ファーマン-2021-前頭ドーパミン トーンの増強 E.pdf パート 2
Mar 07, 2024
重要なのは、コンテキストファースト (CF) トライアルとコンテキストラスト (CL) トライアルは、選択的かグローバルかに関係なく、応答選択中の競合などの他の要因によって区別されないことです。
反応選択期間とは、さまざまな選択に直面したときに必要な思考と意思決定の時間を指します。 記憶は、過去の経験や学習からの情報を保存および取得する脳の能力です。 この 2 つはあまり関連性がないように見えますが、密接な関係があります。
まず、回答選択期間が短いか長いかは、多くの場合、タスクの熟練度と背景知識の量によって決まります。 特定のタスクに慣れてくると、そのタスクを実行するときの応答選択期間が短くなることがわかります。 これは、私たちの脳がすでに関連情報を長期記憶に保存しており、この情報をすぐに取得して適用できるためです。 逆に、新しくて馴染みのないものに直面したときは、短期記憶の中で熟考・比較を繰り返す必要があるため、決断するまでに長い思考時間が必要となります。 これは私たちの記憶にも影響します。新しい情報を短期記憶に保存してから長期記憶に変換する必要があり、これにはより長い時間とより多くのエネルギーが必要になることがあります。
第二に、記憶力を向上させるために熱心に取り組むと、それは間接的に私たちの反応選択期間にも影響します。 たとえば、本を読んだり、コースに参加したり、記憶力トレーニングを行ったりして、背景知識や記憶力を積極的に高めると、新しいタスクに直面したときに、関連する情報をより迅速に検索できるため、応答選択期間が短くなることがわかります。長期記憶。 これにより、私たちの自信も強化され、認知状態や感情状態をコントロールする能力が向上します。
要約すると、応答選択期間と記憶の間には密接な関係があります。 新しいことに直面すると、意思決定に時間がかかることがありますが、記憶力の向上に取り組むことで、認知効率と正確性が向上し、正しい選択がしやすくなります。 したがって、私たちは誰もが積極的に学び、好奇心を持ち続け、さらに探索することを奨励します。そうすることで、回答選択期間と記憶力が向上し、より良い自分自身になることができます。 私たちは記憶力を向上させる必要があることがわかります。カンクサには抗酸化作用、抗炎症作用、および老化防止効果があり、脳内の酸化と炎症反応を軽減し、それによって脳を保護する効果があるため、カンクサは記憶力を大幅に向上させることができます。神経系の健康。 さらに、カンクサは神経細胞の成長と修復を促進し、神経ネットワークの接続と機能を強化します。 これらの効果は、記憶、学習、思考速度の向上に役立ち、認知機能障害や神経変性疾患の発症も防ぐ可能性があります。
たとえば、CF-G 条件と CL-G 条件には両方とも、試行中に提示された記号と文字を含む正解が含まれます。 さらに、前述のように、一部のグローバル試験では、ターゲット応答とフォイル応答の両方に同じ項目が含まれており、被験者が両方の項目ではなく 1 つの項目に単純に集中できないようにしています。
以前の研究 (Chatham & Badre、2013; Chatham et al.、2014) に従って、精度ではなく主に応答時間 (RT) に焦点を当てました。 精度は、二値 (正しい/間違っている) の結果の尺度として、タスクの効率の変化の影響を比較的受けません。 実際のメンテナンスやゲートの失敗は精度の変化に反映される可能性がありますが、非効率性は反映されません。 代わりに、応答が遅くなるだけです。
最終的に正しい試行の割合が変わらないとしても、トルカポンは非効率な試行の数を優先的に減らすはずであるという仮説に対処するために、試験全体にわたる応答の分布、特に非効率的な（長いRT）応答の数に敏感な尺度を使用しました。 。 注目すべきことに、RT は初期の視覚処理や運動準備などの要因の組み合わせを反映しますが、初期の視覚処理の要求はタスク全体で一致しており、トルカポンが運動反応を大幅にスピードアップしないことがこれまでの研究で確認されています (Furman et al., 2020; Kayser et al.) 、２０１２年；カイザーら、２０１５年）。
したがって、初期の視覚処理と運動準備の要求は、RT 関連の測定に基づいてタスクの状態を区別すべきではありません。すべての行動データは分析前に前処理されました。 主な焦点は反応時間であったため、安定した RT 測定に影響を与えるデータは削除されました。 前述したように、除外された被験者 11 人のうち 3 人は、すべての試験にわたって偶然以上の精度で応答できなかったために除外されました。
保持された 49 人の被験者のそれぞれについて、各セッションの最初の 10 トライアルがすべての分析から削除されました。 さらに、すべての不正確な試験と、その被験者の平均 RT から 5 標準偏差を超える RT を有する試験は、RT の分析から除外されました (Chatham & Badre, 2013; Chatham et al., 2014)。 この異常値のしきい値は、2 つの懸念事項のバランスをとるために選択されました。1 つは非効率な RT の検閲を回避したいという要望ですが、タスクに関係のない要因 (たとえば、コンピューター画面に参加できなかったために) によって混乱する非常に長い RT を回避するという目標でもあります。
すべての被験者のうち、所望の RT 範囲外であるため除外された試験は 1 つだけでした。線形混合効果モデルを使用して、トルカポンに関連した平均 RT の変化に対処しました。 このモデルは、平均 RT の測定では実験操作全体にわたる RT の分布のより微妙な変化に対処できないため、各タスク条件の RT 分布に対するトルカポン関連の影響 (以下を参照) をテストするためにさらに構築されました (Chatham et al., 2014)。 。 概念的には、メンテナンスやゲートの効率の変化は、これらのプロセスがすでに最適化されている治験には反映されない可能性があります。
たとえば、非常に高速な RT を使用する試験では、強力なメンテナンスおよびゲート プロセスが反映されている可能性があり、いかなる操作を行っても目に見える有益な効果はほとんどない可能性があります。 対照的に、RT が非常に遅い試験では、薬剤によって改善される可能性のある効率的なメンテナンスおよびゲート プロセスが反映されている可能性があります。 同様に、トルカポンがゲーティングまたはメンテナンスの効率を悪化させる場合、これらの影響は RT 分布の高速端で最も顕著に現れる可能性があります。
このような効果を測定するために、このタスクで以前に使用したアプローチ (Chatham et al., 2014) を採用し、各参加者および条件の RT データを 10 十分位数に分割し、RT が速いものから遅いものまで並べ替え、各参加者ごとの平均 RT 値を使用しました。私たちの分析では、十分位を従属変数として使用します。 このアプローチにより、RT の平均変化だけでなく、十分位全体にわたる勾配の薬剤関連変化 (「RT 勾配」) を評価することが可能になりました。
モデルでは、因子には薬物 (トルカポンまたはプラセボ; 治療コード化)、タスク条件 (CF-S、CF-G、CL-S、または CL-G; 合計コード化)、および十分位数 (1-10; 序数) が含まれます。 、およびすべてのインタラクション。 RT 分布に対するトルカポンの潜在的な非線形効果を説明するために、十分位 2 (「十分位の 2 乗」) に対して同等の交互作用項のセットが含まれています。 最後に、薬物セッション順序との相互作用(最初に薬物または最後に薬物; 合計をコード化)を制御手段として含めた。 当初、最大変量効果構造は、タイプ I エラーを最小限に抑えるために構築されました (Barr、Levy、Scheepers、および Tily、2013)。
ランダム効果には、被験者の切片、薬物の傾き、課題条件、十分位/十分位 2 とそれらの交互作用、およびランダムな傾きと被験者の切片間の相関が含まれます。 このモデルは収束に失敗しました。 したがって、(Bates、Kliegl、Vasishth、および Baayen、2015) で概説されているプロトコルに従って、ランダムな傾きと切片の間の相関関係が移動されました。 F 検定は、自由度を近似するためのサタースウェイト法を使用して固定効果に対して計算されました。 分析は、R（R Core Team、2017）の「lme4」（Bates et al.、2015）および「afex」（Singmann et al.、2018）ライブラリを使用して実行されました。
周辺平均と傾向の推定、および追跡 z 検定は、「means」パッケージ (Lenth、2018) を使用して実行されました。完全を期すために、試行ごとの精度も分析されました。
二項一般化混合効果モデルには、固定因子薬物、課題条件、およびそれらの相互作用が含まれていました。 収束を可能にして特異フィットを回避するために用語を削除した後、最終的な変量効果構造には、被験者のランダムな切片と被験者内の薬物のランダムな傾きが含まれました。 尤度比検定を使用して、固定効果項の重要性を決定しました。
MRI パラメータ。 MRIスキャンは、カリフォルニア大学バークレー校のHenry H. Wheeler, Jr. Brain Imaging CenterのSiemens MAGNETOM Trio 3T MR Scannerで実施されました。
解剖学的画像は、T1- 加重 MP-RAGE プロトコル (TR= 2300 ミリ秒、TE=2.98 ミリ秒、FOV=256) を使用して取得された 160 スライスで構成されていました。 mm、行列サイズ=256 x 256、ボクセル サイズ=1 mm3)。 安静状態の機能画像は、被験者が目を開けて静かに横たわっている間に取得され、勾配エコープラナーイメージングプロトコル（TR=1900 ms、TE =24 ms、FOV=225）で取得された 35 スライスで構成されていました。 mm、マトリックス サイズ=96 x 96、ボクセル サイズ=3.0 mm x 3.0 mm x 3.5 mm)。fMRI 前処理。 fMRI の前処理は、AFNI (http://afni.nimh.nih.gov) と FSL (http://www.fmrib.ox.ac.uk/fsl/) ソフトウェア パッケージの両方を使用して実行されました。 静止状態の機能画像を 4D NIfTI 形式に変換し、スライス タイミング オフセットを補正しました。
動き補正は、AFNI プログラム 3dvolreg を使用して、基準ボリュームを平均画像に設定して実行されました。 解剖学的スキャンとの同時位置合わせは、AFNI プログラム 3dAllineate を使用して実行され、解剖学的画像は、最初に FSL プログラムを使用して標準ボリューム (MNI_N27) に正規化されました。 同じ正規化パラメータが後でネイティブ空間統計マップに適用され、グループ統計マップが生成されました。
静止状態の接続性分析。 安静状態データは、心臓および呼吸アーチファクトの影響を低減するために、0.009 Hz と 0.08 Hz の間の時間バンドパス フィルタリングの前に、5mm FWHMGaussian カーネルによって平滑化されました (Fox et al., 2005)。 運動パラメータと白質および心室の時系列は、後続の接続性分析とは無関係に、前処理中に対象外の回帰変数として含まれましたが、全体的な平均信号は含まれませんでした。 次に、外側前頭前皮質内の関心領域 (ROI) が、(a) このタスクおよび関連タスクにおける活動の増加と中心的な役割に基づいて選択されました (Badre, Kayser, &D'Esposito, 2010; Chatham et al., 2014)。 (b) トルカポン上のこれらの領域、特に運動反応に近い領域は、後部皮質の視覚野との接続性の増加を示すだろうという仮説。
具体的には、これらの領域は、左右の背側運動前野（PMd、MNI、座標±30、-12、66）と左右の前運動前野（pPMd、MNI、座標±36、8、34）に位置していました（Badre et al.、2010;Chatham et al.、2014）。
各 ROI は、半径 8 mm の球の中心を形成する一連の MNI 座標によって定義されました。 これらの各領域のボクセルの平均によって定義された時間経過は、脳内の他のすべてのボクセルと個別に相関し、パラメトリック統計検定の適用を可能にするために相関係数がフィッシャー変換されました。
得られた個人の脳マップは、グループ統計を適用する前に MNI テンプレートに対して正規化されました。 行動パフォーマンスに対する薬物の効果と機能的接続性における薬物関連の変化との関係を調べるために、最初に各参加者とシード領域のプラセボとトルカポンの接続性マップの差を計算し、次にこれらの差マップと被験者に対応する変量効果変数の間の相関を計算しました。 - ワイズ薬物十分位効果 (「全体的な RT 傾き」) および薬物 x 十分位 x CF-G × 効果 (「薬物十分位」と「薬物十分位 x CF-G」の加算効果として計算; × ×以下、「」と呼ぶ) CF-G 条件の RT 勾配」) は、当社の行動モデルで推定されます (「行動分析」を参照)。
マップごとの有意性 (p < 0.001、複数の比較のために補正) は、AFNI プログラム 3dFWHMx および 3dClustSim から導出されたクラスター サイズ補正 (20 ボクセル) を、最初に閾値処理されたデータに適用することによって決定されました。 p < 0.0001 の値、未補正。
結果: 49 人の被験者が、試験期間中、数字で示される文脈の手がかりを使用して記号や文字を思い出すことが求められる階層的作業記憶タスクを完了しました (図 1A ～ E)。 以前の研究 (Chatham et al., 2014) と一致して、4 つのタスク条件が評価されました。 コンテキスト優先、グローバル (CF-G)。 contextlast、選択的 (CL-S); そしてコンテキストは最後、グローバル (CL-G)。
特に、これらの条件のそれぞれは、入力ゲート、出力ゲート、およびメンテナンスに異なる戦略的要求を課します (方法および図 1F)。 これらの条件について、各タスク条件の平均 RT と 10 個の十分位数にわたる RT の分布の変化の両方を評価しました (Chatham et al., 2014)。この「RT 傾き」値は、各条件の反応時間の分布をよりよく反映しています。 ;具体的には、平均RTまたは精度とは区別して、皮質ドーパミンの緊張を高めることがすべての試験の維持を改善するわけではなく、代わりに試験のサブタイプ全体で非効率的な維持を優先的に改善するか、または効率的な維持を妨害する可能性がある可能性に対処します（「方法」を参照）。
精度はタスクの条件によって異なりますが (2(3)=174.23, p<0.0001), there was no significant effect of drug ( 2 (1)=0.03, p=0.87), nor interaction of drug and condition ( 2 (3)=1.83, p=0.61), on task accuracy (see Table 1). Our analysis of RT revealed a significant main effect of task condition on RT (F[3,114.79]=420.87, p < 0.0001), consistent with previous work using this paradigm (Chatham et al., 2014). Interactions of condition x decile (F[3,80.1]=26.19, p < 0.0001) and of condition x decile 2 (F[3,57.87]=17.07, p < 0.0001), and the hypothesized 3-way interactions of condition x decile x drug (F[3,59.65]=3.50, p = 0.02), and of condition x decile 2 x drug (F[3,83.22]=3.05, p = 0.03) were also identified (see Table 1).
注目すべきことに、これらの {{0}} 方向の相互作用は、状態 x 十分位 x 薬剤 x セッション順序の 4- 方向の相互作用にもかかわらず持続しました(F[3,59.65]=2.96, p{ {7}}.04; 同等の項「状態 x 十分位 2 x 薬物 x セッション順序」は有意ではありませんでした、F[3,83.22]=1.59、p=0.2 ）。 RT(F[1,49.68]=0.03, p=0.86) および薬物 x 十分位数の相互作用 (F[1, 47.36]=0.34、p=0.56)、drugx 10位2 (F[1,63.41]=1.36、p=0.25)、およびdrug x条件 (F[3,76.84]=0.76、p=0.52) はすべて有意ではありませんでした。 予想通り、十分位 (F[1,58.43]=1078.76、p < 0.0001) と十分位 2 (F[1,44.22]=485.78、p < 0.0001) の単純な効果は有意でした。しかし、これらの影響は解析設計の直接的な結果であり、それ以上の調査は行われませんでした。
プラセボセッションとトルカポンセッションの両方について、状態の推定周辺平均、および十分位と十分位 2 にわたる状態固有の傾向を表 1 に示します。追跡 z 検定により、関心のある 3- 方向の相互作用 (薬物 x 状態 x十分位）は、少なくとも部分的には、CF-G 試験の RT 傾きに対するトルカポン（対プラセボ）の有意な効果によって引き起こされました（傾向推定値=-6.2、SE= 2.7、z { {11}}.3、p=0.02)。
RT スロープに対するこの効果は、生データの CF-G 条件でも明らかであり (図 2B)、メンテナンス需要が高く、(出力) ゲート需要が低い場合にトルカポンの効果が最も顕著になるはずであるという私たちの仮説と一致しています (図 1F) ）。
さらに、最適化された行動反応はより短い RT を持つはずであるため、この RT 傾きの減少は、トルカポンが維持プロセスの効率を改善し、より長い RT を持つ試験の割合が減少するはずであるという仮説と一致します。
For more information:1950477648nn@gmail.com
