[논문 리뷰] Heritability estimates on resting state fMRI data using the ENIGMA analysis pipeline

Bhim M. Adhikari, Neda Jahanshad외 10명|arXiv (Cornell University)|2017. 09. 13.

Functional Brain Connectivity Studies인용 수 5

한 줄 요약

이 연구는 ENIGMA 프레임워크 내에서 다양한 연구소 간에 통합된 레스팅 상태 fMRI 분석 파이프라인을 개발하여 20개의 주요 뇌 네트워크에서 기능적 연결성의 유전성 수준을 추정하였다. GOBS 및 HCP 코hort 데이터를 사용하여 rsfMRI 연결성 측정치의 일관된 유전성 추정치(20–40%)를 입증함으로써, 다양한 스캐닝 프로토콜과 현장별 변동성에 대비한 파이프라인의 강건성을 검증하였다.

ABSTRACT

Big data initiatives such as the Enhancing NeuroImaging Genetics through Meta-Analysis consortium (ENIGMA), combine data collected by independent studies worldwide to achieve more accurate estimates of effect sizes and more reliable and reproducible outcomes. Such efforts require harmonized analyses protocols to consistently extract phenotypes. Even so, challenges include wide variability of fMRI protocols and scanner platforms; this leads to site-to-site variance in quality, resolution and temporal signal-to-noise ratio (tSNR). An effective harmonization should provide optimal measures for data of different qualities. We developed a multi-site rsfMRI analysis pipeline to allow research groups around the world to process rsfMRI scans in a harmonized way, to extract consistent and quantitative measurements of connectivity and to perform coordinated statistical tests. We used the single-modality ENIGMA rsfMRI pipeline based on model-free Marchenko-Pastor PCA based denoising to verify and replicate findings of significant heritability of measures from resting state networks. We analyzed two independent cohorts, GOBS (Genetics of Brain Structure) and HCP (the Human Connectome Project), which collected data using conventional and connectomics oriented fMRI protocols. We used seed-based connectivity and dual-regression approaches to show that rsfMRI signal is consistently heritable across twenty major functional network measures. Heritability values of 20-40% were observed across both cohorts.

연구 동기 및 목표

• 다양한 영상 플랫폼과 프로토콜 간에 일관되고 재현 가능한 표현형 측정을 보장하는 표준화된 다중 연구소 rsfMRI 분석 파이프라인을 개발하는 것.
• 모델에 의존하지 않는 Marchenko-Pastur 주성분 분석(PCA) 기반 노이즈 제거를 통해 fMRI 데이터 품질, 해상도, 시간적 신호 대 잡음비(tSNR)의 현장 간 변동성을 해결하는 것.
• 통합된 분석 접근법을 통해 레스팅 상태 fMRI의 기능적 연결성 측정치의 유전성에 대한 유의미한 결과를 검증하고 재현하는 것.
• 기본적인 스캐닝 프로토콜과 연결성 중심의 프로토콜을 각각 사용한 두 개의 대규모 독립 코hort 간에서의 유전성 추정치의 신뢰성 평가.
• 국제 연구 그룹 간의 통합 통계적 검증을 가능하게 하기 위해 데이터 처리 및 표현형 추출을 표준화하는 것.

제안 방법

• 노이즈 구조에 대한 가정을 최소화하기 위해 모델에 의존하지 않는 Marchenko-Pastur 주성분 분석(PCA) 방법을 사용하여 rsfMRI 데이터의 노이즈 제거.
• 다양한 스캐너나 프로토콜의 차이에도 불구하고 일관된 기능적 연결성 지표 추출을 보장하기 위해 다중 연구소 간에 통합된 처리 파이프라인 적용.
• 두 코hort의 rsfMRI 데이터에서 기능적 네트워크 지표를 도출하기 위해 시드 기반 연결성 및 듀얼 리그레션 방법을 적용.
• tSNR 및 공간 해상도의 차이를 포함한 다양한 데이터 품질에서도 성능을 유지하도록 파이프라인 校정.
• 가족 간 관계를 고려하여 유도된 연결성 표현형에 대해 선형 혼합 효과 모델을 사용하여 유전성 추정.
• GOBS(뇌 구조 유전학) 및 HCP(인간 연결성 프로젝트)의 두 개별 데이터셋에 파이프라인 적용을 통해 일관성 검증.

실험 결과

연구 질문

• RQ1 다양한 영상 연구소와 프로토콜 간에 통합된 rsfMRI 분석 파이프라인은 기능적 연결성의 유전성 추정을 신뢰성 있게 수행할 수 있는가?
• RQ2 표준화된 다중 연구소 파이프라인을 사용할 경우 레스팅 상태 기능적 네트워크 지표의 유전성 크기는 어느 정도인가?
• RQ3 기본적인 스캐닝 프로토콜과 연결성 중심의 프로토콜을 각각 사용한 두 개의 대규모 독립 코hort 간에서의 유전성 추정치는 얼마나 일관되는가?
• RQ4 ENIGMA 파이프라인은 rsfMRI 데이터의 현장 특이적 변동성을 어느 정도 감소시켜 유전성 추정의 신뢰도를 향상시키는가?
• RQ5 다양한 처리 및 노이즈 제거 전략을 적용했을 때 주요 뇌 네트워크의 기능적 연결성 지표는 일관되게 상속 가능한가?

주요 결과

• ENIGMA rsfMRI 파이프라인은 20개의 주요 기능적 네트워크 지표에 대해 일관되고 재현 가능한 유전성 추정을 성공적으로 수행하였다.
• GOBS 및 HCP 코hort 모두에서 rsfMRI 연결성의 유전성 추정치는 20%에서 40% 사이로 나타나 기능적 네트워크 구성에 상당한 유전적 영향이 있음을 시사한다.
• 파이프라인은 기본적인 스캐너 플랫폼과 fMRI 프로토콜(기본 및 연결성 중심) 간에서 강력한 성능을 보였으며, 다양한 조건에서도 안정성을 확보하였다.
• 모델에 의존하지 않는 Marchenko-Pastur PCA 노이즈 제거 방법은 데이터 품질의 현장 간 변동성을 효과적으로 감소시켜 후속 유전성 추정의 신뢰도를 향상시켰다.
• 시드 기반 및 듀얼 리그레션 방법 모두에서 일관된 유전성 결과를 도출하여 파이프라인 출력의 타당성을 뒷받침하였다.
• 이 연구는 다중 연구소 데이터의 철저한 통합 조정 이후에도 주요 뇌 네트워크의 기능적 연결성이 유의미하게 상속된다는 점을 확인하였다.