Identification des biomarqueurs diagnostiques pour le trouble du spectre de l’autisme à l’aide de l’algorithme PED

Dans le domaine de la neuroinformatique, la recherche sur le trouble du spectre de l’autisme (TSA) se concentre souvent sur les connexions bidirectionnelles entre les régions cérébrales, tandis que peu d’études ont exploré les anomalies des interactions de haut niveau entre les régions cérébrales. Pour explorer les relations complexes entre les régions cérébrales, l’équipe de recherche a adopté l’algorithme de décomposition d’entropie partielle (Partial Entropy Decomposition, PED), qui capture les interactions de haut niveau en calculant la dépendance de haut niveau entre trois régions cérébrales (triads). Cet article propose une méthode basée sur le PED et des tests de substitution pour examiner l’impact d’une seule région cérébrale sur les triades et identifier les triades clés. En utilisant ensuite un algorithme d’optimisation des modules d’hypergraphes, la structure cérébrale de haut niveau a été révélée. Chez les personnes atteintes de TSA, la connexion entre le thalamus droit et le thalamus gauche est plus lâche que chez les témoins typiques (TC). Les interactions entre les triades redondantes clés (cervelet gauche, précunéus gauche et gyrus occipital inférieur droit) montrent une diminution significative, tandis que les interactions entre les triades clés coopératives (cervelet droit, gyrus postcentral gauche et gyrus lingual gauche) sont également significativement réduites. Les résultats du modèle de classification confirment en outre le potentiel des triades clés en tant que biomarqueurs diagnostiques.

Contexte et problématique de recherche

Le trouble du spectre de l’autisme (TSA) est une maladie neurodéveloppementale non locale, caractérisée principalement par des déficits dans la communication sociale, des intérêts restreints et des comportements répétitifs. Le diagnostic du TSA repose généralement sur l’observation comportementale, les entretiens cliniques et les questionnaires, mais ces méthodes peuvent conduire à des erreurs de diagnostic. Il devient crucial de trouver des biomarqueurs objectifs pour diagnostiquer le TSA. En explorant les modifications neurobiologiques du TSA, ce dernier est considéré comme un syndrome de dysfonctionnement des connectomes, se manifestant par une anomalie des connexions fonctionnelles intrinsèques du cerveau. Les connexions fonctionnelles, qui décrivent la corrélation entre deux régions cérébrales, sont largement utilisées dans les études sur le TSA. De plus, un autre type de connexion cérébrale, appelé connexion efficace, est étudié à l’aide de méthodes telles que la causalité de Granger et l’entropie conditionnelle, permettant de comprendre les voies de transmission de l’information entre différentes régions cérébrales. Cependant, que ce soit pour les connexions efficaces ou fonctionnelles, ces approches ne décrivent que les interactions entre deux régions cérébrales. Compte tenu des relations complexes au sein des régions cérébrales, il est essentiel d’analyser les interactions de haut niveau entre plusieurs régions cérébrales.

Source de l’article

Cet article a été rédigé par Hao Wang, Yanting Liu et Yanrui Ding de l’Université de Jiangnan, et a été accepté par Springer Science+Business Media, LLC, partie de Springer Nature, et publié le 23 mars 2024 dans le journal « Neuroinformatics ».

Méthodologie et déroulement du travail de recherche

La recherche comprend les principales étapes suivantes: 1. Jeu de données: L’étude a utilisé des données d’imagerie par résonance magnétique fonctionnelle en état de repos (rs-fMRI) des personnes atteintes de TSA et des témoins typiques (TC), provenant du Centre Médical NYU Langone et de la première phase du projet de l’échange de données d’imagerie cérébrale de l’autisme (ABIDE). 2. Prétraitement des données: Les signaux BOLD (dépendants du niveau d’oxygène sanguin) cérébraux ont été prétraités par correction de découpe, normalisation d’intensité, réalignement d’image, etc. 3. Décomposition d’entropie partielle (PED) et mesure des dépendances de haut niveau: L’algorithme PED a été utilisé pour calculer les informations redondantes et collaboratives de toutes les triades cérébrales pour caractériser la structure cérébrale de haut niveau et identifier les triades clés différenciant le TSA du TC. 4. Construction du modèle de classification: À l’aide des informations redondantes et collaboratives des triades clés comme caractéristiques, un classificateur de machine à vecteurs de support (SVM) a été construit pour l’entraînement. Les meilleurs paramètres ont été déterminés par recherche en grille, et la robustesse des résultats de classification a été évaluée par validation croisée à dix reprises.

Jeu de données et prétraitement

La recherche a utilisé des données rs-fMRI de la première phase du projet ABIDE I, qui étaient anonymisées conformément aux directives HIPAA et ne contenaient pas d’informations de santé protégées. Le jeu de données a été filtré par trois anthropologues, excluant les sujets avec couverture cérébrale incomplète, mouvements de pointe élevés, images fantômes et artefacts de scanner. Au final, 172 sujets ont été sélectionnés, y compris 74 avec TSA et 98 TC. Les régions cérébrales des sujets ont été définies par l’atlas Craddock 200 (CC200), qui divise le cerveau en 200 régions distinctes, et le pipeline configurable d’analyse de connectivité cérébrale (C-PAC) a été utilisé pour le prétraitement des données.

Décomposition d’entropie partielle (PED) et mesure des dépendances de haut niveau

À l’aide de l’algorithme PED, les informations redondantes et collaboratives de toutes les triades cérébrales des sujets TSA et TC ont été calculées. Pour évaluer l’importance de chaque région cérébrale dans les triades, des tests de substitution de données ont été utilisés. Lorsque la série temporelle d’une région cérébrale a été remplacée par des données aléatoires, les valeurs de mesure de la dépendance de haut niveau ont été recalculées pour déterminer si elles diffèrent de manière significative des valeurs originales, permettant ainsi d’identifier des triades clés.

Modèle de classification basé sur le PED

Construction du modèle de classification: - Extraction des informations redondantes et collaboratives des triades clés en tant que vecteurs de caractéristiques et formation du classificateur SVM. - Cinq méthodes différentes ont été utilisées pour diviser les données en ensemble d’entraînement et ensemble de test, et la robustesse des résultats de classification a été évaluée par validation croisée à dix reprises. La qualité de classification a été mesurée en termes de précision, sensibilité, spécificité, score F1 et aire sous la courbe.

Résultats de la recherche

Différences de structure redondante et coopérative entre les groupes

En utilisant l’algorithme de maximisation des modules d’hypergraphes, les structures redondantes et cooperatives de chaque sujet ont été générées et une analyse de corrélation a été effectuée avec les sept systèmes classiques de Yeo. Les résultats montrent des différences significatives dans les informations redondantes et coopératives de certaines paires de régions cérébrales chez les sujets TSA et TC, en particulier les régions telles que le cervelet gauche et le gyrus occipital inférieur droit.

Différences intergroupes de mesure de la dépendance de haut niveau

À travers des tests t à deux échantillons, il a été constaté que le TSA montre une augmentation des interactions redondantes dans les triades 25-183-190, tandis qu’il y a une diminution des interactions redondantes et coopératives dans plusieurs triades telles que 18-31-42, 20-62-102, etc.

Différences intergroupes des modèles de triades clés

Les modèles des triades clés ont changé entre les groupes TSA et TC, en particulier dans les triades clés telles que 18-108-150, 25-183-190, les modèles les plus communs chez les sujets TSA étant (0, 0, 0), indiquant que ces régions cérébrales présentent un état général normal.

Performance du modèle de classification TSA-TC

À l’aide des informations redondantes et coopératives des triades clés en tant que caractéristiques, des modèles de classification ont été construits. Les résultats montrent une précision de 85 % en utilisant les informations redondantes comme caractéristiques, et une précision de 80 % en utilisant les informations coopératives. Lorsque les informations redondantes et coopératives sont utilisées conjointement comme caractéristiques, la précision atteint 83 %, avec une précision maximale de 97 % pour certaines divisions d’entraînement/test.

Conclusion et signification de la recherche

Cet article propose une méthode combinant PED et test de substitution, résolvant les limitations des études sur les régions cérébrales individuelles avec PED. Les résultats de la recherche indiquent des changements dans les interactions des triades ou les voies de transmission de l’information chez les sujets TSA, causés par des états anormaux de certaines régions cérébrales. La validation par modèle de classification montre que les triades clés ont une valeur potentielle en tant que biomarqueurs diagnostiques, fournissant une base importante pour l’identification du TSA. Ces résultats approfondissent non seulement la compréhension de l’organisation fonctionnelle cérébrale et des changements cognitifs comportementaux chez les sujets TSA, mais fournissent également des directions importantes pour les futures recherches.