JoVE Logo
Autoren
Kontakt

Anmelden

Zum Anzeigen dieser Inhalte ist ein JoVE-Abonnement erforderlich. Melden Sie sich an oder starten Sie Ihre kostenlose Testversion.

In diesem Artikel

  • Zusammenfassung
  • Zusammenfassung
  • Einleitung
  • Protokoll
  • Ergebnisse
  • Diskussion
  • Offenlegungen
  • Danksagungen
  • Materialien
  • Referenzen
  • Nachdrucke und Genehmigungen

Zusammenfassung

This paper describes how to use the emotional oddball task and fMRI to measure brain activation in children and adolescents at familial high risk for schizophrenia (FHR). FMRI was used to measure differences in fronto-striato-limbic regions during an emotional oddball task. Children with FHR exhibited abnormal functional activation during adolescence.

Zusammenfassung

Adolescence is a critical developmental period where the early symptoms of schizophrenia frequently emerge. First-degree relatives of people with schizophrenia who are at familial high risk (FHR) may show similar cognitive and emotional changes. However, the neurological changes underlying the emergence of these symptoms remain unclear. This study sought to identify differences in frontal, striatal, and limbic regions in children and adolescents with FHR using functional magnetic resonance imaging. Groups of 21 children and adolescents at FHR and 21 healthy controls completed an emotional oddball task that relied on selective attention and the suppression of task-irrelevant emotional information. The standard oddball task was modified to include aversive and neutral distractors in order to examine potential group differences in both emotional and executive processing. This task was designed specifically to allow for children and adolescents to complete by keeping the difficulty and emotional image content age-appropriate. Furthermore, we demonstrate a technique for suitable fMRI registration for children and adolescent participants. This paradigm may also be applied in future studies to measure changes in neural activity in other populations with hypothesized developmental changes in executive and emotional processing.

Einleitung

Schizophrenia is a neurodevelopmental disorder with a known genetic component1,2 and with symptoms including deficits in both executive and emotional processing3,4. First-degree relatives are thought to be at an increased risk of developing schizophrenia, and have been shown to share some of these same neurocognitive deficits in both cognitive and social-emotional domains5. We therefore expect that brain activity in regions associated with executive and emotional processing may be altered in at-risk family members preceding the onset of clinical symptoms.

Previous studies have indicated that both adults with schizophrenia and adults at familial high risk show aberrant activity within executive and emotional processing networks; however it remains unclear how these changes come about during development. Demonstrating that these changes occur early in life will be a critical first step in understanding the pathophysiology of the disorder. Therefore, this study utilizes an emotional oddball paradigm during functional MRI (fMRI) scanning in order to measure brain activity during the completion of a task that requires both executive and emotional processing in adolescents who are at risk for developing schizophrenia. Oddball paradigms are frequently used to examine the function of fronto-striate circuitry in schizophrenia6 and in individuals with familial high risk7 by measuring selective attention processes allocated to task-relevant target stimuli. Here, a standard oddball task has been modified to include task-irrelevant aversive and neutral stimuli that have been shown to elicit changes in brain activity in patients with schizophrenia8.

This paper measures functional differences between healthy adolescents and adolescents at high familial risk for schizophrenia using an emotional oddball task. The task design is similar to that used by Fichtenholtz and colleagues9, but the selection of aversive emotional images has been modified to be appropriate for children between the ages of 9-18. The use of this task during functional MRI allowed for the identification of specific brain regions that showed patterns of hyperactivation and hypoactivation in children and adolescents with FHR for schizophrenia, in addition to age-related changes in neural activity during adolescent development.

Access restricted. Please log in or start a trial to view this content.

Protokoll

Chapel Hill - Die Forschungstechniken in dieser Studie verwendet wurden durch die Institutional Review Boards (IRB) der Duke University und der University of North Carolina genehmigt.

1. Imaging Task-Entwurf

  1. Generieren Sie einen ereignisbasierten Verhaltens Aufgabe, seltene Zielreize (ein Kreis) innerhalb einer Sequenz von mehr häufige Standardreizen (Rührei Bilder) präsentiert. Eine schematische Darstellung der Aufgabe ist in Abbildung 1 dargestellt. Präsentieren Sie die Aufgabe mit Cigal Software 10.

figure-protocol-636
Abbildung 1. Schematische der Task-Entwurf. Diese Zahl wurde von Hart et al. 20 geändert wurden, mit Genehmigung. Bitte klicken Sie hier, um eine größere Version dieser Figur zu sehen.

  1. Wählen Sie, wieet des aversiven Reizen und eine Reihe von neutralen Stimuli vom internationalen Affective Picture System-Datenbank (IAPS). IAPS Bilder werden auf einer Skala von 1-9, um Ebenen der Erregung und Valenz 11 reflektieren bewertet. Hohe Zahlen zeigen höhere positive Valenz und Erregung. Wählen Sie eine Reihe von Bildern, die altersgerecht an die Studiengruppe sind, wie beispielsweise Bilder von Schlangen, Spinnen oder andere Tiere.
    Hinweis: Die Stimuli Bilder aufgaben irrelevant aversiven für diese Studie verwendet hatte eine durchschnittliche Wertigkeit Rating von 3,38 (SD = 1,78) und einer mittleren Erregung Rating von 6,14 (SD = 2.08). Die neutrale Reize Bilder hatten eine durchschnittliche Wertigkeit von 6,21 (SD = 0,26) und einer mittleren Erregung Rating von 3,72 (SD = 2.15).
  2. Programm der Task-Skript, so dass Bilder in einer pseudo-randomisiert Auftrag für 1.500 ms mit 500 ms präsentiert bedeuten Inter-Stimulus-Intervall. Gegenwärtige Zielreize und aufgaben irrelevant neutrale Bilder nicht häufiger als alle 15 Sekunden und stellen jeweils etwa 4% der Reize. Jitter Ereignis Einsetzen mal, um eine bessere Auflösung der hämodynamischen Antwort Funktion bereitzustellen.
  1. Erstellen 8 Sätze von Bildern, eine für jeden der 8 funktionelle so verläuft, dass die Teilnehmer mit einem Gesamtvolumen von 40 Zielen und 40 aufgaben irrelevant neutralen Bilder im Verlauf aller 8 verläuft dargestellt.

2. Teilnehmer einrichten und Scannen

  1. Rekrutieren Kinder und Jugendliche im Alter von 9 und 18 Jahren, die entweder gesunden Kontrollpersonen oder Personen, die bei familiären hohes Risiko für Psychosen sind zwischen.
    1. Stellen Sie sicher, dass gesunde Menschen haben keine psychiatrischen Erkrankungen oder jegliche ersten Grades Familienmitglieder mit einer psychiatrischen Erkrankung. Stellen Sie sicher, dass familiäres Risiko Teilnehmer mindestens einen Verwandten ersten Grades (Eltern oder Geschwister) mit Schizophrenie haben. Auf das Vorhandensein von anderen psychiatrischen Erkrankungen im ersten Grades ausschließen Sie sie nicht.
    2. Alter und Geschlecht Spiel gesunde Teilnehmer mit familiärer Risikogruppe Teilnehmers.
  2. Erwerben Sie informierten Einwilligung der Teilnehmer im Alter von über 18. Bei Minderjährigen erwerben informierte Einwilligung von den Eltern / Erziehungsberechtigten. Zusätzlich erwerben schriftliche Zustimmung von Minderjährigen, die nehmen an der Studie teil.
  3. Legen Sie die Teilnehmer in einem nachgebauten MRI-Scanner, um sie mit der Umgebung vertraut zu machen. Spielen Sie eine Audio-Aufnahme von Scannerrauschen und haben ihnen einen Probelauf des Verhaltens Aufgabe abzuschließen, um sicherzustellen, dass sie die Aufgabe, Anweisungen zu verstehen.
  4. Legen Sie die Teilnehmer in der MRI-Scanner und die erforderlichen Gehirn Lokalisierung Scans und / oder anatomische Bilder zu erwerben.
  5. Mit Hilfe eines MRI-sicheren Eingabefeld, sagen die Teilnehmer auf eine Schaltfläche mit dem Zeigefinger in Reaktion auf alle Zielreize und eine andere Taste mit ihren Mittelfinger für alle anderen Reize zu drücken.
  6. Nach fMRI Scannen, sammeln subjektive Bewertungen von Erregung und Valenz für die in der Studie von einer Untergruppe von Teilnehmern verwendeten Bilder. Die current-Studie erhalten Bewertungen 15 Kontrollen und 13 mit familiärer hohes Risiko.

3. Image Acquisition

  1. Platz Teilnehmer in einen 3,0-Tesla-MRT. Zunächst erwerben eine Reihe von Strukturbildern einschließlich einer 3D-Bild anatomischen T1-Kontrast coplanar mit einem verdorbenen gradienten-wiederAkquisitionsPulsSequenz (TR: 5,16 ms, TE: 2,04 ms; FOV: 24 cm; Bildmatrix: 256 × 256; Flip Winkel: 20; Voxelgröße: 0,94 mm x 0,94 mm x 1,9 mm; 68 axiale Schichten).
  2. Erwerben funktionelle Bildgebung Daten unter Verwendung eines Gradienten-Echo-Echo-Planar-Bildgebungssequenz mit voller Hirn Abdeckung (TR: 2.000 ms, TE: 27 ms; FOV: 24 cm; Bildmatrix: 64 × 64; Flip-Winkel: 60; Voxelgröße: 3.75 mm × 3,75 mm × 3,8 mm; 34 axiale Schichten), so dass die Gehirnaktivität während der Leistung des Verhaltens Aufgabe gemessen werden. Führen Sie dieses Bildgebungssequenz für jeden Durchlauf des Verhaltens Aufgabe. Jeder Durchlauf sollte von 120 Bildgebungszeitpunkten bestehen.
  3. Präsentieren Sie die task in 8 Funktionsläufe von jeweils ca. 4 min.

4. Analysen

  1. Bildverarbeitung: Open fMRI Expert Analysis Tool (FEAT) in FSL 12. Wählen Sie zuerst Ebenenanalyse und Pre-stats.
    1. Auf der Registerkarte "Daten", wählen Sie die Anzahl der Eingabebilder und geben Sie den Pfad zu jedem der MR-Bilder, die Sie gehen, um zu verarbeiten sind. Stellen Sie das Ausgabeverzeichnis. Geben Sie die Gesamtmengen, die Anzahl der verworfen Übernahmen und die TR.
    2. Auf der Registerkarte "Pre-Statistik", stellen Bewegungskorrektur auf MCFLIRT, räumliche Glättung FWHM bis 5 mm, und "Slice-Zeitkorrektur". Wählen Sie "BET Gehirn-Extraktion" und "Highpass" zeitliche Filterung aber nicht B0 unwarping wählen (Uness Sie ein Gradientenfeld Karte haben) oder "Ich ntensitiy normaization". 12,14.
    3. Auf der Registerkarte "Registrierung", wählen Sie "Haupt structural Bild ". Geben Sie den Pfad Schädel-abgestreift T1-gewichteten Bild der Person. Nutzen Sie eine lineare normalen Suche mit mindestens 6 DOF. Wählen Sie den Platzkontrollkästchen Norm. Geben Sie den Pfad zu der MNI Bildatlas. Verwenden Sie einen normalen, linearen Suche mit 12 DOF. Drücken Sie Fortfahren.
    4. Teilnehmer mit mehr als 3 mm Kopfbewegung in der X-, Y- oder Z-Richtung aus.
  2. Ebene 1: Daten zwischen Aufgabe Bedingungen Vergleichen in einem einzigen Durchlauf. Offene FEAT. Wählen Sie "First-Level-Analyse" und "Statistiken + Post-Statistik".
    1. Auf der Registerkarte Daten, stellen Sie die Anzahl der Ein- und geben Sie den Pfad zu jedem der MR-Bilder. Geben Sie einen Pfad für die "Ausgabeverzeichnis". Geben Sie die "Gesamtvolumen", die Anzahl der verworfen Übernahmen und die TR.
    2. Auf der Registerkarte "Statistik", wählen Sie das Kontrollkästchen "FILM prewhitening" 16. Drücken Sie die "Full-Modell setup "-Taste. Stellen Sie die "Anzahl der Original EVs" auf die Anzahl der Aufgabenbedingungen. Für jede Bedingung, wählen Sie "Benutzerdefiniert (3 Spalten-Format)" aus dem Drop-Down-Menü Grundform und "Double-Gama HRF von der" Faltung "Dropdown-Menü 17,18 und wählen Sie eine Textdatei mit der Aufgabe Timing.
      1. Formatieren Sie diese Textdatei in 3 Spalten mit einem Eintrag für jedes "Ereignis" des angegebenen Typs. Die erste Spalte sollte den Beginn der Zeit (in Sekunden) enthalten, sollte der zweite die Dauer (in Sekunden) enthalten, und der dritte sollte die Veranstaltung Gewicht enthalten. Auf der Registerkarte Contrasts & F-Tests, erstellen Sie einen Kontrast für jede Aufgabe Zustand und eine für jeden Vergleich.
    3. Auf den "Post-Statistik", wählen Sie "Cluster" auf dem "Thresholding" Dropdown-Menü und stellen Sie die "Z Grenzwert" und Cluster P threshold bis 2,3 bzw. 0,05 8,19.
    4. Auf der Registerkarte "Registrierung", wählen Sie "Hauptstrukturbild". Geben Sie den Pfad Schädel-abgestreift T1-gewichteten Bild des Subjekts. Verwenden Sie einen linearen normalen Suche mit mindestens 6 DOF. Wählen Sie den "Standard space" Kontrollkästchen. Geben Sie den Pfad zu der MNI Bildatlas. Verwenden Sie eine normale, lineare Suche mit 12 DOF. Drücken Sie auf "Go".
  3. Stufe 2: Vergleichsdaten zwischen den Läufen für jeden Task Zustand. Offene FEAT. Wählen Sie "Übergeordnete Analyse" und "Statistiken + Post-Statistiken" aus dem Dropdown-Menü.
    1. Auf der Registerkarte Daten, wählen Sie "Eingänge sind untergeordnete FEAT-Verzeichnisse". Stellen Sie die Anzahl der Ein- und geben Sie den Pfad zu jedem der MR-Bilder. Geben Sie einen Pfad für die "Ausgabeverzeichnis".
    2. Auf der Registerkarte "Statistik", ändern Sie die "Mixed Effects: flame1" Auswahlfeld "Fixed EUSWIRKUNGEN ". Drücken Sie die" Model Setup-Assistent "klicken. Wählen Sie" Einzelgruppendurchschnitt "und klicken Sie auf" Bearbeiten "klicken.
    3. Auf der Registerkarte "Post-Statistik", wählen Sie "Cluster" auf dem "Thresholding" Dropdown-Menü und stellen Sie die "Z Grenzwert" und "Cluster P" Schwellenwert auf 2,3 und 0,05 bzw. 8,19. Drücken Sie auf "Go".
  4. Stufe 3: Vergleichsdaten zwischen Fächern für jede Aufgabe Zustand in allen Läufen. Offene FEAT. Wählen Sie "Übergeordnete Analyse" und "Statistiken + Post-Statistiken" aus dem Dropdown-Menü.
    1. Auf der Registerkarte Daten, wählen Sie "Eingänge sind 3D bewältigen Bilder von FEAT-Verzeichnisse." Stellen Sie die Anzahl der Ein- und geben Sie den Pfad zu jedem der MR-Bilder. Geben Sie einen Pfad für die "Ausgabeverzeichnis".
    2. Auf der "Statistik" tab, Drücken Sie die "Full-Modell-Setup". Stellen Sie die Anzahl von Elektrofahrzeugen, die der Anzahl der Gruppengrößen und Kovariaten wie Diagnosegruppe, Alter, Geschlecht, usw. Geben Sie die Werte für jedes Fach (Eingang 1 - Eingang n) für jeden EV. Sie können das Fenster "Einfügen", um eine Tabelle dieser Werte kopieren.
      1. Auf der Registerkarte "Kontraste & F-Tests", fügen Sie einen Kontrast für jeden Test variabel und für jeden Kontrast (zB Diagnosegruppe). Für jede Testvariable, stellen Sie den Kontrast, indem Sie den Wert 1 in der Spalte unter dem entsprechenden EV. Für jeden Kontrast, stellen Sie den ersten Wert auf 1 und die zweite auf -1. Wählen Sie "Fertig".
    3. Auf der Registerkarte "Post-Statistik", wählen Sie "Cluster" auf dem "Thresholding" Dropdown-Menü und stellen Sie die "Z Grenzwert" und "Cluster P" Schwellenwert auf 2,3 und 0,05 bzw. 8,19 . Drücken Sie auf "Go".

Access restricted. Please log in or start a trial to view this content.

Ergebnisse

Es gab keine Unterschiede zwischen den Gruppen auf Basis von demografischen Merkmalen 20. Verhaltensdaten zeigten, dass die Zielerfassung Aufgabe ist bei einer geeigneten Schwierigkeitsgrad für Kinder und Jugendliche im Alter von 9 bis 18 zwischen. In der aktuellen Studie, Bedienungselemente richtig 82,36% der Ziele (SD = 0,14) identifiziert und die familiäre Risikogruppe 76,8% der Ziele (SD = 0.17) korrekt identifiziert. Beide Gruppen zeigten verringerte Genauigkeit bei der Identifizierun...

Access restricted. Please log in or start a trial to view this content.

Diskussion

The modified emotional oddball paradigm in the current study has been shown to elicit differences in neural recruitment during selective attention and emotional processing in children and adolescents at risk for schizophrenia. While existing paradigms using the emotional oddball task have been used to investigate neural changes in adult populations with psychiatric illness8, the current paradigm may be particularly useful for measurement of vulnerability markers in younger age groups.

Access restricted. Please log in or start a trial to view this content.

Offenlegungen

Dr. Perkins is currently receiving grant support from Janssen, and is a consultant to Dainippon. In the past, Dr. Perkins is or has been on speaker's bureau for Eli Lilly and AstraZeneca. Dr. Perkins has previously received grants from AstraZeneca, Bristol-Myers Squibb, Otsuka, Eli Lilly, Janssen and Pfizer; and consulting and educational fees from AstraZeneca, Bristol-Myers Squibb, Eli Lilly, Janssen, Glaxo Smith Kline, Forest Labs, Pfizer and Shire. All other authors declare no biomedical financial interests or potential conflict of interest.

Danksagungen

We thank Erin Douglas, Anna Evans, and Carolyn Bellion for their contributions to participant recruitment and clinical assessment. We also thank Michael Casp, Zoe Englander, Justin Woodlief, and James Carter for their contributions to data collection and analysis, and Robert M. Hamer for consultation on statistical analysis and editing of the manuscript. Finally, we thank the individuals and their families who participated in this study.

This study was supported by Conte center grant P50 MH064065 from the National Institute of Mental Health. Dr. Hart was supported by T32 HD040127 from the National Institute of Child Health and Human Development.

Access restricted. Please log in or start a trial to view this content.

Materialien

NameCompanyCatalog NumberComments
3T MRI scannerGEBIAC 3T scanner (replaced)

Referenzen

  1. 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).
  2. Weinberger, D. R. Implications of normal brain development for the pathogenesis of schizophrenia. Arch Gen Psychia. 44, 660-669 (1987).
  3. Nuechterlein, K. H., Dawson, M. E. Information processing and attentional functioning in the developmental course of schizophrenic disorders. Schizophr Bul. 10, 160-203 (1984).
  4. Nuechterlein, K. H. The vulnerability/stress model of schizophrenic relapse: a longitudinal study. Acta Psychiatr Scand, Supp. 382, 58-64 Forthcoming.
  5. Keshavan, M. S. Premorbid cognitive deficits in young relatives of schizophrenia patients. Front Hum Neurosc. 3 (62), (2010).
  6. 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).
  7. Bramon, E. Is the P300 wave an endophenotype for schizophrenia? A meta-analysis and a family study. Neuroimag. 27, 960-968 (2005).
  8. Dichter, G. S., Bellion, C., Casp, M., Belger, A. Impaired modulation of attention and emotion in schizophrenia. Schizophr Bul. 36, 595-606 (2010).
  9. Fichtenholtz, H. M. Emotion-attention network interactions during a visual oddball task. Brain Res Cogn Brain Re. 20, 67-80 (2004).
  10. Voyvodic, J. T. Real-time fMRI paradigm control, physiology, and behavior combined with near real-time statistical analysis. Neuroimag. 10, 91-106 (1999).
  11. 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).
  12. Smith, S. M. Advances in functional and structural MR image analysis and implementation as FSL. Neuroimag. 23, 208-219 (2004).
  13. Smith, S. M. Fast robust automated brain extraction. Hum Brain Map. 17, 143-155 (2002).
  14. 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).
  15. Jenkinson, M., Smith, S. A global optimisation method for robust affine registration of brain images. Med Image Ana. 5, 143-156 (2001).
  16. 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).
  17. Beckmann, C. F., Jenkinson, M., Smith, S. M. General multilevel linear modeling for group analysis in FMRI. Neuroimag. 20, 1052-1063 (2003).
  18. 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).
  19. 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).
  20. Hart, S. J. Altered fronto-limbic activity in children and adolescents with familial high risk for schizophrenia. Psychiatry Re. 212, 19-27 (2013).
  21. 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).
  22. Gottesman, I. I., Gould, T. D. The endophenotype concept in psychiatry: etymology and strategic intentions. Am J Psyc. 160, 636-645 (2003).
  23. 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).

Access restricted. Please log in or start a trial to view this content.

Nachdrucke und Genehmigungen

Genehmigung beantragen, um den Text oder die Abbildungen dieses JoVE-Artikels zu verwenden

Genehmigung beantragen

Weitere Artikel entdecken

VerhaltenHeft 106Jugendalterselektive AufmerksamkeitEmotionpr frontalen KortexFunctional MRISchizophrenie

This article has been published

Video Coming Soon

JoVE Logo

Datenschutz

Nutzungsbedingungen

Richtlinien

Kontakt

BIBLIOTHEKS-EMPFEHLUNG

JoVE-Newsletter

Forschung

Lehre

Autoren

Bibliothekare

ÜBER JoVE

Copyright © 2025 MyJoVE Corporation. Alle Rechte vorbehalten