 메커니즘 및 계산에 대한 질문을 해결하기 위해 유사한 도달 패러다임을 사용했습니다. 또한 이 접근 방식을 통해 온라인 운동 학습 중 정확한 시점에서 운동 시스템 흥분성 역학을 평가할 수 있습니다.

도달은 학습 / 적응을 조사하는 데 유익한 행동으로 입증 되었기 때문에이 행동의 맥락에서 CS 흥분성을 평가하는 것은 이러한 행동과 관련된 신경 기질을 밝힐 수있는 엄청난 잠재력을 가지고 있습니다. 여기에는 비인간 영장류 연구에서 확립 된 바와 같이 국소 억제 영향, 튜닝 특성의 변화, 신경 사건의시기 등이 포함될 수 있습니다. 그러나 이러한 특징은 인간 및 임상 집단에서 정량화하기가 더 어려웠습니다. 신경 역학은 또한 결합 된 TMS 및 EMG 접근법을 사용하여 인간의 명백한 움직임이없는 경우 (즉, 운동 준비 중 또는 휴식시) 조사 할 수 있습니다.

제시된 도구는 오픈 소스이며 코드는 쉽게 적용 할 수 있습니다. 이 새로운 패러다임은 도달 운동의 준비, 실행, 종료 및 적응과 관련된 메커니즘에 대한 중요한 통찰력을 생성합니다. 더욱이, 이러한 방법의 조합은 전기 생리학과 인간의 도달 행동 사이의 관계를 밝힐 가능성이 있습니다.

여기에 설명 된 모든 방법은 IRB 프로토콜 및 승인 (University of Oregon IRB 프로토콜 번호 10182017.017)에 따라 수행되었습니다. 모든 피험자로부터 정보에 입각 한 동의를 얻었다.

1. 도달 장치

1. 대형 그래픽 태블릿을 바탕 화면에 평평하게 놓습니다.
2. 조정 가능한 80-20 알루미늄 프레임을 사용하여 화면이 위쪽을 향하도록 작업 모니터를 태블릿 위에 6-8을 평행하게 배치합니다(청사진은 여기에서 확인: https://github.com/greenhouselab/Reach_TMS 및 보충 그림 1).
   알림: 이 설정을 통해 참가자는 태블릿을 가로질러 손을 뻗어 작업 모니터에 표시된 대상을 획득하면서 도달하는 팔의 시야를 가릴 수 있습니다.
3. Kim et ^al.3 에 설명된 설정을 참조로 사용하십시오.

2. 기계 인터페이스

1. USB 포트를 통해 태블릿을 컴퓨터에 연결합니다. HDMI 포트를 통해 작업 모니터를 컴퓨터에 연결합니다. DB-9 케이블을 통해 후면 TMS 포트를 컴퓨터에 연결합니다.
2. PCI-6220 카드 DAQ를 통해 EMG 시스템을 컴퓨터에 연결합니다. BNC 케이블을 통해 광 다이오드를 EMG 시스템에 연결합니다.

3. 포토다이오드 센서

1. 광 다이오드 센서를 BNC 케이블에 연결합니다. 포토다이오드 센서를 테이프로 작업 모니터의 오른쪽 상단 모서리에 고정하고 센서가 화면을 향하도록 ≤ 1cm 거리에 둡니다.
   알림: 이렇게 하면 작업 모니터에 표시된 자극의 타이밍이 독립적인 입력 채널에 아날로그 데이터로 기록됩니다.

4. 소프트웨어

1. MATLAB²⁰¹⁸ 용 VETA 툴박스 26 (https://github.com/greenhouselab/Veta)을 다운로드하여 데이터 수집을 위한 하드웨어와 인터페이스하십시오.
2. 실험 파라미터를 제어하고 태블릿과의 인터페이스를 위해 개발된 도달 작업 코드(https://github.com/greenhouselab/Reach_TMS)를 다운로드하십시오.

5. 참가자 심사 및 사전 동의

1. TMS에 대한 금기 사항에 대해 피험자를 선별하십시오. 제외 기준에는 발작, 두통, 뇌 외상, 실신, 만성 스트레스 또는 불안, 수면 문제 및 신경 활성 약물의 개인 또는 가족력이 포함됩니다. 추가 제외 기준에는 뇌 또는 두개골의 금속 임플란트와 테스트 전 24시간 동안의 기분 전환용 약물 또는 알코올 사용이 포함됩니다. 포함 기준에는 오른손잡이와 18세에서 35세 사이의 연령이 포함되었습니다.
2. 절차 및 관련 위험에 대한 서면 설명을 제공하고 참가자가 가질 수 있는 추가 질문을 명확히 합니다.
3. 참가자로부터 정보에 입각한 동의를 얻습니다.

6. 주제 설정

1. 태블릿을 향한 편안한 의자에 피사체를 놓습니다. 다리를 책상 아래에 두고 무릎이 90°로 구부러져 있는지 확인합니다.
2. 피부를 준비하고 EMG 전극을 배치하십시오.
   1. 미세한 사포를 사용하여 오른쪽 첫 번째 등쪽 골간(FDI), 신근 카르피 요골 및 전방 삼각근 부위의 피부와 목 기저부의 C4 돌출부를 부드럽게 연마하여 TMS 펄스에 의해 생성된 전기 인공물을 감지합니다.
      알림: 근육 기록 사이트는 사용자 요구에 따라 조정할 수 있습니다.
   2. 각 마모 부위를 전극 부위당 한 번씩 알코올 준비 패드로 면봉으로 닦아 청소합니다.
   3. 각 부위에 하나의 EMG 전극을 배치합니다. 전극이 근육 섬유에 수직으로 움직이는지 확인하십시오. 접지 전극을 오른쪽 팔꿈치의 뼈 돌출부에 놓습니다.
   4. 의료용 테이프로 각 전극을 고정합니다.
3. EMG 녹음 품질을 확인하십시오. VETA 도구 상자를 사용하여 모든 EMG 추적을 시각화하고 아티팩트가 없는지 확인하십시오. EMG 흔적에 노이즈가 있는 경우 접지가 올바르게 배치되고 모든 전극이 피부에 적절하게 접촉하는지 확인하십시오.

7. 경두개 자기 자극

1. TMS 기기를 켭니다.
2. 왼쪽 M1의 자극을 통해 오른쪽 FDI 근육의 TMS 핫스팟 을 찾으십시오.
   1. 코일을 정중선에서 ~5° 떨어진 방향으로 머리의 정점 가장자리 ~5cm 및 앞쪽 ~45cm에 놓습니다.
   2. 4초마다 한 번씩 TMS 펄스를 투여하면서 전방-후방 및 내측 측면 평면에서 약 5mm 단위로 코일을 재배치합니다.
   3. 최대 자극기 출력의 30%에서 시작하여 MEP가 관찰될 때까지 TMS 강도를 2%씩 점진적으로 증가시킵니다.
   4. MEP가 가능한 가장 낮은 자극기 강도에서 펄스의 대부분(~75%)에서 안정적으로 유도될 수 있는 최적의 위치가 식별되면 10개의 펄스 중 5개에서 피크 대 피크 진폭이 >50μV인 MEP를 생성하는 강도 수준을 찾아 휴식 모터 임계값(RMT)을 결정합니다.
   5. 코일 둘레를 따라 참가자의 머리에 얇은 반사 테이프 스트립을 부드럽게 배치하여 위치를 표시하십시오. 코일을 수동으로 잡거나 스탠드를 사용하여 코일을 지지하여 코일 위치를 유지하십시오.

8. 작업 설정에 도달

1. 참가자의 오른손에 벨크로 장갑을 끼고 편안한 파워 그립 자세를 취하십시오.
2. 스타일러스를 장갑에 부착하고 피사체에게 손을 뻗는 움직임 사이에 손을 편안하게 유지하도록 조언하십시오.
3. 다음과 같은 작업 지침을 전달합니다. 커서를 화면 하단의 홈 위치로 안내합니다. 두 대상 위치 중 하나에 신호가 표시됩니다. 대상이 색상으로 채워지면 가능한 한 빠르고 정확하게 대상을 통과하십시오. 그런 다음 홈 위치로 돌아갑니다. 홈 위치, 큐 및 대상의 위치를 나타냅니다(그림 1A).
4. 참가자가 스타일러스로 가능한 한 빠르고 정확하게 대상을 절단하도록 코치하십시오. 작업실의 조명을 꺼서 참가자의 팔 움직임에 대한 시야를 가리고 작업 모니터의 가시성을 향상시킵니다.

9. 작업 설계

1. Matlab 2018에서 Psychtoolbox 3.0으로 시각 자극 프레젠테이션을 제어합니다(보충 코딩 파일 1).
2. 다음 매개 변수를 사용하여 현재 데이터를 일치시킵니다. 20번의 연습 시도; 270 번의 시험 시험; 시험 시험의 4/5에 대한 TMS; TMS는 동일한 주파수로 준비 큐 시작(기준 TMS) 또는 명령형 큐 (지연 TMS) 100ms 전에 일치합니다. 전체 시행의 1/10은 명령형 단서가 나타나지 않는 캐치 시행입니다. 홈 위치는 작업 공간의 하단 중앙에 위치한 반경 2cm의 원입니다. 반경이 1cm 인 두 개의 원형 대상은 홈 위치에서 15cm 떨어진 정중선에서 + 45 ° 및 -45 ° 떨어져 있습니다.
3. 이벤트 순서와 기간을 준비 신호는 900ms, 명령적 신호는 900ms로 설정합니다.

10. TMS 관리

1. VETA 도구 상자는 TMS를 동시에 관리하고 EMG https://github.com/greenhouselab/Veta 기록합니다.
2. 선택한 행동 이벤트(즉, 준비 큐의 시작 또는 목표 시작 100ms 이전)와 일치하도록 VETA 도구 상자로 TMS 펄스의 타이밍을 제어합니다.
3. 분석을 위한 충분한 수의 MEP를 보장하기 위해 충분한 빈도로 TMS를 제공합니다.
   참고: 작성된 대로 작업 코드는 기준 MEP를 유도하기 위한 준비 단서가 시작될 때 또는 지연된 MEP를 유도하기 위한 명령적 단서 100ms 전에 총 시험의 4/5에 대해 TMS 펄스를 전달합니다. 매개 변수는 사용자 요구에 따라 코드에서 조정할 수 있습니다. TMS가 없는 시험은 TMS가 없는 경우 행동 수행을 평가하는 데 사용할 수 있습니다. 이는 TMS가 성능에 미칠 수 있는 영향을 결정하는 데 유용합니다.

설명 된 방법의 성공적인 실행에는 태블릿 데이터 기록, EMG 추적 및 MEP의 안정적인 유도가 포함됩니다. 시험의 4/5 (216 시험)에서 TMS가 전달 된 270 건의 시험 시험을 포함하는 실험이 완료되었습니다.

데이터는 25 세±에서 10 세 사이의 16 명의 참가자 (여성 8 명, 남성 8 명)로부터 수집되었으며, 모두 오른 손잡이라고보고했습니다. 우리는 한 명의 대표 참가자에 대한 학습 함수를 도출하여 행동 수행에 대한 시각적 섭동의 효과를 평가했습니다. 이들 데이터는 도 1B 에 제시되어 있고, 참가자의 손 타겟 에러가 예상대로 섭동 및 세척 조건에 맞게 조정되었음을 보여준다. 또한 기준선 도달 시 목표 오차의 표준 편차를 평가했는데, 이는 약 4.5°입니다(그림 1B). 이것은 이전 연구24와 일치합니다.

각 시험에서 하나의 TMS 펄스가 전달되었습니다. 펄스의 절반은 기준선에서 전달되었고, 절반은 예비 지연 기간 동안 전달되었습니다(그림 2A). 참가자 당 평균 91 ± 23 개의 기준선과 88 ± 20 개의 지연 MEP가 성공적으로 기록되었으며, 이는 각각 84 % 및 81 %의 성공률에 해당합니다. MEP는 진폭이 .05mV를 초과하는 경우에만 계산되었습니다. 도달 궤적은 캐치 시도(즉, "이동" 단서가 제시되지 않은 시험 및 참가자가 도달을 시작하지 못했거나 명령형 신호 이전에 시작된 시험)를 제외한 모든 시험에서 그래픽 태블릿에서 성공적으로 캡처되었습니다.

평균 지연 기간(준비 큐와 명령형 큐 사이의 기간)은 915± 0.5ms(평균 ± 표준 편차)였습니다. 기준선 TMS는 예비 큐 시작 후 26 ± 8ms에 투여되었고, 지연 TMS는 명령적 큐 시작 전에 126 ± 3ms였습니다(그림 2B). 각 경우에 의도한 TMS 관리 시간과의 일관된 편차는 하드웨어 또는 소프트웨어 구성 요소에 의해 도입된 원치 않는 대기 시간을 고려하기 위해 추가 최적화가 필요함을 나타냅니다. 그러나 이러한 대기 시간의 상대적으로 낮은 비례 분산은 추가 파일럿 테스트로 제어할 수 있는 대부분 고정된 지연임을 나타내며 이벤트 타이밍이 일반적으로 시도 간에 신뢰할 수 있음을 나타냅니다.

그림 1: 태블릿에서 수집된 행동 데이터 . (A) 작업 공간에는 홈 위치(진한 파란색), 두 개의 대상(청록색) 및 단일 참가자의 사전 노출 블록에서 나온 대표적인 도달 궤적 집합이 포함됩니다. (B) 타겟 오차는 도달 지점으로부터 타겟 중심까지의 거리(도)로 계산되었다. 시험 빈은 빈당 두 번의 연속 시행의 평균이며, 데이터는 사전 노출(음영 처리되지 않음), 노출(빨간색), 피드백이 없는 경우의 세척(녹색) 및 수직 피드백이 있는 세척(음영 처리되지 않음)과 같은 실험 블록으로 구분됩니다. 이 그림의 더 큰 버전을 보려면 여기를 클릭하십시오.

그림 2: MEP 추적의 예. (A) 두 실험 에포크(기준선 및 지연)에 대한 대표적인 MEP 및 해당 광 다이오드 추적. (B) 음의 기준선 MEP 잠복기(-26 ± 8ms)는 TMS 자극이 준비 큐 이후에 도착했음을 나타내고, 양성 지연 MEP 잠복기(126± 3ms)는 TMS 자극이 원하는 시점(명령적 큐 이전 100ms) 이전에 도착했음을 나타냅니다. 대기 시간은 모든 참가자의 평균입니다(n = 16). 이 그림의 더 큰 버전을 보려면 여기를 클릭하십시오.

보충 그림 1: 도달 장치의 청사진. 이 파일을 다운로드하려면 여기를 클릭하십시오.

보충 코딩 파일 1: 시각 자극을 위한 코드. delayed_reach_TMS.m 파일에는 태블릿, 자극 프리젠 테이션, 경 두개 자기 자극 및 근전도 기록을 제어하기위한 작업 코드가 포함되어 있습니다. 이 파일을 다운로드하려면 여기를 클릭하십시오.

모든 저자는 이해 상충이 없음을 선언합니다.