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

Перейти к:

Абстрактные

проверка данных

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 диффузионных тензорных изображений (DTI) (N = 60, избыточный вес N = 30) были получены от здоровых контрольных субъектов. Для всей выборки средний возраст для группы с избыточным весом (женщины = 32, мужчины = 31) составлял 28.77 года (SD = 9.76), а для группы с нормальным весом (женщины = 32, мужчины = 25) составлял 27.13 года (SD = 9.62). ). Региональная сегментация и парцелляция изображений головного мозга выполнялись с помощью Freesurfer. Детерминированная трактография была проведена для измерения нормализованной плотности волокон между областями. Подход многомерного анализа паттернов был использован, чтобы изучить, могут ли показатели мозга отличить людей с избыточным весом от людей с нормальным весом.

Итоги

1. Классификация белого вещества: алгоритм классификации, основанный на подписях 2 с региональными соединениями 17, достиг точности 97% при распознавании лиц с избыточным весом от людей с нормальным весом. Для обеих сигнатур головного мозга большее количество соединений, индексированных повышенной плотностью волокон, наблюдалось в избыточном весе по сравнению с нормальным весом между регионами наградной сети и регионами исполнительного контроля, эмоциональным возбуждением и соматосенсорными сетями. Напротив, была обнаружена противоположная картина (снижение плотности волокна) между вентромедиальной префронтальной корой и передней изоляцией, а также между регионами таламуса и исполнительного контроля. 2. Классификация серого вещества: алгоритм классификации, основанный на сигнатурах 2 с морфологическими признаками 42, достиг точности 69% при различении избыточного веса от нормального веса. В обеих подписях мозга области вознаграждения, сети, исполнительного контроля и эмоционального возбуждения были связаны с ниже морфологические значения у людей с избыточным весом по сравнению с индивидуумами с нормальным весом, тогда 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 и более чем в два раза больше взрослых имеют избыточный вес, что способствует увеличению таких заболеваний, как диабет, сердечно-сосудистые заболевания и рак, а также приводит к гибели хотя бы 2.8 миллионов человек каждый год (Всемирная организация здравоохранения (ВОЗ), 2014). Только в Америке до 34.9% взрослых страдают ожирением, а в два раза больше взрослых (65%) имеют избыточный вес или ожирение (Центр контроля заболеваний (CDC), 2014). Экономическое и медицинское бремя, связанное с избыточным весом и ожирением, продолжает увеличивать расходы на здравоохранение до $ 78.5 миллиардов (Finkelstein et al., 2009), а миллиарды долларов по-прежнему расходуются на неэффективные методы лечения и вмешательства (Loveman и др., 2011; Terranova et al., 2012). Несмотря на различные усилия, направленные на выявление основной патофизиологии избыточной массы тела 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

Общая выборка состояла из добровольцев здорового контроля 120 (HC), включенных в исследования нейровизуализации в Центре нейробиологии стресса между 2010 и 2014. Субъекты были набраны через рекламу, опубликованную в сообществе UCLA и Лос-Анджелесе. Все процедуры соответствуют принципам Хельсинкской декларации и были одобрены Институциональным советом по обзору в UCLA (номера утверждений 11-000069 и 12-001802). Все участники предоставили письменное информированное согласие. Все пациенты были классифицированы как здоровые после клинической оценки, которые включали модифицированное мини-международное нейропсихиатрическое интервью Plus 5.0 (Sheehan et al., 1998). Критерии исключения включали злоупотребление психоактивными веществами, беременность, табачную зависимость, абдоминальные операции, факторы риска сосудов, операции по снижению веса, чрезмерные физические нагрузки (более 1 часа каждый день и марафонцы) или психические заболевания. Несмотря на то, что это часто связано с повышенным ИМТ, пациенты с гипертонией, диабетом или метаболическим синдромом были исключены, чтобы снизить гетерогенность населения. Кроме того, по той же причине были исключены пациенты с расстройствами пищевого поведения, включая расстройства пищеварения или пищевые расстройства, такие как анорексия или нервная булимия. Несмотря на то, что ИМТ = 25–29.9 считается избыточным весом, в нашем исследовании он был определен как группа с высоким ИМТ. Субъекты с нормальным весом были набраны с ИМТ <25, и в нашем исследовании они были определены как группа с нормальным ИМТ. Из-за ограничений по весу при сканировании МРТ ни один субъект не весил более 400 фунтов.

2.2. Примеры характеристик

Подтвержденные вопросники были завершены до сканирования и использовались для измерения текущих симптомов тревоги и депрессии (больничная тревога и шкала депрессии (HAD)) (Зигмонд и Снайт, 1983). Шкала HAD представляет собой шкалу 14 для самооценки, которая оценивает текущие симптомы тревоги и депрессии у субъектов в начале исследования (Зигмонд и Снайт, 1983). Кроме того, субъекты ранее подвергались структурированному психиатрическому интервью (Mini International Neuropsychiatric Interview, MINI) для измерения прошлых или текущих психических заболеваний (Sheehan et al., 1998).

2.3. приобретение fMRI

2.3.1. Структурная (серая) МРТ

Предметы (N = 120, высокий ИМТ N = 63) были сканированы на 3.0 Tesla Siemens TRIO после использования сагиттального скаута для позиционирования головы. Структурное сканирование было получено из 4 различных последовательностей сбора данных с использованием протокола быстрого градиентного эхо-сигнала (MP-RAGE) с высоким разрешением 3-мерного T1-взвешенного, подготовленного сагиттальной намагниченностью, и детали сканирования: 1. Время повторения (TR) = 2200 мс, время эха (TE) = 3.26 мс, угол поворота (FA) = 9 мм3 размер вокселя. 2. TR = 2200 мс, TE = 3.26 мс, FA = 20, 1 мм3 размер вокселя. 3. TR = 20 мс, TE = 3 мс, FA = 25, 1 мм3 размер вокселя. 4. TR = 2300 мс, TE = 2.85 мс, FA = 9, 1 мм3 воксельный размер. Оценивали влияние протокола регистрации на различия в общем объеме серого вещества (TGMV). В частности, общая линейная модель (GLM) применялась для определения влияния протокола на TGMV, контролирующего возраст. Результаты показали, что все протоколы не были похожи друг на друга (F(3) = 6.333, p = 053).

2.3.2. Магнитно-резонансная томография

Подмножество исходного образца (N = 60, высокий ИМТ N = 30) прошли диффузионно-взвешенную МРТ (DWI) в соответствии с двумя сопоставимыми протоколами сбора данных. В частности, DWI были получены в 61 или 64 неколлинеарных направлениях с b = 1000 с / мм2, с 8 или 1 b = 0 с / мм2 изображения соответственно. Оба протокола имели TR = 9400 мс, TE = 83 мс и поле зрения (FOV) = 256 мм с матрицей сбора данных 128 × 128 и толщиной среза 2 мм для получения 2 × 2 × 2 мм.3 изотропные воксели.

2.4. обработка fMRI

2.4.1. Структурная (серая) сегментация и парсерация

Сегментацию T1-изображения и региональную парселяцию проводили с использованием FreeSurfer (Dale и др., 1999; Fischl и др., 1999, 2002), следуя номенклатуре, описанной в Destrieux et al. (2010), Для каждого церебрального полушария в дополнение к подкорковым структурам 74 и мозжечку был помещен набор двухкорневых структур 7. Результаты сегментации от субъекта выборки показаны в Рис 2A. Была также включена дополнительная структура средней линии (мозговой шток, который включает части среднего мозга, такие как брюшная тегментальная область [VTA] и субстанция нигр), для полного набора парсекаций 165 для всего мозга. Для каждой корковой парсерации были рассчитаны 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 лаборатории Neuroimaging (LONI) Pipeline (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 для движения и использованы для вычисления тензоров диффузии, которые были реориентированы с ориентацией на каждом вокселе. Изображения тензора диффузии были перестроены на основе трилинейной интерполяции логарифмированных тензоров, как описано в Chiang et al. (Chiang et al., 2011) и преобразован в изотропное разрешение вокселей (2 × 2 × 2 мм3). Рабочие процессы обработки данных были созданы с использованием конвейера LONI.

Связь белого вещества для каждого субъекта оценивалась между областями мозга 165, идентифицированными на структурных изображениях (2B) с использованием волоконной трактографии DTI. Трактография выполнялась с помощью алгоритма Fiber Assignment by Continuous Tracking (FACT) (Mori et al., 1999), используя TrackVis (http://trackvis.org) (Irimia и др., 2012). Окончательная оценка связности белого вещества между каждой из областей мозга определялась на основе количества волоконных путей, пересекающих каждую область, нормированных общим числом волоконных путей во всем мозге. Эта информация затем использовалась для последующей классификации.

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

Чтобы определить, могут ли маркеры мозга использоваться для прогнозирования высокого состояния ИМТ (избыточный вес по сравнению с нормальным весом), мы использовали sPLS-DA. sPLS-DA - это форма редкой регрессии PLS, но переменная ответа категорична, указывая на членство в группе (Lê Cao, 2008a; Lê Cao et al., 2009b, 2011). Было показано, что sPLS-DA особенно эффективен при большом числе предикторов, небольшом размере выборки и высокой колинейности среди предикторов (Lê Cao, 2008a; Lê Cao et al., 2009b, 2011). sPLS максимизирует выборочную ковариацию между измерениями мозга и групповым разным контрастом. sPLS одновременно выполняет выбор и классификацию переменных с использованием лассо-штрафов (Lê Cao и др., 2009a). sPLS-DA работает с контролируемой структурой, формируя линейные комбинации предикторов на основе членства в классе. sPLS-DA уменьшает размерность данных путем нахождения набора ортогональных компонентов, каждый из которых состоит из выбранного набора признаков или переменных. Компоненты называются сигналами мозга. Каждая переменная, содержащая сигнатуру мозга, имеет связанную «нагрузку», которая является мерой относительной важности переменных для дискриминации в две группы (Lê Cao et al., 2008b). Кроме того, для оценки важности каждой переменной, используемой в модели PLS, были рассчитаны оценки Variable Valential in Projection (VIP). VIP-оценка - это взвешенная сумма нагрузок, которая учитывает объясненную дисперсию каждой подписи. Усредненный квадрат VIP-баллов равен 1. Предсказатели с VIP-коэффициентами, превышающими один, считаются особенно важными для классификации (Lê Cao et al., 2008b).

2.5.1. Разработка прогнозной модели

Количество сигнатур мозга для каждого анализа фиксировалось при двух (Lê Cao et al., 2008b). анализ стабильности был использован для определения оптимального количества областей мозга для каждой сигнатуры мозга (Lê Cao и др., 2011). Во-первых, sPLS-DA применяется для разных переменных, 5-200, для каждой из двух сигнатур мозга. Для каждой спецификации количества выбранных переменных выполняется повторная перекрестная проверка 10-повторов 100 раз. Эта процедура перекрестной проверки делит данные обучения на складки 10 или подвыборки данных (n = 12 наборов тестов). Одна подвыборка выделяется как тестовые данные, а остальные подвыборки используются для обучения модели. Стабильность переменных определяется путем подсчета количества раз, когда конкретная переменная выбирается во всех прогонах перекрестной проверки. Для разработки окончательной модели использовались только переменные мозга со стабильностью более 80%.

2.6. Статистический анализ

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

sPLS-DA выполняли с использованием пакета R mixOmics (http://www.R-project.org). Мы изучили интеллектуальную способность морфометрии мозга и анатомическую связь DTI отдельно. В дополнение к региональной морфометрии мозга или региональной анатомической связности, возраста и общего GMV были включены в качестве возможных предикторов. Для получения морфологических данных в модель были введены измерения GMV, SA, CT и MC. Для получения данных анатомической связности DTI субъектно-зависимые матрицы, индексирующие относительную плотность волокон между областями 165, были преобразованы в размерные матрицы 1, содержащие уникальные связности 13,530 (верхний треугольник от исходной матрицы). Затем эти матрицы были объединены по предметам и вошли в sPLS-DA. В качестве начального шага сокращения данных были отключены предсказатели с отклонениями от нуля, и это привело к остающимся соединениям 369. Подписи мозга были обобщены с использованием переменных нагрузок по индивидуальным размерам и коэффициентам VIP. Мы также используем графические дисплеи для иллюстрации дискриминационных способностей алгоритмов (Lê Cao и др., 2011). Прогностическая способность конечных моделей оценивалась с использованием перекрестной валидации. Мы также рассчитали двоичные меры классификации: чувствительность, специфичность, положительное прогностическое значение (PPV) и отрицательное предсказательное значение (NPV). Здесь чувствительность указывает способность алгоритма классификации правильно идентифицировать людей с избыточным весом. Специфичность отражает способность алгоритма классификации правильно идентифицировать людей с нормальным весом. PPV отражает долю выборки, показывающую конкретную избыточную массу подписи мозга из алгоритма классификации, и которые на самом деле имеют избыточный вес (истинный положительный результат). С другой стороны, NPV является вероятностью того, что если результат теста отрицательный, то есть у участника нет точной подписи мозга (истинный отрицательный результат).

2.6.2. Примеры характеристик

Статистический анализ проводился с использованием Статистического пакета для программного обеспечения социальных наук (SPSS) (версия 19). Групповые различия в оценках поведенческих показателей оценивались с помощью анализа дисперсии (ANOVA). Значение было рассмотрено на p <05 без исправлений.

3.0. Результаты

3.1. Примеры характеристик

Общая выборка (N = 120) включали 63 человека с избыточным весом (женщины = 32, мужчины = 31), средний возраст = 28.77 лет, SD = 9.76, и 57 человек с нормальным весом (женщины = 32, мужчины = 25), средний возраст = 27.13 года, SD = 9.62. Хотя группа с избыточным весом, как правило, имела более высокий уровень тревожности и депрессии, значительных групповых различий не было (F = 642, p = 425; F = 001, p = 980). Клинические характеристики образца приведены в Таблица 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 мозга с белком, чтобы отличить людей с избыточным весом от людей с нормальным весом. Рис 3A изображает индивидов из образца, представленного в связи с двумя сигналами мозга, и изображает дискриминационные способности классификатора белого вещества. Были рассчитаны двоичные классификационные показатели и указана чувствительность 97%, специфичность 87%, PPV 88% и NPV 96%. Таблица 2 содержит список устойчивых соединений белого вещества, содержащих каждую дискриминационную подпись мозга, а также переменные нагрузки 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 мозга (объем серого вещества, площадь поверхности, толщину коры и среднюю кривизну) для выявления людей с избыточным весом у людей с нормальным весом. Рис 3B изображает индивидуумов из образца, представленного в связи с двумя сигналами мозга, и изображает дискриминационные способности морфометрического классификатора. Были рассчитаны двоичные классификационные показатели и указана чувствительность 69%, специфичность 63%, PPV 66% и NPV 66%. Таблица 3 содержит список морфометрических мер, включающих каждую дискриминацию, а также переменные нагрузки и VIP-коэффициенты.

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 VIP-коэффициентов, переменные, вносящие наибольшую дисперсию в подпись, включали области награды (субрегионы орбитальной лобной извилины), значимость (передняя изоляция), исполнительный контроль (дорсальная боковая префронтальная кора), эмоциональное возбуждение (вентромедиальная префронтальная кора ) и соматосенсорной (предцентральная сулька, супрамагинальная извилина, субцентричная борозда, верхняя лобная борозда). Высокие VIP-коэффициенты также наблюдались для превосходной лобной извилины и борозды, превосходной височной извилины, поперечных фронтополярных гири и передней поперечной височной извилины. Регионы вознаграждения, значимости, исполнительного контроля и сетей эмоционального возбуждения были связаны с ниже значения у людей с избыточным весом по сравнению с индивидуумами с нормальным весом. Кроме того, люди с избыточным весом по сравнению с людьми с нормальным весом имели большой значения в областях соматосенсорной сети. Морфометрия лобной и височной областей (верхняя временная извилина и передняя поперечная височная извилина) также были связаны с ниже значения у людей с избыточным весом по сравнению с индивидуумами 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 людей с избыточным весом по сравнению с людьми с обычным весом, ниже значения для морфометрии в системе вознаграждения, значимости, исполнительного контроля и эмоционального возбуждения, но высший были указаны 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 этом исследовании алгоритм классификации, состоящий из двух сигнатур мозга, отражающих различные закономерности связности в регионе, показал заметную способность различать людей с избыточным весом и людей с нормальным весом. Большинство исследований DTI у лиц с высоким ИМТ (Shott et al., 2014; Stanek и др., 2011; Xu и др., 2013; Yau et al., 2010, 2014) были сосредоточены на изучении различий в характеристиках диффузии белого вещества, включая фракционную анизотропию и среднюю диффузию (которая измеряет целостность белковых веществ) или очевидные коэффициенты диффузии (который измеряет диффузию воды на дорожках и отражает повреждение клеток). Все эти меры могут предоставить информацию о локализованных изменениях микроструктуры белого вещества. В настоящем исследовании мы сосредоточили внимание на показателях DTI плотности волоконного тракта в качестве меры оценки относительной связи между областями мозга и сетями. Таким образом, в то время как в других исследованиях локализованные 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

Первая подпись мозга в основном заключалась в связях между наградой, значимостью, исполнительным контролем, эмоциональным возбуждением и сенсорными сетями. Были также таламические связи с регионами сети исполнительного контроля и с затылочной областью. В соответствии с нашим нахождением уменьшенных соединений из вентромедиальной префронтальной коры к передней оболочке, наблюдаемой в группе с избыточным весом, по сравнению с нормальной весовой группой, снижалась целостность белковых веществ (уменьшенная фракционная анизотропия) во внешней капсуле (которая содержит волокна, которые соединяются кортикальные области в другие области коры через короткие волокна ассоциации) сообщалось при ожирении по сравнению с контролем (Shott et al., 2014). Кроме того, при ожирении по сравнению с контролем, кажущийся коэффициент диффузии (диффузия воды, отражающий повреждение клеток) был выше в сагиттальной страте (которая известна для передачи информации из теменной кости, затылочной, поясничной и височной областей в таламус) и может быть последовательной с нашими наблюдениями за более низкой связностью между правым таламусом и правой средней затылочной извилиной для лиц с избыточным весом по сравнению с людьми с нормальным весом (Shott et al., 2014). Шотт и его коллеги (Shott et al., 2014) также определили более высокие очевидные коэффициенты диффузии (отражающие возможное повреждение клеток) в группе страдающих ожирением в лучевой коронке, что, по-видимому, дополняет наши выводы о более низкой относительной плотности волокон между глубокими структурами серого вещества (такими как таламус) и кортикальными областями (дорсальные латеральной префронтальной коры) у людей с избыточным весом по сравнению с людьми с нормальным весом. Измененные таламические связи могут мешать роли таламуса в облегчении передачи периферической сенсорной информации к коре (Jang et al., 2014).

В отдельном исследовании, сравнивающем неосложненные подростковые тучные и нормальные личинки, также была обнаружена уменьшенная фракционная анизотропия у тучных подростков в таких областях, как внешняя капсула, внутренняя капсула (которая в основном несет восходящие и нисходящие кортикоспальные пути), а также некоторые временные волокна и оптическое излучение (Yau et al., 2014). Недавнее исследование также показало потерю связей нервных волокон с DTI между мозговым стволом и гипоталамусом у человека с каверномой ствола мозга, которая после хирургического дренажа имела резкое увеличение веса, что может указывать на то, что эти нервные волокна участвуют в регуляции как потребления пищи, так и веса (Purnell и др., 2014). Однако мы не выявили различий в связности с гипоталамусом, что частично может быть связано с ограничениями на парсерацию, основанными на конкретных атласах, используемых в текущем исследовании.

4.1.2. Атомная подпись на основе анатомической связи 2

Вторая ортогональная подпись состояла только из трех анатомических связей в сетях вознаграждения и эмоционального возбуждения. Идентификация измененных соединений внутри регионов, включающих наградную сеть и регионы в сетях, с которыми она взаимодействует в текущем исследовании, ранее не сообщалась. Однако эти изменения можно ожидать на основе последних морфологических исследований, которые наблюдали изменения серого вещества в регионах расширенной сети вознаграждений (Kenny, 2011; Kurth et al., 2013; Raji et al., 2010; Volkow и др., 2008). Вместе с тем наши результаты, как представляется, демонстрируют широкомасштабные изменения в связности белого вещества для регионов, которые составляют наградную сеть и связанные с ней сети.

В то время как в других исследованиях было обнаружено снижение целостности волокон, как измерено сниженной фракционной анизотропией в областях мозолистого тела и сундука (которые являются частью ресницы и несут информацию от гиппокампа до гипоталамуса) с увеличением ИМТ (Stanek и др., 2011; Xu и др., 2013); текущее исследование не выявило значительных изменений в межполушарной связности в рамках двух сигнатур мозга с анатомической связностью. Исключением было то, что была связь между левой парацентральной долькой и правой субпаритетной бороздой в сигнатуре мозга 1 и связью между правым putamen и левым извилиной прямой мышью в сигнале мозга 2. Мы выдвигаем гипотезу, что эффект, наблюдаемый в этих предыдущих исследованиях, может быть вызван системной деградацией белого вещества вместо изменений в связях между конкретными областями мозга, подобно изменениям, которые происходят при нормальном старении (Sullivan et al., 2010). В то время как авторы этих предыдущих исследований предположили, что различия в фракционной анизотропии во внешней капсуле субъектов с высоким ИМТ могут коррелировать с соединениями гиппокампа и миндалины, мы не наблюдали значительных изменений в связности в этих структурах. Для подтверждения этих наблюдений требуется более подробный анализ и более тонкая парселяция этих областей мозга.

4.2. Морфометрические сигнатуры мозга головного мозга, связанные с ИМТ

Морфометрический анализ серого вещества с использованием двух отдельных профилей позволил правильно идентифицировать избыточный вес у людей с нормальным весом с чувствительностью 69% и спецификой 63%. Эти результаты согласуются с предыдущими сообщениями о глобальном и региональном сокращении объема серого вещества в конкретных 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 данные свидетельствуют о умеренной способности различать две группы ИМТ.

4.2.1. Морфологическая подпись мозга 1

В нашем исследовании первая подпись головного мозга показала более низкие значения различных морфометрических показателей (включая субрегионы орбитальной лобной извилины, передней оболочки) в областях награды, значимости и сетей исполнительного контроля в группе с избыточным весом по сравнению с нормальной весовой группой. Кроме того, наблюдались морфометрические значения более низких значений для тормозных областей (дорсальная латеральная и вентромедиальная префронтальная кора), связанные с сетью эмоционального возбуждения, но более высокая морфометрия для соматосенсорной сети (предцентральная борозда, надмаргинальная извилина, субцентричная борозда и верхняя лобная борозда), включая временную регионы с избыточным весом по сравнению с людьми с нормальным весом. В этом исследовании мы обнаружили значительное сокращение морфологических измерений (объем серого вещества и толщина коры) орбитальной фронтальной извилины. Орбитальная лобная извилина является важным регионом в рамках сети вознаграждений, которая играет роль в оценочной обработке и в руководстве будущего поведения и решений, основанных на ожидании кодирования, связанного с вознаграждением (Kahnt et al., 2010). Недавнее исследование, анализирующее структуру серого и белого вещества, показало, что люди с ожирением уменьшали значения для различных регионов в рамках сети вознаграждения, включая орбитальную фронтальную извилину (Shott et al., 2014).

4.2.2. Морфологическая подпись мозга 2

По сравнению с сигнатурой мозга 1, морфологические измерения, наблюдаемые в регионах соматических и эмоциональных сетей возбуждения, объясняли большую часть дисперсии, в то время как районы рекламных сетей не влияли. Уменьшенные измерения серого вещества наблюдались в регионах соматического, исполнительного контроля и сети эмоционального возбуждения. Эти области (передняя оболочка, теменная задняя кора, парарпопампальная извилина, субрегионы передней коры головного мозга) часто ассоциируются с повышенной вызванной деятельностью мозга при воздействии пищевых сигналов (Brooks и др., 2013; Гринберг и др., 2006; Rothemund et al., 2007; Shott et al., 2014; Stoeckel et al., 2008), а также степень личной значимости стимулов (Critchley et al., 2011; Seeley et al., 2007a). В текущем исследовании снижение серого вещества наблюдалось также в ключевых областях соматосенсорной сети (задняя оболочка, парацентральная долька). Несмотря на то, что точная роль этой сети в избыточном весе и ожирении неизвестна, было показано, что она участвует в осознании ощущений организма, и недавнее исследование показало, что повышенная соматосенсорная сетевая активность в ответ на пищевые сигналы у людей с ожирением может привести к переедание (Stice и др., 2011). В этом исследовании особое внимание уделялось морфологическим измерениям и анатомическим связям между областями мозга в расширенной сети вознаграждений и соматосенсорной сети, и предполагает, что эти структурные показатели мозга могут влиять на нейронную обработку, связанную с результатами функциональных исследований, найденных в литературе. Корреляции с поведенческими и экологическими факторами также дают дальнейшее понимание взаимосвязи между структурными и функциональными результатами, которые должны быть проверены в будущих исследованиях.

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

Полученные данные об изменениях плотности волокон между различными сетями головного мозга в расширенной сети вознаграждений подтверждают гипотезу о том, что увеличение ИМТ приводит к нарушению анатомической связи между конкретными регионами мозга. Эти анатомические изменения могут означать неэффективную или неэффективную связь между ключевыми регионами сети вознаграждения и связанных с ней сетей. Подобно нескольким недавним сообщениям, которые обнаружили изменения избыточного веса и ожирения в объеме серого вещества (Debette et al., 2010; Kurth et al., 2013; Pannacciulli et al., 2006; Raji et al., 2010), мы также смогли найти аналогичные морфологические различия в избыточном весе по сравнению с людьми с нормальным весом. В настоящем исследовании мы распространили эти наблюдения, чтобы исследовать связь между избыточным весом и анатомической связностью мозга, и применили sPLS-DA к морфометрическим данным мозга, чтобы различать пациентов с избыточным весом и нормальным весом. Недавнее кросс-секционное исследование с использованием бинарной логистической регрессии позволяет предположить, что сочетание структурных изменений боковой лобной извилины в поперечном направлении, измеренное по объему серого вещества и уровням воспалительного маркера (фибриногена) в крови, способно прогнозировать ожирение в небольшом образец предметов с нормальным весом 19 и пациентов с избыточным весом / ожирением 44; с высокой чувствительностью (95.5%), но с низкой специфичностью (31.6%) (Cazettes et al., 2011). Наше исследование отличается от этого отчета в нескольких аспектах, включая больший размер выборки; использование подхода с перекрестной проверкой во избежание выборочного конкретного решения, исключение субъектов с гипертонией / сахарным диабетом для устранения возможного путаницы и включение как объема серого вещества, так и плотности волоконного тракта для прогнозирования состояния избыточного веса.

4.4. Недостатки

Несмотря на то, что мы обнаружили существенные различия между людьми с нормальным весом и избыточным весом в плотности волокон, мы не можем экстраполировать эти анатомические данные на различия в функциональности (состоянии покоя). Такие результаты функциональной связности позволят обнаружить различия в синхронизации активности мозга в областях, которые непосредственно не связаны с белыми веществами. Хотя мы реплицировали ранее сообщенные данные об анатомической связности и морфологических различиях между избыточным весом / ожирением и нормальным ИМТ (Kurth et al., 2013; Raji et al., 2010), мы не наблюдали изменений в важных подкорковых областях гипоталамуса, миндалины и гиппокампа. Возможно, что этот отказ, возможно, был обусловлен ограничениями автоматических алгоритмов парсерации, используемых в этом исследовании, или из-за анализа, ограниченного избыточным весом людей и людей с ожирением. Для будущих исследований понадобились бы более крупные образцы, чтобы сравнить людей с ожирением, избыточным весом и нормальным весом, а также для проведения анализов подгрупп по признаку пола и расы. Из-за нашей относительно небольшой выборки мы использовали строгую внутреннюю процедуру проверки, однако необходимо проверить точность прогнозирования этого классификатора в независимом наборе данных (Bray и др., 2009). В будущих исследованиях следует рассмотреть вопрос об ассоциации этих нейровизуальных различий с конкретными предпочтениями в еде, предпочтениями в еде и информацией о диете, чтобы интерпретировать контекст и значение этих результатов. Поскольку состояние ожирения и избыточного веса часто ассоциируется с сопутствующими заболеваниями, такими как гипертония, диабет и метаболический синдром, будущие анализы должны исследовать эффект модерации и корреляции этих факторов по алгоритму классификации.

4.5. Резюме и выводы

Таким образом, наши результаты подтверждают гипотезу о том, что избыточный вес связан с измененной связностью (в виде плотности волокна) между конкретными областями в головном мозге, что может означать неэффективную или неэффективную связь между этими регионами. В частности, снижение связности префронтальных тормозных областей мозга с помощью схемы вознаграждения согласуется с преобладанием гедонических механизмов в регулировании приема пищи (Gunstad и др., 2006, 2007, 2008, 2010). Механизмы, лежащие в основе этих структурных изменений, плохо изучены, но могут включать нейровоспалительные и нейропластические процессы (Cazettes et al., 2011), связанный с низким уровнем воспалительного состояния, зарегистрированным у людей с избыточным весом и ожирением (Cazettes et al., 2011; Cox et al., 2014; Das, 2010; Грегор и Хотамислигил, 2011; Гриффин, 2006). Подходы, основанные на данных, для определения изменений серого и белого вещества в избыточном весе / ожирении являются перспективными инструментами для выявления центральных коррелятов увеличения ИМТ и могут идентифицировать нейробиологические биомаркеры для 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.

Рекомендации

  • 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]