ബ്രെയിൻ റിസ് ബുൾ. 2009 ഓഗ 14;79(6):388-95. doi: 10.1016/j.brainresbull.2009.05.016.
സ്റ്റോയ്ക്കൽ LE1, കിം ജെ, വെല്ലർ RE, കോക്സ് ജെ.ഇ., EW 3rd വേവിക്കുക, ഹോർവിറ്റ്സ് ബി.
വേര്പെട്ടുനില്ക്കുന്ന
അമിതവണ്ണമുള്ള സ്ത്രീകളിലെ ഭക്ഷണ സൂചകങ്ങളോടുള്ള അതിശയോക്തിപരമായ പ്രതിപ്രവർത്തനം ന്യൂക്ലിയസ് അക്കുമ്പെൻസ്, അമിഗ്ഡാല, ഓർബിറ്റോഫ്രോണ്ടൽ കോർട്ടെക്സ് എന്നിവ ഉൾപ്പെടുന്ന ഒരു ഹൈപ്പർ ആക്ടീവ് റിവാർഡ് സമ്പ്രദായത്തിലൂടെ മധ്യസ്ഥത വഹിക്കുന്നതായി തോന്നുന്നു. പ്രധാന പഠന ശൃംഖല പ്രദേശങ്ങൾ തമ്മിലുള്ള പ്രവർത്തനപരമായ ഇടപെടലുകളിൽ ഭക്ഷ്യ ചിത്രങ്ങളോട് പ്രതികരിക്കുന്നതിന് പ്രതിഫലവുമായി ബന്ധപ്പെട്ട മസ്തിഷ്ക സജീവമാക്കുന്നതിൽ 12 അമിതവണ്ണവും 12 സാധാരണ ഭാരമുള്ള സ്ത്രീകളും തമ്മിലുള്ള വ്യത്യാസങ്ങൾ വിശദീകരിക്കാൻ നിലവിലെ പഠനം ഫംഗ്ഷണൽ മാഗ്നറ്റിക് റെസൊണൻസ് ഇമേജിംഗ് (എഫ്എംആർഐ) ഉപയോഗിച്ചു.
ഉയർന്നതും കുറഞ്ഞതുമായ കലോറി ഭക്ഷ്യ ചിത്രങ്ങളോട് പ്രതികരിക്കുന്നതിന് ന്യൂക്ലിയസ് അക്കുമ്പെൻസ്, അമിഗ്ഡാല, ഓർബിറ്റോഫ്രോണ്ടൽ കോർട്ടെക്സ് എന്നിവ തമ്മിലുള്ള നെറ്റ്വർക്ക് കണക്ഷനുകളിൽ ഗ്രൂപ്പ് വ്യത്യാസമുണ്ടോയെന്ന് പരിശോധിക്കുന്നതിന് രണ്ട്-ഘട്ട പാത്ത് വിശകലനം / ജനറൽ ലീനിയർ മോഡൽ സമീപനം ഉപയോഗിച്ചു. സാധാരണ ഭാരം നിയന്ത്രണങ്ങളുമായി താരതമ്യപ്പെടുത്തുമ്പോൾ ഉയർന്നതും കുറഞ്ഞതുമായ കലോറി ഭക്ഷണ സൂചകങ്ങളോട് പ്രതികരിക്കുന്നതിന് അമിതവണ്ണമുള്ള ഗ്രൂപ്പിൽ അസാധാരണമായ കണക്റ്റിവിറ്റി ഉണ്ടായിരുന്നു.
നിയന്ത്രണങ്ങളുമായി താരതമ്യപ്പെടുത്തുമ്പോൾ, അമിതവണ്ണമുള്ള ഗ്രൂപ്പിന് അമിഗ്ഡാലയുടെ ഓർബിറ്റോഫ്രോണ്ടൽ കോർട്ടക്സിലും ന്യൂക്ലിയസ് അക്കുമ്പെൻസിലും ആക്റ്റിവേഷൻ മോഡുലേഷൻ ചെയ്യുന്നതിൽ ആപേക്ഷിക കുറവുണ്ടായിരുന്നു, എന്നാൽ ന്യൂക്ലിയസ് അക്കുമ്പെൻസിൽ സജീവമാക്കൽ ഓർബിറ്റോഫ്രോണ്ടൽ കോർട്ടെക്സിന്റെ മോഡുലേഷന്റെ അമിതമായ സ്വാധീനം. അമിഗ്ഡാലയിൽ നിന്നുള്ള അപര്യാപ്തമായ പ്രവചനങ്ങൾ ഒരു ഭക്ഷണത്തിന്റെ പ്രതിഫല മൂല്യത്തിന്റെ സ്വാധീന / വൈകാരിക വശങ്ങളുടെ ഉപോപ്റ്റിമൽ മോഡുലേഷനുമായി ബന്ധപ്പെട്ടതാകാം അല്ലെങ്കിൽ അനുബന്ധ ക്യൂവിന്റെ മോട്ടിവേഷണൽ സാലിയൻസ്, അതേസമയം ന്യൂക്ലിയസ് അക്കുമ്പെൻ കണക്റ്റിവിറ്റികളിലേക്കുള്ള ഓർബിറ്റോഫ്രോണ്ടൽ കോർട്ടെക്സ് വർദ്ധിക്കുന്നത് ഒരു ഭക്ഷണത്തോടുള്ള പ്രതികരണമായി ഭക്ഷണം കഴിക്കാനുള്ള ഉയർന്ന ഡ്രൈവിലേക്ക് നയിച്ചേക്കാം. ക്യൂ.
അതിനാൽ, റിവാർഡ് സിസ്റ്റത്തിന്റെ കൂടുതൽ സജീവമാക്കൽ മാത്രമല്ല, ഈ ശൃംഖലയിലെ പ്രദേശങ്ങളുടെ ഇടപെടലിലെ വ്യത്യാസങ്ങളും അമിതവണ്ണമുള്ള വ്യക്തികളിലെ ഭക്ഷണങ്ങളുടെ താരതമ്യേന വർദ്ധിച്ച പ്രചോദനാത്മക മൂല്യത്തിലേക്ക് നയിച്ചേക്കാം.
അമിതവണ്ണത്തിന്റെ എറ്റിയോളജി ഭാഗികമായി, ഭക്ഷണവുമായി ബന്ധപ്പെട്ട സൂചനകളോടുള്ള അതിശയോക്തിപരമായ പ്രതിപ്രവർത്തനം വഴി വിശദീകരിക്കുന്നു, പ്രത്യേകിച്ച് ഉയർന്ന കൊഴുപ്പ്, energy ർജ്ജ സാന്ദ്രമായ ഭക്ഷണങ്ങൾ (ഉദാ. [12]). അമിതവണ്ണമുള്ള വ്യക്തികളിൽ ഈ ഉത്തേജനങ്ങളുടെ ഉയർന്ന പ്രചോദനത്തിനുള്ള സംവിധാനം ഒരു ഹൈപ്പർ ആക്ടീവ് റിവാർഡ് സിസ്റ്റമായിരിക്കാം, അതിൽ ന്യൂക്ലിയസ് അക്കുമ്പെൻസ് / വെൻട്രൽ സ്ട്രിയാറ്റം (എൻഎസി), അമിഗ്ഡാല (എഎംവൈജി), ഓർബിറ്റോഫ്രോണ്ടൽ കോർട്ടെക്സ് (ഒഎഫ്സി) എന്നിവ ഉൾപ്പെടുന്നു. മുമ്പത്തെ ഫംഗ്ഷണൽ മാഗ്നറ്റിക് റെസൊണൻസ് ഇമേജിംഗ് (എഫ്എംആർഐ) നടത്തിയ പഠനത്തിൽ സാധാരണ ഭാരം വരുന്ന വ്യക്തികളുമായി താരതമ്യപ്പെടുത്തുമ്പോൾ അമിതവണ്ണമുള്ള ഉയർന്ന കലോറി ഭക്ഷണ ചിത്രങ്ങൾക്ക് പ്രതികരണമായി ഈ പ്രദേശങ്ങൾ സജീവമാകുന്നതായി കണ്ടെത്തി ([77]; ചിത്രം. 1). അമിതവണ്ണമുള്ള വ്യക്തികളെയോ ബിഎംഐ കൂടുതലുള്ളവരെയോ ഭക്ഷണ ഉത്തേജനത്തിന് വിധേയമാക്കുന്ന മറ്റ് പഠനങ്ങളും ഈ പ്രദേശങ്ങളിൽ അസാധാരണമായ സജീവമാക്കൽ രീതികൾ കണ്ടെത്തി ([22], [23], [28], [43], [68]), അതുപോലെ മറ്റുള്ളവയും ([40], [68]). ഉയർന്ന കലോറി ഭക്ഷണങ്ങളുമായി ബന്ധപ്പെട്ട ഉത്തേജനം ഇത്തരത്തിലുള്ള ഭക്ഷണങ്ങൾ ഹോമിയോസ്റ്റാറ്റിക് അല്ലാത്ത ഭക്ഷണത്തിന് അമിതമായ പ്രചോദനത്തിന് കാരണമായേക്കാം ([10], [11], [53]). ഭക്ഷണപദാർത്ഥങ്ങൾ കഴിക്കാനുള്ള അമിതമായ ഹോമിയോസ്റ്റാറ്റിക് ആഗ്രഹത്തെ പ്രോത്സാഹന സലൂൺ അല്ലെങ്കിൽ “ആഗ്രഹിക്കുന്നു” എന്ന് വിളിക്കുന്നു, ഇത് പ്രധാനമായും നിയന്ത്രിക്കുന്നത് മെസോകോർട്ടിക്കോളിംബിക് ഡോപാമൈൻ സിസ്റ്റം വഴിയാണ്, അതിൽ NAc, AMYG, OFC (ഉദാ. [6]).
വിവിധ മാക്രോസ്കോപ്പിക് മസ്തിഷ്ക മേഖലകളുടെ പ്രവർത്തന സവിശേഷതകൾ മനസിലാക്കാൻ മിക്ക മനുഷ്യ എഫ്എംആർഐ പഠനങ്ങളും ഒരു മാസ് ഏകീകൃത സ്റ്റാറ്റിസ്റ്റിക്കൽ വിശകലന സമീപനമാണ് ഉപയോഗിക്കുന്നത്. ഒരു നിശ്ചിത പ്രവർത്തനം നിർവഹിക്കുന്നതിന് ഈ പ്രദേശങ്ങൾ എങ്ങനെ ഇടപെടാമെന്ന് വിശദീകരിക്കുന്നതിന് അന്വേഷണ സംഘങ്ങൾ പലപ്പോഴും ഒരു കൂട്ടം പ്രദേശങ്ങളുടെ പ്രവർത്തനപരമായ സ്പെഷ്യലൈസേഷനെക്കുറിച്ചുള്ള വിവരങ്ങൾ സംയോജിപ്പിക്കുന്നു. എന്നിരുന്നാലും, അത്തരം വിശകലനങ്ങളിൽ നിന്ന് എടുക്കാവുന്ന സാധുവായ അനുഭവാധിഷ്ഠിത നിഗമനങ്ങളിൽ, ഒരു നിശ്ചിത മസ്തിഷ്ക പ്രദേശങ്ങളിൽ സജീവമാകുന്നതിന്റെ വ്യാപ്തിയും വ്യാപ്തിയുമായി ബന്ധപ്പെട്ടിരിക്കുന്നു, ഈ പ്രദേശങ്ങൾ എങ്ങനെ പ്രവർത്തിക്കുന്നു എന്നതിലല്ല. വൈജ്ഞാനികവും പെരുമാറ്റപരവുമായ പ്രവർത്തനങ്ങൾ നിർവ്വഹിക്കുന്നതിന് മസ്തിഷ്ക മേഖലകളുടെ നെറ്റ്വർക്കുകൾ എങ്ങനെ ഇടപഴകുന്നുവെന്ന് പഠിക്കാൻ കണക്റ്റിവിറ്റി വിശകലനങ്ങൾ അന്വേഷകരെ അനുവദിക്കുന്നു (ഉദാ. [34]). പരമ്പരാഗത ആക്റ്റിവേഷൻ പഠനങ്ങളിൽ നിന്നുള്ള അനുമാനങ്ങൾ നേരിട്ട് കണക്റ്റിവിറ്റി പഠനങ്ങളിലേക്ക് മാറുന്നില്ല എന്നത് ശ്രദ്ധിക്കേണ്ടതാണ്. അതായത്, അളക്കുന്ന വ്യത്യാസങ്ങൾ ഉണ്ടാകാം റിക്ടർ ഗ്രൂപ്പുകൾക്കിടയിൽ മസ്തിഷ്ക സജീവമാക്കൽ, എന്നാൽ ഗ്രൂപ്പ് വ്യത്യാസങ്ങളൊന്നുമില്ല കണക്റ്റിവിറ്റി, തിരിച്ചും (ഉദാ, [52]).
ഒരു നിശ്ചിത കണക്റ്റുചെയ്ത മസ്തിഷ്ക പ്രദേശങ്ങൾ തമ്മിലുള്ള ദിശാസൂചന ബന്ധങ്ങളെക്കുറിച്ച് അന്വേഷിക്കുന്നതിന് ഫംഗ്ഷണൽ ന്യൂറോ ഇമേജിംഗിന് ബാധകമാകുന്ന ഒരു മൾട്ടിവാരിറ്റേറ്റ്, ഹൈപ്പോഥസിസ് അടിസ്ഥാനമാക്കിയുള്ള സമീപനമാണ് പാത്ത് അനാലിസിസ്.51]). ഫലപ്രദമായ കണക്റ്റിവിറ്റി വിശകലനം ചെയ്യുന്നതിനുള്ള ഒരു രീതിയാണിത്, ഈ സാഹചര്യത്തിൽ ഒരു മസ്തിഷ്ക പ്രദേശം സജീവമാക്കുന്നതിലെ മാറ്റങ്ങൾ മറ്റൊരു പ്രദേശത്തെ സജീവമാക്കൽ മാറ്റങ്ങളുടെ ഫലമാണ്. പാത്ത് മോഡലുകൾ അടിസ്ഥാനമാക്കിയാണ് വികസിപ്പിച്ചിരിക്കുന്നത് ഒരു പ്രിയ A → B എന്നാൽ മേഖല A യിലെ മാറ്റങ്ങൾ അനുമാനിക്കപ്പെടുന്ന ഒരു കാര്യകാരണ ഘടനയെ അനുമാനിക്കുകയും അനുമാനിക്കുകയും ചെയ്യുന്നു കാരണം ബി മേഖലയിലെ മാറ്റങ്ങൾ (ഉദാ. [69]). മുമ്പത്തെ ഫങ്ഷണൽ ന്യൂറോ ഇമേജിംഗ് പഠനങ്ങളെ അടിസ്ഥാനമാക്കിയാണ് ഒരു നെറ്റ്വർക്ക് മോഡലിലെ മസ്തിഷ്ക പ്രദേശങ്ങൾ സാധാരണയായി തിരഞ്ഞെടുക്കപ്പെടുന്നത്, അറിയപ്പെടുന്ന ന്യൂറോ അനാട്ടമിക്കൽ കണക്ഷനുകളെ അടിസ്ഥാനമാക്കിയാണ് ഈ പ്രദേശങ്ങൾ തമ്മിലുള്ള ബന്ധം സാധാരണയായി നിർവചിക്കപ്പെടുന്നത്, കൂടുതലും മൃഗസാഹിത്യത്തിൽ നിന്നാണ്, സ്പീഷിസുകൾക്കിടയിലെ മസ്തിഷ്ക മേഖലകളിൽ ഹോമോളജി കണക്കാക്കുന്നു (ഉദാ. [69]). പാത്ത് വിശകലനം ഉപയോഗിച്ച് കണക്കാക്കിയ കണക്കാക്കിയ പാരാമീറ്റർ മൂല്യങ്ങൾ മോഡലിലെ പ്രദേശങ്ങൾക്കിടയിലുള്ള ദിശാസൂചന പാതകളുടെ അളവിനെ പ്രതിനിധീകരിക്കുന്നു. ടാസ്ക് അവസ്ഥകളിലെ മാറ്റങ്ങൾക്ക് മറുപടിയായി അല്ലെങ്കിൽ ജനറൽ ലീനിയർ മോഡൽ (ജിഎൽഎം) ചട്ടക്കൂടിനുള്ളിലെ വിഷയങ്ങളും ഗ്രൂപ്പുകളും തമ്മിലുള്ള കണക്ഷനുകൾ തമ്മിൽ താരതമ്യം ചെയ്യാൻ ഈ പാത്ത് ഗുണകങ്ങൾ ഉപയോഗിക്കാം (ഉദാ. [44], [64]).
റിവാർഡ് സിസ്റ്റത്തിന്റെ ഭാഗമായി NAc, AMYG, OFC എന്നിവ ഒരുമിച്ച് പ്രവർത്തിക്കുന്നു. ഈ പ്രദേശങ്ങൾക്കിടയിൽ ശക്തമായ ശരീരഘടനയുണ്ട് (കാണുക ചിത്രം. 2; AMYG → OFC: [7], [16], [30], [38], [60], [65], [71], AMYG → NAc: [30], [38], [71], OFC → NAc: [7], [16], [17], [30], [38], [56], [60], [65], [71]). ഭക്ഷ്യ ചിത്രങ്ങൾ കാണുമ്പോൾ സാധാരണ ഭാരം നിയന്ത്രിക്കുന്നതിനേക്കാൾ NAc, AMYG, OFC എന്നിവ അമിതവണ്ണത്തിൽ സജീവമായി പ്രവർത്തിക്കുന്നുണ്ടെന്ന് വ്യക്തമാണെങ്കിലും, പ്രത്യേകിച്ച് ഉയർന്ന കലോറി ഭക്ഷണ ചിത്രങ്ങൾ ([77]), ഈ പ്രദേശങ്ങളിൽ സജീവമാക്കുന്നത് ചില പൊതുവായ അടിസ്ഥാന പ്രതിഫല പ്രക്രിയയുമായി (ഉദാ. പ്രോത്സാഹന സലൂൺ അല്ലെങ്കിൽ ഒരു റിവാർഡിനെ സമീപിക്കാനും ഉപഭോഗം ചെയ്യാനുമുള്ള പ്രചോദനം) അല്ലെങ്കിൽ വ്യത്യസ്ത പ്രക്രിയകൾ ഉണ്ടോ (ഉദാ. ഹെഡോണിക്സ് അല്ലെങ്കിൽ പ്രതിഫലത്തിന്റെ ആനന്ദ ഘടകം കൂടാതെ / അല്ലെങ്കിൽ പഠിക്കുന്നത്) ഈ സജീവമാക്കൽ പാറ്റേണിനുള്ള അക്കൗണ്ട് (കാണുക [8] ഈ വ്യത്യസ്ത പ്രതിഫല പ്രക്രിയകളെക്കുറിച്ചുള്ള ചർച്ചയ്ക്ക്). NAc, AMYG, OFC എന്നിവയ്ക്ക് ഓരോന്നിനും നിരവധി പ്രവർത്തന സവിശേഷതകളുണ്ട്. റിവാർഡ് സംബന്ധിയായ പ്രോസസ്സിംഗ്, ഹോമിയോസ്റ്റാറ്റിക് മെക്കാനിസങ്ങൾ, മോട്ടോർ output ട്ട്പുട്ട് എന്നിവ തമ്മിലുള്ള ഒരു ഇന്റർഫേസായി എൻഎസി / വെൻട്രൽ സ്ട്രിയാറ്റം പ്രവർത്തിക്കുന്നു (ഉദാ. [41]), പക്ഷേ റിവാർഡ് മൂല്യത്തിനായി കോഡ് ചെയ്യാം ([57]). OFC ഭക്ഷണത്തിന്റെയും ഭക്ഷണ സൂചകങ്ങളുടെയും മൾട്ടിമോഡൽ സെൻസറി പ്രാതിനിധ്യങ്ങൾ എൻകോഡുചെയ്യാം ([10], [11]). എഎംവൈജിയും ഒഎഫ്സിയും ഒരുമിച്ച് അനുബന്ധ പ്രക്രിയകൾക്ക് മധ്യസ്ഥത വഹിച്ചേക്കാം, അതിലൂടെ ഭക്ഷണവുമായി ബന്ധപ്പെട്ട ഉത്തേജനങ്ങൾ പ്രോത്സാഹന സലൂൺ അല്ലെങ്കിൽ മറ്റ് മോട്ടിവേഷണൽ സവിശേഷതകൾ നേടുന്നു (ഉദാ. [6], [31]), എന്നാൽ രണ്ടും ഹെഡോണിക് മൂല്യത്തിനായുള്ള കോഡ്, താഴെ-മുകളിലൂടെ AMYG, ടോപ്പ്-ഡ processes ൺ പ്രോസസ്സുകൾ വഴി OFC ([7]).
ഈ പഠനത്തിൽ, ഞങ്ങൾ സ്റ്റോയ്ക്കലിന്റെയും മറ്റുള്ളവരുടെയും എഫ്എംആർഐ ഡാറ്റ ഉപയോഗിച്ചു. [77] ഉയർന്നതും കുറഞ്ഞതുമായ കലോറി ഭക്ഷണങ്ങളുടെ ചിത്രങ്ങളോടുള്ള പ്രതികരണമായി ഈ ഘടനകൾ ഒരുമിച്ച് പ്രവർത്തിക്കുന്നുണ്ടോ എന്ന് നിർണ്ണയിക്കാൻ ലളിതമായ നെറ്റ്വർക്കിലെ പ്രധാന റിവാർഡ് ഘടനകളുടെ (എൻഎസി, എഎംവൈജി, ഒഎഫ്സി) ഇടപെടലുകളെക്കുറിച്ച് അന്വേഷിക്കുന്നതിനുള്ള രണ്ട്-ഘട്ട പാത്ത് വിശകലനവും ജിഎൽഎം സമീപനവും. അമിതവണ്ണമുള്ളവരും സാധാരണ ഭാരമുള്ളവരുമായ വ്യക്തികളിൽ വ്യത്യസ്തമായി. ഉയർന്നതും കുറഞ്ഞതുമായ കലോറി ഭക്ഷ്യ ചിത്രങ്ങളോട് പ്രതികരിക്കുന്നതിന് സാധാരണ ഭാരം നിയന്ത്രണങ്ങളിൽ ഞങ്ങളുടെ മാതൃകയിൽ വ്യക്തമാക്കിയ മസ്തിഷ്ക പ്രദേശങ്ങൾ തമ്മിലുള്ള ഫലപ്രദമായ കണക്ഷനുകൾ കണ്ടെത്താൻ ഞങ്ങൾ പ്രതീക്ഷിച്ചു. ഇതുകൂടാതെ, ഭക്ഷണപദാർത്ഥങ്ങൾ ഈ വ്യക്തികൾക്ക് പ്രചോദനാത്മക ശേഷി വർദ്ധിപ്പിച്ചത് എന്തുകൊണ്ടെന്ന് വിശദീകരിക്കാൻ സഹായിക്കുന്ന ഞങ്ങളുടെ അമിതവണ്ണമുള്ള ഗ്രൂപ്പിൽ മാറ്റം വരുത്തിയ ഫലപ്രദമായ കണക്ഷനുകൾ കണ്ടെത്തുമെന്ന് ഞങ്ങൾ പ്രതീക്ഷിച്ചു.
വസ്തുക്കളും രീതികളും
പാത്ത് വിശകലനത്തിനായി ഉപയോഗിച്ച ഡാറ്റ സ്റ്റോയ്ക്കൽ മറ്റുള്ളവയിൽ റിപ്പോർട്ടുചെയ്ത അതേ ഡാറ്റയായിരുന്നു. [77]. പാത്ത് വിശകലനത്തിന്റെ രീതികൾ ചർച്ച ചെയ്യുന്ന വിഭാഗം ഒഴികെ, ചുവടെയുള്ള വിവരങ്ങൾ കൂടുതൽ വിശദമായി സ്റ്റോയ്ക്കൽ മറ്റുള്ളവയിൽ നൽകിയിരിക്കുന്നു. [77].
പങ്കെടുക്കുന്നവർ
പങ്കെടുത്തവരിൽ 12 പൊണ്ണത്തടിയുള്ളവരും (ബോഡി മാസ് സൂചിക, ബിഎംഐ = 30.8 - 41.2) 12 സാധാരണ ഭാരം (ബിഎംഐ = 19.7 - 24.5) വലതു കൈ സ്ത്രീകളും അലബാമ സർവകലാശാലയിൽ നിന്ന് ബർമിംഗ്ഹാം (യുഎബി) കമ്മ്യൂണിറ്റിയിൽ റിക്രൂട്ട് ചെയ്തു. ശരാശരി പ്രായം (പൊണ്ണത്തടി: 27.8, എസ്ഡി = 6.2; നിയന്ത്രണം: 28, എസ്ഡി = 4.4), വംശീയത (പൊണ്ണത്തടി: 7 ആഫ്രിക്കൻ-അമേരിക്കൻ, 5 കൊക്കേഷ്യൻ; നിയന്ത്രണം: 6 ആഫ്രിക്കൻ-അമേരിക്കൻ, 6 കൊക്കേഷ്യൻ), വിദ്യാഭ്യാസം (അമിതവണ്ണം: 16.7 വയസ്സ്, എസ്ഡി = 2.2; നിയന്ത്രണം: 17.2, എസ്ഡി = 2.8), അല്ലെങ്കിൽ ആർത്തവചക്രത്തിന്റെ ശരാശരി ദിവസം (അമിതവണ്ണം: ദിവസം 6.8, എസ്ഡി = 3.1, നിയന്ത്രണം: ദിവസം 5.7, എസ്ഡി = 3.3, എല്ലാം ഫോളികുലാർ ഘട്ടത്തിലാണ് ). യുഎബി പത്രത്തിൽ സ്ഥാപിച്ച പരസ്യങ്ങളും യുഎബി കാമ്പസിലെ വിവിധ സ്ഥലങ്ങളിൽ സ്ഥാപിച്ച ഫ്ലയറുകളും ഉപയോഗിച്ച് പങ്കെടുക്കുന്നവരെ നിയമിച്ചു. ഭക്ഷണങ്ങളും നിയന്ത്രണ ചിത്രങ്ങളും പോലുള്ള വിവിധ വസ്തുക്കളുടെ വിഷ്വൽ ഇമേജുകളോട് പ്രതികരിക്കുന്നതിന് വ്യത്യസ്ത ബിഎംഐയിൽ പങ്കെടുക്കുന്ന “വിശക്കുന്ന” പങ്കാളികളിൽ മസ്തിഷ്ക പ്രവർത്തനത്തിന്റെ രീതികൾ പരിശോധിക്കുകയാണ് പഠനത്തിന്റെ ലക്ഷ്യമെന്ന് അവരെ അറിയിച്ചു. പോസിറ്റീവ് ഭക്ഷണ ക്രമക്കേട് ചരിത്രം, സജീവമായ ഭക്ഷണക്രമം അല്ലെങ്കിൽ ശരീരഭാരം കുറയ്ക്കുന്നതിനുള്ള പ്രോഗ്രാമിൽ പങ്കെടുക്കുക, അല്ലെങ്കിൽ ഭാരം> 305 പൗണ്ട് (138 കിലോഗ്രാം) ചുറ്റളവ്> 64 ഇഞ്ച് (163 സെ.മീ), ആരോഗ്യവുമായി ബന്ധപ്പെട്ട ഒന്നിലധികം മാനദണ്ഡങ്ങൾ അടിസ്ഥാനമാക്കി വ്യക്തികളെ ഒഴിവാക്കി. സ്കാനർ പരിമിതികൾ കാരണം. പഠന നടപടിക്രമങ്ങളും അപകടസാധ്യതകളും വിശദീകരിച്ചതിന് ശേഷം പങ്കെടുത്തവരെല്ലാം രേഖാമൂലമുള്ള സമ്മതപത്രം ഒപ്പിട്ടു. എല്ലാ നടപടിക്രമങ്ങളും യുഎബിയിലെ ഇൻസ്റ്റിറ്റ്യൂഷണൽ റിവ്യൂ ബോർഡ് ഫോർ ഹ്യൂമൻ യൂസ് അവലോകനം ചെയ്യുകയും അംഗീകരിക്കുകയും ചെയ്തു.
ഉത്തേജനം
ഇമേജിംഗ് സെഷനിൽ ഉപയോഗിച്ച ഉത്തേജനങ്ങളിൽ 252 കളർ ചിത്രങ്ങൾ ഉൾപ്പെടുന്നു, എല്ലാം സ്ഥിരമായ വലുപ്പം, മിഴിവ്, തിളക്കം ([77]). 168 ഭക്ഷണ ഇമേജുകൾ കുറഞ്ഞ കലോറി, ഉയർന്ന കലോറി വിഭാഗങ്ങളായി വിഭജിക്കപ്പെട്ടിട്ടുണ്ട്, അവയിൽ ഓരോന്നും 84 അദ്വിതീയ ചിത്രങ്ങൾ ഉൾക്കൊള്ളുന്നു. കുറഞ്ഞ കലോറി ഭക്ഷണ ചിത്രങ്ങളിൽ കൊഴുപ്പ് കുറഞ്ഞ ഇനങ്ങൾ ആവിയിൽ വേവിച്ച പച്ചക്കറികൾ, ബ്രോയിൽഡ് മത്സ്യം എന്നിവ ഉൾക്കൊള്ളുന്നു. ഉയർന്ന കലോറി ഭക്ഷണങ്ങൾ പ്രധാനമായും ചീസ്കേക്ക് അല്ലെങ്കിൽ പിസ്സ പോലുള്ള കൊഴുപ്പ് കൂടുതലുള്ള വസ്തുക്കളായിരുന്നു. നിയന്ത്രണ ഉത്തേജനങ്ങളിൽ കാറുകളുടെ ഇമേജുകൾ ഉൾപ്പെടുന്നു, അവ നിർമ്മിതി, മോഡൽ, പ്രായം, നിറം എന്നിവയിൽ വ്യത്യാസപ്പെട്ടിരിക്കുന്നു. സ്റ്റോയ്ക്കൽ മറ്റുള്ളവയിൽ നിന്നുള്ള ഫലങ്ങളെ അടിസ്ഥാനമാക്കി കുറഞ്ഞ കലോറി ഇമേജുകളെ സുഖസൗകര്യങ്ങളുമായി പൊരുത്തപ്പെടുന്ന മിതമായ രസകരമായ നിയന്ത്രണ ഉത്തേജകങ്ങളായി കാർ ഇമേജുകൾ ഉദ്ദേശിച്ചിരുന്നു. [77], ഉയർന്ന കലോറി ഉള്ള ഭക്ഷണങ്ങൾ ഉയർന്നതായി റേറ്റുചെയ്തു.
നടപടിക്രമം
ബിഎംഐ സാധൂകരിക്കുന്നതിനും മറ്റ് പഠന മാനദണ്ഡങ്ങൾ പരിശോധിക്കുന്നതിനും സമഗ്രമായ പരിശോധനയ്ക്ക് ശേഷം, പങ്കെടുക്കുന്നവരെ എഫ്എംആർഐ സെഷനായി ഷെഡ്യൂൾ ചെയ്തു. 7-8 AM- ന് ഇടയിൽ ഒരു സാധാരണ പ്രഭാതഭക്ഷണം കഴിക്കാൻ നിർദ്ദേശം നൽകി, പക്ഷേ ഉച്ചഭക്ഷണം ഒഴിവാക്കി വെള്ളം മാത്രം കഴിക്കുക, അങ്ങനെ 8-9 PM- ൽ ചിത്രീകരിക്കുന്നതിന് മുമ്പ് ഏകദേശം 3-5 h വരെ ഉപവസിച്ചു. ആത്മനിഷ്ഠ വിശപ്പ് റേറ്റിംഗിൽ ഗ്രൂപ്പ് വ്യത്യാസങ്ങളൊന്നുമില്ല.
പങ്കെടുക്കുന്നവർ കാന്തത്തിലായിരിക്കുമ്പോൾ, വിഷ്വൽ ഉത്തേജകങ്ങൾ ഒരു ബ്ലോക്ക് ഡിസൈൻ ഫോർമാറ്റിൽ അവതരിപ്പിച്ചു, മൊത്തം ആറ് 3: 09 മിനിറ്റ് ഓരോ ഇമേജിംഗ് സെഷനും പ്രവർത്തിക്കുന്നു. ഓരോ റണ്ണിലും രണ്ട് എക്സ്എൻയുഎംഎക്സ് കാലഘട്ടങ്ങൾ ഉൾപ്പെടുന്നു, ഓരോ കാറുകളും (സി), കുറഞ്ഞ കലോറി ഭക്ഷണങ്ങൾ (എൽസി), ഉയർന്ന കലോറി ഭക്ഷണങ്ങൾ (എച്ച്സി) എന്നിവ കപടമായി പങ്കെടുക്കുന്നവർക്ക് അവതരിപ്പിക്കുന്നു. ഓരോ 21 ന്റെ ഭക്ഷണ കാലഘട്ടത്തിലോ കാർ ചിത്രങ്ങളിലോ, 21- കൾക്കായി ഏഴ് വ്യക്തിഗത ചിത്രങ്ങൾ അവതരിപ്പിച്ചു. ഒരു 2.5 ന്റെ വിടവ് ചിത്രങ്ങളെ വേർതിരിച്ചു, ഒരു 0.5 ന്റെ വിടവ് യുഗങ്ങളെ വേർതിരിക്കുന്നു. എല്ലാ വിടവുകളും ഒരു ഫിക്സേഷൻ ക്രോസുള്ള ചാരനിറത്തിലുള്ള ശൂന്യമായ സ്ക്രീൻ ഉൾക്കൊള്ളുന്നു. ഓരോ റണ്ണിലും ആറ് റണ്ണുകളിലായി മൊത്തം എക്സ്എൻയുഎംഎക്സ് വോള്യമുകൾ ഉൾപ്പെടുന്നു, അതിൽ ഓരോ കാറിലും എക്സ്എൻയുഎംഎക്സ് വോള്യങ്ങൾ സ്വന്തമാക്കി, കുറഞ്ഞ കലോറി ഭക്ഷണം, ഉയർന്ന കലോറി ഭക്ഷണ എക്സ്പോഷറുകൾ. വിപിഎം സോഫ്റ്റ്വെയർ പ്രവർത്തിക്കുന്ന ലാപ്ടോപ്പ് കമ്പ്യൂട്ടറാണ് വിഷ്വൽ ഇമേജുകൾ അവതരിപ്പിച്ചത് ([18]). ചിത്രങ്ങൾ പങ്കെടുക്കുന്നയാളുടെ തലയ്ക്ക് പിന്നിലുള്ള ഒരു സ്ക്രീനിൽ പ്രദർശിപ്പിക്കുകയും ഹെഡ് കോയിലിൽ ഘടിപ്പിച്ചിട്ടുള്ള എക്സ്നുംസ് ° സിംഗിൾ-ഉപരിതല റിയർ പ്രൊജക്റ്റിംഗ് മിറർ വഴി കാണുകയും ചെയ്തു. പങ്കെടുത്തവർക്ക് സാമ്പത്തികമായി നഷ്ടപരിഹാരം നൽകി. എല്ലാ നടപടിക്രമങ്ങളും യുഎബിയുടെ ഇൻസ്റ്റിറ്റ്യൂഷണൽ റിവ്യൂ ബോർഡ് ഫോർ ഹ്യൂമൻ ഉപയോഗത്തിനായി അവലോകനം ചെയ്യുകയും അംഗീകരിക്കുകയും ചെയ്തു.
എംആർഐ ഏറ്റെടുക്കലും പ്രോസസ്സിംഗും
സെൻസിറ്റിവിറ്റി എൻകോഡിംഗ് (സെൻസ്) ഹെഡ് കോയിൽ ഘടിപ്പിച്ചിരിക്കുന്ന ഫിലിപ്സ് ഇന്ററാ എക്സ്നൂംക്സ് അൾട്രാ-ഷോർട്ട് ബോർ മാഗ്നറ്റ് ഉപയോഗിച്ചാണ് ഫംഗ്ഷണൽ എംആർഐ ഡാറ്റ നേടിയത്. സിംഗിൾ-ഷോട്ട് T3 * -വെയ്റ്റഡ് ഗ്രേഡിയന്റ്-എക്കോ ഇപിഐ പൾസ് സീക്വൻസ് ഉപയോഗിച്ച് ചിത്രങ്ങൾ ശേഖരിച്ചു. 2 അക്ഷീയ സ്ലൈസുകൾക്കായി ഞങ്ങൾ TE = 30 msec, TR = 3 സെക്കൻഡ്, 85 mm ഫ്ലിപ്പ് ആംഗിൾ എന്നിവ ഉപയോഗിച്ചു. 30 mm കട്ടിയുള്ള 4 mm ഇന്റർസ്ലൈസ് വിടവ്, 1 × 80 ന്റെ സ്കാൻ റെസലൂഷൻ, 79 × 128 എന്നിവ ഉപയോഗിച്ച് പുനർനിർമ്മിച്ചു. × 128 × 230 mm FOV. ആദ്യത്തെ നാല് സ്കാനുകൾ നിരസിച്ചു, കാന്തികത്തിന് സ്ഥിരമായ സംസ്ഥാന കാന്തികത കൈവരിക്കാൻ കഴിയും.
എസ്പിഎം 2 സോഫ്റ്റ്വെയർ പാക്കേജ് (വെൽകം ഡിപ്പാർട്ട്മെന്റ് ഇമേജിംഗ് ന്യൂറോ സയൻസ്, ലണ്ടൻ, യുകെ) ഉപയോഗിച്ച് ഡാറ്റ പ്രീപ്രോസസ് ചെയ്തു (ചലനം തിരുത്തൽ, എസ്പിഎം 6 ഇപിഐ ടെംപ്ലേറ്റ് ഉപയോഗിച്ച് എംഎൻഐ കോർഡിനേറ്റ് സിസ്റ്റത്തിലേക്ക് നോർമലൈസേഷൻ, 2 എംഎം എഫ്ഡബ്ല്യുഎച്ച്എം ഗ aus സിയൻ ഫിൽട്ടർ ഉപയോഗിച്ച് സുഗമമാക്കുക). ചലന ഉൾപ്പെടുത്തൽ മാനദണ്ഡങ്ങൾ പാലിക്കുന്നതിൽ ഡാറ്റാ സെറ്റുകളൊന്നും പരാജയപ്പെട്ടില്ല, അവ തിരുത്തലിനു മുമ്പുള്ള ചലനം വിവർത്തന പ്രസ്ഥാനത്തിൽ <2 മില്ലീമീറ്ററും ഭ്രമണ ചലനത്തിൽ <2 was ഉം ആയിരുന്നു (വിശദാംശങ്ങൾ [77]).
ഡാറ്റ വിശകലനം
fMRI ഡാറ്റ
ബ്ലോക്ക്-ഡിസൈൻ ബ്ലഡ് ഓക്സിജൻ ലെവൽ ഡിപൻഡന്റ് (ബോൾഡ്) പ്രതികരണങ്ങൾ ജനറൽ ലീനിയർ മോഡലിന്റെ പശ്ചാത്തലത്തിൽ ഒരു വോക്സലിൽ വോക്സൽ അടിസ്ഥാനത്തിൽ വിശകലനം ചെയ്തു.27]). കാനോനിക്കൽ ഹെമോഡൈനാമിക് റെസ്പോൺസ് ഫംഗ്ഷനും (എച്ച്ആർഎഫ്) ഒരു താൽക്കാലിക ഡെറിവേറ്റീവ് ഫംഗ്ഷനും ഉപയോഗിച്ച് ബോക്സ്കാർ ഫംഗ്ഷൻ ഉപയോഗിച്ച് മസ്തിഷ്ക സജീവമാക്കലിന്റെ സമയ ഗതി മാതൃകയാക്കി. കുറഞ്ഞ ഫ്രീക്വൻസി ഡ്രിഫ്റ്റുകൾ നീക്കംചെയ്യുന്നതിന് ഡാറ്റ ഹൈ-പാസ് ഫിൽട്ടർ (1 / 128 Hz) ആയിരുന്നു. എഫ്എംആർഐ മോഡലിന്റെ പിശക് ടേമിലെ ഓട്ടോകോർറെലേഷനുകൾ ശരിയാക്കുന്നതിനായി ഒരു ഫസ്റ്റ് ഓർഡർ ഓട്ടോറെഗെസിവ് മോഡലും നടപ്പിലാക്കി.
സ്റ്റാറ്റിസ്റ്റിക്കൽ വിശകലനത്തിനായി വിഷയത്തിനകത്തും വിഷയത്തിനിടയിലും വേരിയബിളിറ്റി കണക്കാക്കുന്നതിന് രണ്ട്-ഘട്ട റാൻഡം-ഇഫക്റ്റ് നടപടിക്രമം ഉപയോഗിച്ചു. ആദ്യം, ഓരോ വ്യക്തിഗത പങ്കാളികളിൽ നിന്നുമുള്ള എഫ്എംആർഐ ഡാറ്റ, ഉയർന്ന കലോറിയും കുറഞ്ഞ കലോറിയും ഉള്ള ഭക്ഷണങ്ങളുമായി ബന്ധപ്പെട്ട സമയ പോയിന്റുകൾ തമ്മിലുള്ള വ്യത്യാസങ്ങൾ പരിശോധിക്കുന്നതിനായി പാരാമീറ്റർ എസ്റ്റിമേറ്റിന്റെ സ്ഥിതിവിവരക്കണക്കുകൾ സൃഷ്ടിക്കാൻ ഉപയോഗിച്ചു. മുമ്പത്തെ പഠനത്തിന്റെ ഫലങ്ങൾ ([77]) റിവാർഡ് സംബന്ധമായ ആക്റ്റിവേഷന്റെ പാറ്റേണുകളിൽ ഗ്രൂപ്പ് വ്യത്യാസങ്ങൾ കണ്ടെത്തി, അമിതവണ്ണമുള്ള ഗ്രൂപ്പ് ഉയർന്ന കലോറി ഭക്ഷണങ്ങളിൽ കൂടുതൽ സജീവമാക്കലും കുറഞ്ഞ കലോറി ഭക്ഷണങ്ങളിലേക്ക് നിയന്ത്രണങ്ങളും കാണിക്കുന്നു. ഞങ്ങളുടെ താൽപ്പര്യമുള്ള പ്രദേശങ്ങൾക്കായി (ROI) ഗ്രൂപ്പ് മാക്സിമ പ്രാദേശികവൽക്കരിക്കുന്നതിന് ഗ്രൂപ്പിനുള്ളിലെ താരതമ്യങ്ങൾക്കായി ഭക്ഷണം> നിയന്ത്രണ ഉത്തേജക ദൃശ്യതീവ്രത രണ്ടാം ലെവൽ ഒറ്റ-സാമ്പിൾ ടി-ടെസ്റ്റ് വിശകലനങ്ങളിൽ പ്രവേശിച്ചു: ഉഭയകക്ഷി NAc, AMYG, മിഡിൽ OFC (p <.05, ശരിയാക്കിയിട്ടില്ല).
എഎംവൈജിക്കും ഒഎഫ്സിക്കുമുള്ള ROI നിർവചിച്ചിരിക്കുന്നത് WFU പിക്കറ്റ്ലാസും AAL, തലൈരാച്ച് ഡെമൺ അറ്റ്ലേസുകളും ഉപയോഗിച്ചാണ് ([47], [49], [79]). ഈ ലൈബ്രറികളിൽ എൻഎസി ലഭ്യമല്ലാത്തതിനാൽ, പ്രസക്തമായ എഫ്എംആർഐ പഠനങ്ങളിൽ നിന്നും ([] വോക്സൽ സ്ഥാന അളവുകൾ ശരാശരി നിർണ്ണയിച്ച് ഒരു വോക്സൽ ലൊക്കേഷനിൽ കേന്ദ്രീകരിച്ച് ഡബ്ല്യുഎഫ്യു പിക്കറ്റ്ലാസ് ഉപയോഗിച്ച് ഞങ്ങൾ 6 മില്ലീമീറ്റർ ദൂരത്തിൽ വരച്ചു.1], [54], [58]). ഡബ്ല്യുഎഫ്യു പിക്കറ്റ്ലാസ് ഉപയോഗിച്ചും മനുഷ്യന്റെ മസ്തിഷ്ക അറ്റ്ലസ് ഉപയോഗിച്ചുള്ള ഡാറ്റയുടെ വിഷ്വൽ പരിശോധനയിലൂടെയും സജീവമാക്കിയ വോക്സലുകളുടെ പ്രാദേശിക സ്ഥാനത്തിന്റെ വർഗ്ഗീകരണം പരിശോധിച്ചു.48]).
പാത വിശകലനം
നിരീക്ഷിച്ച വേരിയബിളുകൾ (ആർഒഐ) തമ്മിലുള്ള ബന്ധങ്ങളുടെ (ഫലപ്രദമായ കണക്ഷനുകൾ) ശക്തിയും ദിശയും നിർണ്ണയിക്കാൻ പാത്ത് വിശകലനം ഉപയോഗിച്ചു, പരമാവധി സാധ്യത കണക്കാക്കൽ വഴി ഒരേസമയം റിഗ്രഷൻ സമവാക്യങ്ങൾ ഉപയോഗിച്ച് കണക്കാക്കുന്നു. ഫലപ്രദമായ കണക്റ്റിവിറ്റി പഠിക്കാൻ ഉപയോഗിക്കുന്ന ഏറ്റവും സാധാരണമായ മോഡലിംഗ് സമീപനങ്ങളിൽ ഒന്നാണിത് ([69]). കിം മറ്റുള്ളവരെപ്പോലെ സമാനമായ ഒരു രീതി പിന്തുടർന്ന് ഞങ്ങൾ രണ്ട്-ഘട്ട പാത്ത് വിശകലനം / ജിഎൽഎം സമീപനം ഉപയോഗിച്ചു. [44]. ഓരോ പങ്കാളിക്കും: (1) ROI- കൾ മോഡലിൽ ഉൾപ്പെടുത്താൻ തിരഞ്ഞെടുത്തു, (2) രണ്ട് ടാസ്ക് അവസ്ഥകൾക്കായി (ഉയർന്നതും കുറഞ്ഞതുമായ കലോറി ഭക്ഷണങ്ങൾ), (3) സംഗ്രഹത്തിനായി സമയ ശ്രേണി ഡാറ്റയെ രണ്ട് ഗ്രൂപ്പുകളായി വിഭജിച്ചു. ഓരോ ROI യ്ക്കുമായി ഓരോ അവസ്ഥയ്ക്കും ഡാറ്റ എക്സ്ട്രാക്റ്റുചെയ്തു, (4) ROI- കളിലെ പ്രതിപ്രവർത്തനങ്ങൾ വ്യക്തമാക്കുന്ന ഒരു മോഡൽ നിയുക്തമാക്കി, (5) വേരിയൻസ്-കോവിയറൻസ് (സ്കാൻ വോള്യങ്ങളുടെ എണ്ണം X ROI- കളുടെ എണ്ണം) ഓരോ അവസ്ഥയ്ക്കും മാട്രിക്സ് കണക്കാക്കി, (6) മോഡലുകളിലെ ROI- കൾ തമ്മിലുള്ള കണക്ഷനുകളുടെ പാത്ത് കോഎഫിഷ്യൻറുകൾ പരമാവധി സാധ്യത കണക്കാക്കിയാണ് കണക്കാക്കിയത്. ആവർത്തിച്ചുള്ള അളവുകൾ ഓരോ വ്യക്തിക്കും മോഡലുകളിൽ നിന്നുള്ള പാത്ത് കോഫിഫിഷ്യൻറുകൾ ഉപയോഗിച്ച് മോഡൽ കണക്ഷനുകളിൽ ഗ്രൂപ്പിനുള്ളിൽ (അതായത്, അവസ്ഥ) ഗ്രൂപ്പുകൾ തമ്മിലുള്ള വ്യത്യാസങ്ങൾ നിർണ്ണയിക്കാൻ ANOVA ഉപയോഗിച്ചു.
മോഡൽ സവിശേഷത
മോഡലിൽ (OFC, AMYG, NAc) ഉൾപ്പെടുത്തിയിരിക്കുന്ന പ്രദേശങ്ങൾ “മോട്ടീവ് സർക്യൂട്ട്” ([63]), മെസോകോർട്ടിക്കോളിംബിക് ഡോപാമൈൻ സിസ്റ്റം ഉൾപ്പെടുന്നു ([6], [36], [39], [45], [63], [66], [73], [80], [83]). ഈ ശൃംഖലയിലെ ഘടനകളുടെ അറിയപ്പെടുന്ന ശരീരഘടനയെ അടിസ്ഥാനമാക്കിയാണ് മോഡലിലെ കണക്ഷനുകൾ നിർവചിച്ചിരിക്കുന്നത്, മാത്രമല്ല രീതിശാസ്ത്രപരമായ പരിമിതികളും പരിഗണിക്കുന്നു (ഉദാ. എഫ്എംആർഐയുടെ താൽക്കാലിക റെസല്യൂഷനും ഘടനാപരമായ സമവാക്യ മോഡലിംഗ് ഉപയോഗിച്ച് ആവർത്തിക്കാത്ത മോഡലുകളുമായി തിരിച്ചറിയുന്നതിനുള്ള പ്രശ്നവും; [7], [30], [38], [60], [65], [71]; ചിത്രം. 2). വിശ്വസനീയമായ പാത്ത് കോഫിഫിഷ്യന്റ് മൂല്യങ്ങൾ കണക്കാക്കുന്നതിന്, മോഡൽ ആവർത്തനമായി പരിമിതപ്പെടുത്തിയിരിക്കുന്നു (അതായത്, പരസ്പര പാതകളൊന്നും മോഡലിൽ ഉൾപ്പെടുത്തിയിട്ടില്ല).
ഓരോ വിഷയത്തിനും ഒരേ പാത്ത് മോഡൽ നിർമ്മിച്ചു. ഇന്റർ-സബ്ജക്റ്റ് വേരിയബിളിറ്റി അനുവദിക്കുന്നതിന്, ഓരോ അർദ്ധഗോളത്തിലേയും ഓരോ പ്രദേശത്തിന്റെയും കൃത്യമായ കോർഡിനേറ്റുകൾ ഓരോ പങ്കാളിയുടെ സ്റ്റാറ്റിസ്റ്റിക്കൽ മാപ്പിന്റെ പ്രാദേശിക പരമാവധി മുതൽ ഗ്രൂപ്പ് പരമാവധി 12 മില്ലീമീറ്ററിനുള്ളിൽ (ഒരേ ശരീരഘടന പ്രദേശത്ത്) ഭക്ഷണങ്ങൾ> കാറുകളുടെ തീവ്രത ( p <.05, ശരിയാക്കിയിട്ടില്ല; [52]). പ്രദേശങ്ങളുടെ MNI കോർഡിനേറ്റുകൾ NAc, ഇടത് (x, y, z) ആയിരുന്നു: −6, 10, −10 [നിയന്ത്രണങ്ങൾ] കൂടാതെ −10, 14, −6 [പൊണ്ണത്തടി]; NAc വലത്, (x, y, z): 6, 10, −10 [നിയന്ത്രണങ്ങൾ] കൂടാതെ 6, 12, −10 [പൊണ്ണത്തടി]; AMYG, ഇടത് (x, y, z): −26, −2, −20 [നിയന്ത്രണങ്ങൾ] കൂടാതെ −20, 0, −24 [പൊണ്ണത്തടി]; AMYG, വലത് (x, y, z): 22, 0, −20 [നിയന്ത്രണങ്ങൾ] കൂടാതെ 24, 2, −24 [പൊണ്ണത്തടി]; OFC, ഇടത് (x, y, z): −22, 36, −10 [നിയന്ത്രണങ്ങൾ] കൂടാതെ −22, 30, −14 [പൊണ്ണത്തടി]; OFC, വലത് (x, y, z): 26, 36, −14 [നിയന്ത്രണങ്ങൾ] കൂടാതെ 26, 30, −4 [പൊണ്ണത്തടി]. ഓരോ പ്രദേശത്തിനും, സമയ ശ്രേണിയിലെ പ്രധാന ഐജൻവറിയേറ്റ് വിഷയം നിർദ്ദിഷ്ട പ്രാദേശിക പരമാവധി കേന്ദ്രീകരിച്ച് ഒരു 4-mm ഗോളത്തിൽ നിന്ന് വേർതിരിച്ചെടുത്തു. പ്രിൻസിപ്പൽ (അതായത്, 1st) ഐജെൻവാരിയേറ്റ് എന്നത് ഒരു സംഗ്രഹ അളവാണ്, ഇത് X ട്ട്ലിയർമാർക്കുള്ള ഭാരം കുറഞ്ഞ ശരാശരിക്ക് സമാനമാണ്, 4 മില്ലീമീറ്റർ ദൂരത്തിൽ ഉൾപ്പെടുത്തിയിരിക്കുന്ന എല്ലാ വോക്സലുകളുടെയും വ്യത്യാസത്തെ അടിസ്ഥാനമാക്കി.
പ്രാദേശിക സമയ ശ്രേണി ഡാറ്റ (പ്രിൻസിപ്പൽ ഈജൻവറിയേറ്റ് മൂല്യങ്ങൾ) പിന്നീട് രണ്ട് ഡാറ്റാ സെറ്റുകളായി തിരിച്ചിരിക്കുന്നു: (എക്സ്എൻയുഎംഎക്സ്) ഉയർന്ന കലോറി ഭക്ഷണങ്ങളും (എക്സ്എൻയുഎംഎക്സ്) കുറഞ്ഞ കലോറി ഭക്ഷണങ്ങളുമായി ബന്ധപ്പെട്ട സമയ പോയിന്റുകൾ. ഹീമോഡൈനാമിക് കാലതാമസം കണക്കാക്കുന്നതിന്, ഞങ്ങളുടെ രണ്ട് വ്യവസ്ഥകളുടെ ആരംഭവും ഓഫ്സെറ്റും തമ്മിലുള്ള ഒരു 1 s (2 TR) ഫിസിയോളജിക്കൽ കാലതാമസം ഞങ്ങൾ and ഹിക്കുകയും ഞങ്ങൾ എക്സ്ട്രാക്റ്റുചെയ്ത ഡാറ്റ ക്രമീകരിക്കുകയും ചെയ്തു ([32]). ഇതിന്റെ ഫലമായി ഓരോ പങ്കാളിക്കും രണ്ട് 84 (സ്കാൻ വോള്യങ്ങളുടെ എണ്ണം) X 6 (ROI- കളുടെ എണ്ണം) ഓരോ അവസ്ഥയ്ക്കും (ഉയർന്നതും കുറഞ്ഞതുമായ കലോറി ഭക്ഷണങ്ങൾ) ഡാറ്റയുടെ മെട്രിക്സ്.
പാത്ത് പാരാമീറ്റർ കണക്കാക്കുന്നു
ഓരോ പങ്കാളിക്കും സ്വതന്ത്രമായി ഉയർന്ന കലോറിയും കുറഞ്ഞ കലോറിയും ഉള്ള ഭക്ഷണത്തിനായി ഡാറ്റാ മാട്രിക്സിലേക്ക് ഒരു പാത്ത് മോഡൽ അനുയോജ്യമായിരുന്നു. എഫ്എംആർഐ ഡാറ്റയിൽ നിന്നും നിരീക്ഷിച്ച ഒരു കോറിലേഷൻ മാട്രിക്സും ലിസ്റെൽ സോഫ്റ്റ്വെയർ (പതിപ്പ് 8, എസ്എസ്ഐ സയന്റിഫിക് സോഫ്റ്റ്വെയർ) ഉപയോഗിക്കുന്ന മോഡൽ പ്രവചിച്ച ഒരു കോറിലേഷൻ മാട്രിക്സും തമ്മിലുള്ള പൊരുത്തക്കേട് കുറച്ചുകൊണ്ടാണ് ഫ്രീ പാത്ത് കോഫിഫിഷ്യൻറുകൾ കണക്കാക്കിയത്. രണ്ട് അർദ്ധഗോളത്തിനുള്ളിലും (ഇടത്, വലത്) രണ്ട് മോഡലുകളിൽ നിന്നും (ഉയർന്നതും താഴ്ന്നതുമായ) ഓരോ കണക്ഷനുമായി (AMYG → OFC, OFC → NAc, AMYG → NAc) സ്റ്റാൻഡേർഡൈസ്ഡ് പാരാമീറ്റർ എസ്റ്റിമേറ്റുകൾ (re റിഗ്രഷനിൽ സമാനമാണ്) അല്ലെങ്കിൽ പാത്ത് കോഫിഫിഷ്യന്റുകൾ. ഓരോ പങ്കാളിക്കും കലോറി ഭക്ഷണങ്ങൾ) തുടർന്നുള്ള വിശകലനങ്ങൾക്കായി എസ്പിഎസ്എസിലേക്ക് ഇറക്കുമതി ചെയ്തു. മൂന്ന് കണക്ഷനുകളിൽ ഓരോന്നിനും ഒരു മിക്സഡ്-മോഡൽ ANOVA നടത്തി, അതിൽ ഘടകങ്ങൾ ഗ്രൂപ്പ് (അമിതവണ്ണവും നിയന്ത്രണവും), ഭക്ഷ്യ വിഭാഗം (ഉയർന്നതും കുറഞ്ഞ കലോറിയും) അർദ്ധഗോളവുമാണ്. ഇതൊരു പര്യവേക്ഷണ പഠനമായതിനാൽ, ഓമ്നിബസ് മോഡലുകൾ കുറഞ്ഞത് പ്രാധാന്യമർഹിക്കുന്ന ഇഫക്റ്റുകൾ കാണിക്കുന്നിടത്തോളം കാലം നിർദ്ദിഷ്ട പാത്ത് കോഫിഫിഷ്യന്റുകളുടെ പ്രാധാന്യം ഞങ്ങൾ പരിശോധിച്ചു (p <0.10). ഓരോ ഗ്രൂപ്പിനും, ഉയർന്നതും കുറഞ്ഞതുമായ കലോറി ഭക്ഷ്യ മോഡലുകളിലെ പാത്ത് കോഫിഫിഷ്യൻറുകൾ പൂജ്യത്തിൽ നിന്ന് കാര്യമായ വ്യത്യാസമുണ്ടോ എന്ന് പരിശോധിക്കുന്നതിന് ഒരു സാമ്പിൾ ടി-ടെസ്റ്റുകൾ ഉപയോഗിച്ചു, ഇത് വ്യക്തമാക്കിയ കണക്റ്റിവിറ്റിയെ സൂചിപ്പിക്കുന്നു. ഓരോ അർദ്ധഗോളത്തിലെയും (ഇടത്, വലത്) ഗ്രൂപ്പിനുള്ളിലെ (ഉയർന്ന കലോറി വേഴ്സസ്, കുറഞ്ഞ കലോറി ഭക്ഷണങ്ങൾ) ഗ്രൂപ്പുകൾ തമ്മിലുള്ള താരതമ്യങ്ങൾ (അമിതവണ്ണവും ഉയർന്ന കലോറിയും കുറഞ്ഞതുമായ നിയന്ത്രണങ്ങൾ) എന്നിവയ്ക്കായി പാത്ത്വൈസ് താരതമ്യങ്ങൾ ഉപയോഗിച്ചു. -കലോറി ഭക്ഷണങ്ങൾ, സ്വതന്ത്രമായി). ഗ്രൂപ്പിനുള്ളിലെ താരതമ്യത്തിനായി ജോടിയാക്കിയ ടി-ടെസ്റ്റുകളും ഗ്രൂപ്പ് തമ്മിലുള്ള താരതമ്യത്തിനായി സ്വതന്ത്ര സാമ്പിളുകൾ ടി-ടെസ്റ്റുകളും ഉപയോഗിച്ചു.
ഫലം
കണക്കാക്കിയ എല്ലാ പാത്ത് കോഫിഫിഷ്യന്റുകളും അമിതവണ്ണമുള്ള ഗ്രൂപ്പിന്റെ പൂജ്യത്തിൽ നിന്ന് വളരെ വ്യത്യസ്തമായിരുന്നു, കൂടാതെ ഉയർന്നതും കുറഞ്ഞതുമായ കലോറി ഭക്ഷ്യ മോഡലുകളിലെ അർദ്ധഗോളങ്ങളുടെ നിയന്ത്രണങ്ങൾ, നിർദ്ദിഷ്ട കണക്റ്റിവിറ്റി മോഡലിന് അനുസൃതമായി (പി മൂല്യങ്ങൾ <0.001; പട്ടിക 1).
ഗ്രൂപ്പ് താരതമ്യങ്ങൾക്കിടയിൽ
OFC NAc
OFC → NAc കണക്ഷന് ഗ്രൂപ്പിന്റെ പ്രധാന ഫലമൊന്നുമില്ല, എന്നിരുന്നാലും ഒരു പ്രവണതയുണ്ടായിരുന്നു (F [1,22] = 3.70, p = 0.067), ഇത് നിയന്ത്രണങ്ങളുമായി താരതമ്യപ്പെടുത്തുമ്പോൾ അമിതവണ്ണമുള്ള ഗ്രൂപ്പിന് (0.53 ± 0.06) കൂടുതൽ കണക്റ്റിവിറ്റി സൂചിപ്പിക്കുന്നു. (0.41 ± 0.06). ഗ്രൂപ്പ് എക്സ് കാറ്റഗറി അല്ലെങ്കിൽ ഗ്രൂപ്പ് എക്സ് കാറ്റഗറി എക്സ് ലാറ്ററാലിറ്റി ഇന്ററാക്ഷനുകൾ ഒന്നും തന്നെ ഉണ്ടായിരുന്നില്ല, എന്നിരുന്നാലും ഗ്രൂപ്പ് എക്സ് ലാറ്ററാലിറ്റി ഇന്ററാക്ഷനിലേക്ക് (പി = 0.059) ഒരു പ്രവണതയുണ്ടായിരുന്നു. ഉയർന്നതും കുറഞ്ഞതുമായ കലോറി ഭക്ഷണസാധനങ്ങൾക്ക് അമിതവണ്ണമുള്ള ഗ്രൂപ്പിൽ OFC → NAc- ൽ നിന്നുള്ള ഇടത് വശത്തെ പാത്ത് ഗുണകങ്ങൾ വളരെ കൂടുതലാണ് (p മൂല്യങ്ങൾ <.03; ചിത്രം. 3).
AMYG OFC
നിയന്ത്രണങ്ങളുമായി (0.64 ± 0.07) താരതമ്യപ്പെടുത്തുമ്പോൾ അമിതവണ്ണത്തിൽ പങ്കെടുക്കുന്നവർക്ക് (0.84 ± 0.07) AMYG → OFC- യിൽ നിന്നുള്ള ശരാശരി കണക്റ്റിവിറ്റി കുറവായ ഗ്രൂപ്പിന്റെ ഒരു പ്രധാന സ്വാധീനം ഉണ്ടായിരുന്നു, ഇത് പ്രതികരണമായി ഈ ഘടനകൾക്കിടയിൽ മസ്തിഷ്ക സജീവമാക്കുന്നതിൽ താരതമ്യേന ശക്തമായ ദിശാസൂചന ബന്ധത്തെ സൂചിപ്പിക്കുന്നു നിയന്ത്രണത്തിലുള്ള ഭക്ഷണങ്ങൾ (എഫ് [1,22] = 4.46, പി = 0.046). X വിഭാഗത്തിന്റെ ലാറ്ററാലിറ്റി ഇന്ററാക്ഷൻ അനുസരിച്ച് ഒരു ഗ്രൂപ്പിനോട് ഒരു പ്രവണത (p = 0.066) ഉണ്ടായിരുന്നിട്ടും, ലാറ്ററാലിറ്റി ഇന്ററാക്ഷനുകൾ പ്രകാരം വിഭാഗത്തിലോ ഗ്രൂപ്പിലോ കാര്യമായ ഗ്രൂപ്പുകളൊന്നുമില്ല. തുടർന്നുള്ള വിശകലനങ്ങൾ, ഉയർന്ന കലോറി ഭക്ഷണത്തിനുള്ള നിയന്ത്രണങ്ങളിൽ പാത്ത് കോഫിഫിഷ്യൻറുകൾ ഉഭയകക്ഷിപരമായും വലതുഭാഗത്ത് നിന്ന് AMYG low കുറഞ്ഞ കലോറി ഭക്ഷണത്തിനുള്ള വലത് OFC യിലും (p മൂല്യങ്ങൾ <.05; ചിത്രം. 3).
AMYG NAc
നിയന്ത്രണ പങ്കാളികളുമായി (0.35 ± 0.05; എഫ് [0.49] = 0.05, പി = 1,22) താരതമ്യപ്പെടുത്തുമ്പോൾ അമിതവണ്ണമുള്ള ഗ്രൂപ്പിനായി (6.00 ± 0.023) ദുർബലമായ കണക്റ്റിവിറ്റി ഉള്ള ശരാശരി എഎംവൈജി → എൻഎസി കണക്ഷനുവേണ്ടിയുള്ള ഗ്രൂപ്പിന്റെ ഒരു പ്രധാന ഇഫക്റ്റ് ഉണ്ടായിരുന്നു. ). ഗ്രൂപ്പ് എക്സ് ലാറ്ററാലിറ്റി ഇന്ററാക്ഷനിലേക്ക് (പി = 0.09) ഒരു പ്രവണതയുണ്ടെങ്കിലും കാര്യമായ ഗ്രൂപ്പ് എക്സ് വിഭാഗമോ ഗ്രൂപ്പ് എക്സ് കാറ്റഗറി എക്സ് ലാറ്ററാലിറ്റി ഇടപെടലുകളോ ഇല്ല. ഉയർന്നതും കുറഞ്ഞതുമായ കലോറി ഭക്ഷണങ്ങളുടെ നിയന്ത്രണത്തിനായി ഇടത് വശത്തെ പാത്ത് ഗുണകങ്ങൾ വളരെ വലുതാണെന്ന് പെയർവൈസ് താരതമ്യങ്ങൾ സൂചിപ്പിക്കുന്നു (p മൂല്യങ്ങൾ <.05; ചിത്രം. 3).
ഉയർന്ന കലോറി കുറഞ്ഞ കലോറി ഭക്ഷണ അവസ്ഥകളുടെ ഗ്രൂപ്പിനുള്ളിലെ താരതമ്യം
നിയന്ത്രണങ്ങളിലെ ഉയർന്ന കലോറി ഭക്ഷണ വിഭാഗത്തിന് AMYG → OFC ൽ നിന്നുള്ള പാത്ത് ഗുണകങ്ങൾ ഉഭയകക്ഷിപരമായി വളരെ കൂടുതലാണ് (ഇടത്: p = 0.007, വലത്: p = 0.002; കാണുക. ചിത്രം. 4). പൊണ്ണത്തടിയുള്ള ഗ്രൂപ്പിലെ ഉയർന്നതും കുറഞ്ഞതുമായ കലോറി ഭക്ഷണ അവസ്ഥകൾക്കിടയിൽ പാത്ത് ഗുണകങ്ങളൊന്നും കാര്യമായി വ്യത്യാസപ്പെട്ടിട്ടില്ല.
സംവാദം
മുമ്പത്തെ ഗവേഷണങ്ങൾ കാണിക്കുന്നത് ഭക്ഷണ സൂചകങ്ങൾ, പ്രത്യേകിച്ച് ഉയർന്ന കലോറി ഭക്ഷണങ്ങളുമായി ബന്ധപ്പെട്ടവ, NAc, AMYG, OFC എന്നിവയുൾപ്പെടെയുള്ള മസ്തിഷ്ക പ്രദേശങ്ങളിൽ ഹൈപ്പർ ആക്റ്റിവിറ്റിയെ പ്രേരിപ്പിക്കുന്നു, അമിതവണ്ണമുള്ള വ്യക്തികളിലെ പ്രചോദനപരവും വൈകാരികവുമായ പ്രക്രിയകൾക്ക് മധ്യസ്ഥത വഹിക്കാനോ അല്ലെങ്കിൽ കുറഞ്ഞത് കോഡ് ചെയ്യാനോ വിചാരിക്കുന്നു (ഉദാ. [68], [77]). നിലവിലെ പഠനത്തിൽ, അമിതവണ്ണമുള്ളവരും സാധാരണ ഭാരമുള്ളവരുമായ ഗ്രൂപ്പുകൾക്കിടയിലും ഉയർന്ന കലോറി ഭക്ഷണ ചിത്രങ്ങളോടുള്ള പ്രതികരണമായി NAc, AMYG, OFC എന്നിവ തമ്മിലുള്ള നെറ്റ്വർക്ക് കണക്ഷനുകളിൽ വ്യത്യാസമുണ്ടോ എന്ന് ഞങ്ങൾ പരിശോധിച്ചു. ഒരു റിവാർഡ് നെറ്റ്വർക്കിലെ മസ്തിഷ്ക മേഖലകളുടെ ഇടപെടൽ അളക്കുന്നതിന് ഫംഗ്ഷണൽ ന്യൂറോ ഇമേജിംഗ് ഉപയോഗിക്കുന്ന ആദ്യത്തെ മനുഷ്യ കണക്റ്റിവിറ്റി പഠനമാണിതെന്നത് ശ്രദ്ധിക്കേണ്ടതാണ്. സാധാരണ ഭാരം നിയന്ത്രണങ്ങളുമായി താരതമ്യപ്പെടുത്തുമ്പോൾ ഉയർന്നതും കുറഞ്ഞതുമായ കലോറി ഭക്ഷണ സൂചകങ്ങളോടുള്ള പ്രതികരണമായി അമിതവണ്ണമുള്ള ഗ്രൂപ്പിൽ അസാധാരണമായ കണക്റ്റിവിറ്റി ഞങ്ങൾ കണ്ടെത്തി. പ്രത്യേകിച്ചും, അമിതവണ്ണമുള്ള ഗ്രൂപ്പിന് എഎംവൈജി-മോഡുലേറ്റഡ് ആക്റ്റിവേഷനിൽ OFC, NAc എന്നിവയുടെ ആപേക്ഷിക കുറവുണ്ടെന്ന് തോന്നുന്നു, പക്ഷേ എൻഎസി സജീവമാക്കുന്നതിൽ ഒഎഫ്സിയുടെ മോഡുലേഷന്റെ അമിതമായ സ്വാധീനത്തിലേക്കുള്ള പ്രവണത. അങ്ങനെ, മാത്രമല്ല അത് സാധ്യമാണ് കൂടുതൽ റിവാർഡ് സിസ്റ്റത്തിന്റെ സജീവമാക്കൽ, മാത്രമല്ല വ്യത്യാസങ്ങൾ ഇടപെടൽ ഈ ശൃംഖലയിലെ പ്രദേശങ്ങൾ അമിതവണ്ണമുള്ള വ്യക്തികളിലെ ഭക്ഷണങ്ങളുടെ താരതമ്യേന വർദ്ധിച്ച പ്രചോദനാത്മക മൂല്യത്തിന് കാരണമായേക്കാം.
റിവാർഡ് മോഡൽ
എൻഎസി, എഎംവൈജി, ഒഎഫ്സി എന്നിവയ്ക്കിടയിലുള്ള എല്ലാ പാത്ത് കണക്ഷനുകളും അമിതവണ്ണമുള്ള ഗ്രൂപ്പിലെ ഉയർന്നതും കുറഞ്ഞതുമായ കലോറി ഭക്ഷ്യ മോഡലുകൾക്കും സാധാരണ ഭാരം നിയന്ത്രിക്കുന്നതിനും പ്രധാനമാണ്, ഈ പ്രദേശങ്ങൾക്കിടയിൽ അറിയപ്പെടുന്ന ശരീരഘടന കണക്ഷനുകളുമായി പൊരുത്തപ്പെടുന്നു ([7], [16], [17], [30], [38], [56], [60], [65], [71]). ഈ നെറ്റ്വർക്കിനെ വെൻട്രൽ ടെഗ്മെന്റൽ ഏരിയ കണ്ടുപിടിക്കുന്നു, ഇത് പ്രചോദനാത്മകമായി പ്രധാനപ്പെട്ട സംഭവങ്ങൾക്ക് മറുപടിയായി ഈ സർക്യൂട്ടിലേക്ക് ഡോപാമൈൻ പുറപ്പെടുവിക്കുന്നു ([9], [39], [71]). എന്നിരുന്നാലും, ൽ കാണിച്ചിരിക്കുന്നതുപോലെ NAc, AMYG, OFC എന്നിവ തമ്മിലുള്ള പ്രവചനങ്ങൾ ചിത്രം. 2 ഗ്ലൂട്ടാമറ്റെർജിക് ([39], [71]).
ഈ NAc, AMYG, OFC റിവാർഡ് നെറ്റ്വർക്ക് എന്നിവ പ്രചോദനാത്മകമായി പ്രസക്തമായ ഉത്തേജനങ്ങൾക്ക് ([.] പ്രതികരണമായി പെരുമാറ്റം സജീവമാക്കുന്നതിനും നേരിട്ടുള്ളതാക്കുന്നതിനുമുള്ള ഒരു വലിയ “മോട്ടീവ് സർക്യൂട്ടിന്റെ” ഒരു ഉപ സർക്കിട്ടാണ്.39], [63]). എൻഎസി, എഎംവൈജി, ഒഎഫ്സി എന്നിവയ്ക്ക് പ്രത്യേകിച്ചും പ്രതിഫലവുമായി ബന്ധപ്പെട്ട പ്രധാന പ്രവർത്തനങ്ങൾ ഉണ്ട്, അത് പൊതുവായതും ഭക്ഷ്യ-നിർദ്ദിഷ്ടവുമായ പ്രചോദന പ്രക്രിയകൾക്ക് കാരണമാകാം ([6], [10], [11], [36], [39], [45], [63], [66], [73], [80], [83]). NAc / ventral striatum നെ 'ലിംബിക്-മോട്ടോർ' ഇന്റർഫേസ് ([55]) കൂടാതെ പാവ്ലോവിയൻ കണ്ടീഷനിംഗ്, ഇൻസെന്റീവ് സാലിയൻസ്, റിവാർഡ് ലഭ്യത, മൂല്യം, സന്ദർഭം എന്നിവയുമായി ബന്ധപ്പെട്ട പ്രോസസ്സിംഗിൽ ഏർപ്പെട്ടിരിക്കുന്നതായി തോന്നുന്നു ([13], [15], [21]). ഈ പ്രദേശം, ഒപിയോയിഡ്-മെഡിറ്റേറ്റഡ് മെക്കാനിസങ്ങൾ വഴി വെൻട്രൽ പല്ലിഡവുമായി ചേർന്ന് ഹെഡോണിക് മൂല്യത്തെ സൂചിപ്പിക്കാം ([9], [10], [11], [74], [75]). NAc / ventral striatum പൊതുവായ മോട്ടിവേഷണൽ പരിതസ്ഥിതിക്ക് (ഉദാ, [14]), ഇത് ഇൻകമിംഗ് റിവാർഡ് സംബന്ധിയായ സിഗ്നലുകളുടെ ശ്രേണിപരമായ ഓർഗനൈസേഷനെ അനുവദിക്കും. ഭക്ഷ്യ റിവാർഡിനായി, എൻഎസി / വെൻട്രൽ സ്ട്രിയാറ്റം ഭക്ഷണങ്ങളുമായി ബന്ധപ്പെട്ട സൂചകങ്ങളുടെ എൻകോഡിംഗിൽ മുൻഗണനാ പങ്കാളിത്തം കാണിക്കുന്നു (ഭക്ഷണ ഉപഭോഗത്തിനെതിരായി) കൂടാതെ മോട്ടിവേഷണൽ സ്റ്റേറ്റിനെ മോഡുലേറ്റ് ചെയ്യുന്നതിന് ഹോമിയോസ്റ്റാറ്റിക്, നോൺ-ഹോമിയോസ്റ്റാറ്റിക് സിഗ്നലുകളെ സംയോജിപ്പിക്കാം ([42], [76]). ലഭ്യമായ ഭക്ഷണ ഉത്തേജകങ്ങളുടെ ആപേക്ഷിക പ്രതിഫല മൂല്യത്തിനും ഈ പ്രദേശം കോഡ് ചെയ്യാം ([57]). പ്രചോദനാത്മകമായി പ്രസക്തമായ അനുബന്ധ പ്രക്രിയകളിൽ AMYG ഉൾപ്പെട്ടിരിക്കുന്നതായി തോന്നുന്നു ([61], [62]). കൂടുതൽ പൊതുവായ സ്വാധീനവും പ്രചോദനാത്മകവുമായ സവിശേഷതകൾക്കായി കോഡിംഗിനുപുറമെ, എഎംവൈജി പ്രവർത്തനം ഭക്ഷണവുമായി ബന്ധപ്പെട്ട ഉത്തേജനങ്ങളുടെ ([2]). റിവാർഡ് മൂല്യം ഹെഡോണിക് അനുഭവത്തിലേക്ക് വിവർത്തനം ചെയ്യുന്നതിനുള്ള ഒരു പ്രധാന മേഖലയാണ് OFC എന്ന് തോന്നുന്നു ([46]), പ്രതിഫലത്തിന്റെ താൽക്കാലികവും നിശ്ചിതവുമായ സവിശേഷതകൾ പ്രോസസ്സ് ചെയ്യുന്നു ([14]), കൂടാതെ എഎംവൈജിയുമായി സംയോജിച്ച് പ്രചോദനവുമായി ബന്ധപ്പെട്ട പഠന പ്രക്രിയകളിൽ ഏർപ്പെടുന്നു ([24], [59]). ഭക്ഷണ സൂചകങ്ങളോട് മൾട്ടിമോഡൽ പ്രതികരണങ്ങൾ OFC കാണിക്കുന്നു ([67]), ഇൻസുലാർ കോർട്ടക്സിൽ ([[]] ഗസ്റ്റേറ്ററി പ്രോസസ്സിംഗ് പിന്തുടർന്ന് 'തൃതീയ രുചി പ്രദേശം' എന്ന് വിളിക്കുന്നു.10], [11]).
കണക്റ്റിവിറ്റിയിലെ ഗ്രൂപ്പ് വ്യത്യാസങ്ങളുടെ പ്രാധാന്യം
OFC NAc
ഉയർന്നതും കുറഞ്ഞതുമായ കലോറി ഭക്ഷണങ്ങളെ നിയന്ത്രിക്കുന്നതിനേക്കാൾ കൂടുതൽ ഇടത് അർദ്ധഗോളത്തിൽ OFC → NAc കണക്റ്റിവിറ്റി കാണിക്കുന്നു. ഈ വ്യക്തികളിലെ എൻഎസിയിലെ ഭക്ഷ്യ ചിത്രങ്ങൾ, എലവേറ്റഡ് ഡോപാമൈൻ (ഡിഎ) ഫംഗ്ഷനുകൾ എന്നിവ വർദ്ധിപ്പിച്ചുകൊണ്ട് ഈ പാത അമിതവണ്ണമുള്ള ഗ്രൂപ്പിൽ ശക്തിപ്പെടുത്തിയിരിക്കാം. ഹോർവിറ്റ്സ് [33] OFC മുതൽ NAc വരെയുള്ള ഗ്ലൂട്ടാമറ്റർജിക് റിവാർഡ് ഇൻപുട്ടുകൾ ഗേറ്റ് ചെയ്യുന്നതിന് ഡിഎ പ്രവർത്തിക്കുന്നുവെന്ന് നിർദ്ദേശിച്ചു. ഈ ഗേറ്റിംഗ് കാരണം, എൻഎസിയിലെ ഉയർന്ന ഡിഎ ഫംഗ്ഷന്റെ സാന്നിധ്യത്തിൽ, എൻഎസി പ്രവർത്തനം കൂടുതൽ വർദ്ധിപ്പിക്കുന്നതിന് ഒഎഫ്സിക്കുള്ളിലെ ഉയർന്ന തലത്തിലുള്ള പ്രവർത്തനങ്ങൾ കൂടുതൽ ഫലപ്രദമാകും. അമിതവണ്ണത്തിൽ ഡിഎയുടെ പങ്ക് വിവാദമാണെങ്കിലും ([20], [29], [81]), പരോക്ഷമായ തെളിവുകൾ സൂചിപ്പിക്കുന്നത് മിതമായതും അമിതവണ്ണമുള്ളതുമായ വ്യക്തികൾക്ക് റിവാർഡ് സിസ്റ്റത്തിനുള്ളിൽ ഉയർന്ന ഡിഎ ഫംഗ്ഷൻ (ഉദാ. [20]), ഞങ്ങളുടെ സാമ്പിളിലുള്ളത് പോലുള്ളവ. ഭക്ഷ്യ ക്യൂ റിയാക്റ്റിവിറ്റി, കൂടുതൽ ഉപഭോഗം, ഉയർന്ന ബിഎംഐ ([എന്നിവയ്ക്കിടയിലുള്ള നിർദ്ദിഷ്ട പോസിറ്റീവ് ബന്ധങ്ങളുടെ ഒരു താക്കോലാണ് OFC → NAc പാതയെന്ന് ഞങ്ങൾ അനുമാനിക്കുന്നു.25], [78]) എൻഎസി ആക്സസ് ചെയ്യുന്ന output ട്ട്പുട്ട് പാതകളുമായി ഒഎഫ്സി മധ്യസ്ഥമാക്കിയ ഭക്ഷ്യ സൂചകങ്ങളുടെ അതിശയോക്തിപരമായ ആത്മനിഷ്ഠ റിവാർഡ് മൂല്യം ശക്തമായി ചേർത്തതിനാൽ. അവസാനമായി, അമിതവണ്ണവും മയക്കുമരുന്നിന് അടിമയും തമ്മിലുള്ള സമാനതകൾ കാരണം (ഉദാ. [82]), വ്യതിചലിച്ച പിഎഫ്സി (ഒഎഫ്സി ഉൾപ്പെടെ) → എൻഎസി സിനാപ്റ്റിക് ഗ്ലൂട്ടാമേറ്റ് ട്രാൻസ്മിഷൻ മയക്കുമരുന്നുമായി ബന്ധപ്പെട്ട സൂചനകളോടുള്ള പ്രതികരണമായി മരുന്നുകളുടെ വർദ്ധിച്ച പ്രചോദനം വിശദീകരിക്കുന്നുവെന്ന് ആസക്തി അന്വേഷകർ അഭിപ്രായപ്പെട്ടിട്ടുണ്ട് എന്നത് ശ്രദ്ധേയമാണ് ([37], [39]).
AMYG → OFC, AMYG → NAc
നിയന്ത്രണങ്ങളുമായി താരതമ്യപ്പെടുത്തുമ്പോൾ അമിതവണ്ണത്തിൽ പങ്കെടുക്കുന്നവരിൽ, AMYG- ൽ നിന്ന് OFC, NAc എന്നിവയിലേക്കുള്ള പാത്ത് കോഫിഫിഷ്യന്റുകൾ കുറച്ചതായി ഞങ്ങൾ കണ്ടെത്തി. ഉയർന്ന കലോറി ഭക്ഷണത്തിനും ഉഭയകക്ഷി കുറഞ്ഞ കലോറി ഭക്ഷണത്തിനും AMYG → OFC ന് ഈ വ്യത്യാസങ്ങൾ പ്രധാനമായിരുന്നു. എഎംവൈജി → ഇടത് അർദ്ധഗോളത്തിലെ അമിതവണ്ണമുള്ള ഗ്രൂപ്പിൽ ഉയർന്ന കലോറിയും കുറഞ്ഞ കലോറിയും ഉള്ള ഭക്ഷണങ്ങളിൽ എൻഎസി കണക്റ്റിവിറ്റി കുറവായിരുന്നു. അമിതവണ്ണത്തിനായുള്ള ഈ ഗ്രൂപ്പ് വ്യത്യാസങ്ങളുടെ പ്രസക്തി വ്യക്തമല്ലെങ്കിലും, എഎംവൈജിയിൽ നിന്ന് ഈ ഘടനകളിലേക്കുള്ള കണക്റ്റിവിറ്റി കുറച്ചാൽ റിവാർഡ് മൂല്യം അപ്ഡേറ്റ് ചെയ്യുന്നതിനുള്ള വഴക്കം തടസ്സപ്പെടാം. പ്രാഥമിക പ്രതിഫലങ്ങളുമായി ബന്ധപ്പെട്ട ഉത്തേജനങ്ങൾ മോട്ടിവേഷണൽ മൂല്യം നേടുന്ന അടിസ്ഥാന പഠനം AMYG- ൽ സംഭവിക്കാം ([5]). AMYG → OFC പ്രൊജക്ഷൻ അടിസ്ഥാനപരമായ പ്രചോദനാത്മകമായ അനുബന്ധ വിവരങ്ങൾ OFC- ലേക്ക് കൈമാറാം, ഇത് ആത്മനിഷ്ഠ മൂല്യം നിർണ്ണയിക്കാനും തുടർന്നുള്ള ഉപകരണ ചോയിസ് സ്വഭാവത്തെ സ്വാധീനിക്കാനും AMYG- ൽ നിന്നുള്ള വിവരങ്ങൾ ഉപയോഗിക്കുന്നു ([15]). റിവാർഡ് മൂല്യം പരിഷ്ക്കരിക്കുന്നതിന് ഈ പാതയുടെ പ്രാധാന്യത്തിന്റെ ഉദാഹരണമായി, ബാക്സ്റ്ററും സഹപ്രവർത്തകരും [3] എഎംവൈജിയും ഒഎഫ്സിയും തമ്മിലുള്ള ബന്ധം തടസ്സപ്പെട്ടതിന് ശേഷം ഒരു റിവാർഡ് മൂല്യത്തകർച്ച ടാസ്ക്കിനിടെ അവരുടെ സ്വഭാവം മാറ്റുന്നതിൽ റിസസ് മക്കാക്കുകൾ പരാജയപ്പെട്ടുവെന്ന് കണ്ടെത്തി. ഒരു ക്യൂ-ഫല പഠന മാതൃകയിൽ, ഷോൻബോമും സഹപ്രവർത്തകരും [70] ലെസിയോണിംഗ് വഴി AMYG → OFC പാതയെ തടസ്സപ്പെടുത്തുന്നത് ക്യൂവിന്റെ അനുബന്ധ ഗുണങ്ങൾക്ക് വിരുദ്ധമായി സെൻസറിയോട് പ്രതികരിക്കുന്നതിന് കൂടുതൽ ക്യൂ-സെലക്ടീവ് OFC ന്യൂറോൺ ഫയറിംഗിന് കാരണമായതായി കണ്ടെത്തി. ഇൻജസ്റ്റീവ് സ്വഭാവവുമായി ബന്ധപ്പെട്ട്, അമിതവണ്ണമുള്ള പങ്കാളികളിലെ എഎംഐജി → ഒഎഫ്സി കണക്ഷൻ, ഭക്ഷണപദാർത്ഥങ്ങളെക്കുറിച്ചുള്ള അടിസ്ഥാനപരമായ / വൈകാരിക മൂല്യത്തിന്റെ ഉപോപ്റ്റിമൽ കൈമാറ്റം സൂചിപ്പിക്കാം, ഭക്ഷണ സൂചകങ്ങളുടെ ആത്മനിഷ്ഠമായ റിവാർഡ് മൂല്യം അപ്ഡേറ്റ് ചെയ്യുന്നതിന് പ്രധാനമായ ഭക്ഷണം കഴിക്കുന്ന സ്വഭാവത്തിൽ വഴക്കം സാധ്യമാക്കുന്നു. സാധാരണ ഭാരമുള്ള വ്യക്തികളുമായി താരതമ്യപ്പെടുത്തുമ്പോൾ, ഭക്ഷണങ്ങളുടെയും ഭക്ഷണ സൂചകങ്ങളുടെയും പ്രതിഫല മൂല്യം ഭക്ഷണങ്ങളുടെ സെൻസറി ഗുണങ്ങളും അമിതവണ്ണമുള്ളവർക്കുള്ള ഭക്ഷണ സൂചകങ്ങളും കൂടുതൽ ശക്തമായി നയിച്ചേക്കാം. കൂടാതെ, റിവാർഡ് ആകസ്മികതകൾ മാറുമ്പോൾ, സെൻസറി-ഡ്രൈവുചെയ്ത റിവാർഡ് മൂല്യം ഭക്ഷണങ്ങളുടെയും ഭക്ഷണ സൂചകങ്ങളുടെയും പൊരുത്തക്കേട് കുറവായിരിക്കാം.
എഎംവൈജി → ഒഎഫ്സി കണക്ഷന് സമാനമായി, എഎംവൈജി → എൻഎസിയിൽ നിന്നുള്ള അമിതവണ്ണമുള്ള കണക്ഷൻ ഭക്ഷണങ്ങളുടെ പ്രതിഫല മൂല്യം മോഡുലേറ്റ് ചെയ്യുന്നതിന് സഹായിക്കുന്ന അടിസ്ഥാന ഹെഡോണിക് സിഗ്നലിനെ സൂചിപ്പിക്കാം (എഎംവൈജി) മറ്റ് സിഗ്നലുകളുമായി ഉചിതമായി തൂക്കമില്ല (ഉദാ. പ്രചോദനം , ഹോമിയോസ്റ്റാറ്റിക്) ഉചിതമായ ഉൾപ്പെടുത്തൽ സ്വഭാവം നിർണ്ണയിക്കുന്നതിന് മുമ്പ് ([84]).
പരിമിതികളും മുന്നറിയിപ്പുകളും
- എഫ്എംആർഐയിൽ പാത്ത് വിശകലനം ഉപയോഗിച്ച് ഒരു മോഡൽ വ്യക്തമാക്കുന്നത് ഒരു വെല്ലുവിളിയാണ്, കാരണം മോഡലിൽ ഉൾപ്പെടുത്തിയിരിക്കുന്ന ഓരോ അധിക പ്രദേശത്തിലും പ്രദേശങ്ങൾ തമ്മിലുള്ള കണക്ഷനുകളുടെ എണ്ണവും സംയോജനവും ഗണ്യമായി വർദ്ധിക്കുന്നു, ഇത് ഈ പാത്ത് ഗുണകങ്ങളെ വിശ്വസനീയമായി കണക്കാക്കുകയും കണ്ടെത്തലുകൾ കൂടുതൽ വ്യാഖ്യാനിക്കുകയും ചെയ്യുന്നു. ഉദാഹരണത്തിന്, ഓരോ അർദ്ധഗോളത്തിലും 3 പ്രദേശങ്ങളുമായുള്ള ഈ പഠനത്തിൽ (ആകെ 6 പ്രദേശങ്ങൾ) ഉണ്ട് k = N.(N + 1) / 2 = ഓരോ ഡാറ്റാ സെറ്റിനും 21 ഡിഗ്രി സ്വാതന്ത്ര്യം (k = പരീക്ഷിച്ച രണ്ട് മോഡലുകൾക്കും 42 ഡിഗ്രി സ്വാതന്ത്ര്യം) താൽപ്പര്യത്തിന്റെ ഫലങ്ങൾ കണക്കാക്കാൻ അനുവദിച്ചു. രണ്ട് മോഡലുകളിലും ഓരോ പ്രദേശവുമായി ബന്ധപ്പെട്ട വ്യതിയാനങ്ങൾ കണക്കാക്കാൻ പന്ത്രണ്ട് ഡിഗ്രി സ്വാതന്ത്ര്യം ഉപയോഗിക്കുന്നു (ഓരോ മോഡലിനുമുള്ള 6 പ്രദേശങ്ങൾ × 2 മോഡലുകൾ). ഒരു ഏറ്റവും കുറഞ്ഞ മോഡലിലെ ഓരോ പാതയുടെയും പാരാമീറ്റർ മൂല്യങ്ങൾ വിശ്വസനീയമായി കണക്കാക്കാൻ ആവശ്യമായ 5 ഡാറ്റ പോയിന്റുകളുടെ ([4]), ഇത് 30 പ്രദേശങ്ങൾ വീതമുള്ള രണ്ട് മോഡലുകൾക്കായി പരമാവധി 6 കണക്കാക്കാവുന്ന പാതകൾ ഉപേക്ഷിക്കുന്നു (ഒരു മോഡലിന് 15 കണക്കാക്കാവുന്ന പാതകൾ). പാത്ത് വിശകലനം ഉപയോഗിച്ച് പരീക്ഷിക്കാൻ കഴിയുന്ന മോഡലിന്റെ സങ്കീർണ്ണതയെ ഇത് പരിമിതപ്പെടുത്തുന്നു, ഒപ്പം ഞങ്ങളുടെ മോഡലുകളിൽ ഇന്റർഹെമിസ്ഫെറിക് കണക്ഷനുകൾ ഉൾപ്പെടുത്താതിരിക്കാൻ ഞങ്ങൾ തിരഞ്ഞെടുത്ത ഒരു കാരണവുമാണ്.
- ഒരു സാങ്കൽപ്പിക മോഡലിലെ കണക്ഷനുകൾ തമ്മിലുള്ള ഗ്രൂപ്പ് വ്യത്യാസങ്ങൾ നേരിട്ട് പരിശോധിക്കുന്നതിനായി ഞങ്ങൾ രണ്ട്-ഘട്ട SEM / GLM സമീപനം തിരഞ്ഞെടുത്തു, കൂടാതെ ഓരോ ഗ്രൂപ്പുകളും തമ്മിലുള്ള മോഡലിന്റെ ഫിറ്റ് താരതമ്യം ചെയ്യാൻ താൽപ്പര്യമില്ല. ഈ സമീപനം പരമ്പരാഗത എഫ്എംആർഐയിൽ നിന്നും പാത്ത് അനാലിസിസ് മെത്തഡോളജിയിൽ നിന്നും വ്യത്യസ്തമാണ്, “സ്റ്റാക്കുചെയ്ത മോഡൽ സമീപനം” ടാസ്ക്കുകൾ അല്ലെങ്കിൽ ഗ്രൂപ്പുകൾ തമ്മിലുള്ള മോഡൽ ഫിറ്റിനെ താരതമ്യം ചെയ്യുന്നു ([50]). എന്നിരുന്നാലും, പ്രോറ്റ്സ്നറും മക്കിന്റോഷും [64പാത്ത് വിശകലനം ഉപയോഗിച്ച് വിശ്വസനീയമായ പാരാമീറ്റർ എസ്റ്റിമേറ്റുകൾ സൃഷ്ടിക്കുന്നതിന് കേവല മോഡൽ ഫിറ്റ് വിവരങ്ങൾ ആവശ്യമില്ലെന്ന് അടുത്തിടെ റിപ്പോർട്ടുചെയ്തു.
- ഈ പഠനത്തിന്റെ മറ്റൊരു പരിമിതി, ഓരോ ഗ്രൂപ്പിനും ഉപയോഗിക്കുന്ന ചെറിയ സാമ്പിൾ വലുപ്പങ്ങൾ കാരണം ഞങ്ങളുടെ മോഡലുകളിൽ കണക്കാക്കിയ പാത്ത് ഗുണകങ്ങൾ തമ്മിലുള്ള വ്യത്യാസങ്ങൾ കണ്ടെത്താനുള്ള ശക്തിയുമായി ബന്ധപ്പെട്ടിരിക്കുന്നു. വലിയ ഗ്രൂപ്പ് വലുപ്പങ്ങൾ ഉള്ളതിനാൽ, ഞങ്ങളുടെ ട്രെൻഡ് ലെവൽ കണ്ടെത്തലുകൾ സ്ഥിതിവിവരക്കണക്കുകളുടെ പ്രാധാന്യത്തിൽ എത്തുമായിരുന്നു.
- പ്രതിഫലവുമായി ബന്ധപ്പെട്ട പല പ്രക്രിയകൾക്കും മധ്യസ്ഥത വഹിക്കാൻ നിർദ്ദേശിച്ച മെസോകോർട്ടിക്കോളിംബിക് സർക്യൂട്ടിനുള്ളിലെ ഡോപാമൈനിന്റെ ഉറവിടമായ വെൻട്രൽ ടെഗ്മെന്റൽ ഏരിയ (വിടിഎ) ഞങ്ങൾ ഉൾപ്പെടുത്തിയിട്ടില്ല.26], [35], [72]), വിടിഎ പോലുള്ള മസ്തിഷ്ക മേഖലകളിൽ സജീവമാക്കുന്നത് കണ്ടെത്തുന്നത് പ്രയാസകരമാക്കുന്ന BOLD fMRI മായി ബന്ധപ്പെട്ട രീതിശാസ്ത്രപരമായ പരിമിതികൾ കാരണം ഞങ്ങളുടെ മാതൃകയിൽ ([19]).
നിഗമനങ്ങളും സംഗ്രഹവും
ചുരുക്കത്തിൽ, ഞങ്ങളുടെ ന്യൂറോ ഇമേജിംഗ് പഠനം നിയന്ത്രണങ്ങളുമായി താരതമ്യപ്പെടുത്തുമ്പോൾ അമിതവണ്ണമുള്ള വ്യക്തികളിൽ റിവാർഡ് നെറ്റ്വർക്ക് കണക്റ്റിവിറ്റി കണ്ടെത്തി, AMYG മുതൽ OFC, NAc വരെയുള്ള കണക്റ്റിവിറ്റി കുറയുകയും ഈ പങ്കാളികളിൽ OFC → NAc- ൽ കണക്റ്റിവിറ്റി വർദ്ധിക്കുകയും ചെയ്തു. ഭക്ഷണങ്ങളോടുള്ള പ്രതികരണമായി അതിശയോക്തി കലർന്ന റിവാർഡ് സിസ്റ്റം സജീവമാക്കൽ മാത്രമല്ല, അമിതവണ്ണമുള്ള വ്യക്തികളിൽ ഈ നെറ്റ്വർക്കിലെ പ്രദേശങ്ങൾ തമ്മിലുള്ള അസാധാരണമായ ഇടപെടലും ഉണ്ടെന്ന് കാണിക്കുന്നതിന് ഈ ഫലങ്ങൾ മുമ്പത്തെ റിപ്പോർട്ടുകളിലേക്ക് ചേർക്കുന്നു. പ്രത്യേകിച്ചും, അമിതവണ്ണമുള്ളവരിൽ അമിതമായി ഭക്ഷണം കഴിക്കുന്നത് രണ്ട് സംവിധാനങ്ങളാൽ സ്വാധീനിക്കപ്പെടുമെന്ന് ഞങ്ങൾ കരുതുന്നു: (എക്സ്എൻയുഎംഎക്സ്) വർദ്ധിച്ച OFC food എൻഎസി കണക്റ്റിവിറ്റി ഭക്ഷണങ്ങൾ കഴിക്കുന്നതിനുള്ള ഉയർന്ന ഡ്രൈവിന് കാരണമായേക്കാം, കൂടാതെ (എക്സ്എൻയുഎംഎക്സ്) എഎംവൈജിയുടെ കണക്റ്റിവിറ്റിയുടെ ഫലമായുണ്ടാകാം. ഒരു ഭക്ഷണത്തിന്റെയോ ഭക്ഷണ സൂചകത്തിന്റെയോ വശങ്ങൾ പ്രതിഫല മൂല്യം. ഭക്ഷണം കഴിക്കുന്നതിനെത്തുടർന്ന് ഭക്ഷണങ്ങളുടെ മൂല്യത്തകർച്ചയോ ഭക്ഷണ സൂചകങ്ങളോ സൂചിപ്പിക്കുന്നതിന് ഉചിതമായ സ്വാധീനം / വൈകാരിക വിവരങ്ങൾ ഇല്ലാതെ, ഉയർന്ന ഡ്രൈവ് ഹൈപ്പർഫാഗിയയിലേക്കും ശരീരഭാരം കൂട്ടുന്നതിലേക്കും നയിക്കുന്ന ഹോമിയോസ്റ്റാറ്റിക് സംവിധാനങ്ങളെ മറികടക്കും. ഞങ്ങൾ ഒരു ലളിതമായ റിവാർഡ് നെറ്റ്വർക്ക് പരീക്ഷിച്ചുവെന്ന് സമ്മതിക്കാം. റിവാർഡ് സിസ്റ്റത്തിലെ കണക്റ്റിവിറ്റിയെക്കുറിച്ചും ഹൈപ്പോഥലാമസിലെയും മസ്തിഷ്കവ്യവസ്ഥയിലെയും ഹോമിയോസ്റ്റാറ്റിക് സംവിധാനങ്ങളുമായി ഈ പ്രദേശങ്ങൾ എങ്ങനെ ഇടപെടാമെന്നും പ്രീഫ്രോണ്ടൽ കോർട്ടെക്സിൽ ഭക്ഷണം കഴിക്കുന്നത് നിയന്ത്രിക്കുന്നതിനുള്ള വൈജ്ഞാനിക സംവിധാനങ്ങളെക്കുറിച്ചും കൂടുതൽ പഠനങ്ങൾ ആവശ്യമാണ്. റിവാർഡ് മെക്കാനിസങ്ങൾ ഇൻജസ്റ്റീവ് സ്വഭാവത്തെ എങ്ങനെ സ്വാധീനിക്കുന്നുവെന്ന് നന്നായി മനസിലാക്കുന്നതിന് വ്യക്തിഗത വ്യത്യാസങ്ങളും ഇന്റർസെപ്റ്റീവ്, എക്സ്ട്രോസെപ്റ്റീവ് ഘടകങ്ങളും ഈ റിവാർഡ് നെറ്റ്വർക്കിനെ എങ്ങനെ മോഡുലേറ്റ് ചെയ്യുന്നുവെന്നും നിർണ്ണയിക്കുന്നത് രസകരമായിരിക്കും.
അക്നോളജ്മെന്റ്
എൻഎഎച്ച്-എൻഐഡിസിഡി ഇൻട്രാമുറൽ റിസർച്ച് പ്രോഗ്രാം പിന്തുണയ്ക്കുന്നു, നാഷണൽ സെന്റർ ഫോർ റിസർച്ച് റിസോഴ്സസ്, പ്രോക്ടർ ആൻഡ് ഗാംബിൾ കമ്പനി, യുഎബി സെന്റർ ഫോർ ഡവലപ്മെന്റ് ഓഫ് ഫങ്ഷണൽ ഇമേജിംഗ് (സിഡിഎഫ്ഐ) എന്നിവയിൽ നിന്നുള്ള ജിസിആർസി എംഎക്സ്എൻഎംഎക്സ് ആർആർ-എക്സ്എൻഎംഎക്സ് നൽകുന്നു.
അടിക്കുറിപ്പുകൾ
പ്രസാധകന്റെ നിരാകരണം: പ്രസിദ്ധീകരണത്തിനായി അംഗീകരിക്കപ്പെട്ട രേഖപ്പേരമില്ലാത്ത കൈയ്യെഴുത്തുപ്രതിയുടെ ഒരു PDF ഫയൽ ആണ് ഇത്. ഞങ്ങളുടെ കസ്റ്റമറുകൾക്കുള്ള ഒരു സേവനമെന്ന നിലയിൽ, കയ്യെഴുത്തുപ്രതിയുടെ ഈ ആദ്യകാല പതിപ്പാണ് ഞങ്ങൾ നൽകുന്നത്. ഇതിന്റെ ശരിയായ രൂപത്തിൽ പ്രസിദ്ധീകരിക്കപ്പെടുന്നതിനു മുൻപായി ഈ തെളിവുനൽകുന്നതിനുള്ള തെളിവ് കോപ്പിഡിറ്റിംഗ്, ടൈപ്പ്സെറ്റിങ്, അവലോകനത്തിനുണ്ടാകും. ഉൽപ്പാദന പ്രക്രിയയുടെ പിശകുകൾ കണ്ടേക്കാം, അത് ഉള്ളടക്കത്തെ ബാധിക്കും, ഒപ്പം ജേണലിസം ബാധകമാകുന്ന എല്ലാ നിയമപരമായ നിരാകരണങ്ങളും.
താത്പര്യവ്യത്യാസം
തങ്ങൾക്ക് മത്സരിക്കുന്ന സാമ്പത്തിക താൽപ്പര്യങ്ങളില്ലെന്ന് രചയിതാക്കൾ പ്രഖ്യാപിക്കുന്നു.
അവലംബം