Summary

Gegeneraliseerde psychofysiologische interactie (PPI) analyse van geheugen gerelateerde connectiviteit in personen die erfelijk risico op de ziekte van Alzheimer

Published: November 14, 2017
doi:

Summary

Dit manuscript wordt beschreven hoe de uitvoering van een analyse van de psychofysiologische interactie te onthullen taak-afhankelijke wijzigingen in functionele connectiviteit tussen een geselecteerde zaad regio en voxels in andere delen van de hersenen. Psychofysiologische interactie analyse is een populaire methode om taak effecten op hersenen connectiviteit, onderscheiden van traditionele univariate activering effecten te analyseren.

Abstract

In neuroimaging meet functionele magnetische resonantie imaging (fMRI) de bloed-oxygenatie-niveau afhankelijk (BOLD) signaal in de hersenen. De mate van de correlatie van de Stoute signaal ruimtelijk onafhankelijke regio’s van de hersenen definieert het functionele connectiviteit van deze regio’s. Tijdens een cognitieve fMRI taak, kan een psychofysiologische interactie (PPI)-analyse worden gebruikt om te onderzoeken van wijzigingen in de functionele connectiviteit tijdens specifieke contexten gedefinieerd door de cognitieve taak. Een voorbeeld van een dergelijke taak is die zich het geheugensysteem bezighoudt, vraagt de deelnemers om te leren van paren van niet-verwante woorden (codering) en herinneren het tweede woord in een paar toen gepresenteerd met het eerste woord (ophalen). In de huidige studie, we gewend zijn dit soort associatief geheugen taak en een algemene analyse van de PPI (gPPI) wijzigingen in het hippocampal connectiviteit in oudere volwassenen die dragers van de ziekte van Alzheimer (AD) genetische risicofactor apolipoproteïne-E epsilon-4 (vergelijken APOEΕ4). Specifiek, tonen we aan dat de functionele connectiviteit van deelgebieden van de hippocampus veranderingen tijdens de codering en retrieval, de twee actieve fasen van de associatief geheugen taak. Context-afhankelijke veranderingen in functionele connectiviteit van de hippocampus waren significant verschillend in dragers van APOEε4 in vergelijking met niet-dragers. PPI analyses maken het mogelijk te onderzoeken van wijzigingen in functionele connectiviteit, onderscheiden van univariate belangrijkste effecten, en deze veranderingen van groepen met elkaar vergelijken. Dus, een analyse van de PPI kan onthullen complexe taak effecten in specifieke cohorten die traditionele univariate methoden niet vastlegt. PPI analyses bepalen niet, echter directionaliteit of causaliteit tussen functioneel verbonden gebieden. Niettemin, PPI analyses bieden krachtige middelen voor het genereren van specifieke hypothesen over functionele relaties, die kunnen worden getest met behulp van causale modellen. Aangezien de hersenen steeds meer in termen van connectiviteit en netwerken beschreven is, is PPI een belangrijke methode voor het analyseren van fMRI taakgegevens die strookt met de huidige opvatting van het menselijk brein.

Introduction

De term “connectome” werd bedacht in 2005 markering een paradigmaverschuiving in de neurowetenschappen dat tot op de dag1 blijft. Het brein is steeds meer beschreven in termen van functionele netwerken, connectiviteit en interacties tussen en binnen regio’s op grote schaal. De afbakening van regionale functionele specialisatie en associaties tussen fMRI-gemeten activiteit en taak eisen zijn echter nog steeds geldig en nuttig benaderingen. In het licht van de groeiende interesse in connectomics groeien functionele connectiviteit benaderingen van fMRI taakanalyse in populariteit. Een aanpak voor het meten van functionele connectiviteit veranderingen afhankelijk van taak vraagt maakt gebruik van het concept van PPI. Een PPI is de interactie van een actieve taak fase of een bepaalde taak vraag (“psycho”) met de functionele connectiviteit (“fysio”) van een gebied van belang of “zaad” in de hersenen. PPI verschilt van bivariate correlatie gebaseerde analyse van functionele connectiviteit, die over het algemeen de mate van de correlatie tussen de activiteit in twee regio’s zonder beperkingen aan de eisen van de taak gerelateerde meet.

Het concept en het kader van een PPI-analyse werd oorspronkelijk beschreven door Friston en collega’s in 19972. De auteurs verklaard dat hun aanpak belangrijk, was omdat hiermee het onderzoek van connectiviteit om meer functioneel specifieke en voor gevolgtrekkingen dat de activiteit in een distale zaad kon worden modulerende activiteit die voortvloeien uit de vraag van een taak. In 2012, McLaren en collega’s aan deze oorspronkelijke kader toegevoegd en beschreven een gPPI aanpak waarin alle fasen van de taak en hun interacties zijn opgenomen in een enkel model3. Deze aanpak leidt tot resultaten die meer gevoelig en specifiek naar de taak fase en interactie onderzocht. Het is deze benadering van de bijgewerkte gPPI die wij in de huidige inzetten studie (zie stap 6.2.2 in Protocol). De aanpak van de gPPI is nu reeds in meer dan 200 studies. Voor de duidelijkheid, hierna gebruiken we ‘PPI’ voor het beschrijven van de gemeenschappelijke kenmerken van zowel de standaard en gegeneraliseerde versie. ‘gPPI’ worden gebruikt voor het bespreken van specifieke voorschotten die zijn gekoppeld aan het nieuwe kader.

Het algemene doel van de analyse van een PPI is te begrijpen hoe de eisen van een cognitieve taak beïnvloeden of het moduleren van de functionele connectiviteit van een zaad-regio. Een PPI analyse vereist een sterke een priori hypothese. Activiteit in de regio van het zaad moet worden gedifferentieerd door de taak om de aanpak van de PPI om effectief te werken4. Bijvoorbeeld, in de huidige studie gebaseerd wij onze zaad selectie op de sterke aanwijzingen dat hippocampal activiteit door de cognitieve eisen van de taak van een geheugen wordt gemoduleerd. Met behulp van PPI, kunnen regio’s, die aanzienlijk meer of minder functioneel met de hippocampus tijdens specifieke taak fasen verbonden zijn worden geïdentificeerd. Kortom, vraag we de “in welke regio’s is activiteit meer gecorreleerd met het zaad tijdens kader A ten opzichte van de basislijn?” Wij kunnen ook vragen het logische tegenovergestelde (want het is belangrijk om het verschil te begrijpen): “in welke regio’s is activiteit minder gecorreleerd met het zaad tijdens kader A ten opzichte van de basislijn?” Bij de interpretatie van groep verschillen in PPI effecten, is het belangrijk om de gegevens en of positieve of negatieve verandering in functionele connectiviteit, of beide, is het rijden van groep verschillen te onderzoeken.

De PPI-aanpak heeft geweest tweedehands voor dynamische taak controle hubs in gezonde controles, bestuderen hoe de modulatie van functionele connectiviteit is gerelateerd aan cognitieve prestaties in de ziekte van Alzheimer (AD), intelligentie bij personen met autisme, motor netwerkconnectiviteit bij personen met de ziekte van Parkinson’s, gezicht verwerking bij personen met body dysmorphic disorder en anorexia, emotieregulatie, geheugen en vele andere specifieke vragen met betrekking tot connectiviteit5,6,7 ,8,9,10,11. In de huidige studie vergelijken we veranderingen in functionele connectiviteit van deelgebieden van de hippocampus tijdens de codering van geheugen en het ophalen tussen een groep van individuen op verhoogd erfelijk risico op neurale AD naar een groep zonder de risicofactor12. De volgende beschrijft het protocol waarmee wij, toepassing van de gPPI aanpak, laten toe om te testen of taak-ontlokte veranderingen in functionele connectiviteit in samenwerking met de aanwezigheid van APOEε4, een genetische risico-factor voor advertentie verschillen.

Protocol

de huidige studie werd uitgevoerd in overeenstemming met de UCLA institutionele Review Board (IRB) protocollen en goedgekeurd door het UCLA Comité voor bescherming van menselijke onderwerpen. Alle deelnemers gaf schriftelijke geïnformeerde toestemming om te schrijven in deze studie. 1. deelnemer selectie verkrijgen IRB goedkeuring voor het uitvoeren van de studie. Scherm individuen leeftijd 55 en ouder voor cognitieve daling met behulp van een gestandaardiseerde neurops…

Representative Results

Er zijn vier voorwaarden aan rapportresultaten voor elke groep met twee verschillende actieve taak fasen (codering en ophalen) en twee zaad regio’s (anterior en posterior hippocampus). De kaarten van de activering binnen-groep taak (hier niet getoond, zie Harrison et al., 201612) tonen aan dat de Occipitale kwab, auditieve cortex, grote gebieden van de Pariëtale kwab, frontale taalgebieden, superieure temporele gyrus, en Spiegelse (meer uitgesproken tijde…

Discussion

Vroege taakgerichte fMRI studies werden ontworpen om te ontdekken van statistische relaties tussen bepaalde cognitieve processen of eisen en veranderingen in de Stoute signaal ten opzichte van een nulmeting. Deze traditionele aanpak is handig voor het identificeren van specifieke gebieden in de hersenen waar de activiteit wordt gemoduleerd door een experimentele taak. Daarentegen is een PPI-analyse voornamelijk bezig met de modulering van de functionele connectiviteit of synchronie van activiteit, die het gevolg is van e…

Disclosures

The authors have nothing to disclose.

Acknowledgements

Dit werk werd gesteund door de National Institute of Aging (subsidie getal R01AG013308 SYB, F31AG047041 naar TMH). De auteurs gebruikte rekenkundige en opslagservices gekoppeld aan het Hoffman2 Shared Cluster geboden door UCLA Instituut voor digitale onderzoek en onderwijs van technologie onderzoeksgroep.

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).

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