前頭葉-視床下核θ信号による冲突処理における反応遅延の調節作用

背景と研究目的

衝突処理は人間の行動調節において重要な役割を果たしています。衝突情報に直面した際、正確な意思決定を行うためには、適切な行動を選択するための時間を稼ぐために反応を遅らせる必要があります。既存のモデル、「hold-your-horses」モデルなどによると、中額部皮質（medial frontal cortex, MFC）が衝突を検出し、その信号が視床下核（subthalamic nucleus, STN）に伝達され、運動閾値が引き上げられます。しかし、具体的なMFC領域がどのように衝突を検出し、情報を伝達する方向性や因果性は明確ではありません。また、これらの信号がどのように運動の変化を引き起こすかについての詳細な理解も不足しています。

研究出典

この研究はJeong Woo Choiらによって行われ、著者はそれぞれUT Southwestern Medical Center、University of Californiaなどの機関に所属しています。論文は《Progress in Neurobiology》誌の2024年第236号に掲載されています。

研究方法

実験プロセス

1. 被験者と手術プロセス：

   • 深部脳刺激（Deep Brain Stimulation, DBS）植え込み手術を受けた20名のパーキンソン病（Parkinson’s Disease, PD）または筋緊張異常症（Dystonia）患者がこの研究に参加しました。
   • 手術中に両側または片側のSTNとGPI（内側淡蒼球）にDBS電極を植え込みました。
   • 同時に前頭葉補足運動域（pre-SMA）、M1（一次運動皮質）、STNおよびGPIの神経信号を記録しました。

2. タスク設計：

   • 被験者はEriksen Flankerタスクを実行し、一致（<<<<<または>>>>>)および不一致（<<><<または>><>>）の2つの条件を含むタスクです。
   • 被験者は中心の矢印の方向に操作棒を素早く動かし、反応時間とエラー率を記録しました。
   • 実験の目的は、衝突条件と一致条件の間の行動の違いを観察することでした。

3. データ記録と信号解析：

   • 各信号について時間-周波数領域解析を行い、θおよびβ帯域の振動活動を特定しました。
   • 設計されたフィルタ（θ帯: FWHM=3Hz, β帯: FWHM=6Hz）を利用して、θおよびβ帯域の時系列信号をそれぞれ抽出しました。
   • 多変量Granger因果（Multivariate Granger Causality, MVGC）解析を用いて機能的接続性を評価しました。

実験手順とデータ解析

• 行動パフォーマンス解析：

  • 一致および不一致試験の反応時間（MO）とエラー率を測定しました。
  • 不一致試験中の移動遅延を観察し、「衝突適応効果」（Gratton Effect）を利用して行動変化を研究しました。

• 神経信号の時間-周波数解析：

  • pre-SMA、M1、STNおよびGPIのθおよびβ帯域の電力変化を評価しました。
  • Granger因果関係を分析し、脳領域間の情報の流れを確認しました。

主な研究結果

行動解析

• 反応時間：
  • 不一致試験は一致試験に比べて顕著な反応遅延を示しました（不一致：676.80±141.07 ms、一致：559.84±117.10 ms、p<0.001）。
  • 不一致試験のエラー率も著しく増加しました（不一致：8.23±10.96%、一致：1.32±2.78%、p=0.0102）。

神経信号解析

1. θ帯電力変化：

   • Flankerタスクの衝突状況はpre-SMA、STNおよびM1の局所θ電力を増加させ、移動遅延と顕著に関連していました（STN θ電力とMO遅延の関連性rho=0.72, p=0.037）。

2. 機能的接続性：

   • pre-SMAからSTN、STNからM1へのθ帯Granger因果性が顕著に増加し、MO前に出現しました。
   • 異なる脳領域（例：dACCとpre-SMA）の機能的役割について初歩的な探索が行われました。

3. β帯電力および接続性：

   • β帯電力は目標出現後に持続的に減少し、MO前に顕著に回復しました。
   • M1からGPIへのβ帯Granger因果関係は、不一致試験においてMO前に一時的に増加しました。

研究結論

主な結論

• 衝突関連θネットワークと運動関連βネットワーク: 研究により、空間、スペクトル、および時間で分離された独立したが相互作用する2つの脳ネットワークが特定されました：衝突関連のθネットワークと運動関連のβネットワーク。これらのネットワークは運動パフォーマンスを調節するために動的に相互作用します。

• θ帯信号の衝突検出における役割： pre-SMAは衝突を検出し、高周波の直接経路を通じて情報をSTNに伝える。STNのθ帯信号はM1を通じて伝播し、最終的に動作の遅延を引き起こします。

• 運動停止のβ帯信号： STN β電力の増加は、効果的に運動抑制を果たし、特に衝突処理において重要な役割を果たします。M1からGPIへのβ帯Granger因果性の一時的増加は動作遅延のメカニズムを反映しています。

研究の意義

この研究では、高い時間および空間分解能の人間の脳内記録データを初めて提供し、衝突処理時のBGネットワークにおける複雑なメカニズムを解明しました。衝突の検出、情報の伝達およびその後の運動応答調整の異なる段階を明らかにし、神経科学分野に重要な洞察を提供しています。

ハイライト

• 人間の脳で侵襲的記録方法を用い、高い時間および空間、および周波数分解能でBGネットワークの2つの独立したが相互作用するメカニズムを示しました。
• 実験は、pre-SMAからSTN、さらにM1へのθ帯信号の流れを通じて、衝突検出と運動変化の因果関係を証明しました。
• pre-SMAとSTNの衝突処理における異なる役割を強調し、「hold-your-horses」モデルの理解を深めました。

この研究は、BGネットワークによる衝突処理の理解を強化するだけでなく、将来の衝突適応効果の研究に重要な基礎を提供し、さらなる神経調節研究の方向性を指し示しています。