Summary
Se fondant sur l’état de repos imagerie fonctionnelle par résonance magnétique avec analyse de causalité de Granger, nous avons étudié les altérations dans la connectivité fonctionnelle dirigée entre le cortex cingulaire postérieur et le cerveau de patients atteints de la maladie d’Alzheimer (ma), patients souffrant de déficience Cognitive légère (DCL) et témoins sains.
Abstract
La connectivité fonctionnelle ayant une déficience dans le réseau de Mode par défaut (DMN) peut-être être impliquée dans la progression de la maladie d’Alzheimer (ma). Le Cortex cingulaire postérieur (PCC) est un marqueur potentiel d’imagerie pour surveiller la progression de la ma. Des études antérieures ne sont pas axé sur la connectivité fonctionnelle entre le PCC et les nœuds dans les régions à l’extérieur de la DMN, mais notre étude est un effort pour explorer ces connexions fonctionnelles négligées. Pour la collecte des données, nous avons utilisé l’imagerie de résonance magnétique fonctionnelle (IRMf) et analyse de causalité de Granger (GCA). IRMf fournit une méthode non invasive pour étudier les interactions dynamiques entre les différentes régions du cerveau. GCA est un test d’hypothèse statistique pour déterminer si la série unique est utile pour la prévision à l’autre. En termes simples, il est jugé en comparant la « connu de toutes les informations sur le dernier moment, la distribution de la probabilité de X en ce moment » et le « connu de toutes les informations sur le dernier moment sauf Y, la distribution de la probabilité de X en ce moment », afin de déterminer s’il existe une relation causale entre Y et X. Cette définition s’inspire de la source d’information complète et la séquence chronologique stationnaire. La principale étape de cette analyse consiste à utiliser des X et Y pour établir l’équation de régression et de dessiner un lien de causalité hypothétique test. Depuis GCA peut mesurer des effets de causalité, nous avons utilisé pour enquêter sur l’anisotropie de la connectivité fonctionnelle et d’explorer la fonction de plaque tournante de la SCP. Ici, nous avons projeté 116 participants pour IRM et après prétraitement des données obtenues à partir de neuro-imagerie, nous avons utilisé la GCA pour dériver la relation causale de chaque nœud. Enfin, nous avons conclu que la connexion dirigée est significativement différente entre les groupes de déficience Cognitive légère (DCL) et AD, le PCC à tout le cerveau et le cerveau entier pour le PCC.
Introduction
AD est une maladie dégénérative du système nerveux central qui peut être diagnostiqué à l’aide de neuro-imagerie, électrophysiologie et histopathologie1. La DMN liés à la mémoire est un système vital l’interaction de régions du cerveau associées à AD, et sa fonction anormale est caractéristique de l’AD2,3. Le PCC est une région importante du réseau par défaut traditionnels dans l’état de repos et joue un rôle essentiel dans la mémoire épisodique, l’attention spatiale, auto-évaluation et autres fonctions cognitives4,5,6,7. En outre, il pourrait être un marqueur d’imagerie pour surveiller la progression de l’AD. À l’aide de GCA, Liao et al trouvé que le PCC est une région de plusieurs cytoarchitectonics avec plusieurs connexions et joue un rôle important dans la structure cérébrale fonctionnelle8. Zhong et coll. ont signalé que le PCC était un centre de convergence qui a reçu les interactions de la plupart des autres régions au sein de la DMN3. En outre, Miao et coll. ont démontré que dans les régions de moyeu DMN, le PCC a la plus grande relation effet causal avec les autres nœuds9. Ensemble, tous ce témoignage indique que la connexion dirigée de la SCP est précieuse dans la recherche de l’AD et le PCC doit encore être étudié approfondie comme une région vitale de la DMN.
Les études précédentes étaient limités à la connectivité entre le PCC et d’autres régions au sein de la DMN ; Cependant, l’évolution dirigée connectivité fonctionnelle entre les régions PCC et le cerveau à l’extérieur de la DMN, ainsi que leur influence sur les AD n’ont pas encore été explorées10. Notre étude examine encore cette connectivité fonctionnelle inexplorée dans témoins sains normaux, les patients avec MCI et les patients atteints de ma. En observant la connectivité dirigée entre le PCC et les régions de cerveau entier, nous avons cherché à élucider les changements fonctionnels dans le cerveau liés à la progression de l’AD et ainsi créer une nouvelle base objective pour évaluer la gravité de la maladie.
Connectivité fonctionnelle se réfère à une interaction interrégionale qui peut être représentée par les Fluctuations synchrones de basse fréquence (LFFs) dans le signal de l’IRMf niveau d’oxygène du sang dépendant (BOLD) cérébrale. Par conséquent, afin d’observer la connectivité fonctionnelle entre le PCC et d’autres régions du cerveau, nous avons analysé la connectivité fonctionnelle entre le PCC et le réseau de cerveau entier par IRMf avec GCA, le PCC comme la région d’intérêt (ROI). Cette technique dérive directement de la relation fondamentale de chaque nœud à l’aide de données obtenues de neuro-imagerie,11. Récemment, la GCA a été appliqué à l’électroencéphalogramme (EEG) et les études d’IRMf pour révéler les effets de causalité entre les régions de cerveau12. Toutes ces études indiquent que la technique de GCA pourrait être optimale pour la détection de la relation causale de chaque nœud dans le cerveau.
Subscription Required. Please recommend JoVE to your librarian.
Discussion
Ce rapport présente un processus permettant de comparer la réalisé connectivité fonctionnelle de la PCC depuis tout le cerveau et le cerveau entier à la PCC entre AD, MCI et des groupes témoins. Par ailleurs, une étape clé dans ce processus est la classification et la sélection de l’échantillon avant l’expérience. Ainsi, la classification et critères de sélection sont cruciales car la précision des résultats peut être affectée si elles sont erronées. Comme indiqué dans le protocole, nous avons utilisé 2011 NINCDS-ADRDA critères diagnostiques MMSE et les critères pour l’identification et la classification de MCI ; nos critères de sélection sont également relatés dans le protocole ci-dessus. Nous avons exclu les patients qui ne convenaient pas pour le procès et puis, juste de le classer les patients restants, qui est fondamentale pour des expériences ultérieures. L’analyse critique de la GCA dérive la connectivité fonctionnelle dirigée le PCC au cerveau entier et de tout le cerveau à la PCC entre les AD, MCI, et groupes de contrôle en utilisant les données obtient de neuro-imagerie. Nous avons présenté les détails de l’analyse de la GCA dans le présent protocole. Cette technologie trouvé des différences significatives entre les groupes en matière de connectivité dirigée et bien expliqué la corrélation entre les variations fonctionnelles et la progression de l’AD.
Dans notre analyse des données de cette étude, les différences s’est produite entre les individus (non compris âge, sexe et niveau d’éducation, étant donné que celles-ci sont similaires entre les 3 groupes, et par conséquent, il est difficile de faire une évaluation objective des conclusions). Pour résoudre ce problème, nous analysons les données des groupes et non les données individuelles. Les variables de chaque groupe sont représentés comme la moyenne et SD et les variables continues comme les nombres et les pourcentages, en utilisant le test de khi-deux. Grâce à cette évaluation quantitative, nous pouvons objectivement évaluer la connectivité dirigée entre le PCC et la région de l’ensemble du cerveau et élucider les changements fonctionnels liés à la progression d’Alzheimer dans le cerveau.
Bien que la corrélation linéaire et analyse de composants indépendants (ICA) ont été largement utilisés pour étudier la connectivité fonctionnelle, ces résultats n’ont aucune directivité. GCA peut être utilisé non seulement pour mesurer les effets de causalité des séries chronologiques IRMf mais aussi de montrer la dynamique et la direction du signal "BOLD" obtenu à partir de14,rs-IRMf15.
Nous avons analysé la connectivité dirigée entre le PCC et le réseau de tout le cerveau à l’aide de GCA avec PCC que le ROI et les différences trouvées dans connectivité dirigée entre l’AD, MCI et le groupe témoin. Ainsi, nous avons conclu que PCC, comme un centre important de la région du cerveau DMN, a un impact significatif sur la progression de l’AD. PCC peut non seulement montrer des anomalies dans le recevoir de l’information mais aussi montrer des anomalies dans la transmission des informations. En outre, cette étude montre que la transmission de l’information dans toutes les régions du cerveau avec des connexions anormales est directionnelle, à l’exception des nœuds individuels (gyrus frontal moyen gauche et gauche precuneus), étant donné que les anomalies dans ces régions du cerveau sont unilatéraux. Un autre résultat intéressant de cette étude est que ces anomalies de connexion semblent se produire principalement dans l’hémisphère gauche. C’est peut-être parce que l’hémisphère dominant (hémisphère gauche) est plus sensible aux blessures que l’hémisphère droit, menant à la diminution métabolique précoce et atrophie16.
Néanmoins, il y a certaines limites dans notre étude. Pour la technologie de GCA, lorsque la fréquence d’échantillonnage atteint 2 s, différents retards hémodynamiques sont difficiles à obtenir exactement17, et la dynamique lente du TÉMÉRAIRE du signal à 2 s peut causer quelque perte de relation de cause à effet rapide18. Par conséquent, cette limitation peut conduire à l’écart des données expérimentales. Étant donné que la taille de l’échantillon d’essai n’était pas suffisamment importante, échantillons supplémentaires sont indispensables pour vérifier les résultats.
Actuellement, certaines études ont utilisé des techniques de GCA multivariées pour décrire les relations causales entre plusieurs régions du cerveau. En théorie, GCA multivariée est une technique améliorée qui peut révéler la complexité de la connectivité directionnelle dans le cerveau ; Toutefois, il a des défis plus techniques que deux variables GCA comme hémodynamique délai varie en fonction de la région12. Notre future vise à relever les défis du GCA multivariée et l’appliquer à la recherche permet de mieux illustrer la connectivité directionnelle complexe du cerveau.
Subscription Required. Please recommend JoVE to your librarian.
Disclosures
Les auteurs déclarent qu’ils n’ont pas tout intérêt financier concurrentes.
Acknowledgments
Les auteurs remercient Gongjun JI pour soutien logiciel. Cette recherche a été partiellement financée par la Fondation nationale des sciences naturelles de Chine (n ° 81201156, 81271517) ; le Zhejiang Provincial Fondation sciences naturelles de Chine (no. LY16H180007, LY13H180016, 2013C33G1360236) et la Fondation de la Science de la Commission de la santé de la Province du Zhejiang (n ° 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).
