Summary
Basierend auf ruhenden Zustand funktionelle Magnetresonanztomographie mit Granger Kausalität Analyse, untersuchten wir die Änderungen in die gezielte funktionelle Verknüpfung zwischen den hinteren cingulären Kortex und ganze Gehirn bei Patienten mit Alzheimer-Krankheit (AD), Patienten mit Mild Cognitive Impairment (MCI) und gesunden Kontrollpersonen.
Abstract
Beeinträchtigt funktionelle Verknüpfung in der Standard-Modus-Netzwerk (DMN) kann das Fortschreiten der Alzheimer-Krankheit (AD) beteiligt werden. Die hinteren cingulären Kortex (PCC) ist ein potenzieller bildgebenden Marker für Überwachung das Fortschreiten der AD. Frühere Studien nicht auf die funktionelle Verknüpfung zwischen der PCC und Knoten in Regionen außerhalb der DMN konzentrieren, aber unsere Studie ist ein Versuch, diese übersehen Funktionszusammenhänge zu erkunden. Für die Datenerhebung, verwendeten wir funktionelle Magnetresonanztomographie (fMRT) und Granger Kausalität Analyse (GCA). fMRI bietet eine nicht-invasive Methode zur Untersuchung der dynamischen Wechselwirkungen zwischen verschiedenen Gehirnregionen. GCA ist ein statistischer Hypothesentest zur Feststellung, ob einmalige Serie bei der Vorhersage von anderen nützlich ist. In einfachen Worten, es wird danach beurteilt, vergleicht man die "alle Informationen auf den letzten Moment, die Verteilung der Wahrscheinlichkeit von X zu diesem Zeitpunkt" und die "bezeichnet alle Informationen auf den letzten Moment außer Y, die Verteilung der Wahrscheinlichkeit von X zu diesem Zeitpunkt", um festzustellen, ob eine kausale Beziehung zwischen Y und X. Diese Definition basiert auf die vollständige Informationsquelle und stationäre chronologischer Reihenfolge. Der wichtigste Schritt dieser Analyse ist mit X und Y die Regressionsgleichung und zeichnen eine kausale Beziehung durch einen hypothetischen Test. Da GCA kausale Effekte messen kann, haben wir es untersuchen die Anisotropie der funktionelle Konnektivität und erkunden die Hub-Funktion des PCC. Hier wir abgeschirmt 116 Teilnehmer für MRI Scan, und wir nach Vorverarbeitung der Daten aus Neuroimaging, GCA verwendet, um den ursächlichen Zusammenhang der einzelnen Knoten ableiten. Schließlich schlossen wir, dass die gerichtete Verbindung zwischen den Mild Cognitive Impairment (MCI) und AD Gruppen, sowohl aus der PCC auf das ganze Gehirn das gesamte Gehirn in die PCC erheblich unterscheidet.
Introduction
AD ist eine degenerative Erkrankung des zentralen Nervensystems, die Histopathologie, Elektrophysiologie und Neuroimaging1diagnostiziert werden können. Die Speicher-bezogene DMN ist ein lebenswichtiges System der interagierenden Hirnregionen zugeordnete AD, und seine abnormale Funktion ist charakteristisch für AD2,3. Die PCC ist eine wichtige Region des traditionellen Standardnetzwerk im Ruhezustand und spielt entscheidende Rolle im episodischen Gedächtnis, räumliche Aufmerksamkeit, Selbstevaluation und andere kognitive Funktionen4,5,6,7. Darüber hinaus möglicherweise eine bildgebende Marker für die Überwachung der AD fortschreiten. Verwendung von GCA fanden Liao Et Al. , dass die PCC eine Region von mehreren Cytoarchitektonik mit mehreren Verbindungen ist und eine wichtige Rolle im funktionalen Gehirn Struktur8 spielt. Zhong Et Al. berichtet, dass die PCC ein Convergence Centers, die Interaktionen von den meisten anderen Regionen innerhalb der DMN3erhalten. Darüber, Miao Et Al. gezeigt, dass in den Regionen DMN Hub der PCC die größten kausale Wirkung-Beziehung mit anderen Knoten9hat. Zusammen, studiert alles, was diese deutet darauf hin, dass die gerichtete Verbindung des PCC wertvoll in der AD-Forschung ist und der PCC weiterentwickelt werden muss als eine wichtige Region der DMN vertiefte.
Die bisherigen Studien waren die Konnektivität zwischen der PCC und anderen Regionen innerhalb der DMN beschränkt; jedoch wurden die Änderungen in gezielte funktionelle Verknüpfung zwischen den PCC und Gehirn Regionen außerhalb der DMN sowie deren Einfluss auf AD erforschten10noch nicht. Unsere Studie untersucht diese unerforschte funktionelle Konnektivität in normalen gesunden Kontrollen, Patienten mit MCI und Patienten mit AD. Durch die Beobachtung der gerichteten Verbindungen zwischen der PCC und ganze Hirnregionen, wollten wir die funktionelle Veränderungen im Gehirn im Zusammenhang mit AD Fortschreiten zu erhellen, und schaffen damit eine neuartige objektive Grundlage für die Beurteilung der Schwere der Erkrankung.
Funktionelle Verknüpfung bezieht sich auf eine interregionale Interaktion, die durch synchrone Schwankungen in Niederfrequenz (LFFs) dargestellt werden kann im zerebralen Blut Sauerstoff Ebene abhängige (BOLD) fMRT Signal. Daher, um die funktionelle Verknüpfung zwischen den PCC und anderen Gehirnregionen zu beobachten, analysierten wir die funktionelle Verknüpfung zwischen den PCC und das ganze Gehirn-Netzwerk von fMRI GCA, mit der PCC als die Region von Interesse (ROI). Diese Technik stammt direkt das grundsätzliche Verhältnis der einzelnen Knoten anhand von Neuroimaging11erhalten. Vor kurzem wurde GCA Elektroenzephalogramm (EEG) und fMRI-Studien offenbaren die kausale Effekte unter Gehirn Regionen12angewendet. Alle diese Studien gezeigt, dass die GCA-Technik optimal für den ursächlichen Zusammenhang der einzelnen Knoten in das Gehirn zu erkennen sein könnte.
Subscription Required. Please recommend JoVE to your librarian.
Discussion
Dieser Bericht stellt ein Verfahren zum Vergleich der gerichteten funktionelle Verknüpfung von PCC an das ganze Gehirn und aus dem gesamten Gehirn in die PCC zwischen AD, MCI und der Kontrollgruppe. Darüber hinaus ist ein wichtiger Schritt in diesem Prozess der Klassifizierung und Screening der Probe vor dem Experiment. Somit sind die Klassifizierung und screening-Kriterien entscheidend, da die Genauigkeit der Ergebnisse beeinflusst werden kann, wenn sie falsch sind. Wie im Protokoll aufgeführt, verwendeten wir 2011-NINCDS-ADRDA-Diagnosekriterien und MMSE und die Kriterien für die Identifizierung und Klassifizierung von MCI; Unsere Screening-Kriterien werden auch in den oben genannten Protokoll bezeichnet. Wir ausgeschlossen diejenigen Patienten, die waren nicht für die Studie geeignet, und dann, genau klassifiziert die übrigen Patienten, das ist die Grundlage für spätere Experimente. Die kritische Analyse der GCA entspringt die gezielte funktionelle Verknüpfung der PCC an das ganze Gehirn und aus dem gesamten Gehirn in die PCC zwischen AD, MCI, und Kontrollgruppen mit den Daten gewonnenen Neuroimaging. Wir präsentierten die Details der GCA-Analyse in diesem Protokoll. Diese Technologie erhebliche Unterschiede zwischen den Gruppen in gerichteten Konnektivität, und klärte auch die Korrelation zwischen der funktionalen Veränderungen und AD Progression.
In unserer Datenanalyse dieser Studie trat Unterschiede zwischen Individuen (nicht einschließlich Alter, Geschlecht und Bildungsniveau, da zwischen den 3 Gruppen ähneln, und daher es schwierig ist, eine objektive Bewertung der Schlussfolgerungen). Um dieses Problem zu beheben, analysieren wir die Daten der Gruppen und nicht die einzelnen Daten. Die Variablen in jeder Gruppe werden als Mittelwert und SD und der kontinuierlichen Variablen als Zahlen und in Prozent, mit dem Chi-Quadrat-Test dargestellt. Durch diese quantitative Bewertung wir objektiv bewerten die gerichtete Verbindungen zwischen der PCC und der gesamte Hirnregion und erhellen die funktionelle Veränderungen im Zusammenhang mit dem Fortschreiten der AD im Gehirn.
Obwohl lineare Korrelation und unabhängige Komponente Analysis (ICA) am meisten benutzt gewesen sind, die funktionelle Verknüpfung zu studieren, haben diese Ergebnisse keine Richtwirkung. GCA kann genutzt werden, nicht nur um die kausale Effekte von fMRI-Zeitreihen zu messen, sondern auch um die Dynamik und die Richtung des BOLD-Signals erhalten von Rs-fMRT14,15zeigen.
Wir analysieren die gerichtete Verbindungen zwischen der PCC und das ganze Gehirn-Netzwerk mit GCA mit PCC als ROI und gefundenen Unterschiede in gerichteten Konnektivität zwischen dem AD, MCI, und Gruppen zu steuern. So schlossen wir, dass PCC, als ein wichtiges Drehkreuz für die DMN Hirnregion erhebliche Auswirkungen auf AD Fortschreiten hat. PCC kann nicht nur zeigen Auffälligkeiten in den Empfang von Informationen, sondern auch zeigen Auffälligkeiten in der Übertragung von Informationen. Darüber hinaus zeigt diese Studie, dass die Übertragung von Informationen in alle Gehirnregionen mit anormalen Verbindungen gerichtet, mit Ausnahme von einzelnen Knoten (linken mittleren frontalen Gyrus und linken Precuneus), da die Anomalien in diesen Hirnregionen einseitige sind. Ein weiteres interessantes Ergebnis dieser Studie ist, dass diese Verbindung Anomalien scheinen vor allem in der linken Hemisphäre auftreten. Dies kann, weil die dominanten Hemisphäre (linke Gehirnhälfte) anfälliger für Verletzungen als die rechte Hemisphäre, zu frühe metabolische Niedergang und Atrophie16.
Dennoch gibt es einige Einschränkungen in unserer Studie. Für die GCA-Technologie, erreicht die Sampling-Rate 2 s, verschiedene hämodynamische Verzögerungen sind schwierig, genau17zu erhalten und die langsame Dynamik des BOLD signal bei 2 s kann dazu führen, dass einige schnelle kausale Beziehung Verlust18. Infolgedessen kann diese Einschränkung der Abweichung der experimentellen Daten führen. Da die Test-Sample-Größe nicht ausreichend groß genug war, sind weitere Beispiele für die Ergebnisse überprüfen.
Derzeit haben einige Studien multivariate GCA-Techniken verwendet, um kausale Zusammenhänge zwischen mehreren Gehirnregionen zu beschreiben. In der Theorie ist die multivariate GCA eine verbesserte Technik, die die Komplexität der gerichtete Verbindungen im Gehirn zeigen kann; Es hat jedoch weitere technische Herausforderungen als bivariate GCA, wie hämodynamische Verzögerung mit der Region12variiert. Unser zukünftige Ziel ist es, den Herausforderungen der multivariaten GCA und dessen Anwendung auf die Forschung, um die komplexen direktionale Anbindung des Gehirns besser zu veranschaulichen.
Subscription Required. Please recommend JoVE to your librarian.
Disclosures
Die Autoren erklären, dass sie keine konkurrierenden finanziellen Interessen haben.
Acknowledgments
Die Autoren danken Gongjun JI für Computer-Software-Support. Diese Forschung wurde teilweise unterstützt von der National Natural Science Foundation of China (Nr. 81201156, 81271517); die Zhejiang Provincial Natural Science Foundation of China (No. LY16H180007, LY13H180016, 2013C33G1360236), und der Science Foundation aus der Gesundheitskommission der Provinz Zhejiang (Nr. 2013RCA001, 201522257).
Materials
| Name | Company | Catalog Number | Comments |
| 116 patients | Zhejiang Provincial People’s hospital | - | This study was approved by the ethics committee of Zhejiang Provincial People’s hospital. Every enrolled subject signed a written informed consent form. |
| Siemens Trio 3.0 T MRI scanner | Siemens, Erlangen, Germany | 20571 | Equipped with AudioComfort that reduces acoustic noise up to 90%; Provides high performance at a low noise level; Ultra light-weight coil; Unique MRI sequence design; Supports up to 400 pounds without restrictions. |
| RESTplus | Hangzhou Normal University, Hangzhou, Zhejiang, China | 20160122 | RESTplus evolved from REST (Resting-State fMRI Data Analysis Toolkit), a convenient toolkit to calculate Functional Connectivity (FC), Regional Homogeneity(ReHo), Amplitude of Low-Frequency Fluctuation (ALFF), Fractional ALFF (fALFF), Gragner causality, degree centrality, voxel-mirrored homotopic connectivity (VMHC) and perform statistical analysis. |
| DPARSF | Hangzhou Normal University, Hangzhou, Zhejiang, China | 130615 | Data Processing Assistant for Resting-State fMRI (DPARSF) is a convenient plug-in software within DPABI, which is based on SPM. You just need to arrange your DICOM files, and click a few buttons to set parameters, DPARSF will then give all the preprocessed data, functional connectivity, ReHo, ALFF/fALFF, degree centrality, voxel-mirrored homotopic connectivity (VMHC) results. |
| SPSS | SPSS Inc., Chicago, IL, USA | - | SPSS offers detailed analysis options to look deeper into your data and spot trends that you might not have noticed. |
References
- Delbeuck, X., Van der Linden, M., Collette, F. Alzheimer's disease as a disconnection syndrome? Neuropsychol Rev. 13 (2), 79-92 (2003).
- Wang, K., et al. Altered functional connectivity in early Alzheimer's disease: a resting-state fMRI study. Hum Brain Mapp. 28 (10), 967-978 (2007).
- Zhong, Y., et al. Altered effective connectivity patterns of the default mode network in Alzheimer's disease: an fMRI study. Neurosci Lett. 578, 171-175 (2014).
- Gusnard, D. A., Raichle, M. E., Raichle, M. E. Searching for a baseline: functional imaging and the resting human brain. Nat Rev Neurosci. 2 (10), 685-694 (2001).
- Greicius, M. D., Krasnow, B., Reiss, A. L., Menon, V. Functional connectivity in the resting brain: a network analysis of the default mode hypothesis. Proc Natl Acad Sci U S A. 100 (1), 253-258 (2003).
- Ries, M. L., et al. Task-dependent posterior cingulate activation in mild cognitive impairment. NeuroImage. 29 (2), 485-492 (2006).
- Braak, H., Braak, E. Neuropathological stageing of Alzheimer-related changes. Acta Neuropathol. 82 (4), 239-259 (1991).
- Liao, W., et al. Evaluating the effective connectivity of resting state networks using conditional Granger causality. Biol Cybern. 102 (1), 57-69 (2010).
- Miao, X., Wu, X., Li, R., Chen, K., Yao, L. Altered connectivity pattern of hubs in default-mode network with Alzheimer's disease: an Granger causality modeling approach. PloS one. 6 (10), e25546 (2011).
- Yu, E., et al. Directed functional connectivity of posterior cingulate cortex and whole brain in Alzheimer's disease and mild cognitive impairment. Curr Alzheimer Res. , (2016).
- Kaminski, M., Ding, M., Truccolo, W. A., Bressler, S. L. Evaluating causal relations in neural systems: granger causality, directed transfer function and statistical assessment of significance. Biol Cybern. 85 (2), 145-157 (2001).
- Zang, Z. X., Yan, C. G., Dong, Z. Y., Huang, J., Zang, Y. F. Granger causality analysis implementation on MATLAB: a graphic user interface toolkit for fMRI data processing. J Neurosci Methods. 203 (2), 418-426 (2012).
- Hedden, T., et al. Disruption of functional connectivity in clinically normal older adults harboring amyloid burden. J Neurosci. 29 (40), 12686-12694 (2009).
- Liao, W., et al. Small-world directed networks in the human brain: multivariate Granger causality analysis of resting-state fMRI. NeuroImage. 54 (4), 2683-2694 (2011).
- Liao, W., et al. Evaluating the effective connectivity of resting state networks using conditional Granger causality. Biol Cybern. 102 (1), 57-69 (2010).
- Zhang, H. Y., et al. Detection of PCC functional connectivity characteristics in resting-state fMRI in mild Alzheimer's disease. Behav Brain Res. 197 (1), 103-108 (2009).
- Deshpande, G., Hu, X., Stilla, R., Sathian, K. Effective connectivity during haptic perception: a study using Granger causality analysis of functional magnetic resonance imaging data. NeuroImage. 40 (4), 1807-1814 (2008).
- Bressler, S. L., Seth, A. K. Wiener-Granger causality: a well established methodology. NeuroImage. 58 (2), 323-329 (2011).
