Investigation of default mode networks in rhesus macaque brain with 7.0T resting-state fMRI

, , ,

(1.College of Computer Science and Technology, Wuhan University of Science and Technology, Wuhan 430065, China; 2.Hubei Province Key Laboratory of Intelligent Information Processing and Real-time Industrial System, Wuhan 430065, China; 3.College of Pharmacy, Purdue University, West Lafayette 47907, USA; 4.Institute of Biophysics, Chinese Academy of Science, Beijing 100101, China; 5.State Key Laboratory of Brain and Cognitive Science, Beijing 100101, China)

fMRI技術已廣泛用于腦神經科學的臨床和基礎研究?；趂MRI的大腦網(wǎng)絡研究主要分為任務態(tài)和靜息態(tài)fMRI。相比任務態(tài)fMRI，靜息態(tài)fMRI可避免不同被試主動執(zhí)行特定任務或接受某種刺激時產生的腦激活差異，已成為神經藥理學研究的重要工具之一[1]。Raichle等[2]首次提出靜息態(tài)默認網(wǎng)絡(default mode networks, DMN)假說，表明DMN在任務相關試驗中呈負激活而在靜息態(tài)下呈正激活。靜息態(tài)下，DMN可能涉及更高級別的認知活動，如自動監(jiān)控周圍環(huán)境、進行記憶工作等。隨后，眾多學者[3-5]圍繞DMN展開了復雜疾病發(fā)生機制、藥物療效等的研究。目前臨床主要采用3.0T以下fMRI設備進行疾病的早期定性分析和治療。研究[6]表明，MR設備的場強越高，其成像速度越快，圖像分辨率越高、噪聲越小。7.0T fMRI設備可獲得質量更好的圖像數(shù)據(jù)，其軟件處理系統(tǒng)可完成目前幾乎所有的MR序列和波譜實驗，但場強過高對人體的傷害以及采集數(shù)據(jù)的差異仍有待研究。非人靈長類動物模型比嚙齒類動物更適合代替人類研究待解決的問題[7]。本研究針對7.0T fMRI設備掃描獲得麻醉狀態(tài)下健康恒河猴的靜息態(tài)數(shù)據(jù)，采用DPARSF軟件包[8]、SPM 12[9]、FSL 5.0.9[10]及marsbar_0.44[11]等圖像分析軟件進行預處理后，以GIFT[12]軟件包進行獨立成分分析，提取7.0T靜息態(tài)fMRI恒河猴腦DMN結構。

1 材料與方法

1.1 實驗對象 選取2只成年雄性健康恒河猴(編號為M1和M2)，體質量分別為8.7 kg和9.7 kg，年齡8.5和7.8歲。所有手術及實驗程序均遵循北京市實驗動物管理條例，并符合中國科學院生物物理研究所倫理委員會規(guī)則。

實驗動物麻醉前12 h禁飼食、麻醉前3 h限制飼水。建立持續(xù)靜脈輸液通道，采用丙泊酚(1 mg/kg體質量)建立基礎麻醉，以輸液泵持續(xù)靜脈滴注[速率0.3mg/(kg·min)]。先將恒河猴俯臥保定于特制的動物實驗架，再將其上門齒置于特制牙托，之后置于特制fMRI工作臺，持續(xù)觀測呼吸頻率，并間歇觀察其麻醉狀態(tài)。動態(tài)調整藥物滴注速度并保持持續(xù)穩(wěn)定麻醉狀態(tài)15～30 min后，將恒河猴移入MR掃描設備。實驗過程中使動物保持安靜、靜止，并于實驗結束停藥后30 min內將其安全、清醒地送返動物房。

1.2 儀器與方法 采用Siemens Magnetom Investigational Device 7.0T syngo MR B17 MR掃描儀，自制三通道相控陣線圈。采用平面回波序列完成全腦軸位掃描，采集靜息態(tài)功能像，對M1、M2掃描6組，每組采集336個時間點，TR 6 000 ms，TE 23 ms，F(xiàn)A 90°，掃描層數(shù)76，層厚1 mm，F(xiàn)OV 96 mm×90 mm，層內分辨力1 mm×1 mm， GRAPPA加速，加速因子為2；以T1W磁化快速梯度回波序列采集結構像，TR 2 200 ms，TE 3.22 ms，TI 1 050 ms，F(xiàn)A 7°，掃描層數(shù)176，層厚0.7 mm，F(xiàn)OV 135 mm×135 mm，層內分辨力0.7 mm×0.7 mm。

1.3 圖像預處理 基于MATLAB 7.11(R2010b)開發(fā)環(huán)境，采用DPABI_V2.0軟件包中的DPARSF 4.0 for monkey data、SPM12、FSL 5.0.9及marsbar_0.44等軟件對靜息態(tài)fMRI猴腦數(shù)據(jù)進行預處理(圖1)。具體步驟：①根據(jù)DPABI_V2.0軟件包支持的數(shù)據(jù)格式，采用MRIcro工具(http://www.cabiatl.com/mricro/mricron/dcm2nii.html)將功能像由3D NIfTI格式轉換為4D NIfTI，并按軟件包要求的目錄順序對功能像和結構像數(shù)據(jù)進行整理；②使用FSL 5.0.9工具包中的BET組件剔除顱骨組織，觀察結構像中是否仍存在未能剔除的顱骨組織，如存在則通過marsbar_0.44結合SPM12進一步剔除；③為降低磁飽和效應的影響，剔除每組功能像的前6個時間點；④進行時間層校正和頭動校正，剔除頭部平移>1 mm或轉動>1°的數(shù)據(jù)；⑤對后續(xù)數(shù)據(jù)進行空間標準化，因采集的猴腦fMRI數(shù)據(jù)的方向、原點位置與DPARSF 4.0 for monkey data支持的猴腦模板112SM-RL-T1[13]相差甚大，故對功能像和結構像進行重定向，設置reorient交互界面中的pitch、roll和yaw，使大腦的方向與112SM-RL-T1模板一致，再調整right、forward和up使其原點大致接近112SM-RL-T1模板原點位置；⑥將重定向后的功能像配準到相應的結構像；⑦根據(jù)白質、灰質和腦脊液的先驗組織分割模型[13]對配準后的結構像進行分割；⑧依據(jù)分割結果，將功能像標準化到112SM-RL-T1模板上，并重采樣為2 mm×2 mm×2 mm大小的體素；⑨使用高斯核函數(shù)進行空間平滑濾波(FWHM 3 mm)。

圖1 靜息態(tài)fMRI猴腦數(shù)據(jù)預處理過程

圖2 靜息態(tài)恒河猴M1的1組功能像預處理結果 A～C.原始功能像數(shù)據(jù); D～L.依次為顱骨剔除(D～F)、重定向(G～I)及空間標準化加平滑濾波結果(J～L)

圖3 恒河猴腦標準模板112SM-RL-T1 A.冠狀位; B.矢狀位; C.軸位

1.4 獨立成分分析 采用GIFT[12]軟件包(http://mialab.mrn.org/software/gift/index.htm)對預處理后的靜息態(tài)fMRI功能像數(shù)據(jù)進行組獨立成分分析(group independent component analysis, group-ICA)。對M1和M2各采集6組功能像數(shù)據(jù)，經頭動校正后的數(shù)據(jù)集包括8組功能像數(shù)據(jù)。先采用GIFT[12]軟件包中的MDL標準，估計組級別獨立成分(group-level independent components, group-ICs)的總個數(shù)，估計結果為12；然后使用主成分分析(principal component analysis， PCA)算法對該數(shù)據(jù)集進行時間降維；再以Informax算法對降維后的數(shù)據(jù)集進行空間group-ICA，獲得12個group-ICs；由于ICA是一個隨機估計過程，計算所得成分圖取決于初始條件，為保證分解的質量，采用ICASSO工具包將ICA算法進行20次迭代；由group-ICs進行重建獲得每組功能像數(shù)據(jù)對應的ICs。將每個獨立成分歸一化為z值，每個獨立成分包括空間激活分布圖和對應時序圖。z值越大，表明激活區(qū)越強烈。設置閾值z>1.5，獲取DMN空間分布激活圖。

圖4 ICs總數(shù)為10(A)、12(B)、14(C)時的DMN空間分布激活圖 (色柱表示z值范圍)

2 結果

M1的1組靜息態(tài)功能像數(shù)據(jù)預處理結果見圖2。原始功能像數(shù)據(jù)包含腦組織和顱骨組織，經顱骨剔除后，功能像數(shù)據(jù)圖像僅包含腦組織部分。采用DPABI軟件包中的Viewer查看恒河猴腦標準模板112SM-RL-T1(圖3)。重定向后的功能像數(shù)據(jù)原點與恒河猴模板原點大致接近(圖2、3)，且功能像成功配準到標準模板上(圖2)。

采用GIFT[12]軟件包對預處理數(shù)據(jù)進行空間group-ICA，獲得12種ICs。手動將ICs的總數(shù)目分別設置為10和14進行相同實驗，實驗步驟以及其他參數(shù)均與上述一致。在ICs總數(shù)目分別為10、12、14時，采用group-ICA方法獲取的DMN空間分布激活圖疊加顯示在112SM-RL-T1模板的結果見圖4，group-ICA方法提取的DMN結構呈現(xiàn)較好的穩(wěn)定性。圖4B中DMN包含的腦區(qū)主要有位于中線區(qū)的后扣帶回(23a/b區(qū))、前扣帶回(24b/c區(qū))、內側頂葉皮質(7m區(qū))、后壓部皮質(29/30區(qū))，及大腦左右半球較為對稱的弓狀溝回(8bs區(qū))、腹側壁內區(qū)域(ventral intraparietal area， VIP)、背側顳上溝回(TPO、Tea區(qū))、顳區(qū)(MST區(qū))及部分視覺區(qū)域(V3A、V4和7b區(qū))等腦區(qū)。

3 討論

DMN是靜息態(tài)下激活最強的網(wǎng)絡，反映大腦在靜息態(tài)下仍然存在眾多高級認知活動。DMN是最常被研究也是最受爭議的腦網(wǎng)絡。目前關于恒河猴腦DMN結果并無確切的定義，提取DMN的方法主要為種子相關分析法和獨立成分分析。種子相關分析方法是通過選取ROI為種子點，計算腦區(qū)與種子點的連接程度。Vincent等[14]采用種子相關分析法發(fā)現(xiàn)麻醉恒河猴存在DMN，在包含后扣帶回(23區(qū)和31區(qū))和楔前葉(7m區(qū))的后中線設置種子點，發(fā)現(xiàn)該種子點與側顳頂皮質(7a區(qū)和顳上溝回)和后海馬旁回存在功能連接，背內側前額葉皮質也呈現(xiàn)較強的相關性，盡管該腦區(qū)與前扣帶回存在大部分重疊。隨后，Margulies等[15]使用相同的數(shù)據(jù)集進行種子點相關分析，將種子點嚴格設于后扣帶回，所得DMN包括后扣帶回、腹側前額葉、背側前額葉皮質、頂下小葉，并不包括側顳頂皮質和海馬結構，并提出楔前葉并不是DMN的一個組成部分，與既往研究[16]結果一致。Teichert等[17]利用基于種子的研究方法對3只麻醉猴進行研究，在后中側皮質設置種子點，結果發(fā)現(xiàn)DMN不包括內側額葉、背側額葉和海馬結構。上述研究均采用種子相關分析法探討恒河猴腦DMN，但結果并不完全一致，原因是所得功能連接圖在很大程度上取決于種子點位置的選擇。通常種子相關分析法只能獲得與種子點存在較強功能連接的腦區(qū)，并不能獲得完整的網(wǎng)絡空間分布圖。

相比種子相關分析法，獨立成分分析主要將fMRI全腦數(shù)據(jù)進行空間分離成多個獨立成分，每個成分即為一套功能網(wǎng)絡，可獲得腦區(qū)之間的連接情況。Hutchison等[18]借助獨立成分分析方法獲得與DMN最匹配的獨立成分，其空間分布圖包括后扣帶回、前扣帶回、楔前葉、頂葉皮質以及單側的腹內側前額葉皮質。最近，Mantiniet等[19]對10只恒河猴在清醒狀態(tài)下執(zhí)行任務時的fMRI數(shù)據(jù)進行Meta分析，結果表明當任務要求由靜息態(tài)轉為面向外部處理時，其中一些腦區(qū)組成的網(wǎng)絡活動強度減弱。該網(wǎng)絡根據(jù)定義可認為是DMN，其結果與既往研究[18]的基于后扣帶回種子點所得DMN大部分相同，但不包括側顳頂皮質和海馬結構。

相比3.0T 設備，采用7.0T 設備所得fMRI具有更高分辨率及較低信噪比，其強大的軟件處理系統(tǒng)可完成幾乎所有MR序列和波譜實驗[6]。本研究采用7.0T MR獲得健康麻醉恒河猴的靜息態(tài)fMRI數(shù)據(jù)，旨在研究恒河猴大腦DMN結構特征。本文采用group-ICA方法檢測到恒河猴腦存在DMN結構，包含后扣帶回、前扣帶回、內側頂葉皮質、后壓部皮質以及大腦左右半球較為對稱的弓狀溝回、腹側壁內區(qū)域、顳上溝回、顳區(qū)頂枕葉及部分視覺區(qū)域等腦區(qū)。與上述研究結果不同之處是，本文所得DMN包含部分視覺皮質，但不包含楔前葉。

研究[16]表明人腦DMN對稱地包含后扣帶回、后壓部皮質、楔前葉，腹側、背內側前額葉皮質，頂下小葉，外側顳葉皮質和海馬結構。本研究麻醉恒河猴DMN主要出現(xiàn)在大腦中線部分，包括后扣帶回、前扣帶回、內側頂葉皮層和后壓部皮質，與人腦DMN較為相似。

(致謝：感謝中國科學院生物物理研究所李鵬程同學協(xié)助承擔部分實驗及數(shù)據(jù)處理工作。)

[參考文獻]

[1] Khalili-Mahani N, Van Osch MJ, De Rooij M, et al. Spatial heterogeneity of the relation between resting-state connectivity and blood flow: An important consideration for pharmacological studies. Human brain mapping, 2014,35(3):929-942.

[2] Raichle ME, MacLeod AM, Snyder AZ, et al. A default mode of brain function. Proc Natl Acad Sci U S A, 2001,98(2):676-682.

[3] 張洪英，王世杰，楊明，等．正常老年人靜息狀態(tài)腦功能磁共振的默認網(wǎng)絡研究．中國醫(yī)學影像技術，2008，24(8):1189-1191.

[4] Agosta F, Pievani M, Geroldi C, et al. Resting state fMRI in Alzheimer's disease: Beyond the default mode network. Neurobiol Aging, 2012,33(8):1564-1578.

[5] Kaplan R, Adhikari MH, Hindriks R, et al. Hippocampal sharp-wave ripples influence selective activation of the default mode network. Curr Biol, 2016,26(5):686-691.

[6] Hahn A, Kranz GS, Seidel EM, et al. Comparing neural response to painful electrical stimulation with functional MRI at 3 and 7T. Neuroimage, 2013,82:336-343.

[7] Hutchison RM, Everling S. Monkey in the middle: Why non-human primates are needed to bridge the gap in resting-state investigations. Front Neuroanat, 2012,6:29.

[8] Yan CG, Wang XD, Zuo XN, et al. DPABI: Data processing & analysis for (resting-state) brain imaging. Neuroinformatics, 2016,14(3):339-351.

[9] Friston KJ, Holmes AP, Worsley KJ, et al. Statistical parametric maps in functional imaging: A general linear approach. Hum Brain Mapp, 1994,2(4):189-210.

[10] Smith SM, Jenkinson M, Woolrich MW, et al. Advances in functional and structural MR image analysis and implementation as FSL. Neuroimage, 2004,23(Suppl 1):208-219.

[11] Matthew Brett. MarsBaR Documentation, Release 0.44. [2017-09-25]. http://marsbar.sourceforge.net/index.html.

[12] Calhoun VD, Adali T, Pearlson GD, et al. A method for making group inferences from functional MRI data using independent component analysis. Hum Brain Mapp, 2001,14(3):140-151.

[13] McLaren DG, Kosmatka KJ, Oakes TR, et al. A population-average MRI-based atlas collection of the rhesus macaque. Neuroimage, 2009,45(1):52-59.

[14] Vincent JL, Patel GH, Fox MD, et al. Intrinsic functional architecture in the anaesthetized monkey brain. Nature, 2007,447(7140):83-86.

[15] Margulies DS, Vincent JL, Kelly C, et al. Precuneus shares intrinsic functional architecture in humans and monkeys. Proc Natl Acad Sci U S A, 2009,106(47):20069-20074.

[16] Buckner RL, Andrews-Hanna JR, Schacter DL. The brain's default network. Ann N Y Acad Sci, 2008,1124(1):1-38.

[17] Teichert T, Grinband J, Hirsch J, et al. Effects of heartbeat and respiration on macaque fMRI: Implications for functional connectivity. Neuropsychologia, 2010,48(7):1886-1894.

[18] Hutchison RM, Leung LS, Mirsattari SM, et al. Resting-state networks in the macaque at 7T. Neuroimage, 2011,56(3):1546-1555.

[19] Mantini D, Gerits A, Nelissen K, et al. Default mode of brain function in monkeys. J Neuroscience, 2011,31(36):12954-12962.