Узорци структурне повезаности мозга разликују нормалну тежину од субјеката са прекомерном тежином (КСНУМКС)

Иди на:

Апстрактан

позадина

Промене у хедонијској компоненти ингестивног понашања су имплициране као могући фактор ризика у патофизиологији појединаца са прекомерном тежином и гојазности. Неуроимагинг докази од појединаца са повећањем индекса телесне масе указују на структурне, функционалне и неурохемијске промене у проширеној мрежи награђивања и придруженим мрежама.

Циљ

Применити мултиваријантну анализу узорака како би се разликовали нормални и претежни субјекти на основу сивих и белих материја.

Методе

Структурне слике (N = 120, прекомерна тежина N = 63) и слике дифузног тензора (ДТИ) (N = 60, прекомерна тежина N = 30) добијени су од здравих контролних испитаника. За укупан узорак средња старост за групу са прекомерном тежином (жене = 32, мушкарци = 31) била је 28.77 година (СД = 9.76), а за групу са нормалном тежином (жене = 32, мушкарци = 25) била је 27.13 година (СД = 9.62 ). Регионална сегментација и парцелација слика мозга изведена је помоћу Фреесурфера. Извршена је детерминистичка трактографија за мерење нормализоване густине влакана између региона. Приступ анализе мултиваријантних образаца коришћен је за испитивање могу ли мере мозга разликовати особе са прекомерном тежином од особа са нормалном тежином.

Резултати

КСНУМКС. Класификација белих материја: Класификациони алгоритам, заснован на КСНУМКС потписима са КСНУМКС регионалним везама, постигао је тачност КСНУМКС% у разликовању појединаца са прекомерном тежином од особа са нормалном тежином. За оба потписа мозга, већа је повезаност као што је индексирана повећаном густином влакана уочена у прекомјерној тежини у односу на нормалну тежину између регија и регија за наградну мрежу извршне контроле, емоционалног узбуђења и соматосензорних мрежа. Насупрот томе, супротан образац (смањена густина влакана) је нађен између вентромедијалног префронталног кортекса и предње инсуле, и између таламусних и извршних контролних мрежних региона. КСНУМКС. Класификација сивих материја: Класификациони алгоритам, заснован на КСНУМКС потписима са морфолошким карактеристикама КСНУМКС, постигао је тачност КСНУМКС% у разликовању прекомјерне тежине од нормалне тежине. У оба подручја потписивања мозга била су повезана подручја награђивања, истакнутости, извршне контроле и мреже емоционалног узбуђења снизити морфолошке вредности код особа са прекомерном тежином у поређењу са појединцима са нормалном тежином, док је супротни образац примећен за регионе соматосензорне мреже.

Закључци

КСНУМКС. Повећани БМИ (тј. Испитаници са прекомерном телесном тежином) повезан је са израженим променама у густини сиве материје и влакана у мозгу. КСНУМКС. Алгоритми класификације засновани на повезаности бијеле материје који укључују регије награде и придружене мреже могу идентифицирати специфичне циљеве за механистичке студије и будући развој лијекова усмјерене на ненормално ингестивно понашање и прекомјерну тежину / гојазност.

Кључне речи: Гојазност, Прекомерна тежина, Морфолошка сива материја, Анатомска повезаност беле материје, Мрежа награде, Мултиваријатна анализа, Алгоритам класификације
Скраћенице: ХЦ, здрава контрола; БМИ, индекс телесне масе; ХАД, болничка анксиозност и скала депресије; ТР, време понављања; ТЕ, ехо време; ФА, угао окретања; ГЛМ, општи линеарни модел; ДВИ, МРИ са дифузионом тежином; ФОВ, видно поље; ГМВ, волумен сиве материје; СА, површина; ЦТ, кортикална дебљина; МЦ, средња закривљеност; ДТИ, дифузионо тензорско снимање; ФАЦТ, додавање влакана континуираним праћењем; СПСС, статистички пакет за друштвене науке; АНОВА, анализа варијанце; ФДР, стопа лажног откривања; сПЛС-ДА, ретки парцијални најмањи квадрати за анализу дискриминације; ВИП, променљива важност у пројекцији; ППВ, позитивна предиктивна вредност; НПВ, негативна предиктивна вредност; ВТА, вентрална тегментална област; ОФГ, орбитофронтални гирус; ППЦ, стражњи паријетални кортекс; длПФЦ, дорсолатерал префронтал цортек; вмПФЦ, вентромедијални префронтални кортекс; аМЦЦ, антериорни средњи цингуларни кортекс; сгАЦЦ, субгенуал антериор цингулате цортек; АЦЦ, антериор цингулате цортек

КСНУМКС. Увод

Светска здравствена организација процењује да је скоро пола милијарде одраслих гојазних и више од двоструко више одраслих који имају прекомерну тежину, што доприноси повећању болести као што су дијабетес, кардиоваскуларне болести и рак, и доводи до смрти најмање КСНУМКС милиона јединки сваке године (Светска здравствена организација (ВХО), КСНУМКС). Само у Америци, до КСНУМКС% одраслих има гојазност и два пута више одраслих (КСНУМКС%) су или предебели или гојазни (Центар за контролу болести (ЦДЦ), КСНУМКС). Економско и здравствено оптерећење због прекомерне тежине и гојазности наставља да повећава трошкове здравствене заштите до чак $ КСНУМКС милијарди (Финкелстеин ет ал., КСНУМКС), а милијарде долара и даље се троше на неефикасне третмане и интервенције (Ловеман ет ал., КСНУМКС; Терранова ет ал., КСНУМКС). Упркос различитим напорима усмереним ка идентификацији основне патолошке физиологије прекомерне тежине и гојазности, садашње разумевање је и даље недовољно.

И еколошки и генетски фактори играју улогу у развоју људи који имају прекомерну тежину и гојазност (Цалтон и Ваиссе, КСНУМКС; Цхокует и Меире, КСНУМКС; Дубоис ет ал., КСНУМКС; Ел-Саиед Моустафа и Фрогуел, КСНУМКС). Недавне студије неуроизазивања показале су да је виши индекс телесне масе (БМИ) повезан са промјенама у функционалном стању (стање задатка и мировања) (Цоннолли ет ал., КСНУМКС; Гарциа-Гарциа и др., КСНУМКС; Килпатрицк ет ал., КСНУМКС; Куллманн ет ал., КСНУМКС, морфометрија сиве материје (Куртх ет ал., КСНУМКС; Раји и др., КСНУМКС), и својства беле материје (Схотт ет ал., КСНУМКС; Станек ет ал., КСНУМКС), указујући на могућу улогу мозга у патофизиологији прекомерне тежине и гојазности (Дас, КСНУМКС). Ове студије у великој мери имплицирају регионе мреже награда (Кенни, КСНУМКС; Волков ет ал., КСНУМКС; Волков ет ал., КСНУМКС; Волков ет ал., КСНУМКС), и три уско повезане мреже које се односе на истакнутост (Гарциа-Гарциа и др., КСНУМКС; Морров ет ал., КСНУМКС; Сеелеи ет ал., КСНУМКСа), извршна контрола (Сеелеи ет ал., КСНУМКСб), и емоционално узбуђење (Менон и Уддин, КСНУМКС; Залд, КСНУМКС) (Сл. КСНУМКС).

Сл. КСНУМКС 

Регије мреже награда и повезане мреже. КСНУМКС. Ревард нетворк: хипоталамус, орбитофронтални кортекс (ОФЦ), нуклеус акумбенс, путамен, вентрална тегментална област (ВТА), супстанце нигра, региони средњег мозга (каудат, паллидум, хипокампус). КСНУМКС. Салиенце ...

Ова студија је имала за циљ да тестира општу хипотезу да се интеракције између региона ових мрежа разликују између појединаца са прекомерном тежином у поређењу са особама са нормалном тежином, а ми смо применили велику анализу, визуализацију и мултиваријантну анализу узорака на најсавременију неуроимагинг анализу података. ову хипотезу. Доступност ефикаснијих и компјутерски интензивнијих цјевовода за обраду података и статистичких алгоритама омогућава ширу морфолошку и анатомску карактеризацију мозга код особа са повишеним БМИ у поређењу са особама са нормалном тежином. Мултиваријантна анализа класификације узорака пружа средства за испитивање распоређеног распореда региона који разликују прекомјерну тежину у односу на особе нормалне тежине.

У овој студији, алгоритам учења под надзором се примењује на мере регионалне морфометрије мозга и густине влакана белих материја (мере повезаности између одређених региона мозга) да би се тестирала хипотеза да је статус прекомерне тежине повезан са различитим обрасцима или мозговним потписима који обухватају регионе награду, истакнутост, извршну контролу и мреже емоционалног узбуђења. Резултати указују да се регионална повезаност, а мање морфометрија мозга, може користити за разликовање прекомјерне тежине у односу на појединце са нормалном тежином. Резултати дају алгоритам за предикцију заснован на мултимодалном снимању мозга и идентификују специфичне циљеве за даљња механичка истраживања.

КСНУМКС. Метходс

КСНУМКС. Учесници

Укупан узорак је био састављен од добровољаца са добром контролом (ХЦ) са десне стране КСНУМКС-а који су били укључени у неуроимагинг студије у Центру за неуробиологију стреса између КСНУМКС и КСНУМКС. Субјекти су регрутовани кроз рекламе објављене у УЦЛА и Лос Ангелес заједници. Све процедуре су биле у складу са начелима Хелсиншке декларације и одобрене од стране Институционалног одбора за ревизију при УЦЛА (бројеви одобрења КСНУМКС-КСНУМКС и КСНУМКС-КСНУМКС). Сви субјекти су дали писмени пристанак. Сви испитаници су класификовани као здрави након клиничке процене која је укључивала модификовани Мини-Интернатионал Неуропсицхиатриц Интервиев Плус КСНУМКС (Схеехан ет ал., КСНУМКС). Критеријуми за изузеће обухватали су злоупотребу супстанци, трудноћу, зависност од дувана, абдоминалну хирургију, васкуларне факторе ризика, операцију губитка килограма, прекомерно вежбање (више од 1 сата дневно и маратонци) или психијатријске болести. Иако су често повезани са повећаним БМИ, испитаници са хипертензијом, дијабетесом или метаболичким синдромом су искључени да би смањили хетерогеност популације. Такође, из истог разлога су искључени субјекти са поремећајима у исхрани, укључујући пробавне поремећаје или поремећаје у исхрани попут анорексије или булимије нервозе. Иако се БМИ = 25–29.9 сматра прекомерном тежином, у нашој студији је идентификован као група са високим БМИ. Испитаници са нормалном тежином регрутовани су са БМИ <25, а у нашој студији је идентификована као нормална група БМИ. Ниједан субјект није прешао 400 лб због ограничења тежине МРИ скенирања.

КСНУМКС. Карактеристике узорка

Валидирани упитници су завршени пре скенирања и коришћени су за мерење тренутних симптома анксиозности и депресије (болничка анксиозност и депресивна скала (ХАД)) (Зигмонд и Снаитх, КСНУМКС). Љествица ХАД је самопроцјена КСНУМКС-скала која процјењује тренутне симптоме анксиозности и депресије код субјеката на почетку (Зигмонд и Снаитх, КСНУМКС). Поред тога, испитаници су претходно били подвргнути структурираном психијатријском интервјуу (Мини Интернатионал Неуропсицхиатриц Интервиев, МИНИ) да би се измерила прошла или садашња психијатријска болест (Схеехан ет ал., КСНУМКС).

КСНУМКС. стицање фМРИ

КСНУМКС. Структурна (сива материја) МРИ

Субјецтс (N = 120, висок БМИ N = 63) су скенирани на 3.0 Тесла Сиеменс ТРИО након што је сагитални извиђач коришћен за позиционирање главе. Структурна скенирања су добијена из 4 различите секвенце аквизиције помоћу тродимензионалног Т3-пондерисаног, сагиталном магнетизацијом припремљеног протокола брзог градијентног еха (МП-РАГЕ) припремљеног сагиталном магнетизацијом и детаљи скенирања су: 1. Време понављања (ТР) = 1 мс, време одјека (ТЕ) = 2200 мс, угао окретања (ФА) = 3.26 мм3 величина воксела. 2. ТР = 2200 мс, ТЕ = 3.26 мс, ФА = 20, 1 мм3 величина воксела. 3. ТР = 20 мс, ТЕ = 3 мс, ФА = 25, 1 мм3 величина воксела. 4. ТР = 2300 мс, ТЕ = 2.85 мс, ФА = 9, 1 мм3 вокел сизе. Утврђен је утицај протокола аквизиције на разлике у укупном волумену сиве твари (ТГМВ). Конкретно, општи линеарни модел (ГЛМ) примењен је да би се утврдио утицај протокола на ТГМВ који контролише старост. Резултати су показали да сви протоколи нису међусобно слични (F(3) = 6.333, p = .053).

КСНУМКС. Анатомска повезаност (бијела материја) МРИ

Подскуп оригиналног узорка (N = 60, висок БМИ N = 30) је подвргнут дифузијски пондерисаним МРИ (ДВИ), према два упоредива протокола аквизиције. Конкретно, ДВИ су набављени у 61 или 64 неколинеарних праваца са b = 1000 с / мм2, са КСНУМКС или КСНУМКС b = 0 с / мм2 слике. Оба протокола су имала ТР = 9400 мс, ТЕ = 83 мс и видно поље (ФОВ) = 256 мм са матрицом прибављања 128 × 128 и дебљину пресека 2 мм да би се добило 2 × 2 × 2 мм.3 изотропни воксели.

КСНУМКС. фМРИ обрада

КСНУМКС. Структурна (сива) сегментација и парцелација

Сегментација ТКСНУМКС-слика и регионална парцелација извршени су помоћу услуге ФрееСурфер (Дале ет ал., КСНУМКС; Фисцхл ет ал., КСНУМКС, 2002) према номенклатури описаној у Дестриеук ет ал. (КСНУМКС). За сваку церебралну хемисферу, поред КСНУМКС субкортикалних структура и малог мозга, обележен је сет КСНУМКС билатералних кортикалних структура. Резултати сегментације из узорка су приказани у Сл. КСНУМКСА. Једна додатна структура средње линије (мождана стабла која укључује делове средњег мозга, као што је вентрална тегментална област [ВТА] и супстанција нигра) такође је укључена, за комплетан скуп парцелација КСНУМКС-а за цео мозак. Израчунате су четири репрезентативне морфолошке мере за сваку кортикалну парцелацију: волумен сиве материје (ГМВ), површина (СА), дебљина кортекса (ЦТ) и средња закривљеност (МЦ). Радни процеси обраде података су дизајнирани и имплементирани у Лабораторију за неуроимагулацију (ЛОНИ) (http://pipeline.loni.usc.edu).

Сл. КСНУМКС 

А. Резултати структуралне сегментације и парцелације и Б. влакна бијеле материје су повезани са структурним парцелацијама из узорка. О: Структурна сегментација. Б: Сегментација беле материје.

КСНУМКС. Анатомска повезаност (бела материја)

Дифузно-пондерисане слике (ДВИ) су кориговане за кретање и коришћене за израчунавање дифузионих тензора који су ротационо ре-оријентисани у сваком вокселу. Слике дифузионог тензора су поравнате на основу трилинеарне интерполације лог-трансформисаних тензора као што је описано у Цхианг ет ал. (Цхианг ет ал., КСНУМКС) и преузорковани у изотропну резолуцију воксела (2 × 2 × 2 мм3). Радни процеси обраде података су креирани помоћу ЛОНИ цевовода.

Повезаност беле материје за сваки субјект процењена је између КСНУМКС региона мозга идентификованих на структурним сликама (Слика КСНУМКСБ) коришћењем ДТИ влакана трактографије. Трактографија је изведена помоћу алгоритма за одређивање влакана континуираним праћењем (ФАЦТ) (Мори ет ал., КСНУМКС) користећи ТрацкВис (http://trackvis.org) (Иримиа ет ал., КСНУМКС). Коначна процена повезаности беле материје између сваког од региона мозга је одређена на основу броја влакнастих путева који се укрштају у сваком региону, нормализовани укупним бројем влакнастих путева у целом мозгу. Ове информације су затим коришћене за накнадну класификацију.

КСНУМКС. Слабе парцијалне најмањи квадрати - дискриминациона анализа (сПЛС-ДА)

Да бисмо утврдили да ли се мозговни маркери могу користити за предвиђање високог БМИ статуса (прекомерна тежина у односу на нормалну тежину) користили смо сПЛС-ДА. сПЛС-ДА је облик ретке ПЛС регресије, али варијабла одговора је категорична, указујући на групно чланство (Ле Цао, КСНУМКСа; Ле Цао ет ал., КСНУМКСб, 2011). Показало се да је сПЛС-ДА посебно ефикасан са великим бројем предиктора, малом величином узорка и високом ко-линеарношћу међу предикторима (Ле Цао, КСНУМКСа; Ле Цао ет ал., КСНУМКСб, 2011). сПЛС максимизира коваријанцу узорка између можданих мера и контраста групних разлика. сПЛС истовремено врши избор варијабли и класификацију помоћу ласо пенализације (Ле Цао ет ал., КСНУМКСа). сПЛС-ДА функционише користећи надзирани оквир који формира линеарне комбинације предиктора заснованих на чланству у класи. сПЛС-ДА смањује димензионалност података проналажењем скупа ортогоналних компоненти од којих свака садржи одабрани скуп карактеристика или варијабли. Компоненте се називају мозговним потписима. Свака варијабла која садржи потпис мозга има придружено "учитавање", што је мера релативне важности варијабли за дискриминацију у две групе (Ле Цао ет ал., КСНУМКСб). Поред тога, израчунате су варијабилне вредности у пројекцији (ВИП) да би се проценила важност сваке променљиве која се користи у ПЛС моделу. ВИП резултат је пондерисана сума оптерећења, која узима у обзир објашњену варијанцу сваког потписа. Просек квадрата ВИП бодова је једнак КСНУМКС. Предиктори са ВИП коефицијентима већим од једног сматрају се посебно важним за класификацију (Ле Цао ет ал., КСНУМКСб).

КСНУМКС. Развој предиктивног модела

Број потписа мозга за сваку анализу је фиксиран на два (Ле Цао ет ал., КСНУМКСб). анализа стабилности је коришћен у циљу одређивања оптималног броја региона мозга за сваки потпис мозга (Ле Цао ет ал., КСНУМКС). Прво, сПЛС-ДА се примењује преко опсега променљивих, КСНУМКС – КСНУМКС, који се бира за сваки од два мозговна потписа. За сваку спецификацију броја варијабли које треба изабрати, КСНУМКС-ов унакрсна валидација се понавља КСНУМКС пута. Ова процедура унакрсне валидације дели податке обуке на КСНУМКС фолдс или подузорке података (n = 12 тестова). Појединачни узорак се издваја као тест подаци, а преостали подузорци се користе за обуку модела. Стабилност променљивих одређује се израчунавањем броја одабира одређене променљиве у свим проверама унакрсне провере. За развој коначног модела коришћене су само променљиве мозга са стабилношћу већом од 80%.

КСНУМКС. статистичке анализе

КСНУМКС. Слабе парцијалне најмањи квадрати - дискриминациона анализа (сПЛС-ДА)

сПЛС-ДА је изведен користећи Р пакет микОмицс (http://www.R-project.org). Испитали смо предиктивну снагу морфометрије мозга и ДТИ анатомске повезаности одвојено. Поред регионалне морфометрије мозга или регионалне анатомске повезаности, старости и укупног ГМВ-а укључени су као могући предиктори. За добијене морфолошке податке у модел су унете мере ГМВ, СА, ЦТ и МЦ. За добијене ДТИ анатомске податке о повезаности, субјективно специфичне матрице индексирају релативну густину влакана између КСНУМКС региона су трансформисане у КСНУМКС димензионалне матрице које садрже КСНУМКС јединствене конекције (горњи троугао од почетне матрице). Ове матрице су затим спојене преко субјеката и унете у сПЛС-ДА. Као почетни корак редукције података, предиктори близу нулте варијанце су одбачени и то је резултирало КСНУМКС преосталим везама. Потписи мозга су сумирани коришћењем променљивих оптерећења на појединачне димензије и ВИП коефицијенте. Такође користимо графичке приказе да илуструјемо дискриминативне способности алгоритама (Ле Цао ет ал., КСНУМКС). Предиктивна способност коначних модела је процењена коришћењем унакрсне валидације. Такође смо израчунали бинарне мере класификације: осетљивост, специфичност, позитивну предиктивну вредност (ППВ) и негативну предиктивну вредност (НПВ). Овде осетљивост индексира способност класификационог алгоритма да тачно идентификује прекомерне тежине. Специфичност одражава способност класификационог алгоритма да правилно идентификује појединце нормалне тежине. ППВ одражава пропорцију узорка који показује специфични превелики мозговни потпис из класификацијског алгоритма и који су заправо прекомјерне тежине (истински позитивни). С друге стране, НПВ је вероватноћа да ако је резултат теста негативан, тј. Да учесник нема претежак-специфичан мождани потпис (тачно негативан).

КСНУМКС. Карактеристике узорка

Статистичке анализе извршене су коришћењем статистичког пакета за друштвене науке (СПСС) (верзија КСНУМКС). Групне разлике у резултатима мјерења понашања су процијењене примјеном анализе варијанце (АНОВА). Значај је разматран на p <.05 неисправљено.

КСНУМКС. Резултати

КСНУМКС. Карактеристике узорка

Укупан узорак (N = 120) обухватило је 63 особе са прекомерном тежином (жене = 32, мушкарци = 31), просечне старости = 28.77 година, СД = 9.76 и 57 особа са нормалном тежином (жене = 32, мушкарци = 25), средња старост = 27.13 година, СД = 9.62. Иако је група са прекомерном телесном тежином имала већи ниво анксиозности и депресије, није било значајних разлика у групи (F = .642, p = .425; F = .001, p = .980). Клиничке карактеристике узорка су сумиране у Табела КСНУМКС.

Табела КСНУМКС 

Карактеристике узорка.

КСНУМКС. Мултиваријантна анализа узорака коришћењем сПЛС-ДА

КСНУМКС. Класификација на бази анатомске повезаности (бела материја)

Испитали смо да ли би се анатомска повезаност мозга могла користити за разликовање особа са прекомјерном тежином од особа са нормалном тежином. Сл. КСНУМКСА приказује појединце из узорка представљеног у односу на два сигнала мозга и приказује дискриминативне способности класификатора беле материје. Бинарне класификационе мере су израчунате и указују на осетљивост КСНУМКС%, специфичност КСНУМКС%, ППВ КСНУМКС% и НПВ КСНУМКС%. Табела КСНУМКС садржи листу стабилних веза беле материје које садрже сваки дискриминаторни потпис мозга заједно са променљивим оптерећењима и ВИП коефицијентима.

Сл. КСНУМКС 

А. Класификатор на основу густине влакана (бела материја). Б. Класификатор на основу морфологије сиве твари. О: Приказује дискриминативне способности класификатора густине влакана (бела материја). Б: Приказује дискриминативне способности класификатора сиве материје. ...
Табела КСНУМКС 

Списак анатомских веза које обухватају сваки дискриминативни потпис мозга.

КСНУМКС. Анатомско повезивање базирано на мозгу КСНУМКС

Први потпис мозга рачуна за КСНУМКС% варијанце. Као што су показали ВИП коефицијенти, варијабле у решењу које објашњавају КСНУМКС са најразличитијим варијансама између региона мреже награда (путамен, паллидум, браинстем [укључујући регионе средњег мозга као ВТА ​​и субстантиа нигра]) са регионима извршне власти контрола (прецунеус који је део задњег паријеталног кортекса), истакнутост (предња инсула), емоционално узбуђење (вентромедијални префронтални кортекс) и соматосензорне (постцентралне гирус) мреже; КСНУМКС) региони емоционалне мреже узбуђења (предњи средњи кортекс, вентромедијални префронтални кортекс) са регионима истакнутости (предња инсула) и соматосензорним (парацентралним лобулама укључујући допунске моторне коре) мрежама; и КСНУМКС) таламус са средњим окципиталним гирусом и таламусом са извршном контролном мрежом (дорзални латерални префронтални кортекс).

У поређењу са групом нормалне тежине, група са прекомерном тежином показала је већу повезаност од региона мреже награда (путамен, паллидум, браинстем) до извршне контролне мреже (стражњи паријетални кортекс), и од путамена до инхибиторног дела мреже емоционалног узбуђења ( вентромедијалном префронталном кортексу) и регијама соматосензорне мреже (постцентрални гирус и постериор инсула). Уочена је нижа повезаност у групи са прекомерном тежином у регионима од емоционалне мреже узбуђења (вентромедијални префронтални кортекс) до мреже истакнутости (предња инсула), али већа повезаност у групи са прекомерном тежином од региона од емоционалне мреже узбуђења (вентромедијални префронтални кортекс) до соматосензорна мрежа (постериор инсула). Нижа повезаност је такође примећена у групи са прекомерном тежином у везама од соматосензорног (парацентралног лобула) до предњег средњег кортекса, али веће повезаности од парацентралног лобула до субпариеталног сулкуса (део соматосензорне мреже). Посматрајући таламичне везе, нижа повезаност је уочена од таламуса до дорзалног латералног префронталног кортекса (извршна контролна мрежа) и до средњег окципиталног гируса код особа са прекомерном тежином у поређењу са особама са нормалном тежином.

КСНУМКС. Анатомско повезивање базирано на мозгу КСНУМКС

Идентификован други анатомски потпис мозга представља додатан КСНУМКС% варијанце у подацима. Варијабле које доприносе највећој варијанси у групној дискриминацији, као што је назначено ВИП коефицијентом, укључивале су везе у регионима награде (путамен, орбитални сулци који је део орбиталне фронталне гирус, и мождано дебло) и емоционално узбуђење (гирус рецтус који је медијски) делом вентромедијалног префронталног кортекса) мреже.

Код особа са прекомерном тежином у поређењу са особама са нормалном тежином, већа је повезаност између региона мреже награђивања (мождано дебло и путамен) и са извршном контролом (дорзални латерални префронтални кортекс) и инхибиторним делом емоционалног узбуђења (вентромедијални префронтални кортекс). Међутим, повезаност између затиљне орбиталне фронталне гирусе (мреже награђивања) била је нижа код особа са прекомерном тежином у поређењу са појединцима са нормалном тежином.

КСНУМКС. Морфометријска класификација на бази сиве твари

Ми смо испитали да ли се морфометрија мозга (волумен сиве материје, површина, кортикална дебљина и средња закривљеност) може користити за разликовање појединаца са прекомјерном тежином од особа са нормалном тежином. Сл. КСНУМКСБ приказује појединце из узорка представљеног у односу на два сигнала мозга и описује дискриминативне способности морфометријског класификатора. Бинарне класификационе мере су израчунате и указују на осетљивост КСНУМКС%, специфичност КСНУМКС%, ППВ КСНУМКС% и НПВ КСНУМКС%. Табела КСНУМКС садржи листу морфометријских мера које обухватају сваку дискриминацију заједно са променљивим оптерећењима и ВИП коефицијентима.

Табела КСНУМКС 

Регионална морфометрија обухвата сваки потпис мозга.

КСНУМКС. Морфолошки базирани потпис мозга КСНУМКС

Први потпис мозга је објаснио КСНУМКС% варијабилности у морфометријским подацима фенотипа. Као што се види из ВИП коефицијената, варијабле које доприносе највећој варијанси у потпису укључују регионе награде (субрегије орбиталног фронталног гира), истакнутост (предња инсула), извршну контролу (дорзални латерални префронтални кортекс), емоционално узбуђење (вентромедијални префронтални кортекс). ) и соматосензорне (прецентралне сулкус, супрамаргинал гирус, субцентралне сулцус, супериор фронтал сулцус) мреже. Високи ВИП коефицијенти су такође примећени за супериорни фронтални гирус и сулкус, надмоћни темпорални гирус, трансверзални фронтополарни гир и предњи трансверзални темпорални гирус. Регије награђивања, истакнутости, извршне контроле и мреже емоционалног узбуђења биле су повезане снизити код особа са прекомерном тежином у поређењу са особама са нормалном тежином. Такође, појединци са прекомерном тежином у поређењу са нормалном тежином појединаца су имали већа вредности у регионима соматосензорне мреже. Морфометрија фронталних и темпоралних региона (горњи темпорални гирус и предњи трансверзални темпорални гирус) такође су повезани са снизити код особа са прекомерном тежином у поређењу са особама са нормалном тежином.

КСНУМКС. Морфолошки базирани потпис мозга КСНУМКС

Други морфолошки потпис мозга је објаснио КСНУМКС% варијанце. Варијабле са највишим ВИП коефицијентима биле су сличне ВИП коефицијентима који су примијећени у потпису мозга КСНУМКС по томе што су укључивали регије награде (каудат), истакнутост (антериор инсула), извршну контролу (дијелови стражњег паријеталног кортекса), емоционално узбуђење (парахипокампални) гирус, субгенуал антериор цингулате цортек и антериор цингулате цортек) и соматосензорне (постериор инсула и парацентрал лобуле) мреже. Међутим, мозговни потпис КСНУМКС у односу на КСНУМКС са мозговним потписом имао је само једну везу из мреже награда и више веза из региона истакнутости и емоционалних мрежа узбуђења.

Код особа са прекомерном тежином у поређењу са особама са нормалном тежином, снизити вредности за морфометрију у наградној, истакнутој, извршној контроли и мрежама емоционалног узбуђења, али виши показане су вредности у соматосензорној мрежи.

КСНУМКС. Дисцуссион

Циљ ове студије био је да се утврди да ли морфолошки и анатомски обрасци повезивања мозга (засновани на густини влакана између одређених региона мозга) могу да разликују особе са прекомерном тежином од особа са нормалном тежином. Главни налази су: КСНУМКС. Анатомска повезаност (релативна густина путева белих материја између региона) била је у стању да разликује испитанике са различитим БМИ са високом осетљивошћу (КСНУМКС%) и специфичности (КСНУМКС%). КСНУМКС. Насупрот томе, морфолошке промене у сивој материји имале су мање од оптималне тачности класификације. КСНУМКС. Многа подручја мозга која су садржавала дискриминаторне сигнале мозга припадала су проширеној награди, истакнутости, централној извршној и емоционалној мрежи узбуђења, што указује на то да су уочене функционалне сметње биле због абнормалне организације између тих мрежа.

КСНУМКС. Анатомско повезивање базираних сигнала мозга повезаних са БМИ

У овој студији, класификациони алгоритам који се састоји од два сигнала мозга који одражавају различите обрасце повезаности региона показао је изражену способност да се разликују између појединаца са прекомерном тежином и особа са нормалном тежином. Већина ДТИ студија код појединаца са високим БМИ (Схотт ет ал., КСНУМКС; Станек ет ал., КСНУМКС; Ксу ет ал., КСНУМКС; Иау ет ал., КСНУМКС, 2014) фокусирали су се на испитивање разлика у карактеристикама дифузије бијеле твари, укључујући фракцијску анизотропију и средњу дифузност (која мјери интегритет путева бијеле материје), или очигледне коефицијенте дифузије (који мјери дифузију воде у трачницама и одражава оштећење станица). Све ове мјере могу пружити информације о локализираним промјенама микроструктуре бијеле твари. У овој студији фокусирали смо се на ДТИ мјере густоће влакнастог тракта као мјеру процјене релативне повезаности између регија мозга и мрежа. Дакле, док друге студије имају локализоване промене унутар микроструктуре беле материје, оне нису идентификовале импликације ових промена у смислу повезаности.

КСНУМКС. Анатомско повезивање базирано на мозгу КСНУМКС

Први потпис мозга је у великој мјери био обухваћен везама унутар и између награде, истакнутости, извршне контроле, емоционалног узбуђења и сензорних мрежа. Постојале су и таламске везе са регионима извршне контролне мреже и окципиталним регионом. У складу са нашим налазом смањених веза од вентромедијалног префронталног кортекса до предње инсуле посматране у групи са прекомерном тежином у поређењу са групом нормалне тежине, смањени интегритет путева беле материје (смањена фракциона анизотропија) у спољашњој капсули (која садржи влакна која се повезују кортикалне области у друге кортикалне области преко кратких влакана повезаних са коштаним ткивом.Схотт ет ал., КСНУМКС). Поред тога, код гојазних у поређењу са контролама, очигледан коефицијент дифузије (дифузија воде рефлектујуће оштећење ћелија) био је већи у сагиталном слоју (који је познат по преносу информација из паријеталних, затиљних, цингуларних и темпоралних региона у таламус) и може бити конзистентан са нашим опсервацијама о нижој повезаности десног таламуса и десног средњег окципиталног гируса код особа са прекомерном тежином у поређењу са особама са нормалном тежином (Схотт ет ал., КСНУМКС). Схотт и колеге (Схотт ет ал., КСНУМКС) су такође идентификовали веће очигледне коефицијенте дифузије (одражавајући могуће оштећење ћелија) у гојазној групи у радијатима короне, што чини да допуњује наше налазе о нижој релативној густини влакана између дубоких структура сиве материје (као што је таламус) и кортикалних подручја (леђна) латерални префронтални кортекс) код особа са прекомерном тежином у поређењу са особама са нормалном тежином. Промењена таламична повезаност може ометати улогу таламуса у олакшавању преношења периферних сензорних информација у кортекс (Јанг ет ал., КСНУМКС).

Посебна студија у којој се упоређују некомпликовани адолесценти са гојазном и нормалном телесном тежином, такође је открила редуковану фракцијску анизотропију код гојазних адолесцената у регионима као што су спољашња капсула, унутрашња капсула (која углавном носи узлазне и силазне кортикоспиналне путеве), као и нека темпорална влакна и оптичко зрачење (Иау ет ал., КСНУМКС). Недавна студија је такође приметила губитак веза нервних влакана са ДТИ између можданог стабла и хипоталамуса код особе са цавернома можданог стабла која је након хируршке дренаже драматично повећала тежину, што може указивати на то да су ова нервна влакна укључена у регулацију. и уноса хране и тежине (Пурнелл ет ал., КСНУМКС). Међутим, нисмо идентификовали разлике у повезаности са хипоталамусом, што може бити делимично због ограничења парцелације на основу одређених атласа коришћених у тренутној студији.

КСНУМКС. Анатомско повезивање базирано на мозгу КСНУМКС

Други ортогонални потпис састојао се од само три анатомске везе унутар мреже наградних и емоционалних узбуђења. Идентификација измењених веза унутар региона који чине мрежу награђивања и са регионима у мрежама са којима је у интеракцији у тренутној студији није раније пријављена. Међутим, ове промене се могу очекивати на основу недавних морфолошких студија које су уочиле промене сиве материје у регионима проширене мреже награђивања (Кенни, КСНУМКС; Куртх ет ал., КСНУМКС; Раји и др., КСНУМКС; Волков ет ал., КСНУМКС). Заједно, наши налази показују широко распрострањене промјене у повезивању бијеле материје за регије које чине мрежу награђивања и придружене мреже.

Док су друге студије откриле смањени интегритет влакана мјерен смањеном фракцијском анизотропијом у регијама цорпус цаллосум и форник (које су дио цингулата и носе информације из хипокампуса у хипоталамус) са повећањем БМИ (Станек ет ал., КСНУМКС; Ксу ет ал., КСНУМКС); садашња студија није идентификовала значајне промене у интерхемисферичној повезаности у оквиру два анатомско-повезивачка потписа мозга. Изузетак је да постоји веза између леве парацентралне лобуле и десног субпариеталног сулкуса у потпису мозга КСНУМКС, као и веза између десног путамена и леве гирус рецтус у потпису мозга КСНУМКС. Претпостављамо да ефекат који је примећен у претходним студијама може бити последица системске деградације беле супстанце уместо промена у везама између одређених региона мозга, слично променама које се дешавају током нормалног старења (Сулливан ет ал., КСНУМКС). Иако су аутори ових претходних студија поставили хипотезу да разлике у фракцијској анизотропији у спољашњој капсули испитаника са високим БМИ могу бити у корелацији са везама из хипокампуса и амигдале, нисмо приметили значајне промене у повезаности унутар ових структура. Детаљнија анализа и финија парцелација ових региона мозга је неопходна да би се потврдила ова запажања.

КСНУМКС. Морфометријски сигнали мозга сивих материја повезани са БМИ

Морфометријска анализа сиве материје која користи два различита профила била је у стању да тачно идентификује прекомерну тежину код особа са нормалном тежином са осетљивошћу КСНУМКС% и специфичности КСНУМКС%. Ови налази су конзистентни са претходним извештајима о глобалном и регионалном смањењу обима сиве материје у одређеним регионима мозга у мрежи награда и повезаним мрежама (Дебетте ет ал., КСНУМКС; Кенни, КСНУМКС; Куртх ет ал., КСНУМКС; Паннацциулли ет ал., КСНУМКС; Раји и др., КСНУМКС). За разлику од класификације засноване на ДТИ, ови налази указују на умјерену способност дискриминације између двије БМИ групе.

КСНУМКС. Морфолошки базирани потпис мозга КСНУМКС

У нашем истраживању, први потпис мозга показао је ниже вредности различитих морфометријских мера (укључујући подрегије фронталног гируса орбите, предње инсуле) у регионима наградне, истакнуте и извршне контролне мреже у групи са прекомерном тежином у поређењу са групом нормалне тежине. Поред тога, уочене су морфометријске вредности нижих вредности за инхибиторне регионе (дорзални латерални и вентромедијални префронтални кортекс) повезане са емоционалном мрежом узбуђења, али виша морфометрија за соматосензорну мрежу (прецентрални сулкус, супрамаргинални гирус, субцентрални сулкус и супериорни фронтални сулкус) укључујући и темпоралну регијама код особа са прекомерном тежином у поређењу са особама са нормалном тежином. У овом истраживању утврђено је значајно смањење морфолошких мерења (волумен сиве материје и дебљина кортикалног слоја) орбиталног фронталног гируса. Орбитална фронтална гирус је важна регија унутар мреже награда која игра улогу у евалуативној обради и вођењу будућег понашања и одлука заснованих на предвиђању кодирања у вези са наградом (Кахнт ет ал., КСНУМКС). Недавна студија која је анализирала структуру сиве и беле материје утврдила је да гојазни појединци имају смањене вредности за различите регионе унутар мреже награђивања, укључујући орбиталну фронталну гирусу (Схотт ет ал., КСНУМКС).

КСНУМКС. Морфолошки базирани потпис мозга КСНУМКС

У поређењу са потписом мозга КСНУМКС, морфолошка мерења која су уочена у регионима мреже истакнутости и емоционалног узбуђења објаснила су већину варијанце, док региони мреже награђивања нису били утицајни. Редукована мјерења сиве твари су уочена у регијама истакнуте, извршне контроле и мреже емоционалног узбуђења. Ови региони (предња инсула, паријетални задњи кортекс, парахипокампални гирус, субрегије предњег цингуларног кортекса) често се повезују са повећаном активираном можданом активношћу током излагања индикаторима хране (Броокс ет ал., КСНУМКС; Греенберг ет ал., КСНУМКС; Ротхемунд ет ал., КСНУМКС; Схотт ет ал., КСНУМКС; Стоецкел ет ал., КСНУМКС), и степен личне упадљивости подражаја (Цритцхлеи ет ал., КСНУМКС; Сеелеи ет ал., КСНУМКСа). У овој студији, смањење сиве материје је такође забележено у кључним регионима соматосензорне мреже (постериор инсула, парацентрал лобуле). Иако тачна улога ове мреже у прекомерној тежини и гојазности није позната, показало се да је она укључена у свест о телесним сензацијама, а недавна студија је показала да повишена соматосензорна мрежна активност као одговор на сигнале хране у гојазних појединаца може довести до преједање (Стице ет ал., КСНУМКС). Ова студија се посебно фокусирала на морфолошка мерења и анатомске везе између региона мозга у проширеној мрежи награђивања и соматосензорној мрежи, и сугерише да ове структурне метрике мозга могу утицати на неуралну обраду која је повезана са резултатима из функционалних студија које се налазе у литератури. Корелације са факторима понашања и околине такође пружају додатни увид у однос између структурних и функционалних налаза, који ће се морати тестирати у будућим студијама.

КСНУМКС. Употреба мултиваријантних анализа узорака коришћењем сПЛС-ДА да би се разликовала особа са прекомерном тежином и нормалном тежином

Налази о промјенама густоће влакана повезаних с БМИ између различитих мрежа мозга унутар проширене мреже награђивања, подупиру хипотезу да повећање БМИ резултира поремећеном анатомском повезаношћу између специфичних регија у мозгу. Ове анатомске промене могу да подразумевају неефикасну или неефикасну комуникацију између кључних региона мреже награда и повезаних мрежа. Слично као у неколико недавних извештаја који су открили промене у сивој материји у односу на тежину и гојазност (Дебетте ет ал., КСНУМКС; Куртх ет ал., КСНУМКС; Паннацциулли ет ал., КСНУМКС; Раји и др., КСНУМКС), такође смо успели да нађемо сличне морфолошке разлике у прекомерној телесној тежини у поређењу са особама нормалне тежине. У тренутној студији, проширили смо ова опажања како бисмо истражили повезаност између прекомјерне тежине и анатомске повезаности мозга и примијенили сПЛС-ДА на морфометријске податке мозга како би се разликовали испитаници од прекомјерне тежине и нормалне тежине. Скорашња унакрсна студија која користи бинарну логистичку регресију сугерише да је комбинација структуралних промена у латералној орбиталној фронталној гирусу, мерено запремином сиве материје, и нивоима инфламаторног маркера (фибриноген) у крви могла да предвиди гојазност у малој мери. узорак испитаника са нормалном тежином КСНУМКС-а и особа са прекомерном тежином / гојазности са КСНУМКС; са високом осетљивошћу (КСНУМКС%), али ниском специфичношћу (КСНУМКС%) (Цазеттес ет ал., КСНУМКС). Наша студија се разликује од овог извештаја у неколико аспеката, укључујући већу величину узорка; примену унакрсног валидационог приступа да би се избегло специфично решење узорка, искључивање субјеката са хипертензијом / дијабетес мелитусом да се уклони могућа сметња, и укључивање обима сиве материје и густине влакнастог тракта за предвиђање прекомерне тежине.

КСНУМКС. Ограничења

Иако смо пронашли значајне разлике између појединаца са нормалном тежином и тежином влакана, не можемо екстраполирати из ових анатомских налаза на разлике у функционалном (стању мировања) повезаности. Такви резултати функционалне повезаности би понудили могућност да се открију разлике у синхронизацији активности мозга у областима које нису директно повезане трактима беле материје. Иако смо реплицирали раније објављене налазе о анатомској повезаности и морфолошким разликама између прекомјерне тежине / гојазности и нормалног БМИ (Куртх ет ал., КСНУМКС; Раји и др., КСНУМКС), нисмо уочили промене у важним субкортикалним регионима хипоталамуса, амигдале и хипокампуса. Могуће је да је овај квар можда настао због ограничења алгоритама аутоматске парализе који су коришћени у овој студији или због анализа ограничених на појединце са прекомерном тежином у односу на претиле појединце. Будуће студије би требале веће узорке како би се успоредили гојазни, прекомјерни и нормални појединци, те како би се могле проводити анализе подскупина на основу спола и расе. Захваљујући нашем релативно малом узорку примењена је ригорозна интерна процедура валидације, међутим, остаје неопходно тестирати тачност предвиђања овог класификатора у независном скупу података (Браи ет ал., КСНУМКС). Будуће студије би требало да се баве асоцијацијом ових неуроимагинг разлика са специфичним понашањем у исхрани, преференцијама у исхрани и информацијама о исхрани како би се интерпретирао контекст и значај ових налаза. Будући да су гојазност и прекомерна тежина често повезани са коморбидитетима као што су хипертензија, дијабетес и метаболички синдром, будуће анализе треба да испитају ефекте умерености и корелације ових фактора на алгоритам класификације.

КСНУМКС. Резиме и закључци

Укратко, наши резултати подржавају хипотезу да је прекомерна тежина повезана са промењеном повезаношћу (у облику густине влакана) између одређених региона у мозгу, што може значити неефикасну или неефикасну комуникацију између ових региона. Конкретно, смањена повезаност префронталних инхибиторних региона мозга са склопом награђивања је конзистентна са доминацијом хедонијских механизама у регулацији уноса хране (Гунстад ет ал., КСНУМКС, 2007, 2008, 2010). Механизми на којима се заснивају ове структурне промене слабо су разјашњени, али могу укључивати неуроинфламаторне и неуропластичне процесе (Цазеттес ет ал., КСНУМКС) у вези са упалним стањем ниског степена који је забележен код појединаца са прекомерном тежином и гојазности (Цазеттес ет ал., КСНУМКС; Цок ет ал., КСНУМКС; Дас, КСНУМКС; Грегор и Хотамислигил, КСНУМКС; Гриффин, КСНУМКС). Приступи засновани на подацима за идентификацију сивих и белих материја у претилости / претилости су обећавајући инструменти за идентификацију централних корелата повећања БМИ и потенцијала за идентификацију неуробиолошких биомаркера за овај поремећај.

Ауторски прилози

Арпана Гупта: Концепт студије и дизајн, анализа и интерпретација података, израда и ревизија рукописа.

Емеран Маиер: Концепт и дизајн студије, критички преглед рукописа, одобрење коначне верзије рукописа, финансирање.

Цлаудиа Сан Мигуел: Израда и критички преглед рукописа, тумачење података.

Јохн Ван Хорн: Генерисање података, анализа података.

Цоннор Флинг: Анализа података.

Аубреи Лове: Анализа података.

Давис Воодвортх: Анализа података.

Бењамин Еллингсон: Преглед рукописа.

Кирстен Тиллисцх: Критички преглед рукописа, финансирање.

Јеннифер Лабус: Концепт студије и дизајн, анализа и интерпретација података, израда и ревизија рукописа, одобрење коначне верзије рукописа, финансирање.

Konflikt interesa

Не постоје сукоби интереса.

Извор финансирања

Ово истраживање је делимично подржано грантовима Националног института за здравље: РКСНУМКС ДККСНУМКС (ЕАМ), ПКСНУМКСДККСНУМКС (ЕАМ), РКСНУМКС АТКСНУМКС (КТ), ПКСНУМКС ДККСНУМКС, ККСНУМКС ДККСНУМКС (ЈСЛ) и РКСНУМКС ДККСНУМКС (ЈСЛ). Пилот скенове обезбедио је Центар за мапирање мозга Ахмансон-Ловелаце, УЦЛА.

Референце

  • Браи С., Цханг Ц., Хоефт Ф. Примена мултиваријантних анализа класификације узорака у развојном неуроимагингу здравих и клиничких популација. Фронт. Зујати. Неуросци. КСНУМКС; КСНУМКС: КСНУМКС. 19893761 [ЦроссРеф]
  • Броокс СЈ, Цедернаес Ј., Сцхиотх ХБ Повећана префронтална и парахипокампална активација са смањеном дорсолатералном префронталном и инсуларном активацијом кортекса на слике хране у гојазности: мета-анализа фМРИ студија. ПЛОС ОНЕ. КСНУМКС; КСНУМКС (КСНУМКС): еКСНУМКС. 23593210 [ЦроссРеф]
  • Цалтон МА, Ваиссе Ц. Сужавање улоге обичних варијанти у генетској предиспозицији за гојазност. Геноме Мед. КСНУМКС, КСНУМКС (КСНУМКС): КСНУМКС. 19341502 [ЦроссРеф]
  • Цазеттес Ф., Цохен ЈИ, Иау ПЛ, Талбот Х., Цонвит А. Упала изазвана гојазношћу може оштетити мождани круг који регулише унос хране. Браин Рес. КСНУМКС; КСНУМКС: КСНУМКС-КСНУМКС. 21146506 [ЦроссРеф]
  • Центар за контролу болести (ЦДЦ) Прекомерна тежина и гојазност. КСНУМКС. И.
  • Цхианг МЦ, Барисхева М., Тога АВ, Медланд СЕ, Ханселл НК, Јамес МР, МцМахон КЛ, де Зубицараи ГИ, Мартин НГ, Вригхт МЈ, ефекти Тхомпсон ПМ БДНФ на мождане склопове реплициране у КСНУМКС близанцима. Неуроимаге. 2011;55(2):448–454. [ЦроссРеф]
  • Цхокует Х., Меире Д. Генетика гојазности: шта смо научили? Цурр. Геномика. 2011;12(3):169–179. 22043165 [ЦроссРеф]
  • Цоннолли Л., Цовелеские К., Килпатрицк ЛА, Лабус ЈС, Ебрат Б., Стаинс Ј., Јианг З., Тиллисцх К., Раибоулд ХЕ, Маиер ЕА Разлике у одговорима мозга између мршавих и гојазних жена на заслађено пиће. Неурогастроентерол. Мотил. 2013;25(7):579-e460. 23566308 [ЦроссРеф]
  • Цок АЈ, Вест НП, Цриппс АВ Гојазност, упала и микробиота црева. Ланцет Диабетес Ендоцринол. 2014 25066177 [ЦроссРеф]
  • Цритцхлеи ХД, Нагаи И., Граи МА, Матхиас ЦЈ Дисекција оси аутономне контроле код људи: увиди из неуро-снимања. Аутон. Неуросци. 2011;161(1–2):34–42. 20926356 [ЦроссРеф]
  • Дале АМ, Фисцхл Б., Серено МИ Кортикална површинска анализа. И. Сегментација и реконструкција површине. Неуроимаге. 1999;9(2):179–194. 9931268 [ЦроссРеф]
  • Дас УН Претилост: гени, мозак, цријева и околиш. Нутритион. 2010;26(5):459–473. 20022465 [ЦроссРеф]
  • Дебетте С., Беисер А., Хоффманн У., Децарли Ц., О'Доннелл ЦЈ, Массаро ЈМ, Ау Р., Химали ЈЈ, Волф ПА, Фок ЦС, Сесхадри С. Висцерална маст је повезана са нижим волуменом мозга код здравих одрасле особе средњих година. Анн. Неурол. 2010;68(2):136–144. 20695006 [ЦроссРеф]
  • Дестриеук Ц., Фисцхл Б., Дале А., Халгрен Е. Аутоматска парцелација хуманих кортикалних гира и сулција користећи стандардну анатомску номенклатуру. Неуроимаге. 2010;53(1):1–15. 20547229 [ЦроссРеф]
  • Дубоис Л., Охм Кивик К., Гирард М., Татоне-Токуда Ф., Перуссе Д., Хјелмборг Ј., Скиттхе А., Расмуссен Ф., Вригхт МЈ, Лицхтенстеин П., Мартин НГ , висина и БМИ од рођења до КСНУМКС година старости: међународна студија преко КСНУМКС парова близанаца. ПЛОС ОНЕ. КСНУМКС; КСНУМКС (КСНУМКС): еКСНУМКС. 22347368 [ЦроссРеф]
  • Ел-Саиед Моустафа ЈС, Фрогуел П. Од генетике гојазности до будућности персонализоване терапије гојазности. Нат. Рев. Ендоцринол. 2013;9(7):402–413. 23529041 [ЦроссРеф]
  • Финкелстеин ЕА, Трогдон ЈГ, Цохен ЈВ, Диетз В. Годишња медицинска потрошња која се може приписати гојазности: процене за платиоца и услуге. Хеалтх Афф (Миллвоод) 2009;28(5):w822–w831. 19635784 [ЦроссРеф]
  • Фисцхл Б., Салат ДХ, Буса Е., Алберт М., Диетерицх М., Хаселгрове Ц., ван дер Коуве А., Киллиани Р., Кеннеди Д., Клавенесс С., Монтилло А., Макрис Н., Росен Б., Дале АМ Сегментација целог мозга: аутоматизовано обележавање неуроанатомских структура у људском мозгу. Неурон. 2002;33(3):341–355. 11832223 [ЦроссРеф]
  • Фисцхл Б., Серено МИ, Дале АМ Кортикална површинска анализа. ИИ: инфлација, изравнавање и површински координатни систем. Неуроимаге. 1999;9(2):195–207. 9931269 [ЦроссРеф]
  • Гарциа-Гарциа И., Јурадо М.А, Гаролера М., Сегура Б., Сала-Ллонцх Р., Маркуес-Итурриа И., Пуеио Р., Сендер-Палациос МЈ, Вернет-Вернет М., Нарберхаус А., Ариза М., Јункуе Ц. Измене мреже истакнутости у гојазности: фМРИ студија у стању мировања. Зујати. Браин Мапп. 2013;34(11):2786–2797. 22522963 [ЦроссРеф]
  • Греенберг ЈА, Боозер ЦН, Гелиебтер А. Контрола каве, дијабетеса и тежине. Сам. Ј. Цлин. Нутр. 2006;84(4):682–693. 17023692 [ЦроссРеф]
  • Грегор МФ, Хотамислигил ГС Упални механизми у гојазности. Анну. Рев. Иммунол. КСНУМКС; КСНУМКС: КСНУМКС-КСНУМКС. 21219177 [ЦроссРеф]
  • Гриффин ВС Упала и неуродегенеративне болести. Сам. Ј. Цлин. Нутр. 2006;83(2):470S–474S. 16470015 [ЦроссРеф]
  • Гунстад Ј., Лхотски А., Венделл ЦР, Ферруцци Л., Зондерман АБ Лонгитудинално испитивање гојазности и когнитивне функције: резултати лонгитудиналне студије старења Балтимора. Неуроепидемиологи. 2010;34(4):222–229. 20299802 [ЦроссРеф]
  • Гунстад Ј., Паул РХ, Цохен РА, Тате ДФ, Гордон Е. Гојазност је повезана са дефицитом памћења код младих и одраслих средњих година. Еат. Веигхт Дисорд. 2006;11(1):e15–e19. 16801734 [ЦроссРеф]
  • Гунстад Ј., Паул РХ, Цохен РА, Тате ДФ, Спитзнагел МБ, Гордон Е. Индекс повишене тјелесне масе је повезан са извршном дисфункцијом иначе здравих одраслих. Цомпр. Психијатрија. 2007;48(1):57–61. 17145283 [ЦроссРеф]
  • Гунстад Ј., Спитзнагел МБ, Паул РХ, Цохен РА, Кохн М., Луистер ФС, Цларк Р., Виллиамс ЛМ, Гордон Е. Индекс тјелесне масе и неуропсихолошка функција код здраве дјеце и адолесцената. Апетит. 2008;50(2–3):246–251. 17761359 [ЦроссРеф]
  • Иримиа А., Цхамберс МЦ, Торгерсон ЦМ, Ван Хорн ЈД Циркуларно представљање људских кортикалних мрежа за субјективну и популацијску везу. Неуроимаге. 2012;60(2):1340–1351. 22305988 [ЦроссРеф]
  • Јанг СХ, Лим ХВ, Иео СС Неурална повезаност интраламинарних таламичких језгара у људском мозгу: студија дифракцијског тензора трактографије. Неуросци. Летт. КСНУМКС; КСНУМКС: КСНУМКС-КСНУМКС. 25058432 [ЦроссРеф]
  • Кахнт Т., Хеинзле Ј., Парк СК, Хаинес ЈД Неурални код предвиђања награђивања у људском орбитофронталном кортексу. Проц. Натл. Ацад. Сци. САД. 2010;107(13):6010–6015. 20231475 [ЦроссРеф]
  • Кенни ПЈ Наградни механизми у гојазности: нови увиди и будући правци. Неурон. 2011;69(4):664–679. 21338878 [ЦроссРеф]
  • Килпатрицк ЛА, Цовелеские К., Цоннолли Л., Лабус ЈС, Ебрат Б., Стаинс Ј., Јианг З., Суиенобу БИ, Раибоулд ХЕ, Тиллисцх К., Маиер ЕА Утицај узимања сахарозе на интрамускуларне осцилације можданог стабла и хипоталамуса и гојазне жене. Гастроентерологи. 2014;146(5):1212–1221. 24480616 [ЦроссРеф]
  • Куллманн С., Хени М., Веит Р., Кеттерер Ц., Сцхицк Ф., Харинг ХУ, Фритсцхе А., Преиссл Х. Претили мозак: повезаност индекса тјелесне масе и осјетљивости на инсулин са функционалном повезаношћу мреже у стању мировања. Зујати. Браин Мапп. 2012;33(5):1052–1061. 21520345 [ЦроссРеф]
  • Куртх Ф., Левитт ЈГ, Пхиллипс ОР, Лудерс Е., Воодс РП, Маззиотта ЈЦ, Тога АВ, Нарр КЛ Односи између сиве твари, индекса тјелесне масе и обима струка у здравих одраслих особа. Зујати. Браин Мапп. 2013;34(7):1737–1746. 22419507 [ЦроссРеф]
  • Ле Цао КА, Боитард С., Бессе П. Спарсе ПЛС дискриминантна анализа: биолошки релевантан избор особина и графички прикази за проблеме са више класа. БМЦ Биоинформатицс. КСНУМКС; КСНУМКС: КСНУМКС. 21693065 [ЦроссРеф]
  • Ле Цао КА, Гонзалез И., Дејеан С. интегрОмицс: Р пакет за откривање односа између два омицс скупа података. БиоИнформатицс. 2009;25(21):2855–2856. 19706745 [ЦроссРеф]
  • Ле Цао КА, Мартин ПГ, Роберт-Грание Ц., Бессе П. Спарсе каноничке методе за интеграцију биолошких података: примјена на цросс-платформ студију. БМЦ Биоинформатицс. КСНУМКС; КСНУМКС: КСНУМКС. 19171069 [ЦроссРеф]
  • Ле Цао КА, Россоув Д., Роберт-Грание Ц., Бессе П. Оштар ПЛС за избор варијабли при интегрисању омицс података. Стат. Аппл. Генет. Мол. Биол. КСНУМКС, КСНУМКС (КСНУМКС): КСНУМКС. 19049491 [ЦроссРеф]
  • Ле Цао КА, Россоув Д., Роберт-Грание Ц., Бессе П. Оштар ПЛС за избор варијабли при интегрисању омицс података. Стат. Аппл. Генет. Мол. Биол. КСНУМКС, КСНУМКС (КСНУМКС): КСНУМКС. 19049491 [ЦроссРеф]
  • Ловеман Е., Фрамптон ГК, Схепхерд Ј., Пицот Ј., Цоопер К., Бриант Ј., Велцх К., Цлегг А. Клиничка ефикасност и исплативост дугорочних шема управљања тежином за одрасле: систематски преглед . Хеалтх Тецхнол. Проценити. 2011;15(2):1–182. 21247515 [ЦроссРеф]
  • Менон В., Уддин ЛК Значајност, пребацивање, пажња и контрола: мрежни модел функције инсуле. Браин Струцт. Фунцт. 2010;214(5–6):655–667. 20512370 [ЦроссРеф]
  • Мори С., Цраин БЈ, Цхацко ВП, ван Зијл ПЦ Тродимензионално праћење аксоналних пројекција у мозгу магнетском резонанцом. Анн. Неурол. 1999;45(2):265–269. 9989633 [ЦроссРеф]
  • Морров ЈД, Марен С., Робинсон ТЕ Појединачна варијација у склоности да се потицајно значење приписује апетитивном знаку предвиђа склоност да се мотивациони значај припише одбојном значењу. Бехав. Браин Рес. 2011;220(1):238–243. 21316397 [ЦроссРеф]
  • Паннацциулли Н., Дел Париги А., Цхен К., Ле ДС, Реиман ЕМ, Татаранни ПА Абнормалности мозга код гојазности код људи: морфометријска студија заснована на вокселу. Неуроимаге. 2006;31(4):1419–1425. 16545583 [ЦроссРеф]
  • Пурнелл ЈК, Лахна ДЛ, Самуелс МХ, Роонеи ВД, Хоффман ВФ Губитак понс-то-хипотхаламиц трагова беле твари у гојазности можданог стабла. Инт Ј Обес (Лонд) КСНУМКС; КСНУМКС: КСНУМКС-КСНУМКС. 24727578 [ЦроссРеф]
  • Раји ЦА, Хо АЈ, Париксхак НН, Бецкер ЈТ, Лопез ОЛ, Куллер ЛХ, Хуа Кс., Леов АД, Тога АВ, Тхомпсон ПМ Структура мозга и гојазност. Зујати. Браин Мапп. 2010;31(3):353–364. 19662657 [ЦроссРеф]
  • Ротхемунд И., Преусцххоф Ц., Бохнер Г., Баукнецхт ХЦ, Клингебиел Р., Флор Х., Клапп БФ Диференцијална активација дорзалног стриатума висококалоричним визуалним стимулансима хране код гојазних појединаца. Неуроимаге. 2007;37(2):410–421. 17566768 [ЦроссРеф]
  • Сеелеи ВВ, Менон В., Сцхатзберг АФ, Келлер Ј., Гловер ГХ, Кенна Х., Реисс АЛ, Греициус МД Раздвојиве интринзичне мреже за повезивање обраде истакнутости и извршне контроле. Ј. Неуросци. 2007;27(9):2349–2356. 17329432 [ЦроссРеф]
  • Сеелеи ВВ, Менон В., Сцхатзберг АФ, Келлер Ј., Гловер ГХ, Кенна Х., Реисс АЛ, Греициус МД Раздвојиве интринзичне мреже за повезивање обраде истакнутости и извршне контроле. Ј. Неуросци. 2007;27(9):2349–2356. 17329432 [ЦроссРеф]
  • Схеехан ДВ, Лецрубиер И., Схеехан КХ, Аморим П., Јанавс Ј., Веиллер Е., Хергуета Т., Бакер Р., Дунбар ГЦ Мини-интернационални неуропсихијатријски интервју (МИНИ): развој и валидација структуриране дијагностике психијатријски интервју за ДСМ-ИВ и ИЦД-КСНУМКС. Ј. Цлин. Психијатрија. 1998;59(Suppl. 20):22–33. 9881538 [Квиз КСНУМКС – КСНУМКС] [ЦроссРеф]
  • Схотт МЕ, Цорниер МА, Миттал ВА, Приор ТЛ, Орр ЈМ, Бровн МС, Франк ГК Волумен орбитофронталног кортекса и одговор на награђивање мозга код гојазности. Инт Ј Обес (Лонд) 2014 25027223 [ПМЦ бесплатан чланак] [ЦроссРеф]
  • Станек КМ, Гриеве СМ, Брицкман АМ, Коргаонкар МС, Паул РХ, Цохен РА, Гунстад ЈЈ Гојазност је повезана са смањеним интегритетом бијеле твари у иначе здравих одраслих особа. Гојазност (Силвер Спринг) 2011;19(3):500–504. 21183934 [ЦроссРеф]
  • Стице Е., Иокум С., Бургер КС, Епстеин ЛХ, Мали ДМ Млади у ризику од гојазности показују већу активацију стриаталних и соматосензорних регија на храну. Ј. Неуросци. 2011;31(12):4360–4366. 21430137 [ЦроссРеф]
  • Стоецкел ЛЕ, Веллер РЕ, Цоок ЕВ, КСНУМКСрд, Твиег ДБ, Кновлтон РЦ, Цок ЈЕ Широко распрострањена активација система награђивања код гојазних жена као одговор на слике висококалоричне хране. Неуроимаге. 2008;41(2):636–647. 18413289 [ЦроссРеф]
  • Сулливан ЕВ, Рохлфинг Т., Пфеффербаум А. Лонгитудинално проучавање калказалне микроструктуре у нормалном мозгу одраслих уз помоћ квантитативног праћења ДТИ влакана. Дев. Неуропсицхол. 2010;35(3):233–256. 20446131 [ЦроссРеф]
  • Терранова Л., Бусетто Л., Вестри А., Заппа МА Бариатриц сургери: исплативост и утицај на буџет. Обес. Сург. 2012;22(4):646–653. 22290621 [ЦроссРеф]
  • Волков НД, Фрасцелла Ј., Фриедман Ј., Сапер ЦБ, Балдо Б., Роллс ЕТ, Меннелла ЈА, Даллман МФ, Ванг ГЈ, ЛеФур Г. Неуробиологија гојазности: однос према зависности. Неуропсицхопхармацологи. КСНУМКС; КСНУМКС: СКСНУМКС – СКСНУМКС.
  • Волков НД, Ванг ГЈ, Балер РД Награда, допамин и контрола уноса хране: импликације за гојазност. Трендс Цогн. Сци. 2011;15(1):37–46. 21109477 [ЦроссРеф]
  • Волков НД, Ванг ГЈ, Фовлер ЈС, Теланг Ф. Преклапање неуронских кругова у зависности и гојазности: доказ системске патологије. Пхилос. Транс. Р. Соц. Лонд., Б, Биол. Сци. 2008;363(1507):3191–3200. 18640912 [ЦроссРеф]
  • Светска здравствена организација (ВХО) Гојазност. КСНУМКС. И.
  • Ксу Ј., Ли И., Лин Х., Синха Р., Потенза МН Индекс телесне масе негативно корелира са интегритетом беле материје у форниксу и цорпус цаллосум: дифузионом тензорском студијом. Зујати. Браин Мапп. 2013;34(5):1044–1052. 22139809 [ЦроссРеф]
  • Иау ПЛ, Јавиер ДЦ, Риан ЦМ, Тсуи ВХ, Ардекани БА, Тен С., Цонвит А. Прелиминарни докази за компликације у мозгу код гојазних адолесцената са шећерном болести типа КСНУМКС. Диабетологиа. 2010;53(11):2298–2306. 20668831 [ЦроссРеф]
  • Иау ПЛ, Канг ЕХ, Јавиер ДЦ, Цонвит А. Прелиминарни докази о когнитивним и можданим абнормалностима код некомпликоване адолесцентне гојазности. Гојазност (Силвер Спринг) 2014;22(8):1865–1871. 24891029 [ЦроссРеф]
  • Залд ДХ Људска амигдала и емоционална процена сензорних стимуланса. Браин Рес. Браин Рес. Рев. 2003;41(1):88–123. 12505650 [ЦроссРеф]
  • Зигмонд АС, Снаитх РП Љествица анксиозности и депресије у болници. Ацта Псицхиатр. Сцанд. 1983;67(6):361–370. 6880820 [ЦроссРеф]