#شناسایی #سازوکارهای بالقوه ایجاد #الکلیزم
#Dopamine #Neurons #Change the #Type of #Excitability in #Response to #Stimuli
#پژوهشگران مدرسه عالی اقتصاد روسیه با همکاری موسسه ملی سلامت و وزارت آموزش روسیه 🇷🇺، دانشکده نرمال سوپریر فرانسه 🇫🇷، و دانشگاه ایندیانای ایالات متحده 🇺🇸، در پژوهش بر ریشه های #عصبی، #ژنتیک و #متابولیک #الکلیزم در افراد دریافتند که مکانیزم های #تغییریافته عمل در پاسخ #نورون های #دوپامینرژیک در پویایی های #کرتکس #پیش_پیشانی منجر به تغییر سطح #دوپامین مغز شده و فرد را به سمت الکلیزم سوق دهند.
Abstract
#The #dynamics of #neuronal #excitability #determine the #neuron’s response to stimuli, its #synchronization and #resonance properties and, ultimately, the computations it performs in the #brain. We investigated the dynamical #mechanisms underlying the excitability type of dopamine (#DA) neurons, using a #conductance-based #biophysical model, and its #regulation by intrinsic and #synaptic currents. #Calibrating the model to reproduce low frequency #tonic firing results in #N-methyl-D-aspartate (#NMDA) #excitation balanced by γ-Aminobutyric acid (#GABA)-mediated #inhibition and leads to type I excitable behavior characterized by a continuous decrease in firing frequency in response to #hyperpolarizing currents. Furthermore, we analyzed how excitability type of the DA neuron model is influenced by changes in the intrinsic current composition. A #subthreshold #sodium current is necessary for a continuous frequency decrease during application of a negative current, and the low-frequency “balanced” state during simultaneous activation of NMDA and GABA #receptors. Blocking this current switches the neuron to type II characterized by the abrupt onset of repetitive firing. Enhancing the #anomalous rectifier #Ih current also switches the excitability to type II. Key characteristics of synaptic conductances that may be observed in vivo also change the type of excitability: a #depolarized γ-Aminobutyric acid receptor (#GABAR) reversal potential or co-activation of α-amino-3-hydroxy-5-methyl-4-isoxazolepropionic acid receptors (#AMPARs) leads to an abrupt frequency drop to zero, which is typical for type II excitability. Coactivation of N-methyl-D-aspartate receptors (#NMDARs) together with AMPARs and GABARs shifts the type I/II boundary toward more hyperpolarized GABAR reversal potentials. To better understand how altering each of the aforementioned currents leads to changes in excitability profile of DA neuron, we provide a thorough dynamical analysis. Collectively, these results imply that type I excitability in dopamine neurons might be important for low firing rates and fine-tuning basal dopamine levels, while switching excitability to type II during NMDAR and AMPAR activation may facilitate a transient increase in dopamine concentration, as type II neurons are more amenable to synchronization by mutual excitation.
لینک منبع 👇🏻(further reading)👇🏻
journals.plos.org/ploscompbiol/article?id=10.1371/journal.pcbi.1005233
✅(در صورت جذابیت و علاقمندی به موضوع، مطلب را برای دیگران نیز بازنشر فرمایید).
📢کانال #دکترامیرمحمدشهسوارانی
🍃🌹🌸💐🌸🌹🍃
@DrAmirMohammadShahsavarani
#Dopamine #Neurons #Change the #Type of #Excitability in #Response to #Stimuli
#پژوهشگران مدرسه عالی اقتصاد روسیه با همکاری موسسه ملی سلامت و وزارت آموزش روسیه 🇷🇺، دانشکده نرمال سوپریر فرانسه 🇫🇷، و دانشگاه ایندیانای ایالات متحده 🇺🇸، در پژوهش بر ریشه های #عصبی، #ژنتیک و #متابولیک #الکلیزم در افراد دریافتند که مکانیزم های #تغییریافته عمل در پاسخ #نورون های #دوپامینرژیک در پویایی های #کرتکس #پیش_پیشانی منجر به تغییر سطح #دوپامین مغز شده و فرد را به سمت الکلیزم سوق دهند.
Abstract
#The #dynamics of #neuronal #excitability #determine the #neuron’s response to stimuli, its #synchronization and #resonance properties and, ultimately, the computations it performs in the #brain. We investigated the dynamical #mechanisms underlying the excitability type of dopamine (#DA) neurons, using a #conductance-based #biophysical model, and its #regulation by intrinsic and #synaptic currents. #Calibrating the model to reproduce low frequency #tonic firing results in #N-methyl-D-aspartate (#NMDA) #excitation balanced by γ-Aminobutyric acid (#GABA)-mediated #inhibition and leads to type I excitable behavior characterized by a continuous decrease in firing frequency in response to #hyperpolarizing currents. Furthermore, we analyzed how excitability type of the DA neuron model is influenced by changes in the intrinsic current composition. A #subthreshold #sodium current is necessary for a continuous frequency decrease during application of a negative current, and the low-frequency “balanced” state during simultaneous activation of NMDA and GABA #receptors. Blocking this current switches the neuron to type II characterized by the abrupt onset of repetitive firing. Enhancing the #anomalous rectifier #Ih current also switches the excitability to type II. Key characteristics of synaptic conductances that may be observed in vivo also change the type of excitability: a #depolarized γ-Aminobutyric acid receptor (#GABAR) reversal potential or co-activation of α-amino-3-hydroxy-5-methyl-4-isoxazolepropionic acid receptors (#AMPARs) leads to an abrupt frequency drop to zero, which is typical for type II excitability. Coactivation of N-methyl-D-aspartate receptors (#NMDARs) together with AMPARs and GABARs shifts the type I/II boundary toward more hyperpolarized GABAR reversal potentials. To better understand how altering each of the aforementioned currents leads to changes in excitability profile of DA neuron, we provide a thorough dynamical analysis. Collectively, these results imply that type I excitability in dopamine neurons might be important for low firing rates and fine-tuning basal dopamine levels, while switching excitability to type II during NMDAR and AMPAR activation may facilitate a transient increase in dopamine concentration, as type II neurons are more amenable to synchronization by mutual excitation.
لینک منبع 👇🏻(further reading)👇🏻
journals.plos.org/ploscompbiol/article?id=10.1371/journal.pcbi.1005233
✅(در صورت جذابیت و علاقمندی به موضوع، مطلب را برای دیگران نیز بازنشر فرمایید).
📢کانال #دکترامیرمحمدشهسوارانی
🍃🌹🌸💐🌸🌹🍃
@DrAmirMohammadShahsavarani
journals.plos.org
Dopamine Neurons Change the Type of Excitability in Response to Stimuli
Author Summary Dopamine neurons play a central role in guiding motivated behaviors. However, complete understanding of computations these neurons perform to encode rewarding and salient stimuli is still forthcoming. Network connectivity influences neural…
♻️#مدلسازی و #پیش_بینی #توجه #مستمر
#Connectome-based #predictive #modeling of #attention: Comparing different #functional #connectivity features and #prediction methods across #datasets
در گزارشی که به تازگی منتشر شده است، پژوهشگران نوروساینس دانشگاه ییل 🇺🇸 روشی جدید برای #مدلسازی، #طبقه بندی و #پیش بینی #الگوهای توجه در افراد یافته اند.
🔬در این پژوهش 294 داوطلب تکالیف توجهی مختلفی را در وضعیت های مختلف و حین #fMRI انجام دادند.
📚بر اساس یافته های پژوهش حاضر، می توان در حوزه #توجه #پایدار در افراد، بر اساس #تفاوتهای #فردی 12 الگوی مختلف وجود دارد که بر اساس آن #کنشوری و #عملکرد کارکردهای اجرایی افراد با دقت بالایی قابل پیش بینی است.
Abstract
#Connectome-based predictive #modeling was recently developed to predict #individual #differences in #traits and #behaviors, including #fluid #intelligence and #sustained #attention, from #functional #brain #connectivity (#FC) measured with #fMRI. Here, using the #CPM framework, we compared the #predictive power of three different measures of FC (#Pearson's #correlation, #accordance, and #discordance) and two different #prediction #algorithms (#linear and #partial #least #square [#PLS] #regression) for attention #function. Accordance and discordance are recently proposed FC measures that respectively track #in-phase #synchronization and #out-of-phase #anti-correlation. We defined connectome-based models using task-based or #resting-state FC data, and tested the effects of (1) functional connectivity measure and (2) feature-selection/prediction algorithm on individualized attention predictions. Models were #internally #validated in a training dataset using leave-one-subject-out cross-validation, and externally validated with three independent datasets. The training dataset included fMRI data collected while participants performed a sustained attention task and rested. The validation datasets included: 1) data collected during performance of a #stop-signal task and at rest (N = 83, including 19 participants who were administered #methylphenidate prior to scanning;) data collected during #Attention #Network #Task performance and rest (N = 41), and 3) resting-state data and #ADHD symptom severity from the #ADHD-200 Consortium (N = 113). Models defined using all combinations of functional connectivity measure (Pearson's correlation, accordance, and discordance) and prediction algorithm (linear and PLS regression) predicted attentional abilities, with correlations between predicted and observed measures of attention as high as 0.9 for internal validation, and 0.6 for external validation (all p's < 0.05). Models trained on task data outperformed models trained on rest data. Pearson's correlation and accordance features generally showed a small numerical advantage over discordance features, while PLS regression models were usually better than linear regression models. Overall, in addition to correlation features combined with linear models, it is useful to consider accordance features and PLS regression for CPM.
لینک منبع 👇🏻(further reading)👇🏻
https://doi.org/10.1016/j.neuroimage.2017.11.010
✅(در صورت جذابیت و علاقمندی به موضوع، مطلب را برای دیگران نیز بازنشر فرمایید).
📢کانال #دکترامیرمحمدشهسوارانی
🍃🌹🌸💐🌸🌹🍃
@DrAmirMohammadShahsavarani
#Connectome-based #predictive #modeling of #attention: Comparing different #functional #connectivity features and #prediction methods across #datasets
در گزارشی که به تازگی منتشر شده است، پژوهشگران نوروساینس دانشگاه ییل 🇺🇸 روشی جدید برای #مدلسازی، #طبقه بندی و #پیش بینی #الگوهای توجه در افراد یافته اند.
🔬در این پژوهش 294 داوطلب تکالیف توجهی مختلفی را در وضعیت های مختلف و حین #fMRI انجام دادند.
📚بر اساس یافته های پژوهش حاضر، می توان در حوزه #توجه #پایدار در افراد، بر اساس #تفاوتهای #فردی 12 الگوی مختلف وجود دارد که بر اساس آن #کنشوری و #عملکرد کارکردهای اجرایی افراد با دقت بالایی قابل پیش بینی است.
Abstract
#Connectome-based predictive #modeling was recently developed to predict #individual #differences in #traits and #behaviors, including #fluid #intelligence and #sustained #attention, from #functional #brain #connectivity (#FC) measured with #fMRI. Here, using the #CPM framework, we compared the #predictive power of three different measures of FC (#Pearson's #correlation, #accordance, and #discordance) and two different #prediction #algorithms (#linear and #partial #least #square [#PLS] #regression) for attention #function. Accordance and discordance are recently proposed FC measures that respectively track #in-phase #synchronization and #out-of-phase #anti-correlation. We defined connectome-based models using task-based or #resting-state FC data, and tested the effects of (1) functional connectivity measure and (2) feature-selection/prediction algorithm on individualized attention predictions. Models were #internally #validated in a training dataset using leave-one-subject-out cross-validation, and externally validated with three independent datasets. The training dataset included fMRI data collected while participants performed a sustained attention task and rested. The validation datasets included: 1) data collected during performance of a #stop-signal task and at rest (N = 83, including 19 participants who were administered #methylphenidate prior to scanning;) data collected during #Attention #Network #Task performance and rest (N = 41), and 3) resting-state data and #ADHD symptom severity from the #ADHD-200 Consortium (N = 113). Models defined using all combinations of functional connectivity measure (Pearson's correlation, accordance, and discordance) and prediction algorithm (linear and PLS regression) predicted attentional abilities, with correlations between predicted and observed measures of attention as high as 0.9 for internal validation, and 0.6 for external validation (all p's < 0.05). Models trained on task data outperformed models trained on rest data. Pearson's correlation and accordance features generally showed a small numerical advantage over discordance features, while PLS regression models were usually better than linear regression models. Overall, in addition to correlation features combined with linear models, it is useful to consider accordance features and PLS regression for CPM.
لینک منبع 👇🏻(further reading)👇🏻
https://doi.org/10.1016/j.neuroimage.2017.11.010
✅(در صورت جذابیت و علاقمندی به موضوع، مطلب را برای دیگران نیز بازنشر فرمایید).
📢کانال #دکترامیرمحمدشهسوارانی
🍃🌹🌸💐🌸🌹🍃
@DrAmirMohammadShahsavarani
♻️#ساختارهای #مغزی دخیل در #تصمیم گیری های #اجتماعی
#Social #risky #decision-making reveals #gender differences in the #TPJ: A #hyperscanning study using #functional #near-infrared #spectroscopy
پژوهشگران روانشناسی دانشگاه جنوب شرقی🇨🇳، دانشگاه ژه جیانگ🇨🇳، و دانشگاه وین 🇦🇹 در پژوهشی که به تازگی منتشر شده است به بررسی ساختارهای مغزی دخیل در تصمیم گیری های خطرناک در افراد پراختند.
🔬در این پژوهش که توسط #طیف نگاری نزدیک مادون قرمز (#fNIRS؛ روشی از مجموعه #fDOT) صورت گرفت، فعالیتها و پردازش های مغزی حین تعاملات #رو_در_رو و تصمیم گیری های اجتماعی خطرناک تحلیل شدند.
📚نتایج نشان دادند:
1️⃣در #کرتکس میانی #پیش_پیشانی، کرتکس #حدقه ای #پیشانی، نواحی پیشانی-قطبی و اتصال #آهیانه-گیجگاهی هنگام تصمیم گیری های خطرناک فعالیت بیشتری مشاهده می شود.
2️⃣الگوهای فعالیت مغزی در زنان و مردان حین تصمیم گیری های خطرناک نیز کاملاً متفاوت هستند. در مردان حین تصمیم گیری کرتکس میانی و پشتی-جانبی پیش پیشانی و زنان در اتصال آهیانه-گیجگاهی چپ خود فعالیت بسیار بالایی را نشان می دهند.
3️⃣ مردان حین تصمیم گیری های #خطرناک #اجتماعی، بیشتر بر اساس توانایی های #شناختی #غیراجتماعی تکیه دارند، در حالیکه زنان حین تصمیم گیری، از توانمندی های شناختی اجتماعی و غیراجتماعی بطور همزمان استفاده می کنند.
🔆پیشنهاد می شود در نظام های تصمیم گیری و #پشتیبانی تصمیم (#DSS)، گروه های تصمیم گیری ترکیبی از دو جنس با وزن اعمال نظر برابر استفاده شود تا بتوان تمامی ابعاد مسایل و تصمیمات را در نظر گرفت.
Abstract
To fully understand the risky decision-making #behavior in more #natural #social #interactions, the present study employed a functional near-infrared spectroscopy (#fNIRS) #hyperscanning technique to simultaneously measure pairs of participants' #fronto-temporal activations in a #face-to-face #gambling #card-game. The #intra-brain results revealed that both those who identified as #males and as #females showed higher activations in their #mPFC and in the #inferior parts of the #frontopolar area, as well as in the #tempo-parietal junction (#TPJ) in cases involving higher versus lower risk. This is consistent with previous findings suggesting importance of the #mentalizing network in decision tasks. The fNIRS results of #inter-brain #neural #synchronization (#INS) also revealed that males and females showed increased inter-brain #coherence in the #mPFC and #dlPFC. Females, however, uniquely showed increased inter-brain coherence in the left #TPJ. This INS result suggests that males may primarily depend on non-social cognitive ability to make a risky decision in a #social interaction, while females may use both social and non-social cognitive abilities. The implications are also discussed for general topics of #human interaction and two-person #neuroscience.
لینک منبع پیشنهادی برای مطالعه بیشتر 👇🏻(further reading)👇🏻
https://doi.org/10.1016/j.bandc.2017.08.008
✅(در صورت جذابیت و علاقمندی به موضوع، مطلب را برای دیگران نیز بازنشر فرمایید).
📢کانال #دکترامیرمحمدشهسوارانی
🍃🌹🌸💐🌸🌹🍃
@DrAmirMohammadShahsavarani
#Social #risky #decision-making reveals #gender differences in the #TPJ: A #hyperscanning study using #functional #near-infrared #spectroscopy
پژوهشگران روانشناسی دانشگاه جنوب شرقی🇨🇳، دانشگاه ژه جیانگ🇨🇳، و دانشگاه وین 🇦🇹 در پژوهشی که به تازگی منتشر شده است به بررسی ساختارهای مغزی دخیل در تصمیم گیری های خطرناک در افراد پراختند.
🔬در این پژوهش که توسط #طیف نگاری نزدیک مادون قرمز (#fNIRS؛ روشی از مجموعه #fDOT) صورت گرفت، فعالیتها و پردازش های مغزی حین تعاملات #رو_در_رو و تصمیم گیری های اجتماعی خطرناک تحلیل شدند.
📚نتایج نشان دادند:
1️⃣در #کرتکس میانی #پیش_پیشانی، کرتکس #حدقه ای #پیشانی، نواحی پیشانی-قطبی و اتصال #آهیانه-گیجگاهی هنگام تصمیم گیری های خطرناک فعالیت بیشتری مشاهده می شود.
2️⃣الگوهای فعالیت مغزی در زنان و مردان حین تصمیم گیری های خطرناک نیز کاملاً متفاوت هستند. در مردان حین تصمیم گیری کرتکس میانی و پشتی-جانبی پیش پیشانی و زنان در اتصال آهیانه-گیجگاهی چپ خود فعالیت بسیار بالایی را نشان می دهند.
3️⃣ مردان حین تصمیم گیری های #خطرناک #اجتماعی، بیشتر بر اساس توانایی های #شناختی #غیراجتماعی تکیه دارند، در حالیکه زنان حین تصمیم گیری، از توانمندی های شناختی اجتماعی و غیراجتماعی بطور همزمان استفاده می کنند.
🔆پیشنهاد می شود در نظام های تصمیم گیری و #پشتیبانی تصمیم (#DSS)، گروه های تصمیم گیری ترکیبی از دو جنس با وزن اعمال نظر برابر استفاده شود تا بتوان تمامی ابعاد مسایل و تصمیمات را در نظر گرفت.
Abstract
To fully understand the risky decision-making #behavior in more #natural #social #interactions, the present study employed a functional near-infrared spectroscopy (#fNIRS) #hyperscanning technique to simultaneously measure pairs of participants' #fronto-temporal activations in a #face-to-face #gambling #card-game. The #intra-brain results revealed that both those who identified as #males and as #females showed higher activations in their #mPFC and in the #inferior parts of the #frontopolar area, as well as in the #tempo-parietal junction (#TPJ) in cases involving higher versus lower risk. This is consistent with previous findings suggesting importance of the #mentalizing network in decision tasks. The fNIRS results of #inter-brain #neural #synchronization (#INS) also revealed that males and females showed increased inter-brain #coherence in the #mPFC and #dlPFC. Females, however, uniquely showed increased inter-brain coherence in the left #TPJ. This INS result suggests that males may primarily depend on non-social cognitive ability to make a risky decision in a #social interaction, while females may use both social and non-social cognitive abilities. The implications are also discussed for general topics of #human interaction and two-person #neuroscience.
لینک منبع پیشنهادی برای مطالعه بیشتر 👇🏻(further reading)👇🏻
https://doi.org/10.1016/j.bandc.2017.08.008
✅(در صورت جذابیت و علاقمندی به موضوع، مطلب را برای دیگران نیز بازنشر فرمایید).
📢کانال #دکترامیرمحمدشهسوارانی
🍃🌹🌸💐🌸🌹🍃
@DrAmirMohammadShahsavarani