Браин Рес Булл. КСНУМКС КСНУМКС Сеп;79(6):388-95. doi: 10.1016/j.brainresbull.2009.05.016.
Стоецкел ЛЕ1, Ким Ј, Веллер РЕ, Цок ЈЕ, Цоок ЕВ КСНУМКСрд, Хорвитз Б.
Апстрактан
Претјерана реактивност на прехрамбене знакове код гојазних жена изгледа дјеломично посредована хиперактивним системом награђивања који укључује нуцлеус аццумбенс, амигдалу и орбитофронтални кортекс. Ова студија је користила функционалну магнетну резонанцу (фМРИ) за испитивање да ли се разлике између КСНУМКС гојазних и КСНУМКС нормално тежих жена у активацији мозга у вези са наградом могу објаснити промјенама у функционалним интеракцијама између кључних подручја наградне мреже.
За испитивање да ли су постојале групне разлике у мрежним везама између нуклеуса акумбенса, амигдале и орбитофронталног кортекса као одговор на слике високе и ниске калоријске хране, коришћена је двостепена анализа путева / општи приступ линеарном моделу. У групи претилих људи дошло је до абнормалне повезаности као одговор на високе и ниске калоријске вредности хране у поређењу са контролама нормалне тежине.
У поређењу са контролама, гојазна група је имала релативни недостатак у модулацији активације амигдале и у орбитофронталном кортексу и у језгру аццумбенс, али прекомерни утицај модулације активације орбитофронталног кортекса у нуцлеус аццумбенс. Недостатне пројекције из амигдале могу се односити на неоптималну модулацију афективних / емоционалних аспеката вредности награде за храну или повезаног мотивационог издвајања, док повећана повезаност орбитофронталног кортекса са језгром акумуласа може допринети повећаном нагону за јелом као одговор на храну знак.
Дакле, могуће је да не само већа активација система награђивања, већ и разлике у интеракцији региона у овој мрежи могу допринијети релативно повећаној мотивационој вриједности хране у претилих особа.
Чини се да се етиологија гојазности објашњава, делимично, претјераном реактивношћу на знакове који се односе на храну, посебно на високо-масне, енергетски густе намирнице (нпр.12]). Механизам за појачану мотивациону истакнутост ових стимуланса код гојазних појединаца може бити хиперактивни систем награђивања, који укључује нуцлеус аццумбенс / вентрал стриатум (НАц), амигдалу (АМИГ) и орбитофронтални кортекс (ОФЦ). Претходна студија функционалне магнетне резонанције (фМРИ) показала је повећану активацију ових региона као одговор на високе калоријске слике хране у гојазности у поређењу са особама нормалне тежине ([77]; Сл. КСНУМКС). Друге студије које су излагале претиле појединце или оне са вишим БМИ на стимулансе хране такође су пронашле абнормалне обрасце активације у овим регионима ([22], [23], [28], [43], [68]), као и други ([40], [68]). Подражаји повезани са висококалоричном храном могу изазвати претерану мотивацију за не-хомеостатско једење ових врста хране ([10], [11], [53]). Ова прекомерна не-хомеостатска жеља да се конзумирају намирнице названа је подстицајна наглашеност или "жеља" и чини се да је у великој мери регулисана путем мезокортиколимбировог допаминског система, који укључује НАц, АМИГ и ОФЦ (нпр.6]).
Већина хуманих фМРИ студија користи приступ масовне униваријатне статистичке анализе како би разазнали функционалне карактеристике различитих макроскопских региона мозга. Истраживачи често интегришу информације о функционалној специјализацији групе региона како би објаснили како ова подручја могу интеракцију обављати одређену функцију. Међутим, једини валидни емпиријски засновани закључци који се могу извући из таквих анализа односе се на величину и обим активације у датом скупу региона мозга, а не на начин на који та подручја функционишу у интеракцији. Анализе повезаности омогућавају истраживачима да проуче како мреже региона мозга интерагују и обављају когнитивне и бихејвиоралне функције (нпр.34]). Важно је напоменути да закључци из традиционалних активацијских студија не преносе директно на студије повезаности. То јест, могу се мјерити разлике у величина активације мозга између група, али не и групних разлика у повезивање, и обрнуто (нпр.52]).
Анализа путање, тип моделирања структуралних једначина, је мултиваријатни приступ заснован на хипотезама који се примењује на функционално неуроизазивање да би се истражиле релације односа између датог скупа повезаних региона мозга ([51]). Ово је једна метода за анализу ефективне повезаности, у овом случају значење промена у активацији једне регије мозга која је резултат промена у активацији у другом региону. Модели путања су развијени на основу априори хипотезе и претпостављају узрочну структуру, где А → Б значи да су промене у региону А хипотетизоване проузроковати промене у региону Б (нпр.69]). Региони мозга у мрежном моделу се типично бирају на основу претходних функционалних неуроимагинг студија, а везе између ових региона се обично дефинишу на основу познатих неуроанатомских веза, углавном из животињске литературе, претпостављајући хомологију у регионима мозга између врста (нпр.69]). Процењене вредности параметара израчунате коришћењем анализе пута представљају квантификацију праваца кретања између региона у моделу. Ови коефицијенти путање се затим могу користити за поређење између веза унутар субјеката као одговор на промене у условима задатка или између субјеката и група унутар оквира општег линијског модела (ГЛМ) (нпр., [44], [64]).
НАц, АМИГ и ОФЦ функционишу заједно као део система награђивања. Постоје јаке анатомске везе између ових региона (види Сл. КСНУМКС; АМИГ → ОФЦ:7], [16], [30], [38], [60], [65], [71], АМИГ → НАц:30], [38], [71], и ОФЦ → НАц: [7], [16], [17], [30], [38], [56], [60], [65], [71]). Иако је јасно да су НАц, АМИГ и ОФЦ снажније активирани у гојазности у поређењу са контролама нормалне тежине када гледате слике хране, посебно слике високе калоријске хране ([77]), није сигурно да ли се активација у овим регионима односи на неки заједнички процес награђивања (нпр. мотивација или мотивација да се приступи и потроши награду) или да ли постоје различити процеси (нпр. хедоника или компонента задовољства награде и / или или учење) који рачунају за овај образац активације (погледајте [8] за дискусију о овим различитим процесима награђивања). НАц, АМИГ и ОФЦ имају бројна функционална својства. НАц / вентрал стриатум функционише као интерфејс између обраде која се односи на награду, хомеостатичних механизама и излаза мотора (нпр.41]), али може и да кодира вредност награђивања ([57]). ОФЦ може кодирати мултимодалне сензорне приказе хране и хране (10], [11]). Заједно, АМИГ и ОФЦ могу посредовати у асоцијативним процесима у којима подражаји повезани са храном добијају стимулативну истакнутост или друга мотивациона својства (нпр.6], [31]), али и код за хедонистичку вредност, АМИГ преко боттом-уп и ОФЦ преко топ-довн процеса ([7]).
У овој студији користили смо фМРИ податке Стоецкел ет ал. [77] и двостепена анализа путева плус ГЛМ приступ да би се истражиле интеракције кључних структура награђивања (НАц, АМИГ и ОФЦ) у једноставној мрежи како би се утврдило да ли те структуре функционишу заједно као одговор на слике хране високе и ниске калорије различито код гојазних и нормалних особа. Очекивали смо да ћемо наћи ефикасне везе између региона мозга, као што је наведено у нашем моделу, у контролама нормалне тежине као одговор на слике високе и ниске калоријске хране. Поред тога, очекивали смо да ћемо наћи бројне измењене ефекте у нашој групи која је претила, што би могло да објасни зашто храна има повећану мотивациону моћ за ове појединце.
Материјали и методе
Подаци који су коришћени за анализу пута били су исти подаци који су наведени у Стоецкел ет ал. [77]. Са изузетком одељка који се бави методама анализе путева, информације испод приказане су детаљније у Стоецкел ет ал. [77].
učesnici
Учесници су били 12 гојазних (индекс телесне масе, БМИ = 30.8 - 41.2) и 12 жена дешњака нормалне тежине (БМИ = 19.7 - 24.5) регрутованих са заједнице Универзитета Алабама у Бирмингхаму (УАБ). Није било групних разлика у просечној старости (гојазни: 27.8, СД = 6.2; контрола: 28, СД = 4.4), етничкој припадности (гојазни: 7 Афроамериканаца, 5 Кавказа; контрола: 6 Афроамериканаца, 6 Кавказа), образовању (гојазни: 16.7 година, СД = 2.2; контрола: 17.2, СД = 2.8), или средњи дан менструалног циклуса (гојазни: дан 6.8, СД = 3.1, контрола: дан 5.7, СД = 3.3, све у фоликуларној фази ). Учесници су регрутовани са огласима смештеним у новинама УАБ и летачима постављеним на различитим локацијама у кампусу УАБ. Обавештени су да је сврха студије била да погледа обрасце мождане активности код „гладних“ учесника различитих БМИ као одговор на визуелне слике различитих предмета као што су храна и контролне слике. Појединци су искључени на основу вишеструких здравствених критеријума, укључујући позитивну историју поремећаја храњења, активну дијету или учешће у програму мршављења или тежину> 305 кг са обимом> 138 инча (64 цм), а потоњи због ограничења скенера. Сви учесници потписали су писмени информисани пристанак након објашњења поступака студије и ризика. Све процедуре је прегледао и одобрио Институционални одбор за ревизију за хуману употребу при УАБ.
Подстицаји
Подражаји који су коришћени током сесије снимања састојали су се од слика у боји КСНУМКС, све конзистентне величине, резолуције и осветљености ([77]). Слике хране КСНУМКС-а подељене су на категорије нискокалоричних и високо-калоричних, од којих се свака састоји од КСНУМКС јединствених слика. Слике нискокалоричне хране састојале су се од таквих ниско-масних предмета као што су парјено поврће и печена риба. Висококалорична храна је првенствено била богата масноћама као што су колач од сира или пица. Контролни подражаји састојали су се од слика аутомобила, који су се широко разликовали по марки, моделу, старости и боји. Слике аутомобила су биле замишљене као умјерено занимљиве контролне стимулације које су одговарале нискокалоричним сликама на угодност на основу резултата Стоецкел ет ал. [77], са висококалоричном храном вреднованом више.
Поступак
Након детаљног скрининга за валидацију БМИ и верификацију других критеријума, учесници су заказани за фМРИ сесију. Њима је наложено да једу нормалан доручак између КСНУМКС-КСНУМКС АМ, али да прескоче ручак и конзумирају само воду, тако да су постили отприлике КСНУМКС-КСНУМКС х прије него што су снимљени између КСНУМКС-КСНУМКС ПМ.
Док су учесници били у магнету, визуелни стимуланси су представљени у формату блоковског дизајна, са укупно шест КСНУМКС: КСНУМКС мин по сесији снимања. Свака трка се састојала од две КСНУМКС епохе, од којих су свака возила (Ц), нискокалорична храна (ЛЦ), и високо калорична храна (ХЦ) псеудослучно представљена учесницима. У свакој КСНУМКС епохи слика хране или аутомобила, седам појединачних слика је представљено за КСНУМКС с. Експозиција КСНУМКС-а је раздвојила слике, а КСНУМКС-ов јаз је раздвојио епохе. Све празнине су се састојале од сивог празног екрана са фиксним крижем. Свака серија се састојала од КСНУМКС волумена за укупно КСНУМКС волумена у шест серија, од којих су КСНУМКС волумени набављени током сваког аутомобила, нискокалоричне хране и висококалоричне изложености храни. Визуелне слике су представљене на лаптоп рачунару који користи ВПМ софтвер ([18]). Слике су пројициране на екран иза главе учесника и прегледане преко КСНУМКС ° ретровизора са једном површином које је постављено на главу завојнице. Учесници су финансијски надокнадили своје учешће. Све процедуре су прегледане и одобрене од стране УАБ-овог Институционалног одбора за људску употребу.
Преузимање и обрада МРИ
Функционални МРИ подаци су добијени коришћењем Пхилипс Интера КСНУМКСТ ултра-кратког бушења магнета опремљеног са сензорским кодирањем (СЕНСЕ) главом завојнице. Слике су сакупљене коришћењем ТКСНУМКС * * тежинског градијент-ехо ЕПИ импулсног низа. Користили смо ТЕ = КСНУМКС мсец, ТР = КСНУМКС сек, и КСНУМКС ° флип угао за КСНУМКС аксијалне кришке КСНУМКС мм дебљине са КСНУМКС мм међупросторним размаком, резолуцију скенирања КСНУМКС × КСНУМКС, реконструисану у КСНУМКС × КСНУМКС, и са КСНУМКС × КСНУМКС × КСНУМКС мм ФОВ. Прва четири скенирања одбачена су да би магнет могао да постигне стационарну магнетизацију.
Подаци су унапред обрађени (корекција покрета, нормализација у МНИ координатни систем помоћу СПМ2 ЕПИ шаблона и уједначавање помоћу 6 мм ФВХМ Гауссовог филтера) помоћу софтверског пакета СПМ2 (Веллцоме Депт. Имагинг Неуросциенце, Лондон, Велика Британија). Ниједан скуп података није испунио критеријуме за укључивање кретања, а то је да је кретање пре корекције било <2 мм у транслационом кретању и <2 ° у ротацијском кретању (детаљи у [77]).
Анализа података
фМРИ подаци
Одговори на бази дизајна кисеоника на нивоу блока (БОЛД) анализирани су у контексту општег линеарног модела на основи воксела воксела, као што је примењено у СПМКСНУМКС ([27]). Временски ток активације мозга моделиран је функцијом вагона са функцијом канонске хемодинамске реакције (ХРФ) и функцијом временског деривата. Подаци су филтрирани (КСНУМКС / КСНУМКС Хз) како би се уклонили нископроточни помаци. Такође је имплементиран ауторегресивни модел првог реда како би се кориговали аутокорелације у термину грешке фМРИ модела.
За статистичку анализу коришћена је двостепена процедура случајних ефеката како би се узела у обзир варијабилност унутар субјекта и између субјекта. Прво, фМРИ подаци сваког појединачног учесника су коришћени за генерисање статистичких контраста процене параметара како би се тестирале разлике између временских тачака које одговарају висококалоричној и нискокалоричној храни. Резултати претходне студије ([77]) утврдили су групне разлике у обрасцима активације повезане са наградама, при чему је гојазна група показала већу активацију калоричној храни, а контрола нискокалоричној храни. Контраст стимулуса храна> контрола је затим унет у анализе т-теста на другом нивоу за поређења унутар групе ради локализације максимума групе за наше регије од интереса (РОИ): билатерални НАц, АМИГ и средњи ОФЦ (п <.05, неисправљено).
РОИ за АМИГ и ОФЦ дефинисани су помоћу ВФУ Пицкатлас и ААЛ и Талаирацх Даемон атласа ([47], [49], [79]). Пошто НАц није био доступан у овим библиотекама, нацртали смо сферу КСНУМКС мм у радијусу са ВФУ Пицкатлас центрираним на локацији воксела одређеном просјечним димензијама локације воксела из релевантних фМРИ студија ([1], [54], [58]). Класификација регионалне локације активираних воксела верификована је коришћењем ВФУ Пицкатласа и визуелном контролом података помоћу атласа људског мозга ([48]).
Анализа пута
Анализа путање је коришћена за одређивање снаге и правца односа (ефективне везе) између посматраних варијабли (РОИ), које су процењене коришћењем једначина за истовремену регресију преко процене максималне вероватноће. Ово је један од најчешћих приступа моделирању који се користи за проучавање ефективне повезаности ([69]). Користили смо двостепену анализу путање / ГЛМ приступ, пратећи сличну методу као Ким ет ал. [44]. За сваког учесника: (КСНУМКС) РОИ су одабрани да укључе у модел, (КСНУМКС) подаци временске серије су подељени у две групе повезане са волуменом за два услова задатка (висока и ниско-калорична храна), (КСНУМКС). подаци су екстраховани за сваки услов за сваки РОИ, (КСНУМКС) модел је одређен да специфицира интеракције РОИ, (КСНУМКС) варијанца-коваријанца (број запремина скенирања Кс број РОИ) матрица за сваки услов је израчуната, и (КСНУМКС) коефицијенти путања за везе између РОИ-а у моделима процијењени су путем процјене максималне вјеројатности. АНОВА са поновљеним мерама је затим коришћена да се одреде унутар-групе (тј. Услови) и разлике између група у моделним везама користећи коефицијенте пута из модела за сваког појединца.
Спецификација модела
Региони укључени у модел (ОФЦ, АМИГ и НАц) су компоненте онога што је названо "покретним кругом" ([63]), укључујући мезокортиколимбички систем допамина ([6], [36], [39], [45], [63], [66], [73], [80], [83]). Везе у моделу дефинисане су делимично на основу познате анатомске повезаности структура у овој мрежи, али и разматрања методолошких ограничења (нпр. Временске резолуције фМРИ и проблема идентификације са не-рекурзивним моделима помоћу моделирања структурних једначина; [7], [30], [38], [60], [65], [71]; Сл. КСНУМКС). Да би се процијениле поуздане вриједности коефицијената путање, модел је био ограничен да буде рекурзиван (тј. Није било реципрочних путања укључених у модел).
За сваки предмет је конструисан исти модел путање. Да би се омогућила варијабилност међу субјектима, дефинисали смо тачне координате сваке регије за сваку хемисферу из локалног максимума статистичке мапе сваког учесника унутар 12 мм од максимума групе (унутар истог анатомског региона) који је резултат хране> аутомобила контраста ( п <.05, неисправљено; [52]). МНИ координате региона су биле НАц, лево (к, и, з): -КСНУМКС, КСНУМКС, -КСНУМКС [контроле] и -КСНУМКС, КСНУМКС, -КСНУМКС [гојазни]; НАц десно, (к, и, з): КСНУМКС, КСНУМКС, -КСНУМКС [контроле] и КСНУМКС, КСНУМКС, -КСНУМКС [гојазни]; АМИГ, лево (к, и, з): -КСНУМКС, -КСНУМКС, -КСНУМКС [контроле] и -КСНУМКС, КСНУМКС, -КСНУМКС [гојазни]; АМИГ, десно (к, и, з): КСНУМКС, КСНУМКС, -КСНУМКС [контроле] и КСНУМКС, КСНУМКС, -КСНУМКС [гојазни]; ОФЦ, лево (к, и, з): -КСНУМКС, КСНУМКС, -КСНУМКС [контроле] и -КСНУМКС, КСНУМКС, −КСНУМКС [гојазни]; ОФЦ, десно (к, и, з): КСНУМКС, КСНУМКС, -КСНУМКС [контроле] и КСНУМКС, КСНУМКС, -КСНУМКС [гојазни]. За сваки регион, главна е-варијанта временске серије је екстрахована из сфере КСНУМКС-мм са центром на локалном максимуму специфичном за предмет. Главни (тј. КСНУМКСst) својствена варијабла је сумарна мера, слична оној пондерисаној робустности према екстремним вредностима, заснована на варијанци свих воксела укључених у сферу КСНУМКС мм у радијусу.
Подаци о регионалним временским серијама (главне еигенвариате вриједности) су затим подијељени у два скупа података: временске точке повезане с (КСНУМКС) висококалоричном храном и (КСНУМКС) нискокалоричном храном. Да бисмо објаснили хемодинамичко заостајање, претпоставили смо физиолошко кашњење КСНУМКС с (КСНУМКС ТР) између почетка и помака наших двају услова и прилагодили податке које смо у складу са тим извукли ([32]). То је резултирало са два КСНУМКС-а (број обима скенирања) Кс КСНУМКС (број РОИ) матрица података за свако стање (висока и ниско-калорична храна) за сваког учесника.
Процене параметара путање
Модел пута је одговарао матрици података и за висококалоричну и за нискокалоричну храну независно за сваког учесника. Коефицијенти слободног пута процењени су минимизирањем неслагања између корелационе матрице уочене из података фМРИ и матрице корелације предвиђене моделом помоћу софтвера ЛИСРЕЛ (верзија 8, ССИ Сциентифиц Софтваре). Стандардизоване процене параметара (сличне β у регресији) или коефицијенти путање за сваку везу (АМИГ → ОФЦ, ОФЦ → НАц и АМИГ → НАц) унутар сваке хемисфере (лево и десно) из оба модела (високог и ниског калорична храна) за сваког учесника увезена је у СПСС за накнадне анализе. Мешовити модел АНОВА спроведен је за сваку од три везе, у којима су фактори били група (гојазни насупрот контроли), категорија хране (високо наспрам нискокалоричне) и хемисфера. Како је ово била истраживачка студија, тестирали смо значај значајних коефицијената пута све док су омнибус модели показивали бар готово значајне ефекте (п <0.10). За сваку групу коришћени су један узорак т-тестова да би се испитало да ли се коефицијенти пута у високо- и нискокалоричним моделима хране значајно разликују од нуле, што указује на повезаност како је одређено. Упоређење у пару коришћено је за тестирање разлика у коефицијентима путање за сваку хемисферу (лево и десно) за унутар групе (висококалорична насупрот нискокалоричној храни) и поређења међу групама (гојазни насупрот контролама за висококалоричне и нискокалоричне -калорична храна, независно). Упарени т-тестови коришћени су за поређења унутар групе, а независни узорци т-тестови за поређење између група.
Резултати
Сви процењени коефицијенти пута су се значајно разликовали од нуле за гојазну групу и контроле за обе хемисфере у високо-и нискокалоричном моделу хране, у складу са наведеним моделом повезаности (п вредности <0.001; Табела КСНУМКС).
Поређења између група
ОФЦ → НАц
Није било главног ефекта групе за везу ОФЦ → НАц, иако је постојао тренд (Ф [1,22] = 3.70, п = 0.067), који указује на већу повезаност за гојазну групу (0.53 ± 0.06) у поређењу са контролама (0.41 ± 0.06). Није било значајних интеракција латералности групе Кс категорије или групе Кс категорије Кс, иако је постојао тренд ка интеракцији латералности групе Кс (п = 0.059). Коефицијенти путање леве стране од ОФЦ → НАц били су значајно већи у групи гојазних и за високо- и нискокалоричну храну (п вредности <.03; Сл. КСНУМКС).
АМИГ → ОФЦ
Главни ефекат групе био је такав да је средња повезаност од АМИГ → ОФЦ била мања за гојазне учеснике (0.64 ± 0.07) у поређењу са контролама (0.84 ± 0.07), што указује на релативно јачи смерни однос у активирању мозга између ових структура као одговор на храна у контролама (Ф [1,22] = 4.46, п = 0.046). Није било значајних група по категоријама или група по интеракцијама са латералношћу, иако је постојао тренд (п = 0.066) ка групи према интеракцији са латералношћу категорије Кс. Накнадне анализе показале су да су коефицијенти пута били знатно већи код контрола висококалоричне хране обострано и од десног АМИГ → десног ОФЦ за нискокалоричну храну (п вредности <.05; Сл. КСНУМКС).
АМИГ → НАц
Постојао је главни ефекат групе за средњу АМИГ → НАц везу, тако да је била слабија повезаност за гојазну групу (0.35 ± 0.05) у поређењу са учесницима у контроли (0.49 ± 0.05; Ф [1,22] = 6.00, п = 0.023 ). Није било значајних интеракција латералности групе Кс категорије или групе Кс категорије Кс, иако је постојао тренд ка интеракцији латералности групе Кс (п = 0.09). Упоређивање у пару показало је да су коефицијенти путање леве стране били знатно већи код контрола и за високо- и нискокалоричну храну (п вредности <.05; Сл. КСНУМКС).
Поређења у групи високих и нискокалоричних услова хране
Коефицијенти пута из АМИГ → ОФЦ билатерално били су значајно већи за поређење категорија висококалоричних намирница у контролама (лево: п = КСНУМКС, десно: п = КСНУМКС; види Сл. КСНУМКС). Ниједан од коефицијената путање није се значајно разликовао између високих и нискокалоричних услова хране у групи гојазних.
Дискусија
Претходна истраживања су показала да индикатори хране, посебно они који се односе на висококалоричну храну, покрећу хиперактивност у регионима мозга укључујући НАц, АМИГ и ОФЦ да би посредовали или барем кодирали мотивационе и емоционалне процесе код гојазних појединаца (нпр.68], [77]). У овој студији смо тестирали да ли постоје разлике у мрежним везама између НАц, АМИГ и ОФЦ као одговор на слике високе и ниске калоријске хране унутар и између група гојазних и нормалних тежина. Важно је напоменути да је ово прва студија везана за људску повезаност која користи функционално неуроизазивање за мерење интеракције региона мозга у мрежи награђивања. Пронашли смо ненормалну повезаност у групи са гојазном као одговор на високе и ниске калоријске вредности хране у поређењу са контролама нормалне тежине. Конкретно, чини се да гојазна група има релативни недостатак у АМИГ-модулисаној активацији и ОФЦ и НАц, али тенденцију ка прекомерном утицају модулације ОФЦ-а на активацију НАц. Тако је могуће да не само то већа активирање система награђивања, али и разлике у интеракције региона у овој мрежи може допринијети релативно повећаној мотивационој вриједности хране у претилих особа.
Модел награђивања
Све путне везе између НАц, АМИГ и ОФЦ биле су значајне и за моделе високе и ниске калоријске хране у контролној групи гојазних и нормалних тежина, у складу са познатим анатомским везама међу овим регионима ([7], [16], [17], [30], [38], [56], [60], [65], [71]). Ова мрежа је инервисана од стране вентралне тегменталне области, која ослобађа допамин у овај круг као одговор на мотивационо истакнуте догађаје ([9], [39], [71]). Међутим, пројекције између НАц, АМИГ и ОФЦ приказане су у Сл. КСНУМКС су глутаматергични ([39], [71]).
Ова НАц, АМИГ и ОФЦ наградна мрежа је поткровље већег "мотива" за који се мисли да активира и директно понаша као одговор на мотивационо релевантне стимулансе ([39], [63]). НАц, АМИГ и ОФЦ, посебно, имају важне функције везане за награду које вероватно доприносе и општим и специфичним мотивационим процесима специфичним за храну ([6], [10], [11], [36], [39], [45], [63], [66], [73], [80], [83]). НАц / трбушни стриатум је конципиран као 'лимбиц-мотор' интерфејс ([55]) и чини се да је укључен у процесирање повезано са Павловиан кондиционирањем, стимулативном истакнутошћу, и наградом доступности, вредности и контекста ([13], [15], [21]). Ова област, заједно са вентралним палидумом преко механизама посредованих опиоидима, такође може да кодира хедонску вредност ([9], [10], [11], [74], [75]). Изгледа да НАц / трбушни стриатум кодира опште мотивационе миљее (нпр.14]), што би омогућило хијерархијску организацију долазних сигнала везаних за награду. За награђивање хране, чини се да НАц / вентрал стриатум показује преференцијално укључивање у кодирање знакова повезаних са храном (насупрот потрошње хране) и може да интегрише хомеостатске и не-хомеостатске сигнале да модулира мотивационо стање ([42], [76]). Овај регион такође може да кодира релативну вредност награђивања доступних стимуланса хране ([57]). Чини се да је АМИГ укључен у мотивационе релевантне асоцијативне процесе ([61], [62]). Поред кодирања за општа афективна и мотивациона својства, активност АМИГ-а може се односити на специфична својства стимулуса повезаних са храном ([2]). ОФЦ изгледа да је кључна регија за превођење вредности награђивања у хедонистичко искуство ([46]), обрада временских и извесних карактеристика награде ([14]), и укључен је у процесе учења везаних за мотивацију у сарадњи са АМИГ ([24], [59]). ОФЦ показује мултимодалне одговоре на сигнале хране ([67]) и названа је "терцијарним подручјем укуса", након обраде окуса у оточној кори ([10], [11]).
Значај групних разлика у повезаности
ОФЦ → НАц
Гојазне жене су показале већу повезаност ОФЦ → НАц са леве хемисфере него што су то чиниле контроле и за висококалоричну и за нискокалоричну храну. Овај пут је можда ојачан у групи гојазних са комбинацијом повећане ОФЦ активације са сликама хране и повишеном функцијом допамина (ДА) унутар НАц код ових појединаца. Хорвитз [33] је предложио да ДА дјелује на улазне улазе глутаматергије од ОФЦ у НАц. Због овог гатинг, у присуству високе ДА функције унутар НАц, високи нивои активности унутар ОФЦ постају ефикаснији у даљем повећању НАц активности. Иако је улога ДА у гојазности контроверзна ([20], [29], [81]), индиректни докази указују на повећану функцију ДА у систему награђивања благих до умерено гојазних појединаца (нпр.20]), попут оних у нашем узорку. Ми спекулишемо да ОФЦ → НАц пут може бити кључ за предложене позитивне односе између реактивности хране, већег уноса и високог БМИ ([25], [78]) због јаког повезивања претјеране субјективне вриједности награђивања прехрамбених знакова посредованих од стране ОФЦ-а са излазним путевима којима приступа НАц. Коначно, због предложених паралела између гојазности и зависности од дрога (нпр.82]), важно је напоменути да су истраживачи зависности предложили да дисрегулисани ПФЦ (укључујући ОФЦ) → НАц трансмисију синаптичког глутамата објашњава повећану мотивацију за лекове као одговор на лекове везане за дроге ([37], [39]).
АМИГ → ОФЦ и АМИГ → НАц
Код гојазних учесника у поређењу са контролама, пронашли смо редуковане коефицијенте пута од АМИГ-а до ОФЦ и НАц. Ове разлике су биле значајне за АМИГ → ОФЦ билатерално за висококалоричну храну и за десну хемисферу за нискокалоричну храну. АМИГ → НАц повезаност је била нижа у групи гојазних у левој хемисфери и за висококалоричну и за нискокалоричну храну. Иако релевантност ових групних разлика за гојазност није јасна, могуће је да смањена повезаност са АМИГ на ове структуре може нарушити флексибилност у ажурирању вриједности награђивања. Основно учење којим се стимуланси повезани са примарним наградама стичу мотивацијску вриједност могу се појавити у АМИГ ([5]). АМИГ → ОФЦ пројекција може пренети основне мотивационо релевантне асоцијативне информације ОФЦ-у, који користи информације из АМИГ-а да би одредио субјективну вредност и утицао на накнадно инструментално понашање ([15]). Као пример важности овог пута за модификовање вредности награђивања, Бактер и колеге [3] открили да резус макаки нису успели да промене своје понашање током задатка девалвације награде након што је прекинута веза између АМИГ-а и ОФЦ-а. У парадигми учења-исхода учења, Сцхоенбаум и колеге [70] открили да је нарушавање АМИГ → ОФЦ пута путем лезије резултирало отпуштањем више-селективног ОФЦ неурона као реакције на сензорне као супротности асоцијативним својствима. Што се тиче ингестивног понашања, недостатак АМИГ → ОФЦ везе код гојазних учесника може указати на субоптималан пренос основне афективне / емоционалне вриједности у вези са храном и намирницама важним за ажурирање субјективне вриједности награђивања ових знакова како би се олакшала флексибилност у понашању уношења хране. У поређењу са особама нормалне тежине, вриједност награђивања намирница и намирница хране може бити снажније потакнута сензорним својствима намирница и намирница за гојазне особе. Поред тога, сензорска вриједност награђивања хране и намирница хране може бити мање подложна промјени непредвиђених могућности награђивања.
Слично као и АМИГ → ОФЦ веза, недостатак повезаности код гојазних особа са АМИГ → НАц може указати на основни хедонијски сигнал који служи за модулацију вриједности награђивања намирница или прехрамбених знакова (АМИГ) који није прикладно оптерећен другим сигналима (нпр. , хомеостатично) пре него што се одреди одговарајуће ингестивно понашање ([84]).
Ограничења и упозорења
- Спецификација модела помоћу анализе путање у фМРИ може бити изазов, јер се број и комбинација веза између региона значајно повећава са сваком додатном регијом укљученом у модел, што чини поуздано процјењивање ових коефицијената путање и интерпретирање налаза теже. На пример, у овој студији са КСНУМКС регионима по хемисфери (КСНУМКС региони укупно) постоје к = Н(N + КСНУМКС) / КСНУМКС = КСНУМКС степени слободе по скупу података (k = КСНУМКС степени слободе за два тестирана модела) додељени за процену ефеката интереса. Дванаест ступњева слободе се користи за процјену одступања која се односе на сваки регион у оба модела (КСНУМКС регије по моделу × КСНУМКС модели). Са минимум КСНУМКС тачака података неопходних за поуздано процењивање вредности параметара за сваки пут у моделу ([4]), ово оставља максимум КСНУМКС процењивих путања за два модела са КСНУМКС регионима сваки (КСНУМКС проценљиви путеви по моделу). Ово ограничава комплексност модела који се може тестирати помоћу анализе путева и један је од разлога због којег смо изабрали да не укључимо међумесферне везе у наше моделе.
- Изабрали смо двостепени СЕМ / ГЛМ приступ како бисмо директно тестирали групне разлике између веза у хипотетизованом моделу и нису биле заинтересоване за поређење уклапања модела између група пер се. Овај приступ се разликује од традиционалне фМРИ и методологије анализе путева названог "приступ сложеног модела" који упоређује модел који се уклапа између задатака или група ([50]). Међутим, Протзнер и МцИнтосх [64] недавно је известио да информације о апсолутном уклапању модела нису неопходне да би се генерисале поуздане процене параметара користећи анализу пута.
- Још једно ограничење ове студије односи се на моћ да се открију разлике између коефицијената путање процијењених у нашим моделима због малих величина узорака које се користе за сваку групу. Са већим групама, резултати нашег тренда би вјероватно достигли статистичку значајност.
- Ми нисмо укључили вентралну тегменталну област (ВТА), извор допамина унутар мезокортиколимбичког круга који је предложен да посредује у многим процесима који су повезани са наградом ([26], [35], [72]), у нашем моделу због методолошких ограничења везаних за БОЛД фМРИ који чине детекцију активације у регијама можданог стабла као што је ВТА тешко ([19]).
Закључци и резиме
Укратко, наша неуроимагинг студија је пронашла аберантну повезаност мреже награђивања у гојазним појединцима у поређењу са контролама, са смањеном повезаношћу са АМИГ на ОФЦ и НАц и повећану повезаност у ОФЦ → НАц код ових учесника. Ови резултати додају претходним извештајима показујући да не постоји само претерана активација система награђивања као одговор на храну, већ и абнормална интеракција између региона у овој мрежи код гојазних појединаца. Нарочито мислимо да на претерану исхрану код гојазних појединаца може утицати два механизма: (КСНУМКС) повећана ОФЦ → НАц повезивост може допринети повећаној потрошњи хране и (КСНУМКС) недостатна повезаност АМИГ може резултирати субоптималном модулацијом афективног / емоционалног аспекти хране или намирница награђују вриједност. Без одговарајуће афективне / емоционалне информације која би сигнализирала девалвацију намирница или намирница након узимања хране, појачана вожња може надјачати хомеостатичке механизме који доводе до хиперфагије и повећања тежине. Додуше, тестирали смо једноставну мрежу награђивања. Даљње студије су неопходне да би се истражила повезаност у систему награђивања и како та подручја могу бити у интеракцији са хомеостатским механизмима у хипоталамусу и можданом деблу, као и когнитивним механизмима контроле уноса хране у префронталном кортексу. Такође ће бити занимљиво одредити како индивидуалне разлике и интероцептивни и ектероцептивни фактори модулирају ову мрежу награђивања како би боље разумјели како механизми награђивања утичу на ингестивно понашање.
priznanja
Уз подршку НИХ-НИДЦД Интрамурал Ресеарцх програма, ГЦРЦ одобрава МКСНУМКС РР-КСНУМКС из Националног центра за истраживачке ресурсе, Процтер анд Гамбле Цо., и ресурсе УАБ Центра за развој функционалне слике (ЦДФИ).
Фусноте
Изјава издавача: Ово је ПДФ фајл нерегистрованог рукописа који је прихваћен за објављивање. Као услугу нашим клијентима пружамо ову рану верзију рукописа. Рукопис ће бити подвргнут копирању, слагању и прегледу резултирајућег доказа прије него што буде објављен у коначном облику. Имајте на уму да се током производног процеса могу открити грешке које би могле утицати на садржај, а све правне изјаве које се односе на часопис припадају.
Сукоб интереса
Аутори изјављују да немају конкурентних финансијских интереса.
Референце
;