עבודה זו נתמכה על ידי מענק מס P50NS071675 (מרכז מוריס ק Udall של מצוינות במחקר מחלת פרקינסון במכון פיינשטיין למחקר רפואי) לדה מהמכון הלאומי להפרעות נוירולוגיות ושבץ. התוכן הוא באחריות בלעדית של כותבים ולא בהכרח מייצג את הדעות הרשמיות של המכון הלאומי להפרעות נוירולוגיות ושבץ או המכונים הלאומי לבריאות. הספונסר לא שחק תפקיד בתכנון מחקר, איסוף, ניתוח ופרשנות של נתונים, כתיבת הדוח או בהחלטה להגיש את הנייר לפרסום.

1. איסוף ועיבוד מקדים של נתונים <ol style=";text-align:right;direction:rtl"><li style=";text-align:right;direction:rtl"> שיטת SSM / PCA ניתן להחיל על תמונות כרך אחד המתקבלות ממקורות ושיטות שונים. באופן ספציפי, לבדיקת PET באתר של חילוף חומרים, להכין נותב רדיונוקלידים מתאים כגון [18 F]-fluorodeoxyglucose (FDG) ולנהל לכל מטופל. חולים הם בדרך כלל סריקה במנוחה בעיניים פקוחות, לאחר צום של לפחות 12 שעות, צורך בתרופות. </li><li style=";text-align:right;direction:rtl"> סרוק את כל נושא לצורך ההערכה פרטני או קבוצתי. לגזירת דפוס, לסרוק מספר שווה של מגדר וגיל בהתאמה חולים ובקרות. </li><li style=";text-align:right;direction:rtl"> העבר את הנתונים לתחנת עבודה ולהמיר לפורמט מתאים לניתוח בפלטפורמה שלך. מחשב החלונות שלנו מבוסס תוכנת ניתוח MATLAB (scanvp, ssm_pca, <a href="http://www.feinsteinneuroscience.org" target="_blank">www.feinsteinneuroscience.org)</a> דורש לנתח או תמונות בפורמט nifti (Mayo Clinic, רוצ&#39;סטר, מינסוטה). הוא מספק לא שגרתי גיורסורק O התמרת GE מראש (מילווקי, וויסקונסין, ארה&quot;ב) ותמונות בפורמט אחרות כדי לנתח את הפורמט. </li><li style=";text-align:right;direction:rtl"> לנרמל את תמונתו של כל נושא ונושא למרחב stereotaxic משותף (למשל נוירולוגיות מונטריאול מכון [משרד התשתיות הלאומי]) באמצעות חבילת תוכנת הדמייה סטנדרטית כגון מיפוי פרמטרים סטטיסטי (SPM) <a href="http://www.fil.ion.ucl.ac.uk/spm" target="_blank">(http://www.fil.ion.ucl.ac.uk/spm</a> ), כך שיש התאמה של אחד לאחד של ערכי voxel בין נבדקים (איור 2). מיסוך להגביל את הניתוח לאזורי חומר אפורים (איור 3) והפיכת יומן מתואר בשלבים הבאים. </li></ol> 2. בצע SSM / PCA מרובות משתנים ניתן לבצע פעולות לSSM משתני / PCA (איור 4) על ידי תוכנה חיצונית. השלבים מפורטים להלן משקפים את ההליכים שבוצעו על פי רוב באופן אוטומטי על ידי בבית שלנו שגרה (איור 5) (סריקהסמנכ&quot;ל / ssmpca, <a href="http://www.feinsteinneuroscience.org" target="_blank">www.feinsteinneuroscience.org</a> זמין גם כארגז כלים ssm_pca SPM). <ol style=";text-align:right;direction:rtl"><li style=";text-align:right;direction:rtl"> נתוני מסכה באמצעות תמונת 0/1 זמינה כדי להסיר אזורים לא רצויים של מרחב voxel כגון חומר וחדרי לב לבן. השימוש השגרתי ssmpca, המשתמש מקבל אפשרות לבחור את ברירת המחדל או מסיכה חיצונית אחרת (איור 3), או שיש התכנית ליצור באופן אוטומטי על ידי הסרת מסכת ערכים נמוכים מנבחרים אחוזים קבועים של נתונים מקסימאלי של כל נושא והנושא. מסכות בכפוף אישיות אז מוכפלים לקבוע מסכה מורכבת. האזורים בתוך המסכה להגדיר מרחב voxel אינו אפס משותף לניתוח. </li><li style=";text-align:right;direction:rtl"> המרת נתונים voxel התמונה של כל נושא 3D רעולי פנים לוקטור שורה אחת רציף על ידי צירוף קווי סריקה רציף ממטוסים רצופים (איור 4 א). ליצור קבוצת נתוני מטריצה ​​(ד &#39;), כך שהנתונים של כל נושא מתאים למחקר ספציפיענווה של המטריצה. כל עמודה מייצגת אז voxel מסוים על פני נושאים. באופן אידיאלי, לגזירת סמן ביולוגי, המטריצה ​​תהיה מורכבת ממספר שווה של שורות של נתונים בכפוף שליטה רגיל ונתונים נושא מחלות. </li><li style=";text-align:right;direction:rtl"> להפוך את כל הזנת נתונים לטופס לוגריתמי. </li><li style=";text-align:right;direction:rtl"> מרכז מתכוון מטריצת נתונים על ידי הפחתה ממוצעת בכל שורה או נושא מהאלמנטים השורות. הממוצע של כל השורות ממוקדות מייצג קבוצה אופיינית מתכוונת תמונת יומן כינתה פרופיל ממוצע קבוצה (GMP, איור 4 א). לחסר אמצעי העמודות שהם המרכיבים של GMP מאלמנטי עמודות המטריצה ​​המתאימים. כל שורה של מטריצת המרכז הכפולה מייצגת תמונה &quot;שיורי&quot; כינתה פרופיל שיורי נושא (SRP) אלמנטים שמייצגים חריגות מהן את נושא אמצעי v חבורת voxel (איור 4) ושל. SRP ד&quot;ה = logD ד&quot;ה - אומר של - GMP V </li><li style=";text-align:right;direction:rtl"> לבנות Subject-by-C מטריצת השונות המשותפת הנושא של מטריצת נתונים המורכבת הכפולה מרוכזת על ידי חישוב שונות משותפת שאינם מנורמל בין כל זוג נושא i, j של שורות מטריצת SRP הוערך כתוצר של אלמנטי voxel המתאימים סיכם על כל V voxels (איור 4) . C = ij Σ V (SRP IV X SRP JV) </li><li style=";text-align:right;direction:rtl"> החל PCA לשונות משותפות נושא אחר נושא המטריצה ​​C. התוצאות תהיה קבוצה של וקטורים עצמיים הציון נושא עם ערכים עצמיים כרוכים בכך. משקל כל וקטור על ידי הכפלה בשורש הריבועי של הערך עצמי המתאים לו. הקבוצה של וקטורים עצמיים הציון מיוצגת על ידי עמודות של מטריצת S וכתוצאה מכך 4C הדמות. </li><li style=";text-align:right;direction:rtl"> ניתן לקבוע וקטורים עצמיים voxel לאותו הסט של ערכים עצמיים על ידי יישום PCA לעמודה על ידי מטריצת שונות משותפת עמודה או על ידי חלופה זו המחשוב פחות תובעני procedיור מתואר ב( איור 4 ג&#39;). עזב להכפיל את מטריצת וקטור הציון נגזר בעבר על ידי לשרבב SRP המטריצה ​​לגזור P מערך של וקטורים עצמיים דפוס voxel בסדר יורד של ערכים עצמיים (איור 4 ג&#39;, איור 6, איור 7 א). P = SRP T x S כל וקטור עמודה מייצג רכיב (PC) דפוס תמונה עיקרי של ניתוח SSM / PCA המיוחסת לאחוזים מהסך השונות היוו (vaf) מתאימה לגודלו היחסי של הערך העצמי שלה. </li></ol> 3. גזירת סמן דפוס <ol style=";text-align:right;direction:rtl"><li style=";text-align:right;direction:rtl"> לבחון את התוצאות של הניתוח הקודם על מנת לקבוע דפוסי מחשב הקשורים לערכי vaf גבוהים. בתוך השגרה שלנו, וקטורי דפוס voxel הם Z-שינו כך שערכיהם מייצגים סטיות תקן חיוביות ושליליות מהערך הממוצע שלהם. לאחר מכן הם עיצבו מחדש לפורמט תמונה לפני ההצגה (איור 7 א). </li><li&gt; במקרים מסוימים דפוסים עם סטיות אזוריות מוכרות הקשורים במחלה ניתן לזהות באופן חזותי. הניסוח המתמטי רואה צורות חיוביות ושליליות של מחשבים הנגזרים כפתרונות מקבילים במקרה בו שני המחשבים ועשרות הקשורים בם עשויים להיות מוכפל במינוס אחד כדי להתאים את פרשנות נכונה מבחינה פיזית. </li><li style=";text-align:right;direction:rtl"> ציונים מתאימים לכל דפוס מחשב מוצגים כגרפים ומגרשי פיזור (איור 7). יכולה להיות שנוצר עלילת ROC אופציונלית (איור 7 ד). לזהות דפוס ספציפי למחלה, שים לב להבחנה של עשרות בכפוף בין חולים ובקרות המשתקפים על ידי P-ערכים של שני ערכי מדגם AUC מבחני t והמתאימים. להגביל את הניתוח לאותם מחשבים הקשורים vaf גבוה ובידול גבוה לכמה ערכים גזורים קבועים (למשל, עמ &#39;&lt;0.05 וvaf&gt; 5%). בדרך כלל, רק אחד או שניים לספק את מחשבים בקריטריון זה לנתונים PET. </li><li style=";text-align:right;direction:rtl"> יש Variדרכים אחרות יחידות ארגוניות לבחירת מחשב שיכול להיחשב 44. עלילת המפולת של ערכים עצמיים רציפים (איור 6) עשויה לתת ערך חיתוך חד מיוצג על ידי עיקול בעקומה וירידה חדה בשיפוע העקום שבו ערכים עצמיים מתחילים להתנוון. גישה נוספת היא לכלול את כל המחשבים כי חשבון עבור 50% העליון של השונות. הליך מקובל הוא לחשב את מידע קריטריון Akaike (AIC) 45 כדי לקבוע איזה שילוב של מחשבים להגדיר את המודל עם ערך המרכז לאינפורמציה אלטרנטיבית הנמוך ביותר שיכול להבחין בין חולים ובקרות. </li><li style=";text-align:right;direction:rtl"> המחשב שנבחר (ים) יכול להיות וקטור מנורמל ושילוב ליניארי להניב דפוס הקשורים למחלה אחת. התוכנה שלנו משתמשת באופן אופציונלי glmfit פונקצית MATLAB לקבוע מקדמים המבוססים על מודלים של רגרסיה לוגיסטית או אחרים החלימו על ציונים בנושא. למרות בידול של מטופל וקבוצות ביקורת בדרך כלל משתפר עם המחשבים הנוספים נחשבים בדהקבוצת rivation, את דפוסי התוצאה הם ייצוג מורכב שאולי לא מתאים לרשת פיזית אחת או עשוי לשלב סטיות outlier (איורים 7 א ו7C). </li><li style=";text-align:right;direction:rtl"> הוכחה נוספת נדרשת על אמינות שלה וחשיבותה פוטנציאלי. ניתן לבצע דגימה מחדש bootstrap כפי שנראה להלן 8 כדי לזהות את voxels אמין ביותר בבסיס נתוני הגזירה המקורי הקשורים סטיית התקן לפחות בגזירת דפוס חוזרת ונשנית. קדימה אימות מתבצעת כדי לבדוק את הרגישות והסגוליות של אפליה על ידי קבוצה עצמאית הנובע ציונים לקבוצות פוטנציאליים של חולים ובקרות תוך שימוש בשיטת ההערכה יחידה הנושא הציון (איור 4D) המתוארת בקטע הבא של הפרוטוקול. </li></ol> 4. הערכת ציון פרוספקטיבי יחיד נושא באמצעות סמן ביולוגי קבוע מראש <ol style=";text-align:right;direction:rtl"><li style=";text-align:right;direction:rtl"> ברגע שתבנית סמן ביולוגי SSM-GIS משמעותיזוהה, ניתן להעריך את ניקוד לביטוי שלה בנושא פוטנציאלי מהסריקה של האדם שמשתמשת בחישוב פשוט של מוצר הווקטור הפנימי שלו של הנושא SRP וקטור ווקטור דפוס GIS (איור 4d, איור 7 ד). SCORE = SRPs • תבנית </li><li style=";text-align:right;direction:rtl"> המבצע הקודם הוא אוטומטי על ידי שגרת TPR שלנו. עם זאת, כדי להפיק באופן עצמאי את וקטור SRPs הנושא להשתמש במסכת GIS המהותית הקשורים בנתונים הפכו היומן ולחסר גם את ממוצע הנושא ואת ערכי voxel המקבילים prederived התייחסות הקבוצה GMP כמו בשלב 2.4. זה מבטיח כי ניתן להשוות ציונים לטווח ההתייחסות שנקבע מראש. ציונים לקבוצה חדשה ניתן להעריך באופן דומה כמערכת של עשרות נושא אחד פוטנציאלי. לשימוש עם קבוצת התייחסות שונה או הגדרה, יכול להיות recalibrated GMP תוך התבנית היא ללא שינוי. </li></ol>

ד&quot;ר איידלברג מופיע כשותף להמצאה של שני פטנטים בארה&quot;ב על השימוש בסמני הדמיה כדי לסנן חולים לתפקוד לקוי של מערכת עצבים (ללא רווח כספי). אין גילויים נוספים.

מודל SSM / PCA הוצג במקור על ידי מולר ואח&#39;. 4 התפתח 1-3 לטכניקה פשוטה וחזקה לניתוח של נתונים הדמייה. עם זאת, היו חוסר בהירות ביישום של מתודולוגיה זו, שיש לנו ניסינו להבהיר כאן ובפרסומים קודמים 5-7,10. חלק מהנושאים הללו טופלו בטקסט, אבל הם חזרו והדגישו כא?...

הפרעות ניווניות נחקרו רב תוך שימוש בטכניקות שלמקם ולכמת את החריגות של חילוף חומרים במוח, כמו גם שיטות שאינן היסקית כי ללמוד אינטראקציות אזוריות 17. אסטרטגיות אנליטיות משתנים מונעות נתונים כגון ניתוח עיקרי רכיב (PCA) 1,2,4,18 וניתוח מרכיבים עצמאי (רשפ&quot;ת) 19,20, כמו גם טכניקות מפוקחות כגון ריבועים חלקיים לפחות (PLS) 21 ומגמות סודרים הקאנוניים variates ניתוח (אורט / CVA) 22 יכול לחשוף תבניות אופייניות או &quot;רשתות&quot; של פעילות גומלין. את היסודות של נהלים משתנים, ובעיקר מודל subprofile מוקטן (SSM) 1,2,4-6,18 תוארו בעבר ביופיטר 3. גישה מבוססת PCA זו פותחה במקור כדי לבחון את מערכות יחסים שונות משותפת תפקודיות תקינות בין האזורים במוח בתמונות כרך אחד יציב של זרימת דם במוח וACQ חילוף חומריםuired במצב המנוחה של שיטות כגון PET ו-SPECT כי תערוכת מאפייני אות לרעש גבוהים. דפוסי SSM ספציפיים למחלה הם סמנים הדמיה המשקפים את ההבדלים הכוללים בטופוגרפיה האזורית בחולים בהשוואה לנבדקים בריאים 7,16 ועשויים לשקף תהליך רשת אחת או הטמעה של מספר פונקציות מורכבות 23 חריגות. רשתות במוח דפוס שונות משותפת מטבוליות קשורות עם ערכי ביטוי (ציוני נושא) שיכול להבחין בין קבוצות נורמליות ומחלה ולספק אמצעים מבוססי רשת המתואמים עם דירוגים קליניים של חומרת מחלה. בדרך כלל, עשרות נושא לדפוסים כאלה יגדלו עם התקדמות מחלה ואף עשויים לבוא לידי ביטוי לפני הופעת תסמיני 14,24. ואכן, רשת סמנים ביולוגיים הקשורים למחלות מתאפיינים בהפרעות ניווניות כגון מחלת פרקינסון 10 (PD), מחלת הנטינגטון 25 (HD), ומחלת אלצהיימר 8 </sup&gt; (לספירה). חשוב לציין, topographies מטבוליות הקשורות למחלה יש גם זוהה להפרעות תנועת הפרקינסון לא טיפוסיות כגון ניוון מערכת מרובה (MSA) ושיתוק גרעיני מתקדם (PSP). דפוסים אלה היו בשימוש בקונצרט לאבחנה המבדלת של אנשים עם &quot;כפיל&quot; תסמונות קליניות דומות 12,13,26. לעומת זאת, שיטות univariate מבוססות voxel fMRI טיפוסיות להעריך את המשמעות של הבדלים בין חולים ובקרים באשכולות במוח מבודדים. לאחרונה, פותחו שיטות למדידת קישוריות תפקודית בין אזורים מוגדרים בצורות שונות במוח 27-29. הגדרה זו של קישוריות פונקציונלית מוגבלת לנושא ואזור אינטראקציות ספציפיות וחורג מקונספט SSM / PCA המקורי המתייחס לקישוריות החתך של אזורים במוח שחולקו ברשת מרחבית הפנימית 1,2,23,30. לטובתם, פלטפורמות MRIמחדש להתקין בקלות, זמין לציבור רחב, לא פולשנית ובדרך כלל דורש זמן סריקה קצר יותר מאשר שיטות הדמיה radiotracer המסורתיות כגון PET או SPECT וכתוצאה מכך התגברות של מתודולוגיות פוטנציאליות המתוארים בספרות האחרונה. עם זאת, את אותות fMRI תלוי זמן וכתוצאה לספק אמצעים עקיפים של פעילות עצבית מקומית 31,32. האלגוריתמים אנליטיים המורכבים בדרך כלל המועסקים היו מוגבלים על ידי הגודל הגדול של מערכי נתונים, הרעש הפיזיולוגי הגלום באותות fMRI, כמו גם השונה הגבוהה בפעילות המוח שקיים בין נושאים ואזורים 19,23. למרות שניתן להסיק מידע מעניין לגבי ארגון מוח מהמאפיינים של &quot;רשתות&quot; fMRI, הם לא היו יציבים מספיק כדי לשמש כסמנים ביולוגיים למחלות אמינות. יתר על כן, topographies רשת כתוצאה מכך הם לא בהכרח שווה ערך לאלה שזוהו באמצעות מתודולוגיות הדמיה תפקודיות מבוססות כמו SSM / PCA. עבור הרוב הדואר, אימות צולבת קפדני של topographies fMRI התוצאה כבר חסר עם כמה דוגמאות ליישום מוצלח של קדימה דפוסים שמקורם בנתוני סריקה פוטנציאליים ממקרים בודדים. יתרון של ניתוח שונות משותפת PCA טמון ביכולתה לזהות את המקורות המשמעותיים ביותר של וריאציה נתונים בכמה מרכיבים העיקריים הראשונים, אבל זה לא יעיל אם וקטורים העצמיים הבולטים לייצג גורמי רעש אקראיים ולא תגובת רשת הפנימית בפועל. על ידי בחירה רק כמה וקטורים עצמיים הראשונים והגבלה למי שמראה הבדלים משמעותיים בציוני בקרת מטופל לעומת נורמלי, אנחנו לצמצם במידה ניכרות את ההשפעה של גורמי רעש. עם זאת, לגישה הבסיסית שתוארה כאן, אמצעים אלה לא יכולים להיות מספיק כדי לייצר אומדים חזקים בבסיס נתוני fMRI טיפוסי למעט השיטות המתוארות להלן. לכן, בגלל מערכת היחסים היציב הישירות של G האזוריחילוף החומרים lucose ופעילות הסינפטית 33, מתודולוגיה זו יושמה בעיקר לניתוח של נתונים שאר מדינת FDG PET. עם זאת, בהתחשב בכך שזרימת דם במוח (CBF) היא יחד באופן הדוק לפעילות חילוף חומרים במצב מנוחת 10,11,34, SPECT 35,36 ותיוג ספין לאחרונה עורקים (מעל פני הים) בשיטות הדמיה זלוף MRI 37,38, היה בשימוש כדי להעריך את פעילות חילוף חומרים לא תקינה במקרים בודדים. עם זאת, הגזירה של דפוסים שונות משותפת מרחביים אמינים עם fMRI מצב מנוחה (rsfMRI) היא כאמור לא בעבר פשוט 31,32. למרות זאת, ניתוח SSM / PCA הראשוני של נתוני rsfMRI מחולי פרקינסון ונושאי בקרה חשף כמה הומולוגיות טופוגרפיות בין דפוסים הקשורים למחלות זוהו באמצעות שתי שיטות, PET ו המשרעת של תנודות בתדר נמוך (ALFF) של fMRI BOLD 39,40 . לבסוף, אנחנו גם לציין כי גישה זו יושמה בהצלחה בvoxel מבוסס Morphometry (VBM) נתונים מבניים MRI 41,42, חושפים דפוסים שונות משותפת מרחביים ייחודיים הקשורות לאובדן נפח הקשורות לגיל, ובהשוואות נוספות של VBM ודפוסי ASL באותם נושאים 43. מערכת היחסים בין topographies SSM / PCA מרחביים השונות המשותפת ורשתות מוח מקבילות זוהו באמצעות גישות אנליטיות שונות ופלטפורמות הדמיה היא נושא של חקירה מתמשכת.

<table border="1">
 <tbody>
 <tr>
 <td>Name of Equipment</td>
 <td>Company</td>
 <td>Catalog Number</td>
 <td>Comments</td>
 </tr>
 <tr>
 <td></td>
 <td></td>
 <td></td>
 <td>Image Acquisition </td>
 </tr>
 <tr>
 <td>PET Scanner</td>
 <td>GE Medical Systems</td>
 <td>GE Advance</td>
 <td>Any PET, PET/CT and PET/MRI Scanners from GE, Siemens and Philips </td>
 </tr>
 <tr>
 <td>PC Workstations</td>
 <td>Lenovo</td>
 <td>Any</td>
 <td><a href="http://www.lenovo.com/us/en/" target="_blank">http://www.lenovo.com/us/en/</a></td>
 </tr>
 <tr>
 <td></td>
 <td></td>
 <td></td>
 <td>Radiopharmaceuticals </td>
 </tr>
 <tr>
 <td>[18F]-fluorodeoxyglucose</td>
 <td>Feinstein Institute for Medical Research</td>
 <td>Routine Production</td>
 <td>Also distributed by Cardinal Health <a href="http://www.cardinal.com/" target="_blank">http://www.cardinal.com/</a> </td>
 </tr>
 <tr>
 <td></td>
 <td></td>
 <td></td>
 <td>Software </td>
 </tr>
 <tr>
 <td>ScanVP</td>
 <td>Feinstein Institute for Medical Research</td>
 <td>Version 5.9.1, Version 6.2, To be released</td>
 <td><a href="http://www.feinsteinneuroscience.org/" target="_blank">www.feinsteinneuroscience.org</a></td>
 </tr>
 <tr>
 <td>SPM</td>
 <td>The UCL Institute of Neurology</td>
 <td>spm99-spm8</td>
 <td><a href="http://www.fil.ion.ucl.ac.uk/spm" target="_blank">http://www.fil.ion.ucl.ac.uk/spm</a></td>
 </tr>
 <tr>
 <td>Windows</td>
 <td>Microsoft</td>
 <td>Any</td>
 <td></td>
 </tr>
 <tr>
 <td>Matlab</td>
 <td>Mathworks</td>
 <td>Matlab Version 7.0, 7.3</td>
 <td><a href="http://www.mathworks.com/" target="_blank">http://www.mathworks.com/</a></td>
 </tr>
 <tr>
 <td>JMP</td>
 <td>SAS</td>
 <td>Version 5</td>
 <td><a href="http://www.jmp.com/" target="_blank">http://www.jmp.com/</a></td>
 </tr>
 </tbody>
</table>

identification of disease-related spatial covariance patterns using neuroimaging data

המודל מוקטן subprofile (SSM) 1-4 הוא אלגוריתם המבוסס על PCA משתני המזהה מקורות עיקריים של וריאציה במטופל ובקרת נתוני תמונה קבוצתית מוח תוך דחיית רכיבים פחותים (איור 1). מיושם ישירות לנתונים שונות משותפת voxel-by-voxel של תמונות multimodality מצב יציב, סט תמונת קבוצה שלם, ניתן להפחית עד כמה דפוסים שונות משותפת ליניארי עצמאיים משמעותיים ועשרות נושא המתאים. כל דפוס, כינה קבוצת subprofile בלתי משתנה (GIS), היא רכיב עיקרי אורתוגונלי שמייצג את רשת מופצת מרחבית של אזורים במוח הקשורים זה תפקודי. השפעות שיטתיות גדולות בעולם אומרות שיכולות לטשטש תרומות ספציפיות לרשת קטנות יותר יוסרו על ידי המרת לוגריתמי הגלומה ואומרות מרכוז של נתונים 2,5,6. נושאים לבטא כל אחד מדפוסים אלה במידה משתנה מיוצגת על ידי ציון סקלר פשוט שיכול לתאם עם Clin העצמאימתארי iCal או פסיכומטרי 7,8. באמצעות ניתוח רגרסיה לוגיסטי של עשרות נושא (ערכי ביטוי דפוס כלומר), ניתן לגזור מקדמי יניארי לשלב מרכיבים עיקריים מרובים לתוך תבניות בודדות הקשורים למחלות שונות משותפת, רשתות מרחביות מרוכבים כלומר עם אפליה משופרת של חולים מקבוצת ביקורת בריאה 5,6. אימות צולבת בתוך להגדיר הגזירה יכולה להתבצע תוך שימוש בטכניקות resampling bootstrap 9. אימות קדימה הוא אישר בקלות על ידי הערכת ציון ישירה של דפוסי שמקורם במערכי נתונים פוטנציאליים 10. דפוסים לאחר אימות, הקשורות למחלה יכולים לשמש להבקיע חולים בודדים ביחס למדגם התייחסות קבוע, לעתים קרובות הקבוצה של נבדקים בריאים ששמשה (עם קבוצת המחלה) בתבנית הגזירה המקורית 11. ערכים הסטנדרטיים אלה יכולים בתורו לשמש כדי לסייע באבחנה מבדלת 12,13 ולהעריך מחלההתקדמות מחלה וטיפול השפעות ברמת הרשת 7,14-16. אנו מציגים דוגמה ליישום של מתודולוגיה זו לנתונים FDG PET של חולי פרקינסון ובקרות רגילות באמצעות התוכנה בבית שלנו כדי להפיק סמן ביולוגי דפוס שונות משותפת אופייני למחלה.

יישום פשוט של ניתוח SSM / PCA רב משתנים כדי להפיק דפוס סמן ביולוגי להדמייה פ&quot;ד בא לידי ביטוי בהמשך. תמונות PET FDG עשר קליניות אובחנו חולי פרקינסון (6M/4F, 59y ± 7y SD) של משך חולה משתנה (9y ± 5Y SD) ועשר גיל ומין תאמו פקדים רגילים (6M/4F, 58y ± 7y SD) נותחו באמצעות השגרה שלנו ssmpca. העשרים ה?...

Watch this Scientific Journal Video about Identification of Disease-related Spatial Covariance Patterns using Neuroimaging Data at JoVE.com

Identification of Disease-related Spatial Covariance Patterns using Neuroimaging Data

טכניקות מרובות משתנות כולל ניתוח מרכיבים עיקרי (PCA) כבר משמש לזיהוי דפוסי חתימה של שינוי האזורי בתמונות תפקודיות של מוח. אנחנו פיתחו אלגוריתם לזיהוי סמנים ביולוגיים רשת לשעתק לאבחון של הפרעות ניווניות, ההערכה של התקדמות מחלה, וההערכה אובייקטיבית של השפעות טיפול באוכלוסיות חולה.

זיהוי של דפוסי שונות משותפת מרחביים הקשורות למחלה באמצעות נתונים הדמייה

The scaled subprofile model (SSM)1-4 is a multivariate PCA-based algorithm that identifies major sources of variation in patient and control group brain ...

identification-disease-related-spatial-covariance-patterns-using

Research

JoVE Journal

Medicine

15.5K Views.  The Feinstein Institute for Medical Research. טכניקות מרובות משתנות כולל ניתוח מרכיבים עיקרי (PCA) כבר משמש לזיהוי דפוסי חתימה של שינוי האזורי בתמונות תפקודיות של מוח. אנחנו פיתחו אלגוריתם לזיהוי סמנים ביולוגיים רשת לשעתק לאבחון של הפרעות ניווניות, ההערכה של התקדמות מחלה, וההערכה אובייקטיבית של השפעות טיפול...

Video: Identification of Disease-related Spatial Covariance Patterns using Neuroimaging Data

Identification of Sleeping Beauty Transposon Insertions in Solid Tumors using Linker-mediated PCR

Genomic, proteomic, transcriptomic, and epigenomic analyses of human tumors indicate that there are thousands of anomalies within each cancer genome compared to matched normal tissue. Based on these analyses it is evident that there are many undiscovered genetic drivers of cancer1. Unfortunately these drivers are hidden within a much larger number of passenger anomalies in the genome that do not directly contribute to tumor formation. Another aspect of the cancer genome is that there is considerable genetic heterogeneity within similar tumor types. Each tumor can harbor different mutations that provide a selective advantage for tumor formation2. Performing an unbiased forward genetic screen in mice provides the tools to generate tumors and analyze their genetic composition, while reducing the background of passenger mutations. The Sleeping Beauty (SB) transposon system is one such method3. The SB system utilizes mobile vectors (transposons) that can be inserted throughout the genome by the transposase enzyme. Mutations are limited to a specific cell type through the use of a conditional transposase allele that is activated by Cre Recombinase. Many mouse lines exist that express Cre Recombinase in specific tissues. By crossing one of these lines to the conditional transposase allele (e.g. Lox-stop-Lox-SB11), the SB system is activated only in cells that express Cre Recombinase. The Cre Recombinase will excise a stop cassette that blocks expression of the transposase allele, thereby activating transposon mutagenesis within the designated cell type. An SB screen is initiated by breeding three strains of transgenic mice so that the experimental mice carry a conditional transposase allele, a concatamer of transposons, and a tissue-specific Cre Recombinase allele. These mice are allowed to age until tumors form and they become moribund. The mice are then necropsied and genomic DNA is isolated from the tumors. Next, the genomic DNA is subjected to linker-mediated-PCR (LM-PCR) that results in amplification of genomic loci containing an SB transposon. LM-PCR performed on a single tumor will result in hundreds of distinct amplicons representing the hundreds of genomic loci containing transposon insertions in a single tumor4. The transposon insertions in all tumors are analyzed and common insertion sites (CISs) are identified using an appropriate statistical method5. Genes within the CIS are highly likely to be oncogenes or tumor suppressor genes, and are considered candidate cancer genes. The advantages of using the SB system to identify candidate cancer genes are: 1) the transposon can easily be located in the genome because its sequence is known, 2) transposition can be directed to almost any cell type and 3) the transposon is capable of introducing both gain- and loss-of-function mutations6. The following protocol describes how to devise and execute a forward genetic screen using the SB transposon system to identify candidate cancer genes (Figure 1).

Identification of Sleeping Beauty Transposon Insertions in Solid Tumors using Linker-mediated PCR

A method of identifying unknown drivers of carcinogenesis using an unbiased approach is described. The method uses the Sleeping Beauty transposon as a random mutagen directed to specific tissues. Genomic mapping of transposon insertions that drive tumor formation identifies novel oncogenes and tumor suppressor genes

זיהוי<em&gt; יפהפה נרדם</em&gt; הוספות Transposon בגידולים מוצקים באמצעות PCR לינקר בתיווך

Genomic, proteomic, transcriptomic, and epigenomic analyses of human tumors indicate that there are thousands of anomalies within each cancer genome ...

Detection of Architectural Distortion in Prior Mammograms via Analysis of Oriented Patterns

We demonstrate methods for the detection of architectural distortion in prior mammograms of interval-cancer cases based on analysis of the orientation of breast tissue patterns in mammograms. We hypothesize that architectural distortion modifies the normal orientation of breast tissue patterns in mammographic images before the formation of masses or tumors. In the initial steps of our methods, the oriented structures in a given mammogram are analyzed using Gabor filters and phase portraits to detect node-like sites of radiating or intersecting tissue patterns. Each detected site is then characterized using the node value, fractal dimension, and a measure of angular dispersion specifically designed to represent spiculating patterns associated with architectural distortion.
Our methods were tested with a database of 106 prior mammograms of 56 interval-cancer cases and 52 mammograms of 13 normal cases using the features developed for the characterization of architectural distortion, pattern classification via quadratic discriminant analysis, and validation with the leave-one-patient out procedure. According to the results of free-response receiver operating characteristic analysis, our methods have demonstrated the capability to detect architectural distortion in prior mammograms, taken 15 months (on the average) before clinical diagnosis of breast cancer, with a sensitivity of 80% at about five false positives per patient.

Detection of Architectural Distortion in Prior Mammograms via Analysis of Oriented Patterns

We demonstrate methods for the detection of architectural distortion in prior mammograms. Oriented structures are analyzed using Gabor filters and phase portraits to detect sites of radiating tissue patterns. Each site is characterized and classified using measures to represent spiculating patterns. The methods should assist in the detection of breast cancer.

זיהוי של דיסטורשן אדריכלי בממוגרפיה לפני<em&gt; דרך</em&gt; ניתוח דפוסי Oriented

We demonstrate methods for the detection of architectural distortion in prior mammograms of interval-cancer cases based on analysis of the orientation of ...

Using Continuous Data Tracking Technology to Study Exercise Adherence in Pulmonary Rehabilitation

Pulmonary rehabilitation (PR) is an important component in the management of respiratory diseases. The effectiveness of PR is dependent upon adherence to exercise training recommendations. The study of exercise adherence is thus a key step towards the optimization of PR programs. To date, mostly indirect measures, such as rates of participation, completion, and attendance, have been used to determine adherence to PR. The purpose of the present protocol is to describe how continuous data tracking technology can be used to measure adherence to a prescribed aerobic training intensity on a second-by-second basis.
In our investigations, adherence has been defined as the percent time spent within a specified target heart rate range. As such, using a combination of hardware and software, heart rate is measured, tracked, and recorded during cycling second-by-second for each participant, for each exercise session. Using statistical software, the data is subsequently extracted and analyzed. The same protocol can be applied to determine adherence to other measures of exercise intensity, such as time spent at a specified wattage, level, or speed on the cycle ergometer. Furthermore, the hardware and software is also available to measure adherence to other modes of training, such as the treadmill, elliptical, stepper, and arm ergometer. The present protocol, therefore, has a vast applicability to directly measure adherence to aerobic exercise.

Pulmonary rehabilitation is widely recognized in the management of respiratory diseases. A key component to successful pulmonary rehabilitation is adherence to the recommended exercise training. The purpose of the present protocol is to describe how continuous data tracking technology can be used to precisely measure adherence to a prescribed aerobic training intensity.

שימוש רציף נתונים טכנולוגיית מעקב לחקר פעילות גופנית דבקות בשיקום ריאתי

Pulmonary rehabilitation (PR) is an important component in the management of respiratory diseases. The effectiveness of PR is dependent upon adherence to ...

Microarray-based Identification of Individual HERV Loci Expression: Application to Biomarker Discovery in Prostate Cancer

The prostate-specific antigen (PSA) is the main diagnostic biomarker for prostate cancer in clinical use, but it lacks specificity and sensitivity, particularly in low dosage values1&#8203;&#8203;. &#8216;How to use PSA&#39; remains a current issue, either for diagnosis as a gray zone corresponding to a concentration in serum of 2.5-10 ng/ml which does not allow a clear differentiation to be made between cancer and noncancer2 or for patient follow-up as analysis of post-operative PSA kinetic parameters can pose considerable challenges for their practical application3,4. Alternatively, noncoding RNAs (ncRNAs) are emerging as key molecules in human cancer, with the potential to serve as novel markers of disease, e.g. PCA3 in prostate cancer5,6 and to reveal uncharacterized aspects of tumor biology. Moreover, data from the ENCODE project published in 2012 showed that different RNA types cover about 62% of the genome. It also appears that the amount of transcriptional regulatory motifs is at least 4.5x higher than the one corresponding to protein-coding exons. Thus, long terminal repeats (LTRs) of human endogenous retroviruses (HERVs) constitute a wide range of putative/candidate transcriptional regulatory sequences, as it is their primary function in infectious retroviruses. HERVs, which are spread throughout the human genome, originate from ancestral and independent infections within the germ line, followed by copy-paste propagation processes and leading to multicopy families occupying 8% of the human genome (note that exons span 2% of our genome). Some HERV loci still express proteins that have been associated with several pathologies including cancer7-10. We have designed a high-density microarray, in Affymetrix format, aiming to optimally characterize individual HERV loci expression, in order to better understand whether they can be active, if they drive ncRNA transcription or modulate coding gene expression. This tool has been applied in the prostate cancer field (Figure 1).

Human endogenous retroviruses (HERV), which occupy 8% of the human genome, retain scarce coding capacities but a hundred thousand long terminal repeats (LTRs). A custom Affymetrix microarray was designed to identify individual HERV locus expression and was used on prostate cancer tissues as a proof of concept for future clinical studies.

זיהוי מבוסס microarray של פרט HERV לוקוסים ביטוי: בקשה לגילוי סמן ביולוגי בסרטן הערמונית

The prostate-specific antigen (PSA) is the main diagnostic biomarker for prostate cancer in clinical use, but it lacks specificity and sensitivity, ...

In Vivo Tracking of Edema Development and Microvascular Pathology in a Model of Experimental Cerebral Malaria Using Magnetic Resonance Imaging

Cerebral malaria is a sign of severe malarial disease and is often a harbinger of death. While aggressive management can be life-saving, the detection of cerebral malaria can be difficult. We present an experimental mouse model of cerebral malaria that shares multiple features of the human disease, including edema and microvascular pathology. Using magnetic resonance imaging (MRI), we can detect and track the blood-brain barrier disruption, edema development, and subsequent brain swelling. We describe multiple MRI techniques that can visualize these pertinent pathological changes. Thus, we show that MRI represents a valuable tool to visualize and track pathological changes, such as edema, brain swelling, and microvascular pathology, in vivo.

In Vivo Tracking of Edema Development and Microvascular Pathology in a Model of Experimental Cerebral Malaria Using Magnetic Resonance Imaging

We describe a mouse model of experimental cerebral malaria and show how inflammatory and microvascular pathology can be tracked in vivo using magnetic resonance imaging.

בשנת מעקב Vivo של בצקת פיתוח ופתולוגיה מיקרוסקולרית במודל של מלריה מוחית ניסיוני באמצעות תהודה מגנטית הדמיה

Cerebral malaria is a sign of severe malarial disease and is often a harbinger of death. While aggressive management can be life-saving, the detection of ...

High-Throughput Analysis of Optical Mapping Data Using ElectroMap

Optical mapping is an established technique for high spatio-temporal resolution study of cardiac electrophysiology in multi-cellular preparations. Here we present, in a step-by-step guide, the use of ElectroMap for analysis, quantification, and mapping of high-resolution voltage and calcium datasets acquired by optical mapping. ElectroMap analysis options cover a wide variety of key electrophysiological parameters, and the graphical user interface allows straightforward modification of pre-processing and parameter definitions, making ElectroMap applicable to a wide range of experimental models. We show how built-in pacing frequency detection and signal segmentation allows high-throughput analysis of entire experimental recordings, acute responses, and single beat-to-beat variability. Additionally, ElectroMap incorporates automated multi-beat averaging to improve signal quality of noisy datasets, and here we demonstrate how this feature can help elucidate electrophysiological changes that might otherwise go undetected when using single beat analysis. Custom modules are included within the software for detailed investigation of conduction, single file analysis, and alternans, as demonstrated here. This software platform can be used to enable and accelerate the processing, analysis, and mapping of complex cardiac electrophysiology.

This protocol describes the setup and use of ElectroMap, a MATLAB-based open-source software platform for analysis of cardiac optical mapping data. ElectroMap provides a versatile high-throughput tool for analysis of optical mapping voltage and calcium datasets across a wide range of cardiac experimental models.

ניתוח תפוקה גבוהה של נתוני מיפוי אופטי באמצעות מידע אלקטרומגנט

Optical mapping is an established technique for high spatio-temporal resolution study of cardiac electrophysiology in multi-cellular preparations. Here we ...

Virtual Reality Tools for Assessing Unilateral Spatial Neglect: A Novel Opportunity for Data Collection

Unilateral spatial neglect (USN) is a syndrome characterized by inattention to or inaction in one side of space and affects between 23-46% of acute stroke survivors. The diagnosis and characterization of these symptoms in individual patients can be challenging and often requires skilled clinical staff. Virtual reality (VR) presents an opportunity to develop novel assessment tools for patients with USN.
We aimed to design and build a VR tool to detect and characterize subtle USN symptoms, and to test the tool on subjects treated with inhibitory repetitive transcranial magnetic stimulation (TMS) of cortical regions associated with USN.
We created three experimental conditions by applying TMS to two distinct regions of cortex associated with visuospatial processing- the superior temporal gyrus (STG) and the supramarginal gyrus (SMG) - and applied sham TMS as a control. We then placed subjects in a virtual reality environment in which they were asked to identify the flowers with lateral asymmetries of flowers distributed across bushes in both hemispaces, with dynamic difficulty adjustment based on each subject's performance. 
We found significant differences in average head yaw between subjects stimulated at the STG and those stimulated at the SMG and marginally significant effects in the average visual axis.
VR technology is becoming more accessible, affordable, and robust, presenting an exciting opportunity to create useful and novel game-like tools. In conjunction with TMS, these tools could be used to study specific, isolated, artificial neurological deficits in healthy subjects, informing the creation of VR-based diagnostic tools for patients with deficits due to acquired brain injury. This study is the first to our knowledge in which artificially generated USN symptoms have been evaluated with a VR task.

The goal was to design, build, and pilot a novel virtual reality task to detect and characterize unilateral spatial neglect, a syndrome affecting 23-46% of acute stroke survivors, expanding the role of virtual reality in the study and management of neurologic disease.

כלי מציאות מדומה להערכת הזנחה מרחבית חד-צדדית: הזדמנות חדשנית לאיסוף נתונים

Unilateral spatial neglect (USN) is a syndrome characterized by inattention to or inaction in one side of space and affects between 23-46% of acute stroke ...

Detection and Removal of Tooth-Colored Composite Resin Using the Fluorescence-Aided Identification Technique

The detection and removal of tooth-colored filling materials is a major challenge for every dentist. The Fluorescence-aided Identification Technique (FIT) is a noninvasive tool to facilitate the distinction of composite resin material from sound tooth substance. Compared to conventional illumination, FIT is a very accurate, reliable, and fast diagnostic method. When composite resin is illuminated with a wavelength of approximately 398 &plusmn; 5 nm, certain fluorescent components make the composite resin appear brighter than the tooth structure. Any fluorescence-inducing light source with the appropriate wavelength can be used for this method. Optimally, this technique is used without additional natural or artificial lighting. The application of FIT can be used for diagnostic purposes, for example, dental charts, and additionally for the complete and minimally invasive removal of composite resin restorations, bracket debonding, and trauma splint removal. The assessment of volumetric changes after composite removal can be provided by overlapping pre- and postoperative scans and subsequent calculation using suitable software.

The Fluorescence-aided Identification Technique is a practicable, fast, and reliable approach for the differentiation of composite resin restorations from tooth substance, and facilitates the minimally invasive and complete removal of composite resin restorations and composite bonded trauma splints.

איתור והסרה של שרף מרוכב בצבע השן באמצעות טכניקת זיהוי בעזרת פלואורסצנציה

The detection and removal of tooth-colored filling materials is a major challenge for every dentist. The Fluorescence-aided Identification Technique (FIT) ...

Visualization of Metabolites Identified in the Spatial Metabolome of Traditional Chinese Medicine Using DESI-MSI

The medicinal use of traditional Chinese medicine is mainly due to its secondary metabolites. Visualization of the distribution of these metabolites has become a crucial topic in plant science. Mass spectrometry imaging can extract huge volumes of data and provide spatial distribution information about these by analyzing tissue slices. With the advantage of high throughput and higher accuracy, desorption electrospray ionization mass spectrometry imaging (DESI-MSI) is often used in biological research and in the study of traditional Chinese medicine. However, the procedures used in this research are complicated and not affordable. In this study, we optimized sectioning and DESI imaging procedures and developed a more cost-effective method to identify the distribution of metabolites and categorize these compounds in plant tissues, with a special focus on traditional Chinese medicines. The study will promote the utilization of DESI in metabolite analysis and standardization of traditional Chinese medicine/ethnic medicine for research-related technologies.

In this study, a series of methods are presented to prepare DESI-MSI samples from plants, and a procedure of DESI assembly installation, MSI data acquisition, and processing is described in detail. This protocol can be applied in several conditions for acquiring spatial metabolome information in plants.

הדמיה של מטבוליטים שזוהו במטבוליזם המרחבי של הרפואה הסינית המסורתית באמצעות DESI-MSI

The medicinal use of traditional Chinese medicine is mainly due to its secondary metabolites. Visualization of the distribution of these metabolites has ...

מודל תלת-ממדי מקיף לפיזור תפקודי שומן בכבד באמצעות Dixon MRI

A 3D Quantification Technique for Liver Fat Fraction Distribution Analysis Using Dixon Magnetic Resonance Imaging

This study presents a 3D quantification methodology for the distribution of liver fat fraction (LFF) through the utilization of Dixon MRI image analysis. The central aim is to offer a highly accurate and non-invasive means of evaluating liver fat content. The process involves the acquisition of In-phase and Water-phase images from a Dixon sequence. LFF maps are then meticulously computed voxel by voxel by dividing the Lipid Phase images by the In-phase images. Simultaneously, 3D liver contours are extracted from the In-phase images. These crucial components are seamlessly integrated to construct a comprehensive 3D-LFF distribution model. This technique is not limited to healthy livers but extends to those afflicted by hepatic steatosis. The results obtained demonstrate the remarkable effectiveness of this approach in both visualizing and quantifying liver fat content. It distinctly discerns patterns that differentiate between normal and steatotic livers. By harnessing Dixon MRI to extract the 3D structure of the liver, this method offers precise LFF assessments spanning the entirety of the organ, thereby holding great promise for the diagnosis of hepatic steatosis with remarkable effectiveness.

Author Spotlight: כלי לא פולשני להערכה והבחנה של דפוסי שומן בכבד באמצעות 3D Dixon MRI 

This study introduces a unique 3D quantification method for liver fat fraction (LFF) distribution using Dixon Magnetic Resonance Imaging (Dixon MRI). LFF maps, derived from in-phase and water-phase images, are integrated with 3D liver contours to differentiate LFF patterns between normal and steatotic livers, enabling precise assessment of liver fat content.

טכניקת כימות תלת ממדית לניתוח פיזור שברי שומן בכבד באמצעות הדמיית תהודה מגנטית של דיקסון

This study presents a 3D quantification methodology for the distribution of liver fat fraction (LFF) through the utilization of Dixon MRI image analysis. ...