图 3 与心理工作量相关的大脑激活和停用。(a)统计参数图说明了 TNT 中心理工作量的主要影响。彩色条表示激活高度的 t 值(+ 10 至 � 10)。展示了在 2-back 与 0-back 期间激活增加(红色)和减少(蓝色)的皮质区域。为了便于说明,地图的阈值为 p < .001 FWE 校正。激活叠加在受试者的解剖 T1 扫描上,并标准化为标准 MNI 空间。ACC,前扣带皮层;PCC,后扣带皮层;DLPFC,背外侧前额叶皮层;DMPFC,背内侧前额叶皮层;PC,顶叶皮层(顶上回和顶下小叶);SMA,辅助运动区; VMPFC,腹内侧前额皮质。(b)条形图显示相对于静止条件,0-back 和 2-back 条件下峰值体素处 BOLD 信号增加/减少的百分比。标明了 MNI 坐标。该百分比是针对每个任务难度级别的所有区块(即安全和威胁)计算的。误差线为 SEM。浅灰色 = 0-back,中灰色 = 2-back
方法:纳入 49 名患有皮质下病变的亚急性(2 周 − 6 个月)脑卒中患者,根据 FMA-UE 评分分为三组:轻度损伤(n = 17)、中度损伤(n = 13)和重度损伤(n = 19)。所有患者均接受 FMA-UE 评估和 10 分钟静息态 fNIRS 监测。在 7 个 ROI 上记录 fNIRS 信号:双侧背外侧前额皮质(DLPFC)、中部前额皮质(MPFC)、双侧初级运动皮质(M1)和双侧初级体感皮质(S1)。通过每个通道与每个 ROI 对之间的相关系数计算功能连接(FC)。为了揭示三组之间 FC 的综合差异,我们比较了组水平和 ROI 水平的 FC。此外,为了确定不同 ROI 之间的 FMA-UE 评分与 RSFC 之间的关联,我们进行了 Spearman 相关性分析,显著性阈值为 p < 0.05。为了便于比较,我们在 MATLAB R2013b 中将左半球定义为同侧半球,并将病变右半球翻转。
有关饥饿的建议会对饥饿经历产生安慰剂影响。但是,潜在的神经认知机制尚不清楚。在这里,我们在255名女性中表明,饥饿的预期是基于建议的安慰剂干预,确定饥饿感和经济食品的选择。亚组中的功能磁共振成像(n = 57/255)提供了证据,表明安慰剂期望安慰剂减少饥饿的强度减少食物选择时内侧前额叶皮质激活,并减轻腹膜前额叶前额叶皮质(VMPFC)对食品价值的反应。与干扰分辨率有关的背外侧前额叶皮层激活正式介导了基于建议的安慰剂对饥饿的影响。漂移扩散模型通过表明饥饿建议偏向于参与者的食物选择以及他们对食物的健康性的含量偏见,这进一步改善了VMPFC - DLPFC Psy-Psy-Psy-Cy-Chophysiologicy互动,而当参与者期望减少饥饿时。因此,建议对饥饿的信念通过对前额叶皮层内的价值计算的认知调节来解决经济选择。
图 3 与心理工作量相关的大脑激活和停用。(a)统计参数图说明了 TNT 中心理工作量的主要影响。彩色条表示激活高度的 t 值(+ 10 至 � 10)。展示了在 2-back 与 0-back 期间激活增加(红色)和减少(蓝色)的皮质区域。为了便于说明,地图的阈值为 p < .001 FWE 校正。激活叠加在受试者的解剖 T1 扫描上,并标准化为标准 MNI 空间。ACC,前扣带皮层;PCC,后扣带皮层;DLPFC,背外侧前额叶皮层;DMPFC,背内侧前额叶皮层;PC,顶叶皮层(顶上回和顶下小叶);SMA,辅助运动区; VMPFC,腹内侧前额皮质。(b)条形图显示相对于静止条件,0-back 和 2-back 条件下峰值体素处 BOLD 信号增加/减少的百分比。标明了 MNI 坐标。该百分比是针对每个任务难度级别的所有区块(即安全和威胁)计算的。误差线为 SEM。浅灰色 = 0-back,中灰色 = 2-back
关键字:青春期,扩散MRI,神经发育,微结构,髓鞘,转录组学缩写:A1C,主要听觉皮层; AIC,Akaike信息标准; CSEA,细胞特异性表达分析,DLPFC,背外侧前额叶皮层; FDR,错误发现率; f细胞外,细胞外信号分数; f神经突信号分数; f soma,soma信号分数; V IC,细胞内体积分数; IPC,下顶皮层; ITC,下颞皮质; M1,一级运动皮层; MD,平均扩散率; MFC,内侧额叶皮层; MRI,磁共振成像; mRNA-SEQ,mRNA测序; NODDI,神经突导向分散和密度成像; ODI,方向分散指数; OFC,眶额皮质; OPC,少突胶质细胞前体细胞; RIN,RNA完整性数; RNA-seq,RNA测序; ROI,利益区域; rpkm,每千瓦的读数为每百万映射的读数; S1,主要感觉皮质; Sandi,Soma和神经突密度成像; STC,上等颞皮层; V1,主要视觉皮层; VLPFC,腹外侧前额叶皮层。
摘要:背景:DNA 甲基化 (DNAm) 是整个发育过程中基因表达的关键表观遗传调节因子。发育中的胎儿大脑是一种高度动态的组织,但我们对整个发育过程中表观遗传变异的关键驱动因素的理解有限。结果:因此,我们使用全基因组亚硫酸盐测序评估了胎儿皮层中超过 3900 万个位点的基因组甲基化,并发现了甲基化水平在整个发育过程中动态变化的位点和区域。我们发现这些位点的 DNAm 与附近的基因表达相关,并在胎儿脑组织中富含增强子染色质状态。此外,这些位点富含与精神疾病相关的基因和与神经发生有关的基因。我们还发现在胎儿发育过程中,两性之间存在常染色体 DNAm 差异,尽管这些差异的功能后果不太明显。我们最后证实,这一关键时期的动态甲基化是特定的 CpG 甲基化,CpH 甲基化水平非常低。结论:我们的研究结果详细介绍了胎儿时期的大脑发育,也为成年后精神特征的发病机制提供了线索。简介:DNA甲基化(DNAm)在基因表达、组织分化和从胎儿期到青春期乃至更远的发育的表观遗传调控中起着重要作用。研究表明,在人脑中,DNAm 在出生后五年内特别具有可塑性,无论是在 CpG 还是 CpH(H=A、T 或 C)位点 [1] 。关键位点的甲基化水平随时间而变化,这些变化导致基因表达和剪接的调整。这些关键区域也与精神分裂症等神经发育障碍有关,其中早期失调起着至关重要的作用 [2, 3] 。DNAm 是一种有吸引力的表观遗传机制,可用于研究死后人类脑组织,因为它代表了遗传和环境效应之间的相互作用。饮食变化 [4] 、吸烟 [5] 和砷 [6] 等外部因素与 DNAm 水平的整体和位点变化有关。为了更好地理解精神疾病发展中异常 DNAm 模式的原因和后果,我们必须首先了解正常的情况。阐明产前发育过程中的典型甲基化变化既可以深入了解出生后发育大脑中活跃的基因表达和分子通路,也可以为识别出生后疾病状态下的异常 DNAm 提供基线,因为导致精神疾病症状的病理变化可能在疾病发作前几十年 [7] 。背外侧前额皮质 (DLPFC) 是大脑整个发育过程中的一个动态区域,对运动规划、概念组织和工作记忆至关重要,精神分裂症患者中,这种功能经常失调 [8]。之前使用微阵列量化 DNAm 的研究表明,DLPFC 中存在许多 DNAm 变化
缩写列表:AG,角回;CES,经颅电刺激;CI,置信区间;COBIDAS,数据分析和共享最佳实践委员会;CoG,重心;DLPFC,背外侧前额皮质;EEG,脑电图;FEF,额叶眼区;FFT,快速傅里叶变换;IAF,个体阿尔法频率;ICA,独立成分分析;IPS,顶内沟;ITPC,经颅间相位相干性;LTD,长期抑郁;LTP,长期增强;mA,毫安;MD,平均差异;MEEG,脑磁图和脑电图;MEG,脑磁图;MRI,磁共振成像;MT,运动阈值;NIBS,非侵入性脑刺激;OSF,开放科学框架;otDCS,振荡经颅直流电刺激; PAF,峰值 alpha 频率;PICO,参与者,干预,控制,结果;PRISMA,系统评价和荟萃分析的首选报告项目;PROSPERO,国际系统评价前瞻性注册库;RINCE,减阻非侵入性皮层电刺激;rTMS,重复经颅磁刺激;SE,标准误差;SM,感觉运动;STDP,尖峰时间依赖性可塑性;SWiM,无需荟萃分析的综合;tACS,经颅交流刺激;TBS,Theta 爆发刺激;tDCS,经颅直流刺激;tES,经颅电刺激;TMS,经颅磁刺激;tRNS,经颅随机噪声刺激。
衰老是一个非常多样化的过程:成功的Agers保留了大多数认知功能,而其他人则经历了轻度到严重的认知能力下降。这种下降最终可能会对人们的日常活动产生负面影响。因此,科学家必须开发抵消或至少减慢老年人认知表现的负面变化的方法。结合认知训练和经颅直流刺激(TDC)是一种有前途的方法,可利用大脑网络的可塑性。然而,组合方法的效率取决于个人特征,例如,进入培训计划的个人的认知和情感状态。在本报告中,我们探讨了工作记忆训练的有效性,并结合了右侧背外侧前额叶皮层(DLPFC),以操纵老年人的工作记忆表现。我们假设,工作记忆能力较低的个体将从合并方案中受益最大。三十名老年人参加了为期5天的组合方案。培训前后,我们通过五个工作记忆任务评估了参与者的工作记忆性能。我们发现,个人特征影响了认知训练和TDCS方案的结果,干预有选择地使老年人的工作记忆能力较低。未来的工作应考虑通过考虑认知方面的个体差异来开发个性化治疗。
先前的研究强调了激发/抑制(E/I)比率在典型和非典型发展,心理健康,认知和学习中的作用。其他研究强调了高频经颅随机噪声刺激(TRN)的好处,即神经刺激的一种兴奋形式。我们将E/I作为潜在机制进行了研究,并研究了TRN对学习的影响是否取决于E/I,由Aperiodic指数衡量为其假定标记。除了使用TRN操纵E/I外,我们还操纵了已经显示出影响E/I的学习水平(学习/过度学习)。参与者(n = 102)在数学学习任务中,在背外侧前额叶皮层(DLPFC)上接受了假刺激或20分钟的TRN。我们表明,正如Aperiodic指数所反映的TRN增加了E/I,并且较低的E/I预测TRN从TRN中专门用于学习任务。与以前的磁共振光谱(MRS)的E/I研究相反,我们发现学习水平对E/I没有影响。使用不同数据集的进一步分析表明,E/I(EEG与MRS)的两种度量至少可以反映出不同的生物学机制。我们的结果很高 - 将E/I作为神经刺激功效和学习的标志物的作用。这种机械理解为增强学习和个性化干预提供了更好的机会。
图3基于GMV的预测模型的贡献区域。(a)基于GMV的预测模型确定了13个贡献区域(即,利益区域,ROI,ROIS),绘制了群集大小为体素数。颜色表示不同的大脑网络模块。(b)模块化分析确定了相同颜色所示的ROI的三个稳定模块(默认模式网络,DMN,蓝色;中央执行网络,CEN,黄色;和动作感知网络,APN,RED)在连通性密度含量下,范围为0.26至0.50,增量为0.01。(c)连通性密度为0.40的三个网络模块的弹簧状布局显示了每对节点之间的欧几里得距离,反映了图理论距离和线的厚度,反映了边缘的连接强度。(d)连通性密度为0.40的功能连通性矩阵(通过模块对ROI进行排序)显示边缘内部比模块之间更强的边缘强度。(e)与每个模块相关的前四个心理主题显示功能解码曲线的对数比值比。ifg,下额回(腹外侧前额叶皮层,VLPFC); MFG,中部额回(背侧前额叶皮层,DLPFC); mog,中枕回; prcg,前中央回; POCG,中心后回; precuneus; SFG,上额回(背部前额叶皮层,DMPFC); SMG;超边缘回; SPL,上顶叶; STG,上级颞回