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 stöddes av National Natural Science Foundation of China (32171031), STI 2030 - Major Project (2021ZD0200409), Fundamental Research Funds for the Central Universities (2021XZZX006) och Information Technology Center vid Zhejiang University.

OBS: All programvara som används här visas i materialtabellen. De data som användes i denna studie i demonstrationssyfte kom från Human Connectome Project (HCP: http://www. humanconnectome.org)15. Alla experimentella procedurer godkändes av Institutional Review Board (IRB) vid Washington University. Bilddata i HCP-materialet samlades in med hjälp av en modifierad 3T Siemens Skyra-skanner med en 32-kanals huvudspole. Andra bildinsamlingsparametrar beskrivs i detalj i en tidig...

<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>

Nätverksneurovetenskap förväntas hjälpa till att förstå hur hjärnans nätverk stöder mänskliga kognitiva funktioner32. Detta protokoll visar ett integrativt tillvägagångssätt för att studera det funktionella nätverket för rumslig navigering i den mänskliga hjärnan, vilket också kan inspirera nätverksmodellering för andra kognitiva konstruktioner (t.ex. språk).
Detta tillvägagångssätt bestod av tre huvudsteg: noddefinition, nätverkskonstruktion o...

Funktionell specificitet är en grundläggande organisationsprincip för den mänskliga hjärnan, som spelar en avgörande roll för att forma kognitiva funktioner1. Avvikelser i organisationen av funktionell specificitet kan återspegla kännetecknande kognitiva funktionsnedsättningar och de associerade patologiska grunderna för allvarliga hjärnsjukdomar som autism och Alzheimers sjukdom 2,3. Medan konventionella teorier och forskning har tenderat att fokusera på enskilda hjärnregioner, såsom fusiforma ansiktsområdet (FFA) för ansiktsigenkänning4 och parahippocampus place area (PPA)5 för scenbearbetning, tyder en ökande mängd bevis på att komplexa kognitiva funktioner, inklusive rumslig navigering och språk, kräver koordinerad aktivitet över flera hjärnregioner6. Att undersöka de mekanismer som ligger till grund för interaktionerna till stöd för komplexa kognitiva funktioner är en kritisk vetenskaplig fråga som kommer att bidra till att belysa hjärnans funktionella arkitektur och funktion. Här, med spatial navigering som exempel, presenterar vi en integrativ metod för att modellera det funktionella nätverket för rumslig navigering i den mänskliga hjärnan.
Rumslig navigering är en komplex kognitiv funktion som involverar integration och manipulering av flera kognitiva komponenter, såsom visuell-rumslig kodning, minne och beslutsfattande7. Med funktionell magnetisk resonanstomografi (fMRI) har många studier gjort betydande framsteg när det gäller att förstå den underliggande kognitiva bearbetningen och neurala mekanismer. Till exempel har specifika funktioner kopplats till olika hjärnregioner med hjälp av olika navigeringsuppgifter: scenbearbetning är specifikt associerad med PPA, och omvandling av navigationsstrategier är associerad med retrosplenial cortex (RSC)8,9. Dessa studier gav viktiga insikter om den neurala grunden för rumslig navigering. Navigering är dock en internt dynamisk och multimodal funktion, och funktionerna i enskilda regioner är inte tillräckliga för att förklara de stora individuella skillnader i rumslig navigering10 som ofta observeras.
Med framväxten av fMRI-baserad connectomics började forskare utforska hur vissa viktiga hjärnregioner interagerar med varandra för att stödja rumslig navigering. Till exempel har funktionell konnektivitet mellan entorhinala och bakre cingulate cortices visat sig ligga till grund för navigationsavvikelser vid Alzheimers sjukdom i riskzonen11. I en annan studie föreslog vi för första gången en nätverksstrategi genom att integrera connectome-metoder och nästan alla funktionellt relevanta regioner (noder) för rumslig navigering, och resultaten visade att topologiska egenskaper hos detta nätverk visade specifika samband med navigationsbeteenden12. Denna studie ger nya insikter i teorier om hur flera hjärnregioner interagerar med varandra för att stödja flexibla navigeringsbeteenden 10,13.
Detta arbete demonstrerar en uppdaterad version av det integrativa tillvägagångssättet för modellering av det funktionella nätverket. I korthet inkluderades två uppdateringar: 1) Medan noderna som definierades i den ursprungliga studien identifierades baserat på en tidigare och mindre databas (55 studier med 2 765 aktiveringar, åtkomst 2014), baserades den nuvarande definitionen på den senaste databasen (77 studier med 3 908 aktiveringar, åtkomst 2022); 2) För att öka den funktionella homogeniteten hos varje nod, förutom den ursprungliga anatomiska AAL (Anatomical Automatic Labeling) atlas14, applicerade vi en ny hjärnparcellation, som har en mycket finare upplösning och högre funktionell homogenitet (se nedan). Vi förväntade oss att båda uppdateringarna skulle förbättra modelleringen av det funktionella nätverket. Detta uppdaterade protokoll ger en detaljerad procedur för att undersöka den neurala grunden för rumslig navigering ur ett nätverksperspektiv och hjälper till att förstå individuella variationer i navigeringsbeteenden i hälsa och sjukdom. En liknande procedur kan också användas för nätverksmodellering för andra kognitiva konstruktioner (t.ex. språk och minne).

<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

Rumslig navigering är en komplex funktion som involverar integration och manipulering av multisensorisk information. Med hjälp av olika navigationsuppgifter har många lovande resultat uppnåtts på de specifika funktionerna i olika hjärnregioner (t.ex. hippocampus, entorhinala cortex och parahippocampus platsområde). Nyligen har det föreslagits att en icke-aggregerad nätverksprocess som involverar flera interagerande hjärnregioner bättre kan karakterisera den neurala grunden för denna komplexa funktion. Denna artikel presenterar ett integrativt tillvägagångssätt för att konstruera och analysera det funktionellt specifika nätverket för rumslig navigering i den mänskliga hjärnan. Kortfattat består detta integrativa tillvägagångssätt av tre huvudsteg: 1) att identifiera hjärnregioner som är viktiga för rumslig navigering (noddefinition); 2) att uppskatta funktionell konnektivitet mellan varje par av dessa regioner och konstruera konnektivitetsmatrisen (nätverkskonstruktion); 3) att undersöka de topologiska egenskaperna (t.ex. modularitet och litenhet) hos det resulterande nätverket (nätverksanalys). Det presenterade tillvägagångssättet, ur ett nätverksperspektiv, kan hjälpa oss att bättre förstå hur vår hjärna stöder flexibel navigering i komplexa och dynamiska miljöer, och de avslöjade topologiska egenskaperna hos nätverket kan också ge viktiga biomarkörer för att vägleda tidig identifiering och diagnos av Alzheimers sjukdom i klinisk praxis.

Navigationsnäten Den aktuella studien identifierade 27 hjärnregioner, som är associerade med rumslig navigering, genom att införliva den senaste metaanalysdatabasen för neuroimaging och AICHA-atlasen. Dessa regioner bestod av de mediala temporala och parietala regionerna som ofta har rapporterats i navigationsneuroradiologiska studier. Den rumsliga fördelningen av dessa regioner visas i figur 5A och figur 5C. Som en jä...

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

Denna artikel presenterar ett integrativt tillvägagångssätt för att undersöka det funktionella nätverket för rumslig navigering i den mänskliga hjärnan. Detta tillvägagångssätt innehåller en storskalig metaanalytisk databas för neuroavbildning, funktionell magnetisk resonanstomografi i vilotillstånd och nätverksmodellering och grafteoretiska tekniker.

Modellering av det funktionella nätverket för rumslig navigering i den mänskliga hjärnan

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

Rumslig navigering är en komplex process som involverar ett distribuerat nätverk i hjärnan. Vårt arbete presenterar ett integrativt tillvägagångssätt för att modellera ett funktionellt nätverk för rumslig navigering med hjälp av FMRI-data. Den optimala nätverksmodellen ger nya insikter för att förstå hur hjärnregioner inom nätverket interagerar.Nätverksmodellen skulle också bättre kunna fånga upp variabilitet i beteenden inom både hälsa och sjukdom. Vår metod kan även tillämpas på studier eller andra komplexa funktioner. Till exempel kan en liknande procedur användas för att modellera hjärnans nätverk för språk och minne.Börja med att kontrollera datakvaliteten och uteslut deltagare med saknade omtestdata och överdriven huvudrörelse. Öppna sedan grafens teoretiska nätverksanalys eller GRETNA-verktygslåda i MATLAB. Klicka på fliken FC Matrix Construction"och välj sökvägen till den funktionella datauppsättningen för att ladda de fiffiga dokumenten.Kör stegen som visas i pipelinealternativet. Om du sedan vill utföra nätverksnoddefinitionen laddar du ned den senaste Neurosynth-databasen genom att skriva följande kommando. Generera sedan en ny datauppsättningsinstans från databasen.txt och lägg till funktioner till dessa data genom att skriva det här kommandot. Kör en metaanalys av termen av intresse, till exempel navigering, genom att skriva kommandot. Definiera sedan kluster av intresse genom att införliva den metaanalytiska kartan och hela hjärnpaketeringsatlasen som AICHA eller AAL genom att skriva det här kommandot från FSL.Skriv sedan följande skript i Python för att kontrollera storleken på varje region på kartan. Därefter integrerar du alla hjärnregioner i en mall av FSL Maths i FSL. För uppskattning av nätverksanslutning, klicka på FC Matrix Construction i GRETNA-programvaran och klicka på Statisk korrelation.Ladda upp noden som erhållits från nätverksnoddefinitionen som en atlas för att beräkna den statiska korrelationen mellan rs-fMRI-signaler för varje par av regioner och överför dem till Fishers Z-poäng. Om du vill få ett positivt och viktat nätverk med stegen som visas i pipelinealternativet klickar du på Nätverksanalys. Lägg sedan till nätverksmatriserna i matrisfönstret för hjärnanslutning och välj en utdatakatalog för förberedelse.Lägg till en liten värld, global effektivitet, klustringskoefficient, kortaste väglängd, gradcentralitet och lokal effektivitet till GRETNA-nätverksmåttanalyspipelinen. Välj positiv i matristecknet. Välj nätverksgleshet i tröskelmetoden och ange en uppsättning tröskelsekvenser.Välj nätverkstyp som viktad. Ställ in det slumpmässiga nätverksnumret till 1 000 och klicka på Kör. För att bestämma det optimala antalet moduler i nätverket, beräkna först det genomsnittliga navigationsnätverket.Dela sedan upp det resulterande genomsnittliga nätverket i 2, 3, 4 och 5 moduler med hjälp av funktionen, spektralkluster, i MATLAB. Justera sedan modulindelningarna med hjälp av skriptet, procrustes_alignment. m, och beräkna andelen noder uppdelade i samma modul i vila ett och vila två.Välj antalet moduler med högst repeterbarhet. För att utföra nätverksanalysen, undersök likheten mellan dessa nätverksmått mellan två nätverk med olika typer av strategier utan definition som NaviNet AICHA och NaviNet AAL. Kontrollera tillförlitligheten för testomtest för dessa nätverksmått med hjälp av funktionen ICC i MATLAB.I denna studie identifierades 27 hjärnregioner associerade med rumslig navigering med hjälp av AICHA-atlasen. Dessa regioner bestod av de mediala temporala och parietala regionerna som har rapporterats i navigationsneuroradiologiska studier. Som jämförelse inkluderades 20 regioner från AAL-atlasen.Den visade en stor överlappning och liknande samhällsfördelning mellan de två uppsättningarna, inklusive liknande ventrala och dorsala moduler i båda nätverken. Vidare visade fem av de sex mätvärdena, förutom klustringskoefficienten, signifikanta korrelationer mellan de två nätverken. Likhetsvärdena ökade med gleshetströskeln för nästan alla mätvärden, vilket tyder på att analysen på nätverksnivå kan återspegla stabila individuella skillnader, oberoende av noddefinitionsval, och att gleshetströskeln på 0,30 till 0,40 skulle resultera i bättre generaliserbarhet i navigationsnätverksanalysen.Utvärderingen av tillförlitligheten hos de topologiska måtten i navigationsnäten visade dessutom att majoriteten av nätverkets mätvärden visade hyfsad till god tillförlitlighet i AICHA, medan AAL-nätet uppvisade relativt sett högre tillförlitlighet. Dessutom kan global signalregression i förbehandling av FMRI-data resultera i hög tillförlitlighet. Dessa resultat tyder på att klustringskoefficienten och den lilla världen är de mest tillförlitliga bland dessa mått.Med detta tillvägagångssätt kan forskare undersöka utvecklingsbanan för funktionellt specifika nätverk. Nätverksegenskaper ger också nya biomarkörer för tidig identifiering av hjärnsjukdomar som Alzheimers sjukdom.

Research

JoVE Journal

Neuroscience

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

Kombinera transkraniell magnetisk stimulering och fMRI för att undersöka nätverket standardläge

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

Använda MazeSuite och funktionell Near Infrared spektroskopi för att studera Lärande i Spatial navigering

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

Högupplösta functional magnetic resonance imaging metoder för Human mitthjärnan

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

Hög genomströmning analys av rörelseapparaten beteende i Drosophila ön analysen

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

Inspelning synaptisk plasticitet i akut Hippocampus skivor underhålls i en små volymer återvinning - Perfusion- och nedsänkning-typ kammaresystem

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 Analys för funktionell utvärdering i Rat Modell av Sciatic Nerve Crush Skada

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

Bestämma korticospinalkanalens funktionella status inom en veckaefter stroke

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

Generering av humana neuroner och oligodendrocyter från pluripotenta stamceller för modellering av neuron-oligodendrocytinteraktioner

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

Ett metriskt test för bedömning av rumsligt arbetsminne hos vuxna råttor efter traumatisk hjärnskada

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

Generation av mänskliga hjärnorganoider för mitokondriell sjukdom modellering

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