Mechanistic modelling - a BOLD response to the fMRI information loss problem

Abstract

To everyone who let me take a look at their brain, particularly the pilots; the test participants get all the credit, even though you are the ones spending all that extra time in the scanner to sort out the messes we make.Without you, none of our experiments would be running at all.i Populärvetenskaplig sammanfattningNär vi studerar hur människans hjärna fungerarär det viktigt att använda en teknik somär säker för försökspersonerna och samtidigt ger relevant information om hjärnan. Funktionell Magnetresonanstomografi (fMRI) kan snabbt avbilda hela hjärnan om och om igen på samma person. Från bildserien kan man använda fMRI-signalen för att mäta lokala förändringar i syrehalt i olika delar av hjärnan. Syrehaltenändras på grund av att nervcellerna använder mer syre när de arbetar mer. Men för att cellerna inte ska få brist på syre och glukos vidgas blodkärlen för att skicka dit mer blod, och detändrar också fMRI-signalen.Även om nerverna bara tar några millisekunder på sig att skicka signaler så kan syreförändringen vi mäter pågå upp till 20 sekunder. Den stora tidsskillnaden gör det svårt att lista ut hur nervaktiviteten ser ut genom att bara titta på fMRI-signalen. Hur hjärncellerna påverkar blodkärlenär vi inte helt säkra på, men det finns flera olika hypoteser. Den hypotes som vi har undersökt beskriver hur när nerverna i hjärnan startar en signalkedja som får andra typer av hjärnceller att skicka ut signalsubstanser som i sin tur styr hur blodkärlen vidgar sig eller drar ihop sig när nervaktivitetenökar. I det här projektetöversätter vi hypotesen till matematiska ekvationer i en datormodell som efterliknar kommunikationen mellan hjärncellerna och blodkärlen. Först en datormodell. Sedan visar jag att modellen kan simulera data som vi har tränat den på. Den kanäven korrekt förutsäga hur hjärnaktiviteten borde se ut i nya experiment där stimulit varierar på ett sätt som modellen inte har sett innan. Efter det visar vi att modellen kan se skillnad på när det finns hjärnaktivitet i signalen och när det bara finns brus, samt bedöma hur starkt stimulitär. Detta gör vi genom att använda oss av en inre egenskap i modellen, nämligen hur mycket hjärncellerna säger till blodkärlen att vidga sig, istället för att bara titta på fMRI-signalen. I dessa tester använder vi simulerade data för att vara säker på vad det rätta svaretär, eftersom vi inte alltid vet hur aktiva hjärncellernä ar i verkligheten.Modellen kan också simulera inhibering, vilket innebär att något område i hjärnan förhindras från att aktiveras. Inhiberingär en viktig egenskap eftersom den reglerar de olika nätverken av hjärnområden så att de inte stör ut varandra när de utför olika uppgifter. Den sista egenskapen vi undersöker med modellenär att simulera vad som händer när man tillför det lugnandeämnet diazepam. Det finns ett område i hjärnan som blir inhiberat när man får diazepam. Med modellen kan vi visa att detär för att en viss receptor blir känsligare förämnen som dämpar hjärnaktivitet när man har fått diazepam. Förhoppningsvis kommer vår modell och m...

Mechanistic model for human brain metabolism and its connection to the neurovascular coupling

“…Nevertheless, once such an interconnected model is in place, it can be used to provide a new updated ability to use a model to infer CMRO 2 , compared to the highly simple model that is used presently (47). Fourth, such integrated analyses could also be useful in clinical contexts, since multiple variables analysed together would provide an integrated understanding of the brain, with the potential for new biomarkers and mechanistic insights regarding patient screening, stratification, and monitoring (48). Finally, a future metabolic-NVC model can also be used in multi-organ digital twin models, that also can be used for a variety of applications.…”

Mechanistic model for human brain metabolism and its connection to the neurovascular coupling

“…Nevertheless, once such an interconnected model is in place, it can be used to provide a new updated ability to use a model to infer CMRO 2 , compared to the highly simple model that is used presently [56]. Fourth, such integrated analyses could also be useful in clinical contexts, since multiple variables analysed together would provide an integrated understanding of the brain, with the potential for new biomarkers and mechanistic insights regarding patient screening, stratification, and monitoring [58]. Finally, a future metabolic-NVC model can also be used in multi-organ digital twin models, that also can be used for a variety of applications.…”

Bridging the information and dynamics attributes of neural activities

“…It has been found that a signal recording scheme with a low temporal sampling rate (e.g., fMRI) can not directly reflect the underlying stimulustriggered neural activities [59]. Before being recorded by those low temporal resolution techniques, the shortterm neural activity variations need to accumulate until the variations are intense and robust enough [59], accompanied by significant loss in neural activity information [59][60][61][62]. A classical solution towards this limitation is to develop high temporal resolution recording techniques (e.g., multiphoton microscopy [63][64][65]).…”