A network science approach of the macroscopic organization of the brain: analysis of structural and functional brain networks in health and disease

Abstract

El cerebro está constituido por numerosos elementos que se encuentran interconectados de forma masiva y organizados en módulos que forman redes jerárquicas. Ciertas patologías cerebrales, como la enfermedad de Alzheimer y el trastorno por consumo de alcohol, se consideran el resultado de efectos en cascada que alteran la conectividad cerebral.

La presente tesis tiene como objetivo principal la aplicación de las técnicas de análisis de la ciencia de redes para el estudio de las redes estructurales y funcionales en el cerebro, tanto en un estado control como en un estado patológico. Así, en el primer estudio de la presente tesis se examina la relación entre la conectividad estructural y funcional en la corteza cerebral de la rata. Se lleva a cabo un análisis comparativo entre las conexiones estructurales en la corteza cerebral de la rata y los valores de correlación calculados sobre las mismas regiones. La información acerca de la conectividad estructural se ha obtenido a partir de estudios previos, mientras que la conectividad funcional se ha calculado a partir de imágenes de resonancia magnética funcional. Determinadas propiedades topológicas, y extraídas de la conectividad estructural, se relacionan con la organización modular de las redes funcionales en estado de reposo. Los resultados obtenidos en este primer estudio demuestran que la conectividad estructural y funcional cortical están altamente relacionadas entre sí.

Estudios recientes sugieren que el origen de la enfermedad de Alzheimer reside en un mecanismo en el cual depósitos de ovillos neurofibrilares y placas de beta-amiloide se acumulan en ciertas regiones cerebrales, y tienen la capacidad de diseminarse por el cerebro actuando como priones. En el segundo estudio de la presente tesis se investiga si las redes estructurales que se generan con la técnica de resonancia magnética ponderada en difusión podrían ser de utilidad para el diagnóstico de la pre-demencia causada por la enfermedad de Alzheimer. Mediante el uso de imágenes procedentes de la base de datos ADNI, se aplican técnicas de aprendizaje máquina con el fin de identificar medidas de centralidad que se encuentran alteradas en la demencia. En la segunda parte del estudio, se utilizan imágenes procedentes de la base de datos NKI para construir un modelo matemático que simule el proceso de envejecimiento normal, así como otro modelo que simule el proceso de desarrollo de la enfermedad. Con este modelado matemático, se pretende estimar la etapa más temprana que está asociada con la demencia. Los resultados obtenidos de las simulaciones sugieren que en etapas tempranas de la enfermedad de Alzheimer se producen alteraciones estructurales relacionados con la demencia.

La cuantificación de la relación estadística entre las señales BOLD de diferentes regiones puede informar sobre el estado funcional cerebral característico de enfermedades neurológicas y psiquiátricas. En el tercer estudio de la presente tesis se estudian las alteraciones en la conectividad funcional que tienen lugar en ratas dependientes del consumo de alcohol cuando se encuentran en estado de reposo. Para ello, se ha aplicado el método NBS. El análisis de este modelo de rata revela diferencias estadísticamente significativas en una subred de regiones cerebrales que están implicadas en comportamientos adictivos. Por lo tanto, estas estructuras cerebrales podrían ser el foco de posibles dianas terapéuticas.

La tesis aporta tres innovadoras contribuciones para entender la conectividad cerebral bajo la perspectiva de la ciencia de redes, tanto en un estado control como en un estado patológico. Los resultados destacan que los modelos basados en las redes cerebrales permiten esclarecer la relación entre la estructura y la función en el cerebro. Y quizás más importante, esta perspectiva de red tiene aplicaciones que se podrían trasladar a la práctica clínica.

The brain is composed of massively connected elements arranged into modules that form hierarchical networks. Experimental evidence reveals a well-defined connectivity design, characterized by the presence of strategically connected core nodes that critically contribute to resilience and maintain stability in interacting brain networks. Certain brain pathologies, such as Alzheimer's disease and alcohol use disorder, are thought to be a consequence of cascading maladaptive processes that alter normal connectivity. These findings have greatly contributed to the development of network neuroscience to understand the macroscopic organization of the brain.

This thesis focuses on the application of network science tools to investigate structural and functional brain networks in health and disease. To accomplish this goal, three specific studies are conducted using human and rodent data recorded with MRI and tracing technologies.

In the first study, we examine the relationship between structural and functional connectivity in the rat cortical network. Using a detailed cortical structural matrix obtained from published histological tracing data, we first compare structural connections in the rat cortex with their corresponding spontaneous correlations extracted empirically from fMRI data. We then show the results of this comparison by relating structural properties of brain connectivity to the functional modularity of resting-state networks. Specifically, we study link reciprocity in both intra- and inter-modular connections as well as the structural motif frequency spectrum within functionally defined modules. Overall, our results provide further evidence that structural connectivity is coupled to and shapes functional connectivity in cortical networks.

The pathophysiological process of Alzheimer's disease is thought to begin years before clinical decline, with evidence suggesting pahtogenic seeding and subsequent prion-like spreading processes of neurofibrillary tangles and amyloid plaques. In the second study of this thesis, we investigate whether structural brain networks as measured with dMRI could serve as a complementary diagnostic tool in prodromal dementia. Using imaging data from the ADNI database, we first aim to implement machine learning techniques to extract centrality features that are altered in Alzheimer's dementia. We then incorporate data from the NKI database and create dynamical models of normal aging and Alzheimer's disease to estimate the earliest detectable stage associated with dementia in the simulated disease progression. Our model results suggest that changes associated with dementia begin to manifest structurally at early stages.

Statistical dependence measures computed between BOLD signals can inform about brain functional states in studies of neurological and psychiatric disorders. Furthermore, its non-invasive nature allows comparable measurements between clinical and animal studies, providing excellent translational capabilities. In the last study, we apply the NBS method to investigate alterations in the resting-state functional connectivity of the rat brain in a PD state, an established animal model of clinical relevant features in alcoholism. The analysis reveal statistically significant differences in a connected subnetwork of structures with known relevance for addictive behaviors, hence suggesting potential targets for therapy.

This thesis provides three novel contributions to understand the healthy and pathological brain connectivity under the perspective of network science. The results obtained in this thesis underscore that brain network models offer further insights into the structure-function coupling in the brain. More importantly, this network perspective provides potential applications for the diagnosis and treatment of neurological and psychiatric disorders.

El cervell està constituït per nombrosos elements que es troben interconnectats de forma massiva i organitzats en mòduls que formen xarxes jeràrquiques. Certes patologies cerebrals, com la malaltia d'Alzheimer i el trastorn per consum d'alcohol, es consideren el resultat d'efectes en cascada que alteren la connectivitat cerebral.

La present tesi té com a objectiu principal l'aplicació de les tècniques d'anàlisi de la ciència de xarxes per a l'estudi de les xarxes estructurals i funcionals en el cervell, tant en un estat control com en un estat patològic. Així, en el primer estudi de la present tesi s'examina la relació entre la connectivitat estructural i funcional en l'escorça cerebral de la rata. Es du a terme una anàlisi comparativa entre les connexions estructurals en l'escorça cerebral de la rata i els valors de correlació calculats sobre les mateixes regions. La informació sobre la connectivitat estructural s'ha obtingut a partir d'estudis previs, mentre que la connectivitat funcional s'ha calculat a partir d'imatges de ressonància magnètica funcional. Determinades propietats topològiques, i extretes de la connectivitat estructural, es relacionen amb l'organització modular de les xarxes funcionals en estat de repòs. Els resultats obtinguts en este primer estudi demostren que la connectivitat estructural i funcional cortical estan altament relacionades entre si.

Estudis recents suggereixen que l'origen de la malaltia d'Alzheimer resideix en un mecanisme en el qual depòsits d'ovulets neurofibrilars i plaques de beta- miloide s'acumulen en certes regions cerebrals, i tenen la capacitat de disseminar-se pel cervell actuant com a prions. En el segon estudi de la present tesi s'investiga si les xarxes estructurals que es generen amb la tècnica de la imatge per ressonància magnètica ponderada en difusió podrien ser d'utilitat per al diagnòstic de la predemència causada per la malaltia d'Alzheimer. Per mitjà de l'ús d'imatges procedents de la base de dades ADNI, s'apliquen tècniques d'aprenentatge màquina a fi d'identificar mesures de centralitat que es troben alterades en la demència. En la segona part de l'estudi, s'utilitzen imatges procedents de la base de dades NKI per a construir un model matemàtic que simule el procés d'envelliment normal, així com un altre model que simule el procés de desenrotllament de la malaltia. Amb este modelatge matemàtic, es pretén estimar l'etapa més primerenca que està associada amb la demència. Els resultats obtinguts de les simulacions suggereixen que en etapes primerenques de la malaltia d'Alzheimer es produeixen alteracions estructurals relacionats amb la demència.

La quantificació de la relació estadística entre els senyals BOLD de diferents regions pot informar sobre l'estat funcional cerebral característic de malalties neurològiques i psiquiàtriques. A més, a causa de la seua naturalesa no invasiva, és possible comparar els resultats obtinguts entre estudis clínics i estudis amb animals d'experimentació. En el tercer estudi de la present tesi s'estudien les alteracions en la connectivitat funcional que tenen lloc en rates dependents del consum d'alcohol quan es troben en estat de repòs. Per a realitzar-ho, s'ha aplicat el mètode NBS. L'anàlisi d'aquest model de rata revela diferències estadísticament significatives en una subxarxa de regions cerebrals que estan implicades en comportaments addictius. Per tant, estes estructures cerebrals podrien ser el focus de possibles dianes terapèutiques.

La tesi aporta tres innovadores contribucions per a entendre la connectivitat cerebral davall la perspectiva de la ciència de xarxes, tant en un estat control com en un estat patològic. Els resultats destaquen que els models basats en les xarxes cerebrals permeten aclarir la relació entre l'estructura i la funció en el cervell. I potser més important, esta perspectiva de xarxa té aplicacions que es podrien traslladar a la pràcti