Organizzazione LPFC nella stima della differenza emozione-durata

Panoramica. n = 50 partecipanti dell'UC Santa Barbara e della più ampia comunità di Santa Barbara saranno reclutati e invitati a partecipare a uno studio multisessione fMRI/TMS+fMRI. I criteri di ammissibilità sono stati descritti e includono criteri di sicurezza fMRI e TMS.

Compito comportamentale. Per testare l'ipotesi che il polo frontale laterale (FPl) rappresenti emozioni e segnali temporali e li integri per informare le rappresentazioni degli obiettivi di azione contestuali nella corteccia prefrontale medio-laterale (mid-LPFC), utilizzeremo un compito ben validato che manipola il tempo e fattori di valenza emotiva per informare gli obiettivi di azione dipendenti dal contesto, il compito delle sequenze emotive. In ogni prova, i partecipanti visualizzano sequenze di 12 secondi di 4 nuove immagini negative e positive (eventi). La metà degli studi presenta presentazioni di immagini negative (rispetto a positive) più durature e viceversa, producendo una maggiore evidenza temporale per la valenza emotiva positiva o negativa. La quantità di evidenza temporale a favore di una valenza in una sequenza di 12 secondi (∆ evidenza temporale: 1200 ms vs 1800 ms) varia ortogonalmente rispetto alla valenza emotiva predominante variando i tempi di presentazione delle singole immagini (2000 ms-4000 ms; tremolante). Alla fine di ogni sequenza, i partecipanti indicano se la durata totale degli eventi positivi o negativi è stata più lunga premendo un pulsante (Sinistra vs. Destra), seguendo una regola di mappatura delle azioni (Contextual Goal Cue).

Procedura. Acquisizione fMRI. Utilizzando una bobina a 64 canali nello scanner MRI 3T Prisma Siemens situato presso il Brain Imaging Center (BIC) dell'UCSB, raccoglieremo EPI dell'intero cervello (fattore multibanda = 3; voxel isotropi da 2,5 mm3; TR = 1,5 s; TE = 30 ms ; FA=65°) e immagini pesate in T1 per la normalizzazione spaziale e la neuronavigazione TMS (0,94 mm3; TR=2,5 s; TE=2,19 ms; FA=7°). Elaborazione e modellazione dei dati fMRI. Seguendo il nostro lavoro precedente (vedi (2)), l'elaborazione dei dati fMRI, in FSL e Python, includerà la correzione del movimento e del tempo di fetta, il livellamento FWHM di 3 mm e l'allineamento allo spazio T1 mantenendo la risoluzione funzionale nativa. I parametri di attivazione BOLD a livello di prova per la sequenza emotiva e le epoche di preparazione all'azione saranno ottenuti utilizzando un HRF canonico in un GLM dei minimi quadrati (LS-A) (3) e regolarizzato utilizzando la normalizzazione del rumore multivariata (4) per rimuovere fastidiosi inter- correlazioni voxel dovute al rumore fisiologico e/o strumentale. Regioni di interesse (ROI). PFC-LPFC: FPl e medio LPFC (BA46 e 9-46); mPFC: Atlante di consenso PFC BA25 e BA32-Oxford (5-7) e segmentazione basata sulla superficie in Freesurfer (8) allineata allo spazio T1 individuale. Atlante ROI-CITI dell'amigdala (9) e registrazione delle ANT nello spazio T1. Analisi fMRI: panoramica. Obiettivi 1-1b: modellizzeremo i seguenti fattori: valenza emotiva predominante (positiva vs negativa; d'ora in poi, emozione), # evidenza temporale (1200 ms vs 1800 ms; d'ora in poi, tempo) e obiettivi di azione (sinistra basata su regole vs. a destra; di seguito azione). MVPA. Per replicare il nostro lavoro precedente(2), che mostrava una decodifica lineare della valenza emotiva in FPl e obiettivi di azione in FPl e mid-LPFC, utilizzeremo un classificatore logistico multivariato eseguito su dati con punteggio z per ciascun soggetto, ROI e attività epoca (sequenze emotive e preparazione all'azione) in Nilearn. Le prestazioni del classificatore verranno valutate utilizzando l'area sotto la curva (AUC; prestazioni probabilistiche = 0,5) e la convalida incrociata "leave one-run-out" (che produce AUC del classificatore run-wise). Modelli misti: panoramica. Qui e ovunque utilizziamo modelli misti (lme4(10)) inserendo l'oggetto e funzionando come fattori casuali. Modelli misti di classificatore. L'AUC del classificatore viene testata rispetto al caso utilizzando modelli misti che combinano le AUC del classificatore a livello di esecuzione tra i soggetti. Analisi di similarità rappresentazionale (RSA). L'RSA fattoriale completo verifica se la struttura di somiglianza tra prove dei modelli di attività neurale multivoxel (vale a dire, la matrice di somiglianza neurale) è spiegata da fattori sperimentali, qui, valenza emotiva, tempo, obiettivi di azione e, soprattutto, la loro interazione(2) . Otterremo matrici di somiglianza neurale per ciascun partecipante, ROI ed epoca dell'attività calcolando le correlazioni di Pearson tra coppie di modelli multivoxel a livello di prova in un approccio di correlazione tra esecuzioni, che riduce al minimo le correlazioni gonfiate dovute alla dipendenza dei dati e all'autocorrelazione. Modelli misti RSA. Successivamente, adatteremo un modello misto di regressione multipla per ciascuna ROI utilizzando matrici modello specifiche per la condizione (ciascuna matrice modello è inclusa nel termine di errore in oggetto). Adatteremo l'emozione, il tempo e i regressori emozione*tempo (epoca delle sequenze emotive). Questo modello verifica se il tempo e l'emozione spiegano in modo significativo la struttura di somiglianza dei modelli di attività neurale FPl e mid-LPFC e, in modo critico, se interagiscono (cioè nelle rappresentazioni congiuntive (11,12)). Per verificare se mid-LPFC e FPl rappresentano obiettivi di azione, adatteremo un regressore dell'obiettivo di azione (epoca di preparazione dell'azione); un modello secondario includerà emozione e tempo come regressori interattivi (emozione*azione, tempo*azione, emozione*tempo*azione) per esaminare se le rappresentazioni degli obiettivi di azione sono inalterate dalla valenza a metà LPFC (rispetto a FPl) (come abbiamo trovato in precedenza(2)) o se questi fattori sono integrati a metà LPFC in questo compito. La rilevanza comportamentale del tempo, delle emozioni e dei segnali di obiettivo nella LPFC. Verificheremo l'importazione comportamentale prevista dei segnali integrati tempo-emozione in FPl regredendo l'adattamento dei regressori emozione*tempo in FPl (RSA beta) sull'accuratezza nel compito delle sequenze emotive. Interazioni FPl-mid-LPFC: connettività funzionale e prove rappresentative interregionali. Verificheremo se i segnali tempo-emozione integrati di FPl possono informare la funzione mid-LPFC regredendo (a) gli adattamenti emozione*tempo di FPl (RSA beta) e (b) la connettività funzionale di FPl-mid-LPFC (PPI beta) sull'azione di mid-LPFC -segnali di goal (AUC). Rigore statistico. Qui e in tutto, tutti i valori p sono aggiustati secondo FDR per correggere confronti multipli. La specificità regionale e rappresentativa nella LPFC viene formalmente testata inserendo la regione (FPl vs. metà LPFC) come regressore interattivo nei modelli misti sopra descritti.

Porteremo i partecipanti dall'Esperimento 1.1 (Obiettivo 1) per 3 sessioni TMS+fMRI mirate a FPl, metà-LPFC e un controllo non PFC (S1) (ordine controbilanciato tra i soggetti). Ogni somministrazione di TMS sarà seguita dalla scansione fMRI del compito sulle sequenze emotive. L'esperimento 1.2 verifica un ruolo causale della funzione FPl in (a) rappresentazione delle rappresentazioni degli obiettivi di azione a metà LPFC e (b) prestazioni del compito (che richiedono un rilevamento accurato delle informazioni emotive estese nel tempo); rispetto all'Esperimento 1.3, che prende di mira i segnali di azione-obiettivo a metà LPFC, e all'Esperimento 1.4, che prende di mira un controllo non PFC (S1).

Procedura. TMS guidato dalle informazioni. Seguendo il lavoro recente di altri (13) e nostro (1), i siti TMS LPFC individualizzati mireranno alla posizione di picco delle prove di classificazione rilevanti per il compito - valenza emotiva in FPl e obiettivi di azione a metà LPFC - come rivelato da un faro sferico ( 7,5 mm di raggio) vengono eseguiti su dati fMRI ottenuti al basale (Esperimento 1.1; Obiettivo 1) vincolati da ROI anatomiche rilevanti (vedere ROI, Obiettivo 1). I target S1 sono definiti in base all'anatomia (14-17). I siti TMS saranno limitati a priori all'emisfero sinistro dato il coinvolgimento più coerente della LPFC sinistra rispetto a quella destra durante il controllo cognitivo (18-20) e la regolazione delle emozioni (15,21). Protocollo TMS. La TMS verrà somministrata utilizzando uno stimolatore magnetico Magstim Horizon Lite e una bobina a forma di otto. Il targeting preciso della TMS viene ottenuto utilizzando scansioni pesate in T1 e un sistema stereotassico computerizzato (Brainsight). Come nel nostro lavoro precedente, utilizzeremo un protocollo cTBS offline (treni a 50 Hz di 3 impulsi ogni 200 ms; 40 s; Huang et al. 2005), che riduce l'attività corticale fino a 60 minuti dopo la stimolazione. Questionari. Valuteremo l'umore pre e post TMS utilizzando PANAS(22) e STAI(23). analisi fMRI. Condurremo MVPA e RSA (dettagliati nell'Obiettivo 1). Rigore statistico. Vedi Obiettivo 1; qui, la specificità del sito TMS viene testata inserendo il sito TMS (FPl vs. mid-LPFC vs. Control/S1) come fattore interattivo nei modelli misti sopra descritti (classificatore AUC e RSA); tutti i valori p FDR corretti per confronti multipli.