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 Kong은 중국 국립 자연 과학 재단(32171031), STI 2030 - 주요 프로젝트(2021ZD0200409), 중앙 대학 기초 연구 기금(2021XZZX006) 및 절강 대학교 정보 기술 센터의 지원을 받았습니다.

참고: 여기에 사용된 모든 소프트웨어는 재료 표에 나와 있습니다. 본 연구에서 시연 목적으로 사용된 데이터는 Human Connectome Project(HCP: http://www. humanconnectome.org)15에서 가져온 것입니다. 모든 실험 절차는 워싱턴 대학의 IRB(Institutional Review Board)의 승인을 받았습니다. HCP 데이터 세트의 이미징 데이터는 32채널 헤드 코일이 있는 수정된 3T Siemens Skyra 스캐너를 사용하여 ?...

<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>

네트워크 신경과학은 뇌 네트워크가 인간의 인지 기능을 어떻게 지원하는지 이해하는 데 도움이 될 것으로 기대된다32. 이 프로토콜은 인간 두뇌의 공간 탐색을 위한 기능적 네트워크를 연구하기 위한 통합적 접근 방식을 보여주며, 이는 다른 인지 구조(예: 언어)에 대한 네트워크 모델링에도 영감을 줄 수 있습니다.
이 접근 방식은 노드 정의, 네트워크 구성...

기능적 특이성은 인지 기능을 형성하는 데 중요한 역할을 하는 인간 뇌의 기본 조직 원리입니다1. 기능적 특이성 조직의 이상은 특징적인 인지 장애와 자폐증 및 알츠하이머병과 같은 주요 뇌 질환의 관련 병리학적 기초를 반영할 수 있습니다 2,3. 기존의 이론과 연구는 얼굴 인식을 위한 방추형 얼굴 영역(fusiform face area)4 및 장면 처리를 위한 부해마 장소 영역(parahippocampus place area)5과 같은 단일 뇌 영역에 초점을 맞추는 경향이 있었지만, 공간 탐색 및 언어를 포함한 복잡한 인지 기능이 여러 뇌 영역에 걸친 좌표 활동을 필요로 한다는 증거가 증가하고 있습니다6. 복잡한 인지 기능을 지원하는 상호 작용의 기저에 있는 메커니즘을 조사하는 것은 뇌의 기능적 구조와 작동을 밝히는 데 도움이 되는 중요한 과학적 질문입니다. 여기서는 공간 탐색을 예로 들어 인간 두뇌의 공간 탐색을 위한 기능적 네트워크를 모델링하는 통합적 방법을 제시합니다.
공간 탐색은 시각-공간 코딩, 기억 및 의사 결정과 같은 여러 인지 구성 요소의 통합 및 조작을 포함하는 복잡한 인지 기능입니다7. 기능적 자기공명영상(fMRI)을 통해 수많은 연구가 근본적인 인지 처리 및 신경 메커니즘을 이해하는 데 상당한 진전을 이루었습니다. 예를 들어, 특정 기능은 다양한 탐색 작업을 사용하여 다른 뇌 영역과 연결되어 있습니다 : 장면 처리는 특히 PPA와 관련이 있으며 탐색 전략의 변환은 후비장 피질 (RSC) 8,9과 관련이 있습니다. 이러한 연구는 공간 탐색의 신경 기반에 대한 중요한 통찰력을 제공했습니다. 그러나, 항법은 내부적으로 동적이고 다중적인 기능이며, 단일 영역의 기능만으로는 일반적으로 관찰되는 공간항법(10)의 큰 개인차를 설명하기에 충분하지 않다.
fMRI 기반 커넥토믹스(connectomics)의 등장으로 연구자들은 일부 주요 뇌 영역이 공간 탐색을 지원하기 위해 서로 상호 작용하는 방법을 탐구하기 시작했습니다. 예를 들어, 내측 피질과 후대상피질 사이의 기능적 연결성은 위험에 처한 알츠하이머병의 탐색 불일치를 뒷받침하는 것으로 밝혀졌다11. 또 다른 연구에서, 우리는 처음으로 커넥톰 방법과 공간 탐색을 위한 거의 모든 기능적으로 관련된 영역(노드)을 통합하여 네트워크 접근법을 제안했으며, 그 결과 이 네트워크의 위상학적 특성이 탐색 행동과 특정한 연관성을 나타낸다는 것을 보여주었다12. 이 연구는 여러 뇌 영역이 유연한 탐색 행동을 지원하기 위해 어떻게 서로 상호 작용하는지에 대한 이론에 대한 새로운 통찰력을 제공합니다 10,13.
본 연구는 기능적 네트워크를 모델링하기 위한 통합적 접근 방식의 업데이트된 버전을 보여줍니다. 간략하게 두 가지 업데이트가 포함되었습니다: 1) 기존 연구에서 정의된 노드는 이전의 소규모 데이터베이스(2,765건의 활성화가 있는 55건의 연구, 2014년에 액세스됨)를 기반으로 식별되었지만, 현재 정의는 최신 데이터베이스(3,908건의 활성화가 있는 77건의 연구, 2022년에 액세스됨)를 기반으로 했습니다. 2) 각 노드의 기능적 균질성을 높이기 위해 원래의 해부학적 AAL(Anatomical Automatic Labeling) 아틀라스14 외에도 훨씬 더 미세한 해상도와 더 높은 기능적 균질성을 갖는 새로운 뇌 소포화를 적용했습니다(아래 참조). 두 업데이트 모두 기능적 네트워크의 모델링을 개선할 것으로 예상했습니다. 이 업데이트된 프로토콜은 네트워크 관점에서 공간 탐색의 신경 기반을 조사하기 위한 자세한 절차를 제공하고 건강 및 질병에서 탐색 동작의 개별 변형을 이해하는 데 도움이 됩니다. 유사한 절차가 다른 인지 구성물(예를 들어, 언어 및 기억)에 대한 네트워크 모델링에도 사용될 수 있다.

<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

공간 탐색은 다중 감각 정보의 통합 및 조작과 관련된 복잡한 기능입니다. 다양한 탐색 작업을 사용하여 다양한 뇌 영역(예: 해마, 내측 피질 및 부해마 부위)의 특정 기능에 대해 많은 유망한 결과를 얻었습니다. 최근에는 여러 상호 작용하는 뇌 영역을 포함하는 비응집적 네트워크 프로세스가 이 복잡한 기능의 신경 기반을 더 잘 특성화할 수 있다는 제안이 있었습니다. 이 논문은 인간 뇌의 공간 탐색을 위한 기능적 특정 네트워크를 구성하고 분석하기 위한 통합적 접근 방식을 제시합니다. 간단히 말해서, 이 통합적 접근은 세 가지 주요 단계로 구성됩니다: 1) 공간 탐색(노드 정의)에 중요한 뇌 영역을 식별합니다. 2) 이들 영역의 각 쌍 간의 기능적 연결성을 추정하고 연결성 매트릭스를 구성(네트워크 구축); 3) 결과 네트워크의 위상적 특성(예: 모듈성 및 작은 세계성)을 조사합니다(네트워크 분석). 네트워크 관점에서 제시된 접근 방식은 복잡하고 역동적인 환경에서 우리의 뇌가 유연한 탐색을 지원하는 방법을 더 잘 이해하는 데 도움이 될 수 있으며, 네트워크의 드러난 토폴로지 특성은 임상 실습에서 알츠하이머병의 조기 식별 및 진단을 안내하는 중요한 바이오마커를 제공할 수도 있습니다.

내비게이션 네트워크 본 연구는 최신 메타 분석 신경 영상 데이터베이스와 AICHA 아틀라스를 통합하여 공간 탐색과 관련된 27개의 뇌 영역을 식별했습니다. 이 영역은 내측 측두엽 및 정수리 영역으로 구성되었으며, 이는 항법 신경 영상 연구에서 일반적으로 보고되었습니다. 이러한 영역의 공간 분포는 그림 5A 및 그림 5C에 ?...

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

이 논문은 인간 두뇌의 공간 탐색을 위한 기능적 네트워크를 조사하기 위한 통합적 접근 방식을 제시합니다. 이 접근 방식은 대규모 신경 영상 메타 분석 데이터베이스, 휴지 상태 기능적 자기 공명 영상, 네트워크 모델링 및 그래프 이론 기술을 통합합니다.

인간 뇌의 공간 탐색을 위한 기능적 네트워크 모델링

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

공간 탐색은 뇌의 분산 네트워크를 포함하는 복잡한 프로세스입니다. 우리의 연구는 FMRI 데이터를 사용하여 공간 탐색을 위한 기능적 네트워크를 모델링하기 위한 통합적 접근 방식을 제시합니다. 최적 네트워크 모델은 네트워크 내의 뇌 영역이 상호 작용하는 방식을 이해하기 위한 새로운 통찰력을 제공합니다.네트워크 모델은 또한 건강과 질병 모두에서 행동의 가변성을 더 잘 포착할 수 있습니다. 우리의 방법은 연구 또는 기타 복잡한 기능에도 적용될 수 있습니다. 예를 들어, 언어와 기억에 대한 뇌 네트워크를 모델링하는 데에도 비슷한 절차를 사용할 수 있습니다.시작하려면 데이터 품질을 확인하고 재시험 데이터가 누락되고 머리가 과도하게 움직이는 참가자를 제외합니다. 그런 다음 MATLAB에서 그래프 이론적 신경망 분석 또는 GRETNA 툴박스를 엽니다. FC 매트릭스 구성" 탭을 클릭하고 기능 데이터 세트의 경로를 선택하여 멋진 문서를 로드합니다.파이프라인 옵션에 표시된 대로 단계를 실행합니다. 그런 다음 네트워크 노드 정의를 수행하려면 다음 명령을 입력하여 최신 Neurosynth 데이터베이스를 다운로드합니다. 그런 다음 데이터베이스에서 새 데이터 세트 인스턴스를 생성합니다.txt를 입력하고 이 명령을 입력하여 이 데이터에 특징을 추가합니다. 명령을 입력하여 탐색과 같은 관심 용어에 대한 메타 분석을 실행합니다. 다음으로, FSL에서 이 명령을 입력하여 메타 분석 맵과 AICHA 또는 AAL과 같은 전체 뇌 구획화 아틀라스를 통합하여 관심 군집을 정의합니다.그런 다음, Python에서 다음 스크립트를 입력하여 맵에서 각 지역의 크기를 확인합니다. 그런 다음 FSL의 FSL Maths를 통해 모든 뇌 영역을 템플릿에 통합합니다. 네트워크 연결 추정을 위해 GRETNA 소프트웨어에서 FC Matrix Construction을 클릭하고 Static Correlation을 클릭합니다.네트워크 노드 정의에서 얻은 노드를 아틀라스로 업로드하여 각 영역 쌍의 rs-fMRI 신호의 정적 상관 관계를 계산하고 이를 Fisher의 Z 점수로 전송합니다. 파이프라인 옵션에 표시된 단계를 사용하여 양수 및 가중치 기반 신경망을 얻으려면 네트워크 분석을 클릭하십시오. 그런 다음 네트워크 행렬을 브레인 연결 매트릭스 창에 추가하고 준비할 출력 디렉터리를 선택합니다.작은 세계, 전역 효율성, 클러스터링 계수, 최단 경로 길이, 차수 중심성 및 로컬 효율성을 GRETNA 네트워크 메트릭 분석 파이프라인에 추가합니다. 행렬의 부호에서 양수를 선택합니다. 이진화 방법에서 신경망 희소성을 선택하고 임계값 시퀀스 세트를 입력합니다.네트워크 유형을 가중치로 선택합니다. 임의의 네트워크 번호를 1, 000으로 설정하고 실행을 클릭합니다. 네트워크에서 최적의 모듈 개수를 결정하려면 먼저 평균 항법 신경망을 계산해야 합니다.그런 다음, MATLAB에서 함수 spectral cluster를 사용하여 결과로 생성되는 평균 신경망을 2개, 3개, 4개, 5개의 모듈로 나눕니다. 그런 다음 스크립트 procrustes_alignment를 사용하여 모듈 분할을 정렬합니다. m을 계산하고 나머지 1과 나머지 2에서 동일한 모듈로 나뉜 노드 부분을 계산합니다.반복성이 가장 높은 모듈 수를 선택합니다. 네트워크 분석을 수행하려면 NaviNet AICHA 및 NaviNet AAL과 같이 정의가 없는 서로 다른 유형의 전략을 사용하는 두 네트워크 간에 이러한 네트워크 메트릭의 유사성을 조사합니다. MATLAB의 함수 ICC를 사용하여 이러한 네트워크 메트릭의 테스트 재테스트 신뢰도를 확인합니다.이 연구에서는 AICHA 아틀라스를 사용하여 공간 탐색과 관련된 27개의 뇌 영역을 식별했습니다. 이 영역은 내측 측두엽 및 두정 영역으로 구성되었으며, 이는 항법 신경 영상 연구에서 보고되었습니다. 비교를 위해 AAL 아틀라스의 20개 지역이 포함되었습니다.그것은 두 네트워크 모두에서 유사한 복부 및 등쪽 모듈을 포함하여 두 세트 사이에 큰 겹침과 유사한 커뮤니티 분포를 보여주었습니다. 또한 클러스터링 계수를 제외한 6개 지표 중 5개 지표에서 두 네트워크 간에 유의미한 상관관계가 나타났습니다. 유사성 값은 거의 모든 메트릭에 대한 희소성 임계값에 따라 증가했으며, 이는 네트워크 수준 분석이 노드 정의 선택과 관계없이 안정적인 개인차를 반영할 수 있으며 0.30에서 0.40의 희소성 임계값이 내비게이션 네트워크 분석에서 더 나은 일반화 가능성을 초래할 수 있음을 시사합니다.또한, 내비게이션 네트워크의 위상 측정에 대한 나머지 재테스트 신뢰성을 평가한 결과, 네트워크 메트릭의 대다수가 AICHA에서 양호한 신뢰도를 보인 반면, AAL 네트워크는 상대적으로 높은 신뢰도를 보였다. 또한 FMRI 데이터 전처리에 글로벌 신호 회귀를 포함하면 신뢰성이 높아질 수 있습니다. 이러한 결과는 클러스터링 계수와 작은 세계가 이러한 메트릭 중에서 가장 신뢰할 수 있음을 시사합니다.이 접근 방식을 통해 연구자들은 기능적으로 특정한 네트워크의 발달 궤적을 조사할 수 있습니다. 네트워크 속성은 또한 알츠하이머병과 같은 뇌 질환의 조기 식별을 안내하기 위한 새로운 바이오마커를 제공합니다.

Research

JoVE Journal

Neuroscience

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

기본 모드 네트워크를 검사하기 위해 Transcranial 자석 자극과 fMRI를 결합

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 ...

연구

신경과학

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

공간 탐색 구역에서 &#39;학습 연구에 적외선 분광학 가까이 MazeSuite 및 기능 사용

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

인간 Midbrain위한 고해상도 기능성 자기 공명 영상 방법

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

Drosophila 섬 분석 결과에서 운전 행동의 높은 처리량 분석

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

급성 Hippocampal 조각에 작은 볼륨 재활용-, 관류-침수 형 챔버 시스템 유지에 시 냅 스가 소성을 기록

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

Sciatic 신경 호감 상해의 쥐 모형에 있는 기능 평가를 위한 3D 운동학 분석

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

뇌졸중 1 주일 이내에 코르티코 척수의 기능 상태 결정

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

뉴런-희소돌기아교세포 상호작용 모델링을 위한 만능줄기세포로부터 인간 뉴런 및 희소돌기아교세포 생성

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

외상성 뇌 손상 다음 성인 쥐에서 공간 작업 메모리를 평가 하기 위한 메트릭 테스트

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

미토콘드리아 질환 모델링을 위한 인간 뇌 오르가노이드 생성

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