Methodenartikel

Störung der Frontallappen neuronale Synchronität während kognitive Kontrolle durch Alkoholvergiftung

DOI:

10.3791/58839

⸱

6. Februar 2019

 ,  ,  ,  , 
1Department of Psychology, San Diego State University, 2Department of Radiology, University of California San Diego, 3Department of Neurosciences, University of California San Diego, 4San Diego State University/UC San Diego Joint Doctoral Program in Clinical Psychology

In diesem Artikel

Zusammenfassung

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

Dieses Experiment verwendet eine anatomisch eingeschränkt Magnetoenzephalographie (aMEG)-Methode, um Gehirn oszillierende Dynamik und langfristige funktionelle Synchronität während Engagement der kognitiven Kontrolle in Abhängigkeit von akuter Alkoholvergiftung zu untersuchen.

Zusammenfassung

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

Entscheidungsfindung stützt sich auf dynamische Interaktionen von verteilten, in erster Linie frontalen Hirnregionen. Umfangreiche Belege aus Studien der funktionellen Magnetresonanztomographie (fMRT) zeigt, dass der anterioren cingulären (ACC) und der lateralen präfrontalen Cortex (LatPFC) wichtige Knoten Gesichtskreises kognitive Kontrolle. Jedoch kann nicht wegen seiner begrenzten zeitlichen Auflösung fMRI das Timing und die Natur von ihrer mutmaßlichen Zusammenspiel widerspiegeln. Die vorliegende Studie verbindet verteilten Quelle Modellierung des Signals zeitlich präzise Magnetoenzephalographie (MEG) mit strukturellen MRT in Form von "Gehirn-Filme" auf: (1) Schätzung der kortikalen Bereiche kognitive Kontrolle beteiligt ("wo"), (2) charakterisieren ihrer zeitlichen Abfolge ("Wann"), und (3) die oszillierende Dynamik ihrer neuronalen Interaktionen in Echtzeit zu quantifizieren. Stroop-Interferenz wurde während der Konflikterkennung gefolgt von nachhaltigen Empfindlichkeit an kognitiven Anforderungen in der ACC und LatPFC bei Integration und Antwort Vorbereitung mehr veranstaltungsbezogenen Theta (4-7 Hz) macht in der ACC zugeordnet. Eine Phase-Verriegelung Analyse ergab co-oscillatory Interaktionen zwischen diesen Bereichen ihre erhöhte neuronale Synchronität im Theta-Band während der Konflikt-induzierende unpassend Studien angibt. Diese Ergebnisse bestätigen, dass Theta-Schwingungen für Langstrecken Synchronisierung benötigt für die Integration von Top-Down-Einflüsse während kognitive Kontrolle von grundlegender Bedeutung sind. MEG spiegelt wider, dass neuronaler Aktivität direkt, der macht es geeignet für pharmakologische Manipulationen im Gegensatz zur fMRT, die empfindlich auf vasoaktive verwirrt. In der vorliegenden Studie erhielten gesunde soziale Trinker eine moderate Alkohol Dosis und Placebo in einem im Thema Design. Akute Intoxikation gedämpft Theta macht, Stroop Konflikt- und Dysregulated Co Oszillationen zwischen ACC und LatPFC, bestätigt, dass Alkohol neuronale Synchronität Gesichtskreises kognitive Kontrolle schadet. Es stört zielgerichtetes Verhalten, die mangelhafte Selbstbeherrschung, zur zwanghaften trinken führen kann. Kurzum, diese Methode kann Einblick in Echtzeit-Interaktionen bei der kognitiven Verarbeitung und kann über entsprechende neuronale Netze die selektive Sensibilität für pharmakologische Herausforderung charakterisieren.

Einleitung

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

Das übergeordnete Ziel dieser Studie ist es, die Auswirkungen von akuter Alkoholvergiftung auf räumlich-zeitliche Veränderungen im Gehirn oszillierende Dynamik und weiträumige Funktionsintegration während kognitive Kontrolle zu untersuchen. Die eingesetzten multimodale Bildgebung Ansatz verbindet Magnetoenzephalographie (MEG) und strukturelle Magnetresonanztomographie (MRT), Einblick in die neuronalen Grundlagen der Entscheidungsfindung mit hoher zeitlicher Präzision und auf der Ebene der ein interaktives System.

Flexibles Verhalten macht es möglich, zur Anpassung an die wechselnden Anforderungen der kontextueller und strategisch zwischen verschiedenen Aufgaben und Anforderungen im Einvernehmen mit den Absichten und Ziele wechseln. Die Fähigkeit, automatische Antworten zu Gunsten zielrelevante aber nicht gewöhnlichen Handlungen zu unterdrücken ist ein wesentlicher Aspekt der kognitiven Kontrolle. Umfangreiche Hinweise darauf, dass es durch ein überwiegend frontalen kortikalen Netz mit der anterioren cingulären Cortex (ACC) als zentraler Knoten in diesem interaktiven Netzwerk1,2,3,4subserved ist. Während die reichlich vorhandenen anatomischen Konnektivität zwischen ACC und seitlichen frontalen Cortex gut beschriebene5,6, die funktionellen Eigenschaften der Kommunikation zwischen diesen Regionen während kognitive Kontrolle, Antwort-Auswahl ist und Ausführung, sind schlecht verstanden.

Die einflussreiche Konflikt Theorie7,8 Überwachung schlägt vor, dass kognitive Kontrolle von einer dynamischen Interaktion zwischen dem medialen und lateralen präfrontalen Cortex entsteht. Dieses Konto behauptet, dass die ACC Konflikt zwischen konkurrierenden Repräsentationen überwacht und lateralen präfrontalen Cortex (LatPFC greift), Antwort-Steuerelement implementieren und optimieren die Leistung. Dieses Konto beruht jedoch in erster Linie auf die funktionellen MRT (fMRT) Studien über das Blut Sauerstoffversorgung Level abhängigen (BOLD) Signal. Die fMRT-Fett-Signal ist eine hervorragende räumliche Mapping-Tool, aber seine zeitliche Auflösung ist begrenzt, da es regionale hämodynamische Veränderungen vermittelt durch neurovaskuläre Kopplung widerspiegelt. Dadurch entfalten die kühnen Signaländerungen auf einer viel langsameren Zeitskala (in Sekunden) als die zugrunde liegenden neuronalen Ereignissen (in Millisekunden)9. Darüber hinaus ist das Fett Signal reagiert empfindlich auf Alkohol die vasoaktive Effekte10 und entsprechen möglicherweise nicht genau das Ausmaß der neuronalen Veränderungen, wodurch es weniger geeignet für Studien von akuter Alkoholvergiftung. Daher vermuteten Zusammenspiel der medialen und lateralen präfrontalen Cortex und seine Empfindlichkeit auf Alkohol Intoxikation durch Methoden zu prüfen, die neuralen Ereignisse zeitlich präzise zu erfassen. MEG hat eine ausgezeichnete Zeitauflösung, da sie direkt postsynaptischen Ströme widerspiegelt. Die anatomisch eingeschränkt MEG (aMEG) verwendeten Methodik hier ist ein multimodaler Ansatz, der kombiniert Quelle Modellierung des MEG Signals mit strukturellen MRT verteilt. Es ermöglicht die Abschätzung von denen , die die konfliktbezogenen und Getränkeindustrie oszillierenden Veränderungen im Gehirn auftreten und der zeitlichen Abfolge ("Wenn") der beteiligten neuronalen Komponenten zu verstehen.

Entscheidungsfindung stützt sich auf die Wechselwirkungen von verteilten Hirnregionen, die dynamisch mit erhöhten Anforderungen an kognitive Kontrolle tätig sind. Eine Möglichkeit, veranstaltungsbezogene Änderungen in weiträumigen Synchronität zwischen zwei kortikalen Regionen zu schätzen ist die Kopplung als Index für ihre Co Schwingungen11,12Phase berechnen. Die vorliegende Studie angewendet eine Phase-Verriegelung Analyse um das Grundprinzip des Konflikts Überwachung Theorie durch die Untersuchung der co-oscillatory Wechselwirkungen zwischen ACC und LatPFC zu testen. Neuronale Oszillationen im Theta-Bereich (4-7 Hz) sind kognitive Kontrolle zugeordnet und sind vorgeschlagen worden, als ein grundlegender Mechanismus unterstützt die langfristige Synchronisation für Top-Down-kognitive Verarbeitung13,14benötigt, 15,16. Sie entstehen im präfrontalen Bereich als Funktion der Schwierigkeit der Aufgabe und werden erheblich abgeschwächt durch akute Alkohol Vergiftung17,18,19,20.

Langfristiger übermäßiger Alkoholkonsum ist mit einer Reihe von kognitiven Defiziten einher mit präfrontalen Schaltung besonders betroffenen21,22. Akuter Alkoholvergiftung wirkt sich nachteilig auf die kognitive Kontrolle unter Umständen größere Schwierigkeiten, Unklarheiten oder diejenigen, die Antwort Inkompatibilität17,23,24zu induzieren. Durch Einwirkung auf die Entscheidungsfindung, Alkohol kann zielgerichtetes Verhalten stören, kann schlechte Selbstkontrolle und erhöhte trinken führen und kann auch dazu beitragen, Verkehr oder arbeitsbedingten Gefahren25,26,27 . Die vorliegende Studie folgt einem aMEG Ansatz, um die oszillierende Aktivität im Theta-Band und Synchronität zwischen executive Hauptbereiche mit ausgezeichneten zeitlicher Auflösung zu messen. Die Wirkung des Alkohols auf Theta-Aktivität und Co Oszillationen zwischen ACC und die LatPFC werden als eine Funktion der Konflikt hervorgerufen durch die Stroop-Interferenz-Aufgabe untersucht. Wir vermuten, dass erhöhte kognitive Anforderungen größere funktionale Synchronität zugeordnet sind und die Alkohol-induzierte Dysregulation der synchrone Aktivität von der medialen und lateralen präfrontalen Cortex Beeinträchtigungen der kognitiven Kontrolle unterliegt.

Zugriff eingeschränkt. Bitte melden Sie sich an oder starten Sie eine Testversion, um diesen Inhalt anzuzeigen.

Protokoll

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

Dieses experimentelle Protokoll wurde vom Komitee menschlichen Themen Schutz an der University of California, San Diego genehmigt.

1. menschliche Subjekte

  1. Rechtshänder Erwachsenen Probanden zu rekrutieren, ihre Zustimmung einholen und Bildschirm ihnen auf die Inklusion/Exklusion-Kriterien.
    Hinweis: In dieser Studie, zwanzig junge, gesunde Menschen (Durchschnittsalter ± Standardabweichung [SD] = 25,3 ± 4,4 Jahre) inkl. 8 Frauen wurden rekrutiert, in Maßen, die haben noch nie in Behandlung oder verhaftet wegen Drogen- oder Alkoholabhängigkeit Verwandte Delikte trinken, kein Bericht der WHO, Alkoholismus-Symptomen auf der kurzen Michigan Alkoholismus Screening-Test28, die nicht rauchen und verwenden von illegalen Substanzen, die keine Geschichte von neuropsychiatrischen Störungen oder aktuelle gesundheitliche Probleme haben, und wer sind Medikamente frei und haben keinerlei interne ferromagnetische Objekte oder Implantate.

(2) experimentelles Design

  1. Scannen Sie jeden Teilnehmer viermal, einschließlich drei MEG-Sitzungen (eine Einführungssitzung keine-Getränke und zwei experimentelle Getränk Sessions in denen Alkohol und Placebo in gewissem Sinne ausgewogen verwaltet werden) und einen strukturellen MRT-Untersuchung.
    Hinweis: In diesem Design im Thema dienen Teilnehmer als eigene Kontrollen durch die Teilnahme an Alkohol und Placebo-Sitzungen. Dieses Design reduziert Fehler-Varianz und statistische Aussagekraft durch Minimierung der Einfluss der individuellen Variabilität in der Anatomie des Gehirns, Aktivitätsmuster und Alkohol-Stoffwechsel erhöht.

3. Sammeln von MEG scannt

  1. Durchführen Sie Einarbeitung Sitzung.
    1. Während die ersten einleitenden Sitzung verwalten Sie Fragebögen für mehr Informationen über die Teilnehmer Krankengeschichte, ihren Alkoholkonsum Mustern und schwere der Symptome im Zusammenhang mit Alkoholismus28,29, Familiengeschichte von Alkoholismus30und Persönlichkeitsmerkmale einschließlich Impulsivität31,32.
    2. Führen Sie eine erste Aufnahme in der MEG-Scanner nach dem Protokoll in die Schritte 3.2, 3.3 und 3.5 beschrieben. Bieten Sie keinem Getränk. Erläutern Sie die Aufgabe und führen Sie die Praxis Version ermöglicht Teilnehmer vorher mit ihm vertraut zu machen.
      Hinweis: Die Akklimatisierung an die experimentelle Situation dient der Minimierung potenzieller Auswirkungen der Situation-induzierten Erregung33, damit die Gleichsetzung von nachfolgenden Alkohol und Placebo-Sessions auf dieser Dimension.
  2. Führen Sie den Alkohol/Placebo experimentelle Sessions.
    Hinweis:     folgen dem gleichen experimentellen Ablauf während Alkohol und Placebo-Sessions mit Ausnahme der verabreichten Getränk. Gegengewicht Getränke Bestellung durch die Gabe von Alkohol zunächst zu einer Hälfte der Teilnehmer und Placebo, die andere Hälfte in zufälliger Reihenfolge.
    1. Führen Sie bei ihrer Ankunft an der MEG-Labor einen kurzen Test Scan indem man die Teilnehmer in den Scanner und Überprüfung der Kanäle möglich Magnetisierung aus. Messen Sie ihr Gewicht. Screen sie mit einer elektronischen Alkoholtester. Fragen sie über die Einhaltung der Anforderungen von Alkohol für 48 h und Essen für 3 h vor dem Experiment zu enthalten.
    2. Sammeln von Urinproben für ein Multi-Drogen-Test-Panel von allen Teilnehmern und schließen diejenigen, die für jedes Medikament positiv getestet. Darüber hinaus prüfen Sie weibliche Teilnehmer für die Schwangerschaft mit einem Urin testen und auszuschließen wer test positiv oder wenn sie vermuten, dass sie schwanger sein könnten.
    3. Bewerten Sie dynamische Veränderungen in die subjektive Wirkung des Alkohols durch bittet die Teilnehmer, ihre momentanen Gefühle und Staaten zu bewerten, auf einer standardisierten Skala34 vor dem Trinken und zusätzliche zweimal während des Experiments - auf dem aufsteigenden Ast (~ 15 min nach dem Konsum von Getränken) absteigende Leib den Atem Alkohol Konzentrationskurve (BrAC), nach der Aufnahme MEG und.
    4. Verwalten Sie einen Probelauf der Stroop-Aufgabe auf einem Laptop mit Reiz Präsentations-Software, um sicherzustellen, dass die Teilnehmer die Aufgabe vor der Aufnahme zu verstehen.
      Hinweis: Diese Version der Stroop Aufgabe verbindet lesen und Farbe benennen (Abbildung 1). Die kongruente Bedingung besteht aus Farbe Wörter (z. B. rot, grün, blau, gelb), die in die passende Schriftfarbe (d. h. das Wort "grün" in grün aufgedruckt ist) gedruckt werden. In der unpassend Zustand werden Farbe Wörter in Farbe gedruckt, die entspricht nicht ihrer Bedeutung (z.B. das Wort "grün" in Gelb gedruckt wird). Bitten Sie die Teilnehmer drücken eine der vier Tasten, die Schriftfarbe entspricht, wenn ein Wort geschrieben wird, in Farbe oder, wenn ein Wort in grau, ein Knopfdruck entsprechend der Bedeutung des Wortes18,23geschrieben wird.
  3. Bereiten Sie die MEG/EEG-Aufzeichnung.
    Hinweis:     Details der MEG Datenerfassung wurden in früheren Publikationen35,36,37beschrieben.
    1. Positionieren Sie das EEG Kappe oder einzelnen EEG-Elektroden auf dem Kopf des Teilnehmers und überprüfen Sie, ob alle Impedanzen unter 5 kΩ sind.
    2. Befestigen Sie die Kopfposition Indikator (HPI) Spulen auf beiden Seiten der Stirn und hinter jedem Ohr.
      Hinweis: Dieser Schritt ist für Neuromag Systeme.
    3. Digitalisieren Sie Positionen die treuhändische Punkte einschließlich der Nasion und zwei preauricular Punkte, Positionen der HPI Spulen, EEG-Elektroden und erhalten Sie eine große Anzahl von zusätzlichen Punkten (~ 200) Abgrenzung der Kopfform. Verwenden Sie diese Informationen für die Co-Registrierung mit anatomischen MRT-Aufnahmen (Abbildung 2).
  4. Getränke zu verwalten.
    1. Bereiten Sie alkoholische Getränke durch Mischen Qualität Premiumvodka mit gekühlten Orangensaft (25 % V/V), basierend auf Geschlecht und Gewicht (0,60 g/kg Alkohol für Männer, 0,55 g/kg Alkohol für Frauen), jeder Teilnehmer gezielt eine BrAC von 0,06 %38. Servieren Sie die gleiche Menge an Orangensaft mit Felgen geschrubbt mit Wodka als ein Placebo-Getränk in Gläsern. Bitten Sie die Teilnehmer, das Getränk in ca. 10 min zu konsumieren.
    2. Überprüfen Sie die Teilnehmer BrAC mit der Alkoholtester ab ~ 15 min nach dem Trinken und dann alle 5 Minuten, bis sie die Aufnahme-Kammer betreten. Da elektronische Geräte im abgeschirmten Raum verwendet werden können, verwenden Sie ein Speicheltest Alkohol, bestehend aus einem Wattestäbchen, die im Speichel gesättigt ist und in ein Gefäß, das bietet eine Anzeige eingefügt wird.
  5. MEG/EEG-Daten zu erwerben.
    1. Positionieren Sie die Teilnehmer bequem in den Scanner. Da die präfrontale Aktivität von besonderem Interesse ist, sicherzustellen Sie, dass der Teilnehmer so positioniert ist, dass seinen/ihren Kopf die Spitze des Helms berührt und sich an der Front orientiert.
      Hinweis: Kopf Position kann Aktivität Schätzungen auf signifikante Weise beeinflussen, da die Magnetfeld-Gradienten mit der dritten Potenz des Abstandes zwischen den Sensoren und dem Gehirn Quellen39zu verringern.
    2. HPI-Spulen und aller Elektroden an ihre jeweiligen Eingaben auf den Scanner anschließen. Positionieren Sie Antwort-Pads so, dass die Tasten bequem gedrückt werden können. Feststellen Sie, dass die Schrift deutlich lesbar auf der Leinwand vor dem Teilnehmer ist.
    3. Zurück in den Kontrollraum prüfen Sie, ob die Sprechanlage einwandfrei funktioniert. Erinnern Sie die Teilnehmer, blinken zu minimieren und Bewegungen einschließlich Kopfbewegung verursacht durch Gespräche zu vermeiden. Weisen Sie die Teilnehmer Fragen zu beantworten, mit den Tasten Reaktion statt.
    4. Überprüfen Sie, dass alle Reaktion und Reiz Trigger korrekt aufgezeichnet werden. Alle Kanäle für Artefakte zu prüfen und Messen der Kopfpositions im Scanner.
    5. Starten Sie die Datenerfassung und beginnen Sie die Aufgabe. Geben Sie bricht alle ~2.5 min ruhen die Augen. Sichern Sie die Daten nach Abschluss der Aufgabe und begleiten Sie die Teilnehmer aus der Aufnahme-Kammer.
    6. Wenn der Teilnehmer den Scanner beendet wurde, erwerben Sie etwa zwei Minuten von Daten aus der leere Raum als Maß für die instrumentelle Rauschen.
    7. Bitten Sie die Teilnehmer auf Aufgabe Schwierigkeiten, Inhalte des getrunkenem Getränkes, wie berauscht, sowie deren momentane Stimmungen und Gefühle34fühlten sich wahrgenommen.

4. Bildern Sie Übernahme und kortikalen Rekonstruktion der strukturellen MRT

  1. Erhalten Sie einen hochauflösenden anatomischen MRT-Scan für jeden Teilnehmer und rekonstruieren Sie jeder Teilnehmer kortikalen Oberfläche mit FreeSurfer Software40,41,42zu.
  2. Verwenden Sie die inneren Schädel Oberfläche abgeleitet aus der segmentierten strukturellen MRT-Aufnahmen, um ein Boundary-Elemente-Modell des Leiters Volumen zu erzeugen, die verwendet wird, um ein Modell für die vorwärts-Lösung anbieten, die jeden einzelnen Gehirn Anatomie43 entspricht , 44.

(5) MEG Datenanalyse

Hinweis: Analysieren Sie die Daten mit dem anatomisch eingeschränkt MEG Ansatz, der jedes Teilnehmers rekonstruierten kortikalen Oberfläche verwendet, um die Quelle Schätzungen zur kortikalen Band40,45,46zu beschränken. Die Analyse-Stream stützt sich auf benutzerdefinierte Funktionen mit Abhängigkeiten von öffentlich verfügbaren Pakete einschließlich Exkursion47, EEGLab48und MNE49.

  1. Während Daten Vorverarbeitung, verwenden einen permissive Bandpass-Filter (z. B. 0,1 - 100 Hz) und Epoche Daten in Bezug auf Reiz auftreten in Segmente, die Polsterung Abständen an beiden Enden enthalten (z. B.-600 bis 1100 ms für ein Intervall von Interesse von-300 bis 800 ms nach der Entfernung der Polsterung).
  2. Laut und flache Kanäle sowie Studien, enthält Artefakte durch Sichtkontrolle und mit Schwelle-basierte Ablehnung entnehmen. Verwenden Sie unabhängige Komponente Analyse48 , um Eyeblink und Herzschlag Artefakte zu entfernen. Beseitigen Sie Versuche mit Fehlreaktionen.
  3. Gelten Sie Morlet Wavelet (Abbildung 3)47 um komplexe Leistungsspektrum für jeden Versuch in 1 Hz-Schritten für Theta-Frequenzbereich (4-7 Hz) zu berechnen. Entfernen Sie alle zusätzlichen Elemente. Die Lärm-Kovarianz aus leeren Raumdaten zu berechnen.
  4. Co Registerdaten Sie die MEG mit MRT-Aufnahmen mit Hilfe der dreidimensionalen (3D) Kopf Digitalisierung Informationen (Abbildung 2).
    1. Öffnen Sie das MRIlab-Modul.
    2. Wählen Sie -Datei | Offen | Wählen Sie Thema der strukturellen MRT.
    3. Wählen Sie -Datei | Import | Isotrak Daten | Wählen Sie Datei aus rohen data.fif | Machen Sie Punkte.
    4. Wählen Sie Windows | Sehenswürdigkeiten | Passen Sie so Wahrzeichen bis Co-Registrierung von MEG Daten und MRT sind akzeptabel.
    5. Wählen Sie -Datei | Speichern.
  5. Berechnen Sie Lärmempfindlichkeit normalisiert Schätzungen der Theta-Stromversorgung und Phase mit einer spektralen dynamische statistische Zuordnung Ansatz18,50. Veranstaltungsbezogenen Theta Stromversorgung zu äußern, wie Prozent Änderung signal relativ zur Grundlinie.
  6. Erstellen Sie Gruppe Durchschnitte der veranstaltungsbezogenen Theta Stromversorgung durch morphing jedes Teilnehmers Schätzungen auf eine durchschnittliche kortikale Repräsentation51.
  7. Visualisieren Sie die Quelle Schätzungen auf eine aufgeblasene durchschnittliche Oberfläche zur Sichtbarkeit von sulcal Schätzungen (Abbildung 4).
    1. Öffnen Sie die MNE-Software.
    2. Wählen Sie -Datei | Oberfläche zu laden | Last aufgeblasen Konzerndurchschnitt FreeSurfer kortikalen Oberfläche.
    3. Wählen Sie -Datei | Verwalten von Overlays | Stc laden | Gruppe im Durchschnitt Daten laden | Wählen Sie geladene Datei aus verfügbaren Überlagerungen.
    4. Wählen Sie Overlay-Typ als andere.
    5. Passen Sie Farbskala Schnittstellenüberwachung | Zeigen.
    6. Gehirn-Filme ansehen und räumlich-zeitliche Phasen der Verarbeitung durch die Identifizierung von Bereichen und zeichnet sich durch höchste Aktivierung Zeitfenster zu untersuchen.
  8. Erstellen Sie unvoreingenommene Bereiche von Interesse (ROIs) basierend auf Schätzungen insgesamt Gruppe gemittelt, kortikale Standorte mit bemerkenswerteste Stromversorgung zu integrieren. Berechnen Sie mal Kurse für jedes Thema, Zustand und ROI (Abbildung 5).
  9. Die erhaltenen Theta Quelle macht Schätzungen für die statistische Analyse vorlegen.
    1. Extrahieren Sie Zeitfenster von Interesse aus jeder ROI-Zeit-Kurs und führen Sie Varianzanalyse (ANOVA) mit Getränk (Alkohol, Placebo) und trial Typ (geschmackssicheren, unpassend) wie im Thema Faktoren aus. Verwenden Sie eine nichtparametrische Cluster-basierte Permutation Test52 , und die Kondition Vergleiche der veranstaltungsbezogenen Theta macht als auch Phase-Verriegelung Werte (PLV) zu prüfen.
  10. Aufgabenbezogene Änderungen in die weiträumige Synchronisation zwischen den wichtigsten Aktivierung Brennpunkte in der ACC und die LatPFC durch Berechnung der PLV-12zu schätzen. Drücken Sie PLV aus, wie Prozent relativ zur Grundlinie ändern.
    Hinweis: Die DBV ist ein Indikator für Konsistenz der Phasenwinkel zwischen den zwei ROIs über Studien, wie er den Umfang misst, den sie gemeinsam bei einer bestimmten Frequenz und in Echtzeit (Film 1) schwingen.
  11. Berechnen Sie Korrelationen zwischen ROI MEG Aktivität Schätzungen, Indizes der verhaltensbasierte Leistung und Fragebogen Partituren, Interpretation der beobachteten Ergebnisse zu informieren.

Zugriff eingeschränkt. Bitte melden Sie sich an oder starten Sie eine Testversion, um diesen Inhalt anzuzeigen.

Ergebnisse

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

Verhaltens Ergebnisse deuten darauf hin, dass die Stroop-Aufgabe erfolgreich Antwort Störungen manipuliert, weil die Genauigkeit die niedrigste war und die Reaktionszeiten die längste unpassend Studien (Abbildung 6). Alkoholvergiftung Genauigkeit gesenkt, aber hatte keinen Einfluss auf die Reaktionszeiten18.

Die räumlich-zeitliche Abfolge von Aktivitäten in Theta-Frequenzbere...

Zugriff eingeschränkt. Bitte melden Sie sich an oder starten Sie eine Testversion, um diesen Inhalt anzuzeigen.

Diskussion

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

Die multimodale bildgebendes Verfahren, die in dieser Studie verwendeten umfasst verteilten Quelle Modellierung des zeitlich präzise MEG Signals sowie räumliche Einschränkungen der inverse Schätzungen jedes Teilnehmers strukturellen MRT abgeleitet. AMEG Ansatz vereint die Stärken dieser Techniken, Einblicke in die räumlich-zeitliche Phasen der oszillierenden Dynamik und die langfristige Integration Gesichtskreises kognitive Kontrolle bieten. Diese Methode liefert höhere zeitliche Genauigkeit als andere bildgebende Verfah...

Zugriff eingeschränkt. Bitte melden Sie sich an oder starten Sie eine Testversion, um diesen Inhalt anzuzeigen.

Offenlegungen

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

Die Autoren haben nichts preisgeben.

Danksagungen

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

Diese Arbeit wurde durch die National Institutes of Health (R01-AA016624) unterstützt. Wir sind dankbar für ihre wichtigen Beiträge Dr. Sanja Kovacevic.

Zugriff eingeschränkt. Bitte melden Sie sich an oder starten Sie eine Testversion, um diesen Inhalt anzuzeigen.

Materialien

Liste der in diesem Artikel verwendeten Materialien
NameUnternehmenKatalognummerKommentare
Elekta NeuromagElektaMagnetenzephalographie-System
1,5 T GE EXCITE HGGeneral ElektrischerMagnetresonanztomograph Scanner
Gold Cup ElektrodenOpenBCIElektroenzephalographie-Elektroden für optionale simultane EEG-Aufzeichnung
Vorbereitung Check ImpedanzmessgerätAllgemeine GeräteÜberprüfen Sie die Elektrodenimpedanzen
HPI CoilsElektaHead Position Indicator Coils für die Co-Registrierung
AlcotestDraegerBreathalyzer
Fiber Optic ResponsePad Current Designs, IncMEG-kompatibles Response Pad
Grey Goose VodkaBacardiVodka wird während der Alkohol-Session verwendet
Orange JuiceNakedOrangensaft wird während der Placebo-Sitzung als Getränk verwendet und während der Alkoholsitzung mit Wodka gemischt
Sie die DrogentestkarteAmerican Screening CorpMulti-Screen-Drogentest
QED SpeichelalkoholtestOraSure TechnologiesSpeichelalkoholtest
Urin Hcg TeststreifenJoyliveSchwangerschaftstest
Kurzer Michigan Alkohol-Screening-TestSelzer et al., 1975Fragebogen zum Alkoholismus-Screening
Zuckerman Sensation Seeking ScaleZuckerman, 1971Fragebogen: Hemmende, Neuheits- und Sozialisationsmerkmale
Eysenck ImpulsivitätsinventarEysenck & Eysenck, 1978Fragebogen: Impulsivitätsmerkmale
Eysenck & Eysenck, 1975Fragebogen: Persönlichkeitsmerkmale
Biphasische Alkoholeffekte Skala Martin et al., 1993Fragebogen: subjektives Erleben der Auswirkungen von Alkohol
Entdecken Eysenck Persönlichkeitsfragebogen

Referenzen

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,
  1. Ridderinkhof, K. R., van den Wildenberg, W. P., Segalowitz, S. J., Carter, C. S. Neurocognitive mechanisms of cognitive control: the role of prefrontal cortex in action selection, response inhibition, performance monitoring, and reward-based learning. Brain and Cognition. 56 (2), 129-140 (2004).
  2. Shenhav, A., Cohen, J. D., Botvinick, M. M. Dorsal anterior cingulate cortex and the value of control. Nature Neuroscience. 19 (10), 1286-1291 (2016).
  3. Walton, M. E., Croxson, P. L., Behrens, T. E., Kennerley, S. W., Rushworth, M. F. Adaptive decision making and value in the anterior cingulate cortex. Neuroimage. 36 Suppl 2, T142-T154 (2007).
  4. Heilbronner, S. R., Hayden, B. Y. Dorsal Anterior Cingulate Cortex: A Bottom-Up View. Annual Review of Neuroscience. 39, 149-170 (2016).
  5. Barbas, H. Connections underlying the synthesis of cognition, memory, and emotion in primate prefrontal cortices. Brain Research Bulletin. 52 (5), 319-330 (2000).
  6. Vogt, B. A. Cingulate neurobiology and disease. , Oxford University Press. 114-144 (2009).
  7. Botvinick, M. M. Conflict monitoring and decision making: reconciling two perspectives on anterior cingulate function. Cognitive, Affective, & Behavioral Neuroscience. 7 (4), 356-366 (2007).
  8. Carter, C. S., van Veen, V. Anterior cingulate cortex and conflict detection: an update of theory and data. Cognitive, Affective, & Behavioral Neuroscience. 7 (4), 367-379 (2007).
  9. Buxton, R. B. Introduction to Functional Magnetic Resonance Imaging. , Cambridge University Press. New York, NY. (2002).
  10. Rickenbacher, E., Greve, D. N., Azma, S., Pfeuffer, J., Marinkovic, K. Effects of alcohol intoxication and gender on cerebral perfusion: an arterial spin labeling study. Alcohol. 45 (8), 725-737 (2011).
  11. Fell, J., Axmacher, N. The role of phase synchronization in memory processes. Nature Reviews Neuroscience. 12 (2), 105-118 (2011).
  12. Lachaux, J. P., Rodriguez, E., Martinerie, J., Varela, F. J. Measuring phase synchrony in brain signals. Human Brain Mapping. 8 (4), 194-208 (1999).
  13. Cavanagh, J. F., Frank, M. J. Frontal theta as a mechanism for cognitive control. Trends in Cognitive Sciences. 18 (8), 414-421 (2014).
  14. Sauseng, P., Griesmayr, B., Freunberger, R., Klimesch, W. Control mechanisms in working memory: a possible function of EEG theta oscillations. Neuroscience & Biobehavioral Reviews. 34 (7), 1015-1022 (2010).
  15. Wang, C., Ulbert, I., Schomer, D. L., Marinkovic, K., Halgren, E. Responses of human anterior cingulate cortex microdomains to error detection, conflict monitoring, stimulus-response mapping, familiarity, and orienting. The Journal of Neuroscience. 25 (3), 604-613 (2005).
  16. Halgren, E., et al. Laminar profile of spontaneous and evoked theta: Rhythmic modulation of cortical processing during word integration. Neuropsychologia. 76, 108-124 (2015).
  17. Rosen, B. Q., Padovan, N., Marinkovic, K. Alcohol hits you when it is hard: Intoxication, task difficulty, and theta brain oscillations. Alcoholism: Clinical and Experimental Research. 40 (4), 743-752 (2016).
  18. Kovacevic, S., et al. Theta oscillations are sensitive to both early and late conflict processing stages: effects of alcohol intoxication. PLoS One. 7 (8), e43957(2012).
  19. Marinkovic, K., Rosen, B. Q., Cox, B., Kovacevic, S. Event-related theta power during lexical-semantic retrieval and decision conflict is modulated by alcohol intoxication: Anatomically-constrained MEG. Frontiers in Psychology. 3 (121), (2012).
  20. Beaton, L. E., Azma, S., Marinkovic, K. When the brain changes its mind: Oscillatory dynamics of conflict processing and response switching in a flanker task during alcohol challenge. PLoS One. 13 (1), e0191200(2018).
  21. Oscar-Berman, M., Marinkovic, K. Alcohol: effects on neurobehavioral functions and the brain. Neuropsychology Review. 17 (3), 239-257 (2007).
  22. Le Berre, A. P., Fama, R., Sullivan, E. V. Executive Functions, Memory, and Social Cognitive Deficits and Recovery in Chronic Alcoholism: A Critical Review to Inform Future Research. Alcoholism: Clinical and Experimental Research. 41 (8), 1432-1443 (2017).
  23. Marinkovic, K., Rickenbacher, E., Azma, S., Artsy, E. Acute alcohol intoxication impairs top-down regulation of Stroop incongruity as revealed by blood oxygen level-dependent functional magnetic resonance imaging. Human Brain Mapping. 33 (2), 319-333 (2012).
  24. Marinkovic, K., Rickenbacher, E., Azma, S., Artsy, E., Lee, A. K. Effects of acute alcohol intoxication on saccadic conflict and error processing. Psychopharmacology (Berl). 230 (3), 487-497 (2013).
  25. Field, M., Wiers, R. W., Christiansen, P., Fillmore, M. T., Verster, J. C. Acute alcohol effects on inhibitory control and implicit cognition: implications for loss of control over drinking. Alcoholism: Clinical and Experimental Research. 34 (8), 1346-1352 (2010).
  26. Fillmore, M. T. Drug abuse as a problem of impaired control: current approaches and findings. Behavioral and Cognitive Neuroscience Reviews. 2 (3), 179-197 (2003).
  27. Hingson, R., Winter, M. Epidemiology and consequences of drinking and driving. Alcohol Reseach & Health. 27 (1), 63-78 (2003).
  28. Selzer, M. L., Vinokur, A., Van Rooijen, L. A self-administered Short Michigan Alcoholism Screening Test (SMAST). Journal of Studies on Alcohol. 36 (1), 117-126 (1975).
  29. Babor, T., Higgins-Biddle, J. S., Saunders, J. B., Monteiro, M. G. AUDIT: The Alcohol use disorders identification test: Guidelines for use in primary care. , WHO: World Health Organization. Geneva, Switzerland. (2001).
  30. Rice, J. P., et al. Comparison of direct interview and family history diagnoses of alcohol dependence. Alcoholism: Clinical and Experimental Research. 19 (4), 1018-1023 (1995).
  31. Eysenck, H. J., Eysenck, S. B. G. Manual of the Eysenck Personality Questionnaire. , Hodder & Staughton. (1975).
  32. Eysenck, S. B., Eysenck, H. J. Impulsiveness and venturesomeness: their position in a dimensional system of personality description. Psychological Reports. 43 (3 Pt 2), 1247-1255 (1978).
  33. Begleiter, H., Kissin, B. The Pharmacology of Alcohol and Alcohol Dependence. , Oxford University Press. 248-306 (1996).
  34. Martin, C. S., Earleywine, M., Musty, R. E., Perrine, M. W., Swift, R. M. Development and validation of the Biphasic Alcohol Effects Scale. Alcoholism: Clinical and Experimental Research. 17 (1), 140-146 (1993).
  35. Liu, H., Tanaka, N., Stufflebeam, S., Ahlfors, S., Hamalainen, M. Functional Mapping with Simultaneous MEG and EEG. Journal of Visualized Experiments. (40), (2010).
  36. Lee, A. K., Larson, E., Maddox, R. K. Mapping cortical dynamics using simultaneous MEG/EEG and anatomically-constrained minimum-norm estimates: an auditory attention example. Journal of Visualized Experiments. (68), e4262(2012).
  37. Balderston, N. L., Schultz, D. H., Baillet, S., Helmstetter, F. J. How to detect amygdala activity with magnetoencephalography using source imaging. Journal of Visualized Experiments. (76), (2013).
  38. Breslin, F. C., Kapur, B. M., Sobell, M. B., Cappell, H. Gender and alcohol dosing: a procedure for producing comparable breath alcohol curves for men and women. Alcoholism: Clinical and Experimental Research. 21 (5), 928-930 (1997).
  39. Marinkovic, K., Cox, B., Reid, K., Halgren, E. Head position in the MEG helmet affects the sensitivity to anterior sources. Neurology and Clinical Neurophysiology. , 30(2004).
  40. Dale, A. M., Sereno, M. I. Improved localization of cortical activity by combining EEG and MEG with MRI cortical surface reconstruction: A linear approach. Journal of Cognitive Neuroscience. 5, 162-176 (1993).
  41. Dale, A. M., Fischl, B., Sereno, M. I. Cortical surface-based analysis. I. Segmentation and surface reconstruction. Neuroimage. 9 (2), 179-194 (1999).
  42. Fischl, B., Sereno, M. I., Dale, A. M. Cortical surface-based analysis. II: Inflation, flattening, and a surface-based coordinate system. Neuroimage. 9 (2), 195-207 (1999).
  43. Gramfort, A., Papadopoulo, T., Olivi, E., Clerc, M. OpenMEEG: opensource software for quasistatic bioelectromagnetics. Biomedical Engineering Online. 9, 45(2010).
  44. Kybic, J., et al. A common formalism for the integral formulations of the forward EEG problem. IEEE Transactions on Medical Imaging. 24 (1), 12-28 (2005).
  45. Dale, A. M., et al. Dynamic statistical parametric mapping: combining fMRI and MEG for high-resolution imaging of cortical activity. Neuron. 26 (1), 55-67 (2000).
  46. Marinkovic, K. Spatiotemporal dynamics of word processing in the human cortex. The Neuroscientist. 10 (2), 142-152 (2004).
  47. Oostenveld, R., Fries, P., Maris, E., Schoffelen, J. M. FieldTrip: Open source software for advanced analysis of MEG, EEG, and invasive electrophysiological data. Computational Intelligence and Neuroscience. , 156869(2011).
  48. Delorme, A., Makeig, S. EEGLAB: An open source toolbox for analysis of single-trial EEG dynamics. Journal of Neuroscience Methods. 134, 9-21 (2004).
  49. Gramfort, A., et al. MNE software for processing MEG and EEG data. Neuroimage. 86, 446-460 (2014).
  50. Lin, F. H., et al. Spectral spatiotemporal imaging of cortical oscillations and interactions in the human brain. Neuroimage. 23 (2), 582-595 (2004).
  51. Fischl, B., Sereno, M. I., Tootell, R. B., Dale, A. M. High-resolution intersubject averaging and a coordinate system for the cortical surface. Human Brain Mapping. 8 (4), 272-284 (1999).
  52. Maris, E., Oostenveld, R. Nonparametric statistical testing of EEG- and MEG-data. Journal of Neuroscience Methods. 164 (1), 177-190 (2007).
  53. Marinkovic, K., et al. Spatiotemporal dynamics of modality-specific and supramodal word processing. Neuron. 38 (3), 487-497 (2003).
  54. Nachev, P. Cognition and medial frontal cortex in health and disease. Current Opinion in Neurology. 19 (6), 586-592 (2006).
  55. Kennerley, S. W., Walton, M. E., Behrens, T. E., Buckley, M. J., Rushworth, M. F. Optimal decision making and the anterior cingulate cortex. Nature Neuroscience. 9 (7), 940-947 (2006).
  56. Aron, A. R., Robbins, T. W., Poldrack, R. A. Inhibition and the right inferior frontal cortex: one decade on. Trends in Cognitive Sciences. 18 (4), 177-185 (2014).
  57. Erika-Florence, M., Leech, R., Hampshire, A. A functional network perspective on response inhibition and attentional control. Nature Communications. 5, 4073(2014).
  58. D'Esposito, M., Postle, B. R. The cognitive neuroscience of working memory. Annual Review of Psychology. 66, 115-142 (2015).
  59. Hasselmo, M. E., Stern, C. E. Theta rhythm and the encoding and retrieval of space and time. Neuroimage. 85 Pt 2, 656-666 (2014).
  60. Womelsdorf, T., Johnston, K., Vinck, M., Everling, S. Theta-activity in anterior cingulate cortex predicts task rules and their adjustments following errors. Proceedings of the National Academy of Sciences of the United States of America. 107 (11), 5248-5253 (2010).
  61. Fries, P. A mechanism for cognitive dynamics: neuronal communication through neuronal coherence. Trends in Cognitive Sciences. 9 (10), 474-480 (2005).
  62. Canolty, R. T., et al. High gamma power is phase-locked to theta oscillations in human neocortex. Science. 313 (5793), 1626-1628 (2006).
  63. Varela, F., Lachaux, J. P., Rodriguez, E., Martinerie, J. The brainweb: phase synchronization and large-scale integration. Nature Reviews Neuroscience. 2 (4), 229-239 (2001).
  64. Hanslmayr, S., et al. The electrophysiological dynamics of interference during the Stroop task. Journal of Cognitive Neuroscience. 20 (2), 215-225 (2008).
  65. Niendam, T. A., et al. Meta-analytic evidence for a superordinate cognitive control network subserving diverse executive functions. Cognitive, Affective, & Behavioral Neuroscience. 12 (2), 241-268 (2012).
  66. Sadaghiani, S., D'Esposito, M. Functional Characterization of the Cingulo-Opercular Network in the Maintenance of Tonic Alertness. Cerebral Cortex. 25 (9), 2763-2773 (2015).
  67. Dosenbach, N. U., Fair, D. A., Cohen, A. L., Schlaggar, B. L., Petersen, S. E. A dual-networks architecture of top-down control. Trends in Cognitive Sciences. 12 (3), 99-105 (2008).
  68. Bullmore, E., Sporns, O. The economy of brain network organization. Nature Reviews Neuroscience. 13 (5), 336-349 (2012).
  69. Fornito, A., Zalesky, A., Breakspear, M. The connectomics of brain disorders. Nature Reviews Neuroscience. 16 (3), 159-172 (2015).
  70. Anderson, B. M., et al. Functional imaging of cognitive control during acute alcohol intoxication. Alcoholism: Clinical and Experimental Research. 35 (1), 156-165 (2011).
  71. Kareken, D. A., et al. Family history of alcoholism interacts with alcohol to affect brain regions involved in behavioral inhibition. Psychopharmacology (Berl). 228 (2), 335-345 (2013).
  72. Schuckit, M. A., et al. fMRI differences between subjects with low and high responses to alcohol during a stop signal task. Alcoholism: Clinical and Experimental Research. 36 (1), 130-140 (2012).
  73. Nikolaou, K., Critchley, H., Duka, T. Alcohol affects neuronal substrates of response inhibition but not of perceptual processing of stimuli signalling a stop response. PLoS One. 8 (9), e76649(2013).
  74. Gan, G., et al. Alcohol-induced impairment of inhibitory control is linked to attenuated brain responses in right fronto-temporal cortex. Biology Psychiatry. 76 (9), 698-707 (2014).
  75. Ehlers, C. L., Wills, D. N., Havstad, J. Ethanol reduces the phase locking of neural activity in human and rodent brain. Brain Research. 1450, 67-79 (2012).
  76. Goldstein, R. Z., Volkow, N. D. Dysfunction of the prefrontal cortex in addiction: neuroimaging findings and clinical implications. Nature Reviews Neuroscience. 12 (11), 652-669 (2011).

Zugriff eingeschränkt. Bitte melden Sie sich an oder starten Sie eine Testversion, um diesen Inhalt anzuzeigen.

Nachdrucke und Genehmigungen

Genehmigung beantragen, um den Text oder die Abbildungen dieses JoVE-Artikels zu verwenden

Genehmigung beantragen

Schlagwörter

MagnetoenzephalographieTheta Oszillationenanteriorer cingul rer Cortexlateraler pr frontaler CortexStroop TestPhasenkopplung

Verwandte Artikel