Name: modeling the functional network for spatial navigation in the human brain
Uploaded: 2023-10-13T13:20:00
Description: Watch this Scientific Journal Video about Modeling the Functional Network for Spatial Navigation in the Human Brain at JoVE.com

Xiang-Zhen Kong werd ondersteund door de National Natural Science Foundation of China (32171031), STI 2030 - Major Project (2021ZD0200409), Fundamental Research Funds for the Central Universities (2021XZZX006) en Information Technology Center van Zhejiang University.

NOTITIE: Alle software die hier wordt gebruikt, wordt weergegeven in de materiaaltabel. De gegevens die in deze studie voor demonstratiedoeleinden werden gebruikt, waren afkomstig van het Human Connectome Project (HCP: http://www. humanconnectome.org)15. Alle experimentele procedures werden goedgekeurd door de Institutional Review Board (IRB) van de Washington University. Beeldvormingsgegevens in de HCP-dataset werden verkregen met behulp van een gemodificeerde 3T Siemens Skyra-sc...

<ol>
	<li>Kanwisher, N. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Functional+specificity+in+the+human+brain:+a+window+into+the+functional+architecture+of+the+mind.">Functional specificity in the human brain: a window into the functional architecture of the mind.</a> Proceedings of the National Academy of Sciences of the United States of America. 107 (25), 11163-11170 (2010).</li><li>Coughlan, G., Laczo, J., Hort, J., Minihane, A. M., Hornberger, M. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Spatial+navigation+deficits+-+overlooked+cognitive+marker+for+preclinical+Alzheimer+disease.">Spatial navigation deficits - overlooked cognitive marker for preclinical Alzheimer disease.</a> Nature Reviews Neurology. 14 (8), 496-506 (2018).</li><li>Gilbert, S. J., Meuwese, J. D., Towgood, K. J., Frith, C. D., Burgess, P. W. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Abnormal+functional+specialization+within+medial+prefrontal+cortex+in+high-functioning+autism:+a+multi-voxel+similarity+analysis.">Abnormal functional specialization within medial prefrontal cortex in high-functioning autism: a multi-voxel similarity analysis.</a> Brain. 132 (4), 869-878 (2009).</li><li>Kanwisher, N., McDermott, J., Chun, M. M. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=The+fusiform+face+area:+a+module+in+human+extrastriate+cortex+specialized+for+face+perception.">The fusiform face area: a module in human extrastriate cortex specialized for face perception.</a> Journal of Neuroscience. 17 (11), 4302-4311 (1997).</li><li>Epstein, R., Harris, A., Stanley, D., Kanwisher, N. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=The+parahippocampal+place+area:+recognition,+navigation,+or+encoding.">The parahippocampal place area: recognition, navigation, or encoding.</a> Neuron. 23 (1), 115-125 (1999).</li><li>Epstein, R. A., Patai, E. Z., Julian, J. B., Spiers, H. J. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=The+cognitive+map+in+humans:+spatial+navigation+and+beyond.">The cognitive map in humans: spatial navigation and beyond.</a> Nature Neuroscience. 20 (11), 1504-1513 (2017).</li><li>Baumann, O., Mattingley, J. B. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Extrahippocampal+contributions+to+spatial+navigation+in+humans:+A+review+of+the+neuroimaging+evidence.">Extrahippocampal contributions to spatial navigation in humans: A review of the neuroimaging evidence.</a> Hippocampus. 31 (7), 640-657 (2021).</li><li>Auger, S. D., Mullally, S. L., Maguire, E. A. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Retrosplenial+cortex+codes+for+permanent+landmarks.">Retrosplenial cortex codes for permanent landmarks.</a> PloS One. 7 (8), e43620 (2012).</li><li>Zhen, Z., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Quantifying+the+variability+of+scene-selective+regions:+Interindividual,+interhemispheric,+and+sex+differences.">Quantifying the variability of scene-selective regions: Interindividual, interhemispheric, and sex differences.</a> Human Brain Mapping. 38 (4), 2260-2275 (2017).</li><li>Ekstrom, A. D., Huffman, D. J., Starrett, M. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Interacting+networks+of+brain+regions+underlie+human+spatial+navigation:+a+review+and+novel+synthesis+of+the+literature.">Interacting networks of brain regions underlie human spatial navigation: a review and novel synthesis of the literature.</a> Journal of Neurophysiology. 118 (6), 3328-3344 (2017).</li><li>Coughlan, G., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Functional+connectivity+between+the+entorhinal+and+posterior+cingulate+cortices+underpins+navigation+discrepancies+in+at-risk+Alzheimer's+disease.">Functional connectivity between the entorhinal and posterior cingulate cortices underpins navigation discrepancies in at-risk Alzheimer's disease.</a> Neurobiology of Aging. 90, 110-118 (2020).</li><li>Kong, X. Z., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Human+navigation+network:+the+intrinsic+functional+organization+and+behavioral+relevance.">Human navigation network: the intrinsic functional organization and behavioral relevance.</a> Brain Structure &amp; Function. 222 (2), 749-764 (2017).</li><li>Weisberg, S. M., Ekstrom, A. D. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Hippocampal+volume+and+navigational+ability:+The+map+(ping)+is+not+to+scale.">Hippocampal volume and navigational ability: The map (ping) is not to scale.</a> Neuroscience &amp; Biobehavioral Reviews. 126, 102-112 (2021).</li><li>Tzourio-Mazoyer, N., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Automated+anatomical+labeling+of+activations+in+SPM+using+a+macroscopic+anatomical+parcellation+of+the+MNI+MRI+single-subject+brain.">Automated anatomical labeling of activations in SPM using a macroscopic anatomical parcellation of the MNI MRI single-subject brain.</a> Neuroimage. 15 (1), 273-289 (2002).</li><li>Van Essen, D. C., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=The+WU-Minn+human+connectome+project:+an+overview.">The WU-Minn human connectome project: an overview.</a> Neuroimage. 80, 62-79 (2013).</li><li>Smith, S. M., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Resting-state+fMRI+in+the+human+connectome+project.">Resting-state fMRI in the human connectome project.</a> Neuroimage. 80, 144-168 (2013).</li><li>Wang, L., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=GRETNA:+a+graph+theoretical+network+analysis+toolbox+for+imaging+connectomics.">GRETNA: a graph theoretical network analysis toolbox for imaging connectomics.</a> Frontiers in Human Neuroscience. 9, 386 (2015).</li><li>Esteban, O., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=fMRIPrep:+a+robust+preprocessing+pipeline+for+functional+MRI.">fMRIPrep: a robust preprocessing pipeline for functional MRI.</a> Nature Methods. 16 (1), 111-116 (2019).</li><li>Yan, C., Zang, Y. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=DPARSF:+a+MATLAB+toolbox+for&amp;#34;+pipeline&amp;#34;+data+analysis+of+resting-state+fMRI.">DPARSF: a MATLAB toolbox for&amp;#34; pipeline&amp;#34; data analysis of resting-state fMRI.</a> Frontiers in Systems Neuroscience. 4, 13 (2010).</li><li>Yarkoni, T., Poldrack, R. A., Nichols, T. E., Van Essen, D. C., Wager, T. D. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Large-scale+automated+synthesis+of+human+functional+neuroimaging+data.">Large-scale automated synthesis of human functional neuroimaging data.</a> Nature Methods. 8 (8), 665-670 (2011).</li><li>Joliot, M., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=AICHA:+An+atlas+of+intrinsic+connectivity+of+homotopic+areas.">AICHA: An atlas of intrinsic connectivity of homotopic areas.</a> Journal of Neuroscience Methods. 254, 46-59 (2015).</li><li>Murphy, K., Birn, R. M., Handwerker, D. A., Jones, T. B., Bandettini, P. A. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=The+impact+of+global+signal+regression+on+resting+state+correlations:+are+anti-correlated+networks+introduced.">The impact of global signal regression on resting state correlations: are anti-correlated networks introduced.</a> Neuroimage. 44 (3), 893-905 (2009).</li><li>Fox, M. D., Zhang, D., Snyder, A. Z., Raichle, M. E. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=The+global+signal+and+observed+anticorrelated+resting+state+brain+networks.">The global signal and observed anticorrelated resting state brain networks.</a> Journal of Neurophysiology. 101 (6), 3270-3283 (2009).</li><li>Xiang, J., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Graph-based+network+analysis+of+resting-state+fMRI:+test-retest+reliability+of+binarized+and+weighted+networks.">Graph-based network analysis of resting-state fMRI: test-retest reliability of binarized and weighted networks.</a> Brain Imaging and Behavior. 14, 1361-1372 (2020).</li><li>Rubinov, M., Sporns, O. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Complex+network+measures+of+brain+connectivity:+uses+and+interpretations.">Complex network measures of brain connectivity: uses and interpretations.</a> Neuroimage. 52 (3), 1059-1069 (2010).</li><li>Maslov, S., Sneppen, K. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Specificity+and+stability+in+topology+of+protein+networks.">Specificity and stability in topology of protein networks.</a> Science. 296 (5569), 910-913 (2002).</li><li>Shrout, P. E., Fleiss, J. L. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Intraclass+correlations:+uses+in+assessing+rater+reliability.">Intraclass correlations: uses in assessing rater reliability.</a> Psychological Bulletin. 86 (2), 420 (1979).</li><li>McGraw, K. O., Wong, S. P. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Forming+inferences+about+some+intraclass+correlation+coefficients.">Forming inferences about some intraclass correlation coefficients.</a> Psychological Methods. 1 (1), 30 (1996).</li><li>Andellini, M., Cannat&#224;, V., Gazzellini, S., Bernardi, B., Napolitano, A. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Test-retest+reliability+of+graph+metrics+of+resting+state+MRI+functional+brain+networks:+A+review.">Test-retest reliability of graph metrics of resting state MRI functional brain networks: A review.</a> Journal of Neuroscience Methods. 253, 183-192 (2015).</li><li>Cao, H., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Test-retest+reliability+of+fMRI-based+graph+theoretical+properties+during+working+memory,+emotion+processing,+and+resting+state.">Test-retest reliability of fMRI-based graph theoretical properties during working memory, emotion processing, and resting state.</a> Neuroimage. 84, 888-900 (2014).</li><li>Rousson, V., Gasser, T., Seifert, B. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Assessing+intrarater,+interrater+and+test-retest+reliability+of+continuous+measurements.">Assessing intrarater, interrater and test-retest reliability of continuous measurements.</a> Statistics in medicine. 21 (22), 3431-3446 (2002).</li><li>Bullmore, E., Sporns, O. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Complex+brain+networks:+graph+theoretical+analysis+of+structural+and+functional+systems.">Complex brain networks: graph theoretical analysis of structural and functional systems.</a> Nature Reviews Neuroscience. 10 (3), 186-198 (2009).</li><li>Patai, E. Z., Spiers, H. J. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=The+versatile+wayfinder:+prefrontal+contributions+to+spatial+navigation.">The versatile wayfinder: prefrontal contributions to spatial navigation.</a> Trends in Cognitive Sciences. 25 (6), 520-533 (2021).</li><li>Wegman, J., Janzen, G. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Neural+encoding+of+objects+relevant+for+navigation+and+resting+state+correlations+with+navigational+ability.">Neural encoding of objects relevant for navigation and resting state correlations with navigational ability.</a> Journal of Cognitive Neuroscience. 23 (12), 3841-3854 (2011).</li><li>Braun, U., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Test-retest+reliability+of+resting-state+connectivity+network+characteristics+using+fMRI+and+graph+theoretical+measures.">Test-retest reliability of resting-state connectivity network characteristics using fMRI and graph theoretical measures.</a> Neuroimage. 59 (2), 1404-1412 (2012).</li></ol>

Netwerkneurowetenschap zal naar verwachting helpen begrijpen hoe het hersennetwerk menselijke cognitieve functies ondersteunt32. Dit protocol demonstreert een integratieve benadering voor het bestuderen van het functionele netwerk voor ruimtelijke navigatie in het menselijk brein, wat ook kan inspireren tot netwerkmodellering voor andere cognitieve constructen (bijv. taal).
Deze aanpak bestond uit drie hoofdstappen: knooppuntdefinitie, netwerkconstructie en netwerkanaly...

Functionele specificiteit is een fundamenteel organisatieprincipe van het menselijk brein, dat een cruciale rol speelt bij het vormgeven van cognitieve functies. Afwijkingen in de organisatie van functionele specificiteit kunnen een weerspiegeling zijn van kenmerkende cognitieve stoornissen en de bijbehorende pathologische grondslagen van ernstige hersenaandoeningen zoals autisme en de ziekte van Alzheimer 2,3. Terwijl conventionele theorieën en onderzoek de neiging hebben zich te concentreren op afzonderlijke hersengebieden, zoals het fusiforme gezichtsgebied (FFA) voor gezichtsherkenning4 en het parahippocampusplaatsgebied (PPA)5 voor scèneverwerking, suggereert een toenemend aantal bewijzen dat complexe cognitieve functies, waaronder ruimtelijke navigatie en taal, coördinatieactiviteit vereisen in meerderehersengebieden6. Het onderzoeken van de mechanismen die ten grondslag liggen aan de interacties ter ondersteuning van complexe cognitieve functies is een kritische wetenschappelijke vraag die zal helpen om licht te werpen op de functionele architectuur en werking van de hersenen. Hier, met ruimtelijke navigatie als voorbeeld, presenteren we een integratieve methode voor het modelleren van het functionele netwerk voor ruimtelijke navigatie in het menselijk brein.
Ruimtelijke navigatie is een complexe cognitieve functie, waarbij meerdere cognitieve componenten worden geïntegreerd en gemanipuleerd, zoals visueel-ruimtelijke codering, geheugen en besluitvorming7. Met functionele magnetische resonantiebeeldvorming (fMRI) hebben talrijke onderzoeken aanzienlijke vooruitgang geboekt in het begrijpen van de onderliggende cognitieve verwerking en neurale mechanismen. Er zijn bijvoorbeeld specifieke functies gekoppeld aan verschillende hersengebieden met behulp van verschillende navigatietaken: scèneverwerking wordt specifiek geassocieerd met PPA en transformatie van navigatiestrategieën wordt geassocieerd met de retrospleniale cortex (RSC)8,9. Deze studies leverden belangrijke inzichten op in de neurale basis van ruimtelijke navigatie. Navigatie is echter een intern dynamische en multimodale functie, en de functies van afzonderlijke regio's zijn niet voldoende om grote individuele verschillen in ruimtelijke navigatie10 te verklaren die vaak worden waargenomen.
Met de opkomst van op fMRI gebaseerde connectomics begonnen onderzoekers te onderzoeken hoe sommige belangrijke hersengebieden met elkaar interageren om ruimtelijke navigatie te ondersteunen. Er is bijvoorbeeld gevonden dat functionele connectiviteit tussen de entorhinale en posterieure cingulate cortex ten grondslag ligt aan navigatiediscrepanties bij de ziekte van Alzheimer die risico loopt11. In een andere studie stelden we voor het eerst een netwerkbenadering voor door connectoommethoden en bijna alle functioneel relevante regio's (knooppunten) voor ruimtelijke navigatie te integreren, en de resultaten toonden aan dat topologische eigenschappen van dit netwerk specifieke associaties vertoonden met navigatiegedrag12. Deze studie biedt nieuwe inzichten in theorieën over hoe meerdere hersengebieden met elkaar interageren om flexibel navigatiegedrag te ondersteunen 10,13.
Het huidige werk demonstreert een bijgewerkte versie van de integratieve benadering voor het modelleren van het functionele netwerk. In het kort waren er twee updates opgenomen: 1) Terwijl de knooppunten die in de oorspronkelijke studie waren gedefinieerd, werden geïdentificeerd op basis van een eerdere en kleinere database (55 studies met 2.765 activeringen, geraadpleegd in 2014), was de huidige definitie gebaseerd op de nieuwste database (77 studies met 3.908 activeringen, geraadpleegd in 2022); 2) om de functionele homogeniteit van elk knooppunt te vergroten, hebben we, naast de originele anatomische AAL (Anatomical Automatic Labeling) atlas14, een nieuwe hersenparcellatie toegepast, die een veel fijnere resolutie en een hogere functionele homogeniteit heeft (zie hieronder). We verwachtten dat beide updates de modellering van het functionele netwerk zouden verbeteren. Dit bijgewerkte protocol biedt een gedetailleerde procedure voor het onderzoeken van de neurale basis van ruimtelijke navigatie vanuit een netwerkperspectief en helpt bij het begrijpen van individuele variaties in navigatiegedrag in gezondheid en ziekte. Een soortgelijke procedure kan ook worden gebruikt voor netwerkmodellering voor andere cognitieve constructen (bijv. taal en geheugen).

<table border="1" fo:keep-together.within-page="1" fo:keep-with-next.within-page="always">
	<tbody>
		<tr>
			<td>Brain connectivity toolbox (BCT)</td>
			<td>Mikail Rubinov &#38; Olaf Sporns&#160;</td>
			<td>2019</td>
			<td>The Brain Connectivity Toolbox (brain-connectivity-toolbox.net) is a MATLAB toolbox for complex-network (graph) analysis of structural and functional brain-connectivity data sets.&#160;</td>
		</tr>
		<tr>
			<td>GRETNA</td>
			<td>Jinhui Wang et al.</td>
			<td>2</td>
			<td>GRETNA is a graph theoretical network analysis toolbox which allows researchers to perform comprehensive analysis on the topology of brain connectome by integrating the most of network measures studied in current neuroscience field.</td>
		</tr>
		<tr>
			<td>MATLAB</td>
			<td>MathWorks</td>
			<td>2021a</td>
			<td>MATLAB is a programming and numeric computing platform used by millions of engineers and scientists to analyze data, develop algorithms, and create models.</td>
		</tr>
		<tr>
			<td>Python</td>
			<td>Guido van Rossum et al.</td>
			<td>3.8.6</td>
			<td>Python is a programming language that lets you work more quickly and integrate your systems more effectively.</td>
		</tr>
		<tr>
			<td>Statistical Parametric Mapping (SPM)</td>
			<td>Karl Friston et.al&#160;</td>
			<td>12</td>
			<td>Statistical Parametric Mapping&#160;refers to the construction and assessment of spatially extended statistical processes used to test hypotheses about functional imaging data.</td>
		</tr>
	</tbody>
</table>

modeling the functional network for spatial navigation in the human brain

Ruimtelijke navigatie is een complexe functie waarbij multisensorische informatie wordt geïntegreerd en gemanipuleerd. Met behulp van verschillende navigatietaken zijn veel veelbelovende resultaten bereikt op de specifieke functies van verschillende hersengebieden (bijv. hippocampus, entorhinale cortex en parahippocampus). Onlangs is gesuggereerd dat een niet-geaggregeerd netwerkproces waarbij meerdere op elkaar inwerkende hersengebieden betrokken zijn, de neurale basis van deze complexe functie beter kan karakteriseren. Dit artikel presenteert een integratieve benadering voor het construeren en analyseren van het functioneel specifieke netwerk voor ruimtelijke navigatie in het menselijk brein. In het kort bestaat deze integratieve benadering uit drie belangrijke stappen: 1) het identificeren van hersengebieden die belangrijk zijn voor ruimtelijke navigatie (knooppuntendefinitie); 2) het schatten van de functionele connectiviteit tussen elk paar van deze regio's en het construeren van de connectiviteitsmatrix (netwerkconstructie); 3) het onderzoeken van de topologische eigenschappen (bijv. modulariteit en kleinwereldigheid) van het resulterende netwerk (netwerkanalyse). De gepresenteerde benadering, vanuit een netwerkperspectief, zou ons kunnen helpen beter te begrijpen hoe onze hersenen flexibele navigatie ondersteunen in complexe en dynamische omgevingen, en de onthulde topologische eigenschappen van het netwerk kunnen ook belangrijke biomarkers bieden voor het begeleiden van vroege identificatie en diagnose van de ziekte van Alzheimer in de klinische praktijk.

De navigatienetwerken De huidige studie identificeerde 27 hersenregio's, die geassocieerd zijn met ruimtelijke navigatie, door de nieuwste meta-analyse neuroimaging-database en de AICHA-atlas op te nemen. Deze regio's bestonden uit de mediale temporale en de pariëtale regio's die vaak zijn gerapporteerd in neuroimaging-navigatiestudies. De ruimtelijke spreiding van deze regio's is weergegeven in figuur 5A en figuur 5C. Ter v...

Watch this Scientific Journal Video about Modeling the Functional Network for Spatial Navigation in the Human Brain at JoVE.com

Modeling the Functional Network for Spatial Navigation in the Human Brain

Dit artikel presenteert een integratieve benadering voor het onderzoeken van het functionele netwerk voor ruimtelijke navigatie in het menselijk brein. Deze aanpak omvat een grootschalige neuroimaging-meta-analytische database, functionele magnetische resonantiebeeldvorming in rusttoestand en netwerkmodellering en grafisch-theoretische technieken.

Modellering van het functionele netwerk voor ruimtelijke navigatie in het menselijk brein

Spatial navigation is a complex function involving the integration and manipulation of multisensory information. Using different navigation tasks, many ...

Ruimtelijke navigatie is een complex proces waarbij een gedistribueerd netwerk in de hersenen betrokken is. Ons werk presenteert een integratieve benadering voor het modelleren van een functioneel netwerk voor ruimtelijke navigatie met behulp van FMRI-gegevens. Het optimale netwerkmodel biedt nieuwe inzichten om te begrijpen hoe hersengebieden binnen het netwerk op elkaar inwerken.Het netwerkmodel zou ook de variabiliteit in gedrag in zowel gezondheid als ziekte beter kunnen vastleggen. Onze methode kan ook worden toegepast op studies of andere complexe functies. Een vergelijkbare procedure zou bijvoorbeeld kunnen worden gebruikt voor het modelleren van hersennetwerken voor taal en geheugen.Controleer om te beginnen de gegevenskwaliteit en sluit deelnemers uit met ontbrekende hertestgegevens en overmatige hoofdbewegingen. Open dan de graph theoretical network analysis of GRETNA toolbox in MATLAB. Klik op het tabblad FC Matrix Construction"en selecteer het pad van de functionele dataset om de handige documenten te laden.Voer de stappen uit zoals weergegeven in de pijplijnoptie. Om vervolgens de definitie van netwerkknooppunten uit te voeren, downloadt u de nieuwste Neurosynth-database door de volgende opdracht te typen. Genereer vervolgens een nieuw exemplaar van de gegevensset op basis van de database.txt en voeg functies toe aan deze gegevens door deze opdracht te typen. Voer een meta-analyse uit van de term die van belang is, zoals navigatie, door de opdracht te typen. Definieer vervolgens interessante clusters door de meta-analytische kaart en de hele hersenparcelisatieatlas zoals AICHA of AAL op te nemen door deze opdracht van FSL te typen.Typ vervolgens de volgende scripts in Python om de grootte van elke regio op de kaart te controleren. Integreer daarna alle hersengebieden in een sjabloon van FSL Maths in FSL. Voor een schatting van de netwerkconnectiviteit klikt u op FC Matrix Construction in de GRETNA-software en klikt u op Statische correlatie.Upload het knooppunt dat is verkregen uit de definitie van netwerkknooppunten als een atlas om de statische correlatie van rs-fMRI-signalen van elk paar regio's te berekenen en deze over te brengen naar Fisher's Z-scores. Om een positief en gewogen netwerk te krijgen met de stappen die worden weergegeven in de pijplijnoptie, klikt u op Netwerkanalyse. Voeg vervolgens de netwerkmatrices toe aan het venster van de hersenconnectiviteitsmatrix en kies een uitvoermap voor de voorbereiding.Voeg een kleine wereld, globale efficiëntie, clustercoëfficiënt, kortste padlengte, mate centraliteit en lokale efficiëntie toe aan de metrische analysepijplijn van het GRETNA-netwerk. Selecteer positief in het teken van matrix. Selecteer netwerkschaarste in de drempelmethode en voer een reeks drempelreeksen in.Kies het netwerktype als gewogen. Stel het willekeurige netwerknummer in op 1.000 en klik op Uitvoeren. Om het optimale aantal modules in het netwerk te bepalen, berekent u eerst het gemiddelde navigatienetwerk.Verdeel vervolgens het resulterende gemiddelde netwerk in 2, 3, 4 en 5 modules met behulp van de functie, spectrale cluster, in MATLAB. Lijn vervolgens de module-indelingen uit met behulp van het script, procrustes_alignment. m, en bereken het deel van de knooppunten verdeeld in dezelfde module in rest één en rest twee.Selecteer het aantal modules met de hoogste herhaalbaarheid. Om de netwerkanalyse uit te voeren, onderzoekt u de gelijkenis van deze netwerkstatistieken tussen twee netwerken met verschillende soorten strategieën zonder definitie, zoals NaviNet AICHA en NaviNet AAL. Controleer de betrouwbaarheid van de testhertest van deze netwerkstatistieken met behulp van de functie ICC in MATLAB.In deze studie werden 27 hersengebieden geïdentificeerd die verband houden met ruimtelijke navigatie met behulp van de AICHA-atlas. Deze regio's bestonden uit de mediale, temporale en pariëtale regio's die zijn gerapporteerd in navigatie-neuroimaging-onderzoeken. Ter vergelijking werden 20 regio's uit de AAL-atlas opgenomen.Het toonde een grote overlap en vergelijkbare gemeenschapsverdeling tussen de twee sets, inclusief vergelijkbare ventrale en dorsale modules in beide netwerken. Verder vertoonden vijf van de zes statistieken, behalve de clustercoëfficiënt, significante correlaties tussen de twee netwerken. De gelijkeniswaarden namen toe met de schaarstedrempel voor bijna alle statistieken, wat suggereert dat de analyse op netwerkniveau stabiele individuele verschillen zou kunnen weerspiegelen, onafhankelijk van de keuzes van knooppuntdefinities, en dat de schaarstedrempel van 0,30 tot 0,40 zou resulteren in een betere generaliseerbaarheid in de analyse van navigatienetwerken.Bovendien bleek uit de evaluatie van de betrouwbaarheid van de topologische metingen van de navigatienetwerken dat de meeste statistieken van het netwerk een redelijke tot goede betrouwbaarheid vertoonden in AICHA, terwijl het AAL-netwerk een relatief hogere betrouwbaarheid vertoonde. Bovendien kan het opnemen van globale signaalregressie in de voorverwerking van FMRI-gegevens resulteren in een hoge betrouwbaarheid. Deze resultaten suggereerden dat de clustercoëfficiënt en de kleine wereld de meest betrouwbare van deze statistieken zijn.Met deze aanpak kunnen onderzoekers het ontwikkelingstraject van functioneel specifieke netwerken onderzoeken. Netwerkeigenschappen bieden ook nieuwe biomarkers voor het begeleiden van vroege identificatie van hersenaandoeningen zoals de ziekte van Alzheimer.

Research

JoVE Journal

Neuroscience

Combining Transcranial Magnetic Stimulation and fMRI to Examine the Default Mode Network

De combinatie van Transcranial Magnetic Stimulation en fMRI om de standaard-modus Netwerk Onderzoek

The default mode network is a group of brain regions that are active when an individual is not focused on the outside world and the brain is at "wakeful ...

Using MazeSuite and Functional Near Infrared Spectroscopy to Study Learning in Spatial Navigation

Met behulp van MazeSuite en functionele Near Infrared Spectroscopy te Study Leren in Spatial Navigation

MazeSuite is a complete toolset to prepare, present and analyze navigational and spatial experiments1. MazeSuite can be used to design and edit adapted ...

High-resolution Functional Magnetic Resonance Imaging Methods for Human Midbrain

Hoge resolutie functionele magnetische resonantie imaging methoden voor Human middenhersenen

Functional MRI (fMRI) is a widely used tool for non-invasively measuring correlates of human brain activity. However, its use has mostly been focused upon ...

High-throughput Analysis of Locomotor Behavior in the Drosophila Island Assay

High-throughput Analysis of Locomotor Behavior in the Drosophila Island Assay

High-throughput analyse van Locomotor gedrag in de Drosophila eiland Assay

Advances in next-generation sequencing technologies contribute to the identification of (candidate) disease genes for movement disorders and other ...

Recording Synaptic Plasticity in Acute Hippocampal Slices Maintained in a Small-volume Recycling-, Perfusion-, and Submersion-type Chamber System

Synaptische plasticiteit opnemen in Acute Hippocampal plakjes onderhouden in een kleine volumes Recycling-, perfusie-, en onderdompeling-type kamer systeem

Even though experiments on brain slices have been in use since 1951, problems remain that reduce the probability of achieving a stable and successful ...

3D Kinematic Analysis for the Functional Evaluation in the Rat Model of Sciatic Nerve Crush Injury

3D Kinematic Analyse voor de functionele evaluatie in het Rattenmodel van Sciatische Zenuwbrekerletsel

Compared to the Sciatic Functional Index (SFI), kinematic analysis is a more reliable and sensitive method for performing functional evaluations of ...

Determining the Functional Status of the Corticospinal Tract Within One Week of Stroke

Het bepalen van de functionele status van het Corticospinale darmkanaal binnen een week van de beroerte

High interindividual variability in the recovery of upper limb (UL) function after stroke means it is difficult to predict an individual&#39;s potential ...

Generation of Human Neurons and Oligodendrocytes from Pluripotent Stem Cells for Modeling Neuron-Oligodendrocyte Interactions

Generatie van menselijke neuronen en oligodendrocyten uit pluripotente stamcellen voor het modelleren van neuron-oligodendrocyteninteracties

In Alzheimer&#8217;s disease (AD) and other neurodegenerative disorders, oligodendroglial failure is a common early pathological feature, but how it ...

A Metric Test for Assessing Spatial Working Memory in Adult Rats Following Traumatic Brain Injury

Een metrische test voor het beoordelen van ruimtelijk werkgeheugen bij volwassen ratten na traumatisch hersenletsel

Impairments to sensory, short-term, and long-term memory are common side effects after traumatic brain injury (TBI). Due to the ethical limitations of ...

Generation of Human Brain Organoids for Mitochondrial Disease Modeling

Generatie van organoïden in de menselijke hersenen voor mitochondriale ziektemodellering

Mitochondrial diseases represent the largest class of inborn errors of metabolism and are currently incurable. These diseases cause neurodevelopmental ...