多变量磁共振生物标志物更好地预测阿尔茨海默病小鼠模型的认知功能障碍
定量方法
2018-12-31 v1 神经元与认知
摘要
为了理解阿尔茨海默病(AD)等多因素疾病,我们需要能够预测多种病理及其相互作用影响的脑特征。为了帮助揭示脑回路与认知标志物之间的关系,我们使用了至少部分代表 AD 中改变的复杂相互作用的小鼠模型。特别地,我们旨在理解脆弱脑回路与 Morris 水迷宫测得的记忆缺陷之间的关系,并测试了几种预测建模方法。我们使用体内锰增强 MRI 基于体素的分析来揭示体积(形态测量)、信号强度(活动)和磁化率(铁沉积、脱髓鞘)的局部差异。这些区域包括海马、嗅区、内嗅皮层和小脑。这些区域的基于图像的特性被用于预测空间记忆。接下来我们使用特征解剖(eigenanatomy),其降维以产生解释数据方差的区域集合。对于每个成像标志物,特征解剖揭示了支撑包括记忆、运动功能和联想学习在内的一系列认知功能的网络。最后,在监督稀疏典型相关方法中整合多变量标志物优于单预测因子模型,并与空间记忆显著相关。在预先选择的区域中,穹窿也为预测提供了良好预测因子,提出了研究疾病在脑网络内传播如何导致认知恶化的可能性。我们的结果支持整合多变量成像标志物的建模方法提供了对 AD 样行为的敏感预测因子。这种绘制负责行为的脑回路的策略可能有助于未来预测疾病进展或干预反应。
引用
@article{arxiv.1812.11001,
title = {Multivariate MR Biomarkers Better Predict Cognitive Dysfunction in Mouse Models of Alzheimers Disease},
author = {Alexandra Badea and Natalie A Delpratt and RJ Anderson and Russell Dibb and Yi Qi and Hongjiang Wei and Chunlei Liu and William C Wetsel and Brian B Avants and Carol Colton},
journal= {arXiv preprint arXiv:1812.11001},
year = {2018}
}
备注
23 pages, 3 Tables, 6 Figures; submitted for publication