Aplicação da análise de causalidade de Granger da Conexão funcional direcionado na doença de Alzheimer e transtorno cognitivo leve
7 de agosto de 2017
Com base no estado de repouso ressonância magnética funcional com análise de causalidade de Granger, investigamos as alterações na conectividade funcional do dirigido entre o córtex cingulado posterior e todo o cérebro em pacientes com doença de Alzheimer (AD), pacientes com comprometimento cognitivo leve (MCI) e controles saudáveis.
O objetivo geral desta análise de causalidade de Granger é estudar a conectividade funcional direcionada no cérebro relacionada à progressão da doença de Alzheimer, estabelecendo assim uma nova base objetiva para avaliar a gravidade da doença. Este método pode ajudar a responder questões fundamentais na área da doença de Alzheimer, como a conectividade direcionada entre o CPC e regiões cerebrais inteiras. A principal vantagem desta técnica é que ela mede os efeitos causais das séries temporais de FMRI e mostra a dinâmica e as direções do sinal fraco.
A implicação desta técnica estende-se ao diagnóstico da progressão da doença de Alzheimer, pois compara a conectividade funcional direcionada entre os grupos de DA, CIM e controle. Por meio deste método, que pode fornecer informações sobre a escala da conectividade funcional direcionada no Alzheimer, também pode ser aplicado a outros sistemas, como estudos de eletroencefalograma. Geralmente, indivíduos novos neste método terão dificuldades se não estiverem familiarizados com a operação do software.
Primeiro, devemos adicionar aqui para o semestre e, em seguida, avaliar os trabalhos anteriores sobre Análise de Causalidade de Granger. Ao demonstrar essa metodologia no mundo real, é fundamental considerar diversos aspectos que vão além do que pode ser descrito no texto. Comece abrindo o RESTplus por meio do software e clique com o botão esquerdo em Pipeline.
Importe os arquivos relevantes para o RESTplus. Selecione o diretório de trabalho e, em seguida, os diretórios iniciais de EPI e T1. Em seguida, para converter arquivos Dicom em Nifti, marque a caixa DicomToNifti na Pré-processamento.
E marque os parâmetros EPI Dicom para Nifiti e T1 para Nifiti. Remova os primeiros 10 pontos temporais marcando a opção RemoveFirstTimePoints e definindo o parâmetro final como 10. Em seguida, marque a caixa de tempo de corte.
Defina o número de cortes de acordo com os parâmetros de RMf RS do estudo e insira a ordem dos cortes. Marque Realign para corrigir o tempo e os movimentos da cabeça. Em seguida, realize a normalização espacial marcando Normalize e mantenha os parâmetros padrão na parte inferior.
Utilize a segmentação unificada da imagem T1 e padronize todos os cabeçotes para o mesmo espaço ao selecionar os parâmetros. Normalize utilizando a segmentação unificada da imagem T1 e o modelo europeu. Em seguida, selecione suavização para realizar o alisamento espacial usando um núcleo gaussiano isotrópico com largura total na metade do máximo de 6 mm.
Remova a tendência linear marcando a opção Detrend. Selecione a regressão de covariáveis de ruído a seguir: seis parâmetros de movimento da cabeça, sinal médio global, sinal da substância branca e sinal do líquido cefalorraquidiano, a fim de aumentar a relação sinal-ruído. Por fim, selecione o filtro para reter sinais entre 0,01 e 0,08 hertz.
Remova o ruído fisiológico de alta frequência, bem como a deriva de baixa frequência. Comece realizando a Análise de Causalidade de Granger voxel a voxel, ou GCA, utilizando o GCA REST na caixa de ferramentas REST. Na caixa de Pós-processamento, marque GCA.
Defina a ordem como um no padrão. Selecione Definir ROI e escolha a ROI esférica para definir a região de interesse. Selecione próximo.
Identifique pontos de semente de interesse no córtex singular posterior, ou PCC, definindo as coordenadas centrais e o raio da ROI de semente com base nos dados conhecidos e selecione OK. Em seguida, selecione Executar e OK para rodar o programa. Depois, localize pastas denominadas ZGCA e GCA após o processamento dos dados dos arquivos relevantes. Separe os arquivos de ZGCA e classifique-os em quatro subpastas, XX, XY, YX, YY, conforme apropriado.
No software, abra o RESTplus e clique com o botão esquerdo em Análise Estatística. Clique com o botão esquerdo no Teste T de duas amostras REST. Nomeie o resultado de saída como T1XY e defina o diretório de saída.
Clique com o botão esquerdo em Adicionar Imagens de Grupo para abrir a subpasta XY na pasta Resultados DA e a subpasta XY na pasta Resultados CN. Em seguida, clique com o botão esquerdo para abrir o subarquivo BrainMask na pasta mask. Depois, selecione Calcular para executar o programa.
Nomeie os resultados de saída como T2XY e defina o diretório de saída. Clique com o botão esquerdo em Adicionar Imagens de Grupo para abrir a subpasta XY na pasta Resultados DA. E a subpasta XY na pasta Resultados MCI.
Repita o cálculo do arquivo da máscara cerebral para obter as saídas para T3XY, T1YX, T2YX e T3YX, totalizando seis arquivos. Clique com o botão esquerdo no Visualizador do RESTplus para visualizar os arquivos resultantes. Importe o modelo denominado Ch2 na Sobreposição.
Por fim, localize os seis arquivos resultantes no diretório de saída e preencha a sobreposição um por um. Crie o gráfico final utilizando os seis arquivos de saída. Após os nós ativos em todo o cérebro serem inicialmente identificados, a tecnologia GCA foi utilizada para determinar a conectividade funcional direcionada do PCC para todo o cérebro.
E da região do cérebro inteiro para o CPC nos grupos DA, CIM e controle. A conectividade direcionada do cérebro inteiro para o CPC foi aumentada no grupo DA em comparação com o grupo controle normal e concentrou-se principalmente na região cerebelar bilateral fora da DMN. A conectividade direcionada do CPC para o cérebro inteiro foi significativamente reduzida no grupo DA em comparação com os controles, com as principais regiões, como o precúneo direito e o giro metaprontal esquerdo, pertencentes à DMN.
Embora exija domínio, esta técnica pode ser realizada em 14 horas se for executada corretamente. Ao tentar este procedimento, é importante lembrar que todos os arquivos e nomes de fotos devem estar em inglês e não podem conter espaços. Após seu desenvolvimento, esta técnica abriu caminho para pesquisadores na área de fMRI explorarem a conectividade fracional direcionada na progressão da doença de Alzheimer.
Após assistir a este vídeo, você deverá ter uma boa compreensão de como iniciar a análise da conectividade fracional direcionada no cérebro relacionada à progressão da DA. Assim, estabelecer uma base objetiva precisa para avaliar a gravidade da doença.
Veja a transcrição completa e aceda a milhares de vídeos científicos
Visão Geral
Este estudo investiga a conectividade funcional direcionada no cérebro relacionada à progressão da doença de Alzheimer (AD) utilizando ressonância magnética funcional (fMRI) e análise de causalidade de Granger (GCA). O foco está no córtex cingulado posterior (PCC) e sua conectividade com regiões da Rede em Modo Padrão (DMN) e fora dessa rede. A abordagem fornece uma base objetiva para avaliar a gravidade da DA e oferece insights sobre as interações dinâmicas e direcionais entre regiões cerebrais nos grupos com DA, comprometimento cognitivo leve (MCI) e grupo controle.
Componentes Principais do Estudo
Área da Ciência
- Neurociência
- Neuroimagem
- Pesquisa sobre a doença de Alzheimer
Contexto
- A conectividade funcional prejudicada na DMN está implicada na progressão da DA.
- O CPC é um marcador de imagem-chave para o monitoramento da DA.
- Estudos anteriores não exploraram completamente a conectividade do CPC com regiões fora da DMN.
- A AGC permite a avaliação de relações causais e direcionais entre regiões cerebrais utilizando dados de fRMI.
Objetivo do Estudo
- Explorar a conectividade funcional direcionada entre o CPC e todo o cérebro nos grupos com DA, CIM e controles.
- Estabelecer uma base objetiva para avaliar a gravidade da DA utilizando neuroimagem.
- Identificar diferenças nos padrões de conectividade que possam servir como biomarcadores para a progressão da doença.
Métodos Utilizados
- Selecionamos 116 participantes para a realização de ressonância magnética.
- Pré-processamos os dados de fRMI utilizando o software RESTplus (incluindo conversão de DICOM para NIfTI, correção de temporização por fatia, realinhamento, normalização, suavização, remoção de tendências, regressão de ruídos e filtragem).
- Definimos regiões de interesse (ROI) no CPG e realizamos GCA voxel a voxel para avaliar a conectividade direcionada.
- Análise estatística utilizando testes t para duas amostras para comparar os grupos de DA, DMC e controle.
Resultados Principais
- A conectividade direcionada de todo o cérebro para o CPC foi aumentada no grupo com DA em comparação com os controles, especialmente em regiões cerebelares bilaterais fora da DMN.
- A conectividade direcionada do CPC para todo o cérebro foi significativamente reduzida no grupo com DA, particularmente em regiões da DMN, como o precúneo direito e o giro frontal medial esquerdo.
- Foram observadas diferenças significativas nos padrões de conectividade direcionada entre os grupos com CIM e DA.
- O método fornece uma abordagem escalável para avaliar a conectividade funcional direcionada em doenças neurodegenerativas.
Conclusões
- A ACG de dados de fMRI revela alterações distintas na conectividade funcional direcionada envolvendo o CPC na progressão da DA.
- Essas alterações na conectividade podem servir como biomarcadores de imagem objetivos para a gravidade da DA.
- A abordagem pode ser estendida a outras modalidades de neuroimagem e distúrbios neurológicos.
Perguntas Frequentes
Relevância Executiva para a Indústria
A análise de causalidade de Granger (GCA) de dados de fMRI permite uma avaliação objetiva e quantitativa das alterações na conectividade funcional direcionada na doença de Alzheimer (AD) e no comprometimento cognitivo leve (MCI). Essa abordagem auxilia na redução de riscos mecanicistas e na validação de alvos ao revelar interrupções direcionais na rede neural relevantes para a progressão da doença. A integração da GCA em fluxos de trabalho de neuroimagem aumenta a confiança preditiva para o desenvolvimento de biomarcadores e triagem de portfólios na pesquisa de doenças neurodegenerativas.
Aplicações Estratégicas em P&D de Biotecnologia Farmacêutica
Descoberta Inicial e Validação de Alvo
- Permite a investigação orientada por hipóteses das interrupções na rede cerebral na DA e no CIM.
- Apoia a validação funcional de alvos mediante a quantificação de alterações na conectividade direcional envolvendo o CPC.
- Facilita a redução de riscos mecanicistas por meio da medição objetiva da anisotropia da rede.
- Melhora a confiança preditiva para a priorização de alvos em doenças neurodegenerativas.
Desenvolvimento de Triagem e Ensaio
- Prepara conjuntos de dados de neuroimagem validados para triagem de biomarcadores subsequente.
- Padroniza saídas quantitativas para comparação reprodutível entre estágios da doença.
- Permite análise escalonável de conectividade direcionada para prontidão em triagem de alto rendimento.
- Apoia a avaliação confiável de biomarcadores de imagem candidatos.
Pesquisa Translacional e Pré-clínica
- Alinha os resultados de imagem com biomarcadores funcionais relevantes para a doença, garantindo continuidade translacional.
- Permite decisões de avanço ajustadas ao risco com base em métricas objetivas de rede.
- Fornece insights mecanicistas para orientar a seleção e validação de modelos pré-clínicos.
- Apoia a continuidade desde a descoberta até estudos de neuroimagem pré-clínicos.
Integração de Pipeline e Fluxo de Trabalho
A análise de fMRI baseada em GCA insere-se no continuum de descobertas em neuroimagem, conectando estudos mecanicistas iniciais e o desenvolvimento translacional de biomarcadores para portfólios de doenças neurodegenerativas.
- Biologia da Descoberta: Quantifica interrupções direcionais em redes para esclarecer mecanismos de doenças e validar alvos de imagem.
- Triagem: Fornece métricas quantitativas e reprodutíveis de conectividade para avaliação de biomarcadores candidatos.
- Análises: Oferece saídas estatísticas que permitem comparações robustas entre grupos e insights específicos por condição.
- Pesquisa Translacional: Alinha os resultados de imagem com a progressão da doença para garantir continuidade entre estudos pré-clínicos e clínicos.
- Reutilização Empresarial: Estabelece um fluxo de trabalho escalável e reutilizável para análise de conectividade direcionada em indicações neurodegenerativas.
Impacto Operacional e Empresarial
- Valor Científico: Aumenta a confiança preditiva e reduz a ambiguidade mecanicista na pesquisa de doenças neurodegenerativas.
- Valor Operacional: Padroniza a análise de neuroimagem para reprodutibilidade e escalabilidade entre estudos.
- Valor Estratégico: Orienta decisões de avançar/não avançar e melhora a eficiência de capital ao permitir a priorização objetiva de biomarcadores.
- Impacto no Portfólio: Apoia o avanço ajustado ao risco e a comparabilidade entre programas em portfólios de neuroimagem.
Considerações sobre a Implementação
- Requer experiência em pré-processamento de neuroimagem e análise estatística.
- Depende do acesso a instrumentação de fMRI e software especializado (por exemplo, RESTplus).
- Exige padronização rigorosa entre equipes quanto aos formatos de dados e convenções de nomenclatura.
- A adaptação entre modelos de doenças pode exigir otimização e validação de parâmetros.
- As limitações práticas incluem a curva de aprendizado do software e a complexidade do pré-processamento.
