Different levels of explanation of brain network dynamics in healthy participants using functional MRI

Abstract

Magnetisk resonansavbildning muliggjorde ikke-invasiv utforskning av hjernens funksjon, struktur og kjemi og har en sentral plass innen kognitiv nevrovitenskap. Et viktig fremskritt var å etablere forskjellige nettverk i hjernen som ikke nødvendigvis er strukturelt forbundet, men har felles funksjonalitet. Imidlertid forstår vi fremdeles ikke dynamikken og kommunikasjonen mellom disse nettverkene fullstendig.

Gjennom nyeste fremskritt innen avbildningsparadigmer har forskjellige analyseteknikker blitt utviklet for å kunne evaluere innsamlede data og gi forskjellige innfallsvinkler for å undersøke funksjonell konnektivitet i hjernen. Et mangfold av analyseteknikker har resultert i ulike kombinasjoner av bildebehandlingsmodaliteter og prosesseringsmetoder til å kunne forstå forskjellige aspekter av kognitive prosesser i hjernen. Videreutvikling av kunnskapen om hjernens kommunikasjonssystemer hos friske mennesker vil kunne fremme studier av psykiske og nevrologiske lidelser.

Selv om funksjonell magnetisk resonansavbildning (fMRI) har mange fordeler, er en av begrensningene at BOLD-signalet gir kun et indirekte bilde av nevronal aktivitet. Metoden fanger heller ikke opp hvordan nevronal aktivitet er relatert til endringer i eksitatoriske og inhibitoriske nevrotransmittere, henholdsvis glutamat og gamma-amino-smørsyre (GABA). Magnetisk resonansspektroskopi (MRS) gjør det mulig å måle konsentrasjonen til disse stoffene i hjernen; den henter imidlertid kun data gjennom et begrenset vindu, som gir statiske mål av dynamiske prosesser.

Dette prosjektet hadde fokus på samspillet mellom hjernenettverk fra forskjellige perspektiver ved å kombinere ulike analyseteknikker, region- eller nettverksbaserte tilnærminger og avbildningsmodaliteter. I den første studien ble forholdet mellom oppgavepositive og oppgavenegative nettverk, henholdsvis "Extrinsic mode network" (EMN) og "Default mode network" (DMN), undersøkt ved bruk av oppgaverelatert fMRI. Den første artikkelen i denne avhandlingen undersøker samspillet mellom DMN og EMN, og viser dynamisk opp- og nedregulering, ved å bruke den klassiske definisjonen på det antagonistiske forholdet mellom disse to nettverkene.

Imidlertid har flere studier vist at DMN ikke er et rent oppgavenegativt nettverk med selvrefererende aktivitet, men også involvert i arbeidshukommelses-relaterte prosesser. Den andre studien i denne avhandlingen undersøkte kommunikasjon mellom nettverk og hjerneregioner relatert til en kognitiv oppgave. Et annet viktig mål ved denne studien var å utforske hvor godt atferdsdata gjenspeiles i hjerneaktiveringsregisteringer.

For å ytterligere utforske mekanismene for hjernekommunikasjon, inkorporerte den tredje studien data innhentet fra en studie av presisjons-hjerneavbildning, hvor et enkelt individ skannes over flere økter. Gjentatte økter med både fMRI og MRS gjorde det mulig å innhente data om funksjonell konnektivitet og den eksitatoriske/inhibitoriske balansen i hjernen til et enkelt individ. Formålet med studien var å utforske dynamisk funksjonell konnektivitet i hjernen og hvordan dette sammenfaller med underliggende metabolsk aktivitet. Ved å kombinere disse to tilnærmingene ble det mulig å undersøke funksjonell konnektivitet på et annet nivå, fra oppgavebaserte sammenligninger på gruppenivå til dynamikk i et enkeltindivid under hvile.

Metodene i denne avhandlingen understreker viktigheten av å kombinere ulike tilnærminger for å analysere og innhente nevroavbildningsdata, for å få et mer sammensatt syn på hjernens dynamikk. Forbedret forståelse av storskalanettverk vil bidra til studier av ulike psykiatriske og nevrologiske lidelser, og vil gi god bakgrunn for fremtidige kliniske studier.

Magnetic resonance imaging (MRI) made it possible to noninvasively explore brain function, structure, and chemistry, and it has become a staple in the field of cognitive neuroscience. One of the advances was discovering different networks of the brain that are not necessarily connected structurally but have common functionality. However, the dynamics and the communication between those networks are yet to be fully understood. With advances in imaging paradigms, different analysis techniques were developed to better evaluate acquired data and provide different angles in investigating functional connectivity. The overall abundance has resulted in combining different imaging modalities and processing approaches to grasp different aspects of brain function and cognition.

Moreover, knowledge about the brain’s communication systems in healthy populations will hopefully advance studies on mental and neurological disorders. Although functional magnetic resonance imaging (fMRI) has many advantages, one of the limitations is that the BOLD signal is only an indirect measure of neural activity. It also does not capture how neural activity is related to changes in underlying excitatory and inhibitory neurotransmitters, glutamate, and gamma-aminobutyric acid (GABA). Magnetic resonance spectroscopy (MRS) allows the assessment of the concentration of those compounds; however, it only acquires data over a limited acquisition window, providing a static measure for rather dynamic processes.

This project focused on exploring the interplay between brain networks from different perspectives by combining different analysis techniques such as region- or network-based approaches and imaging modalities. First, the study of the relationship between major task-positive and task-negative networks, the extrinsic mode network (EMN) and the default mode (DMN) network, respectively, was performed using task-fMRI. The first article in this thesis investigates the interplay between DMN and EMN, showing the dynamics of up- and down- regulation, using the classic view of the adverse relationship between the two. However, studies showed that DMN is not purely a task-negative network and underlies not only self-referential but also cognitive processes like working memory among others. In the second study, brain regions related to the specifics of the task were investigated together with between-network communication. Another important aspect of this study was exploring how well task-related behavioral data are reflected in brain activations. To further explore the mechanisms of brain communication, the third study incorporated data acquired in a precision brain imaging study, where a single subject was scanned over several sessions. The data points from multiple sessions of both resting-state fMRI and MRS allowed us to obtain results on both functional connectivity and the excitatory/inhibitory transmitter balance in the brain of a single individual. The main goal of the study was to explore the dynamic functional connectivity of the brain and its relation to the underlying metabolic activity. Combining those two measures allowed us to investigate functional connectivity on another level, going from task-based group-level comparisons to single-subject dynamics at rest.

The methods used in this thesis showed the importance of combining different approaches in acquiring and analyzing neuroimaging data to get the broadest possible view of brain dynamics. A better understanding of large-scale networks will contribute to studies of various brain disorders, giving a good background for future clinical studies. Models of brain functional architecture can aid in mapping individual differences in patients suffering from psychiatric or neurological disorders and predicting the course of the disease, thus allowing for better treatment planning.