انسانی سیریبیلم اور کورٹیکوسربیلر کنکشن جو جذباتی یادداشت بڑھانے میں شامل ہیں حصہ 3

ایک ساتھ لے کر، DCM تجزیہ سے پتہ چلتا ہے کہ جذباتی یادداشت بڑھانے میں ملوث 25 دماغی ROIs میں سے، 13 ROIs نے سیریبیلم کے ساتھ رابطے کی طاقت میں اضافہ دکھایا، زیادہ تر سیریبیلم سے corticalROIs کی سمت میں، دو صورتوں میں مخالف سمت میں اور دو صورتوں میں۔ دونوں سمتوں.

خوشگوار اور مثبت مزاج لوگوں کی یادداشت کو بہتر بنا سکتا ہے۔ اس کی وجہ یہ ہے کہ جذباتی یادداشت بڑھانے کا طریقہ کار لوگوں کے لیے اہم معلومات کو طویل مدتی میموری میں محفوظ کرنا آسان بناتا ہے۔ تحقیق سے پتہ چلتا ہے کہ جب انسانی جسم شدید جذبات کا تجربہ کرتا ہے تو جسم اتپریرک مادے خارج کرتا ہے جو دماغ کے جذبات سے متعلق علاقوں کو متحرک کرتے ہیں، جس سے دماغ کے علمی اور سیکھنے کے مراکز متاثر ہوتے ہیں۔ دوسرے الفاظ میں، جذباتی یادداشت میں اضافہ ہمیں معلومات کو زیادہ گہرائی سے یاد رکھنے میں مدد کرتا ہے۔

روزمرہ کی زندگی میں، ہم اپنے جذبات کو ایڈجسٹ کرکے اپنی یادداشت کو بہتر بنا سکتے ہیں۔ ہم کچھ ایسی سرگرمیوں کا انتخاب کر سکتے ہیں جو ہمیں خوش اور آرام دہ محسوس کریں، جیسے کہ اپنی پسندیدہ موسیقی سننا، دوستوں کے ساتھ گپ شپ کرنا، کچھ آرام دہ ورزشیں کرنا وغیرہ اس کے علاوہ، کچھ آسان رویے بھی ہمیں خوش مزاج رکھنے میں مدد دے سکتے ہیں، جیسے کہ حاصل کرنا۔ کافی نیند، اچھا کھانا، اور اعتدال سے ورزش کرنا۔

مختصر یہ کہ جذباتی یادداشت بڑھانے اور یادداشت کے درمیان گہرا تعلق ہے۔ مثبت جذبات میموری سے وابستہ دماغ کے علاقوں کو متحرک کرتے ہیں، جس سے ہمارے لیے طویل مدتی میموری میں معلومات کو ذخیرہ کرنا آسان ہو جاتا ہے۔ ہم اپنے جذبات کو کنٹرول کرکے اپنی یادداشت کو بہتر بنانے اور زندگی میں زیادہ خوش اور مکمل ہونے میں مدد کرسکتے ہیں۔ یہ دیکھا جا سکتا ہے کہ ہمیں اپنی یادداشت کو بہتر بنانے کی ضرورت ہے۔ Cistanche deserticola نمایاں طور پر یادداشت کو بہتر بنا سکتا ہے کیونکہ Cistanche deserticola ایک روایتی چینی ادویاتی مواد ہے جس میں بہت سے منفرد اثرات ہیں، جن میں سے ایک یادداشت کو بہتر بنانا ہے۔ کیما بنایا ہوا گوشت کی افادیت اس میں شامل مختلف فعال اجزاء سے آتی ہے، بشمول ایسڈ، پولی سیکرائڈز، فلیوونائڈز وغیرہ۔ یہ اجزاء مختلف طریقوں سے دماغی صحت کو فروغ دے سکتے ہیں۔

یادداشت کو بہتر بنانے کے 10 طریقے جانیں پر کلک کریں۔

یہ نتائج بتاتے ہیں کہ سیریبیلم ایک کنیکٹیویٹی نیٹ ورک کا ایک لازمی حصہ ہے جو جذباتی میموری کو بڑھانے میں شامل ہے۔ تاہم، ان نتائج سے، ہم یہ اندازہ نہیں لگا سکتے کہ ان میں سے کون سا کنکشن سب سے اہم ہے۔ چونکہ ROIs کی وضاحت جسمانی طور پر کی گئی تھی، بجائے اس کے کہ ہم کارٹیکل ROIs کے عین مطابق اناٹومیکل سبسٹریٹس کی بھی وضاحت نہیں کر سکتے۔ ہم نے اس نقطہ نظر کا انتخاب کیا ہے کیونکہ کنکشن کی موجودگی کا پتہ لگانے کی حساسیت کو ROIs کا استعمال کرتے ہوئے بڑھایا جا سکتا ہے جو فنکشنل باؤنڈری سے میل کھاتا ہے (36)۔

اس طریقہ کار کا نتیجہ جسمانی مخصوصیت کی کمی اور مخصوص ROI کے اندر مختلف جسمانی ساختوں کی شراکت کے درمیان فرق کرنے سے قاصر ہے۔ مزید برآں، چونکہ یہاں جانچے گئے DCM میں صرف دو نوڈس شامل ہیں، اس لیے وہ اس بات پر غور نہیں کرتے کہ آیا سیریبیلم اور دوسرے ROI کے درمیان اثر و رسوخ اضافی خطوں کے ذریعے ثالثی کیا گیا ہے۔ ہمارے کنیکٹیویٹی پیرامیٹرز کی قدریں ممکنہ طور پر براہ راست اور بالواسطہ دونوں طرح کے روابط کی عکاسی کرتی ہیں۔

موجودہ نتائج جسمانی حالات میں جذباتی میموری کو بڑھانے میں ملوث نیٹ ورک کی بہتر تفہیم میں حصہ لے سکتے ہیں۔ مزید برآں، نتائج سے پیتھولوجیکل حالات کو سمجھنے کے لیے بھی مضمرات ہو سکتے ہیں، جیسے پوسٹ ٹرومیٹک اسٹریس ڈس آرڈر (PTSD)، کیونکہ صدمے کے واقعے کے بعد ضرورت سے زیادہ مضبوط ایورسیو میموری ٹریس کی تشکیل خوف سے متعلق عوارض کی نشوونما میں ایک اہم روگجنک طریقہ کار ہے (1، 62، 63)۔ اگرچہ ایف ایم آر آئی کا استعمال کرتے ہوئے پی ٹی ایس ڈی میں میموری کی ابتدائی تشکیل کی چھان بین کرنا ممکن نہیں ہو گا، مطالعات تکلیف دہ میموری کی بازیافت کے اعصابی ارتباط کی تحقیقات کر سکتے ہیں۔ ایک حالیہ ایف ایم آر آئی مطالعہ نے اس نقطہ نظر کی پیروی کی اور پی ٹی ایس ڈی (64) کے مریضوں میں صدمے کی یاد کے دوران سیریبیلم (بشمول ورمیز)، اوکیپیٹل گیری، سپرمارجنل گائرس، اور امیگڈالا میں دماغی سرگرمی کو بڑھایا۔

اس کے برعکس، سیریبلر ہائپو ایکٹیویٹی کا تعلق ایسے حالات سے ہو سکتا ہے جس میں جذباتی یادداشت میں اضافہ ہو۔ درحقیقت، طبی مطالعات سے پتہ چلتا ہے کہ زبانی فعل کو متاثر کرنے والی پیتھالوجیز کا تعلق علمی اور جذباتی خرابیوں کی ایک حد سے ہے، بشمول آٹزم سپیکٹرم ڈس آرڈر کی علامات (65, 66)۔ دلچسپ بات یہ ہے کہ آٹزم سپیکٹرم ڈس آرڈر کے مریض ایپیسوڈک میموریز (67، 68) کے جذباتی اضافے میں خسارے کو ظاہر کرتے ہیں۔ یہ ممکن ہے کہ یہ خسارے جزوی طور پر تھیمگڈالا کی ساختی اور فعال غیر معمولیات سے پیدا ہوں جو اکثر اس عارضے میں دیکھے جاتے ہیں (69, 70)۔ تاہم، موجودہ نتائج کی بنیاد پر، آٹزم اسپیکٹرم ڈس آرڈر میں ڈرمل ہائپوپلاسیا بھی ایپیسوڈک میموری کے کمزور جذباتی اضافے میں حصہ ڈال سکتا ہے۔ اس مفروضے کو آٹزم کے مریضوں میں امیگڈالا اور ورمیس اسامانیتاوں کی مختلف ڈگریوں کے ساتھ جانچنے کی ضرورت ہوگی۔

ایسے بڑھتے ہوئے شواہد موجود ہیں جو اس بات کی نشاندہی کرتے ہیں کہ سیریبیلم، خاص طور پر سیریبلر ورمس، اور اس کے متعدد دماغی خطوں سے تعلق، بشمول لمبک نظام، غیر جذباتی افعال میں شامل ہیں، جن میں جذباتی ادراک، جذباتی شناخت، جذباتی پروسیسنگ، اور خوف کی حالت (27, 71) . موجودہ نتائج اب تجویز کرتے ہیں کہ سیریبیلومس بھی ایک سرکٹری کا حصہ ہے جو ایپیسوڈک میموری کے جذباتی اضافے میں شامل ہے۔ اس سرکٹری کے اندر، سیریبیلم کئی دماغی خطوں سے ان پٹ حاصل کرتا ہے جس میں سینگولیٹ بھی شامل ہے، جبکہ امیگڈالا/ہپپوکیمپس اور دماغ کے کئی دوسرے علاقے سیریبیلم سے ان پٹ حاصل کرتے ہیں۔ یہ نتائج پیچیدہ علمی اور جذباتی عمل میں سیربیلم کے کردار کے بارے میں علم کو بڑھاتے ہیں اور غیر معمولی جذباتی سرکٹری کے ساتھ نفسیاتی عوارض کی تفہیم کے لیے متعلقہ ہو سکتے ہیں، جیسے PTSD یا آٹزم سپیکٹرم ڈس آرڈر۔

مواد اور طریقے

امیدوار. ہم نے صحت مند، نوجوان شرکاء (872 خواتین، 546 مرد، اوسط عمر=22.39 سال، SD=3.27) کو بھرتی کیا۔ تشہیر بنیادی طور پر یونیورسٹی آف باسل اور مقامی اخبارات میں کی جاتی تھی۔ شرکاء کسی بھی اعصابی یا نفسیاتی بیماری سے پاک تھے، انہوں نے تجربے کے وقت کوئی دوا نہیں لی تھی (سوائے ہارمونل مانع حمل ادویات)، اور ان کی عمریں 18 اور 35 سال کے درمیان تھیں۔ جسمانی اور ذہنی صحت کا اندازہ معیاری سوالناموں کی بنیاد پر کیا گیا۔ اس تجربے کو کینٹن آف باسل، سوئٹزرلینڈ کی اخلاقیات کمیٹی نے منظور کیا۔ تمام شرکاء نے مطالعہ میں حصہ لینے سے پہلے تحریری طور پر باخبر رضامندی دی۔ تجزیہ سے پہلے، نمونے کو ایک دریافت کے نمونے میں تقسیم کیا گیا تھا (n=945، تمام شرکاء کا 2/3) اور ایک نقلی نمونہ (n=473، تمام شرکاء کا 1/3) تصادفی طور پر شرکاء کو تفویض کرکے نمونوں کی رینڈمائزیشن متلب فنکشن رینڈ پرم کا استعمال کرتے ہوئے کی گئی تھی دریافت اور نقل کے نمونوں کے درمیان عمر، جنس، یا جذباتی یادداشت بڑھانے کے درمیان کوئی خاص فرق نہیں تھا (P 0 سے زیادہ یا اس کے برابر، {{ 16} سائیڈ ٹیسٹنگ، n=1،418)۔

تجربہ: طریقہ کار۔ شرکاء نے لگاتار چار کام کیے: تصویری انکوڈنگ ٹاسک، ورکنگ میموری ٹاسک، فری ریکال میموری ٹیسٹ، اور کوگنیشن ٹاسک۔ شرکاء کو پہلے ہدایت دی گئی اور پھر تصویر انکوڈنگ اور ورکنگ میموری ٹاسکس پر تربیت دی گئی۔ تربیت کے بعد، انہیں سکینر میں رکھا گیا اور سکینر کے شور کو کم کرنے کے لیے انہیں ایئر پلگ اور ہیڈ فون ملے۔ ان کے سروں کو چھوٹے کشن کا استعمال کرتے ہوئے کوائل میں لگا دیا گیا، اور انہیں کہا گیا کہ وہ حرکت نہ کریں۔ تصویریں سکینر میں MR-مطابقت پذیر مائع کرسٹل ڈسپلے چشموں کا استعمال کرتے ہوئے پیش کی گئیں (VisualSystem؛ NordicNeuroLab، Bergen، Norway)۔ ضرورت پڑنے پر آنکھوں کی اصلاح کا استعمال کیا گیا۔ تصویر کو انکوڈنگ کرنے کا کام ∼ 20 منٹ تک جاری رہا۔ اس کے فوراً بعد، شرکاء نے ∼ 10 منٹ کے لیے سکینر میں ایک حرف n-back (0-بیک اور 2-پیچھے کے حالات) ورکنگ میموری کا کام انجام دیا۔ موجودہ مطالعہ میں، ورکنگ میموری ٹاسک کو انکوڈنگ اور میموری ٹیسٹنگ کی یاد کے درمیان خلفشار کے کام کے طور پر استعمال کیا گیا تھا۔ اس لیے، ہم نے خود ورکنگ میموری ٹاسک کے ڈیٹا کا تجزیہ نہیں کیا (ٹاسک کی تفصیل کے لیے حوالہ 72 دیکھیں)۔ سکینر چھوڑنے کے بعد، شرکاء کو ایک علیحدہ کمرے میں تصویروں کا ایک غیر اعلانیہ فری یادداشت ٹیسٹ دیا گیا (وقت کی کوئی حد نہیں اس کام کے لیے مقرر کیا گیا تھا)۔ مفت یاد کرنے کے بعد، شرکاء کو اسکینر میں دوبارہ جگہ دی گئی اور ایک شناختی کام انجام دیا (ٹاسک کی تفصیل کے لیے حوالہ 73 دیکھیں)۔شرکاء کو شرکت کے لیے 25 سوئس فرانک فی گھنٹہ ملے۔ تنظیمی رکاوٹوں کی وجہ سے، ہمیں وہ کمرہ تبدیل کرنا پڑا جس میں تصویریں واپس منگوائی گئی تھیں، جس کا مطلب یہ تھا کہ کچھ شرکاء نے قدرے مختلف ترتیب میں تصویریں واپس بلائیں۔

تجربہ: تصویر انکوڈنگ کام کا ڈیزائن۔ محرک 72 تصویروں پر مشتمل تھا (24 مثبت، 24 منفی، اور 24 غیر جانبدار) جنہیں انٹرنیشنل ایفیکٹیو پکچر سسٹم (IAPS) (74) اور اندرون ملک معیاری تصویروں کے سیٹ سے منتخب کیا گیا تھا جس نے ہمیں تصویروں کو بصری پیچیدگی اور مواد کے لیے مساوی کرنے کی اجازت دی۔ (مثال کے طور پر، انسانی موجودگی) IAPS سے موصول ہونے والی تصاویر کی درجہ بندی IAPS والینس کی درجہ بندی کے مطابق کی گئی تھی۔ 24 میں سے آٹھ غیر جانبدار تصویریں IAPS سے موصول نہیں ہوئیں۔ ان تصویروں کی درجہ بندی اندرون خانہ والینسریٹنگ (11) کی بنیاد پر کی گئی تھی۔ معیاری توازن کے اسکور (1 سے 9 تک) کی بنیاد پر، تصاویر کو منفی (2.3 ± 0.6)، غیر جانبدار (50 ± 0.3)، اور مثبت ( 7.6 ± 0.4)حالات، جس کے نتیجے میں ہر ایک والینس کے لیے 24 تصاویر بنتی ہیں۔ مثبت محرکات کو ابتدائی طور پر 20 شرکاء میں شامل نہیں کیے گئے پائلٹ اسٹڈی کے ڈیٹا کی بنیاد پر منفی محرکات کی حوصلہ افزائی کی درجہ بندی سے ملنے کے لیے منتخب کیا گیا تھا۔ غیر جانبدار اشیاء کو ظاہر کرنے والی چار اضافی تصاویر پیش کی گئیں۔ ان میں سے دو تصویریں شروع میں اور دو تصویری کام کے آخر میں پیش کی گئیں۔ ان تصویروں کو یادداشت کی کارکردگی کی تشخیص سے خارج کر دیا گیا تھا تاکہ یادداشت کی پرائمسی اور ریکنسی اثرات کو کنٹرول کیا جا سکے۔ تصویروں کی مثالوں میں شہوانی، شہوت انگیز کھیل، اور دلکش جانور شامل ہیں۔ منفی توازن کے لیے جسمانی چوٹ، سانپ، اور حملے کے مناظر؛ اور غیر جانبدار چہرے، گھریلو اشیاء، اور عمارتیں غیر جانبدار حالت کے لیے۔ اس کے علاوہ 24 سکیمبلڈ تصاویر استعمال کی گئیں۔ اسکرمبلڈ تصویروں کے پس منظر میں تجربے میں استعمال ہونے والی تمام تصویروں کی رنگین معلومات شامل ہیں (سوائے پرائمسی اور ریسنسی تصویروں کے)، جو ایک کرسٹل اور ڈسٹورشن فلٹر (Adobe Photoshop CS3) کے ساتھ چھپی ہوئی ہے۔ پیش منظر میں، زیادہ تر شفاف جیومیٹرک آبجیکٹ (مختلف سائز اور واقفیت کا ایک مستطیل یا بیضوی) دکھایا گیا تھا۔ موجودہ مطالعہ کے لیے، بکھری ہوئی تصویروں میں کوئی دلچسپی نہیں تھی۔

تصاویر کو 2.5 سیکنڈز کے لیے نیم بے ترتیب ترتیب میں پیش کیا گیا تاکہ ایک ہی زمرے کی زیادہ سے زیادہ چار تصاویر لگاتار آئیں۔ ہر تصویر کی پیشکش سے پہلے 500 ms کے لیے اسکرین پر ایک فکسیشن کراس نمودار ہوا۔ اسکین کے آغاز کے بارے میں فی والینس کیٹیگری میں 3 سیکنڈ (1 تکرار کا وقت [TR]) کے اندر محرک کے آغاز کا وقت گھبرا گیا تھا۔ انٹر ٹرائل کی مدت کے دوران، شرکاء نے 72 تصویروں میں سے ہر ایک کو والینس (منفی، غیر جانبدار، یا مثبت) اور جوش (بڑے، درمیانے یا چھوٹے) کے مطابق 3-پوائنٹ اسکیل (خود تشخیص مینکن) پر دبا کر درجہ بندی کی۔ اپنے غالب ہاتھ سے بٹن۔ سکیمبلڈ تصویروں کے لیے، شرکاء نے پیش منظر میں جیومیٹرک آبجیکٹ کی شکل (عمودی، سڈول، یا افقی) اور سائز (بڑے، درمیانے، یا چھوٹے) کی درجہ بندی کی۔ سافٹ ویئر پریزنٹیشن (Neurobehavioral Systems, Inc., Berkeley, CA; https://www.neurobs.com) تصویر کی پیشکش کے لیے استعمال کیا گیا تھا۔

طرز عمل کا ڈیٹا: جذباتی یادداشت میں اضافہ۔ فری ریکال کو دستاویز کرنے کے لیے، شرکاء کو واپس منگوائی گئی تصویروں کی تفصیل لکھنی پڑتی تھی۔ ایک تصویر اسکور کی گئی تھی جیسا کہ صحیح طریقے سے یاد کیا گیا تھا اگر ریٹر حصہ لینے والے کی تفصیل کی بنیاد پر پیش کردہ تصویر کی شناخت کر سکے۔ دو تربیت یافتہ تفتیش کاروں نے یادداشت کی کامیابی کے لیے تفصیل کو آزادانہ طور پر درجہ بندی کیا (انٹرراٹر کی وشوسنییتا> 99%)۔ تیسرے آزاد ریٹر نے ان تصویروں پر فیصلہ کیا جن کی درجہ بندی مختلف تھی۔ پیش پیش شریک، ہم نے شمار کیا کہ غیر جانبدار تصویروں کے مقابلے میں کتنی بار جذباتی تصویروں کو واپس منگوایا گیا: ([مثبت یاد کیا گیا - غیر جانبدار یاد کیا گیا] + [منفی کو یاد کیا گیا - غیر جانبدار یاد کیا گیا])/2۔ ڈیٹا پوائنٹس کی منصوبہ بندی کی گئی تھی اور انہیں تقریباً عام طور پر تقسیم کیا گیا تھا (SI ضمیمہ، تصویر S1)۔ دو طرفہ ٹی ٹیسٹ یہ جانچنے کے لیے لگائے گئے تھے کہ آیا جذباتی میموری کی کارکردگی صفر سے نمایاں طور پر مختلف تھی۔ اس کے علاوہ، ہم نے ممکنہ کنفاؤنڈرز کے اثرات کا تجربہ کیا۔ ہم نے ایک 2-نمونہ ٹی-ٹیسٹ کا استعمال کیا تاکہ یہ اندازہ لگایا جا سکے کہ آیا جذباتی یادداشت کی کارکردگی جنسی پر منحصر ہے۔ ہم نے عمر کے ساتھ کارکردگی کو منسلک کرنے کے لیے پیئرسن کے لکیری ارتباط کے گتانک کا استعمال کیا۔ یہ جانچنے کے لیے دو طرفہ ٹی ٹیسٹ لگائے گئے تھے کہ آیا ارتباط کا گتانک صفر سے نمایاں طور پر مختلف تھا۔

امیجنگ: ایم آر آئی حصول۔ پیمائش ایک SiemensMagnetom Verio 3 T پورے جسم کے MR یونٹ پر کی گئی تھی جو کہ ایک 12- چینل ہیڈ کوائل سے لیس تھی۔ فنکشنل ٹائم سیریز کو متوازی امیجنگ (GRAPPA) کا استعمال کرتے ہوئے سنگل شاٹ ایکو پلانر ترتیب کے ساتھ حاصل کیا گیا تھا۔ ہم نے حصول کے درج ذیل پیرامیٹرز استعمال کیے: echo time (TE)=35 ms; فیلڈ آف ویو (FOV)=22 سینٹی میٹر؛ حصول میٹرکس =80 × 80، 128 × 128 پر انٹرپولیٹڈ؛ ووکسیل سائز=2.75 × 2.75 × 4 ملی میٹر 3؛ GRAPPA ایکسلریشن فیکٹر R=2.0۔ ایک مڈ سیگیٹل اسکاؤٹ امیج کا استعمال کرتے ہوئے، 32 متصل محوری سلائسس جو پچھلے حصے کے ساتھ ساتھ رکھے گئے تھے جو پورے دماغ کو TR=3،000 ms (= 82 ڈگری) کے ساتھ ایک چڑھتے ہوئے انٹرلیویڈ کا استعمال کرتے ہوئے حاصل کیے گئے تھے۔ ترتیب پہلے دو حصول کو T1time مسلسل سنترپتی اثرات کی وجہ سے مسترد کر دیا گیا تھا۔ ایک اعلی ریزولیوشن T1-وزن والی جسمانی تصویر میگنیٹائزیشن سے تیار شدہ گریڈینٹ ایکو سیکوینس (TR =2,000 ms; TE=3.37 ms; TI {{ کا استعمال کرتے ہوئے حاصل کی گئی تھی۔ 31}}،000 ms؛ پلٹائیں زاویہ=8 ڈگری؛ 176 سلائس؛ FOV =256 ملی میٹر؛ ووکسیل سائز=1 × 1 x 1 mm3)۔

امیجنگ: امیجنگ ڈیٹا کے شماریاتی تجزیہ کے لیے سافٹ ویئر پیکج۔ ہم نے شماریاتی پیرامیٹرک میپنگ (SPM) سافٹ ویئر SPM12 ورژن 6685 (Wellcome Trust Center for Neuroimaging, London, UK؛ https://www.fil.ion.ucl.ac. uk/spam/) کو Matlab R2016a میں لاگو کیا ہے۔

امیجنگ: ایکو پلانر امیجنگ (ای پی آئی) والیوم کی پری پروسیسنگ اور نارملائزیشن۔ حجم کو سلائس ٹائم - پہلے سلائس میں درست کیا گیا، "رجسٹر ٹو مطلب" کے آپشن کا استعمال کرتے ہوئے دوبارہ ترتیب دیا گیا، اور ایک نارمل شدہ باہمی معلومات تھری ڈائمینشنل ریگڈ باڈی ٹرانسفارمیشن کو لاگو کرکے اناٹومیکل امیج پر رجسٹر کیا گیا۔ کامیاب کورجسٹریشن کی ہر شریک کے لیے بصری طور پر تصدیق کی گئی۔ دماغ کے باہر ووکسلز کو خارج کرنے کے لیے ہر حجم کو شرکاء کی T1 اناٹومیکل امیج کے ساتھ نقاب پوش کیا گیا تھا۔ ایکو پلانر امیجنگ (ای پی آئی) کے حجم کو مونٹریال نیورولوجیکل انسٹی ٹیوٹ (ایم این آئی) کی جگہ پر معمول بنایا گیا اور DARTEL کو لاگو کرکے 8 ملی میٹر پوری چوڑائی کے ساتھ نصف زیادہ سے زیادہ (FWHM) گاوسی کرنل کو ہموار کیا گیا، جس کی وجہ سے شرکاء کے درمیان رجسٹریشن میں بہتری آئی (75, 76) .

فنکشنل ٹائم سیریز کو حاصل کرنے کے لیے استعمال ہونے والی انٹرلیویڈ ترتیب نے پہلے پری پروسیسنگ مرحلے (77) کے طور پر سلائس ٹائم تصحیح کو استعمال کرنا لازمی قرار دیا۔ سلائس ٹائمنگ کو درست کرنے کے طریقے کامیابی سے سلائس ٹائمنگ اثرات کی تلافی کر سکتے ہیں (78)۔ خاص طور پر، ایف ایم آر آئی کے لیے ڈی سی ایم میں، وجہ کی سمت کی شناخت وقتی ترجیح سے نہیں ہوتی ہے۔ اس کے بجائے، ہر علاقے کی تفریق حالت کی مساوات کی ریاضیاتی شکل کے ذریعہ کارنامے کو مجسم کیا جاتا ہے۔ دیے گئے ماڈل کی ریاستی مساوات نظام کی ساخت کی وضاحت کرتی ہیں (مثلاً خطوں کے درمیان رابطہ)، واضح طور پر یہ بتاتی ہے کہ نظام کے اندر حرکیات کیسے پیدا ہوتی ہیں (39)۔ لہذا، اسی طرح کے TRs کے ساتھ متعدد DCM مطالعہ پہلے کیے گئے تھے (79–81)۔

امیجنگ: ووکسیل وار سرگرمی کی ماڈلنگ۔ عام لکیری ماڈلز (GLMs) ہر شریک کے لیے ٹاسک کے ذریعے چالو ہونے والے ووکسلز کی شناخت کے لیے مخصوص کیے گئے تھے۔ محرک واقعات کے آغاز اور دورانیہ کی ماڈلنگ کرنے والے ریگریسرز کو کیننیکل ہیموڈینامک رسپانس فنکشن کے ساتھ شامل کیا گیا تھا۔ مزید واضح طور پر، ماڈل میں بٹن دبانے والے ریگریسرز پر مشتمل ہے جو اسٹک/ڈیلٹا فنکشنز کے طور پر بنائے گئے ہیں، تصویری پیشکشیں (مثبت، غیر جانبدار، منفی، سکیمبلڈ، پرائمسی، اور ریسنسی) کو ایک عہد/باکس کار فنکشن (دورانیہ: 2.5 s) کے ساتھ ماڈل بنایا گیا ہے، اور درجہ بندی کے پیمانے متغیر دورانیے کا epoch/boxcar فنکشن (اس بات پر منحصر ہے کہ اس کے بعد کا بٹن کب دبایا گیا)۔ سیریل ارتباط کو پہلے آرڈر کے آٹوریگریسو ماڈل کا استعمال کرتے ہوئے ہٹا دیا گیا تھا، اور کم فریکوئنسی شور کو دور کرنے کے لیے ہائی پاس فلٹر (128 s) کا اطلاق کیا گیا تھا۔ چھ تحریک کے پیرامیٹرز کو بھی پریشانی کے طور پر درج کیا گیا تھا۔ ہم نے GLM کی دو مختلف اقسام کی وضاحت کی۔ کامیاب جذباتی میموری انکوڈنگ سے متعلق ووکسلز کی شناخت کے لیے ایک قسم کا GLM استعمال کیا گیا تھا۔

یہاں، مثبت، منفی، اور غیر جانبدار محرکات کو الگ الگ ماڈل بنایا گیا تھا اس پر منحصر ہے کہ آیا انہیں بعد میں واپس بلایا گیا یا نہیں۔ نتیجہ خیز پیرامیٹر کے تخمینے کامیاب جذباتی یادداشت کے انکوڈنگ سے وابستہ ووکسلز کی شناخت کے لیے متضاد تھے ([یاد کی گئی جذباتی تصویریں - غیر یاد کردہ جذباتی تصویریں] - [ریکالڈ نیوٹرل پکچرز - نان ریکالڈ نیوٹرل تصویریں])۔ یہ تضاد دریافت کے نمونے کے 945 شرکاء میں سے 944 میں دستیاب تھا (1 مضمون نے کوئی غیر جانبدار تصویریں یاد نہیں کیں) اور نقل کے نمونے کے 473 شرکاء میں سے 470 میں (3 مضامین نے کوئی غیر جانبدار تصویر یاد نہیں کی) . سیریبلر سرگرمی میں ممکنہ توازن سے متعلق اثرات کی تحقیقات کے لیے، ہم نے مزید یہ بھی موازنہ کیا کہ آیا کامیاب میموری انکوڈنگ سے متعلق سرگرمی مثبت اور منفی تصویروں کے درمیان مختلف ہے۔ یہ مندرجہ ذیل تضاد سے مماثل ہے: ([یاد کی گئی منفی تصویریں - غیر یاد کی گئی منفی تصویریں] - [مثبت تصویریں - واپس نہ آنے والی مثبت تصویریں])۔ GLM کی ایک اور قسم جذباتی تصویروں کی انکوڈنگ سے وابستہ ووکسلز کی شناخت کے لیے مخصوص کی گئی تھی، چاہے وہ میموری سے ہو۔ ہم نے مثبت، غیر جانبدار اور منفی تصویروں کے لیے رجعت کنندگان کو متعین کیا، قطع نظر اس کے کہ تصاویر کو واپس بلایا گیا تھا یا نہیں، اور اس کے نتیجے میں ہونے والے پیرامیٹر کے تخمینے (جذباتی تصویریں - غیر جانبدار تصویریں) کے برعکس ہیں۔ تمام تضادات سے پورے دماغی سطح پر متعدد موازنہ کے لیے خاندانی لحاظ سے غلطی (FWE) کی اصلاح (Pwhole-brain-FWE-تصحیح شدہ < 0.05)۔ کلسٹر کی سطح پر متعدد موازنہ کے لیے تصحیح کا اطلاق سیریبلر کلسٹر (Psmall-volum-corrected <0.001، کلسٹر کی حد k=10) میں والینس سے متعلق اثرات کی جانچ کے لیے کیا گیا تھا۔

امیجنگ: ووکسیل وار سرگرمی کے گروپ کے اعدادوشمار۔ "کامیاب جذباتی میموری انکوڈنگ" اور "جذباتی تصویروں کی انکوڈنگ" سے متعلق سرگرمی کا تعین کرنے کے لیے GLM Flex (Martinos Center and Massachusetts General Hospital, Charlestown, MA; https کا استعمال کرتے ہوئے ایک بے ترتیب اثرات کے ماڈل (دوسرے درجے کے تجزیہ) میں متضاد نقشے داخل کیے گئے تھے۔ ://habs.mgh.harvard.edu/researchers/datatools/glm-flex-fast2/)۔ ہم نے جنس، عمر، ایک تبدیلی کے اسکینر سافٹ ویئر، اور گریڈینٹ کوائلز میں دو تبدیلیوں کے اثرات کو بطور covariates شامل کرکے کنٹرول کیا۔ ہم نے GLM Flex کا استعمال کیا کیونکہ EPI تسلسل مقناطیسی فیلڈ کی غیر ہم آہنگی کی موجودگی میں سگنل کے نقصان سے دوچار ہوتے ہیں جو ہوا کے ٹشو کی حدود کے قریب واقع ہو سکتے ہیں۔ DARTEL میں لاگو نارملائزیشن کے طریقہ کار نے سگنل کے ساتھ ووکسلز اور MNI اسپیس میں سگنل کے نقصان کے ساتھ ووکسلز کو درست طریقے سے تبدیل کیا۔ InSPM، صرف ایک شریک کی فنکشنل امیج میں MNI کوآرڈینیٹ میں سگنل کا نقصان گروپ لیول تجزیہ سے اس کوآرڈینیٹ میں ووکسیل کو خارج کرنے کا باعث بنا۔ نتیجتاً، نمونے کے سائز کے ساتھ ووکسل کے خارج ہونے کا امکان بڑھ گیا۔ GLM Flex نے ہر voxel پر شرکاء کی متغیر تعداد کی اجازت دے کر اس مسئلے کو ختم کیا۔ فی ووکسیل شرکاء کی کم از کم تعداد تمام شرکاء کے 2/3 پر سیٹ کی گئی تھی۔

امیجنگ: ROIs کی تعریف - فنکشنل طور پر بیان کردہ ماسک۔ چونکہ کنکشن کی موجودگی کا پتہ لگانے کی حساسیت کو ROIs کا استعمال کرتے ہوئے بڑھایا جا سکتا ہے جو حقیقی فنکشنل حدود سے میل کھاتا ہے (36)، ہم نے ROIs کی تعریف جسمانی طور پر کرنے کی بجائے فعال طور پر کی۔ خاص طور پر، دریافت کے نمونے کے اندر (n=945)، ہم نے ایک فنکشنل طور پر اخذ کردہ ماسک کا استعمال کیا اور پھر ڈیٹا سے چلنے والے، گروپ لیول کلسٹرنگ اپروچ کا استعمال کیا تاکہ پری پروسیسڈ اور نارملائزڈ EPI والیوم کو مقامی طور پر مربوط اور وقتی یکساں خطوں میں پارسلیٹ کیا جا سکے (37) . ماسک میں ووکسلز شامل تھے جو دریافت کے نمونے کے اندر کامیاب جذباتی میموری انکوڈنگ کے ساتھ مثبت طور پر منسلک تھے (Pwhole-brain-FWE-corrected < 0.05)۔ اس کے بعد شناخت شدہ ووکسلز کو جذباتی تصویروں کے کنٹراسٹ (Pwhole-brain-FWE-corrected <0.05) کے ساتھ اضافی طور پر نقاب پوش کیا گیا تاکہ یہ یقینی بنایا جا سکے کہ تمام شامل ووکسلز نے بھی جذبات کی انکوڈنگ کے لیے مثبت اثر دکھایا (تمام ووکسلز کا 99٪ "کامیاب جذباتی میموری انکوڈنگ میں اہم ہے۔ اس کے برعکس "جذباتی تصویروں کے تضاد کی انکوڈنگ" میں بھی اہم تھے۔

امیجنگ: ROIs کی تعریف - پارسلیشن کا طریقہ کار۔ فنکشنل طور پر متعین ماسک کے اندر ووکسلز کو ROIs میں اس طرح ملایا گیا تھا کہ ایک ہی کلسٹر کے اندر ووکسلز کے درمیان مماثلت کو مختلف کلسٹروں میں ووکسلز کے درمیان مماثلت کے مقابلے میں زیادہ سے زیادہ کیا گیا تھا، جس میں مقامی رکاوٹ (37) کو شامل کرتے ہوئے نارمل کٹ طریقہ استعمال کیا گیا تھا۔ کمپیوٹیشنل تجربے کے لیے، پارسلیشن 200 شرکاء کی EPI والیوم کی بنیاد پر انجام دی گئی تھی جو تصادفی طور پر دریافت کے نمونے سے نکالے گئے تھے۔ ان جلدوں کو حالیہ کاغذ (37) کے مطابق 6 mmFWHM گاوسی دانا کے ساتھ ہموار کیا گیا تھا۔ کلسٹرنگ سب سے پہلے ہر شریک کے اندر انجام دی گئی تھی، اس کے بعد دوسرے درجے کا گروپ کلسٹرنگ، جیسا کہ Craddock et al نے تجویز کیا تھا۔ (37)۔ ہم نے مسکنٹو 30 ROIs کے اندر ووکسلز کو پارسل کیا، جیسا کہ ہم نے پایا کہ یہ تعداد کافی مقامی مخصوصیت کی طرف لے جاتی ہے جب کہ DCM کے ساتھ کنیکٹیویٹی کے حساب سے پیدا ہونے والے کمپیوٹیشنل بوجھ کے بارے میں ابھی بھی قابل انتظام ہے۔ ان میں سے ایک ROIs میں الگ تھلگ ووکسلز اور مجرد چھوٹے جھرمٹ تھے جو مقامی طور پر مربوط نہیں تھے۔ یہ ROI (ROI 11)، جس میں 60 ووکسلز تھے، اس طرح مزید تجزیہ سے ہٹا دیا گیا۔

کنیکٹیویٹی تجزیہ: ٹائم کورس نکالنا۔ ہم نے ذیل میں بیان کردہ طریقہ کار کا استعمال کرتے ہوئے غیر ہموار اور غیر معمولی ڈیٹا سے ٹائم کورسپر شرکت کنندہ اور ROIs نکالے۔ نوٹ کریں کہ ہم نے غیر ہموار ڈیٹا سے اخذ کیا ہے کیونکہ ہموار کرنا رابطے کے تخمینے کے لیے نقصان دہ ثابت ہو سکتا ہے کیونکہ یہ خون کی آکسیجن کی سطح کے اختلاط کا باعث بنتا ہے – قریبی علاقوں کے درمیان منحصر وقت کے کورسز (36)۔

1. فنکشنل ROIs کی MNI اسپیس سے مقامی شرکت کنندہ کی جگہ پر نقشہ بنانا: TheROIs جیسا کہ پارسلیشن کے طریقہ کار میں طے کیا گیا ہے MNIspace میں تیار کیا گیا تھا۔ لہذا ہم نے ہر شریک کے نارملائزیشن وارپ فیلڈ کو الٹ کر ان کے مقام کو مقامی شریک جگہ پر نقشہ بنایا۔

2. فنکشنل ROIs سے ٹائم کورس نکالنا: DCM فریم ورک کے اندر کنیکٹیویٹی کی اصل ماڈلنگ سے پہلے، ہر ROI سے شرکاء کے لیے مخصوص ٹائم کورسز نکالے گئے تھے۔ اس قدم کا مقصد واحد شریک کی سطح پر متحرک ووکسلز سے ٹائم کورسز نکالنا تھا۔ جذباتی تصویروں کے برعکس کی انکوڈنگ کا اثر سائز کامیاب جذباتی میموری کے برعکس کے اثر کے سائز سے کافی بڑا تھا، جس نے واحد شریک کی سطح پر متعلقہ سگنلز کے بغیر ٹاسک سے متعلقہ ووکسلز کو ووکسلز سے ممتاز کرنے کے لیے پہلے کو زیادہ موزوں بنا دیا۔ گروپ کی سطح پر، اس تجزیہ میں شامل تمام علاقے نمایاں طور پر کامیاب جذباتی میموری انکوڈنگ کے ساتھ منسلک تھے، اس بات کی یقین دہانی کراتے ہوئے کہ تمام ROIs کامیاب جذباتی میموری انکوڈنگ کے لیے متعلقہ تھے۔ ہر ROI اور شریک کے لیے، ہم نے نتیجے میں جذباتی > غیر جانبدار کنٹراسٹ کے لیے اہم ووکسلز کی شناخت کی، P < 0.05 کی غیر درست حد پر، کم از کم کلسٹر سائز تین ووکسلز کے ساتھ۔ ایس پی ایم کے "دلچسپی کا حجم" نکالنے کے آلے کا استعمال کرتے ہوئے ان تمام ووکسلز سے سمری ٹائم کورس نکالا گیا تھا۔ تفصیل سے، anROI کے اندر تمام منتخب ووکسلز کے لیے، ایک PCA انجام دیا گیا تھا۔ ٹائم پوائنٹس مشاہدات تھے اور ووکسلز متغیر تھے۔ پی سی اے نے مختلف اجزاء کی ایک سیریز کو واپس کیا جس کی ترتیب تغیر کے تناسب سے کی گئی تھی جس کی ہر ایک جزو نے وضاحت کی تھی۔ ہر جزو کو وزن کے ویکٹر (ایک ویلیو فی ووکسیل) کے ساتھ منسلک کیا گیا تھا، جو اس جزو میں ہر ووکسل کی شراکت کو ظاہر کرتا ہے۔ پہلی ایجن ویریٹ نے مرکزی جز کے ٹائم کورس کی عکاسی کی جس نے خطے کے ردعمل میں حصہ ڈالا اور اسے ROI کے لیے نمائندہ ٹائم کورس کے طور پر منتخب کیا گیا۔ نقل و حرکت کے نمونے کے لئے ٹائم کورسز کو لکیری ماڈل میں کوویریٹس کے طور پر تحریک کے پیرامیٹرز کو شامل کرکے درست کیا گیا تھا۔

تمام 29 فنکشنل ROIs میں، دریافت کے نمونے میں تمام کیسز میں سے 97.88% اور نقل کے نمونے میں تمام کیسز میں سے 97.57% میں ٹائم کورسز کامیابی کے ساتھ نکالے گئے، جیسا کہ انہوں نے اوپر بیان کردہ ہماری اہمیت کی حد کے مطابق مضبوط ٹاسک پر منحصر ایکٹیویشن دکھایا۔ تمام شرکاء میں تمام ROIs سے ڈیٹا DCM چلانے کے لیے ایک شرط تھی، کیونکہ DCM کا مقصد مشاہدہ شدہ ایکٹیویشن کے لیے مختلف ماڈلز کا موازنہ کرنا ہے (38, 39)۔ لہذا، ہم نے کسی خاص DCM سے شریک کو خارج کر دیا اگر ROI اوپر بیان کردہ معیار کے مطابق ایکٹیویشن نہیں دکھاتا ہے۔ تمام ROIs میں سے، ROI 9 نے مضبوط ایکٹیویشن کے ساتھ شرکاء کا سب سے چھوٹا تناسب دکھایا (دریافت کا نمونہ 88.36%؛ نقل کا نمونہ 85.84%)۔ SI اپینڈکس، ٹیبل S1 فی DCM شرکاء کی تعداد کے لیے، اور SI اپینڈکس، ٹیبل S2 فی ROI کے لیے خارج کیے گئے شرکاء کی فیصد کے لیے دیکھیں۔

کچھ شرکاء میں کافی مضبوط ایکٹیویشن کی کمی کی ممکنہ وجوہات ڈیٹا میں شور یا ڈیٹا کے نقصان سے متعلق ہیں لیکن یہ مختلف علمی حکمت عملیوں کے استعمال کی بھی عکاسی کر سکتی ہیں۔

کنیکٹیویٹی تجزیہ: DCM۔ DCM کا اطلاق دماغ کے پہلے سے طے شدہ خطوں کے درمیان موثر رابطے کی موجودگی، سمت اور ماڈیولرز سے متعلق مخصوص مفروضوں کو جانچنے کے لیے کیا جا سکتا ہے۔ ڈی سی ایم کو کہیں اور تفصیل سے بیان کیا گیا ہے (38، 39)۔ مختصراً، خطوں کے درمیان عصبی تعاملات کا اظہار تفریق کے ذریعے کیا جاتا ہے، جو یہ بیان کرتے ہیں کہ 1) دماغ کے ایک خطے میں سرگرمی کس طرح دوسرے دماغی خطے میں حرکیات (یعنی تبدیلی کی شرح) کا سبب بنتی ہے اور 2) یہ تعاملات تجرباتی حالات کے زیر اثر کیسے تبدیل ہوتے ہیں۔ یہاں، ہم نے جذباتی اور غیر جانبدار تصویروں کے لیے حالات کا موازنہ کیا جب کہ اس بات پر غور کیا گیا کہ آیا تصویر کو بعد میں واپس بلایا گیا یا نہیں۔ ڈی سی ایم "نیورل لیول" اور "ہیموڈینامک لیول" (82) کے درمیان واضح فرق کر کے نیورو فزیوولوجیکل تشریح کے لیے کوشش کرتا ہے۔ یہ بائیو فزیکل طور پر متحرک اور پیرامیٹرائزڈ فارورڈ ماڈل کو الٹ کر حاصل کیا جاتا ہے جو ماڈلڈ نیورل ڈائنامکس کو ماپا ہیموڈینامک ٹائم کورسز (38) سے جوڑتا ہے۔ . اس وجہ سے رابطے کے پیرامیٹرز کو اعصابی آبادی (39) کے مابین اثر و رسوخ سے تعبیر کیا جاسکتا ہے۔ کنیکٹوٹی کے بارے میں ہمارا اندازہ DCM کے پیرامیٹرائزیشن میں شامل بنیادی ریاضیاتی مفروضوں پر منحصر ہے۔ ان مفروضوں کا تنقیدی جائزہ لیا گیا ہے (83)۔

ہم نے دوسرے طریقوں پر DCM کا انتخاب کیا کیونکہ یہ بہت سے فوائد پیش کرتا ہے۔ ڈی سی ایم تفریق مساوات کے نظام کے ساتھ عصبی حرکیات کی ماڈلنگ کرکے رابطے کو کم کرتا ہے۔ لہذا، اثر و رسوخ کی سمت اور کنکشن کی طاقت کی حالت پر منحصر ماڈلن کا تعین جامد کنیکٹیویٹی ماڈلز جیسے ارتباط یا ساختی مساوات ماڈلنگ (82, 84, 85) کے مقابلے میں زیادہ معنی خیز انداز میں کیا جا سکتا ہے۔

کنیکٹیویٹی تجزیہ: DCM—ماڈل اسپیس۔ ہم نے پوسٹ ہاک ماڈل کے انتخاب کا طریقہ کار استعمال کیا، جس کے لیے تمام ممکنہ کنکشن آرکیٹیکچرز (40) کے لیے ماڈل شواہد تلاش کرنے کے لیے صرف ایک مکمل ماڈل کے تخمینہ کی ضرورت ہوتی ہے، اس طرح ماڈل کا ایک مکمل موازنہ انجام دیا جاتا ہے۔ ہم نے انتخاب کے اس طریقہ کار کو ترجیحی ماڈلز کی محدود تعداد کے روایتی موازنہ کے بجائے استعمال کیا کیونکہ یہ الگورتھم ایک مکمل ماڈل کے تخمینے سے نیسٹڈ سب ماڈلز کے کنیکٹیویٹی پیرامیٹرز کا تخمینہ لگا کر کمپیوٹیشنل بوجھ کو بہت حد تک کم کرتا ہے۔ اگرچہ تمام 26 کلسٹرز کو ایک ہی ماڈل میں شامل کرنا دلچسپ ہوتا، لیکن یہ کمپیوٹیشنل طور پر ممکن نہیں تھا۔ ہم نے سیریبلر ROI اور بقیہ 25 ROIs کے درمیان تمام جوڑے کے کنکشن کو تلاش کیا 2-نوڈ DCMs کی ایک سیریز کی وضاحت کرتے ہوئے جہاں سیریبیلم میں واقع ROI کو دوسرے ROIs میں سے ایک کے ساتھ منظم طریقے سے جوڑا بنایا گیا تھا۔ کنیکٹیویٹی کے پیرامیٹرز ROIs کے درمیان خالص رابطے کی نمائندگی کرتے ہیں—یعنی، وہ اس بات پر غور نہیں کرتے ہیں کہ آیا دو آر او آئی کے درمیان اثر و رسوخ اضافی علاقوں کے ذریعے ثالثی کیا جاتا ہے جب تک کہ یہ اضافی علاقے واضح طور پر DCM ماڈل میں شامل نہ ہوں۔ چونکہ یہاں جانچے گئے DCMs میں صرف دو نوڈس شامل تھے، اس لیے انہوں نے اس بات کا جائزہ نہیں لیا کہ آیا سیربیلم اور دوسرے سیکنڈ ROI کے درمیان اثر و رسوخ کو اضافی خطوں کے ذریعے ثالثی کیا گیا تھا۔ ہمارے کنیکٹیویٹی پیرامیٹرز کی قدریں اس لیے ممکنہ طور پر براہ راست اور بالواسطہ دونوں کنکشنز کی عکاسی کرتی ہیں۔ ہم نے دو حالتوں (ورژن DCM12)(86) کے ساتھ دو لکیری، ڈیٹرمنسٹک DCM کا اطلاق کیا۔ ہم نے ہر ROI کے درمیان باہمی اندرونی کنکشن کی وضاحت کی ہے۔ ROIs کے خارجی ان پٹ نیٹ ورک کو چلاتے ہیں اور اس بات کا اندازہ لگاتے ہیں کہ ROIs بیرونی محرکات کا کیا جواب دیتے ہیں۔ چار مختلف ان پٹ ریگریسرز کی تعریف کی گئی تھی، جن میں 1) جذباتی اور غیر جانبدار تصویریں، 2) سکیمبلڈ پکچرز، 3) بٹن دبانے، اور 4) درجہ بندی اسکیل پریزنٹیشن شامل ہیں۔ ان پٹ ریگریسر میں سے ہر ایک تمام ROIs پر نیٹ ورک میں داخل ہو سکتا ہے۔ ROIs کے درمیان اندرونی رابطوں کی مضبوطی کو درج ذیل شرائط سے ماڈیول کیا جا سکتا ہے: جذباتی طور پر یاد کی گئی تصویریں، جذباتی طور پر یاد نہ کی گئی تصویریں، غیر جانبدار یاد کی جانے والی تصویریں، اور غیر جانبدار طور پر یاد نہ کی گئی تصاویر۔

ایک سے زیادہ موازنہ پر ایک Bayesian نقطہ نظر کے لئے، حوالہ جات (87, 88) دیکھیں۔ خاص طور پر، ہم نے دریافت کے نمونے کے نتائج کو دوسرے نمونے میں نقل کیا۔

کنیکٹیویٹی تجزیہ: DCM-ماڈل تخمینہ۔ ہم نے ایک موثر پوسٹ ہاک ماڈل سلیکشن کا استعمال کیا جس میں تلاش کرنے کے لیے صرف ایک مکمل ماڈل کے تخمینے کی ضرورت ہوتی ہے 1) بایسیئن ماڈل سلیکشن (BMS) کے ساتھ تمام ممکنہ کنکشن آرکیٹیکچرز کے ماڈل شواہد، 2) خاندانی سطح کے تخمینے کے نتیجے میں بعد کے امکانات کا تعین کرنے کے لیے پیرامیٹر کے تخمینے کے برعکس، اور 3) تمام ممکنہ ماڈلز پر بایسیئن پیرامیٹر اوسط یہ ظاہر کرتا ہے کہ آیا پیرامیٹر کے تخمینے کے برعکس صفر (40, 84, 89) سے مختلف ہے۔ چونکہ ہم نے فکسڈ ایفیکٹس BMS کا استعمال کیا، ہم نے فرض کیا کہ زیادہ سے زیادہ ماڈل آبادی میں ایک ہی حصہ لینے والا تھا (39)۔ ڈی سی ایم ماڈلز کا تخمینہ sciCORE (https://scicore.unibas.ch/) یونیورسٹی آف باسل میں سائنسی کمپیوٹنگ کور سہولت پر لگایا گیا تھا۔

کنیکٹیویٹی تجزیہ: DCM-پیرامیٹر تجزیہ۔ ہم نے Bayesian inference کا استعمال اس بات کا اندازہ کرنے کے لیے کیا کہ آیا کامیاب جذباتی میموری انکوڈنگ کے دوران کنکشن کی طاقت میں اضافہ ہوا ہے۔ خاص طور پر، ہم نے پچھلے امکان کا حساب لگانے کے لیے پچھلی توقعات اور پچھلے ہم آہنگی کا استعمال کیا کہ کنکشن کی طاقت کے ماڈیولرز کے درمیان تضاد صفر سے بڑا تھا۔ کامیاب جذباتی میموری انکوڈنگ کے تضاد کو درج ذیل شرائط کے ماڈیولٹرز کو گھٹا کر بنایا گیا تھا: (یاد کی گئی جذباتی تصویریں – غیر یاد کی گئی جذباتی تصویریں) – (ریکالڈ نیوٹرل پکچرز – نان ریکالڈ نیوٹرل تصویریں)۔ سب سے پہلے، دریافت کے نمونے کے اندر، ہم نے ان کنکشنز کی نشاندہی کی جن میں کنٹراسٹ کا بعد کا امکان {{0}}.99 سے زیادہ تھا۔ دوسرا، ہم نے نقل کے نمونے میں ان کنکشنز کا تجزیہ کیا، یہ جانچتے ہوئے کہ آیا ان میں بھی 0.99 سے زیادہ متضاد ہونے کا امکان ہے۔ وضاحتی اصطلاحات میں، 0.99 کی لاگو امکانی حد کو اثر کے لیے بہت مضبوط ثبوت فراہم کرنے سے تعبیر کیا جا سکتا ہے (42, 43)۔ ہم نے کنکشن کی طاقت میں کمی کے بجائے اضافے پر توجہ مرکوز کی کیونکہ ROIs کی تعریف بڑھتی ہوئی سرگرمی کے ساتھ ووکسلز کی بنیاد پر کی گئی تھی۔

کنکشن کی طاقت کے بارے میں حساب کتاب کے نمونے میں کنٹراسٹ کی طاقت پر مبنی تھا۔ R (90) میں سرکل لائبریری کا استعمال کرتے ہوئے رابطوں کو تصور کیا گیا تھا۔

اناٹومیکل امیج کا سیگمنٹیشن۔ ہر شریک کی جسمانی تصویر کو فری سرفر ورژن 4.5 (91) کا استعمال کرتے ہوئے خود بخود کارٹیکل اور سبکورٹیکل ڈھانچے میں تقسیم کر دیا گیا تھا۔ کارٹیکل گیاری کی لیبلنگ ڈیسیکان – کلیانی اٹلس (92) پر مبنی تھی، جس سے 35 کارٹیکل اور سات ذیلی کارٹیکل ریجنز پرہیمسفیر حاصل ہوتے ہیں۔ نوٹ کریں کہ لاگو سیگمنٹیشن اور لیبلنگ کی تکنیک ماہرین کی طرف سے دستی لیبلنگ کے مقابلے کی درستگی فراہم کرتی ہے (91، 92)۔

آبادی کے اوسط جسمانی امکانی اٹلس پر مبنی ROIs کی جسمانی لوکلائزیشن۔ 1,418 شرکاء میں سے 1،000 کے ڈیٹا کی بنیاد پر، FreeSurfer سے حاصل کردہ cortical اور subcortical ڈھانچے کے حصوں (اوپر پیراگراف دیکھیں) کو آبادی-اوسط امکانی اناٹومیکل اٹلس بنانے کے لیے استعمال کیا گیا تھا۔ انفرادی سیگمنٹڈ اناٹومیکل امیجز کو شرکاء کے پہلے کمپیوٹ شدہ وارپ فیلڈ کا استعمال کرتے ہوئے اسٹڈی کے لیے مخصوص اناٹومیکل ٹیمپلیٹ اسپیس میں معمول بنایا گیا تھا اور MNI اسپیس میں منسلک کیا گیا تھا۔ مختلف ڈھانچوں کی لیبلنگ کو محفوظ رکھنے کے لیے قریبی پڑوسی انٹرپولیشن کا اطلاق کیا گیا تھا۔ آبادی کی اوسط امکانی اٹلس بنانے کے لیے آخر کار عام سیگمنٹیشنز کا اوسط شرکاء میں لگایا گیا۔ ٹیمپلیٹ کے ہر ووکسل کو اس کے نتیجے میں دیئے گئے جسمانی ساخت سے تعلق رکھنے کا امکان تفویض کیا جاسکتا ہے۔

یہ آبادی کے اوسط امکانی اٹلس کو آرڈینیٹس اور ROIs کے اناٹومیکل لوکیشن کی اطلاع دینے کے لیے استعمال کیا گیا تھا۔ فی کوآرڈینیٹ فی صد آبادی کی نشاندہی کرتا ہے-ایک جسمانی لیبل کا اوسط امکان۔ مزید برآں، ہم نے فی ROI علاقائی خط و کتابت کی اوسط فیصد کی اطلاع دی۔ فی ROI، ہم نے طے کیا کہ کون سے جسمانی لیبل اس کے ووکسلز کے ذریعے پھیلے ہوئے تھے۔ اس کے بعد ہم نے ROI کے اندر موجود تمام ووکسلز پر فی لیبل کے امکانات کا خلاصہ کیا اور ماسک میں ووکسلز کی مجموعی تعداد سے تھیم کو تقسیم کیا۔ 100% خط و کتابت اس صورت میں ہو گی جب ROI کے تمام ووکسلز ایک ہی جسمانی علاقے میں واقع ہوں، اور ہر ووکسل کے خود اس علاقے میں واقع ہونے کا 100% امکان ہو۔

ڈیٹا، مواد، اور سافٹ ویئر کی دستیابی. دلچسپی کے دو تضادات (جذباتی تصویروں کی کامیاب جذباتی یادداشت کی انکوڈنگ اور انکوڈنگ) کے انفرادی، پہلے درجے کے نقشے اوپن سائنس فریم ورک (OSF,https://osf.io/ghtvy) (93) میں دستیاب ہیں۔ covariates انفرادی فرسٹ لیول اور VOI فائلیں Figshare (https://figshare.com/projects/CBDCM/149317) (94) پر دستیاب ہیں۔ متعلقہ غیر تھریش ہولڈ گروپ لیول کے نقشے، نیز فنکشنل ROIs کے بائنری ماسک، Neurovault(https://neurovault.org/collections/12932) (95) میں جمع کیے گئے ہیں۔ گروپ سطح کی DCM فائلیں OSF (https://osf.io/ghtvy) (93) میں دستیاب ہیں۔

اعترافات۔ ہم ایلمر مرکل، کرسٹوف اسٹیپچ، اور اولیور بیری کا شکریہ ادا کرتے ہیں کہ انہوں نے یونیورسٹی ہاسپٹل باسل کی fMRI سہولیات تک رسائی فراہم کی۔ اس کام کی مالی اعانت سوئس نیشنل سائنس فاؤنڈیشن (Sinergia grantCRSI33_130080 to DJ-FdQ اور AP) نے کی۔ MF کو یونیورسٹی آف باسل کے جونیئر ریسرچرز کے لیے ریسرچ فنڈ (گرانٹ DPE2141) کے ذریعے مالی اعانت فراہم کی گئی۔ حسابات sciCORE (https://scicore.unibas.ch/) یونیورسٹی آف باسل میں سائنسی کمپیوٹنگ کور سہولت پر کیے گئے۔ مصنفین مسابقتی مالیاتی مفادات کا اعلان نہیں کرتے ہیں۔

حوالہ

1. D. de Quervain، L. Schwabe، B. Roozendaal، تناؤ، glucocorticoids، اور میموری: خوف سے متعلق عوارض کے علاج کے مضمرات۔ نیٹ Rev. Neurosci. 18، 7–19 (2017)۔

2. JL McGaugh، The Making of Lasting Memory (Weidenfeld & Nicolson, 2003)۔

3. JL McGaugh، میموری — اکٹھا کرنے کی ایک صدی۔ سائنس 287، 248–251 (2000)۔

4. B. Roozendaal, JL McGaugh, Memory modulation. برتاؤ۔ نیوروسکی 125، 797–824 (2011)۔

5. کے ایس لابار، آر کیبیزا، جذباتی یادداشت کی علمی نیورو سائنس۔ نیٹ Rev. Neurosci. 7، 54–64 (2006)۔

6. SB Hamann, TD Ely, ST Grafton, CD Kilts, Amygdala سرگرمی جو کہ خوشگوار اور ناگوار محرکات کے لیے بہتر یادداشت سے متعلق ہے۔ نیٹ نیوروسکی 2، 289–293 (1999)۔

7. T. Canli, Z. Zhao, J. Brewer, JDE Gabrieli, L. Cahill, انسانی امیگدالا میں واقعہ سے متعلق ایکٹیویشن انفرادی جذباتی تجربے کے لیے بعد کی یادداشت کے ساتھ منسلک کرتا ہے۔ نیوروسکی 20، RC99 (2000)۔

8. AH van Stegeren et al.، Noradrenaline جذباتی مواد کی انکوڈنگ کے دوران مردوں اور عورتوں میں amygdala ایکٹیویشن میں ثالثی کرتی ہے۔ نیورو امیج 24، 898–909 (2005)۔

9. MW Cole et al.، ملٹی ٹاسک کنیکٹوٹی انکولی ٹاسک کنٹرول کے لچکدار مرکزوں کو ظاہر کرتی ہے۔ نیوروسکی 16، 1348–1355 (2013)۔

10. RM Todd, TW Schmitz, J. Suscind, AK Anderson, Emotionally enhanced perceptual and menemonic vividness کے مشترکہ عصبی سبسٹریٹس۔ سامنے والا۔ برتاؤ۔ نیوروسکی 7، 40 (2013)۔

For more information:1950477648nn@gmail.com