ब्रेन रेस बुल। अगस्त 2009 14;79(6):388-95. doi: 10.1016/j.brainresbull.2009.05.016.
स्टोकेल ले1, किम जे, वेलर आरई, कॉक्स जेई, कुक EW 3rd, होर्विट्ज़ बी.
सार
मोटापे से ग्रस्त महिलाओं में भोजन के संकेतों के लिए अतिरंजित प्रतिक्रिया एक हाइपरएक्टिव इनाम प्रणाली द्वारा भाग में मध्यस्थता प्रतीत होती है जिसमें नाभिक एंबुलेस, एमिग्डाला, और ऑर्बिटोफ्रंटल कॉर्टेक्स शामिल हैं। वर्तमान अध्ययन में कार्यात्मक चुंबकीय अनुनाद इमेजिंग (एफएमआरआई) का उपयोग किया गया था ताकि यह पता लगाया जा सके कि खाद्य छवियों के जवाब में इनाम-संबंधित मस्तिष्क सक्रियण में एक्सएनयूएमएक्स मोटे और एक्सएनयूएमएक्स सामान्य वजन वाली महिलाओं के बीच के अंतर को अन्य इनाम नेटवर्क क्षेत्रों के बीच कार्यात्मक बातचीत में परिवर्तन द्वारा समझाया जा सकता है।
उच्च और निम्न-कैलोरी भोजन छवियों के जवाब में न्यूक्लियस एंबुलेन्स, एमिग्डाला, और ऑर्बिटोफ्रॉन्टल कॉर्टेक्स के बीच नेटवर्क कनेक्शन में समूह अंतर थे या नहीं, इसका परीक्षण करने के लिए एक दो-चरण पथ विश्लेषण / जनरल रैखिक मॉडल दृष्टिकोण का उपयोग किया गया था। सामान्य-वजन नियंत्रण की तुलना में उच्च और निम्न-कैलोरी भोजन संकेतों के जवाब में मोटे समूह में असामान्य कनेक्टिविटी थी।
नियंत्रणों की तुलना में, मोटे समूह में ऑर्बिटोफ्रॉन्टल कॉर्टेक्स और न्यूक्लियस एंबुलेस दोनों में सक्रियता के एमिग्डाला के मॉड्यूलेशन में सापेक्ष कमी थी, लेकिन ऑर्बिटोफ्रॉन्स्टल कॉर्टेक्स के न्यूक्लियस एंबुलेस में सक्रियण के मॉड्यूलेशन का अत्यधिक प्रभाव। एमिग्डाला से कम होने वाले अनुमान भोजन के प्रतिफल के मूल्य या संबद्ध क्यू के प्रेरक नमकीन के भावात्मक / भावनात्मक पहलुओं को अपनाने के लिए संबंधित हो सकते हैं, जबकि ऑर्बिटोफ्रंटल कॉर्टेक्स से न्यूक्लियस एक्सीम्बेंस कनेक्टिविटी में वृद्धि भोजन के जवाब में खाने के लिए बढ़े हुए ड्राइव में योगदान कर सकती है। क्यू।
इस प्रकार, यह संभव है कि इनाम प्रणाली के न केवल अधिक सक्रियकरण, बल्कि इस नेटवर्क में क्षेत्रों की बातचीत में अंतर भी मोटे व्यक्तियों में खाद्य पदार्थों के अपेक्षाकृत बढ़े हुए प्रेरक मूल्य में योगदान कर सकते हैं।
मोटापे के एटियलजि को, विशेष रूप से उच्च वसा वाले, ऊर्जा घने खाद्य पदार्थों (जैसे, [], खाद्य पदार्थों से जुड़े संकेतों से अतिरंजित प्रतिक्रिया द्वारा समझाया गया है)12])। मोटापे से ग्रस्त व्यक्तियों में इन उत्तेजनाओं के बढ़े हुए प्रेरक लार के लिए तंत्र एक हाइपरएक्टिव इनाम प्रणाली हो सकती है, जिसमें न्यूक्लियस एंबुलेन्स / वेंट्रल स्ट्रिएटम (एनएसी), एमिग्डाला (एएमवाईजी), और ऑर्बिटोफ्रंटल कॉर्टेक्स (ओएफसी) शामिल हैं। एक पिछले कार्यात्मक चुंबकीय अनुनाद इमेजिंग (fMRI) अध्ययन में सामान्य-वजन वाले व्यक्तियों ([77]; अंजीर 1)। मोटापे से ग्रस्त व्यक्तियों या उच्च उत्तेजना वाले बीएमआई वाले अन्य अध्ययनों से भी इन क्षेत्रों में सक्रियता के असामान्य पैटर्न देखने को मिले ([22], [23], [28], [43], [68]), साथ ही साथ अन्य ([40], [68])। उच्च-कैलोरी खाद्य पदार्थों से जुड़े स्टिमुली इस प्रकार के खाद्य पदार्थों के गैर-होमियोस्टैटिक खाने के लिए अत्यधिक प्रेरणा को प्रेरित कर सकते हैं ([10], [11], [53])। खाद्य पदार्थों का उपभोग करने की इस अत्यधिक गैर-घरेलू इच्छा को प्रोत्साहन नमकीन या "वांछित" कहा गया है और मेसोकोर्टिकोलिम्बिक डोपामाइन प्रणाली के माध्यम से बड़े पैमाने पर विनियमित किया जाता है, जिसमें एनएसी, एएमवाईजी और ओएफसी शामिल हैं (जैसे, [6]).
अधिकांश मानव fMRI अध्ययन अलग-अलग मैक्रोस्कोपिक मस्तिष्क क्षेत्रों की कार्यात्मक विशेषताओं को समझने के लिए एक सामूहिक अविभाज्य सांख्यिकीय विश्लेषण दृष्टिकोण का उपयोग करते हैं। अन्वेषक अक्सर यह बताने के लिए क्षेत्रों के समूह के कार्यात्मक विशेषज्ञता के बारे में जानकारी को एकीकृत करते हैं कि ये क्षेत्र किसी दिए गए कार्य को करने के लिए कैसे बातचीत कर सकते हैं। हालाँकि, इस तरह के विश्लेषण से तैयार किए जा सकने वाले एकमात्र वैध अनुभवजन्य निष्कर्ष मस्तिष्क क्षेत्रों के दिए गए सेट में परिमाण और सक्रियता की सीमा से संबंधित होते हैं, न कि इन क्षेत्रों को कार्यात्मक रूप से कैसे इंटरैक्ट करते हैं। संयोजकता विश्लेषण जांचकर्ताओं को यह अध्ययन करने की अनुमति देता है कि मस्तिष्क क्षेत्रों के नेटवर्क कैसे संज्ञानात्मक और व्यवहार संबंधी कार्य करने के लिए बातचीत करते हैं (जैसे, [34])। यह ध्यान रखना महत्वपूर्ण है कि पारंपरिक सक्रियण अध्ययन से प्राप्त होने वाले संपर्क सीधे कनेक्टिविटी अध्ययन में स्थानांतरित नहीं होते हैं। यही कारण है, में मापा मतभेद हो सकता है परिमाण समूहों के बीच मस्तिष्क की सक्रियता, लेकिन समूह में कोई अंतर नहीं है कनेक्टिविटी, और इसके विपरीत (जैसे, [52]).
पथ विश्लेषण, एक प्रकार का संरचनात्मक समीकरण मॉडलिंग, एक बहुभिन्नरूपी, परिकल्पना-आधारित दृष्टिकोण है, जो कि जुड़े मस्तिष्क क्षेत्रों के एक सेट के बीच दिशात्मक संबंधों की जांच के लिए कार्यात्मक न्यूरोइमेजिंग पर लागू होता है ([51])। प्रभावी कनेक्टिविटी के विश्लेषण के लिए यह एक तरीका है, इस मामले में एक मस्तिष्क क्षेत्र की सक्रियता में परिवर्तन होता है, जिसके परिणामस्वरूप दूसरे क्षेत्र में सक्रियता में परिवर्तन होता है। पथ मॉडल के आधार पर विकसित किया जाता है पूर्वसिद्ध परिकल्पनाएँ और एक कारण संरचना की कल्पना करते हैं, जहाँ A → B का अर्थ है क्षेत्र A में होने वाले परिवर्तन कारण क्षेत्र बी में परिवर्तन (जैसे, []69])। एक नेटवर्क मॉडल में मस्तिष्क क्षेत्रों को आम तौर पर पिछले कार्यात्मक न्यूरोइमेजिंग अध्ययनों के आधार पर चुना जाता है, और इन क्षेत्रों के बीच संबंध आमतौर पर ज्ञात न्यूरोनेटोमिकल कनेक्शनों के आधार पर परिभाषित किया जाता है, ज्यादातर पशु साहित्य से, प्रजातियों के बीच मस्तिष्क क्षेत्रों में होमोलॉजी मानते हैं (जैसे, [69])। पथ विश्लेषण का उपयोग करके गणना किए गए अनुमानित पैरामीटर मान मॉडल में क्षेत्रों के बीच दिशात्मक मार्गों की मात्रा का प्रतिनिधित्व करते हैं। इन पथ गुणांकों का उपयोग तब कार्य स्थितियों में परिवर्तन के जवाब में विषयों के बीच कनेक्शन के बीच या सामान्य रैखिक मॉडल (GLM) ढांचे के भीतर विषयों और समूहों के बीच तुलना करने के लिए किया जा सकता है (जैसे, [44], [64]).
इनाम प्रणाली के भाग के रूप में NAc, AMYG, और OFC एक साथ कार्य करते हैं। इन क्षेत्रों के बीच मजबूत शारीरिक संबंध हैं (देखें) अंजीर 2; AMYG → OFC: [7], [16], [30], [38], [60], [65], [71], AMYG → NAc: [30], [38], [71], और ओएफसी → NAc: [7], [16], [17], [30], [38], [56], [60], [65], [71])। हालांकि यह स्पष्ट है कि खाद्य चित्र, विशेष रूप से उच्च-कैलोरी खाद्य छवियों ([] देखते समय सामान्य-वजन नियंत्रण की तुलना में एनएसी, एएमवाईजी और ओएफसी अधिक मजबूती से सक्रिय होते हैं)77)), यह अनिश्चित है कि क्या इन क्षेत्रों में सक्रियता कुछ सामान्य अंतर्निहित इनाम प्रक्रिया से संबंधित है (उदाहरण के लिए, प्रोत्साहन या दृष्टिकोण का उपयोग करने के लिए प्रोत्साहन या प्रेरणा) या क्या अलग-अलग प्रक्रियाएं हैं (जैसे, हेदोनिक्स या इनाम का आनंद घटक और / या सीखने) इस सक्रियण पैटर्न के लिए खाता (देखें [8] इन विभिन्न इनाम प्रक्रियाओं की चर्चा के लिए)। NAc, AMYG, और OFC प्रत्येक में कई कार्यात्मक गुण हैं। NAc / उदर स्ट्रेटम इनाम-संबंधित प्रसंस्करण, होमोस्टैटिक तंत्र और मोटर आउटपुट (जैसे: -41]), लेकिन इनाम मूल्य के लिए कोड भी हो सकता है ([57])। ओएफसी भोजन और भोजन के संकेतों के बहुविध संवेदी निरूपण को एनकोड कर सकता है ([10], [11])। साथ में, AMYG और OFC साहचर्य प्रक्रियाओं की मध्यस्थता कर सकते हैं जिससे भोजन से संबंधित उत्तेजनाएं प्रोत्साहन या अन्य प्रेरक गुणों को प्राप्त करती हैं (जैसे, [6], [31]), लेकिन दोनों भी हाईडोनिक मूल्य के लिए कोड, नीचे-ऊपर और OFC के माध्यम से ऊपर-नीचे प्रक्रियाओं के माध्यम से AMYG ([7]).
इस अध्ययन में, हमने Stoeckel et al के fMRI डेटा का उपयोग किया। [77]] दो चरणों का पथ विश्लेषण प्लस GLM दृष्टिकोण एक साधारण नेटवर्क में प्रमुख इनाम संरचनाओं (NAc, AMYG, और OFC) की बातचीत की जांच करने के लिए निर्धारित करता है कि ये संरचनाएं उच्च और निम्न-कैलोरी खाद्य पदार्थों की छवियों के जवाब में एक साथ काम करती हैं या नहीं। मोटे और सामान्य वजन वाले व्यक्तियों में अलग। हमें उच्च और निम्न-कैलोरी भोजन छवियों के जवाब में सामान्य-वजन नियंत्रण में हमारे मॉडल में निर्दिष्ट मस्तिष्क क्षेत्रों के बीच प्रभावी संबंध खोजने की उम्मीद थी। इसके अलावा, हमने अपने मोटापे वाले समूह में कई परिवर्तित प्रभावी कनेक्शनों को खोजने की उम्मीद की, जो यह बताने में मदद कर सकते हैं कि खाद्य पदार्थों ने इन व्यक्तियों के लिए प्रेरक शक्ति क्यों बढ़ाई है।
सामग्री और तरीके
पथ विश्लेषण के लिए उपयोग किए गए डेटा स्टोकेल एट अल में रिपोर्ट किए गए समान डेटा थे। [77]। पथ विश्लेषण के तरीकों पर चर्चा करने वाले अनुभाग के अपवाद के साथ, नीचे दी गई जानकारी स्टोकेल एट अल में अधिक विस्तार से प्रदान की गई है। [77].
प्रतिभागियों
प्रतिभागियों में 12 मोटे (बॉडी मास इंडेक्स, बीएमआई = 30.8 - 41.2) और 12 सामान्य वजन (बीएमआई = 19.7 - 24.5) बर्मिंघम (यूएबी) समुदाय में अलबामा विश्वविद्यालय से भर्ती की गई दाएं हाथ की महिलाएं थीं। औसत आयु पर कोई समूह अंतर नहीं थे (मोटे: 27.8, एसडी = 6.2; नियंत्रण: 28, एसडी = 4.4), जातीयता (मोटापा: 7 अफ्रीकी-अमेरिकी, 5 कोकेशियान; नियंत्रण: 6 अफ्रीकी-अमेरिकी, 6 कोकेशियान), शिक्षा; (मोटापा: 16.7 वर्ष, एसडी = 2.2; नियंत्रण: 17.2, एसडी = 2.8), या मासिक धर्म चक्र का दिन (मोटापे से ग्रस्त: दिन 6.8, एसडी = 3.1, नियंत्रण: दिन 5.7, एसडी = 3.3, सभी फॉलिकल चरण में )। प्रतिभागियों को यूएबी अखबार में रखे गए विज्ञापनों और यूएबी परिसर में विभिन्न स्थानों पर लगाए गए फ्लायर के साथ भर्ती किया गया था। उन्हें बताया गया कि अध्ययन का उद्देश्य विभिन्न वस्तुओं जैसे खाद्य पदार्थों और नियंत्रण छवियों की दृश्य छवियों के जवाब में विभिन्न बीएमआई के "भूखे" प्रतिभागियों में मस्तिष्क गतिविधि के पैटर्न को देखना था। व्यक्तियों को कई स्वास्थ्य से संबंधित मानदंडों के आधार पर बाहर रखा गया था, जिसमें एक सकारात्मक खाने की गड़बड़ी का इतिहास, सक्रिय आहार लेना या वजन घटाने के कार्यक्रम में भाग लेना, या वजन> 305 पाउंड (138 किग्रा) गर्थ> 64 इंच (163 सेमी), बाद वाला स्कैनर सीमाओं के कारण। सभी प्रतिभागियों ने अध्ययन की प्रक्रियाओं और जोखिमों को समझाने के बाद एक लिखित सूचित सहमति पर हस्ताक्षर किए। यूएबी में मानव उपयोग के लिए संस्थागत समीक्षा बोर्ड द्वारा सभी प्रक्रियाओं की समीक्षा और अनुमोदन किया गया।
उत्तेजनाओं
इमेजिंग सत्र के दौरान उपयोग की जाने वाली उत्तेजनाओं में 252 रंग चित्रों, सुसंगत आकार, रिज़ॉल्यूशन और ल्यूमिनेन्स के सभी शामिल थे ([77])। 168 खाद्य छवियों को कम कैलोरी और उच्च-कैलोरी श्रेणियों में विभाजित किया गया था, जिनमें से प्रत्येक में 84 अद्वितीय छवियां थीं। कम कैलोरी वाली खाद्य छवियों में उबली हुई सब्जियों और दली हुई मछली जैसी कम वसा वाली चीजें शामिल थीं। उच्च कैलोरी खाद्य पदार्थ मुख्य रूप से वसा जैसे चीज़केक या पिज्जा में उच्च थे। नियंत्रण उत्तेजनाओं में कारों की छवियां शामिल थीं, जो व्यापक रूप से मेक, मॉडल, आयु और रंग में भिन्न थीं। कार छवियों को मामूली दिलचस्प नियंत्रण उत्तेजनाओं के रूप में इरादा किया गया था जो स्टोकेल एट अल के परिणामों के आधार पर सुखदता पर कम कैलोरी छवियों से मेल खाती थीं। [77], उच्च कैलोरी वाले खाद्य पदार्थों के साथ उच्च दर्जा दिया।
प्रक्रिया
बीएमआई को मान्य करने और अन्य अध्ययन मानदंडों को सत्यापित करने के लिए पूरी तरह से जांच के बाद, प्रतिभागियों को एफएमआरआई सत्र के लिए निर्धारित किया गया था। उन्हें 7-8 AM के बीच एक सामान्य नाश्ता खाने के लिए निर्देश दिया गया था, लेकिन दोपहर का भोजन छोड़ने और केवल पानी का उपभोग करने के लिए ताकि उन्होंने 8-9 घंटे के लिए उपवास किया हो, इससे पहले कि वे 3-5 PM के बीच imaged हो, व्यक्तिपरक भूख रेटिंग पर कोई समूह अंतर नहीं थे।
जबकि प्रतिभागी चुंबक में थे, दृश्य उत्तेजनाओं को एक ब्लॉक डिजाइन प्रारूप में प्रस्तुत किया गया था, जिसमें कुल छह 3: 09 मिनट प्रति इमेजिंग सत्र चलता है। प्रत्येक रन में प्रत्येक कार (C), कम कैलोरी वाले खाद्य पदार्थ (LC), और उच्च-कैलोरी खाद्य पदार्थ (HC) प्रत्येक में प्रस्तुत किए गए दो 21 के युग शामिल थे। भोजन या कार छवियों के प्रत्येक 21 के युग में, प्रत्येक 2.5 के लिए सात व्यक्तिगत चित्र प्रस्तुत किए गए थे। 0.5 के अंतर ने छवियों को अलग कर दिया, और एक 9 के अंतराल ने युगों को अलग कर दिया। सभी अंतरालों में एक फिक्सेशन क्रॉस के साथ एक ग्रे रिक्त स्क्रीन शामिल थी। प्रत्येक रन में 63 संस्करणों के लिए छह रनों के कुल 378 वॉल्यूम शामिल थे, जिनमें से प्रत्येक कार के दौरान 84 वॉल्यूम हासिल किए गए थे, कम-कैलोरी भोजन, और उच्च-कैलोरी भोजन एक्सपोज़र। VPM सॉफ़्टवेयर चलाने वाले लैपटॉप कंप्यूटर द्वारा दृश्य चित्र प्रस्तुत किए गए ([18])। छवियों को प्रतिभागी के सिर के पीछे एक स्क्रीन पर प्रोजेक्ट किया गया था और 45 ° सिंगल-सरफेस रियर-प्रोजेक्टिंग मिरर को हेड कॉइल से जोड़ा गया था। प्रतिभागियों को उनकी भागीदारी के लिए आर्थिक रूप से मुआवजा दिया गया था। यूएबी के संस्थागत समीक्षा बोर्ड द्वारा मानव उपयोग के लिए सभी प्रक्रियाओं की समीक्षा और अनुमोदन किया गया।
एमआरआई अधिग्रहण और प्रसंस्करण
फ़ंक्शनल MRI डेटा को सेंसिटिव एन्कोडिंग (SENSE) हेड कॉइल से लैस Philips Intera 3T अल्ट्रा-शॉर्ट बोर चुंबक का उपयोग करके हासिल किया गया था। एक एकल-शॉट T2 *-वेटेड ग्रेडिएंट-इको ईपीआई पल्स अनुक्रम का उपयोग करके छवियां एकत्र की गईं। हमने TE = 30 msec, TR = 3 सेकंड और 85 अक्षीय स्लाइस के लिए एक 30 ° फ्लिप कोण का उपयोग किया, 4 मिमी प्रतिच्छेदन अंतर के साथ 1 मिमी मोटी, 80 × 79 के पुनर्निर्माण के लिए, 128 × 128 के साथ फिर से जोड़ा गया। × 230 × 149 मिमी FOV। पहले चार स्कैन को चुम्बकीय-स्थिर चुम्बकत्व प्राप्त करने की अनुमति देने के लिए छोड़ दिया गया था।
एसपीएम 2 सॉफ्टवेयर पैकेज (वेलकम विभाग: इमेजिंग न्यूरोसाइंस, लंदन, यूके) का उपयोग करके डेटा को प्रीप्रोसेस किया गया था (गति सुधार, एसपीएम 6 ईपीआई टेम्पलेट का उपयोग करके एमएनआई समन्वय प्रणाली को सामान्य करना, और 2 मिमी एफडब्ल्यूएचएम गॉसियन फिल्टर के साथ चौरसाई करना)। आंदोलन समावेशन मानदंड को पूरा करने में कोई डेटा सेट विफल नहीं हुआ, जो कि सुधार से पहले आंदोलन था <ट्रांसलेक्शन आंदोलन में <2 मिमी और घूर्णी आंदोलन में <2 °। [विवरण में]77]).
डेटा विश्लेषण
fMRI डेटा
ब्लॉक-डिज़ाइन रक्त ऑक्सीजन स्तर पर निर्भर (बोल्ड) प्रतिक्रियाओं का विश्लेषण SPM2 ([) में लागू किए गए स्वर के आधार पर सामान्य स्वर मॉडल के संदर्भ में स्वर के आधार पर किया गया था)27])। मस्तिष्क सक्रियण का समय पाठ्यक्रम डिब्बाबंद हेमोडायनामिक प्रतिक्रिया फ़ंक्शन (एचआरएफ) और एक अस्थायी व्युत्पन्न फ़ंक्शन के साथ सजाया गया एक बॉक्सकार फ़ंक्शन के साथ मॉडलिंग किया गया था। कम आवृत्ति के बहाव को दूर करने के लिए डेटा को उच्च-पास फ़िल्टर्ड (1 / 128 Hz) किया गया था। एफएमआरआई मॉडल की त्रुटि अवधि में ऑटोकरेक्लेशन के लिए सही करने के लिए एक पहला ऑर्डर ऑटोरिएरेटिव मॉडल भी लागू किया गया था।
सांख्यिकीय विश्लेषण के लिए एक दो-चरण यादृच्छिक-प्रभाव प्रक्रिया का उपयोग विषय और विषय के बीच परिवर्तनशीलता दोनों के लिए किया जाता था। सबसे पहले, प्रत्येक व्यक्तिगत प्रतिभागी से fMRI डेटा का उपयोग उच्च-कैलोरी और कम-कैलोरी वाले खाद्य पदार्थों के अनुरूप समय बिंदुओं के बीच अंतर का परीक्षण करने के लिए पैरामीटर अनुमानों के सांख्यिकीय विरोधाभासों को उत्पन्न करने के लिए किया गया था। पिछले अध्ययन के परिणाम ([77]) इनाम-संबंधित सक्रियण के पैटर्न में समूह अंतर पाया गया, मोटे समूह ने उच्च-कैलोरी खाद्य पदार्थों को अधिक सक्रियता प्रदर्शित की और कम-कैलोरी खाद्य पदार्थों को नियंत्रित किया। भोजन> नियंत्रण उत्तेजना विपरीत तब हमारे-हित के क्षेत्रों (आरओआई) के लिए समूह मैक्सिमा को स्थानीय करने के लिए भीतर-समूह की तुलना के लिए दूसरे स्तर के एक-नमूना टी-टेस्ट विश्लेषण में दर्ज किया गया था: द्विपक्षीय एनएसी, एएमवाईजी, और ओएफसी के मध्य <.05, बिना लिखा हुआ)।
एएमवाईजी और ओएफसी के लिए आरओआई को डब्ल्यूएफयू पिकैटलस और एएएल और तलैराच डेमन एटलस ([47], [49], [79])। क्योंकि एनएसी इन पुस्तकालयों में अनुपलब्ध था, इसलिए हमने प्रासंगिक एफएमआरआई अध्ययनों से voxel स्थान आयामों द्वारा निर्धारित voxel स्थान पर केंद्रित WFU Pickatlas के साथ त्रिज्या में एक क्षेत्र 6 मिमी आकर्षित किया ([1], [54], [58])। सक्रिय voxels के क्षेत्रीय स्थान का वर्गीकरण मानव मस्तिष्क एटलस का उपयोग करके WFU पिकाटलस और डेटा के दृश्य निरीक्षण का उपयोग करके सत्यापित किया गया था ([48]).
पथ विश्लेषण
पथ विश्लेषण का उपयोग मनाया चर (आरओआई) के बीच संबंधों (प्रभावी कनेक्शन) की ताकत और दिशा को निर्धारित करने के लिए किया गया था, अधिकतम संभावना अनुमान के माध्यम से एक साथ प्रतिगमन समीकरणों का उपयोग करके अनुमान लगाया गया था। यह प्रभावी कनेक्टिविटी का अध्ययन करने के लिए उपयोग किए जाने वाले सबसे आम मॉडलिंग दृष्टिकोणों में से एक है ([69])। किम एट अल के समान तरीके का पालन करते हुए, हमने दो-चरण पथ विश्लेषण / GLM दृष्टिकोण का उपयोग किया। [44]। प्रत्येक प्रतिभागी के लिए: (1) ROIs को मॉडल में शामिल करने के लिए चुना गया था, (2) समय श्रृंखला डेटा को दो कार्य स्थितियों (उच्च और निम्न-कैलोरी खाद्य पदार्थ), (3) सारांश के लिए वॉल्यूम से जुड़े दो समूहों में विभाजित किया गया था। प्रत्येक आरओआई के लिए डेटा को प्रत्येक स्थिति के लिए निकाला गया था, (4) एक मॉडल नामित किया गया था जो ROIs, (5) के इंटरैक्शन को निर्दिष्ट करता था, प्रत्येक स्थिति के लिए भिन्नता-सहसंयोजक (स्कैन वॉल्यूम की संख्या X ROIs की संख्या) मैट्रिक्स की गणना की गई थी, और (6) मॉडल में ROI के बीच कनेक्शन के लिए पथ गुणांक का अनुमान अधिकतम संभावना अनुमान के माध्यम से लगाया गया था। दोहराए गए उपाय एनोवा तब प्रत्येक व्यक्ति के लिए मॉडल से पथ गुणांक का उपयोग करके मॉडल कनेक्शन में समूह (यानी, स्थिति) और बीच-समूह के अंतर को निर्धारित करने के लिए उपयोग किया गया था।
विशिष्ट आदर्श
मॉडल (ओएफसी, एएमवाईजी, और एनएसी) में शामिल क्षेत्रों को "मोटिव सर्किट" ([कहा गया है) के घटक हैं।63]), मेसोकोर्टिकोलिम्बिक डोपामाइन प्रणाली को शामिल करना ([6], [36], [39], [45], [63], [66], [73], [80], [83])। इस नेटवर्क में संरचनाओं के ज्ञात संरचनात्मक संपर्क के आधार पर मॉडल में कनेक्शन को आंशिक रूप से परिभाषित किया गया था, लेकिन साथ ही पद्धति संबंधी बाधाओं (उदाहरण के लिए, fMRI का अस्थायी समाधान और संरचनात्मक समीकरण मॉडलिंग के साथ गैर-पुनरावर्ती मॉडल के साथ पहचान की समस्या पर भी विचार किया गया था;]7], [30], [38], [60], [65], [71]; अंजीर 2)। विश्वसनीय पथ गुणांक मानों का अनुमान लगाने के लिए, मॉडल को पुनरावर्ती होने के लिए विवश किया गया था (यानी, मॉडल में कोई पारस्परिक पथ शामिल नहीं थे)।
प्रत्येक विषय के लिए एक ही पथ मॉडल का निर्माण किया गया था। अंतर-विषयीय परिवर्तनशीलता की अनुमति देने के लिए, हमने प्रत्येक भाग के प्रत्येक गोलार्ध के लिए प्रत्येक क्षेत्र के सटीक निर्देशांक को परिभाषित किया है, प्रत्येक समूह के 12 मिमी (अधिकतम एक ही संरचनात्मक क्षेत्र के भीतर) में खाद्य पदार्थों से उत्पन्न होने वाली कारों के विपरीत (प्रत्येक के विपरीत) पी <.05, बिना लाइसेंस के;]52])। क्षेत्रों के MNI निर्देशांक NAc, बाएँ (x, y, z) थे: N6, 10, N10 [नियंत्रण] और N10, 14, −6 [obese]; NAc सही, (x, y, z): 6, 10, N10 [नियंत्रण] और 6, 12, N10 [मोटापे]; AMYG, बाएँ (x, y, z): UM26, ,2, X20 [नियंत्रण] और N20, 0, N24 (मोटापे]; AMYG, दाईं ओर (x, y, z): 22, 0, −20 [नियंत्रण] और 24, 2, N24 [मोटापे]; ओएफसी, बाएं (x, y, z): UM22, 36, −10 [नियंत्रण] और −22, 30, N14 [मोटापे]; ओएफसी, राइट (x, y, z): 26, 36, N14 [नियंत्रण] और 26, 30, N4 [मोटापे]। प्रत्येक क्षेत्र के लिए, समय श्रृंखला के प्रमुख eigenvariate को एक 4-mm क्षेत्र से निकाला गया था जो विषय-विशिष्ट स्थानीय अधिकतम पर केंद्रित था। प्रिंसिपल (यानी, 1st) eigenvariate एक सारांश उपाय है, जो आउटलेर्स के लिए एक भारित माध्य के समान है, जो त्रिज्या में 4 मिमी के भीतर शामिल सभी स्वरों के विचरण पर आधारित है।
क्षेत्रीय समय श्रृंखला डेटा (प्रमुख eigenvariate मान) को तब दो डेटा सेटों में अलग किया गया था: उच्च कैलोरी खाद्य पदार्थ और (1) कम कैलोरी वाले खाद्य पदार्थों के साथ जुड़े समय बिंदु (2)। हेमोडायनामिक अंतराल के लिए खाते में, हमने 6 s (2 TR) को हमारी दो स्थितियों की शुरुआत और ऑफसेट के बीच शारीरिक देरी के रूप में ग्रहण किया और उसके अनुसार निकाले गए डेटा को समायोजित किया ([32])। इसके परिणामस्वरूप प्रत्येक प्रतिभागी के लिए दो 84 (स्कैन वॉल्यूम की संख्या) X 6 (ROIs की संख्या) प्रत्येक स्थिति (उच्च और निम्न-कैलोरी खाद्य पदार्थ) के लिए डेटा का मिलान करता है।
पथ पैरामीटर अनुमान
एक पथ मॉडल प्रत्येक भागीदार के लिए स्वतंत्र रूप से उच्च-कैलोरी और कम-कैलोरी दोनों खाद्य पदार्थों के लिए डेटा मैट्रिक्स में फिट था। मुक्त पथ गुणांकों का अनुमान एफएमआरआई डेटा से देखे गए सहसंबंध मैट्रिक्स के बीच विसंगति को कम करके और एलआईएसआरईएल सॉफ्टवेयर (संस्करण 8, एसएसआई वैज्ञानिक सॉफ्टवेयर) का उपयोग करके मॉडल द्वारा अनुमानित सहसंबंध मैट्रिक्स के रूप में लगाया गया था। दोनों मॉडलों से प्रत्येक गोलार्द्ध (बाएं और दाएं) के भीतर प्रत्येक कनेक्शन (AMYG → OFC, OFC → NAc, और AMYG → NAc) के लिए मानकीकृत पैरामीटर अनुमान (प्रतिगमन में समान) या पथ गुणांक। प्रत्येक भागीदार के लिए कैलोरी खाद्य पदार्थ) बाद के विश्लेषण के लिए एसपीएसएस में आयात किए गए थे। प्रत्येक तीन कनेक्शनों के लिए एक मिश्रित-मॉडल एनोवा का आयोजन किया गया था, जिसमें कारक समूह (मोटे बनाम नियंत्रण), खाद्य श्रेणी (उच्च-बनाम कम कैलोरी) और गोलार्ध थे। जैसा कि यह एक खोजपूर्ण अध्ययन था, हमने विशिष्ट पथ गुणांक के महत्व के लिए परीक्षण किया जब तक कि सर्वग्राही मॉडल कम से कम निकट-महत्वपूर्ण प्रभाव (पी <0.10) दिखाते थे। प्रत्येक समूह के लिए, एक नमूना टी-परीक्षणों का उपयोग यह परीक्षण करने के लिए किया गया था कि क्या उच्च और निम्न-कैलोरी भोजन मॉडल में पथ गुणांक शून्य से काफी अलग थे, जो कनेक्टिविटी को निर्दिष्ट के रूप में दर्शाता है। पेयरवाइज तुलनाओं का उपयोग प्रत्येक समूह के लिए गोलार्ध (बाएं और दाएं) के लिए पथ गुणांक में अंतर का परीक्षण करने के लिए किया गया था (उच्च-कैलोरी बनाम कम-कैलोरी वाले खाद्य पदार्थ) और बीच-बीच तुलना (मोटे बनाम उच्च-कैलोरी और कम) के बीच तुलना -कैलोरी खाद्य पदार्थ, स्वतंत्र रूप से)। पेयर किए गए टी-परीक्षणों का उपयोग समूह-समूह की तुलना के लिए किया गया था और स्वतंत्र नमूनों के टी-समूह-समूह तुलनाओं के लिए उपयोग किया गया था।
परिणाम
सभी अनुमानित पथ गुणांक मोटे समूह के लिए शून्य से काफी अलग थे और दोनों उच्च और निम्न-कैलोरी भोजन मॉडल में दोनों गोलार्द्धों के लिए नियंत्रण, निर्दिष्ट कनेक्टिविटी मॉडल (पी मान <0.001) के अनुरूप थे; टेबल 1).
बीच-बीच में तुलना
ओएफसी → एनएसी
ओएफसी → NAc कनेक्शन के लिए समूह का कोई मुख्य प्रभाव नहीं था, हालांकि नियंत्रण की तुलना में मोटे समूह (1,22 3.70 0.067) के लिए अधिक कनेक्टिविटी का संकेत देते हुए एक प्रवृत्ति (एफ [0.53] = 0.06, पी = 0.41) थी। (0.06 ± 0.059)। कोई महत्वपूर्ण समूह एक्स श्रेणी या समूह एक्स श्रेणी एक्स लेटरलिटी इंटरैक्शन नहीं थे, हालांकि एक समूह एक्स लेटरलिटी इंटरैक्शन (पी = 03) के प्रति रुझान था। ओएफसी → एनएसी से वाम-पक्ष पथ गुणांक उच्च और निम्न-कैलोरी दोनों खाद्य पदार्थों के लिए मोटे समूह में काफी अधिक थे (पी मान <.XNUMX; अंजीर 3).
AMYG → ओएफसी
समूह का एक मुख्य प्रभाव ऐसा था कि AMYG → OFC से औसत कनेक्टिविटी मोटे प्रतिभागियों (0.64 compared 0.07) के लिए नियंत्रण की तुलना में कम थी (0.84 0.07 1,22), जो प्रतिक्रिया में इन संरचनाओं के लिए मस्तिष्क सक्रियण में अपेक्षाकृत मजबूत दिशात्मक संबंध का संकेत देता है। नियंत्रण में खाद्य पदार्थ (F [4.46] = 0.046, पी = 0.066)। लेटरलिटी इंटरैक्शन द्वारा श्रेणी या समूह द्वारा कोई महत्वपूर्ण समूह नहीं थे, हालांकि एक्स एक्सएटरलिटी इंटरैक्शन द्वारा एक समूह की ओर एक प्रवृत्ति (पी = 05) थी। बाद के विश्लेषणों से पता चला है कि पथ गुणांक उच्च कैलोरी खाद्य पदार्थों के लिए द्विपक्षीय रूप से और सही AMYG → कम OFC खाद्य पदार्थों के लिए सही OFC से अधिक नियंत्रण में थे (p मान <.XNUMX; अंजीर 3).
AMYG → NAc
औसत AMYG → NAc कनेक्शन के लिए समूह का एक मुख्य प्रभाव था जैसे कि मोटे प्रतिभागियों के लिए कमजोर कनेक्टिविटी थी (0.35 (0.05) प्रतिभागियों को नियंत्रित करने की तुलना में (0.49 0.05 1,22; एफ [6.00] = 0.023, पी = 0.09; )। कोई महत्वपूर्ण समूह एक्स श्रेणी या समूह एक्स श्रेणी एक्स लेटरलिटी इंटरैक्शन नहीं थे, हालांकि एक समूह एक्स लेटरलिटी इंटरैक्शन (पी = 05) के प्रति रुझान था। पेयरवाइज़ तुलनाओं ने संकेत दिया कि उच्च और निम्न-कैलोरी दोनों खाद्य पदार्थों के नियंत्रण के लिए लेफ्ट-साइड पथ गुणांक काफी अधिक थे (p मान <.XNUMX; अंजीर 3).
उच्च-बनाम कम-कैलोरी खाद्य स्थितियों के भीतर-समूह की तुलना
AMYG → OFC द्विपक्षीय रूप से पथ के गुणांक उच्च-कैलोरी खाद्य पदार्थों की श्रेणी में नियंत्रणों की तुलना में काफी अधिक थे (बाएं: p = 0.007, दाएं: p = 0.002; देखें) अंजीर 4)। मोटे समूह के भीतर उच्च और निम्न-कैलोरी भोजन की स्थिति के बीच कोई भी गुणांक काफी भिन्न नहीं था।
चर्चा
पिछले शोधों से पता चला है कि भोजन के संकेत, विशेष रूप से उच्च कैलोरी वाले खाद्य पदार्थों से संबंधित, मस्तिष्क क्षेत्रों में सक्रियता को ट्रिगर करते हैं जिनमें NAc, AMYG, और OFC शामिल हैं जिन्होंने मध्यस्थता करने या मोटे व्यक्तियों में प्रेरक और भावनात्मक प्रक्रियाओं के लिए कम से कम कोड के लिए सोचा (जैसे, [68], [77])। वर्तमान अध्ययन में, हमने परीक्षण किया कि क्या उच्च और निम्न-कैलोरी भोजन छवियों के जवाब में, मोटे और सामान्य वजन वाले समूहों के बीच NAC, AMYG और OFC के बीच नेटवर्क कनेक्शन में अंतर था। यह ध्यान रखना महत्वपूर्ण है कि एक इनाम नेटवर्क में मस्तिष्क क्षेत्रों की बातचीत को मापने के लिए कार्यात्मक न्यूरोइमेजिंग का उपयोग करते हुए यह पहला मानव कनेक्टिविटी अध्ययन है। हमने सामान्य-वजन नियंत्रणों की तुलना में उच्च और निम्न-कैलोरी भोजन संकेतों दोनों के जवाब में मोटे समूह में अत्यधिक संयोजकता पाई। विशेष रूप से, ऐसा प्रतीत होता है कि मोटापे से ग्रस्त समूह में ओएफसी और एनएसी दोनों के एएमजीजी-संग्राहक सक्रियण में एक सापेक्ष कमी है, लेकिन ओएफसी के सक्रियण के ओएफसी के मॉड्यूलेशन के अत्यधिक प्रभाव की ओर झुकाव है। इस प्रकार, यह संभव है कि न केवल अधिक से अधिक इनाम प्रणाली की सक्रियता, लेकिन में भी मतभेद बातचीत इस नेटवर्क के क्षेत्र मोटे व्यक्तियों में खाद्य पदार्थों के अपेक्षाकृत बढ़े हुए प्रेरक मूल्य में योगदान दे सकते हैं।
इनाम का मॉडल
NAC, AMYG और OFC के बीच सभी पथ कनेक्शन इन क्षेत्रों के बीच ज्ञात शारीरिक संबंध के अनुरूप सुसंगत समूह और सामान्य वजन नियंत्रण दोनों में उच्च और निम्न-कैलोरी भोजन मॉडल के लिए महत्वपूर्ण थे ([7], [16], [17], [30], [38], [56], [60], [65], [71])। यह नेटवर्क उदर टेक्टल क्षेत्र द्वारा परिरक्षित है, जो प्रेरक रूप से नमकीन घटनाओं के जवाब में इस सर्किट को डोपामाइन जारी करता है ([9], [39], [71])। हालाँकि, एनएसी, एएमवाईजी और ओएफसी के बीच के अनुमानों के अनुसार अंजीर 2 ग्लूटामेट्रिक ([39], [71]).
यह NAc, AMYG, और OFC इनाम नेटवर्क प्रेरक-प्रासंगिक उत्तेजनाओं के जवाब में सक्रिय और प्रत्यक्ष व्यवहार करने के लिए सोचा गया एक बड़ा "मकसद सर्किट" का उप-समूह है ([39], [63])। NAC, AMYG और OFC, विशेष रूप से, महत्वपूर्ण इनाम से संबंधित कार्य हैं जो सामान्य और खाद्य-विशिष्ट प्रेरक प्रक्रियाओं ([दोनों] में योगदान करते हैं।6], [10], [11], [36], [39], [45], [63], [66], [73], [80], [83])। NAc / वेंट्रल स्ट्रिएटम को 'लिम्बिक-मोटर' इंटरफ़ेस ([55]) और पावलोवियन कंडीशनिंग, प्रोत्साहन नमकीन, और इनाम की उपलब्धता, मूल्य और संदर्भ से संबंधित प्रसंस्करण में शामिल प्रतीत होता है ([13], [15], [21])। यह क्षेत्र, ओपिओइड-मध्यस्थता तंत्र के माध्यम से उदर पालिडम के साथ संयोजन में, हेज वैल्यू के लिए भी कोड कर सकता है ([9], [10], [11], [74], [75])। NAc / उदर स्ट्रेटम भी सामान्य प्रेरक मिलिअ के लिए कोड के लिए प्रकट होता है (जैसे, [14]), जो आने वाले इनाम से संबंधित संकेतों के पदानुक्रमित संगठन के लिए अनुमति देगा। भोजन के प्रतिफल के लिए, NAc / उदर स्ट्रेटम, खाद्य पदार्थों (बनाम भोजन की खपत) से जुड़े संकेतों के एन्कोडिंग में अधिमान्य भागीदारी को दर्शाता है और प्रेरक अवस्था को संशोधित करने के लिए होमोस्टैटिक और गैर-होमोस्टैटिक संकेतों को एकीकृत कर सकता है ([42], [76])। यह क्षेत्र उपलब्ध खाद्य उत्तेजनाओं के सापेक्ष इनाम मूल्य के लिए भी कोड हो सकता है ([57])। AMYG प्रेरक-प्रासंगिक सहयोगी प्रक्रियाओं में शामिल प्रतीत होता है ([61], [62])। अधिक सामान्य स्नेह और प्रेरक गुणों के लिए कोडिंग के अलावा, AMYG गतिविधि भोजन से संबंधित उत्तेजनाओं के विशिष्ट गुणों से संबंधित हो सकती है ([2])। ओएफसी हेजोनिक अनुभव में इनाम मूल्य का अनुवाद करने के लिए एक प्रमुख क्षेत्र प्रतीत होता है ([46]), इनाम की लौकिक और निश्चित विशेषताओं को संसाधित करना ([14]), और AMYG ([24], [59])। OFC खाद्य संकेतों के लिए बहुपत्नी प्रतिक्रियाओं को दर्शाता है ([67]) और इंसुलर कॉर्टेक्स में संवेदी प्रसंस्करण के बाद 'तृतीयक स्वाद क्षेत्र' के रूप में संदर्भित किया गया है ([10], [11]).
कनेक्टिविटी में समूह अंतर का महत्व
ओएफसी → एनएसी
मोटापे से ग्रस्त महिलाओं ने उच्च बाएं और कम कैलोरी वाले खाद्य पदार्थों की तुलना में अधिक बाएं गोलार्द्ध ओएफसी → NAc कनेक्टिविटी दिखाई। इस पथ को इन व्यक्तियों में NAC के भीतर खाद्य चित्रों और उन्नत डोपामाइन (DA) फ़ंक्शन द्वारा बढ़ी हुई OFC सक्रियता के संयोजन से मोटे समूह में मजबूत किया गया हो सकता है। होर्विट्ज़ [33] ने प्रस्तावित किया है कि DA, OFC से NAC तक गेट ग्लूटामेट्रिक इनाम इनपुट के लिए कार्य करता है। इस गेटिंग की वजह से NAc के भीतर उच्च DA फ़ंक्शन की उपस्थिति में, OFC के भीतर उच्च स्तर की गतिविधि NAA गतिविधि को और अधिक बढ़ाने में अधिक प्रभावी हो जाती है। हालांकि मोटापे में DA की भूमिका विवादास्पद है (20], [29], [81]), अप्रत्यक्ष सबूत मामूली मोटे व्यक्तियों (जैसे, [के लिए हल्के की इनाम प्रणाली के भीतर उन्नत डीए समारोह का सुझाव देता है)20]), जैसे कि हमारे नमूने में हैं। हम अनुमान लगाते हैं कि OFC → NAc पथ खाद्य क्यू प्रतिक्रियाशीलता, अधिक सेवन, और उच्च बीएमआई ([25], [78]) क्योंकि NAC द्वारा एक्सेस किए गए आउटपुट पाथवे के साथ OFC द्वारा मध्यस्थता वाले खाद्य संकेतों के अतिरंजित व्यक्तिपरक मूल्य के मजबूत युग्मन के कारण। अंत में, मोटापे और नशीली दवाओं की लत के बीच सुझाए गए समानताएं (जैसे, []82]), यह उल्लेखनीय है कि नशे की लत जांचकर्ताओं ने प्रस्तावित किया है कि पीएफसी (ओएफसी सहित) → एनएके सिनैप्टिक ग्लूटामेट ट्रांसमिशन दवा से संबंधित संकेतों के जवाब में दवाओं के लिए प्रेरणा बढ़ाता है ([37], [39]).
AMYG → OFC और AMYG → NAc
नियंत्रणों की तुलना में मोटे प्रतिभागियों में, हमने AMYG से OFC और NAc दोनों में कम गुणांक पाए। एएमवाईजी के लिए ये अंतर महत्वपूर्ण थे → ओएफसी द्विपक्षीय रूप से उच्च-कैलोरी खाद्य पदार्थों के लिए और कम कैलोरी वाले खाद्य पदार्थों के लिए सही गोलार्ध में। AMYG → NAc कनेक्टिविटी उच्च-कैलोरी और कम-कैलोरी दोनों खाद्य पदार्थों के लिए बाएँ गोलार्द्ध में मोटे समूह में कम थी। हालांकि मोटापे के लिए इन समूह मतभेदों की प्रासंगिकता स्पष्ट नहीं है, लेकिन यह संभव है कि एएमवाईजी से इन संरचनाओं के लिए कनेक्टिविटी कम हो जाने से इनाम मूल्य को अपडेट करने में लचीलापन कम हो सकता है। बेसिक लर्निंग जिससे प्राइमरी रिवार्ड्स से जुड़ी उत्तेजनाएँ AMYG में प्रेरक मूल्य प्राप्त कर सकें ([5])। AMYG → OFC प्रक्षेपण, मूल प्रेरक प्रासंगिक प्रासंगिक जानकारी को OFC में स्थानांतरित कर सकता है, जो व्यक्तिपरक मूल्य निर्धारण व्यवहार को प्रभावित करने के लिए AMYG से जानकारी का उपयोग करता है और बाद के वाद्य पसंद व्यवहार को प्रभावित करता है ([15])। इनाम मूल्य, बैक्सटर और सहयोगियों को संशोधित करने के लिए इस मार्ग के महत्व के एक उदाहरण के रूप में [3] पाया गया कि एएमवाईजी और ओएफसी के बीच संबंध विच्छेद के बाद रीसस मैकाक्स एक इनाम अवमूल्यन कार्य के दौरान अपने व्यवहार को बदलने में विफल रहे। क्यू-परिणाम सीखने के प्रतिमान में, स्कोएंबौम और उनके सहयोगियों [70] पाया गया है कि घाव के माध्यम से AMYG → ओएफसी मार्ग को बाधित करने के परिणामस्वरूप क्यू के सहयोगी गुणों के विपरीत संवेदी के जवाब में अधिक क्यू-चयनात्मक OFC न्यूरॉन फायरिंग हुई। निष्ठापूर्ण व्यवहार के संबंध में, मोटापे से ग्रस्त प्रतिभागियों में एक कमी AMYG → OFC कनेक्शन खाद्य पदार्थों के सेवन व्यवहार में लचीलेपन की सुविधा के लिए इन संकेतों के व्यक्तिपरक इनाम मूल्य को अद्यतन करने के लिए महत्वपूर्ण खाद्य पदार्थों और खाद्य संकेतों के संबंध में बुनियादी स्नेह / भावनात्मक मूल्य के उप-हस्तांतरण को इंगित कर सकता है। सामान्य वजन वाले व्यक्तियों की तुलना में, मोटे व्यक्तियों के लिए खाद्य पदार्थों और खाद्य संकेतों के संवेदी गुणों द्वारा खाद्य पदार्थों और खाद्य संकेतों के प्रतिफल का मूल्य अधिक दृढ़ता से संचालित हो सकता है। इसके अलावा, खाद्य और खाद्य संकेतों के संवेदी-चालित इनाम मूल्य बदलते इनाम आकस्मिकताओं के कारण कम निंदनीय हो सकते हैं।
एएमवाईजी → ओएफसी कनेक्शन के समान, एएमवाईजी → एनएसी से मोटापे में कमी का संबंध बुनियादी हेदोनिक संकेत हो सकता है जो खाद्य या खाद्य संकेतों (एएमवाईजी) के इनाम मूल्य को संशोधित करने का कार्य करता है (एएमवाईजी) अन्य संकेतों के साथ उचित रूप से भारित नहीं होता है (जैसे, प्रेरक (होमोस्टैटिक) उपयुक्त निगलनात्मक व्यवहार से पहले निर्धारित किया जाता है ([84]).
सीमाएँ और गुहिकायन
- एफएमआरआई में पथ विश्लेषण का उपयोग करते हुए एक मॉडल को निर्दिष्ट करना एक चुनौती हो सकती है क्योंकि मॉडल में शामिल प्रत्येक अतिरिक्त क्षेत्र के साथ क्षेत्रों के बीच कनेक्शन की संख्या और संयोजन काफी हद तक बढ़ जाता है, जिससे इन पथ गुणांकों का अनुमान मज़बूती से और निष्कर्षों की व्याख्या करना अधिक कठिन हो जाता है। उदाहरण के लिए, इस अध्ययन में 3 क्षेत्रों के साथ प्रति गोलार्ध (6 क्षेत्र कुल) हैं के = एन(N + 1) / 2 = प्रति डेटा सेट स्वतंत्रता की 21 डिग्री ()k = दो मॉडलों के परीक्षण के लिए स्वतंत्रता की 42 डिग्री) ब्याज के प्रभावों का अनुमान लगाने के लिए आवंटित। स्वतंत्रता के बारह डिग्री का उपयोग दोनों मॉडल (6 क्षेत्र प्रति मॉडल × 2 मॉडल) में प्रत्येक क्षेत्र से संबंधित भिन्नताओं का अनुमान लगाने के लिए किया जाता है। के साथ न्यूनतम मॉडल में प्रत्येक पथ के लिए पैरामीटर मानों का अनुमान लगाने के लिए आवश्यक 5 डेटा बिंदु ([4]), यह एक्सएनयूएमएक्स के साथ अधिकतम दो मॉडल के लिए अनुमानित पथों को छोड़ता है, प्रत्येक मॉडल (एक्सएनयूएमएक्स अनुमानित पथ प्रति मॉडल)। यह उस मॉडल की जटिलता को सीमित करता है जिसे पथ विश्लेषण का उपयोग करके परीक्षण किया जा सकता है और एक कारण यह है कि हमने अपने मॉडल में इंटरहेमिस्फेरिक कनेक्शन को शामिल नहीं किया है।
- हमने एक परिकल्पित मॉडल में कनेक्शन के बीच समूह अंतर के लिए सीधे परीक्षण के क्रम में दो-चरण SEM / GLM दृष्टिकोण को चुना और प्रति समूह के बीच मॉडल के फिट की तुलना करने में रुचि नहीं थी। यह दृष्टिकोण पारंपरिक fMRI और पथ विश्लेषण पद्धति से अलग है, जिसे "स्टैक्ड मॉडल दृष्टिकोण" कहा जाता है, जो कार्यों या समूहों के बीच मॉडल की तुलना करता है ([50])। हालाँकि, प्रोटोज़नर और मैकइंटोश [64] ने हाल ही में बताया कि पथ विश्लेषण का उपयोग करके विश्वसनीय पैरामीटर अनुमान उत्पन्न करने के लिए निरपेक्ष मॉडल फिट जानकारी आवश्यक नहीं है।
- इस अध्ययन की एक अन्य सीमा प्रत्येक समूह के लिए उपयोग किए गए छोटे नमूने आकारों के कारण हमारे मॉडल में अनुमानित पथ गुणांक के बीच अंतर का पता लगाने की शक्ति से संबंधित है। बड़े समूह आकारों के साथ, हमारे प्रवृत्ति स्तर के निष्कर्ष सांख्यिकीय महत्व तक पहुंच सकते हैं।
निष्कर्ष और सारांश
सारांश में, हमारे न्यूरोइमेजिंग अध्ययन में नियंत्रण की तुलना में मोटे व्यक्तियों में प्रचुर मात्रा में इनाम नेटवर्क कनेक्टिविटी पाया गया, एएमवाईजी से ओएफसी और एनएसी से कम कनेक्टिविटी और इन प्रतिभागियों में ओएफसी → एनएसी में कनेक्टिविटी में वृद्धि हुई। इन परिणामों से पिछली रिपोर्टों में यह पता चलता है कि खाद्य पदार्थों के जवाब में न केवल अतिरंजित इनाम प्रणाली सक्रियण है, बल्कि मोटे व्यक्तियों में इस नेटवर्क के क्षेत्रों के बीच एक असामान्य बातचीत भी है। विशेष रूप से, हमें लगता है कि मोटे व्यक्तियों में अधिक भोजन करने से दो तंत्र प्रभावित हो सकते हैं: (1) बढ़ी हुई OFC → NAc कनेक्टिविटी खाद्य पदार्थों का उपभोग करने के लिए बढ़े हुए ड्राइव में योगदान दे सकती है और (2) AMYG से कम कनेक्टिविटी के कारण आत्मीय / भावनात्मक का उपपरिवर्तन मॉड्यूलेशन हो सकता है एक भोजन या भोजन के पहलुओं का मूल्य प्रतिफल होता है। भोजन सेवन के बाद खाद्य पदार्थों या खाद्य संकेतों के अवमूल्यन का संकेत देने के लिए उपयुक्त सकारात्मक / भावनात्मक जानकारी के बिना, बढ़े हुए ड्राइव से हाइपरफैगिया हो सकता है और वजन में वृद्धि हो सकती है। बेशक, हमने एक साधारण इनाम नेटवर्क का परीक्षण किया। इनाम प्रणाली में कनेक्टिविटी की जांच करने के लिए आगे के अध्ययन आवश्यक हैं और ये क्षेत्र हाइपोथैलेमस और ब्रेनस्टेम में होमोस्टैटिक तंत्र के साथ बातचीत कैसे कर सकते हैं, साथ ही प्रीफ्रंटल कॉर्टेक्स में भोजन सेवन नियंत्रण के संज्ञानात्मक तंत्र भी हो सकते हैं। यह निर्धारित करना भी दिलचस्प होगा कि व्यक्तिगत अंतर और गूढ़ और बाहरी कारक इस इनाम नेटवर्क को कैसे बेहतर तरीके से समझते हैं कि इनाम तंत्र निगेटिव व्यवहार को कैसे प्रभावित करता है।
Acknowledgments
NIH-NIDCD Intramural Research Programme द्वारा समर्थित, GCRC अनुदान M01 RR-00032 नेशनल सेंटर फॉर रिसर्च रिसोर्स, प्रॉक्टर एंड गैंबल कंपनी और UAB के सेंटर फॉर द डेवलपमेंट ऑफ फंक्शनल इमेजिंग (CDFI) के संसाधन।
फुटनोट
प्रकाशक का अस्वीकरण: यह एक अनएडिटेड पांडुलिपि की पीडीएफ फाइल है जिसे प्रकाशन के लिए स्वीकार किया गया है। हमारे ग्राहकों के लिए एक सेवा के रूप में हम पांडुलिपि के इस शुरुआती संस्करण को प्रदान कर रहे हैं। पांडुलिपि अपने अंतिम रूप में प्रकाशित होने से पहले परिणामी प्रमाण की नकल, टाइपिंग और समीक्षा से गुजरना होगा। कृपया ध्यान दें कि उत्पादन प्रक्रिया के दौरान त्रुटियों की खोज की जा सकती है जो सामग्री को प्रभावित कर सकती है, और सभी कानूनी अस्वीकरण जो पत्रिका से संबंधित हैं।
एक ऐसी स्थिति जिसमें सरकारी अधिकारी का निर्णय उसकी व्यक्तिगत रूचि से प्रभावित हो
लेखक घोषणा करते हैं कि उनका कोई प्रतिस्पर्धात्मक वित्तीय हित नहीं है।
संदर्भ