Summary
In base allo stato di riposo risonanza magnetica funzionale in con analisi di causalità di Granger, abbiamo studiato le alterazioni nella connettività funzionale diretta tra la corteccia del cingulate posteriore e l'intero cervello in pazienti con malattia di Alzheimer (AD), pazienti con danno conoscitivo delicato (MCI) e controlli sani.
Abstract
Connettività funzionale alterata in Default modalità rete (DMN) possono essere coinvolti nella progressione della malattia di Alzheimer (AD). La corteccia del Cingulate posteriore (PCC) è un indicatore potenziale di imaging per monitorare la progressione dell'annuncio. Gli studi precedenti non concentrarsi sulla connettività funzionale tra i nodi nelle regioni di fuori del DMN e PCC, ma il nostro studio è un tentativo di esplorare questi collegamenti funzionali trascurati. Per la raccolta di dati, abbiamo usato la formazione immagine a risonanza magnetica funzionale (fMRI) e analisi di causalità di Granger (GCA). fMRI fornisce un metodo non invasivo per lo studio delle interazioni dinamiche tra le regioni differenti del cervello. GCA è un test di ipotesi statistiche per determinare se una tantum serie è utile nella previsione di un altro. In termini semplici, è giudicato confrontando il "conosciuto tutte le informazioni all'ultimo momento, la distribuzione della probabilità di X in questo momento" e il "noto tutte le informazioni all'ultimo momento tranne Y, la distribuzione della probabilità di X in questo momento", per determinare se esiste una relazione causale tra X e Y. Questa definizione si basa sull'origine di informazioni complete e la sequenza cronologica stazionario. Il passo principale di questa analisi è quello di utilizzare X e Y per stabilire l'equazione di regressione e disegnare una relazione causale di un ipotetico test. Poiché GCA possa misurare effetti causali, abbiamo usato per indagare l'anisotropia della connettività funzionale ed esplorare la funzione di hub del PCC. Qui, abbiamo proiettato 116 partecipanti per l'esame di MRI, e dopo i dati ottenuti dal neuroimaging di pre-elaborazione, abbiamo usato GCA per derivare il rapporto causale tra ogni nodo. Infine, abbiamo concluso che il collegamento diretto è significativamente differente fra i danno cognitivo lieve (MCI) e gruppi di annunci sia dal PCC al cervello intero intero cervello al PCC.
Introduction
Annuncio è una malattia degenerativa del sistema nervoso centrale che può essere diagnosticata usando l'istopatologia, elettrofisiologia e neuroimaging1. Il DMN legati alla memoria è un sistema vitale delle regioni del cervello interagiscono associati con l'annuncio, e la sua funzione anormale è caratteristica di annuncio2,3. Il PCC è una regione importante della rete tradizionale predefinito in stato di riposo e gioca un ruolo fondamentale nella memoria episodica, attenzione spaziale, autovalutazione e altre funzioni cognitive4,5,6,7. Inoltre, potrebbe essere un indicatore di imaging per monitorare la progressione di annuncio. Utilizzando GCA, Liao et al trovato che il PCC è una regione della citoarchitettura multipli con connessioni multiple e svolge un ruolo importante nel cervello funzionale struttura8. Zhong et al ha segnalato che il PCC era un centro di convergenza che ricevuto interazioni dalla maggior parte delle altre regioni all'interno della DMN3. Inoltre, Miao et al hanno dimostrato che nelle regioni DMN hub, il PCC ha il più grande rapporto di effetto causale con altri nodi9. Insieme, tutte queste prove indicano che il collegamento diretto del PCC è prezioso nella ricerca di annunci e il PCC ha bisogno di essere ulteriormente studiate in modo approfondito come una regione vitale del DMN.
Gli studi precedenti sono stati limitati per la connettività tra il PCC e altre regioni entro DMN; Tuttavia, i cambiamenti nella connettività funzionale diretto tra le regioni PCC e cervello fuori il DMN, come pure la loro influenza sull'annuncio non sono ancora stati esplorati10. Il nostro studio ha studiato ulteriormente questa inesplorato connettività funzionale in pazienti con l'annuncio normali controlli sani e pazienti con MCI. Osservando la connettività diretta tra PCC e regioni di tutto il cervello, abbiamo mirato a delucidare i cambiamenti funzionali del cervello legate alla progressione di annuncio e quindi stabilire una base oggettiva romanzo per valutare la gravità della malattia.
Connettività funzionale si riferisce ad un'interazione interregionale che può essere rappresentata dalle fluttuazioni di bassa frequenza sincrona (LFFs) il segnale di fMRI cerebrale sangue ossigeno livello Dependent (BOLD). Pertanto, al fine di osservare la connettività funzionale tra il PCC e altre regioni del cervello, abbiamo analizzato la connettività funzionale tra il PCC e la rete di tutto il cervello di fMRI con GCA, con il PCC come la regione di interesse (ROI). Questa tecnica deriva direttamente la relazione fondamentale di ogni nodo utilizzando i dati ottenuti dal neuroimaging11. Recentemente, GCA è stata applicata all'elettroencefalogramma (EEG) e studi fMRI per rivelare gli effetti causali tra cervello regioni12. Tutti questi studi hanno indicato che la tecnica di GCA potrebbe essere ottima per la rilevazione il rapporto causale tra ogni nodo nel cervello.
Subscription Required. Please recommend JoVE to your librarian.
Discussion
Questo rapporto presenta un processo per confrontare il diretta connettività funzionale da PCC da tutto il cervello e il cervello al PCC tra D.C., gruppi di controllo e di MCI. Inoltre, un passo fondamentale in questo processo è la classificazione e la selezione del campione prima dell'esperimento. Così, la classificazione e criteri di selezione sono cruciali perché la precisione dei risultati possa essere influenzata se sono errate. Come elencati nel protocollo, abbiamo usato i criteri diagnostici di NINCDS-ADRDA 2011 e MMSE e i criteri per l'identificazione e classificazione del MCI; i nostri criteri di selezione definiti anche nel protocollo di cui sopra. Abbiamo escluso quei pazienti che non erano adatti per il processo e quindi, accuratamente classificati pazienti rimanenti, che è fondamentale per esperimenti successivi. L'analisi critica di GCA deriva la connettività funzionale diretta da PCC da tutto il cervello e il cervello al PCC tra l'annuncio, MCI, e gruppi di controllo utilizzando i dati ottenuti dal neuroimaging. Abbiamo presentato i dettagli dell'analisi GCA in questo protocollo. Questa tecnologia ha trovato differenze significative tra i gruppi nella connettività diretta e ha spiegato bene la correlazione fra i cambiamenti funzionali e la progressione AD.
Nella nostra analisi di dati di questo studio, le differenze si è verificato tra gli individui (non inclusi età, sesso e livello di istruzione, poiché questi sono simili tra i 3 gruppi, e quindi, è difficile fare una valutazione oggettiva delle conclusioni). Per risolvere questo problema, analizziamo i dati dei gruppi, piuttosto che i singoli dati. Le variabili in ogni gruppo sono rappresentate come la media e SD e le variabili continue come numeri e percentuali, usando il test del chi-quadrato. Attraverso questa valutazione quantitativa, possiamo oggettivamente valutare la connettività diretta tra il PCC e la regione di intero cervello e delucidare i cambiamenti funzionali associati con la progressione dell'annuncio nel cervello.
Anche se la correlazione lineare e Independent Component Analysis (ICA) sono stati ampiamente usati per studiare la connettività funzionale, questi risultati non hanno alcun direttività. GCA può essere utilizzato non solo per misurare gli effetti causali di fMRI serie temporali, ma anche per mostrare la dinamica e la direzione del segnale BOLD ottenuto da rs-fMRI14,15.
Abbiamo analizzato la connettività diretta tra il PCC e la rete di intero cervello utilizzando GCA con PCC come ROI e trovato differenze nella connettività diretta tra l'annuncio, MCI e gruppi di controllo. Quindi, abbiamo concluso che PCC, un importante centro della regione del cervello DMN, ha un impatto significativo sulla progressione di annuncio. PCC può non solo mostrare le anomalie nella ricezione di informazioni ma anche mostrare le anomalie nella trasmissione delle informazioni. Inoltre, questo studio indica che la trasmissione di informazioni in tutte le regioni del cervello con i collegamenti anormali è direzionale, ad eccezione dei singoli nodi (giro frontale medio sinistro e precuneo sinistro), poiché le anomalie in queste regioni del cervello sono unilaterali. Un'altra scoperta interessante di questo studio è che queste anomalie di connessione sembrano verificarsi principalmente nell'emisfero sinistro. Questo può essere perché l'emisfero dominante (emisfero sinistro) è più suscettibile al danno che l'emisfero destro, che porta al declino metabolico iniziale e atrofia16.
Tuttavia, esistono alcune limitazioni nel nostro studio. Per la tecnologia di GCA, quando raggiunge la frequenza di campionamento 2 s, diversi ritardi emodinamici sono difficili da ottenere con precisione17, e la dinamica lenta del grassetto del segnale a 2 s può causare qualche relazione causale rapida perdita18. Di conseguenza, questa limitazione può causare la deviazione dei dati sperimentali. Poiché la dimensione del campione di prova non era sufficientemente grande abbastanza, campioni supplementari sono essenziali per verificare i risultati.
Attualmente, alcuni studi hanno utilizzato tecniche multivariate di GCA per descrivere le relazioni causali tra regioni multiple del cervello. In teoria, GCA multivariata è una tecnica migliore che può rivelare la complessità della connettività direzionale nel cervello; Tuttavia, ha sfide più tecniche di GCA bivariata come emodinamico ritardo varia con la regione12. Il nostro obiettivo futuro è quello di affrontare le sfide del GCA multivariata e applicarlo alla ricerca per illustrare meglio il complessa direzionale connettività del cervello.
Subscription Required. Please recommend JoVE to your librarian.
Disclosures
Gli autori dichiarano che non hanno alcun interesse finanziari concorrenti.
Acknowledgments
Gli autori ringraziano Gongjun JI per il supporto di software di computer. Questa ricerca è stato parzialmente sostenuta da National Natural Science Foundation of China (No. 81201156, 81271517); il Zhejiang Provincial Natural Science Foundation della Cina (no. LY16H180007, LY13H180016, 2013C33G1360236) e la Fondazione di scienza della Commissione Sanità della provincia di 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).
