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)
G. Deco (02/03/2012) Ongoing Cortical Activity at Rest: The Global
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)
G. Deco (20/01/2012) Ongoing Cortical Activity at Rest: The Global
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
(http://www.conventus.de/fileadmin/media/2012/resting/Resting_State_20
12_Main_program.PDF)
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
(http://www.conventus.de/fileadmin/media/2012/resting/Resting_State_20
12_Main_program.PDF)
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