Modellering av det funksjonelle nettverket for romlig navigasjon i den menneskelige hjerne

Summary

Denne artikkelen presenterer en integrert tilnærming til å undersøke det funksjonelle nettverket for romlig navigasjon i den menneskelige hjerne. Denne tilnærmingen inkorporerer en storskala neuroimaging metaanalytisk database, hvile-tilstand funksjonell magnetisk resonansavbildning og nettverksmodellering og grafteoretiske teknikker.

Abstract

Romlig navigasjon er en kompleks funksjon som involverer integrering og manipulering av multisensorisk informasjon. Ved hjelp av forskjellige navigasjonsoppgaver har mange lovende resultater blitt oppnådd på de spesifikke funksjonene til forskjellige hjernegrupper (f.eks. hippocampus, entorhinal cortex og parahippocampal stedsområde). Nylig har det blitt foreslått at en ikke-aggregert nettverksprosess som involverer flere samvirkende hjernegrupper, bedre kan karakterisere det nevrale grunnlaget for denne komplekse funksjonen. Denne artikkelen presenterer en integrert tilnærming for å konstruere og analysere det funksjonelt spesifikke nettverket for romlig navigasjon i den menneskelige hjerne. Kort fortalt består denne integrerende tilnærmingen av tre hovedtrinn: 1) å identifisere hjernegrupper som er viktige for romlig navigasjon (nodedefinisjon); 2) å estimere funksjonell tilkobling mellom hvert par av disse regionene og konstruere tilkoblingsmatrisen (nettverkskonstruksjon); 3) å undersøke de topologiske egenskapene (f.eks. modularitet og liten verdenhet) til det resulterende nettverket (nettverksanalyse). Den presenterte tilnærmingen, fra et nettverksperspektiv, kan hjelpe oss med å bedre forstå hvordan hjernen vår støtter fleksibel navigasjon i komplekse og dynamiske miljøer, og de avslørte topologiske egenskapene til nettverket kan også gi viktige biomarkører for å veilede tidlig identifisering og diagnose av Alzheimers sykdom i klinisk praksis.

Introduction

Funksjonell spesifisitet er et grunnleggende organisasjonsprinsipp i den menneskelige hjerne, som spiller en avgjørende rolle i utformingen av kognitive funksjoner¹. Abnormaliteter i organiseringen av funksjonell spesifisitet kan gjenspeile kjennetegn kognitive funksjonsnedsettelser og tilhørende patologiske grunnlag for store hjernesykdommer som autisme og Alzheimers sykdom ^2,3. Mens konvensjonelle teorier og forskning har hatt en tendens til å fokusere på enkelthjernegrupper, for eksempel fusiform ansiktsområde (FFA) for ansiktsgjenkjenning⁴ og parahippocampus stedsområde (PPA) ⁵ for scenebehandling, tyder en økende mengde bevis på at komplekse kognitive funksjoner, inkludert romlig navigasjon og språk, krever koordinataktivitet på tvers av flere hjernegrupper⁶. Å undersøke mekanismene som ligger til grunn for samspillet til støtte for komplekse kognitive funksjoner er et kritisk vitenskapelig spørsmål som vil bidra til å kaste lys over hjernens funksjonelle arkitektur og drift. Her, med romlig navigasjon som eksempel, presenterer vi en integrert metode for modellering av det funksjonelle nettverket for romlig navigasjon i den menneskelige hjerne.

Romlig navigasjon er en kompleks kognitiv funksjon, som innebærer integrering og manipulering av flere kognitive komponenter, for eksempel visuell-romlig koding, minne og beslutningstaking⁷. Med funksjonell magnetisk resonansavbildning (fMRI) har mange studier gjort betydelige fremskritt i å forstå den underliggende kognitive behandlingen og nevrale mekanismer. For eksempel har spesifikke funksjoner vært knyttet til forskjellige hjernegrupper ved hjelp av ulike navigasjonsoppgaver: scenebehandling er spesielt knyttet til PPA, og transformasjon av navigasjonsstrategier er assosiert med retrosplenial cortex (RSC) ^8,9. Disse studiene ga viktig innsikt i det nevrale grunnlaget for romlig navigasjon. Navigasjon er imidlertid en internt dynamisk og multimodal funksjon, og funksjonene til enkeltregioner er ikke tilstrekkelige til å forklare store individuelle forskjeller i romlig navigasjon¹⁰ som ofte observeres.

Med fremveksten av fMRI-basert connectomics begynte forskere å utforske hvordan noen viktige hjernegrupper samhandler med hverandre for å støtte romlig navigasjon. For eksempel har funksjonell tilkobling mellom entorhinal og posterior cingulate cortices blitt funnet å underbygge navigasjonsavvik i risikofylt Alzheimers sykdom¹¹. I en annen studie foreslo vi for første gang en nettverkstilnærming ved å integrere tilkoblingsmetoder og nesten alle funksjonelt relevante regioner (noder) for romlig navigasjon, og resultatene viste at topologiske egenskaper til dette nettverket viste spesifikke assosiasjoner med navigasjonsadferd¹². Denne studien gir ny innsikt i teorier om hvordan flere hjernegrupper samhandler med hverandre for å støtte fleksibel navigasjonsatferd ^10,13.

Det foreliggende arbeidet demonstrerer en oppdatert versjon av den integrerende tilnærmingen for modellering av det funksjonelle nettverket. Kort fortalt ble to oppdateringer inkludert: 1) Mens nodene definert i den opprinnelige studien ble identifisert basert på en tidligere og mindre database (55 studier med 2 765 aktiveringer, åpnet i 2014), var den nåværende definisjonen basert på den nyeste databasen (77 studier med 3 908 aktiveringer, åpnet i 2022); 2) For å øke funksjonell homogenitet av hver node, i tillegg til den opprinnelige anatomiske AAL (Anatomical Automatic Labeling) atlas¹⁴, brukte vi en ny hjerneparcellasjon, som har en mye finere oppløsning og høyere funksjonell homogenitet (se nedenfor). Vi forventet at begge oppdateringene ville forbedre modelleringen av det funksjonelle nettverket. Denne oppdaterte protokollen gir en detaljert prosedyre for å undersøke det nevrale grunnlaget for romlig navigasjon fra et nettverksperspektiv og hjelper til med å forstå individuelle variasjoner i navigasjonsatferd i helse og sykdom. En lignende prosedyre kan også brukes til nettverksmodellering for andre kognitive konstruksjoner (f.eks. Språk og minne).

Protocol

MERK: All programvaren som brukes her, vises i materialfortegnelsen. Dataene som ble brukt i denne studien til demonstrasjonsformål var fra Human Connectome Project (HCP: http://www. humanconnectome.org)15. Alle eksperimentelle prosedyrer ble godkjent av Institutional Review Board (IRB) ved Washington University. Bildedata i HCP-datasettet ble samlet inn ved hjelp av en modifisert 3T Siemens Skyra-skanner med en 32-kanals hodespole. Andre parametere for bildeinnsamling er beskrev…

Representative Results

NavigasjonsnettverkeneDen nåværende studien identifiserte 27 hjernegrupper, som er assosiert med romlig navigasjon, ved å inkorporere den nyeste meta-analyse-neuroimaging-databasen og AICHA-atlaset. Disse regionene besto av mediale temporale og parietale regioner som har blitt hyppig rapportert i navigasjonsneuroimaging studier. Den romlige fordelingen av disse regionene er vist i figur 5A og figur 5C. Til sammenligning v…

Discussion

Nettverksnevrovitenskap forventes å bidra til å forstå hvordan hjernenettverket støtter menneskelige kognitive funksjoner³². Denne protokollen demonstrerer en integrert tilnærming til å studere det funksjonelle nettverket for romlig navigasjon i den menneskelige hjerne, som også kan inspirere nettverksmodellering for andre kognitive konstruksjoner (f.eks. Språk).

Denne tilnærmingen besto av tre hovedtrinn: nodedefinisjon, nettverkskonstruksjon og nettverksanaly…

Materials

Brain connectivity toolbox (BCT)	Mikail Rubinov & Olaf Sporns	2019	The Brain Connectivity Toolbox (brain-connectivity-toolbox.net) is a MATLAB toolbox for complex-network (graph) analysis of structural and functional brain-connectivity data sets.
GRETNA	Jinhui Wang et al.	2	GRETNA is a graph theoretical network analysis toolbox which allows researchers to perform comprehensive analysis on the topology of brain connectome by integrating the most of network measures studied in current neuroscience field.
MATLAB	MathWorks	2021a	MATLAB is a programming and numeric computing platform used by millions of engineers and scientists to analyze data, develop algorithms, and create models.
Python	Guido van Rossum et al.	3.8.6	Python is a programming language that lets you work more quickly and integrate your systems more effectively.
Statistical Parametric Mapping (SPM)	Karl Friston et.al	12	Statistical Parametric Mapping refers to the construction and assessment of spatially extended statistical processes used to test hypotheses about functional imaging data.