Perturbation du Lobe Frontal synchronie neuronale au cours du contrôle cognitif par l’intoxication alcoolique

Neuroscience

Your institution must subscribe to JoVE's Neuroscience section to access this content.

Fill out the form below to receive a free trial or learn more about access:

 

Summary

Cette expérience utilise une méthode de magnétoencéphalographie anatomiquement sont limitées (aMEG) d’examiner la dynamique oscillatoire de cerveau et de la synchronie fonctionnelle à long terme au cours de l’engagement du contrôle cognitif en fonction d’une intoxication alcoolique aiguë.

Cite this Article

Copy Citation | Download Citations | Reprints and Permissions

Marinkovic, K., Beaton, L. E., Rosen, B. Q., Happer, J. P., Wagner, L. C. Disruption of Frontal Lobe Neural Synchrony During Cognitive Control by Alcohol Intoxication. J. Vis. Exp. (144), e58839, doi:10.3791/58839 (2019).

Please note that all translations are automatically generated.

Click here for the english version. For other languages click here.

Abstract

Prise de décision s’appuie sur les interactions dynamiques de régions distribuées, essentiellement frontal du cerveau. Nombreux éléments de preuve des études d’imagerie de résonance magnétique fonctionnelle (IRMf) indique que le cingulaire antérieur (ACC) et le cortex préfrontal latéral (latPFC) des nœuds essentiels favorisant le contrôle cognitif. Toutefois, en raison de sa résolution temporelle limitée, IRMf ne peut pas refléter le calendrier et la nature de leur interaction présumée. La présente étude combine source distribué modélisation du signal temporel précis magnétoencéphalographie (MEG) avec IRM structurelle sous forme de « films de cerveau » à : (1) estimation les aires corticales impliquées dans le contrôle cognitif (« où »), (2) caractérisent leur séquence temporelle (« quand ») et (3) quantifier la dynamique oscillatoire de leurs interactions neurales en temps réel. Interférence de Stroop a été associée à une plus grande puissance liées à l’événement thêta (4-7 Hz) de l’ACC pendant la détection de conflit suivie de sensibilité soutenue aux exigences cognitives dans l’ACC et latPFC lors de la préparation de l’intégration et de la réponse. Une analyse de verrouillage de phase a révélé des interactions co-oscillatory entre ces zones indiquant leur synchronie neuronale accrue dans la bande thêta pendant les essais incongrus inductrices de conflit. Ces résultats confirment que les oscillations thêta sont fondamentales pour la synchronisation à long terme nécessaire pour intégrer des influences de haut en bas au cours du contrôle cognitif. MEG reflète l’activité neurale directement, ce qui le rend adapté aux manipulations pharmacologiques contrairement aux IRMf qui est sensible aux vasoactifs confond. Dans la présente étude, des buveurs sociaux sains ont reçu une dose modérée d’alcool et le placebo dans une conception intra-sujet. Intoxication aiguë atténuée thêta pouvoir Stroop conflit et dysrégulation co oscillations entre le CAC et le latPFC, confirmant que l’alcool est nuisible à la synchronie neuronale favorisant le contrôle cognitif. Il interfère avec le comportement ciblé qui peut conduire à la maîtrise de soi déficiente, contribuant à une consommation compulsive. En somme, cette méthode peut fournir la perspicacité dans les interactions en temps réel au cours du traitement cognitif et peut caractériser la sensibilité sélective au défi pharmacologique à travers les réseaux de neurones.

Introduction

L’objectif général de cette étude est d’examiner les effets d’une intoxication alcoolique aiguë sur changements spatio-temporels dans la dynamique oscillatoire de cerveau et l’intégration fonctionnelle à long terme au cours du contrôle cognitif. Le travailleur multimodal d’imagerie approche combine magnétoencéphalographie (MEG) et structurels d’imagerie par résonance magnétique (IRM) pour donner un aperçu de la base neurale de prise de décision avec une grande précision temporelle et au niveau d’un système interactif.

Comportement flexible permet de s’adapter à l’évolution des exigences contextuelles et de basculer stratégiquement entre différentes tâches et exigences en accord avec ses intentions et objectifs. La capacité de supprimer les réponses automatiques en faveur des actions objectif pertinent mais non habituelle est un aspect essentiel du contrôle cognitif. Une preuve abondante donne à penser qu’il est effectué par un réseau cortical prédominance frontal, avec le cortex cingulaire antérieur (CCA) comme un point nodal dans ce réseau interactif1,2,3,4. Alors que la connectivité anatomique abondante entre le CAC et le cortex frontal latéral est bien décrit5,6, les caractéristiques fonctionnelles de la communication entre ces régions au cours du contrôle cognitif, la sélection de la réponse et exécution, sont mal compris.

Le conflit très influent théorie7,8 de surveillance propose que contrôle cognitif résulte d’une interaction dynamique entre le cortex préfrontal médial et latéral. Ce compte prétend que l’ACC surveille le conflit entre les représentations concurrentes et engage le cortex préfrontal latéral (latPFC) à mettre en œuvre le contrôle de la réponse et optimiser les performances. Toutefois, ce compte repose principalement sur les études de MRI (IRMf) fonctionnelles en utilisant le signal de niveau (BOLD) dépendant sang oxygénation. Le signal IRMf-BOLD est un outil de cartographie spatiale excellent, mais sa résolution temporelle est limitée parce qu’il reflète les modifications hémodynamiques régionale médiées par un couplage neurovasculaire. Par conséquent, les modifications de signal "BOLD" se déroulent sur une beaucoup plus lente échelle de temps (en secondes) que le sous-jacent des événements neuronaux (en millisecondes)9. En outre, le signal "BOLD" est sensible à effets vasoactifs10 de l’alcool et ne représente pas exactement l’ampleur des changements neurones, qui le rend moins approprié pour l’étude de l’intoxication alcoolique aiguë. Par conséquent, l’interaction présumée entre le cortex préfrontal médial et latéral et sa sensibilité à l’alcool intoxication besoin d’être examinée par des méthodes qui enregistrent les événements neurones de manière précise dans le temps. MEG a une excellente résolution temporelle, puisqu’elle reflète directement les courants postsynaptiques. La méthodologie de MEG (aMEG) contraint anatomiquement employée ici est une approche multimodale qui combine distribué de modélisation de la source du signal MEG avec IRM structurelle. Elle permet l’estimation que les boisson-liées au conflit et cerveau oscillatoire changements se produisent et de comprendre la séquence temporelle (« quand ») des éléments neurones impliqués.

Prise de décision s’appuie sur les interactions entre les régions du cerveau distribués qui sont dynamiquement engagées pour faire face à des exigences accrues sur contrôle cognitif. Estimer les changements liés à l’événement en synchronie à longue distance entre les deux régions corticales consiste à calculer leur phase de couplage comme indice de leurs oscillations co11,12. La présente étude appliqué une analyse à verrouillage de phase pour tester le principe fondamental du conflit suivi théorie en examinant les interactions co-oscillatory entre le CAC et le latPFC. Oscillations neurales dans gamme thêta (4-7 Hz) sont associées à contrôle cognitif et ont été proposées comme un mécanisme fondamental soutenant la synchronisation à distance nécessaire pour un traitement cognitif vertical13,14, 15,16. Ils sont générés dans les zones préfrontal en fonction de la difficulté de la tâche et sont considérablement atténués par aiguë d’alcool intoxication17,18,19,20.

Consommation d’alcool excessive à long terme est associée à une variété de déficits cognitifs avec circuit préfrontal étant particulièrement touchées21,22. Une intoxication alcoolique aiguë est préjudiciable au contrôle cognitif dans les conditions de difficulté accrue, ambiguïté ou ceux qui induisent la réponse incompatibilité17,23,24. En affectant la prise de décisions, l’alcool peut-être interférer avec le comportement ciblé, peut entraîner mauvaise maîtrise de soi et la consommation accrue d’alcool et peut aussi contribuer au trafic - ou liées au travail risques25,26,27 . La présente étude utilise une approche aMEG pour mesurer l’activité oscillatoire en bande thêta et synchronisme entre les principaux domaines exécutifs avec une excellente résolution temporelle. Les effets de l’alcool sur l’activité thêta et co oscillations entre le CAC et le latPFC sont examinés en fonction du conflit suscité par la tâche d’interférence de Stroop. Nous émettons l’hypothèse qu’accrue des exigences cognitives sont associées à une plus grande synchronie fonctionnelle et ce dérèglement induite par l’alcool de l’activité synchrone de la cortex préfrontal médial et latéral sous-tend des déficiences dans le contrôle cognitif.

Subscription Required. Please recommend JoVE to your librarian.

Protocol

Ce protocole expérimental a été approuvé par le Comité de Protection des sujets humains à l’Université de Californie, San Diego.

1. human Subjects

  1. Recruter des volontaires adultes sains droitiers, d’obtenir leur consentement et leur écran sur les critères d’inclusion/exclusion.
    Remarque : Dans cette étude, vingt personnes jeunes et en bonne santé (± écart-type [SD] âge moyen = 25,3 ± 4,4 ans) dont 8 femmes ont été recrutées qui boivent avec modération, qui n’ont jamais été en traitement ou arrêté pour drogue ou d’alcool les infractions connexes, qui disent non les symptômes liés à l’alcoolisme sur le court Michigan Alcoholism Screening Test28, qui ne pas fumer ni utiliser de substances illégales, qui n’ont pas d’antécédents de troubles neuropsychiatriques ou problèmes de santé actuels, et qui sont des médicaments gratuitement et n’ont aucune les objets ferromagnétiques internes ou des implants.

2. protocole expérimental

  1. Numériser chaque participant quatre fois, dont trois sessions de MEG (une séance d’initiation en tant que boisson non et deux sessions de boissons expérimental dans lequel l’alcool et le placebo sont administrées d’une manière équilibrée) et un IRM structurelle.
    Remarque : Dans cette conception intra-sujet, participants servent de leurs propres commandes en participant à des séances de l’alcool et le placebo. Cette conception réduit la variance de l’erreur et augmente la puissance statistique de minimiser l’influence de la variabilité individuelle de l’anatomie du cerveau, profils d’activité et le métabolisme de l’alcool.

3. collecte de MEG scanne

  1. Effectuer la séance de familiarisation.
    1. Au cours de la première séance introductive, administrer les questionnaires pour obtenir plus d’informations sur les antécédents médicaux des participants, leurs patrons boire et la gravité des symptômes liés à l’alcoolisme28,29, antécédents familiaux de l’alcoolisme,30et les traits de personnalité dont impulsivité31,32.
    2. Réaliser un enregistrement initial dans le scanner de MEG suivant le protocole décrit ci-dessous aux points 3.2, 3.3 et 3.5. Ne fournissent pas de n’importe quelle boisson. Expliquer la tâche, puis exécutez les pratique version permettant aux participants de se familiariser avec lui au préalable.
      Remarque : L’acclimatation à la situation expérimentale a pour objectif de minimiser les effets potentiels de l’excitation induite par la situation33, assimilant ainsi alcool ultérieur et sessions de placebo sur cette dimension.
  2. Effectuer les sessions expérimentales alcool/placebo.
    Remarque :
    suivez les mêmes procédures expérimentales pendant les sessions de l’alcool et un placebo à l’exception de la boisson administrée. Contrebalancer les ordre de boisson en administrant les boissons d’alcool tout d’abord une moitié des participants et un placebo à l’autre moitié dans un ordre aléatoire.
    1. A leur arrivée au laboratoire de MEG, scanner test rapide en mettant le participant dans le scanner et en vérifiant les canaux aimantation possible. Mesurer leur poids. Leur écran avec un éthylotest électronique. Interroger sur la conformité avec les exigences de s’abstenir de l’alcool pendant 48 h et de la nourriture pendant 3 h avant l’expérience.
    2. Prélever des échantillons d’urine pour un panneau d’essai de plusieurs médicaments de tous les participants et exclure ceux qui testent positif pour n’importe quelle drogue. En outre, vérifier les participantes pour la grossesse avec une urine test et excluent ceux qui testent positif ou s’ils soupçonnent qu’ils pourraient être enceintes.
    3. Évaluer les changements dynamiques dans les effets subjectifs de l’alcool par des participants demandant à évaluer leurs sentiments momentanées et États sur une échelle normalisée34 avant de boire et à deux reprises supplémentaires au cours de l’expérience - sur la branche ascendante (~ 15 min après avoir consommé des boissons) et la branche descendante de la courbe de concentration de l’alcool (BrAC), souffle après le MEG d’enregistrement.
    4. Administrer une exécution de pratique de la tâche de Stroop sur un ordinateur portable avec le logiciel de présentation du stimulus pour s’assurer que les participants comprennent la tâche avant l’enregistrement.
      Remarque : Cette version de la tâche de Stroop allie lecture et couleur d’affectation de noms (Figure 1). La condition harmonie se compose des mots de couleur (rouge, vert, bleu, jaune) qui sont imprimées dans la couleur de police correspondante (par exemple, le mot « vert » est imprimé en vert). Dans la condition incongrue, mots de couleur sont imprimés en couleur qui ne correspond pas à leur sens (c'est-à-dire, le mot « vert » est imprimé en jaune). Demandez aux participants d’appuyer sur un des quatre boutons correspondant à la couleur de police chaque fois qu’un mot est écrit en couleur, ou, lorsqu’un mot est écrit en gris, appuyer sur le bouton correspondant à la signification du mot18,23.
  3. Préparer l’enregistrement MEG/EEG.
    Remarque :
    détails d’acquisition de données MEG ont été décrites dans les précédentes publications35,36,37.
    1. Positionnez le cap de l’EEG ou des électrodes EEG sur la tête du participant et vérifiez que toutes les impédances sont inférieures à 5 kΩ.
    2. Fixer les bobines d’indicateur (IPH) position de la tête de chaque côté du front et derrière chaque oreille.
      Remarque : Cette étape est spécifique aux systèmes Neuromag.
    3. Numériser des positions des points repères dont la nasion et deux points pré-auriculaire, positions des bobines HPI, électrodes de l’EEG et obtenir un grand nombre des points supplémentaires (~ 200), délimiter la forme de la tête. Utilisez ces informations pour le co-enregistrement avec des images d’IRM anatomiques (Figure 2).
  4. Administrer les boissons.
    1. Préparer des boissons d’alcool par le mélange de vodka de qualité premium avec jus d’orange réfrigéré (25 % v/v), fondée sur le sexe et le poids (alcool à 0,60 g/kg pour les hommes, l’alcool de 0,55 g/kg pour les femmes), chaque participant ciblant un BrAC de 0,06 %38. Servir le même volume de jus d’orange dans des verres avec jantes frottées avec de la vodka comme une boisson de placebo. Demander au participant de consommer la boisson en environ 10 min.
    2. Vérifier les participants BrAC avec l’alcootest commençant à ~ 15 min après avoir bu et puis toutes les 5 min jusqu'à ce qu’ils entrent dans la chambre d’enregistrement. Étant donné que les appareils électroniques ne peuvent pas servir dans la salle blindée, utiliser un test salivaire de l’alcool, qui se compose d’un tampon de coton qui est saturé dans la salive et est inséré dans un récipient qui fournit une lecture.
  5. Acquisition de données MEG/EEG.
    1. Positionner le participant confortablement dans le scanner. Puisque l’activité préfrontale est d’un intérêt particulier, veiller à ce que le participant est placé de sorte que sa tête est en contact avec le haut du casque et est aligné le long du front.
      Remarque : Position de la tête peut affecter les estimations de l’activité de manières significatives car les gradients de champ magnétique diminuent avec le cube de la distance entre les capteurs et les sources de cerveau39.
    2. Se connecter HPI bobines et toutes les électrodes à apporter leur contribution respective sur le scanner. Réponse de position coussinets afin que les boutons peuvent être pressés confortablement. S’assurer que la police est bien lisible sur l’écran de projection devant le participant.
    3. Retour dans la salle de la console, vérifiez que l’interphone fonctionne correctement. Rappeler le participant afin de minimiser le clignotement et pour éviter les mouvements, y compris les mouvements de la tête due à parler. Demandez aux participants de répondre aux questions en appuyant sur les boutons de réponse à la place.
    4. Vérifiez que tous les déclencheurs de réponse et de stimulation sont enregistrées correctement. Examiner tous les canaux des artefacts et de mesurer la position de la tête dans le scanner.
    5. Acquisition de données et commençons la tâche. Donner des pauses toutes les min ~2.5 se reposer les yeux. Enregistrez les données à l’achèvement de la tâche et escorter le participant hors de la chambre d’enregistrement.
    6. Lorsque le participant a quitté le scanner, acquérir environ deux minutes de données provenant de la salle vide comme une mesure du bruit instrumental.
    7. Demander au participant de taux perçu la difficulté de tâche, contenue de la boisson imbibée, comment en état d’ébriété, selon eux, ainsi que leurs humeurs momentanées et sentiments34.

4. Acquisition et Reconstruction corticale de l’IRM structurelle de l’image

  1. Obtenir une haute résolution anatomique par IRM pour chaque participant et reconstruire la surface corticale de chaque participant avec FreeSurfer logiciel40,41,,42.
  2. Utilisez la surface du crâne interne dérivée de l’images d’IRM structurelles segmentés pour générer un modèle d’élément de limite du chef d’orchestre volume, qui est utilisé pour fournir un modèle pour la solution vers l’avant qui est compatible avec cerveau anatomie43 chaque individu , 44.

5. analyse des données de MEG

Remarque : Analyser les données avec l’approche de MEG anatomiquement restreint qui utilise la surface corticale reconstituées de chaque participant pour contraindre des estimations de source pour le ruban cortical40,45,46. Le flux de l’analyse s’appuie sur les fonctions personnalisées avec des dépendances sur les emballages accessibles au public, y compris FieldTrip47, EEGLab48et49de la MNE.

  1. Pendant le prétraitement de données, utilisez un filtre passe-bande permissive (p. ex., 0,1 - 100 Hz) et données d’époque en ce qui concerne l’apparition du stimulus en segments qui incluent le remplissage des intervalles à chaque extrémité (par exemple, de -600 à 1100 ms pour un intervalle d’intérêt couvrant -300 à 800 ms après la enlèvement de rembourrage).
  2. Supprimer les canaux bruyant et plat, ainsi que les essais contenant des artefacts par inspection visuelle et à l’aide de basées sur des seuils de rejet. Composantes indépendantes analyse48 permet de supprimer les artefacts eyeblink et battement de coeur. Éliminer les essais avec de mauvaises réponses.
  3. Appliquer Morlet ondelettes (Figure 3)47 pour calculer le spectre de puissance complexe pour chaque essai en incréments de 1 Hz pour la bande de fréquence thêta (4-7 Hz). Supprimer tous les artefacts supplémentaires. Calculer la covariance du bruit de données salle vide.
  4. Co s’inscrire les données MEG avec des images d’IRM à l’aide de l’information en trois dimensions (3D) numérisation de tête (Figure 2).
    1. Ouvrez le module MRIlab.
    2. Sélectionnez le fichier | Ouvert | Sélectionnez MRI structurale du sujet.
    3. Sélectionnez le fichier | Importation | Données Isotrak | Sélectionnez le fichier raw data.fif | Points de marque.
    4. Sélectionnez Windows | Points de repère | Ajuster les repères repères jusqu'à ce que le co-enregistrement des données MEG et l’IRM sont acceptables.
    5. Sélectionnez le fichier | Enregistrer.
  5. Calculer les estimations de la sensibilité au bruit normalisée de thêta source puissance et phase avec une cartographie statistique dynamique spectrale approche18,50. Express power source thêta liés aux événements comme changement de signal pour cent par rapport à la ligne de base.
  6. Créer des moyennes de groupe de puissance source thêta liés aux événements de morphing estimations de chaque participant sur une représentation corticale moyenne51.
  7. Visualiser les estimations de source sur une surface moyenne gonflée pour améliorer la visibilité des estimations données (Figure 4).
    1. Ouvrez le logiciel MNE.
    2. Sélectionnez le fichier | Surface de charge | Charge gonflé la surface corticale de la moyenne du groupe FreeSurfer.
    3. Sélectionnez le fichier | Gérer les superpositions | Charger la stc | Charger des données moyennes groupe | Sélectionnez le fichier chargé de superpositions disponibles.
    4. Choisissez superposition type comme les autres.
    5. Ajuster le seuil de échelle de couleurs | Voir la.
    6. Voir films de cerveau et examinez spatio-temporelle stades de transformation en identifiant les zones et les fenêtres de temps caractérisés par une activation plus élevée.
  8. Créer des régions non biaisées d’intérêt (ROIs), selon les estimations moyennes dans l’ensemble groupe d’incorporer des lieux corticale avec puissance de source plus notable. Calculer des cours à temps pour chaque sujet, état et ROI (Figure 5).
  9. Soumettre les estimations de puissance de source thêta obtenus à l’analyse statistique.
    1. Extrait des fenêtres temporelles d’intérêt de chaque cours de temps de retour sur investissement et effectuer l’analyse de variance (ANOVA) avec boissons (alcool, placebo) et type du procès (congruente, incongru) que dans les facteurs de l’objet. Utilisez test non paramétrique basée sur cluster permutation52 pour examiner des comparaisons boisson et de la condition de pouvoir liés à l’événement thêta comme valeurs bien comme verrouillage de phase (PLV).
  10. Estimer les changements liés aux tâches dans la synchronisation à longue distance entre les foyers principaux d’activation de l’ACC et la latPFC en calculant la PLV12. Exprimer des PLV comme variation en pourcentage par rapport au niveau de référence.
    Remarque : La PLV est un indicateur de la cohérence de l’angle de phase entre la deux ROIs dans des essais qu’il mesure le degré auquel ils oscillent conjointement à une fréquence particulière et en temps réel (film 1).
  11. Calculer les corrélations entre les estimations de l’activité de ROI MEG, indices de performances comportementales et scores du questionnaire d’informer l’interprétation des résultats observés.

Subscription Required. Please recommend JoVE to your librarian.

Representative Results

Résultats comportements indiquent que la tâche de Stroop réussi à manipuler des interférences de réponse parce que la précision était le plus bas et les délais de la réponse la plus longue sur les essais incongrus (Figure 6). L’intoxication alcoolique abaissé de précision mais n’affecte pas le temps de réaction18.

La séquence spatio-temporelle de l’activité dans la bande de fréquence thêta a révélé à l’approche de l’aMEG est globalement en accord avec les modèles généralement reconnus des fonctions cognitives dans ce type de tâche. Tel qu’illustré dans les films de cerveau (film 2), le cortex visuel est activé à environ 100 ms après le début du stimulus, suivi d’un modèle d’activation postéro-antérieure qui engage le cortex frontal principalement pendant les étapes d’intégration cognitive après que Mme ~ 300 le CAC est particulièrement sensible à l’incongru (INC), essais conflictuels, indiquant son engagement pendant conflit suivi. L’ACC est le principal générateur d’oscillations thêta lors de tâches sonder contrôle cognitif, mais le latPFC est également actif pendant la phase d’intégration à autour de 350-600 Mme Activation du cortex moteur est visible après ~ 600 ms lors de la préparation de la réponse stade (film 2 b). Puissance de thêta liés à l’événement est plus grand essais INC, qui est conforme à sa sensibilité aux demandes de conflit (Figure 5), en particulier dans le cortex préfrontal13,17,19,20. Puissance de thêta est diminuée par une intoxication alcoolique aiguë globale. Cependant, en comparaison avec les essais congruente (CONG), l’alcool diminue thêta puissance sur les essais de INC (très conflictuelles) sélectivement dans les ACC et latPFC18.

La présente étude s’étend des résultats de Kovacevic et coll.18 en mettant l’accent sur les interactions dynamiques entre ces zones au cours du traitement de l’interférence de Stroop à la lumière d’un compte dominant du contrôle cognitif réseau7, 8. pour mieux comprendre le calendrier, le degré et la nature des interactions entre ces deux aires corticales principalement engagés, les PLVs ont été calculés pour chaque condition de boissons et de la tâche, pour chaque participant. Comme le montre une moyenne de groupe à la Figure 7, co oscillations entre le CAC et le latPFC varient au fil du temps avec une augmentation globale précoce des oscillations co pendant un stimulus à l’étape de traitement. Sous placebo, c’est suivie d’une augmentation soutenue après ~ 400 ms sur essais incongrus pendant la phase de préparation de l’intégration et la réponse. Ainsi, les oscillations co synchronisées entre le cortex préfrontal médial et latéral sont observées uniquement sur les essais plus difficiles, INC, évoquant les conflits réponse F(1,19) = 5.5, p < 0,05. Ce témoignage appuie la proposition que l’ACC et la latPFC fonctionnellement interagissent en temps réel à servent de contrôle cognitif. En revanche, une intoxication alcoolique aiguë sensiblement dysregulates les oscillations co, ce qui donne une Condition x interaction boisson, F(1,19) = 5,1, p < 0,05, dans lequel incongrus essais spécifiquement ont été affectés par l’alcool F (1,19) = 8,8, p < 0,01 (Figure 7). Cela pourrait expliquer l’alcool induit une déficience du contrôle inhibiteur et indique la vulnérabilité de haut en bas des fonctions régulatrices du cortex préfrontal à l’intoxication aiguë.

Figure 1
Figure 1 : Combine tâche Stroop color naming et lecture. Exemples de procès pour chacune des trois conditions ainsi que la couleur de la bonne réponse sont présentés. Dans la condition congruente (CONG), couleur de police est conforme au sens du mot, tandis que les pistes d’essais incongru (INC) suscitent conflit de réponse suite à l’intervention du signifiant. Les participants reçoivent appuyer sur le bouton correspondant à la couleur de la police lorsque les mots sont écrits en couleur (CONG, INC) et de répondre à la signification du mot (lire) quand ils sont écrits en gris. Les essais sont présentés pour 300 ms et ensuite remplacés par un écran de fixation pour 1700 Mme procès types sont présentés dans un ordre aléatoire. Dans cette version particulière, les conditions CONG et INC sont équiprobables et ont été présentées sur 16,7 % essais chacun de 576 total des essais. S’il vous plaît cliquez ici pour visionner une version agrandie de cette figure.

Figure 2
Figure 2 : Co-registration de MEG et l’IRM. Numérisés sur la tête, recueillie au cours de la MEG enregistrement servent à co-enregistrement avec des images d’IRM anatomiques. S’il vous plaît cliquez ici pour visionner une version agrandie de cette figure.

Figure 3
Figure 3 : Ondelettes de Morlet. Ondelettes de Morlet sont utilisées pour calculer le spectre de puissance complexe pour chaque essai en incréments de fréquence de 1 Hz pour la fréquence de la bande thêta (4-7 Hz). S’il vous plaît cliquez ici pour visionner une version agrandie de cette figure.

Figure 4
Figure 4 : Reconstruction corticale et inflation. Des surfaces individuelles corticales sont reconstruits et servent à restreindre le pouvoir de la source estimée. Montré ici est une moyenne surface corticale qui est gonflée pour améliorer la visibilité des sources estimée à sillons corticaux. S’il vous plaît cliquez ici pour visionner une version agrandie de cette figure.

Figure 5
Figure 5 : Cours de temps de groupe à la moyenne de thêta liés à l’événement source des estimations de puissance dans certaines régions d’intérêt. Incongrue stimuli (INC) a suscité augmentation de la puissance de thêta liés à l’événement par rapport à des stimuli (CONG) congruente dans le cortex cingulaire antérieur (CCA ; F (1,19) = 34.1, p < 0,0001) ainsi que le cortex préfrontal latéral (latPFC ; F (1,19) = 11.0, p < 0,01), pendant 480-670 Mme conflit traitement est particulièrement sensible à une intoxication alcoolique comme puissance thêta à INC a été atténuée par une intoxication alcoolique (F(1,19) = 9,9, p < 0,01). L’axe y représente power source base corrigée normalisé pour les bruits liés aux événements thêta. Ce chiffre a été modifié par Kovacevic et al.,18. S’il vous plaît cliquez ici pour visionner une version agrandie de cette figure.

Figure 6
Figure 6 : Résultats comportements sur la tâche de Stroop. Stroop interférence s’est traduite en une diminution de précision et temps de réponse supérieurs à incongru essais (INC). L’intoxication alcoolique (Alc) avec facultés affaiblies de précision par rapport au placebo (Plac), mais n’affecte pas le temps de réaction. Barres d’erreur signifient erreur type de la moyenne. Ce chiffre a été modifié par Kovacevic et al. 18. s’il vous plaît cliquez ici pour visionner une version agrandie de cette figure.

Figure 7
Figure 7 : Cours de temps de groupe à la moyenne des valeurs de verrouillage de phase (PLVs) dans la bande thêta. Co-Oscillatory synchronisme entre le cortex cingulaire antérieur (CCA) et le cortex préfrontal latéral (latPFC) dans la bande thêta, exprimée en pourcentage de changement de ligne de base pour le placebo (à gauche) et des conditions de l’alcool (à droite). Suite à une augmentation précoce des PLVs pendant un stimulus étape (400 à 600 ms), une augmentation soutenue des oscillations de traitement est observée sur incongru sentiers (INC) en réponse à un contrôle cognitif accru comparé à congruente (CONG) sentiers sous placebo, F (1,19) = 5.5, p < 0,05. Une intoxication alcoolique aiguë dysrégulation sélectivement les oscillations CO INC essais, F(1,19) = 8,8, p < 0,01. Cartes d’activation (en médaillon) montrent l’effet de l’incongruité (INC-CONG), qui est importante dans l’ACC et la latPFC. L’échelle colorimétrique désigne les estimations de puissance source base corrigée à 480 ms après le début du stimulus, rouge (activité > 0,2) au jaune (activité > 0,3) indique plus forte puissance de thêta INC essais par rapport aux essais de CONG. S’il vous plaît cliquez ici pour visionner une version agrandie de cette figure.

Movie 1
Film 1 : oscillations co. Verrouillage de phase valeurs ont été calculées dans la gamme de fréquences thêta (4-7 Hz) entre le cortex cingulaire antérieur (CCA) et le cortex préfrontal latéral (latPFC) en guise de synchronisation qui est sensible à la cohérence de la différence de phase entre ces deux ROIs, quel que soit leur amplitude de puissance de thêta. S’il vous plaît cliquez ici pour télécharger ce film.

Movie 2
Movie 2 : films de cerveau. Modélisation de la source du signal MEG combiné avec structural que MRI permet l’estimation des principales aires corticales générant puissance thêta et la séquence temporelle de leur activation en réponse à l’interférence de Stroop a distribué. (A) après début traitement sensoriel, le cortex cingulaire antérieur (CCA) est sélectivement activé par incongrue, conflictuels essais après ~ 350 m (B) tandis que le CAC est le principal générateur d’oscillations thêta lors de tâches de palpage contrôle cognitif, le cortex préfrontal latéral (latPFC) est également engagé au cours de la phase d’intégration autour de 350-600 Mme Activation du cortex moteur est observée après ~ 600 ms pendant la préparation de la réponse. L’échelle colorimétrique dénote des estimations de source de base corrigée différentiel de puissance, avec la couleur rouge indiquant l’activation supérieure à 0,79 médialement (0,57 latéralement) et jaune indique l’activation supérieure à 0,9 médialement (0,8 latéralement). Veuillez noter que ces deux films doivent être affichées avec des cours qui se déroule à temps se rapportant à l’ACC et latPFC, respectivement. S’il vous plaît cliquez ici pour télécharger ces films.

Subscription Required. Please recommend JoVE to your librarian.

Discussion

Le multimodal méthode utilisée dans cette étude d’imagerie comprend des sources modélisation du signal temporel précis MEG ainsi que les contraintes spatiales d’inverses estimations tirées de MRI structurelle de chaque participant. L’approche de l’aMEG combine les points forts de ces techniques pour donner un aperçu des étapes spatio-temporelle de la dynamique oscillatoire et l’intégration à long terme favorisant le contrôle cognitif. Cette méthode offre une plus grande précision temporelle que les autres techniques de neuro-imagerie comme IRMf-BOLD dont la résolution temporelle est l’ampleur des secondes en raison de sa sensibilité indirecte aux changements neurones via neurovasculaire9de couplage. En comparaison, la précision à la milliseconde de signal de MEG permet l’étude des étapes de traitement neuronal, comme en témoigne la présente étude. Le modèle de l’aMEG suppose des sources diffuses du signal MEG le long de la corticale de surface qui, lorsque reconstruit à partir d’images d’IRM structurelles, fournit des contraintes spatiales pour activité estimations45,53. Ces estimations spatiales permet d’étudier non seulement activation locale, mais les communications à longue portée à un niveau de réseau interactif sous forme de verrouillage de phase16,20. En outre, l’approche de l’aMEG est bien adapté pour étudier les effets des manipulations pharmacologiques sur des fonctions neurales, étant donné que le signal IRMf-BOLD est compliquée par les effets vasoactifs des manipulations pharmacologiques tels que l’alcool et ne peut pas refléter l’ampleur des changements neuronaux10.

La forte sensibilité de cette méthode pour minute neural change signifie qu’il est également sensible au bruit non neuronal, y compris les mouvements musculaires ou clignote de le œil, afin que les différents artefacts doivent être détectés et retirés prudemment le signal brut. En outre, position de la tête peut avoir des effets importants sur les prévisions d’activité en raison de la sensibilité du capteur à des gradients de champ magnétique39. Compte tenu des hypothèses du modèle aMEG, source des estimations sont contraints à la surface corticale45,46, donc impossible d’estimer l’activité a suscité des structures sous-corticales.

Basé sur les résultats déjà publiés18, la présente étude a illustré évolution liés aux événements thêta (4-7 Hz) pouvoir en période de conflit induite par Stroop en fonction d’une intoxication alcoolique aiguë chez les buveurs sociaux sains. Comme illustré à la Figure 5, puissance de thêta est différemment sensible aux exigences cognitives imposées par les conditions de travail de Stroop. Incongruité est particulièrement efficace en engageant contrôle cognitif, comme en témoigne une plus grande puissance de thêta dans le cortex préfrontal par rapport au niveau de référence prestimulus. Le principal générateur d’oscillations thêta estime l’ACC qui est sensible aux conflits réponse durant les début et fin de traitement les étapes18. Ces résultats confortent le rôle du CAC dans le monitoring des conflits en concordance avec les comptes des7,8. Ainsi, la méthode aMEG a fourni un aperçu sensible dans le temps l’engagement soutenu de l’ACC au cours des essais, imposant une charge plus importante sur le contrôle cognitif. Ainsi que de nombreuses connexions anatomiques entre le CAC et le cerveau distribué régions5,6, cette preuve corrobore son rôle aux multiples facettes dans self-regulation. Sur ce point de vue, l’ACC est un carrefour essentiel dans le système neurologique qui régit le contrôle cognitif en alignant les objectifs et intentions avec contraintes contextuelles et motivation54,,55. Cortex préfrontal Inféroexterne, surtout sur la droite, est un autre domaine important au sein de ce système qui a été associé à l’inhibition des réponses dominants, contrôle attentionnel et mémoire de travail dans la fonction de mise à jour des représentations de la tâche 56 , 57 , 58.

Il a été établi que les oscillations thêta médient neurale intégration nécessaire pour cognitives et affectives traitement13,16,59,60. Communication neuronale peut ainsi invoquer synchronisée excitabilité des lointains ensembles neurones dans la bande thêta avec des rythmes rapides imbriqués médiation transformation locale61,62. PLVs reflètent la cohérence de phase entre les aires corticales et sont couramment utilisés pour estimer leur synchronisme oscillatoire comme il est supposé que les deux domaines interagissent lorsqu’ils oscillent conjointement63. En effet, on observe des augmentations transitoires en PLV dans ces intervalles de l’activité neuronale qui devrait nécessiter des interactions synchrones12,20. La présente étude confirme des données antérieures et ajoute spatio-temporelle raffinement à la synchronisation fonctionnelle entre les sources estimées à l’ACC et la latPFC. Conformément aux précédents rapports64, ces résultats indiquent que les PLVs sont augmentés et infligées le procès incongrus dans la tâche de Stroop. En quantifiant la synchronisation de phase entre ces deux zones avec une grande précision temporelle, ces conclusions étendent le conflit suivi compte et indiquent que leur interaction est particulièrement éloquents après ~ 350 ms sur les essais incongrus. Au cours de cette étape d’intégration cognitive, le cortex préfrontal médial et latéral est susceptibles d’interagir pour appuyer la performance comportementale pendant des conditions plus difficiles de travail imposant des exigences sur l’attention, inhibition de la réaction et la mémoire de travail. Nombreux éléments de preuve provenant d’études de la connectivité fonctionnelle IRMf indique que ces aires corticales forment un réseau de cingulo-operculaire dynamique et interactif qui prend en charge le contrôle cognitif descendante65,66, 67. plus généralement, le cerveau optimise répondant aux exigences environnementales d’une façon personnalisée et cohérente via la synchronisation flexible et dynamique de neurofonctionnels distribués systèmes68,,69.

L’approche de MEG anatomiquement contraint utilisé dans la présente étude repose sur une combinaison de méthodes d’imagerie complémentaires. On peut caractériser la séquence spatio-temporelle de l’activité neurale et peut donner un aperçu de la dynamique des interactions à longue portée importantes pour intégrer des influences de haut en bas pendant les fiançailles de contrôle cognitif. Le signal de MEG reflète courants synaptiques directement, ce qui permet de tester des hypothèses sur les interactions co-oscillatory dans et entre les systèmes neurologique avec une grande précision temporelle. En outre, cette méthode est adaptée pour des manipulations pharmacologiques parce qu’il n’est pas sensible aux vasoactifs confond. Les recherches de ce laboratoire et d’autres indiquent que les fonctions de contrôle cognitif médiée par les prefrontally sont particulièrement vulnérables à l’alcool intoxication17,18,19,20,23 ,24,70,71,72,,du7374. La présente étude montre qu’une intoxication alcoolique aiguë diminue l’activité dans les domaines préfrontal favorisant le conflit de la réponse. En outre, l’alcool perturbe synchronisée oscillations co20,75 qui pourrait expliquer la suppression de la réponse altérée ou inadaptés. Ainsi, en état d’ébriété individus pièce soi déficiente entraînant désinhibition qui peut contribuer à boire compulsifs et le développement de l’alcool dépendance25,26,76. En somme, les estimations des oscillations co synchrones peut éclairer les interactions en temps réel des systèmes neurones engagés par une particulier demande cognitif et peut indiquer un modèle réaliste de cerveau. Ils peuvent caractériser la sensibilité sélective au défi de l’alcool sur les réseaux et servir de biomarqueurs de vulnérabilité individuelle aux effets pharmacologiques.

Subscription Required. Please recommend JoVE to your librarian.

Disclosures

Les auteurs n’ont rien à divulguer.

Acknowledgments

Ce travail a été soutenu par le National Institutes of Health (R01-AA016624). Nous sommes reconnaissants à m. Sanja Kovacevic pour son importante contribution.

Materials

Name Company Catalog Number Comments
Elekta Neuromag Elekta Magnetoencephalography system
1.5 T GE EXCITE HG General Electric Magnetic Resonance Imaging scanner
Gold Cup Electrodes OpenBCI Electroencephalography electrodes for optional simultaneous EEG recording
Prep Check Impedance Meter General Devices Check electrode impedances
HPI Coils Elekta Head position indicator coils for co-registration
Alcotest Draeger Breathalyzer
Fiber Optic Response Pad Current Designs, Inc MEG-compatible response pad
Grey Goose Vodka Bacardi Vodka is used during the alcohol session
Orange Juice Naked Orange juice is used as the beverage during the placebo session as well as mixed with vodka during the alcohol session
Discover Drug Test Card American Screening Corp Multi-screen drug test
QED Saliva Alcohol Test OraSure Technologies Saliva alcohol test
Urine Hcg Test Strips Joylive Pregnancy test
Short Michigan Alcohol Screening Test Selzer et al., 1975 Alcoholism screening questionnaire
Zuckerman Sensation Seeking Scale Zuckerman, 1971 Questionnaire: disinhibitory, novelty-seeking, and socialization traits
Eysenck Impulsivity Inventory Eysenck & Eysenck, 1978 Questionnaire: impulsivity traits
Eysenck Personality Questionnaire Eysenck & Eysenck, 1975 Questionnaire: personality traits
Biphasic Alcohol Effects Scale  Martin et al., 1993 Questionnaire: subjective experience of the effects of alcohol

DOWNLOAD MATERIALS LIST

References

  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).

Comments

0 Comments


    Post a Question / Comment / Request

    You must be signed in to post a comment. Please or create an account.

    Usage Statistics