A humán serdülők striatumjának (2015) neurofiziológiai érésének in vivo bizonyítéka

Szerző információ

Absztrakt

KEYWORDS:

Serdülőkor; Fejlesztés; Többváltozós mintaelemzés; Neurofiziológia; striatum; T2 *

A T2 * súlyozott adatokat a jutalom feldolgozását vizsgáló külön tanulmány részeként gyűjtöttük össze. Röviden, az alanyok részt vettek egy jutalom modulált antiszaccade feladatban, amelyben arra utasították őket, hogy a perifériásan bemutatott ingerek tükörhelyeihez szukádákat készítsenek. Minden egyes próba kezdetén az alanyoknak jutalmat, veszteséget vagy semleges cue-t mutattak be, ami a teljesítménytől függő jutalom lehetőségét jelezte. A teljesítményt szemfigyelés segítségével értékelték, a résztvevők pedig hallható visszajelzést kaptak a helyes és helytelen próbákra.

2.3. Nyugalmi állapotú adatállomány

Száz alany is részt vett egy pihenőállapot-vizsgálatban. Tizenegy kizárt a mozgási tárgyak miatt, így az 89-alanyokat az 10 – 25 korosztályba soroltuk. M = 16.2, SD = 3.77; 43 férfi). Összegyűjtöttünk egy 5 perces (200 kötet) nyugalmi állapotú vizsgálatot minden alanyra, ugyanazokkal a fent leírt szkennelési paraméterekkel. A nyugalmi állapot vizsgálatakor a résztvevőket arra kérték, hogy csukják be a szemüket, lazítsanak, de ne aludjanak el.

2.4. A T2 * súlyozott adatok előfeldolgozása

Minden előfeldolgozást az FMRIB Software Library (FSL; Smith és munkatársai, 2004) és a funkcionális neuro-képek (AFNI) szoftvercsomagjának elemzése (Cox, 1996). A kezdeti előfeldolgozási lépések hasonlóak a hagyományos fMRI-hez. A T2 * súlyozott adatokat kezdetben csökkentették és a szeletek idejét korrigálták, hogy figyelembe vegyék a szekvenciális megszerzést. A mozgás kezeléséhez rotációs és transzlációs fejmozgás-becsléseket használtunk a négyzetgyök középértékének (RMS) középértékének kiszámításához, és azokat a résztvevőket, akiknek relatív RMS-értéke meghaladja a 0.3 mm-es szigorú küszöböt a futtatás során a térfogatok több mint 15% -án, kizártuk elemzés. A többi alany esetében mozgáskorrekciót alkalmaztunk úgy, hogy az idősor minden egyes kötetét összehangoltuk az akvizíció közepén kapott térfogattal. Minden résztvevő T2 * súlyozott adatait lineárisan regisztráltuk az MPRAGE-ba az FSL FLIRT segédprogramjával, majd az MPRAGE képet nemlineárisan regisztráltuk az MNI (Montreali Neurológiai Intézet) térbe az FSL FNIRT segédprogramjával. Ezután a lineáris regisztráció EPI-ről MPRAGE-ra és az MPRAGE-ről az MNI-térbe történő nemlineáris regisztrációját az egyes résztvevők összes EPI-képére alkalmaztuk. A térfogatokat 008 Hz frekvencián felüláteresztjük. Az adatokat nem simítottuk el, hogy ne zavarják a voxel szerinti mintákat a későbbi MVPA elemzéshez. A simítás potenciálisan torzíthatja a lineáris tartó vektoros gépek teljesítményét (Misaki és munkatársai, 2013). A pihenő- és feladathoz kapcsolódó adatokat azonos eljárásokkal dolgoztuk fel.

2.4.1. Normalizálás és átlagolás

Általában a T2 * súlyozott EPI adatokat időről időre elemezzük, a T2 * súlyozott jelének a vér-oxigénszint függő (BOLD) válaszhoz viszonyított kis ingadozásainak számszerűsítését. Hangsúlyozni kívánjuk, hogy ebben a tanulmányban nem érdekelnek ezek a kis BOLD ingadozások. Inkább érdekelnek a T2 * súlyozott jelek tulajdonságai, amelyek nem változnak idővel és tükrözik az agyszövet tartós neurofiziológiai tulajdonságait. Ily módon az előfeldolgozási áram ezen a ponton eltér a hagyományos BOLD analízisétől. A T2 * súlyozott képeink feldolgozásának eljárásait szorosan követtük Vo és mtsai. (2011). Mindegyik kötetet először a saját átlagára normalizálták, majd a normalizált jelet voxelenként átlagolták a feladat-elsajátítás mind a négy futtatásán (1208 kötet). Ez a folyamat minden résztvevő számára egy normalizált T2 * súlyozott képet eredményezett. A nyugalmi állapot adatait külön elemeztük és átlagoltuk az 200 perces felvétel mind a 5 kötetében. A normalizálási lépésre azért van szükség, mert a T2 * -gal súlyozott jel önmagában érzékeny az MRI-vizsgálatok közötti potenciális különbségekre - akár az alanyokon belül, akár az idő alatt, vagy az alanyok között - amelyek a T2 * -tal súlyozott jelintenzitás eltolódásához vezethetnek. A normalizálás lehetővé teszi a T2 * értékek összehasonlítását a résztvevők között. Bár a T2 * jelet egyetlen térfogatból lehetett kiszámítani, a hang / zaj arány növelése érdekében átlagoltuk a térfogatokat.

2.5. A striatális régiók azonosítása

Anatómiailag azonosítottuk a putament, a caudatust és a nucleus accumbent az AFNI szoftvercsomagban található agyatlaszok alapján. A régió maszkjait konzervatívabbá tették azáltal, hogy eltávolítottak minden olyan vokselt, amely valószínűleg cerebrospinalis folyadékot (CSF) tartalmaz. A CSF-t az FSL FAST szegmentálásával parcellázták, és azokat az voxeleket eltávolították az anatómiailag meghatározott régiókból, amelyek átlagos alanyi valószínűsége 0.15-nél nagyobb volt a CSF-ben.

2.6. Egyváltozós elemzés

Először egy hagyományos egyváltozós analízist alkalmaztunk a striatális T2 * -es átlagos szintű fejlődési különbségek értékelésére. Minden tantárgy esetében kiszámítottuk a térbeli átlag T2 * súlyozott jelintenzitást egy anatómiailag meghatározott régióban a voxelek között, és elemeztük a térbeli eszközök és a kronológiai kor közötti kapcsolatot. Konkrétan, az átlag T2 * értékeknél regresszáltuk az életkorot az egyszerű regresszió segítségével, és kiszámítottuk a Pearson korrelációt az életkor és a tárgyak valódi életkora között az érdeklődés minden régiójában.

2.7. Többváltozós mintaelemzés

Megállapítottam, hogy a striatum és alrégiói (caudate, putamen) nem térbeli homológok a funkcióban, a kapcsolódásban vagy a neurobiológiában (Cohen és munkatársai, 2009, Martinez és munkatársai, 2003, Middleton és Strick, 2000 és a Postuma és Dagher, 2006). Továbbá a striatum szerkezeti fejlődése térbeli nem egységes formában halad (Raznahan és munkatársai, 2014). Ezért az alapul szolgáló striatális neurofiziológia, beleértve a szövet-vas koncentrációt is, valószínűleg nem is egyenletes. Ezért feltételeztük, hogy a striatális T2 * korhatárral kapcsolatos különbségeit egy érzékenyebb, többváltozós megközelítés jobban megragadná. A T2 * intenzitás és életkor közötti finomszemcsés mintázatok közötti kapcsolat elemzéséhez többváltozós lineáris támogató vektor gép regressziót (SVR) alkalmaztunk a MATLAB-ban (The MathWorks, Inc., Natick, Massachusetts, USA) a LIBSVM használatával (Chang és Lin, 2011). A vektor-regresszió támogatása népszerű elemző eszközévé vált a neurométeres vizsgálatokban, mivel képes kezelni a nagydimenziós adathalmazokat és pontos előrejelzéseket generálni (Misaki és munkatársai, 2010). A többváltozós megközelítés lehetővé teszi a T2 * vokselszerű mintáiban bekövetkező változások értékelését az életkorhoz kapcsolódó striatumban. Fontos, hogy ennek az elemzésnek előnye van a hagyományos átlagértékű egyváltozós elemzésekkel szemben, mivel érzékeny a fejlődő T2 * pályák térbeli heterogenitására a striatumon át, amelyeket nem foglal magában egy tömeg térbeli átlag. A vizsgálat szempontjából különösen fontos volt az SVR Vo és mtsai. (2011) a striatalis T2 * és a Dosenbach és mtsai. (2010) előrejelezni az életkorot a pihenő-állapot funkcionális kapcsolatok mintáiból. A támogató vektor-gépeket részletesen leírták mind a gyakorlati (Luts és munkatársai, 2010 és a Pereira et al., 2009) és részletes matematikai szempontból (Burges Christopher, 1998, Chih-Wei és munkatársai, 2003 és a Vapnik, 1999), és itt csak röviden ismertetjük.

A lineáris támogató vektor regresszió a támogató vektorosztályozás kiterjesztése, amely lehetővé teszi a jellemző minták egy valós értékű változóval való társítását, ezáltal lehetővé téve a valós értékek előrejelzéseit. A valós értékű címkékkel ellátott minták (adatpontok) nagy dimenziós térben jelennek meg, amelyek méretei megegyeznek az érdeklődő változó jellemzőinek mennyiségével. Az SVR meghatározza a nagydimenziós jellemzőterületen keresztül egy regressziós sort, amely optimálisan modellezi a változó jellemzői közötti funkcionális kapcsolatot, x (pl. voxel-bölcs T2 * értékek egy adott régióban), és egy változó valós értékű címkéi, y (pl. egy alany életkora). A mintákat a regressziós vonaltól való távolságuk arányában büntetik. Az epsilon érzéketlen SVR-t alkalmaztuk, amely a regressziós vonal körüli csövet határozza meg az epsilon paraméterrel szabályozott szélességgel, amelyen belül a minták nem büntetnek. Az epsilon érzéketlen csövön kívül eső minták aránya és a regressziós vonal síksága a konstans által szabályozott kompromisszumot szabályozza, C. Mivel az érték C növekszik, a regressziós vonal kisebb lesz, ami növelheti a modell általánosíthatóságát.

Képeztük és validáltuk SVR-modellünket az alanyok között (egy voxel-bölcs T2 * érték és egy életcímke egyénenként) egy-egy tantárgy kimenet (LOSO) keresztellenőrzéssel. A LOSO egy iteratív folyamat, amelyben az egyik alany adatait érvényesítésre használják, míg a másikat n - 1 tantárgyat használnak a képzéshez. A kimaradt mintára csak a voxelenként becsült T2 * értékek alapján generálunk életkor-előrejelzést, és a folyamatot addig ismételjük, amíg minden alanyot fel nem használtunk az érvényesítéshez. Ez minden korosztály számára egy életkor-előrejelzést eredményez, és az SVR-modell teljesítményét a valódi alanyok életkorának és a modell által megjósoltak korrelációjával lehet meghatározni. A paraméter C a LOSO keresztellenőrzés minden egyes hajtására optimalizáltuk a beágyazott LOSO keresztellenőrzést. Az epsilon alapértelmezett értékét az 0.001 LIBSVM eszköztárából használtuk. Az SVR analízist megismételjük a nyugvó állapotú T2 * adatok esetében. Minden p-értékeket véletlenszerű permutációs szignifikancia tesztekkel (1000 iterációk) igazoltuk. A keresztellenőrzési módszerek helyett LOSO-t választottuk, hogy maximalizáljuk az egyes keresztellenőrzési iterációkban használt képzési adatok mennyiségét; bár a minta mérete nagy, a mintában szereplő tantárgyak száma gyakran kisebb volt, mint az SVR modellben szereplő funkciók száma.

2.7.1. Részleges hangerő-korrekció

Annak biztosítására, hogy a többváltozós életkorra vonatkozó előrejelzések ne csak tükrözzék a részleges térfogathatásokból eredő lehetséges szisztematikus különbségeket a T2 * -ben, az FSL FAST szövetszegmentáló eszközét alkalmaztuk a résztvevők T1-súlyozású képeiből a fehér és a szürke anyag valószínűségi maszkjainak létrehozására. Ezután regresszáltuk a szürkeállomány valószínűségét a T2 * mérésből az egyes alanyok között az egyes voxelek esetében, és a korrigált adatok felhasználásával megismételtük az SVR elemzést. A részleges térfogat szisztematikus eltéréseinek kontrollja mellett ez a folyamat ortogonalizálta az életkorral összefüggő T2 * értékbeli különbségeket a striatális térfogat és a nemlineáris térbeli normalizáció potenciális különbségei tekintetében.

2.7.2. Minta jellemzése

A striatális T2 * térbeli mintázatának és az életkorral kapcsolatos trajekciójának jellemzéséhez becsültük a T2 * fejlődési pályáját úgy, hogy az SVR analízisben használt striatális voxelek lineáris, kvadratikus és inverz regressziós modelljeivel regresszáljuk a T2 * jelet. A T2 * térbeli mintáinak komponenseinek (voxeljei) relatív hozzájárulásának számszerűsítéséhez az SVR analízisben használt minden egyes striatális voksel abszolút értékét kiszámítottuk az LOSO keresztellenőrzés összes hajtogatásánál.

2.8. Searchlight elemzés

A T2 * intenzitása és az a priori striatális régiókon kívüli életkor közötti kapcsolat feltárásához teljes agyi fényszóró elemzést végeztünk (Kriegeskorte és munkatársai, 2006). Az elemzés elvégzéséhez egy 5 voxel átmérőjű gömb alakú sablont definiáltunk (összesen 81 voxels), a sablont mindegyik agyi voxelre helyeztük középre, és elvégeztük az SVR elemzést, amelyet a sablon 81 voxeljeiben ismertettünk. Ebben az elemzésben csak az összekapcsolt agy maszkba tartozó voxeleket vettem figyelembe. Az igazi és a várható kor közötti korrelációt az egyes sablonok helyén a középső voxelben tároltuk. Ezt a folyamatot megismételve minden egyes voxel esetében kaptunk egy teljes agy maszkot a korrelációkról. A voxel klaszterek helyét az AFNI-ben szereplő atlaszok segítségével becsülték meg.

3. Eredmények

3.1. Egyváltozós elemzés

A T2 * térbeli átlaga a striatum összes voxeljében nem volt szignifikánsan összefüggésben az életkorral (r = 0.02), a modell csak a minta szórásának 0.0004% -át teszi ki. Amikor a striatumot szegmentáltuk a caudatába, a putamenbe és a nucleus accumbens-be, és megismételtük az elemzést, azt találtuk, hogy az átlagos T2 * -ben hordozott információ elegendő ahhoz, hogy szignifikáns életkor-előrejelzéseket hozzon létre a caudatában (r = 0.286, p <0.001) és putamen (r = 0.182, p <0.05), és különösen prediktív volt a nucleus accumbens-ben (r = 0.506, p <10^-9, Ábra 1A, fehér sávok. Ugyanakkor a striatum funkcionális és neurobiológiai részlegei finomabb skálán léteznek, mint a térbeli középszintű elemzéssel ( Cohen és munkatársai, 2009, Martinez és munkatársai, 2003 és a Postuma és Dagher, 2006). Ezért feltételeztük, hogy a striatális T2 * fejlődési különbségei sokkal érzékenyebb, többváltozós megközelítéssel kerülnek elfogadásra.

3.2. Többváltozós mintaelemzés

A T2 * jel többváltozós mintái rendkívül jelentős életkori előrejelzéseket hoztak létre minden striatális régióban (Ábra 1A, fekete sávok), ami erős kapcsolatot mutat az intézkedés és a serdülő fejlődés között. A legnagyobb összefüggést az előrejelzett kor és az igazi résztvevő életkor között a teljes striatumban (kombinált caudate, putamen és nucleus accumbens) figyelték meg, ahol a T2 * mintázatok a résztvevő életkorban tapasztalható variancia 63% -ának felelnek meg.r = 0.79, p <10^-30; permutációs teszt: p <0.001, Ábra 1B).

A striatális szürkeanyag mennyisége a serdülőkorától függően változik (Raznahan és munkatársai, 2014 és a Sowell és munkatársai, 1999). Annak érdekében, hogy a többváltozós életkori előrejelzések nem tükrözzék a szisztematikus részleges térfogatbeli különbségeket, amelyek a térbeli normalizáció változó striatum-térfogatából vagy tárgyából erednek, megismételjük az SVR-elemzést, amely szabályozza a szürke-anyag térfogatban lévő voxel-különbségeket. Nem találtunk szignifikáns különbséget a modell teljesítményében a volumen szabályozott adatokkal (kiegészítő 1).

A T2 * jel a tartós neurofiziológiai szöveti tulajdonságokat tükrözi (Vo és munkatársai, 2011), és érzékenynek kell lennie a feladat vagy a kontextushatásokra. Mindazonáltal, az elemzést olyan személyek esetében is megismételtük, akik ugyanabban a szkennelési munkamenetben részt vettek a pihenő állapot vizsgálatában. Nem találtunk szignifikáns különbséget azon képességünkben, hogy a T2 * mintákból előrejelezzük az életkorot a feladathoz kapcsolódó és pihenő állapot adatok alapján (Ábra 1B, szürke sáv). Ezenkívül kiszámítottuk a nyugvó állapot térbeli mintázatai és a feladathoz kapcsolódó T2 * közötti voxel-korrelációt az egyes résztvevőknél a striatumban, és megfigyelték az 0.97 medián Pearson-korrelációját, jelezve, hogy a minták összhangban vannak a feladat és a pihenés között. Tehát itt előre a T2 * adatokra összpontosítunk, amelyeket a feladat során összegyűjtöttünk, ami több kötetre átlagolva van (1208 vs 200), és nagyobb mintamérete van (142 vs 89).

Ahogy előrejeleztük, a térbeli mintázatok a korábbiaknál jobban előrejelezték az életkorot a szinte minden érdeklődő striatális régióra. A javulás az egész striatumban különösen szembetűnő volt, ahol a résztvevő korban kifejtett szórás mennyisége az 0% -tól a térbeli minták segítségével térbeli eszközökkel 63% -ra nőtt. Ez a kontraszt erőteljesen jelzi, hogy a striatum a neurofiziológiai fejlődés komplex mintáján megy keresztül, amely a serdülőkortól egészen a serdülőkor során tükröződik. Ahhoz, hogy jobban tisztázzuk ezt a fejlődési mintát, a T2 * fejlődési pályáit a striatumon keresztül jellemeztük.

3.3. Minta jellemzése

Az SVR egyik fő előnye, hogy képes meghatározni a többváltozós prediktorhoz hozzájáruló jellemzőket. E kvantitatív információk kihasználásához az SVR elemzésből kivontuk az egyes voxelekhez rendelt jellemzők súlyait. A jellemző súlya a tulajdonság (voxel) fontosságának indexeként tekinthető a többváltozós kor előrejelzésének létrehozásában. A striatális T2 * intenzitások térbeli mintázatának összetevőinek meghatározásához, amelyeknek a legnagyobb változása volt a többváltozós prediktorhoz, számszerűsítettük az abszolút jellemző súlyokat, hogy azonosítsuk a legnagyobb relatív súlyú striatális voxeleket. A ventrális striatumban, a caudate, a putamen és a nucleus accumbens csomópontjánál a voxelek egy csoportja volt a legbefolyásosabb, amit egy dorsalis caudatában lévő klaszter követett.Ábra 2A). A ventrális striatális klaszter negatív lineáris összefüggést mutatott az életkorral (R² = 0.361, p <10^-14; Ábra 2B szilárd vonal), és a dorsalis caudate-klaszter fokozatosan fordított összefüggést mutatott az \ tR² = 0.078, p <0.001; Ábra 2B szaggatott vonal).

Noha ezek a klaszterek a legnagyobb relatív súlyozást mutatják, fontos megjegyezni, hogy az életkor előrejelzése a modellben szereplő összes voxel közötti többváltozós kapcsolat függvénye. Ezért az SVR analízisben használt minden egyes voxel esetében a T2 * jel fejlődési pályáját egyszerű lineáris, kvadratikus és inverz regressziós modellek alkalmazásával értékeltük, amelyekről ismert, hogy a fejlődési változás ebben az időszakban jellemző.Luna és munkatársai, 2004) az érési minták átfogó megjelenítéséhez. A voxelek többsége lineárisan összefüggött az életkorral, és a részhalmaz a legjobban illeszkedett négyzetes és fordított kapcsolatokhoz. A disztribúció szemléltetésére a legmegfelelőbb modell alapján kategorizáltuk a voxeleket - pozitív és negatív lineáris, kvadratikus és inverz kapcsolatokat -, és átültettük őket egy szabványos anatómiai képre, és létrehoztuk a striatum fejlődési T2 * maszkját.Ábra 2D).

Leíró jelleggel a fejlesztési T2 * trajektorok nagyrészt a ventrális és a dorzális gradiens mentén mentek el, a striatum ventrális részeinek erősen negatív összefüggéseitől, amelyekről ismert, hogy túlnyomórészt limbikus kortikális kapcsolatok vannak a pozitív viszonyok között a hátsó részekben, amelyekről ismert, hogy túlnyomórészt végrehajtó és motoros kortikális kapcsolatok vannak (Alexander és munkatársai, 1986 és a Cohen és munkatársai, 2009), amely szimmetrikus volt a félteke \ tÁbra 2C; emlékeztet a megnövekedett szöveti koncentrációra csökken a T2 * jel). Negatív kvadratikus (invertált „U”) és növekvő inverz kapcsolatokat figyeltünk meg a putamen, a caudate és a nucleus accumbens dorzális részében, negatív kvadratikus kapcsolatokkal (invertált „U” alakú) több jobb oldali féltekén összpontosult, és a növekvő inverz kapcsolatok egyre inkább bal oldalon. A negatív kvadratikus kapcsolatok az 18.4 korában a serdülőkorban és a putamenben az 17.4 átlagában elérték az átlagos maximumokat. Pozitív kvadratikus („U” alakú) és csökkenő inverz kapcsolatokat figyeltünk meg kétoldalúan a ventrális putamenben, a rostroventrális putamenben és a caudoventrális putamenben előforduló pozitív kvadratikus kapcsolatokban csökkenő inverz kapcsolatok, amelyek az 20 korban elérték a minimumokat. A striatális voxelek fejlődési pályáinak megfigyelt heterogenitása valószínűleg megmagyarázza többváltozós modellünk nagyobb teljesítményét az egyváltozós modellen az életkorral kapcsolatos különbségek rögzítése során.

3.4. Teljes agyi elemzés

A térbeli T2 * minták és az agy fejlődése közötti lehetséges összefüggések vizsgálata és a striatális hozzájárulások specifitásának megerősítése érdekében feltáró fényszóró elemzést végeztünk (Kriegeskorte és munkatársai, 2006). A fényszóró kiderült, hogy a korszakot a striatumban és a középső agyban, a vörös magban, a materiális nigrában és a bazális ganglionok más részeiben is a legjelentősebbnek találták.Ábra 3). Azok a régiók, amelyek igen nagy korú előrejelzéseket hoztak létre, a perigenualis anterior cinguláris kéreg, a Brodmann Area 10, a mediális pre-frontális cortex, az elülső felső frontális gyrus, az insula, a pre- és post-centrális gyrus, az elülső thalamus és a kisagy dentate magja. Jelentős korrelációt figyeltek meg a corpus callosum és a fronto-parietális fehéranyag szerkezetekben is. E régiók közül sok (pl. Bazális ganglionok, középső agy, dentate mag, homlokfehér anyag) az agy leggazdagabb területei közé tartoznak.Connor és Menzies, 1996, Drayer és munkatársai, 1986, Haacke és munkatársai, 2005, Haacke és munkatársai, 2007 és a Langkammer és munkatársai, 2010), valamint a mezolimbikus / mezokortikális és nigrostriatális dopamin útvonalak egy része (pl. közbenső, striatum, prefrontális kéreg).Beaulieu és Gainetdinov, 2011, Haber és Knutson, 2010 és a Puglisi-Allegra és Ventura, 2012). A legmagasabb összefüggéseket a accumbens, a ventromedial putamen és a ventromedial caudate (csúcs voxel: MNI −8, 5, -11) pontjánál tapasztaltuk, ami azt jelzi, hogy a T2 * különösen erős kapcsolatban van a serdülők fejlődésével ezen a részen. az agy, amely erősen kötődik a dopaminerg jutalmakhoz és a limbikus rendszerhez (Galvan és munkatársai, 2006, Galvan és munkatársai, 2007, McGinty és munkatársai, 2013 és a Puglisi-Allegra és Ventura, 2012).

A T2 * súlyozott jel, különösen, ha az EPI-ben síkban gyűjtött, érzékeny a jelek elhagyására az agy közelében lévő érzékenységi artefaktumok miatt (pl. Orbitofrontális kéreg és inferotemporális kéreg), ezáltal növelve annak lehetőségét, hogy az életkorral kapcsolatos különbségek A T2-ban * az agyterületek érzékeny artefaktusaiból származhat. Ennek nem szabad nagy hatással lennie, mivel az agy bruttó morfometriáját a korosztályunknál fiatalabb korosztályok állapítják meg (Caviness et al., 1996). Továbbá (1) a legjelentősebb korhatásunk olyan agyterületeken fordul elő, amelyekről ismert, hogy magas a vaskoncentráció (pl. Bazális ganglionok és középső agy), és a szignifikáns jelváltozással rendelkező területekről (2) beillesztve az agyterületek, amelyek a leginkább hajlamosak az érzékeny artefaktumokra (pl. oribitofrontális kéreg és inferotemporalis kéreg; kiegészítő 2A és B ábra) nem mutatnak jelentős korhatást (2C. ábra).

4. Vita

A jelen tanulmány a striatális feladathoz kapcsolódó és pihenőállapotú normalizált T2 * súlyozott képek térbeli mintáit használták, hogy nagy korú előrejelzéseket generáljanak a serdülők és a fiatal felnőttek nagy keresztmetszeti mintájában, amely in vivo bizonyítékot szolgáltatott az emberi neurofiziológiai fejlődésre. striatum a serdülőkorban. A T2 * térbeli mintázatai a striatum egészében, valamint a striatum alrégiókban, a caudatában, a putamenben és a nucleus accumbensben a serdülőkor előrejelzői voltak, mindössze öt percnyi pihenő állapotú fMRI-ből, ami erős kapcsolatot mutat a T2 között * és a serdülők fejlődését a striatumban.

4.1. A T2 * jel

Ezeknek az eredményeknek a teljes értelmezése szempontjából kritikus az a neurofiziológiai összetevők megértése, amelyek hozzájárulnak a T2 * jelhez. A T2 * leginkább a keresztirányú (spin-spin) relaxációs idővel, a szövet mágneses érzékenységével és a mágneses tér homogenitásával függ össze. Így a szövet-vas (nem-hem) koncentráció és a mielin koncentráció olyan szövettípusok, amelyek leginkább hozzájárulnak a T2 * jelhez (Aquino és munkatársai, 2009, Daugherty és Raz, 2013, Langkammer és munkatársai, 2012 és a Schenck, 2003). Mind a szövet, mind a vas és a mielin hosszú keresztirányú relaxációs időkkel rendelkeznek, ami hipo-intenzív T2 * jelet okoz (Aoki és munkatársai, 1989, Chavhan és munkatársai, 2009 és a Ő és Yablonskiy, 2009). Mindazonáltal a mielin diamagnetikus és a szöveti vas paramágneses, így a szövet-vas nagyobb mértékben járul hozzá a T2 * -hez (nagyobb hypo-intenzitás) mágneses érzékenysége és a mágneses tér inhomogenitására gyakorolt ​​hatása miatt.Langkammer és munkatársai, 2010 és a Schenck, 2003). Ezért, bár a szövet - vas és myelin mind a T2 * -hoz járul hozzá, a jelet leginkább a szövet-vas koncentráció befolyásolja, különösen a vasban gazdag striatumban (Haacke és munkatársai, 2010 és a Langkammer és munkatársai, 2010). Ezt a fogalmat a keresőfény elemzése támogatja (Ábra 3), amely a legerősebb összefüggéseket mutatja a T2 * és az életkor előfordulásával az agy vasban gazdag területein (bazális ganglionok, midrain), nem pedig kevésbé szövet-vas, pl. Úgy tűnik tehát, hogy a striatális neurofiziológiában a fejlődési különbségek a T2 * -vel mért értékei elsősorban a serdülőkorban tapasztalható szöveti-vas koncentráció fejlődési különbségei.

Fontos megjegyezni, hogy bár a vas is szerepel a hemoglobinban, a hem-vas hozzájárulása a T2-hez * elhanyagolható a szövet-vashoz képest.Langkammer és munkatársai, 2010 és a Vymazal és munkatársai, 1996). A hemoglobin mágneses érzékenységhez való hozzájárulása csak a deoxi-hemoglobinban jelentkezik, és az alacsony oxigéntelítettségnél a legnagyobb.Pauling, 1977), de a szövet-vas paramagnetizmusa sokszor nagyobb, mint a teljesen teljesen oxigénmentes hemoglobin (Vymazal és munkatársai, 1996). A hem-vasnak ez a kis hatása nem várható, hogy hozzájárul a tanulmányban megfigyelt fejlődési hatásokhoz, mivel a T2 * jelre gyakorolt ​​hatása nem változhat szisztematikusan a mintánkban lévő életkorral. A vaszkuláris rendszer a serdülőkorban nagyrészt stabil, a pialus érrendszer és a kapilláris képződés (Harris és munkatársai, 2011) és a cerebralis véráramlás teljes mennyisége a belső carotis artériához (a striatum elsődleges vérellátása), amelyet korai gyermekkorban állapítottak meg (Schöning és Hartig, 1996).

4.2. Szövet-vas és az agy

A T2 * érzékenysége a szövet-vasra különösen fontos a serdülők fejlődésében. A vasat a vér-agy gáton keresztül szállítják a fehérje transzferrin segítségével, és a sejtek sejtjeiben tárolják a ferritint (Aquino és munkatársai, 2009 és a Daugherty és Raz, 2013, Drayer és munkatársai, 1986). A bazális ganglionok és a midrain a legnagyobb ferritin-koncentrációjú agyi régiók (Haacke és munkatársai, 2005 és a Schenck, 2003). A legnagyobb ferritin-koncentrációjú sejtek fehér és szürke anyagban található oligodendrociták (Haacke és munkatársai, 2005). A ferritin is megtalálható a neuronokban, különösen a bazális ganglionokban (Drayer és munkatársai, 1986 és a Moos, 2002). Ezen sejteken belül a vas hozzájárul a számos kritikus neurofiziológiai folyamathoz. Az oligodendrocitákban a vas a myelin szintéziséhez szükséges, és szükséges az ATP-termeléshez, amely szükséges a sejtek magas oxidatív metabolizmusának fenntartásához (Connor és Menzies, 1996, Moos, 2002 és a Todorich és munkatársai, 2009). A bazális ganglionokban a vashiány állati modelljei (Erikson és munkatársai, 2000) és a nyugtalan láb szindróma betegségmodelljei (Connor és munkatársai, 2009) és az ADHD (Adisetiyo et al., 2014) azt mutatják, hogy a szövet-vas erősen kapcsolódik a \ tBeard és Connor, 2003). Különösen a striatális szövet - vas támogatja a D2 receptor expressziót (Szakáll, 2003 és a Jellen és munkatársai, 2013), dopamin adó-funkció (Adisetiyo et al., 2014, Erikson és munkatársai, 2000 és a Wiesinger és munkatársai, 2007) és a dopamin neuronok ingerlékenysége (Jellen és munkatársai, 2013). Mivel kimutatták, hogy a striatális dopamin rendszer kifejlődik a serdülőkorban állati modellekben (Kalsbeek és munkatársai, 1988, Rosenberg és Lewis, 1995 és a Teicher és munkatársai, 1995), és feltételezték, hogy alátámasztja a jellemző magatartást és az agyi funkciót a serdülőknél (Casey és munkatársai, 2008, Padmanabhan és Luna, 2014 és a Spear, 2000), a T2 * jel egyedülálló jelentőséggel bír a serdülők striatális fejlődésének tanulmányozásában. Továbbá a postmortem (Hallgren és Sourander, 1958) és MRI (Aquino és munkatársai, 2009 és a Wang és munkatársai, 2012) a szöveti-vas élettartam-különbségeit feltáró tanulmányok a vas-koncentráció általános növekedését mutatják a striatumban középkorban, és azt sugallják, hogy a vasfelhalmozódás aránya az élet első két évtizedében a legnagyobb, ami a serdülőkor utáni felhalmozódás mértékének csökkenését jelzi.

4.3. T2 * és a serdülők agya

A T2 * jel fejlődési pályája szisztematikusan változott a striatum hátsó és ventrális aspektusai között. A striatum ventrális részei, amelyek túlnyomórészt limbikus kortikális kapcsolatokkal rendelkeznek (Cohen és munkatársai, 2009) az életkorral szembeni erős negatív kapcsolatokat mutatott, míg a dorzális részek, amelyek túlnyomórészt végrehajtó és motoros kortikális kapcsolatokkal rendelkeztek, gyengébb pozitív kapcsolatokat mutattak az életkorral, ami arra utal, hogy a serdülőkorban és a fiatal felnőttkorban a limbikus és a végrehajtó striatális rendszerek különböző relatív neurofiziológiai hozzájárulásokkal járhatnak a viselkedésben. Az eredmények egyetértenek azokkal a megállapításokkal, amelyek arra utalnak, hogy a striatum térbeli heterogén fejlődési mintázattal rendelkezik, azaz a striatum magok nem fejlődnek globálisan egységes módon (Raznahan és munkatársai, 2014). A ventrális striatumban az erős negatív kapcsolatok azt mutatják, hogy a szövet-vas koncentráció következetesen növekszik az inverz illeszkedéssel, ami arra utal, hogy a növekedés mértéke a serdülőkor korai szakaszában a legnagyobb. Mivel a szövet és a vas kombinációja a dopamin funkcióval és a myelinizációval egyaránt összefügg, ezek a növekedések támogathatják a dopamin rendszer érését és szaporodását, valamint a cortico-striatális kapcsolatok myelinizációját a serdülők fejlődésének állatmodelljeiben (pl. A dopamin előrejelzések növelése a prímás prefrontális kéregbe) ; Rosenberg és Lewis, 1995), amely támogatja a motivációs áramkör érését.

A striatális T2 * fejlődési pályája egyedülálló a serdülőkorban a caudate és a putamen részei között. Ezekben a területeken a T2 * voxel értékei nem lineárisan különböztek az életkorral, egyes esetekben a 17 és az 18 kor közötti serdülőkorban. Különösen érdekesek a ventrális putamenben a pozitív kvadratikus kapcsolatok („U” alakúak), amelyek azt mutatják, hogy ebben a régióban a kamasz-vas koncentráció csúcspontja a serdülőkorban, esetleg a dopamin D2 receptor expresszió csúcsaiban mutatkozik meg a rágcsálókban (Teicher és munkatársai, 1995) és feltételezhető, hogy az emberi \ tCasey és munkatársai, 2008). Összességében ezek a nemlineáris fejlődési pályák a striatális neurofiziológiai érlelés időszakát sugallják, ami hozzájárulhat a szenzációs keresés és a kockázatvállalási magatartás megfigyelt csúcsaihoz, valamint a striatális jutalomérzékenységhez ebben a fejlődési szakaszban (Padmanabhan és munkatársai, 2011 és a Spear, 2000), míg a lineáris kapcsolatok tükrözhetik a motivációs rendszer folyamatos fejlődését fiatal felnőttkorban (Arnett, 1999 és a Hoogendam és munkatársai, 2013). A dopaminreceptor expressziójának és a humán fMRI vizsgálatoknak a serdülőkor csúcsait jelző állatmodellek megállapításai alapján, amelyek arra utalnak, hogy bizonyos ösztönző kontextusokban a ventrális striatális csúcsreaktivitást mutatják, meglepődtünk, hogy a T2 * lineáris vagy inverz egyesületeit megfigyeltük a striatum részek korában. Lehetséges, hogy a serdülőkorú BOLD válasz jutalomra adott emelkedése érzékeny lehet a DA funkció további aspektusaira, amelyre a szövet-vas nem közvetlenül kapcsolódik, mint például a DA felszabadulási mennyisége vagy valószínűsége, amely eltérő fejlődési pályákat tartalmazhat. A megfigyelt hatásminták valószínűleg tükrözik a szövet-vas és a dopamin receptor sűrűsége és a DAT funkció közötti kapcsolat közvetett jellegét, valamint annak szerepét számos más neurofiziológiai folyamatban (pl. Myelinizáció és ATP termelés), amelyek felnőttkorban nem csökkennek. Spekulatívan előfordulhat, hogy a T2 * és a bazális ganglionszövet-vas koncentráció egyéni különbségei a dopamin rendszer struktúrájának és működésének indexében mutatkozó egyéni különbségekhez kapcsolódnak. Nyilvánvaló, hogy további kutatásokra van szükség a kapcsolat közvetlen jellemzéséhez, különösen a normatív populációkban.

A többváltozós támogató vektor regressziótól függően a jellemző súlyok voxel-bölcs eloszlása ​​azt jelzi, hogy a striatum neurofiziológiai érését leginkább a ventrális striatum folyamatos érlelése befolyásolja, beleértve a caudate és putamen magjait és ventromedialis részeit is. felnőttkor. A serdülőkorban a ventrális striatum a funkcionális reaktivitás csúcsát fejti ki, hogy ösztönözze az ingereket bizonyos ösztönző kontextusokban, és ezzel kapcsolatban kockázatvállalási magatartással jár.Ernst és munkatársai, 2005, Galvan és munkatársai, 2006, Galvan és munkatársai, 2007, Geier és munkatársai, 2010 és a Padmanabhan és munkatársai, 2011). Ezen túlmenően ez a régió nagymértékben dopamin beidegződött, és a frontosztriatális dopamin jutalmazási útvonalak központi eleme (Knutson és Cooper, 2005, McGinty és munkatársai, 2013, Puglisi-Allegra és Ventura, 2012) feltételezték, hogy az érzéskeresés és a kockázatvállalási magatartás \ tBlum és munkatársai, 2000, Spear, 2000). Spekulatív módon a szöveti-vas koncentráció növekedése ebben a régióban mechanikusan összefügghet a serdülők viselkedésével és a striatális jutalom reaktivitással a dopamin receptor expressziójával, a transzporter funkcióval és az ingerlékenységgel összefüggésben (Erikson és munkatársai, 2000, Jellen és munkatársai, 2013 és a Wiesinger és munkatársai, 2007) és myelinizáció (Connor és Menzies, 1996, Moos, 2002 és a Todorich és munkatársai, 2009) a cortico-ventrális striatális útvonalakon belül.

A feltáró teljes agyi elemzés kimutatta, hogy a legerősebb összefüggések a T2 * és az életkor között a ventromedialis szubkortikális és a midrain-régiókban fordulnak elő, amelyekről ismert, hogy az agy leginkább dopamin és vas-gazdag területei vannak.Drayer és munkatársai, 1986, Haacke és munkatársai, 2005 és a Langkammer és munkatársai, 2010) a vas-felhalmozódás ütemei ingadoznak az élettartam \ tAquino és munkatársai, 2009, Haacke és munkatársai, 2010 és a Hallgren és Sourander, 1958). A kéregben jelentős összefüggéseket figyeltek meg a frontális limbikus területeken, amelyek a mezolimbikus és mezokortikális dopamin útvonalak mentén, valamint a frontális végrehajtó és a motoros régiók mentén esnek. Meg kell jegyezni, hogy a T2 * jelének a vasban gazdag striatumon kívüli pontos neurofiziológiai tulajdonságainak értelmezése némileg kevésbé egyszerű. Például, az a szint, hogy a kortikális T2 * milyen mértékben tükrözi a szövet – vas koncentrációt, kevésbé világos, mivel a myelinizációnak nagyobb relatív hozzájárulást kell adnia a jelhez azokon a területeken, amelyek alacsonyabb szintű szövetet (pl. Kéreg, fehér anyag) tartalmaznak. Ezért célszerű lehet, ha a jövőbeli kutatók a T2 * elemzéseket az agyterületekre összpontosítják, amelyekről ismert, hogy magas koncentrációjú szövetek vannak (pl. A basalis ganglionok és a midrain). A kortikális és szubkortikális agyrégiók összegyűjtése azonban összhangban van a striatális megállapításokkal, mivel azok strukturálisan és funkcionálisan kapcsolódnak a dopamin rendszerhez, és kimutatták, hogy érzékenyek a serdülők fejlődésére (Casey és munkatársai, 2008, Cohen és munkatársai, 2009, Galvan és munkatársai, 2006, Geier és munkatársai, 2010, Giedd és munkatársai, 1999, Hwang és munkatársai, 2010, Lehéricy és munkatársai, 2004, Martino és munkatársai, 2008 és a Sowell és munkatársai, 1999). Mint ilyen, ezek az eredmények alátámasztják azt a hipotézist, miszerint az emberben előforduló frontosztriatális dopamin áramkör neurofiziológiai fejlődése a serdülőkor felett van (Casey és munkatársai, 2008 és a Spear, 2000).

4.4. Korlátozások és jövőbeli irányok

Eredményeink, valamint a Vo és mtsai. (2011), azt sugallják, hogy a T2 * súlyozott EPI adatok hasznos eszközek lehetnek a striatális neurofiziológia vizsgálatára. Ennek a módszernek az az előnye, hogy ez az intézkedés a meglévő fMRI adatkészletekből származhat, függetlenül attól, hogy pihenő vagy feladat-függő. Mint fentebb említettük, javasoljuk, hogy a jövőbeni elemzéseket a bazális ganglionokra és más olyan agyterületekre összpontosítsuk, amelyekről ismert, hogy viszonylag magas a szöveti-vas koncentrációja, mivel a T2 * -hoz hozzájáruló neurofiziológiai mechanizmusok értelmezhetősége ezeken a területeken a legnagyobb. Ezen túlmenően a T2 * súlyozott EPI analízisek során az agyterületeket ajánljuk, mint a ventrális orbitofrontális kéreg és az inferotemporális kéreg részei, amelyek hajlamosak az érzékenységi artifaktumokra. Felhívjuk a figyelmet arra, hogy a szövet-vas koncentráció specifikus számszerűsítésével foglalkozó kutatók olyan kvantitatív MR-szekvenciákat is alkalmazhatnak, mint például az R2 ′ vagy a R2 *, amelyekről kimutatták, hogy lineárisan kapcsolódnak a szövet-vas-tartalomhoz.Sedlacik és munkatársai, 2014 és a Yao és munkatársai, 2009) a szöveti tulajdonság pontosabb értékelése. A jövőbeni munka fontos iránya az, hogy a bazális ganglionokban a szöveti-vas-koncentráció és a normál populációkban a dopamin-rendszer működésének mutatóit közvetlenül jellemezzük, az RLS-ben, az ADHD-ban és a vashiányos populációkban végzett munkára kiterjedően, és nagyobb funkcionális \ t a T2 * és a kapcsolódó intézkedések értelmezhetősége és jelentősége. Természetesen ennek a kapcsolatnak a megértése erőteljesen befolyásolja az emberi fejlődési tanulmányokat, amelyekben a dopamin rendszer neurobiológiájának értékelésére alkalmas invazív képalkotó technikák nem állnak rendelkezésre. Végül, bár ezt a vizsgálatot egy nagy keresztmetszeti adatkészlet segítségével végeztük el, amely kiterjedt korosztályra terjedt ki, a jövőbeni munkának hosszirányú tervezést kell alkalmaznia annak érdekében, hogy jobban meghatározza az életkorhoz kapcsolódó változások T2 * -ban, önmagában.

5. Következtetés

Eredményeink in vivo bizonyítékot szolgáltatnak a striatális régiók folyamatos neurofiziológiai érlelésére az emberi serdülőkorban. Megállapításaink és a T2 * jel jellege arra utalnak, hogy a striatális neurofiziológiában az életkorral kapcsolatos különbségeket leginkább a szövet-vas koncentráció különbségei befolyásolják (Aoki és munkatársai, 1989, Chavhan és munkatársai, 2009, Ő és Yablonskiy, 2009, Langkammer és munkatársai, 2010 és a Schenck, 2003). Tekintve, hogy a szöveti tulajdonságok hozzájárulnak az agy működéséhez, beleértve a dopamin funkciót, és a striatum szerepe a tanulásban, a motivációban és a jutalom feldolgozásában, a striatum T2 * által indexelt elhúzódó érése erősen hozzájárulhat a viselkedés ismert fejlődési változásaihoz és agyi működés a serdülőkorban.

Szerzők hozzájárulása

B. Larsen és B. Luna együttműködtek a kísérlet kialakításában és tervezésében. B. Larsen elemezte az adatokat, és megírta a papír kezdeti tervezetét. B. Luna az eredeti kéziratot szerkesztette.

Összeférhetetlenség

Nincs jelentés.

A következő adatok a cikkhez tartoznak.

Referenciák