Vzorci možganske strukturne povezanosti razlikujejo normalno težo od prekomerne telesne mase (2015)

Pojdi na:

Minimalizem

Ozadje

Spremembe hedonske komponente zaužitnega vedenja so vključene kot možni dejavnik tveganja v patofiziologiji prekomerne teže in debelih posameznikov. Dokazi, ki jih prinašajo posamezniki, z naraščajočim indeksom telesne mase kažejo na strukturne, funkcionalne in nevrokemične spremembe v razširjeni mreži nagrad in z njimi povezanih omrežjih.

Namen

Za uporabo multivariatne analize vzorcev za razlikovanje oseb z normalno težo in prekomerno težo na podlagi meritev sive in bele snovi.

Metode

Strukturne slike (N = 120, prekomerna teža N = 63) in difuzno tenzorske slike (DTI) (N = 60, prekomerna teža N = 30) so bili pridobljeni od zdravih kontrolnih oseb. Za skupni vzorec je bila povprečna starost za skupino s prekomerno telesno težo (ženske = 32, moški = 31) 28.77 leta (SD = 9.76), za skupino z normalno težo (ženske = 32, moški = 25) pa 27.13 leta (SD = 9.62 ). Regionalna segmentacija in parcelacija možganskih slik je bila izvedena s pomočjo Freesurferja. Za merjenje normalizirane gostote vlaken med regijami je bila izvedena deterministična traktografija. Pristop multivariatne analize vzorcev je bil uporabljen za preučitev, ali lahko možganski ukrepi ločijo osebe s prekomerno telesno težo od normalne teže.

Rezultati

1. Klasifikacija bele snovi: Algoritem za razvrščanje, ki temelji na podpisih 2 z regionalnimi povezavami 17, je dosegel 97% natančnost pri razlikovanju posameznikov s prekomerno težo od posameznikov z normalno težo. Pri obeh možganskih podpisih so opazili večjo povezanost, indeksirano s povečano gostoto vlaken, pri prekomerni teži v primerjavi z normalno težo med regijami mreže nagrajevanja in regijami izvršnega nadzora, čustvenega vzburjenja in somatosenzornih mrež. Nasprotno pa smo med ventromedialno predfrontalno skorjo in prednjo izolacijo ter med talamusom in regijami izvajalskega nadzornega omrežja našli nasprotni vzorec (zmanjšana gostota vlaken). 2. Klasifikacija sive snovi: Algoritem za razvrščanje, ki temelji na 2 podpisih z morfološkimi značilnostmi 42, je dosegel 69% natančnost pri razlikovanju odvečne teže od običajne teže. V obeh možganskih podpisih so bila povezana področja nagrajevanja, strpnosti, izvajalskega nadzora in čustvenega vzburjenja nižje morfološke vrednosti pri posameznikih s prekomerno telesno težo v primerjavi s posamezniki z normalno telesno težo, medtem ko je bil za regije somatosenzorne mreže opažen nasprotni vzorec.

Sklepi

1. Povišan indeks telesne mase (tj. Oseb s prekomerno telesno težo) je povezan z izrazitimi spremembami možganov v sivi snovi in ​​vlakninami. 2. Algoritmi za razvrstitev, ki temeljijo na povezljivosti bele snovi, ki vključujejo regije nagrajevanja in z njimi povezane mreže, lahko določijo posebne cilje mehaničnih študij in prihodnjega razvoja zdravil, usmerjenih v nenormalno vedenje in prekomerno telesno težo / debelost.

ključne besede: Debelost, prekomerna teža, morfološka siva snov, anatomska povezanost bele snovi, nagrajevalna mreža, multivariatna analiza, algoritem za razvrstitev
Okrajšave: HC, zdrav nadzor; BMI, indeks telesne mase; HAD, bolnišnična tesnoba in depresija; TR, čas ponovitve; TE, odmevni čas; FA, kot obrnjene strani; GLM, splošni linearni model; DWI, difuzijsko tehtane MRI; FOV, vidno polje; GMV, volumen sive snovi; SA, površina; CT, kortikalna debelina; MC, povprečna ukrivljenost; DTI, difuzijsko tenzorsko slikanje; FACT, dodelitev vlaken z neprekinjenim sledenjem; SPSS, statistični paket za družbene vede; ANOVA, analiza variance; FDR, stopnja lažnega odkrivanja; sPLS-DA, redki delni najmanjši kvadratki za razlikovanje Analiza; VIP, spremenljiv pomen pri projekciji; PPV, pozitivna napovedna vrednost; NPV, negativna napovedna vrednost; VTA, ventralno tegmentalno območje; OFG, orbitofrontalni gyrus; PPC, zadnja parietalna skorja; dlPFC, dorsolateralna prefrontalna skorja; vmPFC, ventromedialna prefrontalna skorja; aMCC, sprednja srednja cingulatna skorja; sgACC, subgenualna anteriorna cingulatna skorja; ACC, sprednja cingulatna skorja

1.0. Uvod

Svetovna zdravstvena organizacija ocenjuje, da je skoraj pol milijarde odraslih debelih in več kot dvakrat več odraslih je prekomerno telesno težo, kar prispeva k povečanju bolezni, kot so sladkorna bolezen, srčno-žilne bolezni in rak ter vodi v smrt vsaj 2.8 milijonov posameznikov vsako leto (Svetovna zdravstvena organizacija (WHO), 2014). Samo v Ameriki je do 34.9% odraslih debelih in dvakrat več odraslih (65%) je prekomerno telesno težo ali debelo (Center za nadzor bolezni (CDC), 2014). Gospodarska in zdravstvena obremenitev zaradi prekomerne telesne teže in debelosti še naprej zvišuje stroške zdravstvenega varstva do višine $ 78.5 milijard (Finkelstein et al., 2009), milijarde dolarjev pa se še naprej porabijo za neučinkovito zdravljenje in posege (Loveman in sod., 2011; Terranova in sod., 2012). Kljub različnim naporom, usmerjenim k prepoznavanju osnovne patofiziologije prekomerne teže in debelosti, trenutno razumevanje ostaja nezadostno.

Tako okoljski kot genetski dejavniki igrajo vlogo pri razvoju prekomerne telesne teže in debelosti (Calton in Vaisse, 2009; Choquet in Meyre, 2011; Dubois in sod., 2012; El-Sayed Moustafa in Froguel, 2013). Nedavne študije nevro-slikanja so pokazale, da je višji indeks telesne mase (ITM) povezan s spremembami v funkcionalnosti (naloge in stanje mirovanja) (Connolly in sod., 2013; Garcia-Garcia in sod., 2013; Kilpatrick et al., 2014; Kullmann in sod., 2012), morfometrija sive snovi (Kurth in sod., 2013; Raji in sod., 2010) in lastnosti bele snovi (Shott in sod., 2014; Stanek in sod., 2011), kar kaže na možno vlogo možganov v patofiziologiji prekomerne teže in debelosti (Das, 2010). Te študije večinoma implicirajo regije mreže nagrad (Kenny, 2011; Volkow et al., 2004; Volkow et al., 2008; Volkow et al., 2011), in tri tesno povezane mreže, povezane s salience (Garcia-Garcia in sod., 2013; Morrow et al., 2011; Seeley in sod., 2007a), izvršni nadzor (Seeley in sod., 2007b) in čustveno vzburjenje (Menon in Uddin, 2010; Zald, 2003) (Slika 1).

Slika 1 

Regije mreže nagrad in z njimi povezana omrežja. 1. Nagradna mreža: hipotalamus, orbitofrontalna skorja (OFC), nukleus accumbens, putamen, ventralno-tegmentalno območje (VTA), substantia nigra, srednji možganski predel (kaudata, pallidum, hipokampus). 2. Salience ...

Trenutna študija je želela preizkusiti splošno hipotezo, da se med posameznimi regijami teh mrež med posamezniki s prekomerno telesno težo razlikujejo osebe z normalno težo, za testiranje pa smo uporabili obsežne najsodobnejše obdelave, vizualizacijo in multivariatno analizo vzorcev. ta hipoteza. Razpoložljivost učinkovitejših in računalniško intenzivnejših cevovodov za obdelavo podatkov in statističnih algoritmov omogoča širšo morfološko in anatomsko karakterizacijo možganov pri posameznikih s povišanimi ITM v primerjavi s posamezniki z normalno težo. Multivariatna analiza razvrščanja vzorcev zagotavlja sredstva za pregled porazdeljenega vzorca regij, ki diskriminirajo prekomerno težo v primerjavi s posamezniki z normalno težo.

V tej študiji je uporabljen nadzorovan algoritem učenja za ukrepe regionalne možganske geometrije in gostote vlaknin iz bele snovi (merilo povezanosti med določenimi možganskimi regijami) za preizkušanje hipoteze, da je status prekomerne teže povezan z različnimi vzorci ali možganskimi podpisi, ki obsegajo regije mreže za nagrado, vedrino, izvršni nadzor in čustveno vzburjenje. Rezultati kažejo, da se lahko za razlikovanje od prekomerne teže v primerjavi s posamezniki z normalno težo uporablja regionalna povezanost in manj možganska geometrija. Rezultati zagotavljajo algoritem predvidevanja, ki temelji na multimodalnem slikanju možganov in določajo posebne cilje za nadaljnje mehanske preiskave.

2.0. Metode

2.1. Udeleženci

Skupni vzorec je bil sestavljen iz desničarjev z zdravim nadzorom 120 z desnico, vpisanih v študije nevro-slikanja v Centru za nevrobiologijo stresa med 2010 in 2014. Predmeti so bili rekrutirani z oglasi, objavljenimi v skupnosti UCLA in Los Angeles. Vsi postopki so bili v skladu z načeli Helsinške deklaracije in jih je odobril institucionalni revizijski odbor pri UCLA (številki odobritev 11-000069 in 12-001802). Vsi subjekti so dali pisno informirano privolitev. Vsi preiskovanci so bili razvrščeni kot zdravi po klinični oceni, ki je vključevala spremenjen Mini-mednarodni nevropsihiatrični intervju Plus 5.0 (Sheehan et al., 1998). Merila za izključitev so vključevala zlorabo substanc, nosečnost, odvisnost od tobaka, operacijo trebuha, žilne dejavnike tveganja, operacijo izgube teže, pretirano gibanje (več kot 1 h vsak dan in maratonci) ali psihiatrične bolezni. Čeprav so bili pogosto povezani s povečanim ITM, so bili preiskovanci s hipertenzijo, diabetesom ali presnovnim sindromom izključeni, da bi zmanjšali heterogenost populacije. Iz istega razloga so bili izključeni tudi subjekti z motnjami hranjenja, vključno s prebavnimi ali prehranjevalnimi motnjami, kot sta anoreksija ali bulimija. Čeprav se ITM = 25–29.9 šteje za prekomerno telesno težo, je bil v naši študiji opredeljen kot skupina z visokim ITM. Preiskovanci z normalno težo so bili zaposleni pri ITM <25 in v naši študiji so bili opredeljeni kot normalna skupina ITM. Noben preiskovanec ni presegel 400 lb zaradi omejitev teže MRI skeniranja.

2.2. Značilnosti vzorca

Preverjeni vprašalniki so bili izpolnjeni pred skeniranjem in so bili uporabljeni za merjenje trenutnih simptomov tesnobe in depresije (bolnišnična lestvica anksioznosti in depresije (HAD)) (Zigmond in Snaith, 1983). Lestvica HAD je lestvica s samostojno oceno 14, ki ocenjuje trenutne simptome tesnobe in depresije pri osebah na začetku (Zigmond in Snaith, 1983). Poleg tega so preiskovanci predhodno opravili strukturiran psihiatrični intervju (Mini International Neuropsychiatric Intervju, MINI) za merjenje pretekle ali sedanje psihične bolezni (Sheehan et al., 1998).

2.3. pridobitev fMRI

2.3.1. Strukturni (sive snovi) MRI

Predmeti (N = 120, visok ITM N = 63) so bili skenirani na 3.0 Tesla Siemens TRIO po uporabi sagitalnega skavta za postavitev glave. Strukturni pregledi so bili pridobljeni iz 4 različnih zaporedja zajemanja z uporabo 3-dimenzionalnega T1-uteženega, sagitalno magnetizirano pripravljenega protokola hitrega gradientnega odmeva (MP-RAGE), prirejenega s T1, in podrobnosti skeniranja so: 2200. Čas ponovitve (TR) = 3.26 ms, čas odmeva (TE) = 9 ms, kot odklona (FA) = 1, XNUMX mm3 velikost voxela. 2. TR = 2200 ms, TE = 3.26 ms, FA = 20, 1 mm3 velikost voxela. 3. TR = 20 ms, TE = 3 ms, FA = 25, 1 mm3 velikost voxela. 4. TR = 2300 ms, TE = 2.85 ms, FA = 9, 1 mm3 velikost voxlov. Ocenjen je bil vpliv protokola pridobivanja na razlike v skupni količini sive snovi (TGMV). Splošno linearni model (GLM) je bil uporabljen za določitev protokolarnih vplivov na TGMV nadzor nad starostjo. Rezultati so pokazali, da vsi protokoli niso bili podobni drug drugemu (F(3) = 6.333, p = .053).

2.3.2. MRI anatomske povezljivosti (bela snov)

Podmnožica prvotnega vzorca (N = 60, visok ITM N = 30) opravili difuzijsko tehtani MRI (DWI) v skladu z dvema primerljivima protokoloma pridobivanja. Natančneje, DWI so bili pridobljeni v 61 ali 64 nekolinearnih smereh z b = 1000 s / mm2, z 8 ali 1 b = 0 s / mm2 slike. Oba protokola sta imela TR = 9400 ms, TE = 83 ms in vidno polje (FOV) = 256 mm z zajemno matrico 128 × 128 in debelino rezine 2 mm, da sta dobili 2 × 2 × 2 mm3 izotropni vokseli.

2.4. fMRI obdelava

2.4.1. Strukturna (siva) segmentacija in parcelacija

Segmentacija slike T1 in regionalna parcelacija sta bili izvedeni z uporabo FreeSurfer (Dale in sod., 1999; Fischl in sod., 1999, 2002) po nomenklaturi, opisani v Destrieux in sod. (2010). Za vsako možgansko poloblo je bil poleg subkortikalnih struktur 74 in možganov tudi označen nabor dvostranskih kortikalnih struktur 7. Rezultati segmentacije na vzorčnem subjektu so prikazani v Slika 2A. Vključena je bila tudi ena dodatna srednje struktura (možgansko steblo, ki vključuje dele srednjega možganov, kot sta ventralno tegmentalno območje [VTA] in substantia nigra), za celoten sklop paketov 165 za celotne možgane. Za vsako kortikalno parcelacijo so bili izračunani štirje reprezentativni morfološki ukrepi: volumen sive snovi (GMV), površina (SA), debelina kortiksa (CT) in srednja ukrivljenost (MC). Delovni tokovi obdelave podatkov so bili zasnovani in izvedeni v cevovodu Laboratorija za nevro-slikanje (LONI) (http://pipeline.loni.usc.edu).

Slika 2 

A. Rezultati strukturne segmentacije in parcel ter rezultati rezultatov B. Vlakna iz bele snovi, povezana s strukturnimi parcelami vzorca. O: Strukturna segmentacija. B: Segmentacija bele snovi

2.4.2. Anatomska povezljivost (bela snov)

Difuzijsko tehtane slike (DWI) so bile popravljene za gibanje in uporabljene za izračun difuzijskih tenzorjev, ki so se vrteli vrtenje na vsak voxel. Slike difuzijskih tenzorjev so bile na novo zasnovane na trilinearni interpolaciji log-transformiranih tenzorjev, kot je opisano v Chiang in sod. (Chiang in sod., 2011) in ponovno vzorčen na izotropno ločljivost vokselov (2 × 2 × 2 mm3). Delovni tokovi obdelave podatkov so bili ustvarjeni s pomočjo cevovoda LONI.

Povezava bele snovi za vsak subjekt je bila ocenjena med možganskimi regijami 165, opredeljenimi na strukturnih slikah (Slika 2B) z uporabo traktografije vlaken DTI. Traktografijo smo opravili z algoritmom neprekinjenega sledenja (FACT) Fiber Assignment (FACT) (Mori in sod., 1999) z uporabo programa TrackVis (http://trackvis.org) (Irimia in sod., 2012). Končna ocena povezanosti bele snovi med posameznimi regijami možganov je bila določena na podlagi števila vlakenskih traktov, ki sekajo vsako regijo, normaliziranih s skupnim številom vlakenskih traktov v celotnih možganih. Te informacije so bile nato uporabljene za kasnejšo razvrstitev.

2.5. Redki delni najmanjši kvadrati - razlikovalna analiza (sPLS-DA)

Da bi ugotovili, ali lahko možganske markerje uporabimo za napovedovanje visokega stanja BMI (prekomerna teža v primerjavi z normalno težo), smo uporabili sPLS-DA. sPLS-DA je oblika redke regresije PLS, vendar je spremenljivka odziva kategorična, kar kaže na pripadnost skupini (Lê Cao, 2008a; Lê Cao in sod., 2009b, 2011). sPLS-DA se je izkazal za še posebej učinkovit pri velikem številu napovedovalcev, majhni velikosti vzorca in visoki kolinearnosti med prediktorji (Lê Cao, 2008a; Lê Cao in sod., 2009b, 2011). sPLS maksimira vzorec kovariance med možganskimi meritvami in kontrastno razliko v skupini. sPLS hkrati izvaja spremenljivo izbiro in klasifikacijo z uporabo laso penalizacije (Lê Cao in sod., 2009a). sPLS-DA deluje z nadzorovanim okvirom, ki tvori linearne kombinacije prediktorjev na podlagi pripadnosti razredu. sPLS-DA zmanjša dimenzionalnost podatkov z iskanjem niza ortogonalnih komponent, od katerih je vsak sestavljen iz izbranega niza funkcij ali spremenljivk. Sestavni deli se imenujejo možganski podpisi. Vsaka spremenljivka, ki vsebuje možganski podpis, ima povezano "nalaganje", kar je merilo sorazmernega pomena spremenljivk za razlikovanje v obeh skupinah (Lê Cao in sod., 2008b). Poleg tega so za oceno pomembnosti vsake spremenljivke, uporabljene v modelu PLS, izračunali tudi spremenljiv pomen za projekcije (VIP). Rezultat VIP je ponderirana vsota obremenitev, ki upošteva razloženo varianco vsakega podpisa. Povprečna ocena na kvadratnih VIP rezultatih je enaka 1. Za razvrstitev veljajo zlasti pomembni napovedovalci s koeficienti VIP, ki so večji od enega (Lê Cao in sod., 2008b).

2.5.1. Razvoj prediktivnega modela

Število možganskih podpisov za vsako analizo je bilo določeno na dveh (Lê Cao in sod., 2008b). analiza stabilnosti smo uporabili za določitev optimalnega števila možganskih regij za vsak možganski podpis (Lê Cao in sod., 2011). Najprej se sPLS-DA uporablja za vrsto spremenljivk, 5 – 200, ki jih izberemo za vsakega od obeh možganskih podpisov. Za vsako specifikacijo števila spremenljivk, ki jih želite izbrati, se izvede 10 kratna navzkrižna validacija, ponovljena 100-krat. Ta postopek navzkrižne validacije podatke o vadbi deli na 10 pregibe ali podvrste podatkov (n = 12 testnih sklopov). Posamezen podvzorec je razveljavljen kot testni podatek, preostali podvzorci pa se uporabljajo za urjenje modela. Stabilnost spremenljivk se določi tako, da se izračuna, kolikokrat je bila določena spremenljivka izbrana v vseh poteklih navzkrižne potrditve. Za razvoj končnega modela so bile uporabljene samo možganske spremenljivke s stabilnostjo nad 80%.

2.6. Statistične analize

2.6.1. Redki delni najmanjši kvadrati - razlikovalna analiza (sPLS-DA)

sPLS-DA smo izvedli z uporabo R paket mixOmics (http://www.R-project.org). Ločeno smo preučili napovedno moč možganske geometrije in anatomske povezanosti DTI. Kot možni napovedovalci so bili poleg regionalne možgometrije ali regionalne anatomske povezanosti vključeni tudi starost in skupni GMV. Za pridobljene morfološke podatke so bili v model vneseni ukrepi GMV, SA, CT in MC. Za pridobljene podatke o anatomski povezljivosti DTI so matrike, specifične za posamezne subjekte, ki indeksirajo relativno gostoto vlaken med regijami 165, preoblikovali v dimenzijske matrike 1, ki vsebujejo edinstvene 13,530 povezljivosti (zgornji trikotnik od začetne matrice). Te matrice so bile nato združene med predmeti in vnesene v sPLS-DA. Kot začetni korak zmanjšanja podatkov so bili padli napovedovalci skoraj ničelne variance, kar je povzročilo preostale povezave 369. Možganski podpisi so bili povzeti z uporabo različnih obremenitev glede na posamezne dimenzije in VIP koeficiente. Grafične prikazovalnike uporabljamo tudi za prikaz diskriminatornih sposobnosti algoritmov (Lê Cao in sod., 2011). Napovedna sposobnost končnih modelov je bila ocenjena z uporabo navzkrižne validacije. Izračunali smo tudi ukrepe binarne klasifikacije: občutljivost, specifičnost, pozitivna napovedna vrednost (PPV) in negativna napovedna vrednost (NPV). Tukaj občutljivost indeksira zmožnost klasifikacijskega algoritma, da pravilno prepozna posameznike s prekomerno telesno težo. Specifičnost odraža sposobnost klasifikacijskega algoritma, da pravilno prepozna posameznike z normalno težo. PPV odraža delež vzorca, ki prikazuje specifičen podpis možganov s prekomerno telesno težo iz algoritma za razvrstitev in kdo je dejansko prekomerna teža (resnično pozitiven). Po drugi strani je NPV verjetnost, da če je rezultat testa negativen, tj. Udeleženec nima možganskega podpisa, ki je specifičen za prekomerno telesno težo (resničen negativen).

2.6.2. Značilnosti vzorca

Statistične analize so bile izvedene z uporabo statističnega paketa za programsko opremo Social Science (SPSS) (različica 19). Razlike v skupinah v rezultatih vedenjskih ukrepov so bile ovrednotene z uporabo analize variance (ANOVA). Pomen je bil upoštevan na p <.05 nepopravljeno.

3.0. Rezultati

3.1. Značilnosti vzorca

Skupni vzorec (N = 120) vključenih 63 oseb s prekomerno telesno težo (ženske = 32, moški = 31), povprečna starost = 28.77 leta, SD = 9.76 in 57 posameznikov z normalno težo (ženske = 32, moški = 25), povprečna starost = 27.13 let, SD = 9.62. Čeprav je bila v skupini s prekomerno telesno težo večja stopnja tesnobe in depresije, ni bilo pomembnih razlik v skupini (F = .642, p = .425; F = .001, p = .980). Klinične značilnosti vzorca so povzete v Tabela 1.

Tabela 1 

Značilnosti vzorca.

3.2. Multivariatne analize vzorcev z uporabo sPLS-DA

3.2.1. Razvrstitev na podlagi anatomske povezljivosti (bele snovi)

Preučili smo, ali se lahko bela snov anatomske povezljivosti možganov uporablja za razlikovanje ljudi s prekomerno telesno težo od oseb z normalno težo. Slika 3A prikazuje posameznike iz vzorca, predstavljenega v razmerju do obeh možganskih podpisov, in prikazuje diskriminatorne sposobnosti klasifikatorja bele snovi. Ukrepi binarne klasifikacije so bili izračunani in so pokazali občutljivost 97%, specifičnost 87%, PPV 88% in NPV 96%. Tabela 2 vsebuje seznam stabilnih povezav bele snovi, ki vključujejo vsak diskriminacijski možganski podpis, skupaj s spremenljivimi obremenitvami in VIP koeficienti.

Slika 3 

A. Klasifikator, ki temelji na gostoti vlaken (bela snov). B. Klasifikator, ki temelji na morfologiji sive snovi. O: Prikaže diskriminatorne sposobnosti klasifikatorja gostote vlaken (bele snovi). B: prikazuje diskriminatorne sposobnosti klasifikatorja sive snovi. ...
Tabela 2 

Seznam anatomskih povezav, ki obsegajo vsak diskriminativni možganski podpis.

3.2.2. Podpis možganov na osnovi anatomske povezljivosti 1

Prvi možganski podpis predstavlja 63% variance. Kot kažejo koeficienti VIP, so spremenljivke v razlagi, ki pojasnjuje največ variance, vključevale povezave 1) med regijami mreže nagrajevanja (putamen, pallidum, možgansko deblo (vključno z regijami srednjega možganov, kot sta VTA in substantia nigra)) z regijami izvršne uprave kontrolna (precuneus, ki je del posteriorne parietalne skorje), salience (anteriorna izola), čustveno vzburjenje (ventromedial prefrontalna skorja) in somatosenzorična (postcentralna girusna) mreža; 2) regije mreže čustvenega vzburjenja (sprednja srednja možganska skorja, ventromedijalna prefrontalna skorja) z regijami slinavke (sprednja insula) in somatosenzoričnih (paracentralna lobula, vključno z dodatnimi motoričnimi skorji); in 3) talamus s srednjim okcipitalnim girusom in talamus s področja izvajalske kontrolne mreže (hrbtna stranska prefrontalna skorja).

V primerjavi s skupino običajne teže je skupina s prekomerno telesno težo pokazala večjo povezanost od področij nagrajevalne mreže (putamen, pallidum, možgansko deblo) z izvršilno nadzorno mrežo (posteriorno parietalno skorjo) in od navodmenov do zaviralnega dela mreže čustvenega vzburjenja ( ventromedialna prefrontalna skorja) in v regije somatosenzorne mreže (postcentralni gyrus in posterior insula). V skupini s prekomerno telesno težo so opazili nižjo povezanost od regij čustvene vzburjenja (ventromedijalna prefrontalna skorja) do mreže slišnosti (sprednja insula), večja povezanost v skupini s prekomerno telesno težo pa iz regij od čustvene mreže vzbujanja (ventromedialna predfrontalna skorja) do somatosenzorna mreža (posteriorna izola). Pri skupini s prekomerno telesno težo smo opazili tudi povezavo od somatosenzoričnega (paracentralnega lobula) do prednjega srednjega možganskega korteksa, večjo povezljivost pa od paracentralne lobule s subparietalnim sulkusom (del somatosenzorne mreže). Če pogledamo talamične povezave, smo opazili nižjo povezanost od talamusa do dorzalnega lateralnega prefrontalnega korteksa (izvršilno nadzorno omrežje) in do srednjega okcipitalnega girusa pri posameznikih s prekomerno telesno težo v primerjavi s posamezniki z normalno težo.

3.2.3. Podpis možganov na osnovi anatomske povezljivosti 2

Drugi identificirani anatomski možganski podpis je predstavljal dodaten 12% variance v podatkih. Spremenljivke, ki najbolj prispevajo k skupinski diskriminaciji, na kar kaže koeficient VIP, so vključevale povezave v regijah nagrajevanja (putamen, orbitalne sulice, ki so del orbitalnega čelnega vijuga, in možgansko deblo) ter čustveno vzburjenje (gyrus rectus, ki je medial del ventromedialnih prefrontalnih skorj) mrež.

Pri posameznikih s prekomerno telesno težo v primerjavi z osebami z normalno telesno težo je bila opažena večja povezanost med regijami mreže nagrajevanja (možganskim deblom in kapljicami) tako z izvršnim nadzorom (hrbtna stranska prefrontalna skorja) kot z zaviralnim delom čustvenega vzburjenja (ventromedialna prefrontalna skorja). Vendar pa je bila povezava med okcipitalnim in orbitalnim čelnim girusom (nagradna mreža) pri posameznikih s prekomerno telesno težo manjša v primerjavi s posamezniki z normalno težo.

3.2.4. Morfometrična razvrstitev na osnovi sive snovi

Preučili smo, ali se možganska morfometrija (volumen sive snovi, površinska površina, debelina kortiksa in povprečna ukrivljenost) lahko uporablja za razlikovanje ljudi s prekomerno težo od posameznikov z normalno težo. Slika 3B prikazuje posameznike iz vzorca, predstavljenega v razmerju do obeh možganskih podpisov, in prikazuje diskriminatorne sposobnosti morfometričnega klasifikatorja. Ukrepi binarne klasifikacije so bili izračunani in so pokazali občutljivost 69%, specifičnost 63%, PPV 66% in NPV 66%. Tabela 3 vsebuje seznam morfometričnih ukrepov, ki vključujejo vsako diskriminatorno skupaj s spremenljivimi obremenitvami in VIP koeficienti.

Tabela 3 

Regionalna morfometrija, ki obsega vsak podpis možganov.

3.2.5. Morfološki podpis možganov 1

Prvi možganski podpis je pojasnil 23% spremenljivosti podatkov o morfometričnem fenotipu. Kot je razvidno iz koeficientov VIP, so spremenljivke, ki najbolj prispevajo k podpisu, vključevale področja nagrade (podregije orbitalnega čelnega girusa), salience (sprednja insula), izvršilni nadzor (hrbtna stranska prefrontalna skorja), čustveno vzburjenje (ventromedial prefrontalna skorja ) in somatosenzorne (precentralni sulkus, supramarginalni gyrus, subcentralni sulkus, superiorni frontalni sulkus). Visoki VIP koeficienti so bili opaženi tudi pri vrhunskem čelnem girusu in sulkusu, nadstandardnem temporalnem gyrusu, prečnem frontopolarnem gyriju in prednjem prečnem temporalnem gyrusu. Povezane so bile regije nagrad, pameti, izvršnega nadzora in čustvenega vzburjenja nižje vrednosti pri posameznikih s prekomerno telesno težo v primerjavi s posamezniki z normalno težo. Tudi posamezniki s prekomerno telesno težo so imeli posameznike z normalno telesno težo več vrednosti v regijah somatosenzorne mreže. Morfometrija čelnih in časovnih regij (superiorni temporalni gyrus in prednji prečni temporalni gyrus) je bila povezana tudi z nižje vrednosti pri posameznikih s prekomerno telesno težo v primerjavi s posamezniki z normalno težo.

3.2.6. Morfološki podpis možganov 2

Drugi morfološki podpis možganov je razložil 32% variance. Spremenljivke z najvišjimi koeficienti VIP so bile podobne koeficientom VIP, ki so jih opazili pri možganskem podpisu 1, saj so vključevali področja nagrade (kaudata), slinavnost (sprednja insula), izvršilni nadzor (deli zadnjega parietalnega korteksa), čustveno vzburjenje (parahippocampal gyrus, subgenual anterior cingulate cortex in anterior cingulate cortex) in somatosenzorična (posteriorna insula in paracentralna lobula) mreže. Vendar je možgansko podpisovanje 2 v primerjavi z možganskim podpisom 1 imelo le eno povezavo iz mreže nagrajevanja in več povezav iz regij mrež vidnega in čustvenega vzburjenja.

Pri posameznikih s prekomerno telesno težo v primerjavi s posamezniki z normalno težo oz. nižje vrednosti za morfometrijo v mrežah nagrajevanja, strpnosti, izvajalskega nadzora in čustvenega vzburjenja, vendar več Navedene so bile vrednosti v somatosenzorni mreži.

4.0. Diskusija

Namen te študije je bil ugotoviti, ali lahko morfološki in anatomski vzorci možganske povezanosti (ki temeljijo na gostoti vlaknin med posameznimi možganskimi regijami) razlikujejo prekomerno težo od posameznikov z normalno težo. Glavne ugotovitve so: 1. Anatomska povezanost (relativna gostota trakta bele snovi med regijami) je lahko razlikovala med osebami z različnimi BMI z visoko občutljivostjo (97%) in specifičnostjo (87%). 2. V nasprotju s tem so bile morfološke spremembe sive snovi manj kot optimalne točnosti klasifikacije. 3. Številne možganske regije, ki vsebujejo diskriminatorne možganske podpise, so pripadale razširjenim mrežam za nagrajevanje, vedrino, centralno izvršno skupino in čustveno vzburjenje, kar kaže, da so bile opažene funkcionalne okvare zaradi nenormalne organizacije med temi mrežami.

4.1. Podatki možganov, ki temeljijo na anatomski povezanosti, povezani z ITM

V tej študiji je algoritem za razvrstitev, sestavljen iz dveh možganskih podpisov, ki odražata različne vzorce povezanosti regije, pokazal izrazito sposobnost razlikovanja med posamezniki s prekomerno telesno težo in posamezniki z normalno težo. Večina DTI študij pri osebah z visokim indeksom telesne mase (Shott in sod., 2014; Stanek in sod., 2011; Xu et al., 2013; Yau et al., 2010, 2014) so se osredotočili na preučevanje razlik v značilnostih difuzije bele snovi, vključno s frakcijsko anizotropijo in srednjo difuzivnostjo (ki meri celovitost trakta bele snovi) ali navideznimi koeficienti difuzije (ki meri difuzijo vode v gosenicah in odraža poškodbo celic). Vsi ti ukrepi lahko dajo informacije o lokaliziranih spremembah mikrostrukture bele snovi. V trenutni študiji smo se osredotočili na DTI merila gostote vlakenskih poti kot merilo za oceno relativne povezanosti med možganskimi regijami in omrežji. Medtem ko so druge raziskave lokalizirale spremembe znotraj mikrostrukture bele snovi, niso odkrile posledic teh sprememb v smislu povezanosti.

4.1.1. Podpis možganov na osnovi anatomske povezljivosti 1

Prvi možganski podpis je bil v veliki meri sestavljen iz povezav znotraj in med nagrajevanjem, vedrino, izvršnim nadzorom, čustvenim vzburjenjem in senzoričnimi mrežami. Obstajale so tudi talamične povezave z regijami mreže izvršnega nadzora in okcipitalno regijo. Glede na našo ugotovitev o zmanjšanju povezav od ventromedialnega predfrontalnega korteksa do prednjega izola, opaženega v skupini s prekomerno telesno težo, v primerjavi z normalno težo, zmanjšano celovitost belih snovi trakta (zmanjšana frakcijska anizotropija) v zunanji kapsuli (ki vsebuje vlakna, ki povezujejo o kortikalnih območjih na druga kortikalna območja prek kratkih asociacijskih vlaken so poročali o debelih v primerjavi s kontrolami (Shott in sod., 2014). Poleg tega je bil pri debelih v primerjavi s kontrolo navidezni difuzijski koeficient (difuzija vode, ki odraža poškodbo celic) večji v sagitalnem sloju (ki je znan po prenosu informacij iz parietalne, okcipitalne, cingulatske in časovne regije do talamusa) in je lahko skladen z našimi opažanji o nižji povezanosti med desnim talamusom in desnim srednjim okcipitalnim girusom pri posameznikih s prekomerno telesno težo v primerjavi s posamezniki z normalno težo (Shott in sod., 2014). Shott in sodelavci (Shott in sod., 2014) je ugotovil tudi večje navidezne koeficiente difuzije (ki odražajo morebitne poškodbe celic) v debeli skupini v corona radiata, kar kaže na dopolnitev naših ugotovitev o nižji relativni gostoti vlaken med globokimi strukturami sive snovi (kot je talamus) in kortikalnimi predeli (hrbtni del) stranska prefrontalna skorja) pri osebah s prekomerno telesno težo v primerjavi z osebami z normalno težo. Spremenjena talamična povezljivost lahko vpliva na vlogo talamusa pri olajšanju prenosa perifernih senzoričnih informacij v skorjo (Jang in sod., 2014).

Ločena študija, ki je primerjala nezapleteno mladostniško debelo osebo z normalno telesno maso, je tudi ugotovila, da je zmanjšana frakcijska anizotropija pri debelih mladostnikih v regijah, kot so zunanja kapsula, notranja kapsula (ki večinoma nosi vzponski in padajoči kortikospinalni trakt), pa tudi nekatera temporalna vlakna in optično sevanje (Yau et al., 2014). Nedavna študija je tudi opazila izgubo povezav živčnih vlaken z DTI med možganskim deblom in hipotalamusom pri posamezniku z možganskim kavernomom, ki je po operativni drenaži močno povečal težo, kar lahko kaže na to, da so ta živčna vlakna vključena v regulacijo tako vnosa hrane kot teže (Purnell in sod., 2014). Vendar nismo ugotovili razlik v povezljivosti s hipotalamusom, kar je lahko delno posledica omejitev parcel na podlagi določenih atlasov, uporabljenih v trenutni študiji.

4.1.2. Podpis možganov na osnovi anatomske povezljivosti 2

Drugi ortogonalni podpis so obsegale samo tri anatomske povezave znotraj mrež nagrad in čustvenega vzburjenja. O identifikaciji spremenjenih povezav znotraj regij, ki obsegajo nagrajevalno mrežo, in z regijami v omrežjih, s katerimi sodeluje v trenutni študiji, še niso poročali. Vendar pa bi bilo mogoče te spremembe pričakovati na podlagi nedavnih morfoloških študij, ki so opazile spremembe sive snovi v regijah razširjene mreže nagrad (Kenny, 2011; Kurth in sod., 2013; Raji in sod., 2010; Volkow et al., 2008). Zdi se, da naše ugotovitve kažejo, da se široko spreminjajo povezave med belo tehniko za regije, ki sestavljajo mrežo nagrad in z njimi povezana omrežja.

Medtem ko so druge raziskave odkrile zmanjšano celovitost vlaknin, merjeno z zmanjšano frakcijsko anizotropijo v predelih korpusnega žvepla in forniksa (ki so del cingulata in prenašajo informacije od hipokampusa do hipotalamusa) s povečanjem BMI (Stanek in sod., 2011; Xu et al., 2013); trenutna študija ni odkrila pomembnih sprememb medhemisferične povezanosti v obeh možganskih podpisih anatomske povezljivosti. Izjema je bila povezava med levim paracentralnim lobulom in desnim subparietalnim sulkusom v možganskem podpisu 1 ter povezavo med desnim kapnikom in levim žičnim rektusom v možganskem podpisu 2. Predpostavljamo, da je učinek, opažen v teh prejšnjih študijah, lahko posledica sistemske razgradnje bele snovi namesto sprememb v povezavah med določenimi možganskimi regijami, podobne spremembam, ki se pojavijo med običajnim staranjem (Sullivan in sod., 2010). Medtem ko so avtorji teh prejšnjih raziskav domnevali, da so razlike v frakcijski anizotropiji v zunanji kapsuli oseb z visokim indeksom BMI lahko povezane s povezavami iz hipokampusa in amigdale, nismo opazili pomembnih sprememb povezanosti znotraj teh struktur. Za potrditev teh opazovanj je potrebna podrobnejša analiza in natančnejša parcelacija teh možganskih regij.

4.2. Morfometrični podpisi možganov sive snovi, povezani z ITM

Morfometrična analiza sive snovi z uporabo dveh različnih profilov je znala pravilno identificirati prekomerno telesno težo posameznikov z normalno telesno maso z občutljivostjo 69% in specifičnostjo 63%. Te ugotovitve so skladne s prejšnjimi poročili o globalnem in regionalnem zmanjšanju obsega sive snovi v določenih možganskih regijah znotraj mreže nagrad in z njimi povezanih mrež (Debette in sod., 2010; Kenny, 2011; Kurth in sod., 2013; Pankujuulli in sod., 2006; Raji in sod., 2010). Za razliko od klasifikacije, ki temelji na DTI, te ugotovitve kažejo na zmerno sposobnost razlikovanja med obema skupinama BMI.

4.2.1. Morfološki podpis možganov 1

V naši raziskavi je prvi možganski podpis prikazoval nižje vrednosti različnih morfometričnih ukrepov (vključno s podregijami orbitalnega čelnega gyrusa, sprednje insule) v regijah za nagrajevanje, izločanje in nadzorni nadzor v skupini s prekomerno telesno težo v primerjavi s skupino običajne teže. Dodatno nižje vrednosti so bile opažene morfometrične vrednosti za zaviralna področja (hrbtna stranska in ventromedialna prefrontalna skorja), povezana z mrežo čustvenega vzburjenja, vendar višja morfometrija za somatosenzorno mrežo (precentralni sulkus, supramarginalni gyrus, subcentralni sulkus in vrhunski prednji sulkus), vključno s temporalnim regije s prekomerno telesno težo v primerjavi s posamezniki z normalno težo. V tej raziskavi smo ugotovili znatno zmanjšanje morfoloških meritev (volumen sive snovi in ​​debelina kortiksa) orbitalnega čelnega gyrusa. Orbitalna čelna girus je pomembna regija znotraj mreže nagrad, ki igra vlogo pri ocenjevalni obdelavi in ​​usmerjanju prihodnjega vedenja in odločitev, ki temeljijo na kodiranju pričakovanja, povezanega z nagrado (Kahnt in sod., 2010). Nedavna študija, ki je analizirala strukturo sive in bele snovi, je pokazala, da so imeli debeli posamezniki znižane vrednosti za različne regije znotraj mreže nagrad, vključno z orbitalnimi čelnimi girusi (Shott in sod., 2014).

4.2.2. Morfološki podpis možganov 2

V primerjavi z možganskim podpisom 1 so morfološke meritve, ki so jih opazili v regijah vidnega in čustvenega vzburjenja, pojasnili večino odstopanj, medtem ko regije nagradne mreže niso vplivale. Zmanjšane meritve sive snovi so bile opažene v regijah opaznosti, izvajalskega nadzora in čustvenega vzburjenja. Te regije (sprednja insula, parietalna posteriorna skorja, parahippokampalni gyrus, podregije sprednje cingulatske skorje) so pogosto povezane s povečano evocirano možgansko aktivnostjo med izpostavljenostjo prehranskim izdelkom (Brooks in sod., 2013; Greenberg in sod., 2006; Rothemund et al., 2007; Shott in sod., 2014; Stoeckel et al., 2008) in stopnjo osebne vidnosti dražljajev (Critchley et al., 2011; Seeley in sod., 2007a). V trenutni študiji so zmanjšanje sive snovi opazili tudi v ključnih regijah somatosenzorične mreže (posteriorna izola, paracentralna lobula). Čeprav natančna vloga te mreže pri prekomerni telesni teži in debelosti ni znana, se je izkazalo, da je vključena v zavedanje telesnih občutkov, nedavna študija pa je pokazala, da lahko povišana aktivnost somatosenzorične mreže kot odgovor na napotke hrane pri debelih ljudeh povzroči prenajedanje (Stice in sod., 2011). Ta študija se je posebej osredotočila na morfološke meritve in anatomske povezave med možganskimi regijami v razširjeni mreži nagrajevanja in somatosenzorno mrežo in kaže, da lahko te strukturne metrike možganov vplivajo na nevronsko obdelavo, povezano z rezultati funkcionalnih študij, ki jih najdemo v literaturi. Povezave z vedenjskimi in okoljskimi dejavniki ponujajo tudi nadaljnji vpogled v razmerje med strukturnimi in funkcionalnimi ugotovitvami, ki jih bo treba preizkusiti v prihodnjih študijah.

4.3. Uporaba multivariatnih analiz vzorcev z uporabo sPLS-DA za razlikovanje med osebami s prekomerno telesno težo in normalno težo

Ugotovitve o spremembah gostote vlaknin med različnimi možganskimi omrežji znotraj razširjene mreže nagrajevanja podpirajo hipotezo, da povečanje BMI povzroči moteno anatomsko povezanost med določenimi regijami v možganih. Te anatomske spremembe lahko pomenijo neučinkovito ali neučinkovito komunikacijo med ključnimi regijami mreže nagrad in z njimi povezanimi omrežji. Podobno kot pri več nedavnih poročilih, pri katerih so ugotovili spremembe v količini sive snovi, povezane s prekomerno telesno težo in debelostjo (Debette in sod., 2010; Kurth in sod., 2013; Pankujuulli in sod., 2006; Raji in sod., 2010), smo lahko našli tudi podobne morfološke razlike v prekomerni teži v primerjavi s posamezniki z normalno telesno maso. V trenutni študiji smo razširili ta opažanja, da bi raziskali povezavo med statusom prekomerne telesne teže in anatomsko povezanostjo možganov ter uporabili sPLS-DA na možganskih morfometričnih podatkih za razlikovanje med preiskovanci s prekomerno telesno težo in normalno težo. Nedavna presečna študija z uporabo binarne logistične regresije kaže, da je kombinacija strukturnih sprememb lateralne orbitalne čelne žile, merjena z volumnom sive snovi, in krvnimi nivoji vnetnega markerja (fibrinogena) lahko napovedala debelost pri majhnih vzorec oseb z normalno težo 19 in oseb s prekomerno telesno težo / debelostjo 44; z visoko občutljivostjo (95.5%), vendar z nizko specifičnostjo (31.6%) (Cazettes et al., 2011). Naša študija se od tega poročila razlikuje v več vidikih, vključno z večjo velikostjo vzorca; uporaba pristopa navzkrižne validacije za preprečevanje vzorčne rešitve, izključitev oseb s hipertenzijo / diabetes mellitusom za odstranitev možnega sporočitelja in vključitev volumna sive snovi in ​​gostote vlaken za napoved statusa prekomerne teže.

4.4. Omejitve

Čeprav smo ugotovili velike razlike med osebami z normalno težo in prekomerno telesno težo v gostoti vlaken, iz teh anatomskih ugotovitev ne moremo ekstrapolirati na razlike v funkcionalni (v stanju počitka) povezanosti. Takšne funkcionalne ugotovitve povezovanja bi ponudile možnost zaznavanja razlik v sinhronizaciji možganskih aktivnosti na območjih, ki jih trakti bele snovi niso neposredno povezani. Čeprav smo ponovili predhodno poročene ugotovitve o anatomski povezanosti in morfoloških razlikah med prekomerno telesno težo / debelostjo in normalnim ITI (Kurth in sod., 2013; Raji in sod., 2010) v pomembnih podkortičnih regijah hipotalamus, amigdala in hipokampus nismo opazili sprememb. Mogoče je, da je do te okvare prišlo zaradi omejitev algoritmov samodejnih parcel, uporabljenih v tej študiji, ali zaradi analiz, omejenih na posameznike s prekomerno telesno težo, v primerjavi z debelimi osebami. Prihodnje študije bi potrebovale večje vzorce, da bi primerjale osebe z debelostjo, prekomerno telesno težo in normalno težo ter da bi lahko izvajale analize podskupin na podlagi spola in rase. Zaradi našega sorazmerno majhnega vzorca smo uporabili strog postopek notranjega potrjevanja, vendar je treba še vedno preskusiti napovedno natančnost tega klasifikatorja v neodvisnem naboru podatkov (Bray et al., 2009). Prihodnje študije bi morale obravnavati povezavo teh nevro-slikovnih razlik s specifičnim načinom prehranjevanja, prehranskimi preferencami in informacijami o prehrani, da bi razlagali kontekst in pomen teh ugotovitev. Ker sta debelost in prekomerna telesna teža pogosto povezana s sočasnimi boleznimi, kot so hipertenzija, diabetes in presnovni sindrom, je treba v prihodnjih analizah preučiti moderirajoče in korelacijske učinke teh dejavnikov na algoritem za razvrstitev.

4.5. Povzetek in sklepi

Če povzamemo, naši rezultati podpirajo hipotezo, da je prekomerna teža povezana s spremenjeno povezanostjo (v obliki gostote vlaknin) med določenimi regijami v možganih, kar lahko pomeni neučinkovito ali neučinkovito komunikacijo med temi regijami. Zlasti je zmanjšana povezljivost predfrontalnih zaviralnih možganskih regij z nagradnim vezjem skladna s prevlado hedonskih mehanizmov pri uravnavanju vnosa hrane (Gunstad in sod., 2006, 2007, 2008, 2010). Mehanizmi teh strukturnih sprememb so slabo razumljeni, vendar lahko vključujejo nevroinflamatorne in nevroplastične procese (Cazettes et al., 2011) povezano z vnetnim stanjem nizke stopnje, o katerem poročajo pri posameznikih s prekomerno telesno težo in debelostjo (Cazettes et al., 2011; Cox et al., 2014; Das, 2010; Gregor in Hotamisligil, 2011; Griffin, 2006). Podatki, ki temeljijo na podatkih za prepoznavanje sprememb sive in bele snovi pri prekomerni teži / debelosti, so obetavna orodja za prepoznavanje osrednjih korelatov naraščajočega indeksa telesne mase in lahko odkrijejo nevrobiološke biomarkerje za to motnjo.

Avtorski prispevki

Arpana Gupta: Koncept študija in oblikovanje, analiza in interpretacija podatkov, priprava in revizija rokopisa.

Emeran Mayer: Koncept in zasnova študije, kritični pregled rokopisa, odobritev končne različice rokopisa, financiranje.

Claudia San Miguel: Priprava in kritični pregled rokopisa, interpretacija podatkov.

John Van Horn: Pridobivanje podatkov, analiza podatkov.

Connor Fling: Analiza podatkov.

Aubrey Love: Analiza podatkov.

Davis Woodworth: Analiza podatkov.

Benjamin Ellingson: Pregled rokopisa.

Kirsten Tillisch: Kritični pregled rokopisa, financiranje.

Jennifer Labus: Koncept študije in oblikovanje, analiza in interpretacija podatkov, priprava in revizija rokopisa, odobritev končne različice rokopisa, financiranje.

Nasprotje interesov

Ni navzkrižja interesov.

Vir financiranja

To raziskavo so delno podprle štipendije Nacionalnih zdravstvenih inštitutov: R01 DK048351 (EAM), P50DK64539 (EAM), R01 AT007137 (KT), P30 DK041301, K08 DK071626 (JSL) in R03 DK (JSL) in R084169 DK (JSL) in RXNUMX DK (JSL). Pilotne preglede je zagotovil center za kartiranje možganov Ahmanson-Lovelace, UCLA.

Reference

  • Bray S., Chang C., Hoeft F. Uporaba multivariatnih razvrstitev vzorčnih analiz pri razvojnih nevro-slikah zdrave in klinične populacije. Spredaj. Hum. Nevrosci. 2009; 3: 32. 19893761 [PubMed]
  • Brooks SJ, Cedernaes J., Schiöth HB Povečana prefrontalna in parahippokampalna aktivacija z zmanjšano dorsolateralno predfrontalno in otočno skorjo aktivacijo na slike hrane pri debelosti: metaanaliza fMRI študij. PLOS ONE. 2013, 8 (4): e60393. 23593210 [PubMed]
  • Calton MA, Vaisse C. Zmanjšanje vloge pogostih različic pri genetski nagnjenosti k debelosti. Genom med. 2009, 1 (3): 31. 19341502 [PubMed]
  • Cazettes F., Cohen JI, Yau PL, Talbot H., Convit A. Vnetje, ki ga povzroča debelost, lahko poškoduje možgansko vezje, ki uravnava vnos hrane. Možgani Res. 2011; 1373: 101-109. 21146506 [PubMed]
  • Center za nadzor bolezni (CDC) Prekomerna teža in debelost. 2014. JAZ.
  • Chiang MC, Barysheva M., Toga AW, Medland SE, Hansell NK, James MR, McMahon KL, de Zubicaray GI, Martin NG, Wright MJ, Thompson PM BDNF genski učinki na možgansko vezje, ki so se razmnožili v 455 dvojčkih. Neuroimage. 2011;55(2):448–454. [PubMed]
  • Choquet H., Meyre D. Genetika debelosti: česa smo se naučili? Curr Genomika. 2011;12(3):169–179. 22043165 [PubMed]
  • Connolly L., Coveleskie K., Kilpatrick LA, Labus JS, Ebrat B., Stains J., Jiang Z., Tillisch K., Raybould HE, Mayer EA Razlike v možganskih odzivih vitkih in debelih žensk na sladkani napitek. Neurogastroenterol. Motil. 2013;25(7):579-e460. 23566308 [PubMed]
  • Cox AJ, West NP, Cripps AW Debelost, vnetja in mikrobiota črevesja. Endokrinola z diabetesom Lancet. 2014 25066177 [PubMed]
  • Critchley HD, Nagai Y., Grey MA, Mathias CJ Seciranje osi avtonomnega nadzora pri ljudeh: vpogled v nevro-slikanje. Auton. Nevrosci. 2011;161(1–2):34–42. 20926356 [PubMed]
  • Dale AM, Fischl B., Sereno MI Kortikalna površinska analiza. I. Segmentacija in obnova površine. Neuroimage. 1999;9(2):179–194. 9931268 [PubMed]
  • Das UN Debelost: geni, možgani, črevesje in okolje. Prehrana. 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. Visceralna maščoba je povezana z manjšim volumnom možganov pri zdravih odraslih srednjih let. Ann Nevrol. 2010;68(2):136–144. 20695006 [PubMed]
  • Destrieux C., Fischl B., Dale A., Halgren E. Avtomatska parcelacija človeških kortikalnih žirijev in sulčkov z uporabo standardne anatomske nomenklature. Neuroimage. 2010;53(1):1–15. 20547229 [PubMed]
  • Dubois L., Ohm Kyvik K., Girard M., Tatone-Tokuda F., Pérusse D., Hjelmborg J., Skytthe A., Rasmussen F., Wright MJ, Lichtenstein P., Martin NG Genetski in okoljski prispevki k teži , višina in BMI od rojstva do starosti 19: mednarodna študija več kot 12,000 dvojčkov. PLOS ONE. 2012, 7 (2): e30153. 22347368 [PubMed]
  • El-Sayed Moustafa JS, Froguel P. Od genetike debelosti do prihodnosti personaliziranega zdravljenja debelosti. Nat. Rev. endokrinola. 2013;9(7):402–413. 23529041 [PubMed]
  • Finkelstein EA, Trogdon JG, Cohen JW, Dietz W. Letni stroški zdravljenja, ki jih je mogoče pripisati debelosti: ocene za plačnike in storitve. Zdravstvena pomoč (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 ​​Celotna segmentacija možganov: avtomatizirano označevanje nevroanatomskih struktur v človeških možganih. Neuron. 2002;33(3):341–355. 11832223 [PubMed]
  • Fischl B., Sereno MI, Dale AM ​​Kortikalna površinska analiza. II: inflacija, sploščitev in površinski koordinatni sistem. Neuroimage. 1999;9(2):195–207. 9931269 [PubMed]
  • García-García I., Jurado M.Á, Garolera M., Segura B., Sala-Llonch R., Marqués-Iturria I., Pueyo R., Sender-Palacios MJ, Vernet-Vernet M., Narberhaus A., Ariza M., Junqué C. Spremembe vidne mreže pri debelosti: študija fMRI v mirovanju. Hum. Možganska karta. 2013;34(11):2786–2797. 22522963 [PubMed]
  • Greenberg JA, Boozer CN, Geliebter A. Kava, diabetes in uravnavanje teže. Am. J. Clin. Nutr. 2006;84(4):682–693. 17023692 [PubMed]
  • Gregor MF, Hotamisligil GS Vnetni mehanizmi pri debelosti. Annu Rev. Immunol. 2011; 29: 415-445. 21219177 [PubMed]
  • Griffin WS Vnetje in nevrodegenerativne bolezni. Am. J. Clin. Nutr. 2006;83(2):470S–474S. 16470015 [PubMed]
  • Gunstad J., Lhotsky A., Wendell CR, Ferrucci L., Zonderman AB Vzdolžni pregled debelosti in kognitivnih funkcij: rezultati iz baltimorske vzdolžne študije staranja. Nevroepidemiologija. 2010;34(4):222–229. 20299802 [PubMed]
  • Gunstad J., Paul RH, Cohen RA, Tate DF, Gordon E. Debelost je povezana s pomanjkanjem spomina pri mladih in odraslih. Jejte. Teža neskladja 2006;11(1):e15–e19. 16801734 [PubMed]
  • Gunstad J., Paul RH, Cohen RA, Tate DF, Spitznagel MB, Gordon E. Povišan indeks telesne mase je povezan z izvršeno disfunkcijo pri sicer zdravih odraslih. Compr. Psihiatrija. 2007;48(1):57–61. 17145283 [PubMed]
  • Gunstad J., Spitznagel MB, Paul RH, Cohen RA, Kohn M., Luyster FS, Clark R., Williams LM, Gordon E. Indeks telesne mase in nevropsihološka funkcija pri zdravih otrocih in mladostnikih. Apetit 2008;50(2–3):246–251. 17761359 [PubMed]
  • Irimia A., Chambers MC, Torgerson CM, Van Horn JD Krožni prikaz človeških kortikalnih mrež za konektomsko vizualizacijo na ravni subjekta in populacije. Neuroimage. 2012;60(2):1340–1351. 22305988 [PubMed]
  • Jang SH, Lim HW, Yeo SS Nevronska povezanost intralaminarnih talamičnih jeder v človeških možganih: študija diktozijske tenzorske traktografije. Nevrosci. Lett. 2014; 579: 140-144. 25058432 [PubMed]
  • Kahnt T., Heinzle J., Park SQ, Haynes JD Nevronska koda pričakovanja nagrade v človeški orbitofrontalni skorji. Proc. Natl. Acad. Sci. ZDA A. 2010;107(13):6010–6015. 20231475 [PubMed]
  • Kenny PJ Mehanizmi nagrajevanja pri debelosti: novi vpogledi in prihodnje usmeritve. 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 Vpliv zaužitja saharoze na možganskem deblu in hipotalamičnih notranjih nihanj v vitkih in debele ženske. Gastroenterologija. 2014;146(5):1212–1221. 24480616 [PubMed]
  • Kullmann S., Heni M., Veit R., Ketterer C., Schick F., Häring HU, Fritsche A., Preissl H. Debeli možgani: povezava indeksa telesne mase in občutljivosti na inzulin s funkcionalno povezljivostjo omrežja v mirovanju. Hum. Možganska karta. 2012;33(5):1052–1061. 21520345 [PubMed]
  • Kurth F., Levitt JG, Phillips OR, Luders E., Woods RP, Mazziotta JC, Toga AW, Narr KL Razmerja med sivo snovjo, indeksom telesne mase in obsegom pasu pri zdravih odraslih. Hum. Možganska karta. 2013;34(7):1737–1746. 22419507 [PubMed]
  • Lê Cao KA, Boitard S., Besse P. Sparse PLS diskriminatorna analiza: izbira biološko pomembnih lastnosti in grafični prikazi za večvrstne težave. BMC Bioinformatika. 2011; 12: 253. 21693065 [PubMed]
  • Lê Cao KA, González I., Déjean S. IntegraOmics: paket R za razplet odnosov med dvema omizama podatkovnih nizov. Bioinformatika. 2009;25(21):2855–2856. 19706745 [PubMed]
  • Lê Cao KA, Martin PG, Robert-Granié C., Besse P. Redke kanonske metode za integracijo bioloških podatkov: prijava na med-platformo študijo. BMC Bioinformatika. 2009; 10: 34. 19171069 [PubMed]
  • Lê Cao KA, Rossouw D., Robert-Granié C., Besse P. Redki PLS za variabilno izbiro pri vključevanju omicskih podatkov. Stat. Appl Genet. Mol. Biol. 2008, 7 (1): 35. 19049491 [PubMed]
  • Lê Cao KA, Rossouw D., Robert-Granié C., Besse P. Redki PLS za variabilno izbiro pri vključevanju omicskih podatkov. Stat. Appl Genet. Mol. Biol. 2008, 7 (1): 35. 19049491 [PubMed]
  • Loveman E., Frampton GK, Shepherd J., Picot J., Cooper K., Bryant J., Welch K., Clegg A. Klinična učinkovitost in stroškovna učinkovitost dolgoročnih shem upravljanja telesne teže za odrasle: sistematičen pregled . Health Technol. Ocenite. 2011;15(2):1–182. 21247515 [PubMed]
  • Menon V., Uddin LQ Saliency, stikalo, pozornost in nadzor: mrežni model funkcije insule. Struktura možganov Deluj. 2010;214(5–6):655–667. 20512370 [PubMed]
  • Mori S., Crain BJ, Chacko VP, van Zijl PC Tridimenzionalno sledenje aksonskih projekcij v možganih z magnetnoresonančnim slikanjem. Ann Nevrol. 1999;45(2):265–269. 9989633 [PubMed]
  • Morrow JD, Maren S., Robinson TE Posamezna sprememba nagnjenosti k pripisovanju spodbujevalne značilnosti apetitivni iztočnici napoveduje nagnjenost k pripisovanju motivacijskega vida averzivni izjavi. Behav. Možgani Res. 2011;220(1):238–243. 21316397 [PubMed]
  • Pankujuulli N., Del Parigi A., Chen K., Le DS, Reiman EM, Tataranni PA Motnje v možganih pri človeški debelosti: morfometrična študija na osnovi voksela. Neuroimage. 2006;31(4):1419–1425. 16545583 [PubMed]
  • Purnell JQ, Lahna DL, Samuels MH, Rooney WD, Hoffman WF Izguba sledov belih snovi od pons do hipotalamike pri debelosti možganskega debla. Int J Obes (Lond) 2014; 38: 1573-1577. 24727578 [PubMed]
  • Raji CA, Ho AJ, Parikshak NN, Becker JT, Lopez OL, Kuller LH, Hua X., Leow AD, Toga AW, Thompson PM Struktura možganov in debelost. Hum. Možganska karta. 2010;31(3):353–364. 19662657 [PubMed]
  • Rothemund Y., Preuschhof C., Bohner G., Bauknecht HC, Klingebiel R., Flor H., Klapp BF Diferencialna aktivacija dorzalnega striatuma z visokokaloričnimi vizualnimi živilskimi dražljaji pri debelih osebah. Neuroimage. 2007;37(2):410–421. 17566768 [PubMed]
  • Seeley WW, Menon V., Schatzberg AF, Keller J., Glover GH, Kenna H., Reiss AL, Greicius MD Disociabilna intrinzična povezovalna omrežja za procesiranje strjevanja in izvršni nadzor. 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 Disociabilna intrinzična povezovalna omrežja za procesiranje strjevanja in izvršni nadzor. J. Neurosci. 2007;27(9):2349–2356. 17329432 [PubMed]
  • Sheehan DV, Lecrubier Y., Sheehan KH, Amorim P., Janavs J., Weiller E., Hergueta T., Baker R., Dunbar GC Mini-International Neuropsychiatric Intervju (MINI): razvoj in potrditev strukturiranega diagnostike psihiatrični intervju za DSM-IV in ICD-10. J. Clin. Psihiatrija. 1998;59(Suppl. 20):22–33. 9881538 [Kviz 34 – 57] [PubMed]
  • Shott ME, Cornier MA, Mittal VA, Pryor TL, Orr JM, Brown MS, Frank GK Obseg orbitofrontalne skorje in odziv na možgane pri debelosti. Int J Obes (Lond) 2014 25027223 [PMC brez članka] [PubMed]
  • Stanek KM, Grieve SM, Brickman AM, Korgaonkar MS, Paul RH, Cohen RA, Gunstad JJ Debelost je povezana z zmanjšano celovitostjo bele snovi pri sicer zdravih odraslih. Debelost (srebrna pomlad) 2011;19(3):500–504. 21183934 [PubMed]
  • Stice E., Yokum S., Burger KS, Epstein LH, Small DM Mladi, ogroženi zaradi debelosti, kažejo večjo aktivacijo strijatalnih in somatosenzoričnih regij na hrano. J. Neurosci. 2011;31(12):4360–4366. 21430137 [PubMed]
  • Stoeckel LE, Weller RE, Cook EW, 3rd, Twieg DB, Knowlton RC, Cox JE Široka aktivacija sistema nagrajevanja pri debelih ženskah kot odziv na slike visoko kalorične hrane. Neuroimage. 2008;41(2):636–647. 18413289 [PubMed]
  • Sullivan EV, Rohlfing T., Pfefferbaum A. Longitudinalna študija kalozalne mikrostrukture pri normalnih starajočih se možganih z uporabo kvantitativnega sledenja vlaknin DTI. Dev. Nevropsihol. 2010;35(3):233–256. 20446131 [PubMed]
  • Terranova L., Busetto L., Vestri A., Zappa MA Bariatrična kirurgija: stroškovna učinkovitost in vpliv na proračun. Obes. Kirurg. 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. Neurobiologija debelosti: odnosi do odvisnosti. Nevropsihoparmakologija. 2004; 29: S29 – S30.
  • Volkow ND, Wang GJ, Baler RD Reward, dopamin in nadzor nad vnosom hrane: posledice za debelost. Trendi Cogn. Sci. 2011;15(1):37–46. 21109477 [PubMed]
  • Volkow ND, Wang GJ, Fowler JS, Telang F. Prekrivanje nevronskih vezij pri odvisnosti in debelosti: dokazi sistemske patologije. Philos. Trans R. Soc. Lond., B, Biol. Sci. 2008;363(1507):3191–3200. 18640912 [PubMed]
  • Debelost Svetovne zdravstvene organizacije (WHO). 2014. JAZ.
  • Xu J., Li Y., Lin H., Sinha R., Potenza MN Indeks telesne mase negativno korelira s celovitostjo bele snovi v fornixu in calpusumu: študija slikanja difuzijskega tenzorja. Hum. Možganska karta. 2013;34(5):1044–1052. 22139809 [PubMed]
  • Yau PL, Javier DC, Ryan CM, Tsui WH, Ardekani BA, Ten S., Convit A. Predhodni dokazi za možganske zaplete pri debelih mladostnikih s sladkorno boleznijo tipa 2. Diabetologia. 2010;53(11):2298–2306. 20668831 [PubMed]
  • Yau PL, Kang EH, Javier DC, Convit A. Predhodni dokazi o kognitivnih in možganskih nepravilnostih pri nezapleteni mladostniški debelosti. Debelost (srebrna pomlad) 2014;22(8):1865–1871. 24891029 [PubMed]
  • Zald DH Človeška amigdala in čustvena ocena senzoričnih dražljajev. Možgani Res. Možgani Res. Rev. 2003;41(1):88–123. 12505650 [PubMed]
  • Zigmond AS, Snaith RP Lestvica tesnobe in depresije v bolnišnici. Acta Psihiatr. Skand. 1983;67(6):361–370. 6880820 [PubMed]