Organização LPFC na estimativa da diferença de duração da emoção

Visão geral. n=50 participantes da UC Santa Bárbara e da comunidade maior de Santa Bárbara serão recrutados e convidados a participar de um estudo fMRI/TMS+fMRI de múltiplas sessões. Os critérios de elegibilidade foram descritos e incluem critérios de segurança fMRI e TMS.

Tarefa Comportamental. Para testar a hipótese de que o pólo frontal lateral (FPl) representa emoções e sinais temporais e os integra para informar representações contextuais de objetivos de ação no córtex pré-frontal médio-lateral (médio-LPFC), usaremos uma tarefa bem validada que manipula o tempo e fatores de valência emocional para informar os objetivos de ação dependentes do contexto, a Tarefa de Sequências Emocionais. Em cada tentativa, os participantes visualizam sequências de 12 segundos de 4 novas imagens negativas e positivas (eventos). Metade dos ensaios apresenta apresentações de imagens negativas (vs. positivas) mais duradouras e vice-versa, produzindo maior evidência temporal para valência emocional positiva ou negativa. A quantidade de evidência temporal a favor de uma valência em uma sequência de 12 s (∆ Evidência temporal: 1200ms vs 1800ms) varia ortogonalmente em relação à valência emocional predominante, variando os tempos de apresentação de imagens individuais (2000ms-4000ms; tremidos). No final de cada sequência, os participantes indicam se a duração total dos eventos positivos ou negativos foi maior pressionando um botão (Esquerda vs. Direita), seguindo uma regra de mapeamento de ação (Sugestão de Meta Contextual).

Procedimento. Aquisição de fMRI. Usando uma bobina de 64 canais no scanner 3T Prisma Siemens MRI localizado no Brain Imaging Center (BIC) da UCSB, coletaremos EPIs de todo o cérebro (fator multibanda = 3; voxels isotrópicos de 2,5 mm3; TR = 1,5 s; TE = 30 ms ; FA=65°) e imagens ponderadas em T1 para normalização espacial e neuronavegação TMS (0,94 mm3; TR=2,5 s; TE=2,19 ms; FA=7°). Processamento e modelagem de dados fMRI. Seguindo nosso trabalho anterior (ver (2)), o processamento de dados fMRI, em FSL e Python, incluirá correção de movimento e tempo de corte, suavização FWHM de 3 mm e alinhamento ao espaço T1, mantendo a resolução funcional nativa. Parâmetros de ativação BOLD de teste para sequência emocional e épocas de preparação de ação serão obtidos usando um HRF canônico em um GLM de Mínimos Quadrados Todos (LS-A) (3) e regularizados usando normalização de ruído multivariada (4) para remover interferências incômodas. correlações de voxel devido a ruído fisiológico e/ou instrumental. Regiões de interesse (ROIs). PFC-LPFC: FPl e mid-LPFC (BA46 e 9-46); mPFC: atlas de consenso BA25 e BA32-Oxford PFC(5-7) e segmentação baseada em superfície no Freesurfer(8) alinhado ao espaço T1 individual. Atlas Amygdala ROIs-CITI(9) e registro de ANTs para espaço T1. Análise de fMRI: Visão geral. Objetivos 1-1b: Modelaremos os seguintes fatores: valência emocional predominante (positiva vs. negativa; daqui em diante, emoção), # evidência temporal (1200ms vs. 1800ms; daqui em diante, tempo) e objetivos de ação (esquerda baseada em regras vs. certo; daqui em diante, ação). AFMV. Para replicar nosso trabalho anterior(2), que mostrou decodificação linear de valência emocional em FPl e metas de ação em FPl e mid-LPFC, usaremos um classificador logístico multivariado executado em dados com pontuação z para cada assunto, ROI e tarefa época (sequências emocionais e preparação de ação) em Nilearn. O desempenho do classificador será avaliado usando a área sob a curva (AUC; desempenho de chance = 0,5) e validação cruzada de deixar um desvio (produzindo AUCs do classificador baseado em execução). Modelos Mistos: Visão Geral. Aqui e por toda parte, usamos modelos mistos (lme4(10)) entrando no assunto e executando como fatores aleatórios. Modelos mistos de classificador. O classificador AUC é testado contra o acaso usando modelos mistos que combinam AUCs do classificador executado entre assuntos. Análise de Similaridade Representacional (RSA). O RSA fatorial completo testa se a estrutura de similaridade entre ensaios de padrões de atividade neural multivoxel (ou seja, a matriz de similaridade neural) é explicada por fatores experimentais - aqui, valência emocional, tempo, objetivos de ação e, criticamente, sua interação (2) . Obteremos matrizes de similaridade neural para cada participante, ROI e época da tarefa calculando correlações de Pearson entre pares de padrões multivoxel experimentais em uma abordagem de correlação entre execuções, que minimiza correlações inflacionadas devido a dependências de dados e autocorrelação. Modelos mistos RSA. A seguir, ajustaremos um modelo misto de regressão múltipla para cada ROI usando matrizes de modelo específicas da condição (cada matriz de modelo está incluída no termo de erro do assunto). Ajustaremos os regressores emoção, tempo e emoção*tempo (época das sequências emocionais). Este modelo testa se o tempo e a emoção explicam significativamente a estrutura de similaridade dos padrões de atividade neural FPl e mid-LPFC e, criticamente, se eles interagem (ou seja, em representações conjuntivas(11,12)). Para testar se o LPFC médio e o FPl representam objetivos de ação, ajustaremos um regressor de objetivo de ação (época de preparação da ação); um modelo secundário incluirá emoção e tempo como regressores interativos (emoção*ação, tempo*ação, emoção*tempo*ação) para examinar se as representações dos objetivos de ação são inalteradas pela valência no LPFC médio (vs. FPl) (como descobrimos anteriormente(2)) ou se esses fatores estão integrados no mid-LPFC nesta tarefa. A relevância comportamental dos sinais de tempo, emoção e objetivo no LPFC. Testaremos a importação comportamental prevista de sinais integrados de tempo-emoção em FPl, regredindo o ajuste de regressores de emoção * tempo em FPl (RSA betas) na precisão na Tarefa de Sequências Emocionais. Interações FPl-mid-LPFC: Conectividade funcional e evidências representacionais inter-regionais. Testaremos se os sinais integrados de tempo-emoção do FPl podem informar a função do mid-LPFC regredindo (a) os ajustes de emoção * tempo do FPl (RSA betas) e (b) a conectividade funcional do FPl-mid-LPFC (PPI betas) na ação do mid-LPFC -sinais de gol (AUC). Rigor Estatístico. Aqui e em todo o caso, todos os valores de p são ajustados pelo FDR para corrigir múltiplas comparações. A especificidade regional e representacional no LPFC é formalmente testada inserindo a região (FPl vs. mid-LPFC) como um regressor interativo nos modelos mistos acima descritos.

Traremos participantes do Experimento 1.1 (Objetivo 1) para 3 sessões TMS + fMRI visando FPl, mid-LPFC e um controle não PFC (S1) (ordem contrabalançada entre os sujeitos). Cada administração de TMS será seguida por varredura fMRI da tarefa de sequências emocionais. O Experimento 1.2 testa um papel causal da função FPl em (a) informar representações de objetivos de ação em mid-LPFC e (b) desempenho de tarefas (exigindo rastreamento preciso de informações emocionais estendidas temporalmente); em comparação com o Experimento 1.3, que visa sinais de meta de ação no meio do LPFC, e o Experimento 1.4, que visa um controle não-PFC (S1).

Procedimento. TMS guiado por informações. Seguindo o trabalho recente de outros (13) e nosso (1), os locais individualizados do LPFC TMS terão como alvo a localização máxima das evidências do classificador relevante para a tarefa - valência emocional no FPl e objetivos de ação no meio do LPFC - conforme revelado por um holofote esférico ( raio de 7,5 mm) executado em dados de fMRI obtidos na linha de base (Experimento 1.1; Objetivo 1) limitados por ROIs anatômicos relevantes (ver ROIs, Objetivo 1). Os alvos S1 são definidos com base na anatomia(14-17). Os locais de TMS serão a priori restritos ao hemisfério esquerdo, devido ao envolvimento mais consistente do LPFC esquerdo vs. direito durante o controle cognitivo(18-20) e a regulação emocional(15,21). Protocolo TMS. O TMS será aplicado usando um estimulador magnético Magstim Horizon Lite e uma bobina em forma de oito. O direcionamento preciso do TMS é obtido usando varreduras ponderadas em T1 e sistema estereotáxico computadorizado (Brainsight). Como em nosso trabalho anterior, usaremos um protocolo cTBS off-line (trens de 50 Hz de 3 pulsos a cada 200 ms; 40 s; Huang et al. 2005), que reduz a atividade cortical por até 60 minutos após a estimulação. Questionários. Avaliaremos o humor pré e pós TMS usando o PANAS(22) e STAI(23). Análise de ressonância magnética funcional. Conduziremos MVPA e RSA (detalhados no Objetivo 1). Rigor Estatístico. Veja Objetivo 1; aqui, a especificidade do site TMS é testada inserindo o site TMS (FPl vs. mid-LPFC vs. Control/S1) como um fator interativo nos modelos mistos acima descritos (classificador AUC e RSA); todos os valores de p FDR corrigidos para comparações múltiplas.