estudi de la dinÀmica remissiÓ-recaiguda de la...

ESTUDI DE LA DINÀMICA REMISSIÓ-RECAIGUDA DE LA

DEPRESSIÓ MAJOR A TRAVÉS DE L’ANÀLISI DE XARXA

DELS MAPES DE CONNECTIVITAT D’FMRI: IMPLICACIONS

PER A LA TERÀPIA

Dr. Pablo Villoslada Díaz

Institut d'Investigacions Biomèdiques August Pi i Sunyer

Dr. Gustavo Deco

Escola Superior Politècnica UPF

2

1. Resum del projecte

Subprojecte 1

Objectiu principal. L’objectiu d’aquest estudi és analitzar la xarxa de

connectivitat funcional que explica els trastorns de l’estat d’ànim: el

trastorn depressiu major (MDD) i el trastorn bipolar (BD). Els objectius

específics que es volen aconseguir són:

1) Canviar el disseny del mapa de la connectivitat funcional que afavoreix

l’MDD i el BD.

2) Desenvolupar models computacionals dels mapes de connectivitat

funcional de l’MDD per a la identificació dels elements de control que

condueixen a la recaiguda en els trastorns de l’estat d’ànim.

3) Validar els models de xarxes dels trastorns de l’estat d’ànim a través de

simulacions de models computacionals i pertorbacions.

Metodologia:

i) Mètodes.

1) Pacients: cohort de pacients amb MDD i BD segons els criteris DMS-IV i

controls corresponents. Els pacients han estat reclutats en el moment de

patir un nou episodi de depressió.

2) Estudis d’fMRI: tasques relacionades amb l’estat de repòs i amb l’estat

d’ànim (cares tristes i evocació de tristesa) i tasques de treball de la

memòria, imatge espectral per difusió (DSI). L’anàlisi dels mapes de

connectivitat funcional es realitza utilitzant les eines de connectivitat SPM8 i

l’anàlisi dels mapes de connectivitat estructural (tractografia) es realitzen

utilitzant el sistema de mapatge Connectome.

4) [3)] Modelització computacional: models de xarxa per a l’anàlisi

topològica i models de l’equació diferencial ordinària (EDO), per a l’anàlisi

dinàmica.

5) [4)] Anàlisi de la dinàmica de xarxa que utilitza la teoria dinàmica.

ii ) Disseny.

Objectiu 1: a fi d’obtenir el mapa de connectivitat funcional de l’estat

d’ànim, s’han obtingut fMRI de l’estat de repòs, tasques relacionades amb

l’estat d’ànim i les tasques de memòria de treball en pacients amb trastorn

3

depressiu major o BD. La informació disponible en les bases de dades

bibliogràfiques i de ressonància magnètica funcional s’utilitza per

proporcionar una plantilla de la xarxa.

Objectiu 2: el modelatge de xarxes de trastorn de l’estat d’ànim s’ha centrat

en la identificació dels mecanismes de control que permeten la generació de

recaigudes (és a dir, retroalimentacions negatives). S’han generat models

ODE i s’ha realitzat l’anàlisi de sensibilitat per identificar els components

crítics implicats.

Objectiu 3: les prediccions dels models computacionals s’han validat en

simulacions computacionals de conjunts de dades de pacients addicionals,

mitjançant l’avaluació dels canvis a la xarxa d’MDD.

Subprojecte 2

Com s’indica en la proposta original del projecte sobre la ressonància

magnètica funcional recent (fMRI), els estudis han identificat els

components de les xarxes neuronals que participen en la generació d’ànim

depressiu. L’objectiu d’aquest estudi és analitzar en condicions d’estat de

repòs, per exemple en absència d’una tasca, la xarxa de connectivitat

funcional i les propietats de control que donen suport als símptomes

depressius. Aquest enfocament se’ns mostra molt esperançador, ja que ha

conduït a descobrir uns nous marcadors útils per al diagnòstic. El nostre

objectiu específic és modelar la connectivitat cerebral dels subjectes per fer-

ne l’anàlisi topològica, així com també l’anàlisi dinàmica. L’ús dels nostres

models aproxima la connectivitat de l’estat de repòs funcional –la correlació

d’fMRI de la dependència del nivell d’oxigen en sang (BOLD) entre les àrees

dels cervell en repòs– dels pacients i controls. Això ens permet obtenir

marcadors de malaltia de caràcter dinàmic en un context lliure de

restriccions imposades per determinades tasques conductuals. Els nostres

models computacionals consisteixen en àrees del cervell simulades que

comprenen un conjunt de neurones excitatòries i un conjunt de neurones

inhibidores que emeten descàrregues elèctriques i que interactuen a través

de les sinapsis basades en la conductància. Després d’ajuntar aquestes

àrees d’acord amb les connexions estructurals identificades

4

experimentalment, hem explorat els paràmetres del model resultant amb la

finalitat d’identificar qualitativament els diversos règims de la dinàmica

remitent-recidivant. Hem considerat tres propietats intrínseques diferents:

1) estructura de connectivitat neurodinàmica, 2) els retards en la

transmissió d’informació entre els diversos nodes del cervell, i 3) funció de

soroll. Ens hem basat en una reducció del model de neurones que emeten

descàrregues elèctriques, tot reduint substancialment la complexitat de les

nostres simulacions i fent l’exploració dels paràmetres del model factibles.

També hem comparat la connectivitat derivada de les dades recollides dels

pacients i controls de les cohorts, la qual cosa ens ha permès obtenir

biomarcadors de la malaltia, d’acord amb el nostre pla original.

2. Resultats

Subprojecte 1

1. Xarxes cerebrals que intervenen en els processos cognitius i

emocionals, i en estat de repòs: relació amb els trastorns afectius

Antecedents i objectius: trastorns de l'estat d'ànim, com ara MDD o BD

mostren anormalitats en l'activació de regions específiques del cervell, així

com en les xarxes de connectivitat intrínseques (iCN), com la xarxa central

executiva (CEN), la xarxa de mode per omissió (DMN) i la xarxa de

rellevància (SN). Aquí fem servir l'anàlisi de connectivitat funcional de

tasques basades en fMRI (figura 1) i en estat de repòs (figura 2) per

explorar més a fons la relació entre les regions del cervell identificades en

diferents paradigmes relacionats amb tasques emocionals i cognitives

fiables, i la seva correlació dins de la iCN en 22 controls sans i 8 pacients

amb la malaltia bipolar.

5

[

General Lineal Model (GLM) tasks analysis

Sadness provocation task (SP)

Sad Face task (SF)rAmyg

ACC FIC

Working-memory task (WM1)dLPFC

Default Mode Network

PCC

vMPFC

Resting-state

Functional Connectivity Analysis

dLPFCPPC

ACC

SCCFIC

Central Executive Network

Salience Network

Figura 1. Les regions cerebrals activades durant les tasques

cognitives i emocionals.

A) La tasca de memòria de treball (WM) mostra una activitat

significativa en l'escorça prefrontal dorsolateral (dLPFC). Les

coordenades MNI i l'estadística de les mostres emparellades del vòxel

en el t-test per al màxim local en la dLPFC esquerra van ser: x = - 45

mm, y = 24 mm, z = 30 mm, p < 0,001, sense corregir, la puntuació

T = 3,527, grup mida = 8 mm.

B ) La tasca de cares tristes (SF) il·lustra una activitat important en

l'amígdala dreta. L'estadística de les mostres emparellades del vòxel

al t-test per al màxim local en l'amígdala dreta va ser: x = 21 mm, y

= -1 mm, z = -14 mm, p < 0,001, sense corregir, la puntuació T =

3,012, mida del clúster = 8 mm.

C) La tasca de provocació de tristesa (SP) il·lustra una activitat

significativa en l'ACC esquerre i al FIC. Les coordenades MNI i

l'estadística de les mostres emparellades del vòxel al t-test a l’ACC

van ser: x = -6 mm, y = 26 mm, z = 16 mm, p < 0,01, sense

corregir, la puntuació T = 2,650. FIC coordenades: x = -38 mm, y =

-7 mm, z = 9 mm. Mida de clúster = 8 mm.

Figura 2. Anàlisi de la

connectivitat funcional de

l'estat de repòs dels ICN.

mapes del t-test de la

connectivitat en estat de repòs

de les xarxes DMM (A), CEN (B) i

d’SN (C). Les imatges van ser

portades al llindar utilitzant

grups determinats per z > 2,3 i

un nivell de significació del

clúster corregida de p < 0,05.

Els nodes més rellevants de cada

xarxa s'indiquen (PCC, vmPFC,

dLPFC, ACC, SCC i FIC).

Resultats. Es va identificar l'escorça prefrontal dorsolateral (dLPFC) com el

vincle entre les tasques cognitives i del CEN; l'escorça cingulada anterior

(ACC) com el vincle entre les tasques emocionals i l’SN, i l'escorça cingulada

posterior (PCC) va ser la principal regió per identificar el DMI (taula 1).

Sobre la base d'aquests resultats, hem construït un model de xarxa (figura

3), la mediació de les interaccions funcionals entre aquestes iCN, en què

l’SN, i en particular l'escorça frontoinsular (FIC) , exerceix una posició

6

central que suggereix un paper de commutació entre els processos abans

esmentats.

Salience Network

Default Mode Network

Central Executive Network

vMPFC10

PCC

FIC

ACC24a/b

SCC25

dLPFC9

PPC

Hpc

Amyg

OFC11

emotional -cognitive interaction

emotional -resting interaction

Figura 3. Proposta de model d'interacció mediadora iCN en el

control de l'estat emocional. Les correlacions entre iCN i nodes

identificats en les tasques cognitives i emocionals que corresponen a cada

xarxa estan vinculats amb línies sòlides: DMI (blau), CEN (verd) i SN

(vermell). Les interaccions entre nodes de diferents iCN identificats per

l'anàlisi de coactivació es mostren en línies discontínues (negre), i les que

assenyalen el FIC es mostren en negreta per destacar el seu paper com a

centre d'operacions en el model. Els enllaços de l'amígdala en l’SN es

mostren com una línia vermella discontínua, que indica la interacció entre

aquests nodes, malgrat que no podien ser observats directament en l'anàlisi

fcMRI en estat de repòs. En el model proposat, l’SN té un paper central que

actua com a commutador entre el DMI i el CEN.

7

Taula 1 . Nodes corticals i subcorticals (regió cerebral a l'hemisferi

esquerre) que pertanyen als diversos iCN revelats en l'anàlisi fcMRI

en estat de repòs, i les tasques emocionals i cognitives d’fMRI

Conclusions. La nostra

hipòtesi és que la funció de

l’SN és crucial per dilucidar

l'arquitectura neuronal dels

trastorns afectius i la FIC

es proposa com un objectiu

per a intervencions

terapèutiques en MDD i BD.

2. Mesuraments gràfics

basats en la

connectòmica en el

trastorn bipolar

Antecedents i objectius.

Per mitjà d’estudis de

l'estat de repòs fMRI (RS-

fMRI) hem investigat les

diferències en les xarxes

Regió

cerebralNom de l’àrea BA

Coordenades

NMI (x, y,

z) mm

iCN

PCC Còrtex cingulat posterior 31 -6, -52, 40

vMPFC Còrtex prefrontal ventromedial 10 0, 48, _ 4

Hpc Hipocamp -24, -28, -2

DMN

dLPFC Còrtex prefrontal dorsolateral 9 -45, 24, 29

PPC Còrtex parietal posterior 7 -33, -51, 42

OFC Còrtex orbitofrontal 11 -15, 43, -18

CEN

FIC Còrtex frontoinsular 13 -38, -7, 9

ACC Còrtex anterior cingulat 24a/b -6, 26, 16

SCCCòrtex subgenual cingulat

25 -4, 32, -6

SN

8

iCN de pacients amb BD en comparació amb els controls sans. La imatge de

l'espectre per difusió (DSI) és la tècnica de projecció d'imatge de

ressonància magnètica que pot quantificar les propietats del teixit en la

substància blanca, així com proporcionar informació de les pistes de la

matèria blanca. En emprar l'enfocament basat en la connectòmica i la

combinació d'ambdós RS-fMRI i les modalitats de DSI proporcionem una

comprensió més aprofundida de BD mitjançant la identificació de les

principals regions del cervell implicades en l'activitat anormal present en els

pacients amb BD i les interrupcions de la xarxa que poden causar el curs de

recaigudes de la malaltia.

Resultats. S'observa una disminució significativa en la connectivitat

estructural en pacients amb BD a la regió del tàlem, la regió rostral mitjana

frontal i augment de la regió pallidum. En l'estat de repòs del connectome

veiem augment de la força de node en totes les regions per als pacients.

Observem que en les regions que es presenten, tenim valors d'agrupament

general més baixos en les dades de difusió dels pacients, la qual cosa

significa que molts dels vincles estructurals falten o són febles en el grup de

pacients. Coincideix clarament amb el coeficient d'agrupament de les dades

funcionals, raó per la qual és un biomarcador potencial i una mesura

interessant per ser examinada en el futur per a aquest trastorn. Finalment,

pel que fa a la centralitat nodal o hubness en ambdues modalitats, es va

observar que el patró en les dades REST és variable. No obstant això, hi ha

disminució de centralitat nodal en pacients BD al putamen i en la regió

precentral i augment en altres regions representades en la DSI del

connectoma.

Conclusions. Hem identificat per categories de mesurament de grafs les 10

regions anatòmiques més interessants del connectoma estructural i

funcional que mostren diferències significatives entre els grups de pacients

9

BD i control. Observem que algunes mesures del gràfic, com el coeficient

d'agrupació nodal, mostren una disminució en els valors dels pacients amb

BD i són potencials marcadors per al trastorn bipolar.

3. Dinàmica de la xarxa de l'escorça cingulada durant els processos

emocionals i cognitius en la malaltia de la depressió major

Antecedents i objectius. Hi ha diverses línies d'evidència associada a

MDD amb una disfunció del VAAC, particularment la seva activació aberrant

en pacients amb MDD en estat de repòs, i la correlació entre l'activació

funcional i el metabolisme glutamatèrgic alterat en VACC. No obstant això,

encara no tenim un marc mecanicista específic per comprendre com

aquestes alteracions són subjacents en MDD i com milloren els tractaments

disponibles per als símptomes de depressió. L'evidència convergent de

múltiples estudis indica que la VACC i les seves interaccions amb el còrtex

prefrontal dorsolateral tenen un paper clau en las anormalitats en la

dinàmica de la xarxa del cervell que afavoreix el MDD, i en el resultat de

tractaments. La nostra hipòtesi és que l’MDD és causada per un desequilibri

en la inhibició mutu entre les xarxes emocionals (VAAC) i cognitives (dLPFC)

a causa de la recaptació de glutamat deficient en VACC, i hem demostrat la

capacitat explicativa d'aquesta hipòtesi en un model computacional biofísic

de xarxa VACC-dLPFC.

Resultats. El model simula la

dinàmica neuronal en dues àrees, la

VACC i el dLPFC, amb la interacció

entre neurones excitadores i

inhibidores, i l’impacte mutu a través

de la inhibició sinàptica (figura 1A).

Amb aquest model podem simular la

dinàmica de l'escorça cingulada frontal

en subjectes sans (n = 20) reclutats

en aquest estudi: el VACC respon

persistentment a senyals transitoris

emocionals (cares en la figura 1B). I

10

se suprimeix quan els senyals cognitius (senyals espacials en la figura 1B)

activen el dLPFC persistentment, la qual cosa permet un canvi natural del

processament emocional al cognitiu (figura 1C). No obstant això, aquesta

capacitat de commutació és abolida quan augmentem l'eficàcia de la

transmissió glutamatèrgica en VACC, tot simulant així la recaptació de

glutamat deficient en la condició d’MDD: l’activitat aberrant VACC, fins i tot

en absència de qualsevol entrada emocional evita la desconnexió de

processament emocional (figura 1D). La simulació del tractament amb

serotonina, mitjançant la hiperpolarització intervinguda pel receptor 5-HT1A

del VAAC de neurones excitadores, contraresta l'activitat aberrant en VACC i

també redueix la seva resposta als estímuls emocionals (figura 1E). En

etapes més avançades d‘MDD, encara amb una recaptació més lenta de

glutamat que la de VACC, el model es torna resistent al tractament amb

ISRS i l'activitat aberrant VACC no és desactivada pel tractament

serotoninèrgic. En el punt se simula el tractament addicional amb

estimulació cerebral profunda (DBS). La DBS va ser modelada amb

estimulacions constants d’estímuls externs a les neurones inhibidores en

VACC, i això contraresta l'activitat VACC aberrant i va rescatar operacions

cognitives normals en el model de xarxa.

Conclusions. Es proporcionen un model computacional biofísic de la

disfunció de l'escorça cingulada en MDD que integra l'evidència

experimental dispersa i proporciona una comprensió mecanicista de l'acció

dels tractaments actuals per al trastorn depressiu major.

Subprojecte 2

Tal com estava previst en la nostra proposta original, hem desenvolupat

models computacionals experimentals capaços de reproduir la dinàmica en

estat de repòs: el model oscil·latori de Kuramoto, fet que ens va permetre

estudiar el paper dels retards i la força d'acoblament d'una manera

abstracta i el model de conductància basat en la descàrrega elèctrica de les

neurones, que posseeix una interpretació biofísica clara. Ens hem dedicat a

més models, no capturats en la nostra proposta, que formulen un camp

mitjà dinàmic i unes reduccions de moments del mètode. Aquests dos

models reduïts són menys exigents computacionalment que la seva

11

contrapart detallada, mentre que encara van generant prediccions

consistents amb les de simulacions de gra fi. També proporcionen una

interpretació clara de com sorgeix la dinàmica del cervell en estat de repòs

de l'estructura del cervell. Aprofitant la nostra capacitat per predir de

manera eficient la dinàmica en estat de repòs sobre la base de l'estructura,

s'ha desenvolupat un procediment per millorar la qualitat de les estimacions

de l'estructura del cervell i completar-les amb informació proporcionada per

parells enregistraments RS-fMRI. També hem analitzat l'estructura i la

dinàmica d’MDD amb enregistraments en estat de repòs, a través d'estudis

topològics i d'anàlisi espaciotemporals, a través d'un nou ús de models

ocults de Markov, que deriva d'un conjunt de marcadors biofísics

prometedors de la malaltia. En resum, la nostra contribució a aquest

projecte aclareix la relació entre l'anatomia i la funció del cervell i

proporciona mètodes i eines que ens permeten explorar les característiques

estructurals específiques que donen lloc a la dinàmica de la depressió

major.

Hem desenvolupat diversos models de la dinàmica cerebral que cobreixen

un ampli ventall d'aspectes de la funció cerebral i que ofereixen

coneixements complementaris sobre el seu comportament. Com a primer

pas, es van estudiar les propietats del model de Kuramoto, la qual cosa ens

va permetre representar regions corticals com a oscil·ladors de fase

acoblats; vam aproximar la dinàmica del cervell en estat de repòs amb ells,

i vam estudiar la forma com van ser influenciats per paràmetres com ara els

retards, l'acoblament de la força i la dispersió de freqüència. Després ens

van dirigir als models neuronals realistes basats en conductància de la

descàrrega elèctrica de les neurones, fet que ens va permetre oferir una

explicació mecanicista de l'estat de repòs, per comparar la seva dinàmica

amb els enregistraments RS-fMRI i predir la forma en què es veurien

afectats pels canvis en la concentració dels neurotransmissors o en la força

d'acoblament entre les àrees del cervell.

Com un esforç de modelatge extra, no present en la nostra proposta inicial

del projecte, vam formular una reducció dinàmica de camp mitjà del model.

Aquesta reducció captura el comportament complex del model original i

12

redueix el seu temps de càlcul en diversos ordres de magnitud, situació que

permet una àmplia gamma d'aplicacions que es basen en l'exploració

exhaustiva de paràmetres. Una d'aquestes aplicacions és el nou

procediment per a la millora de la informació de connectivitat derivada

d'enregistraments estructurals, la qualitat actual dels quals està limitada

per restriccions tècniques, tot completant-ho amb la informació capturada

en els enregistraments funcionals. També es va realitzar una reducció

addicional del model de camp mitjà dinàmic, utilitzant una tècnica coneguda

com el mètode de moments. Aquesta nova reducció ens permet derivar

semianalíticament alguns aspectes de la dinàmica de la xarxa, com ara la

connectivitat funcional o els espectres de potència, a un cost computacional

insignificant, però, el que és més important encara, ofereix una visió directa

de la relació entre l’estructura anatòmica i dinàmica funcional. Tots aquests

esdeveniments es poden utilitzar per donar llum sobre les característiques

estructurals rellevants que donen lloc a la dinàmica de la depressió.

A més del nostre treball de model, també hem caracteritzat, de manera

dinàmica, així com també topològicament, una cohort de 20 malalts amb

MDD. Hem convertit en gràfic anàlisis teòriques per caracteritzar les

diferències estructurals entre els 20 pacients amb MDD i els controls

corresponents. També hem descrit el seu estat de repòs a través de models

ocults de Markov, la qual cosa ens permet abordar tant la dimensió

temporal i espacial de la dinàmica depressiva. En resum, en aquest projecte

hem demostrat l'ús pertinent de la teoria dinàmica i modelització

computacional a gran escala per a les aplicacions clíniques i en particular

per a la identificació de biomarcadors nous i prometedors d'aquesta

malaltia.

13

3. Rellevància i possibles implicacions clíniques dels resultats finals

obtinguts

Coneixement de la patogènesi dels trastorns de l'estat d'ànim

(recaigudes depressives). Hem identificat dues xarxes dinàmiques que

sembla que tenen un paper fonamental en la generació de les recaigudes

depressives:

1) La interacció entre l’SN i la DMI i el CEN i el CAC –xarxes PCC. A més

d'aquestes dues xarxes, cal incloure la xarxa definida pel nostre

col·laborador Dr. Gustavo Deco, incloent-hi el frontal esquerre medial

orbitària i dreta, dreta superior, frontal, recte dret, ínsula dreta, calcarina

esquerra, dreta angular, cuneus dret, postcentral esquerra, dreta medial

occipital, lingual esquerra, ínsula esquerra i frontal dreta triangular inferior.

Vam arribar a la conclusió que els patrons de correlacions que emanen

d'aquest conjunt d'àrees poden ser marcadors útils de la depressió major.

La identificació d'aquestes xarxes cerebrals es pot utilitzar en futurs estudis

d'imatge per tal d'identificar la seva relació amb el fenotip clínic, evolució de

la malaltia (pronòstic) i la resposta al tractament.

La nostra anàlisi de les dades experimentals ens ha permès derivar

biomarcadors neurals de la malaltia de dos tipus diferents:

• Temporal: el temps de permanència de l'estat DMI com dels nostres

models ocults de Markov és més curt per als pacients que en els controls,

tot i que el nombre de visites en aquest estat és més gran. Això constitueix

una nova aplicació de la tècnica HMM i té en compte la dimensió temporal,

sovint ignorada per a la caracterització dels trastorns mentals.

• Topològica: la força de diverses connexions claus de connectivitat

estructural i funcional dels pacients es desvien significativament dels

controls. Els nostres estudis de modelització també aclareixen la relació

entre l'estructura i la funció del cervell, fet que ens permet fer llum sobre

els mecanismes subjacents en MDD.

Coneixements en noves teràpies per als trastorns de l'estat d'ànim.

Hem identificat diverses dianes terapèutiques en els trastorns de l'estat

14

d'ànim que poden ser objectiu de teràpia (per exemple, l'estimulació

magnètica transcranial), és a dir, l'escorça insular frontal (FIC) i l'escorça

cingulada ventral anterior (VAAC). A més, s'han identificat diverses regions

amb agrupament reduït en l'anàlisi de la connectivitat, la qual cosa

suggereix que es poden convertir en objectius de les tècniques d'estimulació

(per exemple TMS). Aquests objectius requereixen validació en estudis

clínics.

4. Publicacions

Subprojecte 1:

Articles científics

Otal B, Ramírez JP, Falcón C, Compte A, Pr_kovska V, Deco G, Pintor L,

Villoslada P.

Brain networks mediating emotional-cognitive and resting-state processes:

Relation to affective disorders. [Submitted.]

Prckovskac V, Teneva A, Kalajdziskia S, Gjorgjevikja D, Kocarevb L, Vieta E,

Popovicc D, Pintor L, Villoslada P,.

Connectomics based multi-modal graph measures in Bipolar Disorder.

[Submitted.]

Ramirez Mahaluf JP, Mayberg HS, Compte A.

Cingulofrontal network dynamics and depression: from glutamate

dysfunction to deep brain stimulation.

Biological Psychiatry. [Submitted, under review.]

Rodrigues P, Prats-Galino A, Gallardo-Pujol D, Villoslada P, Falcon C,

Prckovska V.

Evaluating structural connectomics in relation to different Q-space sampling

techniques.

Med Image Comput Comput Assist Interv. 2013;16(Pt 1):671-8. PubMed

PMID: 24505725.

15

Comunicacions en congressos

Bio-, Medical- and Neuro-informatics supporting neuroscience workshop,

INBIOMEDvision,

Barcelona, Spain

Mapping The Brain Using fMRI Decoding Techniques, workshop, FENS,

Barcelona, Spain

FIL's Course on SPM for MRI, Institute of Neurology in London (UCL),

London, United Kingdom

Learning and Modelling in Functional Brain Image Analysis, tutorial, ISBI,

Barcelona, Spain

Society of Neurosciences, New Orleans, USA 2012

Ramirez Mahaluf JP, Mayberg HS, Compte A. Dynamics of cingulate cortex

network Turing emotional and cognitive processes in Major Depression

Disease: a computational model. 2012 The Federation of European

Neuroscience Societies (FENS) Barcelona Spain 2012, Poster.

8th FENS Forum of Neuroscience, Barcelona, Spain

10th IEEE International Symposium on Biomedical Imaging: From Nano to

Macro, Barcelona, Spain

Organization of Human Brain Mapping 2014 annual meeting.

Subprojecte 2:

J. Cabral, E. Hugues, O. Sporns, and G. Deco (2011).

Role of local network oscillations in resting-state functional connectivity.

Neuroimage, vol. 57, pp. 130–139 2012

G. Deco and V.K. Jirsa (2012)

Ongoing Cortical Activity at Rest: Criticality, Multistability and Ghost

16

Attractors.

Journal of Neuroscience, vol 32, pp 3366–3375

J. Cabral, M.L. Kringelbach and G. Deco (2012)

Functional Graph Alterations in Schizophrenia: A Result from a Global

Anatomic Decoupling?

Pharmacopsychiatry , vol 45, pp 57–64

J. Cabral, E. Hugues, M.L. Kringelbach and G. Deco (2012)

Modeling the outcome of structural disconnection on resting-state

functional connectivity.

Neuroimage , vol. 62, pp 1342–1353

G. Deco, A. Ponce-Álvarez, D. Mantini, GL Romani, P. Hagmann, M.

Corbetta (2013).

Resting-State Functional Connectivity Emerges from Structurally and

Dynamically Shaped Slow Linear Fluctuations.

Journal of Neuroscience. 33(27)

G. Deco, V.K. Jirsa, P. Hagmann and A.R. McIntosh

Enhacing Brain comparison Structural Information by Functional

Connectivity and Modeling.

Journal of Neuroscience. [Submitted, second revision – minor changes.]

M. Demirta_, C. Tornador, M. Lechón, C. Soriano-Mas, G. Deco

Resting-state biomarkers of Major Depression Talks (limited to those of

2012). [In preparation.]

Comunicacions en congressos

G. Deco (28/11/2012) The Resting Brain Never Rests: Structure and

Dynamics of the Brain. Keynote speaker. Annual Seminar of Computational

Science Research Programme - Academy of Finland. Helsinki. Finland

(https://www.facebook.com/permalink.php?id=254788817932751&story_fb

id=361835947242771)

17

E. Hugues (25/10/2012) Spatiotemporal structure of the spontaneous

activity of the brain. International Symposium on Nonlinear Theory and its

Applications, Palma, Mallorca, Spain G. Deco (18/10/2012) Ongoing

activity of the brain at rest: A dynamical perspective. Institut f.

NeuroundBioinformatik, University of Luebeck. Germany

G. Deco (14/09/2012) New approaches for Brain Networks Modelling.

Invited talk / Invited section talk. Hanse-Wissenschaftskolleg Institute of

Advanced Studies. Symposium "Complex Systems and Brain Networks".

Delmenhorst. Germany (http://www.h-w-k.de/en/events/conferences-

details/symposium-complex-systems-and-brain-networks.html)

G. Deco (04/09/2012) A Resting Brain never rests. Free University of

Amsterdam. Netherlands E. Hugues (23/05/2012) Spatiotemporal structure

of the spontaneous activity of the brain, Variance and Invariants in Brain

and Behaviour, Haifa, Israel E. Hugues (20/04/2012) Spatiotemporal

structure of the spontaneous activity of the brain: modelling and data,

Neural Field Theory, Reading, United Kingdom

G. Deco (09/03/2012) Ongoing Cortical Activity at Rest: The Global

Attractor Structure of the Brain. Universidad de Salamanca - Instituto de

Neurociencias. Spain (http://www.usal.es/webusal/node/18775)


Attractor Structure of the Brain.Institute of Bioengineering of Catalonia.

Spain

(http://www.ub.edu/web/ub/ca/menu_eines/agenda/2012/03/02_2.html)


Attractor Structure of the Brain. Universidad Autónoma de Madrid. Facultad

de Medicina. Spain

(http://www.ahnfmed.uam.es/en/ver_actividad.php?id=55) Posters (limited

to those of 2012)

18

J. Cabral, T.J. van Hartevelt, M.L. Kringelbach, G. Deco (October 2012)

Modelling the dynamical impact of inter-subject structural variability in

resting-state functional networks 42nd Annual Meeting of the Society for

Neuroscience, New Orleans, USA

(http://www.sfn.org/am2012/pdf/final_program/final_program_b3.pdf,

page 168)

T.J. van Hartevelt, J. Cabral, A.L. Green, T.Z. Aziz, M.L. Kringelbach

(October 2012) Human brain connectivity: the effects of long term Deep

Brain Stimulation 42nd Annual Meeting of the Society for Neuroscience, New

Orleans, USA

(http://www.sfn.org/am2012/pdf/final_program/final_program_b5.pdf,

page 124)

J. Cabral, G. Deco (September 2012) Brain activity during rest: a signature

of the dynamics of coupled oscillatory brain areas? 3rd Conference on

Resting-State Brain Connectivity, Magdeburg, Germany

(http://www.conventus.de/fileadmin/media/2012/resting/Resting_State_20

12_Main_program.PDF)

Ponce-Álvarez, M. Lechón, A. Griffa, P. Hagmann (September 2012) How

anatomical connectivity determines the spatiotemporal patterns of ongoing

cortical activity at rest 3rd Conference on Resting- State Brain Connectivity,

Magdeburg, Germany



E. Hugues, J, Vidal, D. Mantini, M. Corbetta, G. Deco (September 2012)

Spatiotemporal structure of the spontaneous activity of the brain –

modeling and comparison to intracranial EEG and fMRI 3rd Conference on

Resting-State Brain Connectivity, Magdeburg, Germany



19

J. Cabral, H. Luckhoo, M. Woolrich, M. Joensson, H. Mohseni, M.L.

Kringelbach, G. Deco (August 2012) A computational model of resting-state

magnetoencephalography 18th International Conference on Biomagnetism,

Paris, France (http://www.biomag2012.org/uploads/Biomag-2012-

FINAL.pdf)

J. Cabral, M.L. Kringelbach, G. Deco (July 2012) Robustness of healthy

resting-state brain dynamics to anatomical connectome attacks The 8th

FENS Forum of Neuroscience, Barcelona, Spain

(http://ebooks.ekonnect.co/FENS%20Forum%202012%20Programme%20B

ook/#/528/, page 529)

E. Hugues, J.R. Vidal, J.P. Lachaux, D. Mantini, M. Corbetta, G. Deco (July

2012) Spatiotemporal structure of the spontaneous activity of the brain 9th

FENS forum of Neuroscience, Barcelona, Spain

estudi de la dinÀmica remissiÓ-recaiguda de la...

Documents