Cerebel humà i connexions corticocerebel·loses implicades en la millora de la memòria emocional Part 3

En conjunt, l'anàlisi DCM ha demostrat que a partir dels 25 ROI cerebrals implicats en la millora de la memòria emocional, 13 ROI van mostrar una major força de connexió amb el cerebel, principalment en la direcció del cerebel a la ROI cortical, en dos casos en sentit contrari i altres dos casos en ambdues direccions.

Un estat d'ànim feliç i positiu pot millorar la memòria de les persones. Això es deu al fet que el mecanisme de millora de la memòria emocional facilita que les persones emmagatzemen informació important a la memòria a llarg termini. Les investigacions mostren que quan el cos humà experimenta emocions fortes, el cos allibera substàncies catalitzadores que activen àrees del cervell relacionades amb les emocions, afectant els centres cognitius i d'aprenentatge del cervell. En altres paraules, la millora de la memòria emocional ens ajuda a recordar la informació amb més profunditat.

A la vida diària, podem millorar la nostra memòria ajustant les nostres emocions. Podem escollir algunes activitats que ens facin sentir feliços i còmodes, com escoltar la nostra música preferida, xerrar amb els amics, fer alguns exercicis relaxants, etc. A més, algunes conductes senzilles també ens poden ajudar a mantenir un bon estat d'ànim, com aconseguir dormir prou, menjar bé i fer exercici moderat.

En resum, hi ha una estreta relació entre la millora de la memòria emocional i la memòria. Les emocions positives estimulen àrees del cervell associades a la memòria, cosa que ens facilita emmagatzemar informació a la memòria a llarg termini. Podem ajudar-nos a millorar la nostra memòria i ser més feliços i satisfets a la vida regulant les nostres emocions. Es pot veure que hem de millorar la nostra memòria. Cistanche deserticola pot millorar significativament la memòria perquè Cistanche deserticola és un material medicinal tradicional xinès amb molts efectes únics, un dels quals és millorar la memòria. L'eficàcia de la carn picada prové dels diferents ingredients actius que conté, com ara àcid, polisacàrids, flavonoides, etc. Aquests ingredients poden promoure la salut del cervell de diverses maneres.

Feu clic a Coneix 10 maneres de millorar la memòria

Aquestes troballes suggereixen que el cerebel és una part integral d'una xarxa de connectivitat implicada en la millora de la memòria emocional. Tanmateix, a partir d'aquests resultats, no podem inferir quines d'aquestes connexions són les més importants. Com que els ROI es van definir funcionalment, més que no anatòmicament, tampoc podem especificar els substrats anatòmics precisos dels ROI corticals. Hem escollit aquest enfocament perquè la sensibilitat de detectar la presència de connexions es pot augmentar utilitzant ROI que coincideixin amb els límits funcionals (36).

La conseqüència d'aquest procediment és la pèrdua d'especificitat anatòmica i la incapacitat de distingir entre les contribucions de diferents estructures anatòmiques dins d'un determinat ROI. A més, com que els DCM provats aquí només inclouen dos nodes, no tenen en compte si la influència entre el cerebel i un segon ROI està mediada per regions addicionals. Per tant, els valors dels nostres paràmetres de connectivitat reflecteixen potencialment connexions tant directes com indirectes.

Les troballes actuals poden contribuir a una millor comprensió de la xarxa implicada en la millora de la memòria emocional en condicions fisiològiques. A més, els resultats també poden tenir implicacions per a la comprensió de condicions patològiques, com ara el trastorn per estrès posttraumàtic (TEPT), ja que la formació d'una traça de memòria aversiva excessivament forta després d'un esdeveniment atraumàtic és un mecanisme patogènic important en el desenvolupament de trastorns relacionats amb la por (1, 62, 63). Mentre que no serà possible investigar la formació inicial de la memòria en el TEPT mitjançant la RMf, els estudis poden investigar els correlats neuronals de la recuperació de la memòria traumàtica. Un estudi recent de fMRI va seguir aquest enfocament i va trobar una activació cerebral millorada al cerebel (incloent-hi el vermis), el gir occipital, el gir supramarginal i l'amígdala durant el record del trauma en pacients amb TEPT (64).

En canvi, la hipoactivitat cerebel·losa podria estar relacionada amb condicions amb una millora de la memòria emocional reduïda. De fet, els estudis clínics indiquen que les patologies que afecten el funcionament verbal estan associades a una sèrie de deterioraments cognitius i emocionals, inclosos els símptomes del trastorn de l'espectre autista (65, 66). Curiosament, els pacients amb trastorn de l'espectre autista mostren dèficits en la millora emocional de les memòries episòdiques (67, 68). És possible que aquests dèficits s'originin parcialment a partir d'anomalies estructurals i funcionals de l'amígdala que s'observen sovint en aquest trastorn (69, 70). Tanmateix, segons els resultats actuals, la hipoplàsia dèrmica en el trastorn de l'espectre autista també pot contribuir a la millora emocional deteriorada de la memòria episòdica. Aquesta hipòtesi s'hauria de provar en pacients amb autisme amb diferents graus d'anormalitats de l'amígdala i el vermis.

Hi ha proves creixents que indiquen que el cerebel, en particular el vermis cerebel·lar, i les seves connexions amb diverses regions cerebrals, inclòs el sistema límbic, estan implicades en funcions emocionals, com ara la percepció emocional, el reconeixement emocional, el processament emocional i el condicionament de la por (27, 71). . Les troballes actuals suggereixen ara que el cerebel també forma part d'un circuit implicat en la millora emocional de la memòria episòdica. Dins d'aquest circuit, el cerebel rep inputs de diverses regions cerebrals, inclòs el cingulat, mentre que l'amígdala/hipocamp i diverses altres regions cerebrals reben inputs del cerebel. Aquestes troballes amplien el coneixement sobre el paper del cerebel en els processos cognitius i emocionals complexos i poden ser rellevants per a la comprensió dels trastorns psiquiàtrics amb circuits emocionals aberrants, com ara el TEPT o el trastorn de l'espectre autista.

Materials i mètodes

Participants. Hem reclutat participants joves i sans (872 dones, 546 homes, edat mitjana=22,39 anys, SD=3,27). La publicitat es va fer principalment a la Universitat de Basilea i als diaris locals. Els participants estaven lliures de cap malaltia neurològica o psiquiàtrica, no prenien cap medicament en el moment de l'experiment (excepte anticonceptius hormonals) i tenien entre 18 i 35 anys. La salut física i mental es va avaluar a partir de qüestionaris estàndard. L'experiment va ser aprovat pel comitè d'ètica del cantó de Basilea, Suïssa. Tots els participants van donar el seu consentiment informat per escrit abans de participar en l'estudi. Abans de l'anàlisi, la mostra es va dividir en una mostra de descobriment (n=945, 2/3 de tots els participants) i una mostra de replicació (n=473, 1/3 de tots els participants) assignant els participants de manera aleatòria a un. de les mostres. L'aleatorització es va realitzar mitjançant la funció de Matlab rand perm No hi va haver diferències significatives entre les mostres de descobriment i replicació intermèdies d'edat, sexe o millora de la memòria emocional (P superior o igual a 0.33, {{ 16}}proves laterals, n=1,418).

Experiment: procediment. Els participants es van sotmetre a quatre tasques consecutives: tasca de codificació d'imatges, una tasca de memòria de treball, una prova de memòria de memòria lliure i una tasca de reconeixement. Primer es va instruir als participants i després es van formar sobre les tasques de codificació d'imatges i memòria de treball. Després de l'entrenament, es van col·locar a l'escàner i van rebre taps per a les orelles i auriculars per reduir el soroll de l'escàner. Els seus caps es van fixar a la bobina amb petits coixins i se'ls va dir que no es moguessin. Les imatges es van presentar a l'escàner mitjançant ulleres de pantalla de cristall líquid compatibles amb MR (VisualSystem; NordicNeuroLab, Bergen, Noruega). Es va utilitzar la correcció ocular quan era necessari. La tasca de codificació d'imatges va durar aproximadament 20 min. Immediatament després, els participants van realitzar una tasca de memòria de treball de la lletra n-back (0-back and 2-back conditions) a l'escàner durant uns 10 min. En l'estudi actual, la tasca de memòria de treball es va utilitzar com una tasca de distracció entre la codificació i la recuperació de les proves de memòria. Per tant, no vam analitzar les dades de la tasca de memòria de treball en si (vegeu la referència 72 per obtenir una descripció de la tasca). Després de sortir de l'escàner, els participants van rebre una prova de memòria de record sense anunciar de les imatges en una habitació separada (sense límit de temps). es va establir per a aquesta tasca). Després del record gratuït, els participants van ser reposicionats a l'escàner i van realitzar una tasca de reconeixement (vegeu la referència 73 per a una descripció de la tasca). Els participants van rebre 25 francs suïssos/h per participar. A causa de limitacions organitzatives, vam haver de canviar la sala on es recordaven les imatges, la qual cosa va significar que alguns participants recordaven les imatges en un entorn lleugerament diferent.

Experiment: Disseny de la tasca de codificació d'imatges. Els estímuls constaven de 72 imatges (24 positives, 24 negatives i 24 neutres) que es van seleccionar del Sistema Internacional d'Imatges Afectives (IAPS) (74) i de conjunts d'imatges estandarditzats interns que ens van permetre equiparar les imatges per la complexitat visual i el contingut. (per exemple, presència humana). Les imatges rebudes de l'IAPS es van classificar segons la qualificació de valència de l'IAPS. Vuit de les 24 imatges neutrals no es van rebre de l'IAPS. Aquestes imatges es van valorar basant-se en un valoració interna (11). En funció de les puntuacions de valència normativa (de 1 a 9), les imatges es van assignar a negatives (2,3 ± 0,6), neutres (5,0 ± 0,3) i positives ( 7,6 ± 0.4)condicions, resultant en 24 imatges per a cada valència. Els estímuls positius es van seleccionar inicialment per coincidir amb les puntuacions d'excitació dels estímuls negatius basats en dades d'un estudi pilot en 20 participants no inclosos a l'estudi. Es van presentar quatre imatges addicionals que mostraven objectes neutres. Dues d'aquestes imatges es van presentar al principi i dues al final de la tasca d'imatge. Aquestes imatges es van excloure de l'avaluació del rendiment del record per controlar els efectes de primacia i recentitat a la memòria. Exemples d'imatges inclouen eròtica, esports i animals atractius per la valència positiva; lesions corporals, serps i escenes d'atac per la negativavalència; i cares neutres, objectes domèstics i edificis per a la condició neutra. A més, es van utilitzar 24 imatges reduïdes. El fons de les imatges revoltes contenia la informació de color de totes les imatges utilitzades a l'experiment (excepte les imatges de primacia i recent), superposades amb un filtre de cristall i distorsió (Adobe Photoshop CS3). En primer pla, es va mostrar un objecte geomètric majoritàriament transparent (un rectangle o una el·lipse de diferents mides i orientacions). Per al present estudi, les imatges remenades no tenien cap interès.

Les imatges es van presentar durant 2,5 segons en un ordre quasi aleatori, de manera que es van produir un màxim de quatre imatges de la mateixa categoria consecutivament. Una creu de fixació va aparèixer a la pantalla durant 500 ms abans de cada presentació d'imatge. El temps d'inici de l'estímul es va alterar en 3 s (1 temps de repetició [TR]) per categoria de valència sobre l'inici de l'exploració. Durant el període intertrial, els participants van valorar cadascuna de les 72 imatges segons la valència (negativa, neutra o positiva) i l'excitació (gran, mitjana o petita) en una 3-escala de punts (maniquí d'autoavaluació) prement un botó amb la seva mà dominant. Per a les imatges codificades, els participants van valorar la forma (vertical, simètrica o horitzontal) i la mida (gran, mitjà o petit) de l'objecte geomètric en primer pla. Per a la presentació de la imatge es va utilitzar el programari Presentation (Neurobehavioral Systems, Inc., Berkeley, CA; https://www.neurobs.com).

Dades de comportament: Millora de la memòria emocional. Per documentar la recordació gratuïta, els participants havien d'escriure una descripció de les imatges recordades. Es va puntuar una imatge com a recordada correctament si l'avaluador podia identificar la imatge presentada a partir de la descripció del participant. Dos investigadors entrenats van valorar de manera independent les descripcions per a l'èxit del record (fiabilitat entre evaluadors > 99%). Un tercer evaluador independent va decidir les imatges que es van valorar de manera diferent. Per a cada participant, vam calcular la freqüència amb què es recordaven imatges emocionals en comparació amb imatges neutres: ([recordat positives – recordades neutres] + [recordades negatives – recordades neutres])/2. Es van representar els punts de dades i es va trobar que es distribuïen de manera aproximadament normal (apèndix SI, fig. S1). Es van aplicar proves t de dues cares per comprovar si el rendiment de la memòria emocional era significativament diferent de zero. A més, vam provar els efectes dels possibles factors de confusió. Hem utilitzat una 2-prova t de mostra per avaluar si el rendiment de la memòria emocional depenia del sexe. Hem utilitzat els coeficients de correlació lineal de Pearson per associar el rendiment de la memòria amb l'edat. Es van aplicar proves t de dues cares per comprovar si el coeficient de correlació era significativament diferent de zero.

Imatge: adquisició de ressonància magnètica. Les mesures es van realitzar en una unitat de RM de cos sencer SiemensMagnetom Verio 3 T equipada amb una bobina de cap de canal 12-. Les sèries temporals funcionals es van adquirir amb una seqüència eco-planar d'un sol tir mitjançant imatges paral·leles (GRAPPA). Hem utilitzat els següents paràmetres d'adquisició: temps d'eco (TE)=35 ms; camp de visió (FOV)=22 cm; matriu d'adquisició =80 × 80, interpolada a 128 × 128; mida del voxel=2,75 × 2,75 × 4 mm3;factor d'acceleració GRAPPA R=2,0. Mitjançant una imatge d'exploració sagital mitjà, es van adquirir 32 rodanxes axials contigües col·locades al llarg del pla de la comissura anterior-posterior que cobreixen tot el cervell amb un grau TR=3,000 ms (= 82 grau) mitjançant un entrellaçat ascendent. seqüència. Les dues primeres adquisicions es van descartar a causa dels efectes de saturació constant T1time. Es va adquirir una imatge anatòmica ponderada T1-d'alta resolució mitjançant una seqüència d'eco de gradient preparada per magnetització (TR =2,000 ms; TE=3,37 ms; TI {{{ 31}},000 ms; angle de volta=8 graus; 176 rodanxes; FOV =256 mm; mida del voxel=1 × 1 x 1 mm3).

Imatge: paquet de programari per a l'anàlisi estadística de dades d'imatge. Hem utilitzat el programari de mapes paramètrics estadístics (SPM) SPM12 versió 6685 (Wellcome Trust Center for Neuroimaging, Londres, Regne Unit; https://www.fil.ion.ucl.ac. uk/spam/) implementat a Matlab R2016a.

Imatge: preprocessament i normalització dels volums d'imatges planars d'eco (EPI). Els volums es van corregir en el temps de la porció a la primera porció, alineant-se amb l'opció "registrar-se per significar" i es van corregir a la imatge anatòmica aplicant una transformació de cos rígid tridimensional d'informació mútua normalitzada. El coregistre correcte es va verificar visualment per a cada participant. Cada volum es va emmascarar amb la imatge anatòmica T1 del participant per excloure els voxels fora del cervell. Els volums d'imatges planars d'eco (EPI) es van normalitzar a l'espai de l'Institut Neurològica de Mont-real (MNI) i es van suavitzar amb un nucli gaussià de 8 mm d'amplada total a la meitat màxima (FWHM) mitjançant l'aplicació de DARTEL, que va conduir a un registre millorat entre els participants (75, 76). .

La seqüència entrellaçada utilitzada per adquirir sèries temporals funcionals va fer que fos prerequisit utilitzar la correcció del temps de tall com a primer pas de preprocessament (77). Els mètodes de correcció del temps de tall poden compensar amb èxit els efectes del temps del tall (78). En particular, a DCM per a fMRI, la direcció de la causalitat no s'identifica per precedència temporal. En canvi, la causalitat està encarnada per la forma matemàtica de l'equació d'estat diferencial de cada regió. Les equacions d'estat d'un model donat defineixen l'estructura del sistema (per exemple, la connectivitat entre regions), i prescriuen explícitament com sorgeixen les dinàmiques dins del sistema (39). Per tant, anteriorment es van realitzar diversos estudis de DCM amb TR similars (79–81).

Imatge: modelització de l'activitat de voxels. Es van especificar models lineals generals (GLM) per a cada participant per identificar els voxels activats per la tasca. Els regressors que modelaven l'inici i la durada dels esdeveniments d'estímul es van implicar amb una funció de resposta hemodinàmica canònica. Més precisament, el model incloïa regressors per a premses de botons modelats com a funcions stick/delta, presentacions d'imatges (positives, neutres, negatives, codificades, primacia i recent) modelades amb una funció d'època/vagons (durada: 2,5 s) i escales de valoració modelades amb un funció d'època/vagon de durada variable (segons quan es va produir el botó posterior). Les correlacions en sèrie es van eliminar mitjançant un model autoregressiu de primer ordre i es va aplicar un filtre de pas alt (128 s) per eliminar el soroll de baixa freqüència. També es van introduir sis paràmetres de moviment com a covariables molestes. Hem definit dos tipus diferents de GLM. Es va utilitzar un tipus de GLM per identificar voxels relacionats amb la codificació de la memòria emocional amb èxit.

Aquí, els estímuls positius, negatius i neutres es van modelar per separat depenent de si es van recordar posteriorment o no. Les estimacions dels paràmetres resultants es van contrastar per identificar els vòxels associats amb una codificació exitosa de la memòria emocional ([imatges emocionals recordades - imatges emocionals no recordades] - [imatges neutres recordades - imatges neutres no recordades]). Aquest contrast estava disponible en 944 dels 945 participants de la mostra de descobriment (1 subjecte no recordava cap imatge neutra) i en 470 dels 473 participants de la mostra de replicació (3 subjectes no recordaven cap imatge neutral) . Per investigar els efectes potencials relacionats amb la valència en l'activitat cerebel·losa, a més vam comparar si l'activitat relacionada amb la codificació de la memòria amb èxit diferia entre imatges positives i negatives. Això corresponia al contrast següent:([imatges negatives recordades – imatges negatives no recordades] – [imatges positives recordades – imatges positives no recordades]). Es va especificar un altre tipus de GLM per identificar els vòxels associats a la codificació d'imatges emocionals, independentment de la memòria. Hem especificat regressors per a imatges positives, neutres i negatives, independentment de si les imatges es van recordar o no, i vam contrastar les estimacions dels paràmetres resultants (imatges emocionals - imatges neutres). Hem aplicat la correcció d'error familiar (FWE) per a comparacions múltiples a tot el nivell del cervell a tots els contrastos (Pwhole-brain-FWE-corregit <0.05). La correcció de comparacions múltiples a nivell de clúster es va aplicar per provar els efectes relacionats amb la valència al clúster cerebel·lar (volum Psmall corregit < 0, 001, extensió del clúster k=10).

Imatge: estadístiques de grup de l'activitat de voxels. Per determinar l'activitat relacionada amb la "codificació de la memòria emocional amb èxit" i amb la "codificació d'imatges emocionals", es van introduir mapes de contrast en un model d'efectes aleatoris (anàlisi de segon nivell) mitjançant GLM Flex (Martinos Center i Massachusetts General Hospital, Charlestown, MA; https; ://habs.mgh.harvard.edu/researchers/datatools/glm-flex-fast2/). Hem controlat l'efecte del sexe, l'edat, un programari de l'escàner de canvi i dos canvis en les bobines de gradient incloent-los com a covariables. Hem utilitzat GLM Flex perquè les seqüències EPI pateixen una pèrdua de senyal en presència de deshomogeneïtats del camp magnètic que es poden produir a prop dels límits del teixit de l'aire. El procediment de normalització aplicat a DARTEL va transformar amb precisió tant els vòxels amb senyal com els vòxels amb pèrdua de senyal a l'espai MNI. InSPM, la pèrdua de senyal en una coordenada MNI en una imatge funcional d'un sol participant va provocar l'exclusió del voxel en aquesta coordenada de l'anàlisi de nivell de grup. En conseqüència, la probabilitat d'excloure un voxel augmentava amb la mida de la mostra. GLM Flex va evitar aquest problema permetent un nombre variable de participants a cada voxel. El nombre mínim de participants per voxel es va establir en 2/3 de tots els participants.

Imatge: definició de ROI: màscara definida funcionalment. Com que la sensibilitat de detectar la presència de connexions es pot augmentar mitjançant l'ús de ROI que coincideixin amb els límits funcionals reals (36), hem definit ROI funcionalment, més que anatòmicament. Concretament, dins de la mostra de descobriment (n=945), vam utilitzar una màscara derivada funcionalment i després vam utilitzar un enfocament d'agrupació a nivell de grup basat en dades per repartir volums EPI normalitzats i preprocessats en regions homogènies temporalment i espacialment coherents (37) . La màscara consistia en voxels que estaven associats positivament amb una codificació exitosa de la memòria emocional dins de la mostra de descobriment (Pwhole-brain-FWE-corrected <0.05). Els voxels identificats es van emmascarar addicionalment amb la codificació del contrast d'imatges emocionals (corregit per Pwhole-brain-FWE <0, 05) per assegurar-se que tots els voxels inclosos també mostressin un efecte positiu per a la codificació d'emocions (el 99% de tots els voxels significatius en la "codificació de la memòria emocional amb èxit". contrast" també van ser importants en la "codificació de contrast d'imatges emocionals").

Imatge: Definició de ROI—Procediment de parcel·lació. Els vòxels dins de la màscara definida funcionalment es van combinar en ROI de manera que es va maximitzar la similitud entre els vòxels del mateix clúster en comparació amb la similitud entre els vòxels de diferents clústers, mitjançant un mètode de tall normalitzat que incorpora una restricció espacial (37). Per a una utilitat computacional, es va realitzar la parcel·lació en funció dels volums EPI de 200 participants que es van extreure aleatòriament de la mostra de descobriment. Aquests volums es van suavitzar amb un nucli gaussià de 6 mmFWHM en línia amb un article recent (37). La agrupació es va realitzar primer dins de cada participant, seguida d'una agrupació de grups de segon nivell, tal com va recomanar Craddock et al. (37). Vam repartir els voxels dins de la màscara en 30 ROI, ja que vam trobar que aquest nombre condueix a una especificitat espacial suficient tot i que encara era manejable sobre la càrrega computacional induïda pel càlcul de la connectivitat amb DCM. Un d'aquests ROI contenia voxels aïllats i petits clústers discrets que no eren espacialment coherents. Per tant, aquest ROI (ROI 11), que contenia 60 voxels, es va eliminar de l'anàlisi posterior.

Anàlisi de connectivitat: extracció de temps-curs. Hem extret el temps per participant i el ROI de dades no suavitzades i no normalitzades mitjançant el procediment que es descriu a continuació. Tingueu en compte que hem extret de dades no suavitzades perquè el suavització pot ser perjudicial per a l'estimació de la connectivitat, ja que condueix a la barreja de cursos de temps que depenen del nivell d'oxigenació de la sang entre les regions properes (36).

1. Mapeig de ROI funcionals des de l'espai MNI a l'espai del participant natiu: els ROI tal com es determina el procediment de parcel·lació es van generar a MNIspace. Per tant, vam mapejar la seva ubicació a l'espai del participant natiu invertint el camp de normalització de cada participant.

2. Extracció de temps-curs de ROI funcionals: abans de la modelització real de la connectivitat dins del marc de DCM, s'extreien cursos de temps específics per al participant de cada ROI. L'objectiu d'aquest pas era extreure cursos de temps dels voxels activats a nivell d'un sol participant. La mida de l'efecte de la codificació del contrast d'imatges emocionals era considerablement més gran que la mida de l'efecte del contrast de memòria emocional reeixit, fent que el primer fos més adequat per distingir els voxels relacionats amb la tasca dels voxels sense senyals rellevants a nivell d'un sol participant. A nivell de grup, totes les àrees incloses en aquesta anàlisi es van associar significativament amb una codificació exitosa de la memòria emocional, assegurant que tots els ROI eren rellevants per a una codificació exitosa de la memòria emocional. En conseqüència, per a cada ROI i participant, vam identificar voxels significatius per al contrast emocional > neutre, a un llindar no corregit de P <0.05, amb una mida mínima de clúster de tres voxels. El curs de temps resum es va extreure de tots aquests voxels mitjançant l'eina d'extracció "Volum d'interès" de SPM. En detall, per a tots els voxels seleccionats dins d'anROI, es va realitzar un PCA. Els punts temporals eren les observacions i els voxels eren les variables. El PCA va retornar una sèrie de components ordenats per la proporció de variància que explicava cada component. Cada component es va associar amb un vector de pesos (un valor per voxel), reflectint la contribució de cada voxel a aquest component. La primera variable pròpia reflectia el curs temporal del component principal que va contribuir a la resposta d'una regió i es va seleccionar com a curs temporal representatiu per al ROI. Els cursos de temps es van corregir per artefactes de moviment afegint paràmetres de moviment com a covariables al model lineal.

A través dels 29 ROI funcionals, els cursos de temps es van extreure amb èxit en el 97, 88% de tots els casos de la mostra de descobriment i en el 97, 57% de tots els casos de la mostra de replicació, ja que van mostrar una activació robusta depenent de la tasca pel nostre llindar d'importància descrit anteriorment. Les dades de tots els ROI de tots els participants eren un requisit previ per executar DCM, ja que el propòsit de DCM és comparar diferents models per a una activació observada (38, 39). Per tant, vam excloure un participant d'un DCM particular si un ROI no mostrava activació d'acord amb els criteris definits anteriorment. De tots els ROI, el ROI 9 va mostrar la proporció més petita de participants amb una activació robusta (mostra de descobriment 88,36%; mostra de replicació 85,84%). Vegeu l'apèndix SI, taula S1 per al nombre de participants per DCM, i l'apèndix SI, taula S2 per als percentatges de participants exclosos per ROI.

Els motius potencials de la manca d'activació prou forta en alguns participants es refereixen al soroll de les dades o la pèrdua de dades, però també poden reflectir l'ús de diferents estratègies cognitives.

Anàlisi de connectivitat: DCM. El DCM es pot aplicar per provar hipòtesis específiques sobre la presència, la direcció i els moduladors de la connectivitat efectiva entre un conjunt de regions cerebrals predefinides. DCM es descriu detalladament en altres llocs (38, 39). En resum, les interaccions neuronals entre regions s'expressen mitjançant equacions diferencials, que descriuen 1) com l'activitat en una regió cerebral provoca dinàmiques (és a dir, la taxa de canvi) en una altra regió cerebral i 2) com aquestes interaccions canvien sota la influència de les condicions experimentals. Aquí, vam comparar les condicions per a imatges emocionals i neutres mentre vam considerar si una imatge es va recordar més tard o no. DCM s'esforça per la interpretabilitat neurofisiològica fent una distinció explícita entre el "nivell neuronal" i el "nivell hemodinàmic" (82). Això s'aconsegueix invertint un model endavant parametritzat i motivat biofísicament que enllaça la dinàmica neuronal modelada amb els cursos hemodinàmics mesurats (38) . Per tant, els paràmetres de connectivitat es poden interpretar com una influència entre poblacions neuronals (39). La nostra inferència sobre la connectivitat depenia dels supòsits matemàtics subjacents incorporats en la parametrització de DCM. Aquestes hipòtesis han estat avaluades críticament (83).

Hem escollit DCM per sobre d'altres mètodes perquè ofereix diversos avantatges. DCMinfer connectivitat modelant la dinàmica neuronal amb un sistema d'equacions diferencials. Per tant, la direcció d'influència i la modulació depenent de les condicions de la força de la connexió es poden determinar de manera més significativa que amb models de connectivitat estàtica com ara el modelatge de correlació o d'equacions estructurals (82, 84, 85).

Anàlisi de connectivitat: DCM—Espai model. Hem utilitzat un procediment de selecció de models post hoc, que requereix l'estimació d'un sol model complet per trobar l'evidència del model per a totes les arquitectures de connexió possibles (40), realitzant així una comparació exhaustiva de models. Hem utilitzat aquest procediment de selecció en lloc d'una comparació tradicional d'un nombre limitat de models a priori perquè aquest algorisme redueix molt la càrrega computacional aproximant els paràmetres de connectivitat dels submodels imbricats a partir de la inferència d'un model complet. Tot i que hauria estat interessant incloure els 26 clústers en un sol model, això no era factible computacionalment. Hem explorat totes les connexions per parelles entre el ROI cerebel·lar i els 25 ROI restants definint una sèrie de 2-DCM de nodes on el ROI situat al cerebel es va emparellar sistemàticament amb un dels altres ROI. Els paràmetres de connectivitat representen la connectivitat neta entre els ROI, és a dir, no consideren si la influència entre dos ROI està mediada o no per regions addicionals tret que aquestes regions addicionals s'incloguin explícitament al model DCM. Com que els DCM provats aquí només incloïen dos nodes, no van examinar si la influència entre el cerebel i un segon ROI estava mediada per regions addicionals. Per tant, els valors dels nostres paràmetres de connectivitat reflectien tant connexions directes com indirectes. Hem aplicat DCM bilineal i determinista amb dos estats (versió DCM12)(86). Hem especificat connexions intrínseques recíproques entre cada ROI. Les aportacions extrínseques als ROI impulsen la xarxa i quantifiquen com responen els ROI als estímuls externs. Es van definir quatre regressors d'entrada diferents, que contenien 1) imatges emocionals i neutres, 2) imatges codificades, 3) premses de botons i 4) presentació de l'escala de valoració. Cadascun dels regressors d'entrada podria entrar a la xarxa en tots els ROI. La força de les connexions intrínseques entre ROI es podria modular per les condicions següents: imatges emocionalment recordades, imatges emocionalment no recordades, imatges neutres recordades i imatges neutres no recordades.

Per obtenir una perspectiva bayesiana sobre comparacions múltiples, vegeu les referències (87, 88). En particular, vam replicar els resultats de la mostra de descobriment en una segona mostra.

Anàlisi de connectivitat: DCM—Model estimation. Hem utilitzat una selecció de models posthoc eficient que va requerir l'estimació d'un sol model complet per trobar 1) l'evidència del model de totes les arquitectures de connexió possibles amb selecció de model bayesià (BMS), 2) probabilitats posteriors resultants d'inferències a nivell familiar per determinar la probabilitat d'un contrast de les estimacions de paràmetres, i 3) Mitjanes de paràmetres bayesians en tots els models possibles que mostren si un contrast de les estimacions de paràmetres diferia de zero (40, 84, 89). Com que vam utilitzar BMS d'efectes fixos, vam suposar que el model òptim era el mateix per a cada participant de la població (39). L'estimació dels models DCM es va realitzar a la instal·lació principal de computació científica sciCORE (https://scicore.unibas.ch/) de la Universitat de Basilea.

Anàlisi de connectivitat: DCM—Anàlisi de paràmetres. Hem utilitzat la inferència bayesiana per avaluar si la força de la connexió va augmentar durant la codificació de la memòria emocional amb èxit. Concretament, hem utilitzat les expectatives posteriors i les covariàncies posteriors per calcular la probabilitat posterior que el contrast entre els moduladors de la força de la connexió fos més gran que zero. El contrast per a la codificació exitosa de la memòria emocional es va construir restant els moduladors de les condicions següents: (imatges emocionals recordades – imatges emocionals no recordades) – (imatges neutres recordades – imatges neutres no recordades). En primer lloc, dins de la mostra de descobriment, vam identificar aquelles connexions que tenien una probabilitat posterior de contrast superior a {{0}},99. En segon lloc, vam analitzar aquestes connexions a la mostra de replicació, provant si també tenien una probabilitat posterior de contrast superior a 0,99. En termes descriptius, el llindar de probabilitat aplicat de 0,99 es pot interpretar com una evidència molt forta d'un efecte (42, 43). Ens vam centrar en els augments en lloc de les disminucions de la força de la connexió, ja que el ROI es va definir en funció de voxels amb una activitat més gran.

Els càlculs sobre la força de connexió es van basar en la força del contrast a la mostra de replicació. Les connexions es van visualitzar mitjançant la biblioteca de cercles a R (90).

Segmentació de la imatge anatòmica. La imatge anatòmica de cada participant es va segmentar automàticament en estructures corticals i subcorticals mitjançant FreeSurfer versió 4.5 (91). L'etiquetatge del gir cortical es va basar en l'atles Desikan-Killiany (92), donant lloc a 35 regions corticals i set subcorticals perhemisferies. Tingueu en compte que la tècnica de segmentació i etiquetatge aplicada proporciona una precisió comparable a l'etiquetatge manual dels experts (91, 92).

Localització anatòmica de ROI basada en un atles probabilístic anatòmic promig de la població. Les segmentacions d'estructures corticals i subcorticals recuperades de FreeSurfer (vegeu el paràgraf anterior) es van utilitzar per construir un atles anatòmic probabilístic de la mitjana de la població, basat en dades d'1,000 dels 1.418 participants. Les imatges anatòmiques segmentades individuals es van normalitzar a l'espai de la plantilla anatòmica específica de l'estudi mitjançant el camp d'ordit calculat prèviament dels participants i es van registrar afí a l'espai MNI. Es va aplicar la interpolació del veí més proper per preservar l'etiquetatge de les diferents estructures. Finalment, les segmentacions normalitzades es van promediar entre els participants per crear un atles probabilístic de mitjana poblacional. En conseqüència, a cada voxel de la plantilla se li podria assignar una probabilitat de pertànyer a una estructura anatòmica determinada.

Aquest atles probabilístic de mitjana poblacional es va utilitzar per informar de l'ubicació anatòmica de coordenades i ROI. Els percentatges per coordenada denotaven la probabilitat mitjana de la població d'una etiqueta anatòmica. A més, vam informar del percentatge mitjà de correspondència regional per ROI. Per ROI, vam determinar quines etiquetes anatòmiques estaven abastades pels seus voxels. A continuació, vam resumir les probabilitats per etiqueta de tots els voxels dins del ROI i vam dividir la suma pel nombre total de voxels de la màscara. Es produiria una correspondència del 100% si tots els vòxels d'un ROI es trobessin dins de la mateixa regió anatòmica, i cada vòxel en si tingués una probabilitat del 100% d'estar situat en aquesta regió.

Disponibilitat de dades, materials i programari. Els mapes individuals de primer nivell dels dos contrastos d'interès (codificació exitosa de la memòria emocional i codificació d'imatges emocionals) estan disponibles a l'Open Science Framework (OSF, https://osf.io/ghtvy) (93), juntament amb l'individu. covariables. Hi ha fitxers individuals de primer nivell i VOI disponibles a Figshare (https://figshare.com/projects/CBDCM/149317) (94). Els mapes corresponents a nivell de grup sense llindar, així com la màscara binària dels ROI funcionals, s'han dipositat a Neurovault (https://neurovault.org/collections/12932) (95). Els fitxers DCM a nivell de grup estan disponibles a OSF (https://osf.io/ghtvy) (93).

AGRAÏMENTS. Donem les gràcies a Elmar Merkle, Christoph Stippich i OliverBieri per haver concedit l'accés a les instal·lacions d'IRMf de l'Hospital Universitari de Basilea. Aquest treball va ser finançat per la Swiss National Science Foundation (Sinergia grantCRSI33_130080 to DJ-FdQ and AP). MF va ser finançat pel Fons de Recerca per a Investigadors Júniors de la Universitat de Basilea (beca DPE2141). Els càlculs es van realitzar a la instal·lació de nucli informàtic científic sciCORE (https://scicore.unibas.ch/) de la Universitat de Basilea. Els autors declaren que no hi ha interessos financers competitius.

Referència

1. D. de Quervain, L. Schwabe, B. Roozendaal, Stress, glucocorticoids, and memory: Implications fortreating fear-related disorders. Nat. Reverent Neurosci. 18, 7–19 (2017).

2. JL McGaugh, The Making of Lasting Memory (Weidenfeld i Nicolson, 2003).

3. JL McGaugh, Memòria: un segle de consolidació. Science 287, 248–251 (2000).

4. B. Roozendaal, JL McGaugh, Modulació de la memòria. Comportament. Neurosci. 125, 797–824 (2011).

5. KS LaBar, R. Cabeza, Neurociència cognitiva de la memòria emocional. Nat. Reverent Neurosci. 7, 54–64 (2006).

6. SB Hamann, TD Ely, ST Grafton, CD Kilts, Activitat de l'amígdala relacionada amb la millora de la memòria per estímuls agradables i aversius. Nat. Neurosci. 2, 289–293 (1999).

7. T. Canli, Z. Zhao, J. Brewer, JDE Gabrieli, L. Cahill, L'activació relacionada amb l'esdeveniment a l'amígdala humana s'associa amb la memòria posterior per a l'experiència emocional individual.J. Neurosci. 20, RC99 (2000).

8. AH van Stegeren et al., La noradrenalina media l'activació de l'amígdala en homes i dones durant la codificació del material emocional. Neuroimage 24, 898–909 (2005).

9. MW Cole et al., La connectivitat multitasca revela hubs flexibles per al control adaptatiu de tasques.Nat. Neurosci. 16, 1348–1355 (2013).

10. RM Todd, TW Schmitz, J. Susskind, AK Anderson, Substrats neuronals compartits de vivacitat perceptiva i mnemotècnica millorada emocionalment. Davant. Comportament. Neurosci. 7, 40 (2013).

For more information:1950477648nn@gmail.com