뇌 구조, 작업 기억 및 일화 기억과 지연 할인의 연관성 조사 2부
Nov 20, 2023
구조적 예측변수와 DD의 관계
FSL의 PALM 소프트웨어 버전 1.11(Winkler et al. 2014; Winkler, Webster, et al. 2016b) MATLABR2017b에서 실행 중입니다.
최근 몇 년 동안 사람들의 생활 수준이 향상되고 연령이 증가함에 따라 기억력 문제가 점점 더 주목을 받고 있습니다. 그러나 일부 사람들은 적극적으로 뇌를 운동했지만 여전히 기억력 문제로 어려움을 겪고 있습니다. 이때 메모리 향상을 위해 비모수적 배열을 사용하는 것을 고려할 수 있습니다.
그렇다면 비모수적 순열이란 무엇일까요? 비모수적 배열은 수치 비교 없이 특정 규칙에 따라 데이터 집합을 배열하는 통계적 방법입니다. 모수적 순열과 비교하여 비모수적 순열은 적용 범위가 더 넓으며 데이터의 분포와 이산성에 대해 너무 많은 가정을 하지 않습니다.
그리고 비모수적 배열을 사용하여 메모리를 향상시키는 방법은 무엇입니까? 우선, 우리는 인간의 두뇌가 이미지, 오디오, 텍스트 등과 같은 다양한 정보를 분석하고 기억하고 회상할 수 있다는 것을 알고 있으므로 비모수적 배열을 사용하여 다양한 정보에 대한 두뇌의 처리 및 기억 능력을 향상시킬 수 있습니다.
색상, 숫자, 단어 및 기타 정보의 기억 및 회상 연습, 그리고 다양한 정보의 비모수적 배열과 같은 일부 연습을 통해 뇌에 보다 규칙적인 구조가 형성되어 뇌의 기억 능력이 향상됩니다.
또한, 비모수적 순열을 사용하면 정신적 유연성을 향상시키고 불안과 스트레스 등을 줄일 수 있습니다. 뇌를 운동시키면 뇌가 더 유연하고 건강하게 작동할 수 있어 불필요한 우울증, 불안, 기타 부정적인 감정이 줄어들고 삶과 일을 더 긍정적으로 대할 수 있습니다.
간단히 말해서, 비모수적 배열은 뇌 기억과 사고 유연성을 향상시키는 실현 가능하고 효과적인 방법입니다. 지속적인 운동과 연습을 통해 뇌의 기억력과 처리 능력이 효과적으로 향상되어 우리가 보다 건강하고 긍정적으로 삶을 직시하고 일하는 데 도움이 됩니다. 기억력을 향상시켜야 함을 알 수 있습니다. Cistanche Deserticola는 아세틸콜린 및 성장 인자 수치를 높이는 등 신경 전달 물질의 균형을 조절할 수 있기 때문에 기억력을 크게 향상시킬 수 있습니다. 이 물질은 기억과 학습에 매우 중요합니다. 또한 고기는 혈류를 개선하고 산소 전달을 촉진하여 뇌에 충분한 영양분과 에너지를 공급하여 뇌의 활력과 지구력을 향상시킬 수 있습니다.
우리는 10000 순열을 사용하여 Pareto 분포(Winkler, Ridgway, et al. 2016a)를 사용하여 P-값의 순열 분포 꼬리를 모델링하고 다음 분포를 사용하는 여러 테스트에 대한 FWER(family-wise error rate) 제어를 사용했습니다. 최대 통계(Westfalland Young 1993). HCP 데이터 세트에는 형제자매(대부분 쌍둥이)와 함께 샘플링된 피험자가 포함되어 있습니다. 이는 측정값이 독립적인 것으로 간주될 수 없음을 의미합니다.
데이터 세트의 가족 구조를 설명하면서 관심 변수 간의 연관성을 테스트하기 위해 다중 레벨 블록 순열 테스트를 사용했습니다(Winkler et al. 2015). 이러한 연관성은 일반 지능의 척도인 NIH 도구 상자("CogTotalComp_Unadj")의 선형 및 2차 항, 성별, 교육, 소득 및 인지 기능 종합 점수에 대해 수정되었습니다. 테스트된 연관성에 대한 2-테일 P-값을 보고했습니다.
정점 및 복셀별 분석
비교를 위해 우리는 또한 DD와의 연관성을 테스트하기 위해 별도의 일변량 정점별(피질 두께, 표면적) 및 복셀별(GMV, FA, MD) 분석을 수행했습니다. 이러한 분석은 2,000 순열 및 임계값 없는 클러스터 향상(Smith and Nichols 2009)을 사용하여 FSL의 PALM 소프트웨어에 구현된 비모수 순열 테스트를 사용하여 수행되었습니다. 이전 분석과 마찬가지로 Pareto 분포를 사용하여 P 값의 순열 분포 꼬리를 모델링하고 최대 통계 분포를 사용하여 여러 테스트에 FWER 제어를 적용했으며 다단계 블록 순열 테스트를 통해 계열 구조를 설명했습니다. 위와 마찬가지로 이러한 분석은 선형 및 이차원 항, 성별, 교육, 소득 및 일반 지능에 대해 통제되었습니다.
결과
우리는 DD 작업(3)에서 항상 즉각적이거나 지연된 응답(9)을 선택했거나 의사 R2 통계(Camerer and Ho 1999)가 0보다 클 사후 확률이 0보다 작은 대상(3)에서 불완전한 응답을 가진 대상을 제외했습니다. {{5} }.95, 즉 해당 모델이 우연 모델보다 반응에 더 잘 맞는 피험자(166명). 이러한 기준으로 인해 HCP 샘플에서 178명의 피험자가 제외되었습니다. 표 1은 DD에 대해 분석된 다양한 인지 작업 및 영상 양식에 대한 유효한 관찰 수와 샘플에 대한 인구통계학적 정보를 표시합니다. 보상의 주관적 가치는 한 달 후 명목 가치의 평균 79%, 1년 후 23%였습니다. DD의 성별 차이는 유의하지 않았습니다(남성(n=473) > 여성(n=545):t=0.27, P=0.80).
DD와 회백질의 관계
선형 및 2차 연령 항, 성별, 총 두개내 용적을 보정한 후 할인율은 총 피질 용적 또는 조사된 피질하 구조의 용적과 연관되지 않았습니다. 표 2는 이러한 연관성에 대한 통계를 표시합니다.
피질 두께, 표면적 및 GMV 맵은 50 구성 요소에서 연결된 ICA와 공동으로 분해되었으며, 각 구성 요소는 참가자 전체에 걸쳐 회백질 구조가 강하게 공변하는 영역을 반영하는 공간 맵과 구성 요소의 기여도를 나타내는 개별 점수를 정의합니다. . 회백질 구성 요소 중 하나의 점수는 DD와 유의하게 음의 연관이 있었습니다(그림 2A, r =-0.172, Pcorr < 1e-4, 테스트된 50개 구성 요소에 대해 수정됨, n=946).
3가지 회백질 양식 중에서 이 구성 요소는 GMV에서 가장 큰 비중(62%)을 가졌으며(그림 2B), 가장 큰 부하는 측두극과 설전부에 있었습니다(그림 2C 및 D). ICA는 부호 불확정성을 겪기 때문에 구성 요소의 점수는 부하(해부학적 분포가 해당 공간 지도로 표시됨)와 관련하여 해석되어야 합니다. 즉, 한 구성 요소의 점수와의 음의 연관성은 회백질 구조 측정과의 (부분) 음의 상관 관계를 반영합니다. 하중 값이 양수인 영역에서. 이러한 연관성은 선형 및 2차 연령 조건, 성별, 교육 및 소득에 대해 수정되었습니다.
100개의 구성요소로 데이터를 분해할 때 마찬가지로 단 하나의 구성요소만이 DD와 유의하게 연관되어 있어 50- 구성요소 분해로 검색된 패턴과 매우 유사한 패턴을 보여줍니다(그림 2E–G, r {{3 }} −0.158,Pcorr=5e−4, 테스트된 100개 구성 요소에 대해 수정됨,n=946). 단변량 복셀별 분석에서는 선형 및 2차 연령 조건, 성별, 교육 및 소득을 제어한 후 양측 측두엽 회백질 영역에서 GMV와 DD 사이에 부정적인 유의미한 연관성이 있음이 밝혀졌습니다(보충 그림 2).
이 영역은 확인된 회백질 구성 요소의 공간 패턴과 밀접하게 일치했습니다(그림 2C 및 G). 이러한 측정에 대한 표면 기반 정점별 분석에서 다중 테스트에 대한 FWER 보정 후 DD와 피질 두께 또는 면적 사이의 연관성이 중요한 피질 영역은 없었습니다.
회백질 점수와의 연관성이 단순히 일반 인지 기능을 반영하는 것이 아니라 DD에만 해당되는지 확인하기 위해 관심 없는 공변량 세트에 일반 지능 측정값을 추가하여 이러한 분석을 반복했습니다. 동일한 구성요소는 여전히 DD와 유의미하게 연관된 유일한 구성요소였습니다({{0}}구성요소 분해: r=−0.145, Pcorr=0.001; { {6}}성분 분해: r=−0.138, Pcorr=0.123), 단변량 복셀별 분석 결과는 크게 변하지 않았습니다(보조 그림 2).
DD와 백질의 관계
우리는 FA와 MD 데이터를 함께 50개의 구성요소로 분해했습니다. 다중 테스트를 통제하고 선형 및 2차 연령 항, 성별, 교육 및 소득에 대한 공변량을 적용한 후에는 어떤 구성 요소도 할인율과 연관되지 않았습니다. 일반 지능을 위해 100개의 구성 요소를 사용하거나 추가로 제어해도 비슷한 결과가 나왔습니다. 이에 따라 복셀별 분석에서는 다중 테스트에 대한 FWER 보정 후 DD와 FA 또는 MD 간의 연관성이 유의미한 영역이 없었습니다.
논의
건강한 성인의 대규모 표본에서 행동 및 신경 영상 데이터를 조사한 결과, 우리의 연구 결과에 따르면 더 작은 전측두엽 GMV에 의해 더 큰 DD가 예측된다는 사실이 밝혀졌습니다. DD와 뇌 구조를 연결하는 대부분의 이전 연구에서 나온 것보다 더 큰 HCP 데이터 세트 샘플의 크기는 우리에게 작은 규모의 효과를 안정적으로 포착할 수 있는 힘을 부여했습니다. 그러나 이전 보고서와는 달리 우리는 DD와 피질 부피, 피질하 부피, 백질 미세 구조 조직 및 WM 또는 EM 작업 점수 사이에 신뢰할 수 있는 연관성에 대한 증거를 발견하지 못했습니다.
더 큰 할인은 더 작은 GMVin 전측두엽 영역과 연관되었습니다. 이 결과는 연결된 ICA 구성 요소의 수를 변경하고 일반 정보 측정을 제어하는 데 강력했습니다. 오웬셋 알. (2017)은 HCP 데이터 세트의 T1-가중 스캔에서 피질 부피를 분석하고 분석을 통해 식별된 회백질 구성 요소 영역에 해당하는 측두엽 영역의 피질 부피와 DD 간의 연관성을 보고했습니다.
전측두엽 회백질과의 연관성이 예상되지만(동일한 데이터 세트를 사용했기 때문에), 우리의 연구는 피질 두께와 표면적, 피질하 영역에 대한 GMV와 백질 구조 측정을 조사하여 이전 연구를 확장합니다. 우리는 보다 철저한 구조적 측정 세트를 포함했다는 사실 외에도 관찰의 독립성을 잘못 가정하여 발생할 수 있는 편향된 추정을 피하기 위해 뇌 구조 측정과 DD 간의 연관성을 계산할 때 데이터의 계열 구조를 존중했습니다(Winkleret al. 2015).
우리는 또한 기회가 있는 사람들을 제외하고 더 엄격한 주제 선택을 수행하고 구조적 공분산 네트워크에서 데이터를 분해했습니다(Pehlivanova et al. 2018). 방식) 뇌 영역 전체의 구조적 이미지 값을 분석하고 여러 양식을 결합하여 보다 강력한 추정치를 생성합니다. 실제로, 구조적 데이터 분석을 위한 복셀 기반 접근 방식에 비해 공분산 네트워크에서 이미징 데이터를 분해하기 위해 ICA를 사용하는 중요한 이점은 신호의 가중 평균으로 얻어지기 때문에 복셀 기반 값보다 노이즈가 적어야 하는 점수를 생성한다는 것입니다. 모호한 해부학적 묘사를 희생하더라도 제2종 오류의 위험을 줄일 수 있는 차원 감소를 구현하여 뇌 전체의 모든 복셀을 구현합니다.
해부학적 묘사. Owens et al.의 연구와는 대조적입니다. (2017), 우리의 분석에서 피질 부피와 DD 사이의 관계는 유의미한 수준에 도달하지 못했습니다. 이러한 차이는 우리의 보다 엄격한 분석 선택(데이터 계열 구조를 설명하는 무작위, 비모수적 테스트, 혼란에 대한 엄격한 제어)으로 응답하는 피험자의 산물일 가능성이 높으며 이전에 보고된 피질 부피와 DD 사이의 연관성이 대단한 발견. DD와 전체 피질 용적 측정의 연관성은 DD보다 인지의 더 일반적인 측면을 반영하는 변수에 의해 매개되어야 한다는 것이 타당해 보입니다.
HCP 데이터 세트의 큰 표본 크기에도 불구하고 백질 구조와 DD 사이의 중요한 연관성에 대한 증거는 발견되지 않았습니다. 더 작은 샘플의 기관지 재구성을 보여주는 이전 연구에서는 PFC에 대한 특정 백질 영역에서 DD와 구조적 연결 강도 측정(예: 유선형 수) 사이의 부정적인 연관성을 보고했습니다(van den Bos et al. 2015; Hänggi et al. 2016; Hamptonet al. 2017) .
연결 강도를 조사한 연구와 달리 우리는 백질 영역에 대한 광범위한 분석을 가능하게 하고 관련 계산 및 인건비로 인해 대규모 데이터 세트의 탐색 분석에 더 적합한 기술인 TBSS로 처리된 FA 맵을 분석했습니다. 다수의 주제에 대해 포괄적인 지형도 매핑을 수행합니다. 우리가 아는 한, 우리 분석의 샘플은 백질과 할인을 연결하는 이전 연구보다 훨씬 더 큽니다. 그러나 치매가 없는 노인 대상자 302명에 대해 TBSS를 사용한 최근 연구(Han et al. 2018)(평균 연령=81.38세, SD=7.57세, 75.5% 여성)가 널리 보고되었습니다. 양측 전두엽, 전두엽 및 측두정엽 영역에서 일시적인 할인과 FA 사이의 부정적인 연관성. 우리 결과에 대한 불일치는 표본의 인구통계학적 차이로 인해 발생할 수 있습니다.
이들 연관성의 광범위한 특성을 고려할 때, 이들의 발견은 DD와 같은 특정 측정에 대해 예상되는 보다 제한된 패턴과는 반대로 노화 관련 퇴행성 메커니즘을 반영할 수 있습니다. 게다가 Han et al. 소득수준을 통제하지 않았다. 실제로 분석에서 마초와 성별만 조정할 때 할인율과 유의미한 상관관계가 있는 점수를 갖는 추가 회색질 및 백질 구성 요소를 식별했습니다(보충 자료 참조). 큰 표본은 작은 효과를 탐지할 수 있지만 단순히 교란 변수에 의해 생성된 연관성을 탐지할 위험도 더 높으므로 적절한 공변량에 맞게 조정하는 것이 중요합니다.
최근 연구(Marek et al. 2022)는 뇌 전체의 뇌-행동 연관성 연구에서 대규모 표본을 사용하는 것의 중요성을 강조했으며 이러한 연구의 일반적인 표본 크기가 재현 불가능한 효과와 부풀려진 효과 크기로 이어진다는 것을 보여주었습니다. 실제 효과가 약 0.15라고 가정하면(회백질 구성 요소의 효과 크기와 비교하여 Marek et al. 2022의 결과를 식별하고 호환 가능) 80%의 검정력을 달성하려면 250명 이상의 피험자가 필요합니다. 따라서 DD 분야의 대부분의 이전 연구는 힘이 부족했으며 이는 섹션 1에서 언급된 문헌 불일치를 설명합니다. 이 결론은 뇌-행동 연관성에만 적용되며 DD에 대한 기능적 뇌 매핑 연구에는 적용되지 않는다는 점에 유의하십시오. 실제 효과를 탐지하려면 더 작은 표본 크기가 필요합니다. 따라서 우리의 결과와 해당 연구 결과 사이에는 모순이 없습니다.
즉각적인 보상에 대한 선호와 WM 테스트(LSWMT 및 2-back) 사이의 연관성을 찾을 수 없습니다. 마찬가지로, HCP 데이터에서는 DD와 언어적 또는 비언어적 EM의 연관성이 없었습니다. 이러한 결과는 뇌 구조 데이터 분석을 위해 2-백 작업과 보다 엄격한 통계 처리를 포함하여 보완하는 최근 연구(Yeh et al. 2021)와 일치합니다. 비록Shamosh et al. (2008)은 낮은 WM과 즉각적인 보상 선호 사이의 연관성을 보고했지만, 이 상관관계는 WM에만 국한되지 않았습니다. 왜냐하면 그들의 데이터에서 이 능력은 일반 지능에 의해 설명되는 것 이상으로 DD의 차이를 설명하지 않았기 때문입니다. 연령과 성별에 대한 연관성만 교정할 때 DD는 LSWMT, 2-뒤 및 언어 EM 점수(보충 자료 참조)와 유의미한 음의 상관 관계가 있었지만 사회 경제적 상태 변수(이미 부분적으로 설명되어야 함)를 조정할 때 이 상관 관계는 더 이상 중요하지 않았습니다. 일반적인 인지 기능). 따라서 작은 표본을 사용할 때 성가신 변수로 인한 허위 연관성과 재현 불가능한 결과에 대한 위의 고려 사항도 이러한 분석에 적용됩니다.
우리 연구의 한계는 분석이 사전 등록되지 않았기 때문에 보고된 연관성이 확증적인 것으로 간주될 수 없다는 것입니다. 그럼에도 불구하고, 우리는 이러한 결과의 중요한 기여가 이전 연구의 상당히 큰 표본 크기로 인해 인지 측정, 구조적 이미징 및 시간간 선택 간의 관계에 대한 효과 크기에 대한 보다 정확한 추정을 제공하는 것이라고 믿습니다. 또 다른 한계는 할인율의 신뢰도가 낮다는 점이다. 작업 매개변수는 낮은 테스트-재테스트 신뢰성(Enkavi et al. 2019)과 관련 위험 선호 영역에서 실험 패러다임 전반에 걸쳐 일관성이 부족하다는 비판을 받았습니다(Pedroni et al. 2017). 이러한 이유는 우리가 발견한 뇌 구조와의 연관성이 부족하고 연구 전반에 걸쳐 결과의 낮은 재현성을 부분적으로 설명할 수 있습니다. 중요한 미래의 길은 향상된 신뢰성으로 DD를 측정하기 위한 새로운 패러다임을 설계하는 것입니다. 가능한 방법은 더 높은 신뢰성을 달성하기 위해 여러 작업 매개변수를 결합하고 다변량 방법을 사용하여 뇌-행동 연관성을 찾을 가능성을 높이는 요약 점수를 도출하는 것입니다(Moutoussis et al.2021).
정신병리학 연구에서 DD의 중요성을 고려할 때, DD의 근본적인 신경생물학적 기반을 확실하게 결정하는 것이 필수적입니다. 대규모 신경 영상 데이터 세트를 활용함으로써 본 연구는 DD의 회백질 상관 관계에 대한 문헌의 불균형을 조정하는 데 도움이 됩니다. 이 행동 특성은 전측두엽 영역의 GMV와 부정적으로 연관되어 있었고, 중요한 것은 확인된 구조적 효과가 작았기 때문에 많은 관련 연구에서 발견된 것과 비슷한 크기의 샘플에서는 발견될 가능성이 거의 없었습니다. 전체적으로 인지 능력 및 뇌 구조와의 연관성은 이전 보고서에서 제안한 것보다 약할 수 있습니다. 우리의 결과는 DD에 대한 보다 강력한 측정법의 개발과 현장에서 일반적으로 사용되는 것보다 더 큰 표본 크기의 신경 영상 연구 구현과 가능한 혼란 요인에 대한 적절한 제어를 요구합니다.
감사의 말
데이터를 수집한 Mats Erikson과 Kajsa Burström에게 감사드립니다. Human Connectome Project, WU-Minn 컨소시엄(주요 조사자: David Van Essen 및 Kamil Ugurbil, 1U54MH091657)에서 제공한 오픈 액세스 데이터 세트에 감사드립니다.
보충 자료
보충 자료는 Cerebral Cortexonline에서 이용 가능합니다.
자금 조달
이 작업은 스웨덴 연구위원회(MG-M에 부여 번호 VR{0}}), Alexander von Humboldt 연구상(LB) 및 AF Jochnick 재단(LB)의 기부로 지원되었습니다.
이해 상충 진술: Zeb Kurth-Nelson 박사는 DeepMind에 고용되어 있습니다. 나머지 저자는 이해 상충을 선언하지 않습니다.
참고자료
1. Addis DR, Wong AT, Schacter DL. 과거를 기억하고 미래를 상상합니다: 이벤트 구성 및 정교화 중 공통적이고 뚜렷한 신경 기질. 신경 심리학. 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. 양극성 장애 및 정신분열증 환자의 일시적인 보상 할인. J Abnorm Psychol. 2011:120:911-921.
3. Amlung M, Vedelago L, Acker J, Balodis I, MacKillop J. 급격한 지연 할인 및 중독성 행동: 연속 연관성의 메타 분석. 탐닉. 2017:112:51–62.
4. 애쉬버너 J, 프리스턴 KJ. 복셀 기반 형태 측정 - Methods.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 등 인간 커넥톰의 기능: Task-fMRI와 행동의 개인차. NeuroImage. 2013:80:169-189.
For more information:1950477648nn@gmail.com