Найти в Дзене

Исследование структурно-функциональный взаимосвязей зон мозга у трансгенных мышей

Оглавление
https://pin.it/xed76nrxv3whz3
https://pin.it/xed76nrxv3whz3

Цель

Визуализация мозга с помощью функциональной МРТ (фМРТ) является неинвазивной процедурой и позволяет проводить повторяющиеся измерения функций ЦНС. Недавние разработки дали возможность исследовать специфические функции структуры мозга у трансгенных животных. Что позволило детально изучить влияние генетических изменений на функции мозга. Кроме того, идет создание базы данных, путем трехмерного картирования генотипических особенностей. Так же, в процессе исследования, разрабатываются специальные рабочие процессы ,для объединения всех подобных баз данных в единую справочную систему (атлас), поддерживающую взаимное зондирование данных, для улучшения работы исследователей в области нейрологии.

Методы

Основной инструмент анализа изображений, используемый в среде разработки высокого уровня для анализа и визуализации данных - MagnAn, основанный на IDL. MagnAn также предлагает процедуры сегментации, преобразования файлов и регистрации фМРТ-изображений. Регистрация в MagnAn производится путем вызова соответствующих расширенных инструментов нормализации (Advanced Normalization Tools - ANT), которые позволяют регистрировать изображения на уровне субвокселей. Наборы данных фМРТ состоят из функциональных данных, а также анатомических данных в тех же положениях, что и функциональные данные.

Регистрация данных

Поскольку анатомические данные имеют более высокое пространственное разрешение, они предоставляют больше информационного содержимого для установления процесса регистрации. Поэтому регистрационное преобразование получают из анатомических данных и на втором этапе применяют к функциональным данным. Сначала данные МРТ были преобразованы из собственного лабораторного формата ".float" в формат ".nifti", включая настройку правильной ориентации матрицы и RSA - ориентацию (Right-Superior-Anterior). В качестве фиксированного изображения используется шаблон атласа транскриптома головного мозга (Allen Brain Atlas -ABA) мыши с размером вокселя 0,1 мм × 0,1 мм × 0,1 мм.

https://pin.it/6flcdawenhfr5n
https://pin.it/6flcdawenhfr5n

Регистрация изображения анатомической фМРТ мыши

В качестве первого шага, была сделана сегментация мозга в виде изображений анатомической фМРТ мыши с размерами: 256 × 256 × 26 (изображения высокого разрешения RARE) выполненных с помощью инструмента MagnAn.

Затем произведена полевая коррекция смещения в программе ANTs N3.

Для регистрации анатомических изображений (в виде подвижных изображений) в шаблоне ABA мыши (в виде фиксированного изображения) выполняются следующие действия:

1. Выравнивание центра масс (что является важным шагом для оптимизации последующих шагов);

2. Генерирование составного преобразования путем запуска "antsRegistration.exe", который содержит:

  • - производная от исходной подвижной трансляции (type = affine transform);
  • - жесткое преобразование (type = Euler 3D transform);
  • - аффинное преобразование (type affine transform);
  • - деформация (type = displacement field transform).

Было протестировано несколько метрик, и метрикой, выбранной для вычисления преобразований, была "взаимная информация (- mi)", из-за ее мультимодальной характеристики используемых данных, а также по соображениям скорости. Точные параметры, установленные для регистрации, были определены в ходе эмпирического процесса.

Полученные матрицы преобразований и векторное поле смещения хранятся в специальной папке "ANTS_matrix" для последующего применения при регистрации как анатомических, так и функциональных изображений.

3. Применение преобразований (жестких, аффинных и деформирующих) через ANTs типа "antsApplyTransforms.exe.".

Полученные искаженные выходные изображения имеют размеры шаблона ABA мыши [114 × 80 × 132] и затем преобразуются обратно в собственный лабораторный формат для дальнейшего анализа с помощью процессов MagnAn.

Регистрация изображений функциональной фМРТ мыши

https://pin.it/lmqi4fqv3ihgjf
https://pin.it/lmqi4fqv3ihgjf

Используя предложенный BrainVoyager подход Общей линейной модели (GLM), получаются функциональные карты (z-образные изображения), которые должны быть зарегистрированы в шаблоне ABA мыши для идентификации активированных областей мозга. Это служит первым этапом дальнейшего анализа данных управляемых стимулов, а также исходных данных в состоянии покоя. На основании этой идентификации структуры мозга проводятся дальнейшие анализы, такие как теоретический анализ графов.

Сначала функциональные изображения преобразуются в формат ".nifti", а затем масштабируются до разрешения [256 × 256 × 26], чтобы соответствовать размеру анатомических изображений.

Затем матрицы преобразования и векторное поле смещения, полученные на первом этапе регистрации соответствующих анатомических изображений, в шаблон ABA мыши, применяются к функциональным изображениям (в виде подвижных изображений) через программу ANTs.

Полученные искаженные выходные изображения имеют размеры шаблона ABA мыши [114 × 80 × 132] и затем для дальнейшей обработки преобразуются обратно из формата ".nifti"- в формат ".float".

Результаты

Полученный мощный конвейерный инструмент позволяет объединять базы данных от неинвазивных методов функциональной визуализации (BOLD фМРТ) или анатомических методов визуализации (MRI) до 3D моделей экспрессии генов (ABA) и данных связи высокого разрешения (ABA). Программные средства бесперебойно интегрируются в обычный рабочий процесс фМРТ-анализа. Создание регистрационных преобразований на локальном ПК в среднем занимает около 5 минут на одну базу данных, а на применение преобразований к функциональным данным - всего несколько секунд.

Заключение

Представленный инструмент позволяет получить анатомические и функциональные массивы данных МРТ, зарегистрированные в атласе ABA. Так как Allen Brain Atlas служит наиболее подробной базой для генетических, а также связных данных, этот метод позволяет в будущем детализировать исследования взаимосвязей между структурными и функциональными областями мозга и их моделью генетической экспрессии

Наука
7 млн интересуются