Un método para investigar las diferencias relacionadas con la edad en la conectividad funcional de las redes de control cognitivo asociado con el cambio dimensional Card Ordenar Performance

Summary

Este video presenta un método de análisis de los cambios relacionados con la edad en la conectividad funcional de las redes de control cognitivo contratados por focalizadas tareas / procesos. La técnica se basa en el análisis multivariado de datos de la fMRI.

Abstract

La capacidad de ajustar el comportamiento a los cambios repentinos en el medio ambiente se desarrolla gradualmente durante la infancia y la adolescencia. Por ejemplo, en el Dimensional Ordenar tarea Cambiar tarjeta, los participantes cambian de clasificar las tarjetas de una manera, como la forma, para ordenarlos de una manera diferente, como el color. Ajuste de comportamiento de esta manera exige un pequeño costo de rendimiento, o el coste de conmutación, de tal manera que las respuestas son típicamente más lento y más propenso a errores en los ensayos de cambio en la que los cambios en las reglas de clasificación, en comparación con repetir ensayos en los que la regla de clasificación sigue siendo la misma. La capacidad de ajustar con flexibilidad comportamiento se dice a menudo para desarrollar gradualmente, en parte porque los costos de comportamiento tales como los costos de conmutación normalmente disminuyen con la edad. ¿Por qué aspectos de la cognición de orden superior, tales como la flexibilidad del comportamiento, por lo que sigue siendo desarrollar gradualmente una pregunta abierta. Una hipótesis es que estos cambios se producen en asociación con los cambios funcionales en las redes de control cognitivo a gran escala. Desde esta perspectiva,operaciones mentales complejas, como la conmutación, implican interacciones rápidos entre varias regiones del cerebro distribuidas, incluidas las que actualizar y mantener normas de trabajo, la atención reorientar y seleccione comportamientos. Con el desarrollo, las conexiones funcionales entre estas regiones refuerzan, lo que lleva a las operaciones de conmutación rápidos y más eficaces. El vídeo actual describe un método para probar esta hipótesis mediante el análisis de la recolección y multivariado de datos de la fMRI de los participantes de diferentes edades.

Introduction

La capacidad de regular la conducta se desarrolla gradualmente durante la infancia y la adolescencia (para una revisión, ver Diamond ^1). En el Dimensional Ordenar tarea Change Card, por ejemplo, los participantes cambian de clasificar las tarjetas de una manera, como la forma, para ordenarlos de una manera diferente, como el color ² (ver Figura 2). Conmutación cobra un costo de rendimiento pequeño, o el costo del interruptor, de manera que las respuestas suelen ser más lento y propenso a errores en los ensayos de cambio en el que los cambios en las reglas de clasificación en comparación con repetir ensayos en los que la regla de clasificación sigue siendo el mismo ^3. La magnitud de estos costos generalmente disminuye a medida que los niños crecen ^4, que ilustra el hecho de que la capacidad de regulación del comportamiento se somete el desarrollo continuó temprano en la vida.

Dado que las operaciones mentales complejas, tales como la conmutación, implican interacciones rápidos entre múltiples regiones del cerebro ^5, existe un creciente interés en relating el desarrollo de la cognición de orden superior a los cambios en la organización funcional de las redes corticales amplia escala ^6.

Un enfoque para la investigación de cambios en el desarrollo de redes a gran escala es a través del uso de semillas a base de análisis de conectividad funcional ^6,7. El primer paso en esta técnica es consultar con la literatura de investigación disponible y definir unas regiones a priori de intereses o rendimiento de la inversión, que parecen ser relevantes para la conducta en cuestión. Estas regiones de interés, o nodos, definen el esqueleto básico de la red. A continuación, las fluctuaciones de baja frecuencia en la actividad (o T2 *-ponderan intensidad de la señal) en estas regiones de interés se miden de 5 a 10 minutos, mientras que los participantes se encuentran en reposo en un escáner de resonancia magnética. La conectividad funcional entre dos nodos de la red se cuantifica entonces como la correlación de sus respectivos cursos de tiempo. Los nodos que están fuertemente conectados funcionalmente deben tener similares, y por lo tanto altamente correlacionados, señalcursos de tiempo. Por otra parte, los nodos que están débilmente conectados funcionalmente deben tener diferente y por lo tanto una correlación débil, la señal cursos de tiempo. Para completar un modelo de la red, los bordes (o enlaces) se dibujan entre nodos cuyos cursos de tiempo correlacionar encima de un umbral elegido. Las pruebas de las diferencias relacionadas con la edad en la conectividad funcional dentro de una red se pueden realizar en cualquier conexión de un solo nodo a nodo, o en la topología de todo el conjunto de nodos y aristas. Estas diferencias en la conectividad funcional entonces pueden estar relacionados con las medidas de desempeño cognitivo recogidos fuera de línea.

En este trabajo, un enfoque diferente se describe que se basa en grupo de análisis de componentes independientes de datos de la fMRI basadas en tareas ^8. El análisis de componentes independientes (o ICA) es un procedimiento estadístico para revelar ciegamente fuentes ocultas que subyacen a una serie de observaciones tales que las fuentes reveladas son máximamente independientes. Aplicado al análisis de datos de la fMRI, el pROCEDIMIENTO asume que cada volumen es una mezcla de un número finito de fuentes espacialmente independientes. Utilizando uno de una variedad de diferentes algoritmos, como el algoritmo Infomax, ACI a continuación, calcula una matriz de desmezcla, que cuando se aplica a los datos originales se obtiene un conjunto de fuentes de máximamente independientes, o componentes. Cada componente puede ser pensado como una red, en la medida en que se compone de un conjunto de voxels que comparten un curso de tiempo común. Grupo ICA es un tipo particular de ICA en el que un conjunto común de componentes del grupo se estima en primer lugar de un conjunto de datos completo, y luego los conjuntos participantes-específica de los componentes del grupo se calculan en un paso atrás-reconstrucción. Una vez que un conjunto de datos completo se descompone en un conjunto de componentes, el siguiente paso es descartar los componentes de artefactos que representan las fuentes de ruido, e identificar los componentes teóricamente significativas que se corresponden con las redes de interés. Esto se puede lograr ya sea por cursos de tiempo de componentes de modelado en el contexto de un GLM para identify redes que activan de una manera predicha, correlacionando espacialmente los componentes con una plantilla de una red de interés, o ambas. El resultado conjunto de los componentes puede ser sometido a un grupo de comparación para detectar posibles diferencias relacionadas con la edad en la conectividad funcional dentro de las redes teóricamente interesantes ^7,9,10.

Datos fMRI basa tarea Estudiar los cambios relacionados con la edad en la conectividad funcional mediante la aplicación de ICA grupo tiene varias ventajas con respecto a la aplicación de las técnicas basadas en semillas de datos de la fMRI en estado de reposo. En primer lugar, las técnicas basadas en semillas a diferencia de que se concentran en un pequeño conjunto de a priori definido ROI, el enfoque ICA grupo actual utiliza todos los voxels que comprenden una serie de tiempo volumétrica. Esto disminuye las oportunidades de sesgos que surgen necesariamente cuando un pequeño grupo de semillas se seleccionan a priori, como las regiones de interés. En segundo lugar, la aplicación de análisis de conectividad funcional (ICA-basado o no) a la tarea-en lugar de los datos de la fMRI-estado de reposo tiene la ventaja de permitir la organización de la red y la función de la red que se asocian de forma más directa. Si, por ejemplo, examen de las consecuencias cognitivas o de comportamiento de la conectividad funcional (por ejemplo, variación en el rendimiento DCCS) es una prioridad, es importante para mostrar que la red de interés está asociado con la ejecución de tareas. Con los protocolos del estado de reposo, esto es muy difícil porque el investigador no tiene constancia de ningún estados cognitivos, conductuales o afectivas experimentadas por el participante durante la adquisición de datos. Por tanto, es imposible proporcionar evidencia directa de que cualquier red de interés es relevante para el desempeño de tareas. Por el contrario, cuando el análisis de la conectividad funcional, tales como ICA, se aplica a los datos de tarea, es posible confirmar que la red de interés está asociado al menos con el desempeño de una tarea. Por último, la ACI está menos sujeto a la influencia adversa de ruido. Las fuentes de ruido, tales como los asociados ingenioh sujeta el movimiento y el ritmo cardíaco, tienen perfiles espaciotemporales únicas. Por lo tanto, en el contexto de un grupo ICA, estas fuentes se aíslan y se asignan a componentes separados, dejando los componentes restantes relativamente libre de estas fuentes no deseados de la varianza. Debido a que los análisis basados ​​en semillas utilizan los cursos de tiempo prima en la estimación de la conectividad funcional y cursos de tiempo son, por definición, las mezclas de señal neurofisiológica y el ruido de artefactos, las diferencias de grupo en las estimaciones de conectividad funcional pueden reflejar diferencias de grupo verdaderos en neurofisiología subyacente, las diferencias de grupo en la estructura de ruido, o ambos ^11.

Protocol

1. Obtener la aprobación para trabajar con sujetos humanos 2. FMRI Adquisición de Datos Adquirir datos de la fMRI siguiendo los procedimientos adecuados para niños pequeños (ver Raschle, et al. 12). Haga todo lo posible para limitar las posibles diferencias relacionadas con la edad en el desempeño de tareas y el movimiento, ya que estas diferencias introducen factores de confusión no deseadas que limitan la capacidad de uno para sacar conclusiones acerca de…

Representative Results

Grupo ICA, incluso en un conjunto relativamente pequeño de datos fMRI, devolverá un conjunto de componentes comparables a los observados en otros estudios. Figura 4 es una superposición de 5 dichos componentes y sus cursos de tiempo asociados sin mezclar de una muestra de 12 niños y 13 adultos , con aproximadamente 800 volúmenes por participante. Como se muestra en la Figura 4, el modo por defecto, frontoparietal, redes-cíngulo insular, y visual fácilmente se puede ver a partir d…

Discussion

Operaciones mentales de orden superior, tales como la capacidad de cambiar las reglas de ordenación, se desarrollan rápidamente durante la infancia y la adolescencia. Debido a que estas operaciones mentales implican interacciones entre múltiples regiones del cerebro distribuidas, existe un creciente interés en la exploración de la relación entre el desarrollo de la cognición de orden superior y los cambios relacionados con la edad en la organización de las redes corticales a gran escala. Se presenta un método b…

Materials

Name of equipment	Company	Catalog Number	Comments (optional)
SPM8	The MathWorks, Inc.	R2013a