Dokument

Zusammenfassung:
Funktionelle Magnetresonanztomographie kann mit genetischen Untersuchungen über Risikogene für Schizophrenie und bipolare Störung kombiniert werden. Ein oft verwendeter Ansatz der Datenanalyse ist funktionelle Konnektivität: Hierbei wird die zeitliche Korrelation der Aktivierung zwischen einer definierten Gehirnregion und allen anderen Bereichen des Gehirns untersucht. In der vorliegenden Arbeit wird gezeigt, wie stark sich frei wählbare Analyseparameter auf die Ergebnisse der Untersuchung von Risikogenen im Rahmen von funktioneller Konnektivität auswirken. Es werden drei exemplarische Parameter untersucht: (i) Die Auswahl der Punkte für die Korrelationsanalyse in der vordefinierten Gehirnregion, (ii) Methoden zur Verbesserung des Signal-Rausch-Verhältnisses und (iii) die Verwendung von zusätzlichen Kovariaten in der Gruppenanalyse. Die Ergebnisse zeigen, dass diese Parameter einen ähnlich starken Effekt auf die Ergebnisse der Konnektivitätsanalyse haben, wie die Modulation durch die untersuchten Risikogene. Manche Effekte der genetischen Varianz zeigen sich nur bei ganz bestimmten Parameterkonstellationen. Im Bereich der bildgebenden psychiatrischen Forschung, die sich mit Risikogenen beschäftigt, ist die Replikation von Forschungsergebnissen schwierig. Oft lassen sich initial viel versprechende Ergebnisse nicht replizieren, vor allem Aufgrund der sehr schwachen Effekte der genetischen Variationen auf die untersuchten Daten. Für eine bessere Vergleichbarkeit von Studien ist es daher wichtig, die verwendeten Analyseparameter bewusst zu wählen und zu publizieren wie robust die Ergebnisse bei Veränderungen der Parameter sind.

Bibliographie / References

1. Baldessarini, R, L Tondo und C Visioli (2014). First-episode types in bipolar disorder: predictive associations with later illness. In: Acta psychiatrica Scandinavica 129.5, S. 383{92.
2. Basser, P J, J Mattiello und D LeBihan (1994). MR diusion tensor spectroscopy and imaging. In: Biophysical journal 66.1, S. 259{267.
3. Avesani, Paolo u. a. (2015). Non-parametric temporal modeling of the hemodynamic response function via a liquid state machine. In: Neural networks : the ocial journal of the International Neural Network Society 70, S. 61{73.
4. Andreasen, N und M Flaum (1991). Schizophrenia: the characteristic symptoms. In: Schizophrenia bulletin 17.1, S. 27{49.
5. Andreasen, N (2000). Schizophrenia: The fundamental questions . In: Brain Research Reviews 31.2-3, S. 106{112.
6. Battle, Y L u. a. (1999). Seasonality and infectious disease in schizophrenia: The birth hypothesis revisited . In: Journal of Psychiatric Research 33.6, S. 501{ 509.
7. Bartko, J J, J S Strauss und W T Carpenter (1974). The diagnosis and understanding of schizophrenia. Part II. Expanded perspectives for describing and comparing schizophrenic patients. In: Schizophrenia bulletin 11, S. 50{60.
8. Barnett, J H und J W Smoller (2009). The genetics of bipolar disorder . In: Neuroscience 164.1, S. 331{343.

Das Dokument ist im Internet frei zugänglich - Hinweise zu den Nutzungsrechten