Zadanie związane z potencjałem związanym ze zdarzeniami semantycznego torowania (ERP) do badania przetwarzania leksycyczno-semantycznego i wzrokowo-semantycznego w zaburzeniach ze spektrum autyzmu
12 kwietnia 2018
Ten artykuł opisuje zadanie ERP oparte na semantycznym torowaniu, wykorzystujące pary obrazów i słów w obrębie modalności do badania przetwarzania semantycznego u osób z zaburzeniami ze spektrum autyzmu (ASD).
Ogólnym celem tej metodologii semantycznego primingu ERP jest porównanie semantycznego przetwarzania bodźców językowych i pozajęzykowych w postaci słów i obrazów u osób z zaburzeniami ze spektrum autyzmu w porównaniu z osobami typowo rozwijającymi się. Metoda ta może pomóc odpowiedzieć na kluczowe pytania w dziedzinie autyzmu, takie jak to, czy osoby z zaburzeniami ze spektrum autyzmu mają globalny deficyt w przetwarzaniu semantycznym, który wykracza poza język. Główną zaletą tej techniki jest to, że wykorzystuje elektroencefalografię, technikę pomiaru aktywności mózgu, która może wychwycić bardzo subtelne różnice w przetwarzaniu poznawczym między grupami.
Procedurę zademonstruje Emme O'Rourke, asystentka naukowa w moim laboratorium. Zmierz obwód głowy uczestnika, przechodząc przez wgłębienie i nasiona, w celu dobrania odpowiedniej wielkości siatki EEG. Zacznij od zanurzenia elektroencefalografii lub elektrod EEG w roztworze elektrolitu na pięć minut.
Poinstruuj uczestnika, aby zamknął oczy, a następnie umieść siatkę tak, aby ściśle przylegała do jego głowy. Gdy wszystkie elektrody zostaną osadzone na skórze głowy, sprawdź impedancje. Ponownie osadź lub ponownie zwilż wszystkie elektrody o impedancji powyżej 50 kiloomów.
Na koniec poinstruuj uczestnika, aby ocenił, czy bodźce na ekranie są powiązane, czy nie, naciskając przycisk na klawiaturze. Powiedz im, aby poczekali z odpowiedzią, aż drugi bodziec zniknie z ekranu, a krzyż zniknie. Na koniec poproś uczestnika o wykonanie zadania.
Zacznij od otwarcia oprogramowania do przetwarzania EEG. Aby filtrować dane, utwórz nowe narzędzie filtrujące, wybierając pozycję filtrowania w menu rozwijanym tworzenia, a następnie zmień nazwę narzędzia. Następnie ustaw filtr górnoprzepustowy na 0,1 Hz, a filtr dolnoprzepustowy na 50 Hz.
Zapisz narzędzie, a następnie przeciągnij oryginalny plik zapisu EEG do pola plików wejściowych w lewym górnym rogu okna i naciśnij uruchom. Następnie, aby podzielić dane na próby, utwórz nowe narzędzie do segmentacji i odpowiednio je nazwij. W obszarze kategorii do utworzenia naciśnij znak plus, aby utworzyć nową kategorię i zmień jej nazwę związaną z obrazem.
Przeciągnij ikonę kodu do pola tworzenia kategorii na podstawie kryteriów i ustaw ją jako kod PIC1, aby zablokować czas na prezentację bodźca 1. Przeciągnij ikonę kodu klucza do pola tworzenia kategorii i ustaw ją jako numer komórki kodu klucza to 1. Należy pamiętać, że aby uwzględnić tylko poprawne próby, przeciągnij inną ikonę kodu klucza do pola tworzenia kategorii i ustaw ją jako wartość ewaluacyjną kodu klucza 1.
Następnie u dołu okna ustaw długość segmentu tak, aby wydłużyć segment o 100 milisekund przed i 2, 300 milisekund po. Sklonuj kategorię, naciskając przycisk klonowania i zmień jej nazwę na obraz niepowiązany. Ustaw kod na PIC1, a numer komórki kodu klucza na 2.
Sklonuj kategorię i zmień jej nazwę na powiązaną ze słowem. Ustaw kod na WRD1, a numer komórki kodu klucza na 3. Następnie ponownie sklonuj kategorię i zmień jej nazwę na słowo niepowiązane.
Ustaw kod na WRD1, a numer komórki kodu klucza na 4. Zapisz narzędzie, a następnie przeciągnij najnowszy wstępnie przetworzony plik do pola plików wejściowych w lewym górnym rogu okna i naciśnij uruchom. Aby przeprowadzić wykrywanie artefaktów, utwórz nowe narzędzie do wykrywania artefaktów i nadaj mu nazwę.
W ustawieniach wykrywania artefaktów naciśnij znak plus u dołu okna, aby dodać nowe ustawienie. Wybierz uszkodzone kanały z menu rozwijanego w obszarze operacja. Pozostaw wszystkie ustawienia domyślne.
Dodaj nowe ustawienie i dodaj wybierz mrugnięcie okiem z menu rozwijanego operacji i pozostaw wszystkie ustawienia domyślne. Następnie dodaj nowe ustawienie i wybierz ruch gałek ocznych z menu rozwijanego operacji i pozostaw wszystkie ustawienia. Zapisz narzędzie, a następnie przeciągnij najnowszy wstępnie przetworzony plik do pola plików wejściowych w lewym górnym rogu okna i naciśnij uruchom.
Otwórz wynikowy plik w panelu recenzji i przewijaj każdą próbę, naciskając przyciski strzałek w menu kategorii na prawym pasku bocznym. Oznacz próby jako dobre lub złe, klikając odpowiednio zielone lub czerwone kółko. Po zakończeniu zamknij plik, aby zapisać wyniki.
Następnie utwórz nowe narzędzie do zastępowania złych kanałów i nazwij je. Zapisz narzędzie, a następnie przeciągnij najnowszy wstępnie przetworzony plik do pola plików wejściowych w lewym górnym rogu okna i naciśnij uruchom. Wykonaj uśrednianie pojedynczego obiektu, aby zapaść się w próbach.
Utwórz nowe narzędzie do uśredniania i odpowiednio je nazwij. W obszarze Ustawienia uśredniania wybierz opcję Obsługuj pliki źródłowe razem i Obsługuj tematy osobno. Następnie zapisz narzędzie, a następnie przeciągnij najnowszy wstępnie przetworzony plik do pola plików wejściowych w lewym górnym rogu okna i naciśnij uruchom.
Następnie utwórz nowe narzędzie do operacji montażu i nazwij je odpowiednio. Wybierz odpowiednią siatkę z menu rozwijanego w obszarze Lista montaży dla układu czujnika. Wybierz opcję Średnia wartość referencyjna i upewnij się, że jest zaznaczone pole wykluczania złych kanałów z odwołania.
Zapisz narzędzie, a następnie przeciągnij najnowszy wstępnie przetworzony plik do pola plików wejściowych w lewym górnym rogu okna i naciśnij uruchom. Na koniec wykonaj korektę linii bazowej, używając pierwszych 100 milisekund segmentu. Utwórz nowe narzędzie do korekcji linii bazowej i nadaj mu nazwę.
W obszarze Ustawienia korekcji linii bazowej kliknij opcję wybierz linię bazową z części segmentu. Wybierz linię bazową w odniesieniu do czasu segmentu równego zero, a linia bazowa rozpoczyna się 100 milisekund przed czasem zerowym i ma długość 100 milisekund. Na koniec zapisz narzędzie, a następnie przeciągnij najnowszy wstępnie przetworzony plik do pola plików wejściowych w lewym górnym rogu okna i naciśnij uruchom.
W tym przypadku reprezentatywne przebiegi ERP na elektrodzie CZ wykazują większą amplitudę do warunków niepowiązanych w porównaniu z warunkami powiązanymi, przy około 400 milisekundach. Co więcej, te wykresy topograficzne pokazują różnicę niezwiązaną/powiązaną, uśrednioną w oknie od 400 do 500 milisekund. Grupy kliniczne, takie jak osoby z ASD, mogą wykazywać mniejszy efekt N400 w odpowiedzi na słowa, co sugeruje trudności z przetwarzaniem leksykozemantycznym.
Gdy bodźce są już stworzone, a zadanie jest gotowe, badanie EEG i wstępne przetwarzanie trwa około półtorej godziny na uczestnika. Technika ta zapewnia naukowcom zajmującym się autyzmem unikalny sposób na badanie przetwarzania semantycznego w różnych modalnościach u osób z zaburzeniami ze spektrum autyzmu. Po tej procedurze można wykonać inne metody, takie jak funkcjonalny rezonans magnetyczny, aby odpowiedzieć na dodatkowe pytania, takie jak obwody neuronalne leżące u podstaw przetwarzania leksykozemantycznego i wizualno-semantycznego u osób z zaburzeniami ze spektrum autyzmu.
Nie zapominaj, że praca z osobami z autyzmem może czasami być wyzwaniem i że podczas wykonywania procedury EEG może być konieczne wykonanie pewnych adaptacji lub poprawek w testach.
Wyświetl pełny transkrypt i uzyskaj dostęp do tysięcy filmów naukowych
Przegląd
Niniejsze badanie analizuje przetwarzanie semantyczne u osób z zaburzeniami widma autyzmu (ASD) z wykorzystaniem zadania ERP opartego na torowaniu semantycznym z użyciem obrazów i słów. Celem jest porównanie sposobu przetwarzania bodźców językowych i pozajęzykowych u osób z ASD w stosunku do osób rozwijających się typowo.
Kluczowe elementy badania
Dziedzina nauki
- Neuronauka
- Psychologia
- Badania nad autyzmem
Wstęp
- Przetwarzanie semantyczne jest kluczowe dla rozumienia języka i znaczeń.
- Osoby z ASD mogą wykazywać odmienności w przetwarzaniu semantycznym.
- Elektroencefalografia (EEG) umożliwia pomiar aktywności mózgu związanej z przetwarzaniem poznawczym.
- Celem niniejszego badania jest sprawdzenie, czy deficyty w przetwarzaniu semantycznym w ASD wykraczają poza obszar języka.
Cel badania
- Porównanie przetwarzania semantycznego słów i obrazów u osób z ASD oraz u osób rozwijających się typowo.
- Zbadanie potencjalnych globalnych deficytów w przetwarzaniu semantycznym w ASD.
- Wykorzystanie metodologii ERP w celu uchwycenia subtelnych różnic poznawczych.
Zastosowane metody
- Obwód głowy uczestników jest mierzony w celu dopasowania siatki elektrod EEG.
- Elektrody EEG są zanurzane w roztworze elektrolitu przed zastosowaniem.
- Zadanie ERP z wykorzystaniem torowania semantycznego jest przeprowadzane z użyciem par bodźców w obrębie tej samej modalności.
- Aktywność mózgu jest rejestrowana w celu analizy różnic w przetwarzaniu semantycznym.
Główne wyniki
- Zaobserwowano różnice w przetwarzaniu semantycznym między osobami z ASD a osobami rozwijającymi się typowo.
- Dane EEG dostarczyły informacji na temat mechanizmów przetwarzania poznawczego.
- Badanie potwierdza hipotezę o szerszym deficycie przetwarzania semantycznego w ASD.
- Wyniki mogą być pomocne w przyszłych badaniach i interwencjach w autyzmie.
Wnioski
- Wyniki podkreślają znaczenie wykorzystania ERP do badania przetwarzania semantycznego w ASD.
- Zrozumienie tych różnic może pomóc w opracowaniu ukierunkowanych terapii.
- Konieczne są dalsze badania w celu zbadania implikacji tych wyników.
Najczęściej zadawane pytania
Znaczenie dla przemysłu
Zadania ERP wykorzystujące primowanie semantyczne stanowią solidne ramy do analizy deficytów przetwarzania semantycznego o charakterze specyficznym dla danej modalności w porównaniu do deficytów globalnych, co wspiera mechanistyczną redukcję ryzyka w badaniach nad zaburzeniami neurorozwojowymi. Ilościowe odczyty ERP, takie jak komponent N400, umożliwiają wysokorozdzielczą walidację celów w procesie opracowywania biomarkerów poznawczych i translacyjnych. Metodologia ta zwiększa pewność prognostyczną na wczesnym etapie odkryć i dostarcza informacji niezbędnych do podejmowania decyzji portfelowych skorygowanych o ryzyko w ramach pipeline'ów biopharmaceutycznych skoncentrowanych na OUN.
Strategiczne zastosowania w badaniach i rozwoju biofarmaceutycznym
Wczesne odkrywanie i walidacja celu
- Umożliwia precyzyjną analizę ścieżek przetwarzania semantycznego w zaburzeniach neurorozwojowych.
- Wspiera funkcjonalną walidację celów poprzez rozróżnienie deficytów leksykoniczno-semantycznych od wizualno-semantycznych.
- Ułatwia ograniczanie ryzyka mechanistycznego w przypadku potencjalnych celów terapeutycznych powiązanych z dysfunkcją poznawczą.
- Zapewnia ilościowe punkty końcowe dla selekcji projektów w portfelu badawczym w oparciu o postawione hipotezy.
Przesiewy i opracowywanie testów
- Wprowadza zwalidowane testy oparte na ERP do fenotypowania poznawczego w kohortach przedklinicznych i klinicznych.
- Zapewnia powtarzalne, ilościowe pomiary N400 do porównań między różnymi warunkami.
- Umożliwia standaryzację i skalowalność testów do wysokoprzepustowego przesiewu modulatorów poznawczych.
- Wspiera wiarygodną ocenę wpływu związków na przetwarzanie semantyczne.
Badania translacyjne i przedkliniczne
- Umożliwia powiązanie biomarkerów ERP z istotnymi dla choroby punktami końcowymi funkcji poznawczych w celu zapewnienia ciągłości translacyjnej.
- Łączy ustalenia z etapu odkrywania z walidacją przedkliniczną i kliniczną w populacjach z ASD oraz grupach pokrewnych.
- Umożliwia dostosowanie ryzyka w rozwoju leków ukierunkowanych na OUN w oparciu o odczyty mechanistyczne.
- Zwiększa wartość prognostyczną mierników wyników poznawczych w badaniach wczesnej fazy.
Integracja potoku i przepływu pracy
Ten paradygmat torowania semantycznego oparty na ERP integruje się z kontinuum od etapu odkrywania do badań przedklinicznych w programach dotyczących OUN i zaburzeń neurorozwojowych.
- Biologia odkrywcza: Wspiera testowanie hipotez dotyczących deficytów semantycznych specyficznych dla danej modalności w porównaniu z deficytami globalnymi.
- Przesiew: Zapewnia zestandaryzowane, powtarzalne analizy ERP do oceny funkcji poznawczych.
- Analityka: Dostarcza ilościowe pomiary amplitudy N400 dla rzetelnego porównania statystycznego.
- Badania translacyjne: Dostosowuje punkty końcowe ERP do klinicznych biomarkerów poznawczych w celu zapewnienia płynnego przejścia między etapami badań.
- Ponowne wykorzystanie w przedsiębiorstwie: Oferuje platformę wielokrotnego użytku do oceny przetwarzania semantycznego w różnych modelach neuropsychiatrycznych.
Wpływ operacyjny i przedsiębiorczy
- Wartość naukowa: Zwiększa pewność prognostyczną i zmniejsza niejednoznaczność mechanistyczną w walidacji celu.
- Wartość operacyjna: Umożliwia ustandaryzowaną, skalowalną i powtarzalną akwizycję oraz analizę danych ERP.
- Wartość strategiczna: Poprawia proces podejmowania decyzji go/no-go oraz alokację kapitału dla portfeli CNS.
- Wpływ na portfolio: Wspiera priorytetyzację skorygowaną o ryzyko oraz rozwój zasobów w obszarze zaburzeń poznawczych.
Wskazówki dotyczące implementacji
- Wymaga doświadczenia w zakresie akwizycji EEG/ERP oraz neuronauki poznawczej.
- Wymaga dostępu do wysokiej jakości aparatury EEG oraz oprogramowania analitycznego.
- Konieczna jest standaryzacja tworzenia bodźców i potoków przetwarzania danych pomiędzy zespołami.
- Można wymagać adaptacji metody dla różnych populacji klinicznych lub przedklinicznych.
- Zgodność uczestników z procedurą oraz zarządzanie artefaktami są kluczowe dla integralności danych.
