Skúmanie asociácií oneskoreného zľavovania so štruktúrou mozgu, pracovnou pamäťou a epizodickou pamäťou, časť 2

Vzťah medzi štrukturálnymi prediktormi a DD

Testovali sme asociácie medzi premennými záujmu (subkortikálne objemy, zložky šedej hmoty a bielej hmoty, EM, WM) a DD s lineárnymi modelmi a neparametrickými permutačnými testami implementovanými v softvéri FSL PALM verzie 1.11 (Winkler et al. 2014; Winkler, Webster, et al. 2016b) beží na MATLABR2017b.

V posledných rokoch so zlepšovaním životnej úrovne ľudí a rastúcim vekom priťahujú problémy s pamäťou čoraz väčšiu pozornosť. Niektorí ľudia však aktívne cvičili svoj mozog, no stále ich trápia problémy s pamäťou. V súčasnosti môžeme zvážiť použitie neparametrických usporiadaní na zlepšenie pamäte.

Čo je teda neparametrická permutácia? Neparametrické usporiadanie je štatistická metóda, ktorá usporiada súbor údajov podľa určitých pravidiel bez číselného porovnávania. V porovnaní s parametrickou permutáciou má neparametrická permutácia širší rozsah aplikácií a nevytvára príliš veľa predpokladov o distribúcii a diskrétnosti údajov.

A ako využiť neparametrické usporiadanie na zlepšenie pamäte? V prvom rade vieme, že ľudský mozog dokáže analyzovať, zapamätať si a vybaviť si rôzne informácie, ako sú obrázky, zvuk, text atď., takže môžeme použiť neparametrické usporiadania na zlepšenie schopnosti nášho mozgu spracovávať a zapamätať si rôzne informácie.

Prostredníctvom niektorých cvičení, ako je precvičovanie pamäti a vybavovanie si farieb, čísel, slov a iných informácií a následné neparametrické usporiadanie rôznych informácií, sa v mozgu vytvára pravidelnejšia štruktúra, čím sa zlepšuje pamäťová schopnosť mozgu.

Okrem toho sa neparametrické permutácie môžu použiť okrem iného na zlepšenie mentálnej flexibility a zníženie úzkosti a stresu. Cvičením mozgu môže mozog pracovať pružnejšie a zdravšie, čím sa zníži zbytočná depresia, úzkosť a iné negatívne emócie a postaví sa život a práca pozitívnejšie.

Stručne povedané, neparametrické usporiadanie je uskutočniteľná a účinná metóda na zlepšenie pamäte mozgu a flexibility myslenia. Nepretržitým cvičením a cvičením možno účinne zlepšiť pamäť a schopnosti mozgu spracovávať, čo nám pomôže čeliť životu a pracovať zdravšie a pozitívnejšie. Je vidieť, že si musíme zlepšiť pamäť. Cistanche deserticola môže výrazne zlepšiť pamäť, pretože Cistanche deserticola dokáže regulovať aj rovnováhu neurotransmiterov, ako je zvýšenie hladín acetylcholínu a rastových faktorov. Tieto látky sú veľmi dôležité pre pamäť a učenie. Okrem toho môže mäso zlepšiť aj prietok krvi a podporovať prísun kyslíka, čo môže zabezpečiť, že mozog dostane dostatok živín a energie, čím sa zlepší mozgová vitalita a vytrvalosť.

Kliknite na vedieť spôsoby, ako zlepšiť funkciu mozgu

Použili sme 10,{1}} permutácií, na modelovanie konca permutačného rozdelenia P-hodnôt s aParetovým rozdelením (Winkler, Ridgway, et al. 2016a) a kontrolou rodinnej chybovosti (FWER) pre viaceré testy s použitím rozdelenia maximálna štatistika (Westfalland Young 1993). Súbor údajov HCP obsahuje subjekty, ktoré boli vzorkované spolu s ich súrodencami (väčšinou ich dvojčatami), čo znamená, že merania nemožno považovať za nezávislé.

Na testovanie asociácií medzi záujmovými premennými pri zohľadnení rodinnej štruktúry v súbore údajov sme použili testovanie permutácií na viacerých úrovniach (Winkler et al. 2015). Tieto asociácie boli opravené pre lineárne a kvadratické výrazy, pohlavie, vzdelanie, príjem a zložené skóre kognitívnych funkcií NIH Toolbox ("CogTotalComp_Unadj"), čo je miera všeobecnej inteligencie. Boli zaznamenané 2-okrajové P-hodnoty pre testované asociácie.

Vertexové a voxelové analýzy

Na porovnanie sme tiež vykonali samostatné univariatevertexové analýzy (hrúbka kôry, plocha povrchu) a voxelové (GMV, FA, MD) analýzy na testovanie asociácií s DD. Tieto analýzy sa vykonali pomocou neparametrických permutačných testov implementovaných v softvéri PALM od FSL s 2,{2}} permutáciami a bezprahovým klastrovým vylepšením (Smith a Nichols 2009). Rovnako ako v predchádzajúcich analýzach sme modelovali chvost permutačnej distribúcie P-hodnôt s Paretovým rozdelením, použili FWER kontrolu pre viaceré testy s použitím rozdelenia maximálnej štatistiky a zohľadnili sme štruktúru rodiny s viacúrovňovým blokovým permutačným testovaním. Rovnako ako vyššie, tieto analýzy boli kontrolované pre lineárne a kvadratické pojmy, pohlavie, vzdelanie, príjem a všeobecnú inteligenciu.

Výsledky

Vylúčili sme subjekty s neúplnými odpoveďami v úlohách DD (3), ktoré si zvolili buď vždy okamžité alebo oneskorené odpovede (9), alebo u ktorých bola zadná pravdepodobnosť pseudo-R2 štatistiky (Camerer a Ho 1999) nad nulou nižšia ako {{5} } 0,95, tj subjekty, ktorým model vyhovoval lepšie ako náhodný model (166). Tieto kritériá viedli k vylúčeniu 178 subjektov zo vzorky HCP. Tabuľka 1 zobrazuje demografické informácie o vzorkách a počet platných pozorovaní pre rôzne kognitívne úlohy a zobrazovacie modality, ktoré boli analyzované o DD. Subjektívna hodnota odmien bola po mesiaci v priemere 79 % ich nominálnej hodnoty a po roku 23 %. Pohlavné rozdiely v DD neboli významné (muži (n=473) > ženy (n=545):t=0,27, P=0,80).

Vzťah medzi DD a šedou hmotou

Po korekcii na lineárne a kvadratické vekové členy, pohlavie a celkový intrakraniálny objem nebola diskontná sadzba spojená s celkovým kortikálnym objemom alebo objemom žiadnej zo skúmaných subkortikálnych štruktúr. Tabuľka 2 zobrazuje štatistiky pre tieto asociácie.

Hrúbka kôry, plocha povrchu a mapy GMV boli rozložené spoločne s prepojeným ICA v 5 0 komponentoch, pričom každá z nich definovala priestorovú mapu odrážajúcu oblasti, v ktorých sa štruktúra šedej hmoty silne líšila medzi účastníkmi, a jednotlivé skóre indikujúce veľkosť príspevku komponentu . Skóre jednej zo zložiek šedej hmoty bolo významne negatívne spojené s DD (obr. 2A, r =-0,172, Pcorr < 1e-4, korigované na 50 testovaných zložiek, n ​​= 946).

Z 3 modalít šedej hmoty mala táto zložka najväčšiu váhu (62 %) na GMV (obr. 2B) a jej najväčšie zaťaženie bolo v temporalpole a precuneus (obr. 2C a D). Pretože ICA trpí znamienkovou neurčitosťou, skóre komponentu sa musí interpretovať vzhľadom na jeho zaťaženie (ktorého anatomické rozloženie predstavuje príslušná priestorová mapa), tj negatívna asociácia so skóre jedného komponentu odráža (čiastočnú) negatívnu koreláciu s meraniami štruktúry šedej hmoty. v oblastiach, kde sú hodnoty jeho zaťažení kladné. Tieto asociácie boli opravené pre lineárne a kvadratické vekové podmienky, pohlavie, vzdelanie a príjem.

Pri rozklade údajov na 100 komponentov bol podobne iba jeden komponent významne spojený s DD, čo ukazuje vzor veľmi podobný vzoru získanému pri 50-rozklade komponentov (obr. 2E–G, r {{3 }} −0,158,Pcorr=5e−4, opravené pre 100 testovaných komponentov, n=946). Jednorozmerná voxelová analýza tiež odhalila negatívnu významnú súvislosť medzi GMV a DD v bilaterálnych oblastiach časovej šedej hmoty po kontrole lineárnych a kvadratických vekových pojmov, pohlavia, vzdelania a príjmu (doplnkový obrázok 2).

Tieto oblasti sa tesne zhodovali s priestorovým vzorom pre identifikovanú zložku šedej hmoty (obr. 2C a G). Neexistovala žiadna kortikálna oblasť, kde by bola súvislosť medzi DD a oblasťou hrúbky kôry významná po korekcii FWER pre viacnásobné testy v povrchovej analýze vrcholov pre tieto merania.

Aby sme zabezpečili, že spojenie so skóre šedej hmoty bolo špecifické pre DD a nielen odrážalo všeobecnú kognitívnu funkciu, zopakovali sme tieto analýzy pridaním miery všeobecnej inteligencie k súboru nezáujmových premenných. Rovnaký komponent bol stále jediným, ktorý bol významne spojený s DD ({{0}}komponentrozklad: r=−0.145, Pcorr=0.001; { {6}}rozklad komponentov: r=−0,138, Pcorr=0,123) a výsledok jednorozmernej voxelovej analýzy zostal do značnej miery nezmenený (doplnkový obrázok 2).

Vzťah medzi DD a bielou hmotou

Údaje FA a MD sme spoločne rozložili na 50 komponentov. Žiadna zo zložiek nebola spojená s diskontnou sadzbou po kontrole viacerých testov a kovarií pre lineárne a kvadratické vekové podmienky, pohlavie, vzdelanie a príjem. Použitie 100 komponentov alebo dodatočné riadenie pre všeobecnú inteligenciu prinieslo podobné výsledky. V súlade s tým neexistovala žiadna oblasť, kde by asociácia medzi DD a FA alebo MD bola významná po korekcii FWER pre viaceré testy vo voxelovej analýze.

Diskusia

Po preskúmaní behaviorálnych a neuroimagingových údajov od veľkej vzorky zdravých dospelých, naše zistenia ukazujú, že väčší DD bol predpovedaný menším predným temporálnym GMV. Veľkosť vzorky súboru údajov HCP, väčšia ako veľkosť z väčšiny predchádzajúcich štúdií spájajúcich DD a štruktúru mozgu, nám poskytla silu spoľahlivo zachytiť účinky malého rozsahu. V rozpore s predchádzajúcimi správami sme však nenašli žiadne dôkazy o spoľahlivom spojení medzi DD a kortikálnym objemom, subkortikálnymi objemami, mikroštrukturálnou organizáciou bielej hmoty a skóre v úlohách WM alebo EM.

Väčšie diskontovanie bolo spojené s menšími GMVin prednými časovými oblasťami. Tento výsledok bol robustný pri zmene počtu prepojených komponentov ICA a kontrole miery všeobecnej inteligencie. Owenset al. (2017) analyzovali kortikálny objem z T1-vážených skenov v súbore údajov HCP a hlásili asociácie medzi kortikálnym objemom a DD v časových oblastiach zodpovedajúcich oblastiam v komponente sivej hmoty identifikovaným našou analýzou.

Očakáva sa spojenie s predočasnou sivou hmotou (keďže sme použili rovnaký súbor údajov), ale naša štúdia rozširuje predchádzajúcu aj tým, že skúma hrúbku a povrch kôry a GMV pre subkortikálne oblasti, ako aj merania štruktúry bielej hmoty. Okrem toho, že sme zahrnuli dôkladnejší súbor štrukturálnych opatrení, rešpektovali sme rodinnú štruktúru údajov pri výpočte asociácií medzi mierami štruktúry mozgu a DD, aby sme sa vyhli skresleným odhadom, ktoré môžu vyplynúť z nesprávneho predpokladu nezávislosti pozorovaní (Winkleret al. 2015).

Uskutočnili sme aj prísnejší výber subjektov, s výnimkou tých, ktorí predvádzali túto príležitosť, a rozložili sme údaje v štrukturálnych kovariančných sieťach (Pehlivanova et al. 2018), čo je metóda, ktorá poskytuje väčšiu citlivosť na detekciu asociácií s DD spoločným spriemerovaním (vo váženom spôsobom) hodnoty štrukturálnych obrazov naprieč oblasťami mozgu a kombináciou niekoľkých modalít na vytvorenie robustnejších odhadov. Dôležitou výhodou použitia ICA na rozloženie zobrazovacích údajov v kovariančných sieťach oproti voxelovému prístupu na analýzu štrukturálnych údajov je skutočne to, že poskytuje skóre, ktoré by malo byť menej hlučné ako hodnoty založené na voxeli, pretože sa získavajú ako vážený priemer signálu v všetky voxely v mozgu, implementujúc redukciu rozmerov, ktorá môže znížiť riziko chýb typu II, aj keď na úkor vagueranatomického vymedzenia.

anatomické vymedzenie.Na rozdiel od štúdie Owensa et al. (2017), v našej analýze, vzťah medzi kortikálnym objemom a DD nedosiahol významnosť. Táto divergencia je pravdepodobne výsledkom našich prísnejších analytických možností (odstránenie subjektov odpovedajúcich náhodne, neparametrické testy zohľadňujúce štruktúru rodiny údajov, prísnejšia kontrola pre zmätky) a naznačuje, že predtým uvádzaná súvislosť medzi kortikálnym objemom a DD pravdepodobne zodpovedá skôr falošnému než arobustný nález. Zdá sa pravdepodobné, že asociácia DD s mierou globálneho kortikálneho objemu by mala byť sprostredkovaná premennými, ktoré odrážajú všeobecnejšie aspekty poznania ako DD.

Napriek veľkej veľkosti vzorky súboru údajov HCP sme nenašli žiadne dôkazy o významnej asociácii medzi štruktúrou bielej hmoty a DD. Predchádzajúce štúdie ukazujúce traktografické rekonštrukcie v menších vzorkách uvádzali negatívne súvislosti medzi DD a mierami štrukturálnej konektivity (napr. počet prúdnic) v špecifických úsekoch bielej hmoty s PFC (van den Bos a kol. 2015; Hänggi a kol. 2016; Hamptonet al. 2017) .

Na rozdiel od týchto štúdií skúmajúcich silu pripojenia sme analyzovali mapy FA spracované pomocou TBSS, čo je technika, ktorá umožňuje rozsiahlu analýzu oblastí bielej hmoty a je vhodnejšia na prieskumnú analýzu rozsiahlych súborov údajov z dôvodu výpočtových a pracovných nákladov spojených s vykonávanie komplexného traktografického mapovania na veľkom počte subjektov. Pokiaľ je nám známe, vzorka v našej analýze je podstatne väčšia ako predchádzajúce štúdie spájajúce bielu hmotu s diskontovaním. Upozorňujeme však, že nedávna štúdia využívajúca TBSS na 302 starších jedincoch bez demencie (Han et al. 2018) (priemerný vek=81,38 rokov, SD=7,57 rokov, 75,5 % žien) zaznamenala rozšírené negatívne asociácie medzi časovým diskontovaním a FA v bilaterálnych frontálnych, frontostriatálnych a temporoparietálnych traktoch. Nesúhlas s našimi výsledkami môže reagovať na demografické rozdiely vo vzorkách.

Vzhľadom na rozsiahlu povahu ich asociácií môžu ich zistenia odrážať degeneratívne mechanizmy súvisiace so starnutím, na rozdiel od obmedzenejšieho modelu, ktorý by sa očakával pri špecifickom opatrení, ako je DD. Okrem toho Han a kol. nekontrolovala úroveň príjmu. V skutočnosti, keď sme v našej analýze upravovali iba krmivo a pohlavie, identifikovali sme ďalšie zložky šedej a bielej hmoty, ktoré mali skóre významne korelované s diskontnými sadzbami (pozri doplnkový materiál). Zatiaľ čo veľké vzorky sú schopné detegovať menšie efekty, existuje aj vyššie riziko detekcie asociácií len vytváraných mätúcimi premennými, čo robí kľúčom k úprave pre príslušné kovariáty.

Nedávna práca (Marek a kol. 2022) zdôraznila dôležitosť použitia veľkých vzoriek v štúdiách asociácie mozgu a správania v celom mozgu a ukázala, že typické veľkosti vzoriek pre tieto štúdie by mali viesť k nereprodukovateľným účinkom a nafúknutým veľkostiam účinku. Za predpokladu, že skutočný efekt je približne 0,15 (porovnateľný s veľkosťou účinku pre zložku sivej hmoty, ktorú sme identifikovali a sú kompatibilné s výsledkami od Mareka a kol. 2022), na dosiahnutie sily 80 % by bolo potrebných viac ako 250 subjektov. Väčšina predchádzajúcich štúdií v oblasti DD tak bola podhodnotená, čo vysvetľuje nezrovnalosti v literatúre uvedené v časti 1. Upozorňujeme, že tento záver sa vzťahuje iba na asociácie mozgu a správania a nie príliš funkčné štúdie mapovania mozgu na DD, ktoré by si na zistenie skutočných účinkov mali vyžadovať menšie veľkosti vzoriek. , a preto neexistuje rozpor medzi našimi výsledkami a zisteniami z týchto štúdií.

Nenašli sme súvislosť medzi preferenciou okamžitých odmien a žiadnym z testov WM (LSWMT a 2-späť). Podobne v údajoch HCP nebola žiadna asociácia DD s verbálnym alebo neverbálnym EM. Tieto výsledky sú v súlade s nedávnou štúdiou (Yeh et al. 2021), ktorú dopĺňame zahrnutím 2-spätnej úlohy a prísnejšieho štatistického spracovania na analýzu údajov o štruktúre mozgu. Hoci Shamosh a spol. (2008) uvádzali súvislosť medzi nižším WMan a preferenciou okamžitých odmien, táto korelácia nebola špecifická pre WM, keďže v ich údajoch táto schopnosť nevysvetľovala rozdiely v DD nad rámec toho, čo vysvetľuje všeobecná inteligencia. Pri korekcii asociácií iba pre vek a pohlavie bola DD významne negatívne korelovaná s LSWMT, 2-spätným a verbálnym skóre EM (pozri doplnkový materiál), ale táto korelácia už nebola významná pri úprave pre premenné socioekonomického stavu (ktoré by už mali čiastočne zodpovedať za všeobecné kognitívne funkcie). Preto naše úvahy vyššie týkajúce sa falošných asociácií v dôsledku nepríjemných premenných a nereprodukovateľných zistení pri použití malých vzoriek platia aj pre tieto analýzy.

Obmedzením našej štúdie je, že naše analýzy neboli predregistrované, a preto hlásené asociácie nemožno považovať za potvrdzujúce. Napriek tomu sa domnievame, že dôležitým príspevkom týchto výsledkov je poskytovanie presnejších odhadov vplyvu na vzťahy medzi kognitívnymi opatreniami, štrukturálnym zobrazovaním a intertemporálnymi výbermi v dôsledku značne väčšej veľkosti vzorky predchádzajúcich štúdií. Ďalším obmedzením je nízka spoľahlivosť diskontných sadzieb. Parametre úloh boli kritizované pre ich nízku spoľahlivosť test-retest (Enkavi et al. 2019) a v súvisiacej doméne preferencií rizika za nedostatok konzistentnosti medzi experimentálnymi paradigmami (Pedroni et al. 2017). Tieto dôvody môžu čiastočne vysvetliť nedostatok asociácií so štruktúrou mozgu, ktoré sme našli, a nízku reprodukovateľnosť zistení v štúdiách. Rozhodujúcou budúcou cestou by potom malo byť navrhnutie nových paradigiem na meranie DD so zvýšenou spoľahlivosťou. Možný pokrok môže spočívať v odvodení súhrnných skóre kombinujúcich niekoľko parametrov úlohy na dosiahnutie vyššej spoľahlivosti a pomocou multivariačných metód na zvýšenie šancí na nájdenie asociácií mozog – správanie (Moutoussis et al. 2021).

Vzhľadom na dôležitosť DD pri štúdiu psychopatológie je zásadné dôkladne určiť jej základné neurobiologické lešenie. Využitím veľkého súboru údajov neuroimagingu táto štúdia pomáha zosúladiť rozdiely v literatúre o korelátoch šedej a bielej hmoty DD. Tento behaviorálny znak bol negatívne spojený s GMV v predných časových oblastiach a čo je dôležité, identifikovaný štrukturálny účinok bol malý, takže by bolo nepravdepodobné, že by sa zistil vo vzorkách s veľkosťou porovnateľnou s veľkosťou zistenou v mnohých súvisiacich štúdiách. Celkovo vzaté, asociácie s kognitívnymi schopnosťami a štruktúrou mozgu môžu byť slabšie, ako naznačujú predchádzajúce správy. Naše výsledky vyžadujú vývoj robustnejších opatrení DD a implementáciu neuroimagingových štúdií s väčšími veľkosťami vzoriek, než aké boli bežné v tejto oblasti, ako aj primeranú kontrolu možných zmätkov.

Poďakovanie

Ďakujeme Matsovi Eriksonovi a Kajse Burströmovej za zhromaždenie údajov. Sme vďační za súbor údajov s otvoreným prístupom, ktorý poskytuje projekt Human Connectome Project, WU-MinnConsortium (hlavní výskumníci: David Van Essen a Kamil Ugurbil; 1U54MH091657).

Doplnkový materiál

Doplnkový materiál je dostupný na Cerebral Cortexonline.

Financovanie

Túto prácu podporila Švédska rada pre výskum (číslo grantu VR521-2013-2589 pre MG-M), cena Alexandra von Humboldta za výskum (LB) a dar Nadácie AF Jochnicka (LB).

Vyhlásenie o konflikte záujmov: Dr Zeb Kurth-Nelson je zamestnaný v DeepMind. Zvyšní autori nedeklarujú žiadny konflikt záujmov.

Referencie

1. Addis DR, Wong AT, Schacter DL. Spomínanie na minulosť a predstavovanie si budúcnosti: bežné a odlišné nervové substráty počas konštrukcie a spracovania udalostí. Neuropsychológia. 2007:45:1363–1377.

2. Ahn WY, Rass O, Fridberg DJ, Bishara AJ, Forsyth JK, Breier A, Busemeyer JR, Hetrick WP, Bolbecker AR, O'Donnell BF. Dočasné diskontovanie odmien u pacientov s bipolárnou poruchou a schizofréniou. J Abnorm Psychol. 2011:120:911–921.

3. Amlung M, Vedelago L, Acker J, Balodis I, MacKillop J. Strmé oneskorenie diskontovania a návykové správanie: metaanalýza spojitých asociácií. Závislosť. 2017:112:51–62.

4. Ashburner J, Friston KJ. Morfometria založená na voxeloch – metódy. NeuroImage. 2000:821:805–821.

5. Barch DM, Burgess GC, Harms MP, Petersen SE, Schlaggar BL, Corbetta M, Glasser MF, Curtiss S, Dixit S, Feldt C a kol. Funkcia v ľudskom konektóme: Úloha-fMRI a individuálne rozdiely v správaní. NeuroImage. 2013:80:169–189.

For more information:1950477648nn@gmail.com