Protocol
As técnicas de pesquisa utilizadas durante este estudo foram aprovados pelos conselhos de revisão institucionais (IRB), da Universidade de Duke e da Universidade da Carolina do Norte - Chapel Hill.
1. Imagem Design Grupo de trabalho
- Gerar uma tarefa comportamental baseado em eventos que apresenta estímulos alvo raras (um círculo) dentro de uma sequência de estímulos padrões mais frequentes (imagens mexidos). Um esquema da tarefa é mostrado na Figura 1. Apresente a tarefa utilizando software CIGAL 10.
Figura 1. Esquema de Design Grupo de trabalho. Este número foi modificada a partir de Hart et al. 20, com permissão. Por favor clique aqui para ver uma versão maior desta figura.
- Escolha comoet de estímulos aversivos e um conjunto de estímulos neutros do banco de dados Internacional Affective Picture System (IAPS). Imagens IAPS são classificados em uma escala de 1-9, a fim de refletir os níveis de excitação e valência 11. Números altos indicam maior valência positiva e excitação. Selecione um conjunto de imagens que são adequadas à idade para o grupo de estudo, tais como imagens de cobras, aranhas ou outros animais.
Nota: As imagens aversivas-tarefa irrelevante utilizados para este estudo teve uma classificação média valência de 3,38 (DP = 1,78) e uma classificação média excitação de 6,14 (DP = 2,08). As imagens estímulos neutros teve uma valência média de 6,21 (DP = 0,26) e uma classificação média excitação de 3,72 (DP = 2,15). - Programe o script da tarefa de tal modo que as imagens são apresentadas em uma ordem pseudo-randomizados para 1.500 ms com um 500 ms significa intervalo inter-estímulo. Estímulos presentes alvo e imagens neutras-tarefa irrelevante não mais freqüentemente do que a cada 15 segundos e fazer com que cada cerca de 4% dos estímulos. Jievento tter tempos de início, a fim de proporcionar uma melhor resolução da função de resposta hemodinâmica.
- Criar 8 conjuntos de imagens, uma para cada um dos 8 corridas funcionais de tal forma que os participantes são apresentados com um total de 40 metas e 40 imagens neutras-de tarefas irrelevantes ao longo de todos os 8 corridas.
2. Configuração de participantes e Digitalização
- Recrutar crianças e adolescentes entre as idades de 9 e 18 anos que são ou indivíduos de controle saudáveis ou que estão em alto risco familiar para a psicose.
- Certifique-se de que os indivíduos saudáveis não têm doenças psiquiátricas ou quaisquer membros da família de primeiro grau com uma doença psiquiátrica. Certifique-se de que os participantes de risco familiares têm pelo menos um parente de primeiro grau (pai ou irmão) com esquizofrenia. Não se excluí-los para a presença de outras doenças psiquiátricas em parentes de primeiro grau.
- Idade e gênero match participantes saudáveis com participante do grupo de risco familiars.
- Adquirir o consentimento informado dos participantes com idade superior a 18. Para os menores, adquirem o consentimento informado dos pais / responsáveis legais. Além disso, adquirir consentimento escrito de menores que estão a tomar parte no estudo.
- Coloque os participantes em um scanner de ressonância magnética simulada, a fim de familiarizá-los com o meio ambiente. Coloque uma gravação de ruído scanner e tê-los completar um treino da tarefa comportamental, a fim de garantir que eles compreendam as instruções de tarefas.
- Coloque o participante do Scanner MRI e adquirir todas as varreduras do cérebro de localização necessárias e / ou imagens anatômicas.
- Usando uma caixa de entrada MRI-safe, diga aos participantes para pressionar um botão com o dedo indicador em resposta a todos os estímulos alvo e outro botão com seu dedo médio para todos os outros estímulos.
- Na sequência de varredura fMRI, recolher avaliações subjetivas de excitação e valência para as imagens utilizadas no estudo de um subconjunto de participantes. Os Currenestudo t obtido classificações de 15 controles e 13 com alto risco familiar.
3. Aquisição de Imagem
- Coloque os participantes em um scanner de ressonância magnética 3,0 Tesla. Em primeiro lugar, adquirir um conjunto de imagens estruturais, incluindo uma imagem 3D anatômica T1-contraste coplanar usando uma seqüência de aquisição mimada pulso lembrou-gradiente (TR: 5.16 ms; TE: 2.04 ms; FOV: 24 cm; matriz de imagem: 256 × 256; Virar Ângulo de visão: 20; voxel tamanho: 0,94 milímetros × 0,94 milímetros × 1,9 milímetros; 68 cortes axiais).
- Adquirir dados de imagem funcional utilizando um gradiente echo seqüência de imagem eco-planar com cobertura total do cérebro (TR: 2000 ms; TE: 27 ms; FOV: 24 cm; matriz de imagem: 64 × 64; Virar Angle: 60; tamanho voxel: 3,75 mm × 3,75 milímetros × 3,8 mm; 34 cortes axiais), de modo que a atividade cerebral pode ser medida durante a execução da tarefa comportamental. Execute esta sequência de imagens para cada execução da tarefa comportamental. Cada execução deve consistir de 120 pontos de tempo de imagem.
- Apresentar o task em 8 corridas funcionais, cada um com duração de aproximadamente 4 min.
4. Análise
- Processamento de Imagem: Open fMRI Analysis Tool Expert (FEAT) em FSL 12. Selecione análise de primeiro nível e Pré-stats.
- Na guia "Dados", selecione o número de imagens de entrada e digite o caminho para cada uma das imagens de RM que você vai processar. Definir o diretório de saída. Digite os volumes totais, número de aquisições descartados, eo TR.
- Na guia "Pré-estatísticas", defina a correcção de movimento para MCFLIRT, do Ordenamento do alisamento FWHM a 5 mms, e "Fatia de correcção de temporização". Selecione "extração cérebro BET" e "Highpass" filtragem temporal, mas não selecionar B0 unwarping (uness você tem um mapa de gradiente de campo) ou "I ntensitiy normaization". 12,14.
- Na guia "Registro", selecione "stru Principalimagem ctural ". Digite o caminho para a imagem ponderada em T1 despojado-crânio do sujeito. Use uma pesquisa normal linear com pelo menos 6 DOF. Selecione a caixa de seleção espaço padrão. Digite o caminho para a imagem atlas MNI. Use um normal, linear pesquisar com 12 DOF. Pressione Go.
- Excluir participantes com o movimento da cabeça superior a 3 mm no X, Y ou Z..
- Nível 1: Compare os dados entre as condições de tarefas dentro de um único prazo. Abrir FEAT. Selecione "análise de primeiro nível" e "Estatísticas + Pós-stats".
- Na guia dados, defina o número de entradas e digite o caminho para cada uma das imagens de RM. Digite um caminho para o "Diretório de saída". Entre os "Total de volumes", número de aquisições descartados, eo TR.
- Na guia "Estatísticas", marque a caixa de seleção "Use FILM prewhitening" 16. Pressione o "modelo completo sebotão tup ". Defina o "Número de EVs Original" para o número de condições da tarefa. Para cada condição, selecione "Custom (3 formato de coluna)" a partir do menu drop-down forma básica e "Double-Gama HRF do menu" Convolution "drop-down 17,18 e selecione um arquivo de texto contendo a velocidade tarefa.
- Formatar esse arquivo de texto em 3 colunas com uma entrada para cada "evento" do tipo de dado. A primeira coluna deve conter o tempo de latência (em segundos), o segundo deve conter a duração (em segundos), e o terceiro deve conter o peso evento. No separador Contraste & F-testes, criar um contraste para cada condição de tarefa e um para cada comparação.
- Sobre o "Post-estatísticas", selecione "cluster" no menu drop-down "Thresholding" e defina o "limiar Z" e Cluster P threshold a 2,3 e 0,05, respectivamente, 8,19.
- Na guia "Registro", selecione "imagem estrutural Principal". Digite o caminho para a imagem ponderada em T1 despojado-crânio do sujeito. Use uma pesquisa normal linear com pelo menos 6 DOF. Selecione a caixa de seleção "Standard espaço". Digite o caminho para a imagem atlas MNI. Use uma pesquisa normal, linear com 12 DOF. Pressione o botão "Go".
- Nível 2: Compare os dados entre as execuções para cada condição de tarefa. Abrir FEAT. Selecione "análise de nível superior" e "Estatísticas + Pós-estatísticas" a partir do menu drop-down.
- Na guia dados, selecione "As entradas são diretórios FEAT de nível inferior". Defina o número de entradas e digite o caminho para cada uma das imagens de RM. Digite um caminho para o "Diretório de saída".
- Na guia "Estatísticas", altere os "efeitos mistos: flame1" caixa de seleção para "Fixed EFEITOS ". Pressione o botão" assistente de configuração Model "botão. Selecione" média do grupo único "e clique no botão" Processar ".
- Na guia "Pós-estatísticas", selecione "cluster" no menu drop-down "Thresholding" e defina o "limiar Z" e limiar de "Cluster P" para 2,3 e 0,05, respectivamente, 8,19. Pressione o botão "Go".
- Nível 3: Compare os dados entre os sujeitos para cada condição de tarefa em todas as corridas. Abrir FEAT. Selecione "análise de nível superior" e "Estatísticas + Pós-estatísticas" a partir do menu drop-down.
- Na guia dados, selecione "As entradas são 3D lidar imagens de diretórios feat." Definir o número de entradas e digite o caminho para cada uma das imagens de RM. Digite um caminho para o "Diretório de saída".
- Sobre a "Estatísticas" tab, Pressione o "setup modelo Full". Defina o número de EVs igual ao número de variáveis de grupo e co-variáveis tais como o grupo de diagnóstico, idade, sexo, etc. Digite os valores para cada assunto (entrada 1 - Input n) para cada EV. Você pode usar a janela "Paste" para copiar uma folha de cálculo desses valores.
- Na guia "Contraste & F-testes", adicione um contraste para cada variável de teste e para cada contraste (por exemplo, o grupo de diagnóstico). Para cada variável de teste, definir o contraste, seleccionando o valor 1 na coluna sob o EV apropriado. Para cada contraste, defina o primeiro valor para 1 e a segunda a -1. Selecione "Done".
- Na guia "Post-stats", selecione "cluster" no menu drop-down "Thresholding" e defina o "limiar Z" e limiar de "Cluster P" para 2,3 e 0,05, respectivamente, 8,19 Pressione o botão "Go".
Subscription Required. Please recommend JoVE to your librarian.
Representative Results
Não houve diferenças entre os grupos com base em características demográficas 20. Os dados comportamentais indicaram que a tarefa de detecção de alvo é a um nível adequado de dificuldade para crianças e adolescentes entre as idades de 9-18. No estudo atual, os controles corretamente identificados 82,36% das metas (DP = 0,14), eo grupo de risco familiar identificou corretamente 76,8% das metas (DP = 0,17). Ambos os grupos apresentaram diminuição da precisão na identificação de imagens emocionais em relação a imagens neutras (F (1,40) = 5,63, p = 0,03).
Os dados de imagem indicaram que as condições experimentais levou à activação significativa em regiões que deverão ser recrutados durante executivo e processamento emocional. Ativação foi visto em pré-frontal, caudado anterior, insular, e áreas parietais posteriores durante os ensaios-alvo e na amígdala direita, córtex órbito-frontal bilateral, fusiforme córtex e cor visuaisáreas ticos durante ensaios aversivos em ambos os grupos. A Tabela 1 mostra áreas de ativação significativa nos controles para cada condição.
Este paradigma também provocou diferenças significativas na ativação entre os controles e os indivíduos com alto risco familiar para a esquizofrenia. O grupo de alto risco familiar mostrou diminuição da ativação no circuito fronto-estriado em resposta a estímulos alvo. Controles, ao contrário, mostrou maior ativação no giro frontal médio e ínsula. Grupo diferenças entre as condições são mostradas na Tabela 2 e na Figura 2. O grupo de alto risco familiar também apresentaram diferentes padrões de activação-relacionada com a idade em comparação com os controlos em resposta a estímulos alvo e aversivas (Figura 3).
Figura 2. Ativação Mapas de diferenças entre os grupos. (A) As áreas onde o grupo de alto risco familiar (n = 21) mostrou maior ativação do que os controles (n = 21) durante o processamento alvo. CAUD = caudado; IFG = Inferior giro frontal; ITG = giro temporal inferior. (B) Áreas onde os controles apresentaram maior ativação do que o grupo de alto risco familiar durante o processamento alvo. INS = Insula; MFG = frontal Oriente giro; MTG = giro temporal médio. (C) Áreas onde o grupo de alto risco familiar ativados mais do que os controles durante o aversivo> Neutral contraste. COC = córtex opercular Central. (D) As áreas onde os controles ativados mais do que o grupo de alto risco familiar durante o aversivo> Neutral contraste. ACC = córtex cingulado anterior; PC = precuneus. Este valor foi modificado a partir do Hart et al. 20, com permissão. Por favor clique aqui para ver uma versão maior desta figura.
Figura 3. Ativação Mapas de Diferenças Age-Related Grupo. (A) As áreas com maior correlação positiva com a idade no grupo de alto risco familiar do que nos controles durante o processamento alvo. ACC = córtex cingulado anterior; INS = Insula; OFC = orbitofrontal córtex; TH = Thalamus. (B) As áreas com maior correlação positiva com a idade em controles do que no grupo de alto risco familiar durante o aversivo> Neutral contraste. IFG = Inferior giro frontal; PostCG = pós-central giro; Gyrus PreCG = precentral. Este valor foi modificado a partir do Hart et al. 20, com permissão. Por favor clique aqui para ver uma versão maior desta figura.
| ST1. Dentro do grupo de ativação Focos em controles (n = 21) | ||||||
| Coordenadas MNI | ||||||
| Região | Hemisfério | x | y | z | Max-Z valor | Max p-valor 1 |
| Ativação de destino (p <0,05, a taxa de descoberta falsa corrigida) | ||||||
| Giro frontal médio / pólo frontal | B | -30 | -2 | 50 | 5.57 | <0.0000001 |
| Giro frontal inferior | B | 46 | 12 | 32 | 5.41 | <0.0000001 |
| Insula | B | -32 | 24 0 | 5.4 | <0.0000001 | |
| Precentral giro | B | -40 | -22 | 48 | 5.53 | <0.0000001 |
| Tálamo | B | -12 | -16 | 12 | 5.03 | <0.0000001 |
| Caudado | B | -12 | 12 | 4 | 4.07 | 0.000003 |
| Putâmen | B | 18 | 8 | 2 | 4.27 | 0.00009 |
| Cingulado anterior / paracingulado giro | B | 0 | 12 | 46 | 5.6 | <0.0000001 |
| Cíngulo posterior | B | 8 | -16 | 28 | 5.2 | <0.0000001 |
| Giro temporal superior / Oriente | <td> B48 | -46 | 10 | 5.88 | <0.0000001 | |
| Fusiform / giro temporal inferior | B | -30 | -50 | -12 | 5.64 | <0.0000001 |
| Superior lóbulo parietal / supramarginal giro / giro pós-central | B | 30 | -44 | 44 | 6 | <0.0000001 |
| Lateral córtex occipital | B | 48 | -62 | 12 | 6.12 | <0.0000001 |
| Aversivo> ativação Neutro (p <0,05, a taxa de descoberta falsa corrigida) | ||||||
| Giro frontal inferior | eu | -44 | 14 14 | 3.16 | 0,0004 | |
| Pólo frontal / Medial córtex frontal | B | -2 | 64 | 0 | 3.42 | 0,0005 |
| Giro pós-central | eu | -62 | -22 | 34 | 3.12 | 0,0004 |
| Córtex cingulado anterior | B | -4 | 34 | 8 | 3.27 | 0,0002 |
| Cíngulo posterior | B | 0 | -44 | 28 | 3.26 | 0,0002 |
| Temporal inferior gyrus fusiforme / | B | -44 | -44 | -14 | 3.03 | 0,0006 |
| Giro angular | B | 46 | -64 | 8 | 3.42 | 0,0001 |
| Gyrus supramarginal | eu | -40 | -56 | 20 | 3.59 | 0,00005 |
| Ativação aversivo (p <0,05, a taxa de descoberta falsa corrigida) | ||||||
| Amígdala | R | 22 | -4 | -18 | 2.86 | 0,001 |
| Córtex órbito-frontal / Insula | B | 36 | 22 | -4 | 4.93 | <0.0000001 |
| Giro frontal médio | B | 32 | 4 | 40 | 4.7 | <0.0000001 |
| Pólo frontal | B | -38 | 36 | 10 | 4.95 | <0.0000001 |
| Cingulado anterior /gyrus paracingulado | B | 6 | 16 | 50 | 4.85 | <0.0000001 |
| Cíngulo posterior | B | 2 | -28 | 24 | 5.88 | <0.0000001 |
| Tálamo | B | 18 | -26 | 2 | 5.44 | <0.0000001 |
| Precentral giro | B | -44 | 8 | 34 | 4.54 | <0.0000001 |
| Superior lóbulo parietal | B | -20 | -56 | 54 | 6.05 | <0.0000001 |
| Lateral córtex occipital | B | -36 | -82 | 4 | 6.05 | <0.0000001 |
| Pólo occipital | B | -16 | -90 | 18 | 5.18 <0.0000001 | |
| B, Bilateral | ||||||
| 1 p-valores referidos não estão corrigidos, significativa no valor corrigido de FDR-<0,05 | ||||||
Tabela 1. No Grupo-Activation Focos em controles (n = 21). Este quadro foi modificado a partir de Hart et al. 20, com permissão.
| Tabela 2. diferenças entre os grupos em Ativação | |||||||||||||
| Coordenadas MNI | Hemisfério | x | y | z | Max-Z valor | Max p-valor 1 | |||||||
| Metas | |||||||||||||
| Familial Alto risco> Controls (p <0,05, a taxa de descoberta falsa corrigida) | |||||||||||||
| Pólo frontal | B | 16 | 76 | 6 | 3.52 | 0.00007 | |||||||
| Giro frontal inferior | eu | -58 | 16 | 18 | 3.37 | 0,0001 | |||||||
| Caudado | B | -14 | 20 | 10 | 3.2 | 0,0003 | |||||||
| Giro temporal inferior | eu | -52 | -44 | -20 | 2.94 | 0,0009 | |||||||
| Controles> Familial Alto Risco (p <0,05, a taxa de descoberta falsa corrigida) | |||||||||||||
| Giro frontal médio / precentral giro | R | 48 | 8 | 34 | 3 | 0,0007 | |||||||
| Córtex frontal opérculo | eu | -46 | 16 | -4 | 2.94 | 0,0009 | |||||||
| Área motora suplementar | R | 18 | -16 | 40 | 3.02 | 0,0007 | |||||||
| Insula | eu | -34 | -18 | 4 | 2.94 | 0,0009 | |||||||
| Precentral giro | B | 10 | -26 | 60 3.29 | 0,0002 | ||||||||
| Giro pós-central | B | 14 | -38 | 54 | 3.57 | 0,0001 | |||||||
| Giro temporal superior | R | 54 | -6 | -4 | 3.18 | 0,0003 | |||||||
| Giro temporal médio | R | 48 | -46 | 8 | 3.65 | 0.00004 | |||||||
| Precuneus | R | 2 | -40 | 46 | 2.89 | 0,001 | |||||||
| Lateral córtex occipital | B | -20 | -74 | 36 | 3.36 | 0,0002 | |||||||
| Aversivo - Neutro | |||||||||||||
| Córtex opercular Central | R | 50 | -2 | 6 | 3.01 | 0,0007 | |||||||
| Controles> Familial Alto Risco (p <0,05, a taxa de descoberta falsa corrigida) | |||||||||||||
| Córtex cingulado anterior | eu | -6 | 38 | 8 | 2.68 | 0,002 | |||||||
| Precuneus | eu | -10 | -54 | 36 | 2.7 | 0,002 | |||||||
| B, Bilateral | |||||||||||||
| 1 p-valores referidos não estão corrigidos, significativa no valor corrigido de FDR-<0,05 | |||||||||||||
Tabela 2. diferenças entre os grupos em Ativação focos. Este quadro foi modificado a partir de Hart et al. 20, com permissão.
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.
- 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).
