Anhedonia의 번역 모델

트랜스-진단적 표현형으로 간주되지만, 무쾌감증은 동기 부여, 가치 평가 또는 쾌락적 감상의 결손에서 나타날 수 있으며, 각각은 서로 다른 신경 과정을 반영하고 개인마다 다르게 표현됩니다. 치료를 개선하기 위해서는 무쾌감증의 구조를 개선할 필요가 있습니다. 이 프로젝트의 장기 목표는 계산, 영상 및 인과적 조작을 결합하여 무쾌감증에서 감소된 평가의 변환 바이오마커를 정의하는 것입니다. 이 제안은 Reward Positivity(RewP)로 알려진 EEG 반응이 어떻게 무쾌감증의 가치 기반 결함에 특정한 후보 바이오마커인지 식별하는 것을 목표로 합니다. RewP는 보람 있는 결과의 제시에 의해서만 도출되며 우울증에서는 감소하며 강화 학습 모델의 중심 기능인 긍정적 보상 예측 오류(+RPE)로 확장됩니다. 중요한 것은 이 동일한 신경 반응이 인간과 동일한 학습 작업을 사용하여 설치류에서 유도될 수 있다는 것입니다. 이 제안의 목적은 유도된 감정, 우울한 기분 및 학습된 무력감(마우스에서)이 RewP에서 +RPE 코딩을 직접적으로 감소시키는지 여부를 테스트하는 것입니다. 이 접근법의 이론적 근거는 전기생리학이 복잡한 행동의 메커니즘을 식별하고 이러한 메커니즘을 종 간에 번역하는 데 매우 유망한 도구라는 것입니다. 목표 1은 유도된 감정 및 +RPE가 RewP에 독립적 또는 상호 작용 효과를 갖는지 여부를 결정합니다. 목표 2는 우울한 참가자를 모집하고 무쾌감증 및 +RPE가 RewP(MEG 사용)의 기본 소스 수준 생성기에 독립적 또는 상호 작용 영향을 미치는지 여부를 결정합니다. Aim 3은 변연계 기록이 있는 마우스 모델에서 동일한 작업을 사용합니다. 그런 다음 이 메커니즘의 인과적 감소(학습된 무력감) 및 회복(플루옥세틴)을 테스트합니다. 이 제안된 연구는 인간 환자의 질병 특이적 표현형을 직접적으로 다루고 설치류 모델 내에서 평가, 조작 및 복구될 수 있는 신경 반응과 밀접하게 연결된 계산 기능을 식별하기 때문에 혁신적입니다. 이 기여는 무쾌감증의 결함 평가에 대한 변환 메커니즘을 발전시킬 것이기 때문에 중요할 것으로 예상됩니다. 이러한 목표를 완료하면 기대되는 결과는 RewP가 무쾌감증에서 비정상적인 평가의 민감하고 구체적인 메커니즘임을 검증할 것입니다. 연구 도메인 기준 프레임워크에 따라 계산 모델링을 사용하면 긍정적인 원자가 시스템 도메인에서 접근 동기의 여러 하위 구성 사이의 알고리즘 대조를 용이하게 할 것입니다. 여기에서 발전된 번역 전산 정신과 접근법은 회로 수준 기능 장애, 비정상적인 계산 및 트랜스 진단 행동 표현형을 연결합니다. 여기에서 발전된 목표를 성공적으로 완료하면 이러한 강점을 계산적으로 영감을 받고 기계적으로 테스트되고 변환 가능한 무쾌감증의 비정상적인 평가 모델로 결합하기 위한 매우 유망한 경로가 생성될 것입니다. 이 새로운 후보 바이오마커는 종 간에 번역이 가능하고 외래 진료소에서 테스트할 수 있습니다.