JoVE Logo
АВТОРЫ
СВЯЖИТЕСЬ С НАМИ

Войдите в систему

Для просмотра этого контента требуется подписка на Jove Войдите в систему или начните бесплатную пробную версию.

В этой статье

  • Резюме
  • Аннотация
  • Введение
  • протокол
  • Результаты
  • Обсуждение
  • Раскрытие информации
  • Благодарности
  • Материалы
  • Ссылки
  • Перепечатки и разрешения

Резюме

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.

Аннотация

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.

Введение

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.

протокол

Методы исследования, используемые в ходе данного исследования были одобрены институциональные наблюдательные советы (IRB) из Университета Дьюка и Университета Северной Каролины - Чапел-Хилл.

1. Задача Дизайн изображений

  1. Генерация поведения задачу на основе событий, которая представляет редкие целевые стимулы (круг) в пределах последовательности более частых стандартных стимулов (яичница изображений). Схема задачи показан на рисунке 1. Представить задачу, используя программное обеспечение CIGAL 10.

figure-protocol-631
Рисунок 1. Схема дизайна задач. Эта цифра была изменена с Хартом и др. 20, с разрешения. Пожалуйста, нажмите здесь, чтобы посмотреть большую версию этой фигуры.

  1. Выберите, какET из отвращение стимулов и набор нейтральных стимулов из базы данных Международного аффективное изображение системы (ИПД). IAPS изображения оценивается по шкале от 1-9, чтобы отразить уровни возбуждения и валентности 11. Высокие цифры показывают положительную валентность выше и возбуждение. Выберите набор изображений, которые соответствуют возрасту в исследуемой группе, например, изображения змей, пауков и других животных.
    Примечание: задача-не имеет значения отрицательные подкрепления изображения, используемые в этом исследовании имели среднюю оценку валентное 3,38 (SD = 1,78) и средней оценкой в ​​6.14 возбуждения (SD = 2,08). Нейтральные стимулы изображения имели среднюю валентность 6.21 (SD = 0,26) и средней оценкой возбуждения 3,72 (SD = 2,15).
  2. Программа сценарий Задача такая, что изображения представлены в псевдо-случайном порядке на 1500 мс с 500 мс означает интервал между стимул. Нынешние целевые стимулы и задачи-не имеет значения нейтральные изображения не чаще, чем каждые 15 сек и сделать каждый около 4% стимулов. Джиель событий время развития в целях обеспечения лучшего разрешения функции отклика гемодинамики.
  1. Создать 8 наборов изображений, по одному для каждого из 8 функциональных трасс, таких, что участники представлены в общей сложности 40 целей и 40 задач, не имеет значения нейтральных изображений на протяжении всех 8 серий.

2. Участник Настройка и сканирование

  1. Набирать детей и подростков в возрасте от 9 до 18 лет, которые либо здоровые люди управления или которые в семейной высоким риском психоза.
    1. Убедитесь, что здоровые люди не имеют психические заболевания или каких-либо членов семьи первой степени с психическими заболеваниями. Убедитесь, что семейные участники риска имеют по крайней мере один родственник первой степени (родитель или родной брат) с шизофренией. Не исключает их наличие других психических заболеваний в первой степени родства.
    2. Возраст и пол матч здоровых участников с участником группы риска семейнаяс.
  2. Приобретать информированное согласие от участников в возрасте старше 18 для несовершеннолетних, приобретают информированное согласие от родителей / опекунов. Кроме того, приобрести письменного согласия от несовершеннолетних, принимающих участие в исследовании.
  3. Поместите участников макет сканера МРТ для того, чтобы ознакомить их с окружающей средой. Слушать аудиозапись шума сканера и их завершения практики пробег поведенческой задачи для того, чтобы гарантировать, что они понимают инструкции задач.
  4. Поместите участника в томограф и приобрести любые необходимые сканирования локализации мозга и / или анатомические изображения.
  5. Использование окно ввода МРТ-сейф, сказать участникам нажать одну кнопку с их указательным пальцем в ответ на всех целевых стимулов и другой кнопки с их средним пальцем для всех других стимулов.
  6. После сканирования МРТ, собирать субъективные рейтинги возбуждения и валентности для изображений, используемых в исследовании из подмножества участников. В Currenт исследование получены рейтинги от 15 управления и 13 с семейной высокого риска.

3. Получение изображения

  1. Участники Место в 3,0 Тесла МРТ сканера. Во-первых, приобрести набор структурных изображений, включая 3D копланарного анатомические Т1 контраста изображения, используя градиентное напомнил приобретения последовательность импульсов (TR: 5,16 мс; TE: 2,04 мс; FOV: 24 см; матрицу изображения: 256 × 256; флип Угол обзора: 20; размер воксела: 0,94 мм × 0,94 мм × 1,9 мм; 68 осевые ломтики).
  2. Приобретать функциональные данные изображений с помощью градиента эхо эхо-планарной последовательности изображений с охватом полного мозга (ТР: 2,000 мс; TE: 27 мсек; FOV: 24 см; матрица изображения: 64 × 64; флип угол: 60; размер воксела: 3.75 мм × 3,75 мм × 3,8 мм, 34 аксиальных срезов), так что активность мозга может быть измерено при выполнении поведенческого задачи. Запустите эту последовательность изображений для каждого запуска поведенческой задачи. Каждый прогон должен состоять из 120 временных точек изображения.
  3. Представьте ТаSK в 8 функциональных трасс, каждая из которых длится примерно 4 мин.

4. Анализ

  1. Предварительная изображения: Открытое МРТ Эксперт Analysis Tool (ПОДВИГ) в FSL 12. Выберите анализ первого уровня и предварительно статистике.
    1. На вкладке «Данные», выберите количество входных изображений и введите путь к каждому из изображений МР вы собираетесь обрабатывать. Установите выходной каталог. Введите Всего томов, количество выброшенных приобретений, и TR.
    2. На вкладке "Pre-статистики", установите исправление движения для MCFLIRT, пространственное сглаживание FWHM 5 мм, и "фрагмент времени коррекции". Выберите "BET добычу мозга" и "верхних частот" временную фильтрацию, но не выбирайте B0 unwarping (ЮНЕСС у вас есть карты градиента поля) или "я ntensitiy normaization". 12,14.
    3. На вкладке "Регистрация", выберите "Main STRUctural изображения ". Введите путь к череп раздели T1-взвешенные изображения объекта. Использование линейного обычный поиск по крайней мере 6 DOF. Выберите пространство флажок Standard. Введите путь к атлас изображения MNI. Используйте нормальный, линейные поиск с 12 ФО. Пресс-Go.
    4. Исключить участникам больше, чем 3 мм движения головы в X, Y, Z или направлений.
  2. Уровень 1: Сравнение данных между условиями задачи в один проход. Открыть ПОДВИГ. Выберите "анализ первого уровня" и "Статистика + разместить статистика".
    1. На вкладке Данные установите количество входов и введите путь к каждому из изображений МР. Введите путь к директории "Output". Введите "Всего объемы", ряд приобретений, выброшенных и TR.
    2. На вкладке "Статистика", выберите "Использовать ФИЛЬМ prewhitening" флажок 16. Нажмите "полной модели SEКнопка стро ". Установите "Количество оригинальных электромобилей» к числу условий задачи. Для каждого состояния, выберите "(формат 3 столбца) на заказ" из основной формы выпадающего меню и "двойной Гама HRF от" свертки "в раскрывающемся меню и выберите 17,18 текстовый файл, содержащий параметры синхронизации.
      1. Формат этот текстовый файл в 3 колонки с одной записью для каждого "событие" данного типа. Первый столбец должен содержать время начала (в секундах), второй должен содержать длительность (в секундах), а третий должен содержать вес событий. На вкладке Контрасты и F-тесты, создать один контраст для каждого состояния задачи и по одной для каждого сравнения.
    3. На вкладке «пост-Stats", выберите "Cluster" на "пороговых значений" в раскрывающемся меню и установите "Z" и порог кластера P Threshold до 2,3 и 0,05 соответственно 8,19.
    4. На вкладке "Регистрация", выберите "Main структурное изображение". Введите путь к череп раздели T1-взвешенные изображения объекта. Используйте линейный обычный поиск по крайней мере 6 DOF. Выберите "Стандартный" пространство флажок. Введите путь к изображению атлас MNI. Используйте нормальный, линейный поиск с 12 ФО. Нажмите "Перейти".
  3. Уровень 2: Сравнение данных между работает для каждого состояния задачи. Открыть ПОДВИГ. Выберите "анализ высшего уровня" и "Статистика + разместить статистика" из выпадающего меню.
    1. На вкладке Данные, выберите "Входы подвиг каталоги нижнего уровня". Установите количество входов и введите путь к каждому из изображений МР. Введите путь к директории "Output".
    2. На вкладке "Статистика", изменить "Смешанные эффекты: FLAME1" окно выбора с "Исправлена ​​Еffects ". Нажмите" Модель Мастер установки "кнопку. Выберите" одна группа в среднем "и нажмите кнопку" Process ".
    3. На вкладке «пост-статистики", выберите "Cluster" на "пороговых значений" в раскрывающемся меню и установите "Z" и порог порог "Кластер" P 2,3 и 0,05 соответственно 8,19. Нажмите "Перейти".
  4. Уровень 3: Сравнение данных между субъектами для каждого состояния задачи во всех прогонов. Открыть ПОДВИГ. Выберите "анализ высшего уровня" и "Статистика + разместить статистика" из выпадающего меню.
    1. На вкладке Данные, выберите "Входы 3D справиться изображения с FEAT каталогов." Установите количество входов и введите путь к каждому из изображений МР. Введите путь к директории "Output".
    2. На "Статистика" тAB, нажмите "Полное установки модели". Установите количество электромобилей, равное числу групповых переменных и ковариат, таких как диагностической группы, возраста, пола и т.д. Введите значения для каждого субъекта (вход 1 - вход п) для каждого EV. Вы можете использовать окно "Вставить", чтобы скопировать таблицу из этих значений.
      1. На вкладке "Контрасты и F-тесты", добавить контраста для каждой переменной тестирования и для каждого контраста (например, диагностика группа). Для каждой переменной теста, установить контрастность, выбрав значение 1 в столбце под соответствующим EV. Для каждого, напротив, установить первое значение 1, а второй -1. Выберите "Готово".
    3. На вкладке «пост-Stats", выберите "Cluster" на "пороговых значений" в раскрывающемся меню и установите "Z" и порог порог "Кластер" P 2,3 и 0,05 соответственно 8,19 . Нажмите "Перейти".

Результаты

Там не было никаких различий между группами на основе демографических характеристик 20. Поведенческие данные показали, что задача обнаружения цели находится на соответствующем уровне сложности для детей и подростков в возрасте от 9-18. В текущем исследовании, контролирует правиль...

Обсуждение

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.

Раскрытие информации

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.

Благодарности

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.

Материалы

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

Ссылки

  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 .
  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. Lang, P. J., Bradley, M. M., Cuthbert, B. N. . International affective picture system (IAPS): Digitized photographs, instruction manual and affective ratings. Technical Report A-6. , (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).

Перепечатки и разрешения

Запросить разрешение на использование текста или рисунков этого JoVE статьи

Запросить разрешение

Смотреть дополнительные статьи

106

This article has been published

Video Coming Soon

JoVE Logo

Конфиденциальность

Условия эксплуатации

Политика

СВЯЖИТЕСЬ С НАМИ

РЕКОМЕНДОВАТЬ БИБЛИОТЕКЕ

НОВОСТИ JoVE

Исследования

Образование

АВТОРЫ

Библиотекарь

О JoVE

Авторские права © 2025 MyJoVE Corporation. Все права защищены