Hissiy xotirani yaxshilashda ishtirok etadigan inson serebellum va kortikoserebellar aloqalari 3-qism

Birgalikda olib borilgan DCM tahlili shuni ko'rsatdiki, hissiy xotirani kuchaytirishda ishtirok etadigan 25 miya ROI dan 13 ROI serebellum bilan, asosan, serebellumdan kortikal ROIga yo'nalishda, ikkita holatda teskari yo'nalishda va yana ikkita holatda bog'lanish kuchini ko'rsatdi. ikkala yo'nalish.

Quvonchli va ijobiy kayfiyat odamlarning xotirasini yaxshilaydi. Buning sababi, hissiy xotirani kuchaytirish mexanizmi odamlarga muhim ma'lumotlarni uzoq muddatli xotirada saqlashni osonlashtiradi. Tadqiqotlar shuni ko'rsatadiki, inson tanasi kuchli his-tuyg'ularni boshdan kechirganda, tana miyaning his-tuyg'ulari bilan bog'liq hududlarini faollashtiradigan, miyaning kognitiv va o'rganish markazlariga ta'sir qiluvchi katalitik moddalarni chiqaradi. Boshqacha qilib aytganda, hissiy xotirani kuchaytirish ma'lumotni chuqurroq eslab qolishimizga yordam beradi.

Kundalik hayotda biz his-tuyg'ularimizni moslashtirib, xotiramizni yaxshilashimiz mumkin. Sevimli musiqamizni tinglash, do'stlarimiz bilan suhbatlashish, bo'shashtiruvchi mashqlarni bajarish va hokazo kabi o'zimizni baxtli va qulay his qiladigan mashg'ulotlarni tanlashimiz mumkin. Bundan tashqari, ba'zi oddiy xatti-harakatlar ham bizga quvonchli kayfiyatni saqlashga yordam beradi, masalan: etarli uyqu, yaxshi ovqatlanish va o'rtacha jismoniy mashqlar.

Muxtasar qilib aytganda, hissiy xotirani kuchaytirish va xotira o'rtasida yaqin bog'liqlik mavjud. Ijobiy his-tuyg'ular miyaning xotira bilan bog'liq joylarini rag'batlantiradi, bu bizga ma'lumotni uzoq muddatli xotirada saqlashni osonlashtiradi. Biz his-tuyg'ularimizni tartibga solish orqali o'zimizga xotiramizni yaxshilashga va hayotda yanada baxtli va to'liqroq bo'lishga yordam bera olamiz. Ko'rinib turibdiki, biz xotirani yaxshilashimiz kerak. Cistanche deserticola xotirani sezilarli darajada yaxshilashi mumkin, chunki Cistanche deserticola ko'plab noyob effektlarga ega bo'lgan an'anaviy xitoylik dorivor material bo'lib, ulardan biri xotirani yaxshilashdir. Qiymaning samaradorligi uning tarkibidagi turli faol moddalar, jumladan kislota, polisakkaridlar, flavonoidlar va boshqalardan kelib chiqadi. Bu ingredientlar turli yo'llar bilan miya salomatligini mustahkamlashi mumkin.

Xotirani yaxshilashning 10 ta usulini bilish tugmasini bosing

Ushbu topilmalar serebellum hissiy xotirani yaxshilashda ishtirok etadigan ulanish tarmog'ining ajralmas qismi ekanligini ko'rsatadi. Biroq, ushbu natijalardan biz ushbu bog'lanishlarning qaysi biri eng muhimi ekanligini aniqlay olmaymiz. ROI anatomik emas, balki funktsional jihatdan aniqlanganligi sababli, kortikal ROIlarning aniq anatomik substratlarini ham aniqlay olmaymiz. Biz ushbu yondashuvni tanladik, chunki ulanishlar mavjudligini aniqlashning sezgirligini funktsional chegaralarga mos keladigan ROI yordamida oshirish mumkin (36).

Ushbu protseduraning natijasi anatomik o'ziga xoslikning yo'qolishi va ma'lum bir ROI doirasidagi turli anatomik tuzilmalarning hissalarini ajrata olmaslikdir. Bundan tashqari, bu erda sinovdan o'tgan DCM'lar faqat ikkita tugunni o'z ichiga olganligi sababli, ular serebellum va ikkinchi ROI o'rtasidagi ta'sir qo'shimcha hududlar tomonidan vositachilik qilishini hisobga olmaydilar. Shuning uchun ulanish parametrlarining qiymatlari to'g'ridan-to'g'ri va bilvosita ulanishlarni aks ettiradi.

Mavjud topilmalar fiziologik sharoitlarda hissiy xotirani kuchaytirish bilan bog'liq tarmoqni yaxshiroq tushunishga yordam berishi mumkin. Bundan tashqari, topilmalar travmadan keyingi stress buzilishi (TSSB) kabi patologik sharoitlarni tushunishga ham ta'sir qilishi mumkin, chunki atravmatik hodisadan keyin haddan tashqari kuchli qo'zg'atuvchi xotira izining shakllanishi qo'rquv bilan bog'liq kasalliklarning rivojlanishida muhim patogen mexanizmdir (1, 62, 63). FMRI yordamida PTSDda dastlabki xotira shakllanishini tekshirish mumkin bo'lmasa-da, tadqiqotlar travmatik xotirani qayta tiklashning neyrokorrelyatsiyasini o'rganishi mumkin. Yaqinda o'tkazilgan fMRI tadqiqoti ushbu yondashuvga amal qildi va PTSD bilan og'rigan bemorlarda travma eslash paytida serebellum (shu jumladan vermis), oksipital girus, supramarginal girus va amigdalada miya faollashuvining kuchayganligini aniqladi (64).

Bundan farqli o'laroq, serebellar gipoaktivligi hissiy xotiraning zaiflashishi bilan bog'liq bo'lishi mumkin. Haqiqatan ham, klinik tadqiqotlar shuni ko'rsatadiki, og'zaki faoliyatga ta'sir qiluvchi patologiyalar bir qator kognitiv va hissiy buzilishlar, shu jumladan autizm spektrining buzilishi belgilari bilan bog'liq (65, 66). Qizig'i shundaki, autizm spektrining buzilishi bo'lgan bemorlar epizodik xotiralarni hissiy jihatdan kuchaytirishda nuqsonlarni ko'rsatadilar (67, 68). Ehtimol, bu nuqsonlar qisman ushbu buzuqlikda tez-tez kuzatiladigan amigdalaning strukturaviy va funktsional anomaliyalaridan kelib chiqqan bo'lishi mumkin (69, 70). Biroq, hozirgi natijalarga asoslanib, autizm spektrining buzilishidagi dermal gipoplaziya epizodik xotiraning buzilgan hissiy kuchayishiga ham hissa qo'shishi mumkin. Ushbu gipotezani turli darajadagi amigdala va vermis anormalliklari bo'lgan autizmli bemorlarda sinab ko'rish kerak bo'ladi.

Serebellum, xususan serebellar vermis va uning bir nechta miya mintaqalari, shu jumladan limbik tizim bilan aloqalari hissiy idrok etish, hissiyotlarni tanib olish, hissiyotlarni qayta ishlash va qo'rquvni tartibga solish kabi hissiy funktsiyalarni o'z ichiga olganligini ko'rsatadigan ko'plab dalillar mavjud (27, 71). . Hozirgi topilmalar shuni ko'rsatadiki, serebellum ham epizodik xotirani hissiy jihatdan kuchaytirishda ishtirok etadigan zanjirning bir qismidir. Ushbu aylanish doirasida serebellum miyaning bir nechta mintaqalaridan, shu jumladan singulatdan, amigdala/gipokampus va boshqa miya mintaqalari esa serebellumdan kirishni oladi. Ushbu topilmalar serebellumning murakkab kognitiv va hissiy jarayonlardagi roli haqidagi bilimlarni kengaytiradi va PTSD yoki autizm spektrining buzilishi kabi aberrant emotsional tizimli psixiatrik kasalliklarni tushunish uchun muhim bo'lishi mumkin.

Materiallar va usullar

Ishtirokchilar. Biz sog'lom, yosh ishtirokchilarni jalb qildik (872 ayol, 546 erkak, o'rtacha yoshi=22.39 yosh, SD=3.27). Reklama asosan Bazel universitetida va mahalliy gazetalarda olib borildi. Ishtirokchilar hech qanday nevrologik yoki psixiatrik kasalliklardan xoli bo'lgan, tajriba vaqtida hech qanday dori-darmonlarni qabul qilmagan (gormonal kontratseptivlardan tashqari) va 18 yoshdan 35 yoshgacha bo'lgan. Jismoniy va ruhiy salomatlik standart anketalar asosida baholandi. Tajriba Shveytsariyaning Bazel kantonining axloqiy qo'mitasi tomonidan tasdiqlangan. Barcha ishtirokchilar tadqiqotda ishtirok etishdan oldin yozma ravishda xabardor qilingan rozilik berishdi. Tahlil qilishdan oldin, namuna kashfiyot namunasiga (n=945, barcha ishtirokchilarning 2/3 qismi) va takroriy namunaga (n=473, barcha ishtirokchilarning 1/3 qismi) tasodifiy ravishda ishtirokchilarni bittasiga tayinlash orqali ajratildi. Namunalar soni. Tasodifiylashtirish Matlab funksiyasi yordamida amalga oshirildi rand perm. Yosh, jins yoki hissiy xotirani yaxshilash bo'yicha kashfiyotlar va replikatsiya namunalari o'rtasida sezilarli farqlar yo'q (P 0 dan katta yoki unga teng.33, {{ 16}}tomonlama sinov, n=1,418).

Tajriba: protsedura. Ishtirokchilar ketma-ket to'rtta vazifani bajarishdi: apicture-kodlash topshirig'i, ishchi xotira topshirig'i, bepul eslab qolish xotirasi testi va tanib olish vazifasi. Ishtirokchilarga dastlab tasvirlarni kodlash va operativ xotira vazifalari bo'yicha ko'rsatmalar berildi, so'ngra o'qitildi. Treningdan so'ng ular skanerga joylashtirildi va skaner shovqinini kamaytirish uchun quloqchalar va naushniklar oldi. Ularning boshlari kichik yostiqlar yordamida lasanga mahkamlangan va ularga qimirlamasliklari aytilgan. Rasmlar MR-mos keluvchi suyuq kristall displey ko'zoynaklari (VisualSystem; NordicNeuroLab, Bergen, Norvegiya) yordamida skanerda taqdim etildi. Zarur bo'lganda ko'zni tuzatish qo'llanildi. Rasmni kodlash vazifasi ~20 daqiqa davom etdi. Darhol ishtirokchilar skanerda ~10 daqiqa davomida n-orqaga (0-orqaga va 2-orqaga shartlari) ish xotirasi vazifasini bajardilar. Joriy tadqiqotda ishchi xotira vazifasi xotira testini kodlash va eslab qolish o'rtasida chalg'ituvchi vazifa sifatida ishlatilgan. Shunday qilib, biz ishchi xotira vazifasining o'zidan olingan ma'lumotlarni tahlil qilmadik (topshiriq tavsifi uchun 72-ma'lumotnomaga qarang). Skanerdan chiqqandan so'ng ishtirokchilarga alohida xonada rasmlarni e'lon qilinmagan holda bepul eslab qolish testi topshirildi (vaqt cheklanmagan). bu vazifa uchun belgilangan). Erkin eslab qolishdan so'ng ishtirokchilar skanerda o'zgartirildi va tanib olish vazifasini bajardi (topshiriq tavsifi uchun 73-ma'lumotnomaga qarang). Ishtirokchilar ishtirok etish uchun 25 Shveytsariya franki/soat oldilar. Tashkiliy cheklovlar tufayli biz suratlar esga olinadigan xonani o'zgartirishga majbur bo'ldik, bu ba'zi ishtirokchilar biroz boshqacha sharoitda suratlarni eslab qolishlarini anglatardi.

Tajriba: Rasmni kodlash vazifasini loyihalash. Rag'batlantiruvchi 72 ta rasmdan (24 ta ijobiy, 24 ta salbiy va 24 ta neytral) iborat bo'lib, ular Xalqaro ta'sirchan tasvir tizimi (IAPS) (74) va ichki standartlashtirilgan rasmlar to'plamidan tanlangan, bu bizga rasmlarni vizual murakkablik va mazmun jihatidan tenglashtirishga imkon berdi. (masalan, inson mavjudligi). IAPSdan olingan rasmlar IAPS valentlik reytingiga ko'ra tasniflangan. 24 neytral rasmdan sakkiztasi IAPSdan olinmagan. Bu suratlar ichki valentatsiya asosida baholandi (11). Normativ valentlik ballari (1 dan 9 gacha) asosida rasmlar salbiy (2,3 ± 0,6), neytral (5,0 ± 0,3) va ijobiy ( 7,6 ± 0.4) shartlar, natijada har bir valentlik uchun 24 ta rasm. Ijobiy stimullar dastlab tadqiqotga kiritilmagan 20 ishtirokchida o'tkazilgan uchuvchi tadqiqot ma'lumotlari asosida salbiy stimullarning qo'zg'alish reytinglariga mos kelish uchun tanlangan. Neytral ob'ektlarni ko'rsatadigan to'rtta qo'shimcha rasm taqdim etildi. Ushbu rasmlardan ikkitasi rasm topshirig'ining boshida va ikkitasi oxirida taqdim etilgan. Ushbu rasmlar xotiradagi asosiylik va yangilik effektlarini nazorat qilish uchun eslab qolish samaradorligini baholashdan chiqarib tashlandi. Rasmlarga erotika, sport va ijobiy valentlik uchun jozibali hayvonlar kiradi; salbiy valentlik uchun tana jarohati, ilonlar va hujum sahnalari; va neytral holat uchun neytral yuzlar, uy-ro'zg'or buyumlari va binolar. Bundan tashqari, 24 ta shifrlangan rasm ishlatilgan. Shifrlangan rasmlarning fonida tajribada foydalanilgan barcha rasmlarning rang maʼlumotlari (asosiylik va yangilik rasmlari bundan mustasno), kristall va buzilish filtri (Adobe Photoshop CS3) bilan qoplangan. Oldinda asosan shaffof geometrik ob'ekt (turli o'lcham va yo'nalishdagi to'rtburchak yoki ellips) ko'rsatilgan. Ushbu tadqiqot uchun shifrlangan rasmlar qiziq emas edi.

Rasmlar 2,5 soniya davomida kvazi tasodifiy tartibda taqdim etildi, shunda bir xil toifadagi maksimal to'rtta rasm ketma-ket paydo bo'ldi. Har bir rasm taqdimotidan oldin ekranda 500 milodiy fiksatsiya kross paydo bo'ldi. Skanerlashning boshlanishi haqida valentlik toifasi bo'yicha 3 soniya (1 takrorlash vaqti [TR]) ichida stimulyatsiyaning boshlanishi vaqti jitterlangan. Sinov oralig'ida ishtirokchilar 72 ta rasmning har birini valentlik (salbiy, neytral yoki ijobiy) va qo'zg'alish (katta, o'rta yoki kichik) bo'yicha 3- ball shkalasida (o'z-o'zini baholash manikini) bosish orqali baholadilar. ularning ustun qo'llari bilan tugma. Shifrlangan rasmlar uchun ishtirokchilar oldingi plandagi geometrik ob'ektning shakli (vertikal, nosimmetrik yoki gorizontal) va hajmini (katta, o'rta yoki kichik) baholadilar. Rasm taqdimoti uchun taqdimot dasturidan (Neurobehavioral Systems, Inc., Berkeley, CA; https://www.neurobs.com) foydalanilgan.

Xulq-atvor ma'lumotlari: hissiy xotirani yaxshilash. Erkin eslab qolishni hujjatlashtirish uchun ishtirokchilar eslab olingan rasmlarning tavsifini yozishlari kerak edi. Agar baholovchi ishtirokchining tavsifi asosida taqdim etilgan rasmni aniqlay olsa, rasm to'g'ri eslab qolingan deb baholandi. Ikkita o'qitilgan tadqiqotchi eslab qolish muvaffaqiyati tavsiflarini mustaqil ravishda baholadi (o'zaro ishonchlilik > 99%). Uchinchi mustaqil baholovchi turlicha baholangan rasmlarga qaror qildi. Har bir ishtirokchi uchun biz neytral rasmlarga nisbatan hissiy suratlar qanchalik tez-tez esga olinishini hisoblab chiqdik: ([ijobiy esga olinadi - neytral esga olinadi] + [salbiy esga olinadi - neytral esga olinadi])/2. Ma'lumotlar nuqtalari chizilgan va ular taxminan normal taqsimlanganligi aniqlangan (SI ilovasi, S1-rasm). Emotsional xotira ko'rsatkichlari noldan sezilarli darajada farq qiladimi yoki yo'qligini tekshirish uchun ikki tomonlama t-testlari qo'llanildi. Bundan tashqari, biz potentsial chalkashliklar ta'sirini sinab ko'rdik. Biz emotsional xotira samaradorligi jinsga bog'liqligini baholash uchun 2-namunaviy t-testidan foydalandik. Biz Pearsonning chiziqli korrelyatsiya koeffitsientlarini yosh bilan bog'lash uchun foydalandik. Korrelyatsiya koeffitsienti noldan sezilarli darajada farq qiladimi yoki yo'qligini tekshirish uchun ikki tomonlama t-testlari qo'llanildi.

Tasvir: MRI olish. O'lchovlar 12-kanal bosh lasan bilan jihozlangan SiemensMagnetom Verio 3 T butun tana MR qurilmasida amalga oshirildi. Funktsional vaqt seriyalari parallel tasvirlash (GRAPPA) yordamida bir martalik aks-sado-planar ketma-ketlik bilan olingan. Biz quyidagi olish parametrlaridan foydalandik: echo time (TE)=35 ms; ko'rish maydoni (FOV)=22 sm; olish matritsasi =80 × 80, interpolyatsiya qilingan 128 × 128; voksel hajmi=2.75 × 2.75 × 4 mm3;GRAPPA tezlashuv omili R=2.0. O'rta sagittal skaut tasviridan foydalanib, oldingi-orqa komissura tekisligi bo'ylab joylashtirilgan 32 ta qo'shni eksenel bo'laklar TR=3, 000 ms (= 82} daraja) bilan butun miyani qoplagan holda, ko'tarilgan interleave yordamida olingan. ketma-ketlik. Dastlabki ikkita xarid T1time doimiy toʻyinganlik effektlari tufayli bekor qilindi. Yuqori aniqlikdagi T{25}}vaznli anatomik tasvir magnitlanish bilan tayyorlangan gradient aks-sadosi (TR =2,000 ms; TE=3.37 ms; TI {{) yordamida olindi. 31}},000 ms; burilish burchagi=8 daraja; 176 tilim; FOV =256 mm; voksel hajmi=1 × 1 x 1 mm3).

Tasvirlash: Tasvirlash ma'lumotlarini statistik tahlil qilish uchun dasturiy ta'minot to'plami. Matlab R2016a da joriy qilingan statistik parametrik xaritalash (SPM) dasturining SPM12 versiyasi 6685 (Wellcome Trust Center for Neuroimaging, London, UK; https://www.fil.ion.ucl.ac. uk/spam/)dan foydalandik.

Tasvirlash: Echo planar tasvirlash (EPI) hajmlarini oldindan qayta ishlash va normallashtirish. Hajmlar vaqt oralig‘ida birinchi bo‘limga to‘g‘rilandi, “Ro‘yxatdan o‘tish” opsiyasidan foydalangan holda qayta hizalandi va normallashtirilgan o‘zaro ma’lumotlarning uch o‘lchamli qattiq tana o‘zgarishini qo‘llash orqali anatomik tasvirga qayta ro‘yxatga olindi. Muvaffaqiyatli qayta ro'yxatdan o'tish har bir ishtirokchi uchun vizual tarzda tekshirildi. Har bir jild miyadan tashqaridagi voksellarni istisno qilish uchun ishtirokchining T1 anatomik tasviri bilan niqoblangan. Echo planar tasvirlash (EPI) hajmlari Monreal Nevrologiya Instituti (MNI) bo'shlig'iga normallashtirildi va DARTELni qo'llash orqali 8 mm to'liq kenglikda yarim maksimal (FWHM) Gauss yadrosi bilan tekislandi, bu ishtirokchilar o'rtasida yaxshilangan ro'yxatga olishga olib keldi (75, 76) .

Funktsional vaqt seriyalarini olish uchun qo'llaniladigan interleaved ketma-ketligi dastlabki ishlov berish bosqichi sifatida vaqt oralig'ini tuzatishdan foydalanishni zaruriy shartga aylantirdi (77). Tilim vaqtini to'g'rilash usullari tilim vaqtini belgilash effektlarini muvaffaqiyatli qoplashi mumkin(78). Shunisi e'tiborga loyiqki, fMRI uchun DCMda sabab-oqibat yo'nalishi vaqtinchalik ustunlik bilan aniqlanmaydi. Buning o'rniga, nedensellik har bir mintaqaning differentsial holat tenglamasining matematik shakli bilan ifodalanadi. Berilgan modelning holat tenglamalari tizim strukturasini (masalan, mintaqalar o'rtasidagi bog'liqlik) aniqlaydi, tizim ichida dinamikaning qanday paydo bo'lishini aniq belgilaydi (39). Shu sababli, ilgari shunga o'xshash TR bilan bir nechta DCM tadqiqotlari o'tkazilgan (79-81).

Tasvirlash: vokselli faoliyatni modellashtirish. Vazifa tomonidan faollashtirilgan voksellarni aniqlash uchun har bir ishtirokchi uchun umumiy chiziqli modellar (GLM) belgilangan. Rag'batlantiruvchi hodisalarning boshlanishi va davomiyligini modellashtirish regressorlari kanonik gemodinamik javob funktsiyasi bilan birlashtirilgan. Aniqroq qilib aytganda, model tayoq/delta funksiyalari sifatida modellashtirilgan tugmachalarni bosish uchun regressorlardan, davr/boks vagon funksiyasi bilan modellashtirilgan tasviriy taqdimotlar (ijobiy, neytral, salbiy, shifrlangan, asosiylik va yangilik) va modellashtirilgan reyting shkalalaridan iborat. o'zgaruvchan davomiylik davri / vagon funktsiyasi (keyingi tugma qachon bosilganiga qarab). Birinchi darajali avtoregressiv model yordamida ketma-ket korrelyatsiyalar olib tashlandi va past chastotali shovqinni olib tashlash uchun yuqori o'tkazuvchan filtr (128 s) qo'llanildi. Oltita harakat parametrlari ham noqulay kovariyatlar sifatida kiritilgan. Biz GLM ning ikki xil turini aniqladik. GLM ning bir turi muvaffaqiyatli emotsional xotira kodlash bilan bog'liq voksellarni aniqlash uchun ishlatilgan.

Bu erda ijobiy, salbiy va neytral stimullar keyinchalik esga olinganmi yoki yo'qligiga qarab alohida modellashtirilgan. Olingan parametr baholari emotsional xotirani muvaffaqiyatli kodlash bilan bog'liq bo'lgan voksellarni aniqlash uchun qarama-qarshi qo'yilgan ([esda tutilgan hissiy rasmlar - esga olinmagan hissiy rasmlar] - [eslab qolingan neytral rasmlar - esga olinmagan neytral rasmlar]). Ushbu kontrast kashfiyot namunasidagi 945 ishtirokchidan 944 tasida (1 ta sub'ekt neytral rasmlarni eslamadi) va replikatsiya namunasining 473 ishtirokchisidan 470 tasida (3 ta mavzu neytral rasmlarni eslamadi) mavjud edi. . Serebellar faoliyatida valentlik bilan bog'liq potentsial ta'sirlarni o'rganish uchun biz muvaffaqiyatli xotira kodlash bilan bog'liq faoliyat ijobiy va salbiy rasmlar o'rtasida farq qiladimi yoki yo'qligini taqqosladik. Bu quyidagi kontrastga to'g'ri keldi:([eslab qolingan salbiy rasmlar - esga olinmagan salbiy rasmlar] - [eslab qolingan ijobiy rasmlar - esga olinmagan ijobiy rasmlar]). GLM ning yana bir turi xotiradan qat'i nazar, hissiy tasvirlarni kodlash bilan bog'liq bo'lgan voksellarni aniqlash uchun belgilangan. Rasmlar esga olingan yoki olinmaganidan qat'i nazar, ijobiy, neytral va salbiy rasmlar uchun regressorlarni aniqladik va natijada olingan parametrlarni (hissiy rasmlar - neytral rasmlar) qarama-qarshi qo'ydik. Butun miya darajasida barcha qarama-qarshiliklar bilan bir nechta taqqoslash uchun qo'llaniladigan oilaviy xatolik (FWE) tuzatish (Pwhole-brain-FWE-tuzatildi < 0.05). Klaster darajasida bir nechta taqqoslashlar uchun tuzatish serebellar klasterdagi valentlik bilan bog'liq ta'sirlarni sinash uchun qo'llanildi (Psmall-hajm-tuzatilgan < 0,001, klaster darajasi k=10).

Tasvirlash: Voksel faolligining guruh statistikasi. "Muvaffaqiyatli hissiy xotirani kodlash" va "hissiy rasmlarni kodlash" bilan bog'liq faoliyatni aniqlash uchun kontrastli xaritalar GLM Flex (Martinos markazi va Massachusets umumiy kasalxonasi, Charlstaun, MA; https) yordamida tasodifiy effektlar modeliga (ikkinchi darajali tahlil) kiritildi. ://habs.mgh.harvard.edu/researchers/datatools/glm-flex-fast2/). Biz jins, yosh, skaner dasturiy ta'minotining bir o'zgarishi va gradient bobinlarining ikkita o'zgarishini kovariat sifatida qo'shish orqali nazorat qildik. Biz GLM Flex-dan foydalandik, chunki EPI ketma-ketligi havo to'qimalari chegaralariga yaqin joyda paydo bo'lishi mumkin bo'lgan magnit maydonning bir xilligi mavjud bo'lganda signal yo'qolishidan aziyat chekadi. DARTEL-da qo'llaniladigan normalizatsiya protsedurasi ikkala vokselni signal bilan va signal yo'qolgan voksellarni MNI maydoniga aniq aylantirdi. InSPM, faqat bitta ishtirokchining funktsional tasviridagi MNI koordinatasidagi signalning yo'qolishi ushbu koordinatadagi vokselning guruh darajasidagi tahlildan chiqarilishiga olib keldi. Shunday qilib, vokselni chiqarib tashlash ehtimoli namuna o'lchami bilan ortadi. GLM Flex har bir vokselda o'zgaruvchan sonli ishtirokchilarga ruxsat berish orqali bu muammoni chetlab o'tdi. Har bir voksel ishtirokchilarining minimal soni barcha ishtirokchilarning 2/3 qismiga o'rnatildi.

Tasvirlash: ROI ta'rifi - Funktsional ravishda aniqlangan niqob. Ulanishlar mavjudligini aniqlash sezgirligini haqiqiy funktsional chegaralarga mos keladigan ROI yordamida oshirish mumkinligi sababli (36), biz ROIni anatomik emas, balki funktsional ravishda aniqladik. Xususan, kashfiyot namunasida (n=945) funktsional ravishda olingan niqobdan foydalanilgan va keyin oldindan qayta ishlangan va normallashtirilgan EPI hajmlarini fazoviy izchil va vaqtinchalik bir hil hududlarga joylashtirish uchun ma'lumotlarga asoslangan, guruh darajasidagi klasterlash yondashuvidan foydalanilgan (37) . Niqob kashfiyot namunasidagi emotsional xotirani muvaffaqiyatli kodlash bilan ijobiy bogʻlangan voksellardan iborat edi (Pwhole-brain-FWE tomonidan toʻgʻrilangan < 0.05). Keyin aniqlangan voksellar qo'shimcha ravishda hissiy tasvir kontrastini kodlash bilan maskalandi (Pwhole-brain-FWE-tuzatildi < 0,05) barcha kiritilgan voksellar hissiyotlarni kodlash uchun ham ijobiy ta'sir ko'rsatdi ("muvaffaqiyatli hissiy xotirani kodlashda muhim bo'lgan barcha voksellarning 99%" "kontrast" "hissiy rasmlar kontrastini kodlashda" ham muhim edi).

Tasvirlash: ROI ta'rifi - Parselatsiya protsedurasi. Funktsional ravishda aniqlangan niqob ichidagi voksellar ROIga birlashtirildi, shunday qilib bir xil klaster ichidagi voksellar o'rtasidagi o'xshashlik turli klasterlardagi voksellar o'rtasidagi o'xshashlik bilan solishtirganda, fazoviy cheklovni o'z ichiga olgan normallashtirilgan kesish usuli yordamida maksimal darajaga ko'tarildi (37). Hisoblash maqsadga muvofiqligi uchun parselatsiya kashfiyot namunasidan tasodifiy olingan 200 ishtirokchining EPI hajmlari asosida amalga oshirildi. Ushbu hajmlar yaqinda chop etilgan qog'ozga (37) muvofiq 6 mmFWHM Gauss yadrosi bilan tekislangan. Klasterlash birinchi navbatda har bir ishtirokchida amalga oshirildi, so'ngra Craddock va boshqalar tomonidan tavsiya etilgan ikkinchi darajali guruh klasteri amalga oshirildi. (37). Biz maskinto 30 ROI ichidagi voksellarni taqsimladik, chunki bu raqam DCM bilan ulanishni hisoblash natijasida kelib chiqadigan hisoblash yukini boshqarish mumkin bo'lsa-da, etarli fazoviy o'ziga xoslikka olib kelishini aniqladik. Ushbu ROIlardan biri ajratilgan voksellarni va fazoviy jihatdan izchil bo'lmagan diskret kichik klasterlarni o'z ichiga olgan. 60 vokselni o'z ichiga olgan ushbu ROI (ROI 11) keyingi tahlildan olib tashlandi.

Ulanish tahlili: Vaqt kursini ajratib olish. Biz quyida tavsiflangan protsedura yordamida tekislanmagan va normallashtirilmagan ma'lumotlardan vaqt kursi ishtirokchisi va ROIni ajratib oldik. E'tibor bering, biz silliq bo'lmagan ma'lumotlardan chiqardik, chunki tekislash ulanishni baholashga zarar etkazishi mumkin, chunki u yaqin atrofdagi hududlar o'rtasida qon kislorod darajasiga bog'liq vaqt kurslarining aralashishiga olib keladi (36).

1. Funktsional ROIlarni MNI maydonidan mahalliy ishtirokchilar maydoniga xaritalash: Parselatsiya jarayonida aniqlangan TheROIlar MNIspace-da yaratilgan. Shuning uchun biz har bir ishtirokchining normalizatsiya chizig'ini o'zgartirib, ularning joylashuvini mahalliy ishtirokchi makoniga tuzdik.

2. Funktsional ROI dan vaqt kursini ajratib olish: DCM doirasida ulanishni haqiqiy modellashtirishdan oldin, har bir ROIdan ishtirokchiga xos vaqt kurslari olindi. Ushbu qadamning maqsadi bitta ishtirokchi darajasida faollashtirilgan voksellardan vaqt kurslarini olish edi. Hissiy rasmlar kontrastini kodlashning effekt hajmi muvaffaqiyatli hissiy xotira kontrastining effekt hajmidan ancha katta edi, bu esa vazifa bilan bog'liq voksellarni bitta ishtirokchi darajasida tegishli signallari bo'lmagan voksellardan ajratish uchun mos edi. Guruh darajasida ushbu tahlilga kiritilgan barcha sohalar muvaffaqiyatli hissiy xotirani kodlash bilan sezilarli darajada bog'liq bo'lib, barcha ROIlar muvaffaqiyatli hissiy xotirani kodlash uchun tegishli ekanligiga ishonch hosil qildi. Har bir ROI va ishtirokchi uchun biz emotsional > neytral kontrast uchun muhim voksellarni aniqladik, tuzatilmagan P < 0.05 chegarasida, minimal klaster hajmi uchta vokseldan iborat. SPM ning "Qiziqish hajmi" olish vositasi yordamida barcha voksellardan umumiy vaqt kursi olingan. Batafsil, anROI doirasidagi barcha tanlangan voksellar uchun PCA bajarildi. Vaqt nuqtalari kuzatuvlar, voksellar esa o'zgaruvchilar edi. PCA har bir komponent tushuntirgan dispersiya nisbati bo'yicha tartiblangan bir qator komponentlarni qaytardi. Har bir komponent har bir vokselning ushbu komponentga qo'shgan hissasini aks ettiruvchi og'irliklar vektori (har bir voksel uchun bitta qiymat) bilan bog'langan. Birinchi xos o'zgaruvchanlik mintaqaning javobiga hissa qo'shgan asosiy komponentning vaqt kursini aks ettirdi va ROI uchun reprezentativ vaqt kursi sifatida tanlandi. Vaqt kurslari harakat artefaktlari uchun chiziqli modelga kovariatlar sifatida harakat parametrlarini qo'shish orqali tuzatildi.

Barcha 29 funktsional ROI bo'yicha vaqt kurslari kashfiyot namunasidagi barcha holatlarning 97,88 foizida va takroriy namunadagi barcha holatlarning 97,57 foizida muvaffaqiyatli ajratildi, chunki ular yuqorida ko'rsatilgan muhimlik chegaramiz bo'yicha ishonchli vazifaga bog'liq faollashuvni ko'rsatdi. Barcha ishtirokchilardagi barcha ROI ma'lumotlari DCMni ishga tushirish uchun zaruriy shart edi, chunki DCMning maqsadi kuzatilgan faollashtirish uchun turli modellarni solishtirishdir (38, 39). Shunday qilib, agar ROI yuqorida belgilangan mezonlarga muvofiq faollashuvni ko'rsatmasa, biz alohida DCM dan alohida ishtirokchini chiqarib tashladik. Barcha ROIlar ichida ROI 9 ishonchli faollashtirilgan ishtirokchilarning eng kichik ulushini ko'rsatdi (kashfiyot namunasi 88,36%; replikatsiya namunasi 85,84%). Har bir DCM ishtirokchilari soni uchun SI ilovasiga, S1-jadvalga va har bir ROI uchun chiqarib tashlangan ishtirokchilar foizlari uchun SI ilovasiga, S2-jadvalga qarang.

Ba'zi ishtirokchilarda etarlicha kuchli faollashuvning yo'qligining potentsial sabablari ma'lumotlardagi shovqin yoki ma'lumotlarning yo'qolishi bilan bog'liq, ammo turli kognitiv strategiyalardan foydalanishni ham aks ettirishi mumkin.

Ulanish tahlili: DCM. DCM oldindan belgilangan miya hududlari to'plami o'rtasida samarali ulanishning mavjudligi, yo'nalishi va modulyatorlari bo'yicha aniq farazlarni tekshirish uchun qo'llanilishi mumkin. DCM boshqa joyda batafsil tavsiflangan (38, 39). Xulosa qilib aytganda, mintaqalar o'rtasidagi neyron o'zaro ta'sirlar differentsial tenglamalar bilan ifodalanadi, ular 1) miyaning bir mintaqasidagi faollik boshqa miya mintaqasida dinamikani (ya'ni, o'zgarish tezligini) qanday keltirib chiqarishini va 2) eksperimental sharoitlar ta'sirida bu o'zaro ta'sirlarning qanday o'zgarishini tavsiflaydi. Bu erda biz hissiy va neytral rasmlar uchun sharoitlarni solishtirdik va rasm keyinroq eslab olindimi yoki yo'qmi, deb hisoblaymiz. DCM "neyron daraja" va "gemodinamik daraja" (82) o'rtasida aniq farqni qo'yish orqali neyrofiziologik talqin qilinishiga intiladi. Bunga modellashtirilgan neyron dinamikani o'lchangan gemodinamik vaqt kurslari (38) bilan bog'laydigan biofizik jihatdan motivatsiyalangan va parametrlangan oldinga modelni o'zgartirish orqali erishiladi. . Shuning uchun ulanish parametrlarini nerv populyatsiyalari o'rtasidagi ta'sir sifatida talqin qilish mumkin (39). Ulanish haqidagi xulosamiz DCM parametrlashiga kiritilgan asosiy matematik taxminlarga bog'liq edi. Bu taxminlar tanqidiy baholangan (83).

Biz boshqa usullardan DCM ni tanladik, chunki u bir qancha afzalliklarga ega. Differensial tenglamalar tizimi bilan neyron dinamikani modellashtirish orqali DCMinfer ulanish. Shu sababli, ta'sir yo'nalishi va ulanish kuchining shartga bog'liq modulyatsiyasi korrelyatsiya yoki strukturaviy tenglamani modellashtirish kabi statik ulanish modellariga qaraganda ancha mazmunli aniqlanishi mumkin (82, 84, 85).

Ulanish tahlili: DCM - Model maydoni. Biz barcha mumkin bo'lgan ulanish arxitekturalari (40) uchun namunaviy dalillarni topish uchun faqat bitta to'liq modelni baholashni talab qiladigan post hoc model tanlash protsedurasidan foydalandik va shu bilan modelni to'liq taqqoslashni amalga oshirdik. Cheklangan miqdordagi apriori modellarni an'anaviy taqqoslash o'rniga biz ushbu tanlash protsedurasidan foydalandik, chunki bu algoritm bitta to'liq modeldagi xulosadan ichki o'rnatilgan submodellarning ulanish parametrlarini yaqinlashtirib, hisoblash yukini sezilarli darajada kamaytiradi. Garchi barcha 26 klasterni bitta modelga kiritish qiziq bo'lsa-da, buni hisoblash mumkin emas edi. Biz serebellar ROI va qolgan 25 ROI o'rtasidagi barcha juft bog'lanishlarni o'rganib chiqdik, bunda serebellumda joylashgan ROI tizimli ravishda boshqa ROIlardan biri bilan bog'langan 2-tugun DCMlar seriyasini aniqladik. Ulanish parametrlari ROI o'rtasidagi aniq ulanishni ifodalaydi, ya'ni ular ikkita ROI o'rtasidagi ta'sir qo'shimcha hududlar tomonidan vositachilik qiladimi yoki yo'qligini hisobga olmaydi, agar bu qo'shimcha hududlar DCM modeliga aniq kiritilmagan bo'lsa. Bu erda sinovdan o'tgan DCMlar faqat ikkita tugunni o'z ichiga olganligi sababli, ular serebellum va ikkinchi ROI o'rtasidagi ta'sir qo'shimcha hududlar orqali vositachilik qilganligini tekshirmadi. Shuning uchun bizning ulanish parametrlarining qiymatlari to'g'ridan-to'g'ri va bilvosita ulanishlarni potentsial ravishda aks ettirdi. Biz ikki holat bilan ikki chiziqli, deterministik DCMni qo'lladik (DCM12 versiyasi)(86). Biz har bir ROI o'rtasidagi o'zaro ichki aloqalarni aniqladik. ROI uchun tashqi ma'lumotlar tarmoqni boshqaradi va ROI tashqi stimullarga qanday munosabatda bo'lishini aniqlaydi. 1) hissiy va neytral rasmlar, 2) shifrlangan rasmlar, 3) tugmalarni bosish va 4) reyting shkalasi taqdimotini o'z ichiga olgan to'rt xil kirish regressorlari aniqlandi. Kirish regressorlarining har biri tarmoqqa barcha ROIlarda kirishi mumkin edi. ROI oʻrtasidagi ichki bogʻlanishlar quvvati quyidagi shartlar bilan modulyatsiya qilinishi mumkin: hissiy esga olinadigan rasmlar, hissiy jihatdan esga olinmaydigan rasmlar, neytral esga olinadigan rasmlar va neytral esga olinmaydigan rasmlar.

Bir nechta taqqoslash bo'yicha Bayes nuqtai nazari uchun havolalarga qarang (87, 88). Shunisi e'tiborga loyiqki, biz kashfiyot namunasi natijalarini ikkinchi namunada takrorladik.

Ulanish tahlili: DCM - Modelni baholash. Biz samarali posthoc model tanlashdan foydalandik, buning uchun faqat bitta to'liq modelni baholash kerak edi1) Bayesianmodel tanlovi (BMS) bilan barcha mumkin bo'lgan ulanish arxitekturalari uchun namunaviy dalillar, 2) oila darajasidagi xulosalar natijasida yuzaga keladigan keyingi ehtimolliklar. parametr baholarining kontrasti va 3) parametr baholarining kontrasti noldan farq qilganligini ko'rsatadigan barcha mumkin bo'lgan modellar bo'yicha Bayes parametrlarining o'rtacha ko'rsatkichlari (40, 84, 89). Ruxsat etilgan effektli BMS dan foydalanganimiz sababli, biz optimal model populyatsiyadagi har bir ishtirokchi uchun bir xil deb taxmin qildik (39). DCM modellarini baholash Bazel universitetining sciCORE (https://scicore.unibas.ch/) ilmiy hisoblash markazida amalga oshirildi.

Ulanish tahlili: DCM — Parametr tahlili. Muvaffaqiyatli his-tuyg'u xotirasini kodlash paytida ulanishning kuchayganligini baholash uchun Bayes xulosasidan foydalandik. Xususan, biz ulanish kuchi modulyatorlari o'rtasidagi kontrast noldan kattaroq bo'lishining orqa ehtimolini hisoblash uchun posterior taxminlar va posterior kovarianslardan foydalandik. Muvaffaqiyatli hissiy xotirani kodlash uchun kontrast quyidagi shartlarning modulyatorlarini ayirish yo'li bilan yaratilgan: (eslab qolingan hissiy rasmlar - esga olinmagan hissiy rasmlar) - (eslab qolingan neytral rasmlar - esga olinmagan neytral rasmlar). Birinchidan, kashfiyot namunasi doirasida biz kontrastning posterior ehtimolligi {0}}.99 dan katta bo'lgan ulanishlarni aniqladik. Ikkinchidan, biz replikatsiya namunasida bu ulanishlarni tahlil qilib, ularning ham posterior kontrast ehtimoli 0.99 dan katta ekanligini tekshirdik. Ta'riflovchi nuqtai nazardan, qo'llaniladigan 0,99 ehtimollik chegarasi ta'sir uchun juda kuchli dalil sifatida talqin qilinishi mumkin (42, 43). Biz ulanish kuchini kamaytirishga emas, balki oshirishga e'tibor qaratdik, chunki ROI faolligi oshgan voksellar asosida aniqlangan.

Ulanish kuchi haqidagi hisob-kitoblar replikatsiya namunasidagi kontrastning kuchiga asoslangan. Ulanishlar R (90) dagi aylana kutubxonasi yordamida tasvirlangan.

Anatomik tasvirning segmentatsiyasi. Har bir ishtirokchining anatomik tasviri FreeSurfer 4.5 (91) versiyasidan foydalangan holda avtomatik ravishda kortikal va subkortikal tuzilmalarga bo'lingan. Kortikal girusning yorlig'i Desikan-Killiany atlasiga (92) asoslangan bo'lib, periferik yarim sharda 35 ta kortikal va ettita subkortikal mintaqani hosil qiladi. E'tibor bering, qo'llaniladigan segmentatsiya va etiketkalash texnikasi mutaxassislar tomonidan qo'lda markalash bilan taqqoslanadigan aniqlikni ta'minlaydi (91, 92).

Aholining o'rtacha anatomik ehtimollik atlasiga asoslangan ROI ning anatomik lokalizatsiyasi. FreeSurfer-dan olingan kortikal va subkortikal tuzilmalarning segmentlari (yuqoridagi paragrafga qarang) 1,418 ishtirokchidan 1,000 ma'lumotlarga asoslanib, apopulyatsiya o'rtacha ehtimoliy anatomik atlasni yaratish uchun ishlatilgan. Individual segmentlangan anatomik tasvirlar ishtirokchilarning oldindan hisoblangan burilish maydonidan foydalangan holda tadqiqotga xos anatomik shablon maydoniga normallashtirildi va MNI maydoniga affin qayd etildi. Turli tuzilmalarning yorlig'ini saqlab qolish uchun eng yaqin qo'shni interpolyatsiyasi qo'llanildi. Aholining o'rtacha ehtimollik atlasini yaratish uchun nihoyat, normallashtirilgan segmentatsiyalar ishtirokchilar bo'yicha o'rtacha hisoblandi. Shunday qilib, shablonning har bir vokseliga ma'lum bir anatomik tuzilishga tegishli bo'lish ehtimoli berilishi mumkin.

Ushbu populyatsiyaning o'rtacha ehtimollik atlasi koordinatalar va ROIlarning anatomik joylashuvi haqida hisobot berish uchun ishlatilgan. Koordinata bo'yicha foizlar aholi soni - anatomik belgining o'rtacha ehtimolini bildiradi. Bundan tashqari, biz ROI uchun mintaqaviy yozishmalarning o'rtacha foizini xabar qildik. ROI bo'yicha biz uning voksellari qaysi anatomik belgilarni qamrab olganligini aniqladik. Keyin biz ROI ichidagi barcha voksellar bo'yicha har bir yorliq ehtimolini jamladik va bu summani niqobdagi voksellarning umumiy soniga bo'ldik. Agar ROI ning barcha voksellari bir xil anatomik mintaqada joylashgan bo'lsa va har bir vokselning o'zi ushbu mintaqada joylashgan bo'lish ehtimoli 100% bo'lsa, 100% yozishma paydo bo'ladi.

Ma'lumotlar, materiallar va dasturiy ta'minot mavjudligi. Qiziqishning ikki qarama-qarshiligi (muvaffaqiyatli emotsional xotirani kodlash va hissiy rasmlarni kodlash) uchun individual, birinchi darajali xaritalar Ochiq fanlar doirasida (OSF, https://osf.io/ghtvy) (93) individual bilan birga mavjud. kovariativlar. Individual birinchi darajali va VOI fayllari Figshare (https://figshare.com/projects/CBDCM/149317) da mavjud (94). Tegishli chegaralanmagan guruh darajasidagi xaritalar, shuningdek, funktsional ROIlarning ikkilik niqobi Neurovault (https://neurovault.org/collections/12932) (95) da saqlangan. Guruh darajasidagi DCM fayllari OSF da mavjud (https://osf.io/ghtvy) (93).

MAQDAT. Elmar Merkle, Kristof Stippich va OliverBieriga Bazel universiteti kasalxonasining fMRI qurilmalariga kirish huquqini bergani uchun minnatdorchilik bildiramiz. Bu ish Shveytsariya Milliy Fan Jamg‘armasi (Sinergia grantCRSI33_130080 to DJ-FdQ va AP) tomonidan moliyalashtirilgan. MF Bazel universitetining kichik tadqiqotchilar tadqiqot fondi (DPE2141 granti) tomonidan moliyalashtirildi. Hisob-kitoblar Bazel universitetining sciCORE (https://scicore.unibas.ch/) ilmiy hisoblash markazida amalga oshirildi. Mualliflar raqobatbardosh moliyaviy manfaatlar yo'qligini e'lon qiladilar.

Malumot

1. D. de Quervain, L. Schwabe, B. Roozendaal, Stress, glyukokortikoidlar va xotira: qo'rquv bilan bog'liq kasalliklarni davolashning oqibatlari. Nat. Rev. Neurosci. 18, 7–19 (2017).

2. JL MakGaugh, “Uzgu xotirani yaratish” (Weidenfeld & Nicolson, 2003).

3. JL MakGaugh, Xotira - konsolidatsiyaning bir asrligi. Fan 287, 248–251 (2000).

4. B. Roozendaal, JL McGaugh, Xotira modulyatsiyasi. Xulq-atvor. Nevrologlar. 125, 797–824 (2011).

5. KS LaBar, R. Cabeza, hissiy xotiraning kognitiv nevrologiyasi. Nat. Rev. Neurosci. 7, 54–64 (2006).

6. SB Hamann, TD Ely, ST Grafton, CD Kilts, Yoqimli va qo'zg'atuvchi stimullar uchun kengaytirilgan xotira bilan bog'liq Amigdala faoliyati. Nat. Nevrologlar. 2, 289–293 (1999).

7. T. Canli, Z. Zhao, J. Brewer, JDE Gabrieli, L. Cahill, inson amigdalasida hodisa bilan bog'liq faollashuv individual hissiy tajriba uchun keyingi xotira bilan bog'liq. Nevrologlar. 20, RC99 (2000).

8. AH van Stegeren va boshqalar, Noradrenalin hissiy materialni kodlash paytida erkaklar va ayollarda amigdala faollashuviga vositachilik qiladi. Neuroimage 24, 898–909 (2005).

9. MW Cole va boshq., Ko'p vazifali ulanish moslashuvchan vazifalarni boshqarish uchun moslashuvchan markazlarni ochib beradi.Nat. Nevrologlar. 16, 1348–1355 (2013).

10. RM Todd, TW Shmitz, J. Susskind, AK Anderson, hissiy jihatdan kuchaytirilgan sezuvchanlik va mnemonik jonlilikning umumiy nerv substratlari. Old. Xulq-atvor. Nevrologlar. 7, 40 (2013).

For more information:1950477648nn@gmail.com