Corak penyambungan struktur otak membezakan berat badan normal daripada subjek berat badan berlebihan (2015)

Klinik Neuroimage. 2015; 7: 506-517.

Diterbitkan dalam talian 2015 Jan 13. doi:  10.1016 / j.nicl.2015.01.005

PMCID: PMC4338207

Pergi ke:

Abstrak

Latar Belakang

Perubahan dalam komponen hedonik dalam tingkah laku pengangkatan telah dikaitkan sebagai kemungkinan faktor risiko dalam patofisiologi individu berlebihan berat badan dan gemuk. Bukti Neuroimaging dari individu dengan peningkatan indeks jisim badan menunjukkan perubahan struktur, fungsi, dan neurokimia dalam rangkaian ganjaran yang diperluas dan rangkaian yang berkaitan.

Berhasrat

Untuk memohon analisis corak multivariate untuk membezakan subjek berat badan dan berat badan yang berat berdasarkan ukuran kelabu dan putih.

Kaedah

Imej struktur (N = 120, berat badan berlebihan N = 63) dan gambar tensor penyebaran (DTI) (N = 60, berat badan berlebihan N = 30) diperoleh dari subjek kawalan yang sihat. Untuk jumlah sampel umur min bagi kumpulan berat badan berlebihan (wanita = 32, lelaki = 31) adalah 28.77 tahun (SD = 9.76) dan untuk kumpulan berat badan normal (wanita = 32, lelaki = 25) adalah 27.13 tahun (SD = 9.62 ). Segmentasi dan pembelahan gambar otak dilakukan dengan menggunakan Freesurfer. Traktografi deterministik dilakukan untuk mengukur ketumpatan serat yang dinormalisasi di antara kawasan. Pendekatan analisis corak multivariate digunakan untuk memeriksa sama ada langkah-langkah otak dapat membezakan berat badan berlebihan daripada individu dengan berat badan normal.

Hasil

1. Klasifikasi putih perkara: Algoritma klasifikasi, berdasarkan tanda tangan 2 dengan hubungan serantau 17, mencapai ketepatan 97% dalam membezakan individu berlebihan berat badan daripada individu berat badan normal. Bagi kedua-dua tandatangan otak, kesambungan yang lebih besar seperti yang diindeks oleh ketumpatan serat meningkat diperhatikan dalam berat badan berlebihan berbanding dengan berat badan normal di antara kawasan rangkaian dan kawasan kawalan eksekutif, rangsangan emosi, dan rangkaian somatosensori. Sebaliknya, corak yang bertentangan (ketumpatan serat menurun) dijumpai di antara korteks prefrontal ventrenedial dan insula anterior, dan antara kawasan jaringan kawalan talamus dan eksekutif. 2. Klasifikasi kelabu-perkara: Algoritma klasifikasi, berdasarkan tanda tangan 2 dengan ciri morfologi 42, mencapai ketepatan 69% dalam mengatasi berat badan berlebihan dari berat normal. Dalam kedua-dua tanda tangan otak, ganjaran, kesungguhan, kawalan eksekutif dan rangkaian rangsangan emosi dikaitkan dengan yang lebih rendah nilai morfologi dalam individu yang berlebihan berat badan berbanding individu berat badan biasa, manakala corak yang bertentangan dilihat untuk kawasan rangkaian somatosensori.

kesimpulan

1. BMI yang meningkat (iaitu, subjek berat badan berlebihan) dikaitkan dengan perubahan yang berbeza dalam masalah kelabu dan kepadatan serat otak. 2. Algoritma klasifikasi berdasarkan kesalinghubungan penting putih yang melibatkan kawasan ganjaran dan rangkaian yang berkaitan dapat mengenal pasti sasaran khusus untuk kajian mekanistik dan pembangunan dadah masa depan yang bertujuan untuk kelakuan ingestif yang tidak normal dan dalam kelebihan berat badan / obesiti.

Kata kunci: Obesiti, Berat Badan, Bahan kelabu morfologi, Kesan putih bahan anatomi, Rangkaian rangkaian, Analisis multivariat, Algoritma pengkelasan
Singkatan: HC, kawalan sihat; BMI, indeks jisim badan; HAD, kecemasan hospital dan Skala Depresi; TR, masa pengulangan; TE, masa gema; FA, sudut belakang; GLM, model linear am; DWI, MRI bertimbang penyebaran; FOV, bidang pandangan; GMV, kelantangan bahan kelabu; SA, kawasan permukaan; CT, ketebalan kortikal; MC, min kelengkungan; DTI, pencahayaan pengesan tensor; FAKTA, tugasan serat oleh pengesanan berterusan; SPSS, pakej statistik untuk sains sosial; ANOVA, analisis varians; FDR, kadar penemuan palsu; sPLS-DA, kuadrat paling sedikit separa untuk analisis diskriminasi; VIP, kepentingan berubah dalam unjuran; PPV, nilai ramalan positif; NPV, nilai ramalan negatif; VTA, kawasan tegar ventral; OFG, orbitofrontal gyrus; PPC, korteks parietal posterior; dlPFC, korteks prefrontal dorsolateral; vmPFC, korteks prefrontal ventrenedial; aMCC, korteks cingulate pertengahan anterior; sgACC, korteks cingulate anterior subgenual; ACC, korteks cingulate anterior

1.0. Pengenalan

Pertubuhan Kesihatan Sedunia menganggarkan bahawa hampir setengah bilion orang dewasa adalah gemuk dan lebih daripada dua kali ganda orang dewasa yang berlebihan berat badan, menyumbang kepada peningkatan penyakit seperti kencing manis, penyakit kardiovaskular, dan kanser, dan menyebabkan kematian sekurang-kurangnya 2.8 juta individu setiap tahun (Pertubuhan Kesihatan Sedunia (WHO), 2014). Di Amerika sahaja, sehingga orang dewasa 34.9 adalah obes dan dua kali ganda orang dewasa (65%) sama ada berat badan berlebihan atau obes (Pusat Kawalan Penyakit (CDC), 2014). Beban ekonomi dan kesihatan yang berlebihan berat badan dan obesiti terus menaikkan kos penjagaan kesihatan setinggi $ 78.5 bilion (Finkelstein et al., 2009), dan berbilion-bilion dolar terus dibelanjakan untuk rawatan dan intervensi yang tidak berkesan (Loveman et al., 2011; Terranova et al., 2012). Walaupun pelbagai usaha diarahkan untuk mengenalpasti patofisiologi yang mendasari kelebihan berat badan dan obesiti, pemahaman semasa masih tidak mencukupi.

Kedua-dua faktor alam sekitar dan genetik memainkan peranan dalam pembangunan manusia yang berlebihan berat badan dan obes (Calton dan Vaisse, 2009; Choquet dan Meyre, 2011; Dubois et al., 2012; El-Sayed Moustafa dan Froguel, 2013). Kajian neuroimaging yang terkini telah menunjukkan bahawa indeks jisim badan yang lebih tinggi (BMI) dikaitkan dengan perubahan dalam fungsi (tugas dan keadaan berehat) (Connolly et al., 2013; Garcia-Garcia et al., 2013; Kilpatrick et al., 2014; Kullmann et al., 2012), morfometri kelabu-perkara (Kurth et al., 2013; Raji et al., 2010), dan harta benda putih (Shott et al., 2014; Stanek et al., 2011), mencadangkan peranan otak yang mungkin dalam patofisiologi kegemukan dan obesiti (Das, 2010). Kajian-kajian ini sebahagian besarnya melibatkan kawasan-kawasan rangkaian ganjaran (Kenny, 2011; Volkow et al., 2004; Volkow et al., 2008; Volkow et al., 2011), dan tiga rangkaian yang berkait rapat dengan ketajaman (Garcia-Garcia et al., 2013; Morrow et al., 2011; Seeley et al., 2007a), kawalan eksekutif (Seeley et al., 2007b), dan rangsangan emosi (Menon dan Uddin, 2010; Zald, 2003) (Rajah 1).

Rajah 1 

Kawasan rangkaian ganjaran dan rangkaian yang berkaitan. 1. Rangkaian hadiah: hipotalamus, korteks orbitofrontal (OFC), nukleus accumbens, putamen, kawasan tegar ventral (VTA), substantia nigra, kawasan tengah (caudate, pallidum, hippocampus). 2. Salience ...

Kajian semasa bertujuan untuk menguji hipotesis umum bahawa interaksi di antara kawasan rangkaian ini berbeza antara individu yang berlebihan berat badan berbanding dengan individu berat badan normal, dan kami menggunakan pemprosesan data, visualisasi dan analisis corak multivariat untuk skala besar hipotesis ini. Ketersediaan saluran paip pemprosesan data yang lebih cekap dan komputasi secara intensif dan algoritma statistik membolehkan pencirian morfologi dan anatomi yang lebih luas pada otak pada individu dengan BMI yang tinggi berbanding individu yang mempunyai berat badan normal. Analisis klasifikasi corak multivariate menyediakan cara untuk mengkaji corak diagihkan kawasan yang mendiskriminasi berat badan berlebihan dibandingkan dengan individu berat badan normal.

Dalam kajian ini, algoritma pembelajaran yang diawasi digunakan untuk mengukur morfometri otak serantau dan ketumpatan serat putih (ukuran hubungan antara kawasan otak tertentu) untuk menguji hipotesis bahawa status kelebihan berat badan dikaitkan dengan corak atau tandatangan otak yang tersendiri yang merangkumi kawasan ganjaran, kesungguhan, kawalan eksekutif, dan rangkaian rangsangan emosi. Keputusan menunjukkan bahawa hubungan serantau, dan kurang morfometrik otak, boleh digunakan untuk mendiskriminasi berat badan berbanding dengan individu berat badan normal. Hasilnya menyediakan algoritma ramalan berdasarkan pencitraan otak multimodal dan mengenal pasti sasaran khusus untuk penyiasatan mekanistik selanjutnya.

2.0. Kaedah

2.1. Peserta

Sampel keseluruhan terdiri daripada sukarelawan kawalan tangan kanan 120 yang berdaftar dalam kajian neuroimaging di Pusat Neurobiologi Tekanan antara 2010 dan 2014. Subjek telah direkrut melalui iklan yang disiarkan di komuniti UCLA dan Los Angeles. Semua prosedur mematuhi prinsip Deklarasi Helsinki dan diluluskan oleh Lembaga Kajian Institusi di UCLA (nombor kelulusan 11-000069 dan 12-001802). Semua mata pelajaran disediakan persetujuan bertulis secara bertulis. Semua subjek dikelaskan sebagai sihat selepas penilaian klinikal yang merangkumi Temuduga Neuropsychiat Mini-Antarabangsa yang diubahsuai Plus 5.0 (Sheehan et al., 1998). Kriteria pengecualian termasuk penyalahgunaan bahan, kehamilan, pergantungan tembakau, pembedahan perut, faktor risiko vaskular, pembedahan penurunan berat badan, senaman berlebihan (lebih dari 1 jam setiap hari dan pelari maraton) atau penyakit psikiatri. Walaupun sering dikaitkan dengan peningkatan BMI, subjek dengan hipertensi, diabetes atau sindrom metabolik dikecualikan untuk mengurangkan heterogenitas penduduk. Juga, subjek dengan gangguan makan, termasuk gangguan pencernaan atau makan seperti anoreksia atau bulimia nervosa dikecualikan untuk alasan yang sama. Walaupun BMI = 25-29.9 dianggap berat badan berlebihan, dalam kajian kami ia dikenal pasti sebagai kumpulan BMI tinggi. Subjek berat normal direkrut pada BMI <25, dan dalam kajian kami dikenal pasti sebagai kumpulan BMI normal. Tiada subjek yang melebihi 400 lb kerana had berat imbasan MRI.

2.2. Ciri-ciri sampel

Soal selidik yang telah disahkan telah selesai sebelum pengimbasan dan digunakan untuk mengukur kebimbangan semasa dan gejala kemurungan (Hospital Anxiety and Depression Scale (HAD)) (Zigmond dan Snaith, 1983). Skala HAD adalah skala item 14 penilaian sendiri yang menilai kebimbangan semasa dan gejala kemurungan dalam subjek di peringkat awal (Zigmond dan Snaith, 1983). Di samping itu, subjek-subjek sebelum ini telah menjalani temubual psikiatrik berstruktur (Mini International Neuropsychiatric Temuramah, MINI) untuk mengukur penyakit psikiatrik masa lalu atau semasa (Sheehan et al., 1998).

2.3. pemerolehan fMRI

2.3.1. MRI struktur kelabu (kelabu)

Subjek (N = 120, BMI tinggi N = 63) diimbas pada 3.0 Tesla Siemens TRIO setelah pengakap sagital digunakan untuk meletakkan kepala. Imbasan struktur diperolehi dari 4 urutan pemerolehan yang berbeza menggunakan protokol 3-dimensi T1-weighted, sagittal magnetization-siap quick gradient echo (MP-RAGE) dan perincian pengimbasan beresolusi tinggi dan perincian pengimbasan adalah: 1. Waktu pengulangan (TR) = 2200 ms masa gema (TE) = 3.26 ms, sudut selip (FA) = 9, 1 mm3 saiz voxel. 2. TR = 2200 ms, TE = 3.26 ms, FA = 20, 1 mm3 saiz voxel. 3. TR = 20 ms, TE = 3 ms, FA = 25, 1 mm3 saiz voxel. 4. TR = 2300 ms, TE = 2.85 ms, FA = 9, 1 mm3 saiz voxel. Pengaruh protokol pengambilalihan terhadap perbezaan dalam jumlah isipadu kelabu (TGMV) dinilai. Secara khusus model linear am (GLM) telah digunakan untuk menentukan pengaruh protokol pada pengatur TGMV untuk umur. Keputusan menunjukkan bahawa semua protokol tidak sama antara satu sama lain (F(3) = 6.333, p = .053).

2.3.2. MRI anatomi (putih-perkara) MRI

Subset sampel asal (N = 60, BMI tinggi N = 30) menjalani MRI berwajaran difusi (DWI) mengikut dua protokol pemerolehan yang setanding. Khususnya, DWI diperoleh dalam 61 atau 64 arah bukan kolin dengan b = 1000 s / mm2, dengan 8 atau 1 b = 0 s / mm2 gambar, masing-masing. Kedua-dua protokol mempunyai TR = 9400 ms, TE = 83 ms, dan bidang pandang (FOV) = 256 mm dengan matriks pemerolehan 128 × 128, dan ketebalan potongan 2 mm untuk menghasilkan 2 × 2 × 2 mm3 vokal isotropik.

2.4. pemprosesan fMRI

2.4.1. Segmen dan pembatalan struktural (kelabu-perkara)

Segmen imej T1 dan pembatalan serantau dilakukan menggunakan FreeSurfer (Dale et al., 1999; Fischl et al., 1999, 2002) mengikut tatanama yang diterangkan di dalam Destrieux et al. (2010). Bagi setiap hemisfera serebrum, satu set struktur kortikal dua hala 74 dilabel sebagai tambahan kepada struktur subcortical 7 dan cerebellum. Hasil segmen dari subjek sampel dipaparkan di Rajah 2A. Satu struktur midline tambahan (batang otak yang merangkumi bahagian tengah otak seperti kawasan tegar ventral [VTA] dan substantia nigra) juga dimasukkan, untuk satu set lengkap pembatasan 165 untuk keseluruhan otak. Empat langkah morfologi wakil dikira untuk setiap pembatalan kortikal: kelantangan bahan kelabu (GMV), kawasan permukaan (SA), ketebalan kortikal (CT), dan kelengkungan min (MC). Aliran kerja pemprosesan data telah direka dan dilaksanakan di talian paip Laboratorium Neuroimaging (LONI)http://pipeline.loni.usc.edu).

Rajah 2 

A. Keputusan pembahagian struktur dan pembatalan dan hasil serat B. bahan putih yang berkaitan dengan pembubaran struktur dari subjek sampel. A: Segmen struktur. B: Segmen perkara putih.

2.4.2. Kesambungan anatomi (perkara putih)

Imej berukuran difusi (DWI) telah diperbetulkan untuk gerakan dan digunakan untuk mengira tensor penyebaran yang berorientasikan semula pada setiap voxel. Imej tensor difusi telah disusun semula berdasarkan interpolasi trilinear tensor yang diubah suai log seperti yang diterangkan dalam Chiang et al. (Chiang et al., 2011) dan disusun semula ke resolusi vokal isotropik (2 × 2 × 2 mm3). Aliran kerja memproses data telah dibuat menggunakan saluran paip LONI.

Kesambungan perkara putih untuk setiap subjek dianggarkan di antara kawasan otak 165 yang dikenal pasti pada imej struktur (Rajah 2B) menggunakan traktografi gentian DTI. Traktografi dilakukan melalui Penyerahan Serat oleh algoritma Penjejakan Berterusan (FACT) (Mori et al., 1999) menggunakan TrackVis (http://trackvis.org) (Irimia et al., 2012). Anggaran akhir kesalinghubungan bahan putih di antara setiap kawasan otak ditentukan berdasarkan bilangan saluran serat yang memotong setiap rantau, dinormalisasi oleh jumlah saluran serat di seluruh otak. Maklumat ini kemudiannya digunakan untuk pengelasan berikutnya.

2.5. Kelompok paling tidak separa jarang - analisa diskriminasi (sPLS-DA)

Untuk menentukan sama ada penanda otak boleh digunakan untuk meramalkan status BMI yang tinggi (berat badan berlebihan vs berat normal) kami menggunakan sPLS-DA. sPLS-DA adalah bentuk regresi PLS jarang tetapi pembolehubah tindak balas adalah kategori, menunjukkan keanggotaan kumpulan (Lê Cao, 2008a; Lê Cao et al., 2009b, 2011). sPLS-DA telah terbukti berkesan terutamanya dengan sebilangan besar peramal, saiz sampel yang kecil, dan garis lurus yang tinggi di kalangan peramal (Lê Cao, 2008a; Lê Cao et al., 2009b, 2011). SPLS memaksimumkan kovarians sampel antara langkah-langkah otak dan kontras perbezaan kumpulan. SPLS pada masa yang sama melakukan pemilihan dan klasifikasi pembolehubah menggunakan penalti lasso (Lê Cao et al., 2009a). sPLS-DA beroperasi menggunakan rangka kerja yang diselia yang membentuk kombinasi linear dari peramal berdasarkan keahlian kelas. sPLS-DA mengurangkan keseragaman data dengan mencari satu set komponen ortogon yang masing-masing terdiri daripada satu set ciri atau pembolehubah yang dipilih. Komponen ini dirujuk sebagai tandatangan otak. Setiap pembolehubah yang terdiri daripada tandatangan otak mempunyai "beban" yang berkaitan, yang merupakan ukuran kepentingan relatif pembolehubah untuk diskriminasi ke dalam kedua-dua kumpulan (Lê Cao et al., 2008b). Di samping itu, skor Varians Importance in Projection (VIP) dikira untuk menganggarkan kepentingan setiap pemboleh ubah yang digunakan dalam model PLS. Skor VIP ialah jumlah beban yang ditimbang, yang mengambil kira variasi yang jelas dari setiap tandatangan. Rata-rata skor VIP kuasa dua sama dengan 1. Predictors dengan pekali VIP lebih besar daripada satu dianggap sangat penting untuk klasifikasi (Lê Cao et al., 2008b).

2.5.1. Pembangunan model ramalan

Bilangan tandatangan otak untuk setiap analisis ditetapkan pada dua (Lê Cao et al., 2008b). Yang analisis kestabilan telah digunakan untuk menentukan bilangan kawasan otak yang optimum untuk setiap tandatangan otak (Lê Cao et al., 2011). Pertama, sPLS-DA diterapkan merentasi pelbagai pembolehubah, 5-200, untuk dipilih untuk setiap tandatangan dua buah otak. Untuk setiap spesifikasi bilangan pembolehubah untuk dipilih, 10 kali ganda pengesahan mengulang kali 100 dilakukan. Prosedur balas pengesahan membahagikan data latihan ke lipatan 10 atau subsampel data (n = 12 set ujian). Sub-sampel tunggal diketepikan sebagai data ujian dan subsampel selebihnya digunakan untuk melatih model. Kestabilan pemboleh ubah ditentukan dengan mengira berapa kali pemboleh ubah tertentu dipilih dalam semua proses pengesahan silang. Hanya pemboleh ubah otak dengan kestabilan lebih besar daripada 80% yang digunakan untuk mengembangkan model akhir.

2.6. Analisis statistik

2.6.1. Kelompok paling tidak separa jarang - analisa diskriminasi (sPLS-DA)

sPLS-DA telah dilakukan dengan menggunakan pakej mixOmics R (http://www.R-project.org). Kami mengkaji kekuatan ramalan morfometri otak dan sambungan anatomi DTI secara berasingan. Di samping morfometri otak serantau atau sambungan anatomi serantau, usia, dan jumlah GMV dimasukkan sebagai peramal yang mungkin. Untuk data morfologi yang diperoleh, ukuran GMV, SA, CT, dan MC dimasukkan ke dalam model. Untuk data sambungan anatomi DTI yang diperolehi, matriks khusus subjek mengindeks kepadatan serat relatif di antara kawasan 165 telah diubah menjadi matriks dimensi 1 yang mengandungi sambungan unik 13,530 (segitiga atas dari matriks awal). Matriks ini kemudiannya disatukan merangkumi subjek dan memasuki sPLS-DA. Sebagai langkah pengurangan data awal, hampir peramal varians sifar telah jatuh dan ini mengakibatkan sambungan yang tersisa 369. Tanda tangan otak diringkaskan dengan menggunakan beban variabel pada dimensi individu dan koefisien VIP. Kami juga menggunakan paparan grafis untuk menggambarkan kebolehan diskriminatif algoritma (Lê Cao et al., 2011). Keupayaan ramalan model akhir dinilai menggunakan cuti salah satu daripada pengesahan silang. Kami juga mengira langkah klasifikasi binari: kepekaan, spesifikasi, nilai ramalan positif (PPV) dan nilai ramalan negatif (NPV). Di sini, kepekaan mengindeks keupayaan algoritma klasifikasi untuk mengenal pasti individu berlebihan berat badan dengan betul. Spesifikasi mencerminkan keupayaan algoritma klasifikasi untuk mengenal pasti individu berat badan yang betul. PPV mencerminkan perkadaran sampel menunjukkan tandatangan otak yang berlebihan khusus dari algoritma klasifikasi dan yang sebenarnya adalah berat badan berlebihan (positif positif). Sebaliknya NPV adalah kebarangkalian bahawa jika hasil ujian adalah negatif, iaitu, peserta tidak mempunyai tandatangan otak khusus yang berlebihan (negatif yang benar).

2.6.2. Ciri-ciri sampel

Analisis statistik dijalankan menggunakan perisian Paket Perakaunan Sosial (SPSS) Statistik (versi 19). Perbezaan kumpulan dalam skor ukuran tingkah laku telah dinilai dengan menggunakan analisis varians (ANOVA). Penting dipertimbangkan pada p <.05 tidak diperbetulkan.

3.0. Keputusan

3.1. Ciri-ciri sampel

Jumlah sampel (N = 120) merangkumi 63 individu berat badan berlebihan (wanita = 32, lelaki = 31), usia rata-rata = 28.77 tahun, SD = 9.76, dan 57 individu berat badan normal (wanita = 32, lelaki = 25), usia rata-rata = 27.13 tahun, SD = 9.62. Walaupun kumpulan berlebihan berat badan cenderung mempunyai tahap kegelisahan dan kemurungan yang lebih tinggi, tidak ada perbezaan kumpulan yang signifikan (F = .642, p = .425; F = .001, p = .980). Ciri-ciri klinikal sampel diringkaskan dalam Jadual 1.

Jadual 1 

Ciri-ciri sampel.

3.2. Analisis corak multivariate menggunakan sPLS-DA

3.2.1. Klasifikasi berdasarkan anatomi (putih-perkara) berdasarkan

Kami mengkaji sama ada persamaan otak anatomi otak boleh digunakan untuk membezakan individu yang berlebihan berat badan dari individu berat badan normal. Rajah 3A menggambarkan individu dari sampel yang diwakili dalam hubungan dengan tandatangan dua otak dan menggambarkan kebolehan diskriminatif pengkaji bahan putih. Langkah pengkelasan binari telah dikira dan menunjukkan kepekaan 97%, kekhususan 87%, PPV 88%, dan NPV 96%. Jadual 2 mengandungi senarai sambungan bahan putih stabil yang terdiri daripada setiap tandatangan otak yang diskriminasi bersama dengan beban pembolehubah dan pekali VIP.

Rajah 3 

A. Pengelas berdasarkan kepadatan serat (bahan putih). B. Pengelas berdasarkan morfologi kelabu. A: Menggambarkan kebolehan diskriminasi ketumpatan gentian (putih-perkara) pengelas. B: Menggambarkan kebolehan diskriminatif pengelas perkara kelabu. ...
Jadual 2 

Senarai sambungan anatomi yang terdiri daripada setiap tandatangan otak diskriminatif.

3.2.2. Tandatangan otak berasaskan sambungan anatomi 1

Tandatangan otak pertama menyumbang 63% varians. Seperti yang ditunjukkan oleh pekali VIP, pemboleh ubah dalam penyelesaian yang menerangkan paling banyak variasi termasuk 1) antara rangkaian rangkaian ganjaran (putamen, pallidum, batang otak [termasuk kawasan tengah seperti VTA dan substantia nigra]) dengan wilayah eksekutif kawalan (precuneus yang merupakan sebahagian daripada korteks parietal posterior), ketajaman (insula anterior), rangsangan emosional (korteks prefrontal rektromedial) dan rangkaian somatosensori (grenus postcentral); 2) kawasan rangkaian rangsangan emosional (korteks menegak anterior, korteks prefrontal ventrenedial) dengan rantaian insula (anterior anterior) dan somatosensory (lobus paracentral termasuk rangkaian motor tambahan); dan 3) thalamus dengan gyrus occipital tengah dan thalamus dengan rantau rangkaian kawalan eksekutif (corteks prefrontal lateral dorsal).

Berbanding dengan kumpulan berat badan biasa, kumpulan kelebihan berat menunjukkan hubungan yang lebih baik dari rantau rangkaian ganjaran (putamen, pallidum, batang otak) ke rangkaian kawalan eksekutif (korteks posterior parietal), dan dari putamen ke bahagian penghalang rangkaian rangsangan emosional korteks prefrontal ventrenedial) dan ke kawasan rangkaian somatosensori (gyrus postcentral dan insula posterior). Kesambungan yang lebih rendah diperhatikan dalam kumpulan kelebihan berat badan di kawasan-kawasan dari rangkaian rangsangan emosi (cortex prefrontal ventrenedial) ke rangkaian penonjolan (insula anterior), tetapi hubungan yang lebih besar dalam kumpulan kelebihan berat badan dari kawasan dari rangkaian rangsangan emosi (corteks prefrontal ventrenal) rangkaian somatosensori (insula posterior). Kesambungan yang lebih rendah juga diperhatikan dalam kumpulan kelebihan berat badan dalam sambungan dari somatosensory (lobak paracentral) ke korteks bengkak anterior tetapi penyambungan yang lebih tinggi dari lobus paracentral ke sulcus subparietal (sebahagian daripada rangkaian somatosensori). Melihat kepada sambungan thalamic, sambungan yang lebih rendah diperhatikan dari thalamus ke korteks prefrontal lateral dorsal (rangkaian kawalan eksekutif) dan gyrus occipital tengah dalam individu yang berlebihan berat badan berbanding dengan individu berat badan normal.

3.2.3. Tandatangan otak berasaskan sambungan anatomi 2

Tandatangan otak anatomi kedua dikenalpasti menyumbang tambahan 12% varians dalam data. Pembolehubah yang menyumbang paling banyak kepada diskriminasi kumpulan seperti yang ditunjukkan oleh pekali VIP termasuk sambungan di kawasan ganjaran (putamen, orbital sulci yang merupakan sebahagian daripada gyrus frontal orbital, dan brainstem) dan rangsangan emosional (gyrus rectus yang medial sebahagian daripada korteks prefrontal ventrenedial).

Dalam individu yang berlebihan berat badan berbanding dengan individu berat badan yang normal, sambungan yang lebih tinggi diperhatikan di antara rantaian rangkaian ganjaran (batang otak dan putamen) kepada kedua-dua kawalan eksekutif (corteks prefrontal lateral dorsal) dan bahagian penghalang emosional (korteks prefrontal ventrenedial). Walau bagaimanapun, sambungan antara kelengkungan gyrus frontal orbital (rangkaian ganjaran) adalah lebih rendah pada individu berlebihan berat badan berbanding individu berat badan biasa.

3.2.4. Klasifikasi berasaskan kelabu morfometrik

Kami mengkaji sama ada morfometri otak (kelantangan bahan kelabu, kawasan permukaan, ketebalan kortikal, dan kelengkungan min) boleh digunakan untuk membezakan individu berlebihan berat badan daripada individu berat badan normal. Rajah 3B menggambarkan individu dari sampel yang diwakili dalam hubungan dengan tandatangan dua otak dan menggambarkan kebolehan diskriminatif pengelas morfometri. Langkah pengkelasan binari telah dikira dan menunjukkan kepekaan 69%, kekhususan 63%, PPV 66%, dan NPV 66%. Jadual 3 mengandungi senarai langkah-langkah morfometrik yang terdiri daripada setiap diskriminatif bersama dengan beban pembolehubah dan pekali VIP.

Jadual 3 

Morfometri serantau merangkumi setiap tandatangan otak.

3.2.5. Tandatangan otak berasaskan morfologi 1

Tandatangan otak pertama menjelaskan 23% daripada kebolehubahan dalam data fenotip morfometri. Seperti yang dilihat oleh pekali VIP, pembolehubah yang menyumbang paling varians kepada tanda tangan termasuk kawasan ganjaran (subrion gyrus depan orbit), ketajaman (insula anterior), kawalan eksekutif (korteks prefrontal lateral dorsal), rangsangan emosi (korteks prefrontal ventrenedial ) dan somatosensory (sulcus precentral, gyrus supramarginal, sulcus subcentral, rangkaian unggul sulcus). Koefisien VIP tinggi juga diperhatikan untuk gyrus frontal superior dan sulcus, gyrus temporal unggul, frontopolar gyri melintang, dan gyrus temporal anterior melintang. Kawasan ganjaran, kesungguhan, kawalan eksekutif dan rangkaian rangsangan emosi dikaitkan dengan yang lebih rendah nilai pada individu berlebihan berat badan berbanding individu berat badan biasa. Juga, individu berlebihan berat badan berbanding individu berat badan biasa lebih nilai dalam kawasan rangkaian somatosensori. Morfometri kawasan depan dan temporal (gyrus temporal unggul, dan gyrus temporal yang melintang anterior) juga dikaitkan dengan yang lebih rendah nilai pada individu berlebihan berat badan berbanding individu berat badan biasa.

3.2.6. Tandatangan otak berasaskan morfologi 2

Tandatangan otak morfologi kedua menjelaskan 32% varians. Pembolehubah dengan pekali VIP tertinggi adalah sama dengan pekali VIP yang diperhatikan di tandatangan otak 1 kerana mereka termasuk kawasan ganjaran (caudate), ketajaman (insula anterior), kawalan eksekutif (bahagian korteks parietal posterior), rangsangan emosi (parahippocampal gyrus, korteks cingulate anterior subgenual, dan korteks cingulate anterior) dan rangkaian somatosensori (luaran insula dan lobus paracentral). Walau bagaimanapun, tandatangan otak 2 berbanding dengan tandatangan otak 1 hanya mempunyai satu sambungan dari rangkaian ganjaran dan lebih banyak sambungan dari rantau kacamata dan rangsangan emosi.

Dalam individu berlebihan berat badan berbanding individu berat badan biasa, yang lebih rendah nilai morfometri dalam ganjaran, ketajaman, kawalan eksekutif dan rangkaian rangsangan emosi, tetapi yang lebih tinggi nilai dalam rangkaian somatosensori telah ditunjukkan.

4.0. Perbincangan

Tujuan kajian ini adalah untuk menentukan sama ada corak morfologi dan anatomi sambungan otak (berdasarkan ketumpatan serat antara kawasan otak tertentu) boleh mendiskriminasikan individu yang berlebihan berat badan dari individu berat badan normal. Penemuan utama adalah: 1. Kesambungan anatomi (ketumpatan relatif antara bahan-bahan kulit putih di antara kawasan) dapat mendiskriminasi antara subjek dengan BMI yang berbeza dengan sensitiviti tinggi (97%) dan kekhususan (87%). 2. Sebaliknya, perubahan morfologi dalam bahan kelabu mempunyai ketepatan klasifikasi optimum yang tidak sesuai. 3. Kebanyakan kawasan otak yang terdiri daripada tanda tangan otak diskriminasi tergolong dalam ganjaran yang diperluas, ketajaman, eksekutif pusat, dan rangkaian rangsangan emosional yang mencadangkan bahawa kecacatan fungsi yang diperhatikan adalah disebabkan oleh organisasi tidak normal antara rangkaian ini.

4.1. Tandatangan otak berdasarkan sambungan anatomi yang dikaitkan dengan BMI

Dalam kajian ini, algoritma klasifikasi yang terdiri daripada dua tandatangan otak yang mencerminkan corak hubungan yang tersendiri di rantau ini menunjukkan keupayaan yang ketara untuk membezakan antara individu berat badan dan individu berat badan normal. Kebanyakan kajian DTI dalam individu BMI tinggi (Shott et al., 2014; Stanek et al., 2011; Xu et al., 2013; Yau et al., 2010, 2014) menumpukan perhatian untuk mengkaji perbezaan dalam ciri-ciri penyebaran bahan putih termasuk anisotropi pecahan dan perbezaan berlipat ganda (yang mengukur integriti saluran bahan putih), atau pekali penyebaran jelas (yang mengukur penyebaran air dalam trek dan mencerminkan kerosakan sel). Kesemua langkah ini dapat memberikan maklumat mengenai perubahan tempatan dalam mikro-perkara penting mikro. Dalam kajian semasa, kami telah memberi tumpuan kepada pengukuran kepadatan saluran serat DTI sebagai ukuran menganggarkan kesalinghubungan relatif di antara kawasan dan rangkaian otak. Oleh itu, sementara kajian-kajian lain telah mengubah setempat dalam mikrostruktur masalah putih, mereka tidak mengenal pasti implikasi perubahan ini dari segi sambungan.

4.1.1. Tandatangan otak berasaskan sambungan anatomi 1

Tandatangan otak pertama sebahagian besarnya terdiri daripada sambungan dalam dan di antara ganjaran, ketajaman, kawalan eksekutif, rangsangan emosi, dan rangkaian deria. Terdapat juga sambungan thalamic ke kawasan-kawasan rangkaian kawalan eksekutif dan ke kawasan occipital. Sesuai dengan penemuan kami mengurangkan sambungan dari korteks prefrontal ventrenedial ke insula anterior yang diperhatikan dalam kumpulan kelebihan berat badan berbanding dengan kumpulan berat badan yang normal, mengurangkan integriti saluran bahan putih (mengurangkan anisotropi pecahan) dalam kapsul luaran (yang mengandungi gentian yang menyambung kawasan kortikal ke kawasan kortikal lain melalui gentian persatuan pendek) telah dilaporkan di obes berbanding kawalan (Shott et al., 2014). Di samping itu, obesiti berbanding dengan mengawal pekali rintangan yang jelas (penyebaran air yang mencerminkan kerosakan sel) lebih besar dalam lapisan sagittal (yang dikenali untuk menyebarkan maklumat dari kawasan parietal, occipital, cingulate dan temporal kepada thalamus), dan mungkin konsisten dengan pemerhatian kami tentang kesalinghubungan yang lebih rendah antara thalamus kanan dan gyrus occipital tengah yang betul untuk individu berlebihan berat badan berbanding individu berat badan biasa (Shott et al., 2014). Shott dan rakan sekerja (Shott et al., 2014) juga mengenal pasti pekali penyebaran yang nyata (mencerminkan kemungkinan kerosakan sel) pada kumpulan obes di korona radiata, yang nampaknya memuji penemuan kami mengenai ketumpatan serat relatif yang lebih rendah antara struktur bahan kelabu dalam (seperti thalamus) dan kawasan kortikal (dorsal korteks prefrontal lateral) pada individu yang mempunyai berat badan berlebihan berbanding dengan individu yang mempunyai berat badan normal. Penyambungan thalamic yang berubah boleh mengganggu peranan thalamus dalam memfasilitasi penyampaian maklumat deria periferal ke korteks (Jang et al., 2014).

Satu kajian yang berasingan membandingkan obes remaja yang tidak rumit dengan individu berat badan yang normal juga mendapati pengurangan anisotropi pecahan di kalangan remaja obes di kawasan seperti kapsul luaran, kapsul dalaman (yang kebanyakannya membawa kortikospinal naik dan turun), serta beberapa gentian temporal dan radiasi optik (Yau et al., 2014). Satu kajian baru-baru ini juga mengamati kehilangan serat saraf sambungan dengan DTI antara batang otak dan hipotalamus dalam individu dengan cavernoma batang otak yang, selepas mengalami saliran pembedahan, mempunyai peningkatan berat dramatik, yang mungkin menunjukkan bahawa serat saraf ini terlibat dalam peraturan daripada kedua-dua asupan makanan dan berat (Purnell et al., 2014). Walau bagaimanapun, kami tidak mengenal pasti perbezaan penyambungan dengan hipotalamus, yang mungkin sebahagiannya disebabkan oleh pembatasan pembatalan berdasarkan atlas yang digunakan dalam kajian semasa.

4.1.2. Tandatangan otak berasaskan sambungan anatomi 2

Tanda tangan ortogonal kedua terdiri daripada hanya tiga sambungan anatomi dalam ganjaran dan rangkaian emosi emosi. Pengenalan sambungan yang diubah dalam kawasan yang terdiri daripada rangkaian ganjaran dan dengan kawasan di rangkaian yang berinteraksi dengannya dalam kajian semasa belum dilaporkan sebelumnya. Walau bagaimanapun, perubahan ini mungkin dijangka berdasarkan kajian morfologi baru-baru ini yang telah melihat perubahan abu-abu dalam kawasan rangkaian ganjaran yang dilanjutkan (Kenny, 2011; Kurth et al., 2013; Raji et al., 2010; Volkow et al., 2008). Bersama-sama, penemuan kami kelihatan menunjukkan perubahan luas dalam hubungan keserasian putih untuk kawasan yang terdiri daripada rangkaian ganjaran dan rangkaian yang berkaitan.

Walaupun kajian-kajian lain telah menemui integriti serat yang dikurangkan seperti yang diukur oleh anisotropi pecahan di kawasan-kawasan korpus callosum dan fornix (yang merupakan sebahagian daripada cingulate dan membawa maklumat dari hippocampus ke hypothalamus) dengan peningkatan BMI (Stanek et al., 2011; Xu et al., 2013); kajian semasa tidak mengenal pasti perubahan ketara dalam hubungan interhemispheric dalam dua tandatangan otak anatomi-sambungan. Pengecualian adalah bahawa terdapat hubungan antara lobula paracentral kiri dan sulcus subpariet kanan dalam tandatangan otak 1, dan sambungan antara putamen kanan dan gyrus rectus kiri dalam tandatangan otak 2. Kami menganggap hipotesis bahawa kesan yang diamati dalam kajian terdahulu ini mungkin disebabkan oleh kemerosotan bahan putih sistemik dan bukan perubahan dalam hubungan antara kawasan otak tertentu, sama seperti perubahan yang berlaku semasa penuaan normal (Sullivan et al., 2010). Walaupun penulis kajian terdahulu menegaskan bahawa perbezaan dalam anisotropi fraksional dalam kapsul subjek luaran dengan BMI yang tinggi mungkin dikaitkan dengan sambungan dari hippocampus dan amygdala, kita tidak melihat perubahan ketara dalam penyambungan dalam struktur ini. Analisis yang lebih terperinci dan pembatalan yang lebih baik di kawasan otak ini diperlukan untuk mengesahkan pemerhatian ini.

4.2. Tandatangan otak kelabu-matriks morfometrik yang berkaitan dengan BMI

Analisis matrikometrik kelabu dengan menggunakan dua profil berbeza dapat mengenal pasti berat badan berlebihan daripada individu berat badan dengan sensitiviti 69% dan kekhususan 63%. Penemuan ini selaras dengan laporan sebelumnya tentang pengurangan global, dan serantau dalam jumlah kelabu bahan-bahan di kawasan otak tertentu dalam rangkaian ganjaran dan rangkaian yang berkaitan (Debette et al., 2010; Kenny, 2011; Kurth et al., 2013; Pannacciulli et al., 2006; Raji et al., 2010). Berbeza dengan klasifikasi DTI, penemuan ini mencadangkan keupayaan sederhana untuk mendiskriminasi antara dua kumpulan BMI.

4.2.1. Tandatangan otak berasaskan morfologi 1

Dalam kajian kami, tandatangan otak pertama menunjukkan nilai-nilai yang lebih rendah daripada pelbagai langkah morfometrik (termasuk subregion gyrus frontal orbit, anterior insula) di kawasan ganjaran, kesungguhan, dan rangkaian kawalan eksekutif dalam kumpulan kelebihan berat badan berbanding dengan kumpulan berat normal. Nilai-nilai morfometrik yang lebih rendah diperhatikan untuk kawasan-kawasan penghalang (cortex prefrontal lateral dorsal dan ventromedial) yang berkaitan dengan rangkaian rangsangan emosi, tetapi morfometri yang lebih tinggi untuk rangkaian somatosensori (sulcus precentral, gyrus supramarginal, sulphur subcentral, dan sulcus front unggul) termasuk temporal kawasan di kalangan individu yang berlebihan berat badan berbanding individu berat badan normal. Dalam kajian ini, kami mendapati pengurangan ketara dalam ukuran morfologi (keluasan bahan kelabu dan ketebalan kortikal) daripada gyrus frontal orbital. The gyrus frontal orbit merupakan rantau penting dalam rangkaian ganjaran yang memainkan peranan dalam pemprosesan penilaian dan dalam panduan tingkah laku dan keputusan masa depan berdasarkan pengekodan jangkaan yang berkaitan dengan ganjaranKahnt et al., 2010). Satu kajian baru-baru ini yang menganalisis struktur kelabu dan putih mendapati bahawa individu obes telah mengurangkan nilai untuk pelbagai wilayah dalam rangkaian ganjaran, termasuk gyrus frontal orbitalShott et al., 2014).

4.2.2. Tandatangan otak berasaskan morfologi 2

Berbanding dengan tandatangan otak 1, ukuran morfologi yang diperhatikan di kawasan-kawasan rantaian dan rangsangan emosi menjelaskan majoriti varians, manakala rantaian jaringan ganjaran tidak berpengaruh. Pengukuran bahan kelabu dikurangkan diperhatikan di kawasan-kawasan yang dikenal pasti, kawalan eksekutif dan rangkaian rangsangan emosi. Kawasan ini (insula anterior, korteks posterior parietal, gyrus parahippocampal, subregions dari cortex cingulate anting) sering dikaitkan dengan peningkatan aktiviti otak yang meningkat semasa pendedahan kepada isyarat makanan (Brooks et al., 2013; Greenberg et al., 2006; Rothemund et al., 2007; Shott et al., 2014; Stoeckel et al., 2008), dan darjah perangsangan peribadi rangsangan (Critchley et al., 2011; Seeley et al., 2007a). Dalam kajian semasa, pengurangan bahan kelabu juga dilihat di kawasan utama rangkaian somatosensori (insula posterior, lobulus paracentral). Walaupun peranan sebenar rangkaian ini dalam kelebihan berat badan dan obesiti tidak diketahui, ia telah terbukti terlibat dalam kesadaran sensasi badan, dan satu kajian baru-baru ini mencadangkan bahawa aktiviti rangkaian somatosensori yang tinggi sebagai tindak balas kepada isyarat makanan pada individu gemuk dapat membawa kepada makan berlebihanStice et al., 2011). Kajian ini secara khusus memberi tumpuan kepada pengukuran morfologi dan hubungan anatomi di antara kawasan otak dalam rangkaian ganjaran yang diberikan dan rangkaian somatosensori, dan menunjukkan bahawa metrik struktur otak ini mungkin mempengaruhi pemprosesan saraf yang berkaitan dengan hasil kajian fungsian yang terdapat dalam kesusasteraan. Korelasi dengan faktor tingkah laku dan alam sekitar juga memberikan wawasan lanjut mengenai hubungan antara penemuan struktur dan fungsi, yang perlu diuji dalam kajian masa depan.

4.3. Penggunaan analisis multivariate menggunakan sPLS-DA untuk membezakan antara berat badan berlebihan dan berat badan individu

Penemuan mengenai perubahan BMI yang berkaitan dengan kepadatan serat antara rangkaian otak yang berbeza dalam rangkaian ganjaran yang diperluaskan, menyokong hipotesis yang meningkatkan keputusan BMI mengganggu sambungan anatomi antara kawasan tertentu di dalam otak. Perubahan anatomi ini mungkin menyiratkan komunikasi yang tidak berkesan atau tidak cekap antara kawasan utama rangkaian ganjaran dan rangkaian yang berkaitan. Sama seperti beberapa laporan baru-baru ini yang mendapati terdapat perubahan yang berkaitan dengan berat badan berlebihan dan obesiti dalam kelantangan kelabu (Debette et al., 2010; Kurth et al., 2013; Pannacciulli et al., 2006; Raji et al., 2010), kami juga dapat mencari perbezaan morfologi yang serupa dengan berat badan berlebihan berbanding individu berat badan normal. Dalam kajian semasa, kami memperluaskan pemerhatian ini untuk menyiasat persamaan antara status kelebihan berat badan dan sambungan anatomi otak, dan menggunakan sPLS-DA untuk data morfometrik otak untuk mendiskriminasi antara subjek berat badan berlebihan dan normal. Kajian keratan rentas terkini yang menggunakan regresi logistik binari mencadangkan bahawa kombinasi perubahan struktur dalam gyrus frontal orbit lateral, seperti yang diukur oleh kelantangan bahan kelabu, dan paras darah penanda keradangan (fibrinogen) dapat meramalkan obesiti dalam satu kecil sampel subjek berat badan 19 dan subjek berlebihan / obes 44; dengan kepekaan tinggi (95.5%), tetapi kekhususan rendah (31.6%) (Cazettes et al., 2011). Kajian kami berbeza daripada laporan ini dalam beberapa aspek, termasuk saiz sampel yang lebih besar; penggunaan pendekatan rentas pengesahan untuk mengelakkan penyelesaian spesifik sampel, pengecualian subjek dengan hipertensi / kencing manis untuk menghilangkan kemungkinan pengadun, dan memasukkan ketumpatan saluran kelabu dan kepadatan saluran serat untuk meramalkan status berat badan berlebihan.

4.4. Batasan

Walaupun kami mendapati perbezaan yang ketara antara individu dengan berat badan biasa dan berat badan berlebihan dalam ketumpatan serat, kami tidak dapat menyimpulkan daripada penemuan anatomik ini kepada perbezaan dalam hubungan fungsi (keadaan berehat). Penemuan penyambungan fungsional sedemikian akan menawarkan keupayaan untuk mengesan perbezaan dalam penyegerakan aktiviti otak di kawasan-kawasan yang tidak berkaitan secara langsung oleh saluran perkara putih. Walaupun kita direplikasi penemuan yang dilaporkan sebelum ini mengenai kesalinghubungan anatomi dan perbezaan morfologi antara BMI yang berlebihan / obes dan normal (Kurth et al., 2013; Raji et al., 2010), kita gagal melihat perubahan di kawasan subkortikal penting hypothalamus, amygdala, dan hippocampus. Kemungkinan kegagalan ini mungkin disebabkan oleh had algoritma pembatalan automatik yang digunakan dalam kajian ini atau kerana analisis terhad kepada individu berlebihan berat badan berbanding individu gemuk. Kajian masa depan memerlukan sampel yang lebih besar untuk membandingkan individu yang gemuk, berat badan berlebihan, dan berat badan yang normal, dan dapat menjalankan analisis subkelompok berdasarkan seks dan kaum. Oleh kerana sampel yang agak kecil kami menggunakan prosedur pengesahan dalaman yang ketat, bagaimanapun, masih perlu untuk menguji ketepatan ramalan pengelas ini dalam set data bebas (Bray et al., 2009). Kajian masa depan perlu menangani persatuan perbezaan neuroimaging ini dengan tingkah laku makan tertentu, pilihan makan, dan maklumat diet untuk mentafsirkan konteks dan kepentingan penemuan ini. Oleh kerana status obesiti dan kelebihan berat badan sering dikaitkan dengan komorbiditi seperti hipertensi, diabetes dan sindrom metabolik, analisis masa depan perlu menyiasat kesan penyederhanaan dan korelasi faktor-faktor ini pada algoritma klasifikasi.

4.5. Ringkasan dan kesimpulan

Ringkasnya, keputusan kami menyokong hipotesis bahawa kelebihan berat badan dikaitkan dengan penyambungan yang berubah (dalam bentuk kepadatan serat) di antara kawasan tertentu di dalam otak, yang mungkin menyiratkan komunikasi tidak berkesan atau tidak cekap di antara kawasan-kawasan ini. Khususnya, penyambungan berkurangan dari kawasan otak menghalang prefrontal dengan litar ganjaran adalah konsisten dengan mekanisme hedonik yang menguasai peraturan pengambilan makanan (Gunstad et al., 2006, 2007, 2008, 2010). Mekanisme yang mendasari perubahan struktur ini kurang difahami, tetapi mungkin melibatkan proses neuroinflamasi dan neuroplastik (Cazettes et al., 2011) yang berkaitan dengan keadaan keradangan gred rendah yang dilaporkan dalam individu berlebihan berat badan dan gemuk (Cazettes et al., 2011; Cox et al., 2014; Das, 2010; Gregor dan Hotamisligil, 2011; Griffin, 2006). Pendekatan didorong data untuk mengenal pasti perubahan kelabu dan putih dalam kelebihan berat badan / obesiti adalah alat yang menjanjikan untuk mengenal pasti korelasi pusat meningkatkan BMI dan mempunyai potensi untuk mengenal pasti biomarker neurobiologi untuk gangguan ini.

Sumbangan penulis

Arpana Gupta: Konsep dan reka bentuk kajian, analisis dan tafsiran data, penggubalan dan semakan naskah.

Emeran Mayer: Konsep dan reka bentuk kajian, kajian kritikal terhadap manuskrip, kelulusan versi akhir manuskrip, pendanaan.

Claudia San Miguel: Penyelidikan dan peninjauan kritikal mengenai manuskrip, penafsiran data.

John Van Horn: Penjanaan data, analisis data.

Connor Fling: Analisis data.

Aubrey Love: Analisis data.

Davis Woodworth: Analisis data.

Benjamin Ellingson: Kajian manuskrip.

Kirsten Tillisch: Semakan kritikal naskah, pendanaan.

Jennifer Labus: Konsep dan reka bentuk kajian, analisis dan tafsiran data, merangka dan menyusun semula manuskrip, persetujuan versi akhir manuskrip, pendanaan.

Konflik kepentingan

Tiada konflik kepentingan wujud.

Sumber pendanaan

Kajian ini disokong sebahagiannya oleh geran dari Institut Kesihatan Negara: R01 DK048351 (EAM), P50DK64539 (EAM), R01 AT007137 (KT), P30 DK041301, K08 DK071626 (JSL), dan R03 DK084169 (JSL). Pemeriksaan perintis disediakan oleh Pusat Pemetaan Otak Ahmanson-Lovelace, UCLA.

Rujukan

  • Bray S., Chang C., Hoeft F. Aplikasi menganalisis klasifikasi corak multivariate dalam neuroimaging perkembangan populasi yang sihat dan klinikal. Depan. Hum. Neurosci. 2009; 3: 32. 19893761 [PubMed]
  • Brooks SJ, Cedernaes J., Schiöth HB Peningkatan pengaktifan prefrontal dan parahippocampal dengan mengaktifkan pengaktifan korteks prefrontal dan insular dorsolateral kepada imej makanan dalam obesiti: meta-analisis kajian fMRI. PLOS ONE. 2013; 8 (4): e60393. 23593210 [PubMed]
  • Calton MA, Vaisse C. Mengurangkan peranan varian umum dalam kecenderungan genetik kepada obesiti. Genome Med. 2009, 1 (3): 31. 19341502 [PubMed]
  • Cazettes F., Cohen JI, Yau PL, Talbot H., Konvoi A. Radang obesiti-mediated boleh merosakkan litar otak yang mengawal pengambilan makanan. Brain Res. 2011; 1373: 101-109. 21146506 [PubMed]
  • Pusat Kawalan Penyakit (CDC) Kegemukan dan Obesiti. 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 kesan gen pada litar otak direplikasi di kembar 455. Neuroimage. 2011;55(2):448–454. [PubMed]
  • Choquet H., Meyre D. Genetik obesiti: apa yang telah kita pelajari? Curr. Genomik. 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 Perbezaan dalam tindak balas otak antara wanita yang kurus dan obes kepada minuman manis. Neurogastroenterol. Motil. 2013;25(7):579-e460. 23566308 [PubMed]
  • Cox AJ, NP Barat, Cripps AW Obesiti, keradangan, dan mikrobiota usus. Lancet Diabetes Endocrinol. 2014 25066177 [PubMed]
  • Critchley HD, Nagai Y., Grey MA, Mathias CJ Memperbaiki paksi kawalan autonomi pada manusia: pandangan dari neuroimaging. Auton. Neurosci. 2011;161(1–2):34–42. 20926356 [PubMed]
  • Dale AM, Fischl B., Sereno MI Analisis berasaskan permukaan kortikal. I. Segmentasi dan pembinaan semula permukaan. Neuroimage. 1999;9(2):179–194. 9931268 [PubMed]
  • Das Obesiti PBB: gen, otak, usus, dan alam sekitar. Pemakanan. 2010;26(5):459–473. 20022465 [PubMed]
  • Debette S., Beiser A., ​​Hoffmann U., Decarli C., O'Donnell CJ, Massaro JM, Au R., Himali JJ, Wolf PA, Fox CS, Seshadri S. Visceral lemak dikaitkan dengan jumlah otak yang lebih rendah dalam sihat dewasa pertengahan umur. Ann. Neurol. 2010;68(2):136–144. 20695006 [PubMed]
  • Destrieux C., Fischl B., Dale A., Halgren E. Pembatalan automatik gyri kortikal manusia dan sulci menggunakan tatanama anatomi standard. 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 Sumbangan genetik dan alam sekitar kepada berat badan , ketinggian, dan BMI dari kelahiran hingga ke umur 19: kajian antarabangsa untuk pasangan kembar 12,000. PLOS ONE. 2012; 7 (2): e30153. 22347368 [PubMed]
  • El-Sayed Moustafa JS, Froguel P. Dari genetik obesiti ke masa depan terapi obesiti yang diperibadikan. Nat. Rev. Endocrinol. 2013;9(7):402–413. 23529041 [PubMed]
  • Finkelstein EA, Trogdon JG, Cohen JW, Dietz W. Perbelanjaan perubatan tahunan yang dikaitkan dengan obesiti: pembayar dan anggaran khusus perkhidmatan. Kesihatan Aff (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 ​​Segmen otak seluruh: pelabelan automatik struktur neuroanatomis dalam otak manusia. Neuron. 2002;33(3):341–355. 11832223 [PubMed]
  • Fischl B., Sereno MI, Dale AM ​​Analisis berasaskan permukaan kortikal. II: inflasi, perut, dan sistem koordinat berasaskan permukaan. 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. Alterasi rangkaian keterangkuman dalam obesiti: kajian fMRI negara berehat. Hum. Brain Mapp. 2013;34(11):2786–2797. 22522963 [PubMed]
  • Greenberg JA, Boozer CN, Geliebter A. Kopi, diabetes, dan kawalan berat badan. Am. J. Clin. Nutr. 2006;84(4):682–693. 17023692 [PubMed]
  • Gregor MF, Hotamisligil GS Mekanisme keradangan dalam obesiti. Annu. Wahai Imunol. 2011; 29: 415-445. 21219177 [PubMed]
  • Griffin WS Peradangan dan penyakit neurodegenerative. Am. J. Clin. Nutr. 2006;83(2):470S–474S. 16470015 [PubMed]
  • Gunstad J., Lhotsky A., Wendell CR, Ferrucci L., Zonderman AB Pemeriksaan ke atas obesiti dan fungsi kognitif: hasil kajian membujur Baltimore. Neuroepidemiology. 2010;34(4):222–229. 20299802 [PubMed]
  • Gunstad J., Paul RH, Cohen RA, Tate DF, Gordon E. Obesiti dikaitkan dengan defisit memori pada orang dewasa muda dan pertengahan umur. Makan. Berat Badan. 2006;11(1):e15–e19. 16801734 [PubMed]
  • Gunstad J., Paul RH, Cohen RA, Tate DF, Spitznagel MB, Gordon E. Indeks massa tubuh yang tinggi dikaitkan dengan disfungsi eksekutif dalam orang dewasa yang sebaliknya. Compr. Psikiatri. 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. Indeks jisim badan dan fungsi neuropsychologi dalam kanak-kanak dan remaja yang sihat. Selera makan. 2008;50(2–3):246–251. 17761359 [PubMed]
  • Irimia A., Chambers MC, Torgerson CM, Van Horn JD Pekeliling perwakilan rangkaian kortikal manusia untuk subjek dan visualisasi penyambungan peringkat penduduk. Neuroimage. 2012;60(2):1340–1351. 22305988 [PubMed]
  • Jang SH, Lim HW, Yeo SS Sambungan saraf nukleus intralaminar thalamic di dalam otak manusia: kajian trafor tensor difusi. Neurosci. Lett. 2014; 579: 140-144. 25058432 [PubMed]
  • Kahnt T., Heinzle J., Park SQ, Haynes JD Kod saraf ganjaran jangkaan dalam korteks orbitofrontal manusia. Proc. Natl. Acad. Sci. USA. 2010;107(13):6010–6015. 20231475 [PubMed]
  • Mekanisme Kenny PJ Reward dalam obesiti: pandangan baru dan arah masa depan. Neuron. 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 Pengaruh sucrose ingestion pada batang otak dan osilasi intrinsik hipotalamik dan wanita gemuk. Gastroenterology. 2014;146(5):1212–1221. 24480616 [PubMed]
  • Kullmann S., Heni M., Veit R., Ketterer C., Schick F., Häring HU, Fritsche A., Preissl H. Otak obes: persatuan indeks jisim badan dan kepekaan insulin dengan rangkaian hubungan negara yang berehat. Hum. Brain Mapp. 2012;33(5):1052–1061. 21520345 [PubMed]
  • Kurth F., Levitt JG, Phillips OR, Luders E., Woods RP, Mazziotta JC, Toga AW, Narr KL Hubungan antara bahan kelabu, indeks jisim badan, dan lilitan pinggang pada orang dewasa yang sihat. Hum. Brain Mapp. 2013;34(7):1737–1746. 22419507 [PubMed]
  • Lê Cao KA, Boitard S., Besse P. Sparse PLS analisis diskriminasi: pemilihan ciri biologi yang relevan dan paparan grafik untuk masalah multiclass. BMC Bioinformatics. 2011; 12: 253. 21693065 [PubMed]
  • Lê Cao KA, González I., Déjean S. integrOmics: sebuah paket R untuk membongkar hubungan antara dua kumpulan data omics. BioInformatics. 2009;25(21):2855–2856. 19706745 [PubMed]
  • Lê Cao KA, Martin PG, Robert-Granié C., Besse P. Kaedah kanonik yang jarang digunakan untuk integrasi data biologi: aplikasi untuk kajian silang platform. BMC Bioinformatics. 2009; 10: 34. 19171069 [PubMed]
  • Lê Cao KA, Rossouw D., Robert-Granié C., Besse P. PLS yang jarang berlaku untuk pemilihan yang berubah-ubah apabila mengintegrasikan data omics. Stat. Appl. Genet. Mol. Biol. 2008, 7 (1): 35. 19049491 [PubMed]
  • Lê Cao KA, Rossouw D., Robert-Granié C., Besse P. PLS yang jarang berlaku untuk pemilihan yang berubah-ubah apabila mengintegrasikan data omics. 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. Keberkesanan klinikal dan keberkesanan kos skim pengurusan berat jangka panjang untuk orang dewasa: kajian sistematik . Technol Kesihatan. Menilai. 2011;15(2):1–182. 21247515 [PubMed]
  • Menon V., Uddin LQ Saliency, menukar, perhatian dan kawalan: model rangkaian fungsi insula. Struktur Otak. Fungsi. 2010;214(5–6):655–667. 20512370 [PubMed]
  • Mori S., Craw BJ, Chacko VP, van Zijl PC Penjejakan tiga dimensi daripada unjuran axonal di otak oleh pencitraan resonans magnetik. Ann. Neurol. 1999;45(2):265–269. 9989633 [PubMed]
  • Morrow JD, Maren S., Robinson TE Variasi individu dalam kecenderungan untuk mengaitkan ciri-ciri insentif kepada isyarat appetitif meramalkan kecenderungan untuk menilai ciri-ciri motivasi kepada isyarat aversive. Behav. Brain Res. 2011;220(1):238–243. 21316397 [PubMed]
  • Pannacciulli N., Del Parigi A., Chen K., Le DS, Reiman EM, Tataranni PA Keabnormalan otak dalam obesiti manusia: kajian morphometric berasaskan voxel. Neuroimage. 2006;31(4):1419–1425. 16545583 [PubMed]
  • Purnell JQ, Lahna DL, Samuels MH, Rooney WD, Hoffman WF Kehilangan punca-ke-hypothalamic bahan trek putih dalam obesiti otak. 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 Struktur otak dan obesiti. Hum. Brain Mapp. 2010;31(3):353–364. 19662657 [PubMed]
  • Rothemund Y., Preuschhof C., Bohner G., Bauknecht HC, Klingebiel R., Flor H., Klapp BF Pengaktifan stesen pembedahan dorsal oleh rangsangan makanan visual berkalori tinggi pada individu gemuk. Neuroimage. 2007;37(2):410–421. 17566768 [PubMed]
  • Seeley WW, Menon V., Schatzberg AF, Keller J., Glover GH, Kenna H., Reiss AL, Greicius MD Dissociable network connectivity intrinsic for processing and control executive. 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 Dissociable network connectivity intrinsic for processing and control executive. 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 Tinjauan Neuropsychiatrik Mini-Antarabangsa (MINI): pembangunan dan pengesahan diagnostik berstruktur temuduga psikiatri untuk DSM-IV dan ICD-10. J. Clin. Psikiatri. 1998;59(Suppl. 20):22–33. 9881538 [Kuiz 34-57] [PubMed]
  • Shott ME, Cornier MA, Mittal VA, Pryor TL, Orr JM, Brown MS, Frank GK Orbitofrontal volume korteks dan tindak balas ganjaran otak dalam obesiti. Int J Obes (Lond) 2014 25027223 [Artikel percuma PMC] [PubMed]
  • Stanek KM, Grieve SM, Brickman AM, Korgaonkar MS, Paul RH, Cohen RA, Gunstad JJ Obesiti dikaitkan dengan pengurangan integriti bahan putih dalam orang dewasa yang sihat. Obesiti (Silver Spring) 2011;19(3):500–504. 21183934 [PubMed]
  • Stice E., Yokum S., Burger KS, Epstein LH, Pemuda DM Kecil yang berisiko untuk obesiti menunjukkan pengaktifan lebih banyak kawasan striatal dan somatosensory kepada makanan. J. Neurosci. 2011;31(12):4360–4366. 21430137 [PubMed]
  • Stoeckel LE, Weller RE, Cook EW, 3rd, Twieg DB, Knowlton RC, Cox JE Pengaktifan sistem ganjaran yang meluas dalam wanita gemuk sebagai tindak balas kepada gambar makanan berkalori tinggi. Neuroimage. 2008;41(2):636–647. 18413289 [PubMed]
  • Sullivan EV, Rohlfing T., Pfefferbaum A. Kajian longitudinal mikrostruktur callosal dalam otak penuaan dewasa normal menggunakan pengesanan serat DTI kuantitatif. Dev. Neuropsychol. 2010;35(3):233–256. 20446131 [PubMed]
  • Terranova L., Busetto L., Vestri A., Zappa MA Pembedahan bariatric: keberkesanan kos dan kesan bajet. Obes. Pembedahan. 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. Neurobiologi obesiti: hubungan ketagihan. Neuropsychopharmacology. 2004; 29: S29-S30.
  • Volkow ND, Wang GJ, Baler RD Ganjaran, dopamin dan kawalan pengambilan makanan: implikasi untuk obesiti. Trend Cogn. Sci. 2011;15(1):37–46. 21109477 [PubMed]
  • Volkow ND, Wang GJ, Fowler JS, Telang F. Lengkung neuron yang bertindih dalam ketagihan dan obesiti: bukti patologi sistem. Philos. Trans. R. Soc. Lond., B, Biol. Sci. 2008;363(1507):3191–3200. 18640912 [PubMed]
  • Obesiti Pertubuhan Kesihatan Sedunia (WHO). 2014. I.
  • Xu J., Li Y., Lin H., Sinha R., Potenza MN Indeks jisim badan berkorelasi negatif dengan integritas materi putih dalam fornix dan corpus callosum: kajian pencitraan tensor difusi. Hum. Brain Mapp. 2013;34(5):1044–1052. 22139809 [PubMed]
  • Yau PL, Javier DC, Ryan CM, Tsui WH, Ardekani BA, Sepuluh S., Konvoi A. Bukti awal untuk komplikasi otak di kalangan remaja gemuk dengan diabetes mellitus 2. Diabetologia. 2010;53(11):2298–2306. 20668831 [PubMed]
  • Yau PL, Kang EH, Javier DC, Konvoi A. Bukti awal kognitif dan keabnormalan otak dalam obesiti remaja yang tidak rumit. Obesiti (Silver Spring) 2014;22(8):1865–1871. 24891029 [PubMed]
  • Zald DH Amygdala manusia dan penilaian emosi rangsangan deria. Brain Res. Brain Res. Wahyu 2003;41(1):88–123. 12505650 [PubMed]
  • Zigmond AS, Snaith RP Kecemasan hospital dan skala kemurungan. Acta Psychiatr. Scand. 1983;67(6):361–370. 6880820 [PubMed]