Em formação

Existem algumas ferramentas para obter as áreas de Brodmann do cérebro humano a partir das coordenadas X, Y, Z?

Existem algumas ferramentas para obter as áreas de Brodmann do cérebro humano a partir das coordenadas X, Y, Z?



We are searching data for your request:

Forums and discussions:
Manuals and reference books:
Data from registers:
Wait the end of the search in all databases.
Upon completion, a link will appear to access the found materials.

Existe algum programa que, dadas as coordenadas x, y, z de uma área em um determinado modelo do cérebro, forneça a área histológica de Brodmann em relação a esse modelo?

Estou interessado em associar as coordenadas x, y, z no atlas ICBM152 às áreas de Brodmann.

Algo assim, por exemplo:

-6,2731 34,705 -5,0925 -> Área Broadmann 23 -4,5387 46,539 3,0627 -> Área Broadmann 24

Materiais e métodos

Participantes e aquisição de dados

O consentimento informado por escrito foi obtido de todos os participantes antes do teste. O estudo foi aprovado por um comitê de ética local (Universidade de Glasgow, número de aprovação da Faculdade de Informação e Ciências Matemáticas FIMS00733) e conduzido de acordo com a Declaração de Helsinque. Os dados do estado de repouso MEG foram adquiridos para 22 participantes destros saudáveis ​​(11 mulheres com idade média de 27,2 ± 8,0 anos (M ± SD), intervalo de 19–44 y) e por aproximadamente sete min (duração média 487 ± 22 s, intervalo de 442–521 s).

Os registros MEG foram obtidos com um sistema MEG de cabeça inteira de 248 magnetômetros (MAGNES 3600 WH, 4-D Neuroimaging) em uma sala blindada magneticamente. Os dados foram registrados a uma taxa de amostragem de 1.017 Hz. A posição da cabeça foi medida no início e no final de uma corrida por meio de um conjunto de cinco bobinas que foram colocadas na cabeça do participante e que foram codigitadas com o formato da cabeça (FASTRAK, Polhemus Inc., VT, US). Os participantes sentaram-se eretos e fixados em uma cruz projetada centralmente em uma tela com um projetor DLP. Na mesma sessão, os participantes ouviram dois estímulos auditivos de 7 minutos. Esses dados foram publicados em outro lugar [46]. No entanto, utilizamos uma dessas condições (participantes ouvindo a história "Pie-man", contada por Jim O’Grady) para demonstrar a modulação dos perfis de estado de repouso durante o processamento auditivo. Os estímulos auditivos e os blocos de repouso foram apresentados em ordem aleatória.

Pré-processamento de dados e rejeição de artefatos

Para análise de dados MEG, usamos Matlab (The MathWorks Inc), incluindo rotinas internas do MATLAB e a caixa de ferramentas FieldTrip [55]. O sinal MEG foi reamostrado para 250 Hz, sem ruído com informações dos sensores de referência MEG e sem tendência. Os canais MEG com ruído foram rejeitados quando seu escore z médio excedeu um valor de 1,5 (média 4,05 ± 3,24, intervalo de 1–14 canais). As gravações contínuas de MEG foram então segmentadas em segmentos de 1 s (também chamados de tentativas). Segmentos ruidosos foram rejeitados quando sua pontuação z média excedeu um valor de 2. Uma média de 21 segmentos por participante foi removida (resultando em uma média de 466 ± 20, e variando de 428 a 499 segmentos restantes que foram incluídos nas análises subsequentes) . A rejeição automática de canais e segmentos foi validada visualmente. Artefatos relacionados a batimentos cardíacos e piscar de olhos foram removidos usando análise de componente independente (ICA) em um subespaço de 30 dimensões definido pela análise de componente principal (PCA). Identificamos visualmente artefatos cardíacos e oculares de cada participante e removemos seus componentes (média de 2,23 ± 0,43, intervalo de 2–3 componentes).

Localização da fonte

Imagens individuais de ressonância magnética estrutural (ressonâncias magnéticas ponderadas em T1) foram co-registradas no sistema de coordenadas MEG usando as formas digitalizadas da cabeça dos participantes. As ressonâncias magnéticas foram ainda realinhadas com as formas individuais da cabeça dos participantes por meio de um algoritmo de ponto mais próximo iterativo (ICP) [56]. As ressonâncias magnéticas foram então segmentadas para obter uma representação do cérebro, incluindo substância branca, substância cinzenta e líquido cefalorraquidiano. Um modelo de camada única foi usado para a solução direta para construir um modelo de condução de volume [57]. MRIs anatômicos individuais foram transformados linearmente em um cérebro modelo (Montreal Neurological Institute) usando Fieldtrip / SPM5. Calculamos os coeficientes do formador de feixe LCMV da série temporal MEG para cada um dos voxels em uma grade regular de 10 mm que cobre o cérebro. Esses pesos LCMV foram usados ​​para a projeção posterior de espectros complexos de Fourier no espaço de origem. A orientação dipolo ideal para cada voxel foi calculada usando a abordagem SVD. Usamos o atlas AAL [24] para dividir o cérebro modelo em 116 áreas anatômicas, incluindo uma parcela cerebelar [58]. Observe que uma área do atlas AAL (Cerebellum 3L) não foi interpolada com o modelo de fonte de 10 mm. Esta área foi excluída de todas as análises, resultando em 115 áreas no total.

Análise espectral

Os espectros de Fourier de nível de sensor complexo para segmentos únicos foram calculados usando a Transformada Rápida de Fourier. O sinal foi preenchido com zeros até um comprimento de 2 se suavizado espectralmente (+/− 2 Hz) com um multitaper DPSS. Usamos uma resolução de frequência logarítmica para a análise espectral para otimizar a resolução de frequências mais baixas, resultando em 42 valores de frequência entre 1 e 120 Hz (6 frequências na banda delta, 9 na banda teta, 5 na banda alfa, 8 na banda beta e 14 na banda gama). Os espectros de Fourier de nível de sensor complexo foram projetados no espaço de origem para cada segmento de dados de 1 s individual usando os pesos LCMV calculados anteriormente. Os dados foram normalizados espectralmente dividindo o espectro de cada segmento e voxel pelo espectro de potência média em todos os segmentos e voxels por participante (normalização de razão). Essa normalização resulta em valores acima / abaixo de um. Para tornar um aumento ou diminuição na potência mais aparente, todos os valores foram subtraídos por um (resultando em valores acima / abaixo de zero). Em seguida, calculamos a média dos espectros de potência normalizados de segmento único em voxels separadamente para cada área do cérebro de acordo com a parcela do atlas AAL. Assim, os resultados representam a atividade espectral em cada área do cérebro em comparação com o resto do cérebro.

K-Means Clustering e modelagem GM de dados espectrais

Nós costumavamos k- significa agrupamento e modelagem GM subsequente em níveis individuais e de grupo para particionar espectros de frequência dentro de cada ROI anatômico em grupos distintos. Primeiro, os espectros de potência de teste único de cada participante foram divididos em dez grupos por área anatômica usando k-significa reduzir a dimensionalidade dos dados. o k- significa que o algoritmo trata cada espectro de potência de segmento único como um ponto no espaço de 42 dimensões e agrupa os dados em k clusters mutuamente exclusivos, minimizando a distância do centroide de observações dentro dos clusters e maximizando a distância entre os clusters. Usamos uma métrica de distância do cosseno, o que significa que um menos o cosseno do ângulo incluído entre os pontos determinou a distância dentro e entre os clusters. Ao usar uma medida de distância cosseno, o procedimento de agrupamento se concentra na forma dos espectros, em oposição às amplitudes (por exemplo, ao usar a distância euclidiana). Dez clusters individuais por ROI foram predefinidos, porque isso produziu os melhores resultados para o clustering subsequente sobre os participantes em nossos dados. o kO algoritmo de médias foi repetido 10 vezes com centróides diferentes (determinados aleatoriamente) e no máximo 100 iterações, a solução com a menor soma das distâncias dentro dos clusters foi aceita. Em segundo lugar, os modelos GM foram ajustados separadamente aos dez grupos de cada ROI para cada um dos 22 participantes (modelos GM de primeiro nível). Os modelos GM são funções de densidade de probabilidade paramétrica representadas como uma soma ponderada das densidades dos componentes gaussianos. O ajuste usa um algoritmo de maximização de expectativa iterativa, que atribui probabilidades posteriores (usando log-verossimilhança negativa) para cada densidade de componente em relação a cada observação. É importante ressaltar que as probabilidades posteriores indicam a probabilidade de cada observação pertencer a um cluster e, portanto, fornecem a possibilidade de testar estatisticamente soluções de cluster.

Para o agrupamento em nível de grupo, o número ideal de agrupamentos por ROI foi estimado usando um critério Silhouette com uma métrica de distância cosseno. O valor Silhouette mede a semelhança de um ponto com outros pontos em seu próprio cluster, quando comparado a pontos em outros clusters. O cálculo dos valores do Silhouette para soluções de cluster entre 1–15 clusters foi repetido 1.000 vezes. O número de clusters com o maior valor de Silhouette foi escolhido. Ao melhor kA solução de meios (menor soma das distâncias em 10 repetições com 100 iterações) foi usada como ponto de partida para o algoritmo de modelagem GM para obter o conjunto final de clusters para cada área anatômica (modelos GM de segundo nível). Aceitamos apenas grupos que eram representativos para a maioria dos participantes (N = 16, Χ 2 (1) = 4.55, p = 0,03). Além disso, foi calculada a duração média que cada cluster ficou evidente durante a gravação. Isso foi feito contando o número de ensaios individuais que contribuíram para um agrupamento específico, expressando isso em porcentagem e calculando a média entre os participantes. Observe que este procedimento pode resultar em porcentagens cumulativas acima de 100%.

Para análises de regressão linear com medidas que resultaram de modelos GM de segundo nível (como classificação média, número de clusters ou frequência de pico por área), as coordenadas cartesianas de cada área do cérebro foram calculadas e suas contrapartes esféricas calculadas. A regressão foi calculada para o raio, ângulo de elevação e ângulo de azimute, e os níveis de significância foram corrigidos usando o procedimento sequencial de Bonferroni [31].

Testando os modelos de estado de repouso da atividade espectral

Usamos o seguinte procedimento para testar os modelos de atividade espectral e determinar a especificidade dos perfis espectrais para áreas individuais. Os 22 conjuntos de dados foram divididos aleatoriamente em treinamento (n = 11) e dados de teste (n = 11), e um modelo GM de segundo nível foi calculado para cada área do cérebro a partir dos dados de treinamento. Em seguida, calculamos a probabilidade logarítmica negativa para cada combinação de dados de teste específicos de área (ou seja, modelos GM de primeiro nível) e modelos GM de segundo nível específicos de área a partir dos dados de treinamento (ver Fig 3a). O log de verossimilhança negativo quantifica a probabilidade de que os dados de teste sejam consistentes com o modelo GM. Para esta análise, o número de clusters por área foi definido como quatro, que era o modo de números de cluster ideais na análise principal. O número de clusters foi mantido constante para evitar viés na probabilidade logarítmica negativa que resultaria de um número diferente de clusters. Finalmente, para qualquer determinada área do cérebro, as probabilidades dos dados de teste para se ajustar aos modelos GM de segundo nível foram classificadas (por exemplo, dados de teste do giro pré-central esquerdo combinados com modelos GM para todas as 115 áreas do cérebro). O procedimento de classificação foi repetido 120 vezes com diferentes atribuições aleatórias de dados de treinamento e teste. Em seguida, calculamos a média aparada de 20% das classificações em todas as áreas e iterações. Uma classificação 1 significa que a área do modelo correta era a mais provável de se ajustar à área de teste, uma classificação 2 significa que era a segunda mais provável e assim por diante.

Similaridade entre áreas

A semelhança entre as áreas do cérebro foi analisada usando um procedimento de agrupamento hierárquico aglomerativo. Probabilidade logarítmica negativa entre as áreas do modelo GM de 2º nível e os dados de todos os participantes serviram como medida de distância. O algoritmo vincula pares de áreas dependendo de sua proximidade entre si. Este procedimento é repetido com cada par até que todas as áreas formem uma árvore de agrupamento hierárquico binário (dendrograma). Usamos o método da distância média não ponderada para calcular a distância entre as áreas e o ângulo do cosseno como métrica. Para a apresentação dos resultados, a árvore de clusters foi cortada em no máximo 20 clusters.

Comparação de perfis espectrais durante repouso e escuta

A atividade cerebral espectral durante a escuta contínua de uma história foi analisada da mesma forma que os dados de repouso. Os perfis espectrais durante o repouso e a escuta foram comparados para os córtices auditivos primários (identificados como “Heschl” no atlas AAL). Nós nos concentramos nos córtices auditivos primários, pois eles compreendem áreas relativamente pequenas e funcionalmente distintas no atlas AAL. Primeiro, o pico de cada espectro foi identificado para encontrar grupos comparáveis ​​durante o repouso e a escuta. Os máximos de amplitude desses picos foram então comparados traçando grupos de volta aos modelos GM de primeiro nível individuais. Dessa forma, pelo menos 16 valores de amplitude (já que cada modelo GM de segundo nível tinha que consistir em dados de pelo menos 16 participantes) entraram em uma amostra independente t teste, sem a suposição de variâncias iguais. Tudo p-valores são corrigidos para testes múltiplos usando um procedimento sequencial de Bonferroni [31].

Disponibilidade de código

O script baseado em Matlab, bem como dados limpos e filtros LCMV para todos os participantes, podem ser baixados do site MEG do Centro de Neuroimagem Cognitiva, Instituto de Neurociência e Psicologia da Universidade de Glasgow: http: //meg.psy .gla.ac.uk /.


Resultados

Semear resultados de ROI

Brodmann & # x02019s Área 44

O ROI colocado em BA 44 exibiu correlações positivas robustas com a pars triangularis (BA 45) e pars orbitalis (área 47/12) do giro frontal inferior (IFG), bem como com a região pré-motora inferior (BA 6). Além disso, houve correlações positivas com a área motora pré-suplementar (preSMA), a região paracingulada (BA 32) e o córtex frontal medial adjacente (BAs 8, 9) (fig. 1). Houve também correlações com o córtex frontal dorsolateral caudal (BA 8) e a parte rostral de BA 6 dorsal. No córtex parietal, as correlações foram principalmente restritas à parte ventral do giro supramarginal posterior (pSMG) e ao giro angular adjacente. No lobo temporal, houve correlações significativas com a parte caudal do giro temporal superior (GTS), o sulco temporal superior (GTS) e com o giro temporal médio (GMS). Não houve correlações com o córtex somatomotor primário dentro do sulco central ou a região cortical somatomotora ao redor da extensão medial do sulco central, ou seja, lóbulo paracentral BA4. Também não houve correlações significativas com o lóbulo parietal superior, o cingulado posterior, pré-cuneiforme e regiões pré-frontais ventromediais.

Padrões de conectividade funcional em estado de repouso em nível de grupo associados às três ROIs frontais ventrolaterais selecionadas manualmente e os resultados de contrastes diretos entre elas (Z & # x0003e 2.3 significância do cluster p & # x0003c 0,05, corrigido). As imagens estão no espaço MNI152 e são mostradas de acordo com a convenção neurológica (direita é direita).

Brodmann & # x02019s Área 45

O ROI em BA 45 exibiu um padrão de correlações positivas semelhante ao de BA 44 (Fig. 1). BA 45 exibiu correlações significativas com BAs 44 e 47/12 no giro frontal inferior, bem como com a região frontal dorsolateral posterior (BA 8) e BA 6 dorsal. No córtex parietal, houve correlações positivas com a parte ventral de o giro supramarginal posterior (pSMG) e o giro angular. No lobo temporal, houve fortes correlações positivas com o giro temporal superior caudal, todo o sulco temporal superior e giro temporal médio. Medialmente, BA 45 exibiu correlações positivas com a área motora pré-suplementar, a região paracingulada (BA 32) e a região frontal medial (BAs 8, 9 e 10). Além disso, havia correlações robustas com a região frontal ventromedial. Não houve correlações com o córtex somatomotor primário dentro do sulco central ou a região cortical somatomotora ao redor da extensão medial do sulco central, ou seja, lóbulo paracentral BA4. Também não houve correlações significativas com o lóbulo parietal superior, a região cingulada posterior, ou precuneus.

Giro Precentral Ventral (BA 6)

O BA 6 ROI ventral, localizado na parte ventral do giro pré-central, próximo ao sulco pré-central inferior, foi positivamente correlacionado com BAs 44 e dorsal 45, bem como uma região do giro frontal médio (MFG) que fica logo acima a pars triangularis, e que foi denominada área 9 / 46v por Petrides e Pandya (1994). Correlações positivas significativas também foram observadas entre BA 6 e o ​​córtex motor e somatossensorial adjacente no sulco central, bem como a extensão medial da região somatomotora no lóbulo paracentral. Também houve correlações positivas com a região somatossensorial secundária nos opérculos frontal e parietal e na ínsula. Correlações estendidas para o giro temporal superior (GTS) e a maior parte posterior do giro temporal médio (GTS). Dentro do córtex parietal posterior, as correlações positivas foram principalmente restritas à parte anterior do giro supramarginal (aSMG). Na superfície medial do cérebro, a semente em BA 6 foi correlacionada com a região motora suplementar (BA 6 medial), bem como o córtex ventralmente adjacente dentro do sulco cingulado e giro que correspondem às áreas motoras cinguladas descobertas no macaco macaque (Ele et al., 1995). Notavelmente, a semente BA 6 não exibiu quaisquer correlações com o córtex frontal medial (isto é, BAs 8, 9, 10) ou o córtex pré-frontal ventromedial. Também não houve correlações positivas com o córtex cingulado posterior ou pré-cuneiforme (fig. 1).

Contrastes diretos: BA 45 & # x0003e BA 44 e BA 44 & # x0003e BA 45

Para examinar as diferenças entre BA 44 e BA 45, contrastes diretos foram realizados entre essas duas ROIs. Em relação a BA 44, BA 45 exibiu maiores correlações positivas com a região pars orbitalis do giro frontal inferior onde a área 47/12 está localizada (ver Petrides e Pandya, 1994), com o córtex pré-frontal ventromedial e com o giro angular. Observe que na superfície do cérebro, este RSFC mais forte parece estar restrito à parte dorsal do giro angular, mas isso é simplesmente o resultado do fato de que grande parte da atividade correlacionada está logo abaixo do córtex e dentro da extensão parietal do sulco temporal superior que não aparecerá na superfície do cérebro, como pode ser visto na seção coronal apropriada na Fig. 2 (BA 45 & # x0003e BA 44). BA 44 exibiu maior RSFC (em relação a BA 45) com o pré-motor BA 6, o córtex somatossensorial secundário dentro da margem superior da fissura de Sylvian e o giro temporal superior caudal (Fig. 1, Tabela 1).

Resultados da comparação direta entre BA 45 e 44, após restringir nossa análise ao lobo temporal esquerdo (Z & # x0003e 2.3 significância do cluster p & # x0003c 0,05, corrigido para um volume de 22768mm 3). Esta comparação com pequeno volume corrigido revelou RSFC significativamente maior entre BA 45 e o giro temporal médio, em relação a BA 44.

Os resultados de RSFC acima estavam em excelente acordo com as previsões de conectividade do córtex parietal e temporal às regiões homólogas ventrolaterais no macaco macaque com base no estudo anatômico experimental dessas conexões (Petrides e Pandya, 2009). No entanto, também havia uma contradição aparente.No estudo com o macaco macaque, as conexões da área 45 com o córtex temporal lateral pareceram ser mais difundidas do que as da área 44 e incluir um componente mais ventral do córtex temporal lateral. A comparação da superfície do cérebro na Fig. 2 (compare os painéis BA 45 e BA 44) parece confirmar esta maior atividade no córtex temporal lateral para BA 45 do que BA 44. No entanto, isso não atingiu o nível de significância aceito em a comparação direta BA 45 & # x0003e BA 44. Dada nossa previsão de que RSFC diferencial seria observado, repetimos a comparação direta entre BA 44 e 45 RSFC, restringindo nossa análise ao lobo temporal esquerdo (Z & # x0003e 2.3 significância do cluster p & # x0003c 0,05, corrigido para um volume de 22768 mm 3). Essa comparação restrita revelou RSFC significativamente maior entre BA 45 e o giro temporal médio, em relação a BA 44 (fig. 2).

Contrastes diretos: BA 6 & # x0003e BA 44 e BA 6 & # x0003e BA 45

Para examinar as diferenças entre BA 6 e BAs 44 e 45, contrastes diretos foram realizados entre essas ROIs. Em relação a ambos BAs 44 e 45, BA 6 exibiu RSFC mais forte com áreas somáticas e motoras primárias ao redor do sulco central e as áreas somatossensoriais secundárias dentro dos opérculos frontal e parietal e da ínsula. Também houve correlações mais fortes entre BA 6 e o ​​lóbulo parietal superior e a parte anterior do giro supramarginal (aSMG), em relação a ambos BAs 44 e 45. Houve correlações mais fortes entre BA 6 e a região motora suplementar (SMA) e a região motora no giro cingulado central e sulco que provavelmente corresponde às áreas motoras cinguladas descobertas no macaco macaque (He et al., 1995) (Fig. 1, Tabela 1).

Contrastes diretos: BA 44 & # x0003e BA 6 e BA 45 & # x0003e BA 6

Em relação a BA 6, BAs 44 e 45 exibiram correlações mais fortes com a pars orbitalis do giro frontal inferior (área 47/12) e o córtex frontal dorsolateral caudal correspondendo a BA 8 (Fig. 1, Tabela 1). No lobo temporal, havia correlações significativamente mais fortes com o córtex dentro do sulco temporal superior e do giro temporal médio. Na superfície medial, BAs 44 e 45 mostraram correlações mais fortes do que BA 6 com o córtex frontal medial anterior ao SMA envolvendo BAs 8, 9 e 10, bem como o paracingulado BA 32. Além disso, BA 45 exibiu RSFC mais forte com o medial parte do polo frontal (BA 10), o córtex frontal ventromedial e o giro angular, em relação a BA 6, enquanto BA 44 não mostrou essas diferenças.

Resultados de agrupamento

Agrupando a matriz eta 2 da média do grupo

Usando um procedimento de comparação de divisão pela metade de grupos permutados, aplicamos algoritmos de agrupamento espectral e hierárquico para identificar soluções de agrupamento para o intervalo K = 2:12, onde K é o número de clusters. Para cada valor de K, avaliamos a similaridade das soluções de cluster geradas para o Grupo 1 (n = 18) e Grupo 2 (n = 18) utilizando a métrica Variação da Informação (VI) (Meila, 2007). A Fig. 3D representa o VI médio em 100 grupos permutados, para cada Ke cada algoritmo de agrupamento. Os resultados indicam que as soluções mais semelhantes (consistentes) (associadas ao VI médio mais baixo) foram geradas pelo algoritmo de agrupamento espectral. A solução não trivial mais consistente (ou seja, K& # x0003e2) parece ser K= 4, embora haja boa semelhança média para o intervalo K = 2:6.

Índices de agrupamento. (A) A média do grupo (média) das matrizes eta 2 individuais calculadas com base nos dados suavizados do estado de repouso. (B) A média do grupo das matrizes eta 2 individuais calculadas com base nos dados do estado de repouso não suavizados. (C) A matriz de consenso para K= 4. Esta matriz representa, quando K= 4, a estabilidade com a qual pares de voxels foram atribuídos ao mesmo cluster entre os indivíduos. (D) Para cada valor de K, avaliamos a similaridade das soluções de cluster geradas para o Grupo 1 (n = 18) e Grupo 2 (n = 18) no procedimento de comparação de grupos permutados com divisão ao meio usando a métrica Variação da Informação (VI) (Meila, 2007). O gráfico traça o VI médio em 100 grupos permutados, para cada K, para os algoritmos de agrupamento hierárquico e espectral. Pontuações de VI mais baixas indicam melhor similaridade (consistência) entre as soluções calculadas para cada grupo. (E) Média (e desvio padrão) da silhueta modificada para cada valor de K, para soluções de cluster produzidas quando o algoritmo de agrupamento espectral foi aplicado para cada indivíduo & # x02019s matriz eta 2. (F) Valores modificados de silhueta calculados para soluções de agrupamento calculadas com base nas matrizes de consenso, para cada valor de K. (G) Similaridade entre as atribuições de agrupamento para a média do grupo (média) das matrizes eta 2 individuais (isto é, mostradas em A) e aquelas para as matrizes de consenso (exemplo mostrado em C). (H) Similaridade entre as atribuições de cluster para a média do grupo (média) das matrizes eta 2 individuais calculadas com base nos dados do estado de repouso suavizado (ou seja, mostrado em A) e aqueles calculados com base no repouso não suavizado dados do estado (exemplo mostrado em B).

Posteriormente, aplicamos o algoritmo de agrupamento espectral à média do grupo de todos (n = 36) matrizes eta 2 de sujeito único. A Fig. 4 exibe os mapas de superfície para as soluções de agrupamento espectral para K = 2: 6 (para comparação, os mapas de superfície das soluções de agrupamento hierárquico para K = 2: 6 são apresentados na Fig. S1 suplementar).

Mapas de superfície (cérebro MNI152) para as soluções de agrupamento espectral para K = 2: 6 para (1) a média do grupo de participantes individuais & # x02019 matrizes eta 2 calculadas com base nos dados do estado de repouso suavizado (eta 2 suavizado & # x02013 primeira coluna) (2) a média do grupo do indivíduo Matrizes eta 2 calculadas com base nos dados de estado de repouso não suavizados (eta 2 não suavizados & # x02013 segunda coluna) e (3) a matriz de consenso (Consenso & # x02013 terceira coluna).

Silhueta Modificada

Para discernir ainda mais o melhor K, calculamos um valor de silhueta modificado para cada valor de K, para soluções de cluster produzidas quando o algoritmo de agrupamento espectral foi aplicado para cada indivíduo & # x02019s matriz eta 2. Conforme mostrado na Fig. 3E, o critério de silhueta modificada sugeriu que K= 4 representa a solução mais favorável.

Efeito de suavização

Para avaliar o impacto da suavização na atribuição de cluster, repetimos as análises e a geração da matriz eta 2 sem suavização espacial. A Fig. 4 mostra os mapas de superfície para as soluções de agrupamento espectral para K = 2: 6, calculado com base na média do grupo de matrizes eta 2 não suavizadas (Fig. 3B). Qualitativamente, os mapas são altamente semelhantes, uma conclusão que é apoiada quantitativamente pela métrica VI (Fig. 3H), que indica boa similaridade entre as soluções suavizadas e não suavizadas para K 7.

Agrupamento de matriz de consenso

Em uma segunda abordagem para validação de cluster, realizamos o agrupamento espectral em um nível de sujeito individual e, em seguida, examinamos a estabilidade com a qual os pares de voxels foram atribuídos ao mesmo agrupamento entre os indivíduos, calculando uma matriz de consenso (Steinley, 2008), um exemplo de que é mostrado na Fig. 3C. Para discernir o padrão mais estável de atribuição de cluster entre os assuntos, aplicamos o algoritmo de agrupamento espectral às matrizes de consenso e calculamos a silhueta modificada. A Fig. 3F plota os valores da silhueta modificada e sugere que, entre os assuntos, o padrão mais estável de atribuição de cluster é para K = 4. Qualitativamente, os mapas de superfície para as soluções calculadas com base na matriz de consenso são altamente semelhantes aos calculados com base na matriz eta 2 de média do grupo (Fig. 4), e a métrica VI demonstra a melhor similaridade entre as soluções de cluster é para K = 2: 4 (Fig. 3G).

Semeando o K = 4 solução de cluster

Com base nas análises de agrupamento, concluímos que K = 4 representou a solução mais favorável (ver Fig. 4). Qualitativamente, os quatro agrupamentos localizaram-se na parte superior do giro frontal inferior (IFG), contornando o sulco frontal inferior (agrupamento 1), a pars opercularis lateral e a pars triangularis (agrupamento 2), córtex pré-central inferior (agrupamento 3) e um quarto região que se estende medialmente dentro da fissura de Sylvian da ponta mais inferior do córtex pré-motor ventral e a pars opercularis em direção à ínsula anterior (Grupo 4). Para verificar esses aglomerados como regiões funcionalmente distintas do córtex frontal ventrolateral, examinamos o RSFC associado a quatro ROIs de sementes esféricas de raio de 4 mm, centrado nos centros de massa de cada um dos aglomerados da média do grupo K = 4 solução de agrupamento espectral. A Fig. 5 mostra o nível de grupo (Z & # x0003e 2.3 significância do cluster p & # x0003c 0,05, corrigido) RSFC para cada um dos quatro clusters, bem como comparações diretas entre os clusters.

Padrões de conectividade funcional de estado de repouso em nível de grupo e os resultados de contrastes diretos para as quatro ROIs de sementes localizadas nos centros de massa da média do grupo K = 4 solução de agrupamento espectral. Os aglomerados são marcados na Figura 4 e correspondem a: a parte superior do giro frontal inferior (IFG), contornando o sulco frontal inferior (Grupo 1), a pars opercularis lateral e a pars triangularis (Grupo 2) córtex pré-central inferior (Grupo 3) e uma quarta região que se estende medialmente dentro da fissura de Sylvian da ponta mais inferior do córtex pré-motor ventral e a pars opercularis em direção à ínsula anterior (Grupo 4). Z & # x0003e 2.3 significância do cluster p & # x0003c 0,05, corrigido. As imagens estão no espaço MNI152 e são mostradas de acordo com a convenção neurológica (direita é direita). Os números (painel superior esquerdo) indicam as posições das fatias axiais mostradas na parte inferior de cada painel.

O padrão de RSFC observado para o Cluster 2 que inclui as partes centrais do pars opercularis e pars triangularis é muito semelhante ao observado para ROIs com base em BAs 44 e 45 (compare o Cluster 2 na Fig. 5 com BA 44 e 45 na Fig. 1). Da mesma forma, o padrão de RSFC para o Cluster 3 que inclui a parte inferior do giro pré-central é consistente com o da ROI com base em BA 6 (compare o Cluster 3 na Fig. 5 com BA 6 na Fig. 1). Os voxels no Cluster 1 provavelmente se separam do resto da grande região frontal ventrolateral de interesse que foi definida para a análise de agrupamento em virtude do fato de estarem localizados ao longo do sulco frontal inferior na borda com o giro frontal médio que incluiria voxels das áreas 8 e 9 / 46v na margem superior do sulco frontal inferior e giro frontal médio adjacente. Especificamente, o cluster 1 exibiu RSFC com quase todo o giro frontal inferior, anterior e incluindo o sulco pré-central inferior, BA 6 dorsal e BA 8 no giro frontal médio, o sulco intraparietal e o córtex temporal médio e inferior caudal. A comparação Cluster 1 & # x0003e Cluster 2 (Fig. 5) isola esta região de fronteira no lobo frontal e destaca o RSFC mais forte com o sulco intraparietal para voxels que podem pertencer à área 8 e 9/46 em comparação com voxels que são mais provavelmente estão nas áreas 45 e 44. Finalmente, o cluster 4 exibiu um padrão de RSFC semelhante ao do cluster 2, mas com RSFC menos extenso com o lobo temporal lateral e o córtex frontal medial, e RSFC mais extenso com o giro cingulado dorsal e áreas motoras suplementares, bem como córtex frontal anterior. Pode representar uma região que incluiria voxels na região anterior da ínsula e na região frontal opercular.

No geral, os padrões de RSFC associados ao K = 4 solução de agrupamento espectral foram consistentes com aqueles da análise baseada em sementes primárias das regiões frontais ventrolaterais, e confirmaram uma distinção significativa entre BAs pré-motor 6 e BAs 44 e 45, mas maior similaridade do que diferença entre BAs 44 e 45 em termos de seu RSFC.


Métodos

Assuntos

Participaram do estudo dez universitários saudáveis ​​do sexo masculino (média ± DP: 26,6 ± 2,5 anos). Nenhum dos participantes relatou ter histórico de distúrbios psiquiátricos, fisiológicos ou neurológicos. O procedimento geral foi explicado a todos os participantes, que por sua vez deram seu consentimento para o procedimento. O consentimento informado por escrito foi obtido de todos os participantes antes do experimento. Todos os procedimentos experimentais foram aprovados e realizados de acordo com os regulamentos do Comitê de Revisão Institucional da Universidade da Coreia (KU-IRB-11-46-A-1).

Estimulação de pressão

A estimulação por pressão foi aplicada usando um estimulador de pressão compatível com MR desenvolvido por nossa equipe de pesquisa 16. A pressão foi aplicada a cada articulação do dedo injetando ar em um manguito (M1866A, Philips, Holanda) usado para medição não invasiva da pressão arterial de um bebê (Fig. 1A). A inflação, regulação e desinsuflação pneumáticas foram realizadas controlando a bomba de rolamento e a válvula solenóide com um interruptor de transistor após gerar pressão pneumática, empregando a bomba de rolamento usada em um manômetro de pressão arterial comercial. A pressão pneumática gerada pela bomba foi transmitida ao manguito por meio de um tubo de ar de 7 m, e o tamanho do manguito era de 6,4 cm × 2,5 cm (fig. 1A). E-Prime S / W (Psychology Software Tools, Inc.) foi usado para controlar os parâmetros de estimulação, como força de pressão, tempo de esforço, etc. A sincronização do scanner MR e do estimulador de pressão compatível com MR foi realizada usando um sinal de disparo gerado a partir de a porta de impressora LPT-1 de um PC onde o software E-Prime foi instalado 16. A imagem da função cerebral foi adquirida aplicando estimulação de pressão com uma certa força (8,5 psi) às três articulações [primeira (p1), segunda (p2) e terceira (p3) articulações] dos quatro dedos (índice, meio, anel e dedo mínimo) na mão direita.

(UMA) Um estimulador de pressão compatível com RM, construído com um manguito de medição de pressão arterial não invasivo para bebês, foi usado para fornecer um estímulo de pressão a cada articulação dos dedos da mão direita pela injeção de ar no manguito. O tamanho do manguito era de 6,4 cm × 2,5 cm. (B) O paradigma experimental e um sujeito deitado no scanner com três estimuladores de pressão fixados em cada articulação do dedo indicador. Durante a fase de repouso, os sujeitos permaneceram com os olhos fechados sem estimulação de pressão por 30 s. Durante a fase de estimulação, um estímulo de pressão foi fornecido a uma das três articulações por 30 s. Durante a fase de resposta, os sujeitos pressionaram um dos três botões com a mão esquerda, correspondendo à localização da articulação estimulada. As respostas foram coletadas para confirmar se os sujeitos perceberam corretamente a localização de um determinado estímulo de pressão. A primeira, a segunda e a terceira juntas são denotadas p1, p2 e p3, respectivamente.

Design experimental

Três estimuladores de pressão (manguitos) foram fixados nas três articulações [primeira (p1), segunda (p2) e terceira articulações (p3)] de um dedo selecionado aleatoriamente (dedo indicador, médio, anular ou mínimo) (Fig. 1B ) A sessão consistia em três blocos, e cada bloco consistia em uma fase de repouso (30 s), uma fase de estimulação (30 s) e uma fase de resposta (9 s). A fase de repouso, na qual não foi aplicada estimulação por pressão, foi definida como o estado em que o sujeito deitou-se confortavelmente por 30 s com os olhos fechados. Na fase de estimulação, a estimulação por pressão foi aplicada aleatoriamente por 30 s em uma das três articulações (p1, p2 ou p3) do dedo selecionado (indicador, médio, anular ou mínimo). Como uma sessão teve três fases de estimulação, a estimulação por pressão pode ser aplicada a todas as três articulações. Na fase de resposta, um botão de resposta foi instalado na mão esquerda dos sujeitos para examinar se eles reconheceram ou não com precisão a localização da estimulação de pressão aplicada, e eles foram instruídos a apertar o número do botão que correspondia à estimulação de pressão entre as três articulações (p1, p2 ou p3) de acordo com sua percepção. Três experimentos repetidos foram conduzidos para um dedo selecionado em cada sessão. Portanto, a estimulação por pressão foi aplicada três vezes em cada uma das três articulações de um dedo selecionado durante as três sessões. Os experimentos também foram realizados nos outros três dedos seguindo o mesmo procedimento descrito anteriormente. Todos os sujeitos participaram de um total de 12 sessões para os três experimentos repetidos realizados para cada dedo (três sessões / dedo × quatro dedos = 12 sessões). O contrapeso foi conduzido para a ordem de estimulação em cada dedo e articulação dos sujeitos. Entre as sessões sucessivas, os participantes fizeram uma pausa de 5 minutos enquanto deitados confortavelmente no scanner sem nenhuma tarefa. Considerando o cansaço e a atenuação do engajamento na tarefa dos sujeitos devido ao longo tempo experimental, permitimos que os sujeitos saíssem do scanner e fizessem uma pausa após seis sessões e retomamos as sessões restantes após 30 min.

Todos os sujeitos usaram fone de ouvido para bloquear os estímulos auditivos e visuais e fecharam os olhos durante o experimento. Eles foram instruídos a minimizar o movimento de suas mãos e cabeças. Durante a imagem funcional, os sujeitos deitaram na mesa de RM em posição supina, segurando o braço direito do cotovelo para baixo em um gesso acolchoado que apoiava a parte dorsal da mão. Eles foram instruídos a descansar o braço contra o orifício do ímã para que o braço e a mão ficassem relaxados. Para garantir que as posições das mãos e dos dedos fossem mantidas o mais consistentemente possível entre os sujeitos, cada sujeito foi instruído sobre como manter as posições das mãos e dos dedos e praticou o posicionamento com os manguitos de ar presos aos dedos antes de realizar o experimento de fMRI.

Ao investigar a resposta adquirida na fase de resposta, analisamos as imagens da função cerebral dos oito sujeitos (média ± D.P .: 25,4 ± 1,3 anos) entre os dez que reconheceram a localização da estimulação por pressão como seu alvo com 100% de precisão.

Aquisição de imagem

As imagens foram digitalizadas por um sistema de ressonância magnética 3T (Magnetom TrioTim, Siemens Medical Systems, Erlangen, Alemanha) usando uma bobina de cabeça de 32 canais padrão. As imagens anatômicas foram obtidas usando uma sequência MPRAGE 3D ponderada em T1 com tempo de repetição TR = 1900 ms, tempo de eco TE = 2,48 ms, ângulo de inversão = 9 °, campo de visão FOV = 200 mm e resolução espacial = 0,8 × 0,8 × 1 mm 3. As imagens funcionais foram obtidas usando uma sequência de imagem planar eco-gradiente ponderada em T2 * com TR = 3000 ms, TE = 30 ms, ângulo de rotação = 90 °, FOV = 192 mm, espessura de corte = 2 mm e resolução no plano = 1,5 × 1,5 mm 2.

Análise de dados fMRI

Os dados de fMRI foram analisados ​​usando SPM 8 (Wellcome Department of Cognitive Neurology, London, UK). Todas as imagens funcionais foram alinhadas com as imagens anatômicas do estudo usando rotinas de transformação afins embutidas no SPM 8.As varreduras realinhadas foram co-registradas com as imagens anatômicas dos participantes obtidas em cada sessão e normalizadas para a imagem do modelo SPM8 que usa o espaço definido pelo Montreal Neurological Institute. A correção de movimento foi realizada usando interpolação sinc. Os dados da série temporal foram filtrados usando um filtro passa-alta de 240 s para remover artefatos devido a influências cardiorrespiratórias e outras influências cíclicas. O mapa funcional foi suavizado usando um kernel gaussiano isotrópico de 3 mm antes da análise estatística. A análise estatística foi realizada individualmente e em grupo usando o modelo linear geral e a teoria dos campos aleatórios gaussianos implementados no SPM 8. Os mapas estatísticos paramétricos com estatística t foram calculados. A análise dos assuntos individuais foi realizada em um limiar de significância de p & lt 0,05, corrigido para comparações múltiplas. Usamos a análise de efeito aleatório para calcular a ativação do grupo.

Analisamos a ativação da área cortical somatossensorial no hemisfério esquerdo contralateral à mão direita estimulada. Em particular, examinamos a ativação em BA 2 usando o método da região de interesse (ROI) com base em nossa hipótese de que os estímulos de pressão ativariam respostas neurais em BA 2 15. Utilizando o método de subtração (fase de estimulação − fase de repouso), os voxels ativados foram procurados em BA 2 em resposta à estimulação de cada articulação e dedo. Dentre os voxels ativados em BA 2 para cada articulação, selecionamos aquele com o pico de ativação (medido pelo maior valor t). A localização anatômica desse voxel, representada pelas coordenadas x, y e z no espaço do Montreal Neurological Institute (MNI), foi definida como uma coordenada de pico para cada articulação e dedo. Aqui, a coordenada x é um determinado número de pixels ao longo do eixo lateral-medial, a coordenada y é um determinado número de pixels ao longo do eixo anterior-posterior e a coordenada z é um determinado número de pixels ao longo do eixo inferior –Eixo superior. Para cada sujeito, identificamos as coordenadas de pico de um total de 12 articulações.

Medição de distâncias inter, intra e inter / intra dígitos

A partir das medidas das distâncias interdígitos e intra-dígitos utilizadas nos estudos anteriores 1,2,4,5,6,7,9,10,11,12,13,14, foram calculadas as distâncias interdígitos e intra-dígitos. distâncias de dígitos, conforme descrito posteriormente. Além disso, também calculamos as distâncias inter / intra-dígitos da mesma maneira. Primeiro construímos vetores de diferença entre os dedos e as articulações usando as coordenadas de pico 3D 1,2,4,7,9 para normalizar os dados de coordenadas de pico individuais e para estimar a direção espacial das representações somatotópicas dos estímulos de pressão nos dedos e nas articulações. Usando os vetores de diferença, calculamos a distância euclidiana (E.D.) entre as articulações para estimar o quanto as representações somatotópicas dos estímulos de pressão de cada articulação estão separadas. Mais detalhes sobre o cálculo das distâncias inter, intra e inter / intra dígitos seguem.

Primeiro, a distância entre dígitos calculada pelo vetor de diferença mediu a distância das coordenadas de pico em BA 2, que foi ativada pela introdução de estimulação de pressão em cada articulação (p1, p2 ou p3) do dedo indicador até o pico coordenadas em BA 2 ativadas pelo esforço da estimulação de pressão nas mesmas articulações dos dedos médio, anelar e mínimo. Por exemplo, os vetores de diferença do interdígito em p1 foram calculados subtraindo as coordenadas x-, y- e z das coordenadas de pico ativadas pela estimulação de pressão de p1 no meio, anel e dedinhos do x -, coordenadas y e z das coordenadas de pico ativadas pela estimulação de pressão em p1 do dedo indicador [Eq. 1 (a)]. O vetor de diferença do inter dígito foi calculado da mesma maneira usando p2 e p3 do dedo indicador como referência.

xd1, yd1 e zd1 representam as coordenadas de pico do dedo indicador xd2, yd2 e zd2 representam as do dedo médio xd3, yd3 e zd3 representam as do dedo anular e xd4, yd4 e zd4 representam as do dedo mínimo dedo nas três direções x, y e z.

Em segundo lugar, a distância intra-dígito calculada usando o vetor de diferença mediu a distância para as coordenadas de pico em BA 2 ativadas pela estimulação de pressão de p2 e p3 com as coordenadas de pico em BA 2 ativadas pela estimulação de pressão de p1 em cada dedo como o referência. Por exemplo, os vetores de diferença do intra dígito no dedo indicador foram calculados subtraindo as coordenadas x-, y- e z das coordenadas de pico ativadas pela estimulação de pressão de p2 e p3 de x-, y-, e coordenadas z das coordenadas de pico ativadas pela estimulação de pressão de p1 como sua referência [Eq. 1 (b)]. O vetor de diferença dos dedos médio, anelar e mínimo foi calculado usando a Eq. 1 (b):

xp1, yp1 e zp1 representam as coordenadas de pico da primeira junta xp2, yp2 e zp2 representam as da segunda junta e xp3, yp3 e zp3 representam as da terceira junta nas três direções x, y e z.

Terceiro, a distância inter / intra-dígito mede distâncias da coordenada de pico em BA 2 ativada pela estimulação de pressão em p1 do dedo indicador até as coordenadas de pico em BA 2 ativadas pela estimulação de pressão em todas as outras articulações. Essa distância é diferente da distância entre os dedos, que mede a distância entre as mesmas articulações de dedos diferentes, ou a distância entre os dedos, que mede a distância entre as diferentes articulações de um mesmo dedo. Uma vez que a distância interdígitos ou distância intra-dígitos sozinha não inclui uma distância entre diferentes articulações de dedos diferentes (por exemplo, entre p1 do dedo indicador e p2 do dedo médio), empregamos a distância inter / intra-dígito para incorporar distâncias entre as articulações dos dedos. Especificamente, medindo a distância de cada articulação a p1 do dedo indicador, pretendemos examinar quão amplamente as coordenadas de pico ativadas pela estimulação de pressão em qualquer articulação de p1 do dedo indicador até p3 do dedo mínimo são distribuídas em BA 2. Além disso, a distância inter / intra-dígito pode fornecer informações das distâncias de p1 do dedo indicador a todas as articulações do dedo médio, anelar ou mínimo. Por exemplo, podemos examinar como as distâncias entre as coordenadas de pico de p1, p2 e p3 do dedo médio e de p1 do dedo indicador são semelhantes. A Equação 1 (c) foi calculada de forma semelhante subtraindo os valores das coordenadas x, y e z das coordenadas de pico para todas as outras articulações dos valores das coordenadas x, y e z das coordenadas de pico ativadas pelo estimulação de pressão em p1 do dedo indicador como referência.

xd1p1, yd1p1 e zd1p1 representam as coordenadas de pico da primeira junta xd1p2, yd1p2 e zd1p2 representam aquelas da segunda junta e xd1p3, yd1p3 e zd1p3 representam aquelas da terceira junta nas três direções x, y e z de o dedo indicador. d2, d3 e d4 representam os dedos médio, anelar e mínimo, respectivamente.

Finalmente, o E.D. foi calculado como a raiz quadrada da soma dos quadrados de cada elemento no vetor diferença. Por exemplo, Eq. (2) é a raiz quadrada da soma dos quadrados de um elemento do vetor diferença [Eq. 1 (b)] para adquirir o E.D. entre p1 e p2 no intra dígito. Em outras palavras, o E.D. do inter dígito, intra dígito e inter / intra dígito foram calculados, respectivamente, pelas raízes quadradas da soma dos quadrados de cada elemento nas Eqs 1 (a – c).

Realizamos o teste t pareado de Wilcoxon (PASW 18.0) para validar a significância estatística dos vetores de diferença inter, intra e inter / intra dígitos e distâncias euclidianas para discriminar estímulos táteis entre diferentes articulações e diferentes dedos dentro de Brodmann área 2 (BA 2).


Discussão

Principais Achados

Os resultados de nossa revisão sistemática e meta-análises não nos permitem concluir sobre o diferencial de fenótipos cerebrais específicos para cada um dos grupos abrangidos por esta revisão. Embora estudos de ressonância magnética funcional (ou seja, envolvendo fMRI ou rs-MRI) sobre a identidade de gênero parecem indicar que as regiões fronto-parietais e cingulo-operculares do cérebro são diferencialmente relevantes no transgenerismo, um padrão claro acompanhado por mudanças estruturais consistentes ainda está para ser encontrado . Estudos sobre identidade de gênero com amostras moderadas a maiores que incluíram indivíduos com orientação sexual diferente em seus grupos de controle (Baldinger-Melich et al., 2020 Manzouri & amp Savic, 2019), expuseram as complexidades subjacentes tanto à identidade de gênero quanto à orientação sexual. Os dados extraídos podem sugerir que antes do tratamento hormonal, a maioria das características cerebrais dos transgêneros cobertas pelos estudos revisados ​​podem ser semelhantes às de seu sexo natal, mas certamente alguns parâmetros cerebrais diferem, assemelhando-se aos de seu gênero experiente. Além disso, embora a neuroanatomia, neurofisiologia e neurometabolismo homossexuais possam tender a se assemelhar aos de indivíduos heterossexuais do mesmo sexo, algumas características cerebrais diferem e são semelhantes às de indivíduos heterossexuais do sexo oposto em alguns dos estudos analisados.

A compilação dos dados dos estudos incluídos mostra diferenças neurais entre os grupos estudados. No entanto, as funções cerebrais são mediadas por diferentes áreas cerebrais e suas interações, e não por estruturas únicas. A correlação ou associação entre uma determinada função cerebral, mudança volumétrica ou ativação, com uma determinada atividade e / ou comportamento não estabelece se (ou não) essa estrutura / função é causalmente importante para aquela atividade / comportamento (Koob et al., 2013 Maney, 2016). Apenas mostra um possível envolvimento ou tendência aparente. Comportamentos humanos complexos (e alguns comportamentos simples) não podem ser inteiramente explicados por fenômenos que ocorrem apenas em uma única região do cérebro. Portanto, a ideia de que as diferenças sexuais cerebrais causam diferenças sexuais comportamentais, ao invés de ser uma suposição, ainda constitui uma hipótese a ser verificada.

Estudos em amostras cisgênero e heterossexuais relataram diferenças sexuais na anatomia cerebral em uma escala global, no que diz respeito aos volumes absolutos (Kurth et al., 2016). Estudos também relataram dimorfismo sexual nos tamanhos e formas relativas das estruturas cerebrais regionais, com a direção do efeito do sexo variando entre as regiões, incluindo a região de Broca (Kurth et al., 2016), corpo caloso (Prendergast et al., 2015 ), amígdala e hipocampo (Giedd et al., 1996). Esses achados refletem na seletividade das regiões cerebrais analisadas pelos estudos incluídos nesta revisão. No entanto, as pesquisas que investigam as diferenças no nível dos volumes regionais de tecido são altamente contraditórias. Um grande estudo que analisou dados de ressonância magnética de 1.400 indivíduos heterossexuais cisgêneros de quatro conjuntos de dados diferentes (Joel et al., 2015) encontrou sobreposição substancial na distribuição de características anatômicas entre homens e mulheres em todas as regiões do cérebro e conexões examinadas, minando as tentativas de distinguir claramente entre formas “masculinas” e “femininas” de características cerebrais específicas. Eles chegaram à ideia de que os cérebros humanos não podem, de fato, ser categorizados distintamente em duas classes distintas, mas sim, que os cérebros masculino e feminino são compostos de "mosaicos únicos" de características, alguns dos quais são mais comuns em um sexo do que no outro e alguns que são comuns em ambos.

Alguns autores referem-se a uma programação precoce de gênero e inclinação sexual impulsionada pela diferenciação sexual no cérebro, propondo que esta influencia o desenvolvimento das áreas cerebrais modulando a percepção corporal (ou seja, relacionada à identidade de gênero) ou excitação sexual (ou seja, relacionada a orientação sexual) (Burke et al., 2017 Manzouri & amp Savic, 2019). Outros sublinham a interação entre cérebro, cultura e comportamento, argumentando que as mudanças cerebrais estruturais e funcionais em indivíduos transgêneros podem ser consequência da cultura e do comportamento (Mohammadi & amp Khalegi, 2018). A etiologia e os determinantes das diferenças na identidade de gênero e orientação sexual estão fora do escopo desta revisão, e deve-se ter cautela para tirar conclusões apenas da literatura da neurociência, já que o comportamento humano, em última análise, não é redutível a fatores biológicos ou culturais , mas é uma consequência de sua interação. Como tal, a sexualidade humana é um complexo de vários níveis, e o desafio é investigar como os elementos biológicos, históricos e culturais interagem entre si.

Análise de regiões de interesse

A falta de dados não nos permitiu meta-analisar as informações obtidas nos estudos que realizaram análises de ROI. Ao extrair e resumir todas as informações disponíveis, foram encontradas diferenças entre os cisgêneros e os transgêneros na microestrutura da substância branca, análises volumétricas, espessura cortical e forma do corpo caloso. Diferenças entre pessoas heterossexuais e homossexuais foram encontradas na espessura cortical, volumes subcorticais e hemisfério cerebral, mas não nos tratos de substância branca. Os estudos incluídos, no restante das ROIs analisadas, não encontraram diferenças significativas entre cérebros cisgêneros e transgêneros nem entre heterossexuais e homossexuais ou encontraram diferenças significativas apenas entre transgêneros e cisgêneros de sexo oposto e entre homossexuais e heterossexuais de sexo oposto (ver tabelas 3 e 4). Nossos achados sobre identidade de gênero são consistentes com estudos anteriores que também tentaram resumir os achados da literatura sobre este tópico, segundo os quais a morfologia grosseira em transgêneros é mais semelhante a pessoas cisgênero de seu sexo natal do que a pessoas cisgênero de seu gênero experiente (Guillamon et al., 2016 Kreukels & amp Guillamon, 2016 Mueller et al., 2017 Smith et al., 2015), embora a microestrutura da matéria branca (Kreukels & amp Guillamon, 2016 Mueller et al., 2017 Smith et al., 2015), espessura cortical (Guillamon et al., 2016 Smith et al., 2015), e os volumes subcorticais (Mueller et al., 2017) podem se desviar do sexo biológico em direção aos valores do gênero experiente.

Análise de Coordenadas Estereotáxicas

As regiões do cérebro occipital, envolvidas no processamento visual, são as que mais frequentemente apresentam ativação diferente nos cisgêneros em relação aos transgêneros, seguida de alguns focos fronto-temporais. Isso não é surpreendente, dado que, em geral, a maioria dos estudos de fMRI envolvidos em ambas as análises envolveram estimulação visual. Além disso, especificamente o BA 23 teve diferentes ativações para heterossexuais em relação a homossexuais. Nossa meta-análise encontrou diferentes ativações cerebrais entre diferentes grupos espalhados por todo o cérebro, mas no geral com baixa frequência (ver Tabelas 5 e 6). Nossos resultados sobre identidade de gênero são consistentes com alguns dos estudos anteriores mencionados acima, de acordo com os quais, em certas áreas do cérebro, a ativação dos transgêneros é mais próxima daquela de seu gênero experiente (Guillamon et al., 2016 Smith et al., 2015). Embora ainda haja consenso de que uma imagem clara ainda não emergiu (Mueller et al., 2017), avanços recentes na inteligência artificial confirmam as observações acima, indicando que algumas áreas fronto-parietais e cingulo-operculares podem ser relevantes para a previsão resultados da terapia hormonal (Moody et al., 2021).

Análise Metabólica

Em transgêneros e homossexuais, algumas características metabólicas parecem diferir ligeiramente dos cisgêneros de seu sexo natal e dos heterossexuais de seu sexo natal, respectivamente. No entanto, dado o número reduzido de estudos incluídos que conduziram essas análises, esses achados não podem ser generalizados. Isso está de acordo com o que a literatura científica sobre identidade de gênero concluiu a esse respeito (Smith et al., 2015).

Pontos fortes e limitações

Até onde sabemos, esta é a primeira revisão sistemática e meta-análise da literatura de neuroimagem sobre diferenças estruturais, funcionais e metabólicas em função da identidade de gênero (antes do tratamento hormonal) e da orientação sexual. Além disso, extraímos e processamos cuidadosamente todos os dados de todos os estudos considerados para meta-análises e os disponibilizamos publicamente para facilitar pesquisas futuras nesta importante área.

Várias limitações em relação ao pequeno tamanho da amostra da meta-análise e a heterogeneidade das investigações devem ser reconhecidas. As análises de nossa busca sistemática até 2018 incluíram 51 estudos (ou seja, 30 sobre identidade de gênero e 21 sobre orientação sexual), todos com amostras relativamente pequenas, conduzidas com diferentes técnicas de neuroimagem (1 SPECT, 3 PET, 6 fMRI, 8 rs-fMRI , e 13 ressonância magnética na identidade de gênero 4 PET, 5 ressonância magnética, 3 rs-fMRI e 11 fMRI na orientação sexual). Diferentes estudos realizados com ressonância magnética investigaram diferentes estruturas cerebrais (córtex, volumes subcorticais, substância branca, CSF e ventrículos no córtex de identidade de gênero, volumes subcorticais e substância branca na orientação sexual). A RMf foi realizada sob diferentes estímulos (1 olfativo, 1 estimulação vocal, 1 tarefa de rotação mental, 1 teste de fluência verbal e 2 visuais de identidade de gênero, 10 estimulação visual e 1 tarefa de julgamento emocional na orientação sexual). A análise metabólica investigou diferentes áreas do cérebro (rede hipotalâmica, distribuição do transporte de serotonina em diferentes ROI e rCBF em estudos de identidade de gênero, ativação hipotalâmica e conectividade funcional em estudos de orientação sexual) usando diferentes técnicas de neuroimagem (PET e SPECT em pesquisa de identidade de gênero PET em pesquisa de orientação sexual ) Com isso, não foi possível meta-analisar os resultados de todos os estudos que se enquadraram em nossos critérios de inclusão / exclusão, e a principal contribuição de nosso trabalho, portanto, se limita à compilação científica e síntese dos dados disponíveis. Uma atualização da busca primária conduzida em um banco de dados, adicionou 12 artigos às análises que, embora enriquecessem os dados apresentados, eram bastante confirmatórios de nossos achados principais e acrescentaram heterogeneidade aos resultados.

Além disso, alguns estudos apresentaram algumas limitações quanto à apresentação de seus dados. Em primeiro lugar, alguns estudos não relataram parâmetros estatísticos e apenas relataram se havia ou não diferenças significativas entre cisgêneros e transgêneros e entre heterossexuais e homossexuais.Em segundo lugar, outros estudos relataram parâmetros estatísticos apenas em caso de diferenças significativas entre os grupos, e omitiram relatórios de resultados negativos (ou seja, quando nenhuma diferença foi encontrada) (investigação de identidade de gênero: Burke et al., 2014 Kranz et al., 2014b, 2015 Ku et al., 2013 Lin et al., 2014 Luders et al., 2009 Nota et al., 2017 Pol et al., 2006 Santarnecchi et al., 2012 Soleman et al., 2013 Spies et al., 2016 Yokota et al. ., 2005 Zubiaurre-Elorza et al., 2013 investigação de orientação sexual: Hu et al., 2008 Ponseti et al., 2007 Savic e Lindström, 2008 Sylva, 2013 Zeki & amp Romaya, 2010 para informações mais detalhadas, consulte a análise de preconceito no Apêndice 5 e 6). Uma apresentação completa dos dados científicos, incluindo resultados negativos, é importante para avaliar com precisão as investigações científicas sobre um determinado tema (Matosin et al., 2014).

As informações sobre o sexo biológico dos participantes dos estudos fazem parte dos dados científicos que coletamos e disponibilizamos. Os dados apresentados mostram que indivíduos transgêneros MtF e FtM não têm imagens espelhadas de diferenças cerebrais. No entanto, a heterogeneidade do desenho dos estudos envolvidos, apesar de enriquecer o escopo desta revisão, devido ao número limitado de estudos incluídos e seus tamanhos de amostra, tornou impossível tirar conclusões sobre as diferenças biológicas de sexo específicas para os grupos abrangidos neste Reveja. Por exemplo, alguns artigos compararam MtF com MC, outros MtF com FC, outros FtM com MC e outros FtM com FC. Os estudos incluídos nesta revisão sobre transgenerismo não forneceram informações sobre transgenerismo de início precoce ou de início tardio. Portanto, faltam análises e informações sobre este ponto importante.

Finalmente, como Guillamon et al. (2016) observou, alguns estudos realizados sobre gidentidade ender não relatou a orientação sexual dos indivíduos que constituíram sua amostra. A identidade de gênero e a orientação sexual são conceitualmente diferentes, ou seja, tanto os cisgêneros quanto os transgêneros são heterossexuais ou homossexuais (Burke et al., 2017 Moser, 2010), e há mais identidades de gênero além do cis- / transgênero (ismo) (tal como genderqueer ou não binário) e outras orientações sexuais diferentes de hetero / homossexual (ismo) (como bi-, pan- e assexual). A orientação sexual pode estar associada a características específicas estruturais do cérebro, independentemente e independentemente da identidade de gênero, como alguns estudos recentes sugerem (Baldinger-Melich et al., 2020 Manzouri & amp Savic, 2019). Assim, o que significa que as variações estruturais, funcionais e metabólicas encontradas em transgêneros homossexuais com respeito a cisgêneros heterossexuais podem estar relacionadas à sua orientação sexual e não à sua identidade de gênero (Blanchard et al., 1987). Um estudo recente identificou regiões do cérebro onde a orientação sexual e a identidade de gênero aparentemente interagem (Wang, Han, et al., 2020).

Conclusões e direções futuras

Nos últimos anos, a investigação de neuroimagem sobre a sexualidade humana aumentou e vários estudos sobre identidade de gênero e orientação sexual comparando cisgêneros vs. transgêneros e heterossexuais vs. homossexuais foram conduzidos.

Esta revisão explorou características estruturais, funcionais e metabólicas de cisgêneros em comparação com transgêneros antes do tratamento hormonal e heterossexuais em comparação com homossexuais. Os resultados sugerem que, embora a maioria das características neuroanatômicas, neurofisiológicas e neurometabólicas em transgêneros se assemelhe àquelas de seu sexo natal em vez de àquelas de seu gênero experiente, e em homossexuais essas se assemelham aos de sua população heterossexual do mesmo sexo, em vez de seu heterossexual do sexo oposto população, na investigação de identidade de gênero, em MtF foi possível encontrar traços “femininos e desmasculinizados” e em FtM foi possível encontrar traços “masculinos e defeminizados” (Kreukels & amp Guillamon, 2016). O mesmo poderia ser dito em relação à investigação sobre orientação sexual, onde algumas características cerebrais na população homossexual dos estudos revisados ​​assemelham-se às da população heterossexual do sexo oposto. Devido a resultados conflitantes, não foi, entretanto, possível identificar características cerebrais específicas que diferem consistentemente entre cisgêneros e transgêneros, nem entre grupos heterossexuais e homossexuais. Mudanças cerebrais muito pequenas, até agora indetectáveis ​​com o uso das ferramentas de neuroimagem atuais, podem afetar o comportamento. O pequeno número de estudos, o pequeno tamanho da amostra de cada estudo, a heterogeneidade das investigações, a falta de resultados negativos relatados por alguns estudos, e o fato de alguns estudos não reportarem a orientação sexual dos indivíduos que compuseram sua amostra não permitem tirar conclusões gerais. Além disso, como as amostras das publicações envolvidas não são representativas da população analisada, deve-se ter cautela na interpretação dos resultados desta revisão.

Para superar as limitações mencionadas acima, estudos futuros devem: (1) continuar investigando as áreas do cérebro que são sexualmente dimórficas (por exemplo, hipotálamo, hipocampo, caudado, corpo caloso e transporte de serotonina) e áreas do cérebro envolvidas no processamento da percepção do próprio corpo (por exemplo , córtex parietal, frontal, insular e suas conexões com o tálamo e putâmen) e estímulos sexuais e excitação (por exemplo, hipotálamo e estriado ventral) (2) conduzem a Análise Metabólica junto com a estrutural e funcional para aumentar o número de dados disponíveis (3) relatar resultados positivos e negativos para conduzir uma análise estatística imparcial (4) relatar orientação sexual de indivíduos que compõem o tamanho da amostra em estudos sobre identidade de gênero (5) aumentar o tamanho da amostra e expandir a faixa etária da amostra (6) diferenciar com respeito ao transgenerismo de início precoce ou tardio para alcançar uma melhor compreensão das características biológicas subjacentes a eles. Revisões futuras no tópico devem estender os critérios de inclusão para distinguir entre tratamento pré-puberal e pré-pós-púbere e pós-hormonal, bem como incluir outras modalidades de neuroimagem avançada, como espectroscopia de ressonância magnética e aquisições de sequência dinâmica para aumentar o valor e âmbito do presente relatório.


Conclusões

Usando uma abordagem de modelagem de conectividade metaanalítica (MACM) com dados do banco de dados BrainMap de estudos de neuroimagem funcional, caracterizamos o perfil de conectividade funcional da área de junção frontal inferior (IFJ) em termos de coativações. Com base em um grande conjunto de dados de ativações de pico publicadas, nossos resultados confirmam a noção de que o IFJ está envolvido em uma rede de controle cognitivo (CCN). O CCN compreende o córtex pré-frontal dorsolateral, ínsula anterior (e córtex pré-frontal ventrolateral vizinho), o córtex frontal medial / pré-SMA, partes do córtex pré-motor dorsal e o córtex parietal posterior. Além disso, identificamos a conectividade do IFJ com áreas subcorticais principalmente pertencentes ao núcleo dorsal medial do tálamo e uma região posterior inferior em torno do tentório cerebelar que não pode ser inequivocamente atribuída ao cerebelo ou junção occipito-temporal com base no atlas de Talairach. A atribuição desses locais ao CCN é compatível com observações anteriores, principalmente em fMRI de estado de repouso e análises de conectividade estrutural. Outras coativações mais consistentemente observadas incluem linguagem e localizações relacionadas ao motor. Os resultados foram amplamente confirmados em uma análise adicional de fMRI em estado de repouso. No entanto, usando essa abordagem, o VLPFC foi identificado com menos clareza e o CCN foi complementado pelo córtex cingulado anterior, em linha com as observações anteriores.

O CCN envolvendo o IFJ foi proposto anteriormente usando dados de fMRI baseados em tarefas e em estado de repouso em uma série de assuntos [9]. A maioria dos estudos maiores sobre redes fronto-parietais relevantes para a cognição não denomina o IFJ explicitamente. Assim, os resultados relatados aqui estabelecem a ligação formal entre o trabalho anterior sobre a funcionalidade do IFJ e os estudos que enfocam a organização geral das redes cognitivas do cérebro em um alto nível formal de evidências (meta-analíticas). Deve ser enfatizado, no entanto, que modelos como o CCN são apenas aproximações da organização funcional do cérebro humano e não podem capturar totalmente as interdependências e a especialização dentro das redes.

Ainda assim, à luz dos resultados que sugerem um papel da funcionalidade prejudicada do IFJ na demência precoce, juntamente com esta informação de conectividade funcional do IFJ no CCN, o IFJ parece ser um ponto de partida promissor para investigar a rede de controle cognitivo em estudos posteriores e em particular em populações clínicas.


MATERIAIS E MÉTODOS

Assuntos.

Dezesseis indivíduos destros que falam inglês (13 homens, 3 mulheres) se ofereceram para este estudo. A aprovação foi obtida do Comitê de Investigação Humana da Universidade de Yale e todos os sujeitos deram consentimento informado. Os indivíduos foram colocados em decúbito dorsal sobre uma cama. A cabeça do sujeito estava firmemente posicionada em um suporte de espuma de borracha que minimizava o movimento. Todos os seis sujeitos envolvidos no estudo anterior de fluência verbal com fMRI (9) foram incluídos neste estudo.

Design experimental.

Em ambas as condições apresentadas ao sujeito, uma tentativa individual consistia em um toque em qualquer um dos dois primeiros dedos da mão direita do sujeito & # x02019s, seguido por uma resposta do sujeito. A resposta dada foi um movimento de qualquer um desses dedos, dependendo da condição particular. Havia duas condições: Repetir, o assunto moveria o mesmo dedo que foi tocado e Aleatória, o sujeito escolheria qual dedo mover e a sequência de qual dedo tocado era aleatória. No Linha de base condição, o sujeito descansou sem estímulos. Antes de cada sequência de varredura ser iniciada, o sujeito era informado sobre qual condição esperar.

Todos os experimentos foram realizados em um espectrômetro 2.1-T Biospec 1 extensivamente modificado (Bruker Instruments, Billerica, MA), equipado com bobinas de gradiente ativamente protegidas (Oxford Magnet Technologies, Oxford, U.K.). Foi usada uma bobina transceptora de cabeça de radiofrequência em gaiola linear.

Para localizar as áreas de interesse nos lobos frontais, um conjunto inicial de imagens anatômicas sagitais foi coletado, posicionado próximo à linha média. As comissuras anterior e posterior (AC e PC) foram identificadas e as imagens anatômicas coronais foram obtidas. Essas imagens coronais foram coletadas como um conjunto de quatro cortes, sendo que a mais anterior foi posicionada aproximadamente 3 cm antes do CA. As imagens anatômicas foram ponderadas usando uma sequência de recuperação de inversão: matriz de imagem = 128 & # x000d7 128, tempo de eco (TE) = 17 ms, tempo de inversão (TI) = 750 ms, tempo de repetição (TR) = 2 s, campo de visão (FOV) = 19 cm, resolução no plano (x e z no espaço estereotáxico) = 1,50 & # x000d7 1,50 mm 2. Angiogramas foram tirados dessas mesmas fatias coronais (matriz de imagem = 256 & # x000d7 256, TR = 40 ms, TE = 17 ms, FOV = 19 cm, resolução no plano (x e z no espaço estereotáxico) = 0,75 & # x000d7 0,75 mm 2 ver ref. 12). Em todos os casos, a espessura do corte foi de 5 mm, com separação de 7 mm do centro de cada corte. As resoluções espaciais nominais na imagem anatômica e angiograma foram 1,50 & # x000d7 5,00 & # x000d7 1,50 e 0,75 & # x000d7 5,00 & # x000d7 0,75 mm 3, respectivamente, para dados de assuntos individuais (x, y, e z no espaço estereotáxico). A porção superior do córtex pré-frontal dorsolateral foi calçada (13) antes da obtenção das imagens funcionais.

Imagens funcionais foram obtidas para as quatro fatias coronais usando uma sequência de imagem assimétrica spin-eco-eco-planar (EPI) (ver ref. 14). Os parâmetros para EPI foram os seguintes: matriz de imagem = 32 & # x000d7 64, TE (spin-eco) = 28 ms, TE (gradiente-eco) = 50 ms, TR = 1,36 s por imagem, espessura de corte = 5 mm, separação de fatias de centro a centro = 7 mm e resolução no plano (x e z no espaço estereotáxico) = 4,8 & # x000d7 2,5 mm 2. As imagens foram coletadas como um & # x0201crun & # x0201d de 16 imagens por fatia, com varreduras fictícias (4 imagens por fatia) usadas para estabelecer o estado estacionário de magnetização. Em cada execução, o sujeito descansou durante as primeiras 4 imagens por fatia (pré-tarefa), respondeu a estímulos durante as próximas 8 imagens por fatia (tarefa) e descansou novamente durante as últimas 4 imagens por fatia (pós-tarefa) Em cada execução, ocorreram 16 ensaios comportamentais durante o tarefa fase da sequência de varredura. Para cada condição (ou seja, Repetir, Aleatória, Linha de base) três corridas foram coletadas.

Análise de dados.

A análise dos dados neste estudo foi idêntica à do estudo anterior de fluência verbal com fMRI (9). As imagens funcionais foram analisadas off-line em um Silicon Graphics Indy estação de trabalho (Mountain View, CA) em ambiente MATLAB (Natick, MA). Os artefatos de movimento foram avaliados por um algoritmo COM usando imagens funcionais não interpoladas. Resumidamente, uma imagem limiar foi criada de forma que as intensidades de todos os pixels fora do cérebro fossem definidas como zero, enquanto as intensidades de todos os pixels dentro do cérebro não fossem alteradas. Para cada conjunto de dados, os desvios nos COMs das imagens limiares (em x e z direções de um pixel) foram plotados contra o tempo para revelar os padrões temporais de movimento. Um conjunto de dados foi descartado de uma análise posterior se o desvio no COM para qualquer imagem em uma série fosse maior que 25 & # x00025 de um tamanho de pixel & # x0005bi.e., 1,2 e 0,6 mm para x e z direções no espaço estereotáxico & # x0005d. Este critério para artefato de movimento em uma série de imagens funcionais foi baseado no curso do tempo das flutuações de intensidade da imagem no cérebro em repouso (ou seja, Linha de base imagens de condição onde não houve movimento iniciado pelo estímulo). Nenhuma tentativa foi feita para corrigir as flutuações fisiológicas nos dados de fMRI (15).

Para cada execução consistindo em 16 imagens por fatia, a média das primeiras 4 imagens por fatia, representando o sinal basal (S), foi subtraído de cada imagem dentro da série, produzindo 16 imagens de diferença por fatia e revelando mudanças de sinal relacionadas à tarefa (& # x00394S) As últimas 4 imagens por fatia em uma execução não foram usadas para representar o sinal basal porque as mudanças de sinal relacionadas à tarefa são sustentadas às vezes, mesmo após a tarefa ser concluída (por exemplo, ver ref 9). Essas imagens não foram incluídas na obtenção de mapas de ativação. Para comparar a diferença na atividade cerebral entre os Aleatória e Repetir condições, um t teste foi calculado usando o tarefa imagens das duas condições, e o mapa de ativação definido pelo t a comparação de teste foi limitada para excluir pixels que continham puramente ruído. Cada imagem funcional, com uma matriz de imagem de 32 & # x000d7 64 pixels, foi então linearmente interpolada para uma matriz de imagem de 128 & # x000d7 128 pixels e esticada para se sobrepor à sua imagem anatômica. Os fatores de alongamento linear no plano (0,31 e 0,60 pol. x e z, respectivamente, no espaço estereotáxico) para as imagens funcionais foram determinadas a partir de dados fantasmas de uma esfera de água de 12 cm de diâmetro. Embora a imagem funcional tenha sido interpolada linearmente e esticada para coincidir com a imagem anatômica, que tinha uma resolução espacial de 1,5 & # x000d7 5,0 & # x000d7 1,5 mm 3, a resolução espacial nominal na imagem funcional esticada ainda era 4,8 & # x000d7 5,0 & # x000d7 2,5 mm 3 para dados de assuntos individuais em espaço estereotáxico.

Um método de co-registro linearmente distorcido (16, 17) foi aplicado ao conjunto de dados para criar dados de fatia coronais médios em relação ao espaço estereotáxico padrão (18). Havia três cortes coronais consecutivos que cobriam a mesma região do cérebro e eram comuns a todos os indivíduos. Para esses três cortes coronais, cada imagem anatômica do sujeito & # x02019s foi linearmente distorcida para corresponder a uma imagem padrão, como no estudo de fluência verbal fMRI anterior (9), e imagens anatômicas médias foram criadas. Da mesma forma, para cada fatia um mapa de ativação médio foi criado. Um filtro gaussiano (1 pixel de largura) foi aplicado a cada mapa de ativação médio, que foi então limitado a P & # x0003c 0,005 para revelar as regiões de interesse (ROIs) que foram significativas naquele nível. Este valor limite particular foi baseado na suposição de que o cérebro em repouso não deve revelar nenhuma região & # x0201cativada & # x0201d em um t-map (ou seja, o Linha de base doença t-mapa, onde não havia estímulo, mostrou & # x0201cno ativação & # x0201d em um valor limite de P & # x0003c 0,005). Essas imagens linearmente distorcidas foram então co-registradas no espaço estereotáxico padrão de modo que a localização anatômica de cada ROI pudesse ser determinada em relação às coordenadas de Talairach e Tournoux (18). A resolução espacial nominal nos dados médios foi ligeiramente menor do que a resolução nos dados de assuntos individuais. A estimativa máxima do desvio padrão (SD) para a resolução no plano nos dados médios foi assumida como sendo duas vezes o tamanho do pixel dos dados funcionais do sujeito individual, e a estimativa máxima do SD na posição da fatia nos dados médios foi avaliada como & # x0005b (espessura 2 & # x0002b separação 2) & # x0002f2 & # x0005d 1/2. A resolução espacial nominal para os dados médios apresentados neste estudo foi calculada em 9,6 & # x000d7 6,1 & # x000d7 5,0 mm 3 no espaço estereotáxico. Para cada ROI nos dados médios, a COM foi calculada para aquela massa de tecido, e a coordenada de Talairach e Tournoux (18) da COM para cada ROI foi obtida para comparações. Assumimos que o mapeamento de Talairach e Tournoux não causou nenhuma incerteza adicional no posicionamento de resolução de cada um (16, 17).


ESTUDO 1: TESTE DE ASSOCIAÇÃO IMPLÍCITA DA AGÊNCIA

Métodos

O Teste de Associação Implícita (IAT Greenwald, McGhee, & amp Schwartz, 1998) indexa a força de um par de associações (ou seja, alvos femininos sexualizados / verbos de primeira pessoa, alvos femininos vestidos / verbos de terceira pessoa) em relação à força do par reverso de associações (alvos femininos sexualizados / verbos de terceira pessoa, alvos femininos vestidos / verbos de primeira pessoa) registrando o período de tempo que os participantes precisam para classificar categorias e recursos em diferentes lados da tela do computador (rótulos: biquíni / vestidos “ I ”verbos / verbos“ Ela ”).

Participantes

Vinte e quatro participantes do sexo feminino e 31 do sexo masculino (Mera = 25,9) completou o IAT on-line. O consentimento informado eletrônico e os procedimentos experimentais obedeceram às diretrizes do Comitê de Revisão Institucional da Universidade de Princeton. Os participantes foram recrutados on-line por meio do serviço Mechanical Turk da Web da Amazon.com e foram pagos por sua participação. Seis participantes relataram orientações sexuais não heterossexuais e dois participantes relataram problemas técnicos com o programa, sendo excluídos da amostra, restando 20 mulheres e 27 homens para completar o estudo.

Estímulos

Coletamos 20 imagens por classe de estímulo (mulher sexualizada, mulher vestida). Todas as imagens eram uniformes, de forma que os alvos estavam sorrindo e olhando diretamente para a câmera.Cortamos as imagens (do meio da coxa ao topo da cabeça), padronizamos seus tamanhos (380 × 450 pixels) e eliminamos todas as informações de fundo. Também alteramos as imagens para minimizar os detalhes em qualquer roupa que os alvos estivessem usando.

Os seguintes verbos de ação constituíram nossos verbos associados, em primeira e terceira pessoa: usar (es), empurrar (es), puxar (es), apertar (es), virar (es), apertar (es), dobrar (s) ), flip (s), aperto (s), alça (s), controle (s), tratar (s), segurar (s), gerenciar (s), operar (ões), unidade (s), chumbo (s) ), direção (ões), garra (s), rolo (s).

Usamos o programa “Create Your Own IAT” de Princeton para executar o estudo (http://iat.princeton.edu/iat/). Os primeiros dois blocos foram ensaios práticos nos quais os participantes classificaram apenas imagens de mulheres sexualizadas e totalmente vestidas e, em seguida, apenas verbos de primeira e terceira pessoas, ou vice-versa. Durante os Blocos 3 e 4, os participantes classificaram verbos de primeira pessoa e mulheres sexualizadas de um lado da tela do computador, e verbos de terceira pessoa e mulheres vestidas do outro lado. Durante o Bloco 5, os participantes classificaram apenas fotos de mulheres sexualizadas e vestidas novamente, desta vez em lados diferentes da tela. Dobramos o número de tentativas de prática no Bloco 5 para eliminar os efeitos da prática (Nosek, Greenwald, & amp Banaji, 2006). Por fim, nos Blocos 6 e 7, os participantes classificaram os verbos de primeira pessoa e as mulheres vestidas de um lado da tela e os verbos de terceira pessoa e as mulheres sexualizadas do outro lado. A ordem de apresentação da imagem e do verbo dentro dos blocos foi randomizada entre os assuntos. Os blocos 3 e 4 foram trocados pelos blocos 6 e 7 para metade dos sujeitos para controlar ainda mais os efeitos da ordem. Em nenhum momento das instruções ou tarefa as palavras “sexo” ou “sexismo” foram incluídas.

Medidas

Sexismo ambivalente

Avaliamos as atitudes ambivalentes dos participantes em relação às mulheres usando o Inventário de Sexismo Ambivalente (ASI Glick & amp Fiske, 1996). O ASI consiste em 22 afirmações que os respondentes avaliam em uma escala que varia de 1 (discordo fortemente) a 6 (concordo plenamente) Onze itens avaliam HS (por exemplo, "Uma vez que uma mulher consegue que um homem se comprometa com ela, ela geralmente tenta colocá-lo em uma rédea curta"), e os outros 11 itens medem BS (por exemplo, "Uma boa mulher deve ser posta em um pedestal por seu homem ”). Os participantes não foram informados de que os itens foram elaborados para medir atitudes sexistas.

Design experimental

Os participantes foram recrutados online e redirecionados para o site do IAT. Os participantes primeiro completaram o IAT, depois o ASI, seguido por um breve questionário demográfico avaliando sexo, idade e orientação sexual.


Conversão de coordenadas MNI em coordenadas Talairach

Então, se você tem coordenadas para uma imagem já normalizada para o espaço SPM-MNI, quais são as cooordenadas equivalentes em Talairach?

Não há uma resposta definitiva para isso. O problema é que o cérebro de Talairach tem uma forma significativamente diferente do cérebro MNI. Em particular, os lobos temporais são relativamente maiores no cérebro MNI. Lembre-se de que o MNI já foi co-registrado no cérebro de Talairach com transformações lineares. A razão de isso não ter resultado em uma combinação muito boa é a diferença na forma do cérebro.

Então, aqui estão duas abordagens para traduzir as coordenadas MNI para Talairach.

Abordagem 1: refazer a transformação afim

Esta abordagem bastante razoável foi postada na lista de discussão do SPM por Andreas Meyer-Lindenberg, do NIMH. O seguinte foi copiado do texto dessa mensagem, com uma pequena correção (gentilmente apontada para mim por Darren Gitelman na lista de discussão do SPM):

"Peguei o modelo SPM 95 PET (que é razoavelmente" compatível com Talairach 88 ", tanto quanto eu sei) e usei o algoritmo de normalização espacial de SPM 96 com uma transformação afim para mapeá-lo no modelo SPM 96 (que é "Compatível com MNI"). Se você fizer isso e desconsiderar os valores de parâmetro para a transformação afim que são muito pequenos, você chegará às seguintes fórmulas para traduzir entre os dois sistemas de coordenadas:

Para ir das coordenadas McGill [MNI] -SPM96 às coordenadas Talairach 88-SPM 95:

Portanto, para obter uma melhor estimativa de onde seu ponto MNI estaria no atlas de Talairach, usando o método descrito acima, você pode usar o matlab. Coloque a seguinte função matlab em algum lugar do caminho do matlab (salve o seguinte como aff_mni2tal.m):

ponto de saída da função = aff_mni2tal (ponto de entrada)
Tfrm = [0,88 0 0 -0,80 0,97 0 -3,32 0 0,05 0,88 -0,440 0 0 1]
tmp = Tfrm * [ponto interno 1] '
outpoint = tmp (1: 3) '

Digamos que você tenha um ponto, do cérebro MNI, para o qual deseja alguma coordenada equivalente de Talairach. O ponto pode ser: X = 10 mm, Y = 12 mm, Z = 14 mm.

Com esta função em seu caminho, você pode digitar o seguinte no prompt do matlab:

O que daria a seguinte saída (veja acima):

Isso fornece a estimativa do método afim das coordenadas X, Y e Z equivalentes no cérebro de Talairach.

Há dois problemas com esta abordagem:

  • O primeiro problema é muito simples: não temos uma ressonância magnética do cérebro no atlas de Talairach. O cérebro do SPM95 era menor do que o cérebro do MNI, mas ainda não é uma combinação perfeita para o atlas de Talairach. Veja outra mensagem na lista de e-mails do SPM.
  • O segundo problema é o mesmo que o problema com a transformação original feita pelo MNI: os cérebros têm uma forma diferente. Por exemplo, como os lobos temporais são mais grossos no cérebro MNI, a transformação afim precisa comprimi-los, multiplicando as coordenadas Z por um fator de cerca de 0,88. No entanto, isso faz com que o topo do cérebro seja puxado muito para baixo, de modo que fica cerca de 6 mm abaixo do ponto mais alto do atlas de Talairach.

Abordagem 2: uma transformação não linear de MNI para Talairach

Uma alternativa é usar algum tipo de transformação que pode ser diferente para diferentes áreas do cérebro. Um método pode ser fazer uma correspondência não linear automatizada do MNI com o cérebro de Talairach. Por exemplo, você pode aplicar um algoritmo de distorção SPM ou AIR. No entanto, existem dois problemas aqui. Em primeiro lugar, como afirmamos acima, não temos uma imagem de ressonância magnética do cérebro no atlas de Talairach, que era uma amostra post-mortem. Em segundo lugar, as transformadas não lineares automatizadas produzem equações bastante complexas relacionando os dois conjuntos de coordenadas.

Uma alternativa é aplicar algo como a transformação que Talairach e Tournoux projetaram aqui. Diferentes transformações lineares são aplicadas a diferentes regiões do cérebro. Esta é a abordagem que descrevo abaixo.

Para obter uma boa correspondência para os lobos temporais e a parte superior do cérebro, usei zooms diferentes, na direção Z (para baixo / para cima), para o cérebro acima do nível da linha AC / PC e o cérebro abaixo. O algoritmo era:

  • Presumi que o AC estava na posição correta no cérebro MNI e, portanto, que nenhuma tradução era necessária
  • Presume-se que o cérebro MNI estava na orientação correta em termos de rotação em torno do eixo Y (roll) e do eixo Z (yaw)
  • Usando a ferramenta de exibição SPM99b, comparei o cérebro MNI com as imagens no atlas de Talairach
  • Comparado ao atlas, o cérebro MNI parecia inclinado para trás, de modo que a linha do córtex cerebelar / cerebral na vista sagital, no CA, era muito baixa. Da mesma forma, a parte inferior da parte anterior do corpo coloso parecia muito alta. Portanto, apliquei uma pequena correção de tom (0,05 radianos) ao cérebro MNI
  • Combinar o topo do cérebro MNI com o topo do cérebro no atlas, exigiu um zoom de 0,92 em Z. Da mesma forma, um zoom Y de 0,97 foi necessário como o melhor compromisso para combinar a frente e o verso do cérebro MNI com o atlas . A correspondência esquerda / direita exigiu um zoom de 0,99 em X
  • A transformação acima forneceu uma boa correspondência para o cérebro superior à linha AC / PC, mas uma correspondência pobre abaixo, com os lobos temporais estendendo-se mais para baixo no cérebro MNI do que no atlas. Portanto, deduzi uma transformação para o cérebro abaixo da linha AC / PC, que era a mesma que a transformada acima, exceto com um zoom Z de 0,84

Este algoritmo me deu as seguintes transformações:

A função matlab mni2tal.m implementa essas transformações. Ele retorna coordenadas de Talairach estimadas, a partir das transformações acima, para determinados pontos no cérebro MNI. Para usá-lo, salve como mni2tal.m em algum lugar do caminho do matlab.

Então, tomando nosso ponto de exemplo no cérebro MNI, X = 10 mm, Y = 12 mm, Z = 14 mm:

Com a função mni2tal.m acima em seu caminho, você pode digitar o seguinte no prompt do matlab:

O que daria a seguinte saída (veja acima):

que é, novamente, uma estimativa das coordenadas X, Y e Z equivalentes no cérebro de Talairach.

A função inversa, tal2mni.m, fornece coordenadas MNI para coordenadas Talairach fornecidas, usando o mesmo algoritmo.

Claro que poderíamos fazer uma transformação mais complexa para tentar fazer uma correspondência mais próxima entre os dois cérebros. A abordagem acima pretende ser apenas preliminar. Ele tem a vantagem de ser muito simples e, portanto, as distorções envolvidas são fáceis de visualizar e é improvável que tenham efeitos inesperados dramáticos.

A propósito, se você usar a transformação acima e quiser citá-la, sugiro que cite este endereço da web. A transformação também é mencionada brevemente nos seguintes artigos: Duncan, J., Seitz, RJ, Kolodny, J., Bor, D., Herzog, H., Ahmed, A., Newell, FN, Emslie, H. "A base neural for General Intelligence ", Science (21 de julho de 2000), 289 (5478), 457-460 Calder, AJ, Lawrence, AD e Young, AW "Neuropsychology of Fear and Loathing" Nature Reviews Neuroscience (2001), Vol.2 No.5 352-363


Materiais e métodos

Participantes e aquisição de dados

O consentimento informado por escrito foi obtido de todos os participantes antes do teste. O estudo foi aprovado por um comitê de ética local (Universidade de Glasgow, número de aprovação da Faculdade de Informação e Ciências Matemáticas FIMS00733) e conduzido de acordo com a Declaração de Helsinque. Os dados do estado de repouso MEG foram adquiridos para 22 participantes destros saudáveis ​​(11 mulheres com idade média de 27,2 ± 8,0 anos (M ± SD), intervalo de 19–44 y) e por aproximadamente sete min (duração média 487 ± 22 s, intervalo de 442–521 s).

Os registros MEG foram obtidos com um sistema MEG de cabeça inteira de 248 magnetômetros (MAGNES 3600 WH, 4-D Neuroimaging) em uma sala blindada magneticamente. Os dados foram registrados a uma taxa de amostragem de 1.017 Hz. A posição da cabeça foi medida no início e no final de uma corrida por meio de um conjunto de cinco bobinas que foram colocadas na cabeça do participante e que foram codigitadas com o formato da cabeça (FASTRAK, Polhemus Inc., VT, US). Os participantes sentaram-se eretos e fixados em uma cruz projetada centralmente em uma tela com um projetor DLP. Na mesma sessão, os participantes ouviram dois estímulos auditivos de 7 minutos. Esses dados foram publicados em outro lugar [46]. No entanto, utilizamos uma dessas condições (participantes ouvindo a história "Pie-man", contada por Jim O’Grady) para demonstrar a modulação dos perfis de estado de repouso durante o processamento auditivo. Os estímulos auditivos e os blocos de repouso foram apresentados em ordem aleatória.

Pré-processamento de dados e rejeição de artefatos

Para análise de dados MEG, usamos Matlab (The MathWorks Inc), incluindo rotinas internas do MATLAB e a caixa de ferramentas FieldTrip [55]. O sinal MEG foi reamostrado para 250 Hz, sem ruído com informações dos sensores de referência MEG e sem tendência. Os canais MEG com ruído foram rejeitados quando seu escore z médio excedeu um valor de 1,5 (média 4,05 ± 3,24, intervalo de 1–14 canais). As gravações contínuas de MEG foram então segmentadas em segmentos de 1 s (também chamados de tentativas). Segmentos ruidosos foram rejeitados quando sua pontuação z média excedeu um valor de 2. Uma média de 21 segmentos por participante foi removida (resultando em uma média de 466 ± 20, e variando de 428 a 499 segmentos restantes que foram incluídos nas análises subsequentes) . A rejeição automática de canais e segmentos foi validada visualmente. Artefatos relacionados a batimentos cardíacos e piscar de olhos foram removidos usando análise de componente independente (ICA) em um subespaço de 30 dimensões definido pela análise de componente principal (PCA). Identificamos visualmente artefatos cardíacos e oculares de cada participante e removemos seus componentes (média de 2,23 ± 0,43, intervalo de 2–3 componentes).

Localização da fonte

Imagens individuais de ressonância magnética estrutural (ressonâncias magnéticas ponderadas em T1) foram co-registradas no sistema de coordenadas MEG usando as formas digitalizadas da cabeça dos participantes. As ressonâncias magnéticas foram ainda realinhadas com as formas individuais da cabeça dos participantes por meio de um algoritmo de ponto mais próximo iterativo (ICP) [56]. As ressonâncias magnéticas foram então segmentadas para obter uma representação do cérebro, incluindo substância branca, substância cinzenta e líquido cefalorraquidiano. Um modelo de camada única foi usado para a solução direta para construir um modelo de condução de volume [57]. MRIs anatômicos individuais foram transformados linearmente em um cérebro modelo (Montreal Neurological Institute) usando Fieldtrip / SPM5. Calculamos os coeficientes do formador de feixe LCMV da série temporal MEG para cada um dos voxels em uma grade regular de 10 mm que cobre o cérebro. Esses pesos LCMV foram usados ​​para a projeção posterior de espectros complexos de Fourier no espaço de origem. A orientação dipolo ideal para cada voxel foi calculada usando a abordagem SVD. Usamos o atlas AAL [24] para dividir o cérebro modelo em 116 áreas anatômicas, incluindo uma parcela cerebelar [58]. Observe que uma área do atlas AAL (Cerebellum 3L) não foi interpolada com o modelo de fonte de 10 mm. Esta área foi excluída de todas as análises, resultando em 115 áreas no total.

Análise espectral

Os espectros de Fourier de nível de sensor complexo para segmentos únicos foram calculados usando a Transformada Rápida de Fourier. O sinal foi preenchido com zeros até um comprimento de 2 se suavizado espectralmente (+/− 2 Hz) com um multitaper DPSS. Usamos uma resolução de frequência logarítmica para a análise espectral para otimizar a resolução de frequências mais baixas, resultando em 42 valores de frequência entre 1 e 120 Hz (6 frequências na banda delta, 9 na banda teta, 5 na banda alfa, 8 na banda beta e 14 na banda gama). Os espectros de Fourier de nível de sensor complexo foram projetados no espaço de origem para cada segmento de dados de 1 s individual usando os pesos LCMV calculados anteriormente. Os dados foram normalizados espectralmente dividindo o espectro de cada segmento e voxel pelo espectro de potência média em todos os segmentos e voxels por participante (normalização de razão). Essa normalização resulta em valores acima / abaixo de um. Para tornar um aumento ou diminuição na potência mais aparente, todos os valores foram subtraídos por um (resultando em valores acima / abaixo de zero). Em seguida, calculamos a média dos espectros de potência normalizados de segmento único em voxels separadamente para cada área do cérebro de acordo com a parcela do atlas AAL. Assim, os resultados representam a atividade espectral em cada área do cérebro em comparação com o resto do cérebro.

K-Means Clustering e modelagem GM de dados espectrais

Nós costumavamos k- significa agrupamento e modelagem GM subsequente em níveis individuais e de grupo para particionar espectros de frequência dentro de cada ROI anatômico em grupos distintos. Primeiro, os espectros de potência de teste único de cada participante foram divididos em dez grupos por área anatômica usando k-significa reduzir a dimensionalidade dos dados. o k- significa que o algoritmo trata cada espectro de potência de segmento único como um ponto no espaço de 42 dimensões e agrupa os dados em k clusters mutuamente exclusivos, minimizando a distância do centroide de observações dentro dos clusters e maximizando a distância entre os clusters. Usamos uma métrica de distância do cosseno, o que significa que um menos o cosseno do ângulo incluído entre os pontos determinou a distância dentro e entre os clusters. Ao usar uma medida de distância cosseno, o procedimento de agrupamento se concentra na forma dos espectros, em oposição às amplitudes (por exemplo, ao usar a distância euclidiana). Dez clusters individuais por ROI foram predefinidos, porque isso produziu os melhores resultados para o clustering subsequente sobre os participantes em nossos dados. o kO algoritmo de médias foi repetido 10 vezes com centróides diferentes (determinados aleatoriamente) e no máximo 100 iterações, a solução com a menor soma das distâncias dentro dos clusters foi aceita. Em segundo lugar, os modelos GM foram ajustados separadamente aos dez grupos de cada ROI para cada um dos 22 participantes (modelos GM de primeiro nível). Os modelos GM são funções de densidade de probabilidade paramétrica representadas como uma soma ponderada das densidades dos componentes gaussianos. O ajuste usa um algoritmo de maximização de expectativa iterativa, que atribui probabilidades posteriores (usando log-verossimilhança negativa) para cada densidade de componente em relação a cada observação. É importante ressaltar que as probabilidades posteriores indicam a probabilidade de cada observação pertencer a um cluster e, portanto, fornecem a possibilidade de testar estatisticamente soluções de cluster.

Para o agrupamento em nível de grupo, o número ideal de agrupamentos por ROI foi estimado usando um critério Silhouette com uma métrica de distância cosseno. O valor Silhouette mede a semelhança de um ponto com outros pontos em seu próprio cluster, quando comparado a pontos em outros clusters. O cálculo dos valores do Silhouette para soluções de cluster entre 1–15 clusters foi repetido 1.000 vezes. O número de clusters com o maior valor de Silhouette foi escolhido. Ao melhor kA solução de meios (menor soma das distâncias em 10 repetições com 100 iterações) foi usada como ponto de partida para o algoritmo de modelagem GM para obter o conjunto final de clusters para cada área anatômica (modelos GM de segundo nível). Aceitamos apenas grupos que eram representativos para a maioria dos participantes (N = 16, Χ 2 (1) = 4.55, p = 0,03). Além disso, foi calculada a duração média que cada cluster ficou evidente durante a gravação. Isso foi feito contando o número de ensaios individuais que contribuíram para um agrupamento específico, expressando isso em porcentagem e calculando a média entre os participantes. Observe que este procedimento pode resultar em porcentagens cumulativas acima de 100%.

Para análises de regressão linear com medidas que resultaram de modelos GM de segundo nível (como classificação média, número de clusters ou frequência de pico por área), as coordenadas cartesianas de cada área do cérebro foram calculadas e suas contrapartes esféricas calculadas. A regressão foi calculada para o raio, ângulo de elevação e ângulo de azimute, e os níveis de significância foram corrigidos usando o procedimento sequencial de Bonferroni [31].

Testando os modelos de estado de repouso da atividade espectral

Usamos o seguinte procedimento para testar os modelos de atividade espectral e determinar a especificidade dos perfis espectrais para áreas individuais. Os 22 conjuntos de dados foram divididos aleatoriamente em treinamento (n = 11) e dados de teste (n = 11), e um modelo GM de segundo nível foi calculado para cada área do cérebro a partir dos dados de treinamento. Em seguida, calculamos a probabilidade logarítmica negativa para cada combinação de dados de teste específicos de área (ou seja, modelos GM de primeiro nível) e modelos GM de segundo nível específicos de área a partir dos dados de treinamento (ver Fig 3a). O log de verossimilhança negativo quantifica a probabilidade de que os dados de teste sejam consistentes com o modelo GM. Para esta análise, o número de clusters por área foi definido como quatro, que era o modo de números de cluster ideais na análise principal.O número de clusters foi mantido constante para evitar viés na probabilidade logarítmica negativa que resultaria de um número diferente de clusters. Finalmente, para qualquer determinada área do cérebro, as probabilidades dos dados de teste para se ajustar aos modelos GM de segundo nível foram classificadas (por exemplo, dados de teste do giro pré-central esquerdo combinados com modelos GM para todas as 115 áreas do cérebro). O procedimento de classificação foi repetido 120 vezes com diferentes atribuições aleatórias de dados de treinamento e teste. Em seguida, calculamos a média aparada de 20% das classificações em todas as áreas e iterações. Uma classificação 1 significa que a área do modelo correta era a mais provável de se ajustar à área de teste, uma classificação 2 significa que era a segunda mais provável e assim por diante.

Similaridade entre áreas

A semelhança entre as áreas do cérebro foi analisada usando um procedimento de agrupamento hierárquico aglomerativo. Probabilidade logarítmica negativa entre as áreas do modelo GM de 2º nível e os dados de todos os participantes serviram como medida de distância. O algoritmo vincula pares de áreas dependendo de sua proximidade entre si. Este procedimento é repetido com cada par até que todas as áreas formem uma árvore de agrupamento hierárquico binário (dendrograma). Usamos o método da distância média não ponderada para calcular a distância entre as áreas e o ângulo do cosseno como métrica. Para a apresentação dos resultados, a árvore de clusters foi cortada em no máximo 20 clusters.

Comparação de perfis espectrais durante repouso e escuta

A atividade cerebral espectral durante a escuta contínua de uma história foi analisada da mesma forma que os dados de repouso. Os perfis espectrais durante o repouso e a escuta foram comparados para os córtices auditivos primários (identificados como “Heschl” no atlas AAL). Nós nos concentramos nos córtices auditivos primários, pois eles compreendem áreas relativamente pequenas e funcionalmente distintas no atlas AAL. Primeiro, o pico de cada espectro foi identificado para encontrar grupos comparáveis ​​durante o repouso e a escuta. Os máximos de amplitude desses picos foram então comparados traçando grupos de volta aos modelos GM de primeiro nível individuais. Dessa forma, pelo menos 16 valores de amplitude (já que cada modelo GM de segundo nível tinha que consistir em dados de pelo menos 16 participantes) entraram em uma amostra independente t teste, sem a suposição de variâncias iguais. Tudo p-valores são corrigidos para testes múltiplos usando um procedimento sequencial de Bonferroni [31].

Disponibilidade de código

O script baseado em Matlab, bem como dados limpos e filtros LCMV para todos os participantes, podem ser baixados do site MEG do Centro de Neuroimagem Cognitiva, Instituto de Neurociência e Psicologia da Universidade de Glasgow: http: //meg.psy .gla.ac.uk /.


Conversão de coordenadas MNI em coordenadas Talairach

Então, se você tem coordenadas para uma imagem já normalizada para o espaço SPM-MNI, quais são as cooordenadas equivalentes em Talairach?

Não há uma resposta definitiva para isso. O problema é que o cérebro de Talairach tem uma forma significativamente diferente do cérebro MNI. Em particular, os lobos temporais são relativamente maiores no cérebro MNI. Lembre-se de que o MNI já foi co-registrado no cérebro de Talairach com transformações lineares. A razão de isso não ter resultado em uma combinação muito boa é a diferença na forma do cérebro.

Então, aqui estão duas abordagens para traduzir as coordenadas MNI para Talairach.

Abordagem 1: refazer a transformação afim

Esta abordagem bastante razoável foi postada na lista de discussão do SPM por Andreas Meyer-Lindenberg, do NIMH. O seguinte foi copiado do texto dessa mensagem, com uma pequena correção (gentilmente apontada para mim por Darren Gitelman na lista de discussão do SPM):

"Peguei o modelo SPM 95 PET (que é razoavelmente" compatível com Talairach 88 ", tanto quanto eu sei) e usei o algoritmo de normalização espacial de SPM 96 com uma transformação afim para mapeá-lo no modelo SPM 96 (que é "Compatível com MNI"). Se você fizer isso e desconsiderar os valores de parâmetro para a transformação afim que são muito pequenos, você chegará às seguintes fórmulas para traduzir entre os dois sistemas de coordenadas:

Para ir das coordenadas McGill [MNI] -SPM96 às coordenadas Talairach 88-SPM 95:

Portanto, para obter uma melhor estimativa de onde seu ponto MNI estaria no atlas de Talairach, usando o método descrito acima, você pode usar o matlab. Coloque a seguinte função matlab em algum lugar do caminho do matlab (salve o seguinte como aff_mni2tal.m):

ponto de saída da função = aff_mni2tal (ponto de entrada)
Tfrm = [0,88 0 0 -0,80 0,97 0 -3,32 0 0,05 0,88 -0,440 0 0 1]
tmp = Tfrm * [ponto interno 1] '
outpoint = tmp (1: 3) '

Digamos que você tenha um ponto, do cérebro MNI, para o qual deseja alguma coordenada equivalente de Talairach. O ponto pode ser: X = 10 mm, Y = 12 mm, Z = 14 mm.

Com esta função em seu caminho, você pode digitar o seguinte no prompt do matlab:

O que daria a seguinte saída (veja acima):

Isso fornece a estimativa do método afim das coordenadas X, Y e Z equivalentes no cérebro de Talairach.

Há dois problemas com esta abordagem:

  • O primeiro problema é muito simples: não temos uma ressonância magnética do cérebro no atlas de Talairach. O cérebro do SPM95 era menor do que o cérebro do MNI, mas ainda não é uma combinação perfeita para o atlas de Talairach. Veja outra mensagem na lista de e-mails do SPM.
  • O segundo problema é o mesmo que o problema com a transformação original feita pelo MNI: os cérebros têm uma forma diferente. Por exemplo, como os lobos temporais são mais grossos no cérebro MNI, a transformação afim precisa comprimi-los, multiplicando as coordenadas Z por um fator de cerca de 0,88. No entanto, isso faz com que o topo do cérebro seja puxado muito para baixo, de modo que fica cerca de 6 mm abaixo do ponto mais alto do atlas de Talairach.

Abordagem 2: uma transformação não linear de MNI para Talairach

Uma alternativa é usar algum tipo de transformação que pode ser diferente para diferentes áreas do cérebro. Um método pode ser fazer uma correspondência não linear automatizada do MNI com o cérebro de Talairach. Por exemplo, você pode aplicar um algoritmo de distorção SPM ou AIR. No entanto, existem dois problemas aqui. Em primeiro lugar, como afirmamos acima, não temos uma imagem de ressonância magnética do cérebro no atlas de Talairach, que era uma amostra post-mortem. Em segundo lugar, as transformadas não lineares automatizadas produzem equações bastante complexas relacionando os dois conjuntos de coordenadas.

Uma alternativa é aplicar algo como a transformação que Talairach e Tournoux projetaram aqui. Diferentes transformações lineares são aplicadas a diferentes regiões do cérebro. Esta é a abordagem que descrevo abaixo.

Para obter uma boa correspondência para os lobos temporais e a parte superior do cérebro, usei zooms diferentes, na direção Z (para baixo / para cima), para o cérebro acima do nível da linha AC / PC e o cérebro abaixo. O algoritmo era:

  • Presumi que o AC estava na posição correta no cérebro MNI e, portanto, que nenhuma tradução era necessária
  • Presume-se que o cérebro MNI estava na orientação correta em termos de rotação em torno do eixo Y (roll) e do eixo Z (yaw)
  • Usando a ferramenta de exibição SPM99b, comparei o cérebro MNI com as imagens no atlas de Talairach
  • Comparado ao atlas, o cérebro MNI parecia inclinado para trás, de modo que a linha do córtex cerebelar / cerebral na vista sagital, no CA, era muito baixa. Da mesma forma, a parte inferior da parte anterior do corpo coloso parecia muito alta. Portanto, apliquei uma pequena correção de tom (0,05 radianos) ao cérebro MNI
  • Combinar o topo do cérebro MNI com o topo do cérebro no atlas, exigiu um zoom de 0,92 em Z. Da mesma forma, um zoom Y de 0,97 foi necessário como o melhor compromisso para combinar a frente e o verso do cérebro MNI com o atlas . A correspondência esquerda / direita exigiu um zoom de 0,99 em X
  • A transformação acima forneceu uma boa correspondência para o cérebro superior à linha AC / PC, mas uma correspondência pobre abaixo, com os lobos temporais estendendo-se mais para baixo no cérebro MNI do que no atlas. Portanto, deduzi uma transformação para o cérebro abaixo da linha AC / PC, que era a mesma que a transformada acima, exceto com um zoom Z de 0,84

Este algoritmo me deu as seguintes transformações:

A função matlab mni2tal.m implementa essas transformações. Ele retorna coordenadas de Talairach estimadas, a partir das transformações acima, para determinados pontos no cérebro MNI. Para usá-lo, salve como mni2tal.m em algum lugar do caminho do matlab.

Então, tomando nosso ponto de exemplo no cérebro MNI, X = 10 mm, Y = 12 mm, Z = 14 mm:

Com a função mni2tal.m acima em seu caminho, você pode digitar o seguinte no prompt do matlab:

O que daria a seguinte saída (veja acima):

que é, novamente, uma estimativa das coordenadas X, Y e Z equivalentes no cérebro de Talairach.

A função inversa, tal2mni.m, fornece coordenadas MNI para coordenadas Talairach fornecidas, usando o mesmo algoritmo.

Claro que poderíamos fazer uma transformação mais complexa para tentar fazer uma correspondência mais próxima entre os dois cérebros. A abordagem acima pretende ser apenas preliminar. Ele tem a vantagem de ser muito simples e, portanto, as distorções envolvidas são fáceis de visualizar e é improvável que tenham efeitos inesperados dramáticos.

A propósito, se você usar a transformação acima e quiser citá-la, sugiro que cite este endereço da web. A transformação também é mencionada brevemente nos seguintes artigos: Duncan, J., Seitz, RJ, Kolodny, J., Bor, D., Herzog, H., Ahmed, A., Newell, FN, Emslie, H. "A base neural for General Intelligence ", Science (21 de julho de 2000), 289 (5478), 457-460 Calder, AJ, Lawrence, AD e Young, AW "Neuropsychology of Fear and Loathing" Nature Reviews Neuroscience (2001), Vol.2 No.5 352-363


Métodos

Assuntos

Participaram do estudo dez universitários saudáveis ​​do sexo masculino (média ± DP: 26,6 ± 2,5 anos). Nenhum dos participantes relatou ter histórico de distúrbios psiquiátricos, fisiológicos ou neurológicos. O procedimento geral foi explicado a todos os participantes, que por sua vez deram seu consentimento para o procedimento. O consentimento informado por escrito foi obtido de todos os participantes antes do experimento. Todos os procedimentos experimentais foram aprovados e realizados de acordo com os regulamentos do Comitê de Revisão Institucional da Universidade da Coreia (KU-IRB-11-46-A-1).

Estimulação de pressão

A estimulação por pressão foi aplicada usando um estimulador de pressão compatível com MR desenvolvido por nossa equipe de pesquisa 16. A pressão foi aplicada a cada articulação do dedo injetando ar em um manguito (M1866A, Philips, Holanda) usado para medição não invasiva da pressão arterial de um bebê (Fig. 1A). A inflação, regulação e desinsuflação pneumáticas foram realizadas controlando a bomba de rolamento e a válvula solenóide com um interruptor de transistor após gerar pressão pneumática, empregando a bomba de rolamento usada em um manômetro de pressão arterial comercial. A pressão pneumática gerada pela bomba foi transmitida ao manguito por meio de um tubo de ar de 7 m, e o tamanho do manguito era de 6,4 cm × 2,5 cm (fig. 1A). E-Prime S / W (Psychology Software Tools, Inc.) foi usado para controlar os parâmetros de estimulação, como força de pressão, tempo de esforço, etc. A sincronização do scanner MR e do estimulador de pressão compatível com MR foi realizada usando um sinal de disparo gerado a partir de a porta de impressora LPT-1 de um PC onde o software E-Prime foi instalado 16. A imagem da função cerebral foi adquirida aplicando estimulação de pressão com uma certa força (8,5 psi) às três articulações [primeira (p1), segunda (p2) e terceira (p3) articulações] dos quatro dedos (índice, meio, anel e dedo mínimo) na mão direita.

(UMA) Um estimulador de pressão compatível com RM, construído com um manguito de medição de pressão arterial não invasivo para bebês, foi usado para fornecer um estímulo de pressão a cada articulação dos dedos da mão direita pela injeção de ar no manguito. O tamanho do manguito era de 6,4 cm × 2,5 cm. (B) O paradigma experimental e um sujeito deitado no scanner com três estimuladores de pressão fixados em cada articulação do dedo indicador. Durante a fase de repouso, os sujeitos permaneceram com os olhos fechados sem estimulação de pressão por 30 s. Durante a fase de estimulação, um estímulo de pressão foi fornecido a uma das três articulações por 30 s. Durante a fase de resposta, os sujeitos pressionaram um dos três botões com a mão esquerda, correspondendo à localização da articulação estimulada. As respostas foram coletadas para confirmar se os sujeitos perceberam corretamente a localização de um determinado estímulo de pressão. A primeira, a segunda e a terceira juntas são denotadas p1, p2 e p3, respectivamente.

Design experimental

Três estimuladores de pressão (manguitos) foram fixados nas três articulações [primeira (p1), segunda (p2) e terceira articulações (p3)] de um dedo selecionado aleatoriamente (dedo indicador, médio, anular ou mínimo) (Fig. 1B ) A sessão consistia em três blocos, e cada bloco consistia em uma fase de repouso (30 s), uma fase de estimulação (30 s) e uma fase de resposta (9 s). A fase de repouso, na qual não foi aplicada estimulação por pressão, foi definida como o estado em que o sujeito deitou-se confortavelmente por 30 s com os olhos fechados. Na fase de estimulação, a estimulação por pressão foi aplicada aleatoriamente por 30 s em uma das três articulações (p1, p2 ou p3) do dedo selecionado (indicador, médio, anular ou mínimo). Como uma sessão teve três fases de estimulação, a estimulação por pressão pode ser aplicada a todas as três articulações. Na fase de resposta, um botão de resposta foi instalado na mão esquerda dos sujeitos para examinar se eles reconheceram ou não com precisão a localização da estimulação de pressão aplicada, e eles foram instruídos a apertar o número do botão que correspondia à estimulação de pressão entre as três articulações (p1, p2 ou p3) de acordo com sua percepção. Três experimentos repetidos foram conduzidos para um dedo selecionado em cada sessão. Portanto, a estimulação por pressão foi aplicada três vezes em cada uma das três articulações de um dedo selecionado durante as três sessões. Os experimentos também foram realizados nos outros três dedos seguindo o mesmo procedimento descrito anteriormente. Todos os sujeitos participaram de um total de 12 sessões para os três experimentos repetidos realizados para cada dedo (três sessões / dedo × quatro dedos = 12 sessões). O contrapeso foi conduzido para a ordem de estimulação em cada dedo e articulação dos sujeitos. Entre as sessões sucessivas, os participantes fizeram uma pausa de 5 minutos enquanto deitados confortavelmente no scanner sem nenhuma tarefa. Considerando o cansaço e a atenuação do engajamento na tarefa dos sujeitos devido ao longo tempo experimental, permitimos que os sujeitos saíssem do scanner e fizessem uma pausa após seis sessões e retomamos as sessões restantes após 30 min.

Todos os sujeitos usaram fone de ouvido para bloquear os estímulos auditivos e visuais e fecharam os olhos durante o experimento. Eles foram instruídos a minimizar o movimento de suas mãos e cabeças. Durante a imagem funcional, os sujeitos deitaram na mesa de RM em posição supina, segurando o braço direito do cotovelo para baixo em um gesso acolchoado que apoiava a parte dorsal da mão. Eles foram instruídos a descansar o braço contra o orifício do ímã para que o braço e a mão ficassem relaxados. Para garantir que as posições das mãos e dos dedos fossem mantidas o mais consistentemente possível entre os sujeitos, cada sujeito foi instruído sobre como manter as posições das mãos e dos dedos e praticou o posicionamento com os manguitos de ar presos aos dedos antes de realizar o experimento de fMRI.

Ao investigar a resposta adquirida na fase de resposta, analisamos as imagens da função cerebral dos oito sujeitos (média ± D.P .: 25,4 ± 1,3 anos) entre os dez que reconheceram a localização da estimulação por pressão como seu alvo com 100% de precisão.

Aquisição de imagem

As imagens foram digitalizadas por um sistema de ressonância magnética 3T (Magnetom TrioTim, Siemens Medical Systems, Erlangen, Alemanha) usando uma bobina de cabeça de 32 canais padrão. As imagens anatômicas foram obtidas usando uma sequência MPRAGE 3D ponderada em T1 com tempo de repetição TR = 1900 ms, tempo de eco TE = 2,48 ms, ângulo de inversão = 9 °, campo de visão FOV = 200 mm e resolução espacial = 0,8 × 0,8 × 1 mm 3. As imagens funcionais foram obtidas usando uma sequência de imagem planar eco-gradiente ponderada em T2 * com TR = 3000 ms, TE = 30 ms, ângulo de rotação = 90 °, FOV = 192 mm, espessura de corte = 2 mm e resolução no plano = 1,5 × 1,5 mm 2.

Análise de dados fMRI

Os dados de fMRI foram analisados ​​usando SPM 8 (Wellcome Department of Cognitive Neurology, London, UK). Todas as imagens funcionais foram alinhadas com as imagens anatômicas do estudo usando rotinas de transformação afins incorporadas ao SPM 8. As varreduras realinhadas foram co-registradas com as imagens anatômicas dos participantes obtidas em cada sessão e normalizadas para a imagem do modelo SPM8 que usa o espaço definido pelo Montreal Neurological Institute. A correção de movimento foi realizada usando interpolação sinc. Os dados da série temporal foram filtrados usando um filtro passa-alta de 240 s para remover artefatos devido a influências cardiorrespiratórias e outras influências cíclicas. O mapa funcional foi suavizado usando um kernel gaussiano isotrópico de 3 mm antes da análise estatística. A análise estatística foi realizada individualmente e em grupo usando o modelo linear geral e a teoria dos campos aleatórios gaussianos implementados no SPM 8. Os mapas estatísticos paramétricos com estatística t foram calculados. A análise dos assuntos individuais foi realizada em um limiar de significância de p & lt 0,05, corrigido para comparações múltiplas. Usamos a análise de efeito aleatório para calcular a ativação do grupo.

Analisamos a ativação da área cortical somatossensorial no hemisfério esquerdo contralateral à mão direita estimulada. Em particular, examinamos a ativação em BA 2 usando o método da região de interesse (ROI) com base em nossa hipótese de que os estímulos de pressão ativariam respostas neurais em BA 2 15. Utilizando o método de subtração (fase de estimulação − fase de repouso), os voxels ativados foram procurados em BA 2 em resposta à estimulação de cada articulação e dedo. Dentre os voxels ativados em BA 2 para cada articulação, selecionamos aquele com o pico de ativação (medido pelo maior valor t). A localização anatômica desse voxel, representada pelas coordenadas x, y e z no espaço do Montreal Neurological Institute (MNI), foi definida como uma coordenada de pico para cada articulação e dedo. Aqui, a coordenada x é um determinado número de pixels ao longo do eixo lateral-medial, a coordenada y é um determinado número de pixels ao longo do eixo anterior-posterior e a coordenada z é um determinado número de pixels ao longo do eixo inferior –Eixo superior. Para cada sujeito, identificamos as coordenadas de pico de um total de 12 articulações.

Medição de distâncias inter, intra e inter / intra dígitos

A partir das medidas das distâncias interdígitos e intra-dígitos utilizadas nos estudos anteriores 1,2,4,5,6,7,9,10,11,12,13,14, foram calculadas as distâncias interdígitos e intra-dígitos. distâncias de dígitos, conforme descrito posteriormente. Além disso, também calculamos as distâncias inter / intra-dígitos da mesma maneira. Primeiro construímos vetores de diferença entre os dedos e as articulações usando as coordenadas de pico 3D 1,2,4,7,9 para normalizar os dados de coordenadas de pico individuais e para estimar a direção espacial das representações somatotópicas dos estímulos de pressão nos dedos e nas articulações.Usando os vetores de diferença, calculamos a distância euclidiana (E.D.) entre as articulações para estimar o quanto as representações somatotópicas dos estímulos de pressão de cada articulação estão separadas. Mais detalhes sobre o cálculo das distâncias inter, intra e inter / intra dígitos seguem.

Primeiro, a distância entre dígitos calculada pelo vetor de diferença mediu a distância das coordenadas de pico em BA 2, que foi ativada pela introdução de estimulação de pressão em cada articulação (p1, p2 ou p3) do dedo indicador até o pico coordenadas em BA 2 ativadas pelo esforço da estimulação de pressão nas mesmas articulações dos dedos médio, anelar e mínimo. Por exemplo, os vetores de diferença do interdígito em p1 foram calculados subtraindo as coordenadas x-, y- e z das coordenadas de pico ativadas pela estimulação de pressão de p1 no meio, anel e dedinhos do x -, coordenadas y e z das coordenadas de pico ativadas pela estimulação de pressão em p1 do dedo indicador [Eq. 1 (a)]. O vetor de diferença do inter dígito foi calculado da mesma maneira usando p2 e p3 do dedo indicador como referência.

xd1, yd1 e zd1 representam as coordenadas de pico do dedo indicador xd2, yd2 e zd2 representam as do dedo médio xd3, yd3 e zd3 representam as do dedo anular e xd4, yd4 e zd4 representam as do dedo mínimo dedo nas três direções x, y e z.

Em segundo lugar, a distância intra-dígito calculada usando o vetor de diferença mediu a distância para as coordenadas de pico em BA 2 ativadas pela estimulação de pressão de p2 e p3 com as coordenadas de pico em BA 2 ativadas pela estimulação de pressão de p1 em cada dedo como o referência. Por exemplo, os vetores de diferença do intra dígito no dedo indicador foram calculados subtraindo as coordenadas x-, y- e z das coordenadas de pico ativadas pela estimulação de pressão de p2 e p3 de x-, y-, e coordenadas z das coordenadas de pico ativadas pela estimulação de pressão de p1 como sua referência [Eq. 1 (b)]. O vetor de diferença dos dedos médio, anelar e mínimo foi calculado usando a Eq. 1 (b):

xp1, yp1 e zp1 representam as coordenadas de pico da primeira junta xp2, yp2 e zp2 representam as da segunda junta e xp3, yp3 e zp3 representam as da terceira junta nas três direções x, y e z.

Terceiro, a distância inter / intra-dígito mede distâncias da coordenada de pico em BA 2 ativada pela estimulação de pressão em p1 do dedo indicador até as coordenadas de pico em BA 2 ativadas pela estimulação de pressão em todas as outras articulações. Essa distância é diferente da distância entre os dedos, que mede a distância entre as mesmas articulações de dedos diferentes, ou a distância entre os dedos, que mede a distância entre as diferentes articulações de um mesmo dedo. Uma vez que a distância interdígitos ou distância intra-dígitos sozinha não inclui uma distância entre diferentes articulações de dedos diferentes (por exemplo, entre p1 do dedo indicador e p2 do dedo médio), empregamos a distância inter / intra-dígito para incorporar distâncias entre as articulações dos dedos. Especificamente, medindo a distância de cada articulação a p1 do dedo indicador, pretendemos examinar quão amplamente as coordenadas de pico ativadas pela estimulação de pressão em qualquer articulação de p1 do dedo indicador até p3 do dedo mínimo são distribuídas em BA 2. Além disso, a distância inter / intra-dígito pode fornecer informações das distâncias de p1 do dedo indicador a todas as articulações do dedo médio, anelar ou mínimo. Por exemplo, podemos examinar como as distâncias entre as coordenadas de pico de p1, p2 e p3 do dedo médio e de p1 do dedo indicador são semelhantes. A Equação 1 (c) foi calculada de forma semelhante subtraindo os valores das coordenadas x, y e z das coordenadas de pico para todas as outras articulações dos valores das coordenadas x, y e z das coordenadas de pico ativadas pelo estimulação de pressão em p1 do dedo indicador como referência.

xd1p1, yd1p1 e zd1p1 representam as coordenadas de pico da primeira junta xd1p2, yd1p2 e zd1p2 representam aquelas da segunda junta e xd1p3, yd1p3 e zd1p3 representam aquelas da terceira junta nas três direções x, y e z de o dedo indicador. d2, d3 e d4 representam os dedos médio, anelar e mínimo, respectivamente.

Finalmente, o E.D. foi calculado como a raiz quadrada da soma dos quadrados de cada elemento no vetor diferença. Por exemplo, Eq. (2) é a raiz quadrada da soma dos quadrados de um elemento do vetor diferença [Eq. 1 (b)] para adquirir o E.D. entre p1 e p2 no intra dígito. Em outras palavras, o E.D. do inter dígito, intra dígito e inter / intra dígito foram calculados, respectivamente, pelas raízes quadradas da soma dos quadrados de cada elemento nas Eqs 1 (a – c).

Realizamos o teste t pareado de Wilcoxon (PASW 18.0) para validar a significância estatística dos vetores de diferença inter, intra e inter / intra dígitos e distâncias euclidianas para discriminar estímulos táteis entre diferentes articulações e diferentes dedos dentro de Brodmann área 2 (BA 2).


Discussão

Principais Achados

Os resultados de nossa revisão sistemática e meta-análises não nos permitem concluir sobre o diferencial de fenótipos cerebrais específicos para cada um dos grupos abrangidos por esta revisão. Embora estudos de ressonância magnética funcional (ou seja, envolvendo fMRI ou rs-MRI) sobre a identidade de gênero parecem indicar que as regiões fronto-parietais e cingulo-operculares do cérebro são diferencialmente relevantes no transgenerismo, um padrão claro acompanhado por mudanças estruturais consistentes ainda está para ser encontrado . Estudos sobre identidade de gênero com amostras moderadas a maiores que incluíram indivíduos com orientação sexual diferente em seus grupos de controle (Baldinger-Melich et al., 2020 Manzouri & amp Savic, 2019), expuseram as complexidades subjacentes tanto à identidade de gênero quanto à orientação sexual. Os dados extraídos podem sugerir que antes do tratamento hormonal, a maioria das características cerebrais dos transgêneros cobertas pelos estudos revisados ​​podem ser semelhantes às de seu sexo natal, mas certamente alguns parâmetros cerebrais diferem, assemelhando-se aos de seu gênero experiente. Além disso, embora a neuroanatomia, neurofisiologia e neurometabolismo homossexuais possam tender a se assemelhar aos de indivíduos heterossexuais do mesmo sexo, algumas características cerebrais diferem e são semelhantes às de indivíduos heterossexuais do sexo oposto em alguns dos estudos analisados.

A compilação dos dados dos estudos incluídos mostra diferenças neurais entre os grupos estudados. No entanto, as funções cerebrais são mediadas por diferentes áreas cerebrais e suas interações, e não por estruturas únicas. A correlação ou associação entre uma determinada função cerebral, mudança volumétrica ou ativação, com uma determinada atividade e / ou comportamento não estabelece se (ou não) essa estrutura / função é causalmente importante para aquela atividade / comportamento (Koob et al., 2013 Maney, 2016). Apenas mostra um possível envolvimento ou tendência aparente. Comportamentos humanos complexos (e alguns comportamentos simples) não podem ser inteiramente explicados por fenômenos que ocorrem apenas em uma única região do cérebro. Portanto, a ideia de que as diferenças sexuais cerebrais causam diferenças sexuais comportamentais, ao invés de ser uma suposição, ainda constitui uma hipótese a ser verificada.

Estudos em amostras cisgênero e heterossexuais relataram diferenças sexuais na anatomia cerebral em uma escala global, no que diz respeito aos volumes absolutos (Kurth et al., 2016). Estudos também relataram dimorfismo sexual nos tamanhos e formas relativas das estruturas cerebrais regionais, com a direção do efeito do sexo variando entre as regiões, incluindo a região de Broca (Kurth et al., 2016), corpo caloso (Prendergast et al., 2015 ), amígdala e hipocampo (Giedd et al., 1996). Esses achados refletem na seletividade das regiões cerebrais analisadas pelos estudos incluídos nesta revisão. No entanto, as pesquisas que investigam as diferenças no nível dos volumes regionais de tecido são altamente contraditórias. Um grande estudo que analisou dados de ressonância magnética de 1.400 indivíduos heterossexuais cisgêneros de quatro conjuntos de dados diferentes (Joel et al., 2015) encontrou sobreposição substancial na distribuição de características anatômicas entre homens e mulheres em todas as regiões do cérebro e conexões examinadas, minando as tentativas de distinguir claramente entre formas “masculinas” e “femininas” de características cerebrais específicas. Eles chegaram à ideia de que os cérebros humanos não podem, de fato, ser categorizados distintamente em duas classes distintas, mas sim, que os cérebros masculino e feminino são compostos de "mosaicos únicos" de características, alguns dos quais são mais comuns em um sexo do que no outro e alguns que são comuns em ambos.

Alguns autores referem-se a uma programação precoce de gênero e inclinação sexual impulsionada pela diferenciação sexual no cérebro, propondo que esta influencia o desenvolvimento das áreas cerebrais modulando a percepção corporal (ou seja, relacionada à identidade de gênero) ou excitação sexual (ou seja, relacionada a orientação sexual) (Burke et al., 2017 Manzouri & amp Savic, 2019). Outros sublinham a interação entre cérebro, cultura e comportamento, argumentando que as mudanças cerebrais estruturais e funcionais em indivíduos transgêneros podem ser consequência da cultura e do comportamento (Mohammadi & amp Khalegi, 2018). A etiologia e os determinantes das diferenças na identidade de gênero e orientação sexual estão fora do escopo desta revisão, e deve-se ter cautela para tirar conclusões apenas da literatura da neurociência, já que o comportamento humano, em última análise, não é redutível a fatores biológicos ou culturais , mas é uma consequência de sua interação. Como tal, a sexualidade humana é um complexo de vários níveis, e o desafio é investigar como os elementos biológicos, históricos e culturais interagem entre si.

Análise de regiões de interesse

A falta de dados não nos permitiu meta-analisar as informações obtidas nos estudos que realizaram análises de ROI. Ao extrair e resumir todas as informações disponíveis, foram encontradas diferenças entre os cisgêneros e os transgêneros na microestrutura da substância branca, análises volumétricas, espessura cortical e forma do corpo caloso. Diferenças entre pessoas heterossexuais e homossexuais foram encontradas na espessura cortical, volumes subcorticais e hemisfério cerebral, mas não nos tratos de substância branca. Os estudos incluídos, no restante das ROIs analisadas, não encontraram diferenças significativas entre cérebros cisgêneros e transgêneros nem entre heterossexuais e homossexuais ou encontraram diferenças significativas apenas entre transgêneros e cisgêneros de sexo oposto e entre homossexuais e heterossexuais de sexo oposto (ver tabelas 3 e 4). Nossos achados sobre identidade de gênero são consistentes com estudos anteriores que também tentaram resumir os achados da literatura sobre este tópico, segundo os quais a morfologia grosseira em transgêneros é mais semelhante a pessoas cisgênero de seu sexo natal do que a pessoas cisgênero de seu gênero experiente (Guillamon et al., 2016 Kreukels & amp Guillamon, 2016 Mueller et al., 2017 Smith et al., 2015), embora a microestrutura da matéria branca (Kreukels & amp Guillamon, 2016 Mueller et al., 2017 Smith et al., 2015), espessura cortical (Guillamon et al., 2016 Smith et al., 2015), e os volumes subcorticais (Mueller et al., 2017) podem se desviar do sexo biológico em direção aos valores do gênero experiente.

Análise de Coordenadas Estereotáxicas

As regiões do cérebro occipital, envolvidas no processamento visual, são as que mais frequentemente apresentam ativação diferente nos cisgêneros em relação aos transgêneros, seguida de alguns focos fronto-temporais. Isso não é surpreendente, dado que, em geral, a maioria dos estudos de fMRI envolvidos em ambas as análises envolveram estimulação visual. Além disso, especificamente o BA 23 teve diferentes ativações para heterossexuais em relação a homossexuais. Nossa meta-análise encontrou diferentes ativações cerebrais entre diferentes grupos espalhados por todo o cérebro, mas no geral com baixa frequência (ver Tabelas 5 e 6). Nossos resultados sobre identidade de gênero são consistentes com alguns dos estudos anteriores mencionados acima, de acordo com os quais, em certas áreas do cérebro, a ativação dos transgêneros é mais próxima daquela de seu gênero experiente (Guillamon et al., 2016 Smith et al., 2015). Embora ainda haja consenso de que uma imagem clara ainda não emergiu (Mueller et al., 2017), avanços recentes na inteligência artificial confirmam as observações acima, indicando que algumas áreas fronto-parietais e cingulo-operculares podem ser relevantes para a previsão resultados da terapia hormonal (Moody et al., 2021).

Análise Metabólica

Em transgêneros e homossexuais, algumas características metabólicas parecem diferir ligeiramente dos cisgêneros de seu sexo natal e dos heterossexuais de seu sexo natal, respectivamente. No entanto, dado o número reduzido de estudos incluídos que conduziram essas análises, esses achados não podem ser generalizados. Isso está de acordo com o que a literatura científica sobre identidade de gênero concluiu a esse respeito (Smith et al., 2015).

Pontos fortes e limitações

Até onde sabemos, esta é a primeira revisão sistemática e meta-análise da literatura de neuroimagem sobre diferenças estruturais, funcionais e metabólicas em função da identidade de gênero (antes do tratamento hormonal) e da orientação sexual. Além disso, extraímos e processamos cuidadosamente todos os dados de todos os estudos considerados para meta-análises e os disponibilizamos publicamente para facilitar pesquisas futuras nesta importante área.

Várias limitações em relação ao pequeno tamanho da amostra da meta-análise e a heterogeneidade das investigações devem ser reconhecidas. As análises de nossa busca sistemática até 2018 incluíram 51 estudos (ou seja, 30 sobre identidade de gênero e 21 sobre orientação sexual), todos com amostras relativamente pequenas, conduzidas com diferentes técnicas de neuroimagem (1 SPECT, 3 PET, 6 fMRI, 8 rs-fMRI , e 13 ressonância magnética na identidade de gênero 4 PET, 5 ressonância magnética, 3 rs-fMRI e 11 fMRI na orientação sexual). Diferentes estudos realizados com ressonância magnética investigaram diferentes estruturas cerebrais (córtex, volumes subcorticais, substância branca, CSF e ventrículos no córtex de identidade de gênero, volumes subcorticais e substância branca na orientação sexual). A RMf foi realizada sob diferentes estímulos (1 olfativo, 1 estimulação vocal, 1 tarefa de rotação mental, 1 teste de fluência verbal e 2 visuais de identidade de gênero, 10 estimulação visual e 1 tarefa de julgamento emocional na orientação sexual). A análise metabólica investigou diferentes áreas do cérebro (rede hipotalâmica, distribuição do transporte de serotonina em diferentes ROI e rCBF em estudos de identidade de gênero, ativação hipotalâmica e conectividade funcional em estudos de orientação sexual) usando diferentes técnicas de neuroimagem (PET e SPECT em pesquisa de identidade de gênero PET em pesquisa de orientação sexual ) Com isso, não foi possível meta-analisar os resultados de todos os estudos que se enquadraram em nossos critérios de inclusão / exclusão, e a principal contribuição de nosso trabalho, portanto, se limita à compilação científica e síntese dos dados disponíveis. Uma atualização da busca primária conduzida em um banco de dados, adicionou 12 artigos às análises que, embora enriquecessem os dados apresentados, eram bastante confirmatórios de nossos achados principais e acrescentaram heterogeneidade aos resultados.

Além disso, alguns estudos apresentaram algumas limitações quanto à apresentação de seus dados. Em primeiro lugar, alguns estudos não relataram parâmetros estatísticos e apenas relataram se havia ou não diferenças significativas entre cisgêneros e transgêneros e entre heterossexuais e homossexuais. Em segundo lugar, outros estudos relataram parâmetros estatísticos apenas em caso de diferenças significativas entre os grupos, e omitiram relatórios de resultados negativos (ou seja, quando nenhuma diferença foi encontrada) (investigação de identidade de gênero: Burke et al., 2014 Kranz et al., 2014b, 2015 Ku et al., 2013 Lin et al., 2014 Luders et al., 2009 Nota et al., 2017 Pol et al., 2006 Santarnecchi et al., 2012 Soleman et al., 2013 Spies et al., 2016 Yokota et al. ., 2005 Zubiaurre-Elorza et al., 2013 investigação de orientação sexual: Hu et al., 2008 Ponseti et al., 2007 Savic e Lindström, 2008 Sylva, 2013 Zeki & amp Romaya, 2010 para informações mais detalhadas, consulte a análise de preconceito no Apêndice 5 e 6). Uma apresentação completa dos dados científicos, incluindo resultados negativos, é importante para avaliar com precisão as investigações científicas sobre um determinado tema (Matosin et al., 2014).

As informações sobre o sexo biológico dos participantes dos estudos fazem parte dos dados científicos que coletamos e disponibilizamos. Os dados apresentados mostram que indivíduos transgêneros MtF e FtM não têm imagens espelhadas de diferenças cerebrais. No entanto, a heterogeneidade do desenho dos estudos envolvidos, apesar de enriquecer o escopo desta revisão, devido ao número limitado de estudos incluídos e seus tamanhos de amostra, tornou impossível tirar conclusões sobre as diferenças biológicas de sexo específicas para os grupos abrangidos neste Reveja. Por exemplo, alguns artigos compararam MtF com MC, outros MtF com FC, outros FtM com MC e outros FtM com FC. Os estudos incluídos nesta revisão sobre transgenerismo não forneceram informações sobre transgenerismo de início precoce ou de início tardio. Portanto, faltam análises e informações sobre este ponto importante.

Finalmente, como Guillamon et al. (2016) observou, alguns estudos realizados sobre gidentidade ender não relatou a orientação sexual dos indivíduos que constituíram sua amostra. A identidade de gênero e a orientação sexual são conceitualmente diferentes, ou seja, tanto os cisgêneros quanto os transgêneros são heterossexuais ou homossexuais (Burke et al., 2017 Moser, 2010), e há mais identidades de gênero além do cis- / transgênero (ismo) (tal como genderqueer ou não binário) e outras orientações sexuais diferentes de hetero / homossexual (ismo) (como bi-, pan- e assexual). A orientação sexual pode estar associada a características específicas estruturais do cérebro, independentemente e independentemente da identidade de gênero, como alguns estudos recentes sugerem (Baldinger-Melich et al., 2020 Manzouri & amp Savic, 2019). Assim, o que significa que as variações estruturais, funcionais e metabólicas encontradas em transgêneros homossexuais com respeito a cisgêneros heterossexuais podem estar relacionadas à sua orientação sexual e não à sua identidade de gênero (Blanchard et al., 1987). Um estudo recente identificou regiões do cérebro onde a orientação sexual e a identidade de gênero aparentemente interagem (Wang, Han, et al., 2020).

Conclusões e direções futuras

Nos últimos anos, a investigação de neuroimagem sobre a sexualidade humana aumentou e vários estudos sobre identidade de gênero e orientação sexual comparando cisgêneros vs. transgêneros e heterossexuais vs. homossexuais foram conduzidos.

Esta revisão explorou características estruturais, funcionais e metabólicas de cisgêneros em comparação com transgêneros antes do tratamento hormonal e heterossexuais em comparação com homossexuais.Os resultados sugerem que, embora a maioria das características neuroanatômicas, neurofisiológicas e neurometabólicas em transgêneros se assemelhe àquelas de seu sexo natal em vez de àquelas de seu gênero experiente, e em homossexuais essas se assemelham aos de sua população heterossexual do mesmo sexo, em vez de seu heterossexual do sexo oposto população, na investigação de identidade de gênero, em MtF foi possível encontrar traços “femininos e desmasculinizados” e em FtM foi possível encontrar traços “masculinos e defeminizados” (Kreukels & amp Guillamon, 2016). O mesmo poderia ser dito em relação à investigação sobre orientação sexual, onde algumas características cerebrais na população homossexual dos estudos revisados ​​assemelham-se às da população heterossexual do sexo oposto. Devido a resultados conflitantes, não foi, entretanto, possível identificar características cerebrais específicas que diferem consistentemente entre cisgêneros e transgêneros, nem entre grupos heterossexuais e homossexuais. Mudanças cerebrais muito pequenas, até agora indetectáveis ​​com o uso das ferramentas de neuroimagem atuais, podem afetar o comportamento. O pequeno número de estudos, o pequeno tamanho da amostra de cada estudo, a heterogeneidade das investigações, a falta de resultados negativos relatados por alguns estudos, e o fato de alguns estudos não reportarem a orientação sexual dos indivíduos que compuseram sua amostra não permitem tirar conclusões gerais. Além disso, como as amostras das publicações envolvidas não são representativas da população analisada, deve-se ter cautela na interpretação dos resultados desta revisão.

Para superar as limitações mencionadas acima, estudos futuros devem: (1) continuar investigando as áreas do cérebro que são sexualmente dimórficas (por exemplo, hipotálamo, hipocampo, caudado, corpo caloso e transporte de serotonina) e áreas do cérebro envolvidas no processamento da percepção do próprio corpo (por exemplo , córtex parietal, frontal, insular e suas conexões com o tálamo e putâmen) e estímulos sexuais e excitação (por exemplo, hipotálamo e estriado ventral) (2) conduzem a Análise Metabólica junto com a estrutural e funcional para aumentar o número de dados disponíveis (3) relatar resultados positivos e negativos para conduzir uma análise estatística imparcial (4) relatar orientação sexual de indivíduos que compõem o tamanho da amostra em estudos sobre identidade de gênero (5) aumentar o tamanho da amostra e expandir a faixa etária da amostra (6) diferenciar com respeito ao transgenerismo de início precoce ou tardio para alcançar uma melhor compreensão das características biológicas subjacentes a eles. Revisões futuras no tópico devem estender os critérios de inclusão para distinguir entre tratamento pré-puberal e pré-pós-púbere e pós-hormonal, bem como incluir outras modalidades de neuroimagem avançada, como espectroscopia de ressonância magnética e aquisições de sequência dinâmica para aumentar o valor e âmbito do presente relatório.


MATERIAIS E MÉTODOS

Assuntos.

Dezesseis indivíduos destros que falam inglês (13 homens, 3 mulheres) se ofereceram para este estudo. A aprovação foi obtida do Comitê de Investigação Humana da Universidade de Yale e todos os sujeitos deram consentimento informado. Os indivíduos foram colocados em decúbito dorsal sobre uma cama. A cabeça do sujeito estava firmemente posicionada em um suporte de espuma de borracha que minimizava o movimento. Todos os seis sujeitos envolvidos no estudo anterior de fluência verbal com fMRI (9) foram incluídos neste estudo.

Design experimental.

Em ambas as condições apresentadas ao sujeito, uma tentativa individual consistia em um toque em qualquer um dos dois primeiros dedos da mão direita do sujeito & # x02019s, seguido por uma resposta do sujeito. A resposta dada foi um movimento de qualquer um desses dedos, dependendo da condição particular. Havia duas condições: Repetir, o assunto moveria o mesmo dedo que foi tocado e Aleatória, o sujeito escolheria qual dedo mover e a sequência de qual dedo tocado era aleatória. No Linha de base condição, o sujeito descansou sem estímulos. Antes de cada sequência de varredura ser iniciada, o sujeito era informado sobre qual condição esperar.

Todos os experimentos foram realizados em um espectrômetro 2.1-T Biospec 1 extensivamente modificado (Bruker Instruments, Billerica, MA), equipado com bobinas de gradiente ativamente protegidas (Oxford Magnet Technologies, Oxford, U.K.). Foi usada uma bobina transceptora de cabeça de radiofrequência em gaiola linear.

Para localizar as áreas de interesse nos lobos frontais, um conjunto inicial de imagens anatômicas sagitais foi coletado, posicionado próximo à linha média. As comissuras anterior e posterior (AC e PC) foram identificadas e as imagens anatômicas coronais foram obtidas. Essas imagens coronais foram coletadas como um conjunto de quatro cortes, sendo que a mais anterior foi posicionada aproximadamente 3 cm antes do CA. As imagens anatômicas foram ponderadas usando uma sequência de recuperação de inversão: matriz de imagem = 128 & # x000d7 128, tempo de eco (TE) = 17 ms, tempo de inversão (TI) = 750 ms, tempo de repetição (TR) = 2 s, campo de visão (FOV) = 19 cm, resolução no plano (x e z no espaço estereotáxico) = 1,50 & # x000d7 1,50 mm 2. Angiogramas foram tirados dessas mesmas fatias coronais (matriz de imagem = 256 & # x000d7 256, TR = 40 ms, TE = 17 ms, FOV = 19 cm, resolução no plano (x e z no espaço estereotáxico) = 0,75 & # x000d7 0,75 mm 2 ver ref. 12). Em todos os casos, a espessura do corte foi de 5 mm, com separação de 7 mm do centro de cada corte. As resoluções espaciais nominais na imagem anatômica e angiograma foram 1,50 & # x000d7 5,00 & # x000d7 1,50 e 0,75 & # x000d7 5,00 & # x000d7 0,75 mm 3, respectivamente, para dados de assuntos individuais (x, y, e z no espaço estereotáxico). A porção superior do córtex pré-frontal dorsolateral foi calçada (13) antes da obtenção das imagens funcionais.

Imagens funcionais foram obtidas para as quatro fatias coronais usando uma sequência de imagem assimétrica spin-eco-eco-planar (EPI) (ver ref. 14). Os parâmetros para EPI foram os seguintes: matriz de imagem = 32 & # x000d7 64, TE (spin-eco) = 28 ms, TE (gradiente-eco) = 50 ms, TR = 1,36 s por imagem, espessura de corte = 5 mm, separação de fatias de centro a centro = 7 mm e resolução no plano (x e z no espaço estereotáxico) = 4,8 & # x000d7 2,5 mm 2. As imagens foram coletadas como um & # x0201crun & # x0201d de 16 imagens por fatia, com varreduras fictícias (4 imagens por fatia) usadas para estabelecer o estado estacionário de magnetização. Em cada execução, o sujeito descansou durante as primeiras 4 imagens por fatia (pré-tarefa), respondeu a estímulos durante as próximas 8 imagens por fatia (tarefa) e descansou novamente durante as últimas 4 imagens por fatia (pós-tarefa) Em cada execução, ocorreram 16 ensaios comportamentais durante o tarefa fase da sequência de varredura. Para cada condição (ou seja, Repetir, Aleatória, Linha de base) três corridas foram coletadas.

Análise de dados.

A análise dos dados neste estudo foi idêntica à do estudo anterior de fluência verbal com fMRI (9). As imagens funcionais foram analisadas off-line em um Silicon Graphics Indy estação de trabalho (Mountain View, CA) em ambiente MATLAB (Natick, MA). Os artefatos de movimento foram avaliados por um algoritmo COM usando imagens funcionais não interpoladas. Resumidamente, uma imagem limiar foi criada de forma que as intensidades de todos os pixels fora do cérebro fossem definidas como zero, enquanto as intensidades de todos os pixels dentro do cérebro não fossem alteradas. Para cada conjunto de dados, os desvios nos COMs das imagens limiares (em x e z direções de um pixel) foram plotados contra o tempo para revelar os padrões temporais de movimento. Um conjunto de dados foi descartado de uma análise posterior se o desvio no COM para qualquer imagem em uma série fosse maior que 25 & # x00025 de um tamanho de pixel & # x0005bi.e., 1,2 e 0,6 mm para x e z direções no espaço estereotáxico & # x0005d. Este critério para artefato de movimento em uma série de imagens funcionais foi baseado no curso do tempo das flutuações de intensidade da imagem no cérebro em repouso (ou seja, Linha de base imagens de condição onde não houve movimento iniciado pelo estímulo). Nenhuma tentativa foi feita para corrigir as flutuações fisiológicas nos dados de fMRI (15).

Para cada execução consistindo em 16 imagens por fatia, a média das primeiras 4 imagens por fatia, representando o sinal basal (S), foi subtraído de cada imagem dentro da série, produzindo 16 imagens de diferença por fatia e revelando mudanças de sinal relacionadas à tarefa (& # x00394S) As últimas 4 imagens por fatia em uma execução não foram usadas para representar o sinal basal porque as mudanças de sinal relacionadas à tarefa são sustentadas às vezes, mesmo após a tarefa ser concluída (por exemplo, ver ref 9). Essas imagens não foram incluídas na obtenção de mapas de ativação. Para comparar a diferença na atividade cerebral entre os Aleatória e Repetir condições, um t teste foi calculado usando o tarefa imagens das duas condições, e o mapa de ativação definido pelo t a comparação de teste foi limitada para excluir pixels que continham puramente ruído. Cada imagem funcional, com uma matriz de imagem de 32 & # x000d7 64 pixels, foi então linearmente interpolada para uma matriz de imagem de 128 & # x000d7 128 pixels e esticada para se sobrepor à sua imagem anatômica. Os fatores de alongamento linear no plano (0,31 e 0,60 pol. x e z, respectivamente, no espaço estereotáxico) para as imagens funcionais foram determinadas a partir de dados fantasmas de uma esfera de água de 12 cm de diâmetro. Embora a imagem funcional tenha sido interpolada linearmente e esticada para coincidir com a imagem anatômica, que tinha uma resolução espacial de 1,5 & # x000d7 5,0 & # x000d7 1,5 mm 3, a resolução espacial nominal na imagem funcional esticada ainda era 4,8 & # x000d7 5,0 & # x000d7 2,5 mm 3 para dados de assuntos individuais em espaço estereotáxico.

Um método de co-registro linearmente distorcido (16, 17) foi aplicado ao conjunto de dados para criar dados de fatia coronais médios em relação ao espaço estereotáxico padrão (18). Havia três cortes coronais consecutivos que cobriam a mesma região do cérebro e eram comuns a todos os indivíduos. Para esses três cortes coronais, cada imagem anatômica do sujeito & # x02019s foi linearmente distorcida para corresponder a uma imagem padrão, como no estudo de fluência verbal fMRI anterior (9), e imagens anatômicas médias foram criadas. Da mesma forma, para cada fatia um mapa de ativação médio foi criado. Um filtro gaussiano (1 pixel de largura) foi aplicado a cada mapa de ativação médio, que foi então limitado a P & # x0003c 0,005 para revelar as regiões de interesse (ROIs) que foram significativas naquele nível. Este valor limite particular foi baseado na suposição de que o cérebro em repouso não deve revelar nenhuma região & # x0201cativada & # x0201d em um t-map (ou seja, o Linha de base doença t-mapa, onde não havia estímulo, mostrou & # x0201cno ativação & # x0201d em um valor limite de P & # x0003c 0,005). Essas imagens linearmente distorcidas foram então co-registradas no espaço estereotáxico padrão de modo que a localização anatômica de cada ROI pudesse ser determinada em relação às coordenadas de Talairach e Tournoux (18). A resolução espacial nominal nos dados médios foi ligeiramente menor do que a resolução nos dados de assuntos individuais. A estimativa máxima do desvio padrão (SD) para a resolução no plano nos dados médios foi assumida como sendo duas vezes o tamanho do pixel dos dados funcionais do sujeito individual, e a estimativa máxima do SD na posição da fatia nos dados médios foi avaliada como & # x0005b (espessura 2 & # x0002b separação 2) & # x0002f2 & # x0005d 1/2. A resolução espacial nominal para os dados médios apresentados neste estudo foi calculada em 9,6 & # x000d7 6,1 & # x000d7 5,0 mm 3 no espaço estereotáxico. Para cada ROI nos dados médios, a COM foi calculada para aquela massa de tecido, e a coordenada de Talairach e Tournoux (18) da COM para cada ROI foi obtida para comparações. Assumimos que o mapeamento de Talairach e Tournoux não causou nenhuma incerteza adicional no posicionamento de resolução de cada um (16, 17).


ESTUDO 1: TESTE DE ASSOCIAÇÃO IMPLÍCITA DA AGÊNCIA

Métodos

O Teste de Associação Implícita (IAT Greenwald, McGhee, & amp Schwartz, 1998) indexa a força de um par de associações (ou seja, alvos femininos sexualizados / verbos de primeira pessoa, alvos femininos vestidos / verbos de terceira pessoa) em relação à força do par reverso de associações (alvos femininos sexualizados / verbos de terceira pessoa, alvos femininos vestidos / verbos de primeira pessoa) registrando o período de tempo que os participantes precisam para classificar categorias e recursos em diferentes lados da tela do computador (rótulos: biquíni / vestidos “ I ”verbos / verbos“ Ela ”).

Participantes

Vinte e quatro participantes do sexo feminino e 31 do sexo masculino (Mera = 25,9) completou o IAT on-line. O consentimento informado eletrônico e os procedimentos experimentais obedeceram às diretrizes do Comitê de Revisão Institucional da Universidade de Princeton. Os participantes foram recrutados on-line por meio do serviço Mechanical Turk da Web da Amazon.com e foram pagos por sua participação. Seis participantes relataram orientações sexuais não heterossexuais e dois participantes relataram problemas técnicos com o programa, sendo excluídos da amostra, restando 20 mulheres e 27 homens para completar o estudo.

Estímulos

Coletamos 20 imagens por classe de estímulo (mulher sexualizada, mulher vestida). Todas as imagens eram uniformes, de forma que os alvos estavam sorrindo e olhando diretamente para a câmera. Cortamos as imagens (do meio da coxa ao topo da cabeça), padronizamos seus tamanhos (380 × 450 pixels) e eliminamos todas as informações de fundo. Também alteramos as imagens para minimizar os detalhes em qualquer roupa que os alvos estivessem usando.

Os seguintes verbos de ação constituíram nossos verbos associados, em primeira e terceira pessoa: usar (es), empurrar (es), puxar (es), apertar (es), virar (es), apertar (es), dobrar (s) ), flip (s), aperto (s), alça (s), controle (s), tratar (s), segurar (s), gerenciar (s), operar (ões), unidade (s), chumbo (s) ), direção (ões), garra (s), rolo (s).

Usamos o programa “Create Your Own IAT” de Princeton para executar o estudo (http://iat.princeton.edu/iat/). Os primeiros dois blocos foram ensaios práticos nos quais os participantes classificaram apenas imagens de mulheres sexualizadas e totalmente vestidas e, em seguida, apenas verbos de primeira e terceira pessoas, ou vice-versa. Durante os Blocos 3 e 4, os participantes classificaram verbos de primeira pessoa e mulheres sexualizadas de um lado da tela do computador, e verbos de terceira pessoa e mulheres vestidas do outro lado. Durante o Bloco 5, os participantes classificaram apenas fotos de mulheres sexualizadas e vestidas novamente, desta vez em lados diferentes da tela. Dobramos o número de tentativas de prática no Bloco 5 para eliminar os efeitos da prática (Nosek, Greenwald, & amp Banaji, 2006). Por fim, nos Blocos 6 e 7, os participantes classificaram os verbos de primeira pessoa e as mulheres vestidas de um lado da tela e os verbos de terceira pessoa e as mulheres sexualizadas do outro lado. A ordem de apresentação da imagem e do verbo dentro dos blocos foi randomizada entre os assuntos. Os blocos 3 e 4 foram trocados pelos blocos 6 e 7 para metade dos sujeitos para controlar ainda mais os efeitos da ordem. Em nenhum momento das instruções ou tarefa as palavras “sexo” ou “sexismo” foram incluídas.

Medidas

Sexismo ambivalente

Avaliamos as atitudes ambivalentes dos participantes em relação às mulheres usando o Inventário de Sexismo Ambivalente (ASI Glick & amp Fiske, 1996). O ASI consiste em 22 afirmações que os respondentes avaliam em uma escala que varia de 1 (discordo fortemente) a 6 (concordo plenamente) Onze itens avaliam HS (por exemplo, "Uma vez que uma mulher consegue que um homem se comprometa com ela, ela geralmente tenta colocá-lo em uma rédea curta"), e os outros 11 itens medem BS (por exemplo, "Uma boa mulher deve ser posta em um pedestal por seu homem ”). Os participantes não foram informados de que os itens foram elaborados para medir atitudes sexistas.

Design experimental

Os participantes foram recrutados online e redirecionados para o site do IAT. Os participantes primeiro completaram o IAT, depois o ASI, seguido por um breve questionário demográfico avaliando sexo, idade e orientação sexual.


Resultados

Semear resultados de ROI

Brodmann & # x02019s Área 44

O ROI colocado em BA 44 exibiu correlações positivas robustas com a pars triangularis (BA 45) e pars orbitalis (área 47/12) do giro frontal inferior (IFG), bem como com a região pré-motora inferior (BA 6). Além disso, houve correlações positivas com a área motora pré-suplementar (preSMA), a região paracingulada (BA 32) e o córtex frontal medial adjacente (BAs 8, 9) (fig. 1). Houve também correlações com o córtex frontal dorsolateral caudal (BA 8) e a parte rostral de BA 6 dorsal. No córtex parietal, as correlações foram principalmente restritas à parte ventral do giro supramarginal posterior (pSMG) e ao giro angular adjacente. No lobo temporal, houve correlações significativas com a parte caudal do giro temporal superior (GTS), o sulco temporal superior (GTS) e com o giro temporal médio (GMS). Não houve correlações com o córtex somatomotor primário dentro do sulco central ou a região cortical somatomotora ao redor da extensão medial do sulco central, ou seja, lóbulo paracentral BA4. Também não houve correlações significativas com o lóbulo parietal superior, o cingulado posterior, pré-cuneiforme e regiões pré-frontais ventromediais.

Padrões de conectividade funcional em estado de repouso em nível de grupo associados às três ROIs frontais ventrolaterais selecionadas manualmente e os resultados de contrastes diretos entre elas (Z & # x0003e 2.3 significância do cluster p & # x0003c 0,05, corrigido). As imagens estão no espaço MNI152 e são mostradas de acordo com a convenção neurológica (direita é direita).

Brodmann & # x02019s Área 45

O ROI em BA 45 exibiu um padrão de correlações positivas semelhante ao de BA 44 (Fig. 1). BA 45 exibiu correlações significativas com BAs 44 e 47/12 no giro frontal inferior, bem como com a região frontal dorsolateral posterior (BA 8) e BA 6 dorsal. No córtex parietal, houve correlações positivas com a parte ventral de o giro supramarginal posterior (pSMG) e o giro angular. No lobo temporal, houve fortes correlações positivas com o giro temporal superior caudal, todo o sulco temporal superior e giro temporal médio. Medialmente, BA 45 exibiu correlações positivas com a área motora pré-suplementar, a região paracingulada (BA 32) e a região frontal medial (BAs 8, 9 e 10). Além disso, havia correlações robustas com a região frontal ventromedial. Não houve correlações com o córtex somatomotor primário dentro do sulco central ou a região cortical somatomotora ao redor da extensão medial do sulco central, ou seja, lóbulo paracentral BA4. Também não houve correlações significativas com o lóbulo parietal superior, a região cingulada posterior, ou precuneus.

Giro Precentral Ventral (BA 6)

O BA 6 ROI ventral, localizado na parte ventral do giro pré-central, próximo ao sulco pré-central inferior, foi positivamente correlacionado com BAs 44 e dorsal 45, bem como uma região do giro frontal médio (MFG) que fica logo acima a pars triangularis, e que foi denominada área 9 / 46v por Petrides e Pandya (1994).Correlações positivas significativas também foram observadas entre BA 6 e o ​​córtex motor e somatossensorial adjacente no sulco central, bem como a extensão medial da região somatomotora no lóbulo paracentral. Também houve correlações positivas com a região somatossensorial secundária nos opérculos frontal e parietal e na ínsula. Correlações estendidas para o giro temporal superior (GTS) e a maior parte posterior do giro temporal médio (GTS). Dentro do córtex parietal posterior, as correlações positivas foram principalmente restritas à parte anterior do giro supramarginal (aSMG). Na superfície medial do cérebro, a semente em BA 6 foi correlacionada com a região motora suplementar (BA 6 medial), bem como o córtex ventralmente adjacente dentro do sulco cingulado e giro que correspondem às áreas motoras cinguladas descobertas no macaco macaque (Ele et al., 1995). Notavelmente, a semente BA 6 não exibiu quaisquer correlações com o córtex frontal medial (isto é, BAs 8, 9, 10) ou o córtex pré-frontal ventromedial. Também não houve correlações positivas com o córtex cingulado posterior ou pré-cuneiforme (fig. 1).

Contrastes diretos: BA 45 & # x0003e BA 44 e BA 44 & # x0003e BA 45

Para examinar as diferenças entre BA 44 e BA 45, contrastes diretos foram realizados entre essas duas ROIs. Em relação a BA 44, BA 45 exibiu maiores correlações positivas com a região pars orbitalis do giro frontal inferior onde a área 47/12 está localizada (ver Petrides e Pandya, 1994), com o córtex pré-frontal ventromedial e com o giro angular. Observe que na superfície do cérebro, este RSFC mais forte parece estar restrito à parte dorsal do giro angular, mas isso é simplesmente o resultado do fato de que grande parte da atividade correlacionada está logo abaixo do córtex e dentro da extensão parietal do sulco temporal superior que não aparecerá na superfície do cérebro, como pode ser visto na seção coronal apropriada na Fig. 2 (BA 45 & # x0003e BA 44). BA 44 exibiu maior RSFC (em relação a BA 45) com o pré-motor BA 6, o córtex somatossensorial secundário dentro da margem superior da fissura de Sylvian e o giro temporal superior caudal (Fig. 1, Tabela 1).

Resultados da comparação direta entre BA 45 e 44, após restringir nossa análise ao lobo temporal esquerdo (Z & # x0003e 2.3 significância do cluster p & # x0003c 0,05, corrigido para um volume de 22768mm 3). Esta comparação com pequeno volume corrigido revelou RSFC significativamente maior entre BA 45 e o giro temporal médio, em relação a BA 44.

Os resultados de RSFC acima estavam em excelente acordo com as previsões de conectividade do córtex parietal e temporal às regiões homólogas ventrolaterais no macaco macaque com base no estudo anatômico experimental dessas conexões (Petrides e Pandya, 2009). No entanto, também havia uma contradição aparente. No estudo com o macaco macaque, as conexões da área 45 com o córtex temporal lateral pareceram ser mais difundidas do que as da área 44 e incluir um componente mais ventral do córtex temporal lateral. A comparação da superfície do cérebro na Fig. 2 (compare os painéis BA 45 e BA 44) parece confirmar esta maior atividade no córtex temporal lateral para BA 45 do que BA 44. No entanto, isso não atingiu o nível de significância aceito em a comparação direta BA 45 & # x0003e BA 44. Dada nossa previsão de que RSFC diferencial seria observado, repetimos a comparação direta entre BA 44 e 45 RSFC, restringindo nossa análise ao lobo temporal esquerdo (Z & # x0003e 2.3 significância do cluster p & # x0003c 0,05, corrigido para um volume de 22768 mm 3). Essa comparação restrita revelou RSFC significativamente maior entre BA 45 e o giro temporal médio, em relação a BA 44 (fig. 2).

Contrastes diretos: BA 6 & # x0003e BA 44 e BA 6 & # x0003e BA 45

Para examinar as diferenças entre BA 6 e BAs 44 e 45, contrastes diretos foram realizados entre essas ROIs. Em relação a ambos BAs 44 e 45, BA 6 exibiu RSFC mais forte com áreas somáticas e motoras primárias ao redor do sulco central e as áreas somatossensoriais secundárias dentro dos opérculos frontal e parietal e da ínsula. Também houve correlações mais fortes entre BA 6 e o ​​lóbulo parietal superior e a parte anterior do giro supramarginal (aSMG), em relação a ambos BAs 44 e 45. Houve correlações mais fortes entre BA 6 e a região motora suplementar (SMA) e a região motora no giro cingulado central e sulco que provavelmente corresponde às áreas motoras cinguladas descobertas no macaco macaque (He et al., 1995) (Fig. 1, Tabela 1).

Contrastes diretos: BA 44 & # x0003e BA 6 e BA 45 & # x0003e BA 6

Em relação a BA 6, BAs 44 e 45 exibiram correlações mais fortes com a pars orbitalis do giro frontal inferior (área 47/12) e o córtex frontal dorsolateral caudal correspondendo a BA 8 (Fig. 1, Tabela 1). No lobo temporal, havia correlações significativamente mais fortes com o córtex dentro do sulco temporal superior e do giro temporal médio. Na superfície medial, BAs 44 e 45 mostraram correlações mais fortes do que BA 6 com o córtex frontal medial anterior ao SMA envolvendo BAs 8, 9 e 10, bem como o paracingulado BA 32. Além disso, BA 45 exibiu RSFC mais forte com o medial parte do polo frontal (BA 10), o córtex frontal ventromedial e o giro angular, em relação a BA 6, enquanto BA 44 não mostrou essas diferenças.

Resultados de agrupamento

Agrupando a matriz eta 2 da média do grupo

Usando um procedimento de comparação de divisão pela metade de grupos permutados, aplicamos algoritmos de agrupamento espectral e hierárquico para identificar soluções de agrupamento para o intervalo K = 2:12, onde K é o número de clusters. Para cada valor de K, avaliamos a similaridade das soluções de cluster geradas para o Grupo 1 (n = 18) e Grupo 2 (n = 18) utilizando a métrica Variação da Informação (VI) (Meila, 2007). A Fig. 3D representa o VI médio em 100 grupos permutados, para cada Ke cada algoritmo de agrupamento. Os resultados indicam que as soluções mais semelhantes (consistentes) (associadas ao VI médio mais baixo) foram geradas pelo algoritmo de agrupamento espectral. A solução não trivial mais consistente (ou seja, K& # x0003e2) parece ser K= 4, embora haja boa semelhança média para o intervalo K = 2:6.

Índices de agrupamento. (A) A média do grupo (média) das matrizes eta 2 individuais calculadas com base nos dados suavizados do estado de repouso. (B) A média do grupo das matrizes eta 2 individuais calculadas com base nos dados do estado de repouso não suavizados. (C) A matriz de consenso para K= 4. Esta matriz representa, quando K= 4, a estabilidade com a qual pares de voxels foram atribuídos ao mesmo cluster entre os indivíduos. (D) Para cada valor de K, avaliamos a similaridade das soluções de cluster geradas para o Grupo 1 (n = 18) e Grupo 2 (n = 18) no procedimento de comparação de grupos permutados com divisão ao meio usando a métrica Variação da Informação (VI) (Meila, 2007). O gráfico traça o VI médio em 100 grupos permutados, para cada K, para os algoritmos de agrupamento hierárquico e espectral. Pontuações de VI mais baixas indicam melhor similaridade (consistência) entre as soluções calculadas para cada grupo. (E) Média (e desvio padrão) da silhueta modificada para cada valor de K, para soluções de cluster produzidas quando o algoritmo de agrupamento espectral foi aplicado para cada indivíduo & # x02019s matriz eta 2. (F) Valores modificados de silhueta calculados para soluções de agrupamento calculadas com base nas matrizes de consenso, para cada valor de K. (G) Similaridade entre as atribuições de agrupamento para a média do grupo (média) das matrizes eta 2 individuais (isto é, mostradas em A) e aquelas para as matrizes de consenso (exemplo mostrado em C). (H) Similaridade entre as atribuições de cluster para a média do grupo (média) das matrizes eta 2 individuais calculadas com base nos dados do estado de repouso suavizado (ou seja, mostrado em A) e aqueles calculados com base no repouso não suavizado dados do estado (exemplo mostrado em B).

Posteriormente, aplicamos o algoritmo de agrupamento espectral à média do grupo de todos (n = 36) matrizes eta 2 de sujeito único. A Fig. 4 exibe os mapas de superfície para as soluções de agrupamento espectral para K = 2: 6 (para comparação, os mapas de superfície das soluções de agrupamento hierárquico para K = 2: 6 são apresentados na Fig. S1 suplementar).

Mapas de superfície (cérebro MNI152) para as soluções de agrupamento espectral para K = 2: 6 para (1) a média do grupo de participantes individuais & # x02019 matrizes eta 2 calculadas com base nos dados do estado de repouso suavizado (eta 2 suavizado & # x02013 primeira coluna) (2) a média do grupo do indivíduo Matrizes eta 2 calculadas com base nos dados de estado de repouso não suavizados (eta 2 não suavizados & # x02013 segunda coluna) e (3) a matriz de consenso (Consenso & # x02013 terceira coluna).

Silhueta Modificada

Para discernir ainda mais o melhor K, calculamos um valor de silhueta modificado para cada valor de K, para soluções de cluster produzidas quando o algoritmo de agrupamento espectral foi aplicado para cada indivíduo & # x02019s matriz eta 2. Conforme mostrado na Fig. 3E, o critério de silhueta modificada sugeriu que K= 4 representa a solução mais favorável.

Efeito de suavização

Para avaliar o impacto da suavização na atribuição de cluster, repetimos as análises e a geração da matriz eta 2 sem suavização espacial. A Fig. 4 mostra os mapas de superfície para as soluções de agrupamento espectral para K = 2: 6, calculado com base na média do grupo de matrizes eta 2 não suavizadas (Fig. 3B). Qualitativamente, os mapas são altamente semelhantes, uma conclusão que é apoiada quantitativamente pela métrica VI (Fig. 3H), que indica boa similaridade entre as soluções suavizadas e não suavizadas para K 7.

Agrupamento de matriz de consenso

Em uma segunda abordagem para validação de cluster, realizamos o agrupamento espectral em um nível de sujeito individual e, em seguida, examinamos a estabilidade com a qual os pares de voxels foram atribuídos ao mesmo agrupamento entre os indivíduos, calculando uma matriz de consenso (Steinley, 2008), um exemplo de que é mostrado na Fig. 3C. Para discernir o padrão mais estável de atribuição de cluster entre os assuntos, aplicamos o algoritmo de agrupamento espectral às matrizes de consenso e calculamos a silhueta modificada. A Fig. 3F plota os valores da silhueta modificada e sugere que, entre os assuntos, o padrão mais estável de atribuição de cluster é para K = 4. Qualitativamente, os mapas de superfície para as soluções calculadas com base na matriz de consenso são altamente semelhantes aos calculados com base na matriz eta 2 de média do grupo (Fig. 4), e a métrica VI demonstra a melhor similaridade entre as soluções de cluster é para K = 2: 4 (Fig. 3G).

Semeando o K = 4 solução de cluster

Com base nas análises de agrupamento, concluímos que K = 4 representou a solução mais favorável (ver Fig. 4). Qualitativamente, os quatro agrupamentos localizaram-se na parte superior do giro frontal inferior (IFG), contornando o sulco frontal inferior (agrupamento 1), a pars opercularis lateral e a pars triangularis (agrupamento 2), córtex pré-central inferior (agrupamento 3) e um quarto região que se estende medialmente dentro da fissura de Sylvian da ponta mais inferior do córtex pré-motor ventral e a pars opercularis em direção à ínsula anterior (Grupo 4). Para verificar esses aglomerados como regiões funcionalmente distintas do córtex frontal ventrolateral, examinamos o RSFC associado a quatro ROIs de sementes esféricas de raio de 4 mm, centrado nos centros de massa de cada um dos aglomerados da média do grupo K = 4 solução de agrupamento espectral. A Fig. 5 mostra o nível de grupo (Z & # x0003e 2.3 significância do cluster p & # x0003c 0,05, corrigido) RSFC para cada um dos quatro clusters, bem como comparações diretas entre os clusters.

Padrões de conectividade funcional de estado de repouso em nível de grupo e os resultados de contrastes diretos para as quatro ROIs de sementes localizadas nos centros de massa da média do grupo K = 4 solução de agrupamento espectral. Os aglomerados são marcados na Figura 4 e correspondem a: a parte superior do giro frontal inferior (IFG), contornando o sulco frontal inferior (Grupo 1), a pars opercularis lateral e a pars triangularis (Grupo 2) córtex pré-central inferior (Grupo 3) e uma quarta região que se estende medialmente dentro da fissura de Sylvian da ponta mais inferior do córtex pré-motor ventral e a pars opercularis em direção à ínsula anterior (Grupo 4). Z & # x0003e 2.3 significância do cluster p & # x0003c 0,05, corrigido. As imagens estão no espaço MNI152 e são mostradas de acordo com a convenção neurológica (direita é direita). Os números (painel superior esquerdo) indicam as posições das fatias axiais mostradas na parte inferior de cada painel.

O padrão de RSFC observado para o Cluster 2 que inclui as partes centrais do pars opercularis e pars triangularis é muito semelhante ao observado para ROIs com base em BAs 44 e 45 (compare o Cluster 2 na Fig. 5 com BA 44 e 45 na Fig. 1). Da mesma forma, o padrão de RSFC para o Cluster 3 que inclui a parte inferior do giro pré-central é consistente com o da ROI com base em BA 6 (compare o Cluster 3 na Fig. 5 com BA 6 na Fig. 1). Os voxels no Cluster 1 provavelmente se separam do resto da grande região frontal ventrolateral de interesse que foi definida para a análise de agrupamento em virtude do fato de estarem localizados ao longo do sulco frontal inferior na borda com o giro frontal médio que incluiria voxels das áreas 8 e 9 / 46v na margem superior do sulco frontal inferior e giro frontal médio adjacente. Especificamente, o cluster 1 exibiu RSFC com quase todo o giro frontal inferior, anterior e incluindo o sulco pré-central inferior, BA 6 dorsal e BA 8 no giro frontal médio, o sulco intraparietal e o córtex temporal médio e inferior caudal. A comparação Cluster 1 & # x0003e Cluster 2 (Fig. 5) isola esta região de fronteira no lobo frontal e destaca o RSFC mais forte com o sulco intraparietal para voxels que podem pertencer à área 8 e 9/46 em comparação com voxels que são mais provavelmente estão nas áreas 45 e 44. Finalmente, o cluster 4 exibiu um padrão de RSFC semelhante ao do cluster 2, mas com RSFC menos extenso com o lobo temporal lateral e o córtex frontal medial, e RSFC mais extenso com o giro cingulado dorsal e áreas motoras suplementares, bem como córtex frontal anterior. Pode representar uma região que incluiria voxels na região anterior da ínsula e na região frontal opercular.

No geral, os padrões de RSFC associados ao K = 4 solução de agrupamento espectral foram consistentes com aqueles da análise baseada em sementes primárias das regiões frontais ventrolaterais, e confirmaram uma distinção significativa entre BAs pré-motor 6 e BAs 44 e 45, mas maior similaridade do que diferença entre BAs 44 e 45 em termos de seu RSFC.


Conclusões

Usando uma abordagem de modelagem de conectividade metaanalítica (MACM) com dados do banco de dados BrainMap de estudos de neuroimagem funcional, caracterizamos o perfil de conectividade funcional da área de junção frontal inferior (IFJ) em termos de coativações. Com base em um grande conjunto de dados de ativações de pico publicadas, nossos resultados confirmam a noção de que o IFJ está envolvido em uma rede de controle cognitivo (CCN). O CCN compreende o córtex pré-frontal dorsolateral, ínsula anterior (e córtex pré-frontal ventrolateral vizinho), o córtex frontal medial / pré-SMA, partes do córtex pré-motor dorsal e o córtex parietal posterior. Além disso, identificamos a conectividade do IFJ com áreas subcorticais principalmente pertencentes ao núcleo dorsal medial do tálamo e uma região posterior inferior em torno do tentório cerebelar que não pode ser inequivocamente atribuída ao cerebelo ou junção occipito-temporal com base no atlas de Talairach. A atribuição desses locais ao CCN é compatível com observações anteriores, principalmente em fMRI de estado de repouso e análises de conectividade estrutural. Outras coativações mais consistentemente observadas incluem linguagem e localizações relacionadas ao motor. Os resultados foram amplamente confirmados em uma análise adicional de fMRI em estado de repouso. No entanto, usando essa abordagem, o VLPFC foi identificado com menos clareza e o CCN foi complementado pelo córtex cingulado anterior, em linha com as observações anteriores.

O CCN envolvendo o IFJ foi proposto anteriormente usando dados de fMRI baseados em tarefas e em estado de repouso em uma série de assuntos [9]. A maioria dos estudos maiores sobre redes fronto-parietais relevantes para a cognição não denomina o IFJ explicitamente. Assim, os resultados relatados aqui estabelecem a ligação formal entre o trabalho anterior sobre a funcionalidade do IFJ e os estudos que enfocam a organização geral das redes cognitivas do cérebro em um alto nível formal de evidências (meta-analíticas). Deve ser enfatizado, no entanto, que modelos como o CCN são apenas aproximações da organização funcional do cérebro humano e não podem capturar totalmente as interdependências e a especialização dentro das redes.

Ainda assim, à luz dos resultados que sugerem um papel da funcionalidade prejudicada do IFJ na demência precoce, juntamente com esta informação de conectividade funcional do IFJ no CCN, o IFJ parece ser um ponto de partida promissor para investigar a rede de controle cognitivo em estudos posteriores e em particular em populações clínicas.


Assista o vídeo: Áreas de Brodmann (Agosto 2022).