Summary

Generaliseret psykosomatisk interaktion (PPI) analyse af hukommelse relaterede Connectivity hos personer med genetisk risiko for Alzheimers sygdom

Published: November 14, 2017
doi:

Summary

Dette manuskript beskriver hvordan man gennemfører en psykosomatisk interaktionsanalyser for at afsløre opgave-afhængige ændringer i funktionelle forbindelse mellem en udvalgte frø region og voxels i andre regioner af hjernen. Psykosomatisk interaktionsanalyser er en populær metode til at undersøge opgave virkninger på hjernen connectivity, adskiller sig fra traditionelle inputområdet aktivering effekter.

Abstract

I neuroimaging måler funktionel magnetisk resonans imaging (fMRI) blod-iltning-niveau afhængige (fed) signal i hjernen. Graden af korrelation af fed signal i rumligt uafhængige regioner af hjernen definerer den funktionelle connectivity i disse regioner. Under en kognitiv fMRI opgave, kan en psykosomatisk interaktionsanalyser (PPI) bruges til at undersøge ændringer i den funktionelle forbindelse under specifikke kontekster defineret af den kognitive opgave. Et eksempel på en sådan opgave er én, der engagerer hukommelsessystem, spørger deltagerne at lære par af uafhængige ord (kodning) og husker det andet ord i et par når præsenteret med det første ord (hentning). I den foreliggende undersøgelse anvendte vi denne form for associativ hukommelse opgave og generaliserede PPI (gPPI) analyse for at sammenligne ændringer i hippocampus connectivity hos ældre voksne, der er bærere af Alzheimers sygdom (AD) genetiske risikofaktor apolipoprotein E epsilon-4 ( APOEΕ4). Specifikt, viser vi, at den funktionelle connectivity i grupperinger af hippocampus ændringer under kodning og hentning, de to aktive faser af opgaven associativ hukommelse. Kontekst-afhængige ændringer i funktionelle tilslutning af hippocampus var væsentligt anderledes i bærere af APOEε4 i forhold til ikke-luftfartsselskaber. PPI analyser gør det muligt at undersøge ændringer i funktionelle connectivity, adskiller sig fra inputområdet vigtigste effekter, og at sammenligne disse ændringer på tværs af grupper. Således kan en PPI analyse afsløre komplekse opgave effekter i specifikke kohorter, der traditionelt inputområdet metoder ikke optage. PPI analyser kan dog fastsætte retningslinier eller kausalitet mellem funktionelt forbundne områder. Ikke desto mindre giver PPI analyser effektivt middel til at generere specifikke hypoteser vedrørende funktionelle relationer, som kan testes ved hjælp af kausale modeller. Hjernen er i stigende grad beskrevet connectivity og netværk, er PPI en vigtig metode til at analysere fMRI opgavedata, der er i overensstemmelse med den nuværende opfattelse af den menneskelige hjerne.

Introduction

Udtrykket “connectome” blev opfundet i 2005 markerer et paradigmeskift i neurovidenskab, der fortsætter den dag i dag1. Hjernen er i stigende grad beskrevet i form af funktionelle netværk, tilslutning og interaktioner mellem og blandt regioner i stor skala. Afgrænsning af regionale funktionelle specialisering og sammenslutninger mellem fMRI-målt aktivitet og opgave krav er imidlertid stadig gyldig og nyttig tilgange. I lyset af den voksende interesse for connectomics, er funktionelle connectivity tilgange til opgaven fMRI analyse stigende i popularitet. Én metode til måling af funktionel konnektivitet ændringer afhængig opgave kræver gør brug af begrebet PPI. En PPI er samspillet mellem en aktiv opgave fase eller bestemt opgave efterspørgsel (“psycho”) og den funktionelle connectivity (“fysio”) i en region af interesse eller “frø” i hjernen. PPI adskiller sig fra bivariate, korrelation-baseret analyse af funktionelle connectivity, der generelt måler graden af korrelation mellem aktivitet i to regioner uden nogen begrænsninger, der er relateret til opgave krav.

Koncept og ramme for en PPI analyse blev oprindeligt beskrevet af Friston og kolleger i 19972. Forfatterne hævdede, at deres tilgang var vigtigt, fordi det ville tillade undersøgelsen af forbindelsen at være mere funktionelt bestemt og slutninger at aktivitet i en distal frø kunne modulerende aktivitet som følge af en opgave efterspørgsel. I 2012, McLaren og kolleger tilføjet til denne oprindelige rammer og beskrevet en gPPI tilgang, hvor alle opgave faser og deres samspil er inkluderet i en enkelt model3. Denne fremgangsmåde fører til resultater, der er mere følsom og specifik opgave fase og interaktion ved at blive undersøgt. Det er denne opdaterede gPPI tilgang, som vi anvender i nuværende undersøgelse (Se trin 6.2.2 i protokollen). GPPI tilgangen er nu blevet citeret i over 200 undersøgelser. Til klarhed, herefter bruger vi ‘PPI’ til at beskrive almindelige funktioner i både standard og generaliseret version. ‘gPPI’ vil blive brugt til at diskutere konkrete fremskridt forbundet med den nyere ramme.

Det overordnede mål med en PPI analyse er at forstå, hvordan kravene fra en kognitiv opgave indflydelse eller modulere den funktionelle forbindelse af en frø region. En PPI analyse kræver en stærk forhånd hypotese. Aktivitet i regionen frø skal gradueres efter opgave i rækkefølgen for PPI tilgang til at arbejde effektivt4. For eksempel, i den nuværende undersøgelse baseret vi vores frø udvalg på den stærke beviser at hippocampus aktivitet moduleres af en hukommelse opgave kognitive krav. Bruge PPI, kan regioner, der er betydeligt mere eller mindre funktionelt forbundet til hippocampus i bestemt opgave faser identificeres. Kort sagt, stille vi spørgsmålet, “i hvilke regioner er aktivitet mere korreleret med frø i forbindelse A forhold til baseline?” Vi kan også spørge det logiske modsatte (da det er vigtigt at forstå forskellen): “i hvilke regioner er aktivitet mindre korreleret med frø i forbindelse A i forhold til baseline?” Ved fortolkningen af gruppe forskelle i PPI virkninger, er det vigtigt at undersøge data og om positive eller negative ændringer i funktionelle connectivity, eller begge, kører gruppe forskelle.

PPI tilgang har været brugt til at studere dynamisk opgave kontrol hubs i raske kontrolpersoner, hvordan graduering af funktionelle connectivity er relateret til kognitive præstationer i Alzheimers sygdom (AD), intelligens hos personer med autisme, motor netværksforbindelsen hos personer med Parkinsons sygdom, ansigt behandling hos personer med krop dysmorphic lidelse og anoreksi, følelser regulering, hukommelse og mange andre specifikke spørgsmål i forbindelse med connectivity5,6,7 ,8,9,10,11. I den foreliggende undersøgelse sammenligner vi ændringer i funktionelle tilslutning af grupperinger af hippocampus under hukommelse kodning og hentning mellem en gruppe af individer øget genetisk risiko for annonce til en gruppe uden risikofaktor12. I det følgende beskrives den protokol, som vi brugte, anvende gPPI tilgang, for at tillade os at teste, hvis opgave-fremkaldte ændringer i funktionelle tilslutningsmuligheder varierer i forening med tilstedeværelsen af APOEε4, en genetisk risikofaktor for annonce.

Protocol

den nuværende undersøgelse blev udført i overensstemmelse med UCLA institutionelle Review Board (IRB) protokoller og godkendt af UCLA Udvalget til beskyttelse af menneskers emner. Alle deltagerne gav skriftlig informeret samtykke for at tilmelde dig i denne undersøgelse. 1. deltageren udvalg skaffe IRB godkendelse til at udføre undersøgelsen. Skærmen personer i alderen 55 og ældre for kognitiv tilbagegang ved hjælp af et standardiseret neuropsykologiske batteri. …

Representative Results

Med to forskellige aktive opgave faser (kodning og hentning) og to frø regioner (anterior og posterior hippocampus) er der fire betingelser til at rapportere resultater for hver gruppe. Inden for gruppen opgaven aktivering kortene (ikke vist her, se Harrison et al., 201612) viser, at occipital lobe, auditive cortex, store regioner isselappen, frontal sprogområder, overlegen tidsmæssige gyrus, og spiegelske (mere udtalt har betydelig fed signal stigninge…

Discussion

Tidlig opgavebaseret fMRI undersøgelser var designet til at afdække statistiske relationer mellem bestemte kognitive processer eller krav og ændringer i fed signal i forhold til en basismåling. Denne traditionelle fremgangsmåde er nyttig til at identificere bestemte områder i hjernen hvor aktivitet moduleres af en eksperimentel opgave. Derimod er en PPI analyse hovedsagelig beskæftiget med graduering af funktionelle forbindelse eller synchrony af aktivitet, der er resultatet af en opgave-induceret kognitiv proces….

Disclosures

The authors have nothing to disclose.

Acknowledgements

Dette arbejde blev støttet af den nationale Institut for Aging (tilskud antal R01AG013308 til SYB, F31AG047041 til TMH). Forfatterne brugt beregningsmæssige og opbevaring tjenester forbundet med Hoffman2 delt klynge fra UCLA Institut for Digital Research og uddannelses forskning Technology Group.

Materials

3T manetic resonance imaging scanner Siemens Medical Solutions MAGNETOM Trio, A Tim System 3T MRI Scanner
FSL (FMRIB Software Library) Oxford University Version 6.0 Functional Imaging Processing Software
AFNI (Analysis of Functional Neuroimaging) National Institute of Mental Health, National Institutes of Health Any version after May 2015 Functional Imaging Processing Software
SPM8 (Statistical Parametric Mapping) University College of London SPM8 Functional Imaging Processing Software
Matlab Software The Mathworks, Inc Version R2012a Computing Software
SDS Software Applied Biosystems, Inc 7900HT Fast Real-Time PCR System Real Time PCR
Taqman Assays ThermoFisher Scientific Specific to SNP SNP Genotyping

References

  1. Sporns, O., Tononi, G., Kötter, R. The Human Connectome: A Structural Description of the Human Brain. PLoS Comput Biol. 1 (4), 42 (2005).
  2. Friston, K. J., Buechel, C., Fink, G. R., Morris, J., Rolls, E., Dolan, R. J. Psychophysiological and modulatory interactions in neuroimaging. NeuroImage. 6 (3), 218-229 (1997).
  3. McLaren, D. G., Ries, M. L., Xu, G., Johnson, S. C. A generalized form of context-dependent psychophysiological interactions (gPPI): a comparison to standard approaches. NeuroImage. 61 (4), 1277-1286 (2012).
  4. O’Reilly, J. X., Woolrich, M. W., Behrens, T. E. J., Smith, S. M., Johansen-Berg, H. Tools of the trade: psychophysiological interactions and functional connectivity. Soc Cogn Affect Neurosci. 7 (5), 604-609 (2012).
  5. Moody, T. D., Sasaki, M. A., et al. Functional connectivity for face processing in individuals with body dysmorphic disorder and anorexia nervosa. Psychol Med. 45 (16), 3491-3503 (2015).
  6. Simard, I., Luck, D., Mottron, L., Zeffiro, T. A., Soulières, I. Autistic fluid intelligence: Increased reliance on visual functional connectivity with diminished modulation of coupling by task difficulty. NeuroImage Clin. 9, 467-478 (2015).
  7. Yan, L. -. R., Wu, Y. -. B., Zeng, X. -. H., Gao, L. -. C. Dysfunctional putamen modulation during bimanual finger-to-thumb movement in patients with Parkinson’s disease. Front Hum Neurosci. 9, 516 (2015).
  8. Cole, M. W., Reynolds, J. R., Power, J. D., Repovs, G., Anticevic, A., Braver, T. S. Multi-task connectivity reveals flexible hubs for adaptive task control. Nat Neurosci. 16 (9), 1348-1355 (2013).
  9. McLaren, D. G., Sperling, R. A., Atri, A. Flexible modulation of network connectivity related to cognition in Alzheimer’s disease. NeuroImage. 100, 544-557 (2014).
  10. Morawetz, C., Bode, S., Baudewig, J., Heekeren, H. R. Effective amygdala-prefrontal connectivity predicts individual differences in successful emotion regulation. Soc Cogn Affect Neurosci. , 169 (2016).
  11. Takashima, A., Bakker, I., van Hell, J. G., Janzen, G., McQueen, J. M. Richness of information about novel words influences how episodic and semantic memory networks interact during lexicalization. NeuroImage. 84, 265-278 (2014).
  12. Harrison, T. M., Burggren, A. C., Small, G. W., Bookheimer, S. Y. Altered memory-related functional connectivity of the anterior and posterior hippocampus in older adults at increased genetic risk for Alzheimer’s disease. Hum Brain Mapp. 37 (1), 366-380 (2016).
  13. Wechsler, D. . Wecshler Adult Intelligence Scale, 3rd Edition. , (1997).
  14. Cauthen, N. R. Verbal fluency: normative data. J Clin Psychol. 34 (1), 126-129 (1978).
  15. Goodglass, H. P., Kaplan, E. P. . Boston Naming Test, 3rd Edition. , (2001).
  16. Buschke, H., Fuld, P. A. Evaluating storage, retention, and retrieval in disordered memory and learning. Neurol. 24 (11), 1019-1025 (1974).
  17. Osterrieth, P. A. Le test de copie d’une figure complex: Contribution à l’étude de la perception et de la memoir. Archives de Psychologie. 30, 286-356 (1944).
  18. Hamilton, M. The assessment of anxiey states by rating. Br J Med Psychol. 32, 50-55 (1959).
  19. Hamilton, M. A rating scale for depression. J Neurol Neurosurg Psychiatry. 23, 56-62 (1960).
  20. Folstein, M. F., Robins, L. N., Helzer, J. E. The Mini-Mental State Examination. Arch Gen Psychiatry. 40 (7), 812 (1983).
  21. O’Brien, D., Campbell, K. A., Morken, N. W., Bair, R. J., Heath, E. M. Automated Nucleic Acid Purification for Large Samples. J Lab Autom. 6 (2), 67-70 (2001).
  22. Lehmann, M., Ghosh, P. M., et al. Greater medial temporal hypometabolism and lower cortical amyloid burden in ApoE4-positive AD patients. J Neurol Neurosurg Psychiatry. 85 (3), 266-273 (2014).
  23. . TaqMan® SNP Genotyping Assays User Guide Available from: https://tools.thermofisher.com/content/sfs/manuals/TaqMan_SNP_Genotyping_Assays_man.pdf (2014)
  24. Bookheimer, S. Y., Strojwas, M. H., et al. Patterns of brain activation in people at risk for Alzheimer’s disease. N Engl J Med. 343 (7), 450-456 (2000).
  25. Jenkinson, M., Bannister, P., Brady, M., Smith, S. Improved optimization for the robust and accurate linear registration and motion correction of brain images. NeuroImage. 17 (2), 825-841 (2002).
  26. Smith, S. M. Fast robust automated brain extraction. Hum Brain Mapp. 17 (3), 143-155 (2002).
  27. Greve, D. N., Fischl, B. Accurate and robust brain image alignment using boundary-based registration. NeuroImage. 48 (1), 63-72 (2009).
  28. Patenaude, B., Smith, S. M., Kennedy, D. N., Jenkinson, M. A Bayesian model of shape and appearance for subcortical brain segmentation. NeuroImage. 56 (3), 907-922 (2011).
  29. . Learn MATLAB Basics Available from: https://www.mathworks.com/support/learn-with-matlab-tutorials.html?s_tid=hp_ff_I_tutorials (2017)
  30. Lerma-Usabiaga, G., Iglesias, J. E., Insausti, R., Greve, D. N., Paz-Alonso, P. M. Automated segmentation of the human hippocampus along its longitudinal axis. Hum Brain Mapp. 37 (9), 3353-3367 (2016).
  31. Salami, A., Eriksson, J., Nyberg, L. Opposing effects of aging on large-scale brain systems for memory encoding and cognitive control. J Neurosci. 32 (31), 10749-10757 (2012).
  32. Schacter, D. L., Wagner, A. D. Medial temporal lobe activations in fMRI and PET studies of episodic encoding and retrieval. Hippocampus. 9 (1), 7-24 (1999).
  33. Strange, B., Dolan, R. Functional segregation within the human hippocampus. Mol Psychiatry. 4 (6), 508-511 (1999).
  34. Strange, B. A., Fletcher, P. C., Henson, R. N., Friston, K. J., Dolan, R. J. Segregating the functions of human hippocampus. Proc Natl Acad Sci U S A. 96 (7), 4034-4039 (1999).
  35. Eldridge, L. L., Engel, S. A., Zeineh, M. M., Bookheimer, S. Y., Knowlton, B. J. A dissociation of encoding and retrieval processes in the human hippocampus. J Neurosci. 25 (13), 3280-3286 (2005).
  36. Strange, B. A., Witter, M. P., Lein, E. S., Moser, E. I. Functional organization of the hippocampal longitudinal axis. Nat Rev Neurosci. 15 (10), 655-669 (2014).
  37. Zeineh, M. M., Engel, S. A., Thompson, P. M., Bookheimer, S. Y. Dynamics of the hippocampus during encoding and retrieval of face-name pairs. Science. 299 (5606), 577-580 (2003).
  38. Nieuwenhuis, S., Forstmann, B. U., Wagenmakers, E. -. J. Erroneous analyses of interactions in neuroscience: a problem of significance. Nat Neurosci. 14 (9), 1105-1107 (2011).
  39. Cisler, J. M., Bush, K., Steele, J. S. A comparison of statistical methods for detecting context-modulated functional connectivity in fMRI. NeuroImage. 84, 1042-1052 (2014).
  40. Friston, K. J., Harrison, L., Penny, W. Dynamic causal modelling. NeuroImage. 19 (4), 1273-1302 (2003).
check_url/55394?article_type=t

Play Video

Cite This Article
Harrison, T. M., McLaren, D. G., Moody, T. D., Feusner, J. D., Bookheimer, S. Y. Generalized Psychophysiological Interaction (PPI) Analysis of Memory Related Connectivity in Individuals at Genetic Risk for Alzheimer’s Disease. J. Vis. Exp. (129), e55394, doi:10.3791/55394 (2017).

View Video