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 foi apoiado pela Fundação Nacional de Ciências Naturais da China (32171031), STI 2030 - Projeto Principal (2021ZD0200409), Fundos de Pesquisa Fundamental para as Universidades Centrais (2021XZZX006) e Centro de Tecnologia da Informação da Universidade de Zhejiang.

NOTA: Todo o software usado aqui é mostrado na Tabela de Materiais. Os dados utilizados neste estudo para fins de demonstração foram do Projeto Conectoma Humano (HCP: http://www. humanconnectome.org)15. Todos os procedimentos experimentais foram aprovados pelo Comitê de Ética em Pesquisa (CEP) da Universidade de Washington. Os dados de imagem no conjunto de dados do HCP foram adquiridos usando um scanner 3T modificado Siemens Skyra com uma bobina de cabeça de 32 canais. Outr...

<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>

Espera-se que a neurociência em rede ajude a entender como a rede cerebral suporta as funções cognitivas humanas32. Este protocolo demonstra uma abordagem integrativa para estudar a rede funcional para navegação espacial no cérebro humano, que também pode inspirar a modelagem de redes para outros construtos cognitivos (por exemplo, linguagem).
Essa abordagem consistiu em três etapas principais: definição de nós, construção de rede e análise de rede. Enquan...

A especificidade funcional é um princípio organizacional fundamental do cérebro humano, que desempenha um papel crucial na formação das funções cognitivas1. Anormalidades na organização da especificidade funcional podem refletir deficiências cognitivas marcantes e os fundamentos patológicos associados de grandes distúrbios cerebrais, como autismo e doença de Alzheimer 2,3. Embora as teorias e pesquisas convencionais tendam a se concentrar em regiões cerebrais únicas, como a área da face fusiforme (FFA) para reconhecimento facial4 e a área do lugar do parahipocampo (PPA)5 para processamento de cenas, um corpo crescente de evidências sugere que funções cognitivas complexas, incluindo navegação espacial e linguagem, requerem atividade coordenada em várias regiões cerebrais6. Investigar os mecanismos subjacentes às interações em apoio a funções cognitivas complexas é uma questão científica crítica que ajudará a lançar luz sobre a arquitetura funcional e o funcionamento do cérebro. Aqui, tomando a navegação espacial como exemplo, apresentamos um método integrativo para modelagem da rede funcional para navegação espacial no cérebro humano.
A navegação espacial é uma função cognitiva complexa, que envolve a integração e manipulação de múltiplos componentes cognitivos, como codificação visuoespacial, memória e tomada de decisão7. Com a ressonância magnética funcional (RMf), numerosos estudos fizeram avanços significativos na compreensão do processamento cognitivo subjacente e dos mecanismos neurais. Por exemplo, funções específicas têm sido associadas a diferentes regiões cerebrais usando várias tarefas de navegação: o processamento de cenas está especificamente associado à APP, e a transformação das estratégias de navegação está associada ao córtex retroesplenial (CRE)8,9. Esses estudos forneceram informações importantes sobre as bases neurais da navegação espacial. No entanto, a navegação é uma função internamente dinâmica e multimodal, e as funções de regiões isoladas não são suficientes para explicar grandes diferenças individuais na navegação espacial10 que são comumente observadas.
Com o surgimento da conectômica baseada em fMRI, os pesquisadores começaram a explorar como algumas regiões-chave do cérebro interagem entre si para apoiar a navegação espacial. Por exemplo, descobriu-se que a conectividade funcional entre os córtices entorrinal e cingulado posterior sustenta discrepâncias de navegação na doença de Alzheimer em risco11. Em outro estudo, propusemos pela primeira vez uma abordagem de rede integrando métodos de conectoma e quase todas as regiões (nós) funcionalmente relevantes para navegação espacial, e os resultados mostraram que as propriedades topológicas dessa rede mostraram associações específicas com comportamentos de navegação12. Este estudo fornece novos insights sobre teorias de como múltiplas regiões cerebrais interagem entre si para suportar comportamentos flexíveis de navegação10,13.
O presente trabalho demonstra uma versão atualizada da abordagem integrativa para modelagem de redes funcionais. Resumidamente, duas atualizações foram incluídas: 1) Enquanto os nós definidos no estudo original foram identificados com base em uma base de dados anterior e menor (55 estudos com 2.765 ativações, acessados em 2014), a presente definição foi baseada na base de dados mais recente (77 estudos com 3.908 ativações, acessados em 2022); 2) para aumentar a homogeneidade funcional de cada nódulo, além do atlas anatômico original AAL (Anatomical Automatic Labeling)14, aplicamos uma nova parcelação cerebral, que tem uma resolução muito mais fina e maior homogeneidade funcional (veja abaixo). Esperávamos que ambas as atualizações melhorassem a modelagem da rede funcional. Este protocolo atualizado fornece um procedimento detalhado para investigar a base neural da navegação espacial a partir de uma perspectiva de rede e ajuda a entender as variações individuais nos comportamentos de navegação em saúde e doença. Um procedimento semelhante também poderia ser usado para modelagem de rede para outros construtos cognitivos (por exemplo, linguagem e memória).

<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

A navegação espacial é uma função complexa que envolve a integração e manipulação de informações multissensoriais. Usando diferentes tarefas de navegação, muitos resultados promissores foram alcançados nas funções específicas de várias regiões cerebrais (por exemplo, hipocampo, córtex entorrinal e área do lugar para-hipocampal). Recentemente, tem sido sugerido que um processo de rede não agregado envolvendo múltiplas regiões cerebrais interagindo pode caracterizar melhor a base neural dessa função complexa. Este artigo apresenta uma abordagem integrativa para a construção e análise de redes funcionalmente específicas para navegação espacial no cérebro humano. Resumidamente, essa abordagem integrativa consiste em três etapas principais: 1) identificar regiões cerebrais importantes para a navegação espacial (definição de nós); 2) estimar a conectividade funcional entre cada par dessas regiões e construir a matriz de conectividade (construção de rede); 3) investigar as propriedades topológicas (por exemplo, modularidade e pequena mundanidade) da rede resultante (análise de rede). A abordagem apresentada, a partir de uma perspectiva de rede, poderia nos ajudar a entender melhor como nosso cérebro suporta navegação flexível em ambientes complexos e dinâmicos, e as propriedades topológicas reveladas da rede também podem fornecer biomarcadores importantes para orientar a identificação precoce e o diagnóstico da doença de Alzheimer na prática clínica.

As redes de navegação O presente estudo identificou 27 regiões cerebrais associadas à navegação espacial, incorporando o mais recente banco de dados de neuroimagem de meta-análise e o atlas AICHA. Essas regiões consistiram das regiões medial temporal e parietal que têm sido comumente relatadas em estudos de neuroimagem de navegação. A distribuição espacial dessas regiões é mostrada nas Figuras 5A e 5C. Como co...

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

Este artigo apresenta uma abordagem integrativa para investigar a rede funcional para navegação espacial no cérebro humano. Esta abordagem incorpora um banco de dados meta-analítico de neuroimagem em larga escala, ressonância magnética funcional de repouso e modelagem de redes e técnicas teóricas de grafos.

Modelagem da Rede Funcional para Navegação Espacial no Cérebro Humano

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

A navegação espacial é um processo complexo que envolve uma rede distribuída no cérebro. Nosso trabalho apresenta uma abordagem integrativa para modelagem de uma rede funcional para navegação espacial utilizando dados FMRI. O modelo de rede ideal fornece novos insights para entender como as regiões cerebrais dentro da rede interagem.O modelo de rede também poderia captar melhor a variabilidade nos comportamentos de saúde e doença. Nosso método também pode ser aplicado a estudos ou outras funções complexas. Por exemplo, um procedimento semelhante poderia ser usado para modelar a rede cerebral para linguagem e memória.Para começar, verifique a qualidade dos dados e exclua os participantes com dados de reteste ausentes e movimento excessivo da cabeça. Em seguida, abra a análise teórica de rede gráfica ou a caixa de ferramentas GRETNA no MATLAB. Clique na guia "FC Matrix Construction" e selecione o caminho do conjunto de dados funcional para carregar os documentos bacanas.Execute as etapas conforme exibido na opção de pipeline. Em seguida, para executar a definição do nó de rede, baixe o banco de dados Neurosynth mais recente digitando o seguinte comando. Em seguida, gere uma nova instância de conjunto de dados do banco de dados.txt e adicione recursos a esses dados digitando este comando. Execute uma meta-análise do termo de interesse, como navegação, digitando o comando. Em seguida, defina clusters de interesse incorporando o mapa meta-analítico e todo o atlas de parcelação cerebral, como AICHA ou AAL, digitando este comando da FSL.Em seguida, digite os seguintes scripts em Python para verificar o tamanho de cada região no mapa. Depois disso, integre todas as regiões cerebrais em um modelo da FSL Maths em FSL. Para estimar a conectividade de rede, clique em FC Matrix Construction no software GRETNA e clique em Static Correlation.Carregue o nó obtido da definição do nó de rede como um atlas para calcular a correlação estática dos sinais rs-fMRI de cada par de regiões e transferi-los para os escores Z de Fisher. Para obter uma rede positiva e ponderada com as etapas exibidas na opção de pipeline, clique em Análise de Rede. Em seguida, adicione as matrizes de rede na janela da matriz de conectividade do cérebro e escolha um diretório de saída para preparação.Adicione um mundo pequeno, eficiência global, coeficiente de clustering, comprimento de caminho mais curto, grau de centralidade e eficiência local ao pipeline de análise métrica de rede GRETNA. Selecione positivo no sinal de matriz. Selecione a esparsidade de rede no método de limite e insira um conjunto de sequências de limite.Escolha o tipo de rede como ponderado. Defina o número de rede aleatório como 1, 000 e clique em Executar. Para determinar o número ideal de módulos na rede, primeiro calcule a média da rede de navegação.Em seguida, divida a rede média resultante em 2, 3, 4 e 5 módulos usando a função, cluster espectral, no MATLAB. Em seguida, alinhe as divisões do módulo usando o script procrustes_alignment. m, e calcular a porção de nós divididos no mesmo módulo no repouso um e no repouso dois.Selecione o número de módulos com maior repetibilidade. Para realizar a análise de rede, examine a semelhança dessas métricas de rede entre duas redes com diferentes tipos de estratégias sem definição, como NaviNet AICHA e NaviNet AAL. Verifique a confiabilidade do teste de reteste dessas métricas de rede usando a função ICC no MATLAB.Neste estudo, 27 regiões cerebrais associadas à navegação espacial foram identificadas usando o atlas AICHA. Essas regiões consistiram das regiões medial temporal e parietal que têm sido relatadas em estudos de neuroimagem de navegação. Como comparação, 20 regiões do atlas da AAL foram incluídas.Mostrou uma grande sobreposição e distribuição comunitária semelhante entre os dois conjuntos, incluindo módulos ventral e dorsal semelhantes em ambas as redes. Além disso, cinco das seis métricas, com exceção do coeficiente de clustering, mostraram correlações significativas entre as duas redes. Os valores de similaridade aumentaram com o limiar de esparsidade para quase todas as métricas, sugerindo que a análise em nível de rede poderia refletir diferenças individuais estáveis, independentemente das escolhas de definição de nós, e que o limiar de esparsidade de 0,30 a 0,40 resultaria em melhor generalizabilidade na análise de redes de navegação.Além disso, a avaliação da confiabilidade do reteste de repouso das medidas topológicas das redes de navegação indicou que a maioria das métricas da rede mostrou confiabilidade regular a boa na AICHA, enquanto a rede AAL mostrou confiabilidade relativamente maior. Além disso, a inclusão da regressão global do sinal no pré-processamento dos dados da FMRI poderia resultar em alta confiabilidade. Esses resultados sugerem que o coeficiente de agrupamento e o mundo pequeno são os mais confiáveis entre essas métricas.Com essa abordagem, os pesquisadores podem investigar a trajetória de desenvolvimento de redes funcionalmente específicas. As propriedades da rede também fornecem novos biomarcadores para orientar a identificação precoce de distúrbios cerebrais, como a doença de Alzheimer.

Research

JoVE Journal

Neuroscience

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

Combinando Estimulação Magnética Transcraniana e fMRI para o Exame da rede de modo padrão

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 ...

Neurociência

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

Usando MazeSuite e Funcional espectroscopia no infravermelho próximo para o Estudo Aprendizagem em navegação espacial

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

De alta resolução funcionais Métodos ressonância magnética para Midbrain Humanos

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

Análise do elevado-throughput de comportamento Locomotor no ensaio de ilha de Drosophila

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

Gravação de plasticidade sináptica em fatias Hippocampal agudas, mantidas em um pequeno volume reciclagem - perfusão- e sistema de câmara de submersão-tipo

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

Análise Cinética 3D para a Avaliação Funcional no modelo de rat da lesão ciática de esmagamento nervoso

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

Determinando o Status Funcional do Trato Corticorrindiano dentro de uma semana de Derrame

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

Geração de neurônios humanos e oligodendrócitos a partir de células-tronco pluripotentes para modelagem de interações neurônio-oligodendrócitos

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

Um teste métrico para avaliar a memória espacial de trabalho em ratos adultos após lesão cerebral traumática

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

Geração de Organoides cerebrais humanos para modelagem de doenças mitocondriais

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