Protocol
Le tecniche di ricerca utilizzate nel corso di questo studio sono stati approvati dai revisione schede istituzionali (IRB) di Duke University e la University of North Carolina - Chapel Hill.
1. Imaging Task design
- Generare un compito comportamentale basata su eventi che presenta stimoli target infrequenti (un cerchio) all'interno di una sequenza di più-frequenti stimoli standard (immagini strapazzate). Uno schema del compito è mostrato in Figura 1. Presentare l'attività utilizzando software CIGAL 10.
Figura 1. Schema della Task design. Questo dato è stato modificato da Hart et al. 20, con il permesso. Clicca qui per vedere una versione più grande di questa figura.
- Selezionare comeet di stimoli avversi e una serie di stimoli neutri dal database Internazionale Affective Picture System (IAPS). Immagini IAP sono valutati su una scala di 1-9, al fine di riflettere i livelli di eccitazione e di valenza 11. Alti numeri indicano valenza superiore positivo e l'eccitazione. Selezionare un set di immagini che sono adatti alla loro età al gruppo di studio, come le immagini di serpenti, ragni, o altri animali.
Nota: Le immagini stimoli avversi task-irrilevante usati per questo studio avevano una valutazione media di 3,38 valenza (DS = 1.78) e una valutazione media di eccitazione di 6.14 (DS = 2.08). Le immagini stimoli neutri avevano una valenza media di 6.21 (DS = 0,26) e una valutazione media di eccitazione di 3.72 (DS = 2.15). - Programma lo script compito così che le immagini sono presentate in un ordine pseudo-randomizzato per 1.500 msec, con un intervallo di 500 msec significa inter-stimolo. Presente stimoli target e immagini neutre task-irrilevante non più frequentemente di ogni 15 secondi e rendono ogni circa il 4% degli stimoli. Jieventi tter tempi di inizio, al fine di fornire una migliore risoluzione della funzione di risposta emodinamica.
- Creare 8 set di immagini, una per ciascuna delle 8 piste funzionali tali che i partecipanti vengono presentati con un totale di 40 obiettivi e 40 immagini neutre task-irrilevante nel corso di tutti 8 piste.
2. Setup partecipanti e scansione
- Reclutare bambini e adolescenti di età compresa tra 9 e 18 anni che sono o individui sani di controllo o che sono ad alto rischio familiare per la psicosi tra.
- Garantire che gli individui sani non hanno malattie psichiatriche o eventuali familiari di primo grado con una malattia psichiatrica. Assicurarsi che i partecipanti di rischio familiari hanno almeno un parente di primo grado (genitore o un fratello) con la schizofrenia. Non li esclude la presenza di altre malattie psichiatriche in parenti di primo grado.
- Età e abbinare genere sani partecipanti partecipante gruppo rischio familiareS.
- Acquisire il consenso informato da parte dei partecipanti di età superiore ai 18. Per i minorenni, acquisire il consenso informato da genitori / tutori legali. Inoltre, acquisire consenso scritto da parte dei minori che prendono parte allo studio.
- Mettere i partecipanti in uno scanner MRI finto per familiarizzare con l'ambiente. Riprodurre un registrazione audio di rumore dello scanner e li hanno completare una prova generale del compito comportamentale al fine di assicurare che comprendano le istruzioni attività.
- Posizionare il partecipante alla RMN e acquisire qualsiasi scansione localizzazione cerebrale necessari e / o immagini anatomiche.
- Utilizzando una casella di input con Risonanza Magnetica, raccontare ai partecipanti di premere un pulsante con il loro dito indice in risposta a tutti gli stimoli target e un altro pulsante con il dito medio per tutti gli altri stimoli.
- A seguito di scansione fMRI, raccogliere valutazioni soggettive di eccitazione e valenza per le immagini utilizzate nello studio da un sottoinsieme di partecipanti. Le current studio ottenuto feedback da 15 controlli e 13 ad alto rischio familiare.
3. Acquisizione di immagini
- Posizionare i partecipanti in una Tesla MRI scanner 3.0. In primo luogo, acquisire una serie di immagini strutturali, tra cui una immagine 3D anatomica T1-contrasto complanari utilizzando una sequenza di impulsi acquisizione gradiente-ha ricordato viziato (TR: 5.16 msec; TE: 2.04 msec; FOV: 24 cm; matrice dell'immagine: 256 × 256; flip Angolo: 20; Dimensioni voxel: 0,94 millimetri × 0,94 millimetri x 1,9 millimetri; 68 sezioni assiali).
- Acquisire i dati di imaging funzionale utilizzando un gradiente echo sequenza di imaging eco-planare con una copertura completa del cervello (TR: 2,000 msec; TE: 27 msec; FOV: 24 cm; matrice dell'immagine: 64 × 64, Rifletti Angolo: 60; Dimensioni voxel: 3.75 mm × 3,75 millimetri x 3,8 mm; 34 sezioni assiali) in modo che l'attività cerebrale può essere misurata durante l'esecuzione del compito comportamentale. Eseguire questo sequenza di imaging per ogni esecuzione del compito comportamentale. Ogni esecuzione deve essere costituito da 120 punti di tempo di imaging.
- Presentare la task a 8 piste funzionali, ciascuno della durata di circa 4 minuti.
4. Analisi
- Pre-elaborazione Image: Apra fMRI Expert Analysis Tool (FEAT) di FSL 12. Selezionare l'analisi di primo livello e Pre-stats.
- Nella scheda "Dati", selezionare il numero di immagini in ingresso e immettere il percorso di ciascuna delle immagini RM che si sta per elaborare. Impostare la directory di output. Inserire i volumi totali, il numero di acquisizioni scartati, e la TR.
- Nella scheda "Pre-stats", impostare la correzione del movimento a MCFLIRT, Spatial levigante FWHM a 5 mm, e "correzione tempistica Slice". Selezionare "estrazione del cervello BET" e "passa-alto" filtro temporale ma non selezionare B0 unwarping (uness si dispone di un campo di mappa gradiente) o "I ntensitiy normaization". 12,14.
- Nella scheda "Registrazione", selezionare "principale struimmagine ctural ". Immettere il percorso per l'immagine T1 pesate cranio-spogliato del soggetto. Utilizzare una ricerca lineare normale con almeno 6 DOF. Selezionare la casella di controllo spazio standard. Immettere il percorso dell'immagine atlante MNI. Utilizzare una normale, lineare, ricerca con 12 DOF. Premere OK.
- Escludere partecipanti superiore a 3 mm movimento della testa in X, Y o Z.
- Livello 1: Confronto dei dati tra le condizioni delle attività all'interno di una singola corsa. Aperto FEAT. Selezionare "analisi di primo livello" e "Statistiche + Post-stats".
- Nella scheda Dati, impostare il numero di ingressi e immettere il percorso di ciascuna delle immagini RM. Immettere un percorso per la "directory di output". Inserire i "volumi totali", serie di acquisizioni scartati, e TR.
- Nella scheda "Statistiche", selezionare la casella di controllo "Usa FILM prewhitening" 16. Premere il "modello completo sePulsante tup ". Impostare il "Numero di veicoli elettrici originali" per il numero di condizioni di attività. Per ogni condizione, selezionare "Personalizzato (3 Formato colonna)" dal menu a discesa forma di base e "Double-Gama HRF dal" "menu a discesa Convoluzione 17,18 e selezionare un file di testo contenente la tempistica compito.
- Formattare questo file di testo in 3 colonne con una voce per ogni "evento" del tipo specificato. La prima colonna deve contenere il tempo di inizio (in secondi), il secondo dovrebbe contenere la durata (in secondi), e il terzo dovrebbe contenere il peso dell'evento. Nella scheda Contrasti e F-test, creare un contrasto per ogni condizione compito e uno per ciascun confronto.
- Sul "post-stats" scheda, selezionare "Cluster" nel menu a tendina "Thresholding" e impostare la "soglia Z" e Cluster P threshold a 2,3 e 0,05, rispettivamente, 8,19.
- Nella scheda "Registrazione", selezionare "immagine strutturale principale". Immettere il percorso per l'immagine T1 pesate cranio-spogliato del soggetto. Utilizzare una ricerca lineare normale con almeno 6 DOF. Selezionare la casella di controllo "standard spazio". Immettere il percorso per l'immagine del atlante MNI. Utilizzare una, ricerca lineare normale con 12 DOF. Premere il tasto "Go".
- Livello 2: Confronta i dati tra piste per ogni condizione compito. Aperto FEAT. Selezionare "analisi a livello superiore" e "Statistiche + Post-stats" dal menu a discesa.
- Nella scheda Dati, selezionare "ingressi sono directory FEAT di livello inferiore". Impostare il numero di ingressi e immettere il percorso di ciascuna delle immagini RM. Immettere un percorso per la "directory di output".
- Nella scheda "Statistiche", cambiare le "Effetti misti: FLAME1" casella di selezione per "Fixed EFFETTI ". Premere il tasto" procedura guidata di configurazione Model "pulsante. Selezionare" media gruppo unico "e fare clic sul pulsante" Process ".
- Nella scheda "post-stats", selezionare "Cluster" nel menu a tendina "Thresholding" e impostare la "soglia Z" e la soglia di "Cluster P" a 2.3 e 0.05, rispettivamente, 8,19. Premere il tasto "Go".
- Livello 3: Confronta i dati tra i soggetti per ogni condizione di lavoro in tutte le piste. Aperto FEAT. Selezionare "analisi a livello superiore" e "Statistiche + Post-stats" dal menu a discesa.
- Nella scheda Dati, selezionare "Gli ingressi sono 3D fronteggiare immagini da directory FEAT." Imposta il numero degli ingressi e inserire il percorso di ciascuna delle immagini RM. Immettere un percorso per la "directory di output".
- Sul "Statistiche" tab, premere il "setup modello completo". Impostare il numero di veicoli elettrici pari al numero di variabili di gruppo e le covariate come il gruppo diagnostico, età, sesso, ecc Immettere i valori per ciascun soggetto (ingresso 1 - Ingresso n) per ogni EV. È possibile utilizzare la finestra "Incolla" per copiare un foglio di calcolo di questi valori.
- Nella scheda "Contrasti e F-test", aggiungere un contrasto per ogni variabile di prova e per ogni contrasto (ad esempio, un gruppo di diagnostica). Per ogni variabile di prova, impostare il contrasto selezionando il valore 1 nella colonna sotto l'EV appropriata. Per ogni contrasto, impostare il primo valore di 1 e il secondo a -1. Selezionare "Fine".
- Nella scheda "Post-stats", selezionare "Cluster" nel menu a tendina "Thresholding" e impostare la "soglia Z" e la soglia di "Cluster P" per 2,3 e 0,05, rispettivamente 8,19 Premere il tasto "Go".
Subscription Required. Please recommend JoVE to your librarian.
Representative Results
Non ci sono state differenze tra i gruppi in base a caratteristiche demografiche 20. Dati comportamentali hanno indicato che l'operazione di rilevamento di destinazione è a un livello adeguato di difficoltà per bambini e adolescenti di età compresa tra 9-18. Nel corso di studio, controlli individuati correttamente 82.36% degli obiettivi (SD = 0.14), e il gruppo di rischio familiare identificato correttamente il 76,8% del target (SD = 0.17). Entrambi i gruppi hanno mostrato diminuita precisione nell'individuazione immagini emozionali rispetto alle immagini neutre (F (1,40) = 5.63, p = 0,03).
I dati di imaging hanno indicato che le condizioni sperimentali hanno portato alla attivazione significativa nelle regioni che dovrebbero essere assunti durante l'esecutivo e elaborazione emotiva. L'attivazione è stato visto in prefrontale, caudato anteriore, insulare, e aree parietali posteriori durante le prove di destinazione e nell'amigdala destra, bilaterale corteccia orbitofrontale, la corteccia fusiforme e cor visivaaree tici durante le prove avversi in entrambi i gruppi. La tabella 1 mostra le aree di attivazione significativo nei controlli per ogni condizione.
Questo paradigma anche suscitato notevoli differenze di attivazione tra i controlli e gli individui ad alto rischio familiare per la schizofrenia. Il gruppo ad alto rischio familiare ha mostrato ridotta attivazione in circuiti fronto-striato in risposta a stimoli bersaglio. Controlli, al contrario, hanno mostrato una maggiore attivazione nel giro frontale medio e insula. Differenze di gruppo tra le condizioni sono riportati nella tabella 2 e nella Figura 2. Il gruppo ad alto rischio familiare hanno mostrato anche diversi pattern di attivazione legata all'età rispetto ai controlli in risposta a Target e stimoli avversi (Figura 3).
Figura 2. attivazione Mappe di differenze tra i gruppi. (A) Le aree in cui il gruppo ad alto rischio familiare (n = 21) hanno mostrato una maggiore attivazione rispetto ai controlli (n = 21) durante la lavorazione di destinazione. Caud = caudato; IFG = giro frontale inferiore; ITG = giro temporale inferiore. (B) Le zone in cui i controlli hanno mostrato una maggiore attivazione del gruppo ad alto rischio familiare durante l'elaborazione di destinazione. INS = Insula; MFG = frontale Medio giro; MTG = circonvoluzione temporale media. (C) Le aree in cui il gruppo ad alto rischio familiare attivata più di controlli durante il avversivo> Contrasto Neutro. COC = Centrale corteccia opercolare. (D) Le zone in cui i controlli attivati più che il gruppo ad alto rischio familiare durante la avversivo> di contrasto neutrale. ACC = corteccia cingolata anteriore; PC = precuneus. Questa cifra è stata modificata da Hart et al. 20, con il permesso. Cliccate qui per vedere una versione più grande di questa fIGURA.
Figura 3. attivazione Mappe di differenze Age-Related Group. (A) Le aree con una maggiore correlazione positiva con l'età nel gruppo ad alto rischio familiare rispetto ai controlli durante la lavorazione di destinazione. ACC = corteccia cingolata anteriore; INS = Insula; OFC = corteccia orbitofrontale; S = Thalamus. (B) Le aree con una maggiore correlazione positiva con l'età nei controlli rispetto al gruppo ad alto rischio familiare durante la avversivo> Contrasto Neutro. IFG = giro frontale inferiore; PostCG = postcentrale giro; Giro PreCG = precentrale. Questa cifra è stata modificata da Hart et al. 20, con il permesso. Clicca qui per vedere una versione più grande di questa figura.
| ST1. All'interno del gruppo di attivazione Foci nei controlli (n = 21) | ||||||
| Coordinate MNI | ||||||
| Regione | Emisfero | X | y | z | Max Z-valore | Max p-value 1 |
| Attivazione di destinazione (p <0.05, false discovery rate corretto) | ||||||
| Medio giro frontale / polo frontale | B | -30 | -2 | 50 | 5.57 | <0.0000001 |
| Giro frontale inferiore | B | 46 | 12 | 32 | 5.41 | <0.0000001 |
| Insula | B | -32 | 24 0 | 5.4 | <0.0000001 | |
| Precentrale giro | B | -40 | -22 | 48 | 5.53 | <0.0000001 |
| Talamo | B | -12 | -16 | 12 | 5.03 | <0.0000001 |
| Caudato | B | -12 | 12 | 4 | 4.07 | 0.000003 |
| Putamen | B | 18 | 8 | 2 | 4.27 | 0,00009 |
| Cingolato anteriore / paracingolato giro | B | 0 | 12 | 46 | 5.6 | <0.0000001 |
| Giro cingolato posteriore | B | 8 | -16 | 28 | 5.2 | <0.0000001 |
| Superior / Medio giro temporale | <td> B48 | -46 | 10 | 5.88 | <0.0000001 | |
| Fusiforme / circonvoluzione temporale inferiore | B | -30 | -50 | -12 | 5.64 | <0.0000001 |
| Superior lobulo parietale / sopramarginale giro / postcentrale giro | B | 30 | -44 | 44 | 6 | <0.0000001 |
| Laterale corteccia occipitale | B | 48 | -62 | 12 | 6.12 | <0.0000001 |
| Aversive> Attivazione Neutral (p <0.05, false discovery rate corretto) | ||||||
| Giro frontale inferiore | L | -44 | 14 14 | 3.16 | 0,0004 | |
| Polo frontale / mediale corteccia frontale | B | -2 | 64 | 0 | 3.42 | 0.0005 |
| Giro postcentrale | L | -62 | -22 | 34 | 3.12 | 0,0004 |
| Corteccia cingolata anteriore | B | -4 | 34 | 8 | 3.27 | 0.0002 |
| Giro cingolato posteriore | B | 0 | -44 | 28 | 3.26 | 0.0002 |
| Inferiore temporale / giro fusiforme | B | -44 | -44 | -14 | 3.03 | 0.0006 |
| Giro angolare | B | 46 | -64 | 8 | 3.42 | 0,0001 |
| Giro sopramarginale | L | -40 | -56 | 20 | 3.59 | 0,00005 |
| Un'attivazione dissuasiva (p <0.05, false discovery rate corretto) | ||||||
| Amygdala | R | 22 | -4 | -18 | 2.86 | 0.001 |
| Corteccia orbitofrontale / Insula | B | 36 | 22 | -4 | 4.93 | <0.0000001 |
| Medio giro frontale | B | 32 | 4 | 40 | 4.7 | <0.0000001 |
| Polo frontale | B | -38 | 36 | 10 | 4.95 | <0.0000001 |
| Cingolato anteriore /giro paracingolato | B | 6 | 16 | 50 | 4.85 | <0.0000001 |
| Giro cingolato posteriore | B | 2 | -28 | 24 | 5.88 | <0.0000001 |
| Talamo | B | 18 | -26 | 2 | 5.44 | <0.0000001 |
| Precentrale giro | B | -44 | 8 | 34 | 4.54 | <0.0000001 |
| Superior lobulo parietale | B | -20 | -56 | 54 | 6.05 | <0.0000001 |
| Laterale corteccia occipitale | B | -36 | -82 | 4 | 6.05 | <0.0000001 |
| Polo occipitale | B | -16 | -90 | 18 | 5.18 <0.0000001 | |
| B, bilaterale | ||||||
| 1 valori di p riportati sono corretti, significativi al valore FDR corretta della <0,05 | ||||||
Tabella 1. all'interno del gruppo di attivazione Foci nei controlli (n = 21). La tabella è stata modificata da Hart et al. 20, con il permesso.
| Tabella 2. differenze tra i gruppi in Attivazione | |||||||||||||
| Coordinate MNI | Emisfero | X | y | z | Max Z-valore | Max p-value 1 | |||||||
| Obiettivi | |||||||||||||
| Familiare ad alto rischio> Controlli (p <0.05, false discovery rate corretto) | |||||||||||||
| Polo frontale | B | 16 | 76 | 6 | 3.52 | 0,00007 | |||||||
| Giro frontale inferiore | L | -58 | 16 | 18 | 3.37 | 0,0001 | |||||||
| Caudato | B | -14 | 20 | 10 | 3.2 | 0,0003 | |||||||
| Circonvoluzione temporale inferiore | L | -52 | -44 | -20 | 2.94 | 0,0009 | |||||||
| Controlli> familiare ad alto rischio (p <0.05, false discovery rate corretto) | |||||||||||||
| Medio giro frontale / precentrale giro | R | 48 | 8 | 34 | 3 | 0,0007 | |||||||
| Frontale opercolo corteccia | L | -46 | 16 | -4 | 2.94 | 0,0009 | |||||||
| Zona motoria supplementare | R | 18 | -16 | 40 | 3.02 | 0,0007 | |||||||
| Insula | L | -34 | -18 | 4 | 2.94 | 0,0009 | |||||||
| Precentrale giro | B | 10 | -26 | 60 3.29 | 0.0002 | ||||||||
| Giro postcentrale | B | 14 | -38 | 54 | 3.57 | 0,0001 | |||||||
| Superior giro temporale | R | 54 | -6 | -4 | 3.18 | 0,0003 | |||||||
| Circonvoluzione temporale media | R | 48 | -46 | 8 | 3.65 | 0,00004 | |||||||
| Precuneus | R | 2 | -40 | 46 | 2.89 | 0.001 | |||||||
| Laterale corteccia occipitale | B | -20 | -74 | 36 | 3.36 | 0.0002 | |||||||
| Aversive - Neutro | |||||||||||||
| Central corteccia opercolare | R | 50 | -2 | 6 | 3.01 | 0,0007 | |||||||
| Controlli> familiare ad alto rischio (p <0.05, false discovery rate corretto) | |||||||||||||
| Corteccia cingolata anteriore | L | -6 | 38 | 8 | 2.68 | 0,002 | |||||||
| Precuneus | L | -10 | -54 | 36 | 2.7 | 0,002 | |||||||
| B, bilaterale | |||||||||||||
| 1 valori di p riportati sono corretti, significativi al valore FDR corretta della <0,05 | |||||||||||||
Tabella 2. differenze tra i gruppi di attivazione Foci. Questa tabella è stata modificata da Hart et al. 20, con il permesso.
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).
