Bruce Res Bull. Ogos 2009 14;79(6):388-95. doi: 10.1016/j.brainresbull.2009.05.016.
Stoeckel LE1, Kim J, Weller RE, Cox JE, Masak EW 3rd, Horwitz B.
Abstrak
Kereaktifan yang berlebihan kepada isyarat makanan pada wanita gemuk nampaknya dimediasi sebahagiannya oleh sistem ganjaran hiperaktif yang merangkumi korteks nukleus accumbens, amygdala, dan orbitofrontal. Kajian ini menggunakan pencitraan resonans magnetik fungsional (fMRI) untuk menyiasat sama ada perbezaan antara wanita berat badan 12 dan 12 dalam pengaktifan otak berkaitan ganjaran sebagai tindak balas kepada imej makanan dapat dijelaskan oleh perubahan interaksi fungsional antara rantaian rangkaian ganjaran utama.
Analisis dua langkah laluan / pendekatan Model Liniar Umum digunakan untuk menguji sama ada terdapat perbezaan kumpulan dalam sambungan rangkaian antara nukleus accumbens, amygdala, dan korteks orbitofrontal sebagai tindak balas kepada imej makanan tinggi dan rendah kalori. Terdapat hubungan yang tidak normal dalam kumpulan obes sebagai tindak balas kepada isyarat makanan tinggi dan rendah kalori berbanding dengan kawalan berat badan normal.
Berbanding dengan kawalan, kumpulan obes mempunyai kekurangan relatif dalam modulasi pengaktifan amigdala di kedua-dua korteks orbitofrontal dan nukleus, tetapi pengaruh berlebihan modulasi pengaktifan korteks orbitofrontal pada inti nukleus. Unjuran kekurangan dari amigdala mungkin berkaitan dengan modulasi suboptimal aspek afektif / emosional dari nilai ganjaran makanan atau suntikan motivasi isyarat yang berkaitan, sedangkan peningkatan korteks orbitofrontal ke sambungan nukleus mungkin menyumbang kepada peningkatan keinginan untuk makan sebagai tindak balas kepada makanan isyarat.
Oleh itu, adalah mungkin bukan sahaja pengaktifan sistem ganjaran yang lebih besar, tetapi juga perbezaan dalam interaksi kawasan di rangkaian ini boleh menyumbang kepada peningkatan nilai motivasi makanan dalam individu gemuk.
Etiologi obesiti nampaknya dijelaskan sebahagiannya dengan kereaktifan yang berlebihan kepada isyarat yang berkaitan dengan makanan, terutamanya makanan yang bertenaga tinggi, lemak (misalnya, [12]). Mekanisme untuk meningkatkan daya tarikan motivasi dari rangsangan ini pada individu yang gemuk mungkin merupakan sistem ganjaran hiperaktif, yang merangkumi nukleus accumbens / ventral striatum (NAc), amygdala (AMYG), dan cortex orbitofrontal (OFC). Kajian pencitraan resonans magnetik fungsional (fMRI) sebelum ini mendapati peningkatan pengaktifan kawasan-kawasan ini sebagai tindak balas kepada imej makanan kalori tinggi di obes berbanding dengan individu berat badan normal ([77]; Rajah 1). Kajian lain yang mendedahkan individu gemuk atau mereka yang mempunyai BMI yang lebih tinggi untuk rangsangan makanan juga mendapati pola pengaktifan yang tidak normal di rantau ini ([22], [23], [28], [43], [68]), serta orang lain ([40], [68]). Stimuli yang dikaitkan dengan makanan berkalori tinggi boleh mencetuskan motivasi berlebihan untuk makan bukan homestatik jenis makanan ini ([10], [11], [53]). Keinginan non-homostatik yang berlebihan ini untuk memakan makanan telah digubal sebagai penggambaran insentif atau "ingin" dan nampaknya sebahagian besarnya dikawal melalui sistem dopamine mesokortikolimbik, yang merangkumi NAc, AMYG, dan OFC (contohnya [6]).
Kebanyakan kajian fMRI manusia menggunakan pendekatan analisis statistik univariat yang besar untuk membezakan ciri-ciri fungsian pelbagai kawasan otak makroskopik. Penyiasat sering mengintegrasikan maklumat mengenai pengkhususan fungsional kumpulan sekelompok untuk menjelaskan bagaimana wilayah ini mungkin berinteraksi untuk melaksanakan fungsi yang diberikan. Walau bagaimanapun, satu-satunya kesimpulan berasaskan empirikal yang boleh diambil dari analisis tersebut adalah berkaitan dengan magnitud dan takat pengaktifan dalam satu set kawasan otak yang diberikan, bukan bagaimana wilayah ini berfungsi secara fungsinya. Analisis konektiviti membolehkan penyiasat mengkaji bagaimana rangkaian kawasan otak berinteraksi untuk melaksanakan fungsi kognitif dan tingkah laku (contohnya, [34]). Adalah penting untuk diperhatikan bahawa kesimpulan dari kajian pengaktifan tradisional tidak langsung dipindahkan ke kajian kesambungan. Iaitu, mungkin terdapat perbezaan diukur dalam magnitud aktivasi otak antara kumpulan, tetapi tiada perbezaan kumpulan dalam sambungan, dan sebaliknya (contohnya, [52]).
Analisis jalan, sejenis pemodelan persamaan struktur, adalah pendekatan multivariate, berasaskan hipotesis yang digunakan untuk neuroimaging berfungsi untuk menyiasat hubungan arah antara satu set kawasan otak yang tersambung ([51]). Ini adalah satu kaedah untuk analisis kesalinghubungan yang berkesan, dalam hal ini bermakna perubahan pengaktifan satu wilayah otak akibat perubahan pengaktifan di wilayah lain. Model jalan dibangunkan berasaskan a priori hipotesis dan menganggap struktur kausal, di mana A → B bermaksud perubahan dalam rantau A adalah hipotesis kepada sebab perubahan di rantau B (contohnya, [69]). Kawasan otak dalam model rangkaian biasanya dipilih berdasarkan kajian neuroimaging fungsional sebelumnya, dan hubungan antara kawasan ini biasanya ditakrifkan berdasarkan hubungan neuroanatomik yang diketahui, kebanyakannya dari kesusasteraan haiwan, dengan asumsi homologi di kawasan otak antara spesies (misalnya, [69]). Nilai parameter yang dianggarkan yang dikira menggunakan analisa laluan mewakili pengkuantian laluan arah antara kawasan dalam model. Pekali laluan ini kemudiannya boleh digunakan untuk membuat perbandingan antara sambungan dalam subjek sebagai tindak balas kepada perubahan dalam tugas tugas atau antara subjek dan kumpulan dalam rangka Model Linier Umum (GLM) (misalnya, [44], [64]).
Fungsi NAc, AMYG, dan OFC bersama sebagai sebahagian daripada sistem ganjaran. Terdapat sambungan anatomi kuat di antara rantau ini (lihat Rajah 2; AMYG → OFC: [7], [16], [30], [38], [60], [65], [71], AMYG → NAc: [30], [38], [71], dan OFC → NAc: [7], [16], [17], [30], [38], [56], [60], [65], [71]). Walaupun jelas bahawa NAc, AMYG, dan OFC lebih aktif di obes berbanding dengan kawalan berat badan normal ketika melihat imej makanan, terutamanya imej makanan berkalori tinggi ([77], tidak dapat dipastikan sama ada pengaktifan di rantau ini berkaitan dengan beberapa proses ganjaran yang mendasari (mis., ganjaran insentif atau motivasi untuk mendekati dan menggunakan ganjaran) atau sama ada terdapat proses yang berbeza (contohnya, hedonik atau komponen kesenangan ganjaran dan / atau pembelajaran) yang menyumbang kepada pola pengaktifan ini (lihat [8] untuk perbincangan tentang proses ganjaran yang berbeza ini). NAc, AMYG, dan OFC masing-masing mempunyai banyak sifat berfungsi. Fungsi NAc / ventral ventral sebagai antara muka antara pemprosesan yang berkaitan dengan ganjaran, mekanisme homeostatik, dan output motor (misalnya, [41]), tetapi mungkin juga kod untuk nilai ganjaran ([57]). OFC boleh menyandikan perwakilan deria multimodal makanan dan isyarat makanan ([10], [11]). Bersama-sama, AMYG dan OFC dapat menengahi proses-proses bersekutu di mana rangsangan yang berkaitan dengan makanan memperoleh kemunculan insentif atau sifat motivasi lain (misalnya, [6], [31]), tetapi kedua-duanya juga kod untuk nilai hedonik, AMYG melalui bahagian bawah dan OFC melalui proses atas ([7]).
Dalam kajian ini, kami menggunakan data fMRI Stoeckel et al. [77] dan analisis laluan dua peringkat serta pendekatan GLM untuk menyiasat interaksi struktur ganjaran utama (NAc, AMYG, dan OFC) dalam rangkaian mudah untuk menentukan sama ada struktur ini berfungsi bersama sebagai tindak balas kepada imej makanan tinggi dan rendah kalori berbeza dengan individu yang gemuk dan berat badan normal. Kami menjangkakan untuk mencari sambungan yang berkesan di antara kawasan otak seperti yang dinyatakan dalam model kami dalam kawalan berat badan normal sebagai tindak balas kepada imej makanan tinggi dan rendah kalori. Di samping itu, kami menjangka dapat mencari beberapa sambungan berkesan yang diubah dalam kumpulan obes kita yang mungkin membantu menjelaskan mengapa makanan telah meningkatkan potensi motivasi untuk individu ini.
Bahan dan kaedah
Data yang digunakan untuk analisis laluan adalah data yang sama dilaporkan dalam Stoeckel et al. [77]. Dengan pengecualian seksyen membincangkan kaedah analisis jalan, maklumat di bawah disediakan dengan lebih terperinci dalam Stoeckel et al. [77].
Peserta
Peserta terdiri daripada 12 orang yang gemuk (Body Mass Index, BMI = 30.8 - 41.2) dan 12 orang dengan berat badan normal (BMI = 19.7 - 24.5) wanita kanan yang direkrut dari komuniti University of Alabama di Birmingham (UAB). Tidak ada perbezaan kumpulan pada usia rata-rata (obes: 27.8, SD = 6.2; kawalan: 28, SD = 4.4), etnik (obes: 7 Afrika-Amerika, 5 Kaukasia; kawalan: 6 Afrika-Amerika, 6 Kaukasia), pendidikan (gemuk: 16.7 tahun, SD = 2.2; kawalan: 17.2, SD = 2.8), atau hari purata kitaran haid (gemuk: hari 6.8, SD = 3.1, kawalan: hari 5.7, SD = 3.3, semuanya dalam fasa folikular ). Peserta direkrut dengan iklan yang ditempatkan di akhbar UAB dan selebaran ditempatkan di pelbagai lokasi di kampus UAB. Mereka diberitahu bahawa tujuan kajian ini adalah untuk melihat pola aktiviti otak pada peserta "lapar" BMI yang berlainan sebagai tindak balas terhadap gambar visual pelbagai objek seperti makanan dan gambar kawalan. Individu dikecualikan berdasarkan beberapa kriteria yang berkaitan dengan kesihatan, termasuk sejarah gangguan makan positif, diet aktif atau mengambil bahagian dalam program penurunan berat badan, atau berat badan> 305 paun (138 kg) dengan ketebalan> 64 inci (163 cm), yang terakhir kerana had pengimbas. Semua peserta menandatangani persetujuan bertulis setelah prosedur dan risiko kajian dijelaskan. Semua prosedur telah dikaji dan diluluskan oleh Lembaga Kajian Institusi untuk Penggunaan Manusia di UAB.
Stimuli
Rangsangan yang digunakan semasa sesi pengimejan terdiri daripada gambar-gambar warna 252, semua ukuran, resolusi, dan luminance yang konsisten ([77]). Imej makanan 168 dibahagikan kepada kategori rendah kalori dan tinggi kalori, masing-masing terdiri daripada imej unik 84. Imej makanan rendah kalori terdiri daripada barang-barang rendah lemak seperti sayur-sayuran kukus dan ikan masak. Makanan berkalori tinggi terutamanya item yang tinggi lemak seperti cheesecake atau pizza. Rangsangan kendalian terdiri daripada imej kereta, yang bervariasi dalam membuat, model, umur, dan warna. Imej kereta dimaksudkan sebagai rangsangan kawalan yang sangat menarik yang sesuai dengan gambar rendah kalori pada kesenangan berdasarkan hasil dari Stoeckel et al. [77], dengan makanan berkalori tinggi dinilai lebih tinggi.
Prosedur
Selepas pemeriksaan menyeluruh untuk mengesahkan BMI dan mengesahkan kriteria kajian lain, para peserta dijadualkan untuk sesi fMRI. Mereka diarah untuk makan sarapan biasa antara 7-8 AM tetapi untuk melangkau makan tengah hari dan hanya memakan air sehingga mereka berpuasa selama kira-kira 8-9 h sebelum diilhami antara 3-5 PM Tidak terdapat perbezaan kumpulan mengenai penilaian kelaparan subjektif.
Walaupun peserta berada dalam magnet, rangsangan visual dibentangkan dalam format reka bentuk blok, dengan sejumlah enam 3: 09 min berjalan setiap sesi pengimejan. Setiap larian terdiri daripada dua buah kisah 21 setiap kereta (C), makanan kalori rendah (LC), dan makanan tinggi kalori (HC) yang dipersembahkan kepada para peserta. Dalam setiap kejadian 21 makanan atau gambar kereta, tujuh imej individu masing-masing dibentangkan untuk 2.5 s. Jurang 0.5 memisahkan imej, dan jurang 9 memisahkan zaman. Kesemua jurang terdiri daripada skrin kosong kelabu dengan salib penetapan. Setiap run terdiri daripada jumlah 63 untuk sejumlah jumlah 378 sepanjang enam larian, di mana jumlah 84 diperolehi semasa setiap kereta, makanan kalori rendah, dan pendedahan makanan berkalori tinggi. Imej visual dibentangkan oleh komputer riba yang menjalankan perisian VPM ([18]). Imej diproyeksikan ke skrin di belakang kepala peserta dan dilihat melalui cermin depan yang memproyeksikan permukaan tunggal 45 ° yang dipasang pada gegelung kepala. Peserta diberi pampasan kewangan untuk penyertaan mereka. Semua prosedur telah dikaji semula dan diluluskan oleh Lembaga Kajian Institusi UAB untuk Penggunaan Manusia.
Pemerolehan dan pemprosesan MRI
Data MRI fungsional telah diperoleh menggunakan magnet ultra-pendek Philips Intera 3T dilengkapi dengan gegelung kepekaan pengekodan (SENSE). Imej dikumpulkan menggunakan urutan denyutan gradien-echo EPI T2 * yang ditembak tunggal. Kami menggunakan TE = 30 msec, TR = 3 sec, dan sudut flip 85 untuk 30 kepingan paksi 4 mm tebal dengan jurang interslice 1 mm, resolusi imbasan 80 × 79, dibina semula kepada 128 × 128, dan dengan 230 × 149 × 230 mm FOV. Empat pemindaian pertama dibuang untuk membolehkan magnet untuk mencapai magnetisasi keadaan stabil.
Data telah diproses terlebih dahulu (pembetulan gerakan, normalisasi ke sistem koordinat MNI menggunakan templat SPM2 EPI, dan melicinkan dengan penapis 6W FWHM Gaussian) menggunakan pakej perisian SPM2 (Wellcome Dept. Imaging Neuroscience, London, UK). Tidak ada set data yang gagal memenuhi kriteria inklusi pergerakan, iaitu pergerakan sebelum pembetulan adalah <2 mm dalam pergerakan translasi dan <2 ° dalam gerakan putaran (perincian di [77]).
Analisis data
data fMRI
Jawapan balas reka bentuk paras oksigen darah blok (BOLD) dianalisis dalam konteks Model Linias Umum pada voxel dengan voxel seperti yang dilaksanakan dalam SPM2 ([27]). Kursus masa pengaktifan otak dimodelkan dengan fungsi kotak yang disokong dengan fungsi tindak balas hemodinamik kanonik (HRF) dan fungsi derivatif temporal. Data adalah lulus tinggi yang ditapis (1 / 128 Hz) untuk menghilangkan drifts frekuensi yang rendah. Model autoregressive pesanan pertama juga dilaksanakan untuk membetulkan autokorelasi dalam tempoh ralat model fMRI.
Prosedur tindak balas rawak dua peringkat digunakan untuk analisis statistik untuk menjelaskan kedua-dua subjek dan perbezaan antara subjek. Pertama, data fMRI dari setiap peserta individu digunakan untuk menghasilkan perbezaan statistik dari ramalan parameter untuk menguji perbezaan antara titik masa yang bersamaan dengan makanan berkalori tinggi dan rendah kalori. Keputusan kajian terdahulu ([77]) mendapati perbezaan kumpulan dalam pola pengaktifan yang berkaitan dengan ganjaran, dengan kumpulan gemuk menunjukkan pengaktifan yang lebih besar terhadap makanan berkalori tinggi dan kawalan terhadap makanan rendah kalori. Kontras rangsangan makanan> kawalan kemudian dimasukkan ke dalam analisis ujian-t satu-sampel tahap kedua untuk perbandingan dalam kumpulan untuk melokalisasikan maksima kumpulan untuk kawasan minat kami (ROI): NAC dua hala, AMYG, dan pertengahan OFC (p <.05, tidak diperbetulkan).
ROI untuk AMYG dan OFC didefinisikan menggunakan WFU Pickatlas dan AAL dan Talairach Daemon atlases ([47], [49], [79]). Kerana NAc tidak tersedia di perpustakaan ini, kami menarik 6 mm jejari jejari dengan WFU Pickatlas berpusat di lokasi voxel yang ditentukan oleh purata dimensi lokasi vokel dari kajian fMRI yang berkaitan ([1], [54], [58]). Klasifikasi lokasi serantau voxel diaktifkan telah disahkan dengan menggunakan WFU Pickatlas dan pemeriksaan visual data menggunakan atlas otak manusia ([48]).
Analisis jalan
Analisis jalan digunakan untuk menentukan kekuatan dan arah perhubungan (sambungan berkesan) antara pembolehubah yang diperhatikan (ROI), dianggarkan menggunakan persamaan regresi serentak melalui anggaran kemungkinan maksimum. Ini adalah salah satu pendekatan pemodelan yang paling biasa digunakan untuk mengkaji hubungan yang berkesan ([69]). Kami menggunakan pendekatan laluan dua langkah / GLM, mengikuti kaedah yang sama seperti Kim et al. [44]. Bagi setiap peserta: (1) ROI dipilih untuk dimasukkan ke dalam model, (2) data siri masa telah dibahagikan kepada dua kumpulan yang berkaitan dengan jilid untuk kedua-dua syarat tugas (makanan tinggi dan rendah kalori), (3) ringkasan data yang diekstrak untuk setiap keadaan bagi setiap ROI, (4) model yang ditetapkan yang menentukan interaksi ROI, (5), matriks varians-kovariance (bilangan jumlah imbasan X bilangan ROI) untuk setiap keadaan telah dikira, dan (6) pekali jalan bagi hubungan antara ROI dalam model dianggarkan melalui anggaran kemungkinan maksimum. Langkah-langkah berulang ANOVA kemudian digunakan untuk menentukan dalam kumpulan (iaitu, keadaan) dan perbezaan antara kumpulan dalam sambungan model menggunakan pekali jalan dari model untuk setiap individu.
Spesifikasi model
Kawasan yang termasuk dalam model (OFC, AMYG, dan NAc) adalah komponen dari apa yang disebut "litar motif" ([63]), yang melibatkan sistem dopamin mesokortikolimbik ([6], [36], [39], [45], [63], [66], [73], [80], [83]). Sambungan dalam model ditakrifkan sebahagiannya berdasarkan konektivitas anatomi yang diketahui mengenai struktur dalam rangkaian ini, tetapi juga mempertimbangkan kekangan metodologi (contohnya resolusi sementara fMRI dan masalah pengenalan dengan model bukan rekursif menggunakan pemodelan persamaan struktur; [7], [30], [38], [60], [65], [71]; Rajah 2). Untuk menganggarkan nilai-nilai pekali jalur yang boleh dipercayai, model itu dikekang menjadi rekursif (iaitu, tiada laluan timbal balik dimasukkan ke dalam model).
Model jalan yang sama dibina untuk setiap subjek. Untuk membolehkan kebolehubahan antara subjek, kami menentukan koordinat tepat dari setiap kawasan untuk setiap hemisfera dari maksimum peta statistik peserta masing-masing dalam jarak 12 mm dari kumpulan maksimum (dalam wilayah anatomi yang sama) yang dihasilkan daripada makanan> kontras kereta ( p <.05, tidak diperbetulkan; [52]). Koordinat MNI di kawasan adalah NAc, kiri (x, y, z): -6, 10, -10 [kawalan] dan -10, 14, -6 [obese]; Hak NAc, (x, y, z): 6, 10, -10 [kawalan] dan 6, 12, -10 [obese]; AMYG, kiri (x, y, z): -26, -2, -20 [kawalan] dan -20, 0, -24 [obese]; AMYG, kanan (x, y, z): 22, 0, -20 [kawalan] dan 24, 2, -24 [obese]; OFC, kiri (x, y, z): -22, 36, -10 [kawalan] dan -22, 30, -14 [obese]; OFC, betul (x, y, z): 26, 36, -14 [kawalan] dan 26, 30, -4 [obese]. Bagi setiap rantau, eigenvariate utama siri masa telah diekstrak daripada sfera 4-mm yang berpusat pada maksimum tempatan khusus subjek. Pengetua (iaitu, 1steigenvariate adalah ukuran ringkasan, sama dengan tegasan tegasan teguh kepada outlier, berdasarkan varians semua vokal yang dimasukkan dalam lingkungan 4 mm dalam radius.
Data siri masa serantau (nilai utama eigenvariate) kemudiannya dipisahkan menjadi dua set data: mata masa yang berkaitan dengan (1) makanan berkalori tinggi dan (2) makanan rendah kalori. Untuk mengambil kira hemodinamik, kami menganggap kelewatan fisiologi 6 s (2 TR) antara permulaan dan mengimbangi kedua-dua keadaan dan menyesuaikan data yang kami diekstrak dengan sewajarnya ([32]). Ini menghasilkan dua 84 (bilangan jumlah imbasan) matriks X XUMUMX (bilangan ROI) untuk setiap keadaan (makanan berkalori tinggi dan rendah kalori) bagi setiap peserta.
Anggaran parameter laluan
Model jalan sesuai dengan matriks data untuk makanan berkalori tinggi dan rendah kalori secara bebas untuk setiap peserta. Pekali jalan bebas dianggarkan dengan meminimumkan perbezaan antara matriks korelasi yang diperhatikan dari data fMRI dan matriks korelasi yang diramalkan oleh model menggunakan perisian LISREL (Versi 8, Perisian Ilmiah SSI). Anggaran parameter standard (serupa dengan regresi β), atau pekali jalur, untuk setiap sambungan (AMYG → OFC, OFC → NAc, dan AMYG → NAc) di dalam setiap hemisfera (kiri dan kanan) dari kedua-dua model (tinggi dan rendah- makanan kalori) untuk setiap peserta diimport ke SPSS untuk analisis selanjutnya. ANOVA model campuran dilakukan untuk masing-masing dari tiga hubungan, di mana faktor-faktornya adalah kumpulan (obes berbanding kawalan), kategori makanan (tinggi berbanding rendah kalori) dan hemisfera. Oleh kerana ini adalah kajian eksploratori, kami menguji kepentingan pekali jalan tertentu selagi model omnibus menunjukkan sekurang-kurangnya kesan yang hampir ketara (p <0.10). Untuk setiap kumpulan, satu sampel ujian-t digunakan untuk menguji sama ada pekali jalur dalam model makanan tinggi dan rendah kalori secara signifikan berbeza dari sifar, menunjukkan kesambungan seperti yang ditentukan. Perbandingan berpasangan digunakan untuk menguji perbezaan pekali jalan untuk setiap hemisfera (kiri dan kanan) untuk kumpulan dalam (makanan berkalori tinggi berbanding rendah kalori) dan perbandingan antara kumpulan (obes berbanding kawalan untuk kalori tinggi dan rendah -kalori makanan, secara bebas). Ujian t berpasangan digunakan untuk perbandingan dalam kumpulan dan ujian t sampel bebas digunakan untuk perbandingan antara kumpulan.
Hasil
Semua pekali jalan yang dianggarkan berbeza secara signifikan dari sifar untuk kumpulan gemuk dan kawalan untuk kedua belahan di kedua-dua model makanan tinggi dan rendah kalori, selaras dengan model penyambungan yang ditentukan (nilai p <0.001; Jadual 1).
Perbandingan antara kumpulan
OFC → NAc
Tidak ada kesan utama kumpulan untuk sambungan OFC → NAc, walaupun terdapat kecenderungan (F [1,22] = 3.70, p = 0.067), menunjukkan hubungan yang lebih besar untuk kumpulan obes (0.53 ± 0.06) berbanding dengan kawalan (0.41 ± 0.06). Tidak terdapat interaksi lateral kumpulan X kategori atau kategori X kategori X yang signifikan, walaupun terdapat kecenderungan ke arah interaksi lateralis kumpulan X (p = 0.059). Pekali jalan kiri dari OFC → NAc jauh lebih tinggi pada kumpulan obes untuk makanan tinggi dan rendah kalori (nilai p <.03; Rajah 3).
AMYG → OFC
Terdapat kesan utama kumpulan sehingga hubungan rata-rata dari AMYG → OFC kurang bagi peserta gemuk (0.64 ± 0.07) dibandingkan dengan kawalan (0.84 ± 0.07), menunjukkan hubungan arah yang lebih kuat dalam pengaktifan otak antara struktur ini sebagai tindak balas kepada makanan dalam kawalan (F [1,22] = 4.46, p = 0.046). Tidak ada kumpulan yang signifikan mengikut kategori atau kumpulan berdasarkan interaksi lateral, walaupun terdapat kecenderungan (p = 0.066) terhadap kumpulan mengikut kategori X interaksi lateral. Analisis seterusnya menunjukkan bahawa pekali jalan jauh lebih besar dalam kawalan untuk makanan berkalori tinggi secara dua hala dan dari AMYG kanan → kanan OFC untuk makanan rendah kalori (nilai p <.05; Rajah 3).
AMYG → NAc
Terdapat kesan utama kumpulan untuk sambungan AMYG → NAc yang rata-rata sehingga terdapat hubungan yang lebih lemah untuk kumpulan obes (0.35 ± 0.05) berbanding peserta kawalan (0.49 ± 0.05; F [1,22] = 6.00, p = 0.023 ). Tidak ada interaksi lateral kumpulan X kategori atau kumpulan X kategori X yang signifikan, walaupun terdapat kecenderungan ke arah interaksi lateralis kumpulan X (p = 0.09). Perbandingan berpasangan menunjukkan bahawa pekali jalan sebelah kiri jauh lebih besar untuk kawalan untuk makanan tinggi dan rendah kalori (nilai p <.05; Rajah 3).
Perbandingan antara kumpulan makanan yang tinggi dan rendah kalori
Koefisien jalur dari AMYG → OFC secara bilateral jauh lebih tinggi untuk perbandingan kategori makanan berkalori tinggi dalam kawalan (kiri: p = 0.007, kanan: p = 0.002; lihat Rajah 4). Tiada pekali jalan berbeza dengan ketara antara keadaan makanan yang tinggi dan rendah kalori dalam kumpulan gemuk.
Perbincangan
Kajian terdahulu telah menunjukkan bahawa isyarat makanan, terutama yang berkaitan dengan makanan berkalori tinggi, mencetuskan hiperaktif di kawasan otak termasuk NAc, AMYG, dan OFC memikirkan untuk memeterai atau sekurang-kurangnya kod untuk proses motivasi dan emosi dalam individu gemuk (contohnya [68], [77]). Dalam kajian ini, kami menguji sama ada terdapat perbezaan dalam hubungan rangkaian antara NAc, AMYG, dan OFC sebagai tindak balas terhadap imej makanan tinggi dan rendah kalori di dalam dan di antara kumpulan obes dan berat badan normal. Adalah penting untuk diperhatikan bahawa ini adalah kajian kesambungan manusia yang pertama menggunakan neuroimaging berfungsi untuk mengukur interaksi kawasan otak dalam rangkaian ganjaran. Kami mendapati sambungan menyimpang dalam kumpulan obes sebagai tindak balas kepada kedua-dua isyarat makanan tinggi dan rendah kalori berbanding dengan kawalan berat badan normal. Khususnya, kumpulan obes mempunyai kekurangan relatif dalam pengaktifan modulasi AMYG dari kedua OFC dan NAc, tetapi kecenderungan ke arah pengaruh berlebihan modulasi pengaktifan OFC. Oleh itu, adalah mungkin bahawa bukan sahaja lebih pengaktifan sistem ganjaran, tetapi juga perbezaan dalam interaksi kawasan di rangkaian ini boleh menyumbang kepada peningkatan nilai motivasi makanan dalam individu yang gemuk.
Model ganjaran
Semua sambungan jalur antara NAc, AMYG, dan OFC adalah penting untuk kedua-dua model makanan tinggi dan rendah kalori di kedua-dua kumpulan obes dan kawalan berat badan normal, selaras dengan hubungan anatomi yang diketahui di kalangan kawasan-kawasan ini ([7], [16], [17], [30], [38], [56], [60], [65], [71]). Rangkaian ini diselidiki oleh kawasan tegegalal ventral, yang melepaskan dopamin ke litar ini sebagai tindak balas kepada peristiwa-peristiwa yang bermotivasi ([9], [39], [71]). Walau bagaimanapun, unjuran antara NAc, AMYG, dan OFC seperti digambarkan dalam Rajah 2 adalah glutamatergic ([39], [71]).
Rangkaian ganjaran NAc, AMYG, dan OFC ini adalah subcircuit "litar motif" yang lebih besar yang difikirkan untuk mengaktifkan dan mengarahkan tingkah laku sebagai tindak balas kepada rangsangan yang berkaitan dengan motivasi ([39], [63]). NAc, AMYG, dan OFC, khususnya, mempunyai fungsi berkaitan ganjaran penting yang mungkin menyumbang kepada kedua-dua proses motivasi spesifik dan makanan ([6], [10], [11], [36], [39], [45], [63], [66], [73], [80], [83]). Stektrum NAc / ventral telah dikonseptualisasikan sebagai antara muka 'limbic-motor' ([55]) dan nampaknya terlibat dalam pemprosesan yang berkaitan dengan pengkondisian Pavlovan, kesungguhan insentif, dan ketersediaan, nilai, dan nilai ganjaran ([13], [15], [21]). Rantau ini, bersempena dengan pallidum ventral melalui mekanisme opioid-pengantara, mungkin juga kod untuk nilai hedonik ([9], [10], [11], [74], [75]). The NAc / striatum ventral juga muncul untuk kod untuk lingkungan motivasi am (contohnya, [14]), yang membolehkan organisasi hierarki masuk isyarat berkaitan ganjaran. Untuk ganjaran makanan, stigat NAC / ventral kelihatan menunjukkan penglibatan keutamaan dalam pengekodan isyarat yang berkaitan dengan makanan (berbanding penggunaan makanan) dan boleh mengintegrasikan isyarat homeostatik dan bukan homostatik untuk memodulasi keadaan motivasi ([42], [76]). Wilayah ini mungkin juga kod untuk nilai ganjaran relatif rangsangan makanan yang ada ([57]). AMYG nampaknya terlibat dalam proses bersekutu yang berkaitan dengan motivasi ([61], [62]). Sebagai tambahan kepada pengekodkan sifat-sifat afektif dan motivasi yang lebih umum, aktiviti AMYG mungkin berkaitan dengan sifat spesifik rangsangan yang berkaitan dengan makanan ([2]). OFC nampaknya merupakan wilayah utama untuk menterjemahkan nilai ganjaran ke dalam pengalaman hedonik ([46]), memproses sifat-sifat temporal dan kepastian ganjaran ([14]), dan terlibat dalam proses pembelajaran berkaitan motivasi bersempena dengan AMYG ([24], [59]). OFC menunjukkan tindak balas multimodal kepada isyarat makanan ([67]) dan telah dirujuk sebagai 'kawasan rasa tertiari', selepas pemprosesan gustatory dalam korteks insula ([10], [11]).
Kepentingan perbezaan kumpulan dalam kesambungan
OFC → NAc
Wanita gemuk menunjukkan hemisfera kiri yang lebih besar daripada OFC → konektiviti NAc daripada kawalan yang dilakukan untuk kedua-dua makanan tinggi dan rendah kalori. Laluan ini mungkin diperkuat dalam kumpulan obes dengan gabungan peningkatan pengaktifan OFC oleh gambar makanan dan fungsi dopamin (DA) yang meningkat di dalam NAc dalam individu ini. Horvitz [33] telah mencadangkan bahawa DA bertindak untuk memberi ganjaran ganjaran glutamatergik dari OFC kepada NAc. Kerana gating ini, dengan kehadiran fungsi DA yang tinggi dalam NAc, tahap aktiviti yang tinggi dalam OFC menjadi lebih berkesan dalam meningkatkan aktiviti NAc. Walaupun peranan DA dalam obesiti adalah kontroversi ([20], [29], [81]), bukti tidak langsung mencadangkan fungsi DA yang tinggi dalam sistem ganjaran individu yang ringan dan sederhana (misalnya, [20]), seperti yang terdapat dalam sampel kami. Kami membuat spekulasi bahawa laluan OFC → NAc mungkin menjadi kunci kepada hubungan positif yang dicadangkan di kalangan kereaktifan makanan, pengambilan yang lebih tinggi, dan BMI yang tinggi ([25], [78]) kerana gandingan yang kuat daripada nilai ganjaran subjektif yang berlebihan dari isyarat makanan yang disusun oleh OFC dengan laluan keluaran yang diakses oleh NAc. Akhir sekali, kerana persamaan yang disyorkan antara obesiti dan ketagihan dadah (misalnya, [82), adalah perlu diperhatikan bahawa penyiasat ketagihan telah mencadangkan bahawa disfatal PFC (termasuk OFC) → transmisi glutamat sinaptik NAc menjelaskan peningkatan motivasi untuk ubat sebagai tindak balas kepada isyarat yang berkaitan dengan dadah ([37], [39]).
AMYG → OFC dan AMYG → NAc
Di kalangan peserta gemuk berbanding dengan kawalan, kami mendapati pekali laluan yang dikurangkan dari AMYG kepada kedua OFC dan NAc. Perbezaan ini penting bagi AMYG → OFC bilateral untuk makanan kalori tinggi dan di hemisfera kanan untuk makanan kalori rendah. AMYG → Sambungan NAc lebih rendah di kumpulan obes di hemisfera kiri untuk kedua-dua makanan berkalori tinggi dan rendah kalori. Walaupun perkaitan perbezaan kumpulan ini untuk obesiti tidak jelas, adalah mungkin bahawa mengurangkan sambungan dari AMYG ke struktur ini mungkin menjejaskan kelonggaran dalam mengemas kini nilai ganjaran. Pembelajaran asas di mana rangsangan yang dikaitkan dengan ganjaran utama memperoleh nilai motivasi boleh berlaku di AMYG ([5]). Unjuran AMYG → OFC boleh memindahkan maklumat bersekutu yang berasaskan motivasi asas kepada OFC, yang menggunakan maklumat dari AMYG untuk menentukan nilai subjektif dan mempengaruhi kelakuan pilihan instrumental seterusnya ([15]). Sebagai contoh pentingnya laluan ini untuk mengubah nilai ganjaran, Baxter dan rakan sekerja [3] mendapati bahawa kera rhesus gagal menukar tingkah laku mereka semasa tugas penurunan nilai ganjaran selepas hubungan antara AMYG dan OFC terganggu. Dalam paradigma pembelajaran kiasan, Schoenbaum dan rakan sekerja [70] mendapati bahawa mengganggu laluan AMYG → OFC melalui lesi menyebabkan lebih banyak tembakan OFC selektif neuron menembak sebagai tindak balas kepada deria yang bertentangan dengan sifat bersekutu isyarat. Berkenaan dengan tingkah pengangkatan, kekurangan AMYG → OFC yang berkaitan dengan peserta gemuk mungkin menunjukkan pemindahan suboptimal nilai afektif / emosi asas mengenai makanan dan isyarat makanan yang penting untuk mengemas kini nilai ganjaran subjektif isyarat ini untuk memudahkan fleksibiliti dalam perilaku pengambilan makanan. Berbanding dengan individu yang berat badan normal, nilai ganjaran makanan dan isyarat makanan mungkin lebih kuat dipacu oleh sifat sensori makanan dan isyarat makanan untuk individu gemuk. Di samping itu, nilai ganjaran yang didorong deria makanan dan isyarat makanan mungkin kurang mudah dibentuk dalam menghadapi perubahan kontinjensi ganjaran.
Sama dengan koneksi AMYG → OFC, sambungan kekurangan pada obes dari AMYG → NAc mungkin menunjukkan isyarat hedonik asas yang berfungsi untuk memodulasi nilai ganjaran makanan atau isyarat makanan (AMYG) tidak sesuai dengan isyarat lain (misalnya, motivasi , homeostatik) sebelum tingkah laku pengangkatan yang sesuai ditentukan ([84]).
Had dan peringatan
- Menentukan model menggunakan analisa laluan di fMRI boleh menjadi satu cabaran kerana bilangan dan gabungan hubungan antara kawasan meningkat dengan ketara dengan setiap rantau tambahan yang termasuk dalam model, yang membuat anggaran pekali jalan ini dengan pasti dan menafsirkan penemuan lebih sukar. Sebagai contoh, dalam kajian ini dengan kawasan 3 setiap hemisfera (jumlah wilayah 6), terdapat k = N(N + 1) / 2 = 21 darjah kebebasan setiap set data (k = 42 darjah kebebasan untuk kedua-dua model diuji) yang diperuntukkan untuk menganggarkan kesan kepentingan. Dua belas darjah kebebasan digunakan untuk menganggarkan variasi yang dikaitkan dengan setiap wilayah dalam kedua-dua model (6 region per model × 2 model). Dengan sekurang-kurangnya daripada titik data 5 yang diperlukan untuk menganggarkan nilai parameter untuk setiap jalan dalam model dengan pasti ([4]), ini memberi laluan maksimum 30 untuk dua model dengan kawasan 6 masing-masing (laluan yang boleh dianggarkan 15 setiap model). Ini mengehadkan kerumitan model yang boleh diuji dengan menggunakan analisa laluan dan merupakan satu sebab yang kami memilih untuk tidak memasukkan sambungan interimispherik dalam model kami.
- Kami memilih pendekatan SEM / GLM dua peringkat untuk menguji secara langsung untuk perbezaan kumpulan antara sambungan dalam model hipotesis dan tidak berminat membandingkan perbandingan model antara kumpulan. Pendekatan ini berbeza dengan kaedah fMRI tradisional dan kaedah analisis jalur yang disebut "pendekatan model disusun" membandingkan model sesuai antara tugas atau kumpulan ([50]). Walau bagaimanapun, Protzner dan McIntosh [64] baru-baru ini melaporkan bahawa maklumat fit model mutlak tidak diperlukan untuk menghasilkan anggaran parameter yang boleh dipercayai menggunakan analisis jalur.
- Satu lagi batasan kajian ini berkaitan dengan kuasa untuk mengesan perbezaan antara pekali jalan yang dianggarkan dalam model kami kerana saiz sampel kecil yang digunakan untuk setiap kumpulan. Dengan saiz kumpulan yang lebih besar, penemuan tahap trend kami mungkin telah mencapai kepentingan statistik.
- Kami tidak termasuk kawasan tegar ventral (VTA), sumber dopamin dalam litar mesokortikolimbik yang dicadangkan untuk menengahi banyak proses yang berkaitan dengan ganjaran ([26], [35], [72]), dalam model kami disebabkan oleh batasan metodologi yang berkaitan dengan BOLD fMRI yang membuat pengesanan pengaktifan di rantau sistem otak seperti VTA yang sukar ([19]).
Kesimpulan dan Ringkasan
Secara ringkasnya, kajian neuroimaging kami mendapati sambungan rangkaian penghargaan yang menyimpang pada individu gemuk berbanding dengan kawalan, dengan mengurangkan sambungan dari AMYG kepada OFC dan NAc dan peningkatan sambungan di OFC → NAc dalam peserta ini. Keputusan ini menambah kepada laporan sebelumnya dalam menunjukkan bahawa tidak hanya pengaktifan sistem ganjaran yang berlebihan sebagai tindak balas terhadap makanan, tetapi juga interaksi yang tidak normal antara kawasan dalam rangkaian ini pada individu gemuk. Khususnya, kita berfikir makan berlebihan dalam individu gemuk mungkin dipengaruhi oleh dua mekanisme: (1) meningkatkan OFC → Sambungan NAc mungkin menyumbang kepada pemacu yang lebih tinggi untuk memakan makanan dan (2) konektivitas kekurangan dari AMYG dapat menyebabkan modulasi suboptimal afektif / emosional aspek nilai ganjaran makanan atau makanan. Tanpa maklumat afektif / emosi yang sesuai untuk menandakan penurunan nilai makanan atau isyarat makanan berikutan pengambilan makanan, pemacu yang lebih tinggi boleh mengatasi mekanisme homeostatic yang membawa kepada hiperpagia dan peningkatan berat badan. Diakui, kami menguji rangkaian ganjaran yang mudah. Kajian lanjut adalah perlu untuk menyiasat penyambungan dalam sistem ganjaran dan bagaimana wilayah ini dapat berinteraksi dengan mekanisme homeostatik dalam hypothalamus dan sistem otak, serta mekanisme kognitif kawalan asupan makanan dalam korteks prefrontal. Ia juga akan menarik untuk menentukan bagaimana perbezaan individu dan faktor interoceptive dan exteroceptive memodulasi rangkaian ganjaran ini untuk lebih memahami bagaimana mekanisme ganjaran mempengaruhi tingkah laku pencegahan.
Penghargaan
Disokong oleh Program Penyelidikan Intramural NIH-NIDCD, GCRC memberikan M01 RR-00032 dari Pusat Sumber Penyelidikan Nasional, Procter and Gamble Co., dan sumber Pusat Pengembangan Pencitraan Fungsional (CDFI) UAB.
Nota kaki
Penafian Penerbit: Ini adalah fail PDF bagi manuskrip yang tidak diedit yang telah diterima untuk penerbitan. Sebagai perkhidmatan kepada pelanggan kami, kami menyediakan versi awal manuskrip ini. Manuskrip akan menjalani penyalinan, menaip, dan mengkaji semula bukti yang dihasilkan sebelum ia diterbitkan dalam bentuk yang boleh dihukum akhir. Harap maklum bahawa semasa kesalahan proses produksi dapat ditemukan yang dapat mempengaruhi konten, dan semua penafian hukum yang berlaku untuk pertain jurnal.
Konflik Kepentingan
Penulis mengisytiharkan bahawa mereka tidak mempunyai kepentingan kewangan yang bersaing.
Rujukan