In vivo evidenteco de neurofisiologia maturado de la homa adoleskanto striatum (2015)

Informoj pri aŭtoro

abstrakta

Ŝlosilvortoj:

Adoleskeco; Disvolviĝo; Analizo de ŝablonoj multivariaj; Neŭrofiziologio; Striatum; T2 *

Datenoj pri T2-* estis kolektitaj kiel parto de aparta studo esploranta rekompenc-prilaboron. Mallonge, subjektoj partoprenis rekompencan modulitan antisakan taskon, en kiu ili estis instrukciitaj fari sakadojn al la spegulaj lokoj de periferie prezentitaj stimuloj. Ĉe la komenco de ĉiu proceso, subjektoj estis prezentitaj kun aŭ rekompenco, perdo, aŭ neŭtrala signo, kiu indikis la eblecon de rekompenco dependa de agado. Rendimento estis taksita uzante okul-sekvadon kaj partoprenantoj ricevis aŭdajn reagojn por ĝustaj kaj malĝustaj provoj.

2.3 Resta ŝtata datumaro

Cent subjektoj ankaŭ partoprenis en ripoza ŝtata skanado. Dek unu estis ekskluditaj pro movaj artefaktoj kaj tial 89-subjektoj estis inkluzivitaj en ĉi tiu analizo (aĝoj 10 – 25, M = 16.2, SD = 3.77; 43 masklo). Ni kolektis ripozan staton de 5 min (200 volumoj) por ĉiu subjekto per la samaj skanaj parametroj listigitaj supre. Dum la ripozostato-skanado, partoprenantoj petis fermi la okulojn, malstreĉiĝi, sed ne endormiĝi.

2.4 Antaŭprocesado de T2 * -pesitaj datumoj

Ĉiu antaŭprocesado estis farita per FMRIB Programaro-Biblioteko (FSL; Smith et al., 2004) kaj la softvaro pri Analizo de Funkciaj Neŭrobildoj (AFNI) (Cox, 1996). Komencaj antaŭprilaboraj paŝoj similas al tiuj uzataj en konvencia fMRI. T2 * -pezitaj datumoj komence malpliiĝis kaj tranĉis tempon korektitan por kalkuli sinsekvan akiron. Por trakti movadon, ni uzis taksojn de rotacia kaj translacia kapo-movado por kalkuli movajn mezurojn de radika averaĝa kvadrato (RMS), kaj partoprenantoj kun relativa RMS pli granda ol strikta sojlo de 0.3 mm por pli ol 15% de volumoj en kurado estis ekskluditaj de plu analizo. Por la ceteraj temoj, ni aplikis movadan korekton vicigante ĉiun volumon en la tempa serio al la volumo akirita meze de la akiro. La datumoj kun pezo de T2 * de ĉiu partoprenanto estis linie registritaj al la MPRAGE per la FLIRT-programo de FSL kaj tiam la MPRAGE-bildo estis neline registrita en la spaco MNI (Montreal Neurological Institute) per la programo FNIRT de FSL. La kunligo de la linea registrado de EPI al MPRAGE kaj la nelinia registrado de MPRAGE al MNI-spaco tiam estis aplikita al ĉiuj EPI-bildoj por ĉiu partoprenanto. Volumoj estis alt-enirpermesilaj filtritaj je 008 Hz. Datumoj ne estis glatigitaj por ne ĝeni voxel-rilatajn ŝablonojn por la posta analizo de MVPA. Glatigado eble influas la agadon de liniaj subtenaj vektoraj maŝinoj (Misaki et al., 2013). Datumoj pri restado kaj tasko rilataj estis prilaboritaj aparte per identaj proceduroj.

2.4.1 Normaligo kaj mezumo

Ofte, T2 * -pezitaj EPI-datumoj estas analizitaj tra la tempo, kvantigante malgrandajn fluktuojn en la T2 * -pezita signalo rilata al la sango-oksigeno-nivelo dependa (BOLD) respondo. Ni deziras emfazi, ke en ĉi tiu studo ni ne interesiĝas pri ĉi tiuj malgrandaj BOLD-fluktuoj. Prefere, ni interesiĝas pri la propraĵoj de la T2-pezigita signalo, kiuj ne ŝanĝiĝas kun la tempo kaj reflektas persistajn neŭrofiziologiajn propraĵojn de cerba histo. Tiel, la preprocesa rivereto diverĝas de tiu de konvencia BOLD-analizo ĉe ĉi tiu punkto. Procedoj por prilaborado de niaj pezbalancaj bildoj de T2 * proksime sekvis Vo et al. (2011). Ĉiu volumo unue estis normaligita laŭ sia propra meznombro, kaj la normaligita signalo tiam estis averaĝita, voksel-rilate, tra ĉiuj kvar kuroj (1208 volumoj) de la taskakiro. Ĉi tiu procezo rezultigis unu normaligitan T2 * -pezitan bildon por ĉiu partoprenanto. Ripoz-stataj datumoj estis analizitaj aparte kaj averaĝe trans ĉiuj 200 volumoj de la 5-mina akiro. La normaliga paŝo estas necesa, ĉar la signalo P2 * sola estas sentema al eblaj diferencoj inter MRI-skanadoj - ĉu ene de subjektoj tra tempo aŭ inter subjektoj - kiuj povas konduki al ŝanĝoj en T2 * -peza signala intenseco. Normaligo tiel permesas komparon de T2 * -valoroj inter partoprenantoj. Kvankam T2 * -signalo povus esti kalkulita de unu volumo, ni averaĝe transvolumis por plibonigi la rilaton signalon al bruo.

2.5 Identigo de striktaj regionoj

Ni anatomie identigis la putamen, kaŭdaton kaj kernon accumbens laŭ cerbaj atlasoj inkluzivitaj en la programara pako AFNI. Regionaj maskoj fariĝis pli konservativaj per forigo de iuj vokseloj probable enhavantaj cerbo-spinalan likvaĵon (LCR). CSF estis parceligita per la RAPIDA segmentado de FSL, kaj vokseloj, kiuj havis averaĝan subjektan probablon pli grandan ol 0.15 esti CSF, estis forigitaj de anatomie difinitaj regionoj.

2.6 Univarianta analizo

Ni unue aplikis tradician univarianan analizon por taksi meznivelajn diferencajn diferencojn en striatala T2 *. Por ĉiu temo, ni kalkulis la spacan meznombran T2-pezigan signalan intensecon tra vokseloj ene de anatomie difinita regiono kaj analizis la rilaton inter la spaco kaj la kronologia aĝo. Specife, ni regresis aĝon laŭ mezaj valoroj de T2 * uzante simplan regreson kaj komputis la Pearson-korelacion inter la agorditaj valoroj de aĝo kaj la veraj aĝoj de subjektoj ene de ĉiu regiono.

2.7 Multivariata ŝablona analizo

Estas bone konstatite ke la striato kaj ĝiaj subregionoj (kaŭdato, putamen) ne estas ŝparemaj homologaj laŭ funkcio, konektebleco, aŭ neŭrobiologio (Cohen et al., 2009, Martinez et al., 2003, Middleton kaj Strick, 2000 kaj Postuma kaj Dagher, 2006). Plue, la struktura evoluo de la striatum progresas en ŝparema neuniforma modo (Raznahan et al., 2014). Sekve, la evoluo de suba stria neurofiziologio, inkluzive de histo-fera koncentriĝo, estas probable ankaŭ neforma. Tiel, ni hipotezis, ke diferencoj pri aĝoj en striatala T2 * estus pli bone kaptitaj per pli sentema, multvaria alproksimiĝo. Por analizi la rilaton inter fajna grajnaj ŝablonoj de T2 * intenseco kaj aĝo, ni aplikis multivariajn linearajn subtenajn vektor-maŝajn regregadon (SVR) en MATLAB (The MathWorks, Inc., Natick, Masaĉuseco, Usono) uzante LIBSVM (Chang kaj Lin, 2011). Subteno vektora regreso fariĝis populara analizo en neŭroimagaj studoj pro sia kapablo trakti altdimensiajn datenojn kaj generi precizajn prognozojn (Misaki et al., 2010). La multvaria alproksimiĝo permesas takson de ŝanĝoj en voxel-saĝaj ŝablonoj de T2 * en la striatumo rilate al aĝo. Grave, ĉi tiu analizo havas avantaĝojn koncerne konvenciajn averaĝajn regionajn interesajn univariajn analizojn, ĉar ĝi estas sentema al ebla spaca heterogeneco de evoluaj T2 * trajektorioj trans la striatumon, kiuj ne estas kaptitaj de masa spaca mezumo. De aparta graveco al ĉi tiu studo, SVR estis antaŭe uzata de Vo et al. (2011) antaŭdiri lernan sukceson de spacaj ŝablonoj de striataj T2 *, kaj de Dosenbach et al. (2010) antaŭdiri aĝon de ŝablonoj de ripaŝtata funkcia konektebleco. Subtenaj vektoraj maŝinoj estis detale priskribitaj ambaŭ de praktika (Luts et al., 2010 kaj Pereira et al., 2009) kaj detala matematika vidpunkto (Burges Christopher, 1998, Chih-Wei et al., 2003 kaj Vapnik, 1999), kaj nur estos priskribita mallonge ĉi tie.

Linia subtena vektora regreso estas etendaĵo de subtena vektora klasifiko, kiu ebligas asocion de trajtaj ŝablonoj kun realvalora variablo, tiel ebligas realvalorajn antaŭdirojn. Specimenoj (datumpunktoj) kun realvaloraj etikedoj estas reprezentitaj en altdimensia spaco kun dimensioj egalaj al la kvanto de ecoj de varia intereso. SVR difinas regresan linion tra la altdimensia trajta spaco, kiu optimume modeligas la funkcian rilaton inter la ecoj de variablo, x (ekz. voxel-saĝaj T2 * valoroj en regiono de intereso), kaj la realvaloraj etikedoj de variablo, y (ekz. aĝo de subjekto). Specimenoj estas punataj proporcie al sia distanco de la regreslinio. Ni aplikis epsilon nesensivan SVR kiu difinas tubon ĉirkaŭ la regreslinio kun larĝo kontrolita per la parametro, epsilon, ene de kiuj specimenoj ne suferas monpunon. La interŝanĝo inter la grado, en kiu provaĵoj kiuj falas ekster la epsilon-sensenta tubo estas penalizitaj kaj la ebenaĵo de la regreslinio estas kontrolita per la konstanto, C. Kiel la valoro de C pligrandiĝas, la regreslinio estas malpli plata, kio povas pliigi la ĝeneraligeblajon de la modelo.

Ni trejnis kaj validigis nian SVR-modelon tra subjektoj (unu aro de voxel-rilataj T2 * -valoroj kaj unu aĝa etikedo por subjekto) per forpermeso-unu-subjekta (LOSO) krucvalidigo. LOSO estas ripeta procezo, en kiu la datumoj de unu subjekto estas uzataj por validado dum la alia n - 1 fakoj estas uzataj por trejnado. Aĝa antaŭdiro estas generita por la forlasita specimeno surbaze de nur voxel-rilataj T2 * -valoroj, kaj la procezo ripetiĝas ĝis ĉiu subjekto estis uzata por validado. Ĉi tio rezultigas unu aĝan antaŭdiron por ĉiu subjekto, kaj la agado de la SVR-modelo povas esti determinita per la korelacio inter veraj temaj aĝoj kaj tiuj antaŭdiritaj de la modelo. La parametro C estis optimumigita por ĉiu faldo de LOSO-kruc-validumado uzante nestumitan LOSO-kruc-validumadon. Ni uzis la defaŭltan valoron de epsilon el la LIBSVM-ilo de 0.001. La SVR-analizo estis ripetita por ripoz-stataj T2 * datumoj. Ĉiuj p-valoroj estis konfirmitaj per provoj de hazarda permuta signifo (1000-iteracioj). Ni elektis LOSO prefere ol aliaj metodoj de inter-validumado por maksimumigi la kvanton de trejnaj datumoj uzataj en ĉiu kruc-validiga iteracio; kvankam nia specimeno grandas, la nombro de subjektoj en la specimeno estis ofte malpli ol la nombro de ecoj inkluzivitaj en la SVR-modelo.

2.7.1 Parta volumena korektado

Por certigi, ke multvariaj aĝaj prognozoj ne simple reflektis eblajn sistemajn diferencojn en T2 * ekestantaj de partaj volumenaj efikoj, ni uzis la FAST-segmentan ilon de FSL por krei probablajn maskojn de blanka kaj griza materio de partoprenantoj kun pezaj T1-bildoj. Ni tiam regresis probablojn de griza substanco el la mezuro T2 * tra subjektoj por ĉiu vokalo kaj ripetis la SVR-analizon per la korektitaj datumoj. Aldone al kontrolado de sistemaj diferencoj en parta volumeno, ĉi tiu procezo ortogonaligis aĝajn rilatojn en T2 * -valoroj rilate al eblaj diferencoj en striata volumo kaj nelinia spaca normaligo.

2.7.2 Ŝablona karakterizado

Por karakterizi la spacajn padronojn de striata T2 * kaj ilian trajektorion kun aĝo, ni taksis la disvolviĝan trajektorion de T2 * regresante aĝon sur signalo T2 * uzante linearajn, kvadratajn kaj inversajn regresajn modelojn por ĉiu stria voxelo uzita en la SVR-analizo. Por kvantigi la relativan kontribuon de komponentoj (voxels) de la spacaj padronoj de T2 *, ni kalkulis la absolutan valoron de la meza trajta pezo por ĉiu stria voxelo uzita en la SVR-analizo tra ĉiuj faldoj de LOSO-interkruciĝo.

2.8 Analizo pri serĉlumo

Por esplori la rilaton inter T2 * intenseco kaj aĝo preter niaj a priori striktaj regionoj, ni realigis tut-cerban esplor-analizon (Kriegeskorte et al., 2006). Por realigi la analizon, ni difinis sferan ŝablonon kun diametro de 5-vokaloj (81-neniuj voĉoj), centris la ŝablonon sur ĉiu cerba voxelo laŭvice, kaj plenumis la SVR-analizon priskribitan supre sur la 81-vokaloj en la ŝablono. Nur vokaloj inkluzivitaj en konjunkcia cerba masko estis inkluzivitaj en ĉi tiu analizo. La korelacio inter vera kaj antaŭdirita aĝo ĉe ĉiu ŝablona loko konserviĝis ĉe la centra voxelo. Per ripetado de ĉi tiu procezo por ĉiu voxelo, ni akiris tute-cerban maskon de korelacioj. La lokoj de voxel-amasoj estis taksitaj uzante atlasojn inkluzivitajn en AFNI.

3. Rezulto

3.1 Univarianta analizo

La spaca mezumo de T2 * tra ĉiuj vokaloj en la striatumo ne signife rilatis al aĝo (r = 0.02), kun la modelo reprezentanta nur 0.0004% de varianco en la specimeno. Kiam ni segmentis la striaton en la kaŭdaton, putamenon kaj kernon accumbens kaj ripetis la analizon, ni trovis, ke la informoj kun averaĝa T2 * sufiĉas por generi signifajn aĝajn antaŭdirojn en la kaŭdato (r = 0.286, p <0.001) kaj putamen (r = 0.182, p <0.05), kaj estis aparte prognoziga en la kerno accumbens (r = 0.506, p <10^-9, Figo. 1A, blankaj stangoj). Tamen, funkciaj kaj neŭrobiologiaj subdividoj de la striatumo ekzistas je pli maldika skalo ol kaptebla per spaca meznivela analizo ( Cohen et al., 2009, Martinez et al., 2003 kaj Postuma kaj Dagher, 2006). Tial ni hipotezis, ke evoluaj diferencoj en striatal T2 * estus pli bone kaptitaj uzante pli sentivan, multvariantan aliron.

3.2 Multivariata ŝablona analizo

Multivariaj padronoj de T2 * signalo produktis tre signifajn aĝajn prognozojn en ĉiuj strataj regionoj (Figo. 1A, nigraj stangoj), indikante fortan rilaton inter ĉi tiu mezuro kaj adoleska evoluo. La plej granda korelacio inter antaŭdirita aĝo kaj vera partoprenanta aĝo estis observita en la tuta striatumo (kombinita kaŭdato, putamen, kaj kerno accumbens), kie T2 * ŝablonoj reprezentis 63% de varianco en partoprenanta aĝo (r = 0.79, p <10^-30; permuta provo: p <0.001, Figo. 1B).

Striatala griza volumo varias kun aĝo dum adoleskeco (Raznahan et al., 2014 kaj Sowell et al., 1999). Por certigi, ke multvariaj aĝaj prognozoj ne reflektas sistemajn partajn volumajn diferencojn rezultantajn de ŝanĝo de stria volumeno aŭ artefaktoj de spaca normaligo, ni ripetis la SVR-analizon kontrolante diferencojn de voxel-saĝaj en griza materio. Ni ne trovis signifan diferencon en modelo-rendimento uzante volumenajn kontrolitajn datumojn (suplementa Fig. 1).

La signalo T2 * reflektas konstantajn neŭrofiziologiajn histojn (Vo et al., 2011) kaj devas esti nepreciza pri efikaj taskoj aŭ kuntekstoj. Tamen, ni replikis la analizon por subjektoj, kiuj partoprenis en ripoza ŝtata studo dum la sama skana kunsido. Ni ne trovis signifan diferencon en nia kapablo antaŭdiri aĝon de ŝablonoj de T2 * uzante rilatajn taskojn kaj ripozajn datumojn (Figo. 1B, grizaj stangoj). Plue, ni komputis la voxel-saĝan korelacion inter spacaj padronoj de ripozŝtato kaj tasko-rilataj T2 * en la striatumo por ĉiu partoprenanto kaj observis mezan Pearson-korelacion de 0.97, indikante ke ŝablonoj estas konformaj inter tasko kaj ripozo. Tiel ĉi tie antaŭen ni limigas nian fokuson al T2 * datumoj kolektitaj dum tasko, kiu estas mezume pli da volumoj (1208 vs 200) kaj havas pli grandan specimenon (142 vs 89).

Kiel ni prognozis, spacaj padronoj antaŭdiris aĝon pli precize por preskaŭ ĉiuj striktaj regionoj de intereso. La plibonigo estis precipe okulfrapa en tuta striatumo, kie la kvanto de klarigita varieco en partoprenanto en aĝo pliiĝis de proksime al 0% uzante spacajn rimedojn al 63% uzante spacajn padronojn. Ĉi tiu kontrasto forte indikas, ke la striatum spertas kompleksan mastron de neurofisiologia disvolviĝo reflektita tra striaj vokaloj super la adoleskeco. Por pli bone klarigi la naturon ĉi tiu evolua ŝablono, ni karakterizis disvolvajn trajektoriojn de T2 * trans la striatumo.

3.3 Ŝablona karakterizado

Ŝlosila avantaĝo de SVR estas la kapablo kvantigi la funkciojn, kiuj kontribuas al la multivarianta prognozilo. Por uzi ĉi tiun kvantan informon, ni ĉerpis la funkciajn pezojn atribuitajn al ĉiu voxelo el la analizo SVR. Karakteriza pezo povas esti pensita kiel indekso de la graveco de trajto (voxel) en generado de la multvarianta aĝa prognozo. Por determini la komponentojn de la spaca ŝablono de striaj T2 * intensecoj, kiuj havis la plej grandan relativan kontribuon al la multivarianta prognozilo, ni kvantigis absolutajn trajtajn pezojn por identigi la striajn vokalojn kun la plej granda relativa pezo. Amplekso de vokaloj en la ventrala striatumo, ĉe la kuniĝo de la kaŭdato, putameno kaj kerno accumbens estis plej influaj, sekvataj de grapolo en dorsal kaŭdato (Figo. 2A). La ventra striatala areto havis negativan linian asocion kun aĝo (R² = 0.361, p <10^-14; Figo. 2B solida linio) kaj la dorsaj kavaj grapoloj havis kreskantan inversan asocion kun aĝo (R² = 0.078, p <0.001; Figo. 2B liniita linio)

Kvankam ĉi tiuj amasoj havas la plej grandan relativan pezon, estas grave konsideri, ke la antaŭdiro de aĝo estas funkcio de la multvariada rilato inter ĉiuj voĉoj inkluzivitaj en la modelo. Tial ni taksis la disvolviĝan trajektorion de T2 * signalo por ĉiu voxelo uzata en la SVR-analizo per simplaj linearaj, kvadrataj kaj inversaj regresaj modeloj sciate karakterizantaj disvolvan ŝanĝon dum ĉi tiu periodo (Luna et al., 2004) kun la celo kompreni videblan maturiĝajn mastrojn. La plej multaj voĉoj estas lineare rilataj kun aĝo, kaj subaro plej bone taŭgas per kvadrataj kaj inversaj rilatoj. Por ilustri ĉi tiun distribuon, ni kategoriiĝis vokalojn bazitajn sur la plej bona taŭga modelo - pozitivaj kaj negativaj linearaj, kvadrataj kaj inversaj rilatoj - kaj tegis ilin sur norma anatomia bildo, kreante disvolvan maskon T2 * de la striatumo (Figo. 2D).

Laŭpriskribe, evoluaj T2 * trajektorioj plejparte falis laŭ ventra ĝis dorsala gradiento, intervalante de tre negativaj rilatoj en ventraj porcioj de la striatumado, famaj, havas ĉefe predominajn kortikajn rilatojn ĝis pozitivajn rilatojn en dorsaj porcioj, kiuj havas ĉefe ekzekutivajn kaj motorajn kortikajn rilatojn (Aleksandro et al., 1986 kaj Cohen et al., 2009), tio estis simetria tra hemisferoj (Figo. 2C; rememorigu pliigitan fetan koncentriĝon malpliiĝas la T2 * signalo). Negativaj kvadrataj (inversigitaj "U") kaj kreskantaj inversaj rilatoj estis observitaj en dorsaj porcioj de la putamen, caudate kaj kerno accumbens, kun negativaj kvadrataj rilatoj (inversigitaj "U" -formaj) grupigitaj pli en la dekstra hemisfero kaj kreskantaj inversaj rilatoj grupigitaj pli. maldekstre. Negravaj kvadrataj rilatoj atingis averaĝajn maksimumojn dum adoleskeco en aĝo de 18.4 en la caŭdato kaj 17.4 en la putamen. Pozitivaj kvadrataj ("U" -formaj) kaj malpliiĝantaj inversaj rilatoj estis observitaj bilateralmente en la ventra putamen, kun malpliiĝantaj inversaj rilatoj okazantaj en vizaĝoventraj putamenoj kaj pozitivaj kvadrataj rilatoj okazantaj en la caudoventra putamen atinganta minimumojn en aĝo de 20. La observita heterogeneco en evoluaj trajektorioj tra striaj vokaloj verŝajne klarigas la pli grandan agadon de nia multvaria modelo super la univariata modelo en kaptado de aĝaj diferencoj.

3.4 Tut-cerba analizo

Por esplori eblajn asociojn inter spacaj T2 * ŝablonoj kaj disvolviĝo tra la cerbo kaj por konfirmi la specifecon de striktaj kontribuoj, ni faris esploran esplorvidan analizon (Kriegeskorte et al., 2006). La esplorlumo malkaŝis, ke la aĝo estis antaŭdirita plej signife en la striato kaj la cerbo, inkluzive de la ruĝa kerno, substantia nigra kaj aliaj partoj de la basaj ganglioj (Figo. 3). Aliaj regionoj, kiuj generis ege signifajn aĝajn antaŭvidojn, inkluzivas perigenan antaŭan cingulan kortekson, Brodmann Area 10, median antaŭ-frontan kortekson, antaŭan superan frontan giron, insulon, antaŭ- kaj post-centran giron, antaŭan thalamon, kaj la dentan kernon de la cerebelo. Signifaj korelacioj ankaŭ estis observitaj en la korpus callosum kaj fronto-parietal blanka materio. Multaj el ĉi tiuj regionoj (ekz. Bazaj ganglioj, cerbo, dentata kerno, frontala blanka materio) estas inter la plej feraj riĉaj areoj de la cerbo (Connor kaj Menzies, 1996, Drayer kaj aliaj, 1986, Haacke et al., 2005, Haacke et al., 2007 kaj Langkammer et al., 2010), kaj parto de la mezolimbaj / mezokortikaj kaj nigrostriatalaj dopaminaj vojoj (ekz. cerbostriado, striato, prefrontal-kortekso (Beaulieu kaj Gainetdinov, 2011, Haber kaj Knutson, 2010 kaj Puglisi-Allegra kaj Ventura, 2012). La plej grandaj korelacioj estis observitaj ĉe la krucvojo de la kerno accumbens, ventromedia putamen kaj ventromeda kaŭdato (maksimuma voxel: MNI −8, 5, −11), indikante, ke T2 * havas precipe fortan rilaton kun adoleska evoluo en ĉi tiu parto de la cerbo, kiu estas forte asociita kun dopaminergiaj rekompencaj vojoj kaj la lombika sistemo (Galvan et al., 2006, Galvan et al., 2007, McGinty et al., 2013 kaj Puglisi-Allegra kaj Ventura, 2012).

La pezbalancita signalo de T2 *, aparte kiam kolektita en-ebena kiel en EPI, estas susceptible al signala ellaso pro artefaktoj de susceptibilidad proksime de la bazo de la cerbo (ekz. Orbitofronta kortekso kaj inferotemporal kortekso), tiel levante la eblecon ke diferencoj de aĝo agas. en T2 * povus ekesti el susceptibilaj artefaktoj en ĉi tiuj cerbaj areoj. Ĉi tio ne devas havi grandan efikon, konsiderante, ke la malneta morfometrio de la cerbo estas establita de pli junaj aĝoj ol nia aĝa grupo (Caviness et al., 1996). Plie, (1) niaj plej signifaj aĝaj efikoj okazas en cerbaj areoj, kiuj estas konataj altaj en fera koncentriĝo (ekz. Basaj ganglioj kaj meza cerbo) kaj enŝovitaj de areoj kun prononcita signala ellaso kaj (2), ke cerbaj areoj plej inklinas al susceptibilaj artefaktoj. (ekz. oribitofrontala kortekso kaj inferotemporal-kortekso; suplementa Fig. 2A kaj B) ne montras signifajn aĝajn efikojn (suplementa Fig. 2C).

4. Diskuto

La aktuala studo uzis spacajn padronojn de striatal-rilataj kaj ripoz-stataj normaligitaj T2-pezitaj bildoj por generi tre signifajn aĝajn antaŭdirojn en granda transversa specimeno de adoleskantoj kaj junaj plenkreskuloj, havigante in vivo evidentecon pri neurofisiologia evoluo de la homo. striato super adoleskeco. Spacaj ŝablonoj de T2 * estis prognozaj de adoleska aĝo en la striatum en lia aro same kiel en striaj subregionoj, kaŭdato, putameno, kaj kerno akumbens de apenaŭ kvin minutoj de ripozŝtata fMRI, pruvante fortan asocion inter T2 * kaj adoleska evoluo tra la striatumo.

4.1 La T2 * signalo

Kritika por plena interpreto de ĉi tiuj trovoj estas kompreno de la neurofiziologiaj komponentoj, kiuj kontribuas al la signalo T2 *. T2 * estas plej forte rilata al transversa (spina-spina) tempo de malstreĉiĝo, magneta susceptibilidad de histo kaj magneta kampo-homogeneco. Tiel, histo-fera (ne-hema) koncentriĝo kaj mielina koncentriĝo estas la histaj tipoj, kiuj plej forte kontribuas al la signalo T2 * (Aquino kaj aliaj, 2009, Daugherty kaj Raz, 2013, Langkammer et al., 2012 kaj Schenck, 2003). Ambaŭ histo-fero kaj mielino havas longajn transversajn malstreĉajn tempojn, tiel kaŭzante hipo-intensan T2 * signalon (Aoki et al., 1989, Chavhan et al., 2009 kaj Li kaj Yablonskiy, 2009). Tamen, mielino estas diamagneta kaj histo - fero estas paramagnetika, do histo-fero havas pli grandan kontribuon al T2 * (pli granda hipo-intenseco) kiel konsekvenco de ĝia magneta susceptibilidad kaj efiko al magneta kampo de malhomogeneco (Langkammer et al., 2010 kaj Schenck, 2003). Tial, kvankam histo-fero kaj mielino ambaŭ kontribuas al T2 *, la signalo devas esti plej influata de koncentriĝo en histo-fero, precipe en fera riĉa striato.Haacke et al., 2010 kaj Langkammer et al., 2010). Ĉi tiu nocio estas subtenata de la analizo de serĉiloj (Figo. 3) kiu montras la plej fortajn asociojn kun T2 * kaj agantaj en feraj riĉaj areoj de la cerbo (bazaj ganglioj, cerbo) anstataŭ lokoj kun malpli da histo-fero, ekz. kortekso kaj postaj blankaj materioj. Tiel evoluaj diferencoj en stria neurofiziologio mezurita kun T2 * ŝajnas esti ĉefe kaŭzitaj de evoluaj diferencoj en histo-fera koncentriĝo dum adoleskeco.

Estas grave noti, ke kvankam fero estas ankaŭ enhavita en hemoglobino, la kontribuo de hemo-fero al T2 * estas neglektebla kompare al tiu de histo-fero (Langkammer et al., 2010 kaj Vymazal et al., 1996). La kontribuo de hemoglobino al magneta susceptibilidad nur okazas de dezoxi-hemoglobino kaj estas plej granda ĉe malalta oksigena saturacio (Pauling, 1977), sed la paramagnetismo de histo-fero estas multfoje pli granda ol eĉ tute deoxigenita hemoglobino (Vymazal et al., 1996). Ĉi tiu malgranda efiko de hemo-fero ne atendas kontribui al la evoluaj efikoj observitaj en ĉi tiu studo, ĉar ĝia influo sur T2 *-signalo ne devas varii sisteme kun aĝo en nia specimeno. La vaskula sistemo estas plejparte stabila dum adoleskeco, kun pial-vasta kovrado kaj kapilara formado (Harris et al., 2011) kaj totala cerba sango-fluo al la interna karotida arterio (la ĉefa sanga provizo al la striato) estanta establita de frua infanaĝo (Schöning kaj Hartig, 1996).

4.2 Ŝtofo - fero kaj la cerbo

La sentiveco de T2 * al histo-fero estas precipe grava en la kunteksto de adoleska evoluo. La fero transportas tra la baro sango-cerbo tra la proteino transferrin kaj konservita en ĉelaj korpoj kiel feritino (Aquino kaj aliaj, 2009 kaj Daugherty kaj Raz, 2013, Drayer kaj aliaj, 1986). La bazaj ganglioj kaj la cerbo estas la regionoj de la cerbo kun la plej granda feritina koncentriĝo (Haacke et al., 2005 kaj Schenck, 2003). Ĉeloj kun la plej granda feritina koncentriĝo estas oligodendrocitoj trovitaj en kaj blanka kaj griza materio (Haacke et al., 2005). Ferritino ankaŭ povas esti trovita en neŭronoj, aparte tiuj en la basaj ganglioj (Drayer kaj aliaj, 1986 kaj Moos, 2002). Ene de ĉi tiuj ĉeloj fero kontribuas al serio da kritikaj neurofiziologiaj procezoj. En oligodendrocitoj, fero estas necesa por mielina sintezo kaj necesas por produkto de ATP necesa por subteni la altan oksidan metabolon de ĉi tiuj ĉeloj (Connor kaj Menzies, 1996, Moos, 2002 kaj Todorich et al., 2009). En la basaj ganglioj, bestaj modeloj de fera manko (Erikson et al., 2000) kaj malsanmodeloj de sindroma kruta sindromo (Connor kaj aliaj., 2009) kaj ADHD (Adisetiyo et al., 2014) indikas, ke histo-fero estas tre rilata al la dopamina sistemo (Beard kaj Connor, 2003). Precipe, striatala histo-fero subtenas D2-receptor-esprimon (Barbo, 2003 kaj Jellen et al., 2013), dopamina dissendanta funkcio (Adisetiyo et al., 2014, Erikson et al., 2000 kaj Wiesinger et al., 2007), kaj dopamina neŭrona ekscitemo (Jellen et al., 2013). Kiel la stria dopamina sistemo estis montrita disvolviĝante dum adoleskeco en bestaj modeloj (Kalsbeek et al., 1988, Rosenberg kaj Lewis, NENIU kaj Teicher et al., 1995) kaj estis hipotezita por substreki karakterizan konduton kaj cerban funkcion en la adoleska homo (Casey et al., 2008, Padmanabhan kaj Luno, 2014 kaj Spear, 2000), la T2 * signalo havas unikan gravecon al la studo de adoleska stria evoluo. Cetere, postmortemo (Hallgren kaj Sourander, 1958) kaj MRI (Aquino kaj aliaj, 2009 kaj Wang et al., 2012) studoj esplorantaj vivdiferencojn en histo-fero montris ĝeneralajn pliiĝojn en fera koncentriĝo en la striatumo tra meza aĝo kaj sugestas, ke la indico de fera amasiĝo estas plej granda en la unuaj du jardekoj de la vivo, indikante malpliiĝan ŝanĝon de amasiĝo post la adoleskeco.

4.3 T2 * kaj la cerba adoleska

La disvolva trajektorio de T2 * signalo variis sisteme tra dorsaj kaj ventraj aspektoj de la striatumo. Ventraj porcioj de la striato, kiuj havas ĉefe kortikajn rilatojnCohen et al., 2009), montris fortajn negativajn rilatojn kun aĝo dum dorsaj porcioj, kiuj havas ĉefe ekzekutajn kaj motorajn kortikajn rilatojn, montris pli malfortajn pozitivajn rilatojn kun aĝo sugestante, ke dum adoleskeco kaj juna plenkreskula limia kaj ekzekutiva striataj sistemoj povas havi malsamajn relativajn neurofisiologiajn kontribuojn al konduto. Rezultoj konsentas pri trovoj, kiuj indikas, ke la striatumo havas ŝpareme heterogenan evoluon, nome la striaj kernoj ne disvolviĝas en tutmonda unuforma maniero (Raznahan et al., 2014). La fortaj negativaj rilatoj en ventra striatum indikas konstantajn pliiĝojn en histo-fera koncentriĝo kun inversaj tavoloj sugestante ke la indico de kresko estas plej granda frue en adoleskeco. Konsiderante la asocion de histo-fero kun ambaŭ dopamina funkcio kaj mielinigo, ĉi tiuj pliigoj povas subteni la maturiĝon kaj proliferadon de la dopamina sistemo kaj mielinigon de kortiko-striataj ligoj observitaj en bestaj modeloj de adoleska disvolviĝo (ekz. Pliigado de dopaminaj projekcioj al la primata kortekso. ; Rosenberg kaj Lewis, NENIU), subtenante la maturiĝon de motivaj cirkvitoj.

La disvolva trajektorio de striatala T2 * estas unika dum adoleskeco en porcioj de kaŭdato kaj putameno. En ĉi tiuj areoj, voxel-valoroj de T2 * variis ne lineare kun aĝo, en iuj kazoj pintante super la adoleskeco inter 17 kaj 18-aĝoj. Apartaj interesoj estas pozitivaj kvadrataj rilatoj ("U" -formaj) en la ventra putamen, kiuj indikas pintan koncentriĝon de histo-fero en ĉi tiu regiono dum adoleskeco, eventuale rilatante pintojn en dopamina D2-esprimo observita en la ronĝulo (Teicher et al., 1995) kaj hipotezis okazi en la homo (Casey et al., 2008). Entute, ĉi tiuj ne linearaj disvolvaj trajektorioj sugestas periodon de stria neurofisiologia maturiĝo, kiu eble kontribuas al observitaj pintoj en serĉado de sento kaj riska konduto kaj striata rekompenco dum ĉi tiu etapo de disvolviĝo (Padmanabhan et al., 2011 kaj Spear, 2000), dum linearaj rilatoj eble reflektas daŭran motivan sisteman disvolviĝon tra juna plenkreskeco (Arnett, 1999 kaj Hoogendam et al., 2013). Konsiderataj trovoj en bestaj modeloj, kiuj indikas adoleskajn pintojn en dopamine-esprimo kaj homaj fMRI-studoj sugestantaj pintan ventran strian reaktivecon sub iuj stimulaj kuntekstoj, ni surprizis observi linearajn aŭ inversajn asociojn de T2 * kun aĝo en porcioj de striatumo. Eblas, ke pliigoj en adoleska BOLD-respondo rekompencas eble por pliaj aspektoj de DA-funkcio, al kiu histo-fero ne rekte rilatas, kiel DA-liberiga kvanto aŭ probableco, kiuj povas havi malsamajn disvolvajn trajektoriojn. La observita mastro de efikoj probable ankaŭ reflektas la nerektan naturon de la rilato inter histo-fero kaj dopamina ricevilo kaj DAT-funkcio same kiel ĝian rolon en multaj aliaj neŭrofiziologiaj procezoj (ekz. Mielinigo kaj ATP-produktado), kiuj ne malpliiĝas en plenaĝeco. Spekulative, povas esti, ke individuaj diferencoj en T2 * kaj bazaj ganglioj-histo-fera koncentriĝo rilatas al individuaj diferencoj en indicoj de la strukturo kaj funkcio de la dopamina sistemo. Klare necesas plia esplorado por rekte karakterizi ĉi tiun rilaton, precipe en normativaj populacioj.

Quantitatively, la voxel-saĝa distribuo de pezaj pezoj de la multivariata subtena vektora regreso indikas, ke neurofiziologia maturiĝo de la striatumo estas plej forte influita de daŭra maturiĝo de la ventrala striatumo, inkluzive de la nukleaj akcentoj kaj ventromediaj porcioj de la kaŭdato kaj putamen, en plenaĝeco Dum adoleskeco, la ventra striatum elmontras pintan funkcian reaktivon por rekompenci stimulojn sub iuj instigaj kuntekstoj kaj estas asociita kun risko-prenanta konduto dum ĉi tiu periodo (Ernst et al., 2005, Galvan et al., 2006, Galvan et al., 2007, Geier et al., 2010 kaj Padmanabhan et al., 2011). Plue, ĉi tiu regiono estas tre dopamina innervata kaj estas centra komponento de la frontostriataj dopaminaj rekompencaj vojoj (Knutson kaj Cooper, 2005, McGinty et al., 2013, Puglisi-Allegra kaj Ventura, 2012) hipotezis subkompreni senton kaj riskon-konduton (Blum et al., 2000, Spear, 2000). Spekulative, pliigoj en histo-fera koncentriĝo en ĉi tiu regiono povas tiel esti mekanike rilataj al adoleska konduto kaj striata rekompenca reaktiveco per ĝia asocio kun dopamina ricevilo esprimo, transporta funkcio kaj ekscitebleco (Erikson et al., 2000, Jellen et al., 2013 kaj Wiesinger et al., 2007) kaj mielination (Connor kaj Menzies, 1996, Moos, 2002 kaj Todorich et al., 2009) ene de kortico-ventraj striataj vojoj.

Esplora tuta cerba analizo malkaŝis, ke la plej fortaj asocioj inter T2 * kaj aĝo okazas en ventromedaj subkortikaj kaj mez-cerbaj regionoj, konataj kiel la plej multaj dopaminaj kaj feraj riĉaj areoj de la cerbo (Drayer kaj aliaj, 1986, Haacke et al., 2005 kaj Langkammer et al., 2010) kun tarifoj de fera amasiĝo fluktuanta laŭlonge de la vivdaŭro (Aquino kaj aliaj, 2009, Haacke et al., 2010 kaj Hallgren kaj Sourander, 1958). En la kortekso, signifaj asocioj estis observitaj en frontalaj limaj areoj, kiuj falas laŭ la mezolimbaj kaj mezocortikaj dopaminaj vojoj same kiel frontaj ekzekutaj kaj motorregionoj. Oni devas rimarki, ke la interpreto de precizaj neŭrofiziologiaj ecoj sub la T2 * signalo ekster la fera riĉa striato estas iom malpli rekta. Ekzemple, la grado, en kiu kortikala T2 * reflektas histo-feron, koncentriĝo per si estas malpli klara ĉar mielinigo devus havi pli grandan relativan kontribuon al la signalo en areoj enhavantaj pli malaltajn nivelojn de histo-fero (ekz. Kortekso, blanka materio). Tial povas esti konvene, ke estontaj esploristoj fokusu T2 * analizojn al cerbaj regionoj, konataj kun altaj koncentriĝoj de histo-fero (ekz. La basaj ganglioj kaj la cerbo). Tamen, ĉi tiu kolekto de cerbaj kaj subkortikaj cerbaj regionoj konformas al niaj striktaj trovoj, ĉar ili estas strukture kaj funkcie konektitaj ene de la dopamina sistemo kaj montriĝis, ke ili estas sentemaj al adoleska evoluo (Casey et al., 2008, Cohen et al., 2009, Galvan et al., 2006, Geier et al., 2010, Giedd et al., 1999, Hwang et al., 2010, Lehéricy et al., 2004, Martino et al., 2008 kaj Sowell et al., 1999). Tiel, ĉi tiuj rezultoj donas provon por subteni la hipotezon, ke neurofiziologia disvolviĝo de la frontostriatala dopamina cirkvito ĉe homoj okazas dum adoleskeco (Casey et al., 2008 kaj Spear, 2000).

4.4 Limigoj kaj estontaj direktoj

Niaj trovoj, kune kun tiuj de Vo et al. (2011), sugestu, ke T2 * -pezaj EPI-datumoj eble estas utila ilo por la enketo de stria neurofiziologio. Avantaĝo de ĉi tiu metodo estas, ke ĉi tiu mezuro povas esti derivita de ekzistantaj fMRI-datumaroj, ĉu restantaj aŭ taskaj rilatoj. Kiel menciite supre, ni rekomendas fokusajn estontajn analizojn sur la bazaj ganglioj kaj aliaj cerbaj areoj, kiuj havas relative altajn koncentriĝojn de histo-fero, ĉar la interpretado de la neŭrofiziologiaj mekanismoj kontribuantaj al T2 * estas plej granda en ĉi tiuj areoj. Aldone, ni rekomendas cerbajn areojn kiel ventralan orbitofrontan kortekson kaj porciojn de inferotemporaj kortekso, kiuj estas inklinaj al susceptibilaj artefaktoj, por esti evititaj por analizoj de EPN-pezita per T2 *. Ni deziras noti, ke enketistoj interesitaj pri specife kvantigi koncentriĝojn de histo-fero povus ankaŭ apliki kvantajn MR-sekvencojn, kiel R2 ′ aŭ R2 *, kiuj estas montritaj lineare kun histo-fera enhavo (Sedlacik et al., 2014 kaj Yao et al., 2009) taksi ĉi tiun teksan posedaĵon pli precize. Grava direkto por estonta laboro estas rekte karakterizi la asocion inter histo-fera koncentriĝo en la basaj ganglioj kaj indicoj de dopamina sistemo funkcianta en normativaj populacioj, ekspansiiĝante laboron faritan en RLS, ADHD, kaj fera-manka populacioj kaj kondukante al pli granda funkcia. interpretado kaj signifo de T2 * kaj rilataj mezuroj. Kompreneble plibonigita kompreno de ĉi tiu rilato havas potencajn implicojn por homaj disvolvaj studoj, en kiuj ne pli invasivaj bildigaj teknikoj kapablaj taksi la neŭrobiologion de la dopamina sistemo ne haveblas. Fine, kvankam ĉi tiu studo estis farita per granda transversa datumaro, kiu kovris larĝan aĝon, la estonta laboro devas uzi longforman dezajnon por pli bone analizi la aĝon ŝanĝoj en T2 *, per si.

5. konkludo

Niaj rezultoj provizas in vivo evidentecon de daŭra neurofisiologia maturiĝo de striaj regionoj tra la homa adoleskeco. Niaj trovoj kaj la naturo de la T2 * signalo sugestas, ke diferencoj de aĝoj en stria neurofiziologio estas plej influitaj de diferencoj en histo-fera koncentriĝo (Aoki et al., 1989, Chavhan et al., 2009, Li kaj Yablonskiy, 2009, Langkammer et al., 2010 kaj Schenck, 2003). Konsiderante la kontribuon de ĉi tiu histo-posedaĵo al cerba funkcio, inkluzive de dopamina funkcio, kaj la rolon de la striato en lernado, instigo kaj rekompenc-prilaborado, pli longa maturiĝo de la striatum kiel indeksita de T2 * eble forte kontribuas al konataj evoluaj ŝanĝoj en konduto kaj cerba funkcio tra adoleskeco.

Kontribuoj de aŭtoroj

B. Larsen kaj B. Luna kunlaboris en konceptado kaj projektado de la eksperimento. B. Larsen analizis la datumojn kaj verkis la komencan skizon de la papero. B. Luna disponigis redaktojn de la originala manuskripto.

Konfliktoj de intereso

Neniu por raporti.

Jen la Suplementaj datumoj al ĉi tiu artikolo.

Referencoj