Obesitasrelaterade skillnader mellan kvinnor och män i hjärnstruktur och målriktad beteende (2011)

Front Hum Neurosci. 2011; 5: 58.

Publicerad online 2011 Jun 10. doi:  10.3389 / fnhum.2011.00058

PMCID: PMC3114193

Fettrelaterade skillnader mellan kvinnor och män i hjärnstruktur och målriktat beteende

Annette Horstmann,1,2, * Franziska P. Busse,3 David Mathar,1,2 Karsten Müller,1 Jöran Lepsien,1 Haiko Schlögl,3 Stefan Kabisch,3 Jürgen Kratzsch,4 Jane Neumann,1,2 Michael Stumvoll,2,3 Arno Villringer,1,2,5,6 och Burkhard Pleger1,2,5,6

Författarinformation ► Artikelnoter ► Upphovsrätt och licensinformation ►

Denna artikel har varit citerad av Andra artiklar i PMC.

Gå till:

Abstrakt

Könsskillnader i regleringen av kroppsvikt är väl dokumenterade. Här bedömde vi fetma-relaterade influenser av kön på hjärnstruktur samt prestanda i Iowa Gambling Task. Denna uppgift kräver utvärdering av både omedelbara belöningar och långsiktiga resultat och speglar därmed avvägningen mellan omedelbar belöning från att äta och den långsiktiga effekten av överätning på kroppsvikt. Hos kvinnor, men inte hos män, visar vi att preferensen för framträdande omedelbara belöningar inför negativa långsiktiga konsekvenser är högre hos överviktiga än hos magra försökspersoner. Dessutom rapporterar vi strukturella skillnader i vänster dorsal striatum (dvs. putamen) och höger dorsolateral prefrontal cortex för endast kvinnor. Funktionellt är båda regionerna kända för att spela kompletterande roller i vanligt och målstyrt beteende i beteende i motiverande sammanhang. För såväl kvinnor som män korrelerar gråmaterialvolymen positivt med mått på fetma i regioner som kodar matens värde och viktighet (dvs. nucleus accumbens, orbitofrontal cortex) såväl som i hypotalamus (dvs. hjärnans centrala homeostatiska centrum). Dessa skillnader mellan magra och överviktiga ämnen i hedoniska och homeostatiska kontrollsystem kan återspegla en bias i ätbeteende mot energiintag som överstiger den faktiska homeostatiska efterfrågan. Även om vi inte från våra resultat kan dra slutsatsen om de observerade strukturella skillnaderna, liknar våra resultat neurala och beteendemässiga skillnader som är välkända från andra former av beroende, men med tydliga skillnader mellan kvinnor och män. Dessa resultat är viktiga för att utforma könspassande behandlingar av fetma och möjligen dess erkännande som en form av missbruk.

Nyckelord: könsskillnad, voxelbaserad morfometri, fetma, hjärnstruktur, Iowa-speluppgift, belöningssystem

Gå till:

Beskrivning

Reglering av kroppsvikt och energiintag är en komplex process som involverar både humorala och centrala homeostatiska och hedoniska system. Könsbaserade skillnader i regleringen av kroppsvikt som täcker dessa domäner rapporteras i litteraturen. Förekomsten av fetma är något högre hos kvinnor (i Tyskland, där denna studie genomfördes, kvinnor 20.2%, män = 17.1%, Världshälsoorganisationen, 2010och skillnader mellan kön beträffande den biologiska regleringen av kroppsvikt har beskrivits för gastrointestinala hormoner (Carroll et al., 2007; Beasley et al., 2009; Edelsbrunner et al., 2009) och för ättrelaterade sociala och miljömässiga faktorer, såväl som för dietbeteende (Rolls et al., 1991; Provencher et al., 2003).

En ny studie visade att riskfaktorer för fetma för kvinnor och män skiljer sig kraftigt trots att de har samma effekt på kroppsvikt: för män förklarades mest av skillnaden mellan grupper med hög och låg hälsorisk av variation i ätkompetens (en poäng som täcker attityder för mat, acceptans av mat, intern reglering och kontextuella färdigheter som måltidsplanering) och den medvetna begränsningen av matintaget. För kvinnor förklarade oförmågan att motstå emotionella ledtrådar och okontrollerat ätande de flesta av gruppskillnaderna (Greene et al., 2011).

Dessa observationer antyder grundläggande skillnader i hur kvinnor och män bearbetar matrelaterad information och kontrollerar matintag, vilket stöds av bevis på delvis separerade nervmekanismer som svar på mat och i kontrollen av ätbeteende för båda könen (Parigi et al. ., 2002; Smeets et al., 2006; Uher et al., 2006; Wang et al., 2009). Eftersom både män och kvinnor kan bli överviktiga verkar emellertid inget av dessa sätt skydda mot överskott av viktökning.

I denna studie undersökte vi två aspekter av könsrelaterade skillnader i fetma. Först, med hjälp av voxel-baserad morfometri (VBM), bedömde vi skillnader i hjärnans struktur hos mager och överviktiga män och kvinnor. För det andra undersökte vi möjliga könsrelaterade skillnader i kognitiv kontroll över ätbeteende med hjälp av en modifierad version av Iowa Gambling Task (Bechara et al., 1994).

En ny studie med funktionell MRI hittade könsrelaterade skillnader i AD libitum energiintag efter 6 dagar av eukalorisk utfodring samt vid livsmedelsrelaterad hjärnaktivering för personer med normal vikt (Cornier et al., 2010). I denna studie korrelerade aktivering i dorsolateral prefrontal cortex (DLPFC) negativt med energiintag, men med ökade aktiveringsnivåer hos kvinnor jämfört med män. Författarna föreslog att dessa större prefrontala neurala svar hos kvinnor återspeglar ökad kognitiv bearbetning relaterad till verkställande funktion, såsom vägledning eller utvärdering av ätbeteende. Vid fetma kan dock nedsättning av dessa kontrollmekanismer bidra till överskott av energiintag.

För att undersöka möjliga könsrelaterade skillnader i kognitiv kontroll över ätbeteende vid fetma, använde vi en modifierad version av IGT. Denna uppgift kräver utvärdering av både omedelbara belöningar och långsiktiga resultat och speglar därmed avvägningen mellan omedelbar belöning från att äta och det långvariga påverkan av överätande på kroppsvikt. Förutsatt att överviktiga personer föredrar höga omedelbara belöningar även inför negativt långsiktigt resultat, fokuserade vi våra undersökningar på kortdäck B. I detta däck åtföljs höga omedelbara belöningar av sällsynta men höga straff som leder till ett negativt långsiktigt resultat. För att kontrastera vart och ett av de andra däcken med däck B enskilt presenterade vi bara två istället för fyra alternativa kortdäck när som helst. Vi antar att fetma differentiellt påverkar kognitiv kontroll över beteenden hos män och kvinnor, och vi förväntade oss hitta effekter av både kön och fetma på beteendemått i IGT.

Voxel-baserad morfometri är ett värdefullt verktyg för att identifiera skillnader i hjärnans grå substans (GM) -struktur relaterad inte bara till sjukdomar utan också till uppgiftsprestanda (Sluming et al., 2002; Horstmann et al., 2010). Dessutom har GM-täthet och strukturella parametrar för vitmaterial nyligen visat sig förändras snabbt som svar på förändrat beteende som att behärska en ny färdighet - med andra ord, att visa att hjärnan är ett plastorgan (Draganski et al. 2004; Scholz et al., 2009; Taubert et al., 2010). Därför kan anpassningar i funktionella kretsar på grund av förändrat beteende som ihållande överätning återspeglas i hjärnans GM-struktur.

De första banbrytande studierna som undersökte hjärnans struktur i fetma visade fettrelaterade skillnader i olika hjärnsystem (Pannacciulli et al., 2006, 2007; Taki et al., 2008; Raji et al., 2010; Schäfer et al., 2010; Walther et al., 2010; Stanek et al., 2011) Trots att de var mycket insiktsfulla när det gäller att identifiera hjärnstrukturer som skiljer sig från fetma, undersökte dessa studier inte möjliga könsrelaterade effekter. En studie rapporterade ett inflytande av både kön och fetma på diffusionsegenskaperna hos vit substans (Mueller et al., 2011).

Vi studerade förhållandet mellan hjärnstruktur och fetma [mätt med kroppsmassaindex (BMI) samt leptin] med hjälp av VBM hos både män och kvinnor i ett normalt äldre, friskt prov, matchat för kön och BMI-distribution. Med tanke på de ovannämnda könsskillnaderna i behandlingen av matrelaterad information, antagde vi att vi skulle finna könsberoende utöver könsoberoende korrelater av fetma i hjärnans struktur.

Gå till:

Material och metoder

Ämnen

Vi inkluderade 122 friska kaukasiska personer. Vi matchade män och kvinnor enligt fördelning och intervall av BMI samt ålder [61 kvinnor (premenopausal), BMI (f) = 26.15 kg / m2 (SD 6.64, 18 – 44), BMI (m) = 27.24 kg / m2 (SD 6.13, 19 – 43), χ2 = 35.66 (25), p = 0.077; ålder (f) = 25.11 år (SD 4.43, 19–41), ålder (m) = 25.46 år (SD 4.25, 20–41), χ2 = 11.02 (17), p = 0.856; se figur Figure11 för fördelning av BMI och ålder inom båda grupperna]. Inklusionskriterier var mellan 18 och 45 år. Uteslutningskriterier var hypertoni, dyslipidemi, metaboliskt syndrom, depression (Beck's Depression Inventory, cut-off value 18), en historia av neuropsykiatriska sjukdomar, rökning, diabetes mellitus, tillstånd som är kontraindikationer för MR- avbildning och avvikelser i T1-vägd MR-skanning. Studien genomfördes i enlighet med Helsingforsdeklarationen och godkändes av den lokala etikkommittén vid universitetet i Leipzig. Alla försökspersoner gav skriftligt informerat samtycke innan de deltog i studien.

Figur 1

Figur 1

Fördelning av kroppsmassaindex [i kg / m2 (A)] och ålder [i år (B)] för kvinnliga och manliga deltagare.

MRI förvärv

T1-viktade bilder förvärvades på en helkropps 3T TIM Trio-skanner (Siemens, Erlangen, Tyskland) med en 12-kanals head-array-spole med användning av en MPRAGE-sekvens [TI = 650 ms; TR = 1300 ms; snapshot FLASH, TRA = 10 ms; TE = 3.93 ms; alfa = 10 °; bandbredd = 130 Hz / pixel (dvs. 67 kHz totalt); bildmatris = 256 × 240; FOV = 256 mm × 240 mm; plattans tjocklek = 192 mm; 128 partitioner; 95% skivupplösning; sagittal orientering; rumsupplösning = 1 mm × 1 mm × 1.5 mm; 2 förvärv].

Bildbehandling

SPM5 (Wellcome Trust Center for Neuroimaging, UCL, London, Storbritannien; http://www.fil.ion.ucl.ac.uk/spm) användes för T1-vägd bildförbearbetning och statistisk analys. MR-bilder bearbetades med DARTEL-metoden (Ashburner, 2007) med standardparametrar för VBM som körs under MatLab 7.7 (Mathworks, Sherborn, MA, USA). Alla analyser utfördes på bias-korrigerade, segmenterade, registrerade (styv-kroppstransformation), interpolerade isotropiska (1.5 mm × 1.5 mm × 1.5 mm) och jämnade (FWHM 8 mm) bilder. Alla bilder varpades baserat på omvandlingen av den gruppspecifika DARTEL-mallen till den tidigare GM-bilden tillhandahållen av SPM5 för att möta det stereotaktiska standardutrymmet för Montreal Neurological Institute (MNI). GM-segment modulerades (dvs skalades) av de jakobiska determinanterna för deformationerna som infördes genom normalisering för att redovisa lokal komprimering och expansion under transformation.

Statistiska analyser

Följande statistiska modeller utvärderades: en full-factorial design med en faktor (kön) och två nivåer (kvinnor och män), inklusive BMI som ett kovariat centrerat på faktormedlet utan interaktion. Ytterligare modeller inkluderade interaktioner mellan antingen BMI eller central leptinnivå och kön för att undersöka de olika effekterna av dessa kovariater inom båda grupperna. Alla statistiska modeller inkluderade kovariater för ålder och total volym av grått och vitt material för att redovisa de förvirrande effekterna av ålder och hjärnstorlek. Resultaten ansågs vara betydande vid en voxelvis tröskel på p <0.001 med en ytterligare tröskel på klusternivå p  <0.05 (FWE-korrigerad, hela hjärnan). Denna kombinerade statistik för voxel- och klusternivå återspeglar sannolikt sannolikheten för att ett kluster av en viss storlek, endast består av voxels med p <0.001, skulle inträffa av en slump i data om den angivna jämnheten. Resultaten korrigerades ytterligare för icke-isotrop jämnhet (Hayasaka et al., 2004).

Analytiska procedurer

Leptin, ett adipocyt-härledt hormon, är välkänt för att korrelera med procentandelen kroppsfett (Considine et al., 1996; Marshall et al., 2000). Centrala effekter för leptin har beskrivits omfattande (Fulton et al., 2006; Hommel et al., 2006; Farooqi et al., 2007; Dileone, 2009). Vi inkluderade därför uppskattad central leptinnivå (dvs. den naturliga logaritmen hos perifert leptin, Schwartz et al., 1996) förutom BMI som mått på fetma. Serumleptinkoncentration (enzymbunden immunosorbentanalys, Mediagnost, Reutlingen, Tyskland) bestämdes för ett underprov [n = 56 (24 kvinnor), BMI (f) = 27.29 kg / m2 (SD 6.67, 19 – 44), BMI (m) = 30.13 (SD 6.28, 20 – 43); ålder (f) = 25.33 år (SD 5.27, 19 – 41), ålder (m) = 25.19 år (SD 4.5, 20 – 41)].

Ändrad Iowa-speluppgift

Deltagare

Sextio friska deltagare testades med den modifierade Iowa Gambling Task [34 kvinnor, 15 mager (medel BMI 21.9 kg / m2 ± 2.2; medelålder 24.1 år ± 2.8) och 19 överviktiga (medel BMI 35.4 kg / m2 ± 3.9; medelålder 25.4 år ± 3.4); 31 män, 16 magra (medel BMI 23.8 kg / m2 ± 3.2; medelålder 25.2 år ± 3.8) och 15 överviktiga (medel BMI 33.5 kg / m2 ± 2.4; medelålder 26.7 år ± 4.0)]. Ämnen med ett BMI större än eller lika med 30 kg / m2 klassificerades som feta. De fyra undergrupperna matchades enligt deras utbildningsbakgrund. En fetma kvinnlig patient utesluts från analysen på grund av en hypofunktion av sköldkörteln.

experimentell procedur

Den modifierade IGT-versionen och inhämtningsdatauppsamlingen implementerades i Presentation 14.1 (Neurobehavioral Systems Inc., Albany, CA, USA). Vår modifierade uppgiftsversion liknade i dess allmänna däckkomposition till den ursprungliga IGT (Bechara et al., 1994). Däck A och B var nackdelar vilket ledde till en långsiktig förlust och däck C och D resulterade i ett positivt långsiktigt resultat. Våra modifieringar av uppgiften hänförde sig bara till antalet olika kortdäck som presenterades samtidigt och förstärknings- / förlustfrekvensen och förstärkning / förluststorleken i varje däck. Deltagarna var tvungna att välja mellan två alternativa kortdäck i varje block (t.ex. däck B + C). Däck A och C hade en förstärknings- / förlustfrekvens på 1: 1 med en omedelbar förstärkning av + 100 (+ 70 respektive) och en omedelbar förlust av −150 (−20 respektive). Däck B och D hade en vinst / förlustfrekvens på 4: 1 och gav omedelbara fördelar på + 100 (+ 50 respektive) och förluster i mängden −525 (−75). Därför ledde däck A och B till en total nettoförlust medan däck C och D ledde till en nettovinst.

I varje försök visades två kortdäck med ett frågetecken emellan på skärmen, vilket indikerar att försökspersoner var tvungna att välja ett kort. Frågetecknet ersattes av ett vitt kors efter att deltagarna gjorde sina val. I varje försök måste deltagarna fatta sitt beslut på mindre än 3 s. Om försökspersonerna inte valde ett kort inom denna gräns, dök en smiley med ett frågetecken mun och nästa rättegång startade. Dessa försök kasserades.

Deltagarna genomförde 90-studier som delades in i 3 randomiserade block (AB / BC / BD) av 30-studier vardera. Efter varje block introducerades en paus av 30s, i vilka ämnen informerades om att de kortdäck som presenterades skulle vara annorlunda i följande block. Analogt med den ursprungliga IGT, fick personerna veta att maximera resultatet genom fördelaktiga däckval.

För motivationsfrågor fick deltagarna en bonus på upp till 6 € utöver baslinjebetalningen beroende på deras resultat i uppgiften.

Dataanalys

Alla resultat beräknades med PASW Statistics 18.0 (IBM Corporation, Somers, NY, USA). Antalet kort som dras från däck B analyserades med avseende på fetma och könsskillnader inklusive ålder som ett kovariat i den allmänna linjära modellen. Dessutom undersöktes inlärningskurvor med hjälp av ANOVA med upprepade åtgärder. Ytterligare ANOVA: er för att erhålla separata gruppeffekter för båda könen med avseende på fetma utfördes. Korrelationen mellan BMI och preferens för däck B beräknades med användning av en linjär modell.

Gå till:

Resultat

Gråmaterialstruktur

För att undersöka korrelat mellan fetma i hjärnstrukturen använde vi DARTEL för VBM i hela hjärnan (Ashburner, 2007) baserat på T1-viktad MRT. Detaljerade resultat visas i figur Figure22 och tabell Table1.1. Vi hittade en positiv korrelation mellan BMI och gråmaterialvolym (GMV) i medial posterior orbitofrontal cortex (OFC), nucleus accumbens (NAcc) bilateralt, hypothalamus och vänster putamen (dvs ryggstriatum, topp voxels p <0.05, FWE-korrigerad för flera jämförelser på voxel-nivå) när både män och kvinnor inkluderades i analysen (se figur Figure2) .2). Utför samma analys inom lika stora grupper (n  = 61) av kvinnor och män separat fick vi jämförbara resultat för kvinnor men inte för män: I synnerhet fann vi en signifikant positiv korrelation mellan GMV i OFC / NAcc och BMI i båda grupperna (Figur (Figure33 övre raden, kvinnor r = 0.48, p <0.001, män r = 0.48, p <0.001) men en signifikant korrelation mellan GMV i putamen och BMI endast för kvinnor (Figur (Figure33 mittrad, kvinnor r = 0.51, p <0.001; män r = 0.003, p = 0.979).

Figur 2

Figur 2

Fetma är förknippat med strukturella förändringar av hjärnans gråmaterialstruktur. Resultaten visas i detalj för hela gruppen (n = 122), inklusive både män och kvinnor. Översta raden: koronala skivor, siffrorna anger skivplatsen i .

Tabell 1

Tabell 1

Korrelationer mellan grått ämne och mått på fetma.

Figur 3

Figur 3

Föreningen av fetma med djupa, könsberoende strukturella förändringar inom hjärnregioner som är involverade i belöningsbearbetning, kognitiv och homeostatisk kontroll. Volymen av posterior medial orbitofrontal cortex (OFC), nucleus accumbens (NAcc), .

Det är känt att feta individer visar förhöjda perifera leptinnivåer, ett cirkulerande adipocyt-härledt hormon som korrelerar starkt med mängden kroppsfett (Marshall et al., 2000; Park et al., 2004). Följaktligen återspeglar förhöjda leptinnivåer mängden överskott av kroppsfett. Eftersom en förhöjd BMI inte nödvändigtvis återspeglar överflödigt kroppsfett, använde vi leptin som ett ytterligare mått på graden av fetma för att se till att en hög BMI i vårt prov verkligen återspeglar överskott av kroppsfett snarare än överskott av mager massa. Vi fann att kvinnor hade en högre absolut serumleptinkoncentration jämfört med män [kvinnor 30.92 ng / ml (SD 26.07), män 9.65 ng / ml (SD 8.66), p <0.0001]. En ANCOVA avslöjade en signifikant interaktion mellan BMI (2 nivåer: normal vikt ≤ 25; fetma ≥ 30), kön och serumleptinkoncentration (F1,41 = 16.92, p <0.0001).

För både män och kvinnor fann vi en positiv korrelation mellan leptin och GMV i NAcc och ventral striatum bilateralt (kvinnor r = 0.56, p = 0.008; män r = 0.51, p = 0.005) såväl som i hypotalamus (Figur (Figure33 tredje raden). Endast kvinnor visar ytterligare leptinrelaterade strukturella skillnader i vänster putamen och fornixen (figur (Figure3,3, områden som visas med rött i tredje rad). Klustren i NAcc och putamen visar en betydande överlappning med de regioner som identifierats genom att korrelera BMI med GMV (figur (Figure33 första till tredje raden). Dessutom, bara för kvinnor hittade vi en invers (dvs. negativ) korrelation mellan leptinnivåer och GMV i rätt DLPFC (r = −0.62, p <0.001; Figur Figure3,3, nedersta raden).

Förhållandet mellan spelbeteende, kön och fetma

I IGT förmedlar däck B höga omedelbara belöningar med varje kort men låga frekvenshöga förluster, vilket slutligen resulterar i ett negativt långsiktigt resultat. Därför speglar alternativen i däck B konflikten mellan mycket framträdande omedelbara belöningar och uppnåendet av långsiktiga mål. I den nuvarande versionen av Iowa Gambling Task valde överviktiga kvinnor betydligt fler kort från däck B när de står i kontrast till varje fördelaktigt däck (dvs. C eller D) än magra kvinnor i alla försök (F1,32 = 8.68, p  = 0.006). Vi fann ingen skillnad mellan magra och överviktiga kvinnor när vi kontrasterade de två ofördelaktiga däcken (dvs. A och B). Dessutom fanns det en signifikant korrelation mellan BMI och det totala antalet kort som valdes från kortlek B för kvinnor (Figur (Figure4A) .4A). Jämfört med magra med feta män hittade vi varken en signifikant skillnad för det totala antalet kort som valts från däck BF1,29 = 0.51, p = 0.48), inte heller någon signifikant korrelation med BMI.

Figur 4

Figur 4

Skillnader hos mager och överviktiga kvinnor i deras förmåga att anpassa valbeteendet för att matcha långsiktiga mål. (A) Preference för däck B över alla försök korrelerar med BMI inom gruppen av kvinnor. Grå linje: linjär regression. (B) Skillnaden mellan mager .

För att testa skillnader i inlärningsbeteende mellan mager och överviktiga deltagare analyserade vi val av däck B över tid. Under lärandet visade feta kvinnor ingen justering i valbeteendet. Däremot såg vi för magra kvinnor en gradvis minskning av preferensen för kort från däck B (se figur Figure4B) .4B). Fetma kvinnor anpassade således inte sitt beteende till ett övergripande fördelaktigt resultat jämfört med magra kvinnor. Analys av inlärningsbeteende avslöjade endast en signifikant effekt för fetma hos kvinnor (F1,30 = 6.61, p = 0.015) men inte hos män.

Denna effekt av kön var särskilt uttalad i den sista inlärningsfasen (dvs. försök 25 – 30), där vi observerade en signifikant interaktion mellan kön och fetma för valbeteende på däck B (F1,59 = 6.10; p = 0.02). Här valde överviktiga kvinnor mer än dubbelt så många kort från kortlek B som magra kvinnor (F1,33 = 17.97, p <0.0001). För manliga individer observerades ingen signifikant skillnad (figur (Figure4C, 4C, F1,29 = 0.13, p = 0.72). Dessutom visade en korrelationsanalys en stark korrelation (r = 0.57, p  <0.0001) mellan BMI och antalet kort som valts från kortlek B i det sista blocket för kvinnor. Återigen observerades ingen signifikant korrelation för män (r = 0.17, p = 0.35).

Gå till:

Diskussion

För både män och kvinnor visar vi en korrelation mellan GMV och mått på fetma i den bakre mediala OFC (mOFC) och inom det ventrala striatum (dvs NAcc), vilket är i linje med tidigare rapporterade gruppskillnader i GM vid jämförelse av mager till feta personer (Pannacciulli et al., 2006). Samspelet mellan dessa två regioner är avgörande för att utvärdera motiverande framträdande stimuli (som mat) och vidarebefordra denna information i syfte att fatta beslut. Funktionellt koderar dessa regioner stimuliens förmåga och subjektiva värde (Plassmann et al., 2010). I bulimia nervosa (BN), ett tillstånd där ätbeteende men INTE BMI skiljer sig från normalt, är GMV av samma strukturer högre hos patienter än i kontroller (Schäfer et al., 2010). Detta antyder att strukturen i dessa regioner antingen påverkas av eller är en predisposition för förändrat ätbeteende istället för att fysiologiskt bestämmas av procentandelen kroppsfett.

Förutom mOFC och NAcc, visade båda könen en korrelation mellan hjärnstruktur och fetma inom hypotalamus. Hypothalamus är en nyckelregion som styr hunger, mättnad, ätbeteende samt energiförbrukning och har direkta anslutningar till belöningssystemet (Philpot et al., 2005). Vi antar att dessa skillnader mellan magra och feta individer i både de hedoniska och homeostatiska kontrollsystemen kan återspegla ett viktigt inslag i fetma, nämligen en förspänning i ätbeteende mot mer hedoniska matval där energiintag överstiger den faktiska homeostatiska efterfrågan.

Endast hos kvinnor visar vi dessutom korrelationer mellan GMV och mått på fetma (BMI såväl som centrala leptinnivåer) i ryggstriatumet (dvs. vänster putamen) och i höger DLPFC. Intressant nog spelar dessa strukturer viktiga, kompletterande roller i vanligt (automatiskt) och målstyrt (kognitivt) kontroll av beteende i motiverande sammanhang: mOFC och NAcc signalerar preferensen för och det förväntade värdet av belöning, putamen i det dorsolaterala striatum är tänkt att koda (bland många andra funktioner) beteendeförhållanden för att få en specifik belöning, och DLPFC ger målstyrd kognitiv kontroll över beteende (Jimura et al., 2010). Målriktat beteende kännetecknas av ett starkt beroende mellan sannolikheten för svaret och det förväntade resultatet (t.ex. Daw et al., 2005). Däremot kännetecknas vanligt (eller automatiskt) beteende av en stark koppling mellan en stimulans (t.ex. mat) och ett svar (t.ex. dess konsumtion). I detta fall påverkas sannolikheten för svaret knappt av resultatet av själva handlingen, vare sig det kan vara på kort sikt (mättnad) eller långsiktig (fetma).

Nyligen har Tricomi et al. (2009) undersökte den neurala grunden för uppkomsten av vanligt beteende hos människor. De använde ett paradigm som är välkänt för att framkalla vanorliknande beteende hos djur och visade att basal ganglia-aktiveringar (särskilt i dorsal putamen, se även Yin och Knowlton, 2006) ökade över hela utbildningen, vilket tyder på en roll i en progressiv förstärkning av inlärningsprocessen. Den funktionella rollen för putamen i detta sammanhang kan vara att etablera cue-driven sensory-motor loopar och därmed att hjälpa till att automatisera alltför lärt beteende. Vidare fortsatte åtgärder och resultatrepresentationer i mOFC att öka i väntan på belöning under alla sessioner. Dessa resultat visar att vanligt svar inte är resultatet av en minskning i förväntan på belöningsresultat över lärande, utan från förstärkning av stimulans-svar-länkar (Daw et al., 2005; Frank och Claus, 2006; Frank, 2009). I samband med fetma har Rothemund et al. (2007) tidigare visat, med hjälp av ett fMRI-paradigm, att BMI förutsäger aktivering i putamen under visning av högkalorisk mat hos kvinnor. Vidare har Wang et al. (2007) har visat en könsskillnad i putamen när det gäller förändringar i CBF som svar på stress: Stress hos kvinnor aktiverade primärt det limbiska systemet, inklusive ventral striatum och putamen.

De basala ganglierna är starkt sammankopplade med PFC (Alexander et al., 1986), etablera integrerande kortikostriato-kortikala vägar som kopplar belöningsbaserat lärande, motiverande sammanhang och målstyrt beteende (t.ex. Draganski et al., 2008). Miller och Cohen (2001) förklarade att kognitiv kontroll över beteende främst tillhandahålls av PFC. De drar slutsatsen att aktivitet i PFC underlåter valet av ett svar, vilket är lämpligt i en given situation även inför ett starkare (t.ex. mer automatiskt / vanligt eller önskvärt) alternativ. Det har nyligen visats att DLPFC styr vägledande implementering av beteendemål inom arbetsminnet i givande och motiverande sammanhang (Jimura et al., 2010). Könsrelaterade skillnader för aktivitet i denna region i samband med mat och kontroll av ätbeteende har också visats nyligen av Cornier et al. (2010). De fann att rätt DLPFC-aktivering som svar på hedonisk mat endast var synlig hos kvinnor, medan män visade en deaktivering. Aktivering i DLPFC korrelerades negativt med efterföljande AD libitum energiintag, vilket föreslår en specifik roll för denna kortikala region i den kognitiva kontrollen av ätbeteende. Om man antar funktionell relevans av förändrad hjärnstruktur, kan det negativa sambandet mellan GMV i rätt DLPFC och fetma som finns i den här studien tolkas som en försämring av förmågan att anpassa aktuella åtgärder till långsiktiga mål eller, i andra termer, en förlust av kognitiv kontroll över ätbeteende hos överviktiga jämfört med magra kvinnor.

Genom att använda en förenklad version av Iowa Gambling Task, en inlärningsuppgift med mycket framträdande omedelbara belöningar som strider mot uppnåendet av långsiktiga mål, observerade vi att magra kvinnor minskade sitt val av däck B med tiden, medan feta kvinnor inte gjorde det. Detta fynd kan stödja den funktionella relevansen av de observerade skillnaderna i hjärnans struktur i givande sammanhang. Skillnader på klassisk IGT mellan sjukligt överviktiga och hälsoviktiga personer har visats nyligen (Brogan et al., 2011). Resultaten från den ovannämnda studien analyserades emellertid inte för könsinflytande. Våra resultat pekar på en högre känslighet för omedelbar belöning hos överviktiga än hos magra kvinnor, åtföljd av en eventuell brist på hämmande målstyrd kontroll. Ytterligare bevis för en påverkan av övervikt på beslutsfattande har tillhandahållits av Weller et al. (2008), som fann att överviktiga kvinnor uppvisade större förseningsdiskontering än magra kvinnor. Intressant nog fann de inte skillnader i förseningsdiskonteringsbeteende mellan feta och mager män, vilket bekräftar våra könsspecifika resultat. En annan studie, som endast inkluderade kvinnor, testade effekten av fetma på effektiviteten av responshämning och fann att feta kvinnor visade mindre effektiv responshämning än magra kvinnor i en stoppsignaluppgift (Nederkoorn et al., 2006). I samband med ätbeteende kan mindre effektiv beteendehämning i kombination med en högre känslighet för omedelbar belöning underlätta överätning, särskilt när man står inför ett konstant utbud av mycket smakrik mat.

Koob och Volkow (2010) föreslog nyligen nyckelroller för striatum, OFC och PFC i faset för upptaget / förväntan och i störd hämmande kontroll i beroende. De konstaterar att övergången till missbruk (dvs obligatorisk läkemedelsintag) involverar neuroplasticitet i flera centrala strukturer och drar slutsatsen att dessa neuro-anpassningar är en nyckelfaktor till sårbarhet för att utveckla och upprätthålla beroendeframkallande beteende. Därför kan våra resultat stödja hypotesen att fetma liknar en form av beroende (Volkow och Wise, 2005), men med markanta skillnader mellan kvinnor och män.

Även om vi inte kan dra slutsatser om funktionella skillnader från våra fynd i hjärnans struktur, är det tänkbart att de strukturella skillnaderna också har funktionell relevans. Detta stöds vidare av experiment som visar modulerande effekter av centralt verkande tarmhormoner såsom ghrelin, PYY och leptin på dessa regioner (Batterham et al., 2007; Farooqi et al., 2007; Malik et al., 2008). Dynamiska förändringar i hjärnstrukturen har nyligen visats för parallella inlärningsprocesser samt åtfölja skadliga framsteg såsom atrofi (Draganski et al., 2004; Horstmann et al., 2010; Taubert et al., 2010). Eftersom vår studie, även om det är tvärsnitt, inkluderade en uppsättning friska unga individer, hoppas vi ha minimerat de eventuella förvirrande effekterna som åldrande och maximerat de fetma-specifika effekterna av intresse. Så vitt vi vet är vi de första som beskriver ett positivt samband mellan GM och markörer för fetma. Skillnaden mellan resultaten som hittills publicerats om hjärnstruktur och fetma och våra resultat kan förklaras av skillnader i provkomposition och studiedesign. Studier som rapporterade negativa korrelationer mellan fetma och hjärnstruktur involverade antingen personer som var betydligt äldre än försökspersonerna i vårt prov eller inkluderade personer med ett stort stort åldersintervall (Taki et al., 2008; Raji et al., 2010; Walther et al., 2010). Skadliga effekter av fetma kan uppstå senare i livet, så att våra resultat kan beskriva den tidiga fasen av förändringar i hjärnstrukturen relaterad till fetma. Eftersom dessa studier inte var utformade för att undersöka könsskillnader, var fördelningen av kön över mager och överviktiga grupper inte uttryckligen balanserad, vilket kan påverka resultaten (Pannacciulli et al., 2006, 2007).

Eftersom vår studie var tvärsnitt, kan vi inte dra slutsatser om huruvida våra resultat speglar orsaken eller effekten av fetma. Det är jämnt troligt att hjärnstrukturen förutsäger utvecklingen av fetma eller att fetma, åtföljd av förändrat ätbeteende, får hjärnstrukturen att förändras. I framtiden kan longitudinella studier besvara denna öppna fråga.

Sammanfattningsvis föreslår vi att skillnader mellan både de hedoniska och homeostatiska kontrollsystemen i båda könen kan spegla en förspänning i ätbeteende. Endast hos kvinnor visar vi att fetma modulerar beteendepreferensen för framstående omedelbara belöningar inför negativa långsiktiga konsekvenser. Eftersom beteendeexperiment och strukturell MRI genomfördes på olika prover (se Material och metoder) vi kunde inte direkt relatera dessa beteendeskillnader till de strukturella förändringarna. Vi antar emellertid att de ytterligare strukturella skillnaderna som ses hos feta kvinnor kan tolkas som en återspegling av beteende parallellt med övervikt, nämligen att beteendekontroll successivt domineras av vanligt liknande beteende i motsats till målinriktade handlingar. Dessutom kan våra resultat vara viktiga för erkännande av fetma som en form av beroende. Ytterligare studier av könsskillnader i beteendekontroll kommer att vara viktiga för att undersöka etiologin för ät- och kroppsviktstörningar och för att utforma könsanpassade behandlingar (Raji et al., 2010).

Gå till:

Intresseanmälan

Författarna förklarar att forskningen genomfördes i avsaknad av kommersiella eller finansiella relationer som kan tolkas som en potentiell intressekonflikt.

Gå till:

Erkännanden

Detta arbete stöds av det federala utbildnings- och forskningsministeriet [BMBF: Neurocircuits i fetma till Annette Horstmann, Michael Stumvoll, Arno Villringer, Burkhard Pleger; IFB AdiposityDiseases (FKZ: 01EO1001) till Annette Horstmann, Jane Neumann, David Mathar, Arno Villringer, Michael Stumvoll] och Europeiska unionen (GIPIO till Michael Stumvoll). Vi tackar Rosie Wallis för korrekturläsning av manuskriptet.

Gå till:

Referensprojekt

  1. Alexander GE, DeLong MR, Strick PL (1986). Parallell organisation av funktionellt segregerade kretsar som länkar basala ganglia och cortex. Annu. Pastor Neurosci. 9, 357 – 381 [PubMed]
  2. Ashburner J. (2007). En snabb diffeomorfisk algoritm för bildregistrering. Neuroimage 38, 95 – 11310.1016 / j.neuroimage.2007.07.007 [PubMed] [Cross Ref]
  3. Batterham RL, ffytche DH, Rosenthal JM, Zelaya FO, Barker GJ, Withers DJ, Williams SC (2007). PYY-modulering av kortikala och hypotalamiska hjärnområden förutsäger matningsbeteende hos människor. Nature 450, 106 – 10910.1038 / nature06212 [PubMed] [Cross Ref]
  4. Beasley JM, Ange BA, Anderson CA, Miller Iii ER, Holbrook JT, Appel LJ (2009). Egenskaper förknippade med fastande aptithormoner (obestatin, ghrelin och leptin). Fetma (silverfjäder) 17, 349 – 35410.1038 / oby.2008.627 [PMC gratis artikel] [PubMed] [Cross Ref]
  5. Bechara A., Damasio AR, Damasio H., Anderson SW (1994). Känslighet för framtida konsekvenser efter skada på människans prefrontala cortex. Kognition 50, 7 – 1510.1016 / 0010-0277 (94) 90018-3 [PubMed] [Cross Ref]
  6. Brogan A., Hevey D., O'Callaghan G., Yoder R., O'Shea D. (2011). Nedsatt beslutsfattande bland sjukligt överviktiga vuxna. J. Psychosom. Res. 70, 189–196 [PubMed]
  7. Carroll JF, Kaiser KA, Franks SF, Deere C., Caffrey JL (2007). Påverkan av BMI och kön på postprandial hormonsvar. Fetma (silverfjäder) 15, 2974 – 298310.1038 / oby.2007.355 [PubMed] [Cross Ref]
  8. Considine RV, Sinha MK, Heiman ML, Kriauciunas A., Stephens TW, Nyce MR, Ohannesian JP, Marco CC, McKee LJ, Bauer TL (1996). Serumimmunreaktiva-leptinkoncentrationer hos normalviktiga och feta människor. N. Engl. J. Med. 334, 292 – 295 [PubMed]
  9. Cornier MA, Salzberg AK, Endly DC, Bessesen DH, Tregellas JR (2010). Könsbaserade skillnader i beteendemässiga och neuronala svar på mat. Physiol. Behav. 99, 538 – 543 [PMC gratis artikel] [PubMed]
  10. Daw ND, Niv Y., Dayan P. (2005). Osäkerhetsbaserad konkurrens mellan prefrontala och dorsolaterala striatala system för beteendekontroll. Nat. Neurosci. 8, 1704 – 1711 [PubMed]
  11. Dileone RJ (2009). Påverkan av leptin på dopaminsystemet och konsekvenserna för intagande beteende. Int. J. Obes. 33, S25 – S29 [PMC gratis artikel] [PubMed]
  12. Draganski B., Gaser C., Busch V., Schuierer G., Bogdahn U., May A. (2004). Förändringar i grått ämne som orsakas av utbildning av nyutnyttjade jongleringsfärdigheter dyker upp som en övergående funktion på en hjärnavbildningsskanning. Natur 427, 311 – 31210.1038 / 427311a [PubMed] [Cross Ref]
  13. Draganski B., Kherif F., Klöppel S., Cook PA, Alexander DC, Parker GJ, Deichmann R., Ashburner J., Frackowiak RS (2008). Bevis för segregerade och integrativa anslutningsmönster i de mänskliga basala ganglierna. J. Neurosci. 28, 7143 – 715210.1523 / JNEUROSCI.1486-08.2008 [PubMed] [Cross Ref]
  14. Edelsbrunner ME, Herzog H., Holzer P. (2009). Bevis från knockout-möss som peptid YY och neuropeptid Y verkställer murin rörelse, utforskning och intagande beteende på en cirkadisk cykel- och könsberoende sätt. Behav. Brain Res. 203, 97 – 107 [PubMed]
  15. Farooqi IS, Bullmore E., Keogh J., Gillard J., O'Rahilly S., Fletcher PC (2007). Leptin reglerar striatala regioner och mänskligt ätbeteende. Vetenskap 317, 1355. [PMC gratis artikel] [PubMed]
  16. Frank MJ (2009). Slav till den striatal vanan (kommentar Tricomi et al.). Eur. J. Neurosci. 29, 2223 – 2224 [PubMed]
  17. Frank MJ, Claus ED (2006). Ett anatomi av ett beslut: striato-orbitofrontala interaktioner i förstärkning av lärande, beslutsfattande och vändning. Psychol. Rev. 113, 300 – 326 [PubMed]
  18. Fulton S., Pissios P., Manchon RP, Stiles L., Frank L., Pothos EN, Maratos-Flier E., Flier JS (2006). Leptinreglering av mesoaccumbens dopaminväg. Neuron 51, 811 – 82210.1016 / j.neuron.2006.09.006 [PubMed] [Cross Ref]
  19. Greene GW, Schembre SM, White AA, Hoerr SL, Lohse B., Shoff S., Horacek T., Riebe D., Patterson J., Phillips BW, Kattelmann KK, Blissmer B. (2011). Identifiera kluster av högskolestudenter med förhöjd hälsorisk baserat på ät- och träningsbeteenden och psykosociala bestämningar av kroppsvikt J. Am. Diet. Assoc. 111, 394 – 400 [PubMed]
  20. Hayasaka S., Phan KL, Liberzon I., Worsley KJ, Nichols TE (2004). Icke-stationär klusterstorlek med slumpmässiga fält- och permutationsmetoder. Neuroimage 22, 676 – 68710.1016 / j.neuroimage.2004.01.041 [PubMed] [Cross Ref]
  21. Hommel JD, Trinko R., Sears RM, Georgescu D., Liu ZW, Gao XB, Thurmon JJ, Marinelli M., DiLeone RJ (2006). Leptinreceptorsignalering i dopaminneuroner i mellanhålet reglerar utfodring. Neuron 51, 801 – 81010.1016 / j.neuron.2006.08.023 [PubMed] [Cross Ref]
  22. Horstmann A., Frisch S., Jentzsch RT, Müller K., Villringer A., ​​Schroeter ML (2010). Återupplivar hjärtat men förlorar hjärnan: hjärnatrofi efter hjärtstopp. Neurologi 74, 306 – 31210.1212 / WNL.0b013e3181cbcd6f [PubMed] [Cross Ref]
  23. Jimura K., Locke HS, Braver TS (2010). Prefrontal cortex medling av kognitiv förbättring i belöning av motivationsförhållanden. Proc. Natl. Acad. Sci. USA 107, 8871 – 8876 [PMC gratis artikel] [PubMed]
  24. Koob GF, Volkow ND (2010). Neurokretsen av missbruk. Neuropsykofarmakologi 35, 217-23810.1038 / npp.2009.110 [PMC gratis artikel] [PubMed] [Cross Ref]
  25. Malik S., McGlone F., Bedrossian D., Dagher A. (2008). Ghrelin modulerar hjärnaktivitet i områden som kontrollerar aptitbeteende. Cell Metab. 7, 400 – 40910.1016 / j.cmet.2008.03.007 [PubMed] [Cross Ref]
  26. Marshall JA, Grunwald GK, Donahoo WT, Scarbro S., Shetterly SM (2000). Procent kroppsfett och mager massa förklarar könsskillnaden i leptin: analys och tolkning av leptin hos spansktalande och icke-spansktalande vita vuxna. Obes. Res. 8, 543 – 552 [PubMed]
  27. Miller EK, Cohen JD (2001). En integrativ teori om prefrontal cortexfunktion. Annu. Pastor Neurosci. 24, 167 – 202 [PubMed]
  28. Mueller K., Anwander A., ​​Möller HE, Horstmann A., Lepsien J., Busse F., Mohammadi S., Schroeter ML, Stumvoll M., Villringer A., ​​Pleger B. (2011). Könsberoende påverkan av fetma på cerebral vitmaterial undersökas genom diffusionstensoravbildning. PLoS ONE 6, e18544.10.1371 / journal.pone.0018544 [PMC gratis artikel] [PubMed] [Cross Ref]
  29. Nederkoorn C., Smulders FT, Havermans RC, Roefs A., Jansen A. (2006). Impulsivitet hos överviktiga kvinnor. Aptit 47, 253 – 25610.1016 / j.appet.2006.05.008 [PubMed] [Cross Ref]
  30. Pannacciulli N., Del Parigi A., Chen K., Le DS, Reiman EM, Tataranni PA (2006). Hjärnabnormaliteter i mänsklig fetma: en voxelbaserad morfometrisk studie. Neuroimage 31, 1419 – 142510.1016 / j.neuroimage.2006.01.047 [PubMed] [Cross Ref]
  31. Pannacciulli N., Le DS, Chen K., Reiman EM, Krakoff J. (2007). Förhållanden mellan plasmakoncentrationer av leptin och mänsklig hjärnstruktur: en voxelbaserad morfometrisk studie. Neurosci. Lett. 412, 248 – 253 [PMC gratis artikel] [PubMed]
  32. Parigi AD, Chen K., Gautier JF, Salbe AD, Pratley RE, Ravussin E., Reiman EM, Tataranni PA (2002). Könsskillnader i den mänskliga hjärnans svar på hunger och mättnad. Am. J. Clin. Nutr. 75 1017–1022 [PubMed]
  33. Park KG, Park KS, Kim MJ, Kim HS, Suh YS, Ahn JD, Park KK, Chang YC, Lee IK (2004). Förhållandet mellan serumadiponektin- och leptinkoncentrationer och kroppsfettfördelning. Diabetes Res. Clin. Pract. 63, 135 – 142 [PubMed]
  34. Philpot KB, Dallvechia-Adams S., Smith Y., Kuhar MJ (2005). En kokain-och-amfetamin-reglerad-transkript peptidprojektion från den laterala hypotalamus till det ventrale tegmentalområdet. Neuroscience 135, 915 – 92510.1016 / j.neuroscience.2005.06.064 [PubMed] [Cross Ref]
  35. Plassmann H., O'Doherty JP, Rangel A. (2010). Aptitiva och aversiva målvärden kodas i den mediala orbitofrontala cortexen vid tidpunkten för beslutsfattandet. J. Neurosci. 30, 10799–1080810.1523 / JNEUROSCI.0788-10.2010 [PubMed] [Cross Ref]
  36. Provencher V., Drapeau V., Tremblay A., Després JP, Lemieux S. (2003). Ätbeteenden och index för kroppssammansättning hos män och kvinnor från Québec-familjestudien. Obes. Res. 11, 783 – 792 [PubMed]
  37. Raji CA, Ho AJ, Parikshak NN, Becker JT, Lopez OL, Kuller LH, Hua X., Leow AD, Toga AW, Thompson PM (2010). Hjärnstruktur och fetma. Brum. Hjärnkarta. 31, 353 – 364 [PMC gratis artikel] [PubMed]
  38. Rolls BJ, Fedoroff IC, Guthrie JF (1991). Könsskillnader i ätbeteende och kroppsviktreglering. Hälsopsychol. 10, 133 – 14210.1037 / 0278-6133.10.2.133 [PubMed] [Cross Ref]
  39. Rothemund Y., Preuschhof C., Bohner G., Bauknecht HC, Klingebiel R., Flor H., Klapp BF (2007). Differensiell aktivering av ryggstriatumet med visuell matstimulering med hög kalori hos feta individer. Neuroimage 37, 410 – 42110.1016 / j.neuroimage.2007.05.008 [PubMed] [Cross Ref]
  40. Schäfer A., ​​Vaitl D., Schienle A. (2010). Regionala avvikelser i gråmaterialvolym i bulimia nervosa och ätstörningar i binge. Neuroimage 50, 639 – 64310.1016 / j.neuroimage.2009.12.063 [PubMed] [Cross Ref]
  41. Scholz J., Klein MC, Behrens TE, Johansen-Berg H. (2009). Utbildning inducerar förändringar i vitmaterialsarkitektur. Nat. Neurosci. 12, 1370 – 1371 [PMC gratis artikel] [PubMed]
  42. Schwartz MW, Peskind E., Raskind M., Boyko EJ, Porte D. (1996). Leptinnivåer i cerebrospinalvätska: förhållande till plasmanivåer och fett hos människor. Nat. Med. 2, 589 – 593 [PubMed]
  43. Sluming V., Barrick T., Howard M., Cezayirli E., Mayes A., Roberts N. (2002). Voxel-baserad morfometri avslöjar ökad gråmaterialdensitet i Brocas område hos manliga symfoniorkestermusiker. Neuroimage 17, 1613–162210.1006 / nimg.2002.1288 [PubMed] [Cross Ref]
  44. Smeets PA, de Graaf C., Stafleu A., van Osch MJ, Nievelstein RA, van der Grond J. (2006). Mättnadseffekt på hjärnaktivering under chokladprovning hos män och kvinnor. Am. J. Clin. Nutr. 83, 1297 – 1305 [PubMed]
  45. Stanek KM, Grieve SM, Brickman AM, Korgaonkar MS, Paul RH, Cohen RA, Gunstad JJ (2011). Fetma är förknippat med minskad vitmaterialintegritet hos annars friska vuxna. Fetma (silverfjäder) 19, 500 – 50410.1038 / oby.2010.312 [PubMed] [Cross Ref]
  46. Taki Y., Kinomura S., Sato K., Inoue K., Goto R., Okada K., Uchida S., Kawashima R., Fukuda H. (2008). Förhållandet mellan kroppsmassaindex och gråmaterialvolym hos friska individer i 1,428. Fetma (silverfjäder) 16, 119 – 12410.1038 / oby.2007.4 [PubMed] [Cross Ref]
  47. Taubert M., Draganski B., Anwander A., ​​Müller K., Horstmann A., Villringer A., ​​Ragert P. (2010). Dynamiska egenskaper hos mänsklig hjärnstruktur: inlärningsrelaterade förändringar i kortikala områden och tillhörande fiberförbindelser. J. Neurosci. 30, 11670 – 1167710.1523 / JNEUROSCI.2567-10.2010 [PubMed] [Cross Ref]
  48. Tricomi E., Balleine BW, O'Doherty JP (2009). En specifik roll för bakre dorsolaterala striatum i mänsklig vanainlärning. Eur. J. Neurosci. 29, 2225–223210.1523 / JNEUROSCI.3789-08.2009 [PMC gratis artikel] [PubMed] [Cross Ref]
  49. Uher R., Treasure J., Heining M., Brammer MJ, Campbell IC (2006). Cerebral bearbetning av matrelaterade stimuli: effekter av fasta och kön. Behav. Brain Res. 169, 111 – 119 [PubMed]
  50. Volkow ND, Wise RA (2005). Hur kan narkotikamissbruk hjälpa oss att förstå fetma? Nat. Neurosci. 8, 555 – 560 [PubMed]
  51. Walther K., Birdsill AC, Glisky EL, Ryan L. (2010). Strukturella hjärnskillnader och kognitiv funktion relaterad till kroppsmassaindex hos äldre kvinnor. Brum. Hjärnkarta. 31, 1052 – 106410.1002 / hbm.20916 [PubMed] [Cross Ref]
  52. Wang GJ, Volkow ND, Telang F., Jayne M., Ma Y., Pradhan K., Zhu W., Wong CT, Thanos PK, Geliebter A., ​​Biegon A., Fowler JS (2009). Bevis på könsskillnader i förmågan att hämma hjärnaktivering framkallad av matstimulering. Proc. Natl. Acad. Sci. USA 106, 1249 – 1254 [PMC gratis artikel] [PubMed]
  53. Wang J., Korczykowski M., Rao H., Fan Y., Pluta J., Gur RC, McEwen BS, Detre JA (2007). Könsskillnad i neuralt svar på psykologisk stress. Soc. Cogn. Påverka. Neurosci. 2, 227 – 239 [PMC gratis artikel] [PubMed]
  54. Weller RE, Cook EW, Avsar KB, Cox JE (2008). Feta kvinnor uppvisar större fördröjningsrabatter än kvinnor med sund vikt. Aptit 51, 563 – 56910.1016 / j.appet.2008.04.010 [PubMed] [Cross Ref]
  55. Världshälsoorganisationen. (2010). WHO Global Infobase. Genève: Världshälsoorganisationen
  56. Yin HH, Knowlton BJ (2006). Basalgangliernas roll i vanabildning. Nat. Pastor Neurosci. 7, 464 – 476 [PubMed]