Summary

Cartographie cérébrale IRMf en temps réel chez les animaux

Published: September 24, 2020
doi:

Summary

La cartographie fonctionnelle du cerveau animal peut bénéficier de la configuration expérimentale d’imagerie par résonance magnétique fonctionnelle (IRMf) en temps réel. En utilisant le dernier logiciel implémenté dans le système d’IRM animale, nous avons établi une plate-forme de surveillance en temps réel pour l’IRMf des petits animaux.

Abstract

Les réponses dynamiques de l’IRMf varient considérablement en fonction des conditions physiologiques des animaux, soit sous anesthésie, soit en état d’éveil. Nous avons développé une plate-forme IRMf en temps réel pour guider les expérimentateurs afin de surveiller instantanément les réponses IRMf pendant l’acquisition, ce qui peut être utilisé pour modifier la physiologie des animaux afin d’obtenir les réponses hémodynamiques souhaitées dans le cerveau des animaux. La configuration de l’IRMf en temps réel est basée sur un système d’IRM préclinique de 14,1 T, permettant la cartographie en temps réel des réponses dynamiques de l’IRMf dans le cortex somatosensoriel primaire de la patte antérieure (FP-S1) des rats anesthésiés. Au lieu d’une analyse rétrospective pour étudier les sources confondantes conduisant à la variabilité des signaux IRMf, la plate-forme IRMf en temps réel fournit un schéma plus efficace pour identifier les réponses IRMf dynamiques à l’aide de macro-fonctions personnalisées et d’un logiciel d’analyse d’images neurologiques commun dans le système IRM. En outre, il fournit une faisabilité de dépannage immédiate et un paradigme de stimulation par biofeedback en temps réel pour les études fonctionnelles du cerveau chez les animaux.

Introduction

L’imagerie par résonance magnétique fonctionnelle (IRMf) est une méthode non invasive pour mesurer les réponses hémodynamiques 1,2,3,4,5,6,7,8,9, par exemple, le signal de volume sanguin cérébral et de flux sanguin dépendant du niveau d’oxygène dans le sang (BOLD), associé à l’activité neuronale dans le cerveau. Dans les études animales, les signaux hémodynamiques peuvent être affectés par l’anesthésie 10, le niveau de stress des animaux éveillés11, ainsi que les artefacts non physiologiques potentiels, par exemple, les pulsations cardiaques et les mouvements respiratoires12,13,14,15. Bien que de nombreuses méthodes de post-traitement aient été développées pour fournir une analyse rétrospective du signal IRMf pour la dynamique fonctionnelle liée à la tâche et à l’état de repos et la cartographie de la connectivité16,17,18,19, il existe peu de techniques pour fournir une solution de cartographie de la fonction cérébrale en temps réel et des lectures instantanées dans le cerveau animal 20 (dont la plupart sont principalement utilisées pour la cartographie du cerveau humain 21, 22,23,24,25,26,27). En particulier, ce type de méthode de cartographie IRMf en temps réel fait défaut dans les études animales. Il est nécessaire de mettre en place une plate-forme IRMf pour permettre l’étude en temps réel des stades physiologiques dépendants de l’état cérébral et fournir un paradigme de stimulation du biofeedback en temps réel pour les études fonctionnelles du cerveau animal.

Dans le présent travail, nous illustrons une configuration expérimentale IRMf en temps réel avec les macro-fonctions personnalisées du logiciel de la console IRM, démontrant la surveillance en temps réel des réponses BOLD-IRMf évoquées dans le cortex somatosensoriel primaire de la patte antérieure (FP-S1) des rats anesthésiés. Cette configuration en temps réel permet de visualiser l’activation cérébrale en cours dans des cartes fonctionnelles, ainsi que des cours temporels individuels de manière voxel, à l’aide du logiciel d’analyse de neuroimages existant, Analysis of Functional NeuroImages (AFNI)28. La préparation de la configuration expérimentale IRMf en temps réel pour l’étude animale est décrite dans le protocole. Outre la configuration des animaux, nous fournissons des procédures détaillées pour configurer la visualisation et l’analyse des signaux IRMf en temps réel à l’aide du dernier logiciel de console en parallèle avec les scripts de traitement d’image. En résumé, la configuration proposée de l’IRMf en temps réel pour les études animales est un outil puissant pour surveiller les signaux IRMf dynamiques dans le cerveau animal à l’aide du système de console IRM.

Protocol

Cette étude a été réalisée conformément à la loi allemande sur le bien-être animal (TierSchG) et à l’ordonnance sur le bien-être des animaux de laboratoire (TierSchVersV). Le protocole expérimental décrit ici a été examiné par la commission d’éthique (§15 TierSchG) et approuvé par l’autorité de l’État (Regierungspräsidium, Tübingen, Bade-Wurtemberg, Allemagne). 1. Préparation du dispositif expérimental BOLD-IRMf pour l’étude des petits animaux Activ…

Representative Results

La figure 3 et la figure 4 montrent une évolution temporelle BOLD-IRMf représentative en temps réel et des cartes fonctionnelles avec stimulation électrique de la patte avant (3 Hz, 4 s, largeur d’impulsion 300 us, 2,5 mA). Le paradigme de conception de l’IRMf comprend 10 scans de pré-stimulation, 3 scans de stimulation et 12 scans d’inter-stimulation avec un total de 8 époques (130 scans). La durée totale de l’analyse est de 3 min 15 sec (195 sec…

Discussion

La surveillance en temps réel du signal IRMf aide les expérimentateurs à ajuster la physiologie des animaux pour optimiser la cartographie fonctionnelle. Les artefacts de mouvement chez les animaux éveillés, ainsi que l’effet anesthésique, sont des facteurs majeurs qui interviennent dans la variabilité des signaux IRMf, confondant l’interprétation biologique du signal par lui-même 31,32,33,34,35,36,37,38

Disclosures

The authors have nothing to disclose.

Acknowledgements

Nous remercions le Dr D. Chen et le Dr C. Yen d’avoir partagé le script AFNI pour mettre en place l’IRMf en temps réel pour PV 5 et l’équipe AFNI pour le support logiciel. Cette recherche a été financée par le financement de la NIH Brain Initiative (RF1NS113278-01, R01 MH111438-01) et la subvention de l’instrument S10 (S10 RR023009-01) au Martinos Center, à la Fondation allemande pour la recherche (DFG) Yu215 / 3-1, BMBF 01GQ1702 et au financement interne de la Société Max Planck.

Materials

14.1T Bruker MRI system Bruker BioSpin MRI GmbH N/A
A365 Stimulus Isolator World Precision Instruments N/A
AcqKnowledge Software Biopac RRID:SCR_014279, http://www.biopac.com/product/acqknowledge-software/
AFNI Cox, 1996 RRID:SCR_005927, http://afni.nimh.nih.gov
CO2SMO (ETCO2/SpO2 Monitor), Model 7100 Novametrix Medical Systems Inc N/A
Isoflurane CP-Pharma Cat# 1214
Master-9 A.M.P.I N/A
Nanoliter Injector World Precision Instruments Cat# NANOFIL
Pancuronium Bromide Inresa Arzneimittel Cat# 34409.00.00
ParaVision 6 Bruker BioSpin MRI GmbH RRID:SCR_001964
Phosphate Buffered Saline (PBS) Gibco Cat# 10010-023
Rat: Sprague Dawley rat Charles River Laboratories Crl:CD(SD)
SAR-830/AP Ventilator CWE N/A
α-chloralose Sigma-Aldrich Cat# C0128-25G;RRID

References

  1. Ogawa, S., Lee, T. M., Kay, A. R., Tank, D. W. Brain magnetic resonance imaging with contrast dependent on blood oxygenation. Proceedings of the National Academy of Sciences U.S.A. 87 (24), 9868-9872 (1990).
  2. Belliveau, J. W., et al. Functional mapping of the human visual cortex by magnetic resonance imaging. Science. 254 (5032), 716-719 (1991).
  3. Stehling, M. K., Turner, R., Mansfield, P. Echo-planar imaging: magnetic resonance imaging in a fraction of a second. Science. 254 (5028), 43-50 (1991).
  4. Bandettini, P. A., Wong, E. C., Hinks, R. S., Tikofsky, R. S., Hyde, J. S. Time course EPI of human brain function during task activation. Magnetic Resonance in Medicine. 25 (2), 390-397 (1992).
  5. Kwong, K. K., et al. Dynamic magnetic resonance imaging of human brain activity during primary sensory stimulation. Proceedings of the National Academy of Science U. S. A. 89 (12), 5675-5679 (1992).
  6. Ogawa, S., et al. Intrinsic signal changes accompanying sensory stimulation: functional brain mapping with magnetic resonance imaging. Proceedings of the National Academy of Science U. S. A. 89 (13), 5951-5955 (1992).
  7. Biswal, B., Yetkin, F. Z., Haughton, V. M., Hyde, J. S. Functional connectivity in the motor cortex of resting human brain using echo-planar MRI. Magnetic Resonance in Medicine. 34 (4), 537-541 (1995).
  8. Logothetis, N. K. What we can do and what we cannot do with fMRI. Nature. 453 (7197), 869-878 (2008).
  9. Kim, S. G., Ogawa, S. Biophysical and physiological origins of blood oxygenation level-dependent fMRI signals. Journal of Cerebral Blood Flow and Metabolism. 32 (7), 1188-1206 (2012).
  10. Peltier, S. J., et al. Functional connectivity changes with concentration of sevoflurane anesthesia. Neuroreport. 16 (3), 285-288 (2005).
  11. Dopfel, D., Zhang, N. Mapping stress networks using functional magnetic resonance imaging in awake animals. Neurobiology of Stress. 9, 251-263 (2018).
  12. Hu, X. P., Le, T. H., Parrish, T., Erhard, P. Retrospective Estimation and Correction of Physiological Fluctuation in Functional Mri. Magnetic Resonance in Medicine. 34 (2), 201-212 (1995).
  13. Birn, R. M. The role of physiological noise in resting-state functional connectivity. Neuroimage. 62 (2), 864-870 (2012).
  14. Caballero-Gaudes, C., Reynolds, R. C. Methods for cleaning the BOLD fMRI signal. Neuroimage. 154, 128-149 (2017).
  15. Pais-Roldan, P., Biswal, B., Scheffler, K., Yu, X. Identifying Respiration-Related Aliasing Artifacts in the Rodent Resting-State fMRI. Frontiers in Neuroscience. 12, 00788 (2018).
  16. Glover, G. H., Li, T. Q., Ress, D. Image-based method for retrospective correction of physiological motion effects in fMRI: RETROICOR. Magnetic Resonance in Medicine. 44 (1), 162-167 (2000).
  17. Chang, C., Cunningham, J. P., Glover, G. H. Influence of heart rate on the BOLD signal: The cardiac response function. Neuroimage. 44 (3), 857-869 (2009).
  18. Birn, R. M., Diamond, J. B., Smith, M. A., Bandettini, P. A. Separating respiratory-variation-related neuronal-activity-related fluctuations in fluctuations from fMRI. Neuroimage. 31 (4), 1536-1548 (2006).
  19. Golestani, A. M., Chang, C., Kwinta, J. B., Khatamian, Y. B., Chen, J. J. Mapping the end-tidal CO2 response function in the resting-state BOLD fMRI signal: Spatial specificity, test-retest reliability and effect of fMRI sampling rate. Neuroimage. 104, 266-277 (2015).
  20. Lu, H. B., et al. Real-time animal functional magnetic resonance imaging and its application to neurophamacological studies. Magnetic Resonance Imaging. 26 (9), 1266-1272 (2008).
  21. Cox, R. W., Jesmanowicz, A., Hyde, J. S. Real-time functional magnetic resonance imaging. Magnetic Resonance Medicine. 33 (2), 230-236 (1995).
  22. Lee, C. C., Jack, C. R., Rossman, P. J., Riederer, S. J. Real-time reconstruction and high-speed processing in functional MR imaging. American Journal of Neuroradiology. 19 (7), 1297-1300 (1998).
  23. Voyvodic, J. T. Real-time fMRI paradigm control, physiology, and behavior combined with near real-time statistical analysis. Neuroimage. 10 (2), 91-106 (1999).
  24. Cohen, M. S. Real-time functional magnetic resonance imaging. Methods. 25 (2), 201-220 (2001).
  25. Posse, S., et al. A new approach to measure single-event related brain activity using real-time fMRI: Feasibility of sensory, motor, and higher cognitive tasks. Human Brain Mapping. 12 (1), 25-41 (2001).
  26. Decharms, R. C. Reading and controlling human brain activation using real-time functional magnetic resonance imaging. Trends in Cognitive Sciences. 11 (11), 473-481 (2007).
  27. Bruhl, A. B. Making Sense of Real-Time Functional Magnetic Resonance Imaging (rtfMRI) and rtfMRI Neurofeedback. International Journal of Neuropsychopharmacology. 18 (6), (2015).
  28. Cox, R. W. AFNI: Software for analysis and visualization of functional magnetic resonance neuroimages. Computers and Biomedical Research. 29 (3), 162-173 (1996).
  29. Liou, W. W., Goshgarian, H. G. Quantitative assessment of the effect of chronic phrenicotomy on the induction of the crossed phrenic phenomenon. Experimental Neurology. 127 (1), 145-153 (1994).
  30. Shih, Y. Y., et al. Ultra high-resolution fMRI and electrophysiology of the rat primary somatosensory cortex. Neuroimage. 73, 113-120 (2013).
  31. Masamoto, K., Kim, T., Fukuda, M., Wang, P., Kim, S. G. Relationship between neural, vascular, and BOLD signals in isoflurane-anesthetized rat somatosensory cortex. Cerebral Cortex. 17 (4), 942-950 (2007).
  32. van Alst, T. M., et al. Anesthesia differentially modulates neuronal and vascular contributions to the BOLD signal. Neuroimage. 195, 89-103 (2019).
  33. Wu, T. L., et al. Effects of isoflurane anesthesia on resting-state fMRI signals and functional connectivity within primary somatosensory cortex of monkeys. Brain and Behavior. 6 (12), 00591 (2016).
  34. Liu, X., Zhu, X. H., Zhang, Y., Chen, W. The change of functional connectivity specificity in rats under various anesthesia levels and its neural origin. Brain Topography. 26 (3), 363-377 (2013).
  35. Liu, X. P., et al. Multiphasic modification of intrinsic functional connectivity of the rat brain during increasing levels of propofol. Neuroimage. 83, 581-592 (2013).
  36. Hutchison, R. M., Hutchison, M., Manning, K. Y., Menon, R. S., Everling, S. Isoflurane induces dose-dependent alterations in the cortical connectivity profiles and dynamic properties of the brain’s functional architecture. Human Brain Mapping. 35 (12), 5754-5775 (2014).
  37. He, Y., et al. Ultra-Slow Single-Vessel BOLD and CBV-Based fMRI Spatiotemporal Dynamics and Their Correlation with Neuronal Intracellular Calcium Signals. Neuron. 97 (4), 925-939 (2018).
  38. Yoshida, K., et al. Physiological effects of a habituation procedure for functional MRI in awake mice using a cryogenic radiofrequency probe. Journal of Neuroscience Methods. 274, 38-48 (2016).

Play Video

Cite This Article
Choi, S., Takahashi, K., Jiang, Y., Köhler, S., Zeng, H., Wang, Q., Ma, Y., Yu, X. Real-Time fMRI Brain Mapping in Animals. J. Vis. Exp. (163), e61463, doi:10.3791/61463 (2020).

View Video