Neuroscience and Quantitative Neuroimaging

In breve: Il progetto Neuroscience and Quantitative Neuroimaging (NQN) studia la dinamica delle reti cerebrali mediante approcci sperimentali quantitativi basati su imaging con risonanza magnetica nucleare (MRI), combinati con modelli biofisici. L’attività sperimentale è focalizzata sullo studio delle proprietà delle fluttuazioni spontanee coerenti dell’ossigenazione sanguigna cerebrale – che riflettono indirettamente le proprietà di rete della funzione cerebrale – in particolare in presenza di dinamiche funzionali suscitate da stimolazioni sensoriali (visione) o cognitive (memoria, percezione). A tal fine NQN promuove l’innovazione nell’ambito delle tecnologie MRI, come l’ottimizzazione dei processi di acquisizione, e lo sviluppo di nuove metodiche di analisi multimodale.

Il progetto ha una forte connotazione interdisciplinare, e vuole contribuire allo sviluppo di strumenti diagnostici avanzati e ottimizzati a livello di singolo paziente per la caratterizzazione, la diagnosi ed il trattamento di patologie neurologiche e psichiatriche.

Il progetto Neuroscience and Quantitative Neuroimaging (NQN) si occupa dello studio della funzione cerebrale e di alcune patologie neurologiche e psichiatriche, associando lo sviluppo tecnologico alla sua applicazione per la caratterizzazione delle reti cerebrali e della dinamica metabolica a livello funzionale, strutturale e molecolare, Le finalità generali del progetto riguardano la determinazione dei rapporti tra la funzione cerebrale e i suoi presupposti fisiologici e biochimici, o più in generale tra funzione e struttura. Il punto di vista dominante è che la struttura condizioni, ma non determini univocamente la funzione. Indipendentemente dai controversi aspetti di carattere filosofico ed evoluzionistico, il nostro approccio è di carattere eminentemente multimodale e interdisciplinare, sviluppando tra l’altro tecniche MRI, di image processing e computational modeling, e sfrutta pienamente le intrinseche proprietà mutiparametriche dell’imaging con risonanza magnetica (MRI).

Hit su Pubmed (giugno 2020) per la chiave fMRI OR “functional Magnetic Resonance Imaging”. La linea verticale identifica l’invenzione dell’imaging funzionale moderno, basato sul contrasto BOLD (Blood Oxygenation Level Dependent), e marca dunque idealmente il passaggio tra la ricerca di una metodica valida e il suo sviluppo in termini tecnologici e di applicazioni.

È difficile sovrastimare l’importanza del neuroimaging basato su MRI per il progresso delle neuroscienze, e più in generale per la comprensione del cervello umano e di come esso sia in grado di generare un comportamento. In questo campo interdisciplinare e di frontiera nessun’altra tecnologia ha avuto infatti maggiore impatto in termini quantitativi ed anche qualitativi. Dal punto di vista quantitativo basta verificare il numero di pubblicazioni scientifiche associate all’imaging funzionale, in crescita esponenziale sin dalla sua invenzione. L’importanza qualitativa deriva invece dalle proprietà uniche dell’MRI, che da un lato è completamente non invasivo, e può dunque essere estensivamente applicato all’uomo, anche per studi ripetuti e longitudinali, dall’altro è caratterizzato dall’essere una tecnica intrinsecamente multiparametrica. Mediante opportuna manipolazione degli spin nucleari, l’imaging MR può infatti essere sensibilizzato a molteplici fenomeni di interesse per le neuroscienze. Grazie a queste proprietà, l’MRI ha totalmente rivoluzionato la diagnostica medica ed offerto un importante insieme di metodiche di indagine quantitativa e non invasiva, che hanno un carattere funzionale (flusso sanguigno, consumo di ossigeno, temperatura, pH, dinamica metabolica), strutturale (immagini pesate in parametri legati alla dinamica molecolare rapida, chiamati T1 e T2) e microstrutturale (diffusione dell’acqua, dinamica molecolare lenta).

I metodi di neuroimmagini funzionali, in particolare grazie al contrasto BOLD (Blood Oxigenation Level-Dependent), hanno permesso inizialmente di individuare le aree “attivate” durante lo svolgimento di funzioni motorie, sensoriali o cognitive. L’effetto BOLD permette di studiare indirettamente la funzione cerebrale mediante i suoi correlati emodinamici e metabolici. Infatti, l’attività elettrofisiologica è associata ad un aumento localizzato di flusso e volume sanguigno, e ad una crescita del consumo di ossigeno. Le modulazioni emodinamiche sono in effetti sovracompensatorie rispetto all’aumento del metabolismo aerobico, il che causa un aumento focale dell’ossigenazione sanguigna, che può essere rivelata con tecniche fMRI (functional MRI) rapide. A partire dal 1995 ci si è resi conto che le aree che si presume cooperino durante l’attività nervosa, rispondendo ad essa con un misurabile aumento dell’attività, mostrano lente oscillazioni del segnale BOLD anche in assenza di stimolazione. In altri termini, la corteccia mantiene perennemente un’attività basso livello, con caratteristiche temporali apparentemente casuali, ma spazialmente coerenti.

Connettomica e reti cerebrali

Il primo settore che intendiamo sviluppare nel triennio è quello legato allo studio delle proprietà delle reti cerebrali mediante fMRI e tecniche associate.

Lo studio della connettività cerebrale sta continuamente espandendo la scala di applicazione, da un lato verso l’investigazione della connettività a livello di layer corticale, dall’altro con l’uso di connettomica a livello globale, per esempio per fingerprinting precoce di patologie neurologiche o psichiatriche. In ogni caso, l’analisi connettomica si basa sulla caratterizzazione di differenze rispetto ad un riferimento, si tratti di cambiamenti indotti da una patologia, o semplicemente del confronto statistico con un blank. Si tratta di una procedura complessa e soggetta a falsi positivi. Occorre ricordare infatti che le tecniche di analisi connettomica, essendo basate sull’apprezzamento della struttura di covarianza dei dati, sono assai sensibili a segnali spuri coerenti, fra i quali il cosiddetto “rumore fisiologico” (ossia le variazioni indotte da ritmi fisiologici come la respirazione, il movimento o il battito cardiaco).

Dinamica delle reti cerebrali

Un primo filone di attività, che ci proponiamo di esaurire entro un anno, è legato allo sviluppo di metodi di mitigazione del rumore fisiologico. Contemporaneamente approfondiremo la caratterizzazione dinamica del segnale. Una questione della massima importanza a livello di conoscenza di base della funzione cerebrale e delle implicazioni per la comprensione delle principali patologie neurologiche e psichiatriche è la relazione tra modulazione plastica delle reti e comportamento. Il nostro gruppo è fra i primi ad aver affrontato il tema della modulazione dinamica delle reti cerebrali indotta dalla funzione cerebrale, in molteplici modelli sperimentali, come mostrato in figura.

A sinistra: network cerebrali durante la modulazione spontanea del diametro pupillare associata ad un task di attenzione visiva. A destra: Granger causality analysis tra il rateo di variazione del diametro pupillare dP/dT e i network cerebrali. Sebbene il Locus Coeruleus sia fisiologicamente associato al diametro pupillare, la Granger Causality indica la presenza di un complesso pattern di interdipendenza tra i network, con LC e diametro pupillare separati da numerosi stadi di processamento corticale (Da Di Nuzzo et al 2019).

Abbiamo in particolare confermato che la topologia dei network cerebrali a riposo è globalmente conservata durante l’esecuzione di una task cognitivo continuo. Tuttavia, abbiamo evidenziato due fenomeni che meritano approfondimento. Il primo è che un numero ridotto di nodi dei network cerebrali cambia in realtà le sue relazioni topologiche durante l’attività, suggerendo che i network sono sì globalmente stabili, ma vanno incontro a fenomeni di rimodulazione plastica a breve termine. Ci proponiamo di investigare questa modulazione, sia in termini delle modalità con cui avviene, sia in termini di significato funzionale.

Matrice di correlazione a riposo (a sinistra in alto) e durante un task cognitivo (in basso), e t-test (non sogliato) sulla differenza tra le due (a destra in alto, da Tommasin et al. 2018).

Il secondo punto che approfondiremo è il significato dell’ampiezza della modulazione della connettività funzionale in MRI (fcMRI). Come si vede bene nella figura a lato, la connettività intra-network, che è normalmente più alta della connettività tra network, tende a ridursi durante i task, mentre l’opposto accade per la connettività tra network. Con il nostro lavoro abbiamo mostrato che la variazione di connettività funzionale ΔFC in funzione della connettività a riposo FCR risulta ben descritta da un semplice modello lineare, ∆FC=βFCR0. La cosa interessante, tuttavia, è che l’ampiezza di tale modulazione è irrilevante dal punto di vista comportamentale (percentuale di risposte esatte durante il task cognitivo), mentre la pendenza β mostra una significativa correlazione inversa con le performance cognitive in alcune aree coinvolte nell’esecuzione del task. Questi risultati indicano che, senza una corretta normalizzazione, l’ampiezza dei cambiamenti di connettività potrebbe essere un parametro non significativo dal punto di vista fisiologico. Questo risultato avrebbe un impatto notevole, considerando il crescente uso di tale parametro per studiare la neurodegenerazione. Investigheremo quindi le origini fisiologiche della modulazione della fcMRI indotta da stimolazione, cercando anzitutto di identificare il determinante della componente comportamentalmente irrilevante. È importante notare che la reattività vascolare è un potente modulatore della risposta fMRI ed è stato riportato che la reattività vascolare modula spazialmente la connettività funzionale a riposo e l’ampiezza delle fluttuazioni BOLD. Riteniamo di poter ipotizzare un ruolo della reattività vascolare e/o del sistema autonomico nel determinare i cambiamenti di connettività associati all’attività. Qualora questa ipotesi, sottoposta a verifica sperimentale, si dimostrasse esatta, svilupperemo metodiche di rinormalizzazione del segnale miranti ad escludere dall’analisi la componente vascolare.

Plasticità

Il secondo filone è parzialmente legato al primo, e si propone in particolare di approfondire i meccanismi d plasticità indotti da stimolazione elettrica. Si tratta di uno studio in collaborazione con la Fondazione Santa Lucia (Prof. Marangolo), mirante in particolare a studiare gli effetti della stimolazione elettrica transpinale in pazienti affetti da demenza di Alzheimer (AD). La stimolazione transpinale a corrente continua è uno strumento di stimolazione non invasivo che prevede l’applicazione di una debole corrente elettrica (1-2 mA) mediante elettrodi applicati sulla schiena. La corrente modula l’eccitabilità neuronale, con effetti protratti e affini ai meccanismi di potenziamento e depressione a lungo termine. Mentre ci sono alcune evidenze fMRI dell’effetto plastico in caso di stimolazione corticale, gli effetti della stimolazione transpinale sui network cerebrali sono ancora ignoti. In questa serie di esperimenti ci proponiamo anzitutto di studiare l’effetto focale della tsDCS in quanto tale, mediante studi task-based, ed in secondo luogo di determinarne gli effetti di tipo plastico e la relativa durata temporale (caratteristica rilevante per le applicazioni terapeutiche). A tal fine svilupperemo una tecnica in grado di tener conto della scala spaziale delle modulazioni. In studi fcMRI in genere si identificano a priori i nodi della rete e si studia l’evoluzione dei rami, assumendo spesso la stazionarietà spaziale del network. Tuttavia, i fenomeni plastici avvengono a molteplici scale, a partire dall’unità funzionale minima (microcircuito canonico), e per definizione possono modulare il substrato fisiologico della rete. Svilupperemo quindi due approcci ottimizzati per caratterizzare la plasticità mediante fcMRI: 1) un metodo basato sull’estrazione di componenti dinamiche esemplari mediante constrained Independent Vector Analysis (SED-cIVA), adattato ai dati ad altissima risoluzione temporale che acquisiremo mediante approcci multibanda (0.8 s contro gli ordinari 2-3s). SED-cIVA è un approccio iterativo, che in una prima fase estrae dei modelli con approcci di analisi delle componenti indipendenti (ICA), ed in un secondo tempo ne determina la dinamica spaziotemporale mediante fit su sliding window. 2) Svilupperemo poi un approccio univariato basato sul raggio di connettività. Le tecniche di identificazione dei network fMRI sono normalmente di carattere multivariato. In tal modo risulta intrinsecamente difficile definire la località e la direzionalità delle modulazioni. Test preliminari condotti nel corso dell’anno passato ci suggeriscono che una metrica basata sulla media della trasformazione di Fisher dei coefficienti di correlazione di un voxel con i voxel compresi in gusci sferici di raggio crescente ha la potenzialità di catturare le modulazioni locali della connettività. Ci proponiamo quindi di sviluppare questa metrica e di mostrarne l’adeguatezza a descrivere fenomeni di plasticità neuronale.

Metabolismo della funzione cerebrale

L’attività cerebrale è basata principalmente sul metabolismo ossidativo. Per questo la misura del tasso di consumo metabolico di ossigeno (CMRO2) è un ottimo biomarker per la quantificazione dell’attività cerebrale e dello stato fisiologico dei tessuti, con potenziali applicazioni nella diagnosi precoce dei carcinomi, ictus, patologie neurologiche e neurodegenerative. Attualmente, le tecniche di tomografia a emissione di positroni basate sugli isotopi dell’ossigeno sono il gold standard per ottenere mappe CMRO2 dell’intero cervello. Tuttavia, la complessità tecnica degli esami ed il livello di invasività degli stessi costituiscono un enorme limite al loro utilizzo.

Esistono diversi metodi MRI per la misurazione di CMRO2, basati su diversi approcci tecnologici e caratteristiche fisiologiche. Citiamo ad esempio lo sfruttamento delle differenze di campo magnetico associate alle disomogeneità tissutali tra seno sagittale superiore o vene principali e il parenchima circostante, le curve di calibrazione dell’ossigenazione in T2 con tecniche selettive di velocità, o gli approcci di quantificazione della saturazione di ossigeno venoso attraverso il T2 del sangue venoso.

Davis e Hoge hanno introdotto a fine anni ’90 un altro gruppo di tecniche, basate su metodi di calibrazione del BOLD, che mirano a stimare il CMRO2 dai segnali BOLD e ASL (Arterial Spin Labeling), sfruttando task respiratori (ipercapnia e iperossia) e modelli matematici che descrivono la complessa relazione tra metabolismo dell’ossigeno, segnale BOLD e flusso sanguigno cerebrale (CBF). Il CBF è un biomarker diretto per la funzione cerebrovascolare e la salute neurovascolare, inoltre la correlazione tra CBF, attività neuronale locale e metabolismo, noto come accoppiamento neurovascolare, è un marker surrogato della funzione cerebrale. Rilevare il CBF a riposo senza lo svolgimento di compiti cognitivi complessi è un’operazione abbastanza facile da condurre nella pratica clinica. Per esempio, il CBF può essere misurato con tecniche ASL, di perfusione o MRI a contrasto di fase. Di recente, un’estensione di queste tecniche ha permesso di utilizzare nello stesso esperimento le variazioni di CBF, indotte da ipercapnia, e di BOLD indotte da iperossia (aumento della concentrazione di ossigeno nel sangue) per caratterizzare lo stato metabolico cerebrale attraverso la stima di diversi parametri, tra cui la concentrazione di deossiemoglobina nel sangue venoso e quindi la frazione di ossigeno estratta (OEF), il CMRO2 assoluto, il CBF e la reattività vascolare (CVR). Questo approccio innovativo è detto imaging quantitativo dell’ossigeno o dual calibrated fMRI (dcfMRI), e supera uno dei problemi di base della metodica inizialmente proposta da Davis e Hoge, ossia la dipendenza da un parametro incognito, la baseline del segnale, M. Le tecniche dcfMRI hanno richieste tecnologiche sovrapponibili a quelle delle tecniche di reattività vascolare (descritte nel paragrafo Dinamica delle reti cerebrali), quindi lo sviluppo di entrambe le tecniche ha evidenti aspetti sinergici. In questa parte sarà inoltre sfruttato il lavoro di segmentazione tissutale basto su metodi AI sviluppato in collaborazione con l’Università di Kuopio, al fine di ottenere aree strutturalmente omogenee su cui mediare i segnali.

La quantificazione del CMRO2 ci permetterà di proseguire lo studio della dinamica metabolica che ha caratterizzato fin dall’inizio l’attività del nostro gruppo. Molti dei problemi da noi studiati con successo riguardano in effetti la caratterizzazione funzionale delle principali cellule del sistema nervoso (neuroni e cellule gliali) in termini biofisici e biochimici. I neuroni sono i componenti dei circuiti neurali, il cui compito è quello di processare specifici tipi di informazione e la cui integrazione rappresenta il substrato della funzionalità cerebrale. Le cellule gliali, che sono in rapporto 10:1 con i neuroni, hanno funzioni non ancora completamente chiare, ma che comprendono certamente la modulazione del trasporto di nutrienti, l’omeostasi ionica e la modulazione dell’eccitabilità cellulare.

Dal punto di vista sperimentale abbiamo in passato focalizzato l’attenzione sul lattato. L’importanza che il lattato riveste nel metabolismo funzionale del cervello deriva dal cambio di paradigma che ha investito questo ambito scientifico dopo l’introduzione dell’ipotesi della navetta del lattato, Astrocyte–Neuron Lactate Shuttle (ANLS), proposta da Pellerin e Magistretti nel 1994. Questa ipotesi ha rivoluzionato il concetto che i neuroni si servano esclusivamente di glucosio, prevedendo viceversa un ruolo nutrizionale degli astrociti, un tipo di cellula gliale che accoppierebbe l’aumento di attività elettrica dei neuroni all’assorbimento di glucosio dal sangue per la produzione di energia. In altri termini, secondo l’ipotesi ANLS il substrato energetico primario dei neuroni non sarebbe il glucosio, ma il lattato prodotto dagli astrociti ad un rateo dipendente dall’attività.

Abbiamo più volte contestato l’ipotesi ANSL su basi sperimentali e modellistiche, associando l’aumento di lattato che si osserva durante la stimolazione ad un generalizzato aumento di intermedi metabolici durante il rapido aumento del metabolismo aerobico. Manca tuttavia la dimostrazione sperimentale diretta che la variazione del lattato in vivo sia associata al consumo di ossigeno. Intendiamo pertanto realizzare un esperimento combinato di spettroscopia e CMRO2 mirante a caratterizzare funzionalmente il legame tra CMRO2 e lattato.

A sinistra: schema di rete metabolica cerebrale, comprendente compartimenti subcellulari astrocitici e neuronali e compartimenti extracellulari (matrice extracellulare, vasi). La parte oggetto degli ultimi studi modellistici allo stato stazionario (DiNuzzo et al. 2017) è evidenziata in grigio e amplificata a destra.

Dal punto di vista modellistico l’idea di base è quella di proseguire nel pregresso capitalizzando le ricerche degli ultimi dieci anni nell’ambito di modelli cinetici e stechiometrici, ricerca che ha ricevuto un forte interesse nella comunità scientifica e ha portato recentemente alla importante collaborazione strategica con Yale School of Medicine.

In particolare, lo scopo è quello di arrivare a formalizzare modelli compartimentalizzati (neurone, astrocita, spazio extracellulare, spazio perivascolare, vasi) in cui le componenti cellulari siano descritte da reti metaboliche dettagliate a livello genomico al fine di implementare simulazioni del metabolismo cerebrale (con notevole impatto anche sulla interpretazione dei segnali di MRS e fMRI) con un livello di dettaglio mai raggiunto prima (figura a lato), approfondendo tra l’altro il ruolo del glicogeno astrocitario, per cui Il nostro gruppo ha per primo ipotizzato e modellizzato un ruolo modulatorio. Tale attività di ricerca permetterebbe altresì di acquisire competenze generali nello studio delle reti metaboliche da un punto di vista più prettamente bioinformatico (in particolare, systems biology). A sua volta, questo favorirebbe la nascita di nuove collaborazioni internazionali e l’espansione della linea di ricerca verso le biotecnologie.

Lo sviluppo modellistico sarebbe focalizzato inizialmente sulla determinazione dei flussi metabolici allo stato stazionario (Flux Balance Analysis). La nostra metodologia si è rivelata qualitativamente superiore agli algoritmi standard usati per stimare le distribuzioni dei flussi metabolici. D’altra parte, l’efficienza computazionale del nostro metodo è minore e si tratta quindi di trovare e implementare strategie, molte delle quali già note, per ridurre il carico computazionale del nostro metodo.

Principali pubblicazioni

Sulle reti cerebrali

  • DiNuzzo et al. 2019. Brain Networks Underlying Eye’s Pupil Dynamics. Front Neurosci. doi: 10.3389/fnins.2019.00965
  • Tommasin et al. 2018. Scale-invariant Rearrangement of Resting State Networks in the Human Brain under Sustained Stimulation. Neuroimage. doi: 10.1016/j.neuroimage.2018.06.006
  • Mascali et al. 2018. Disruption of Semantic Network in Mild Alzheimer’s Disease Revealed by Resting-State fMRI. Neuroscience. doi: 10.1016/j.neuroscience.2017.11.030
  • Mascali et al. 2015. Intrinsic Patterns of Coupling Between Correlation and Amplitude of Low-Frequency fMRI Fluctuations Are Disrupted in Degenerative Dementia Mainly Due to Functional Disconnection. PLoS One. doi: 10.1371/journal.pone.0120988

Sulla dinamica metabolica cerebrale, modelli

  • DiNuzzo et al. 2017. Computational Flux Balance Analysis Predicts that Stimulation of Energy Metabolism in Astrocytes and their Metabolic Interactions with Neurons Depend on Uptake of K+ Rather than Glutamate. Neurochemical Research. doi: 10.1007/s11064-016-2048-0
  • Massucci et al. 2013. Energy metabolism and glutamate-glutamine cycle in the brain: a stoichiometric modeling perspective. BMC Systems Biology. doi: 10.1186/1752-0509-7-103.
  • Mangia et al. 2011. Response to ‘comment on recent modeling studies of astrocyte-neuron metabolic interactions’: much ado about nothing. J Cereb Blood Flow Metab. doi: 10.1038/jcbfm.2011.29
  • DiNuzzo et al. 2010b. Glycogenolysis in astrocytes supports blood-borne glucose channeling not glycogen-derived lactate shuttling to neurons: evidence from mathematical modelling. J Cereb Blood Flow Metab. doi: 10.1038/jcbfm.2010.151
  • DiNuzzo et al. 2010a. Changes in glucose uptake rather than lactate shuttle take center stage in subserving neuroenergetics: evidence from mathematical modeling. J Cereb Blood Flow Metab. doi: 10.1038/jcbfm.2009.232

Sulla dinamica metabolica cerebrale, sperimentali

  • Bednarik et al. 2018. Neurochemical Responses to Chromatic and Achromatic Stimuli in the Human Visual Cortex. J Cereb Blood Flow Metab. doi: 10.1177/0271678X17695291
  • Bednarik et al. 2015. Neurochemical and BOLD Responses During Neuronal Activation Measured in the Human Visual Cortex at 7 Tesla. J Cereb Blood Flow Metab. doi: 10.1038/jcbfm.2014.233.

Principali collaborazioni

  • University of Minnesota, Center for Magnetic Resonance Research (CMRR), Minneapolis. (Prof. S. Mangia)
  • Yale University, Magnetic Resonance Research Center, New Haven. (Prof. D. Rothman)
  • University of Eastern Finland, A.I. Virtanen Institute for Molecular Sciences, Kuopio. (Prof. O. Gröhn, Prof. J. Tohka)
  • Fondazione Santa Lucia, Roma (Prof. M Bozzali, Prof. P Marangolo)
  • Università di Chieti-Pescara, Dipartimento di Neuroscienze, Chieti (Prof. R. G. Wise)
  • Sapienza Università di Roma, Dipartimenti di Ingegneria dell’Informazione Elettronica e Telecomunicazioni (Prof. F. Frezza) e di Fisica (Prof. S. Giagu)
  • IMT Lucca (Dr. T. Gili)
  • CNR, Istituto dei sistemi complessi, (Dr. S. Capuani) e Istituto di Nanotecnologia (Dr. M. Fratini)

Progetti finanziati negli ultimi 5 anni

  • 2015–2019 H2020 MSCA-RISE 691110 “MICROBRADAM: Advanced MR methods for characterization of microstructural brain damage”.
  • 2015–2018 Regione Lazio POR-FESR 2014-2020 RU-2014-1092, “PAMINA: Piattaforma per l’Analisi Multimodale Integrata in Neuroscienze Applicate”.