Bu çalışma, Ulusal Nörolojik Bozukluklar Enstitüsü ve İnme gelen DE için Hibe No P50NS071675 (Tıbbi Araştırma Feinstein Enstitüsü Parkinson Hastalığı Araştırma Mükemmellik Morris K. Udall Merkezi) tarafından desteklenmiştir. Içeriği sadece yazarların sorumluluğundadır ve mutlaka Ulusal Nörolojik Bozukluklar Enstitüsü ve İnme veya Ulusal Sağlık Enstitüleri resmi görüşlerini temsil etmemektedir. Destekleyici, çalışma tasarımı, toplanması, analizi ve verilerin yorumlanması rol oynayan raporun yazma veya yayın için kağıt göndermek için karar vermedi.

1. Veri Toplama ve Ön işleme <ol><li> SSM / PCA yöntemi çeşitli kaynaklardan ve yöntemleri elde edilen tek ses görüntülere uygulanabilir. Özellikle, metabolizma yerinde PET görüntüleme için, bu tür [18 F] gibi uygun bir radyonüklid izleyici hazırlamak-florodeoksiglukoz (FDG) ve her hastaya yönetmek. Hastalar genellikle ilaçlar kapalı, en az 12 saat hızlı bir takip, gözleri açık istirahat taranır. </li><li> Bireysel ya da grup değerlendirmesi için her konu tarayın. Desen türetme için, cinsiyet ve yaş olarak eşleştirilmiş hasta ve kontrol eşit sayıda tarayın. </li><li> Bir iş istasyonuna veri aktarımı ve platformda analiz için uygun bir biçime dönüştürmek. MATLAB analiz yazılımı (scanvp, ssm_pca, esas bizim Windows PC <a href="http://www.feinsteinneuroscience.org" target="_blank">www.feinsteinneuroscience.org</a> ) ANALİZİ gerektirir veya Nifti formatında görüntüleri (Mayo Clinic, Rochester, MN). Bu bir dönüşüm rutin t sağlaro dönüşümü GE Advance (Milwaukee, WI, ABD) tarayıcı ve başka bir biçim görüntü formatı ANALYZE için. </li><li> Ortak bir stereotaksik alanı (örneğin Montreal Nöroloji Enstitüsü [MNI]) (örneğin istatistiksel parametrik haritalama (SPM) gibi bir beyin görüntüleme yazılım paketi kullanarak her konu imajını Normale <a href="http://www.fil.ion.ucl.ac.uk/spm" target="_blank">http://www.fil.ion.ucl.ac.uk/spm</a> ) konular (Şekil 2) arasındaki voksel değerler bire bir yazışma olduğunu böylece. Gri madde alanları (Şekil 3) ve günlük dönüşüm için analiz sınırlamak için maskeleme sonraki adımlar açıklanmıştır. </li></ol> 2. Çok değişkenli SSM / PCA yapın Çok değişkenli SSM / PCA (Şekil 4) Operasyon dış yazılımı tarafından yapılabilir. Adımlar bizim in-house rutinleri (Şekil 5) (tarama tarafından otomatik olarak çoğunlukla yapılan işlemler yansıtmak aşağıda dökümüvp / ssmpca, <a href="http://www.feinsteinneuroscience.org" target="_blank">www.feinsteinneuroscience.org</a> ) bir SPM araç ssm_pca olarak da kullanılabilir. <ol><li> , Beyaz madde ve ventrikül olarak voksel alanı istenmeyen alanları çıkarmak için kullanılabilir bir 0/1 görüntü kullanılarak maske verileri. Ssmpca rutin kullanarak, kullanıcının varsayılan veya diğer harici maskesi (Şekil 3) seçmek için veya program otomatik olarak her konuda veri maksimum seçilen bir sabit yüzde daha düşük değerlere kaldırarak bir maske oluşturmak için bir seçenek verilir. Bireysel konu maskeleri daha sonra kompozit maske belirlemek için çarpılır. Maske içindeki alanları analiz için ortak bir sıfır olmayan bir voksel bir boşluk tanımlar. </li><li> Ardışık uçaklarından sıralı tarama çizgisi (Şekil 4a) ekleyerek sürekli bir satır vektörü her öznenin 3D maskeli görüntü voksel verileri dönüştürmek. Her öznenin veriler, belirli bir r karşılık gelecek şekilde bir grup veri matrisi (M) FormMatrisin ah. Her bir sütun sonra denekler arasında, belirli bir voksel temsil eder. İdeal olarak, biyolojik derivasyon için, matris normal kontrol konusu veri ve hastalık konusu veri satırlarının eşit sayıda oluşacaktır. </li><li> Logaritmik forma her veri girişi dönüştürmek. </li><li> Merkezi her satır ortalama veya konu çıkarılarak karekod satır elemanları anlamına gelir. Tüm merkezli satır ortalama karakteristik bir grup günlük resmi (GMP, Şekil 4a) bir grup ortalama profil olarak adlandırılan anlamına temsil eder. Mukabil matris elemanları sütun GMP unsurları sütun vasıtasıyla çıkarılır. Çift merkezli matris her satır bir &#39;kalıntı&#39; görüntü bir konu artık profili (SRP) olan elemanları hem de konu s ve voksel v grup ortalamaları (Şekil 4b) sapmalar temsil olarak adlandırılan temsil eder. SRP sv = logD sv - Yani s - GMP v </li><li> Uzk Constructher konu çift i arasındaki olmayan normalize kovaryans bilgisayar tarafından bileşik çift merkezli karekod vb-ile-konu kovaryans matrisi C, SRP matris satır j (Şekil 4b) tüm voksellerden v üzerinde özetlenebilir ilgili voksel elemanları bir ürünü olarak değerlendirilebilir . C ij = Σ v (SRP iv x SRP ortak girişim) </li><li> Konu-by-konu kovaryans matrisi C PCA uygulayın. Sonuçlar ilişkili öz ile konu puanı özvektörler bir dizi olacak. Karşılık gelen özdeğer kare kökü ile çarpılarak her bir vektör ağırlıklarının. Skor özvektör grubu Şekil 4c &#39;de çıkan matris S sütun ile temsil edilmektedir. </li><li> Öz, aynı seti için Voxel özvektörler hesaplama proced talep daha az sütun kovaryans matris sütun PCA uygulayarak ya da bu alternatif ile belirlenebilirure (Şekil 4c) tasvir. Öz sırasına (Şekil 4c, Şekil 6, Şekil 7a) inen voksel desen özvektörler bir dizi P elde etmek devrik SRP matris tarafından daha önce elde edilen puan vektör matris çarpma bıraktı. P = SRP T x S Her sütun vektör kendi özdeğer göreli büyüklüğüne karşılık gelen (VAF) sorumluydu toplam varyansın bir yüzde atfedilen SSM / PCA analizi bir temel bileşen (PC) görüntü desen temsil eder. </li></ol> 3. Desen Biomarker Derivasyon <ol><li> Yüksek VAF değerleri ile ilişkilidir PC modelleri belirlemek için önceki analiz sonuçları inceleyin. Bizim rutin içinde, voksel desen vektörler kendi değerlerinin ortalama değerinden pozitif ve negatif standart sapmaları temsil böylece Z-dönüştürülmüş bulunmaktadır. Daha sonra (Şekil 7a) önce görüntülemek için görüntü formatı içine yeniden belirlenmiştir. </li><li&gt; Bazı durumlarda, hastalık ile ilişkili bilinen bölgesel olarak sapma ile desenler görsel olarak tespit edilebilir. Matematiksel formülasyonu bilgisayarlar ve ilgili puanları hem de fiziksel olarak doğru yorumu uymak için eksi bir ile çarpılarak olabilir bu durumda eşdeğer çözüm olarak türetilmiş PC&#39;ler olumlu ve olumsuz formları dikkate alır. </li><li> Her PC desen karşılık gelen puanları çubuk grafikler ve dağılım grafikleri (Şekil 7) olarak görüntülenir. İsteğe bağlı ROC arsa (Şekil 7d) oluşturulabilir. Bir hastalığa özgü desen belirlemek için, ilgili iki örnek t-testleri ve AUC değerleri p-değerleri ile yansıtılır hasta ve kontroller arasında konu puanlarının farklılaşma dikkat edin. Bazı sabit limit değerleri (örneğin, p &lt;0.05 ve VAF&gt;% 5) için yüksek VAF ve yüksek farklılaşma ile ilişkili PC&#39;ler için analiz sınırlayın. Tipik olarak, sadece bir veya iki PC PET veri için bu kriteri karşılamak. </li><li> Değişken vardır44 kabul edilebilir PC seçimi için lı başka yollar. Öz dejenere başlar nerede sıralı öz (Şekil 6) kayşat arsa eğri bir viraj temsil keskin kesim değeri ve eğrisinin eğimi keskin bir düşüş verebilir. Diğer bir yaklaşım varyansın en iyi 50% için hesap tüm PC&#39;ler eklemektir. Bir yaygın olarak kabul prosedürü hasta ve kontroller arasında ayırt edebilirsiniz en düşük AIC değeri ile model tanımlamak bilgisayarların hangi kombinasyonu belirlemek için Akaike Bilgi Kriteri (AIC) 45 hesaplamak için. </li><li> Seçilen Bilgisayar (lar), vektör normalize edilmiş ve doğrusal olarak tek bir hastalıkla ilişkili model elde etmek için birleştirilebilir. Bizim yazılım isteğe bağlı olarak konu puanları uygulanan lojistik veya diğer regresyon modelleri dayalı katsayıları belirlemek için MATLAB işlevi glmfit kullanır. Hasta ve kontrol gruplarının farklılaşması genellikle de dikkate ek bilgisayarlar ile geliştirir rağmenrivation grup, ortaya çıkan desenleri tek bir fiziksel ağ için uygun olmayabilir ya da aykırı sapmalar (Şekil 7a ve 7c) dahil olabilir bir kompozit temsilidir. </li><li> Ayrıca doğrulama güvenilirlik ve potansiyel önemi için gereklidir. Tekrarlanan türetme en az standart sapma ile ilişkili özgün türetme kümesi içindeki en güvenilir vokseller tespit etmek 8 aşağıda tartışıldığı gibi özyükleme örnekleme gerçekleştirilebilir. İleri doğrulama protokolü bir sonraki bölümü açıklanan tek konu skoru değerlendirme yöntemi (Şekil 4d) kullanan hastaların ve kontrollerin muhtemel grupları için puanları türetmek bağımsız grup ayrımcılık duyarlılık ve özgüllük test etmek için yapılır. </li></ol> 4. Bir önceden belirlenmiş Biomarker kullanarak tek konu Aday Puan Değerlendirme <ol><li> Önemli bir SSM-CBS biyolojik desen keztespit edilmiştir, ileriye dönük bir konuda bir ifade puan öznenin SRP vektör ve CBS desen vektör (Şekil 4d, Şekil 7d) iç vektör ürünün basit bir hesaplama kullanarak bu kişinin tarama değerlendirilebilir. PUAN = stres durumları • Desen </li><li> Önceki çalışma bizim TPR rutin tarafından otomatiktir. Ancak, bağımsız olarak konu stres durumları vektör günlük dönüştürülmüş verilere ilişkili içsel CBS maskesi kullanın ve bu konuda ortalama ve adım 2.4 olarak prederived referans grup GMP ilgili voksel değerleri her iki çıkarmak elde etmek. Bu puanları önceden belirlenmiş referans aralığı ile karşılaştırılabilir sigortalanır. Yeni bir grup için puanları benzer ileriye dönük tek bir konu puanları kümesi olarak değerlendirilebilir. Desen değişmez, farklı bir referans grup veya ayar ile kullanmak için, GMP tekrar kalibre edilebilir. </li></ol>

Dr Eidelberg sinir sistemi fonksiyon bozukluğu için hasta (finansal kazanç olmadan) ekrana görüntüleme belirteçlerin kullanımı ile ilgili iki ABD patent eş mucidi olarak listelenir. Başka açıklama bulunmamaktadır.

SSM / PCA model başlangıçta Moeller ve arkadaşları tarafından sunulan. 4 beyin görüntüleme verilerinin analizi için basit ve sağlam teknik içine 1-3 gelişti. Ancak, burada ve daha önceki yayınlarda 5-7,10 içinde netleştirmek için çalıştığınız bu metodolojinin uygulama belirsizlikler olmuştur. Bu konulardan bazıları metinde ele alınmıştır ama nedeniyle önemi burada yeniden vurguladı vardır. Giriş ayrıntılı olarak, SSM / PCA devlet FDG PET ve...

Nörodejeneratif hastalıkların yaygın lokalize ve beyin metabolizma anormallikleri yanı sıra bölgesel etkileşimleri 17 çalışma olmayan dolaylı yöntemler ölçmek teknikleri kullanılarak incelenmiştir. Bu temel bileşenler analizi (PCA) 1,2,4,18 ve bağımsız bileşen analizi (ICA) 19,20, yanı sıra en kısmi kareler (PLS) 21 ve kanonik sıra trendleri denetimli teknikleri gibi veri tabanlı çok değişkenli analitik stratejileri değişkenler analizi (ORT / SVO) 22 karakteristik desen veya birbiriyle ilişkili faaliyet &quot;ağlar&quot; ortaya çıkarabilir. Özellikle çok değişkenli işlemleri, ölçekli subprofile modeli (SSM) temellerini 1,2,4-6,18 önce vallahi 3 tarif edilmiştir. Bu PCA-temelli bir yaklaşım aslında serebral kan akımı ve metabolizma ACQ kararlı durum tek hacimli görüntülerde beyin bölgeleri arasında anormal fonksiyonel kovaryans ilişkileri incelemek için geliştirilmiştiryüksek sinyal-gürültü özellikleri gösteren PET ve SPECT gibi yöntemleri dinlenme durumunda uired. Hastalığa özgü SSM kalıpları normal kişilerde 7,16 göre ve tek bir ağ işlem veya birkaç karmaşık anormal fonksiyonları 23 asimilasyon yansıtabilir hastalarda bölgesel topografya genel farklılıkları yansıtan görüntüleme biyolojik bulunmaktadır. Metabolik kovaryans desen beyin ağları normal ve hastalık grupları arasında ayrım ve hastalık şiddetinin klinik puan alan ilişkili ağ tabanlı önlemleri sağlayabilir ifade değerleri (konu puanları) ile ilişkilidir. Tipik olarak, bu desen için konu puanları hastalığın ilerlemesi ile artış ve hatta semptomların başlamasından 14,24 önce ifade edilebilir. Gerçekten de, hastalık ile ilgili ağ biyolojik örneğin Parkinson hastalığı 10 (PD), Huntington hastalığı 25 (HD) ve Alzheimer hastalığı gibi nörodejeneratif hastalıkların 8 için karakterize edilmiştir </&gt; (AD) destek. Önemli olarak, hastalıkla ilişkili metabolik topografyalarının ayrıca multisistem atrofi (MSA) ve ilerleyici supranükleer felç (PSP) gibi atipik parkinson hareket bozukluğu için tespit edilmiştir. Bu modeller 12,13,26 klinik olarak benzer &quot;benzer&quot; sendromu olan bireylerin ayırıcı tanısında uyum içinde kullanılmıştır. Buna karşılık, tipik fMRI voksel-tabanlı tek değişkenli yöntemler izole beyin kümeler halinde hasta ve kontroller arasında farklılıkların önemini değerlendirmek. Daha yakın zamanda, çeşitli şekillerde tanımlanan yöntem beyin bölgelerinde 27-29 arasında işlevsel bağlantı ölçmek için geliştirilmiştir. Fonksiyonel bağlantı bu tanımı konusu iç bölgede ve mekansal olarak dağıtılmış beyin ağ bölgelerinde 1,2,23,30 bölgesinin kesit birleştiricisi anlamına gelir orijinal SSM / PCA kavramından spesifik etkileşimler ve sapma ile sınırlıdır. Kendi çıkarları, MRI platformları bir içinyeniden kolayca kurulabilir, yaygın olarak kullanılan, invaziv olmayan ve genellikle son literatürde potansiyel metodolojileri bir artış ile sonuçlanan bu tür PET veya SPECT gibi geleneksel radyotracer görüntüleme yöntemleri daha kısa tarama süresi gerektirir. Ancak, ortaya çıkan zamana bağlı fMRI sinyalleri yerel nöral aktivitenin 31,32 dolaylı önlem alınmasını sağlamaktadır. Istihdam genellikle karmaşık analitik algoritmaları veri setlerinin büyüklüğü, fMRI sinyalleri doğasında fizyolojik gürültü, hem de konular ve bölgeler 19,23 arasında var beyin aktivitesinde yüksek değişkenlik tarafından sınırlı kalmıştır. Beyin organizasyonu ile ilgili ilginç bilgiler fMRI &quot;ağlar&quot; özelliklerini anlaşılmaktadır olabilir de, güvenilir hastalığı biyolojik olarak kullanılmak üzere yeterince kararlı olmamıştır. Ayrıca, ortaya çıkan ağ topografyalarının gibi SSM / PCA olarak kurulan fonksiyonel görüntüleme yöntemleri kullanılarak tespit olanlara mutlaka eşdeğer değildir. The çoğunlukla, ortaya çıkan fMRI topografyalarının çapraz doğrulama titiz tek vakalardan prospektif tarama veri elde desen başarılı ileri uygulama birkaç örnek ile eksik olan. PCA kovaryans analizi bir avantajı ilk birkaç temel bileşenler veri değişimi en önemli kaynaklarını belirlemek için kapasitesini yatıyor ama önemli özvektörler yerine gerçek içsel ağ yanıt daha rastgele gürültü faktörleri temsil eğer etkisizdir. Yalnızca ilk birkaç özvektörler seçme ve hasta karşı normal kontrol puanlarında önemli farklılıklar göstermektedir olanlar için sınırlayarak, biz büyük ölçüde gürültü unsurların etkisini azaltır. Ancak, burada açıklanan temel yaklaşım için, bu önlemler aşağıda açıklanan yöntemleri dışında tipik bir fMRI kümesi içinde sağlam tahmin üretmek için yeterli olmayabilir. Bu nedenle, bölgesel g kararlı doğrudan ilişki nedeniylelucose metabolizma ve sinaptik aktivite 33, bu yöntem geri kalan devlet FDG PET verilerin analizi öncelikle uygulanmıştır. Ancak, kullanılmıştır, serebral kan akımı (CBF) yakından dinlenme devlet 10,11,34, SPECT 35,36 ve son zamanlarda arteriyel spin etiketleme (ASL) MR perfüzyon görüntüleme yöntemleri 37,38 metabolik aktivitesi ile birleştiğinde olduğu göz önüne alındığında özel durumlarda anormal metabolik aktivite değerlendirmek için. Bu dinlenme devlet fMRI (rsfMRI) ile güvenilir mekansal kovaryans desen türetme daha önce 31,32 kolay değildir kaydetti olduğunu söyledi. Buna rağmen, PD hasta ve kontrol grubu gelen rsfMRI veri ön SSM / PCA analizi hastalıkla ilişkili kalıpları arasında bazı topografik benzerliklerin BOLD fMRI 39,40 iki yöntemleri, PET ve düşük frekanslı dalgalanmaların genliği (ALFF) kullanılarak tespit ortaya koymuştur . Son olarak, biz de bu yaklaşımı voksel tabanlı biçim başarıyla uygulandığını dikkatyaşa bağlı hacim kaybı ve aynı konularda 43 VBM ve ASL desen daha karşılaştırmalarda ilişkili farklı mekansal kovaryans desen ortaya telemetri (VBM) yapısal MRG verileri 41,42,. Farklı analitik yaklaşımlar ve görüntüleme platformları kullanarak SSM / PCA mekansal kovaryans topografyalarının ve tespit benzer beyin ağları arasındaki ilişki soruşturma bir konudur.

<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

Ölçekli subprofile modeli (SSM) 1-4 daha az bileşenleri (Şekil 1) reddederken hasta ve kontrol grubu beyin görüntü verilerini varyasyon ana kaynağı tanımlayan bir çok değişkenli PCA tabanlı algoritmasıdır. Kararlı durum multimodal görüntülerin voksel-by-voksel kovaryans veri doğrudan uygulanabilir, bir grup görüntü seti tüm birkaç önemli lineer bağımsız kovaryans desen ve ilgili konu puanları azaltılabilir. Her kalıp, bir grup değişmeyen subprofile (CBS), fonksiyonel olarak birbiriyle beyin bölgelerinin bir mekansal dağıtık ağ temsil eden bir dik temel bileşenidir denir. Küçük ağa özgü katkıları belirsiz olabilir büyük küresel ortalama skaler etkileri doğal logaritmik dönüşüm kaldırılır ve veri 2,5,6 merkezleme anlamına vardır. Konularda bağımsız Clin ile ilişkili basit bir skaler skorla temsil edilen bir değişken dereceye kadar bu desen her ifadenik veya psikometrik tanımlayıcıları 7,8. Konu puanları (yani desen ifade değerleri) lojistik regresyon analizi kullanılarak, lineer katsayıları sağlıklı kontrol grubu 5,6 hastaların gelişmiş ayrımcılıkla tek bir hastalık ile ilgili mekansal kovaryans desen, yani kompozit ağlar birden çok temel bileşenler birleştirmek için elde edilebilir. Türetme kümesi içinde çapraz doğrulama önyükleme yeniden örnekleme teknikleri 9 kullanılarak yapılabilir. İleri doğrulama kolayca 10 prospektif veri setleri içinde türetilmiş desen doğrudan puan değerlendirmesi ile teyit edilir. Doğrulandığında, hastalıkla ilgili desen kullanılan sağlıklı bireylerin çoğu seti (hastalıkları ile), özgün model türev 11, sabit bir referans numunesi ile ilgili olarak her bir hasta skor için kullanılabilir. Bu standart değerler da ayırıcı tanı 12,13 yardımcı olmak için ve hastalık değerlendirmek için kullanılabilirağ düzeyinde 7,14-16 de ilerleme ve tedavi etkileri. Biz hastalığın karakteristik kovaryans desen biyolojik elde etmek bizim in-house yazılımı kullanarak Parkinson hastalığı hasta ve normal kontrollerin FDG PET verilerine bu metodolojinin uygulama örneği mevcut.

Çok değişkenli SSM / PCA analizi basit bir uygulama PD için bir beyin görüntüleme biyolojik desen elde etmek için aşağıda gösterilmiştir. On PET FDG görüntüleri klinik değişken hastalıklı süresi Parkinson hastalarında (6M/4F, 59y ± 7y SD) (9y ± 5y SD) tanısı ve on yaş ve cinsiyet normal kontrolde (6M/4F, 58y ± 7y SD) kullanılarak analiz edildi bizim ssmpca rutin. Yirmi gelen mekansal öncesi normalize görüntüleri başlangıçta varsayılan maskesi (Şekil 3) ile ...

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

Temel bileşenler analizi (PCA) gibi çok değişkenli teknikleri fonksiyonel beyin görüntüleri bölgesel değişim imza biçimlerini belirlemek için kullanılmıştır. Biz nörodejeneratif hastalıkların tanısında, hastalığın ilerlemesi değerlendirilmesi ve hasta popülasyonlarında tedavi etkilerinin objektif değerlendirme için tekrarlanabilir ağ biyolojik belirlemek için bir algoritma geliştirdik.

Nörogörüntüleme Veri kullanarak Hastalık ile ilgili Mekansal Kovaryans Desenler belirlenmesi

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 Görüntüleme.  The Feinstein Institute for Medical Research. Temel bileşenler analizi (PCA) gibi çok değişkenli teknikleri fonksiyonel beyin görüntüleri bölgesel değişim imza biçimlerini belirlemek için kullanılmıştır. Biz nörodejeneratif hastalıkların tanısında, hastalığın ilerlemesi değerlendirilmesi ve hasta popülasyonlarında tedavi etkilerinin objektif değerlendirme için tekrarlanabilir ağ biyolojik belirlemek için bir algoritma geliştirdik.

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

Tanımlanması<em&gt; Sleeping Beauty</emLinker-aracılı PCR kullanarak Solid Tümörlerde&gt; Transposon Eklemeler

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

Tıp

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.

Önceki mamogram Mimari Bozulma Algılama<em&gt; Via</emOdaklı Patterns&gt; Analiz

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.

Pulmoner Rehabilitasyon Egzersiz Bağlılık Eğitim Sürekli Veri İzleme Teknolojisi Kullanımı

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.

Prostat Kanserinde Biyomarker Discovery Uygulama: Bireysel herv Lokusları İfade Mikroarray tabanlı Kimlik

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.

Manyetik Rezonans Görüntüleme Kullanarak Deneysel Serebral Sıtma Bir Modelinde Ödem Gelişimi ve Mikrovasküler Patolojinin İn Vivo Takibi

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.

Elektromap kullanarak optik haritalama verilerinin yüksek verim Analizi

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.

Tek Taraflı Mekansal İhmalleri Değerlendirmek için Sanal Gerçeklik Araçları: Veri Toplama için Yeni Bir Fırsat

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.

Floresan Destekli Tanımlama Tekniği Kullanılarak Diş Rengindeki Kompozit Reçinenin Tespiti ve Uzaklaştırılması

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.

Geleneksel Çin Tıbbının Mekansal Metabolomunda Tanımlanan Metabolitlerin DESI-MSI Kullanılarak Görselleştirilmesi

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

Dixon MRG Kullanarak Kapsamlı Bir 3D-Karaciğer Yağ Fonksiyon Dağılımı Modeli

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.

Yazar Spotlight: 3D Dixon MRI Kullanarak Karaciğerdeki Yağ Modellerini Değerlendirmek ve Ayırt Etmek İçin İnvaziv Olmayan Bir Araç 

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.

Dixon Manyetik Rezonans Görüntüleme Kullanılarak Karaciğer Yağ Fraksiyonu Dağılım Analizi için 3 Boyutlu Bir Kantifikasyon Tekniği

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