Dynamische Inter onderworpen functionele connectiviteit onthult Moment-te-Moment hersenen netwerkconfiguraties gedreven door continue of mededeling paradigma's
21 maart 2019
Het doel van de beschreven aanpak is om te bepalen op welke momenten van de paradigma (temporele perspectief), en tussen die regio's (ruimtelijk perspectief), belangrijke reconfigurations in functionele connectiviteit optreden op functionele magnetische resonantie beeldvorming opnames gedurende welke een stimulans tijd vergrendeld wordt gespeeld.
Dankzij onze methode kunnen de momenten in de tijd waarop functionele hersensinterplays worden gesynchroniseerd tussen onderwerpen worden bepaald en gevisualiseerd. Het belangrijkste voordeel van onze aanpak is het vermogen om veranderingen in inter-subject functionele hersenreacties dynamisch te volgen op een statistisch verantwoorde manier. Onze pijplijn maakt de beoordeling van de synchroniciteit tussen functionele signalen van verschillende onderwerpen mogelijk.
En dit kan dan worden vergeleken tussen verschillende populaties, zoals gezonde controles en mensen die getroffen zijn door ziekte en stoornis zoals autisme en schizofrenie. Onze methode kan elk onderzoek ten goede komen dat de synchroniciteit tussen verschillende reeksen tijdcursussen dynamisch bijhoudt. En dit kan ook worden toegepast op andere beeldvormende modaliteiten zoals elektro-encefalografie.
Visuele demonstratie van de methode zal nieuwe gebruikers in staat stellen om de verschillende verwerkingsstappen van de methode te begrijpen, evenals de functionaliteit van de grafische gebruikersinterface. Het aantonen van de beeldvorming procedure zal worden Roberto Martuzzi, de toonaangevende MRI-operator van ons onderzoekscentrum. Voor elke vrijwilliger te worden beschouwd in de analyse, ten minste een functionele Magnetic Resonance Imaging of fMRI sessie waarin de gescande vrijwilliger wordt onderworpen aan de tijd gelogd paradigma van belang en een functionele imaging sessie waarin de gescande vrijwilliger ligt in rust in de scanner met hun ogen dicht en is geïnstrueerd niet in slaap vallen.
Verwerf dan een structureel MRI-volume. Als u het eerste grafische gebruikersinterfacevenster wilt voorverwerken, voert u JOVE_GUI1 in de MATLAB-terminal in. Klik vervolgens op FMRI-gegevens invoeren, selecteer de juiste opnieuw uitgelijnde functionele volumes en voer de herhalingstijd van de gegevens in seconden in het toegewezen bewerkbare tekstvenster in.
Klik op T1-gegevens invoeren en selecteer de drie geschikte probabilistische weefseltypevolumes. Klik op Bewegingsbestand invoeren en selecteer het tekstbestand met de bewegingsparameters uit de interessesessie. Selecteer vervolgens of de gegevens al dan niet moeten worden uitgetrendd en welke covariaten moeten worden afgewezen.
Als u de gegevens wilt vooraf verwerken, klikt u op Voorproces en wacht u tot de weergave in het venster wordt weergegeven. De gegevens kunnen op een andere manier worden herverwerkt door de opties te wijzigen en opnieuw op de knop Voorprocess te klikken. Voer vervolgens JOVE_GUI2 in de MATLAB-terminal in om het tweede venster voor verwerking van grafische gebruikersinterface te openen en klik op gegevens selecteren om het vooraf verwerkte gegevensbestand te selecteren.
Klik op Atlas selecteren en selecteer het Neuroimaging Informatics Technology Initiative of NIFTI-bestand dat de atlas vertegenwoordigt die moet worden gebruikt voor de verkaveling. Klik op Omgekeerde warp selecteren en selecteer het NIFTI-bestand dat het vervormingsveld weergeeft van het Montreal Neurologisch Instituut naar de oorspronkelijke ruimte. Klik vervolgens op fMRI-volume selecteren en selecteer een van de fMRI-gegevensvolumes.
Als u de schrobgerelateerde informatie wilt invoeren, selecteert u in de lijst met schrobben het aantal frames dat voor en na de gelabelde frames moet worden gewist. Voer in het tekstvenster voor het schrobben de framewijze verplaatsingsdrempel in waarboven een fMRI-volume in millimeters moet worden geschrobd. Voer vervolgens de grootte in van het schuifvenster W om te worden gebruikt voor de interbestrepingsfunctionele correlatie of ISFC-berekeningen in herhalingstijden en klik op Plot om de indicatieve atlastijdcursussen voor en na de schrob- en filterstappen weer te geven.
Voer JOVE_GUI3 in de MATLAB-terminal in om het eerste grafische gebruikersinterfacevenster van iscf te openen en klik op Gegevens laden om alle geschikte gegevensbestanden te selecteren voor schuifvenster. Selecteer of de geselecteerde sessiesegmenten fasen randomisatie moeten ondergaan en voer de venstergrootte in in herhalingstijden waarover verbindingsmetingen moeten worden berekend, evenals de stapgrootte in herhalingstijden waarmee opeenvolgende vensters moeten worden verschoven. Wijzig de tabel met sessietypen om op te geven welke van de geladen sessiesegmenten op dezelfde experimentele voorwaarde zijn aangeschaft met behulp van steeds grotere getallen van één en maximaal om de verschillende typen segmenten te taggen.
Voer in de juiste bewerkbare tekstvensters het aantal vouwklauwen in om de ISFC-berekeningen uit te voeren en het aantal onderwerpen dat de referentiegroep moet vormen voor elke plooi van ISFC-berekeningen. Voer in de sectie timingparameters de specificaties in over welke subportie van de tijdcursussen moet worden geanalyseerd en klik op Plot om de ISFC-berekeningen uit te voeren. De displays zullen geleidelijk worden bijgewerkt in de tijd, samen met de hoeveelheid verstreken bootstrapping plooien.
Als u het tweede grafische gebruikersinterfacevenster van ISFC wilt openen, voert u JOVE_GUI4 in de MATLAB-terminal in. Als u de stimulusgerelateerde ISFC-uitvoerbestanden wilt selecteren, klikt u op ISFC-gegevens laden en selecteert u de stimulusgerelateerde ISFC-uitvoerbestanden. Als u de null ISFC-uitvoerbestanden wilt selecteren, klikt u op Null-gegevens laden en selecteert u de isfc-ruststatus of de gerandomiseerde isfc-uitvoerbestanden die aan de fase zijn gerandomiseerd, afhankelijk van het gebruikte systeem voor het genereren van null-gegevens.
Klik vervolgens op Codeboek laden en selecteer het codeboekbestand. Voer in het juiste bewerkbare tekstvenster de alfawaarde in procenten in waarin de ISFC-tijdcursussen moeten worden ingevoerd om belangrijke wijzigingen te markeren. Als u een null-verdeling wilt maken, klikt u op Plot om het ISFC-drempelproces te starten waarvoor alle beschikbare null ISFC-metingen worden samengevoegd voor een bepaalde verbinding en waarna de stimulusgerelateerde ISFC-metingen worden drempels volgens de geselecteerde alfawaarde.
Als u de ruimtelijke patronen van ISFC op verschillende tijdstippen wilt visualiseren, sleept u de schuifregelaar onder het ISFC-excursieplot. In deze representatieve sessies werd de beoordeelde film weergegeven van vijf tot 353 seconden met een ruststatussegment na de film van 386 tot 678 seconden. Bovendien werd voor elk onderwerp één 310 seconden alleen rustende staatszitting verkregen.
ISFC tijdcursussen werden gegenereerd op vensterlengtes van W 10 en W 5 herhaling keer voor drie verschillende representatieve verbindingen waarbij een regio bemiddelen reactie remming en een andere die betrokken zijn bij respectievelijk de verwachting van bewegende objecten, zintuiglijke coördinatie, of de verwerking van woordbetekenis. Het lawaai is groter bij W 5 herhalingstijden en de tijd-gesloten veranderingen ISFC worden waargenomen in de verbinding één en twee film-lettende tijdcursussen. Hier wordt de fractie van de proefpersonen die statistisch significante tijdgebonden ISFC-transiënten weergeven, weergegeven voor dezelfde drie verbindingen.
De voorbijgaande stoffen zijn talrijker bij grotere vensterlengtes aangezien de robuustere metingen ISFC de extractie en bij grotere alphawaarden verlichten aangezien meer valse positieven worden ontdekt. In deze representatieve gegevens, een film extract in het bijzonder was betrokken bij de reactie remming gekoppeld aan bewegende objecten en reed wijdverbreide ISFC veranderingen. De vensterlengte mag niet te kort zijn voor robuuste schattingen of te lang om de ISFC-dynamiek vast te leggen.
En een voldoende strenge alfawaarde moet worden gebruikt om false positives te beperken. ISFC metingen kunnen worden geclusterd in de hele hersenen ISFC staten voor speciale temporele kenmerken onderzoek. Belangrijke ISFC-transiënten kunnen ook worden weergegeven als een grafiek die een afspiegeling is van de informatiestroom.
Overzicht
Deze studie presenteert een nieuwe benadering om dynamische veranderingen in functionele connectiviteit te volgen met behulp van functionele magnetic resonantie imaging (fMRI) tijdens tijdgebonden stimuli. De methode vergemakkelijkt de visualisatie en beoordeling van intersubjectieve functionele hersenresponsen, waardoor vergelijkingen mogelijk worden tussen gezonde populaties en populaties die zijn getroffen door stoornissen zoals autisme en schizofrenie.
Belangrijkste studiecomponenten
Wetenschappelijk vakgebied
- Neurowetenschappen
- Functionele beeldvorming
- Connectiviteitsanalyse
Achtergrond
- Traditionele methoden voor de analyse van fMRI-data leggen dynamische veranderingen in connectiviteit mogelijk niet effectief vast.
- Functionele connectiviteit kan per proefpersoon variëren, wat de interpretatie van neuro-imagingdata beïnvloedt.
- Het identificeren van significante momenten en regio's van herconfiguratie van de functionele connectiviteit is cruciaal voor het begrijpen van de hersenfunctie.
Doel van de studie
- Het ontwikkelen van een methode om gesynchroniseerde functionele herseninteracties tussen individuen te identificeren.
- Het mogelijk maken van de visualisatie van deze synchronie om het begrip van neurale mechanismen te vergemakkelijken.
- Het toepassen van de methode bij het vergelijken van de hersenconnectiviteit tussen gezonde individuen en personen met neuropsychiatrische stoornissen.
Gebruikte methoden
- Functionele magnetische resonantie-imaging (fMRI) sessies werden gebruikt, zowel tijdens een time-locked paradigma als in rusttoestanden.
- De studie omvatte preprocessingstappen binnen MATLAB, waaronder dataselectie en het verwijderen (scrubbing) van bewegingsartefacten.
- Dynamische connectiviteit werd beoordeeld met behulp van berekeningen van inter-subject functionele correlatie (ISFC) over gedefinieerde tijdsvensters.
- Visuele demonstraties en GUI-tools werden ingezet voor een efficiënte dataverwerking en -analyse.
Belangrijkste resultaten
- De methode maakt dynamische tracking van inter-subject synchronisatie van hersensignalen mogelijk, waardoor kritieke momenten van connectiviteitsverandering worden onthuld.
- Verschillende populaties vertoonden onderscheidende functionele connectiviteitspatronen wanneer zij aan dezelfde stimuli werden blootgesteld.
- Illustratieve voorbeelden toonden variaties in ISFC-tijdsklassen over verschillende experimentele condities.
Conclusies
- Deze studie demonstreert een krachtige techniek om de temporele en spatiale dynamiek van hersenconnectiviteit te analyseren.
- De inzichten die met deze methode zijn verkregen, kunnen ons begrip van neurale synchronisatiemechanismen bij gezondheid en ziekte verbeteren.
- De aanpak is veelbelovend voor bredere toepassingen in neuro-imaging bij diverse aandoeningen.
Veelgestelde Vragen
Industriële Relevantie
Deze methode maakt dynamische tracking van functionele connectiviteit tussen proefpersonen mogelijk en biedt een statistisch onderbouwde aanpak om stimulus-gestuurde reconfiguraties van hersennetwerken te isoleren van spontane fluctuaties. Door synchronisatie tussen individuen op elk moment vast te leggen, ondersteunt het de validatie van targets in neuropsychiatrisch onderzoek via mechanistische risicoreductie van connectiviteitsgebaseerde hypothesen. De mogelijkheid om gezonde populaties met ziektepopulaties te vergelijken, verhoogt het voorspellend vertrouwen bij de ontdekking van translationele biomarkers en de afstemming van preklinische modellen.
Strategische Toepassingen in Biopharma R&D
Vroege ontdekking & targetvalidatie
- Wetenschappelijke waarde: Onderzoekt therapeutische hypothesen door specifieke stimulusprikkels te koppelen aan gesynchroniseerde veranderingen in de hersenconnectiviteit tussen proefpersonen.
- Operationele waarde: Maakt biologische risicoreductie mogelijk door middel van strikte drempelwaarden die significante veranderingen in de functionele correlatie tussen proefpersonen isoleren.
- Voorspellende waarde: Ondersteunt portfolio-triage door reproduceerbare connectiviteitssignaturen te identificeren die geassocieerd zijn met cognitieve of gedragsmatige paradigma's.
Screening & Assayontwikkeling
- Wetenschappelijke waarde: Bereidt gevalideerde biologische systemen voor op downstream-workflows door kwantificeerbare functionele correlatietijdreeksen tussen subjecten te genereren.
- Operationele waarde: Pakt assay-standaardisatie en reproduceerbaarheid aan via sliding-window-analyse en bootstrapping-folds voor robuuste statistische inferentie.
- Schaalbaarheid: Benadrukt de geschiktheid voor screening via een publiek beschikbare pipeline en GUI-tools die hergebruik van het platform in verschillende laboratoria mogelijk maken.
Translationeel & Preklinisch Onderzoek
- Translationele Continuïteit: Bespreekt de relevantie voor ziekten door vergelijkingen mogelijk te maken tussen gezonde controlegroepen en populaties die zijn getroffen door stoornissen zoals autisme en schizofrenie.
- Mechanistische Risicoreductie: Beschrijft de continuïteit van ontdekking tot preklinische validatie door temporele profielen en ruimtelijke momentopnamen van de reconfiguratie van connectiviteit vast te leggen.
- Risico-gecorrigeerde Vooruitgang: Ondersteunt beslissingen door significante functionele correlatietransiënten tussen subjecten weer te geven als grafen die de informatiestroom reflecteren.
Integratie van Pipeline & Workflow
De methode past binnen het ontdekkingscontinuüm van hypothesetoetsing tot lead-identificatie en ondersteunt dynamische connectiviteitsanalyse als filter voor de betrouwbaarheid van het target voordat er wordt geïnvesteerd in preklinisch onderzoek.
- Discovery Biology: Legt uit hoe de methode hypothese-testen ondersteunt door moment-tot-moment configuraties van hersennetwerken te volgen die worden aangestuurd door continue of communicatieve paradigma's.
- Screening: Beschrijft de assay-gereedheid via berekeningen van functionele inter-subject correlaties over gedefinieerde tijdvensters met aanpasbare vensterlengte en stapgrootte.
- Analytics: Benadrukt metingen zoals tijdskoersen van functionele inter-subject correlaties en gedrempelde significante veranderingen die vergelijkingen tussen condities mogelijk maken.
- Translationeel Onderzoek: Verbindt de methode met preklinische continuïteit door visualisatie van connectiviteitspatronen gekoppeld aan specifieke stimuli mogelijk te maken, wat helpt bij de afstemming van biomarkers.
- Enterprise Reuse: Presenteert de methode als een herbruikbare capaciteit via MATLAB-gebaseerde GUI-tools en een open gedeelde pipeline voor standaardisatie tussen teams.
Operationele en zakelijke impact
- Wetenschappelijke waarde: Voorspellende betrouwbaarheid, validatie van targets, vermindering van mechanistische ambiguïteit in connectiviteitsgestuurde hypothesen.
- Operationele waarde: Standaardisatie, reproduceerbaarheid en schaalbaarheid van functionele correlatieanalyse tussen subjecten over verschillende beeldvormingssessies.
- Strategische waarde: Betere go/no-go-beslissingen, kapitaalefficiëntie en vermindering van biologisch risico in een laat stadium bij de ontwikkeling van neuropsychiatrische geneesmiddelen.
- Impact op portfolio: Risico-gecorrigeerde prioritering en beslissingen over verdere ontwikkeling op basis van reproduceerbare, stimulus-gelockte reconfiguraties van hersennetwerken.
Overwegingen voor implementatie
- Vereiste expertise in fMRI-preprocessing, het bedienen van een MATLAB-gebaseerde GUI en functionele correlatieanalyse tussen proefpersonen.
- Benodigde instrumentatie omvat functionele en structurele MRI-acquisitie, met compatibiliteit voor elektro-encefalografie.
- Standaardisatie tussen teams vereist consistent gebruik van sliding window-parameters, bootstrapping-folds en alpha-drempelwaarden voor significantie.
- Overwegingen voor adaptatie over modelsystemen omvatten het aanpassen van de vensterlengte en stapgrootte om een balans te vinden tussen robuuste schattingen en dynamische vastlegging.
- Praktische beperkingen omvatten de noodzaak van voldoende proefpersonen per bootstrap-fold en een zorgvuldige selectie van schema's voor het genereren van nulgegevens om vals-positieven te voorkomen.
