Esplorando le reti cerebrali

Connettività nel cervello investigata attraverso la magnetoencefalografia


Lo studio della connettività cerebrale ha ricevuto un'attenzione crescente negli ultimi anni. Reti di regioni interconnesse sono identificate calcolando correlazioni tra i segnali prodotti da diverse porzioni di volume (i.e. insiemi di neuroni) all'interno del cervello. Sfruttando la magnetoencefalografia (MEG), che è caratterizzata da una fine risoluzione temporale (~1 ms) e pertanto consente di investigare la dinamica delle reti cerebrali, studi recenti suggeriscono che tali reti sono non stazionarie. Nel laboratorio NSE abbiamo sviluppato un nuovo metodo per identificare correlazioni tra aree del cervello analizzando serie temporali MEG. Il nostro approccio fornisce non soltanto informazioni riguardo all'esistenza di correlazioni, ma anche sulla scala tempi minima necessaria per osservare tali correlazioni, e pertanto rappresenta uno strumento alternativo per identificare le reti e comprenderne la dinamica temporale. Il metodo è già stato applicato ad un'altra problematica fondamentale, e cioè la dipendenza della connettività nel cervello dalla distanza geometrica tra i nodi. In questa pagina potete trovare un riassunto dei nostri risultati principali.

Osservabilità di un link e come valutarla

Abbiamo proposto un nuovo metodo per identificare la connettività di una rete basato sull'analisi nel dominio dei tempi del coefficiente di cross-correlazione di Pearson valutato a ritardo nullo e della sua significatività. Un obiettivo principale è quello di comprendere a quale scala tempi la connettività si manifesta. Per stimare il livello di significatività dei coefficienti di correlazione sperimentali e dunque il livello di connettività, è stata presa in considerazione un'ipotesi realistica e stringente, valutata generando serie temporali surrogate. Utilizzando dati MEG pubblicamente disponibili di soggetti sani in resting-state, e investigando la cross-correlazione tra nodi a scale tempi da 0.5 s a 60 s, abbiamo individuato strutture a rete simili a quelle descritte nella letteratura scientifica, purché la finestra di correlazione sia scelta sufficientemente ampia. Il metodo è descritto in:

A. Perinelli, D. E. Chiari and L. Ricci, Correlation in brain networks at different time scale resolution, Chaos 28 (2018) p. 063127 doi:10.1063/1.5025242

Il metodo è anche disponibile come pacchetto software open-source, il pacchetto NetOnZeroDXC (vai alla repository GitHub). Il pacchetto è descritto nel dettaglio in:
A. Perinelli, L. Ricci, NetOnZeroDXC: A package for the identification of networks out of multivariate time series via zero-delay cross-correlation, SoftwareX 10 (2019), 100316, doi:10.1016/j.softx.2019.100316


I link osservabili tra aree del cervello sono dovuti alla vicinanza spaziale?

In ogni rete, la dipendenza della connettività dalla distanza fisica tra i nodi è una diretta conseguenza di compromessi tra i costi di creazione e mantenimento di un link, la velocità di propagazione dei segnali tra i nodi, e la capacità computazionale della rete. Nonostante l'universalità di questo problema, esso è affrontato in un numero ancora scarso di studi. Abbiamo applicato il nostro metodo di cross-correlazione a registrazioni MEG di resting-state e abbiamo analizzato la forza della connettività in funzione della distanza fisica tra i nodi. La dipendenza tra scala tempi di osservabilità e lunghezza di un link è descrivibile da una legge a potenza caratterizzata da un esponente la cui entità è inversamente proporzionale alla connettività. Questi risultati sono pubblicati in:

A. Perinelli, D. Tabarelli, C. Miniussi and L. Ricci, Dependence of connectivity on geometric distance in brain networks, Scientific Reports 9 (2019), 13412, doi:10.1038/s41598-019-50106-2


Ulteriori indagini sulla relazione tra connettività e distanza

L'analisi precedente è stata migliorata utilizzando un dataset più grande contenente dati MEG di 100 individui sani in resting-state e, inoltre, aggiornando gli strumenti di analisi. In aggiunta, coppie di nodi sono state distinte tra inter-emisferiche e intra-emisferiche per evidenziare una possibile differenza in connettività tra la comunicazione all'interno o tra due diversi emisferi. Abbiamo ottenuto un'evidenza statisticamente rilevante di tre regimi di dipendenza lineare del tempo scala di osservabilità dal logaritmo naturale della distanza. Questo risultato è un interessante punto di partenza per investigazioni successive mirate, ad esempio, a relazionare i tra diversi regimi al principio di segregazione/integrazione supportato dalla topologia small-world delle reti. Questi risultati sono stati pubblicati in:

M. Castelluzzo, A. Perinelli, D. Tabarelli and L. Ricci, Dependence of connectivity on the logarithm of geometric distance in brain networks, Frontiers in Physiology 11 (2021), 611125, doi:10.3389/fphys.2020.611125