感情持続時間の差の推定における LPFC の組織

概要。 カリフォルニア大学サンタバーバラ校およびサンタバーバラ大規模コミュニティから n=50 人の参加者が募集され、マルチセッションの fMRI/TMS+fMRI 研究に参加するよう招待されます。 適格基準が説明されており、fMRI および TMS の安全基準が含まれます。

行動タスク。 外側前頭極 (FPl) が感情と時間信号を表し、それらを統合して中外側前頭前野 (mid-LPFC) の状況に応じた行動目標表現を伝えるという仮説を検証するために、時間を操作する十分に検証されたタスクを使用します。状況依存の行動目標を通知するための感情価因子、感情シーケンス タスク。 各トライアルでは、参加者は 4 つの新しいネガティブ画像とポジティブ画像 (イベント) の 12 秒間のシーケンスを閲覧します。 試験の半分は、長期にわたるネガティブな（ポジティブな）イメージ表現を特徴としており、またその逆も同様であり、ポジティブまたはネガティブな感情価についてのより大きな時間的証拠が得られます。 12 秒のシーケンス内の 1 つの価数を支持する時間的証拠の量 (Δ 時間的証拠: 1200 ミリ秒 vs 1800 ミリ秒) は、個々の画像の表示時間を変えることによって、支配的な感情価に対して直交して変化します (2000 ミリ秒〜 4000 ミリ秒; ジッターあり)。 各シーケンスの最後に、参加者はアクション マッピング ルール (コンテキスト ゴール キュー) に従って、ボタンを押すことでポジティブなイベントとネガティブなイベントの合計継続時間がどちらが長かったかを示します (左と右)。

手順。 fMRI取得。 UCSB の脳画像センター (BIC) にある 3T Prisma Siemens MRI スキャナーの 64 チャネル コイルを使用して、全脳 EPI (マルチバンド係数 = 3、2.5 mm3 等方性ボクセル、TR = 1.5 秒、TE = 30 ミリ秒) を収集します。 ; FA=65°) および空間正規化および TMS ニューロナビゲーション用の T1 強調画像 (0.94 mm3; TR=2.5 s; TE=2.19 ms; FA=7°)。 fMRI データの処理とモデリング。 私たちの以前の研究 ((2) を参照) に続いて、FSL と Python による fMRI データ処理には、モーションとスライス時間の補正、3mm FWHM 平滑化、ネイティブ機能解像度を維持する T1 空間への位置合わせが含まれます。 感情シーケンスとアクション準備エポックの試行的な BOLD 活性化パラメーターは、最小二乗法 (LS-A)(3) GLM の正規 HRF を使用して取得され、迷惑な相互作用を除去するために多変量ノイズ正規化(4) を使用して正規化されます。生理学的ノイズおよび/または機器ノイズによるボクセル相関。 関心領域 (ROI)。 PFC-LPFC: FP1 および中間 LPFC (BA46 & 9-46); mPFC: BA25 および BA32-Oxford PFC コンセンサス アトラス (5-7) と、個々の T1 空間に合わせた Freesurfer (8) の表面ベースのセグメンテーション。 扁桃体 ROIs-CITI atlas(9) と ANT の T1 スペースへの登録。 fMRI 解析: 概要。 目標 1-1b: 次の要素をモデル化します: 支配的な感情価 (ポジティブ vs ネガティブ、以下、感情)、時間的証拠 (1200 ミリ秒 vs 1800 ミリ秒、以下、時間)、および行動目標 (ルールベースの左派 vs 感情)。右; 以下、アクション)。 MVPA。 FP1 の感情価の線形デコードと、FP1 および中期 LPFC の行動目標を示した以前の研究 (2) を再現するために、各被験者、ROI、およびタスクの Z スコア付きデータに対して実行される多変量ロジスティック分類器を使用します。 Nilearn のエポック (感情のシーケンスと行動の準備)。 分類器のパフォーマンスは、曲線下面積 (AUC; 確率パフォーマンス = 0.5) および Leave-One-run-out 相互検証 (ランワイズ分類器 AUC を生成) を使用して評価されます。 混合モデル: 概要。 ここと全体を通して、混合モデル (lme4(10)) を使用して主題を入力し、ランダム因子として実行します。 分類子混合モデル。 分類子 AUC は、被験者全体のランワイズ分類子 AUC を組み合わせた混合モデルを使用して偶然に対してテストされます。 表現類似性分析 (RSA)。 全因子 RSA は、マルチボクセルの神経活動パターンの試行間の類似性構造 (すなわち、神経類似性行列) が実験的要因 (ここでは感情価、時間、行動目標、そして重要なことにそれらの相互作用) によって説明されるかどうかをテストします (2) 。 実行間相関アプローチで試行ごとのマルチボクセル パターンのペア間のピアソン相関を計算することにより、各参加者、ROI、およびタスク エポックの神経類似性行列を取得します。これにより、データ依存性と自己相関による増大した相関が最小限に抑えられます。 RSA混合モデル。 次に、条件固有のテンプレート行列を使用して、各 ROI の重回帰混合モデルを近似します (各テンプレート行列は対象誤差項に含まれます)。 感情、時間、および感情 * 時間リグレッサー (感情シーケンス エポック) を当てはめます。 このモデルは、時間と感情がFP1と中期LPFCの神経活動パターンの類似構造を有意に説明するかどうか、そして重要なことに、それらが相互作用するかどうか（つまり、接続表現において）をテストします(11,12)。 中間 LPFC と FPI が行動目標を表すかどうかをテストするために、行動目標リグレッサー (行動準備エポック) を当てはめます。二次モデルには、感情と時間をインタラクティブなリグレッサー (感情 * アクション、時間 * アクション、感情 * 時間 * アクション) として含めて、行動目標の表現が LPFC 中期の価数によって変更されないかどうかを検査します (対 FP1）（以前に発見したように（2））、またはこれらの要因がこのタスクの中間LPFCに統合されているかどうか。 LPFC における時間、感情、目標シグナルの行動の関連性。 感情シーケンスタスクの精度について、FP1（RSAベータ）の感情*時間回帰変数の適合を回帰することにより、FP1の統合時間感情信号の予測された行動インポートをテストします。 FP1-mid-LPFC相互作用：機能的接続性および領域を越えた表現の証拠。 我々は、FP1の統合された時間-感情信号が中間LPFCの機能に情報を与えるかどうかを、(a)FP1の感情×時間の適合(RSAベータ)および(b)中間LPFCのアクションに関するFP1と中間LPFCの機能的接続性(PPIベータ)を回帰することによってテストする。 - ゴールシグナル (AUC)。 統計的な厳密さ。 ここおよび全体を通じて、すべての p 値は、多重比較を補正するために FDR 調整されます。 ＬＰＦＣにおける領域特異性および表現特異性は、上述の混合モデルにおいて対話型回帰変数として領域（ＦＰ１対中間ＬＰＦＣ）を入力することによって正式にテストされる。

実験１．１（目的１）からの参加者を、ＦＰ１、中間ＬＰＦＣ、および非ＰＦＣ対照（Ｓ１）を対象とする３つのＴＭＳ＋ｆＭＲＩセッションに連れて行く（被験者間で順序が相殺される）。 各 TMS 投与の後には、感情シーケンス タスクの fMRI スキャンが行われます。 実験１．２は、（ａ）ＬＰＦＣ中期における行動目標表現の通知、および（ｂ）タスク遂行（時間的に拡張された感情情報の正確な追跡を必要とする）におけるＦＰ１機能の因果的役割をテストする。 LPFC中期の行動目標シグナルを対象とした実験1.3および非PFCコントロール(S1)を対象とした実験1.4と比較。

手順。 情報誘導型TMS。 他の研究者(13) と私たちの(1) の最近の研究に続いて、個別の LPFC TMS サイトは、球状のサーチライトによって明らかにされる、タスク関連の分類子証拠 (FPl の感情価度と LPFC 中期の行動目標) のピーク位置をターゲットにします (半径 7.5 mm）は、関連する解剖学的 ROI によって制約されたベースライン（実験 1.1; 目的 1）で取得された fMRI データに対して実行されます（ROI、目的 1 を参照）。 S1 ターゲットは解剖学に基づいて定義されます (14-17)。 認知制御(18-20)および感情制御(15,21)中の左対右LPFCのより一貫した関与を考慮すると、TMS部位はアプリオリに左半球に限定されるであろう。 TMS プロトコル。 TMS は、Magstim Horizo​​n Lite 磁気刺激装置と 8 の字コイルを使用して提供されます。 正確な TMS ターゲティングは、T1 強調スキャンとコンピューター定位固定システム (Brainsight) を使用して実現されます。 私たちの以前の研究と同様に、刺激後最大60分間皮質活動を低下させるオフラインcTBSプロトコル（200msごとに3パルスの50Hzトレイン; 40秒; Huang et al. 2005）を使用します。 アンケート。 PANAS(22)とSTAI(23)を使用してTMS前後の気分を評価します。 fMRI解析。 MVPA と RSA を実施します (詳細は目的 1)。 統計的な厳密さ。 目標 1 を参照してください。ここで、ＴＭＳ部位特異性は、上述の混合モデル（分類子ＡＵＣおよびＲＳＡ）における相互作用因子としてＴＭＳ部位（ＦＰ１対中間ＬＰＦＣ対対照／Ｓ１）を入力することによってテストされる。すべての p 値は多重比較のために FDR 補正されます。