在慢性疼痛的两种动物模型中,中枢神经系统网络变化的表征

科学领域:

• 神经科学是一个神经科学.
• 疼痛研究 疼痛研究
• 医疗成像医学成像

背景情况:

• 慢性疼痛的机制仍然不完全理解.
• 动物模型对于研究中枢神经系统 (CNS) 疼痛通路至关重要.
• 休息状态功能磁共振成像 (fMRI) 为大脑功能提供了一个非侵入性的窗口.

研究的目的:

• 在两种不同的动物模型中使用静止状态fMRI调查与慢性疼痛相关的功能性大脑变化.
• 描述与慢性疼痛相关的大脑网络活动和连接性的变化.
• 利用基于fMRI数据的机器学习来评估慢性疼痛状态的可预测性.

主要方法:

• 使用了两种动物模型:完全弗洛恩德辅助剂 (CFA) 诱导的炎症性疼痛和部分坐骨神经绑定 (PSNL) 诱导的神经病痛.
• 采用休息状态fMRI,分析包括独立组件分析 (ICA),图形理论测量和基于种子的功能连接.
• 应用监督机器学习和深度学习,从连接模式预测慢性疼痛状态.

主要成果:

• 无论是CFA和PSNL模型都表现出典型的疼痛行为.
• 在慢性疼痛状态中观察到默认模式网络 (DMN) 活动的显著变化.
• 在两种疼痛模型中都发现,中间中心中心扰乱指数 (HDI) 的持续降低.
• 机器学习模型成功地根据功能连接模式预测了慢性疼痛.

结论:

• 慢性疼痛与DMN活动的改变和动物中HDI之间的中心性降低有关.
• 功能连接模式包含关于慢性疼痛状态的可预测信息,超出了传统网络分析的范围.
• 在动物模型中休息状态fMRI为慢性疼痛的中枢神经系统机制提供了宝贵的见解.