Un sous-réseau orexigénique au sein de l'hippocampe humain
MaisonMaison > Blog > Un sous-réseau orexigénique au sein de l'hippocampe humain

Un sous-réseau orexigénique au sein de l'hippocampe humain

Oct 28, 2023

Nature (2023)Citer cet article

785 accès

92 Altmétrique

Détails des métriques

Ce n'est que récemment que des techniques de sondage de circuits plus spécifiques sont devenues disponibles pour éclairer les rapports précédents impliquant l'hippocampe des rongeurs dans le traitement de l'appétit orexigène 1,2,3,4. Il a été rapporté que cette fonction était médiée au moins en partie par des apports hypothalamiques latéraux, y compris ceux impliquant des neuropeptides hypothalamiques latéraux orexigéniques, tels que l'hormone de concentration de mélanine5,6. Ce circuit reste cependant insaisissable chez l’homme. Nous combinons ici la tractographie, l'électrophysiologie intracrânienne, les potentiels évoqués cortico-sous-corticaux et l'histologie 3D de nettoyage du cerveau pour identifier un circuit orexigénique impliquant l'hypothalamus latéral et convergeant dans une sous-région de l'hippocampe. Nous avons constaté que la puissance basse fréquence est modulée par les signaux alimentaires sucrés et gras, et cette modulation était spécifique à l'hippocampe dorsolatéral. Les analyses structurelles et fonctionnelles de ce circuit dans une cohorte humaine présentant un comportement alimentaire dérégulé ont révélé une connectivité inversement liée à l'indice de masse corporelle. Collectivement, cette approche multimodale décrit un sous-réseau orexigénique au sein de l'hippocampe humain impliqué dans l'obésité et les troubles de l'alimentation associés.

Le traitement de l'appétit orexigène repose sur l'intégration de signaux sensoriels, intéroceptifs et hormonaux pour régir les comportements de consommation1,7. La dérégulation de ce processus conduit à des comportements alimentaires inadaptés tels que la frénésie alimentaire et est associée à l’obésité8. Des études chez les rongeurs ont démontré que les sous-populations neuronales de l’hippocampe répondent aux signaux alimentaires et codent pour la mémoire du lieu alimentaire1,2. Les projections de l'hypothalamus latéral (LH) sont au cœur de cette fonction hippocampique orexigénique, car la perturbation de ce circuit conduit à un comportement alimentaire dérégulé5. Il a été constaté que ces projections de LH expriment l'hormone de concentration de mélanine (MCH)9, un neuropeptide orexigène produit dans la zone LH (fait référence à la LH et à ses contiguïtés, y compris des parties de la zone incerta)5. Il a été rapporté que les neurones de projection contenant du MCH influencent la valeur de récompense de la nourriture, la surexpression du MCH étant liée à l'état d'obésité .

Le circuit sous-jacent dans lequel la LH et l'hippocampe interagissent, ainsi que sa pertinence pour le traitement de l'appétit orexigène chez l'homme, qui inclut le processus pré-oral piloté par des signaux, doivent encore être examinés. Nous caractérisons ici l'implication structurelle et fonctionnelle de l'hippocampe humain dans le traitement de l'appétit lié aux aliments.

En utilisant la tractographie probabiliste dans des données normatives à haute résolution issues de la version 7T du Human Connectome Project (HCP) (n = 178), nous avons constaté que les interconnexions LH définies par la tractographie (streamlines) convergent dans la sous-région de l'hippocampe dorsolatéral (dlHPC) (Fig. 1a). ). Nous avons ensuite étudié l'implication fonctionnelle du dlHPC dans le traitement d'un goût agréable. Par souci de concision, nous appelons le volume de l'hippocampe en dehors de la sous-région dlHPC la sous-région non-dlHPC. Plus précisément, nous avons testé les hypothèses suivantes : (1) la dynamique spectrale du dlHPC fait la distinction entre les signaux sucrés-gras et neutres ; et (2) la dynamique spectrale différera entre les électrodes en contact direct avec le dlHPC et celles en contact direct uniquement avec la sous-région non-dlHPC. Nous avons mesuré l'activité potentielle du champ local (Fig. 1b) à l'aide d'électrodes intracrâniennes (n = 54 ; 34 contacts dlHPC, 20 contacts non-dlHPC) implantées dans l'hippocampe humain tandis que les participants (n = 9) effectuaient un paradigme de tâche d'incitation sucré-graisse12. (Fig. 1a supplémentaire). Les caractéristiques démographiques et cliniques de tous les participants sont décrites dans le tableau supplémentaire 1. Dans ce paradigme, les individus ont été signalés pendant 1 s avec une image représentative d'une solution sucrée-grasse ou au goût neutre, à livrer ensuite pour la consommation. Nous avons constaté que la puissance basse fréquence normalisée avant le stimulus (environ 3 à 14 Hz, avec un pic principalement soutenu d'environ 4 à 6 Hz ; appelée ci-après cluster de puissance basse fréquence pour refléter la gamme de fréquences de ce cluster). ) dans le dlHPC était significativement plus élevé (P <0, 05, tests de permutation appariés non paramétriques basés sur des clusters, utilisant la taille des clusters à distribution nulle pour corriger les comparaisons multiples) lors de l'anticipation de la solution sucrée-graisse par rapport à un goût neutre (Fig. 1c) . Alors que les fréquences plus élevées peuvent refléter une activité plus locale, les fréquences plus basses sont considérées comme avantageuses pour acheminer les informations à travers des zones distantes, car leur période plus longue répond à la demande temporelle de vitesse de conduction à travers de multiples délais synaptiques13. Ce profil a été observé immédiatement après le signal (environ 110 ms) et a été localisé aux contacts de la sous-région dlHPC (Fig. 1d, e).

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