Organización LPFC en la estimación de la diferencia entre emoción y duración

Descripción general. Se reclutará e invitará a n = 50 participantes de UC Santa Bárbara y la comunidad más amplia de Santa Bárbara a participar en un estudio de múltiples sesiones de fMRI/TMS+fMRI. Se han descrito criterios de elegibilidad que incluyen criterios de seguridad de fMRI y TMS.

Tarea conductual. Para probar la hipótesis de que el polo frontal lateral (FPl) representa señales emocionales y temporales y las integra para informar representaciones de objetivos de acción contextuales en la corteza prefrontal mediolateral (LPFC media), utilizaremos una tarea bien validada que manipula el tiempo. y factores de valencia emocional para informar los objetivos de acción dependientes del contexto, la Tarea de Secuencias Emocionales. En cada prueba, los participantes ven secuencias de 12 segundos de 4 nuevas imágenes (eventos) negativos y positivos. La mitad de los ensayos presentan presentaciones de imágenes negativas (frente a positivas) de mayor duración, y viceversa, lo que arroja mayor evidencia temporal de valencia emocional positiva o negativa. La cantidad de evidencia temporal a favor de una valencia en una secuencia de 12 s (∆ evidencia temporal: 1200 ms frente a 1800 ms) varía ortogonalmente con respecto a la valencia emocional predominante variando los tiempos de presentación de imágenes individuales (2000 ms-4000 ms; con nerviosismo). Al final de cada secuencia, los participantes indican si la duración total de los eventos positivos o negativos fue mayor presionando un botón (Izquierda o Derecha), siguiendo una regla de mapeo de acciones (Indicación de objetivo contextual).

Procedimiento. Adquisición de resonancia magnética funcional. Usando una bobina de 64 canales en el escáner de resonancia magnética 3T Prisma Siemens ubicado en el Brain Imaging Center (BIC) de UCSB, recolectaremos EPI de todo el cerebro (factor multibanda = 3; vóxeles isotrópicos de 2,5 mm3; TR = 1,5 s; TE = 30 ms ; FA=65°) e imágenes ponderadas en T1 para normalización espacial y neuronavegación TMS (0,94 mm3; TR=2,5 s; TE=2,19 ms; FA=7°). Procesamiento y modelado de datos de resonancia magnética funcional. Siguiendo nuestro trabajo anterior (ver (2)), el procesamiento de datos de fMRI, en FSL y Python, incluirá corrección de movimiento y tiempo de corte, suavizado FWHM de 3 mm y alineación con el espacio T1 manteniendo la resolución funcional nativa. Los parámetros de activación BOLD a modo de prueba para la secuencia emocional y las épocas de preparación de la acción se obtendrán utilizando un HRF canónico en un GLM de mínimos cuadrados (LS-A)(3) y se regularizarán utilizando la normalización de ruido multivariante(4) para eliminar interferencias molestas. correlaciones de vóxeles debidas al ruido fisiológico y/o instrumental. Regiones de interés (ROI). PFC-LPFC: FPl y medio LPFC (BA46 y 9-46); mPFC: atlas de consenso BA25 y BA32-Oxford PFC (5-7) y segmentación basada en superficie en Freesurfer (8) alineado al espacio T1 individual. Atlas de ROIs-CITI de amígdala (9) y registro de ANT en el espacio T1. Análisis de resonancia magnética funcional: descripción general. Objetivos 1-1b: Modelaremos los siguientes factores: valencia emocional predominante (positiva versus negativa; de ahora en adelante, emoción), # evidencia temporal (1200 ms versus 1800 ms; de ahora en adelante, tiempo) y objetivos de acción (izquierda basada en reglas versus izquierda). derecho; en adelante, acción). MVPA. Para replicar nuestro trabajo anterior (2), que mostró la decodificación lineal de la valencia emocional en FPl y los objetivos de acción en FPl y mediados de LPFC, utilizaremos un clasificador logístico multivariado ejecutado con datos con puntuación z para cada sujeto, ROI y tarea. época (secuencias emocionales y preparación de acciones) en Nilearn. El rendimiento del clasificador se evaluará utilizando el área bajo la curva (AUC; rendimiento de probabilidad = 0,5) y la validación cruzada de dejar uno sin terminar (lo que produce AUC del clasificador por ejecución). Modelos mixtos: descripción general. Aquí y en todo momento, utilizamos modelos mixtos (lme4(10)) que ingresan al tema y se ejecutan como factores aleatorios. Clasificador de modelos mixtos. El AUC del clasificador se prueba contra el azar utilizando modelos mixtos que combinan AUC del clasificador de ejecución entre sujetos. Análisis de similitud representacional (RSA). El RSA factorial completo prueba si la estructura de similitud entre ensayos de los patrones de actividad neuronal multivóxel (es decir, la matriz de similitud neuronal) se explica por factores experimentales: en este caso, la valencia emocional, el tiempo, los objetivos de acción y, de manera crítica, su interacción(2) . Obtendremos matrices de similitud neuronal para cada participante, ROI y época de la tarea calculando las correlaciones de Pearson entre pares de patrones multivóxel de prueba en un enfoque de correlación entre ejecuciones, que minimiza las correlaciones infladas debido a las dependencias de datos y la autocorrelación. Modelos mixtos RSA. A continuación, ajustaremos un modelo mixto de regresión múltiple para cada ROI utilizando matrices de plantilla específicas de la condición (cada matriz de plantilla se incluye en el término de error del tema). Ajustaremos los regresores de emoción, tiempo y emoción*tiempo (época de secuencias emocionales). Este modelo prueba si el tiempo y la emoción explican significativamente la estructura de similitud de los patrones de actividad neuronal FPl y LPFC medio y, de manera crítica, si interactúan (es decir, en representaciones conjuntivas (11,12)). Para probar si la mitad de LPFC y FPl representan objetivos de acción, ajustaremos un regresor de objetivos de acción (época de preparación de la acción); un modelo secundario incluirá la emoción y el tiempo como regresores interactivos (emoción*acción, tiempo*acción, emoción*tiempo*acción) para examinar si las representaciones de los objetivos de acción no se ven alteradas por la valencia en la mitad del LPFC (vs. FPl) (como encontramos anteriormente (2)) o si estos factores están integrados a mediados de LPFC en esta tarea. La relevancia conductual del tiempo, las emociones y las señales de objetivos en LPFC. Probaremos la importación conductual prevista de señales integradas de tiempo-emoción en FPl haciendo una regresión del ajuste de los regresores de emoción*tiempo en FPl (RSA betas) en la precisión de la Tarea de Secuencias Emocionales. Interacciones FPl-mid-LPFC: conectividad funcional y evidencia representacional interregional. Probaremos si las señales integradas de tiempo-emoción de FPl pueden informar la función de LPFC medio haciendo una regresión (a) de los ajustes de emoción*tiempo de FPl (RSA betas) y (b) la conectividad funcional de FPl-mid-LPFC (PPI betas) en la acción de LPFC medio. -señales de gol (AUC). Rigor estadístico. Aquí y en todo momento, todos los valores de p se ajustan según FDR para corregir comparaciones múltiples. La especificidad regional y representacional en LPFC se prueba formalmente ingresando la región (FPl versus mid-LPFC) como un regresor interactivo en los modelos mixtos descritos anteriormente.

Llevaremos a los participantes del Experimento 1.1 (Objetivo 1) a 3 sesiones de TMS + fMRI dirigidas a FPl, LPFC medio y un control sin PFC (S1) (orden contrapesado entre sujetos). Cada administración de TMS será seguida por una exploración por resonancia magnética funcional de la tarea de secuencias emocionales. El Experimento 1.2 prueba un papel causal de la función FPl en (a) informar representaciones de objetivos de acción a mitad de LPFC y (b) desempeño de tareas (que requiere un seguimiento preciso de la información emocional extendida temporalmente); en comparación con el Experimento 1.3, que apunta a señales de acción-objetivo a mitad de LPFC, y el Experimento 1.4, que apunta a un control sin PFC (S1).

Procedimiento. TMS guiado por información. Siguiendo el trabajo reciente de otros(13) y nuestro(1), los sitios LPFC TMS individualizados se enfocarán en la ubicación máxima de la evidencia del clasificador relevante para la tarea (valencia emocional en FPl y objetivos de acción en la mitad de LPFC) como lo revela un reflector esférico ( 7,5 mm de radio) ejecutados con datos de resonancia magnética funcional obtenidos al inicio del estudio (Experimento 1.1; Objetivo 1) limitados por ROI anatómicos relevantes (ver ROI, Objetivo 1). Los objetivos S1 se definen en función de la anatomía(14-17). Los sitios de TMS estarán restringidos a priori al hemisferio izquierdo dada una participación más consistente del LPFC izquierdo versus derecho durante el control cognitivo (18-20) y la regulación de las emociones (15,21). Protocolo TMS. TMS se administrará utilizando un estimulador magnético Magstim Horizon Lite y una bobina en forma de ocho. La orientación precisa de TMS se logra mediante exploraciones ponderadas en T1 y un sistema estereotáxico computarizado (Brainsight). Como en nuestro trabajo anterior, utilizaremos un protocolo cTBS fuera de línea (trenes de 50 Hz de 3 pulsos cada 200 ms; 40 s; Huang et al. 2005), que reduce la actividad cortical hasta 60 min después de la estimulación. Cuestionarios. Evaluaremos el estado de ánimo antes y después de la TMS utilizando PANAS (22) y STAI (23). Análisis de resonancia magnética funcional. Realizaremos MVPA y RSA (detallados en el Objetivo 1). Rigor estadístico. Ver objetivo 1; aquí, la especificidad del sitio TMS se prueba ingresando el sitio TMS (FPl versus mid-LPFC versus Control/S1) como un factor interactivo en los modelos mixtos descritos anteriormente (clasificador AUC y RSA); todos los valores p corregidos por FDR para comparaciones múltiples.