Smadzeņu strukturālās savienojamības paraugi atšķir normālu svaru no liekā svara subjektiem (2015)

Iet uz:

Anotācija

fons

Kā iespējamais riska faktors liekā svara un aptaukošanās indivīdu patofizioloģijā ir mainījušās norīšanas darbības hedoniskās sastāvdaļas. Neiroapgādes pierādījumi no indivīdiem ar palielinātu ķermeņa masas indeksu liecina par strukturālām, funkcionālām un neirohīmiskām izmaiņām paplašinātajā atlīdzības tīklā un ar to saistītajos tīklos.

Mērķis

Piemērot daudzfaktoru modeļa analīzi, lai atšķirtu normālos svarus un liekā svara priekšmetus, pamatojoties uz pelēkās un baltās vielas mērījumiem.

Metodes

Strukturālie attēli (N = 120, liekais svars N = 63) un difūzijas tenzora attēli (DTI) (N = 60, liekais svars N = 30) tika iegūti no veseliem kontroles subjektiem. Kopējā izlasē liekā svara grupas (sievietes = 32, vīrieši = 31) vidējais vecums bija 28.77 gadi (SD = 9.76) un normālā svara grupā (sievietes = 32, vīrieši = 25) 27.13 gadi (SD = 9.62) ). Smadzeņu attēlu reģionālā segmentēšana un parcelēšana tika veikta, izmantojot Freesurfer. Tika veikta deterministiskā traktogrāfija, lai izmērītu normalizēto šķiedru blīvumu starp reģioniem. Lai pārbaudītu, vai smadzeņu mērījumi var atšķirt lieko svaru no normāla svara indivīdiem, tika izmantota daudzveidīgu modeļu analīzes pieeja.

rezultāti

1. Balto vielu klasifikācija: Klasifikācijas algoritms, kas balstīts uz 2 parakstiem ar 17 reģionālajiem savienojumiem, sasniedza 97% precizitāti, diskriminējot liekā svara indivīdus no indivīdiem. Abiem smadzeņu parakstiem tika novērots lielāks savienojums, ko indeksē palielināts šķiedru blīvums, salīdzinot ar normālu svaru starp atalgojuma tīkla reģioniem un izpildvaras kontroles, emocionālās uzbudinājuma un somatosensorālajiem tīkliem. Turpretī pretējā struktūra (samazināts šķiedru blīvums) tika konstatēts starp ventromediālo prefronālo garozu un priekšējo insulu, kā arī starp talamu un izpildvaras kontroles tīkla reģioniem. 2. Pelēkās vielas klasifikācija. Klasifikācijas algoritms, kura pamatā ir 2 paraksti ar 42 morfoloģiskajām iezīmēm, sasniedza 69% precizitāti, diskriminējot pārmērīgu svaru no parastā svara. Abos smadzeņu parakstos tika piesaistīti reģioni, kuros ir atlīdzība, pievilcība, izpildvaras kontrole un emocionālie uzbudinājuma tīkli pazemināt morfoloģiskās vērtības liekā svara indivīdiem, salīdzinot ar indivīdiem ar normālu svaru, bet somatosensorālā tīkla reģioniem bija pretējs modelis.

secinājumi

1. Palielināts ĶMI (ti, liekā svara subjekti) ir saistīts ar atšķirīgām smadzeņu pelēkās vielas un šķiedru blīvuma izmaiņām. 2. Klasifikācijas algoritmi, kas balstīti uz balto vielu savienojamību, iesaistot atalgojuma un saistīto tīklu reģionus, var noteikt konkrētus mērķus attiecībā uz mehānistiskiem pētījumiem un turpmāko zāļu izstrādi, kuru mērķis ir patoloģiska normas uzvedība un liekais svars / aptaukošanās.

atslēgvārdi: Aptaukošanās, liekais svars, morfoloģiskās pelēkās vielas, anatomiskā baltās vielas savienojamība, atalgojuma tīkls, daudzfaktoru analīze, klasifikācijas algoritms
Saīsinājumi: HC, veselīga kontrole; ĶMI, ķermeņa masas indekss; HAD, slimnīcas trauksme un depresijas skala; TR, atkārtošanās laiks; TE, atbalss laiks; FA, pagrieziena leņķis; GLM, vispārējs lineārs modelis; DWI, difūzijas svērtie MRI; FOV, redzes lauks; GMV, pelēkās vielas tilpums; SA, virsmas laukums; CT, garozas biezums; MC, vidējais izliekums; DTI, difūzijas tenzora attēlveidošana; FAKTU, šķiedru piešķiršana ar nepārtrauktu izsekošanu; SPSS, statistikas pakete sociālajām zinātnēm; ANOVA, dispersijas analīze; FDR, viltus atklāšanas ātrums; sPLS-DA, reti daļēji vismazākie kvadrāti diskriminācijas analīzei; VIP, mainīga nozīme projekcijā; PPV, pozitīva paredzamā vērtība; NPV, negatīvā paredzamā vērtība; VTA, vēdera apvalka zona; OFG, orbitofrontāls giruss; PPC, aizmugurējā parietālā garoza; dlPFC, dorsolaterālā prefronta garoza; vmPFC, ventromedial prefrontālā garoza; aMCC, priekšējā vidējā cingulārā garoza; sgACC, subgenuala priekšējā cingulārā garoza; ACC, priekšējā cingulārā garoza

1.0. Ievads

Pasaules Veselības organizācijas aprēķini liecina, ka gandrīz pusmiljards pieaugušo ir aptaukošanās un vairāk nekā divas reizes vairāk pieaugušo ir liekais svars, kas veicina tādu slimību kā diabēts, sirds un asinsvadu slimības un vēzis pieaugumu, kā arī vismaz 2.8 miljonu cilvēku nāvi. katru gadu (Pasaules Veselības organizācija (PVO), 2014). Tikai Amerikā līdz 34.9% pieaugušajiem ir aptaukošanās, un divreiz vairāk pieaugušo (65%) ir vai nu liekais svars, vai aptaukošanās.Slimību kontroles centrs (CDC), 2014). Ekonomikas un veselības slogs, ko rada liekais svars un aptaukošanās, turpina paaugstināt veselības aprūpes izmaksas līdz pat $ 78.5 miljardiem (Finkelstein et al., 2009) un miljardiem dolāru turpina iztērēt neefektīvām ārstēšanas un iejaukšanās darbībām (\ tLoveman et al., 2011; Terranova et al., 2012). Neraugoties uz dažādiem centieniem, lai identificētu liekā svara un aptaukošanās pamatā esošo patofizioloģiju, pašreizējā izpratne joprojām ir nepietiekama.

Gan vides, gan ģenētiskajiem faktoriem ir liela nozīme cilvēkiem, kuriem ir liekais svars un aptaukošanās.Calton un Vaisse, 2009; Choquet un Meyre, 2011; Dubois et al., 2012; El-Sayed Moustafa un Froguel, 2013). Nesenie neirofotografēšanas pētījumi ir parādījuši, ka augstāks ķermeņa masas indekss (ĶMI) ir saistīts ar funkcionālās (uzdevuma un atpūtas stāvokļa) izmaiņām (Connolly et al., 2013; Garcia-Garcia et al., 2013; Kilpatrick et al., 2014; Kullmann et al., 2012), pelēkās vielas morfometrija (Kurth et al., 2013; Raji et al., 2010) un baltās vielas īpašības (Shott et al., 2014; Staneks et al., 2011), kas liecina par smadzeņu iespējamo lomu liekā svara un aptaukošanās \ tDas, 2010). Šie pētījumi lielā mērā ietekmē atalgojuma tīkla reģionus (Kenny, 2011; Volkow et al., 2004; Volkow et al., 2008; Volkow et al., 2011), un trīs cieši saistīti tīkli, kas saistīti ar \ tGarcia-Garcia et al., 2013; Morrow et al., 2011; Seeley et al., 2007a), izpildvaras kontrole (Seeley et al., 2007b) un emocionālo uzbudinājumu (Menon un Uddin, 2010; Zalds, 2003) (Fig. 1).

Fig. 1 

Atalgojuma tīkla un saistīto tīklu reģioni. 1. Atlīdzības tīkls: hipotalāmu, orbitofrontālo garozu (OFC), kodolskābi, putamen, ventrālo tegmentālo zonu (VTA), nigru, vidus smadzeņu reģionus (caudate, pallidum, hippocampus). 2. Pazīstamība ...

Pašreizējā pētījuma mērķis bija pārbaudīt vispārējo hipotēzi, ka mijiedarbība starp šo tīklu reģioniem atšķiras no liekā svara indivīdiem salīdzinājumā ar indivīdiem ar normālu svaru, un mēs pārbaudījām plaša mēroga mūsdienīgu neirektēšanas datu apstrādi, vizualizāciju un daudzveidīgu modeļu analīzi. šī hipotēze. Efektīvāku un skaitļošanas intensīvāku datu apstrādes cauruļvadu un statistikas algoritmu pieejamība ļauj plašākai morfoloģiskai un anatomiskai smadzeņu raksturošanai indivīdiem ar paaugstinātu ĶMI salīdzinājumā ar indivīdiem ar normālu svaru. Daudzfaktoru rakstu klasifikācijas analīze nodrošina līdzekļus, lai pārbaudītu to reģionu sadalīto modeli, kas diskriminē liekais svars salīdzinājumā ar indivīdiem ar normālu svaru.

Šajā pētījumā uzrauga mācību algoritmu piemēro reģionālo smadzeņu morfometrijas un baltās vielas šķiedru blīvuma mērījumiem (savienojuma starp konkrētiem smadzeņu reģioniem rādītājs), lai pārbaudītu hipotēzi, ka liekais svars ir saistīts ar atšķirīgiem modeļiem vai smadzeņu parakstiem, kas ietver reģionus no reģioniem. atlīdzība, pievilcība, izpildvaras kontrole un emocionālie uzbudinājuma tīkli. Rezultāti liecina, ka reģionālo savienojumu un mazāk smadzeņu morfometriju var izmantot, lai diskriminētu lieko svaru salīdzinājumā ar indivīdiem ar normālu svaru. Rezultāti sniedz prognozēšanas algoritmu, kas balstīts uz multimodālu smadzeņu attēlu un nosaka specifiskus mērķus turpmākām mehānisma izmeklēšanām.

2.0. Metodes

2.1. Dalībnieki

Kopējais paraugs sastāvēja no brīvprātīgajiem 120 brīvprātīgajiem veseliem kontroles (HC) brīvprātīgajiem, kuri piedalījās neirofotoloģijas pētījumos 2010 un 2014 Stresa neirobioloģijas centrā. Priekšmeti tika pieņemti darbā ar reklāmām, kas ievietotas UCLA un Losandželosas kopienā. Visas procedūras atbilst Helsinku deklarācijas principiem, un tās apstiprināja Institūciju pārskata padome UCLA (apstiprinājuma numuri 11-000069 un 12-001802). Visi subjekti sniedza rakstisku informētu piekrišanu. Pēc klīniskā novērtējuma, kas ietvēra modificētu Mini-International Neuropsichiatric Interview Plus 5.0, visi subjekti tika klasificēti kā veseli.Sheehan et al., 1998). Izslēgšanas kritēriji ietvēra narkotiku lietošanu, grūtniecību, atkarību no tabakas, vēdera operācijas, asinsvadu riska faktorus, svara zaudēšanas operācijas, pārmērīgu fizisko slodzi (vairāk nekā 1 h katru dienu un maratona skrējējus) vai psihiskas slimības. Lai arī bieži tas saistīts ar paaugstinātu ĶMI, subjekti ar hipertensiju, diabētu vai metabolisko sindromu tika izslēgti, lai samazinātu iedzīvotāju neviendabīgumu. Tā paša iemesla dēļ tika izslēgti arī subjekti ar ēšanas traucējumiem, ieskaitot gremošanas vai ēšanas traucējumus, piemēram, anoreksiju vai bulīmiju. Lai arī ĶMI = 25–29.9 tiek uzskatīts par lieko svaru, mūsu pētījumā tas tika identificēts kā augsta ĶMI grupa. Normāla svara subjekti tika pieņemti darbā ar ĶMI <25, un mūsu pētījumā tika identificēti kā normāla ĶMI grupa. MRI skenēšanas svara ierobežojumu dēļ neviens subjekts nepārsniedza 400 mārciņas.

2.2. Parauga īpašības

Apstiprinātās anketas tika aizpildītas pirms skenēšanas un tika izmantotas, lai novērtētu pašreizējās trauksmes un depresijas simptomus (slimnīcas trauksme un depresijas skala (HAD)).Zigmond un Snaith, 1983). HAD skala ir pašnovērtējuma 14 vienības skala, kas novērtē pašreizējās trauksmes un depresijas simptomus pacientiem, kas sākumā irZigmond un Snaith, 1983). Turklāt pētījuma dalībnieki iepriekš bija pakļauti strukturētai psihiatriskai intervijai (Mini International Neuropsychiatric Interview, MINI), lai noteiktu iepriekšējo vai pašreizējo psihisko slimību (Sheehan et al., 1998).

2.3. fMRI iegāde

2.3.1. Strukturālā (pelēkās vielas) MRI

Priekšmeti (N = 120, augsts ĶMI N = 63) tika skenēti ar 3.0 Tesla Siemens TRIO pēc tam, kad galvas novietošanai tika izmantots sagitāls skauts. Strukturālie skenējumi tika iegūti no 4 dažādām iegūšanas sekvencēm, izmantojot augstas izšķirtspējas trīsdimensiju T3 svērto, sagitālās magnetizācijas sagatavoto ātrās gradienta atbalss (MP-RAGE) protokolu, un skenēšanas detaļas ir: 1. Atkārtošanās laiks (TR) = 1 ms, atbalss laiks (TE) = 2200 ms, pagrieziena leņķis (FA) = 3.26, 9 mm3 vokseļa izmērs. 2. TR = 2200 ms, TE = 3.26 ms, FA = 20, 1 mm3 vokseļa izmērs. 3. TR = 20 ms, TE = 3 ms, FA = 25, 1 mm3 vokseļa izmērs. 4. TR = 2300 ms, TE = 2.85 ms, FA = 9, 1 mm3 vokseļa izmērs. Tika novērtēta ieguves protokola ietekme uz dažādu pelēkās vielas tilpuma (TGMV) atšķirībām. Konkrēti, tika izmantots vispārējais lineārais modelis (GLM), lai noteiktu protokola ietekmi uz TGMV, kas kontrolē vecumu. Rezultāti norādīja, ka visi protokoli nav līdzīgi viens otram (F(3) = 6.333, p = .053).

2.3.2. Anatomiskā savienojamība (baltā materiāla) MRI

Sākotnējā parauga apakškopa (N = 60, augsts ĶMI N = 30) tika veikta ar difūziju svērta MRI (DWI) saskaņā ar diviem salīdzināmiem iegūšanas protokoliem. Konkrēti, DWI tika iegūti vai nu 61, vai 64 nekolīnāros virzienos ar b = 1000 s / mm2, ar 8 vai 1 b = 0 s / mm2 attiecīgi attēlus. Abiem protokoliem bija TR = 9400 ms, TE = 83 ms un redzes lauks (FOV) = 256 mm ar iegūšanas matricu 128 × 128 un šķēles biezumu 2 mm, lai iegūtu 2 × 2 × 2 mm3 izotropiski vokseļi.

2.4. fMRI apstrāde

2.4.1. Strukturālā (pelēkās vielas) segmentācija un sadalīšana

T1 attēla segmentācija un reģionālā sadalīšana tika veikta, izmantojot FreeSurfer (Dale et al., 1999; Fischl et al., 1999, 2002) pēc nomenklatūras, kas aprakstīta. \ t Destrieux et al. (2010). Katrai smadzeņu puslodei papildus 74 subkortikālo struktūru un smadzeņu apzīmējumam tika iezīmēts 7 divpusējo kortikālo struktūru komplekts. Parauga subjekta segmentācijas rezultāti ir parādīti Fig. 2A. Viena papildu viduslīnijas struktūra (smadzeņu kāts, kas ietver vidus smadzeņu daļas, piemēram, ventrālo tegmentālo zonu [VTA] un materiālo nigru) tika iekļauta arī pilnai 165 fragmentu kopai visai smadzenei. Četri reprezentatīvi morfoloģiskie pasākumi tika aprēķināti katrai dzemdes kakla daļai: pelēkās vielas tilpums (GMV), virsmas laukums (SA), garozas biezums (CT) un vidējais izliekums (MC). Datu apstrādes darbplūsmas tika izstrādātas un ieviestas Neiromaging (LONI) cauruļvada laboratorijā (http://pipeline.loni.usc.edu).

Fig. 2 

A. Strukturālā segmentācija un sadalīšanās rezultāti un B. baltās vielas šķiedras rezultāti, kas saistīti ar strukturālām atdalēm no parauga subjekta. A: Strukturālā segmentācija. B: Baltās vielas segmentācija.

2.4.2. Anatomiskā savienojamība (balta viela)

Difūzijas svērtie attēli (DWI) tika koriģēti kustībai un tika izmantoti, lai aprēķinātu difūzijas tenzorus, kas bija rotācijas kārtībā orientēti uz katru vokseli. Difūzijas tenzora attēlus pārkārtoja, balstoties uz log-transformēto tenzoru trilinear interpolāciju, kā aprakstīts Chiang et al. (Chiang et al., 2011) un atkārtoti ņemts līdz izotropiskai voksela izšķirtspējai (2 × 2 × 2 mm3). Datu apstrādes darbplūsmas tika izveidotas, izmantojot LONI cauruļvadu.

Balto vielu savienojamība katram objektam tika novērtēta starp 165 smadzeņu reģioniem, kas identificēti strukturālos attēlos (2B) izmantojot DTI šķiedru traktogrāfiju. Traktogrāfija tika veikta, izmantojot Fiber Assignment ar nepārtrauktas izsekošanas (FACT) algoritmu (Mori et al., 1999), izmantojot TrackVis (http://trackvis.org) (Irimia et al., 2012). Galīgo novērtējumu par baltās vielas savienojamību starp katru no smadzeņu reģioniem noteica, pamatojoties uz šķiedru traktu skaitu, kas krustojas katrā reģionā, normalizējot kopējo šķiedru traktu skaitu visā smadzenēs. Pēc tam šo informāciju izmantoja turpmākai klasifikācijai.

2.5. Nelieli daļēji mazāk kvadrātu - diskriminējoša analīze (sPLS-DA)

Lai noteiktu, vai smadzeņu marķierus var izmantot, lai prognozētu augstu ĶMI statusu (liekais svars salīdzinājumā ar normālo svaru), mēs izmantojām sPLS-DA. sPLS-DA ir reta PLS regresijas forma, bet atbildes mainīgais ir kategorisks, norādot uz dalību grupā (Lê Cao, 2008a; Lê Cao et al., 2009b, 2011). ir pierādīts, ka sPLS-DA ir īpaši efektīva ar lielu skaitu prognozētāju, nelielu paraugu lielumu un augstu prognožu saikni (Lê Cao, 2008a; Lê Cao et al., 2009b, 2011). sPLS palielina paraugu kovariāciju starp smadzeņu pasākumiem un grupas atšķirības kontrastu. sPLS vienlaicīgi veic mainīgu izvēli un klasifikāciju, izmantojot lāzera sodu (Lê Cao et al., 2009a). sPLS-DA darbojas, izmantojot uzraudzītu sistēmu, kas veido lineāras prognozes, kas balstītas uz klases dalību. sPLS-DA samazina datu dimensiju, atrodot ortogonālu komponentu kopumu, kas sastāv no izvēlētajām iezīmju kopām vai mainīgajiem. Komponentus sauc par smadzeņu parakstiem. Katram mainīgajam, kas satur smadzeņu parakstu, ir saistīta “iekraušana”, kas ir mainīgo lieluma relatīvā nozīme diskriminācijā abās grupās (Lê Cao et al., 2008b). Turklāt tika aprēķināti mainīgās nozīmes projekcijas (VIP) rādītāji, lai novērtētu katra PLS modelī izmantotā mainīgā lieluma nozīmi. VIP rezultāts ir slodzes svērtā summa, kas ņem vērā katra paraksta izskaidrojumu. Vidējo kvadrātu VIP punktu skaits ir vienāds ar 1. Klasifikācijai īpaši svarīgas tiek uzskatītas prognozes ar VIP koeficientiem, kas ir lielāki par vienu.Lê Cao et al., 2008b).

2.5.1. Jutīgā modeļa izstrāde

Katras analīzes smadzeņu parakstu skaits tika noteikts divos (Lê Cao et al., 2008b). stabilitātes analīze tika izmantots, lai noteiktu optimālo smadzeņu reģionu skaitu katram smadzeņu parakstam (Lê Cao et al., 2011). Pirmkārt, sPLS-DA tiek piemērots dažādiem mainīgajiem lielumiem - 5 – 200, kas jāizvēlas katram no abiem smadzeņu parakstiem. Katram parametru skaitam, kas jāizvēlas, tiek veikta 10 reizes krustojuma validācija, kas atkārtojas 100 reizes. Šī savstarpējās apstiprināšanas procedūra sadala apmācības datus 10 krokās vai datu apakšparaugos (n = 12 testa komplekti). Kā testa datus tiek atstāts viens apakšparaugs, un pārējie apakšparaugi tiek izmantoti modeļa apmācībai. Mainīgo lielumu stabilitāti nosaka, aprēķinot konkrētā mainīgā lieluma atlases reižu skaitu visos savstarpējās validācijas posmos. Galīgā modeļa izstrādei tika izmantoti tikai smadzeņu mainīgie, kuru stabilitāte pārsniedz 80%.

2.6. Statistiskās analīzes

2.6.1. Nelieli daļēji mazāk kvadrātu - diskriminējoša analīze (sPLS-DA)

sPLS-DA tika veikta, izmantojot R paketes mixOmics (http://www.R-project.org). Mēs pārbaudījām smadzeņu morfometrijas un DTI anatomiskās savienojamības prognozēšanas spēju atsevišķi. Papildus reģionālai smadzeņu morfometrijai vai reģionālajai anatomiskajai savienībai, vecums un kopējais GMV tika iekļauti kā iespējamie prognozētāji. Iegūtie morfoloģiskie dati modelī tika ievadīti GMV, SA, CT un MC pasākumi. Iegūtie DTI anatomiskās savienojamības dati subjektīvās matricas, kas indeksē relatīvo šķiedru blīvumu starp 165 reģioniem, tika pārveidotas par 1 dimensiju matricām, kas satur unikālus 13,530 savienojumus (augšējais trijstūris no sākotnējās matricas). Pēc tam šīs matricas tika sajauktas subjektiem un ievadītas sPLS-DA. Kā sākotnējais datu samazināšanas solis tika izslēgti gandrīz nulles dispersijas prognozētāji, un tas radīja 369 atlikušos savienojumus. Smadzeņu paraksti tika apkopoti, izmantojot mainīgās slodzes uz atsevišķiem izmēriem un VIP koeficientiem. Mēs izmantojam arī grafiskos displejus, lai ilustrētu algoritmu diskriminējošās spējas (Lê Cao et al., 2011). Galīgo modeļu prognozēšanas spējas tika novērtētas, atstājot vienu no tām savstarpēji apstiprinošu. Mēs aprēķinājām arī bināro klasifikācijas pasākumus: jutību, specifiskumu, pozitīvo paredzamo vērtību (PPV) un negatīvo paredzamo vērtību (NPV). Šeit jutīgums indeksē klasifikācijas algoritma spēju pareizi identificēt liekā svara indivīdus. Specifiskums atspoguļo klasifikācijas algoritma spēju pareizi identificēt indivīdus ar normālu svaru. PPV atspoguļo parauga īpatsvaru, kas parāda specifisko pārmērīgu smadzeņu parakstu no klasifikācijas algoritma un kas faktiski ir liekais svars (patiesais pozitīvs). No otras puses, NPV ir varbūtība, ka tad, ja testa rezultāts ir negatīvs, ti, dalībniekam nav īpaša smadzeņu apzīmējuma (patiesa negatīva).

2.6.2. Parauga īpašības

Statistiskās analīzes tika veiktas, izmantojot Sociālo zinātņu statistisko paketi (SPSS) (19 versija). Grupu atšķirības uzvedības rādītāju rādītājos tika novērtētas, pielietojot dispersijas analīzi (ANOVA). Nozīme tika ņemta vērā p <, 05 nav labots.

3.0. Rezultāti

3.1. Parauga īpašības

Kopējais paraugs (N = 120) bija 63 indivīdi ar lieko svaru (sievietes = 32, vīrieši = 31), vidējais vecums = 28.77 gadi, SD = 9.76 un 57 cilvēki ar normālu svaru (sievietes = 32, vīrieši = 25), vidējais vecums = 27.13 gadi, SD = 9.62. Lai arī liekā svara grupā parasti bija augstāks trauksmes un depresijas līmenis, būtiskas grupas atšķirības nebijaF = .642, p =, 425; F = .001, p = .980). Parauga klīniskās īpašības ir apkopotas Tabula 1.

Tabula 1 

Parauga īpašības.

3.2. Daudzfaktoru rakstu analīze, izmantojot sPLS-DA

3.2.1. Anatomiskās savienojamības (baltās vielas) klasifikācija

Mēs pārbaudījām, vai smadzeņu anatomisko savienojumu balto vielu var izmantot, lai diskriminētu ķermeņa masas indivīdus no indivīdiem. Fig. 3A attēlo indivīdus no parauga, kas attēloti saistībā ar abiem smadzeņu parakstiem, un attēlo baltās vielas klasifikatora diskriminējošās spējas. Bināri klasifikācijas pasākumi tika aprēķināti un norādīja uz 97% jutību, 87% specifiskumu, 88% PPV un 96% NPV. Tabula 2 ietver stabilu balto vielu savienojumu sarakstu, kas ietver katru diskriminējošu smadzeņu parakstu kopā ar mainīgajām slodzēm un VIP koeficientiem.

Fig. 3 

A. Klasifikators, kas balstīts uz šķiedru blīvumu (balto vielu). B. Klasifikators, kas balstīts uz pelēkās vielas morfoloģiju. A: attēlo šķiedru blīvuma (baltās vielas) klasifikatora diskriminējošās spējas. B: attēlo pelēkās vielas klasifikatora diskriminējošās spējas. ...
Tabula 2 

Anatomisko savienojumu saraksts, kas ietver katru diskriminējošu smadzeņu parakstu.

3.2.2. Anatomiskās savienojamības smadzeņu paraksts 1

Pirmais smadzeņu signāls veido 63% no dispersijas. Kā norādīts VIP koeficientos, mainīgie lielumi risinājumā, kas izskaidro vislielāko variantu iekļauto 1) savienojumus starp atlīdzības tīkla reģioniem (putamen, pallidum, smadzeņu šūnas [ieskaitot vidus smadzeņu reģionus, piemēram, VTA un substia nigra]) ar izpildvaras reģioniem. kontrole (precuneus, kas ir daļa no aizmugurējās parietālās garozas), sāpīgums (priekšējais insula), emocionālais uzbudinājums (ventromedial prefrontal cortex) un somatosensorie (postentrālie gyrus) tīkli; 2) emocionālā uzbudinājuma tīkla reģioni (priekšējā vidusceļojošā garoza, ventromedial prefrontālā garoza) ar reģioniem, kuros ir piesaistes (priekšējais insula) un somatosensorais (paracentrālais lobuss, ieskaitot papildu motoru garozu) tīkli; un 3) talamus ar vidējo okcipitālo gyrus un talamu ar izpildvaras kontroles tīkla reģionu (dorsālo sānu prefrontālo garozu).

Salīdzinot ar parasto svara grupu, liekais svars bija lielāks savienojums no atalgojuma tīkla (putamen, pallidum, brainstem) reģioniem līdz izpildvaras kontroles tīklam (aizmugurējā parietālā garozā) un no putamen līdz emocionālā uzbudinājuma tīkla inhibējošajai daļai ( ventromedial prefrontal cortex) un somatosensorālā tīkla reģioniem (post-centrālā gyrus un posterior insula). Zemāka savienojamība tika novērota liekā svara grupā reģionos no emocionālā uzbudinājuma tīkla (ventromedial prefrontal cortex) līdz pievilcības tīklam (priekšējais insula), bet lielāks savienojums liekā svara grupā no reģioniem no emocionālā uzbudinājuma tīkla (ventromedial prefrontal cortex) līdz somatosensorālais tīkls (posterior insula). Zemāka savienojamība tika novērota arī liekā svara grupā, kas savieno somatosensorisko (paracentrālo lobulu) ar priekšējo midčuciālo garozu, bet augstāku savienojumu no paracentrālās cilpas ar subparietālo sulku (daļa no somatosensorālā tīkla). Aplūkojot talamiskos savienojumus, zemāks pieslēgums bija vērojams no talamusa līdz muguras sānu sānu prefrontālās garozas (izpildvaras kontroles tīklam) un vidējā astes kakla girola gadījumā, salīdzinot ar parastiem svariem.

3.2.3. Anatomiskās savienojamības smadzeņu paraksts 2

Otrais identificētais anatomiskais smadzeņu apzīmējums veidoja papildu 12% no datu dispersijas. Mainīgie lielumi, kas sniedz vislielāko dispersiju grupas diskriminācijai, kā to norāda VIP koeficients, ietvēra savienojumus atalgojuma reģionos (putamen, orbitālais sulci, kas ir orbitālās frontālās girusa daļa, un smadzeņu stadiju) un emocionālo uzbudinājumu (gyrus rectus, kas ir mediāls). daļa no ventromedial prefrontal cortex) tīkliem.

In liekā svara indivīdiem, salīdzinot ar normālu svaru indivīdiem, tika novērota lielāka savienojamība starp atalgojuma tīkla reģioniem (galvas smadzeņu un putamen) gan ar izpildvaras kontroli (dorālo sānu prefrontālo garozu), gan emocionālās aromāta (ventromedial prefrontal cortex) inhibējošo daļu. Tomēr savienojums starp astes galvu orbitālās frontālās gyrus (atalgojuma tīkls) bija mazāks, salīdzinot ar parastu svaru indivīdiem.

3.2.4. Morfometriskā klasifikācija pēc pelēkās vielas

Mēs pārbaudījām, vai smadzeņu morfometriju (pelēkās vielas tilpums, virsmas laukums, garozas biezums un vidējais izliekums) varētu izmantot, lai diskriminētu ķermeņa masas indivīdus no indivīdiem. Fig. 3B attēlo indivīdus no parauga, kas attēloti saistībā ar abiem smadzeņu parakstiem, un attēlo morfometriskā klasifikatora diskriminējošās spējas. Bināri klasifikācijas pasākumi tika aprēķināti un norādīja uz 69% jutību, 63% specifiskumu, 66% PPV un 66% NPV. Tabula 3 ietver morfometrisko pasākumu sarakstu, kas ietver katru diskriminējošo, kā arī mainīgo slodzi un VIP koeficientus.

Tabula 3 

Reģionālais morfometrija, kas ietver katru smadzeņu parakstu.

3.2.5. Morfoloģiski pamatots smadzeņu paraksts 1

Pirmais smadzeņu signāls izskaidroja 23% no morfometrisko fenotipu datu mainīguma. Kā redzams VIP koeficientos, mainīgie lielumi, kas dod vislielāko atšķirību pret parakstu, ietvēra atlīdzības reģionus (orbitālās frontālās girusa apakšreģionus), īpašību (priekšējā insula), izpildvaras kontroli (muguras sānu prefrontālo garozu), emocionālo uzbudinājumu (ventromedial prefrontal cortex). ) un somatosensorās (precentrālās sulcus, supramarginal gyrus, subentrālās sulcus, superior frontal sulcus) tīkli. Augsti VIP koeficienti tika novēroti arī priekšējā frontālā gūza un sulcus, augstākā laika gūra, šķērsvirziena frontopolārā gyri un priekšējā šķērsvirziena īslaicīgā gyrus gadījumā. Tika piesaistīti atalgojuma reģioni, pievilcība, izpildvaras kontrole un emocionālie uzbudinājuma tīkli pazemināt vērtības ķermeņa masas pārsvarā salīdzinājumā ar indivīdiem ar normālu svaru. Arī lieko svaru indivīdiem, salīdzinot ar parastu svaru, bija lielāka vērtības somatosensorālā tīkla reģionos. Morfometrija, kas saistīta ar frontāliem un laikiem reģioniem (augstākā laika gūra un priekšējā šķērsvirziena īslaicīgā gyrus), bija saistīta arī ar pazemināt vērtības ķermeņa masas pārsvarā salīdzinājumā ar indivīdiem ar normālu svaru.

3.2.6. Morfoloģiski pamatots smadzeņu paraksts 2

Otrais morfoloģiskais smadzeņu signāls izskaidroja 32% no dispersijas. Mainīgie lielumi ar augstākajiem VIP koeficientiem bija līdzīgi VIP koeficientiem, kas tika novēroti smadzeņu parakstā 1, jo tie ietvēra atlīdzības reģionus (caudāts), īpašību (priekšējā insula), izpildvaras kontroli (aizmugurējās parietālās garozas daļas), emocionālo uzbudinājumu (parahipokampāls). gyrus, subgenual anterior cingulate garoza un priekšējā cingulārā garoza) un somatosensorālie (posteriori insula un paracentrālie lobule) tīkli. Tomēr smadzeņu parakstam 2, salīdzinot ar smadzeņu parakstu 1, bija tikai viens savienojums no atalgojuma tīkla un vairāk savienojumu no reģioniem, kuros valda jutība un emocionālie uzbudinājuma tīkli.

Tiem, kam ir liekais svars, salīdzinot ar indivīdiem ar \ t pazemināt vērtības morfometrijai atalgojumā, spilgtumā, izpildvaras kontrolē un emocionālajos uzbudinājuma tīklos, bet augstāks vērtības tika norādītas somatosensorālajā tīklā.

4.0. Diskusija

Šā pētījuma mērķis bija noteikt, vai smadzeņu savienojuma morfoloģiskie un anatomiskie modeļi (pamatojoties uz šķiedru blīvumu starp konkrētiem smadzeņu reģioniem) var diskriminēt ķermeņa masas indivīdus no indivīdiem. Galvenie konstatējumi ir: 1. Anatomiskā savienojamība (relatīvais baltās vielas trakta blīvums starp reģioniem) varēja diskriminēt subjekti ar atšķirīgu ĶMI ar augstu jutību (97%) un specifiskumu (87%). 2. Turpretī morfoloģiskās izmaiņas pelēkā vielā bija mazākas par optimālo klasifikācijas precizitāti. 3. Daudzi no smadzeņu reģioniem, kas ietver diskriminējošos smadzeņu parakstus, piederēja plašākam atalgojumam, spilgtumam, centrālajam izpildvaras un emocionālajam satraukuma tīklam, kas liecināja, ka novērotie funkcionālie traucējumi radušies neparastas šo tīklu organizācijas dēļ.

4.1. Ar BMI saistītie anatomiskie savienojumi balstīti smadzeņu paraksti

Šajā pētījumā klasifikācijas algoritms, kas sastāv no diviem smadzeņu parakstiem, kas atspoguļo atšķirīgus reģiona savienojumu modeļus, parādīja ievērojamu spēju diskriminēt cilvēkus ar lieko svaru un normālu svaru. Lielākā daļa DTI pētījumu ar augstiem ĶMI indivīdiem (Shott et al., 2014; Staneks et al., 2011; Xu et al., 2013; Yau et al., 2010, 2014) ir koncentrējušies uz baltās vielas difūzijas raksturlielumu atšķirību pārbaudi, ieskaitot daļēju anizotropiju un vidējo difūziju (kas mēra baltās vielas trakta integritāti) vai redzamās difūzijas koeficientus (kas mēra ūdens difūziju sliežu ceļos un atspoguļo šūnu bojājumus). Visi šie pasākumi var sniegt informāciju par lokālām baltās vielas mikrostruktūras izmaiņām. Šajā pētījumā mēs esam koncentrējušies uz šķiedru trakta blīvuma DTI mērījumiem, lai novērtētu relatīvo savienojumu starp smadzeņu reģioniem un tīkliem. Tātad, lai gan citos pētījumos ir lokalizētas izmaiņas baltās vielas mikrostruktūrā, tās nav identificējušas šo izmaiņu ietekmi uz savienojamību.

4.1.1. Anatomiskās savienojamības smadzeņu paraksts 1

Pirmo smadzeņu parakstu lielā mērā veidoja savienojumi, kas bija atkarīgi no atlīdzības, slavenības, izpildvaras kontroles, emocionālās uzbudinājuma un jutekļu tīkliem. Bija arī talamiskie savienojumi ar izpildvaras kontroles tīkla reģioniem un pakauša reģionu. Atbilstoši mūsu konstatējumam par samazinātu savienojumu skaitu no ventromedial prefrontālās garozas līdz priekšējā insulai, kas novērota liekā svara grupā, salīdzinot ar parasto svara grupu, samazinās balto vielu kopu integritāte (samazināta frakcionētā anizotropija) ārējā kapsulā (kas satur šķiedras, kas savieno aptaukošanās zonā uz citām zarnu trakta zonām, izmantojot īsās asociācijas šķiedras), ir ziņots par aptaukošanos, salīdzinot ar kontroles \ tShott et al., 2014). Bez tam aptaukošanās gadījumā, salīdzinot ar kontrolēm, šķietamais difūzijas koeficients (ūdens difūzija, kas atspoguļo šūnu bojājumus) bija lielāks sagitālajā stratā (kas ir zināms, ka pārraida informāciju no parietāliem, okcipitaliem, cingulāriem un laika reģioniem uz talamu), un var būt konsekventa ar mūsu novērojumiem par zemāku savienojamību starp labo talamu un labo vidējo astes kakliņu, kas ir lieko svaru cilvēkiem, salīdzinot ar indivīdiem ar normālu svaru (Shott et al., 2014). Shott un kolēģi (Shott et al., 2014) identificēja arī lielākus šķietamos difūzijas koeficientus (atspoguļojot iespējamos šūnu bojājumus) koronārā radiata aptaukošanās grupā, kas, šķiet, papildina mūsu secinājumus par zemāku relatīvo šķiedru blīvumu starp dziļajām pelēkās vielas struktūrām (piemēram, talāmu) un garozas zonām (muguras sānu prefronta garozā) indivīdiem ar lieko svaru salīdzinājumā ar indivīdiem ar normālu svaru. Mainīta talamijas savienojamība var traucēt talāmu lomu, veicinot perifērās maņu informācijas nodošanu garozai (Jang et al., 2014).

Atsevišķā pētījumā, kurā salīdzināja nekomplicētus pusaudžu aptaukošanās ar normālu svaru, konstatēts, ka aptaukošanās pusaudžiem samazināta daļēja anizotropija tādos reģionos kā ārējā kapsula, iekšējā kapsula (kas pārsvarā ved uz augšu un dilstoši kortikosterinālās līnijas), kā arī dažas īslaicīgas šķiedras un optiskais starojums (Yau et al., 2014). Nesenā pētījumā tika novērots arī nervu šķiedru savienojumu ar DTI zudums starp smadzeņu un hipotalāmu indivīdam ar smadzeņu cirkernomu, kam pēc ķirurģiskās drenāžas bija ievērojams svara pieaugums, kas var liecināt, ka šīs nervu šķiedras ir iesaistītas regulējumā. gan no uztura, gan svara (Purnell et al., 2014). Tomēr mēs neesam identificējuši savienojamības atšķirības ar hipotalāmu, kas daļēji var būt saistīts ar atcelšanas ierobežojumiem, kas balstīti uz konkrētajiem šajā pētījumā izmantotajiem atlantiem.

4.1.2. Anatomiskās savienojamības smadzeņu paraksts 2

Otro ortogonālo parakstu veidoja tikai trīs anatomiski savienojumi atalgojuma un emocionālajos uzbudinājuma tīklos. Iepriekš nav ziņots par mainītu savienojumu noteikšanu reģionos, kuros ietilpst atlīdzības tīkls un reģioni tīklos, ar kuriem tā sadarbojas pašreizējā pētījumā. Tomēr šīs izmaiņas var sagaidīt, pamatojoties uz nesen veiktajiem morfoloģiskajiem pētījumiem, kas ir novērojuši pelēkās vielas izmaiņas paplašinātā atlīdzības tīkla reģionos (Kenny, 2011; Kurth et al., 2013; Raji et al., 2010; Volkow et al., 2008). Kopumā mūsu secinājumi liecina, ka reģionos, kas ietver atlīdzības tīklu un ar to saistītos tīklus, notiek plašas izmaiņas baltās vielas savienojamībā.

Kaut arī citi pētījumi ir konstatējuši samazinātu šķiedru integritāti, ko mēra ar samazinātu frakcionētu anizotropiju corpus callosum un fornix reģionos (kas ir daļa no cipulāta un veic informāciju no hipokampusa uz hipotalāmu), palielinoties ĶMI (Staneks et al., 2011; Xu et al., 2013); pašreizējā pētījumā netika konstatētas būtiskas izmaiņas starpdaļfāzu savienojamībā abu anatomisko savienojumu smadzeņu parakstos. Izņēmums bija tas, ka starp kreiso paracentrālo lobuli un labo subparietālo sulku bija saistīts smadzeņu paraksts 1, un saikne starp labo putamenu un kreiso gyrus rectus smadzeņu parakstā 2. Mēs hipotētiski, ka šajos iepriekšējos pētījumos novērotā iedarbība var būt saistīta ar sistēmisku baltās vielas degradāciju, nevis izmaiņām specifiskos smadzeņu reģionos, līdzīgi kā izmaiņas, kas rodas normālas novecošanas laikā (Sullivan et al., 2010). Lai gan šo iepriekšējo pētījumu autori apgalvoja, ka atšķirības anizotropijas frakcionētajā ārējā kapsulā ar augstu ĶMI var korelēt ar hipokampusa un amigdalas savienojumiem, mēs neievērojām būtiskas izmaiņas šajās struktūrās. Lai apstiprinātu šos novērojumus, ir nepieciešama sīkāka šo smadzeņu reģionu analīze un sīkāka sadalīšana.

4.2. Morfometriski pelēkās vielas smadzeņu paraksti, kas saistīti ar ĶMI

Pelēkās vielas morfometriskā analīze, izmantojot divus atšķirīgus profilus, varēja pareizi identificēt ķermeņa svaru no normālā svara indivīdiem ar 69% jutību un 63% specifiku. Šie konstatējumi atbilst iepriekšējiem ziņojumiem par globālo un reģionālo pelēkās vielas apjoma samazinājumu konkrētos smadzeņu reģionos, kas saistīti ar atalgojuma tīklu un saistītajiem tīkliem (Debette et al., 2010; Kenny, 2011; Kurth et al., 2013; Pannacciulli et al., 2006; Raji et al., 2010). Atšķirībā no klasifikācijas, kas balstīta uz DTI, šie rezultāti liecina par mērenu spēju diskriminēt abas BMI grupas.

4.2.1. Morfoloģiski pamatots smadzeņu paraksts 1

Mūsu pētījumā pirmais smadzeņu signāls parādīja zemākas dažādu morfometrisko rādītāju vērtības (ieskaitot orbitālās frontālās girusa apakšreģionus, priekšējo insulāciju) atalgojuma, sāpīguma un izpildvaras kontroles tīklu reģionos, salīdzinot ar parasto svara grupu. Bez tam tika novērotas zemākas vērtības morfometriskās vērtības inhibējošiem reģioniem (muguras sānu un ventromedial prefrontālās garozas), kas saistītas ar emocionālo uzbudinājuma tīklu, bet augstāku morfometriju somatosensoram tīklam (precentrālais sulcus, supramarginālais gūzs, subentrālais sulcus un augstāks frontālais sulcus), ieskaitot laika reģionos ar lieko svaru, salīdzinot ar indivīdiem ar normālu svaru. Šajā pētījumā konstatēts, ka orbitālās frontālās gyrus morfoloģiskie mērījumi (pelēkās vielas tilpums un kortikālais biezums) ir ievērojami samazinājušies. Orbitālais frontālais gyrus ir svarīgs reģions atlīdzības tīklā, kam ir nozīme novērtējošā apstrādē un turpmākās rīcības vadībā un lēmumos, kas balstīti uz kodēšanas gaidīšanu saistībā ar atlīdzību (Kahnt et al., 2010). Nesenā pētījumā, kurā tika analizēta pelēkās un baltās vielas struktūra, konstatēts, ka aptaukošanās indivīdiem bija pazeminātas vērtības dažādos reģionos, tostarp orbitālās frontālās gyrus (Shott et al., 2014).

4.2.2. Morfoloģiski pamatots smadzeņu paraksts 2

Salīdzinot ar smadzeņu parakstu 1, morfoloģiskie mērījumi, kas tika novēroti sāncenšu un emocionālo uzbudinājuma tīklu reģionos, izskaidroja lielāko dispersijas daļu, bet atalgojuma tīkla reģioni nebija ietekmīgi. Samazinātas pelēkās vielas mērījumi tika novēroti reģionos, kuros valda sirdsdarbība, izpildvaras kontrole un emocionālais uzbudinājuma tīkls. Šie reģioni (priekšējie insula, parietālā posteriora garoza, parahipokampālais giruss, priekšējās cingulārās garozas apakšreģioni) bieži ir saistīti ar paaugstinātu smadzeņu darbības aktivitāti pārtikas produktu iedarbības laikā (Brooks et al., 2013; Greenberg et al., 2006; Rothemund et al., 2007; Shott et al., 2014; Stoeckel et al., 2008) un stimulu personīgās nozīmes pakāpe (Critchley et al., 2011; Seeley et al., 2007a). Šajā pētījumā pelēkās vielas samazināšanās tika novērota arī somatosensorālā tīkla galvenajos reģionos (aizmugurējā insula, paracentrālā lobule). Lai gan šī tīkla īstā loma liekā svara un aptaukošanās jomā nav zināma, ir pierādīts, ka tas ir iesaistīts ķermeņa sajūtu izpratnē, un nesen veikts pētījums liecina, ka paaugstināta somatosensorālā tīkla aktivitāte, reaģējot uz uztura norādēm aptaukošanās indivīdiem, var novest pie pārēšanās (Stice et al., 2011). Šajā pētījumā īpaša uzmanība tika pievērsta morfoloģiskajiem mērījumiem un anatomiskām saitēm starp smadzeņu reģioniem paplašinātajā atalgojuma tīklā un somatosensorālajā tīklā, un ierosināts, ka šīs smadzeņu strukturālās metrikas var ietekmēt neironu apstrādi, kas saistīta ar literatūrā atrasto funkcionālo pētījumu rezultātiem. Korelācijas ar uzvedības un vides faktoriem arī sniedz papildu ieskatu par strukturālo un funkcionālo atziņu saikni, kas būs jāpārbauda turpmākajos pētījumos.

4.3. Daudzfaktoru modeļu analīžu izmantošana, izmantojot sPLS-DA, lai diskriminētu ķermeņa svaru un normālu svaru

Iegūtie rezultāti par ĶMI saistītām izmaiņām šķiedru blīvumā starp dažādiem smadzeņu tīkliem paplašinātajā atalgojuma tīklā atbalsta hipotēzi, ka ĶMI palielināšanās izraisa anatomiskas savienojamības traucējumus starp specifiskiem smadzeņu reģioniem. Šīs anatomiskās izmaiņas var nozīmēt neefektīvu vai neefektīvu komunikāciju starp atalgojuma tīkla galvenajiem reģioniem un saistītiem tīkliem. Līdzīgi kā vairākos jaunos ziņojumos, kuros ir konstatētas liekā svara un aptaukošanās izmaiņas pelēkās vielas apjomā (Debette et al., 2010; Kurth et al., 2013; Pannacciulli et al., 2006; Raji et al., 2010), mēs varējām arī atrast līdzīgas morfoloģiskās atšķirības lieko svaru salīdzinājumā ar indivīdiem ar normālu svaru. Šajā pētījumā mēs paplašinājām šos novērojumus, lai izpētītu saistību starp smadzeņu liekā svara statusu un anatomisko savienojumu, un pielietojām sPLS-DA uz smadzeņu morfometriskajiem datiem, lai diskriminētu liekā svara un normālā svara subjekti. Nesenais šķērsgriezuma pētījums, izmantojot bināro loģistisko regresiju, liecina, ka strukturālo izmaiņu kombinācija sānu orbitālajā frontālajā girolā, ko mēra ar pelēkās vielas tilpumu, un iekaisuma marķiera (fibrinogēna) līmenis asinīs varēja paredzēt aptaukošanos nelielā mērogā. 19 normālā svara un 44 lieko svara / aptaukošanās pacientu paraugs; ar augstu jutību (95.5%), bet zemu specifiskumu (31.6%) (Cazettes et al., 2011). Mūsu pētījums atšķiras no šī ziņojuma vairākos aspektos, ieskaitot lielāku izlases lielumu; izmantot savstarpējas apstiprināšanas pieeju, lai izvairītos no konkrēta parauga risinājuma, izslēgtu pacientus ar hipertensiju / cukura diabētu, lai novērstu iespējamu melioratoru, un gan pelēkās vielas tilpuma, gan šķiedru trakta blīvuma iekļaušanu, lai paredzētu liekā svara statusu.

4.4. Ierobežojumi

Lai gan mēs konstatējām būtiskas atšķirības starp indivīdiem ar normālu svaru un liekais svars šķiedru blīvumā, mēs nevaram ekstrapolēt no šiem anatomiskajiem konstatējumiem uz funkcionālās (atpūtas stāvokļa) savienojamības atšķirībām. Šādi funkcionālo savienojumu konstatējumi ļautu atklāt atšķirības smadzeņu darbības sinhronizācijā jomās, kuras nav tieši saistītas ar balto vielu klātbūtni. Lai gan mēs atkārtojām iepriekš paziņotos konstatējumus par anatomisko savienojamību un morfoloģiskajām atšķirībām starp lieko svaru / aptaukošanos un normālu ĶMI (Kurth et al., 2013; Raji et al., 2010), mēs nespējām novērot izmaiņas nozīmīgos subkortu reģionos hipotalāmu, amigdalu un hipokampu. Iespējams, ka šī neveiksme varēja būt saistīta ar šajā pētījumā izmantoto automātisko sadalīšanas algoritmu ierobežojumiem vai analīzēm, kas attiecās tikai uz cilvēkiem ar lieko svaru, salīdzinot ar aptaukošanos. Turpmākiem pētījumiem būtu vajadzīgi lielāki paraugi, lai salīdzinātu aptaukošanās, liekā svara un normālas ķermeņa masas indivīdus, kā arī lai varētu veikt apakšgrupu analīzi, pamatojoties uz dzimumu un rasi. Mūsu salīdzinoši nelielā parauga dēļ mēs izmantojām stingru iekšējās apstiprināšanas procedūru, tomēr joprojām ir nepieciešams pārbaudīt šī klasifikatora paredzamo precizitāti neatkarīgā datu kopā (Bray et al., 2009). Turpmākajos pētījumos būtu jārisina šo neirofotogrāfisko atšķirību saistība ar īpašām ēšanas paradumiem, ēšanas preferencēm un uztura informāciju, lai interpretētu šo rezultātu kontekstu un nozīmīgumu. Tā kā aptaukošanās un liekā svara stāvoklis bieži ir saistīts ar līdzīgām slimībām, piemēram, hipertensiju, diabētu un vielmaiņas sindromu, turpmākajās analīzēs būtu jāizpēta šo faktoru mazināšanas un korelācijas ietekme uz klasifikācijas algoritmu.

4.5. Kopsavilkums un secinājumi

Kopumā mūsu rezultāti apstiprina hipotēzi, ka liekais svars ir saistīts ar mainītu savienojumu (šķiedru blīvuma veidā) starp konkrētiem smadzeņu reģioniem, kas var nozīmēt neefektīvu vai neefektīvu komunikāciju starp šiem reģioniem. Jo īpaši prefrontālo inhibējošo smadzeņu reģionu samazināta savienojamība ar atlīdzības shēmu atbilst hedonisko mehānismu pārsvarai pārtikas uzņemšanas regulēšanā (Gunstad et al., 2006, 2007, 2008, 2010). Šo strukturālo pārmaiņu pamatā esošie mehānismi ir nepietiekami saprotami, bet tie var ietvert neiroinlamitrijas un neiroplastiskus procesus (Cazettes et al., 2011), kas saistīti ar zemas pakāpes iekaisuma stāvokli, par ko ziņots cilvēkiem ar \ tCazettes et al., 2011; Cox et al., 2014; Das, 2010; Gregor un Hotamisligil, 2011; Griffin, 2006). Datu virzītas pieejas, lai identificētu pelēko un baltās vielas izmaiņas liekais svars / aptaukošanās, ir daudzsološs līdzeklis, lai noteiktu centrālās korelācijas ar pieaugošo ĶMI, un tām ir potenciāls identificēt šī traucējuma neirobioloģiskos biomarkerus.

Autora iemaksas

Arpana Gupta: Studiju koncepcija un datu projektēšana, analīze un interpretācija, manuskripta izstrāde un pārskatīšana.

Emeran Mayer: Studiju koncepcija un dizains, manuskripta kritisks pārskats, manuskripta galīgās versijas apstiprināšana, finansējums.

Claudia San Miguel: Manuskripta, datu interpretācijas sagatavošana un kritiska pārskatīšana.

John Van Horn: Datu ģenerēšana, datu analīze.

Connor Fling: Datu analīze.

Aubrey Love: Datu analīze.

Davis Woodworth: Datu analīze.

Benjamin Ellingson: Manuskripta apskats.

Kirsten Tillisch: Manuskripta, finansējuma kritiskais pārskats.

Jennifer Labus: Studiju koncepcija un datu projektēšana, analīze un interpretācija, manuskripta sagatavošana un pārskatīšana, manuskripta galīgās versijas apstiprināšana, finansējums.

Interešu konflikti

Nav interešu konfliktu.

Finansējuma avots

Šo pētījumu daļēji atbalstīja valsts veselības institūtu dotācijas: R01 DK048351 (EAM), P50DK64539 (EAM), R01 AT007137 (KT), P30 DK041301, K08 DK071626 (JSL) un R03 DK084169 (JSL). Pilotu skenēšanu veica Ahmanson-Lovelace smadzeņu kartēšanas centrs, UCLA.

Atsauces

  • Bray S., Chang C., Hoeft F. Daudzfaktoru rakstu klasifikācijas analīžu pielietojums veselīgu un klīnisku populāciju attīstības neiromātikā. Priekšpuse. Hum. Neurosci. 2009; 3: 32. 19893761 [PubMed]
  • Brooks SJ, Cedernaes J., Schiöth HB Palielināta prefronta un parahipokampālā aktivācija ar samazinātu dorsolaterālo prefrontālo un salu garozas aktivāciju ar pārtiku aptaukošanās gadījumā: fMRI pētījumu meta-analīze. PLOS ONE. 2013, 8 (4): e60393. 23593210 [PubMed]
  • Calton MA, Vaisse C. Samazinot kopējo variantu lomu ģenētiskajā nosliece uz aptaukošanos. Genome Med. 2009, 1 (3): 31. 19341502 [PubMed]
  • Cazettes F., Cohen JI, Yau PL, Talbot H., Convit A. Aptaukošanās izraisītais iekaisums var kaitēt smadzeņu ķēdei, kas regulē uztura uzņemšanu. Brain Res. 2011; 1373: 101-109. 21146506 [PubMed]
  • Slimību kontroles centrs (CDC) liekais svars un aptaukošanās. 2014. I.
  • Chiang MC, Barysheva M., Toga AW, Medland SE, Hansell NK, James MR, McMahon KL, de Zubicaray GI, Martin NG, Wright MJ, Thompson PM BDNF gēnu ietekme uz smadzeņu shēmām, kas atkārtojas 455 dvīņos. Neuroimage. 2011;55(2):448–454. [PubMed]
  • Choquet H., Meyre D. Aptaukošanās ģenētika: ko mēs esam iemācījušies? Curr. Genomika. 2011;12(3):169–179. 22043165 [PubMed]
  • Connolly L., Coveleskie K., Kilpatrick LA, Labus JS, Ebrat B., Stains J., Jiang Z., Tillisch K., Raybould HE, Mayer EA Atšķirības smadzeņu reakcijās starp liesām un aptaukošanās sievietēm ar saldinātu dzērienu. Neurogastroenterols. Motil. 2013;25(7):579-e460. 23566308 [PubMed]
  • Cox AJ, West NP, Cripps AW Aptaukošanās, iekaisums un zarnu mikrobiota. Lancet Diabetes Endocrinol. 2014 25066177 [PubMed]
  • Critchley HD, Nagai Y., Grey MA, Mathias CJ Cilvēka autonomās kontroles asu atdalīšanas asis: ieskats no neirofotografēšanas. Auton. Neurosci. 2011;161(1–2):34–42. 20926356 [PubMed]
  • Dale AM, Fischl B., Sereno MI Kortikālā virsmas analīze. I. Segmentācija un virsmas rekonstrukcija. Neuroimage. 1999;9(2):179–194. 9931268 [PubMed]
  • ANO aptaukošanās: gēni, smadzenes, zarnas un vide. Uzturs. 2010;26(5):459–473. 20022465 [PubMed]
  • Debette S., Beiser A., ​​Hoffmann U., Decarli C., O'Donnell CJ, Massaro JM, Au R., Himali JJ, Volfs PA, Fokss CS, Sešadri S. Viscerālie tauki ir saistīti ar zemāku smadzeņu tilpumu veseliem pusmūža pieaugušie. Ann. Neurols. 2010;68(2):136–144. 20695006 [PubMed]
  • Destrieux C., Fischl B., Dale A., Halgren E. Cilvēka garozas un sulci automātiska sadalīšana, izmantojot standarta anatomisko nomenklatūru. Neuroimage. 2010;53(1):1–15. 20547229 [PubMed]
  • Dubois L., Ohm Kyvik K., Girard M., Tatone-Tokuda F., Pérusse D., Hjelmborg J., Skytthe A., Rasmussen F., Wright MJ, Lichtenstein P., Martin NG Ģenētiskais un vides ieguldījums svarā , augstums un ĶMI no dzimšanas līdz 19 gadiem: starptautisks pētījums par vairāk nekā 12,000 dvīņu pāriem. PLOS ONE. 2012, 7 (2): e30153. 22347368 [PubMed]
  • El-Sayed Moustafa JS, Froguel P. No aptaukošanās ģenētikas līdz individualizēta aptaukošanās terapijas nākotnei. Nat. Endokrinols. 2013;9(7):402–413. 23529041 [PubMed]
  • Finkelstein EA, Trogdon JG, Cohen JW, Dietz W. Ikgadējie medicīniskie izdevumi, kas attiecināmi uz aptaukošanos: maksātāju un pakalpojumu aprēķini. Veselības lieta (Millwood) 2009;28(5):w822–w831. 19635784 [PubMed]
  • Fischl B., Salat DH, Busa E., Albert M., Dieterich M., Haselgrove C., van der Kouwe A., Killiany R., Kennedy D., Klaveness S., Montillo A., Makris N., Rosen B., Dale AM ​​Visa smadzeņu segmentācija: automatizēta neuroanatomisko struktūru marķēšana cilvēka smadzenēs. Neirons. 2002;33(3):341–355. 11832223 [PubMed]
  • Fischl B., Sereno MI, Dale AM ​​Kortikālā virsmas analīze. II: inflācija, saplacināšana un virsmas koordinātu sistēma. Neuroimage. 1999;9(2):195–207. 9931269 [PubMed]
  • García-García I., Jurado M.Á, Garolera M., Segura B., Sala-Llonch R., Marqués-Iturria I., Pueyo R., Sender-Palacios MJ, Vernet-Vernet M., Narberhaus A., Ariza M., Junqué C. Aptaukošanās svarīguma tīkla izmaiņas: fMRI pētījums. Hum. Smadzenes Mapp. 2013;34(11):2786–2797. 22522963 [PubMed]
  • Greenberg JA, Boozer CN, Geliebter A. Kafija, diabēts un svara kontrole. Am. J. Clin. Nutr. 2006;84(4):682–693. 17023692 [PubMed]
  • Gregor MF, Hotamisligil GS Iekaisuma mehānismi aptaukošanās gadījumā. Annu. Immunol. 2011; 29: 415-445. 21219177 [PubMed]
  • Griffin WS iekaisums un neirodeģeneratīvas slimības. Am. J. Clin. Nutr. 2006;83(2):470S–474S. 16470015 [PubMed]
  • Gunstad J., Lhotsky A., Wendell CR, Ferrucci L., Zonderman AB Ilgstoša aptaukošanās un kognitīvās funkcijas pārbaude: rezultāti ir Baltimoras gareniskās novecošanās pētījumā. Neuroepidemioloģija. 2010;34(4):222–229. 20299802 [PubMed]
  • Gunstad J., Paul RH, Cohen RA, Tate DF, Gordon E. Aptaukošanās ir saistīta ar atmiņas deficītu jauniešiem un pusmūža pieaugušajiem. Ēd. Svars disord. 2006;11(1):e15–e19. 16801734 [PubMed]
  • Gunstad J., Paul RH, Cohen RA, Tate DF, Spitznagel MB, Gordon E. Paaugstināts ķermeņa masas indekss ir saistīts ar izpildvaras disfunkciju citādi veseliem pieaugušajiem. Kompr. Psihiatrija. 2007;48(1):57–61. 17145283 [PubMed]
  • Gunstad J., Spitznagel MB, Paul RH, Cohen RA, Kohn M., Luyster FS, Clark R., Williams LM, Gordon E. Ķermeņa masas indekss un neiropsiholoģiskā funkcija veseliem bērniem un pusaudžiem. Apetīte. 2008;50(2–3):246–251. 17761359 [PubMed]
  • Irimia A., Chambers MC, Torgerson CM, Van Horn JD Cilvēka kortikālo tīklu aprites attēlojums priekšmetu un iedzīvotāju līmeņa vizualizācijai. Neuroimage. 2012;60(2):1340–1351. 22305988 [PubMed]
  • Jang SH, Lim HW, Yeo SS Intralaminārā talamiskā kodola nervu savienojamība cilvēka smadzenēs: difūzijas tenzora traktogrāfijas pētījums. Neurosci. Lett. 2014; 579: 140-144. 25058432 [PubMed]
  • Kahnt T., Heinzle J., Park SQ, Haynes JD Cilvēka orbitofrontālās garozas atalgojuma gaidīšanas nervu kods. Proc. Natl. Acad. Sci. ASV. 2010;107(13):6010–6015. 20231475 [PubMed]
  • Kenny PJ Atlīdzības mehānismi aptaukošanās jomā: jauni ieskati un nākotnes virzieni. Neirons. 2011;69(4):664–679. 21338878 [PubMed]
  • Kilpatrick LA, Coveleskie K., Connolly L., Labus JS, Ebrat B., Stains J., Jiang Z., Suyenobu BY, Raybould HE, Tillisch K., Mayer EA Saharozes uzņemšanas ietekme uz smadzeņu un hipotalāmu iekšējiem svārstībām liesā un aptaukošanās sievietēm. Gastroenteroloģija. 2014;146(5):1212–1221. 24480616 [PubMed]
  • Kullmann S., Heni M., Veit R., Ketterer C., Schick F., Häring HU, Fritsche A., Preissl H. Aptaukošanās smadzenes: ķermeņa masas indeksa un insulīna jutības saistība ar atpūtas tīkla funkcionālo savienojumu. Hum. Smadzenes Mapp. 2012;33(5):1052–1061. 21520345 [PubMed]
  • Kurth F., Levitt JG, Phillips OR, Luders E., Woods RP, Mazziotta JC, Toga AW, Narr KL Attiecības starp pelēkām vielām, ķermeņa masas indeksu un vidukļa apkārtmēru veseliem pieaugušajiem. Hum. Smadzenes Mapp. 2013;34(7):1737–1746. 22419507 [PubMed]
  • Lê Cao KA, Boitard S., Besse P. Sparse PLS diskriminācijas analīze: bioloģiski nozīmīgas iezīmju izvēles un grafikas displeji daudzklases problēmām. BMC Bioinformātika. 2011; 12: 253. 21693065 [PubMed]
  • Lê Cao KA, González I., Déjean S. integrOmics: R pakete, lai izjauktu attiecības starp divām omikas datu kopām. BioInformātika. 2009;25(21):2855–2856. 19706745 [PubMed]
  • Lê Cao KA, Martin PG, Robert-Granié C., Besse P. Nelielās kanoniskās metodes bioloģisko datu integrācijai: pielietojums starpplatformu pētījumā. BMC Bioinformātika. 2009; 10: 34. 19171069 [PubMed]
  • Lê Cao KA, Rossouw D., Robert-Granié C., Besse P. Neliels PLS mainīgo atlasei, integrējot omiku datus. Stat. Appl. Genet. Mol. Biol. 2008, 7 (1): 35. 19049491 [PubMed]
  • Lê Cao KA, Rossouw D., Robert-Granié C., Besse P. Neliels PLS mainīgo atlasei, integrējot omiku datus. Stat. Appl. Genet. Mol. Biol. 2008, 7 (1): 35. 19049491 [PubMed]
  • Loveman E., Frampton GK, Shepherd J., Picot J., Cooper K., Bryant J., Welch K., Clegg A. Klīniskā efektivitāte un rentabilitāte ilgtermiņa svara pārvaldības sistēmām pieaugušajiem: sistemātisks pārskats . Veselības tehnoloģija. Novērtēt. 2011;15(2):1–182. 21247515 [PubMed]
  • Menon V., Uddin LQ Kvalitāte, pārslēgšana, uzmanība un kontrole: insula funkcijas tīkla modelis. Smadzeņu struktūra. Funkcija. 2010;214(5–6):655–667. 20512370 [PubMed]
  • Mori S., Crain BJ, Chacko VP, van Zijl PC Trīsdimensiju asinsvadu projekcijas smadzenēs, izmantojot magnētiskās rezonanses attēlveidošanu. Ann. Neurols. 1999;45(2):265–269. 9989633 [PubMed]
  • Morrow JD, Maren S., Robinson TE Individuālā variācija, kas vērsta uz motivējošu īpašību piesaistīšanu ēstgribai, paredz, ka ir tendence atvasināt motivējošu sajūtu aversīvam. Behav. Brain Res. 2011;220(1):238–243. 21316397 [PubMed]
  • Pannacciulli N., Del Parigi A., Chen K., Le DS, Reiman EM, Tataranni PA smadzeņu anomālijas cilvēka aptaukošanās gadījumā: vokseļa morfometriskais pētījums. Neuroimage. 2006;31(4):1419–1425. 16545583 [PubMed]
  • Purnell JQ, Lahna DL, Samuels MH, Rooney WD, Hoffman WF Pons-to-hypothalamic balto vielu dziesmu zudums smadzeņu aptaukošanās apstākļos. Int J Obes (Lond) 2014; 38: 1573-1577. 24727578 [PubMed]
  • Raji CA, Ho AJ, Parikshak NN, Becker JT, Lopez OL, Kuller LH, Hua X., Leow AD, Toga AW, Thompson PM smadzeņu struktūra un aptaukošanās. Hum. Smadzenes Mapp. 2010;31(3):353–364. 19662657 [PubMed]
  • Rothemund Y., Preuschhof C., Bohner G., Bauknecht HC, Klingebiel R., Flor H., Klapp BF Diferenciālā dorsālā striatuma aktivizēšana, izmantojot augstas kalorijas vizuālos pārtikas stimulus aptaukošanās indivīdiem. Neuroimage. 2007;37(2):410–421. 17566768 [PubMed]
  • Seeley WW, Menon V., Schatzberg AF, Keller J., Glover GH, Kenna H., Reiss AL, Greicius MD Nesadalāmie iekšējie savienojamības tīkli svarīguma apstrādei un izpildvaras kontrolei. J. Neurosci. 2007;27(9):2349–2356. 17329432 [PubMed]
  • Seeley WW, Menon V., Schatzberg AF, Keller J., Glover GH, Kenna H., Reiss AL, Greicius MD Nesadalāmie iekšējie savienojamības tīkli svarīguma apstrādei un izpildvaras kontrolei. J. Neurosci. 2007;27(9):2349–2356. 17329432 [PubMed]
  • Sheehan DV, Lecrubier Y., Sheehan KH, Amorim P., Janavs J., Weiller E., Hergueta T., Baker R., Dunbar GC Mini-International Neuropsichiatric Interview (MINI): strukturētas diagnostikas izstrāde un apstiprināšana psihiatriskā intervija DSM-IV un ICD-10. J. Clin. Psihiatrija. 1998;59(Suppl. 20):22–33. 9881538 [Viktorīna 34 – 57] [PubMed]
  • Shott ME, Cornier MA, Mittal VA, Pryor TL, Orr JM, Brown MS, Frank GK Orbitofrontālā garozas tilpums un smadzeņu atlīdzības reakcija aptaukošanās gadījumā. Int J Obes (Lond) 2014 25027223 [PMC bezmaksas raksts] [PubMed]
  • Stanek KM, Grieve SM, Brickman AM, Korgaonkar MS, Paul RH, Cohen RA, Gunstad JJ Aptaukošanās ir saistīta ar samazinātu balto vielu integritāti citādi veseliem pieaugušajiem. Aptaukošanās (sudraba pavasaris) 2011;19(3):500–504. 21183934 [PubMed]
  • Stice E., Yokum S., Burger KS, Epstein LH, Small DM Jaunieši, kuriem draud aptaukošanās, liecina par striatālu un somatosensorālo reģionu lielāku aktivizēšanos pārtikā. J. Neurosci. 2011;31(12):4360–4366. 21430137 [PubMed]
  • Stoeckel LE, Weller RE, Cook EW, 3rd, Twieg DB, Knowlton RC, Cox JE Plaši izplatīta atalgojuma sistēmas aktivizācija aptaukošanās sievietēm, reaģējot uz augstas kalorijas pārtikas produktiem. Neuroimage. 2008;41(2):636–647. 18413289 [PubMed]
  • Sullivan EV, Rohlfing T., Pfefferbaum A. Garengriezuma pētījums par zvīņainu mikrostruktūru normālā pieaugušo novecošanās smadzenēs, izmantojot kvantitatīvu DTI šķiedru izsekošanu. Dev. Neiropsihols. 2010;35(3):233–256. 20446131 [PubMed]
  • Terranova L., Busetto L., Vestri A., Zappa MA Bariatriskā ķirurģija: rentabilitāte un ietekme uz budžetu. Obes. Surg. 2012;22(4):646–653. 22290621 [PubMed]
  • Volkow ND, Frascella J., Friedman J., Saper CB, Baldo B., Rolls ET, Mennella JA, Dallman MF, Wang GJ, LeFur G. Aptaukošanās neirobioloģija: attiecības ar atkarību. Neiropsihofarmakoloģija. 2004: 29: S29 – S30.
  • Volkow ND, Wang GJ, Baler RD Atlīdzība, dopamīns un pārtikas uzņemšanas kontrole: ietekme uz aptaukošanos. Tendences Cogn. Sci. 2011;15(1):37–46. 21109477 [PubMed]
  • Volkow ND, Wang GJ, Fowler JS, Telang F. Pārklāšanās neironu ķēdes atkarības un aptaukošanās gadījumā: pierādījumi par sistēmas patoloģiju. Philos. Trans. R. Soc. Lond., B, Biol. Sci. 2008;363(1507):3191–3200. 18640912 [PubMed]
  • Pasaules Veselības organizācija (PVO) Aptaukošanās. 2014. I.
  • Xu J., Li Y., Lin H., Sinha R., Potenza MN Ķermeņa masas indekss negatīvi ietekmē baltās vielas integritāti fornix un corpus callosum: difūzijas tenzora attēlveidošanas pētījumā. Hum. Smadzenes Mapp. 2013;34(5):1044–1052. 22139809 [PubMed]
  • Yau PL, Javier DC, Ryan CM, Tsui WH, Ardekani BA, Ten S., Convit A. Provizoriski pierādījumi par smadzeņu komplikācijām ar 2 tipa cukura diabētu aptaukošanās pusaudžiem. Diabetologia. 2010;53(11):2298–2306. 20668831 [PubMed]
  • Yau PL, Kang EH, Javier DC, Convit A. Sākotnējie pierādījumi par kognitīvām un smadzeņu anomālijām nekomplicētu pusaudžu aptaukošanās gadījumā. Aptaukošanās (sudraba pavasaris) 2014;22(8):1865–1871. 24891029 [PubMed]
  • Zald DH Cilvēka amygdala un emocionālais sensoro stimulu novērtējums. Brain Res. Brain Res. Rev. 2003;41(1):88–123. 12505650 [PubMed]
  • Zigmond AS, Snaith RP Slimības trauksmes un depresijas skala. Acta Psychiatr. Scand. 1983;67(6):361–370. 6880820 [PubMed]