Este protocolo muestra cómo medir la conectividad funcional del estado en reposo en la corteza prefrontal humana utilizando un instrumento de espectroscopia de correlación difusa hecho a medida. El informe también analiza aspectos prácticos del experimento, así como pasos detallados para analizar los datos.
Para obtener una comprensión integral del cerebro humano, se desea la utilización del flujo sanguíneo cerebral (CBF) como fuente de contraste porque es un parámetro hemodinámico clave relacionado con el suministro de oxígeno cerebral. Se ha demostrado que las fluctuaciones de baja frecuencia del estado de reposo basadas en el contraste de oxigenación proporcionan correlaciones entre regiones conectadas funcionalmente. El protocolo presentado utiliza espectroscopia de correlación difusa óptica (DCS) para evaluar la conectividad funcional del estado de reposo basado en el flujo sanguíneo (RSFC) en el cerebro humano. Los resultados de RSFC basado en CBF en la corteza frontal humana indican que el RSFC intrarregional es significativamente mayor en los cortices izquierdo y derecho en comparación con el RSFC interregional en ambos cortices. Este protocolo debe ser de interés para los investigadores que emplean técnicas de imagen multimodalpara para estudiar la función cerebral humana, especialmente en la población pediátrica.
Cuando el cerebro está en estado de reposo, demuestra una alta sincronización de la actividad espontánea en regiones relacionadas funcionalmente, que se puede ubicar cerca o desde la distancia. Estas regiones en sincronización se conocen como redes funcionales1,2,3,4,5,6,7,8,9. Este fenómeno fue descubierto por primera vez por un estudio de resonancia magnética funcional (fMRI) utilizando señales dependientes del nivel de oxígeno en sangre (BOLD) que indican los niveles de oxigenación de la sangre cerebral5,,10, también conocida como conectividad funcional del estado de reposo (RSFC). Las anomalías en RSFC se han asociado con trastornos cerebrales como autismo11,Alzheimer12y depresión13. Por lo tanto, RSFC es una herramienta valiosa para estudiar a pacientes con trastornos que tienen problemas para realizar evaluaciones basadas en tareas. Sin embargo, muchos pacientes, como los niños autistas jóvenes, son candidatos pobres para ser evaluados por fMRI, ya que requiere permanecer todavía dentro de un espacio confinado durante largos períodos de tiempo14,15. Las imágenes ópticas son rápidas y ponibles; por lo tanto, es adecuado para la mayoría de los pacientes, en particular la población pediátrica16,17,18,19,20,21,22,23,24. Utilizando estas ventajas, la espectroscopia funcional de infrarrojo cercano (fNIRS), que puede cuantificar la concentración de hemoglobina y los parámetros de saturación de oxígeno en el cerebro, se utiliza para medir el RSFC en humanos (incluida la población pediátrica4,8,25 y pacientes con autismo11).
La espectroscopia óptica de correlación difusa (DCS), una técnica óptica relativamente nueva, puede cuantificar el flujo sanguíneo cerebral, que es un parámetro importante que asocia el suministro de oxígeno con el metabolismo6,,17,26,27,28,29. Se ha demostrado que el contraste de flujo óptico cuantificado por DCS tiene una mayor sensibilidad en el cerebro en comparación con el contraste de oxigenación30. Por lo tanto, utilizar parámetros CBF derivados de DCS para evaluar RSFC es ventajoso.
El DCS es sensible al movimiento de las células sanguíneas. Cuando los fotones difuminados se dispersan de las células sanguíneas en movimiento, esto hace que la intensidad de la luz detectada fluctúe con el tiempo. DCS mide una función de autocorrelación de intensidad basada en el tiempo y su tasa de descomposición depende de los parámetros ópticos y el flujo sanguíneo. Estos valores se utilizan en última instancia para obtener el índice de flujo sanguíneo cerebral (CBFi). Con células sanguíneas en movimiento más rápido, la función de autocorrelación de intensidad se descompone más rápido. Por lo tanto, la información sobre el movimiento profundo debajo de la superficie del tejido se puede derivar (por ejemplo, en el cerebro) de mediciones de fluctuaciones de luz difusoras a lo largo del tiempo27,31,32,33,34,35. DCS es una técnica complementaria a la ampliamente conocida fNIRS que mide la oxigenación sanguínea17,,36. Dado que tanto fNIRS como DCS son técnicas ópticas de imágenes cerebrales con alta resolución temporal en el rango de milisegundos, las configuración sin imágenes ópticas son mucho menos sensibles a los artefactos de movimiento que la fMRI. También se han utilizado con éxito para la toma de imágenes cerebrales funcionales en poblaciones pediátricas, incluyendo bebés muy pequeños16. Anteriormente, se han utilizado mediciones superficiales del flujo sanguíneo para evaluar RSFC en estudios preclínicos en ratones37. Aquí, los parámetros de flujo sanguíneo se utilizan para cuantificar RSFC en nueve adultos sanos como un estudio de prueba de concepto38,39.
En este estudio, se utiliza un sistema comercial FD-fNIRS y un sistema DCS personalizado(véase Tabla de materiales). El DCS que se construyó internamente se compone de dos láseres de onda continua de 785 nm, 100 mW y longitud larga que se acoplan a un conector FC y ocho máquinas de conteo de un solo fotón (SPCM) conectadas a un autocorrelator. Una interfaz gráfica de usuario (GUI) de software personalizada también se hizo específicamente para que este sistema mostrar y guardar los recuentos de fotones, curvas de autocorrelación y flujo sanguíneo semicuantitativo de cada canal SPCM en tiempo real. Las piezas de este sistema se utilizan comúnmente para DCS16,17,31,32,40,42,43,44, y los resultados obtenidos también se han verificado internamente y se utilizan en un estudio reciente39.
Para determinar si la CBF medida por el DCS detectó con precisión RSFC, se examinaron dos áreas del cerebro con propiedades rsFC conocidas. Se supone que existe conectividad funcional entre regiones DLFC y entre DLFC e IFC57,58,59. Se eligió la conectividad entre dos sitios dentro del DLFC izquierdo y derecho, porque la conectividad intrarregional suele ser mayor. También, la Conectividad entre el IFC y el DLFC fue elegido,…
The authors have nothing to disclose.
Los autores desean reconocer el apoyo financiero de la Tercera Frontera de Ohio a la Ohio Imaging Research and Innovation Network (OIRAIN, 667750), y la National Natural Science Foundation of China (No. 81771876).
3D Printed Probe | In-house | N/A | 3D printed PLA probe (Craftbot, Craft unique) |
785nm, 100mW, CW, FC coupled Laser | CrystaLaser | DL785-100-S | DCS component (light source) |
Auto-correlator | Correlator.com | Flex05-8ch | DCS component (output g2 curve to PC) |
Data Acquisition GUI | In-house | N/A | GUI coded in LabVIEW to run the DCS system |
Data analysis software | In-house | N/A | Matlab code used for obtaining RSFC results |
EEG Electrode Cap | OpenBCI | N/A | EEG mesh cap with standard 10/20 positions |
Multi-mode fiber | OZ Optics | QMMJ-3,2.5-IRVIS-600/630-3PCBK-3 | DCS component (source fiber) |
Oxiplex calibration phantom | ISS | 75019, 75020 | Set of 2 PDMS Calibration Phantom |
Oxiplex muscle probe | ISS | 86010 | 4 channel muscle probe |
Oxiplex Oximeter | ISS | 95205 | FD-fNIRS (690nm, 830nm) |
Power meter | Thorlabs | PM100D | Laser light power adjuster |
Sensor card | Thorlabs | F-IRC1-S | laser IR beam viewer |
Single-mode fiber | OZ Optics | SMJ-3S2.5-780-5/125-3PCBK-3 | DCS component (detector fiber) |
Single-Photon Counting Machine | Excelitas | SPMC-NIR-1×2-FC | DCS component (detector) |