Орексигенная подсеть в гиппокампе человека
ДомДом > Блог > Орексигенная подсеть в гиппокампе человека

Орексигенная подсеть в гиппокампе человека

Oct 28, 2023

Природа (2023)Цитировать эту статью

785 Доступов

92 Альтметрика

Подробности о метриках

Лишь недавно стали доступны более специфичные методы зондирования цепей, которые легли в основу предыдущих отчетов об участии гиппокампа грызунов в орексигенной обработке аппетита1,2,3,4. Сообщалось, что эта функция, по крайней мере частично, опосредована входными сигналами латерального гипоталамуса, включая те, которые включают орексигенные латеральные гипоталамические нейропептиды, такие как меланин-концентрирующий гормон5,6. Однако эта схема остается неуловимой для человека. Здесь мы объединяем трактографию, внутричерепную электрофизиологию, кортико-подкорковые вызванные потенциалы и трехмерную гистологию, очищающую мозг, чтобы идентифицировать орексигенный контур, включающий латеральный гипоталамус и сходящийся в субрегионе гиппокампа. Мы обнаружили, что низкочастотная мощность модулируется сигналами о сладкой и жирной пище, и эта модуляция была специфична для дорсолатерального гиппокампа. Структурный и функциональный анализ этой цепи в группе людей с нерегулируемым пищевым поведением выявил связь, которая обратно пропорциональна индексу массы тела. В совокупности этот мультимодальный подход описывает орексигенную подсеть в гиппокампе человека, вовлеченную в ожирение и связанные с ним расстройства пищевого поведения.

Орексигенная обработка аппетита основана на интеграции сенсорных, интероцептивных и гормональных сигналов для управления потребительским поведением1,7. Нарушение регуляции этого процесса приводит к неадаптивному пищевому поведению, такому как переедание, и связано с ожирением8. Исследования на грызунах показали, что субпопуляции нейронов гиппокампа реагируют на пищевые сигналы и кодируют память о месте еды1,2. Проекции латерального гипоталамуса (ЛГ) играют центральную роль в этой орексигенной функции гиппокампа, поскольку нарушение этой цепи приводит к нарушению регуляции пищевого поведения5. Было обнаружено, что эти проекции ЛГ экспрессируют меланин-концентрирующий гормон (MCH)9, орексигенный нейропептид, который вырабатывается в области ЛГ (относится к ЛГ и прилегающим к нему зонам, включая части неясной зоны)5. Сообщалось, что проекционные нейроны, содержащие MCH, влияют на ценность пищи, причем сверхэкспрессия MCH связана с состоянием ожирения10,11.

Основная схема, в которой взаимодействуют ЛГ и гиппокамп, и ее связь с орексигенной обработкой аппетита у людей, которая включает в себя преоральный процесс, управляемый сигналами, еще предстоит изучить. Здесь мы характеризуем структурное и функциональное участие человеческого гиппокампа в обработке аппетита, связанного с пищей.

Используя вероятностную трактографию в нормативных данных высокого разрешения из выпуска 7T Human Connectome Project (HCP) (n = 178), мы обнаружили, что определяемые трактографией соединения ЛГ (линии тока) сходятся в субобласти дорсолатерального гиппокампа (dlHPC) (рис. 1a). ). Затем мы исследовали функциональное участие dlHPC в обработке приятного вкуса. Для краткости мы называем объем гиппокампа за пределами субрегиона dlHPC субрегионом, не относящимся к dlHPC. Более конкретно, мы проверили следующие гипотезы: (1) спектральная динамика dlHPC различает сладко-жирные и нейтральные сигналы; и (2) спектральная динамика будет различаться между электродами, находящимися в прямом контакте с dlHPC, и электродами, находящимися в прямом контакте только с субобластью, не принадлежащей dlHPC. Мы измерили потенциальную активность локального поля (рис. 1b) с использованием внутричерепных электродов (n = 54; 34 контакта dlHPC, 20 контактов без dlHPC), имплантированных в гиппокамп человека, в то время как участники (n = 9) выполняли парадигму стимулирующего задания «сладкий жир»12. (Дополнительный рисунок 1а). Демографические и клинические характеристики всех участников описаны в дополнительной таблице 1. В этой парадигме участникам в течение 1 секунды давали сигнал, представляющий либо сладко-жирный, либо нейтральный по вкусу раствор, который впоследствии должен был быть доставлен для потребления. Мы обнаружили, что низкочастотная мощность, нормализованная для конкретного предстимула (около 3–14 Гц, с главным образом устойчивым пиком около 4–6 Гц; в дальнейшем называемая кластером низкочастотной мощности, чтобы отразить частотный диапазон этого кластера). ) в dlHPC было значительно выше (P <0,05, парное непараметрическое тестирование на основе кластеров с использованием размера кластера с нулевым распределением для поправки на множественные сравнения) во время ожидания сладко-жирного раствора по сравнению с нейтральным вкусом (рис. 1c). . В то время как более высокие частоты могут отражать большую локальную активность, считается, что более низкие частоты выгодны при маршрутизации информации через отдаленные области, поскольку их более длительный период соответствует временному требованию скорости проводимости через многочисленные синаптические задержки13. Этот профиль наблюдался сразу после сигнала (около 110 мс) и был локализован на контактах внутри субобласти dlHPC (рис. 1г,д).

 0.2mm; (2) more than 20% of FD over 0.2 mm; or (3) any FD > 5 mm (ref. 58). Global signals were extracted within the cerebrospinal fluid, white matter, grey matter and whole-brain masks. XCP Engine v.1.0 was used to perform denoising of the preprocessed BOLD output from fMRIPrep, using the estimated confound parameters58,59. This included demeaning and removal of any linear or quadratic trends and temporal filtering using a first-order Butterworth bandpass filter (0.01–0.08 Hz). These preliminary preprocessing steps were then followed by confound regression of ICA-AROMA noise components, together with mean white matter, cerebrospinal fluid and global signal regressors. All regressors were band-pass filtered to retain the same frequency range as the data to avoid frequency-dependent mismatch59. Whereas preprocessing was performed on the diffusion MRI data from the binge-eating-prone cohort to prepare the images for probabilistic tractography using the FSL suite60,61, the normative HCP diffusion MRI data had already been preprocessed (with the minimal preprocessing pipeline). The diffusion-weighted images were corrected for motion and geometric distortions using the topup and eddy functions, similar to that applied in the HCP’s preprocessing pipeline. For each participant, diffusion and T1-weighted images were co-registered using boundary-based registration./p> 25 (referred to as obese/overweight group)./p>