Modelele de conectivitate structurală a creierului diferențiază greutatea normală de subiecții supraponderali (2015)

Du-te la:

Abstract

Context

Modificările componentei hedoniste a comportamentelor ingestive au fost implicate ca un posibil factor de risc în patofiziologia persoanelor supraponderale și obeze. Dovezile neuroimagistice de la indivizi cu indice de masă corporală în creștere sugerează modificări structurale, funcționale și neurochimice în rețeaua extinsă de recompense și rețelele asociate.

Urmări

Pentru a aplica o analiză a modelului multivariat pentru a distinge subiecții cu greutate normală și supraponderali pe baza măsurătorilor de substanță gri și substanță albă.

Metode

Imagini structurale (N = 120, supraponderal N = 63) și imagini cu tensor de difuzie (DTI) (N = 60, supraponderal N = 30) au fost obținute de la subiecții de control sănătoși. Pentru eșantionul total, vârsta medie pentru grupul supraponderal (femei = 32, bărbați = 31) a fost de 28.77 ani (SD = 9.76), iar pentru grupul cu greutate normală (femeile = 32, bărbați = 25) a fost de 27.13 ani (SD = 9.62). ). Segmentarea și repartizarea regională a imaginilor creierului a fost realizată folosind Freesurfer. A fost efectuată tractografia deterministă pentru a măsura densitatea normalizată a fibrelor între regiuni. O abordare de analiză a modelelor multivariate a fost utilizată pentru a examina dacă măsurile creierului pot distinge persoanele supraponderale de persoanele cu greutate normală.

REZULTATE

1. Clasificarea substanței albe: algoritmul de clasificare, bazat pe 2 semnături cu 17 conexiuni regionale, a obținut o precizie de 97% în discriminarea persoanelor supraponderale de persoanele cu greutate normală. Pentru ambele semnături ale creierului, s-a observat o conectivitate mai mare, indexată prin densitatea crescută a fibrelor, în cazul supraponderalului, comparativ cu greutatea normală, între regiunile rețelei de recompense și regiunile controlului executiv, excitarea emoțională și rețelele somatosenzoriale. În schimb, modelul opus (scăderea densității fibrelor) a fost găsit între cortexul prefrontal ventromedial și insula anterioară și între talamus și regiunile rețelei de control executiv. 2. Clasificarea materiei cenușii: Algoritmul de clasificare, bazat pe 2 semnături cu 42 de caracteristici morfologice, a obținut o acuratețe de 69% în discriminarea excesului de greutate de greutatea normală. În ambele regiuni ale semnăturilor creierului ale recompensei, proeminența, controlul executiv și rețelele de excitare emoțională au fost asociate cu LOWER valori morfologice la indivizii supraponderali comparativ cu indivizii cu greutate normală, în timp ce modelul opus a fost observat pentru regiunile rețelei somatosenzoriale.

Concluzii

1. Un IMC crescut (adică subiecții supraponderali) este asociat cu modificări distincte ale substanței cenușii și ale densității fibrelor din creier. 2. Algoritmii de clasificare bazați pe conectivitatea substanței albe care implică regiuni ale recompensei și rețelele asociate pot identifica ținte specifice pentru studii mecanice și dezvoltarea viitoare de medicamente care vizează comportamentul ingestiv anormal și în supraponderalitate/obezitate.

Cuvinte cheie: Obezitate, Exces de greutate, Substanță cenușie morfologică, Conectivitate anatomică cu substanță albă, Rețea de recompense, Analiză multivariată, Algoritm de clasificare
Abrevieri: HC, control sănătos; IMC, indicele de masă corporală; HAD, anxietatea spitalicească și Scala de depresie; TR, timp de repetiție; TE, timp ecou; FA, unghi de întoarcere; GLM, model liniar general; DWI, RMN-uri ponderate prin difuzie; FOV, câmp de vedere; GMV, volumul materiei cenușii; SA, suprafata; CT, grosimea corticală; MC, curbură medie; DTI, imagistica tensorului de difuzie; FACT, alocare de fibre prin urmărire continuă; SPSS, pachet statistic pentru științe sociale; ANOVA, analiza varianței; FDR, rata false-descoperirii; sPLS-DA, cele mai mici pătrate parțiale rare pentru analiza discriminării; VIP, importanță variabilă în proiecție; PPV, valoare predictivă pozitivă; VPN, valoare predictivă negativă; VTA, zona tegmentală ventrală; OFG, girus orbitofrontal; PPC, cortex parietal posterior; dlPFC, cortex prefrontal dorsolateral; vmPFC, cortexul prefrontal ventromedial; aMCC, cortexul cingulat mijlociu anterior; sgACC, cortex cingulat anterior subgenual; ACC, cortexul cingulat anterior

1.0. Introducere

Organizația Mondială a Sănătății estimează că aproape jumătate de miliard de adulți sunt obezi și de peste două ori mai mulți adulți sunt supraponderali, contribuind la creșterea bolilor precum diabetul, bolile cardiovasculare și cancerul și ducând la moartea a cel puțin 2.8 milioane de persoane. in fiecare an (Organizația Mondială a Sănătății (OMS), 2014). Numai în America, până la 34.9% adulți sunt obezi și de două ori mai mulți adulți (65%) sunt fie supraponderali, fie obezi (Centrul pentru Controlul Bolilor (CDC), 2014). Povara economică și de sănătate a excesului de greutate și a obezității continuă să crească costurile de îngrijire a sănătății până la 78.5 miliarde de dolari (Finkelstein și colab., 2009), iar miliarde de dolari continuă să fie cheltuite pe tratamente și intervenții ineficiente (Loveman și colab., 2011; Terranova și colab., 2012). În ciuda diferitelor eforturi îndreptate către identificarea patofiziologiei de bază a supraponderală și a obezității, înțelegerea actuală rămâne insuficientă.

Atât factorii de mediu, cât și cei genetici joacă un rol în dezvoltarea oamenilor supraponderali și obezi (Calton și Vaisse, 2009; Choquet și Meyre, 2011; Dubois și colab., 2012; El-Sayed Moustafa și Froguel, 2013). Studii recente de neuroimagistică au arătat că indicele de masă corporală (IMC) mai mare este asociat cu modificări funcționale (sarcină și stare de repaus) (Connolly și colab., 2013; Garcia-Garcia și colab., 2013; Kilpatrick și colab., 2014; Kullmann și colab., 2012), morfometria substanței cenușii (Kurth și colab., 2013; Raji și colab., 2010), și proprietățile substanței albe (Shott și colab., 2014; Stanek și colab., 2011), sugerând un posibil rol al creierului în patofiziologia excesului de greutate și a obezității (Das, 2010). Aceste studii implică în mare parte regiuni ale rețelei de recompense (Kenny, 2011; Volkow și colab., 2004; Volkow și colab., 2008; Volkow și colab., 2011), și trei rețele strâns legate legate de importanță (Garcia-Garcia și colab., 2013; Morrow și colab., 2011; Seeley și colab., 2007a), control executiv (Seeley și colab., 2007b), și excitare emoțională (Menon și Uddin, 2010; Zald, 2003) (Fig. 1).

Fig. 1 

Regiunile rețelei de recompense și rețelele asociate. 1. Rețeaua de recompense: hipotalamus, cortex orbitofrontal (OFC), nucleus accumbens, putamen, zona tegmentală ventrală (VTA), substanța neagră, regiunile mezencefalului (caudat, pallidum, hipocamp). 2. scoatere în relief ...

Studiul actual și-a propus să testeze ipoteza generală conform căreia interacțiunile dintre regiunile acestor rețele diferă între persoanele supraponderale în comparație cu persoanele cu greutate normală și am aplicat procesarea datelor neuroimagistice de ultimă generație, vizualizarea și analiza modelelor multivariate pentru a testa. această ipoteză. Disponibilitatea unor conducte de prelucrare a datelor și algoritmi statistici mai eficiente și mai intensive din punct de vedere computațional permite o caracterizare morfologică și anatomică mai amplă a creierului la persoanele cu IMC crescut în comparație cu persoanele cu greutate normală. Analiza de clasificare a modelelor multivariate oferă mijloacele de a examina modelul distribuit al regiunilor care discriminează supraponderalitatea în comparație cu persoanele cu greutate normală.

În acest studiu, un algoritm de învățare supravegheată este aplicat măsurilor de morfometrie regională a creierului și densității fibrelor de substanță albă (o măsură a conectivității între anumite regiuni ale creierului) pentru a testa ipoteza conform căreia starea supraponderală este asociată cu modele distincte sau semnături cerebrale care cuprind regiuni ale creierului. rețelele de recompensă, proeminență, control executiv și excitare emoțională. Rezultatele sugerează că conectivitatea regională, și mai puțin morfometria creierului, poate fi utilizată pentru a discrimina excesul de greutate în comparație cu persoanele cu greutate normală. Rezultatele oferă un algoritm predictiv bazat pe imagistica multimodală a creierului și identifică ținte specifice pentru investigații mecanice ulterioare.

2.0. metode

2.1. Participanți

Eșantionul total a fost compus din 120 de voluntari de control sănătos (HC) dreptaci înscriși în studii de neuroimagistică la Centrul pentru Neurobiologia Stresului între 2010 și 2014. Subiecții au fost recrutați prin reclame postate în comunitatea UCLA și Los Angeles. Toate procedurile au respectat principiile Declarației de la Helsinki și au fost aprobate de Consiliul de revizuire instituțional de la UCLA (numerele de aprobare 11-000069 și 12-001802). Toți subiecții au furnizat consimțământul informat în scris. Toți subiecții au fost clasificați ca sănătoși după o evaluare clinică care a inclus un Interviu Neuropsihiatric Mini-International Plus 5.0 modificat (Sheehan și colab., 1998). Criteriile de excludere au inclus abuzul de substanțe, sarcina, dependența de tutun, intervenții chirurgicale abdominale, factori de risc vascular, intervenții chirurgicale de scădere în greutate, exerciții fizice excesive (mai mult de 1 oră în fiecare zi și alergătorii de maraton) sau boli psihiatrice. Chiar dacă adesea asociat cu IMC crescut, subiecții cu hipertensiune arterială, diabet sau sindrom metabolic au fost excluși pentru a reduce eterogenitatea populației. De asemenea, subiecții cu tulburări de alimentație, inclusiv tulburări digestive sau de alimentație precum anorexia sau bulimia nervoasă au fost excluși din același motiv. Chiar dacă un IMC = 25–29.9 este considerat supraponderal, în studiul nostru a fost identificat ca grupul cu IMC ridicat. Subiecții cu greutate normală au fost recrutați la un IMC < 25, iar în studiul nostru au fost identificați ca grupul IMC normal. Niciun subiect nu a depășit 400 lb din cauza limitelor de greutate pentru scanarea RMN.

2.2. Caracteristicile probei

Chestionarele validate au fost completate înainte de scanare și au fost utilizate pentru a măsura simptomele actuale de anxietate și depresie (Scala de anxietate și depresie spitalicească (HAD)) (Zigmond și Snaith, 1983). Scala HAD este o scară de autoevaluare cu 14 itemi care evaluează simptomele actuale de anxietate și depresie la subiecții la momentul inițial (Zigmond și Snaith, 1983). În plus, subiecții au fost supuși anterior unui interviu psihiatric structurat (Mini International Neuropsychiatric Interview, MINI) pentru a măsura bolile psihiatrice trecute sau actuale (Sheehan și colab., 1998).

2.3. achiziție fMRI

2.3.1. RMN structural (materia cenușie).

Subiecte (N = 120, IMC ridicat N = 63) au fost scanate pe un 3.0 Tesla Siemens TRIO după ce a fost folosit un cercetător sagital pentru a poziționa capul. Scanările structurale au fost obținute din 4 secvențe de achiziție diferite utilizând un protocol de eco gradient rapid (MP-RAGE) pregătit pentru magnetizare sagitală, de înaltă rezoluție, ponderat în T3, iar detaliile de scanare sunt: ​​1. Timpul de repetiție (TR) = 1 ms, timpul ecou (TE) = 2200 ms, unghi de răsturnare (FA) = 3.26, 9 mm3 dimensiunea voxelului. 2. TR = 2200 ms, TE = 3.26 ms, FA = 20, 1 mm3 dimensiunea voxelului. 3. TR = 20 ms, TE = 3 ms, FA = 25, 1 mm3 dimensiunea voxelului. 4. TR = 2300 ms, TE = 2.85 ms, FA = 9, 1 mm3 dimensiunea voxelului. A fost evaluată influența protocolului de achiziție asupra diferențelor în volumul total al materiei cenușii (TGMV). În mod specific, modelul liniar general (GLM) a fost aplicat pentru a determina influențele protocolului asupra controlului TGMV pentru vârstă. Rezultatele au indicat că toate protocoalele nu erau similare între ele (F(3) = 6.333, p = .053).

2.3.2. RMN pentru conectivitate anatomică (substanță albă).

Un subset al eșantionului original (N = 60, IMC ridicat N = 30) au fost supuse RMN-urilor ponderate prin difuzie (DWI) conform a două protocoale de achiziție comparabile. Mai exact, DWI-urile au fost achiziționate în 61 sau 64 de direcții necoliniare cu b = 1000 s/mm2, cu 8 sau 1 b = 0 s/mm2 imagini, respectiv. Ambele protocoale au avut un TR = 9400 ms, TE = 83 ms și un câmp vizual (FOV) = 256 mm cu o matrice de achiziție de 128 × 128 și o grosime a feliei de 2 mm pentru a produce 2 × 2 × 2 mm3 voxeli izotropi.

2.4. procesare fMRI

2.4.1. Segmentarea și parcelarea structurală (materia cenușie).

Segmentarea imaginii T1 și repartizarea regională au fost efectuate folosind FreeSurfer (Dale și colab., 1999; Fischl și colab., 1999, 2002) urmând nomenclatorul descris în Destrieux et al. (2010). Pentru fiecare emisferă cerebrală, un set de 74 de structuri corticale bilaterale au fost etichetate în plus față de 7 structuri subcorticale și cerebel. Rezultatele segmentării de la un subiect eșantion sunt afișate în Fig. 2A. A fost inclusă o structură suplimentară de linie mediană (tulpina cerebrală care include părți ale creierului mediu, cum ar fi zona tegmentală ventrală [VTA] și substanța neagră), pentru un set complet de 165 de fragmente pentru întregul creier. Patru măsuri morfologice reprezentative au fost calculate pentru fiecare parcelare corticală: volumul materiei cenușii (GMV), aria suprafeței (SA), grosimea corticală (CT) și curbura medie (MC). Fluxurile de lucru de prelucrare a datelor au fost proiectate și implementate la Laboratory of Neuroimaging (LONI) Pipeline (http://pipeline.loni.usc.edu).

Fig. 2 

A. Segmentarea structurală și rezultatele parcelare și B. rezultatele fibrelor de substanță albă asociate cu fragmentări structurale de la un subiect de probă. A: Segmentare structurală. B: Segmentarea substanței albe.

2.4.2. Conectivitate anatomică (substanță albă)

Imaginile ponderate prin difuzie (DWI) au fost corectate pentru mișcare și utilizate pentru a calcula tensorii de difuzie care au fost reorientați rotațional la fiecare voxel. Imaginile tensorilor de difuzie au fost realiniate pe baza interpolării triliniare a tensorilor transformați în log, așa cum este descris în Chiang și colab. (Chiang și colab., 2011) și reeșantionat la o rezoluție voxel izotropă (2 × 2 × 2 mm3). Fluxurile de lucru de prelucrare a datelor au fost create folosind pipeline LONI.

Conectivitatea materiei albe pentru fiecare subiect a fost estimată între cele 165 de regiuni ale creierului identificate pe imaginile structurale (Fig. 2B) folosind tractografia cu fibre DTI. Tractografia a fost efectuată prin intermediul algoritmului Fiber Assignment by Continuous Tracking (FACT) (Mori și colab., 1999) folosind TrackVis (http://trackvis.org) (Irimia și colab., 2012). Estimarea finală a conectivității materiei albe între fiecare dintre regiunile creierului a fost determinată pe baza numărului de tracturi de fibre care intersectează fiecare regiune, normalizat de numărul total de tracturi de fibre din întregul creier. Aceste informații au fost apoi utilizate pentru clasificarea ulterioară.

2.5. Cele mai mici pătrate parțiale rare — analiză discriminare (sPLS-DA)

Pentru a determina dacă markerii creierului pot fi utilizați pentru a prezice un IMC ridicat (suprapondere față de greutate normală), am folosit sPLS-DA. sPLS-DA este o formă de regresie PLS rară, dar variabila răspuns este categorică, indicând apartenența la grup (Lê Cao, 2008a; Lê Cao și colab., 2009b, 2011). sPLS-DA s-a dovedit a fi deosebit de eficient cu un număr mare de predictori, dimensiune mică a eșantionului și coliniaritate ridicată între predictori (Lê Cao, 2008a; Lê Cao și colab., 2009b, 2011). sPLS maximizează covarianța eșantionului dintre măsurile creierului și un contrast de diferență de grup. sPLS efectuează simultan selecția și clasificarea variabilelor folosind penalizarea cu lazo (Lê Cao și colab., 2009a). sPLS-DA funcționează folosind un cadru supravegheat care formează combinații liniare ale predictorilor bazate pe apartenența la clasă. sPLS-DA reduce dimensionalitatea datelor prin găsirea unui set de componente ortogonale, fiecare compusă dintr-un set selectat de caracteristici sau variabile. Componentele sunt denumite semnături ale creierului. Fiecare variabilă care cuprinde o semnătură a creierului are asociată o „încărcare”, care este o măsură a importanței relative a variabilelor pentru discriminarea în cele două grupuri (Lê Cao și colab., 2008b). În plus, au fost calculate scorurile Variable Importance in Projection (VIP) pentru a estima importanța fiecărei variabile utilizate în modelul PLS. Scorul VIP este o sumă ponderată a încărcărilor, care ia în considerare variația explicată a fiecărei semnături. Media scorurilor VIP la pătrat este egală cu 1. Predictorii cu coeficienți VIP mai mari de unu sunt considerați deosebit de importanți pentru clasificare (Lê Cao și colab., 2008b).

2.5.1. Dezvoltarea modelului predictiv

Numărul de semnături ale creierului pentru fiecare analiză a fost fixat la două (Lê Cao și colab., 2008b). analiză de stabilitate a fost folosit pentru a determina numărul optim de regiuni ale creierului pentru fiecare semnătură a creierului (Lê Cao și colab., 2011). În primul rând, sPLS-DA este aplicat într-o gamă de variabile, 5-200, care urmează să fie selectate pentru fiecare dintre cele două semnături ale creierului. Pentru fiecare specificație a numărului de variabile de selectat, se efectuează validarea încrucișată de 10 ori, repetată de 100 de ori. Această procedură de validare încrucișată împarte datele de antrenament în 10 ori sau subeșantioane de date (n = 12 seturi de testare). Un singur subeșantion este pus deoparte ca date de testare, iar subeșantioanele rămase sunt folosite pentru a antrena modelul. Stabilitatea variabilelor este determinată prin calculul de câte ori o anumită variabilă este selectată în toate cursurile de validare încrucișată. Doar variabilele creierului cu o stabilitate mai mare de 80% au fost folosite pentru a dezvolta modelul final.

2.6. analize statistice

2.6.1. Cele mai mici pătrate parțiale rare — analiză discriminare (sPLS-DA)

sPLS-DA a fost realizat folosind pachetul R mixOmics (http://www.R-project.org). Am examinat separat puterea predictivă a morfometriei creierului și a conectivității anatomice DTI. Pe lângă morfometria creierului regional sau conectivitatea anatomică regională, vârsta și GMV total au fost incluse ca posibili predictori. Pentru datele morfologice obținute, în model au fost introduse măsurile GMV, SA, CT și MC. Pentru datele de conectivitate anatomică DTI obținute, matricele specifice subiectului care indexau densitatea relativă a fibrelor între cele 165 de regiuni au fost transformate în matrici 1 dimensionale care conțineau 13,530 de conectivitati unice (triunghiul superior din matricea inițială). Aceste matrici au fost apoi concatenate între subiecți și au fost introduse în sPLS-DA. Ca pas inițial de reducere a datelor, predictorii de variație aproape de zero au fost renunțați și acest lucru a dus la 369 de conexiuni rămase. Semnăturile creierului au fost rezumate folosind încărcări variabile pe dimensiunile individuale și coeficienții VIP. De asemenea, folosim afișaje grafice pentru a ilustra abilitățile discriminatorii ale algoritmilor (Lê Cao și colab., 2011). Capacitatea de predicție a modelelor finale a fost evaluată utilizând validarea încrucișată exclusă. De asemenea, am calculat măsuri binare de clasificare: sensibilitate, specificitate, valoare predictivă pozitivă (PPV) și valoare predictivă negativă (NPV). Aici, sensibilitatea indică capacitatea algoritmului de clasificare de a identifica corect persoanele supraponderale. Specificitatea reflectă capacitatea algoritmului de clasificare de a identifica corect persoanele cu greutate normală. PPV reflectă proporția din eșantion care arată semnătura specifică a creierului supraponderal din algoritmul de clasificare și care sunt de fapt supraponderali (adevărat pozitiv). Pe de altă parte, NPV este probabilitatea ca dacă rezultatul testului este negativ, adică participantul să nu aibă semnătura creierului specifică supraponderală (negativ adevărat).

2.6.2. Caracteristicile probei

Analizele statistice au fost efectuate folosind software-ul Statistical Package for Social Sciences (SPSS) (versiunea 19). Diferențele de grup în scorurile măsurilor comportamentale au fost evaluate prin aplicarea analizei varianței (ANOVA). Semnificația a fost luată în considerare la p < .05 necorectat.

3.0. Rezultate

3.1. Caracteristicile probei

Eșantionul total (N = 120) au inclus 63 de persoane supraponderale (femei = 32, bărbați = 31), vârsta medie = 28.77 ani, SD = 9.76 și 57 de persoane cu greutate normală (femei = 32, bărbați = 25), vârsta medie = 27.13 ani, SD = 9.62. Deși grupul supraponderal a avut tendința de a avea niveluri mai ridicate de anxietate și depresie, nu au existat diferențe semnificative de grup (F = .642, p = .425; F = .001, p = .980). Caracteristicile clinice ale probei sunt rezumate în Tabelul 1.

Tabelul 1 

Caracteristicile probei.

3.2. Analize de model multivariate folosind sPLS-DA

3.2.1. Clasificare bazată pe conectivitate anatomică (substanță albă).

Am examinat dacă materia albă a conectivității anatomice a creierului ar putea fi utilizată pentru a discrimina persoanele supraponderale de persoanele cu greutate normală. Fig. 3A descrie indivizii din eșantionul reprezentat în relație cu cele două semnături ale creierului și descrie abilitățile discriminatorii ale clasificatorului de substanță albă. Au fost calculate măsuri de clasificare binară și au indicat o sensibilitate de 97%, specificitate de 87%, PPV de 88% și VPN de 96%. Tabelul 2 conține lista conexiunilor stabile de substanță albă care cuprind fiecare semnătură discriminatorie a creierului împreună cu încărcări variabile și coeficienți VIP.

Fig. 3 

A. Clasificator bazat pe densitatea fibrelor (substanța albă). B. Clasificator bazat pe morfologia materiei cenușii. R: Înfățișează abilitățile discriminatorii ale clasificatorului de densitate a fibrei (substanță albă). B: Prezintă abilitățile discriminatorii ale clasificatorului de substanță cenușie. ...
Tabelul 2 

Lista conexiunilor anatomice care cuprind fiecare semnătură discriminativă a creierului.

3.2.2. Semnătura creierului bazată pe conectivitate anatomică 1

Prima semnătură a creierului reprezintă 63% din variație. După cum indică coeficienții VIP, variabilele din soluție care explică cea mai mare varianță au inclus: 1) conexiuni între regiunile rețelei de recompense (putamen, pallidum, trunchi cerebral [inclusiv regiunile mezencefalului, cum ar fi VTA și substanța nigra]) cu regiunile executivului. rețelele de control (precuneus care face parte din cortexul parietal posterior), salience (insula anterioară), excitare emoțională (cortexul prefrontal ventromedial) și somatosenzoriale (girus postcentral); 2) regiuni ale rețelei de excitare emoțională (cortexul midcingulat anterior, cortexul prefrontal ventromedial) cu regiuni ale rețelelor de proeminență (insula anterioară) și somatosenzorială (lobul paracentral inclusiv cortexul motor suplimentar); și 3) talamus cu circumvoluția occipitală mijlocie și talamus cu o regiune de rețea de control executiv (cortexul prefrontal lateral dorsal).

În comparație cu grupul cu greutate normală, grupul supraponderal a arătat o conexiune mai mare de la regiunile rețelei de recompense (putamen, pallidum, trunchi cerebral) la rețeaua de control executiv (cortexul parietal posterior) și de la putamen la o parte inhibitorie a rețelei de excitare emoțională ( cortexul prefrontal ventromedial) și către regiunile rețelei somatosenzoriale (girusul postcentral și insula posterioară). Conectivitate mai scăzută a fost observată la grupul supraponderal în regiuni de la rețeaua de excitare emoțională (cortexul prefrontal ventromedial) la rețeaua de proeminență (insula anterioară), dar o conectivitate mai mare la grupul supraponderal de la regiunile din rețeaua de excitare emoțională (cortexul prefrontal ventromedial) la reţeaua somatosenzorială (insula posterioară). Conectivitate mai scăzută a fost observată și la grupul supraponderal în conexiunile de la somatosenzorial (lobul paracentral) la cortexul midcingulat anterior, dar o conectivitate mai mare de la lobul paracentral la șanțul subparietal (parte a rețelei somatosenzoriale). Privind conexiunile talamice, a fost observată o conectivitate mai mică de la talamus la cortexul prefrontal lateral dorsal (rețeaua de control executiv) și la circumvoluția occipitală mijlocie la persoanele supraponderale, comparativ cu persoanele cu greutate normală.

3.2.3. Semnătura creierului bazată pe conectivitate anatomică 2

A doua semnătură anatomică a creierului identificată a reprezentat încă 12% din variația datelor. Variabilele care au contribuit cu cea mai mare varianță la discriminarea grupului, așa cum este indicată de coeficientul VIP, au inclus conexiuni în regiunile recompensei (putamen, sulcii orbitali care face parte din girusul frontal orbital și trunchiul cerebral) și excitarea emoțională (gyrus rectus, care este medial). parte a cortexului prefrontal ventromedial).

La persoanele supraponderale, comparativ cu persoanele cu greutate normală, s-a observat o conexiune mai mare între regiunile rețelei de recompensă (trunchiul cerebral și putamen) atât la controlul executiv (cortexul prefrontal lateral dorsal), cât și la partea inhibitoare a excitării emoționale (cortexul prefrontal ventromedial). Cu toate acestea, conectivitatea dintre occipital și orbital frontal gyrus (rețeaua de recompensă) a fost mai mică la persoanele supraponderale comparativ cu persoanele cu greutate normală.

3.2.4. Clasificarea morfometrică pe bază de substanță cenușie

Am examinat dacă morfometria creierului (volumul materiei cenușii, suprafața, grosimea corticală și curbura medie) ar putea fi utilizată pentru a discrimina persoanele supraponderale de persoanele cu greutate normală. Fig. 3B descrie indivizii din eșantionul reprezentat în relație cu cele două semnături ale creierului și descrie abilitățile discriminatorii ale clasificatorului morfometric. Au fost calculate măsuri de clasificare binară și au indicat o sensibilitate de 69%, specificitate de 63%, PPV de 66% și VPN de 66%. Tabelul 3 conține lista de măsuri morfometrice cuprinzând fiecare discriminare împreună cu încărcări variabile și coeficienți VIP.

Tabelul 3 

Morfometrie regională cuprinzând fiecare semnătură a creierului.

3.2.5. Semnătura creierului bazată pe morfologie 1

Prima semnătură a creierului a explicat 23% din variabilitatea datelor fenotipului morfometrice. După cum se vede de coeficienții VIP, variabilele care au contribuit cu cea mai mare variație la semnătură au inclus regiuni ale recompensei (subregiuni ale girusului frontal orbital), proeminență (insula anterioară), control executiv (cortexul prefrontal lateral dorsal), excitarea emoțională (cortexul prefrontal ventromedial). ) și rețele somatosenzoriale (șanțul precentral, girus supramarginal, șanț subcentral, șanț frontal superior). S-au observat coeficienți VIP înalți și pentru gyrusul frontal superior și șanțul, gyrus temporal superior, gyrus frontopolar transversal și gyrus temporal transvers anterior. Au fost asociate regiuni ale rețelelor de recompensă, proeminență, control executiv și excitare emoțională LOWER valori la persoanele supraponderale comparativ cu persoanele cu greutate normală. De asemenea, persoanele supraponderale au avut în comparație cu persoanele cu greutate normală mai mare valori în regiunile reţelei somatosenzoriale. Morfometria regiunilor frontale și temporale (girus temporal superior și girus temporal transvers anterior) au fost, de asemenea, asociate cu LOWER valori la persoanele supraponderale comparativ cu persoanele cu greutate normală.

3.2.6. Semnătura creierului bazată pe morfologie 2

A doua semnătură morfologică a creierului a explicat 32% din variație. Variabilele cu cei mai mari coeficienți VIP au fost similare cu coeficienții VIP observați în semnătura creierului 1 prin faptul că au inclus regiuni ale recompensei (caudat), proeminență (insula anterioară), control executiv (părți ale cortexului parietal posterior), excitare emoțională (parahipocamp). girus, cortex cingulat anterior subgenual și cortex cingulat anterior) și rețele somatosenzoriale (insula posterioară și lobul paracentral). Cu toate acestea, semnătura creierului 2, în comparație cu semnătura creierului 1, a avut o singură conexiune de la rețeaua de recompense și mai multe conexiuni din regiunile rețelelor de proeminență și excitare emoțională.

La persoanele supraponderale comparativ cu persoanele cu greutate normală, LOWER valori pentru morfometrie în rețelele de recompensă, proeminență, control executiv și excitare emoțională, dar superior au fost indicate valori în rețeaua somatosenzorială.

4.0. Discuţie

Scopul acestui studiu a fost de a determina dacă modelele morfologice și anatomice de conectivitate a creierului (bazate pe densitatea fibrelor între anumite regiuni ale creierului) pot discrimina persoanele supraponderale de persoanele cu greutate normală. Principalele constatări sunt: ​​1. Conectivitatea anatomică (densitatea relativă a tracturilor de substanță albă între regiuni) a fost capabilă să discrimineze între subiecți cu IMC diferit cu sensibilitate ridicată (97%) și specificitate (87%). 2. În schimb, modificările morfologice ale materiei cenușii au avut o precizie de clasificare mai puțin decât optimă. 3. Multe dintre regiunile creierului care cuprind semnăturile discriminatorii ale creierului aparțineau rețelelor extinse de recompensă, proeminență, executiv central și excitare emoțională, sugerând că deficiențele funcționale observate s-au datorat organizării anormale între aceste rețele.

4.1. Semnăturile creierului bazate pe conectivitate anatomică asociate cu IMC

În acest studiu, un algoritm de clasificare constând din două semnături ale creierului care reflectă modele distincte de conectivitate regională a arătat o capacitate marcată de a discrimina între persoanele supraponderale și persoanele cu greutate normală. Majoritatea studiilor DTI la indivizi cu IMC ridicat (Shott și colab., 2014; Stanek și colab., 2011; Xu și colab., 2013; Yau și colab., 2010, 2014) s-au concentrat pe examinarea diferențelor dintre caracteristicile de difuzie a materiei albe, inclusiv anizotropia fracțională și difuzivitatea medie (care măsoară integritatea tracturilor de substanță albă) sau coeficienții de difuzie aparentă (care măsoară difuzia apei în piste și reflectă deteriorarea celulelor). Toate aceste măsuri pot oferi informații cu privire la modificările localizate în microstructura substanței albe. În studiul actual, ne-am concentrat pe măsurile DTI ale densității tractului de fibre ca măsură de estimare a conectivității relative dintre regiunile și rețelele creierului. Deci, în timp ce alte studii au localizat modificări în microstructura materiei albe, ele nu au identificat implicațiile acestor schimbări în ceea ce privește conectivitatea.

4.1.1. Semnătura creierului bazată pe conectivitate anatomică 1

Prima semnătură a creierului a fost în mare parte compusă din conexiuni în interiorul și între recompensă, importanță, control executiv, excitare emoțională și rețele senzoriale. Au existat, de asemenea, conexiuni talamice cu regiunile rețelei de control executiv și cu regiunea occipitală. Corespunzător constatării scăderii conexiunilor de la cortexul prefrontal ventromedial la insula anterioară observată la grupul supraponderal în comparație cu grupul cu greutate normală, integritatea redusă a tracturilor de substanță albă (anizotropie fracțională redusă) în capsula externă (care conține fibre care conectează zone corticale către alte zone corticale prin fibre scurte de asociere) au fost raportate la obezi comparativ cu martorii (Shott și colab., 2014). În plus, la obezi, comparativ cu martorii, coeficientul de difuzie aparent (difuzia apei care reflectă deteriorarea celulelor) a fost mai mare în stratul sagital (care este cunoscut pentru transmiterea informațiilor din regiunile parietale, occipitale, cingulate și temporale către talamus) și poate fi consecvent. cu observațiile noastre privind conectivitatea mai scăzută între talamusul drept și girusul occipital mijlociu drept pentru persoanele supraponderale în comparație cu persoanele cu greutate normală (Shott și colab., 2014). Shott și colegii (Shott și colab., 2014) au identificat, de asemenea, coeficienți de difuzie aparentă mai mari (care reflectă posibile leziuni celulare) în grupul obezi din corona radiata, ceea ce pare să completeze descoperirile noastre privind o densitate relativă mai mică a fibrelor între structurile de substanță cenușie profundă (cum ar fi talamusul) și zonele corticale (dorsale). cortexul prefrontal lateral) la persoanele supraponderale comparativ cu persoanele cu greutate normală. Conectivitatea talamică modificată poate interfera cu rolul talamusului în facilitarea transmiterii informațiilor senzoriale periferice către cortex (Jang și colab., 2014).

Un studiu separat care a comparat adolescenții obezi necomplicați cu persoanele cu greutate normală a constatat, de asemenea, o anizotropie fracțională redusă la adolescenții obezi în regiuni precum capsula externă, capsula internă (care transportă în cea mai mare parte tractul corticospinal ascendent și descendent), precum și unele fibre temporale și radiații optice (Yau și colab., 2014). Un studiu recent a observat, de asemenea, pierderea conexiunilor fibrelor nervoase cu DTI dintre trunchiul cerebral și hipotalamus la o persoană cu un cavernom de trunchi cerebral care, după ce a suferit drenaj chirurgical, a avut o creștere dramatică în greutate, ceea ce poate sugera că aceste fibre nervoase sunt implicate în reglare. atât a aportului alimentar, cât și a greutății (Purnell și colab., 2014). Cu toate acestea, nu am identificat diferențe de conectivitate cu hipotalamus, care se pot datora parțial limitărilor de parcelare bazate pe atlasele particulare utilizate în studiul actual.

4.1.2. Semnătura creierului bazată pe conectivitate anatomică 2

O a doua semnătură ortogonală a fost compusă din doar trei conexiuni anatomice în cadrul rețelelor de recompensă și excitare emoțională. Identificarea conexiunilor modificate în cadrul regiunilor care cuprind rețeaua de recompense și cu regiunile din rețelele cu care interacționează în studiul curent nu a fost raportată anterior. Cu toate acestea, aceste modificări ar putea fi anticipate pe baza unor studii morfologice recente care au observat modificări ale materiei cenușii în regiunile rețelei extinse de recompense (Kenny, 2011; Kurth și colab., 2013; Raji și colab., 2010; Volkow și colab., 2008). Împreună, constatările noastre par să arate modificări pe scară largă în conectivitatea materiei albe pentru regiunile care cuprind rețeaua de recompense și rețelele asociate acesteia.

În timp ce alte studii au găsit o integritate redusă a fibrelor măsurată prin anizotropie fracțională redusă în regiunile corpului calos și fornix (care fac parte din cingulat și transportă informații de la hipocamp la hipotalamus) odată cu creșterea IMC (Stanek și colab., 2011; Xu și colab., 2013); studiul actual nu a identificat modificări semnificative în conectivitatea interemisferică în cadrul celor două semnături anatomice-conectivitate ale creierului. Excepția a fost aceea că a existat o legătură între lobulul paracentral stâng și șanțul subparietal drept în semnătura creierului 1 și o legătură între putamenul drept și girusul drept din semnătura creierului 2. Emitem ipoteza că efectul observat în aceste studii anterioare se poate datora degradării sistemice a substanței albe în loc de modificări ale conexiunilor dintre anumite regiuni ale creierului, similare cu modificările care apar în timpul îmbătrânirii normale (Sullivan și colab., 2010). În timp ce autorii acestor studii anterioare au emis ipoteza că diferențele de anizotropie fracționată în capsula externă a subiecților cu IMC ridicat pot fi corelate cu conexiunile din hipocamp și amigdală, nu am observat modificări semnificative ale conectivității în cadrul acestor structuri. O analiză mai detaliată și o repartizare mai fină a acestor regiuni ale creierului sunt necesare pentru a confirma aceste observații.

4.2. Semnături morfometrice ale creierului cu substanță cenușie asociate cu IMC

Analiza morfometrică a materiei cenușii folosind două profiluri distincte a reușit să identifice corect excesul de greutate de la persoanele cu greutate normală, cu o sensibilitate de 69% și o specificitate de 63%. Aceste constatări sunt în concordanță cu rapoartele anterioare ale reducerilor globale și regionale ale volumului de substanță cenușie în anumite regiuni ale creierului din cadrul rețelei de recompense și al rețelelor asociate (Debette și colab., 2010; Kenny, 2011; Kurth și colab., 2013; Pannacciulli și colab., 2006; Raji și colab., 2010). Spre deosebire de clasificarea bazată pe DTI, aceste constatări sugerează o capacitate moderată de a discrimina între cele două grupuri de IMC.

4.2.1. Semnătura creierului bazată pe morfologie 1

În studiul nostru, prima semnătură a creierului a afișat valori mai mici ale diferitelor măsuri morfometrice (inclusiv subregiuni ale girusului frontal orbital, insula anterioară) în regiunile rețelelor de recompensă, proeminentă și control executiv în grupul supraponderal, comparativ cu grupul cu greutate normală. În plus, s-au observat valori morfometrice mai mici pentru regiunile inhibitoare (cortexul prefrontal dorsal lateral și ventromedial) legate de rețeaua de excitare emoțională, dar morfometrie mai mare pentru rețeaua somatosenzorială (șanțul precentral, girus supramarginal, șanț subcentral și șanț frontal superior) inclusiv cel temporal. regiuni la persoanele supraponderale comparativ cu persoanele cu greutate normală. În acest studiu am găsit reduceri semnificative ale măsurătorilor morfologice (volumul materiei cenușii și grosimea corticală) ale girusului frontal orbital. Girusul frontal orbital este o regiune importantă în cadrul rețelei de recompense, care joacă un rol în procesarea evaluativă și în ghidarea comportamentului și deciziilor viitoare bazate pe anticiparea codificări legate de recompensă (Kahnt și colab., 2010). Un studiu recent care a analizat structura cenușii și a substanței albe a constatat că persoanele obeze aveau valori reduse pentru diferite regiuni din cadrul rețelei de recompense, inclusiv girusul frontal orbital (Shott și colab., 2014).

4.2.2. Semnătura creierului bazată pe morfologie 2

În comparație cu semnătura creierului 1, măsurătorile morfologice observate în regiunile rețelelor de proeminență și excitare emoțională au explicat o majoritate a variației, în timp ce regiunile rețelei de recompense nu au fost influente. S-au observat măsurători reduse ale materiei cenușii în regiunile rețelei de proeminență, control executiv și excitare emoțională. Aceste regiuni (insula anterioară, cortexul parietal posterior, girusul parahipocampal, subregiuni ale cortexului cingulat anterior) sunt frecvent asociate cu o activitate cerebrală evocată crescută în timpul expunerii la indicii alimentare (Brooks și colab., 2013; Greenberg și colab., 2006; Rothemund și colab., 2007; Shott și colab., 2014; Stoeckel și colab., 2008), și gradul de importanță personală a stimulilor (Critchley și colab., 2011; Seeley și colab., 2007a). În studiul actual, s-au observat reduceri de substanță cenușie și în regiuni cheie ale rețelei somatosenzoriale (insula posterioară, lobul paracentral). Chiar dacă rolul exact al acestei rețele în supraponderalitate și obezitate nu este cunoscut, s-a dovedit că este implicată în conștientizarea senzațiilor corpului, iar un studiu recent a sugerat că o activitate crescută a rețelei somatosenzoriale ca răspuns la indicii alimentare la persoanele obeze ar putea duce la supraalimentare (Stice și colab., 2011). Acest studiu s-a concentrat în mod special pe măsurători morfologice și conexiuni anatomice dintre regiunile creierului din rețeaua extinsă de recompense și rețeaua somatosenzorială și sugerează că aceste metrici structurale ale creierului pot influența procesarea neuronală asociată cu rezultatele studiilor funcționale găsite în literatură. Corelațiile cu factorii comportamentali și de mediu oferă, de asemenea, o perspectivă suplimentară asupra relației dintre constatările structurale și funcționale, care vor trebui testate în studiile viitoare.

4.3. Utilizarea analizelor de model multivariate folosind sPLS-DA pentru a discrimina între persoanele supraponderale și cele cu greutate normală

Descoperirile despre modificările legate de IMC ale densității fibrelor între diferite rețele ale creierului din cadrul rețelei extinse de recompense susțin ipoteza că creșterea IMC are ca rezultat perturbarea conectivității anatomice între anumite regiuni ale creierului. Aceste modificări anatomice pot implica o comunicare ineficientă sau ineficientă între regiunile cheie ale rețelei de recompense și rețelele aferente. Similar cu mai multe rapoarte recente care au descoperit modificări legate de supraponderalitate și obezitate în volumul de substanță cenușie (Debette și colab., 2010; Kurth și colab., 2013; Pannacciulli și colab., 2006; Raji și colab., 2010), am putut găsi, de asemenea, diferențe morfologice similare în ceea ce privește excesul de greutate în comparație cu indivizii cu greutate normală. În studiul actual, am extins aceste observații pentru a investiga asocierea dintre starea supraponderală și conectivitatea anatomică a creierului și am aplicat sPLS-DA la datele morfometrice ale creierului pentru a discrimina între subiecții supraponderali și cei cu greutate normală. Un studiu transversal recent, folosind regresia logistică binară, sugerează că combinația dintre modificările structurale ale girusului frontal orbital lateral, măsurate prin volumul de substanță cenușie, și nivelurile sanguine ale unui marker inflamator (fibrinogen) a fost capabilă să prezică obezitatea într-un interval mic. eșantion de 19 subiecți cu greutate normală și 44 de subiecți supraponderali/obezi; cu o sensibilitate mare (95.5%), dar cu specificitate scăzută (31.6%) (Cazettes et al., 2011). Studiul nostru diferă de acest raport în mai multe aspecte, inclusiv dimensiunea eșantionului mai mare; utilizarea unei abordări de validare încrucișată pentru a evita o soluție specifică eșantionului, excluderea subiecților cu hipertensiune arterială/diabet zaharat pentru a elimina un posibil factor de confuzie și includerea atât a volumului materiei cenușii, cât și a densității tractului de fibre pentru a prezice starea de exces de greutate.

4.4. Limitări

Chiar dacă am găsit diferențe semnificative între indivizii cu greutate normală și supraponderali în densitatea fibrelor, nu putem extrapola din aceste constatări anatomice la diferențe de conectivitate funcțională (starea de repaus). Astfel de descoperiri de conectivitate funcțională ar oferi capacitatea de a detecta diferențe în sincronizarea activității creierului în zone care nu sunt conectate direct prin tracturi de substanță albă. Deși am replicat descoperirile raportate anterior despre conectivitatea anatomică și diferențele morfologice dintre supraponderali/obeze și IMC normal (Kurth și colab., 2013; Raji și colab., 2010), nu am reușit să observăm modificări în regiunile subcorticale importante ale hipotalamusului, amigdalei și hipocampului. Este posibil ca acest eșec să fi fost din cauza limitelor algoritmilor de repartizare automată utilizați în acest studiu sau din cauza analizelor limitate la persoanele supraponderale versus la persoanele obeze. Studiile viitoare ar avea nevoie de eșantioane mai mari pentru a compara indivizi obezi, supraponderali și cu greutate normală și pentru a putea efectua analize de subgrup în funcție de sex și rasă. Datorită eșantionului nostru relativ mic, am folosit o procedură riguroasă de validare internă, totuși, rămâne necesar să testăm acuratețea predictivă a acestui clasificator într-un set de date independent (Bray și colab., 2009). Studiile viitoare ar trebui să abordeze asocierea acestor diferențe de neuroimagistică cu comportamente alimentare specifice, preferințe alimentare și informații despre dietă, pentru a interpreta contextul și semnificația acestor constatări. Deoarece obezitatea și statutul supraponderal sunt adesea asociate cu comorbidități precum hipertensiunea arterială, diabetul și sindromul metabolic, analizele viitoare ar trebui să investigheze efectele de moderare și corelație ale acestor factori asupra algoritmului de clasificare.

4.5. Sumar si CONCLUZII

În rezumat, rezultatele noastre susțin ipoteza că excesul de greutate este asociat cu conectivitatea alterată (sub formă de densitate a fibrelor) între anumite regiuni ale creierului, ceea ce poate implica o comunicare ineficientă sau ineficientă între aceste regiuni. În special, conectivitatea redusă a regiunilor creierului inhibitor prefrontal cu circuitele de recompensă este în concordanță cu o predominanță a mecanismelor hedonice în reglarea aportului alimentar (Gunstad și colab., 2006, 2007, 2008, 2010). Mecanismele care stau la baza acestor modificări structurale sunt puțin înțelese, dar pot implica procese neuroinflamatorii și neuroplastice (Cazettes et al., 2011) legat de starea inflamatorie de grad scăzut raportată la persoanele supraponderale și obeze (Cazettes et al., 2011; Cox și colab., 2014; Das, 2010; Gregor și Hotamisligil, 2011; Griffin, 2006). Abordările bazate pe date pentru a identifica modificări ale substanței cenușii și albe în supraponderalitate/obezitate sunt instrumente promițătoare pentru a identifica corelațiile centrale ale creșterii IMC și au potențialul de a identifica biomarkeri neurobiologici pentru această tulburare.

Contribuția autorului

Arpana Gupta: Studiu concept si design, analiza si interpretarea datelor, redactarea si revizuirea manuscrisului.

Emeran Mayer: Conceptul și designul studiului, revizuirea critică a manuscrisului, aprobarea versiunii finale a manuscrisului, finanțare.

Claudia San Miguel: Redactarea și revizuirea critică a manuscrisului, interpretarea datelor.

John Van Horn: Generarea datelor, analiza datelor.

Connor Fling: Analiza datelor.

Aubrey Love: Analiza datelor.

Davis Woodworth: Analiza datelor.

Benjamin Ellingson: Recenzia manuscrisului.

Kirsten Tillisch: Revizuire critică a manuscrisului, finanțare.

Jennifer Labus: Studiu conceptul și designul, analiza și interpretarea datelor, redactarea și revizuirea manuscrisului, aprobarea versiunii finale a manuscrisului, finanțare.

Conflictele de interese

Nu există conflicte de interese.

Sursă de finanțare

Această cercetare a fost susținută parțial de subvenții de la National Institutes of Health: R01 DK048351 (EAM), P50DK64539 (EAM), R01 AT007137 (KT), P30 DK041301, K08 DK071626 (JSL) și R03 DK084169 (JSL). Scanările pilot au fost furnizate de Centrul de cartografiere a creierului Ahmanson-Lovelace, UCLA.

Referinte

  • Bray S., Chang C., Hoeft F. Aplicații ale analizelor de clasificare a modelelor multivariate în neuroimaging de dezvoltare a populațiilor sănătoase și clinice. Față. Zumzet. Neurosci. 2009; 3: 32. 19893761 [PubMed]
  • Brooks SJ, Cedernaes J., Schiöth HB Creșterea activării prefrontale și parahipocampale cu activare redusă a cortexului dorsolateral prefrontal și insular la imaginile alimentare în obezitate: o meta-analiză a studiilor fMRI. PLUS UNU. 2013; 8 (4): e60393. 23593210 [PubMed]
  • Calton MA, Vaisse C. Îngustarea rolului variantelor comune în predispoziția genetică la obezitate. Genomul Med. 2009, 1 (3): 31. 19341502 [PubMed]
  • Cazettes F., Cohen JI, Yau PL, Talbot H., Convit A. Inflamația mediată de obezitate poate afecta circuitul creierului care reglează aportul alimentar. Brain Res. 2011; 1373: 101-109. 21146506 [PubMed]
  • Centrul pentru Controlul Bolilor (CDC) Supraponderalitate și Obezitate. 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 Efectele genei BDNF asupra circuitelor creierului replicate la 455 de gemeni. Neuroimagine. 2011;55(2):448–454. [PubMed]
  • Choquet H., Meyre D. Genetica obezității: ce am învățat? Curr. Genomica. 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 Diferențele de răspunsuri ale creierului dintre femeile slabe și cele obeze la o băutură îndulcită. Neurogastroenterol. Motil. 2013;25(7):579-e460. 23566308 [PubMed]
  • Cox AJ, West NP, Cripps AW Obezitatea, inflamația și microbiota intestinală. Lancet Diabet Endocrinol. 2014 25066177 [PubMed]
  • Critchley HD, Nagai Y., Gray MA, Mathias CJ Disecare axelor de control autonom la om: perspective din neuroimagistică. Auton. Neurosci. 2011;161(1–2):34–42. 20926356 [PubMed]
  • Dale AM, Fischl B., Sereno MI Analiză pe bază de suprafață corticale. I. Segmentarea și reconstrucția suprafeței. Neuroimagine. 1999;9(2):179–194. 9931268 [PubMed]
  • Das UN Obezitate: gene, creier, intestin și mediu. Nutriție. 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. Grăsimea viscerală este asociată cu un volum mai scăzut al creierului în sănătoși. adulti de varsta mijlocie. Ann. Neurol. 2010;68(2):136–144. 20695006 [PubMed]
  • Destrieux C., Fischl B., Dale A., Halgren E. Parcelarea automată a girului și șanțurilor corticale umane folosind nomenclatura anatomică standard. Neuroimagine. 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 Contribuții genetice și de mediu la greutate , înălțimea și IMC de la naștere până la vârsta de 19 ani: un studiu internațional de peste 12,000 de perechi de gemeni. PLUS UNU. 2012; 7 (2): e30153. 22347368 [PubMed]
  • El-Sayed Moustafa JS, Froguel P. De la genetica obezității la viitorul terapiei personalizate a obezității. Nat. Rev. Endocrinol. 2013;9(7):402–413. 23529041 [PubMed]
  • Finkelstein EA, Trogdon JG, Cohen JW, Dietz W. Cheltuielile medicale anuale atribuibile obezității: estimări specifice plătitorilor și serviciilor. 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 ​​Segmentarea întregului creier: etichetarea automată a structurilor neuroanatomice din creierul uman. Neuron. 2002;33(3):341–355. 11832223 [PubMed]
  • Fischl B., Sereno MI, Dale AM ​​Analiza pe bază de suprafață corticale. II: umflare, aplatizare și un sistem de coordonate bazat pe suprafață. Neuroimagine. 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. Modificări ale rețelei de proeminență în obezitate: un studiu fMRI în stare de repaus. Zumzet. Harta creierului. 2013;34(11):2786–2797. 22522963 [PubMed]
  • Greenberg JA, Boozer CN, Geliebter A. Cafea, diabet și controlul greutății. A.m. J. Clin. Nutr. 2006;84(4):682–693. 17023692 [PubMed]
  • Gregor MF, Hotamisligil GS Mecanisme inflamatorii în obezitate. Annu. Rev. Immunol. 2011; 29: 415-445. 21219177 [PubMed]
  • Griffin WS Inflamație și boli neurodegenerative. A.m. J. Clin. Nutr. 2006;83(2):470S–474S. 16470015 [PubMed]
  • Gunstad J., Lhotsky A., Wendell CR, Ferrucci L., Zonderman AB Examinarea longitudinală a obezității și a funcției cognitive: rezultate din studiul longitudinal de la Baltimore al îmbătrânirii. Neuroepidemiologie. 2010;34(4):222–229. 20299802 [PubMed]
  • Gunstad J., Paul RH, Cohen RA, Tate DF, Gordon E. Obezitatea este asociată cu deficite de memorie la adulții tineri și de vârstă mijlocie. Mânca. Tulburare de greutate. 2006;11(1):e15–e19. 16801734 [PubMed]
  • Gunstad J., Paul RH, Cohen RA, Tate DF, Spitznagel MB, Gordon E. Indicele de masă corporală crescut este asociat cu disfuncția executivă la adulții altfel sănătoși. Compr. Psihiatrie. 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. Indicele de masă corporală și funcția neuropsihologică la copiii și adolescenții sănătoși. Apetit. 2008;50(2–3):246–251. 17761359 [PubMed]
  • Irimia A., Chambers MC, Torgerson CM, Van Horn JD Reprezentare circulară a rețelelor corticale umane pentru vizualizarea conectomică la nivel de subiect și populație. Neuroimagine. 2012;60(2):1340–1351. 22305988 [PubMed]
  • Jang SH, Lim HW, Yeo SS Conectivitatea neuronală a nucleilor talamici intralaminari din creierul uman: un studiu de tractografie cu tensor de difuzie. Neurosci. Lett. 2014; 579: 140-144. 25058432 [PubMed]
  • Kahnt T., Heinzle J., Park SQ, Haynes JD Codul neural al anticipării recompensei în cortexul orbitofrontal uman. Proc. Natl. Acad. Sci. STATELE UNITE ALE AMERICII. 2010;107(13):6010–6015. 20231475 [PubMed]
  • Kenny PJ Mecanisme de recompensă în obezitate: noi perspective și direcții viitoare. 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 Influența ingestiei de zaharoză asupra trunchiului cerebral și a oscilațiilor intrinseci hipotalamice și femeile obeze. Gastroenterologie. 2014;146(5):1212–1221. 24480616 [PubMed]
  • Kullmann S., Heni M., Veit R., Ketterer C., Schick F., Häring HU, Fritsche A., Preissl H. Creierul obez: asocierea indicelui de masă corporală și a sensibilității la insulină cu conectivitatea funcțională a rețelei de stare de repaus. Zumzet. Harta creierului. 2012;33(5):1052–1061. 21520345 [PubMed]
  • Kurth F., Levitt JG, Phillips OR, Luders E., Woods RP, Mazziotta JC, Toga AW, Narr KL Relații dintre materia cenușie, indicele de masă corporală și circumferința taliei la adulții sănătoși. Zumzet. Harta creierului. 2013;34(7):1737–1746. 22419507 [PubMed]
  • Lê Cao KA, Boitard S., Besse P. Sparse PLS analiza discriminantă: selecția caracteristicilor relevante din punct de vedere biologic și afișări grafice pentru probleme multiclase. BMC Bioinformatica. 2011; 12: 253. 21693065 [PubMed]
  • Lê Cao KA, González I., Déjean S. integrOmics: un pachet R pentru a dezlega relațiile dintre două seturi de date omics. Bioinformatica. 2009;25(21):2855–2856. 19706745 [PubMed]
  • Lê Cao KA, Martin PG, Robert-Granié C., Besse P. Metode canonice rare pentru integrarea datelor biologice: aplicare la un studiu multiplatform. BMC Bioinformatica. 2009; 10: 34. 19171069 [PubMed]
  • Lê Cao KA, Rossouw D., Robert-Granié C., Besse P. Un PLS rar pentru selecția variabilelor la integrarea datelor omice. Stat. Aplic. Genet. Mol. Biol. 2008, 7 (1): 35. 19049491 [PubMed]
  • Lê Cao KA, Rossouw D., Robert-Granié C., Besse P. Un PLS rar pentru selecția variabilelor la integrarea datelor omice. Stat. Aplic. 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. Eficacitatea clinică și rentabilitatea schemelor de gestionare a greutății pe termen lung pentru adulți: o revizuire sistematică . Tehnologia Sănătății. Evalua. 2011;15(2):1–182. 21247515 [PubMed]
  • Menon V., Uddin LQ Pregnanță, comutare, atenție și control: un model de rețea al funcției de insula. Structura creierului. Funct. 2010;214(5–6):655–667. 20512370 [PubMed]
  • Mori S., Crain BJ, Chacko VP, van Zijl PC Urmărirea tridimensională a proiecțiilor axonale în creier prin imagistica prin rezonanță magnetică. Ann. Neurol. 1999;45(2):265–269. 9989633 [PubMed]
  • Morrow JD, Maren S., Robinson TE Variația individuală a înclinației de a atribui importanță stimulativă unui indiciu apetitiv prezice tendința de a atribui importanță motivațională unui indiciu aversiv. Comportament. Brain Res. 2011;220(1):238–243. 21316397 [PubMed]
  • Pannacciulli N., Del Parigi A., Chen K., Le DS, Reiman EM, Tataranni PA Anomalii cerebrale în obezitatea umană: un studiu morfometric bazat pe voxel. Neuroimagine. 2006;31(4):1419–1425. 16545583 [PubMed]
  • Purnell JQ, Lahna DL, Samuels MH, Rooney WD, Hoffman WF Pierderea urmelor de substanță albă de la pons la hipotalamic în obezitatea trunchiului cerebral. Int J Obes (Londra) 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 Structura creierului și obezitatea. Zumzet. Harta creierului. 2010;31(3):353–364. 19662657 [PubMed]
  • Rothemund Y., Preuschhof C., Bohner G., Bauknecht HC, Klingebiel R., Flor H., Klapp BF Activarea diferențială a striatului dorsal prin stimuli alimentari vizuali cu conținut ridicat de calorii la persoanele obeze. Neuroimagine. 2007;37(2):410–421. 17566768 [PubMed]
  • Seeley WW, Menon V., Schatzberg AF, Keller J., Glover GH, Kenna H., Reiss AL, Greicius MD Rețele de conectivitate intrinsecă disociabile pentru procesarea proeminentă și controlul executiv. 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 Rețele de conectivitate intrinsecă disociabile pentru procesarea proeminentă și controlul executiv. 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 The Mini-International Neuropsychiatric Interview (MINI): dezvoltarea și validarea unui diagnostic structurat interviu psihiatric pentru DSM-IV și ICD-10. J. Clin. Psihiatrie. 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 Volumul cortexului orbitofrontal și răspunsul de recompensă a creierului în obezitate. Int J Obes (Londra) 2014 25027223 [Articol gratuit PMC] [PubMed]
  • Stanek KM, Grieve SM, Brickman AM, Korgaonkar MS, Paul RH, Cohen RA, Gunstad JJ Obezitatea este asociată cu o integritate redusă a substanței albe la adulții altfel sănătoși. Obezitatea (Primăvara de argint) 2011;19(3):500–504. 21183934 [PubMed]
  • Stice E., Yokum S., Burger KS, Epstein LH, Small DM Tinerii cu risc de obezitate prezintă o mai mare activare a regiunilor striatale și somatosenzoriale la alimente. J. Neurosci. 2011;31(12):4360–4366. 21430137 [PubMed]
  • Stoeckel LE, Weller RE, Cook EW, 3rd, Twieg DB, Knowlton RC, Cox JE Activarea pe scară largă a sistemului de recompense la femeile obeze ca răspuns la imaginile cu alimente bogate în calorii. Neuroimagine. 2008;41(2):636–647. 18413289 [PubMed]
  • Sullivan EV, Rohlfing T., Pfefferbaum A. Studiu longitudinal al microstructurii calosale în creierul normal de îmbătrânire a adulților folosind urmărirea cantitativă a fibrelor DTI. Dev. Neuropsicol. 2010;35(3):233–256. 20446131 [PubMed]
  • Terranova L., Busetto L., Vestri A., Zappa MA Chirurgie bariatrică: cost-eficiență și impact bugetar. Obez. 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 obezității: relații cu dependența. Neuropsihofarmacologie. 2004; 29: S29-S30.
  • Volkow ND, Wang GJ, Baler RD Reward, dopamina și controlul consumului de alimente: implicații pentru obezitate. Trends Cogn. Sci. 2011;15(1):37–46. 21109477 [PubMed]
  • Volkow ND, Wang GJ, Fowler JS, Telang F. Circuite neuronale suprapuse în dependență și obezitate: dovezi ale patologiei sistemelor. Philos. Trans. R. Soc. Londra, B, Biol. Sci. 2008;363(1507):3191–3200. 18640912 [PubMed]
  • Organizația Mondială a Sănătății (OMS) Obezitate. 2014. I.
  • Xu J., Li Y., Lin H., Sinha R., Potenza MN Indicele de masă corporală se corelează negativ cu integritatea substanței albe în fornix și corpus calos: un studiu imagistic cu tensor de difuzie. Zumzet. Harta creierului. 2013;34(5):1044–1052. 22139809 [PubMed]
  • Yau PL, Javier DC, Ryan CM, Tsui WH, Ardekani BA, Ten S., Convit A. Dovezi preliminare pentru complicații cerebrale la adolescenții obezi cu diabet zaharat de tip 2. Diabetologia. 2010;53(11):2298–2306. 20668831 [PubMed]
  • Yau PL, Kang EH, Javier DC, Convit A. Dovezi preliminare ale anomaliilor cognitive și ale creierului în obezitatea necomplicată a adolescenților. Obezitatea (Primăvara de argint) 2014;22(8):1865–1871. 24891029 [PubMed]
  • Zald DH Amigdala umană și evaluarea emoțională a stimulilor senzoriali. Brain Res. Brain Res. Rev. 2003;41(1):88–123. 12505650 [PubMed]
  • Zigmond AS, Snaith RP Scala de anxietate și depresie a spitalului. Acta Psihiatru. Scand. 1983;67(6):361–370. 6880820 [PubMed]