[論文レビュー] Heritability estimates on resting state fMRI data using the ENIGMA analysis pipeline

Bhim M. Adhikari, Neda Jahanshad+10 more|arXiv (Cornell University)|Sep 13, 2017

Functional Brain Connectivity Studies被引用数 5

ひとこと要約

本研究では、ENIGMAフレームワーク内において、20の主要な脳ネットワークにおける機能的結合の遺伝率を推定するため、統合的でマルチサイトの安静状態fMRI解析パイプラインを開発した。GOBSおよびHCPコhortのデータを用いて、rsfMRI結合測定値の遺伝率推定値が20–40%の範囲で一貫しており、多様なスキャンプロトコルおよびサイト固有のばらつきに対してもパイプラインの頑健性が裏付けられた。

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.

研究の動機と目的

• 異なるイメージングプラットフォームやプロトコルにおいても一貫性があり再現可能な形で、表型測定値を取得できる標準化されたマルチサイトrsfMRI解析パイプラインの開発。
• ノイズ構造に関する仮定を最小限に抑えるモデルフリーなMarchenko-Pastur PCAに基づくデノイジングを用いて、fMRIデータの品質、解像度、時間的信号対ノイズ比（tSNR）におけるサイト間ばらつきを是正する。
• 統合的解析アプローチを用いて、安静状態fMRIにおける機能的結合測定値の有意な遺伝率を検証および再現する。
• 従来のものと接続ゲノミクス指向の2種類のfMRI取得プロトコルを有する2つの大規模で独立したコhort間における、遺伝率推定の信頼性を評価する。
• データ処理と表型抽出の標準化を通じて、国際的な研究グループ間での統合的統計的検定を可能にする。

提案手法

• ノイズ構造に関する仮定を最小限に抑えるモデルフリーなMarchenko-Pastur主成分分析（PCA）を用いて、rsfMRIデータのデノイジングを実施。
• 複数のサイトにわたる統合的処理パイプラインを適用し、スキャナーやプロトコルの違いに関わらず、機能的結合メトリクスの抽出を一貫して行う。
• 2つのコhortにおいてrsfMRIデータから機能的ネットワークメトリクスを導出するために、シードベース結合法およびデュアルレグレッション法を適用。
• tSNRや空間解像度の違いを含む、さまざまなデータ品質に対しても性能を維持できるようにパイプラインをキャリブレーション。
• 家族関係を考慮した線形混合効果モデルを用いて、導出された結合表型の遺伝率推定を実施。
• パイプラインの一貫性を検証するため、GOBS（脳構造の遺伝学）およびHCP（ヒューマン・コンネクトーム・プロジェクト）という2つの独立したデータセットにパイプラインを適用。

実験結果

リサーチクエスチョン

• RQ1 統合的rsfMRI解析パイプラインは、多様なイメージングサイトやプロトコルにおいて、機能的結合の遺伝率を信頼性高く推定できるか？
• RQ2 標準化されたマルチサイトパイプラインを用いて処理された場合、安静状態機能的ネットワーク測定値の遺伝率の大きさはどの程度か？
• RQ3 従来のものと接続ゲノミクス指向の2種類のfMRI取得プロトコルを有する2つの大規模で独立したコhort間において、遺伝率推定値はどの程度一貫しているか？
• RQ4 ENIGMAパイプラインは、rsfMRIデータにおけるサイト固有のばらつきをどの程度低減させ、遺伝率推定値の信頼性を向上させるか？
• RQ5 異なる処理およびデノイジング戦略を用いた場合、主要な脳ネットワークにおける機能的結合測定値は一貫して遺伝的要因に依存するか？

主な発見

• ENIGMA rsfMRIパイプラインは、20の主要な機能的ネットワーク測定値について、一貫性があり再現可能な遺伝率推定を実現した。
• GOBSおよびHCPコhortの両方において、rsfMRI結合の遺伝率推定値は20%から40%の範囲にあり、機能的ネットワーク形成に顕著な遺伝的影響が関与していることを示唆している。
• パイプラインは、従来のものと接続ゲノミクス指向の両方のスキャナープラットフォームおよびfMRIプロトコルにおいて、頑健な性能を示した。
• モデルフリーなMarchenko-Pastur PCAデノイジングは、データ品質におけるサイト間ばらつきを効果的に低減し、後続の遺伝率推定値の信頼性を向上させた。
• シードベース法とデュアルレグレッション法の両方で、一貫した遺伝率推定結果が得られ、パイプライン出力の妥当性を裏付けた。
• 本研究では、マルチサイトデータの厳密な統合を経た後でも、主要な脳ネットワークにおける機能的結合が顕著に遺伝的要因に依存していることが確認された。