Образцы структурной связи мозга дифференцируют нормальный вес от пациентов с избыточным весом (2015)

Перейти к:

Резюме

Предыстория

Изменения в гедоническом компоненте пищевого поведения были замечены как возможный фактор риска в патофизиологии людей с избыточным весом и ожирением. Нейровизующие данные от людей с увеличением индекса массы тела свидетельствуют о структурных, функциональных и нейрохимических изменениях в расширенной сети вознаграждений и связанных с ней сетях.

Цель

Чтобы применить многомерный анализ шаблонов, чтобы отличить нормальный вес и лишний вес на основе измерений серого и белого вещества.

методы

Структурные изображения ( N = 120, избыточный вес N = 63) и изображения диффузионной тензорной томографии (ДТТ) ( N = 60, избыточный вес N = 30) были получены от здоровых контрольных субъектов. Для всей выборки средний возраст в группе с избыточным весом (женщины = 32, мужчины = 31) составил 28.77 лет (SD = 9.76), а в группе с нормальным весом (женщины = 32, мужчины = 25) — 27.13 лет (SD = 9.62). Региональная сегментация и разделение изображений головного мозга были выполнены с использованием Freesurfer. Для измерения нормализованной плотности волокон между областями была выполнена детерминированная трактография. Многомерный анализ паттернов был использован для изучения того, могут ли показатели головного мозга различать людей с избыточным весом и людей с нормальным весом.

Результаты

1. Классификация белого вещества: Алгоритм классификации, основанный на 2 сигнатурах с 17 региональными связями, достиг 97% точности в различении людей с избыточным весом от людей с нормальным весом. Для обеих сигнатур головного мозга наблюдалась более высокая связность, определяемая увеличением плотности волокон, у людей с избыточным весом по сравнению с людьми с нормальным весом между областями сети вознаграждения и областями исполнительного контроля, эмоционального возбуждения и соматосенсорной сети. Напротив, противоположная картина (снижение плотности волокон) была обнаружена между вентромедиальной префронтальной корой и передней островковой корой, а также между таламусом и областями сети исполнительного контроля. 2. Классификация серого вещества: Алгоритм классификации, основанный на 2 сигнатурах с 42 морфологическими признаками, достиг 69% точности в различении людей с избыточным весом от людей с нормальным весом. В обеих сигнатурах головного мозга области сетей вознаграждения, значимости, исполнительного контроля и эмоционального возбуждения были связаны с более низкими морфологическими значениями у людей с избыточным весом по сравнению с людьми с нормальным весом, в то время как противоположная картина наблюдалась для областей соматосенсорной сети.

Выводы

1. Увеличенный ИМТ (то есть избыточный вес) связан с отчетливыми изменениями серого вещества и плотности волокон мозга. 2. Алгоритмы классификации, основанные на связности белого вещества с участием регионов награды и связанных с ними сетей, могут определять конкретные цели для механистических исследований и будущего развития лекарств, направленные на аномальное пищевое поведение и избыточный вес / ожирение.

Ключевые слова: Ожирение, избыточный вес, морфологическое серое вещество, анатомическая связь белого вещества, сеть вознаграждения, многомерный анализ, алгоритм классификации
Сокращения: HC, здоровый контроль; ИМТ, индекс массы тела; HAD, больничная тревога и шкала депрессии; TR, время повторения; TE, время эха; FA, угол поворота; GLM, общая линейная модель; DWI, диффузионно-взвешенные МРТ; FOV, поле зрения; GMV, объем серого вещества; SA, площадь поверхности; КТ, толщина коры; MC, средняя кривизна; DTI, изображение тензора диффузии; ФАКТ, назначение волокон путем непрерывного отслеживания; SPSS, статистический пакет для социальных наук; ANOVA, анализ дисперсии; FDR, скорость ложного обнаружения; sPLS-DA, редкие частичные наименьшие квадраты для дискриминации Анализ; VIP, переменная значимость в проекции; PPV, положительное прогностическое значение; NPV, отрицательная прогностическая ценность; VTA, брюшная тегментальная область; OFG, орбитофронтальная извилина; КПП, задняя теменная кора; dlPFC, дорсолатеральная префронтальная кора; vmPFC, вентромедиальная префронтальная кору; aMCC, передняя центральная кожная область; sgACC, субгенная передняя корундовидная кору; АКК, передняя поясница коры

1.0. Вступление

По оценкам Всемирной организации здравоохранения, почти полмиллиарда взрослых страдают ожирением, а более чем в два раза больше взрослых имеют избыточный вес, что способствует росту таких заболеваний, как диабет, сердечно-сосудистые заболевания и рак, и приводит к смерти не менее 2.8 миллионов человек ежегодно ( Всемирная организация здравоохранения (ВОЗ), 2014 ). Только в Америке до 34.9% взрослых страдают ожирением, а вдвое больше взрослых (65%) имеют избыточный вес или ожирение ( Центр по контролю и профилактике заболеваний (CDC), 2014 ). Экономическое и медицинское бремя избыточного веса и ожирения продолжает увеличивать расходы на здравоохранение до 78.5 миллиардов долларов ( Финкельштейн и др., 2009 ), и миллиарды долларов продолжают тратиться на неэффективные методы лечения и вмешательства ( Лавман и др., 2011 ; Терранова и др., 2012 ). Несмотря на различные усилия, направленные на выявление основной патофизиологии избыточного веса и ожирения, нынешнее понимание остается недостаточным.

Как экологические, так и генетические факторы играют определенную роль в развитии людей, страдающих избыточным весом и ожирением (Calton and Vaisse, 2009; Шоке и Мейр, 2011; Dubois и др., 2012; Эль-Сайед Мустафа и Фрогуэль, 2013). Недавние исследования нейровизуализации показали, что более высокий индекс массы тела (ИМТ) связан с изменениями в функциональном (состояние задачи и покоя) (Connolly et al., 2013; Garcia-Garcia et al., 2013; Килпатрик и др., 2014; Kullmann и др., 2012), морфометрия серого вещества (Kurth et al., 2013; Raji et al., 2010) и свойства белого вещества (Shott et al., 2014; Stanek и др., 2011), предполагая возможную роль мозга в патофизиологии избыточной массы тела и ожирения (Das, 2010). Эти исследования в значительной степени затрагивают районы сети вознаграждения (Kenny, 2011; Volkow и др., 2004; Volkow и др., 2008; Volkow и др., 2011) и три тесно связанные сети, связанные с ощущением (Garcia-Garcia et al., 2013; Morrow et al., 2011; Seeley et al., 2007a), исполнительный контроль (Seeley et al., 2007b) и эмоциональное возбуждение (Менон и Уддин, 2010; Zald, 2003) (Рис 1).

Рис 1 

Регионы сети вознаграждения и связанные сети. 1. Сеть вознаграждений: гипоталамус, орбитофронтальная кора (ОФК), окунь, ядро, брюшина, брюшная тегментальная область (ВТА), субстанция нигр, области среднего мозга (хвостат, паллидум, гиппокамп). 2. выпуклость ...

В настоящем исследовании было проведено исследование общей гипотезы о том, что взаимодействия между регионами этих сетей различаются у людей с избыточным весом по сравнению с индивидуумами с нормальным весом, и мы применили широкомасштабную современную обработку данных, визуализацию и многофакторный анализ данных для тестирования эта гипотеза. Доступность более эффективных и вычислительно интенсивных процессов обработки данных и статистических алгоритмов позволяет более широкую морфологическую и анатомическую характеристику мозга у лиц с повышенным ИМТ по сравнению с людьми с нормальным весом. Многофакторный анализ классификации образцов предоставляет средства для изучения распределенной структуры регионов, которые различают избыточный вес по сравнению с физическими лицами с физическим весом.

В этом исследовании алгоритм контролируемого обучения применяется к измерениям региональной морфометрии мозга и плотности волокна белого вещества (мера связности между конкретными областями мозга), чтобы проверить гипотезу о том, что статус избыточного веса связан с различными образцами или сигналами мозга, включающими регионы вознаграждение, значимость, исполнительный контроль и эмоциональные сети возбуждения. Результаты показывают, что региональная связь и, тем более, морфометрия мозга, могут использоваться для выявления избыточного веса по сравнению с людьми с нормальным весом. Результаты обеспечивают алгоритм прогнозирования на основе мультимодальной визуализации головного мозга и определяют конкретные цели для дальнейших механистических исследований.

2.0. методы

2.1. участники

В выборку вошли 120 здоровых добровольцев-правшей из контрольной группы (КГ), участвовавших в нейровизуализационных исследованиях в Центре нейробиологии стресса в период с 2010 по 2014 год. Участники были набраны посредством объявлений, размещенных в Калифорнийском университете в Лос-Анджелесе (UCLA) и в сообществе Лос-Анджелеса. Все процедуры соответствовали принципам Хельсинкской декларации и были одобрены Институциональным наблюдательным советом UCLA (номера разрешений 11-000069 и 12-001802). Все участники предоставили письменное информированное согласие. Все участники были классифицированы как здоровые после клинической оценки, включавшей модифицированное мини-международное нейропсихиатрическое интервью Plus 5.0 ( Sheehan et al., 1998 ). Критерии исключения включали злоупотребление психоактивными веществами, беременность, табачную зависимость, операции на брюшной полости, сосудистые факторы риска, операции по снижению веса, чрезмерные физические нагрузки (более 1 часа ежедневно и марафонцы) или психические заболевания. Несмотря на то, что гипертония, диабет или метаболический синдром часто ассоциируются с повышенным ИМТ, из исследования были исключены лица с этими заболеваниями, чтобы уменьшить неоднородность популяции. Также по той же причине были исключены лица с расстройствами пищевого поведения, включая расстройства пищеварения или питания, такие как анорексия или булимия. Хотя ИМТ ≥ 25–29.9 считается избыточным весом, в нашем исследовании он был отнесен к группе с высоким ИМТ. Лица с нормальным весом были отобраны при ИМТ < 25 и в нашем исследовании были отнесены к группе с нормальным ИМТ. Ни один из участников не превышал 400 фунтов из-за ограничений по весу, установленных при МРТ-сканировании.

2.2. Примеры характеристик

Перед сканированием были заполнены валидированные анкеты, которые использовались для измерения текущих симптомов тревоги и депрессии (шкала тревоги и депрессии в стационаре (HAD)) ( Zigmond and Snaith, 1983 ). Шкала HAD представляет собой шкалу самооценки из 14 пунктов, которая оценивает текущие симптомы тревоги и депрессии у испытуемых на исходном этапе ( Zigmond and Snaith, 1983 ). Кроме того, испытуемые ранее прошли структурированное психиатрическое интервью (мини-интервью по нейропсихиатрии, MINI) для оценки наличия в прошлом или настоящем психических заболеваний ( Sheehan et al., 1998 ).

2.3. приобретение fMRI

2.3.1. Структурная (серая) МРТ

Испытуемые ( N = 120, с высоким ИМТ N = 63) были обследованы на томографе Siemens TRIO 3.0 Тесла после позиционирования головы в сагиттальной проекции. Структурные сканы были получены с использованием 4 различных последовательностей сканирования с применением протокола MP-RAGE (магнитно-подготовленное быстрое градиентное эхо) с высоким разрешением, взвешенного по T1, в сагиттальной проекции. Характеристики сканирования: 1. Время повторения (TR) = 2200 мс, время эхо (TE) = 3.26 мс, угол поворота (FA) = 9, размер вокселя 1 мм³ . 2. TR = 2200 мс, TE = 3.26 мс, FA = 20, размер вокселя 1 мм³ . 3. TR = 20 мс, TE = 3 мс, FA = 25, размер вокселя 1 мм³ . 4. TR = 2300 мс, TE = 2.85 мс, FA = 9, размер вокселя 1 мм 3. Было оценено влияние протокола получения данных на различия в общем объеме серого вещества (TGMV). В частности, для определения влияния протокола на TGMV с учетом возраста была применена общая линейная модель (GLM). Результаты показали, что все протоколы не были похожи друг на друга ( F (3) = 6.333, p = 0,053).

2.3.2. Магнитно-резонансная томография

Подгруппа исходной выборки ( N = 60, N = 30 с высоким ИМТ) прошла диффузионно-взвешенную МРТ (ДВМРТ) в соответствии с двумя сопоставимыми протоколами получения изображений. В частности, ДВМРТ были получены либо в 61, либо в 64 неколлинеарных направлениях с b = 1000 с/мм² , с 8 или 1 изображением с b = 0 с/мм² , соответственно. Оба протокола имели TR = 9400 мс, TE = 83 мс и поле зрения (FOV) = 256 мм с матрицей получения изображений 128 × 128 и толщиной среза 2 мм для получения изотропных вокселей размером 2 × 2 × 2 мм³.

2.4. обработка fMRI

2.4.1. Структурная (серая) сегментация и парсерация

Сегментация T1-изображений и региональная сегментация проводились с использованием FreeSurfer ( Dale et al., 1999 ; Fischl et al., 1999 , 2002 ) в соответствии с номенклатурой, описанной в Destrieux et al. (2010) . Для каждого полушария головного мозга, помимо 7 подкорковых структур и мозжечка, был помечен набор из 74 билатеральных кортикальных структур. Результаты сегментации для одного испытуемого показаны на рис. 2 А. Также была включена одна дополнительная срединная структура (ствол головного мозга, включающий части среднего мозга, такие как вентральная тегментальная область [VTA] и черная субстанция), что в итоге дало полный набор из 165 сегментаций для всего головного мозга. Для каждой кортикальной сегментации были вычислены четыре репрезентативных морфологических показателя: объем серого вещества (GMV), площадь поверхности (SA), толщина коры (CT) и средняя кривизна (MC). Рабочие процессы обработки данных были разработаны и внедрены в рамках программы Pipeline Лаборатории нейровизуализации (LONI) ( http://pipeline.loni.usc.edu ).

Рис 2 

A. Результаты структурной сегментации и парсерации и результаты белого белка белого вещества, связанные со структурными парселлациями от субъекта выборки. A: Структурная сегментация. B: сегментирование белого вещества.

2.4.2. Анатомическая связь (белое вещество)

Диффузионно-взвешенные изображения (DWI) были скорректированы с учетом движения и использованы для вычисления диффузионных тензоров, которые были переориентированы с учетом вращения в каждом вокселе. Изображения диффузионных тензоров были выровнены на основе трилинейной интерполяции логарифмически преобразованных тензоров, как описано в работе Chiang et al. ( Chiang et al., 2011 ), и передискретизированы до изотропного разрешения вокселя (2 × 2 × 2 мм³ ) . Рабочие процессы обработки данных были созданы с использованием конвейера LONI.

Коннективность белого вещества для каждого испытуемого оценивалась между 165 областями мозга, идентифицированными на структурных изображениях ( рис. 2B ), с использованием трактографии волокон DTI. Трактография выполнялась с помощью алгоритма Fiber Assignment by Continuous Tracking (FACT) ( Mori et al., 1999 ) с использованием TrackVis ( http://trackvis.org ) ( Irimia et al., 2012 ). Окончательная оценка коннективности белого вещества между каждой из областей мозга определялась на основе количества волоконных трактов, пересекающих каждую область, нормированного по общему количеству волоконных трактов во всем мозге. Эта информация затем использовалась для последующей классификации.

2.5. Разреженные частичные наименьшие квадраты - различающий анализ (sPLS-DA)

Для определения возможности использования мозговых маркеров для прогнозирования высокого ИМТ (избыточный вес против нормального веса) мы применили sPLS-DA. sPLS-DA — это разновидность разреженной PLS-регрессии, но зависимая переменная является категориальной, указывающей на принадлежность к группе ( Lê Cao, 2008a ; Lê Cao et al., 2009b , 2011 ). Было показано, что sPLS-DA особенно эффективен при большом количестве предикторов, малом размере выборки и высокой коллинеарности между предикторами ( Lê Cao, 2008a ; Lê Cao et al., 2009b , 2011 ). sPLS максимизирует выборочную ковариацию между показателями мозговой активности и контрастом групповых различий. sPLS одновременно выполняет отбор переменных и классификацию с использованием регуляризации Lasso ( Lê Cao et al., 2009a ). sPLS-DA работает с использованием контролируемой структуры, формируя линейные комбинации предикторов на основе принадлежности к классу. sPLS-DA уменьшает размерность данных, находя набор ортогональных компонентов, каждый из которых состоит из выбранного набора признаков или переменных. Эти компоненты называются «мозговыми сигнатурами». Каждая переменная, входящая в состав мозговой сигнатуры, имеет связанную с ней «нагрузку», которая является мерой относительной важности переменных для различения на две группы ( Lê Cao et al., 2008b ). Кроме того, были рассчитаны показатели важности переменных в проекции (VIP) для оценки важности каждой переменной, используемой в модели PLS. Показатель VIP представляет собой взвешенную сумму нагрузок, которая учитывает объясненную дисперсию каждой сигнатуры. Среднее значение квадратов показателей VIP равно 1. Предикторы с коэффициентами VIP больше единицы считаются особенно важными для классификации ( Lê Cao et al., 2008b ).

2.5.1. Разработка прогнозной модели

Количество мозговых сигнатур для каждого анализа было зафиксировано на уровне двух ( Lê Cao et al., 2008b ). Для определения оптимального количества областей мозга для каждой мозговой сигнатуры использовался анализ стабильности ( Lê Cao et al., 2011 ). Сначала применяется sPLS-DA к диапазону переменных от 5 до 200, которые должны быть выбраны для каждой из двух мозговых сигнатур. Для каждого значения количества выбираемых переменных выполняется 10-кратная перекрестная проверка, повторяющаяся 100 раз. Эта процедура перекрестной проверки делит обучающие данные на 10 частей или подвыборок данных ( n = 12 тестовых наборов). Одна подвыборка откладывается в качестве тестовых данных, а оставшиеся подвыборки используются для обучения модели. Стабильность переменных определяется путем вычисления количества раз, когда конкретная переменная выбирается во всех запусках перекрестной проверки. Для разработки окончательной модели использовались только мозговые переменные со стабильностью более 80%.

2.6. Статистический анализ

2.6.1. Разреженные частичные наименьшие квадраты - различающий анализ (sPLS-DA)

Анализ sPLS-DA проводился с использованием пакета R mixOmics ( http://www.R-project.org ). Мы отдельно исследовали прогностическую способность морфометрии головного мозга и анатомической связности DTI. В дополнение к региональной морфометрии головного мозга или региональной анатомической связности, в качестве возможных предикторов были включены возраст и общий объем серого вещества (GMV). Для полученных морфологических данных в модель были включены показатели GMV, SA, CT и MC. Для полученных данных анатомической связности DTI матрицы, специфичные для каждого субъекта и индексирующие относительную плотность волокон между 165 областями, были преобразованы в одномерные матрицы, содержащие 1 13,530 уникальных связей (верхний треугольник из исходной матрицы). Затем эти матрицы были объединены по всем субъектам и введены в sPLS-DA. В качестве начального этапа сокращения данных были удалены предикторы с почти нулевой дисперсией, в результате чего осталось 369 связей. Сигнатуры головного мозга были обобщены с использованием нагрузок переменных на отдельные измерения и коэффициентов VIP. Мы также используем графические представления для иллюстрации дискриминационных возможностей алгоритмов ( Lê Cao et al., 2011 ). Прогностическая способность итоговых моделей оценивалась с помощью перекрестной проверки методом «исключения одного образца». Мы также рассчитали показатели бинарной классификации: чувствительность, специфичность, положительную прогностическую ценность (PPV) и отрицательную прогностическую ценность (NPV). Здесь чувствительность отражает способность алгоритма классификации правильно идентифицировать людей с избыточным весом. Специфичность отражает способность алгоритма классификации правильно идентифицировать людей с нормальным весом. PPV отражает долю выборки, демонстрирующей специфический мозговой признак избыточного веса, выявленный алгоритмом классификации, и тех, кто действительно имеет избыточный вес (истинно положительный результат). С другой стороны, NPV — это вероятность того, что если результат теста отрицательный, то есть у участника нет специфического мозгового признака избыточного веса (истинно отрицательный результат).

2.6.2. Примеры характеристик

Статистический анализ проводился с использованием программного обеспечения Statistical Package for the Social Sciences (SPSS) (версия 19). Различия между группами по показателям поведенческих тестов оценивались с помощью дисперсионного анализа (ANOVA). Значимость считалась при p < 05 без поправки на корреляцию.

3.0. Результаты

3.1. Примеры характеристик

В общую выборку ( N = 120) вошли 63 человека с избыточным весом (32 женщины, 31 мужчина), средний возраст = 28.77 лет, стандартное отклонение = 9.76, и 57 человек с нормальным весом (32 женщины, 25 мужчин), средний возраст = 27.13 лет, стандартное отклонение = 9.62. Хотя в группе с избыточным весом наблюдалась тенденция к более высоким уровням тревожности и депрессии, существенных различий между группами не было ( F = 642, p = 425; F = 001, p = 980). Клинические характеристики выборки суммированы в таблице 1.

Таблица 1 

Примеры характеристик.

3.2. Многофакторный анализ образцов с использованием sPLS-DA

3.2.1. Классификация по анатомическим связям (белое вещество)

Мы исследовали, можно ли использовать анатомическую связь белого вещества головного мозга для различения людей с избыточным весом от людей с нормальным весом. На рис. 3А изображены люди из выборки, представленные в соответствии с двумя сигнатурами головного мозга, и показаны дискриминационные способности классификатора белого вещества. Были рассчитаны показатели бинарной классификации, которые показали чувствительность 97%, специфичность 87%, положительную прогностическую ценность 88% и отрицательную прогностическую ценность 96%. В таблице 2 приведен список стабильных связей белого вещества, составляющих каждую дискриминационную сигнатуру головного мозга, а также нагрузки переменных и коэффициенты VIP.

Рис 3 

A. Классификатор на основе плотности волокна (белый материал). B. Классификатор на основе морфологии серого вещества. A: Описывает дискриминационные способности классификатора плотности волокна (белого вещества). B: Описывает дискриминационные способности классификатора серого вещества. ...
Таблица 2 

Список анатомических связей, включающий каждую дискриминационную подпись мозга.

3.2.2. Атомная подпись на основе анатомической связи 1

Первая подпись мозга составляет 63% от дисперсии. Как указано VIP-коэффициентами, переменные в решении, объясняющие наибольшую дисперсию, включали связи 1) между регионами сети вознаграждения (putamen, pallidum, brainstem [включая регионы среднего мозга, такие как VTA и substia nigra]) с областями исполнительной власти контроль (precuneus, который является частью задней теменной коры), значимость (передняя изоляция), эмоциональное возбуждение (вентромедиальная префронтальная кора) и соматосенсорные (постцентральные извилины) сети; 2) области сети эмоционального возбуждения (передняя коре головного мозга, вентромедиальная префронтальная кора) с областями соматической (передней) и соматосенсорной (парацентральная долька, включая дополнительные моторные кора); и 3) таламус со средней затылочной извилиной и таламусом с областью исполнительной контрольной сети (дорсальная боковая префронтальная кора).

По сравнению с нормальной весовой группой группа с избыточным весом демонстрировала большую связь между регионами сети вознаграждения (putamen, pallidum, brainstem) в сети исполнительного контроля (задняя теменная кора) и от putamen до тормозной части сети эмоционального возбуждения ( вентромедиальную префронтальную кору) и в области соматосенсорной сети (постцентральную извилину и заднюю изоляцию). Более низкая связь наблюдалась в группе с избыточной массой тела в регионах от сети эмоционального возбуждения (вентромедиальная префронтальная кора) до сетки значимости (передняя изоляция), но более высокая связь в группе с избыточным весом от регионов от сети эмоционального возбуждения (вентромедиальная префронтальная кора) до соматосенсорная сеть (задняя изоляция). Более низкая связь наблюдалась также в группе с избыточным весом в соединениях соматосенсорной (парацентарной дольки) с корой передней корешки, но более высокой связностью от парацентральной дольки до субпаритетной борозды (часть соматосенсорной сети). Глядя на таламические связи, более низкая связь наблюдалась от таламуса до дорсальной боковой префронтальной коры (сети исполнительного контроля) и средней затылочной извилины у людей с избыточным весом по сравнению с людьми с нормальным весом.

3.2.3. Атомная подпись на основе анатомической связи 2

Вторая анатомическая подпись головного мозга определила дополнительный 12% от дисперсии данных. Переменные, вносящие наибольшую дисперсию в групповую дискриминацию, обозначенные VIP-коэффициентом, включали соединения в областях награды (putamen, orbital sulci, которая является частью орбитальной лобной извилины и ствола мозга) и эмоционального возбуждения (извилина rectus, которая является медиальной часть вентромедиальной префронтальной коры).

У людей с избыточным весом по сравнению с индивидуумами с нормальным весом наблюдалась большая взаимосвязь между регионами наградной сети (мозгового ствола и putamen) как с исполнительным контролем (дорсальная боковая префронтальная кора), так и с тормозной частью эмоционального возбуждения (вентромедиальная префронтальная кора). Тем не менее, связь между затылочной орбитальной фронтальной извилиной (сеть вознаграждения) была ниже у людей с избыточным весом по сравнению с людьми с нормальным весом.

3.2.4. Классификация на основе морфометрического серого вещества

Мы исследовали, можно ли использовать морфометрию головного мозга (объем серого вещества, площадь поверхности, толщина коры и средняя кривизна) для различения людей с избыточным весом от людей с нормальным весом. На рис. 3 B изображены люди из выборки, представленные в соответствии с двумя характеристиками головного мозга, и показаны дискриминационные способности морфометрического классификатора. Были рассчитаны показатели бинарной классификации, которые показали чувствительность 69%, специфичность 63%, положительную прогностическую ценность 66% и отрицательную прогностическую ценность 66%. В таблице 3 приведен список морфометрических показателей, составляющих каждый дискриминантный показатель, а также нагрузки переменных и коэффициенты VIP.

Таблица 3 

Региональная морфометрия, включающая каждую подпись мозга.

3.2.5. Морфологическая подпись мозга 1

Первая сигнатура мозга объяснила 23% изменчивости морфометрических данных фенотипа. Как видно из коэффициентов VIP, переменные, вносящие наибольший вклад в сигнатуру, включали области системы вознаграждения (подобласти орбитофронтальной извилины), значимости (передняя островковая кора), исполнительного контроля (дорсальная латеральная префронтальная кора), эмоционального возбуждения (вентромедиальная префронтальная кора) и соматосенсорные сети (прецентральная борозда, супрамаргинальная извилина, субцентральная борозда, верхняя лобная борозда). Высокие коэффициенты VIP также наблюдались для верхней лобной извилины и борозды, верхней височной извилины, поперечных фронтополярных извилин и передней поперечной височной извилины. Области систем вознаграждения, значимости, исполнительного контроля и эмоционального возбуждения были связаны с более низкими значениями у людей с избыточным весом по сравнению с людьми с нормальным весом. Кроме того, у людей с избыточным весом по сравнению с людьми с нормальным весом наблюдались более высокие значения в областях соматосенсорной сети. Морфометрия лобных и височных областей (верхняя височная извилина и передняя поперечная височная извилина) также была связана с более низкими значениями у людей с избыточным весом по сравнению с людьми с нормальным весом.

3.2.6. Морфологическая подпись мозга 2

Вторая морфологическая подпись мозга объяснила 32% дисперсии. Переменные с наивысшими коэффициентами VIP были подобны VIP-коэффициентам, наблюдаемым в сигнале мозга 1, в том числе в областях награды (хвостатый), значимости (передняя изоляция), исполнительном контроле (части задней теменной коры), эмоциональном возбуждении (parahippocampal извилина, подглазничной передней коры головного мозга и коры передней коры) и соматосенсорной (задняя изоляционная и парацентральная долька). Тем не менее, сигнатура мозга 2 по сравнению с сигнатурой мозга 1 имела только одно соединение из сети вознаграждений и больше связей с регионами сети распространения и эмоционального возбуждения.

У лиц с избыточным весом по сравнению с лицами с нормальным весом были отмечены более низкие значения морфометрии в сетях вознаграждения, значимости, исполнительного контроля и эмоционального возбуждения, но более высокие значения в соматосенсорной сети.

4.0. обсуждение

Цель этого исследования состояла в том, чтобы определить, могут ли морфологические и анатомические закономерности связывания мозга (на основе плотности волокон между конкретными областями мозга) различать людей с избыточным весом от людей с нормальным весом. Основные выводы: 1. Анатомическая связь (относительная плотность участков белого вещества между регионами) способна различать субъектов с различным ИМТ с высокой чувствительностью (97%) и специфичностью (87%). 2. Напротив, морфологические изменения серого вещества имели менее оптимальную точность классификации. 3. Многие из областей мозга, включающие дискриминационные сигнатуры мозга, принадлежали расширенной системе вознаграждения, значимости, центральной исполнительной власти и эмоционального возбуждения, предполагая, что наблюдаемые функциональные нарушения были вызваны ненормальной организацией между этими сетями.

4.1. Анатомические сигнатуры мозга, связанные с ИМТ

В данном исследовании алгоритм классификации, состоящий из двух сигнатур мозга, отражающих различные паттерны связности областей, продемонстрировал выраженную способность различать людей с избыточным весом и людей с нормальным весом. Большинство исследований DTI у людей с высоким ИМТ ( Shott et al., 2014 ; Stanek et al., 2011 ; Xu et al., 2013 ; Yau et al., 2010 , 2014 ) были сосредоточены на изучении различий в характеристиках диффузии белого вещества, включая фракционную анизотропию и среднюю диффузию (измеряющую целостность трактов белого вещества) или кажущиеся коэффициенты диффузии (измеряющие диффузию воды в трактах и ​​отражающие повреждение клеток). Все эти показатели могут предоставить информацию о локализованных изменениях в микроструктуре белого вещества. В настоящем исследовании мы сосредоточились на показателях плотности волоконных трактов DTI как мере оценки относительной связности между областями и сетями мозга. Таким образом, хотя другие исследования локализовали изменения в микроструктуре белого вещества, они не выявили последствий этих изменений с точки зрения связности.

4.1.1. Атомная подпись на основе анатомической связи 1

Первоначальная сигнатура мозга в основном состояла из связей внутри и между сетями вознаграждения, значимости, исполнительного контроля, эмоционального возбуждения и сенсорными сетями. Также наблюдались таламусные связи с областями сети исполнительного контроля и с затылочной областью. В соответствии с нашим обнаружением снижения связей от вентромедиальной префронтальной коры к передней островковой коре, наблюдаемым в группе с избыточным весом по сравнению с группой с нормальным весом, сообщалось о снижении целостности трактов белого вещества (снижении фракционной анизотропии) во внешней капсуле (которая содержит волокна, соединяющие корковые области с другими корковыми областями посредством коротких ассоциативных волокон) у людей с ожирением по сравнению с контрольной группой ( Shott et al., 2014 ). Кроме того, у людей с ожирением по сравнению с контрольной группой кажущийся коэффициент диффузии (диффузия воды, отражающая повреждение клеток) был выше в сагиттальном слое (который, как известно, передает информацию из теменной, затылочной, поясной и височной областей в таламус), что может соответствовать нашим наблюдениям более низкой связности между правым таламусом и правой средней затылочной извилиной у людей с избыточным весом по сравнению с людьми с нормальным весом ( Shott et al., 2014 ). Шотт и коллеги ( Shott et al., 2014 ) также выявили более высокие кажущиеся коэффициенты диффузии (отражающие возможное повреждение клеток) в группе людей с ожирением в лучистом венце, что, по-видимому, дополняет наши данные о более низкой относительной плотности волокон между глубокими структурами серого вещества (такими как таламус) и корковыми областями (дорсальная латеральная префронтальная кора) у людей с избыточным весом по сравнению с людьми с нормальным весом. Изменение связности таламуса может препятствовать выполнению таламусом своей роли в обеспечении передачи периферической сенсорной информации в кору головного мозга ( Jang et al., 2014 ).

Отдельное исследование, сравнивающее подростков с ожирением без осложнений с людьми с нормальным весом, также выявило снижение фракционной анизотропии у подростков с ожирением в таких областях, как внешняя капсула, внутренняя капсула (которая в основном содержит восходящие и нисходящие кортикоспинальные тракты), а также некоторые височные волокна и зрительный нерв ( Yau et al., 2014 ). Недавнее исследование также показало потерю связей нервных волокон с помощью DTI между стволом головного мозга и гипоталамусом у человека с каверномой ствола головного мозга, у которого после хирургического дренирования наблюдалось резкое увеличение веса, что может указывать на участие этих нервных волокон в регуляции как потребления пищи, так и веса ( Purnell et al., 2014 ). Однако мы не выявили различий в связях с гипоталамусом, что может быть частично связано с ограничениями сегментации, основанными на конкретных атласах, использованных в данном исследовании.

4.1.2. Атомная подпись на основе анатомической связи 2

Вторая ортогональная сигнатура состояла всего из трех анатомических связей внутри сетей вознаграждения и эмоционального возбуждения. Ранее не сообщалось об обнаружении измененных связей внутри областей, составляющих сеть вознаграждения, и с областями в сетях, с которыми она взаимодействует. Однако эти изменения можно было бы ожидать, основываясь на недавних морфологических исследованиях, в которых наблюдались изменения серого вещества в областях расширенной сети вознаграждения ( Kenny, 2011 ; Kurth et al., 2013 ; Raji et al., 2010 ; Volkow et al., 2008 ). В совокупности наши результаты, по-видимому, показывают широко распространенные изменения в связности белого вещества для областей, составляющих сеть вознаграждения и связанные с ней сети.

В то время как другие исследования выявили снижение целостности волокон, измеряемое по уменьшению фракционной анизотропии в областях мозолистого тела и свода мозга (которые являются частью поясной извилины и передают информацию от гиппокампа к гипоталамусу) с увеличением ИМТ ( Stanek et al., 2011 ; Xu et al., 2013 ), в настоящем исследовании не было выявлено значительных изменений межполушарной связности в рамках двух анатомических профилей связности мозга. Исключением стало наличие связи между левой парацентральной долей и правой подтеменной бороздой в профиле мозга 1, а также связи между правым путаменом и левой прямой извилиной в профиле мозга 2. Мы предполагаем, что эффект, наблюдаемый в этих предыдущих исследованиях, может быть обусловлен системной деградацией белого вещества, а не изменениями связей между конкретными областями мозга, подобно изменениям, происходящим во время нормального старения ( Sullivan et al., 2010 ). Хотя авторы предыдущих исследований предполагали, что различия в фракционной анизотропии во внешней капсуле головного мозга у субъектов с высоким ИМТ могут быть связаны со связями от гиппокампа и миндалевидного тела, мы не наблюдали значительных изменений в связности внутри этих структур. Для подтверждения этих наблюдений необходим более детальный анализ и более точное сегментирование этих областей мозга.

4.2. Морфометрические сигнатуры мозга головного мозга, связанные с ИМТ

Морфометрический анализ серого вещества с использованием двух различных профилей позволил правильно идентифицировать людей с избыточным весом и людей с нормальным весом с чувствительностью 69% и специфичностью 63%. Эти результаты согласуются с предыдущими сообщениями о глобальном и региональном уменьшении объема серого вещества в определенных областях мозга в рамках сети вознаграждения и связанных с ней сетей ( Debette et al., 2010 ; Kenny, 2011 ; Kurth et al., 2013 ; Pannacciulli et al., 2006 ; Raji et al., 2010 ). В отличие от классификации на основе DTI, эти результаты указывают на умеренную способность различать две группы ИМТ.

4.2.1. Морфологическая подпись мозга 1

В нашем исследовании первый мозговой паттерн показал более низкие значения различных морфометрических показателей (включая подрегионы орбитофронтальной извилины, передней островковой коры) в областях сетей вознаграждения, значимости и исполнительного контроля у группы с избыточным весом по сравнению с группой с нормальным весом. Кроме того, более низкие морфометрические значения наблюдались в тормозных областях (дорсально-латеральная и вентромедиальная префронтальная кора), связанных с сетью эмоционального возбуждения, но более высокие морфометрические значения в соматосенсорной сети (прецентральная борозда, супрамаргинальная извилина, субцентральная борозда и верхняя лобная борозда), включая височные области, у лиц с избыточным весом по сравнению с лицами с нормальным весом. В этом исследовании мы обнаружили значительное снижение морфологических показателей (объем серого вещества и толщина коры) орбитофронтальной извилины. Орбитальная лобная извилина — важная область в сети вознаграждения, играющая роль в оценочных процессах и в управлении будущим поведением и решениями, основанными на кодировании предвкушения, связанного с вознаграждением ( Kahnt et al., 2010 ). Недавнее исследование, анализирующее структуру серого и белого вещества, показало, что у людей с ожирением наблюдалось снижение показателей в различных областях сети вознаграждения, включая орбитальную лобную извилину ( Shott et al., 2014 ).

4.2.2. Морфологическая подпись мозга 2

По сравнению с мозговым паттерном 1, морфологические измерения, наблюдаемые в областях сетей значимости и эмоционального возбуждения, объясняли большую часть дисперсии, в то время как области сети вознаграждения не оказывали существенного влияния. Снижение показателей серого вещества наблюдалось в областях сетей значимости, исполнительного контроля и эмоционального возбуждения. Эти области (передняя островковая кора, задняя теменная кора, парагиппокампальная извилина, подобласти передней поясной коры) часто ассоциируются с повышенной вызванной активностью мозга при воздействии пищевых стимулов ( Brooks et al., 2013 ; Greenberg et al., 2006 ; Rothemund et al., 2007 ; Shott et al., 2014 ; Stoeckel et al., 2008 ) и степенью личной значимости стимулов ( Critchley et al., 2011 ; Seeley et al., 2007a ). В данном исследовании уменьшение объема серого вещества также наблюдалось в ключевых областях соматосенсорной сети (задняя островковая кора, парацентральная долька). Хотя точная роль этой сети в развитии избыточного веса и ожирения неизвестна, было показано, что она участвует в восприятии телесных ощущений, а недавнее исследование показало, что повышенная активность соматосенсорной сети в ответ на пищевые стимулы у людей с ожирением может приводить к перееданию ( Stice et al., 2011 ). Это исследование было специально посвящено морфологическим измерениям и анатомическим связям между областями мозга в расширенной сети вознаграждения и соматосенсорной сети и предполагает, что эти структурные показатели мозга могут влиять на нейронную обработку, связанную с результатами функциональных исследований, представленных в литературе. Корреляции с поведенческими и экологическими факторами также дают дополнительное представление о взаимосвязи между структурными и функциональными данными, что необходимо будет проверить в будущих исследованиях.

4.3. Использование многовариантных анализов образцов с использованием sPLS-DA для различения индивидов с избыточным весом и нормальным весом

Результаты исследований изменений плотности волокон между различными сетями головного мозга в рамках расширенной сети вознаграждения, связанных с ИМТ, подтверждают гипотезу о том, что увеличение ИМТ приводит к нарушению анатомической связи между определенными областями головного мозга. Эти анатомические изменения могут подразумевать неэффективную или неработоспособную коммуникацию между ключевыми областями сети вознаграждения и связанными с ней сетями. Подобно нескольким недавним исследованиям, выявившим связанные с избыточным весом и ожирением изменения объема серого вещества ( Debette et al., 2010 ; Kurth et al., 2013 ; Pannacciulli et al., 2006 ; Raji et al., 2010 ), мы также смогли обнаружить аналогичные морфологические различия у людей с избыточным весом по сравнению с людьми с нормальным весом. В данном исследовании мы расширили эти наблюдения, чтобы изучить связь между избыточным весом и анатомической связью головного мозга, и применили sPLS-DA к морфометрическим данным головного мозга для различения людей с избыточным весом и людей с нормальным весом. Недавнее поперечное исследование с использованием бинарной логистической регрессии показало, что сочетание структурных изменений в латеральной орбитофронтальной извилине, измеряемых объемом серого вещества, и уровня воспалительного маркера (фибриногена) в крови позволило предсказать ожирение в небольшой выборке из 19 человек с нормальным весом и 44 человек с избыточным весом/ожирением; с высокой чувствительностью (95.5%), но низкой специфичностью (31.6%) ( Cazettes et al., 2011 ). Наше исследование отличается от этого отчета по нескольким аспектам, включая больший размер выборки; использование подхода перекрестной проверки для предотвращения решения, специфичного для выборки; исключение субъектов с гипертонией/сахарцетом для устранения возможного искажающего фактора; и включение как объема серого вещества, так и плотности волоконных трактов для прогнозирования статуса избыточного веса.

4.4. Недостатки

Несмотря на то, что мы обнаружили значительные различия в плотности волокон между людьми с нормальным и избыточным весом, мы не можем экстраполировать эти анатомические данные на различия в функциональной (в состоянии покоя) связности. Такие данные о функциональной связности позволили бы выявить различия в синхронизации мозговой активности в областях, не связанных напрямую трактами белого вещества. Хотя мы воспроизвели ранее опубликованные результаты об анатомической связности и морфологических различиях между людьми с избыточным весом/ожирением и нормальным ИМТ ( Kurth et al., 2013 ; Raji et al., 2010 ), нам не удалось обнаружить изменений в важных подкорковых областях: гипоталамусе, миндалевидном теле и гиппокампе. Возможно, эта неудача была связана с ограничениями алгоритмов автоматической сегментации, использованных в этом исследовании, или с тем, что анализ был ограничен людьми с избыточным весом по сравнению с людьми с ожирением. В будущих исследованиях потребуются более крупные выборки для сравнения людей с ожирением, избыточным весом и нормальным весом, а также для проведения анализа подгрупп по полу и расе. Ввиду относительно небольшого размера выборки мы использовали строгую процедуру внутренней валидации, однако необходимо проверить точность прогнозирования этого классификатора на независимом наборе данных ( Bray et al., 2009 ). В будущих исследованиях следует изучить связь этих нейровизуализационных различий со специфическим пищевым поведением, предпочтениями в еде и информацией о диете, чтобы интерпретировать контекст и значимость этих результатов. Поскольку ожирение и избыточный вес часто связаны с сопутствующими заболеваниями, такими как гипертония, диабет и метаболический синдром, в будущих анализах следует исследовать модераторное и корреляционное влияние этих факторов на алгоритм классификации.

4.5. Резюме и выводы

В заключение, наши результаты подтверждают гипотезу о том, что избыточный вес связан с изменением связности (в виде плотности волокон) между определенными областями мозга, что может подразумевать неэффективную или неработоспособную коммуникацию между этими областями. В частности, снижение связности префронтальных тормозных областей мозга с системой вознаграждения согласуется с преобладанием гедонистических механизмов в регуляции потребления пищи ( Gunstad et al., 2006 , 2007 , 2008 , 2010 ). Механизмы, лежащие в основе этих структурных изменений, плохо изучены, но могут включать нейровоспалительные и нейропластические процессы ( Cazettes et al., 2011 ), связанные с низкоуровневым воспалительным состоянием, наблюдаемым у людей с избыточным весом и ожирением ( Cazettes et al., 2011 ; Cox et al., 2014 ; Das, 2010 ; Gregor and Hotamisligil, 2011 ; Griffin, 2006 ). Подходы, основанные на анализе данных, для выявления изменений серого и белого вещества при избыточном весе/ожирении являются многообещающими инструментами для определения основных коррелятов увеличения ИМТ и потенциально могут помочь в выявлении нейробиологических биомаркеров этого расстройства.

Вклад автора

Арпана Гупта: концепция исследования, разработка, анализ и интерпретация данных, составление и пересмотр рукописи.

Эмеран Майер: концепция и дизайн исследования, критический обзор рукописи, утверждение окончательной версии рукописи, финансирование.

Клаудия Сан-Мигель: составление и критический обзор рукописи, интерпретация данных.

Джон Ван Хорн: Генерация данных, анализ данных.

Коннор Флинг: Анализ данных.

Обри Любовь: анализ данных.

Дэвис Вудворт: анализ данных.

Бенджамин Эллингсон: Обзор рукописи.

Кирстен Тиллиш: Критический обзор рукописи, финансирование.

Дженнифер Лабус: концепция исследования и разработка, анализ и интерпретация данных, составление и пересмотр рукописи, утверждение окончательной версии рукописи, финансирование.

Конфликты интересов

Конфликт интересов не существует.

Источник финансирования

Это исследование было частично поддержано грантами Национального института здоровья: R01 DK048351 (EAM), P50DK64539 (EAM), R01 AT007137 (KT), P30 DK041301, K08 DK071626 (JSL) и R03 DK084169 (JSL). Пилотное сканирование было предоставлено центром картографирования головного мозга Ahmanson-Lovelace, UCLA.

Референсы

  • Bray S., Chang C., Hoeft F. Применение многовариантных классификационных анализов в развитии нейровизуализации здоровых и клинических популяций. Фронт. Hum. Neurosci. 2009; 3: 32. 19893761 [PubMed]
  • Brooks SJ, Cedernaes J., Schiöth HB Повышенная префронтальная и парафтопакампальная активация с уменьшенной дорсолатеральной активацией префронтальной и островной коры к пищевым изображениям при ожирении: метаанализ исследований fMRI. PLOS ONE. 2013; 8 (4): e60393. 23593210 [PubMed]
  • Calton MA, Vaisse C. Сужение роли общих вариантов в генетической предрасположенности к ожирению. Геном Med. 2009, 1 (3): 31. 19341502 [PubMed]
  • Cazettes F., Cohen JI, Yau PL, Talbot H., Convit A. Возбужденное ожирением воспаление может повредить цепь мозга, которая регулирует потребление пищи. Brain Res. 2011; 1373: 101-109. 21146506 [PubMed]
  • Центр борьбы с болезнями (CDC) Избыточный вес и ожирение. 2014. Я.
  • Chiang MC, Barysheva M., Toga AW, Medland SE, Hansell NK, James MR, McMahon KL, de Zubicaray GI, Martin NG, Wright MJ, эффекты гена Thompson PM BDNF на мозговые схемы, реплицированные в близнецах 455. Neuroimage. 2011;55(2):448–454. [PubMed]
  • Choquet H., Meyre D. Генетика ожирения: что мы узнали? Тек. Genomics. 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 Различия в ответах головного мозга у женщин с ожирением и ожирением на подслащенный напиток. Neurogastroenterol. Мотыль. 2013;25(7):579-e460. 23566308 [PubMed]
  • Cox AJ, West NP, Cripps AW Ожирение, воспаление и микробиота кишечника. Ланцет диабета Эндокринол. 2014 25066177 [PubMed]
  • Critchley HD, Nagai Y., Grey MA, Mathias CJ Рассеивающие оси автономного контроля у людей: идеи от нейровизуализации. Auton. Neurosci. 2011;161(1–2):34–42. 20926356 [PubMed]
  • Dale AM, Fischl B., Sereno MI Корковый поверхностный анализ. I. Сегментация и реконструкция поверхности. Neuroimage. 1999;9(2):179–194. 9931268 [PubMed]
  • Das UN Ожирение: гены, мозг, кишечник и окружающая среда. Питание. 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. Висцеральный жир связан с более низким объемом мозга в здоровом взрослые среднего возраста. Энн. Neurol. 2010;68(2):136–144. 20695006 [PubMed]
  • Destrieux C., Fischl B., Dale A., Halgren E. Автоматическая парсерация кортикальных гири и сульций человека с использованием стандартной анатомической номенклатуры. Neuroimage. 2010;53(1):1–15. 20547229 [PubMed]
  • Дюбуа Л., Ом Кивик К., Жирард М., Татоне-Токуда Ф., Перус Д., Хельмборг Дж., Скайтт А., Расмуссен Ф., Райт М. Дж., Лихтенштейн П., Мартин Н. Г. Генетические и экологические вклады в вес , рост и ИМТ от рождения до 19 лет: международное исследование более близких пар 12,000. PLOS ONE. 2012; 7 (2): e30153. 22347368 [PubMed]
  • El-Sayed Moustafa JS, Froguel P. От генетики ожирения до будущего персонализированной терапии ожирения. Туземный Rev. Endocrinol. 2013;9(7):402–413. 23529041 [PubMed]
  • Finkelstein EA, Trogdon JG, Cohen JW, Dietz W. Ежегодные расходы на медицинское обслуживание, связанные с ожирением: оценка плательщиков и услуг. 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. Вся сегментация головного мозга: автоматическая маркировка нейроанатомических структур в мозге человека. Neuron. 2002;33(3):341–355. 11832223 [PubMed]
  • Fischl B., Sereno MI, Dale AM ​​Кортикальный поверхностный анализ. II: инфляция, сплющивание и наземная система координат. Neuroimage. 1999;9(2):195–207. 9931269 [PubMed]
  • Гарсиа-Гарсия И., Джурадо М.А., Гаролера М., Сегура Б., Сала-Ллонч Р., Маркиз-Итуррия И., Пуэо Р., Сендер-Паласиос М.Ю., Вернет-Вернет М., Нарберхаус А., Ariza M., Junqué C. Изменения сети значимости при ожирении: исследование fMRI покоящегося состояния. Hum. Мозг Мапп. 2013;34(11):2786–2797. 22522963 [PubMed]
  • Greenberg JA, Boozer CN, Geliebter A. Кофе, диабет и контроль веса. Am. J. Clin. Nutr. 2006;84(4):682–693. 17023692 [PubMed]
  • Грегор М.Ф., Хотамислиджил Г.С. Воспалительные механизмы при ожирении. Annu. Rev. Immunol. 2011; 29: 415-445. 21219177 [PubMed]
  • Гриффин WS Воспаление и нейродегенеративные заболевания. Am. J. Clin. Nutr. 2006;83(2):470S–474S. 16470015 [PubMed]
  • Gunstad J., Lhotsky A., Wendell CR, Ferrucci L., Zonderman AB Продольное исследование ожирения и когнитивной функции: результаты продольного исследования старения в Балтиморе. Neuroepidemiology. 2010;34(4):222–229. 20299802 [PubMed]
  • Gunstad J., Paul RH, Cohen RA, Tate DF, Gordon E. Ожирение связано с дефицитом памяти у молодых и средних взрослых. Есть. Вес. 2006;11(1):e15–e19. 16801734 [PubMed]
  • Gunstad J., Paul RH, Cohen RA, Tate DF, Spitznagel MB, Gordon E. Повышенный индекс массы тела связан с исполнительной дисфункцией у здоровых взрослых людей. Compr. Psychiatry. 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. Индекс массы тела и нейропсихологическая функция у здоровых детей и подростков. Аппетит. 2008;50(2–3):246–251. 17761359 [PubMed]
  • Irimia A., Chambers MC, Torgerson CM, Van Horn JD Циркулярное представление кортикальных сетей человека для предметной и связной визуализации уровня популяции. Neuroimage. 2012;60(2):1340–1351. 22305988 [PubMed]
  • Jang SH, Lim HW, Yeo SS Нейронная связность интраламинарных ядер таламуса в мозге человека: исследование трактографического тензора диффузии. Neurosci. Lett. 2014; 579: 140-144. 25058432 [PubMed]
  • Kahnt T., Heinzle J., Park SQ, Haynes JD Нейронный код ожидаемого вознаграждения в человеческой орбитофронтальной коре. Proc. Natl. Акад. Sci. СОЕДИНЕННЫЕ ШТАТЫ АМЕРИКИ. 2010;107(13):6010–6015. 20231475 [PubMed]
  • Кенни PJ Механизмы вознаграждения в ожирении: новые идеи и будущие направления. 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 Влияние приема сахарозы на мозговое и гипоталамическое внутренние колебания в постном и женщины с ожирением. Гастроэнтерологии. 2014;146(5):1212–1221. 24480616 [PubMed]
  • Kullmann S., Heni M., Veit R., Ketterer C., Schick F., Häring HU, Fritsche A., Preissl H. Тучный мозг: ассоциация индекса массы тела и чувствительности к инсулину с функциональной связностью состояния покоя. Hum. Мозг Мапп. 2012;33(5):1052–1061. 21520345 [PubMed]
  • Kurth F., Levitt JG, Phillips OR, Luders E., Woods RP, Mazziotta JC, Toga AW, Narr KL Отношения между серой вещью, индексом массы тела и окружностью талии у здоровых взрослых. Hum. Мозг Мапп. 2013;34(7):1737–1746. 22419507 [PubMed]
  • Lê Cao KA, Boitard S., Besse P. Sparse PLS дискриминантный анализ: биологически релевантный выбор функций и графические дисплеи для многоклассовых задач. BMC Биоинформатика. 2011; 12: 253. 21693065 [PubMed]
  • Lê Cao KA, González I., Déjean S. integrOmics: пакет R для распутывания отношений между двумя наборами данных omics. Биоинформатика. 2009;25(21):2855–2856. 19706745 [PubMed]
  • Lê Cao KA, Martin PG, Robert-Granié C., Besse P. Редкие канонические методы для интеграции биологических данных: применение к кросс-платформенному исследованию. BMC Биоинформатика. 2009; 10: 34. 19171069 [PubMed]
  • Lê Cao KA, Rossouw D., Robert-Granié C., Besse P. Редкая PLS для выбора переменных при интеграции данных омы. Стат. Appl. Жене. Mol. Biol. 2008, 7 (1): 35. 19049491 [PubMed]
  • Lê Cao KA, Rossouw D., Robert-Granié C., Besse P. Редкая PLS для выбора переменных при интеграции данных омы. Стат. Appl. Жене. Mol. Biol. 2008, 7 (1): 35. 19049491 [PubMed]
  • Loveman E., Frampton GK, Shepherd J., Picot J., Cooper K., Bryant J., Welch K., Clegg A. Клиническая эффективность и экономическая эффективность долгосрочных схем управления весом для взрослых: систематический обзор , Медицинский технолог. Оценка. 2011;15(2):1–182. 21247515 [PubMed]
  • Менон В., Уддин Л.А. Выделение, переключение, внимание и контроль: сетевая модель функции insula. Мозговая структура. Функцион. 2010;214(5–6):655–667. 20512370 [PubMed]
  • Mori S., Crain BJ, Chacko VP, van Zijl PC Трехмерное отслеживание аксонных выступов в мозге с помощью магнитно-резонансной томографии. Энн. Neurol. 1999;45(2):265–269. 9989633 [PubMed]
  • Morrow JD, Maren S., Robinson TE. Индивидуальное изменение склонности к атрибуту стимула к аппетитной подсказке предсказывает склонность приписывать мотивационную значимость к аверсивной реплике. Behav. Brain Res. 2011;220(1):238–243. 21316397 [PubMed]
  • Pannacciulli N., Del Parigi A., Chen K., Le DS, Reiman EM, Tataranni PA Мозговые аномалии в человеческом ожирении: морфометрическое исследование на вокселе. Neuroimage. 2006;31(4):1419–1425. 16545583 [PubMed]
  • Purnell JQ, Lahna DL, Samuels MH, Rooney WD, Hoffman WF Потеря следов белого и белого гипоталамуса в мозговом ожирении. 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 Структура мозга и ожирение. Hum. Мозг Мапп. 2010;31(3):353–364. 19662657 [PubMed]
  • Rothemund Y., Preuschhof C., Bohner G., Bauknecht HC, Klingebiel R., Flor H., Klapp BF Дифференциальная активация спинного полосатого тела высококалорийными визуальными пищевыми стимулами у лиц с ожирением. Neuroimage. 2007;37(2):410–421. 17566768 [PubMed]
  • Seeley WW, Menon V., Schatzberg AF, Keller J., Glover GH, Kenna H., Reiss AL, Greicius MD. Несоответствующие внутренние сети связи для обработки значимости и исполнительного контроля. 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. Несоответствующие внутренние сети связи для обработки значимости и исполнительного контроля. 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 Мини-международное нейропсихиатрическое интервью (MINI): разработка и проверка структурированной диагностики психиатрическое интервью для DSM-IV и ICD-10. J. Clin. Psychiatry. 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 Объем орбитофронтальной коры и ответ мозговой награды при ожирении. Int J Obes (Lond) 2014 25027223 [Бесплатная статья PMC] [PubMed]
  • Stanek KM, Grieve SM, Brickman AM, Korgaonkar MS, Paul RH, Cohen RA, Gunstad JJ Ожирение связано с уменьшением целостности белого вещества у здоровых взрослых людей. Ожирение (Серебряная весна) 2011;19(3):500–504. 21183934 [PubMed]
  • Stice E., Yokum S., Burger KS, Epstein LH, Small DM Молодежь, подверженная риску ожирения, демонстрирует более активную активацию полосатого и соматосенсорного регионов в пищу. J. Neurosci. 2011;31(12):4360–4366. 21430137 [PubMed]
  • Stoeckel LE, Weller RE, Cook EW, 3rd, Twieg DB, Knowlton RC, Cox JE. Широкая система активации вознаграждения у женщин с ожирением в ответ на фотографии высококалорийных продуктов. Neuroimage. 2008;41(2):636–647. 18413289 [PubMed]
  • Sullivan EV, Rohlfing T., Pfefferbaum A. Продольное исследование мозолистой микроструктуры в нормальном мозге взрослого взросления с использованием количественного отслеживания волокон DTI. Девиация Neuropsychol. 2010;35(3):233–256. 20446131 [PubMed]
  • Терранова Л., Бусетто Л., Вестри А., Заппа М. А. Бариатрическая хирургия: экономическая эффективность и влияние бюджета. 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. Нейробиология ожирения: отношения к наркомании. Neuropsychopharmacology. 2004; 29: S29-S30.
  • Volkow ND, Wang GJ, Baler RD Reward, допамин и контроль приема пищи: последствия для ожирения. Тенденции Cogn. Sci. 2011;15(1):37–46. 21109477 [PubMed]
  • Volkow ND, Wang GJ, Fowler JS, Telang F. Перекрывающиеся нейронные цепи при наркомании и ожирении: свидетельство системной патологии. Philos. Сделка R. Soc. Lond., B, Biol. Sci. 2008;363(1507):3191–3200. 18640912 [PubMed]
  • Ожирение Всемирной организации здравоохранения (ВОЗ). 2014. Я.
  • Xu J., Li Y., Lin H., Sinha R., Potenza MN Индекс массы тела отрицательно коррелирует с целостностью белого вещества в ловушке и корпускуле мозоли: исследование изображения тензора диффузии. Hum. Мозг Мапп. 2013;34(5):1044–1052. 22139809 [PubMed]
  • Yau PL, Javier DC, Ryan CM, Tsui WH, Ardekani BA, Ten S., Convit A. Предварительные данные об осложнениях головного мозга у тучных подростков с сахарным диабетом типа 2. Diabetologia. 2010;53(11):2298–2306. 20668831 [PubMed]
  • Yau PL, Kang EH, Javier DC, Convit A. Предварительные данные о когнитивных и мозговых нарушениях при неосложненном ожирении подростков. Ожирение (Серебряная весна) 2014;22(8):1865–1871. 24891029 [PubMed]
  • Zald DH Человеческая миндалина и эмоциональная оценка сенсорных раздражителей. Brain Res. Brain Res. Rev. 2003;41(1):88–123. 12505650 [PubMed]
  • Zigmond AS, Snaith RP Шкала тревожности и депрессии в больнице. Acta Psychiatr. Сканд. 1983;67(6):361–370. 6880820 [PubMed]