Methodenartikel

Meting van Fronto-limbische activiteit met een emotionele Excentrieke Task bij kinderen met Familial hoog risico op schizofrenie

DOI:

10.3791/51484

⸱

2 december 2015

 ,  ,  ,  ,  ,  ,  , 
1Department of Psychiatry, University of North Carolina at Chapel Hill School of Medicine, 2Duke-UNC Brain Imaging and Analysis Center, Duke University Medical Center, 3Curriculum in Neurobiology, University of North Carolina at Chapel Hill

In dit artikel

Samenvatting

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

Dit artikel beschrijft hoe de emotionele oddball-taak en fMRI kunnen worden gebruikt om hersenactiviteit te meten bij kinderen en adolescenten met een familiaal hoog risico op schizofrenie (FHR). FMRI werd gebruikt om verschillen in fronto-striato-limbische regio's te meten tijdens een emotionele oddball-taak. Kinderen met FHR vertoonden abnormale functionele activering tijdens de adolescentie.

Samenvatting

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

De adolescentie is een kritische ontwikkelingsperiode waarin de vroege symptomen van schizofrenie vaak naar voren komen. Eerstegraadsverwanten van mensen met schizofrenie die een familiaal hoog risico (FHR) hebben, kunnen vergelijkbare cognitieve en emotionele veranderingen vertonen. De neurologische veranderingen die ten grondslag liggen aan het ontstaan van deze symptomen blijven echter onduidelijk. Deze studie probeerde verschillen te identificeren in frontale, striatale en limbische regio's bij kinderen en adolescenten met FHR door functionele magnetische resonantie beeldvorming te gebruiken. Groepen van 21 kinderen en adolescenten met FHR en 21 gezonde controles voltooiden een emotionele oddball-taak die afhankelijk was van selectieve aandacht en de onderdrukking van taak-irrelevante emotionele informatie. De standaard oddball-taak werd aangepast om aversieve en neutrale afleiders te bevatten om mogelijke groepsverschillen in zowel emotionele als executieve verwerking te onderzoeken. Deze taak werd specifiek ontworpen om kinderen en adolescenten te laten voltooien door de moeilijkheidsgraad en het emotionele beeldmateriaal leeftijdsgebonden te houden. Verder demonstreren we een techniek voor geschikte fMRI-registratie voor kinderen en adolescenten. Dit paradigma kan ook worden toegepast in toekomstige studies om veranderingen in neurale activiteit te meten in andere populaties met veronderstelde ontwikkelingsveranderingen in executieve en emotionele verwerking.

Inleiding

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

Schizofrenie is een neurodevelopmentele stoornis met een bekende genetische component1,2 en met symptomen waaronder tekorten in zowel executieve als emotionele verwerking3,4. Er wordt aangenomen dat eerstegraadsverwanten een verhoogd risico hebben om schizofrenie te ontwikkelen en dat ze sommige van dezelfde neurocognitieve tekorten delen in zowel cognitieve als sociaal-emotionele domeinen5. Daarom verwachten we dat hersenactiviteit in regio's die geassocieerd zijn met executieve en emotionele verwerking kan zijn veranderd bij familieleden met risico voorafgaand aan het begin van klinische symptomen.

Eerdere studies hebben aangegeven dat zowel volwassenen met schizofrenie als volwassenen met familiaal hoog risico aberrante activiteit vertonen binnen executieve en emotionele verwerkingsnetwerken; het blijft echter onduidelijk hoe deze veranderingen zich tijdens de ontwikkeling voordoen. Aantonen dat deze veranderingen vroeg in het leven optreden, zal een cruciale eerste stap zijn in het begrijpen van de pathofysiologie van de stoornis. Daarom maakt deze studie gebruik van een emotioneel oddball-paradigma tijdens functionele MRI (fMRI)-scans om hersenactiviteit te meten tijdens het uitvoeren van een taak die zowel executieve als emotionele verwerking vereist bij adolescenten met risico op het ontwikkelen van schizofrenie. Oddball-paradigma's worden vaak gebruikt om de functie van fronto-striale circuiterie bij schizofrenie6 en bij personen met familiaal hoog risico7 te onderzoeken door selectieve aandachtsprocessen te meten die worden toegewezen aan taakrelevante doel stimuli. Hier is een standaard oddball-taak aangepast om taak-irrelevante aversieve en neutrale stimuli op te nemen die zijn aangetoond veranderingen in hersenactiviteit te veroorzaken bij patiënten met schizofrenie8.

Dit artikel meet functionele verschillen tussen gezonde adolescenten en adolescenten met een hoog familiaal risico op schizofrenie met behulp van een emotionele oddball-taak. Het taakontwerp is vergelijkbaar met dat gebruikt door Fichtenholtz en collega's9, maar de selectie van aversieve emotionele beelden is aangepast om geschikt te zijn voor kinderen tussen de 9-18 jaar. Het gebruik van deze taak tijdens functionele MRI maakte het mogelijk om specifieke hersengebieden te identificeren die patronen van hyperactivatie en hypoactivatie vertoonden bij kinderen en adolescenten met FHR voor schizofrenie, naast leeftijdsgerelateerde veranderingen in neurale activiteit tijdens de adolescentieontwikkeling.

Toegang beperkt. Log in of start een proefperiode om deze inhoud te bekijken.

Protocol

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

Het onderzoek gebruikte technieken tijdens deze studie werden goedgekeurd door de institutionele review boards (IRB) van Duke University en de Universiteit van North Carolina - Chapel Hill.

1. Imaging Task Ontwerp

  1. Genereren van een event-based behavioral taak die frequent doelwit stimuli (een cirkel) in een reeks van meer frequente standaard stimuli (gecodeerde beelden) presenteert. Een schema van de taak wordt in figuur 1. Presenteren taak behulp Cigal software 10.

figure-protocol-1
Figuur 1. Schematische voorstelling van Task ontwerp. Dit cijfer is aangepast van Hart et al. 20, met toestemming. Klik hier om een grotere versie van deze figuur te bekijken.

  1. Selecteer alset van aversieve stimuli en een set van neutrale stimuli uit de International Affective Picture System database (IAPS). IAPS beelden worden beoordeeld op een schaal van 1-9 teneinde niveau van opwinding en valentie 11 weerspiegelen. Hoge getallen geven hogere positieve valentie en opwinding. Selecteer een reeks beelden die leeftijd passende aan de werkgroep zijn, zoals foto's van slangen, spinnen, of andere dieren.
    Opmerking: De taak-irrelevante aversieve stimuli beelden gebruikt voor deze studie had een gemiddelde valentie score van 3,38 (SD = 1,78) en een gemiddelde opwinding score van 6.14 (SD = 2,08). De neutrale stimuli beelden hadden een gemiddelde waardigheid van 6,21 (SD = 0,26) en een gemiddelde opwinding score van 3.72 (SD = 2.15).
  2. Programmeer de taak script zodanig dat de beelden worden gepresenteerd in een pseudo-willekeurige volgorde voor 1500 msec met een 500 msec betekenen inter-stimulus interval. Huidige doelgroep prikkels en taak-irrelevante neutrale beelden niet vaker dan om de 15 sec en maken elk ongeveer 4% van de stimuli. Jitter event onset keer om een ​​betere resolutie van de hemodynamische respons functie te geven.
  1. Maak 8 sets van beelden, één voor elk van de 8 functionele runs, zodanig dat de deelnemers worden gepresenteerd met een totaal van 40 doelstellingen en 40 taak-irrelevante neutrale beelden in de loop van 8 runs.

2. Deelnemer Setup en scannen

  1. Rekruteren kinderen en jongeren in de leeftijd van 9 en 18 die ofwel gezonde controle individuen of die een familiale hoog risico op psychose.
    1. Zorg ervoor dat gezonde mensen geen psychiatrische aandoeningen of eerstegraads familieleden met een psychiatrische ziekte. Zorg ervoor dat familiale risico deelnemers hebben ten minste een eerste graad familielid (ouder, broer of zus) met schizofrenie. Ze niet uit te sluiten voor de aanwezigheid van andere psychiatrische aandoeningen in de eerste graad.
    2. Leeftijd en geslacht match gezonde deelnemers met familiaire risicogroep deelnemers.
  2. Verwerven geïnformeerde toestemming van de deelnemers in de leeftijd van 18. Voor minderjarigen, geïnformeerde toestemming van de ouders / voogden te verwerven. Daarnaast verwerven schriftelijke instemming van minderjarigen die deelnemen aan de studie.
  3. Plaats de deelnemers in een mock MRI scanner om hen vertrouwd met de omgeving. Spelen een audio-opname van de scanner lawaai en hebben ze te voltooien een praktijk run van de gedrags-taak om ervoor te zorgen dat zij de taak instructies te begrijpen.
  4. Plaats de deelnemer in de MRI-scanner en het verwerven van de nodige hersenen lokalisatie scans en / of anatomische beelden.
  5. Met behulp van een MRI-veilige invoerveld, vertellen de deelnemers één druk op de knop met hun wijsvinger in reactie op alle doelgroepen stimuli en een andere knop met hun middelvinger voor alle andere stimuli.
  6. Na fMRI scanning, verzamel persoonlijke ratings van opwinding en valentie van de beelden die in de studie van een subset van de deelnemers. De current studie verkregen ratings van 15 controles en 13 met familiaire hoog risico.

3. Image Acquisition

  1. Plaats de deelnemers in een 3.0 Tesla MRI-scanner. Ten eerste, het verwerven van een reeks structurele beelden waaronder een 3D-beeld anatomische T1-contrast coplanaire met een verwend gradiënt teruggeroepen overname pulssequentie (TR: 5.16 msec; TE: 2.04 msec; FOV: 24 cm; beeldmatrix: 256 × 256; Flip hoek: 20; voxel grootte: 0,94 mm x 0,94 mm x 1,9 mm; 68 axiale plakjes).
  2. Verwerven van functionele beeldvorming gegevens met behulp van een gradiënt echo echo-planaire beeldvorming sequentie met een full-hersenen dekking (TR: 2000 msec; TE: 27 msec; FOV: 24 cm; beeldmatrix: 64 × 64; Flip Hoek: 60; voxelgrootte: 3,75 mm × 3,75 mm x 3,8 mm; 34 axiale plakjes), zodat hersenactiviteit kan tijdens de uitvoering van de gedragstaak gemeten. Voer dit imaging volgorde voor elke run van de gedrags-taak. Elke run moet bestaan ​​uit 120 imaging tijdstippen.
  3. Presenteer de task in 8 functionele runs van telkens ongeveer 4 min.

4. Analyses

  1. Afbeelding Voorbewerking: Open fMRI Expert Analysis Tool (FEAT) in FSL 12. Selecteer eerst niveau analyse en Pre-statistieken.
    1. Op het tabblad "Gegevens", selecteert u het nummer van de input beelden en voer het pad naar elk van de MR-beelden die u gaat verwerken. Stel de Output directory. Voer de totale volumes, aantal afgedankte overnames, en de TR.
    2. Op het tabblad "Pre-statistieken", stelt beweging correctie MCFLIRT, Ruimtelijke smoothing FWHM tot 5 mm, en "Slice timing correctie". Selecteer "BET brain winning" en "Highpass" temporele filtering maar B0 unwarping niet selecteren (Uness u een gradiëntveld kaart) of "Ik ntensitiy normaization". 12,14.
    3. Op het tabblad "Registration", selecteer "Main structural image ". Voer het pad om de afbeelding van het onderwerp-schedel ontdaan T1-gewogen. Gebruik een lineaire gewone zoekopdracht met minstens 6 DOF. Selecteer de standaard ruimte in. Voer het pad naar de MNI atlas. Gebruik een normale, lineaire zoeken met 12 DOF. Druk op Go.
    4. Uitsluiten deelnemers met meer dan 3 mm hoofd beweging in de X, Y of Z richting.
  2. Niveau 1: vergelijking van gegevens tussen de taak omstandigheden binnen één run. Open FEAT. Selecteer "First-level analyse" en "Statistieken + Post-stats".
    1. Op het tabblad Gegevens, stelt u het aantal ingangen en voer het pad naar elk van de MR-beelden. Voer een pad voor de "Output directory". Geef het "Total volumes", aantal afgedankte overnames, en de TR.
    2. Op de tab "Statistieken", selecteer de "Use FILM prewhitening" vakje 16. Druk op de "Full model setup "knop. Stel het "Aantal originele EV" om het aantal taak voorwaarden. Voor elke voorwaarde, selecteert u "Custom (3 kolom indeling)" van de basisvorm drop-down menu en "Double-Gama HRF van de" Convolutie "drop-down menu 17,18 en selecteer een tekstbestand met de taak timing.
      1. Formatteren dit tekstbestand in 3 kolommen met één ingang voor elke "event" van het opgegeven type. De eerste kolom moet de aanvangstijd (in seconden) bevatten, de tweede moet de tijdsduur (in seconden) bevatten, en de derde moet het gewicht evenement bevatten. Op het tabblad Contrasten & F-toetsen, maakt een contrast voor elke taak staat en één voor elke vergelijking.
    3. Op de "Post-statistieken" tab, selecteer "Cluster" op de "Thresholding" drop-down menu en stel de "Z drempel" en Cluster P threshold tot 2,3 en 0,05 respectievelijk 8,19.
    4. Op het tabblad "Registration", selecteer "Main structurele image". Voer het pad om de afbeelding van het onderwerp-schedel ontdaan T1-gewogen. Gebruik een lineaire gewone zoekopdracht met minstens 6 DOF. Selecteer de "Standard ruimte" in. Voer het pad naar de MNI atlas. Gebruik een normaal, lineair zoeken met 12 DOF. Druk op "Go".
  3. Niveau 2: Vergelijk gegevens tussen runs voor elke taak conditie. Open FEAT. Selecteer "Higher-level analyse" en "Statistieken + Post-stats" uit het drop down menu.
    1. Op het tabblad Gegevens, selecteer "ingangen zijn lager niveau FEAT directories". Stel het aantal ingangen en voer het pad naar elk van de MR-beelden. Voer een pad voor de "Output directory".
    2. Op de tab "Statistieken", verander de "Mixed Effects: FLAME1" selectie vakje aan "Fixed Effects ". Druk op de" model setup wizard "knop. Selecteer" enkele groep gemiddeld "en klik op de" Process "knop.
    3. Op het tabblad "Post-statistieken", selecteer "Cluster" op de "Thresholding" drop-down menu en stel de "Z drempel" en "Cluster P" drempel tot 2,3 en 0,05 respectievelijk 8,19. Druk op "Go".
  4. Niveau 3: vergelijking van gegevens tussen de onderwerpen voor elke taak staat in alle runs. Open FEAT. Selecteer "Higher-level analyse" en "Statistieken + Post-stats" uit het drop down menu.
    1. Op het tabblad Gegevens, selecteer "ingangen zijn 3D omgaan beelden van FEAT directories." Stel het aantal ingangen en voer het pad naar elk van de MR-beelden. Voer een pad voor de "Output directory".
    2. Op de "Stats" tab, Druk op de "Full model setup". Stel het aantal EV gelijk is aan het aantal van de groep variabelen covariaten zoals diagnostische groep, leeftijd, geslacht, enz Voer de waarden per vak (Ingang 1 - Ingang n) voor elke EV. U kunt het venster "Paste" gebruiken om een spreadsheet van deze waarden kopiëren.
      1. Op het tabblad "Contrasten & F-test", voeg een contrast voor elke test variabele en voor elke contrast (bijvoorbeeld diagnostische groep). Voor elke test variabele, het contrast door de waarde 1 te selecteren in de kolom onder de juiste EV. Per contrast Stel de eerste waarde 1 en de tweede tot -1. Selecteer "Klaar".
    3. Op het tabblad "Post-statistieken", selecteer "Cluster" op de "Thresholding" drop-down menu en stel de "Z drempel" en "Cluster P" drempel tot 2,3 en 0,05 respectievelijk 8,19 . Druk op "Go".

Toegang beperkt. Log in of start een proefperiode om deze inhoud te bekijken.

Resultaten

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

Er waren geen verschillen tussen de groepen op basis van demografische kenmerken 20. Behavioral gegevens blijkt dat de doelgroep detectie taak is op een passend niveau van moeilijkheid voor kinderen en jongeren in de leeftijd van 9-18. In de huidige studie, controles correct geïdentificeerd 82,36% van de doelstellingen (SD = 0,14), en de familiale risicogroep correct geïdentificeerd 76,8% van de doelstellingen (SD = 0,17). Beide groepen vertoonden verminderde nauwkeurigheid bij het ​​identif...

Toegang beperkt. Log in of start een proefperiode om deze inhoud te bekijken.

Discussie

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

Het aangepaste emotionele oddball-paradigma in de huidige studie heeft aangetoond dat het verschillen in neurale recrutering tijdens selectieve aandacht en emotionele verwerking kan oproepen bij kinderen en adolescenten met een risico op schizofrenie. Terwijl bestaande paradigma's die gebruik maken van de emotionele oddball-taak zijn gebruikt om neurale veranderingen in volwassen populaties met psychiatrische ziekten te onderzoeken8, kan het huidige paradigma bijzonder nuttig zijn voor het meten van kwetsbaarh...

Toegang beperkt. Log in of start een proefperiode om deze inhoud te bekijken.

Openbaarmakingen

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

Dr. Perkins ontvangt momenteel subsidieondersteuning van Janssen en is consultant voor Dainippon. In het verleden was Dr. Perkins wel of is lid geweest van het sprekersbureau van Eli Lilly en AstraZeneca. Dr. Perkins heeft eerder subsidies ontvangen van AstraZeneca, Bristol-Myers Squibb, Otsuka, Eli Lilly, Janssen en Pfizer; en consulting- en educatieve vergoedingen van AstraZeneca, Bristol-Myers Squibb, Eli Lilly, Janssen, Glaxo Smith Kline, Forest Labs, Pfizer en Shire. Alle andere auteurs verklaren geen biomedische financiële belangen of potentiële belangenconflicten te hebben.

Dankbetuigingen

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

We danken Erin Douglas, Anna Evans en Carolyn Bellion voor hun bijdragen aan het werven van deelnemers en klinische beoordeling. We danken ook Michael Casp, Zoe Englander, Justin Woodlief en James Carter voor hun bijdragen aan dataverzameling en -analyse, en Robert M. Hamer voor consultatie over statistische analyse en bewerking van het manuscript. Ten slotte danken we de personen en hun families die aan deze studie hebben deelgenomen.

Deze studie werd ondersteund door de Conte center-subsidie P50 MH064065 van het National Institute of Mental Health. Dr. Hart werd ondersteund door T32 HD040127 van het National Institute of Child Health and Human Development.

Toegang beperkt. Log in of start een proefperiode om deze inhoud te bekijken.

Materialen

Lijst van materialen gebruikt in dit artikel
NaamBedrijfCatalogusnummerOpmerkingen
3T MRI scannerGEBIAC 3T scanner (vervangen)

Referenties

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

Toegang beperkt. Log in of start een proefperiode om deze inhoud te bekijken.

Herprints en machtigingen

Toestemming aanvragen om de tekst of afbeeldingen van dit JoVE-artikel te hergebruiken

Toestemming aanvragen

Trefwoorden

Functionele magnetische resonantie imagingrisico op schizofrenieMRI bij kinderen en adolescentenontwerp van gedragstakenfMRI data analysetraining in een mock scanneraversieve neutrale stimuli

Gerelateerde artikelen