Summary
La cartographie fonctionnelle du cerveau animal peut bénéficier de la configuration expérimentale d’imagerie par résonance magnétique fonctionnelle (IRMf) en temps réel. En utilisant le dernier logiciel implémenté dans le système d’IRM animale, nous avons établi une plate-forme de surveillance en temps réel pour l’IRMf des petits animaux.
Abstract
Les réponses dynamiques de l’IRMf varient considérablement en fonction des conditions physiologiques des animaux, soit sous anesthésie, soit en état d’éveil. Nous avons développé une plate-forme IRMf en temps réel pour guider les expérimentateurs afin de surveiller instantanément les réponses IRMf pendant l’acquisition, ce qui peut être utilisé pour modifier la physiologie des animaux afin d’obtenir les réponses hémodynamiques souhaitées dans le cerveau des animaux. La configuration de l’IRMf en temps réel est basée sur un système d’IRM préclinique de 14,1 T, permettant la cartographie en temps réel des réponses dynamiques de l’IRMf dans le cortex somatosensoriel primaire de la patte antérieure (FP-S1) des rats anesthésiés. Au lieu d’une analyse rétrospective pour étudier les sources confondantes conduisant à la variabilité des signaux IRMf, la plate-forme IRMf en temps réel fournit un schéma plus efficace pour identifier les réponses IRMf dynamiques à l’aide de macro-fonctions personnalisées et d’un logiciel d’analyse d’images neurologiques commun dans le système IRM. En outre, il fournit une faisabilité de dépannage immédiate et un paradigme de stimulation par biofeedback en temps réel pour les études fonctionnelles du cerveau chez les animaux.
Introduction
L’imagerie par résonance magnétique fonctionnelle (IRMf) est une méthode non invasive pour mesurer les réponses hémodynamiques 1,2,3,4,5,6,7,8,9, par exemple, le signal de volume sanguin cérébral et de flux sanguin dépendant du niveau d’oxygène dans le sang (BOLD), associé à l’activité neuronale dans le cerveau. Dans les études animales, les signaux hémodynamiques peuvent être affectés par l’anesthésie 10, le niveau de stress des animaux éveillés11, ainsi que les artefacts non physiologiques potentiels, par exemple, les pulsations cardiaques et les mouvements respiratoires12,13,14,15. Bien que de nombreuses méthodes de post-traitement aient été développées pour fournir une analyse rétrospective du signal IRMf pour la dynamique fonctionnelle liée à la tâche et à l’état de repos et la cartographie de la connectivité16,17,18,19, il existe peu de techniques pour fournir une solution de cartographie de la fonction cérébrale en temps réel et des lectures instantanées dans le cerveau animal 20 (dont la plupart sont principalement utilisées pour la cartographie du cerveau humain 21, 22,23,24,25,26,27). En particulier, ce type de méthode de cartographie IRMf en temps réel fait défaut dans les études animales. Il est nécessaire de mettre en place une plate-forme IRMf pour permettre l’étude en temps réel des stades physiologiques dépendants de l’état cérébral et fournir un paradigme de stimulation du biofeedback en temps réel pour les études fonctionnelles du cerveau animal.
Dans le présent travail, nous illustrons une configuration expérimentale IRMf en temps réel avec les macro-fonctions personnalisées du logiciel de la console IRM, démontrant la surveillance en temps réel des réponses BOLD-IRMf évoquées dans le cortex somatosensoriel primaire de la patte antérieure (FP-S1) des rats anesthésiés. Cette configuration en temps réel permet de visualiser l’activation cérébrale en cours dans des cartes fonctionnelles, ainsi que des cours temporels individuels de manière voxel, à l’aide du logiciel d’analyse de neuroimages existant, Analysis of Functional NeuroImages (AFNI)28. La préparation de la configuration expérimentale IRMf en temps réel pour l’étude animale est décrite dans le protocole. Outre la configuration des animaux, nous fournissons des procédures détaillées pour configurer la visualisation et l’analyse des signaux IRMf en temps réel à l’aide du dernier logiciel de console en parallèle avec les scripts de traitement d’image. En résumé, la configuration proposée de l’IRMf en temps réel pour les études animales est un outil puissant pour surveiller les signaux IRMf dynamiques dans le cerveau animal à l’aide du système de console IRM.
Subscription Required. Please recommend JoVE to your librarian.
Protocol
Cette étude a été réalisée conformément à la loi allemande sur le bien-être animal (TierSchG) et à l’ordonnance sur le bien-être des animaux de laboratoire (TierSchVersV). Le protocole expérimental décrit ici a été examiné par la commission d’éthique (§15 TierSchG) et approuvé par l’autorité de l’État (Regierungspräsidium, Tübingen, Bade-Wurtemberg, Allemagne).
1. Préparation du dispositif expérimental BOLD-IRMf pour l’étude des petits animaux
- Activez le logiciel de la console pour contrôler les paramètres d’imagerie et acquérir des données IRM.
REMARQUE : La configuration proposée de l’IRMf en temps réel est mise en œuvre à l’aide des macro-fonctions du logiciel de la console (version 6) en parallèle avec les fonctions de traitement d’image de l’AFNI. - Recherchez des séquences IRM (c’est-à-dire Position, Localizer, Rapid Acquisition with Relaxation Enhancement (RARE) et 3D Echo-planar imaging (EPI) avec l’explorateur d’espace de travail, puis faites-les glisser et ajoutez-les dans la liste de numérisation.
REMARQUE: Les séquences de position et de localisation sont utilisées pour identifier une région d’intérêt (ROI) dans un cerveau. Une séquence RARE est utilisée pour un scan anatoscopique. Une séquence EPI 3D est utilisée pour mesurer les réponses dynamiques BOLD. - Placez les scripts de macro prédéfinis, « Setup_rt3DEPI » et « Feed2AFNI_rt3DEPI » dans le chemin du script de macro (par exemple, « /opt/(version PV)/prog/curdir/(nom d’utilisateur)/ParaVision/macros »). Activez les options de reconstruction EPI 3D, « Pre Image Series Activities » et « Execute Macro » dans le menu de l’interface utilisateur « Data Reconstruction », puis liez le script de macro prédéfini, « Setup_rt3DEPI », avant de cliquer sur le bouton « Scan ».
Remarque : les scripts de macro sont inclus dans les fichiers supplémentaires. - Installez le logiciel AFNI pour l’analyse et la visualisation BOLD-IRMf en temps réel.
2. Chirurgie de cathétérisme et de ventilation
- Installez un ventilateur et des systèmes de surveillance de l’état physiologique tels que le thermomètre, l’enregistrement de la pression artérielle et de la respiration, comme illustré à la figure 1. Réglez une fréquence constante de 60 ± 1 respiration/min avec le ventilateur et une température de 37 °C à l’aide d’un coussin chauffant compatible MR avec un kit de contrôle de rétroaction.
- Anesthésier un rat Sprague-Dawley mâle adulte (300-600 g) dans une chambre avec 5% d’isoflurane pour induction et administrer 2-2,5% d’isoflurane pour la chirurgie à partir d’un vaporisateur. Vérifiez la profondeur de l’anesthésie en pinçant la patte arrière et en confirmant l’absence de réponse de sevrage.
- Intuber l’animal avec une canule en plastique de 14 G pour la ventilation (60 ± 1 respiration/min avec un mélange de 70% d’air et 30% d’oxygène). Ajuster le dioxyde de carbone (CO2) en fin de marée pour qu’il soit compris entre 25 ± 5 mmHg29.
REMARQUE: L’intubation est essentielle pour maintenir des niveaux appropriés de CO2 grâce à des expériences IRMf. - Placez l’animal en décubitus dorsal sur une table d’opération et rasez-le la cuisse avec un rasoir électrique. Et puis, faites une incision sur la peau rasée avec des ciseaux chirurgicaux.
REMARQUE: La longueur de l’incision est d’environ 1-2 cm dans une direction longitudinale. - Trouver une artère fémorale et une veine sous la région incisée pour le cathétérisme et séparer l’artère fémorale et la veine individuelle des tissus environnants.
- Fixez un côté de l’artère fémorale séparée avec une suture chirurgicale et tenez l’autre côté avec des pinces micro bulldog. Ensuite, faites une petite incision entre les régions attachées sur l’artère fémorale.
- Insérez un cathéter dans l’artère fémorale à travers la petite incision et attachez le cathéter et l’artère ensemble avec des sutures chirurgicales. Surveiller constamment la pression artérielle avec le système de surveillance physiologique pour être dans la plage de 80-120 mmHg et mesurer les gaz du sang artériel régulièrement pour maintenir pO 2 d’au moins 90 mmHg et pCO2 de 30-45 mmHg pendant le balayage.
REMARQUE: Ce cathétérisme est essentiel pour surveiller la pression artérielle pendant les expériences IRMf. - Fixez les deux extrémités de la veine fémorale avec des sutures chirurgicales tressées en soie. Ensuite, faites une petite incision entre les régions attachées sur la veine fémorale. Utilisez des forceps pour effectuer la suture.
REMARQUE: La taille de la suture est d’environ 1-2 cm. - Insérez un cathéter dans la veine fémorale. Attachez le cathéter et la veine ensemble avec des sutures chirurgicales.
REMARQUE: Ce cathétérisme est essentiel pour administrer l’alpha-chloralose par la veine et ajuster les niveaux anesthésiques pendant les expériences IRMf. Si l’animal n’est pas bien anesthésié, il commencera à respirer spontanément. Dans ce cas, plus d’alpha-chloralose doit être administré pour éviter les artefacts de mouvement respiratoire. - Suturer l’incision chirurgicale sur la peau rasée. Une fois les interventions chirurgicales terminées, garder l’animal anesthésié en perfusant un bolus d’alpha-chloralose avec la dose de ~80 mg / kg à travers le cathéter relié à la veine fémorale et arrêter l’administration d’isoflurane en même temps.
3. Placer l’animal à l’intérieur du scanner IRM
- Transférez l’animal anesthésié dans le scanner IRM dès que l’étape 2.10 est terminée et fixez-le sur un berceau sur mesure.
- Insérez un thermomètre rectal à rétroaction en temps réel sur l’animal pour surveiller la température de l’animal. Placez un coussin chauffant sous le torse de l’animal pour contrôler la température. Maintenez la température corporelle à 37,0 ± 0,5 °C pendant les IRM.
- Administrer de l’alpha-chloralose avec une solution de ~25 mg/kg/h dans un mélange de pancuronium (~2 mg/kg/h), un relaxant musculaire, en continu tout en gardant l’animal anesthésié et en réduisant les artefacts de mouvement dans les images IRMf. Surveillez la pression artérielle et la respiration en ajustant la quantité de médicament et le taux de ventilation en fonction de l’état physiologique.
- Administrer une pommade ophtalmique sur les yeux de l’animal pour prévenir la sécheresse pendant les expériences IRMf. Fixez la tête de l’animal en toute sécurité avec deux barres d’oreille pour éviter les artefacts de mouvement de la tête.
- Fixez une bobine de surface de l’émetteur-récepteur sur la tête. Réglez et faites correspondre la bobine à la fréquence de Larmor (par exemple, 599 MHz sur 14,1 T) sur la tête avant les mesures IRM.
REMARQUE: Ici, une bobine de 22 mm de diamètre est utilisée pour couvrir tout le cerveau d’un rat. - Insérez une paire d’électrodes à aiguille dans la peau de la patte avant entre les doigts 1 et 4 et fixez-les avec du ruban chirurgical. Et puis, confirmez que la stimulation fonctionne correctement après avoir connecté un câble d’entrée de stimulation à ces électrodes30.
- Insérez l’animal dans l’alésage IRM et placez-le approximativement au centre iso.
4. Mesure des images anatomiques par IRM
- Cliquez sur le bouton du menu d’étalonnage dans l’interface utilisateur principale. Effectuez les étalonnages du système d’IRM en cliquant sur les éléments suivants dans l’interface utilisateur de la plate-forme de réglage (voir le menu Aide du logiciel de la console) : Trouver la fréquence de résonance de base, Calibrer la puissance d’impulsion RF, Définir le gain optimal du récepteur, Mesurer la carte B0 chez l’animal pour le calage, Exécuter des cales linéaires globales basées sur l’intégrale de désintégration par induction libre (FID) non localisée.
REMARQUE: Cette étape prend moins de 2 min. - Exécutez une séquence de position en cliquant sur le bouton « Scan » pour trouver l’emplacement de la tête de l’animal à l’intérieur de l’alésage de l’IRM. Si la tête n’est pas située à l’isocentre, ajustez l’emplacement de la tête tout en déplaçant le berceau d’avant en arrière jusqu’à ce que la tête soit située à l’isocentre.
- Exécutez une séquence Localizer en cliquant sur le bouton « Scan » pour identifier un ROI dans la tête. Sélectionnez Map Shim et définissez le retour sur investissement du volume de shim pour couvrir tout le cerveau dans l’image du localisateur, puis exécutez un shimming d’ordre élevé (par exemple, 2eou 3eordre) en utilisant l’option « Shim up to » pour réduire les inhomogénéités du champ magnétique principal (B0) au retour sur investissement.
REMARQUE: Le calage d’ordre élevé est une étape critique pour améliorer la qualité des données IRMf BOLD-fMRI lorsque des séquences EPI sont utilisées. - Exécutez une séquence RARE pondérée T2 en cliquant sur le bouton « Scan » pour acquérir des images anatomiques couvrant l’ensemble du cerveau dans une vue coronale (par exemple, les paramètres de séquence suivants sont utilisés: temps de répétition (TR) 4000 ms, temps d’écho effectif (TE) 36,1 ms, matrice 128 x 128, champ de vision (FOV) 19,2x19,2 mm2, nombre de tranches 32, épaisseur de la tranche 0,3 mm, Facteur RARE 8).
REMARQUE: Dans l’étape suivante de visualisation IRMf en temps réel, les images anatomiques sont utilisées pour enregistrer des images EPI 3D en tant que modèle.
5. Configuration du logiciel IRMf en temps réel et visualisation de la réponse IRMf
- Ouvrez une fenêtre de terminal et accédez au chemin du plugin AFNI en temps réel à l’aide de la commande suivante:
cd /home/(nom d’utilisateur)/rt_afni
REMARQUE: Le script de plug-in AFNI, « afni_rt » est inclus dans les fichiers supplémentaires. - Exécutez le logiciel AFNI avec le plugin en temps réel en utilisant la commande et les options ci-dessous.
afni -rt
-yestplugouts
-DAFNI_REALTIME_MP_HOST_PORT=localhost:(numéro de port)
-DAFNI_REALTIME_Graph=Temps réel
-DAFNI_FIM_IDEAL=(Paradigme)
REMARQUE: Dans le premier cas, le code permet aux programmes externes d’échanger des données avec AFNI tandis que dans le second cas, le plugin en temps réel tentera d’ouvrir un socket TCP vers l’hôte local et le port définis par l’utilisateur. Dans les troisième et quatrième cas, les codes traceront le parcours temporel des données IRMf en temps réel et traceront le cours temporel du paradigme défini par l’utilisateur dans le parcours temporel IRMf respectivement lorsque les données IRMf en temps réel sont acquises. Pour plus de détails, consultez https://afni.nimh.nih.gov/pub/dist/doc/program_help/README.environment.html. - Surveillez les prochains fichiers AFNI BRIK définis à l’aide de la commande « Dimon » comme illustré à la figure 2 avec les options suivantes:
Dimon -tr (TR of EPI) -nt (NRepetitions of EPI)
-rt -quit
-infile_pattern temps réel*. BRIK (de)
-file_type AFNI
REMARQUE: « Dimon » est une commande pour surveiller l’acquisition en temps réel des fichiers image AFNI en utilisant les options suivantes: « -rt » qui exécute le plugin en temps réel et « -infile_pattern (nom de données). BRIK -file_type AFNI » qui permet au plugin de lire les fichiers BRIK spécifiques et de les envoyer dans AFNI pour affichage et formatage. Pour plus de détails, consultez https://afni.nimh.nih.gov/pub/dist/doc/program_help/Dimon.html. - Utilisez la commande « pvcmd » avec les options suivantes:
pvcmd -a JMacroManager JMMExecuteMacro -category $USER -macro Feed2AFNI_rt3DEPI
REMARQUE: Ce code existe dans le script de macro, « Setup_rt3DEPI », pour exécuter le script de macro d’arrière-plan, « Feed2AFNI_rt3DEPI », juste après avoir cliqué sur le bouton « Scan » pour l’acquisition EPI. - Utilisez la commande « exec pvcmd » avec les options suivantes pour obtenir les paramètres d’acquisition EPI.
exec pvcmd -a ParxServer -r ParamGetValue -psid $ParSpaceId -param (paramètres PVM de EPI) -id 10 -args $AcqKey $ParSpaceId $ProcnoPath - Utilisez la commande « exec to3d » avec les options suivantes pour convertir les données brutes EPI en fichiers AFNI en temps réel dans le script de macro d’arrière-plan, « Feed2AFNI_rt3DEPI ».
exec to3d -omri -xFOV $FOV_X -yFOV $FOV_Y -zFOV $FOV_Z -prefix $LastVolName $ImgFormat$Path2dseq - Assurez-vous que les informations géométriques de l’EPI sont cohérentes avec l’orientation de l’anatomie.
REMARQUE: La commande AFNI « to3d » s’exécutera automatiquement avec les informations géométriques telles que le champ de vision (FOV) et la taille de la matrice pour convertir les données brutes IRMf en une seule donnée AFNI BRIK chaque fois que chaque donnée de volume 3D est stockée après chaque TR, comme illustré à la figure 2. L’orientation de l’image peut être modifiée avec les paramètres d’information géométriques de « to3d ». Pour plus de détails, consultez https://afni.nimh.nih.gov/pub/dist/doc/program_help/to3d.html. - Allumez un isolateur de stimulus électrique et effectuez une stimulation électrique de la patte avant pour une étude IRMf évoquée (par exemple, 3 Hz, largeur d’impulsion de 4 s 300 us, 2,5 mA) à l’aide de blocs de stimulation.
REMARQUE: Ici, le paradigme de conception de blocs se compose de 10 scans de pré-stimulation, 3 scans de stimulation et 12 scans d’inter-stimulation (15 scans par époque). - Exécutez une séquence EPI 3D pondérée T2* en cliquant sur le bouton « Scan » pour l’étude IRMf BOLD-IRMf (par exemple, les paramètres suivants sont utilisés : TR/TE 1500/14 ms, matrice 64 x 64 x 32, champ de vision 19,2 x 19,2 x 9,6 mm 3 et résolution 300 x 300 x 300 μm3).
REMARQUE: Dès que vous cliquez sur le bouton « Scan », la surveillance et le traitement des données brutes seront effectués en utilisant les scripts de macro prédéfinis en temps réel. Une fois qu’un jeu de données AFNI BRIK est converti, des graphiques de parcours temporel au voxel pour les images EPI 3D sont affichés dans le logiciel AFNI et automatiquement mis à jour pour chaque TR. - Pour superposer les images EPI sur les images RARE anatomiques, convertissez les images RARE en un jeu de données AFNI BRIK à l’aide de la commande « to3d » comme à l’étape 5.6, puis enregistrez les images EPI dans les images anatomiques à l’aide du script AFNI « align_epi_anat.py » avec les options suivantes:
align_epi_anat.py -anat anatomy_template_al+orig -epi epi.$(numéro de données epi)+orig -epi_base 1 -suffixe _volreg -rat_align -cost lpa -epi2anat
REMARQUE: Pour plus de détails, consultez https://afni.nimh.nih.gov/pub/dist/doc/program_help/ align_epi_anat.py.html. - Pour traiter les cartes fonctionnelles des réponses BOLD, calculez la déconvolution du jeu de données 3D+time avec une série temporelle de stimulus spécifique à l’aide de la commande « 3dDeconvolve » avec les options suivantes :
3dDeconvolve -input (nom du fichier d’entrée)+orig. -nfirst 0 -polort 3 -num_stimts 1 -stim_times 1 (nom du fichier de paradigme de stimulation) 'BLOCK(4,1)' -stim_label 1 patte avant -tout -fout -rout
REMARQUE: Les étapes de traitement d’image telles que le lissage spatial ou le filtrage temporel ont été incorporées dans un script de traitement de données AFNI personnalisé. Pour plus de détails, consultez https://afni.nimh.nih.gov/afni/doc/help/3dDeconvolve.html. - Pour visualiser les cartes fonctionnelles des signaux BOLD, utilisez un clustering interactif dans le logiciel AFNI. Ouvrez l’option « Définir la superposition » et utilisez la fonction « Clusters » du menu de l’interface utilisateur AFNI.
- Après la dernière IRMf, sortez l’animal de l’IRM et euthanasiez-le selon les protocoles approuvés.
REMARQUE: Les fonctions de traitement d’image de l’AFNI et les macro-fonctions du dernier logiciel de console ont été utilisées pour traiter les données IRMf en temps réel. Vous trouverez des informations détaillées et des descriptions des macro-fonctions dans le menu d’aide du logiciel de la console. Le logiciel AFNI est un logiciel gratuit, qui peut être téléchargé directement sur le site Web NIMH-AFNI. Les scripts associés pour établir la liaison entre AFNI et le système de console sont joints.
Subscription Required. Please recommend JoVE to your librarian.
Representative Results
La figure 3 et la figure 4 montrent une évolution temporelle BOLD-IRMf représentative en temps réel et des cartes fonctionnelles avec stimulation électrique de la patte avant (3 Hz, 4 s, largeur d’impulsion 300 us, 2,5 mA). Le paradigme de conception de l’IRMf comprend 10 scans de pré-stimulation, 3 scans de stimulation et 12 scans d’inter-stimulation avec un total de 8 époques (130 scans). La durée totale de l’analyse est de 3 min 15 sec (195 sec). La figure 3 montre le parcours temporel au voxel (ligne noire) du FP-S1 controlatéral correspondant au paradigme de conception de blocs (ligne rouge) dans le format d’acquisition en temps réel. La figure 4 montre les cartes BOLD activées correspondant à la stimulation électrique de la patte avant. Les régions activées sont détectées et affichées sous forme de clusters colorés (couleurs rouge et jaune). Les expérimentateurs peuvent utiliser la fonction « Clusters » du logiciel AFNI pour explorer de manière interactive les volumes clusterisés et les afficher sous forme d’image superposée à code couleur.
Figure 1 : Mise en place expérimentale d’IRMf en temps réel pour la stimulation des pattes avant. Un schéma simplifié de la configuration de l’IRMf en temps réel et le flux (lignes pointillées) des paramètres de contrôle sont affichés. Un ordinateur (à gauche) est utilisé comme console pour l’exécution de séquences d’impulsions, le contrôle de l’isolateur de stimulus et l’analyse de données avec AFNI. L’autre ordinateur (à droite) est utilisé pour surveiller l’information physiologique (p. ex., la pression artérielle, la respiration et les mouvements de la poitrine, etc.). Veuillez cliquer ici pour voir une version agrandie de cette figure.
Figure 2: Schéma du traitement des données pendant l’IRMf. Un organigramme simplifié du traitement des données avec les fonctions macro et AFNI représentatives dans la configuration IRMf en temps réel est présenté. Avant de commencer les examens IRMf, les options « Pre Image Series Activities » et « Execute Macro » sont sélectionnées parmi les options de reconstruction. Le script « Setup_rt3DEPI » est exécuté en utilisant ces options lorsque vous cliquez sur le bouton « Scan ». Avec la commande « Dimon », les fichiers AFNI en temps réel sont surveillés et envoyés dans le plugin AFNI pour afficher des réponses dynamiques en gras lorsque le script de macro d’arrière-plan, « Feed2AFNI_rt3DEPI », convertit les données brutes IRMf en fichiers AFNI. Veuillez cliquer ici pour voir une version agrandie de cette figure.
Figure 3 : Réponses IRMf voxel en temps réel. Un graphique de parcours temporel vocalique unique activé (ligne noire) du cortex somatosensoriel primaire de la patte antérieure (FP-S1) est montré pendant le paradigme de stimulation de la conception de blocs. Le paradigme de conception répétitif de l’IRMf (ligne rouge) a été défini par le « afni -rt -DAFNI_FIM_IDEAL=(Paradigm) ». Le graphique montre que des réponses BOLD claires et stables suivent la stimulation électrique en temps réel. Veuillez cliquer ici pour voir une version agrandie de cette figure.
Figure 4 : Cartes fonctionnelles des réponses BOLD à la stimulation électrique dans les régions controlatérales FP-S1. Les amas de voxels activés dans les régions FP-S1 (couleurs jaune et rouge) ont été identifiés et synchronisés de manière significative avec le paradigme de stimulation répétitive, superposés sur les images anatomiques pondérées en T2. Veuillez cliquer ici pour voir une version agrandie de cette figure.
Dossiers supplémentaires. Veuillez cliquer ici pour télécharger ces fichiers.
Subscription Required. Please recommend JoVE to your librarian.
Discussion
La surveillance en temps réel du signal IRMf aide les expérimentateurs à ajuster la physiologie des animaux pour optimiser la cartographie fonctionnelle. Les artefacts de mouvement chez les animaux éveillés, ainsi que l’effet anesthésique, sont des facteurs majeurs qui interviennent dans la variabilité des signaux IRMf, confondant l’interprétation biologique du signal par lui-même 31,32,33,34,35,36,37,38 . La plate-forme IRMf en temps réel offre des informations instantanées pour aider à l’optimisation des paramètres de balayage et des schémas d’administration d’anesthésiques. En outre, les réponses hémodynamiques cérébrales en temps réel peuvent être utilisées pour fournir des signaux de contrôle du biofeedback basés sur l’IRMf pour de nouveaux paradigmes de stimulation dans les études fonctionnelles cérébrales multimodales.
Une préoccupation persistante concernant la configuration proposée de l’IRMf en temps réel est la dépendance technique à l’égard du logiciel de console spécifique au fournisseur. Dans ce protocole, les scripts d’analyse IRMf en temps réel implémentent une série de macro-fonctions à l’aide d’un logiciel de console (voir Table des matériaux) version 6 ou supérieure. Le flux de travail de l’analyse MR dans le logiciel de console précédent (par exemple, PV version 5 ou inférieure) est différent de la dernière version en raison de l’interface utilisateur améliorée et de la nouvelle définition des paramètres. En utilisant la version précédente du système de console (PV version 3), Lu et al. (2008) ont montré que la configuration IRMf en temps réel permettait de surveiller les changements de signal hémodynamique induits par la drogue dans le cerveau du rat pour étudier l’effet de la cocaïne sur le système nerveux central20. Cependant, ces configurations ne peuvent pas être facilement appliquées au nouveau logiciel de console avec des appareils électroniques de pointe. Dans le dernier logiciel de console, il est essentiel d’exécuter les scripts de macro prédéfinis et de surveiller les données brutes IRMf juste après le début de la numérisation en sélectionnant les options « Pre Image Series Activities » et « Execute Macro » de la « Data Reconstruction ».
Pour un traitement d’image ultérieur, des fonctions AFNI personnalisées peuvent être facilement intégrées dans les scripts de traitement d’image en temps réel. En particulier, il sera utile de fournir une analyse en temps réel à l’aide de traces liées au mouvement, par exemple, le signal d’électromyographie (EMG) pour l’IRMf38 chez l’animal éveillé, et d’intégrer un signal cérébral dynamique multimodal, par exemple, Ca2+ médié par GCaMP, pour spécifier la corrélation hémodynamique du cerveau entier37. En outre, cette configuration IRMf en temps réel peut être étendue aux études de neurofeedback animal pour étudier l’autorégulation du cerveau et du comportement similaire aux études humaines précédentes27.
Subscription Required. Please recommend JoVE to your librarian.
Disclosures
Sascha Köhler est employé chez Bruker BioSpin MRI GmbH.
Acknowledgments
Nous remercions le Dr D. Chen et le Dr C. Yen d’avoir partagé le script AFNI pour mettre en place l’IRMf en temps réel pour PV 5 et l’équipe AFNI pour le support logiciel. Cette recherche a été financée par le financement de la NIH Brain Initiative (RF1NS113278-01, R01 MH111438-01) et la subvention de l’instrument S10 (S10 RR023009-01) au Martinos Center, à la Fondation allemande pour la recherche (DFG) Yu215 / 3-1, BMBF 01GQ1702 et au financement interne de la Société Max Planck.
Materials
| Name | Company | Catalog Number | Comments |
| 14.1T Bruker MRI system | Bruker BioSpin MRI GmbH | N/A | |
| A365 Stimulus Isolator | World Precision Instruments | N/A | |
| AcqKnowledge Software | Biopac | RRID:SCR_014279, http://www.biopac.com/product/acqknowledge-software/ | |
| AFNI | Cox, 1996 | RRID:SCR_005927, http://afni.nimh.nih.gov | |
| CO2SMO (ETCO2/SpO2 Monitor), Model 7100 | Novametrix Medical Systems Inc | N/A | |
| Isoflurane | CP-Pharma | Cat# 1214 | |
| Master-9 | A.M.P.I | N/A | |
| Nanoliter Injector | World Precision Instruments | Cat# NANOFIL | |
| Pancuronium Bromide | Inresa Arzneimittel | Cat# 34409.00.00 | |
| ParaVision 6 | Bruker BioSpin MRI GmbH | RRID:SCR_001964 | |
| Phosphate Buffered Saline (PBS) | Gibco | Cat# 10010-023 | |
| Rat: Sprague Dawley rat | Charles River Laboratories | Crl:CD(SD) | |
| SAR-830/AP Ventilator | CWE | N/A | |
| α-chloralose | Sigma-Aldrich | Cat# C0128-25G;RRID |
References
- Ogawa, S., Lee, T. M., Kay, A. R., Tank, D. W. Brain magnetic resonance imaging with contrast dependent on blood oxygenation. Proceedings of the National Academy of Sciences U.S.A. 87 (24), 9868-9872 (1990).
- Belliveau, J. W., et al. Functional mapping of the human visual cortex by magnetic resonance imaging. Science. 254 (5032), 716-719 (1991).
- Stehling, M. K., Turner, R., Mansfield, P. Echo-planar imaging: magnetic resonance imaging in a fraction of a second. Science. 254 (5028), 43-50 (1991).
- Bandettini, P. A., Wong, E. C., Hinks, R. S., Tikofsky, R. S., Hyde, J. S. Time course EPI of human brain function during task activation. Magnetic Resonance in Medicine. 25 (2), 390-397 (1992).
- Kwong, K. K., et al. Dynamic magnetic resonance imaging of human brain activity during primary sensory stimulation. Proceedings of the National Academy of Science U. S. A. 89 (12), 5675-5679 (1992).
- Ogawa, S., et al. Intrinsic signal changes accompanying sensory stimulation: functional brain mapping with magnetic resonance imaging. Proceedings of the National Academy of Science U. S. A. 89 (13), 5951-5955 (1992).
- Biswal, B., Yetkin, F. Z., Haughton, V. M., Hyde, J. S. Functional connectivity in the motor cortex of resting human brain using echo-planar MRI. Magnetic Resonance in Medicine. 34 (4), 537-541 (1995).
- Logothetis, N. K. What we can do and what we cannot do with fMRI. Nature. 453 (7197), 869-878 (2008).
- Kim, S. G., Ogawa, S. Biophysical and physiological origins of blood oxygenation level-dependent fMRI signals. Journal of Cerebral Blood Flow and Metabolism. 32 (7), 1188-1206 (2012).
- Peltier, S. J., et al. Functional connectivity changes with concentration of sevoflurane anesthesia. Neuroreport. 16 (3), 285-288 (2005).
- Dopfel, D., Zhang, N. Mapping stress networks using functional magnetic resonance imaging in awake animals. Neurobiology of Stress. 9, 251-263 (2018).
- Hu, X. P., Le, T. H., Parrish, T., Erhard, P. Retrospective Estimation and Correction of Physiological Fluctuation in Functional Mri. Magnetic Resonance in Medicine. 34 (2), 201-212 (1995).
- Birn, R. M. The role of physiological noise in resting-state functional connectivity. Neuroimage. 62 (2), 864-870 (2012).
- Caballero-Gaudes, C., Reynolds, R. C. Methods for cleaning the BOLD fMRI signal. Neuroimage. 154, 128-149 (2017).
- Pais-Roldan, P., Biswal, B., Scheffler, K., Yu, X. Identifying Respiration-Related Aliasing Artifacts in the Rodent Resting-State fMRI. Frontiers in Neuroscience. 12, 00788 (2018).
- Glover, G. H., Li, T. Q., Ress, D. Image-based method for retrospective correction of physiological motion effects in fMRI: RETROICOR. Magnetic Resonance in Medicine. 44 (1), 162-167 (2000).
- Chang, C., Cunningham, J. P., Glover, G. H. Influence of heart rate on the BOLD signal: The cardiac response function. Neuroimage. 44 (3), 857-869 (2009).
- Birn, R. M., Diamond, J. B., Smith, M. A., Bandettini, P. A. Separating respiratory-variation-related neuronal-activity-related fluctuations in fluctuations from fMRI. Neuroimage. 31 (4), 1536-1548 (2006).
- Golestani, A. M., Chang, C., Kwinta, J. B., Khatamian, Y. B., Chen, J. J. Mapping the end-tidal CO2 response function in the resting-state BOLD fMRI signal: Spatial specificity, test-retest reliability and effect of fMRI sampling rate. Neuroimage. 104, 266-277 (2015).
- Lu, H. B., et al. Real-time animal functional magnetic resonance imaging and its application to neurophamacological studies. Magnetic Resonance Imaging. 26 (9), 1266-1272 (2008).
- Cox, R. W., Jesmanowicz, A., Hyde, J. S. Real-time functional magnetic resonance imaging. Magnetic Resonance Medicine. 33 (2), 230-236 (1995).
- Lee, C. C., Jack, C. R., Rossman, P. J., Riederer, S. J. Real-time reconstruction and high-speed processing in functional MR imaging. American Journal of Neuroradiology. 19 (7), 1297-1300 (1998).
- Voyvodic, J. T. Real-time fMRI paradigm control, physiology, and behavior combined with near real-time statistical analysis. Neuroimage. 10 (2), 91-106 (1999).
- Cohen, M. S. Real-time functional magnetic resonance imaging. Methods. 25 (2), 201-220 (2001).
- Posse, S., et al. A new approach to measure single-event related brain activity using real-time fMRI: Feasibility of sensory, motor, and higher cognitive tasks. Human Brain Mapping. 12 (1), 25-41 (2001).
- Decharms, R. C. Reading and controlling human brain activation using real-time functional magnetic resonance imaging. Trends in Cognitive Sciences. 11 (11), 473-481 (2007).
- Bruhl, A. B. Making Sense of Real-Time Functional Magnetic Resonance Imaging (rtfMRI) and rtfMRI Neurofeedback. International Journal of Neuropsychopharmacology. 18 (6), (2015).
- Cox, R. W. AFNI: Software for analysis and visualization of functional magnetic resonance neuroimages. Computers and Biomedical Research. 29 (3), 162-173 (1996).
- Liou, W. W., Goshgarian, H. G. Quantitative assessment of the effect of chronic phrenicotomy on the induction of the crossed phrenic phenomenon. Experimental Neurology. 127 (1), 145-153 (1994).
- Shih, Y. Y., et al. Ultra high-resolution fMRI and electrophysiology of the rat primary somatosensory cortex. Neuroimage. 73, 113-120 (2013).
- Masamoto, K., Kim, T., Fukuda, M., Wang, P., Kim, S. G. Relationship between neural, vascular, and BOLD signals in isoflurane-anesthetized rat somatosensory cortex. Cerebral Cortex. 17 (4), 942-950 (2007).
- van Alst, T. M., et al. Anesthesia differentially modulates neuronal and vascular contributions to the BOLD signal. Neuroimage. 195, 89-103 (2019).
- Wu, T. L., et al. Effects of isoflurane anesthesia on resting-state fMRI signals and functional connectivity within primary somatosensory cortex of monkeys. Brain and Behavior. 6 (12), 00591 (2016).
- Liu, X., Zhu, X. H., Zhang, Y., Chen, W. The change of functional connectivity specificity in rats under various anesthesia levels and its neural origin. Brain Topography. 26 (3), 363-377 (2013).
- Liu, X. P., et al. Multiphasic modification of intrinsic functional connectivity of the rat brain during increasing levels of propofol. Neuroimage. 83, 581-592 (2013).
- Hutchison, R. M., Hutchison, M., Manning, K. Y., Menon, R. S., Everling, S. Isoflurane induces dose-dependent alterations in the cortical connectivity profiles and dynamic properties of the brain's functional architecture. Human Brain Mapping. 35 (12), 5754-5775 (2014).
- He, Y., et al. Ultra-Slow Single-Vessel BOLD and CBV-Based fMRI Spatiotemporal Dynamics and Their Correlation with Neuronal Intracellular Calcium Signals. Neuron. 97 (4), 925-939 (2018).
- Yoshida, K., et al. Physiological effects of a habituation procedure for functional MRI in awake mice using a cryogenic radiofrequency probe. Journal of Neuroscience Methods. 274, 38-48 (2016).
