12 de abril de 2018
Este paper descreve uma tarefa ERP de escorva semântica usando pares dentro modalidade de fotos e palavras para investigar o processamento semântico em indivíduos com transtorno do espectro do autismo (ASD).
O objetivo geral desta metodologia ERP de priming semântico é comparar o processamento semântico de estímulos linguísticos e não linguísticos na forma de palavras e imagens, em indivíduos com transtornos do espectro do autismo, em comparação com indivíduos com desenvolvimento típico. Esse método pode ajudar a responder a questões-chave no campo do autismo, como se os indivíduos com transtornos do espectro do autismo têm um déficit global no processamento semântico que se estende além da linguagem. A principal vantagem dessa técnica é que ela usa eletroencefalografia, uma técnica de medição da atividade cerebral que pode detectar diferenças muito sutis no processamento cognitivo entre os grupos.
Demonstrando o procedimento estará Emme O'Rourke, assistente de pesquisa em meu laboratório. Meça a circunferência da cabeça do participante, passando pelo ínion e násio, a fim de selecionar a rede de EEG de tamanho apropriado. Comece imergindo o eletroencefalografia, ou eletrodos de EEG, em solução eletrolítica por cinco minutos.
Instrua o participante a fechar os olhos e, em seguida, coloque a rede de forma que ela se encaixe perfeitamente na cabeça. Depois que todos os eletrodos estiverem assentados contra o couro cabeludo, verifique as impedâncias. Recoloque ou umedeça novamente quaisquer eletrodos com impedâncias acima de 50 quilo-Ohms.
Por fim, instrua o participante a julgar se os estímulos na tela estão relacionados ou não, pressionando um botão no teclado. Diga-lhes para esperar para dar sua resposta até que o segundo estímulo desapareça da tela e a cruz preta desapareça. Por fim, peça ao participante que conclua a tarefa.
Comece abrindo o software de processamento de EEG. Para filtrar os dados, crie uma nova ferramenta de filtragem selecionando filtragem no menu suspenso de criação e renomeie a ferramenta. Em seguida, defina o filtro passa-altas para 0,1 Hertz e o filtro passa-baixa para 50 Hertz.
Salve a ferramenta, arraste o arquivo de gravação EEG original para a caixa de arquivos de entrada no canto superior esquerdo da janela e clique em executar. Em seguida, para segmentar os dados em avaliações, crie uma nova ferramenta de segmentação e nomeie-a adequadamente. Em categorias a serem criadas, clique no sinal de mais para criar uma nova categoria e renomeie-a relacionada à imagem.
Arraste o ícone de código para a caixa criar categoria com base em critérios e defina-o como código PIC1, para bloquear o tempo para a apresentação do estímulo 1. Arraste o ícone do código-chave para a caixa de criação de categoria e defina-o como o número da célula do código-chave é 1. Observe que, para incluir apenas as avaliações corretas, arraste outro ícone de código-chave para a caixa de criação de categoria e defina-o como código-chave eval é 1.
Em seguida, na parte inferior da janela, defina o comprimento do segmento para estender o segmento 100 milissegundos antes e 2.300 milissegundos depois. Clone a categoria pressionando o botão clonar e renomeie-a como imagem não relacionada. Defina o código como PIC1 e o número da célula do código de chave como 2.
Clone a categoria e renomeie-a como palavra relacionada. Defina o código como WRD1 e o número da célula do código de chave como 3. Em seguida, clone a categoria novamente e renomeie-a como palavra não relacionada.
Defina o código como WRD1 e o número da célula do código de chave como 4. Salve a ferramenta, arraste o arquivo pré-processado mais recente para a caixa de arquivos de entrada no canto superior esquerdo da janela e clique em executar. Para executar a detecção de artefatos, crie uma nova ferramenta de detecção de artefatos e nomeie-a.
Em configurações de detecção de artefato, clique no sinal de mais na parte inferior da janela para adicionar uma nova configuração. Selecione canais defeituosos no menu suspenso em operação. Deixe todas as configurações padrão.
Adicione uma nova configuração e adicione selecione piscar os olhos no menu suspenso de operação e deixe todas as configurações padrão. Em seguida, adicione uma nova configuração e selecione o movimento dos olhos no menu suspenso de operação e deixe todas as configurações. Salve a ferramenta, arraste o arquivo pré-processado mais recente para a caixa de arquivos de entrada no canto superior esquerdo da janela e clique em executar.
Abra o arquivo resultante no painel de revisão e percorra cada teste pressionando os botões de seta no menu de categorias na barra lateral direita. Marque as tentativas como boas ou ruins acertando os círculos verdes ou vermelhos, respectivamente. Quando terminar, feche o arquivo para salvar os resultados.
Em seguida, crie uma nova ferramenta de substituição de canal defeituoso e nomeie-a. Salve a ferramenta, arraste o arquivo pré-processado mais recente para a caixa de arquivos de entrada no canto superior esquerdo da janela e clique em executar. Execute a média de um único sujeito para entrar em colapso durante as tentativas.
Crie uma nova ferramenta de média e nomeie-a adequadamente. Em configurações de média, selecione manipular arquivos de origem juntos e manipular assuntos separadamente. Em seguida, salve a ferramenta, arraste o arquivo pré-processado mais recente para a caixa de arquivos de entrada no canto superior esquerdo da janela e clique em executar.
Em seguida, crie uma nova ferramenta de operações de montagem e nomeie-a adequadamente. Selecione a rede apropriada no menu suspenso em montagens de lista para o layout do sensor. Selecione a referência média e certifique-se de que a caixa excluir canais inválidos da referência esteja marcada.
Salve a ferramenta, arraste o arquivo pré-processado mais recente para a caixa de arquivos de entrada no canto superior esquerdo da janela e clique em executar. Por fim, execute a correção da linha de base usando os primeiros 100 milissegundos do segmento. Crie uma nova ferramenta de correção de linha de base e nomeie-a.
Em configurações de correção de linha de base, clique em selecionar linha de base da parte do segmento. Selecione a linha de base em relação ao tempo do segmento igual a zero e a linha de base começa 100 milissegundos antes do tempo zero e tem 100 milissegundos de duração. Por fim, salve a ferramenta, arraste o arquivo pré-processado mais recente para a caixa de arquivos de entrada no canto superior esquerdo da janela e clique em executar.
Aqui, as formas de onda representativas do ERP no eletrodo CZ mostram uma amplitude maior para condições não relacionadas em comparação com condições relacionadas, em aproximadamente 400 milissegundos. Além disso, esses gráficos topográficos mostram a diferença não relacionada / relacionada, em média em uma janela de 400 a 500 milissegundos. Grupos clínicos, como indivíduos com TEA, podem apresentar um efeito N400 menor em resposta às palavras, o que sugere dificuldades com o processamento lexicosemântico.
Uma vez que os estímulos são criados e a tarefa está pronta, o teste de EEG e o pré-processamento levam aproximadamente uma hora e meia por participante. Essa técnica fornece uma maneira única para os pesquisadores no campo do autismo explorarem o processamento semântico em diferentes modalidades em indivíduos com transtorno do espectro do autismo. Após esse procedimento, outros métodos, como a ressonância magnética funcional, podem ser realizados para responder a perguntas adicionais, como o circuito neural subjacente ao processamento léxico-semântico e visual-semântico em indivíduos com transtorno do espectro do autismo.
Não se esqueça de que trabalhar com indivíduos com autismo às vezes pode ser desafiador e que certas adaptações ou alterações nos testes podem precisar ser feitas durante a execução do procedimento de EEG.
Veja a transcrição completa e aceda a milhares de vídeos científicos
Este estudo investiga o processamento semântico em indivíduos com transtorno do espectro do autismo (ASD) utilizando uma tarefa de potencial relacionado a eventos (ERP) de priming semântico com imagens e palavras. O objetivo é comparar como estímulos linguísticos e não linguísticos são processados em indivíduos com ASD versus indivíduos tipicamente desenvolvidos.
As tarefas de ERP de priming semântico fornecem uma estrutura robusta para analisar déficits no processamento semântico específico à modalidade versus globais, apoiando a desmistificação mecanicista na pesquisa de transtornos neurodesenvolvimentais. Leituras quantitativas de ERP, como o componente N400, permitem uma validação de alvo de alta resolução para o desenvolvimento de biomarcadores cognitivos e translacionais. Esta metodologia fortalece a confiança preditiva na fase inicial de descoberta e orienta decisões de portfólio ajustadas ao risco para pipelines de biotecnologia focados no SNC.
Este paradigma de priming semântico baseado em ERP se integra ao continuum de descoberta a pré-clínico para programas de distúrbios do SNC e neurodesenvolvimentais.