设备
3特斯拉MRI扫描仪单元（Siemens PRISMA，Siemens Healthcare）
用于MRI信号接收的32通道头线圈（Siemens PRISMA，Siemens Healthcare）

软件
MATLAB R2018B（The MathWorks，www.mathworks.com）

程序

使用32通道头部线圈在MRI扫描仪中设置对象。

使用以下参数执行磁共振成像（MRI）解剖扫描：
全脑T1磁化准备的梯度回波的快速采集（MPRAGE，矢状3D涡轮快速低角度拍摄序列，采集矩阵256 x 256，各向同性分辨率1 mm，176切片，重复时间（TR）= 2250 ms，回波时间（TE）= 3.02 ms，反转时间（TI）= 900 ms，翻转角9°，采集时间5 min 38 s）。参数摘自Rideaux和Welchman（2019）。

执行磁共振波谱（MRS）扫描，使用MRI解剖扫描定位体素，并使用以下参数：
MEGA-PRESS序列（Mescher等，1996和1998）：TE = 68ms ，TR = 3000ms；2048个数据点的256次瞬变，采集时间12分48秒；在1.9（ON）和7.5（OFF）ppm时的14.28 ms高斯编辑脉冲。使用具有最佳松弛延迟的可变功率进行水抑制（VAPOR；Tkáč和Gruetter，2005）和外部容积抑制。将体素（3×3×2 cm）置于枕叶内侧；下表面与小脑腱鞘对齐并定位，以避免包括矢状窦并确保其保留在枕叶内（图1 ）。执行自动匀场，然后进行手动匀场，以达到约12 Hz的水线宽。

图1. MRS体素放置。从西门子MRI扫描仪终端截取的屏幕截图，显示了在（A）矢状，（B）冠状和（C）轴向平面中体素放置（黄色边框）的示例。

数据分析

为了对数据进行预处理，对于所有瞬态，将Lorentzian模型与3.0 ppm的肌酸（Cr）信号拟合，以获得频率，相位，面积和半峰全宽（FWHM）参数（图2A ）。删除任何参数估计值与扫描内均值> 3个标准差的异常值瞬变。使用“ circshift” MATLAB函数对齐所有瞬变的频率，将每个频谱偏移Cr信号的估计频率与3.0 ppm的目标频率之间的差异（图2B ）。将每个光谱的相位与以下对齐：

（1）

其中，光谱和光谱corr分别表示未校正和相位校正的光谱，而相位表示以洛伦兹模型的弧度表示的相位参数估计。

请按照以下步骤执行滑动窗口分析。对于每次扫描，计算第一次采集和滑动窗口大小（即128 ；图2C ）之间所有i）OFF瞬变和ii）OFF – ON（即差谱）瞬变的平均值。通过将单个Lorentzian模型拟合到分别在3.0 ppm和2.0 ppm处的平均OFF光谱，量化总肌酸（tCr）和总N-乙酰天冬氨酸（tNAA）信号强度。GABA进行量化+（γ -氨基丁酸和合编大分子; 3ppm的）和GLX（复数包括Glu和谷氨酰胺（Gln）; 3.8 ppm的）通过拟合单和双高斯模型，分别的信号强度（图2D-2E ）。计算神经代谢信号强度，以拟合峰/秒的面积表示。重复此过程，从第二个ON / OFF瞬变开始，而不是第一个，直到达到扫描中的最后一个瞬变。即，将窗口从一个边缘与扫描中的第一个瞬变对齐的点滑动到另一边缘与扫描中的最后一个瞬变对齐的点。忽略进一步分析的数据，对于该数据，任何定量的神经代谢物（tCr，tNAA，GABA +或Glx）的FWHM与整个扫描的平均值均大于3个标准差。该分析为每次扫描提供了每种代谢物的代谢物浓度的时间轨迹（图2F ）。比较受试者或状况之间的痕迹，以测试神经代谢物时间动态的差异。此外，计算与第一次测量的每个估计值的差异，以评估随时间变化的显着变化。可以应用以时间为聚类维度的聚类校正来避免可能的虚假差异。

请按照以下步骤执行主体间组合分析。计算所有对象中第一个i）OFF瞬变和ii）OFF-ON瞬变的平均值。以与上述相同的方式量化tCR，tNAA，GABA +和Glx信号强度。移至扫描中的下一个ON / OFF瞬态对，然后重复这些步骤。继续重复整个扫描。该分析为每个代谢物浓度提供了时间上的单一迹线，并具有数据可获得的最高时间分辨率（即6 s）。比较条件之间的高时间分辨率轨迹，以测试神经代谢物时间动力学的差异。另外，使用动态神经代谢物估计值之间的互相关来评估高频相互依赖性（Rideaux，2020年）。

图2.分析。A.示例Lorentzian模型拟合（绿色）到Cr信号（黑色）。B.对准前后的代表性扫描光谱（n = 256）。C.平均编辑OFF（红色），ON（蓝色）和差异（黄色）光谱。D.示例高斯模型对Glx信号进行拟合（绿色）（黑色）。E.示例高斯模型拟合（绿色）到GABA信号（黑色）。F.使用滑动窗方法，Glx / GABA浓度随时间变化的示例变化。

笔记

我们与Cr信号对齐，但也可以使用其他对齐方法。
我们使用的窗口大小为128个瞬变，等于扫描长度的一半，但是可以使用不同的窗口大小，但要限制窗口必须适当大才能产生足够的信噪比。

致谢

这项研究得到了Leverhulme Trust Grant ECF-2017-573和Isaac Newton Trust Grant 17.08（o）的支持。该协议源自Rideaux（2020）。

利益争夺

作者声明没有任何金融或非金融竞争利益。

伦理

所有实验均根据《赫尔辛基宣言》的道德准则进行，并得到剑桥大学道德委员会的批准，所有参与者均提供了知情同意。

参考文献

布拉德福德，HF（1995）。谷氨酸，GABA和癫痫。Prog Neurobiol 47（6）：477-511。
埃德登（Edden，RA），穆特库马拉玛斯瓦米（Muthukumaraswamy），SD，弗里曼（TC）和辛格（KD）（2009）。定向辨别性能由人类初级视觉皮层中的GABA浓度和伽马振荡频率预测。神经科学杂志29（50）：15721-15726。
Kehrer，C.，Maziashvili，N.，Dugladze，T.和Gloveli，T.（2008）。精神分裂症的NMDA-机能减退模型中兴奋性抑制平衡的改变。前摩尔神经科学1：6。
Kurcyus，K.，Annac，E.，Hanning，NM，Harris，AD，Oeltzschner，G.，Edden，R.和Riedl，V.（2018）。在视觉处理过程中枕叶皮质中GABA和谷氨酸水平的动态变化。神经科学杂志38（46）：9967-9976。
Mescher，M.，Merkle，H.，Kirsch，J.，Garwood，M。和Gruetter，R。（1998）。同时进行体内光谱编辑和水抑制。生物医学11（6）中的NMR ：266-272。
Mescher，M.，Tannus，A.，O'Neil Johnson，M。和Garwood，M。（1996）。使用选择性回波移相抑制溶剂。J Magn Reson-系列A 123（2）：226-229。
Mikkelsen，M.，Loo，R.，Puts，N.，Edden，R. and Harris，A.（2018年）。设计GABA编辑的磁共振波谱研究：扫描时间，信噪比和样本量的考虑。J神经科学方法303。
普特（NA）和埃登（RA）（2012）。GABA的体内磁共振波谱：方法学综述。Prog Nucl Magn Reson Spectrosc 60：29-41。
Rideaux，R.（2020年）。视觉皮层中GABA和Glx的时间动态。eNeuro 7（4）：1-11。
Rideaux，R.，Goncalves，NR和Welchman，AE（2019）。混合极性随机点立体图会改变早期视觉皮层中的GABA和Glx浓度。神经生理学杂志122（2）：888-896。
Rideaux，R.和Welchman，AE（2018）。处方通过抑制人类视觉皮层来支持强大的感知整合。Nat Commun 9（1）：1502。
Rideaux，R.和Welchman，AE（2019）。对双眼匹配的上下文影响在初级视觉皮层中很明显。J Vision 159：76-85。
Rubenstein，JL和Merzenich，MM（2003）。自闭症模型：关键神经系统中兴奋/抑制比的增加。基因脑行为2（5）：255-267。
Tkáč ，I。和Gruetter，R。（2005）。在非常高的磁场下人脑的1 H NMR光谱学方法。马格·雷森（Appl Magn Reson）29（1）：139-157。