Wzory łączności strukturalnej mózgu odróżniają prawidłową wagę od osób z nadwagą (2015)

Idź do:

Abstrakcyjny

Tło

Zmiany w hedonicznym składniku zachowań pokarmowych są uważane za możliwy czynnik ryzyka w patofizjologii osób z nadwagą i otyłością. Dowody neuroobrazowania od osób z rosnącym wskaźnikiem masy ciała sugerują zmiany strukturalne, funkcjonalne i neurochemiczne w rozszerzonej sieci nagród i powiązanych sieciach.

Zmierzać

Aby zastosować analizę wzoru wielowymiarowego w celu odróżnienia osób o normalnej wadze i nadwagi na podstawie pomiarów szarości i istoty białej.

Metody

Obrazy strukturalne (N = 120, nadwaga N = 63) i obrazy tensora dyfuzji (DTI) (N = 60, nadwaga N = 30) uzyskano od zdrowych osobników kontrolnych. Dla całej próby średni wiek dla grupy z nadwagą (kobiety = 32, mężczyźni = 31) wynosił 28.77 lat (SD = 9.76), a dla grupy z prawidłową wagą (kobiety = 32, mężczyźni = 25) - 27.13 lat (SD = 9.62). ). Regionalną segmentację i parcelację obrazów mózgu przeprowadzono za pomocą Freesurfer. W celu pomiaru znormalizowanej gęstości włókien między regionami wykonano deterministyczną traktografię. Zastosowano wieloczynnikową analizę wzorców, aby sprawdzić, czy pomiary mózgu pozwalają odróżnić osoby z nadwagą od osób o normalnej wadze.

Efekt

1. Klasyfikacja substancji białej: Algorytm klasyfikacji, oparty na sygnaturach 2 z połączeniami regionalnymi 17, osiągnął 97% dokładności w odróżnianiu osób z nadwagą od osób o normalnej wadze. W przypadku obu sygnatur mózgu zaobserwowano większą łączność w postaci indeksowanej przez zwiększoną gęstość włókien w przypadku nadwagi w porównaniu z normalną wagą między regionami sieci wynagrodzeń i regionami kontroli wykonawczej, pobudzenia emocjonalnego i sieciami somatosensorycznymi. W przeciwieństwie do tego, odwrotny wzór (zmniejszona gęstość włókien) stwierdzono między brzuszno-przyśrodkową korą przedczołową a przednią wyspą oraz między wzgórzem a obszarami sieci kontroli wykonawczej. 2. Klasyfikacja szarej substancji: Algorytm klasyfikacji, oparty na sygnaturach 2 z cechami morfologicznymi 42, osiągnął 69% dokładności w odróżnianiu nadwagi od normalnej wagi. Zarówno w sygnaturach mózgu, jak i regionach nagród, istotności, kontroli wykonawczej i sieci pobudzenia emocjonalnego niższy wartości morfologiczne u osób z nadwagą w porównaniu z osobami o normalnej wadze, podczas gdy odwrotny wzorzec zaobserwowano dla regionów sieci somatosensorycznej.

wnioski

1. Zwiększony BMI (tj. Osoby z nadwagą) wiąże się z wyraźnymi zmianami w szarości i gęstości włókien mózgu. 2. Algorytmy klasyfikacji oparte na łączności istoty białej z udziałem regionów nagrody i powiązanych sieci mogą zidentyfikować konkretne cele dla badań mechanistycznych i przyszłych opracowań leków mających na celu nieprawidłowe zachowania pokarmowe oraz nadwagę / otyłość.

Słowa kluczowe: Otyłość, nadwaga, morfologiczna szarość, anatomiczna łączność istoty białej, sieć nagród, analiza wielowymiarowa, algorytm klasyfikacji
Skróty: HC, zdrowa kontrola; BMI, wskaźnik masy ciała; HAD, lęk szpitalny i skala depresji; TR, czas powtarzania; TE, czas echa; FA, kąt obrotu; GLM, ogólny model liniowy; DWI, MRI ważone dyfuzyjnie; FOV, pole widzenia; GMV, objętość substancji szarej; SA, powierzchnia; CT, grubość korowa; MC, średnia krzywizna; DTI, obrazowanie dyfuzyjnego tensora; FAKT, przypisanie włókien poprzez ciągłe śledzenie; SPSS, pakiet statystyczny dla nauk społecznych; ANOVA, analiza wariancji; FDR, współczynnik fałszywych odkryć; sPLS-DA, rzadkie cząstkowe najmniejsze kwadraty do analizy dyskryminacji; VIP, zmienne znaczenie w projekcji; PPV, dodatnia wartość predykcyjna; NPV, ujemna wartość predykcyjna; VTA, brzuszny obszar nakrywkowy; OFG, zakręt oczodołowo-czołowy; PPC, tylna kora ciemieniowa; dlPFC, grzbietowo-boczna kora przedczołowa; vmPFC, brzuszno-przyśrodkowa kora przedczołowa; aMCC, przednia środkowa kora obręczy; sgACC, subgenual przednia zakrętu obręczy; ACC, przednia część obręczy obręczy

1.0. Wprowadzenie

Światowa Organizacja Zdrowia szacuje, że prawie pół miliarda dorosłych jest otyłych i ponad dwa razy więcej dorosłych ma nadwagę, przyczyniając się do wzrostu liczby chorób, takich jak cukrzyca, choroby układu krążenia i nowotwory, co prowadzi do śmierci przynajmniej 2.8 milionów osób każdego roku (Światowa Organizacja Zdrowia (WHO), 2014). W samej Ameryce aż 34.9% dorosłych jest otyłych, a dwa razy więcej dorosłych (65%) ma nadwagę lub otyłość (Centrum Kontroli Chorób (CDC), 2014). Ciężar ekonomiczny i zdrowotny związany z nadwagą i otyłością nadal podnosi koszty opieki zdrowotnej aż do 78.5 miliardów dolarów (Finkelstein i in., 2009), a miliardy dolarów są nadal wydawane na nieskuteczne zabiegi i interwencje (Loveman i in., 2011; Terranova i in., 2012). Pomimo różnych wysiłków ukierunkowanych na identyfikację podstawowej patofizjologii nadwagi i otyłości, obecne zrozumienie pozostaje niewystarczające.

Zarówno czynniki środowiskowe, jak i genetyczne odgrywają rolę w rozwoju ludzi z nadwagą i otyłością (Calton i Vaisse, 2009; Choquet i Meyre, 2011; Dubois i in., 2012; El-Sayed Moustafa i Froguel, 2013). Najnowsze badania neuroobrazowe wykazały, że wyższy wskaźnik masy ciała (BMI) jest związany ze zmianami funkcjonalnymi (stan zadania i spoczynku) (Connolly i in., 2013; Garcia-Garcia i in., 2013; Kilpatrick i in., 2014; Kullmann i in., 2012), morfometria szarej materii (Kurth i in., 2013; Raji i in., 2010) oraz właściwości substancji białej (Shott i in., 2014; Stanek i in., 2011), sugerując możliwą rolę mózgu w patofizjologii nadwagi i otyłości (Das, 2010). Badania te w dużym stopniu dotyczą regionów sieci nagród (Kenny, 2011; Volkow i wsp., 2004; Volkow i wsp., 2008; Volkow i wsp., 2011) i trzy ściśle powiązane sieci związane z salience (Garcia-Garcia i in., 2013; Morrow i in., 2011; Seeley i in., 2007a), kontrola wykonawcza (Seeley i in., 2007b) i podniecenie emocjonalne (Menon i Uddin, 2010; Zald, 2003) (Rys. 1).

Rys. 1 

Regiony sieci nagród i powiązanych sieci. 1. Sieć nagród: podwzgórze, kora oczodołowo-czołowa (OFC), jądro półleżące, skorupa, brzuszna powierzchnia nakrywkowa (VTA), istota czarna, regiony śródmózgowia (ogoniasty, bladość, hipokamp). 2. Występ ...

Obecne badanie miało na celu przetestowanie ogólnej hipotezy, że interakcje między regionami tych sieci różnią się w przypadku osób z nadwagą w porównaniu z osobami o normalnej wadze, i zastosowaliśmy na dużą skalę najnowocześniejsze przetwarzanie danych neuroobrazowych, wizualizację i wielowymiarową analizę wzoru w celu przetestowania ta hipoteza. Dostępność bardziej wydajnych i wymagających obliczeniowo potoków przetwarzania danych i algorytmów statystycznych pozwala na bardziej szeroką charakterystykę morfologiczną i anatomiczną mózgu u osób z podwyższonym BMI w porównaniu z osobami o normalnej wadze. Analiza klasyfikacji wielowymiarowej zapewnia środki do zbadania rozproszonego wzoru regionów, które rozróżniają nadwagę w porównaniu z osobami o normalnej wadze.

W tym badaniu stosuje się nadzorowany algorytm uczenia się do pomiarów regionalnej morfometrii mózgu i gęstości włókien białkowych (miara łączności między określonymi obszarami mózgu) w celu przetestowania hipotezy, że stan nadwagi jest związany z różnymi wzorami lub sygnaturami mózgu obejmującymi regiony nagroda, istotność, kontrola wykonawcza i sieci pobudzenia emocjonalnego. Wyniki sugerują, że łączność regionalna, a tym bardziej morfometria mózgu, może być wykorzystana do rozróżnienia nadwagi w porównaniu z osobami o normalnej wadze. Wyniki dostarczają algorytmu predykcyjnego opartego na multimodalnym obrazowaniu mózgu i identyfikują konkretne cele dla dalszych badań mechanistycznych.

2.0. Metody

2.1. Uczestnicy

Całkowita próbka składała się z ochotników zdrowej kontroli 120 (HC), włączonych do badań neuroobrazowania w Centrum Neurobiologii Stresu między 2010 i 2014. Przedmioty zostały zrekrutowane za pośrednictwem reklam opublikowanych w społeczności UCLA i Los Angeles. Wszystkie procedury były zgodne z zasadami Deklaracji Helsińskiej i zostały zatwierdzone przez Institutional Review Board na UCLA (numery zatwierdzeń 11-000069 i 12-001802). Wszyscy pacjenci udzielili świadomej zgody na piśmie. Wszyscy pacjenci zostali sklasyfikowani jako zdrowi po ocenie klinicznej obejmującej zmodyfikowany mini-międzynarodowy wywiad neuropsychiatryczny plus 5.0 (Sheehan i in., 1998). Kryteria wykluczenia obejmowały nadużywanie substancji odurzających, ciążę, uzależnienie od tytoniu, operacje brzucha, naczyniowe czynniki ryzyka, operacje utraty wagi, nadmierne ćwiczenia (ponad 1 godzinę każdego dnia i biegacze maratońscy) lub choroby psychiczne. Chociaż często wiąże się to ze zwiększonym BMI, wykluczono osoby z nadciśnieniem, cukrzycą lub zespołem metabolicznym, aby zmniejszyć heterogeniczność populacji. Z tego samego powodu wykluczono także osoby z zaburzeniami odżywiania, w tym zaburzeniami trawienia lub odżywiania, takimi jak anoreksja lub bulimia. Chociaż BMI = 25–29.9 jest uważane za nadwagę, w naszym badaniu zostało zidentyfikowane jako grupa z wysokim BMI. Osoby z prawidłową masą ciała rekrutowano przy BMI <25, aw naszym badaniu zidentyfikowano je jako grupę z normalnym BMI. Żaden z badanych nie przekroczył 400 funtów z powodu ograniczeń wagi skanowania MRI.

2.2. Charakterystyka próbki

Zatwierdzone kwestionariusze wypełniono przed skanowaniem i wykorzystano do pomiaru aktualnych objawów lęku i depresji (szpitalna skala lęku i depresji (HAD)) (Zigmond i Snaith, 1983). Skala HAD to samoocena skali 14, która ocenia aktualne objawy lęku i depresji u pacjentów na początku badania (Zigmond i Snaith, 1983). Ponadto badani przeszli wcześniej ustrukturyzowany wywiad psychiatryczny (Mini International Neuropsychiatric Interview, MINI), aby zmierzyć przeszłe lub obecne choroby psychiczne (Sheehan i in., 1998).

2.3. akwizycja fMRI

2.3.1. MRI strukturalny (szara materia)

Przedmioty (N = 120, wysokie BMI N = 63) zostały zeskanowane na 3.0 Tesla Siemens TRIO po zastosowaniu sondy strzałkowej do pozycjonowania głowy. Skany strukturalne uzyskano z 4 różnych sekwencji akwizycji przy użyciu protokołu szybkiego echa gradientowego (MP-RAGE) o wysokiej rozdzielczości, 3-wymiarowej ważonej T1, przygotowanej do magnetyzacji strzałkowej (MP-RAGE), a szczegóły skanowania to: 1. Czas powtarzania (TR) = 2200 ms, czas echa (TE) = 3.26 ms, kąt przerzucania (FA) = 9, 1 mm3 rozmiar woksela. 2. TR = 2200 ms, TE = 3.26 ms, FA = 20 mm3 rozmiar woksela. 3. TR = 20 ms, TE = 3 ms, FA = 25 mm3 rozmiar woksela. 4. TR = 2300 ms, TE = 2.85 ms, FA = 9 mm3 rozmiar woksela. Oceniono wpływ protokołu akwizycji na różnice w całkowitej objętości substancji szarej (TGMV). W szczególności zastosowano ogólny model liniowy (GLM) w celu określenia wpływu protokołu na kontrolę TGMV ze względu na wiek. Wyniki wskazują, że wszystkie protokoły nie są do siebie podobne (F(3) = 6.333, p = 053).

2.3.2. Anatomiczna łączność (biała materia) MRI

Podzbiór oryginalnej próbki (N = 60, wysokie BMI N = 30) poddano badaniu metodą rezonansu magnetycznego ważonego dyfuzją (DWI) zgodnie z dwoma porównywalnymi protokołami akwizycji. W szczególności DWI zostały pozyskane w 61 lub 64 nieliniowych kierunkach z b = 1000 s / mm2, z 8 lub 1 b = 0 s / mm2 obrazy. Oba protokoły miały TR = 9400 ms, TE = 83 ms i pole widzenia (FOV) = 256 mm z matrycą akwizycji 128 × 128 i grubości warstwy 2 mm, aby uzyskać 2 × 2 × 2 mm3 izotropowe woksele.

2.4. przetwarzanie fMRI

2.4.1. Segmentacja i parcelacja strukturalna (szara materia)

Segmentacja obrazu T1 i regionalna parcelacja zostały przeprowadzone przy użyciu FreeSurfer (Dale i in., 1999; Fischl i in., 1999, 2002) zgodnie z nomenklaturą opisaną w Destrieux i in. (2010). Dla każdej półkuli mózgowej zestaw obustronnych struktur kory 74 został oznaczony jako dodatek do struktur podkorowych 7 i móżdżku. Wyniki segmentacji z próbki są pokazane w Rys. 2A. Jedna dodatkowa struktura linii środkowej (pnia mózgu, który obejmuje części śródmózgowia, takie jak brzuszny obszar nakrywkowy [VTA] i istota czarna) została również uwzględniona, jako kompletny zestaw parcelacji 165 dla całego mózgu. Cztery reprezentatywne pomiary morfologiczne obliczono dla każdej kory mózgowej: objętość istoty szarej (GMV), pole powierzchni (SA), grubość korowa (CT) i średnia krzywizna (MC). Procesy przetwarzania danych zostały zaprojektowane i wdrożone w Laboratorium Pipetowania Neuroobrazowania (LONI) (http://pipeline.loni.usc.edu).

Rys. 2 

A. Segmentacja strukturalna i wyniki parcelacji oraz B. wyniki dla włókien białkowych związane z parcelacjami strukturalnymi z próbki. O: Segmentacja strukturalna. B: Segmentacja istoty białej.

2.4.2. Anatomiczna łączność (istota biała)

Obrazy ważone dyfuzyjnie (DWI) korygowano pod kątem ruchu i wykorzystywano do obliczania tensorów dyfuzyjnych, które były obracane ponownie w każdym wokselu. Obrazy tensora dyfuzji zostały wyrównane w oparciu o trójliniową interpolację tensorów transformowanych logarytmicznie, jak opisano w Chiang i in. (Chiang i in., 2011) i ponownie próbkowany do izotropowej rozdzielczości woksela (2 × 2 × 2 mm3). Przepływy pracy przetwarzania danych zostały utworzone przy użyciu potoku LONI.

Łączność istoty białej dla każdego pacjenta oszacowano między obszarami mózgu 165 zidentyfikowanymi na obrazach strukturalnych (Rys. 2B) przy użyciu włókna DTI. Tractography przeprowadzono za pomocą algorytmu Fiber Assignment przez Continuous Tracking (FACT) (Mori i in., 1999) za pomocą TrackVis (http://trackvis.org) (Irimia i in., 2012). Ostateczne oszacowanie łączności istoty białej między każdym z obszarów mózgu określono na podstawie liczby dróg włóknistych przecinających każdy region, znormalizowanych przez całkowitą liczbę dróg włóknistych w całym mózgu. Informacje te zostały następnie wykorzystane do późniejszej klasyfikacji.

2.5. Rzadkie cząstkowe najmniejsze kwadraty - analiza dyskryminacyjna (sPLS-DA)

W celu ustalenia, czy markery mózgowe mogą być wykorzystane do przewidywania wysokiego statusu BMI (nadwaga vs. waga normalna), zastosowaliśmy sPLS-DA. sPLS-DA jest formą rzadkiej regresji PLS, ale zmienna odpowiedzi jest kategoryczna, wskazując przynależność do grupy (Lê Cao, 2008a; Lê Cao i in., 2009b, 2011). Wykazano, że sPLS-DA jest szczególnie skuteczny przy dużej liczbie predyktorów, małej wielkości próbki i wysokiej współliniowości między predyktorami (Lê Cao, 2008a; Lê Cao i in., 2009b, 2011). sPLS maksymalizuje kowariancję próbki między miarami mózgu i kontrastem różnicy grupowej. sPLS jednocześnie dokonuje selekcji zmiennych i klasyfikacji za pomocą penalizacji lasso (Lê Cao i in., 2009a). sPLS-DA działa w oparciu o nadzorowane ramy tworzące liniowe kombinacje predyktorów oparte na przynależności do klasy. sPLS-DA zmniejsza wymiarowość danych poprzez znalezienie zestawu składowych ortogonalnych, z których każdy zawiera wybrany zestaw cech lub zmiennych. Składniki są nazywane sygnaturami mózgu. Każda zmienna zawierająca sygnaturę mózgu ma przypisany „ładunek”, który jest miarą względnej ważności zmiennych dla dyskryminacji w dwóch grupach (Lê Cao i in., 2008b). Ponadto obliczono wyniki zmiennej ważności w projekcji (VIP) w celu oszacowania ważności każdej zmiennej używanej w modelu PLS. Wynik VIP to ważona suma ładunków, która uwzględnia wyjaśnioną wariancję każdego podpisu. Średnia z kwadratowych wyników VIP jest równa 1. Predyktory o współczynnikach VIP większych niż jeden są uważane za szczególnie ważne dla klasyfikacji (Lê Cao i in., 2008b).

2.5.1. Opracowanie modelu predykcyjnego

Liczba podpisów mózgu dla każdej analizy została ustalona na dwa (Lê Cao i in., 2008b). analiza stabilności został użyty w celu określenia optymalnej liczby obszarów mózgu dla każdej sygnatury mózgu (Lê Cao i in., 2011). Po pierwsze, sPLS-DA jest stosowany w całym szeregu zmiennych, 5 – 200, do wyboru dla każdego z dwóch podpisów mózgu. Dla każdej specyfikacji liczby zmiennych do wyboru wykonuje się weryfikację krzyżową 10 powtórzoną razy 100. Ta procedura walidacji krzyżowej dzieli dane treningowe na fałdy 10 lub podpróbki danych (n = 12 zestawów testowych). Pojedyncza podpróbka jest odkładana jako dane testowe, a pozostałe podpróbki są używane do trenowania modelu. Stabilność zmiennych jest określana poprzez obliczenie, ile razy określona zmienna jest wybierana we wszystkich przebiegach walidacji krzyżowej. Do opracowania ostatecznego modelu wykorzystano tylko zmienne mózgowe o stabilności większej niż 80%.

2.6. Analizy statystyczne

2.6.1. Rzadkie cząstkowe najmniejsze kwadraty - analiza dyskryminacyjna (sPLS-DA)

sPLS-DA przeprowadzono za pomocą pakietu R mixOmics (http://www.R-project.org). Zbadaliśmy siłę predykcyjną morfometrii mózgu i połączenia anatomicznego DTI osobno. Oprócz regionalnej morfometrii mózgu lub regionalnej anatomicznej łączności, wiek i całkowity GMV zostały uwzględnione jako możliwe czynniki prognostyczne. W celu uzyskania danych morfologicznych do modelu wprowadzono pomiary GMV, SA, CT i MC. W celu uzyskania danych dotyczących połączeń anatomicznych DTI, specyficzne dla danego przedmiotu macierze indeksujące względną gęstość włókien między regionami 165 przekształcono w macierze wymiarowe 1 zawierające unikalne połączenia 13,530 (górny trójkąt z macierzy początkowej). Matryce te były następnie łączone między podmiotami i wprowadzane do sPLS-DA. Jako początkowy krok redukcji danych, spadły predykatory bliskiej zera wariancji, co spowodowało pozostałe połączenia 369. Podpisy mózgu podsumowano przy użyciu zmiennych obciążeń poszczególnych wymiarów i współczynników VIP. Korzystamy również z wyświetlaczy graficznych, aby zilustrować zdolności dyskryminacyjne algorytmów (Lê Cao i in., 2011). Zdolność predykcyjna ostatecznych modeli została oceniona za pomocą sprawdzenia krzyżowego. Obliczono także miary klasyfikacji binarnej: czułość, specyficzność, dodatnia wartość predykcyjna (PPV) i ujemna wartość predykcyjna (NPV). Tutaj czułość indeksuje zdolność algorytmu klasyfikacji do prawidłowej identyfikacji osób z nadwagą. Specyficzność odzwierciedla zdolność algorytmu klasyfikacji do prawidłowej identyfikacji osób o normalnej wadze. PPV odzwierciedla proporcję próbki pokazującej konkretną sygnaturę nadwagi mózgu z algorytmu klasyfikacji i którzy w rzeczywistości mają nadwagę (prawdziwie dodatni). Z drugiej strony NPV to prawdopodobieństwo, że jeśli wynik testu jest ujemny, tj. Uczestnik nie ma charakterystycznego dla nadwagi podpisu mózgu (prawdziwie ujemny).

2.6.2. Charakterystyka próbki

Analizy statystyczne przeprowadzono za pomocą pakietu statystycznego dla oprogramowania Social Sciences (SPSS) (wersja 19). Różnice grupowe w wynikach pomiarów behawioralnych oceniano stosując analizę wariancji (ANOVA). Rozważono znaczenie p <05 nieskorygowane.

3.0. Wyniki

3.1. Charakterystyka próbki

Całkowita próbka (N = 120) obejmowało 63 osoby z nadwagą (kobiety = 32, mężczyźni = 31), średni wiek = 28.77 lat, SD = 9.76 i 57 osób o normalnej masie ciała (kobiety = 32, mężczyźni = 25), średni wiek = 27.13 lat, SD = 9.62. Chociaż grupa z nadwagą miała wyższy poziom lęku i depresji, nie było znaczących różnic między grupami (F = 642, p = 425; F = 001, p = 980). Charakterystyka kliniczna próbki jest podsumowana w Tabela 1.

Tabela 1 

Charakterystyka próbki.

3.2. Analizy wzorców wielowymiarowych przy użyciu sPLS-DA

3.2.1. Klasyfikacja oparta na łączności anatomicznej (materia biała)

Zbadaliśmy, czy istnienie istoty białej anatomicznej w mózgu może być wykorzystane do odróżnienia osób z nadwagą od osób o normalnej wadze. Rys. 3A przedstawia osoby z próbki reprezentowanej w odniesieniu do dwóch sygnatur mózgu i przedstawia zdolności dyskryminacyjne klasyfikatora istoty białej. Obliczono miary klasyfikacji binarnej i wskazano czułość 97%, specyficzność 87%, PPV 88% i NPV 96%. Tabela 2 zawiera listę stabilnych połączeń istoty białej, zawierającą każdy dyskryminacyjny podpis mózgu wraz ze zmiennymi obciążeniami i współczynnikami VIP.

Rys. 3 

A. Klasyfikator oparty na gęstości włókien (istota biała). B. Klasyfikator oparty na morfologii szarej materii. Odp .: Przedstawia zdolności dyskryminacyjne klasyfikatora gęstości włókien (materii białej). B: Przedstawia zdolności dyskryminacyjne klasyfikatora szarej materii. ...
Tabela 2 

Lista połączeń anatomicznych zawierających każdą dyskryminacyjną sygnaturę mózgu.

3.2.2. Podpis anatomiczny oparty na łączności 1

Pierwszy podpis mózgu odpowiada za 63% wariancji. Jak wskazują współczynniki VIP, zmienne w rozwiązaniu wyjaśniającym największą wariancję obejmowały 1) połączenia między regionami sieci nagrody (skorupa, pallidum, pień mózgu [w tym regiony śródmózgowia, takie jak VTA i substancja czarna]) z regionami wykonawczymi kontrola (precuneus, która jest częścią tylnej części kory ciemieniowej), wyostrzenie (przednia wyspa), pobudzenie emocjonalne (brzuszno-przyśrodkowa kora przedczołowa) i sieci somatosensoryczne (zakręt postcentralny); 2) regiony sieci pobudzenia emocjonalnego (przednia kora śródmózgowia, brzuszno-przyśrodkowa kora przedczołowa) z obszarami wyrostka (przednia wyspa) i somatosensorycznymi (płat paracentralny, w tym uzupełniająca kora ruchowa); i 3) wzgórze ze środkowym zakrętem potylicznym i wzgórzem z rejonem sieci kontroli wykonawczej (grzbietowa boczna kora przedczołowa).

W porównaniu z grupą o normalnej wadze grupa z nadwagą wykazywała większą łączność z regionów sieci wynagrodzeń (skorupa, bladość, pień mózgu) z siecią kontroli wykonawczej (tylna kora ciemieniowa) oraz z skorupy do hamującej części sieci pobudzenia emocjonalnego ( brzuszno-przyśrodkowa kora przedczołowa) i do regionów sieci somatosensorycznej (zakręt pośrodkowy i tylna wyspa). Niższą łączność obserwowano w grupie z nadwagą w regionach od sieci pobudzenia emocjonalnego (brzuszno-przyśrodkowa kora przedczołowa) do sieci salience (przedniej wyspy), ale większa łączność w grupie z nadwagą od regionów od sieci pobudzenia emocjonalnego (brzuszno-przyśrodkowa kora przedczołowa) do sieć somatosensoryczna (tylna wyspa). Niższą łączność obserwowano również w grupie z nadwagą w połączeniach od somatosensorycznej (płata paracentralnego) do przedniej kory środkowej, ale wyższą łączność od płata paracentralnego do bruzdy podskórnej (część sieci somatosensorycznej). Patrząc na połączenia wzgórzowe, zaobserwowano niższą łączność od wzgórza do grzbietowej bocznej kory przedczołowej (sieć kontroli wykonawczej) i do środkowego zakrętu potylicznego u osób z nadwagą w porównaniu z osobami o normalnej wadze.

3.2.3. Podpis anatomiczny oparty na łączności 2

Drugi zidentyfikowany anatomiczny podpis mózgu odpowiadał za dodatkowy 12% wariancji danych. Zmienne, które najbardziej wpływają na dyskryminację grupową, na co wskazuje współczynnik VIP, obejmowały połączenia w regionach nagrody (skorupa, bruzdy oczodołowe będące częścią oczodołowego zakrętu czołowego i pnia mózgu) oraz pobudzenie emocjonalne (gyrus rectus, który jest środkiem część brzuszno-przyśrodkowej kory przedczołowej).

U osób z nadwagą w porównaniu z osobami o normalnej wadze zaobserwowano większą łączność między obszarami sieci wynagrodzeń (pnia mózgu i skorupy), zarówno dla kontroli wykonawczej (grzbietowa boczna kora przedczołowa), jak i hamującej części pobudzenia emocjonalnego (brzuszno-przyśrodkowa kora przedczołowa). Jednak łączność między potylicznym a oczodołowym zakrętem czołowym (sieć nagród) była niższa u osób z nadwagą w porównaniu z osobami o normalnej wadze.

3.2.4. Klasyfikacja na bazie morfometrycznej szarości

Zbadaliśmy, czy morfometrię mózgu (objętość istoty szarej, pole powierzchni, grubość warstwy korowej i średnia krzywizna) można wykorzystać do odróżnienia osób z nadwagą od osób o normalnej wadze. Rys. 3B przedstawia osoby z próbki reprezentowanej w powiązaniu z dwoma sygnaturami mózgu i przedstawia zdolności dyskryminacyjne klasyfikatora morfometrycznego. Obliczono miary klasyfikacji binarnej i wskazano czułość 69%, specyficzność 63%, PPV 66% i NPV 66%. Tabela 3 zawiera listę miar morfometrycznych zawierających każdą różnicę wraz ze zmiennymi obciążeniami i współczynnikami VIP.

Tabela 3 

Morfometria regionalna obejmująca każdy podpis mózgu.

3.2.5. Morfologiczna sygnatura mózgu 1

Pierwszy podpis mózgu wyjaśnił 23% zmienności danych fenotypu morfometrycznego. Jak wynika ze współczynników VIP, zmienne przyczyniające się do największej zmienności podpisu obejmowały regiony nagrody (podregiony orbitalnego zakrętu czołowego), wyostrzenie (przednia wyspę), kontrolę wykonawczą (grzbietowa boczna kora przedczołowa), pobudzenie emocjonalne (brzuszno-przyśrodkowa kora przedczołowa) ) i sieci somatosensoryczne (bruzda przedśrodkowa, zakręt supramarginalny, bruzda podcentralna, bruzda czołowa górna). Wysokie współczynniki VIP zaobserwowano również dla zakrętu i bruzdy czołowej górnej, zakrętu skroniowego górnego, poprzecznego zakrętu przedniego i zakrętu poprzecznego przedniego poprzecznego. Regiony nagrody, istotności, kontroli wykonawczej i sieci pobudzenia emocjonalnego były powiązane z niższy wartości u osób z nadwagą w porównaniu z osobami o normalnej wadze. Również osoby z nadwagą w porównaniu z osobami o normalnej wadze miały większy wartości w regionach sieci somatosensorycznej. Morfometria obszarów czołowych i skroniowych (zakręt górny skroniowy i przedni poprzeczny zakręt skroniowy) była również związana z niższy wartości u osób z nadwagą w porównaniu z osobami o normalnej wadze.

3.2.6. Morfologiczna sygnatura mózgu 2

Druga morfologiczna sygnatura mózgu wyjaśnia 32% wariancji. Zmienne o najwyższych współczynnikach VIP były podobne do współczynników VIP obserwowanych w sygnaturze mózgu 1, ponieważ obejmowały regiony nagrody (ogoniasta), występowanie (przednia wyspę), kontrolę wykonawczą (części tylnej kory ciemieniowej), pobudzenie emocjonalne (parahipokampa) zakręt, podwodna kora obręczy przedniej i kora obręczy przedniej) oraz sieci somatosensoryczne (tylna wyspa i zraz paracentralny). Jednak sygnatura mózgu 2 w porównaniu z podpisem mózgu 1 miała tylko jedno połączenie z sieci nagród i więcej połączeń z regionów sieci salience i emocjonalnego pobudzenia.

U osób z nadwagą w porównaniu z osobami o normalnej wadze, niższy wartości dla morfometrii w nagrodzie, salience, kontroli wykonawczej i sieciach pobudzenia emocjonalnego, ale wyższy wskazano wartości w sieci somatosensorycznej.

4.0. Dyskusja

Celem tego badania było ustalenie, czy morfologiczne i anatomiczne wzory połączeń mózgu (oparte na gęstości włókien między określonymi obszarami mózgu) mogą odróżniać osoby z nadwagą od osób o normalnej wadze. Główne wnioski to: 1. Anatomiczna łączność (gęstość względna ścieżek istoty białej między regionami) była w stanie rozróżnić pacjentów o różnym BMI z wysoką czułością (97%) i specyficznością (87%). 2. Natomiast zmiany morfologiczne w materii szarej miały mniej niż optymalną dokładność klasyfikacji. 3. Wiele obszarów mózgu zawierających dyskryminujące sygnatury mózgu należało do sieci rozszerzonej nagrody, istotności, centralnego kierownictwa i pobudzenia emocjonalnego, co sugeruje, że zaobserwowane zaburzenia funkcjonalne były spowodowane nieprawidłową organizacją między tymi sieciami.

4.1. Anatomiczne sygnatury mózgowe związane z BMI

W tym badaniu algorytm klasyfikacji składający się z dwóch sygnatur mózgu odzwierciedlających odmienne wzorce łączności regionu wykazał wyraźną zdolność do rozróżniania osób z nadwagą i osób o normalnej wadze. Większość badań DTI u osób z wysokim BMI (Shott i in., 2014; Stanek i in., 2011; Xu i in., 2013; Yau i in., 2010, 2014) skupili się na zbadaniu różnic w charakterystyce dyfuzji istoty białej, w tym anizotropii ułamkowej i średniej dyfuzyjności (która mierzy integralność ciągów istoty białej), lub pozornych współczynników dyfuzji (która mierzy dyfuzję wody w ścieżkach i odzwierciedla uszkodzenia komórek). Wszystkie te środki mogą dostarczyć informacji dotyczących miejscowych zmian w mikrostrukturze istoty białej. W obecnym badaniu skupiliśmy się na pomiarach gęstości DTI gęstości włókien jako miernika szacowania względnej łączności między obszarami mózgu a sieciami. Tak więc, podczas gdy inne badania mają zlokalizowane zmiany w mikrostrukturze istoty białej, nie zidentyfikowały implikacji tych zmian w zakresie łączności.

4.1.1. Podpis anatomiczny oparty na łączności 1

Pierwszy podpis mózgu był w dużej mierze zawarty w połączeniach wewnątrz i między nagrodą, istotnością, kontrolą wykonawczą, pobudzeniem emocjonalnym i sieciami sensorycznymi. Były też połączenia wzgórzowe z regionami sieci kontroli wykonawczej i regionu potylicznego. Odpowiada to naszemu odkryciu zmniejszonych połączeń z brzuszno-przyśrodkowej kory przedczołowej do przedniej wyspy obserwowanej w grupie z nadwagą w porównaniu z grupą z prawidłową masą ciała, zmniejszona integralność dróg oddechowych (zmniejszona anizotropia frakcyjna) w zewnętrznej kapsułce (która zawiera włókna, które łączą obszary korowe do innych obszarów korowych za pomocą krótkich włókien asocjacyjnych były zgłaszane u otyłych w porównaniu z grupą kontrolną (Shott i in., 2014). Ponadto u otyłych w porównaniu z kontrolami pozorny współczynnik dyfuzji (dyfuzja wody odzwierciedlająca uszkodzenie komórek) był większy w warstwie strzałkowej (która jest znana z przekazywania informacji z obszarów ciemieniowych, potylicznych, zakrętów i skroniowych do wzgórza) i może być spójny z naszymi obserwacjami niższej łączności między prawym wzgórzem a zakrętem potylicznym prawego środkowego u osób z nadwagą w porównaniu z osobami o normalnej wadze (Shott i in., 2014). Shott i koledzy (Shott i in., 2014) zidentyfikowali również większe pozorne współczynniki dyfuzji (odzwierciedlające możliwe uszkodzenie komórek) w grupie otyłych w koronach promieniowych, co wydaje się uzupełniać nasze ustalenia dotyczące niższej względnej gęstości włókien między strukturami głębokiej istoty szarej (takimi jak wzgórze) a obszarami korowymi (grzbietowa boczna kora przedczołowa) u osób z nadwagą w porównaniu z osobami o prawidłowej masie ciała. Zmieniona łączność wzgórzowa może zakłócać rolę wzgórza w ułatwianiu przekazywania obwodowych informacji czuciowych do kory (Jang i in., 2014).

Odrębne badanie porównujące nieskomplikowaną nastolatkę otyłą z osobami o normalnej wadze również wykazało zmniejszoną anizotropię frakcyjną u otyłych nastolatków w regionach takich jak kapsułka zewnętrzna, torebka wewnętrzna (która najczęściej przenosi wznoszące się i opadające drogi korowo-rdzeniowe), a także niektóre włókna skroniowe i promieniowanie optyczne (Yau i in., 2014). Niedawne badanie zaobserwowało również utratę połączeń włókien nerwowych z DTI między pniem mózgu i podwzgórzem u osobnika z jamistą pnia mózgu, który po przejściu drenażu chirurgicznego miał dramatyczny wzrost masy ciała, co może sugerować, że te włókna nerwowe są zaangażowane w regulację zarówno spożycia, jak i wagi (Purnell i in., 2014). Jednakże nie zidentyfikowaliśmy różnic w łączności z podwzgórzem, co może częściowo wynikać z ograniczeń przywoływania na podstawie konkretnych atlasów użytych w bieżącym badaniu.

4.1.2. Podpis anatomiczny oparty na łączności 2

Drugi podpis ortogonalny był zawarty tylko w trzech połączeniach anatomicznych w sieci nagród i pobudzenia emocjonalnego. Identyfikacja zmienionych połączeń w regionach obejmujących sieć wynagrodzeń oraz z regionami w sieciach, z którymi współdziała w bieżącym badaniu, nie została wcześniej zgłoszona. Zmiany te można jednak przewidzieć na podstawie najnowszych badań morfologicznych, w których zaobserwowano zmiany istoty szarej w regionach rozszerzonej sieci nagród (Kenny, 2011; Kurth i in., 2013; Raji i in., 2010; Volkow i wsp., 2008). Łącznie nasze odkrycia wydają się wykazywać szerokie zmiany w łączności materii białej dla regionów, które tworzą sieć wynagrodzeń i związane z nią sieci.

Podczas gdy inne badania wykazały zmniejszoną integralność włókien mierzoną zmniejszoną anizotropią frakcyjną w obszarach ciała modzelowatego i fornixu (które są częścią zakrętu i przenoszą informacje z hipokampa do podwzgórza) wraz ze wzrostem BMI (Stanek i in., 2011; Xu i in., 2013); obecne badanie nie wykazało znaczących zmian w łączności międzypółkulowej w ramach dwóch anatomicznych sygnatur mózgowych. Wyjątkiem było to, że istniał związek między lewym płatem centralnym a prawą bruzdą podniebienną w sygnaturze mózgu 1, a także połączenie między prawym skorupą a lewym żylakiem prostym w sygnaturze mózgu 2. Postawiliśmy hipotezę, że efekt obserwowany w tych poprzednich badaniach może wynikać z systemowej degradacji istoty białej zamiast zmian w połączeniach między określonymi obszarami mózgu, podobnie jak zmiany zachodzące podczas normalnego starzenia się (Sullivan i in., 2010). Podczas gdy autorzy tych wcześniejszych badań postawili hipotezę, że różnice w anizotropii frakcyjnej w zewnętrznej kapsułce osób z wysokim BMI mogą być skorelowane z połączeniami z hipokampa i ciała migdałowatego, nie zaobserwowaliśmy znaczących zmian w łączności w tych strukturach. Bardziej szczegółowa analiza i dokładniejsze odwzorowanie tych obszarów mózgu są wymagane do potwierdzenia tych obserwacji.

4.2. Morfometryczne sygnatury mózgu szarocząsteczki związane z BMI

Analiza morfometryczna substancji szarej za pomocą dwóch różnych profili była w stanie prawidłowo zidentyfikować nadwagę u osób o normalnej wadze z czułością 69% i specyficznością 63%. Wyniki te są zgodne z wcześniejszymi doniesieniami o globalnym i regionalnym zmniejszeniu objętości szarej materii w określonych obszarach mózgu w sieci wynagrodzeń i powiązanych sieciach (Debette i in., 2010; Kenny, 2011; Kurth i in., 2013; Pannacciulli i in., 2006; Raji i in., 2010). W przeciwieństwie do klasyfikacji opartej na DTI, odkrycia te sugerują umiarkowaną zdolność do rozróżniania między dwiema grupami BMI.

4.2.1. Morfologiczna sygnatura mózgu 1

W naszym badaniu pierwsza sygnatura mózgu wykazywała niższe wartości różnych pomiarów morfometrycznych (w tym podregionów orbitalnego zakrętu czołowego, przedniej wyspy) w regionach sieci nagradzania, istotności i kontroli wykonawczej w grupie z nadwagą w porównaniu z normalną grupą wagową. Dodatkowo zaobserwowano niższe wartości morfometryczne dla regionów hamujących (grzbietowa boczna i brzuszno-przyśrodkowa kora przedczołowa) związanych z siecią pobudzenia emocjonalnego, ale wyższą morfometrię dla sieci somatosensorycznej (bruzda przedśrodkowa, zakręt supramarginalny, bruzda podcentralna i górna bruzda czołowa), w tym skroniową regiony u osób z nadwagą w porównaniu z osobami o normalnej wadze. W tym badaniu znaleźliśmy znaczące zmniejszenie pomiarów morfologicznych (objętość istoty szarej i grubości korowej) orbitalnego zakrętu czołowego. Orbitalny zakręt czołowy jest ważnym regionem w sieci wynagrodzeń, który odgrywa rolę w przetwarzaniu ewaluacyjnym oraz w kierowaniu przyszłymi zachowaniami i decyzjami opartymi na przewidywaniu kodowania związanego z nagrodą (Kahnt i in., 2010). Niedawne badanie analizujące strukturę szarości i istoty białej wykazało, że osoby otyłe miały obniżone wartości dla różnych regionów w sieci wynagrodzeń, w tym oczodołowego zakrętu czołowego (Shott i in., 2014).

4.2.2. Morfologiczna sygnatura mózgu 2

W porównaniu z sygnaturą mózgu 1, pomiary morfologiczne obserwowane w regionach sieci wzbudzenia i pobudzenia emocjonalnego wyjaśniały większość wariancji, podczas gdy regiony sieci wynagrodzeń nie miały wpływu. Zmniejszone pomiary istoty szarej obserwowano w rejonach istotności, kontroli wykonawczej i sieci pobudzenia emocjonalnego. Regiony te (przednia ścianka, tylna kora ciemieniowa, zakręt przyhipokampowy, podregiony przedniej części obręczy obręczy) są często związane ze zwiększoną aktywnością wywoływanego mózgu podczas ekspozycji na sygnały pokarmowe (Brooks i in., 2013; Greenberg i in., 2006; Rothemund i in., 2007; Shott i in., 2014; Stoeckel i in., 2008) i stopień osobistego znaczenia bodźców (Critchley i in., 2011; Seeley i in., 2007a). W obecnym badaniu redukcje istoty szarej obserwowano również w kluczowych obszarach sieci somatosensorycznej (tylna wyspa, płat paracentralny). Chociaż dokładna rola tej sieci w nadwadze i otyłości nie jest znana, wykazano, że jest ona zaangażowana w świadomość doznań ciała, a ostatnie badania sugerują, że podwyższona aktywność sieci somatosensorycznej w odpowiedzi na sygnały pokarmowe u osób otyłych może prowadzić do przejadanie się (Stice i in., 2011). Badanie to skupiło się na pomiarach morfologicznych i anatomicznych połączeniach między obszarami mózgu w rozszerzonej sieci nagród i sieci somatosensorycznej, i sugeruje, że te strukturalne metryki mózgu mogą wpływać na przetwarzanie neuronalne związane z wynikami badań funkcjonalnych znalezionych w literaturze. Korelacje z czynnikami behawioralnymi i środowiskowymi również dają wgląd w związek między wynikami strukturalnymi i funkcjonalnymi, które będą musiały zostać przetestowane w przyszłych badaniach.

4.3. Wykorzystanie wielowymiarowych analiz wzorców przy użyciu sPLS-DA w celu rozróżnienia między osobami z nadwagą a osobami o normalnej wadze

Odkrycia dotyczące zmian gęstości włókien pomiędzy różnymi sieciami mózgu w ramach rozszerzonej sieci nagród BMI potwierdzają hipotezę, że wzrost BMI powoduje zakłócenie łączności anatomicznej między określonymi regionami w mózgu. Te anatomiczne zmiany mogą oznaczać nieskuteczną lub nieefektywną komunikację między kluczowymi regionami sieci wynagrodzeń i powiązanymi sieciami. Podobnie jak w kilku ostatnich raportach, w których stwierdzono zmiany objętości szarej substancji związane z nadwagą i otyłością (Debette i in., 2010; Kurth i in., 2013; Pannacciulli i in., 2006; Raji i in., 2010), byliśmy również w stanie znaleźć podobne różnice morfologiczne w nadwadze w porównaniu z osobami o normalnej wadze. W bieżącym badaniu rozszerzyliśmy te obserwacje w celu zbadania związku między stanem nadwagi a anatomiczną łącznością mózgu i zastosowaliśmy sPLS-DA do danych morfometrycznych mózgu w celu rozróżnienia osób z nadwagą i osób o normalnej wadze. Niedawne badanie przekrojowe z zastosowaniem binarnej regresji logistycznej sugeruje, że kombinacja zmian strukturalnych w bocznym zakręcie oczodołu czołowego, mierzona objętością szarej materii, i poziomami markera zapalnego we krwi (fibrynogenu) była w stanie przewidzieć otyłość u małego próbka osób z prawidłową masą ciała 19 i osób z nadwagą / otyłością 44; z wysoką czułością (95.5%), ale niską specyficznością (31.6%) (Cazettes i in., 2011). Nasze badanie różni się od tego raportu kilkoma aspektami, w tym większą wielkością próby; zastosowanie metody walidacji krzyżowej w celu uniknięcia rozwiązania specyficznego dla próbki, wykluczenie osób z nadciśnieniem tętniczym / cukrzycą w celu usunięcia ewentualnego zakłócenia oraz włączenie objętości istoty szarej i gęstości przewodu pokarmowego w celu przewidzenia stanu nadwagi.

4.4. Ograniczenia

Mimo że stwierdziliśmy znaczne różnice między osobami o normalnej wadze i nadwagą w gęstości włókien, nie możemy ekstrapolować tych wyników anatomicznych na różnice w funkcjonalnej (stan spoczynku) łączności. Takie wyniki połączeń funkcjonalnych umożliwiłyby wykrycie różnic w synchronizacji aktywności mózgu w obszarach, które nie są bezpośrednio połączone drogami istoty białej. Chociaż powtórzyliśmy wcześniej zgłoszone ustalenia dotyczące połączeń anatomicznych i różnic morfologicznych między nadwagą / otyłością a normalnym BMI (Kurth i in., 2013; Raji i in., 2010), nie udało się zaobserwować zmian w ważnych podkorowych regionach podwzgórza, ciała migdałowatego i hipokampa. Jest możliwe, że ta awaria mogła wynikać z ograniczeń algorytmów automatycznej parcelacji stosowanych w tym badaniu lub z powodu analiz ograniczonych do osób z nadwagą i osób otyłych. Przyszłe badania będą wymagały większych próbek w celu porównania osób otyłych, z nadwagą i osób o normalnej wadze, oraz aby móc przeprowadzić analizy podgrup w oparciu o płeć i rasę. Ze względu na naszą stosunkowo małą próbkę zastosowaliśmy rygorystyczną wewnętrzną procedurę walidacji, jednak nadal konieczne jest przetestowanie dokładności predykcyjnej tego klasyfikatora w niezależnym zbiorze danych (Bray i in., 2009). Przyszłe badania powinny dotyczyć powiązania tych różnic neuroobrazowania z konkretnymi zachowaniami żywieniowymi, preferencjami żywieniowymi i informacjami na temat diety, aby zinterpretować kontekst i znaczenie tych odkryć. Ponieważ stan otyłości i nadwagi często wiąże się z chorobami współistniejącymi, takimi jak nadciśnienie, cukrzyca i zespół metaboliczny, przyszłe analizy powinny zbadać wpływ tych czynników na moderowanie i korelację w algorytmie klasyfikacji.

4.5. Podsumowanie i wnioski

Podsumowując, nasze wyniki potwierdzają hipotezę, że nadwaga jest związana ze zmienioną łącznością (w postaci gęstości włókien) między określonymi regionami mózgu, co może oznaczać nieskuteczną lub nieefektywną komunikację między tymi regionami. W szczególności zmniejszona łączność przedczołowych hamujących obszarów mózgu z obwodem nagrody jest zgodna z przewagą hedonicznych mechanizmów w regulacji przyjmowania pokarmu (Gunstad i in., 2006, 2007, 2008, 2010). Mechanizmy leżące u podstaw tych zmian strukturalnych są słabo poznane, ale mogą obejmować procesy neurozapalne i neuroplastyczne (Cazettes i in., 2011) związane z niskim stanem zapalnym zgłaszanym u osób z nadwagą i otyłością (Cazettes i in., 2011; Cox i in., 2014; Das, 2010; Gregor i Hotamisligil, 2011; Griffin, 2006). Oparte na danych podejścia do identyfikacji zmian szarości i istoty białej w nadwadze / otyłości są obiecującymi narzędziami do identyfikacji głównych korelatów rosnącego BMI i mają potencjał do identyfikacji biomarkerów neurobiologicznych dla tego zaburzenia.

Autorskie Wkłady

Arpana Gupta: Przestudiuj koncepcję i projekt, analizę i interpretację danych, opracowanie i rewizję manuskryptu.

Emeran Mayer: Przestudiuj koncepcję i projekt, krytyczny przegląd manuskryptu, zatwierdzenie ostatecznej wersji rękopisu, finansowanie.

Claudia San Miguel: Opracowanie i krytyczny przegląd manuskryptu, interpretacja danych.

John Van Horn: Generowanie danych, analiza danych.

Connor Fling: Analiza danych.

Aubrey Love: Analiza danych.

Davis Woodworth: Analiza danych.

Benjamin Ellingson: Przegląd rękopisu.

Kirsten Tillisch: Krytyczny przegląd rękopisu, finansowanie.

Jennifer Labus: Przestudiuj koncepcję i projekt, analizę i interpretację danych, opracowanie i rewizję manuskryptu, zatwierdzenie ostatecznej wersji manuskryptu, finansowanie.

Konflikty interesów

Nie istnieją konflikty interesów.

Źródło finansowania

Badania te były częściowo wspierane przez granty z National Institutes of Health: R01 DK048351 (EAM), P50DK64539 (EAM), R01 AT007137 (KT), P30 DK041301, K08 DK071626 (JSL) i R03 DK084169 (JSL). Skany pilotażowe zostały dostarczone przez Centrum Badań Mózgu Ahmanson-Lovelace, UCLA.

Referencje

  • Bray S., Chang C., Hoeft F. Zastosowania wieloczynnikowych analiz klasyfikacji wzorców w neuroobrazowaniu rozwojowym populacji zdrowych i klinicznych. Z przodu. Szum. Neurosci. 2009; 3: 32. 19893761 [PubMed]
  • Brooks SJ, Cedernaes J., Schiöth HB Zwiększona aktywacja przedczołowa i przyhipokampowa ze zmniejszoną aktywacją grzbietowo-bocznej kory przedczołowej i wyspowej do obrazów pokarmowych w otyłości: metaanaliza badań fMRI. PLOS ONE. 2013; 8 (4): e60393. 23593210 [PubMed]
  • Calton MA, Vaisse C. Zawężenie roli wspólnych wariantów w genetycznej predyspozycji do otyłości. Genome Med. 2009, 1 (3): 31. 19341502 [PubMed]
  • Cazettes F., Cohen JI, Yau PL, Talbot H., Convit A. Zapalenie spowodowane otyłością może uszkodzić obwód mózgu, który reguluje przyjmowanie pokarmu. Brain Res. 2011; 1373: 101-109. 21146506 [PubMed]
  • Centrum Kontroli Chorób (CDC) Nadwaga i Otyłość. 2014. JA.
  • Chiang MC, Barysheva M., Toga AW, Medland SE, Hansell NK, James MR, McMahon KL, de Zubicaray GI, Martin NG, Wright MJ, efekty Thompsona PM BDNF na obwody mózgu replikowane w bliźniakach 455. Neuroimage. 2011;55(2):448–454. [PubMed]
  • Choquet H., Meyre D. Genetyka otyłości: czego się nauczyliśmy? Curr. Genomika. 2011;12(3):169–179. 22043165 [PubMed]
  • Connolly L., Coveleskie K., Kilpatrick LA, Labus JS, Ebrat B., Stains J., Jiang Z., Tillisch K., Raybould HE, Mayer EA Różnice w reakcjach mózgu między szczupłymi i otyłymi kobietami na słodzone napoje. Neurogastroenterol. Motil. 2013;25(7):579-e460. 23566308 [PubMed]
  • Cox AJ, West NP, Cripps AW Otyłość, stan zapalny i mikroflora jelitowa. Lancet Diabetes Endocrinol. 2014 25066177 [PubMed]
  • Critchley HD, Nagai Y., Gray MA, Mathias CJ Rozpoznawanie osi kontroli autonomicznej u ludzi: spostrzeżenia z neuroobrazowania. Auton. Neurosci. 2011;161(1–2):34–42. 20926356 [PubMed]
  • Dale AM, Fischl B., Sereno MI Cortical analiza powierzchniowa. I. Segmentacja i rekonstrukcja powierzchni. Neuroimage. 1999;9(2):179–194. 9931268 [PubMed]
  • Das UN Otyłość: geny, mózg, jelita i środowisko. Odżywianie. 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. Tłuszcz trzewny jest związany z mniejszą objętością mózgu u zdrowych dorośli w średnim wieku. Ann. Neurol. 2010;68(2):136–144. 20695006 [PubMed]
  • Destrieux C., Fischl B., Dale A., Halgren E. Automatyczne parowanie ludzkich żyrowych korowych i bruzd za pomocą standardowej nomenklatury anatomicznej. 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 Wkład genetyczny i środowiskowy w wagę , wzrost i BMI od urodzenia do 19 lat: międzynarodowe badania nad parami bliźniaczymi 12,000. PLOS ONE. 2012; 7 (2): e30153. 22347368 [PubMed]
  • El-Sayed Moustafa JS, Froguel P. Od genetyki otyłości do przyszłości spersonalizowanej terapii otyłości. Nat. Rev. Endocrinol. 2013;9(7):402–413. 23529041 [PubMed]
  • Finkelstein EA, Trogdon JG, Cohen JW, Dietz W. Roczne wydatki medyczne związane z otyłością: szacunki dotyczące płac i usług. Health 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 ​​Segmentacja całego mózgu: automatyczne etykietowanie struktur neuroanatomicznych w ludzkim mózgu. Neuron. 2002;33(3):341–355. 11832223 [PubMed]
  • Fischl B., Sereno MI, Dale AM ​​Analiza powierzchniowa metodą korową. II: inflacja, spłaszczanie i układ współrzędnych oparty na powierzchni. 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. Zmiany w sieci salience w otyłości: badanie fMRI w stanie spoczynku. Szum. Mapp mózgu. 2013;34(11):2786–2797. 22522963 [PubMed]
  • Greenberg JA, Boozer CN, Geliebter A. Kawa, cukrzyca i kontrola wagi. Rano. J. Clin. Nutr. 2006;84(4):682–693. 17023692 [PubMed]
  • Gregor MF, Hotamisligil GS Mechanizmy zapalne w otyłości. Annu. Rev. Immunol. 2011; 29: 415-445. 21219177 [PubMed]
  • Griffin WS Zapalenie i choroby neurodegeneracyjne. Rano. J. Clin. Nutr. 2006;83(2):470S–474S. 16470015 [PubMed]
  • Gunstad J., Lhotsky A., Wendell CR, Ferrucci L., Zonderman AB Badanie podłużne otyłości i funkcji poznawczych: wyniki z podłużnego badania starzenia się w Baltimore. Neuroepidemiologia. 2010;34(4):222–229. 20299802 [PubMed]
  • Gunstad J., Paul RH, Cohen RA, Tate DF, Gordon E. Otyłość wiąże się z deficytem pamięci u młodych i dorosłych w średnim wieku. Jeść. Nieład wagi. 2006;11(1):e15–e19. 16801734 [PubMed]
  • Gunstad J., Paul RH, Cohen RA, Tate DF, Spitznagel MB, Gordon E. Podwyższony wskaźnik masy ciała jest związany z dysfunkcją wykonawczą u zdrowych dorosłych. Compr. Psychiatria. 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. Wskaźnik masy ciała i funkcja neuropsychologiczna u zdrowych dzieci i młodzieży. Apetyt. 2008;50(2–3):246–251. 17761359 [PubMed]
  • Irimia A., Chambers MC, Torgerson CM, Van Horn JD Okrągła reprezentacja ludzkich sieci korowych dla wizualizacji połączenia i poziomu populacji na poziomie populacji. Neuroimage. 2012;60(2):1340–1351. 22305988 [PubMed]
  • Jang SH, Lim HW, Yeo SS Łączność neuronalna wewnątrzjądrowych jąder wzgórza w ludzkim mózgu: badanie dyfuzji tensora dyfuzji. Neurosci. Łotysz. 2014; 579: 140-144. 25058432 [PubMed]
  • Kahnt T., Heinzle J., Park SQ, Haynes JD Kod neuronowy przewidywania nagrody w ludzkiej korze oczodołowo-czołowej. Proc. Natl. Acad. Sci. US A. 2010;107(13):6010–6015. 20231475 [PubMed]
  • Kenny PJ Mechanizmy nagradzania otyłości: nowe spostrzeżenia i przyszłe kierunki. 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 Wpływ spożycia sacharozy na pnia mózgu i wewnętrzne oscylacje podwzgórza w chudym i otyłe kobiety. Gastroenterologia. 2014;146(5):1212–1221. 24480616 [PubMed]
  • Kullmann S., Heni M., Veit R., Ketterer C., Schick F., Häring HU, Fritsche A., Preissl H. Otyły mózg: powiązanie wskaźnika masy ciała i wrażliwości na insulinę z łącznością funkcjonalną sieci spoczynkowej. Szum. Mapp mózgu. 2012;33(5):1052–1061. 21520345 [PubMed]
  • Kurth F., Levitt JG, Phillips OR, Luders E., Woods RP, Mazziotta JC, Toga AW, Narr KL Relacje między istotą szarą, wskaźnikiem masy ciała i obwodem talii u zdrowych dorosłych. Szum. Mapp mózgu. 2013;34(7):1737–1746. 22419507 [PubMed]
  • Analiza dyskryminacyjna Lê Cao KA, Boitard S., Besse P. Sparse PLS: biologicznie istotny wybór cech i graficzne wyświetlanie problemów wieloklasowych. BMC Bioinformatyka. 2011; 12: 253. 21693065 [PubMed]
  • Lê Cao KA, González I., Déjean S. integrOmics: pakiet R do rozwikłania relacji między dwoma zbiorami danych omicznych. BioInformatyka. 2009;25(21):2855–2856. 19706745 [PubMed]
  • Lê Cao KA, Martin PG, Robert-Granié C., Besse P. Sparse kanoniczne metody integracji danych biologicznych: zastosowanie w badaniach międzyplatformowych. BMC Bioinformatyka. 2009; 10: 34. 19171069 [PubMed]
  • Lê Cao KA, Rossouw D., Robert-Granié C., Besse P. A rzadki PLS do wyboru zmiennych przy integracji danych omicznych. Stat. Appl. Genet. Mol. Biol. 2008, 7 (1): 35. 19049491 [PubMed]
  • Lê Cao KA, Rossouw D., Robert-Granié C., Besse P. A rzadki PLS do wyboru zmiennych przy integracji danych omicznych. 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. Kliniczna skuteczność i efektywność kosztowa długoterminowych programów kontroli wagi dla dorosłych: przegląd systematyczny . Health Technol. Oszacować. 2011;15(2):1–182. 21247515 [PubMed]
  • Menon V., Uddin LQ Istotność, zmiana, uwaga i kontrola: model sieciowy funkcji Insula. Strukturę mózgu. Funkt. 2010;214(5–6):655–667. 20512370 [PubMed]
  • Mori S., Crain BJ, Chacko VP, van Zijl PC Trójwymiarowe śledzenie rzutów aksonalnych w mózgu za pomocą obrazowania metodą rezonansu magnetycznego. Ann. Neurol. 1999;45(2):265–269. 9989633 [PubMed]
  • Morrow JD, Maren S., Robinson TE Indywidualna zmienność skłonności do przypisywania bodźca motywacyjnego do apetycznego wskazania przewiduje skłonność do przypisywania istotności motywacyjnej do awersyjnej wskazówki. Behav. Brain Res. 2011;220(1):238–243. 21316397 [PubMed]
  • Pannacciulli N., Del Parigi A., Chen K., Le DS, Reiman EM, Tataranni PA Nieprawidłowości mózgu w ludzkiej otyłości: badanie morfometryczne oparte na wokselu. Neuroimage. 2006;31(4):1419–1425. 16545583 [PubMed]
  • Purnell JQ, Lahna DL, Samuels MH, Rooney WD, Hoffman WF Utrata śladów istoty białej pons-to-hypotham w otyłości pnia mózgu. 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 Struktura mózgu i otyłość. Szum. Mapp mózgu. 2010;31(3):353–364. 19662657 [PubMed]
  • Rothemund Y., Preuschhof C., Bohner G., Bauknecht HC, Klingebiel R., Flor H., Klapp BF Różnicowa aktywacja prążkowia grzbietowego przez wysokokaloryczne bodźce wzrokowe u osób otyłych. Neuroimage. 2007;37(2):410–421. 17566768 [PubMed]
  • Seeley WW, Menon V., Schatzberg AF, Keller J., Glover GH, Kenna H., Reiss AL, Greicius MD Dysocjowalne wewnętrzne sieci łączności do przetwarzania salience i kontroli wykonawczej. 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 Dysocjowalne wewnętrzne sieci łączności do przetwarzania salience i kontroli wykonawczej. J. Neurosci. 2007;27(9):2349–2356. 17329432 [PubMed]
  • Sheehan DV, Lecrubier Y., Sheehan KH, Amorim P., Janavs J., Weiller E., Hergueta T., Baker R., Dunbar GC Mini-międzynarodowy wywiad neuropsychiatryczny (MINI): opracowanie i walidacja ustrukturyzowanej diagnostyki wywiad psychiatryczny dla DSM-IV i ICD-10. J. Clin. Psychiatria. 1998;59(Suppl. 20):22–33. 9881538 [Quiz 34 – 57] [PubMed]
  • Shott ME, Cornier MA, Mittal VA, Pryor TL, Orr JM, Brown MS, Frank GK Objętość kory oczodołowo-czołowej i odpowiedź nagrody mózgowej w otyłości. Int J Obes (Lond) 2014 25027223 [Artykuł bezpłatny PMC] [PubMed]
  • Stanek KM, Grieve SM, Brickman AM, Korgaonkar MS, Paul RH, Cohen RA, Gunstad JJ Otyłość jest związana ze zmniejszoną integralnością istoty białej u zdrowych dorosłych. Otyłość (Silver Spring) 2011;19(3):500–504. 21183934 [PubMed]
  • Stice E., Yokum S., Burger KS, Epstein LH, Small DM Youth z ryzykiem otyłości wykazują większą aktywację regionów prążkowia i somatosensorycznych w stosunku do żywności. J. Neurosci. 2011;31(12):4360–4366. 21430137 [PubMed]
  • Stoeckel LE, Weller RE, Cook EW, 3rd, Twieg DB, Knowlton RC, Cox JE Powszechna aktywacja systemu nagród u otyłych kobiet w odpowiedzi na zdjęcia wysokokalorycznych pokarmów. Neuroimage. 2008;41(2):636–647. 18413289 [PubMed]
  • Sullivan EV, Rohlfing T., Pfefferbaum A. Badanie podłużne mikrostruktury callosal w normalnym dorosłym mózgu starzejącym się przy użyciu ilościowego śledzenia włókien DTI. Dev. Neuropsychol. 2010;35(3):233–256. 20446131 [PubMed]
  • Terranova L., Busetto L., Vestri A., Zappa MA Bariatryczna chirurgia: opłacalność i wpływ na budżet. Obes. Surg. 2012;22(4):646–653. 22290621 [PubMed]
  • Volkow ND, Frascella J., Friedman J., Saper CB, Baldo B., Rolls ET, Mennella JA, Dallman MF, Wang GJ, LeFur G. Neurobiologia otyłości: relacje z uzależnieniem. Neuropsychofarmakologia. 2004; 29: S29 – S30.
  • Volkow ND, Wang GJ, Baler RD Nagroda, dopamina i kontrola spożycia żywności: implikacje dla otyłości. Trendy Cogn. Sci. 2011;15(1):37–46. 21109477 [PubMed]
  • Volkow ND, Wang GJ, Fowler JS, Telang F. Nakładające się obwody neuronalne w uzależnieniu i otyłości: dowody patologii układu. Philos. Trans. R. Soc. Lond., B, Biol. Sci. 2008;363(1507):3191–3200. 18640912 [PubMed]
  • Otyłość Światowej Organizacji Zdrowia (WHO). 2014. JA.
  • Xu J., Li Y., Lin H., Sinha R., Potenza MN Wskaźnik masy ciała koreluje ujemnie z integralnością istoty białej w fornix i corpus callosum: badanie obrazowania dyfuzyjnego tensora. Szum. Mapp mózgu. 2013;34(5):1044–1052. 22139809 [PubMed]
  • Yau PL, Javier DC, Ryan CM, Tsui WH, Ardekani BA, Ten S., Convit A. Wstępne dowody na powikłania mózgu u otyłych nastolatków z cukrzycą typu 2. Diabetologia. 2010;53(11):2298–2306. 20668831 [PubMed]
  • Yau PL, Kang EH, Javier DC, Convit A. Wstępne dowody zaburzeń poznawczych i nieprawidłowości mózgu w niepowikłanej młodzieńczej otyłości. Otyłość (Silver Spring) 2014;22(8):1865–1871. 24891029 [PubMed]
  • Zald DH Ludzkie ciało migdałowate i emocjonalna ocena bodźców zmysłowych. Brain Res. Brain Res. Obrót silnika. 2003;41(1):88–123. 12505650 [PubMed]
  • Zigmond AS, Snaith RP Szpitalna lęk i skala depresji. Acta Psychiatr. Scand. 1983;67(6):361–370. 6880820 [PubMed]