Protocol
Forskningsresultaterne teknikker, der anvendes i løbet af denne undersøgelse blev godkendt af de institutionelle anmeldelse bestyrelser (IRB) for Duke University og University of North Carolina - Chapel Hill.
1. Imaging Opgave Design
- Generer en begivenhed-baserede adfærdsmæssige opgave, der præsenterer sjældne mål stimuli (en cirkel) inden for en sekvens af mere hyppige standard stimuli (scrambled billeder). En skematisk af opgaven er vist i figur 1. Present opgaven via CIGAL software 10.
Figur 1. Skematisk af Task Design. Dette tal er blevet ændret fra Hart et al. 20, med tilladelse. Klik her for at se en større version af dette tal.
- Vælg somet af afskrækningsmiddel stimuli og et sæt neutrale stimuli fra den internationale Affective Picture System database (IAP'er). IAP'er billeder er vurderet på en skala fra 1-9 for at afspejle niveauet af ophidselse og valens 11. Høje tal angiver højere positiv valens og ophidselse. Vælg et sæt billeder, der er alderssvarende til studiet, såsom billeder af slanger, edderkopper eller andre dyr.
Bemærk: Opgaven-irrelevant afskrækningsmiddel stimuli billeder, der anvendes til denne undersøgelse havde en gennemsnitlig valens rating på 3,38 (SD = 1,78) og en gennemsnitlig ophidselse rating på 6,14 (SD = 2,08). De neutrale stimuli billeder havde en gennemsnitlig valens af 6,21 (SD = 0,26) og en gennemsnitlig ophidselse rating på 3,72 (SD = 2,15). - Program opgaven script sådan at billederne er præsenteret i en pseudo-randomiseret ordre på 1.500 msek med en 500 ms betyder inter-stimulus interval. Nuværende mål stimuli og task-irrelevant neutrale billeder ikke oftere end hver 15 sek og gøre hver omkring 4% af de stimuli. Jitter begivenhed debut gange for at give en bedre opløsning af funktionen hæmodynamisk respons.
- Opret 8 sæt billeder, en for hver af 8 funktionelle kørsler sådan, at deltagerne er præsenteret med i alt 40 mål og 40 task-irrelevant neutrale billeder i løbet af alle 8 kørsler.
2. Deltager Opsætning og scanning
- Rekruttere børn og unge i alderen 9 og 18, som er enten raske kontrolpersoner enkeltpersoner eller som er i familiær høj risiko for psykose.
- Sørg for, at raske personer ikke har nogen psykiatriske sygdomme eller eventuelle første grad familiemedlemmer med en psykiatrisk sygdom. Sikre, at deltagerne familiær risiko har mindst én første grads slægtning (forældre eller søskende) med skizofreni. Må ikke udelukke dem for tilstedeværelsen af andre psykiatriske lidelser i førstegradsslægtninge.
- Alder og køn match sunde deltagere med familiær risikogruppe deltagers.
- Anskaf informeret samtykke fra deltagerne over en alder af 18. mindreårige erhverve informeret samtykke fra forældre / værger. Derudover erhverve skriftlig samtykke fra mindreårige, der deltager i undersøgelsen.
- Placer deltagerne i en mock MR-scanner for at gøre dem bekendt med miljøet. Afspil en lydoptagelse af scanner støj og få dem udfylde en praksis køre af adfærdsmæssige opgave for at sikre, at de forstår opgaven instruktioner.
- Placer deltager i MR Scanner og erhverve de nødvendige hjerne lokalisering scanninger og / eller anatomiske billeder.
- Ved hjælp af en MR-safe input boksen, fortæller deltagerne til at trykke på en knap med deres pegefinger som respons på alle mål stimuli og en anden knap med deres langfinger for alle andre stimuli.
- Efter fMRI-scanning, indsamle subjektive vurderinger af ophidselse og valens for billeder, der anvendes i undersøgelsen fra en delmængde af deltagere. Current studie opnåede ratings fra 15 kontroller og 13 med familiær høj risiko.
3. Image Acquisition
- Place deltagerne i en 3,0 Tesla MR scanner. Først erhverve et sæt strukturelle billeder, herunder en 3D i samme plan anatomisk T1-kontrast billede ved hjælp af en forkælet gradient-mindede erhvervelse puls sekvens (TR: 5,16 ms, TE: 2,04 ms, FOV: 24 cm billede matrix: 256 × 256; Flip Vinkel: 20; voxel størrelse: 0,94 mm × 0,94 mm × 1,9 mm, 68 aksiale skiver).
- Anskaf funktionelle billeddiagnostiske data ved hjælp af en gradient ekko ekko-plane billeddannelse sekvens med fuld-hjerne-dækning (TR: 2.000 ms, TE: 27 ms, FOV: 24 cm billede matrix: 64 × 64; Flip Vinkel: 60; voxel størrelse: 3,75 mm × 3,75 mm × 3,8 mm, 34 aksiale skiver), så kan måles, at hjernens aktivitet under udførelsen af adfærdsmæssige opgave. Kør denne billeddannelse sekvens for hver kørsel af adfærdsmæssige opgave. Hver kørsel bør bestå af 120 imaging tidspunkter.
- Præsentere task i 8 funktionelle kørsler, som hver varer cirka 4 minutter.
4. Analyser
- Billede Forbehandling: Åbent fMRI Expert Analysis Tool (FEAT) i FSL 12. Vælg første niveau analyse og Pre-statistik.
- På "Data" fanen vælge antallet af input-billeder, og indtast stien til hver af de MR-billeder, du vil behandle. Indstil Output mappe. Indtast den samlede mængde, antal kasserede opkøb, og TR.
- På fanen "Pre-statistik", sat bevægelse korrektion til MCFLIRT, Rumlig udjævning FWHM til 5 mms, og "Slice timing korrektion". Vælg "BET hjerne udvinding" og "Highpass" tidsmæssig filtrering, men ikke vælger B0 unwarping (uness du har en gradient felt kort) eller "Jeg ntensitiy normaization". 12,14.
- På fanen "Registrering" vælg "Main kæmper,ctural billede ". Indtast stien til emnet kranium-strippet T1-vægtet billede. Brug en lineær normal søgning med mindst 6 DOF. Vælg Standard rum afkrydsningsfelt. Indtast stien til den MNI atlas billedet. Brug en normal, lineær søge med 12 DOF. Tryk på Go.
- At udelukke deltagere med mere end 3 mm hoved bevægelse i X, Y, eller Z retninger.
- Niveau 1: Undersøg data mellem opgave betingelser inden for en enkelt kørsel. Åbent FEAT. Vælg "First-niveau analyse" og "Stats + Post-statistik".
- På fanen Data indstille antallet af indgange og indtast stien til hver af MR-billeder. Indtast en sti til den "Output mappe". Indtast "Total mængder", antal kasserede opkøb, og TR.
- Vælge "Brug FILM prewhitening" afkrydsningsfelt 16 på "Stats" fanen,. Tryk på "Full model seTUP "-knappen. Indstil "Antal af originale elbiler" til antallet af task betingelser. For hver tilstand, skal du vælge "Custom (3 kolonne format)" fra grundform drop-down menuen og "Double-Gama HRF fra" foldning "drop-down menuen 17,18 og vælg en tekstfil, der indeholder opgaven timing.
- Formater denne tekstfil i 3 kolonner med én indgang for hver "begivenhed" for den givne type. Den første kolonne skal indeholde indtræden tid (i sekunder), skal den anden indeholder varighed (i sekunder), og det tredje bør indeholde begivenheden vægt. På fanen Kontraster & F-test, skal du oprette en kontrast til hver opgave tilstand, og en for hver sammenligning.
- På "Post-statistik" fanen, skal du vælge "klynge" på "Thresholding" drop-down menuen og sæt "Z tærskel" og Cluster P threshold til 2,3 og 0,05 henholdsvis 8,19.
- På fanen "Registrering" vælge "Main strukturel billede",. Indtast stien til emnet kranium-strippet T1-vægtet billede. Brug en lineær normal søgning med mindst 6 DOF. Vælg "Standard rum" afkrydsningsfelt. Indtast stien til MNI atlas billede. Brug en normal, lineær søgning med 12 DOF. Tryk på "Go".
- Niveau 2: Undersøg data mellem kørsler for hver opgave tilstand. Åbent FEAT. Vælg "Højere-niveau analyse" og "Stats + Post-statistik" fra drop down menuen.
- På fanen Data, skal du vælge "Indgange er lavere niveau FEAT mapper". Indstille antallet af indgange og indtast stien til hver af MR-billeder. Indtast en sti til den "Output mappe".
- På "Stats" fanen, skal du ændre "Blandede Effekter: FLAME1" valgboksen til "Fixed Effekter ". Tryk på" Model opsætningsguiden "knappen. Vælg" single gennemsnit gruppe "og klik på" Proces knappen ".
- På fanen "Post-statistik" vælg "Klynge", på "Thresholding" drop-down menuen og sæt "Z tærskel" og "Cluster P" tærskel til 2,3 og 0,05 henholdsvis 8,19. Tryk på "Go".
- Niveau 3: Undersøg data mellem fag for hver opgave tilstand på tværs af alle kørsler. Åbent FEAT. Vælg "Højere-niveau analyse" og "Stats + Post-statistik" fra drop down menuen.
- På fanen Data, skal du vælge "Indgange er 3D klare billeder fra FEAT mapper." Indstil antallet af input og indtaste stien til hver af de MR-billeder. Indtast en sti til den "Output mappe".
- På "Stats" tab, Tryk på "Fuld model setup". Indstil antallet af elbiler svarende til antallet af tilknyttede variabler og kovariater såsom diagnostisk gruppe, alder, køn osv Indtast værdierne for hvert fag (Input 1 - Indgang n) for hver EV. Du kan bruge "Indsæt" vinduet for at kopiere et regneark af disse værdier.
- På fanen "Kontraster & F-tests", tilføjer en kontrast til hver test variabel og for hver kontrast (f.eks diagnostisk gruppe). For hver test variabel, indstille kontrasten ved at vælge værdien 1 i kolonnen med passende EV. For hver Derimod indstille den første værdi til 1 og den anden til -1. Vælg "Udført".
- På fanen "Post-statistik", vælg "klynge" på "Thresholding" drop-down menuen og sæt "Z tærskel" og "Cluster P" tærskel til 2,3 og 0,05 henholdsvis 8,19 Tryk på "Go".
Subscription Required. Please recommend JoVE to your librarian.
Representative Results
Der var ingen forskel mellem grupper baseret på demografiske karakteristika 20. Adfærdsmæssige data viste, at opgaven afsløring målet på et passende sværhedsgrad for børn og unge i alderen 9-18. I den aktuelle undersøgelse, kontroller korrekt identificeret 82,36% af mål (SD = 0,14), og familiær risikogruppe korrekt identificeret 76,8% af mål (SD = 0,17). Begge grupper viste reduceret nøjagtighed, når identificere følelsesmæssige billeder i forhold til neutrale billeder (F (1,40) = 5,63, p = 0,03).
De billeddannende data viste, at de eksperimentelle betingelser ført til betydelige aktivering i regioner, der forventes at blive ansat under udøvende og følelsesmæssig bearbejdning. Aktivering blev set i præfrontale, forreste spiegelske, ø, og posteriore parietale områder under mål forsøg, og i den rigtige amygdala, bilaterale orbitofrontal cortex, fusiform cortex og visuel cortiske områder i afskrækningsmiddel forsøg i begge grupper. Tabel 1 viser områder med betydelig aktivering i kontroller for hver betingelse.
Dette paradigme også fremkaldte betydelige forskelle i aktivering mellem kontroller og personer med familiær høj risiko for skizofreni. Den familiær højrisikogruppe viste nedsat aktivering i fronto-striate kredsløb som reaktion at målrette stimuli. Kontrol, i modsætning, viste større aktivering i midten frontal gyrus og isolering. Gruppe forskelle mellem betingelser er vist i tabel 2 og figur 2. Den familiær højrisikogruppe viste også forskellige mønstre af aldersrelateret aktivering sammenlignet med kontroller som reaktion på at målrette og uvilje stimuli (figur 3).
Figur 2. Aktivering Kort over Mellem-Group Forskelle. (A) Områder, hvor den familiær høj risiko (n = 21) viste større aktivering end kontroller (n = 21) under mål bearbejdning. CAUD = caudat; IFG = ringere frontal gyrus; ITG = Dårlige tidsmæssige gyrus. (B) Områder, hvor kontrollen viste større aktivering end familiær høj risiko gruppe under mål bearbejdning. INS = Insula; MFG = Mellemøsten frontal gyrus; MTG = Middle tidsmæssige gyrus. (C) Områder, hvor den familiær høj risiko gruppe aktiveret mere end kontroller under den afskrækningsmiddel> Neutral kontrast. COC = Central opercular cortex. (D) Områder, hvor kontrollen aktiverede mere end den familiær høj risiko gruppe under den afskrækningsmiddel> Neutral kontrast. ACC = forreste cingulate cortex; PC = precuneus. Dette tal er blevet ændret fra Hart et al. 20, med tilladelse. Klik her for at se en større version af denne figur.
Figur 3. Aktivering Maps af aldersrelaterede gruppeforskelle. (A) Områder med en større positiv korrelation med alder i familiær høj risiko end i kontrol under mål bearbejdning. ACC = forreste cingulate cortex; INS = Insula; OFC = orbitofrontal cortex; TH = Thalamus. (B) Områder med en større positiv korrelation med alder i kontrol end i familiær høj risiko gruppe under den afskrækningsmiddel> Neutral kontrast. IFG = ringere frontal gyrus; PostCG = Postcentral gyrus; PreCG = PreCentral gyrus. Dette tal er blevet ændret fra Hart et al. 20, med tilladelse. Klik her for at se en større version af dette tal.
ST1. Inden-Group Aktivering Foci i Controls (n = 21) | ||||||
MNI koordinater | ||||||
Område | Halvkugle | x | y | z | Max Z-værdi | Max p-værdi 1 |
Target aktivering (p <0,05, falske opdagelse sats korrigeret) | ||||||
Midterste frontal gyrus / Frontal pol | B | -30 | -2 | 50 | 5,57 | <0.0000001 |
Ringere frontal gyrus | B | 46 | 12 | 32 | 5.41 | <0.0000001 |
Insula | B | -32 | 24 | 05.4 | <0.0000001 | |
PreCentral gyrus | B | -40 | -22 | 48 | 5.53 | <0.0000001 |
Thalamus | B | -12 | -16 | 12 | 5.03 | <0.0000001 |
Caudatus | B | -12 | 12 | 4 | 4.07 | 0.000003 |
Putamen | B | 18 | 8 | 2 | 4,27 | 0,00009 |
Forreste cingulate / Paracingulate gyrus | B | 0 | 12 | 46 | 5.6 | <0.0000001 |
Posterior cingulat gyrus | B | 8 | -16 | 28 | 5.2 | <0.0000001 |
Superior / Mellemøsten tidsmæssig gyrus | <td> B48 | -46 | 10 | 5.88 | <0.0000001 | |
Fusiform / ringere tidsmæssig gyrus | B | -30 | -50 | -12 | 5.64 | <0.0000001 |
Superior parietale lille lap / Supramarginal gyrus / Postcentral gyrus | B | 30 | -44 | 44 | 6 | <0.0000001 |
Lateral occipital cortex | B | 48 | -62 | 12 | 6.12 | <0.0000001 |
Afskrækningsmiddel> Neutral aktivering (p <0,05, falske opdagelse sats korrigeret) | ||||||
Ringere frontal gyrus | L | -44 | 14 | 143.16 | 0,0004 | |
Frontal pole / Medial frontal cortex | B | -2 | 64 | 0 | 3,42 | 0,0005 |
Postcentral gyrus | L | -62 | -22 | 34 | 3.12 | 0,0004 |
Forreste cingulate cortex | B | -4 | 34 | 8 | 3.27 | 0,0002 |
Posterior cingulat gyrus | B | 0 | -44 | 28 | 3.26 | 0,0002 |
Ringere tidsmæssige / fusiform gyrus | B | -44 | -44 | -14 | 3.03 | 0,0006 |
Kantet gyrus | B | 46 | -64 | 8 | 3,42 | 0,0001 |
Supramarginal gyrus | L | -40 | -56 | 20 | 3.59 | 0,00005 |
Aversiv aktivering (p <0,05, falske opdagelse sats korrigeret) | ||||||
Amygdala | R | 22 | -4 | -18 | 2,86 | 0.001 |
Orbitofrontal cortex / Insula | B | 36 | 22 | -4 | 4,93 | <0.0000001 |
Midterste frontal gyrus | B | 32 | 4 | 40 | 4.7 | <0.0000001 |
Frontal pole | B | -38 | 36 | 10 | 4.95 | <0.0000001 |
Forreste cingulate /paracingulate gyrus | B | 6 | 16 | 50 | 4,85 | <0.0000001 |
Posterior cingulat gyrus | B | 2 | -28 | 24 | 5.88 | <0.0000001 |
Thalamus | B | 18 | -26 | 2 | 5.44 | <0.0000001 |
PreCentral gyrus | B | -44 | 8 | 34 | 4,54 | <0.0000001 |
Superior parietal lille lap | B | -20 | -56 | 54 | 6,05 | <0.0000001 |
Lateral occipital cortex | B | -36 | -82 | 4 | 6,05 | <0.0000001 |
Occipital pole | B | -16 | -90 | 18 | 5.18 | <0.0000001|
B, Bilateralt | ||||||
1 Rapporterede p-værdier er ukorrigerede, signifikant på FDR-korrigerede værdi af <0,05 |
Tabel 1. Inden-Group Aktivering Foci i Controls (n = 21). Denne tabel er blevet ændret fra Hart et al. 20, med tilladelse.
Tabel 2. Mellem-koncernens Forskelle i aktivering | ||||||
MNI koordinater | Halvkugle | x | y | z | Max Z-værdi | Max p-værdi 1 |
Mål | ||||||
Familiær Høj risiko> Controls (p <0,05, falske opdagelse sats korrigeret) | ||||||
Frontal pole | B | 16 | 76 | 6 | 3,52 | 0,00007 |
Ringere frontal gyrus | L | -58 | 16 | 18 | 3.37 | 0,0001 |
Caudatus | B | -14 | 20 | 10 | 3.2 | 0,0003 |
Ringere tidsmæssige gyrus | L | -52 | -44 | -20 | 2,94 | 0,0009 |
Controls> familiær High Risk (p <0,05, falske opdagelse sats korrigeret) | ||||||
Midterste frontal gyrus / PreCentral gyrus | R | 48 | 8 | 34 | 3 | 0,0007 |
Frontal Laag cortex | L | -46 | 16 | -4 | 2,94 | 0,0009 |
Supplerende motor område | R | 18 | -16 | 40 | 3.02 | 0,0007 |
Insula | L | -34 | -18 | 4 | 2,94 | 0,0009 |
PreCentral gyrus | B | 10 | -26 | 60 | 3.290,0002 | |
Postcentral gyrus | B | 14 | -38 | 54 | 3,57 | 0,0001 |
Superior tidsmæssige gyrus | R | 54 | -6 | -4 | 3.18 | 0,0003 |
Mellemøsten tidsmæssige gyrus | R | 48 | -46 | 8 | 3,65 | 0,00004 |
Precuneus | R | 2 | -40 | 46 | 2.89 | 0.001 |
Lateral occipital cortex | B | -20 | -74 | 36 | 3.36 | 0,0002 |
Afskrækningsmiddel - Neutral | ||||||
Central opercular cortex | R | 50 | -2 | 6 | 3.01 | 0,0007 |
Controls> familiær High Risk (p <0,05, falske opdagelse sats korrigeret) | ||||||
Forreste cingulate cortex | L | -6 | 38 | 8 | 2,68 | 0,002 |
Precuneus | L | -10 | -54 | 36 | 2.7 | 0,002 |
B, Bilateralt | ||||||
1 Rapporterede p-værdier er ukorrigerede, signifikant på FDR-korrigerede værdi af <0,05 |
Tabel 2. Mellem-koncernens Forskelle i Aktivering Foci. Denne tabel er blevet ændret fra Hart et al. 20, med tilladelse.
Subscription Required. Please recommend JoVE to your librarian.
Materials
Name | Company | Catalog Number | Comments |
3T MRI scanner | GE | BIAC 3T scanner (replaced) |
References
- Kety, S. S., Rosenthal, D., Wender, P. H., Schulsinger, F. Mental illness in the biological and adoptive families of adpoted schizophrenics. Am J Psyc. 128, 302-306 (1971).
- Weinberger, D. R. Implications of normal brain development for the pathogenesis of schizophrenia. Arch Gen Psychia. 44, 660-669 (1987).
- Nuechterlein, K. H., Dawson, M. E. Information processing and attentional functioning in the developmental course of schizophrenic disorders. Schizophr Bul. 10, 160-203 (1984).
- Nuechterlein, K. H. The vulnerability/stress model of schizophrenic relapse: a longitudinal study. Acta Psychiatr Scand, Supp. 382, 58-64 Forthcoming.
- Keshavan, M. S. Premorbid cognitive deficits in young relatives of schizophrenia patients. Front Hum Neurosc. 3 (62), (2010).
- Kiehl, K. A., Liddle, P. F. An event-related functional magnetic resonance imaging study of an auditory oddball task in schizophrenia. Schizophr Re. 48, 159-171 (2001).
- Bramon, E. Is the P300 wave an endophenotype for schizophrenia? A meta-analysis and a family study. Neuroimag. 27, 960-968 (2005).
- Dichter, G. S., Bellion, C., Casp, M., Belger, A. Impaired modulation of attention and emotion in schizophrenia. Schizophr Bul. 36, 595-606 (2010).
- Fichtenholtz, H. M. Emotion-attention network interactions during a visual oddball task. Brain Res Cogn Brain Re. 20, 67-80 (2004).
- Voyvodic, J. T. Real-time fMRI paradigm control, physiology, and behavior combined with near real-time statistical analysis. Neuroimag. 10, 91-106 (1999).
- International affective picture system (IAPS): Digitized photographs, instruction manual and affective ratings. Technical Report A-6. , The Center for Research in Psychophysiology, University of Florida. (2005).
- Smith, S. M. Advances in functional and structural MR image analysis and implementation as FSL. Neuroimag. 23, 208-219 (2004).
- Smith, S. M.
Fast robust automated brain extraction. Hum Brain Map. 17, 143-155 (2002). - Jenkinson, M., Bannister, P., Brady, M., Smith, S. Improved optimization for the robust and accurate linear registration and motion correction of brain images. Neuroimag. 17, 825-841 (2002).
- Jenkinson, M., Smith, S. A global optimisation method for robust affine registration of brain images. Med Image Ana. 5, 143-156 (2001).
- Woolrich, M. W., Ripley, B. D., Brady, M., Smith, S. M. Temporal autocorrelation in univariate linear modeling of FMRI data. Neuroimag. 14, 1370-1386 (2001).
- Beckmann, C. F., Jenkinson, M., Smith, S. M. General multilevel linear modeling for group analysis in FMRI. Neuroimag. 20, 1052-1063 (2003).
- Woolrich, M. W., Behrens, T. E., Beckmann, C. F., Jenkinson, M., Smith, S. M. Multilevel linear modelling for FMRI group analysis using Bayesian inference. Neuroimag. 21, 1732-1747 (2004).
- Genovese, C. R., Lazar, N. A., Nichols, T. Thresholding of statistical maps in functional neuroimaging using the false discovery rate. Neuroimag. 15, 870-878 (2002).
- Hart, S. J. Altered fronto-limbic activity in children and adolescents with familial high risk for schizophrenia. Psychiatry Re. 212, 19-27 (2013).
- Hariri, A. R., Bookheimer, S. Y., Mazziotta, J. C. Modulating emotional responses: effects of a neocortical network on the limbic system. Neurorepor. 11, 43-48 (2000).
- Gottesman, I. I., Gould, T. D. The endophenotype concept in psychiatry: etymology and strategic intentions. Am J Psyc. 160, 636-645 (2003).
- Glahn, D. C., Thompson, P. M., Blangero, J. Neuroimaging endophenotypes: strategies for finding genes influencing brain structure and function. Hum Brain Map. 28, 488-501 (2007).