DACC에 대한 통증 관련 설명에 대한 추가 증거
[참고 : 우리의 논문에 대한 혼란의 주요 원인으로 보이는 것을 정리하는 세 번째 단락을 반드시 읽으십시오]
Tal Yarkoni (TY)에 대한 우리의 마지막 블로그 응답 이후, TY, Tor Wager (TW) 및 Alex Shackman (AS)의 세 가지 새로운 응답이있었습니다. 이러한 반응은 우리에게 많은 생각을 주었고 우리가 (Lieberman & Eisenberger, 이하 L & E)가 우리의 원래 주장을 명확히하고, 확장하며, 궁극적으로 강화할 것이라고 생각하는 추가 분석을하도록 유도했습니다. 우리가 PNAS 논문의 모든 분석에 대해 서 있지만, 우리는 이전에 이러한 분석을 수행하고 종이에 포함 시키려 하였다고 생각했습니다.
최신 블로그 중 일부에서 우리가 동의하지 않는 부분이 많지만 , 앞으로 나아갈 것에 관심이있을 때, 우리는 어떤 동의가있는 부분을 다시 시작한 다음 새로운 분석으로 이동하고 싶습니다. (a) Neurosynth 데이터베이스에서 통증과 공포의 관계 (b) Neurosynth의 z-score는 역 추론에 대해 알려 줍니까? (c) 경험적 전문가 및 (d) 우리는 뇌의 한 영역이 기능을한다고 말할 수 있습니까? 우리는이 블로그가이 모든 것에 대한 마지막 코멘트가 될 것이라는 점을 분명히 밝힙니다. 이전 글과 이번 글 사이에서, 우리는 우리의 결론이 건전하다는 것을 입증하기 위해 우리가 필요로하는 모든 것을 명확히했다고 느낀다. 게시물을 작성한 사용자는 이미 Google에 동의하지 않을 것으로 예상되지만 다른 사용자가 유용하다고 생각하길 바랍니다.
그러나이 블로그의 본문으로 들어가기 전에이 블로그의 뒷부분에서 자세히 설명 할 중요한 사항을 명확히하고 싶었습니다. 우리 PNAS 논문의 분석에서 우리는 dACC 활동을 볼 때 반드시 그 사람이 고통을 겪고 있음을 의미한다고 생각하지 않습니다 . 이 주장을하기 위해, 존재하지 않는 실제 경험적 전립선을 기반으로 사후 확률을 만들어 내야합니다. (Neurosynth 이전의 .50 또는 Neurosynth 초록에서 3.5 %의 통증 유행은이 정보를 제공합니다. 자주 연구되는 것이지, 일반적으로 자주 일어나는 것은 아닙니다). 그러나 이것이 우리가 주장한 것이 아닙니다. 우리의 주장은 훨씬 간단했습니다. 역 추론 맵의 z 점수를 기반으로하는 신뢰할 수있는 증거가 있는데, 이는 통증이 많은 dACC와 관련되어 있음을 나타냅니다 . 대조적으로, 대부분의 dACC에서 역 추론 맵의 z- 점수를 기반으로 실행, 충돌 및 돌출 프로세스가 dACC와 안정적으로 연관되어 있다는 증거는 훨씬 적습니다 . 이러한 결과는 dACC 기능에 대한 설명이 통증 과정에 집중해야한다는 것을 시사한다. 우리의 주장은 dACC 기능에 대한 최적의 설명을 작성하고 특정 연구에 존재하는 프로세스를 예측하지 않거나 각 dACC 뉴런이 동일한 역할을한다고 가정합니다. 아래에서 우리는이 주장을보다 포괄적으로 만들기 위해 dACC 기능에 대한 몇 가지 추가 계정을 고려합니다.
계약 분야
타이는 첫 번째 블로그에서 우리가 말한 거의 모든 것에 동의하지 않는다고 지적하지만, 그의 최신 블로그 포스트는 우리의 인용문이나 명시 적으로 동의하는 (또는 아무런 문제도없는) 우리 주장의 재 작성을 뒷받침합니다. 우리는 이것들이 우리 논문의 가장 중요한 주장이라고 생각하기 때문에 이것들을 강조 할 필요가 있다고 생각합니다.
우리는 다음과 같이 썼습니다. "Neurosynth 역 추론 맵의 결론은 명백합니다. dACC는 통증 치료와 관련되어 있습니다. 전방 추론 데이터 만 사용할 수 있었던 경우 dACC 자체가 통증 자체와 관련이 없다는 주장을하는 것이 합리적 이었지만 통증 프로세스는 dACC의 "실제"기능, 예를 들어 실행 프로세스, 충돌 탐지 또는 고통스런 자극에 대한 돌출 성 반응. 역 추론 맵은 통증을보다 일반적인인지 프로세스로 감소시키려는 이러한 계정을 지원하지 않습니다. "
타이는 이에 대해 다음과 같이 썼다. "이 주장은 나에게 크게 반대하지 않는 것처럼 보인다."
우리는 다음과 같이 썼습니다 : "임원 및 분쟁이라는 용어에 대해 PNAS 논문의 그림 3은 아주 작은 dACC를 보여줍니다. 우리는 여기에 포함 된보다 포괄적 인 수치가 같은 이야기를 계속하고 있다고 생각합니다. 고통이 dACC를 활성화시키는 이유에 대한 갈등 이야기를 누군가가 듣기를 원한다면, dACC에서 갈등으로의 강력한 역 추론 매핑의 증거가 있어야한다고 생각합니다. 그러나 그러한 주장에 대한 증거는 존재하지 않습니다. 나머지 통계 및 주장에 대해 생각하는 것이 무엇이든, 이것은 우리 중 거의 모든 사람들이 이러한 역 추론 맵 (우리를 포함하여)에서 볼 것으로 예상했던 것이 아니기 때문에 많은 사람들에게 잠시 멈춰야합니다. "
타이 (TY)는 "여기에 반대 의견이 없다"
계약의 일부 다른 의역적인 예가있었습니다. 예를 들어 TY는 다음과 같이 썼습니다.
"만약 L & E가 나에게 질문했다면, Neurosynth는 dACC 활성화가 '중요성'의 좋은 표지라고 말하는 것을지지한다고 생각하십니까?"라고 대답했을 것입니다.
그리고 그는 별도의 섹션에서 다음과 같이 썼습니다.
"평균적으로 dACC의 모든 복셀의 평균을 취하는 것과 같은 의미 일 경우 통증 및 충돌 모니터링보다 통증과 dACC 간의 통계적 연관성에 대한 증거가 더 많습니다." : 우리는 마지막 구가 잘못 쓰여 있고 TY가 "충돌 모니터링 및 dACC"를 의미한다고 가정합니다.
합의 범위가있는 이러한 모든 주장은 Neurosynth가 제공 한 z 점수지도를 합리적인 역 추론 목표라고하는 증거 (또는 증거 없음)로 해석함에 따라 우리는 중요한 합의 영역으로 간주합니다.
- Neurosynth의 z-score는 특정 복셀이 역 추론을 통해 특정 기능으로 유추 될 수 있는지에 대한 증거를 제공합니다. 보셀에 대해 중요한 z- 점수를 나타내는 여러 용어가있을 수 있으며 이러한 모든 용어는 그 보셀에 속성을 부여하는 타당한 함수입니다.
- 경영진, 갈등 및 돌출 프로세스가 dACC 활성화를위한 좋은 역 추론 목표라는 반전 추론 z- 점수의 증거는 거의 없습니다. 충돌에 대한 몇 가지 dACC 반대 증거가 있기 때문에 우리가 우리의 논문에서했던 것처럼 '적은', '아니오'라는 증거는 아니라는 점에 유의하십시오. 그러나 그것은 겸손합니다.
- 통증 과정은 dACC 복셀의 많은 부분에 대해 좋은 역 추론 표적이라는 z 점수로부터의 증거가 있습니다.
우리가이 점에 동의 할 수 있다면, 우리가 생각한 대부분의 것에 동의 할 것입니다.
New Neurosynth 분석
위의 TY에서 나온 마지막 성명서 ( "그들이 의미하는 것이 있다면 …")는 PNAS 논문에서 우리가 도달 한 결론에 접근하는 다른 방법이 있다는 것을 깨닫게했습니다. 우리가 말했듯이, 몇 년 전에 고통, 경영진, 갈등 및 현명함에 대한 역 추론지도를 살펴볼 때 dACC 적용 범위가 다른 용어와 비교할 때 통증에 얼마나 널리 퍼져 있었는지가 우리를 깜짝 놀라게했습니다. 우리는 dACC에 걸쳐 분포 된 8 개의 복셀을 관찰하여 이것을 포착하려했습니다. 아마도 이것은 우리가보고있는 것을 정량화하는 최선의 방법이 아니 었으며 TY와 AS에 의해 제기 된 두 가지 합리적인 문제에 민감하지 않았습니다. 첫째로, 우리는 중간 선을 보았을뿐입니다. 두 번째로 우리는 확률이 낮은 아틀라스를 사용하여 dACC 경계를 정의 했으므로 검토중인 복셀이 실제로 dACC 복셀이라는 확신을 나타내지 못했습니다.
새로운 분석에서 Harvard-Oxford 확률지도 (아래 HO)를 사용하여 dACC 마스크를 정의한 다음 dACC에서 Neurosynth 역 추론을 기반으로 다른 용어가 합리적인 역 추론 목표가되는 복셀의 비율을 검사합니다 지도. HO 아틀라스를 만들기 위해 수십 개의 뇌 (bit.ly/1RMTAzp)에서 T1 강조 이미지를 가져 왔습니다. 여러 가지 관심 영역 (예 : ACC)이 변형되기 전에 개별 뇌에서 확인되었습니다. 그런 다음 각 스캔이 MNI 공간에 등록되었습니다. 이 시점에서, 그들은 MNI 공간에서 각 복셀을 결정할 수 있습니다. 첫 번째 단계에서 얼마나 많은 개별 뇌에 특정 레이블로 태그가 붙여 졌습니까? 따라서 두뇌의 75 %가 ACC로 분류 된 특정 좌표를 가지고 있다면, 그 보셀은 MNI 공간에 등록 된 새로운 스캔에서 ACC가 될 확률이 75 %라고 평가 될 것입니다.
이 아틀라스를 사용하여 보셀이 dACC에있을 가능성이 25 %, 35 %, 50 % 또는 75 % 인 dACC 마스크 (-8≤x≤8, 0≤y≤30)를 정의 할 수있었습니다 (그림 참조 위). 실제로 dACC 복셀이 될 확률이 최소 50 % 또는 75 % 인 복셀 만 ROI에 들어가야한다고 주장 할 수 있지만 시각 검사 결과 이러한 ROI 마스크는 PNAS 논문에서 사용한 것과 매우 유사하게 보였다 AS로부터 답장을 보내고 여기서 제시 한 분석을 위해보다 자유로운 35 % 마스크를 사용했습니다.
결과는 모든 다른 마스크에서 질적으로 동일합니다. 우리가 보았던 가장 큰 차이점은 낮은 신뢰도의 dACC 마스크 (25 %)에서보다 높은 신뢰도의 dACC 마스크 (75 %)로 옮겨 감에 따라 정반 항을 통해 정서적 용어와 연관된 dACC 복셀의 비율이 증가한 것입니다 (예 : 통증 +9 , 공포감 + 12 %, 부정적인 영향 + 6 %),인지 기간과 관련된 dACC 복셀의 비율이 감소했다 (예 : 충돌 -12 %, 오류 -6 %). 따라서 특정 복셀이 실제로 dACC에 있다는 자신감이 높아지면 정서적 과정과 관련성이 높아지며인지 과정과 관련성이 낮아집니다. 이를 달리 표현하기 위해 dACC의인지 과정과 관련된 복셀은 실제로 최소한 dACC에 있어야하는 복셀이되는 경향이 있습니다.
아래 제시된 분석은 모두 35 % 마스크를 사용합니다. 우리는 처음에 PNAS 논문 (통증, 집행, 갈등, 돌출)에 대한 관심의 네 가지 주요 카테고리를 고려해야한다고 생각했습니다. (두려움, 자율 신경, 보상). 궁극적으로 우리는 우리의 분석에 더 많은 용어를 포함 시키기로 결정하여 최신 블로그에서 TY가 제공 한 선택성 표준을 충족시킬 수있었습니다 :
"뇌 영역은 (i) 그 기능과의 견고한 연관성을 보여 주거나 (ii) 다른 모든 즉시 이용 가능한 대안과의 관련성을 무시할 수있는 정도를 보이는 경우 특정 기능에 대해 '선택적'이라고 할 수 있으며, (iii) 문헌에서 제안 된 주요 후보 기능이 분석에서 잘 표현되도록 보장하는 데 실사를했다 "고 밝혔다.
우리는이 정의가 많은 연구자들이 과거에이 용어를 사용한 방식 (예 : MVPA 논문)을 넘어선다고 생각하지만, 우리는이 정의를 분석에 적용 할 때 어떤 일이 일어나는지보아야 할 가치가 있다고 생각했습니다. 우리는이 정의에서 '협회'라는 단어를 역 추론지도에서 식별 된 연관 만 참조하도록 해석해야하며, 순방향 추론 맵에서는 관찰되지 않습니다. 결과적으로, 우리는 문헌에서 제안 된 주요 후보 기능이 분석에서 잘 표현되도록하기 위해 '실사 (due diligence)'를 시도했다. 이제 우리는 수년 동안 우리가 알고있는 모든 dACC 계정을 다루는 14 가지 용어 목록을 갖게되었습니다. 우리의 용어 목록은 다음과 같습니다.
고통, 주의력, 자율성, 회피, 갈등, 감정, 오류, 집행, 두려움, 부정적인 영향, 반응 억제, 반응 선택, 보상 및 중요도.
우리는 이것이 매우 포괄적 인 용어 목록이라고 생각합니다. 만약 우리가 놓친다면 비슷한 효과를 낼 가능성이있는 합리적인 동의어가 목록에 있음을 알 수 있습니다.
분석에. 우리가 한 첫 번째 작업은 35 % 마스크에서 보셀 수를 계산하는 것입니다. HO 아틀라스가 dACC 복셀 인 것으로 적어도 35 % 확신하는 1110 개의 복셀이있었습니다. 이 중 통증에 대한 역 추론지도에는 947 개의 복셀 (85.3 %)이 나타납니다 (표준 뉴로 신티 유의 수준 인 p <.01, FDR 보정 됨). 13 가지 다른 용어 중 dACC 복셀의 20 %까지도 다루지 못했습니다 (아래 그림 참조). 다른 용어와 비교 한 통증의 카이 제곱 비교는 매우 중요했습니다. 모든 X 2 > 975.278, p <.00001, d '> 5.38. 이것들은 통증이 13 가지 다른 용어들 중 어느 것보다 dACC 복셀을 통한 역 추론 설명보다 훨씬 유비쿼터스라는 것을 말해줍니다.
위의 분석은 TY의 정의에서 특징 지워지는 선택성 문제의 핵심에 도달하지 않습니다. 동일한 복셀이 여러 용어로 표시 될 수 있으므로 다른 용어보다 한 용어의 선택성을 나타내지 않기 때문입니다. 따라서 우리는 dACC에서 얼마나 많은 복셀이 어느 용어의 역 추론 맵에 나타 났지만 다른 13 개 항의 역 추론 맵에는 나타나지 않는 것이 무엇인지 선택적인 것으로 보인다고 평가했습니다. 14 가지 용어로 dACC의 복셀이 거의 정의되지 않음을 상상할 수 있습니다.이 중 두 가지 조건 중 중요한 두 가지 요소 만이 분석에서 제외됩니다. 여기에서 선택성에 대한 높은 장애물에도 불구하고 dACC의 1110 개 (43 %) 중 477 개의 복셀이 14 개의 역 추론 맵 중 하나에 나타났습니다. 이 477 개의 복셀은 TY의 정의에 의해 설정된 선택성을 충족시키는 것으로 보입니다. 고려 된 14 가지 용어 중 단발성 (single term)에 대해 선택적인 477dACC 복셀 중 91.2 %는 통증이라는 용어에 선택적이었다 .
477 개의 선택적 복셀 중 435 개가 통증 역방향 추론 맵에만 있었고 다른 13 개 항의 역 추론 맵에는 없었습니다. 10 개 이상의 선택 복셀을 갖는 유일한 용어는 30 개의 복셀에서 보상이었습니다 (원래의 논문에서 이것을 암시했습니다). 두려움은 8 개의 복셀에서 발생하며 3 개의 복셀에서 오류가 발생하고 1 개의 복셀에서 충돌합니다. 통증 선택성 dACC 복셀은 다른 선택적 dACC 복셀 유형보다 일반적으로 더 많이 발생합니다. DACC에서 통증의 chi square 비교는 dACC의 선택적 복셀 수에 대한 다른 용어와 비교할 때 매우 중요했습니다. 모든 X 2 > 446.203, p <.00001, d '> 1.64. 이러한 결과는 선택성의 증거를 보여주는 dACC 복셀 중에서 다른 13 개 용어 중 어느 것보다 통증과 관련이있을 가능성이 훨씬 높다는 것을 말해줍니다.
여기에서 두 가지 중요한주의 사항 :
1) 477 개의 복셀이 한 학기 동안 선택 적이기 때문에, 이것은 633 개의 dACC 복셀이 어느 한 용어에 대해 선택 적이 지 않다는 것을 의미합니다. 비록 우리가 지금 우리가 문헌에서 보았던 것보다 더 높은 선택성을 위해 매우 높은 막대를 사용한다고 생각하지만,이 높은 막대로 dACC 복셀의 절반 이하가 선택성을 나타내고 있음이 분명합니다. 이러한 관점에서 볼 때 "dACC"는 현재 고려중인 dACC 기능에 대한 다른 모든 13 개 계정과 비교하여 통증에 대해 일정하게 선택성이 있다고합니다. 이 경고에 대한 두 가지 답변. 첫째, 우리가 처음 고려한 4 가지 용어 (통증, 실행, 갈등 및 돌출)를 사용하여 823 개의 복셀이 현재 정의 (즉, dACC 복셀의 74.1 %)에서 선택되었으며이 중 811 개가 통증에 대해 선택적이었습니다 선택 복셀의 98.5 %). 따라서 우리의 PNAS 논문에서 고려 된 범주의 맥락에서, 행정, 갈등 및 돌출 과정과 관련된 통증에 대한 선택성의 주장은 합리적이었다. 둘째, dACC가 너무 일반적이거나 다각적 인 것에 대한 모든 반응을 고려할 때 dACC 복셀의 거의 절반이 선택적이고이 중 거의 모든 것이 통증에 대해 선택적임을 꽤 인상적이라고 생각합니다.
2) 이러한 분석을 살펴보고 각 용어를 다른 용어와 비교하는 것이 공정하지 않다고 생각할 수도 있습니다. 그 중 일부는 중복되는 범주에 있기 때문입니다. 예를 들어, 우리는 갈등과 오류를 포함 시켰는데, 이는 서로 다르지만 dACC의 중복 된 계정입니다. 그들이 서로 동일한 복셀에 나타난다면, 그들은 복셀을 상기 선택성 분석에서 노크 할 것이다. 이 문제를 해결하기 위해 아래에는 고통에 대한 맵과 각기 다른 용어에 대한 맵을 비교 한 그림이 있습니다. 따라서 각 용어는 역 추론 맵에 표시되는 복셀의 수를 보여줄 수 있지만 고통은 아닙니다. 아래의 각 2 개 쌍의 주황색 막대는 통증 관련 복셀 만 제거 된 경우 각 용어와 관련된 dACC 복셀의 백분율을 보여줍니다. 따라서 오류 및 충돌과 같은 용어는 여기에서 서로 경쟁하지 않습니다. (파란 막대는 통증의 역 추론지도에 얼마나 많은 복셀이 나타나는지 보여 주지만 비교의 다른 용어는 보이지 않음)
분명히 알 수 있듯이,이 분석은 통증에 대해 일대일 대응할 때 특히 잘하는 다른 용어를 보여주지 않습니다. DACC voxels의 2.7 %가 통증 맵에 나타나지만 통증 맵에서는 나타나지 않는 보상과 별도로 다른 용어는 1.1 %를 넘지 않습니다. 대조적으로, 이러한 분석에서 통증은 다른 용어들에 대한 통증을 제거한 후에 모든 dACC 복셀의 65 % 이상을 일관되게 유지합니다. 우리가 PNAS 논문에서 보상이 실제로 dACC의 전막 부분의 통증보다 더 강한 영향을 나타냈다는 것을 지적했지만, 우리는 이것이 좀 더 명확하게 보여줄 가치가 있다고 생각했습니다. 일부 다른 사람들처럼 dACC와 rACC를 구별하기 위해 기울어 진 경계 (파선 녹색 선)를 사용했다면 보상의 역 추론지도가 dACC에 거의 없을 수 있습니다. 이 그림에서 보상에 대한 역 추론 효과는 대체로 더 주둥이 모양의 ACC 클러스터의 일부임을 분명히 알 수 있습니다.
우리의 현재 분석의 결론은 PNAS 논문의 일반적인 요지를 재확인한다. 지난 20 년 동안 무수한 논문으로 dACC의 기능에 대해 이야기 할 예정이라면 통증은 dACC가 소수의 복셀 이상에 대해 선택적으로 나타나는 유일한 기능입니다. 우리는 선택성에 대한 TY의 정의를 사용했다 (연관성은 역 추론 연관을 의미한다고 가정 함). 따라서 우리는 dACC에 대한 합리적인 설명 인 용어 목록을 작성하려고 노력했습니다. 우리는 dACC voxels의 몇 퍼센트가 14 가지 용어 각각과 역관계 연관성을 보였는지를 결정했습니다. 우리는이 복셀 중에서 얼마나 많은 사람들 만이 1 학기와 역 추론 연관을 보여 주 었는지, 다른 13 개 학기는 보이지 않는지를 결정했습니다. 우리 연구 결과를 요약하면 다음과 같다.
- 1110 개의 dACC 복셀 중 43 % (즉, 477 개의 복셀)가 선택성에 대한 위의 기준을 만족했습니다 (14 개의 역 추론 맵 중 1 개에서만 나타남).
- 선택적이었던 477 개의 복셀 중 91.2 % (즉, 435 개의 복셀)가 통증에 선택적이었다.
- 따라서 dACC의 상당 부분은 역사적으로 그럴듯한 용어의 큰 목록 중에서 하나의 용어로 설명 할 수 있습니다.
- 합리적인 계산서의이 긴 목록에서 단 하나의 용어로 기술 할 수있는 상당 부분의 dACC 복셀 중에서 거의 모든 것은 통증에 대한 역 추론 맵과 다른 13 개항 중 어느 것도 표시하지 않습니다.
고통과 공포
우리는 고민 관련 영향이 고통의 고통과 관련된 측면을 다루는 dACC와 함께 dACC 프로세스의 우산 계정이 될 수 있다고 주장했다 (Rainville 외. 1997). 수십 년 된 병변 연구는 dACC가 불안뿐만 아니라 신체적 고통의 고통에 핵심적인 역할을한다고 제안합니다 (Foltz & White, 1962; Tow & Whitty, 1953). 지적했듯이 두려움 때문에 역 추론 맵에 나타나는 dACC 보셀의 수가 적습니다 (dACC 마스크에서 12.2 %). 우리는 두려움이 대부분 우리에게 고통 (신체적, 사회적 또는 정서적)을 유발할 수있는 것들이므로 통증과 공포는 개념적으로 관련이 있다고 생각합니다. 그러나 Neurosynth의 맥락에서, 그 관계는 훨씬 더 직접적입니다. 두려움에 대한 많은 신경 영상 연구는 통증 (예 : 쇼크)을 무조건 자극으로 사용하는 공포 조절 연구입니다. 이 연구는 어디에서나 '통증'이라는 단어를 거의 사용하지 않으므로 Neurosynth에서 고통에 대한 태그가 지정되지 않지만 두려움에 대한 역 추론 맵에 통증 특이적인 영향을 도입 할 수 있습니다.
이 가능성을 조사하기 위해 Neurosynth에서 fear라는 용어로 나타나는 처음 50 개의 fMRI 연구를 수작업으로 검사했습니다. 우리는이 연구의 50 %가 통증 치료를 사용함을 발견했습니다. 이러한 통증 조작이 두려움에 대한 역 추론지도에서 dACC 신호를 유발할 수 있는지 알아보기 위해 dACC 활성화에 대한 연구에서 통증 조절이 있었고 dACC 활성화가없는 연구에서 얼마나 많은 통증이 있었는지 조사했습니다. 아래 그림에서 볼 수 있듯이 dACC 반응을 일으키는 두려움 연구 (71 %)의 대다수는 통증 조절을 사용하는 반면, dACC 반응을 생성하지 않는 상당수의 공포 연구 (69 %)는 통증을 사용하지 않습니다 조작. 이 2 × 2의 카이 스퀘어 비교는 매우 중요했습니다. X2 > 8.013, p <.006, d = 0.87. 이 결과는 통증 조절을 포함하는 공포 연구가 dACC 반응을 일으킬 가능성이 높다는 것을 나타냅니다.
Neurosynth의 역 추론지도에서 두려움에 대한 dACC 반응이 (a) 통증에 대한 dACC 반응과 개념적으로 연관되거나 (b) 문자 그대로 두려움 연구에서 dACC를 활성화시키는 통증 조작으로 인한 것일 가능성을 고려한 경우, dACC는 통증과 두려움에 반응합니다. 통증과 공포가 하나의 결합 ROI (이하 통증 + 공포)로 결합 될 때, 우리는 1110 개의 dACC 복셀 중 566 개가 13 개 용어 중 하나에 선택성을 나타냄을 발견했습니다 . 따라서, dACC 복셀의 51 %는 이러한 조건 하에서 선택적이다. 또한, 566 개의 선택 복셀 중 532 개가 통증 + 두려움에 대해 선택적입니다. 즉,이 분석에서 선택적 dACC 복셀의 94 %가 통증 + 두려움에 대해 선택적입니다. 또한 모든 dACC 복셀의 48 %가 통증 + 두려움에 선택적입니다.
요약하면 dACC에 관한 한 통증과 두려움을 단일 구조물의 일부로 취급하면 모든 dACC 복셀의 거의 절반이이 구조에 대해 선택적이고 거의 모든 선택적인 dACC 복셀을 볼 수 있습니다 이 구조에 대해 선택적이다. 이전 섹션의 주요 분석에서와 같이 보상 (5 %의 선택 복셀)은 dACC에서 1 %의 선택 복셀을 얻습니다.
Neurosynth의 z-score는 역 추론에 대해 알려줍니다?
우리는 Neurosynth의 z 점수가 역 추론에 대해 중요한 것을 말하고있는 것이 분명한 경우라고 생각합니다. 따라서 PNAS 논문을 통한 교환의 예기치 않은 측면 중 하나는 Neurosynth의 제작자 인 TY와 TW가 z 점수와 역 추론에 대해 거의 아무것도 배울 수 없다는 점과 주로 사후 확률. 예를 들어, TY는 다음과 같이 썼습니다.
"왜 z- 스코어 또는 p- 값을 사용하여 역 추론에 대한 지원을 얻을 수 없는지 설명했습니다. 역 추론은 본질적으로 베이지안 개념이며, 사전 및 사후 확률에 대해 이야기하고자 할 때만 의미가 있습니다. "
Neurosynth 웹 인터페이스를 사용하고 용어를 볼 때 "역 추론"이라고 표시된 단일 버튼이 화면에 있기 때문에이 이상한 점을 발견하게됩니다. 이 버튼을 클릭하면 히트 맵이 표시됩니다. 레이블 지정 체계가 주어지면 반전 추론에 대해 알려주려는 것입니다. 이 히트 맵은 후방 확률이 아닌 역 추론 z- 점수의 히트 맵입니다. 마찬가지로 어떤 용어에 대해서도 역 추론 맵을 다운로드하면, 그것은 post-probabilities가 아닌 z-score의 맵입니다. 비 베이지안인데도 불구하고이 z- 점수는 TY와 TW가 "역 추론"맵을 채우기 위해 사용한 것입니다. 이것들이 역 추론에 대해 말해주지 않는다면, 인터페이스의 유일한 역 추론 버튼이이 z- 점수를 이끌어내는 것은 매우 이상합니다.
TY는 Neurosynth의 z 점수의 가치에 대해 위의 주장 ( "지원을 얻을 수 없다 …")과 모순되는 것처럼 보이는 여러 곳에서 작성했습니다. 먼저 우리는 Neurosynth FAQ의 텍스트를 가지고 있습니다.
"역 추론 맵 :보고 된 활성화 (즉, P (Term | Activation))의 존재를 조건으로 한 연구에서 용어가 사용되는 가능성에 해당하는 z- 점수
z 점수가 역 추론에 관해 우리에게 말하고있는 것처럼 들리네. 타이가 Neurosynth에 관한 많은 사용자 질문에 정중하게 답변 한 Google+에서 쓴 글의 발췌 내용은 다음과 같습니다.
"z- 점수는 통계적 연관성에 대한 자신감의 척도입니다. 사후 확률은 효과 크기의 척도입니다. 일반적으로 후자는 표본 크기 관련 노이즈가 발생할 수 있으므로 전자에 더주의를 기울이는 것이 좋습니다 . 메타 분석에 포함 된 연구가 더 적은 용어는 더 높은 가변성을 가지며, 이는보다 극단적 인 사후 확률로 해석 될 것입니다. 그러나 연구가 적은 용어는 극단적 인 p / z 값이 더 적고 다른 것들은 동일합니다. 따라서 만약 당신이 "F가 지역 R에서의 활동과 관련이있을 것"이라고 주장한다면, 아마도 z- 점수를 근거로하는 것이 더 낫습니다 . [강조 추가] "
이 진술은 "하나의 대포가 z 점수를 사용하여 역 추론에 대한지지를 얻는다"는 위의 주장과 일치하지 않습니다. 그의 블로그에서 그는 z 점수의 이것을 썼습니다 :
"우리가 가지고있는 모든 데이터를 감안할 때, 용어와 지역이 정확히 연관성이 없다는 것은 매우 드뭅니다."
경멸적인 표현에도 불구하고 우리는 Neurosynth와 같은 데이터베이스가 나오기 전에는이 모든 일을 할 수있는 방법이 없었기 때문에 "이 모든 것이 우리에게 알려줍니다"라고 생각합니다. 이것은 특히 다른 용어와 용어 및 지역 간의 연관성에 대한 증거가 없음 을 시사하는 다른 분석과 결합 될 때 특히 중요한 사실입니다. 마지막으로, TY는 다음과 같이 씁니다.
"우리의 목표가"일시적 정접이 생물학적 운동과 마음 이론과 관련이 있다고 생각한다 "또는"parahippocampal cortex가 공간 네비게이션과 관련이 있다는 증거가있다 " Neurosynth z-score 맵에 그 근거를 두었습니다. "
우리는 이것이 dACC 기능에 대한 통증 관련 주장을 다른 용어에 대한 주장보다 가장 정당하다는 것을 보여주는 것과 정확히 일치한다고 생각합니다. PNAS 논문에서 우리는 중요하지 않은 z 점수 (임원, 갈등, 돌출)가있는 용어를 고통 (통증)과 비교함으로써이를 수행했습니다. 이것들은 효과 크기가 다른 조건 (우리의 목표는 아니 었음)보다 고통에 대해 더 크다는 것을 보여주지는 않지만, 다른 세 가지 경우보다 통증과 dACC 사이에 실제 연관성이 더 있음을 보여줄 수 있음을 보여줍니다 용어 및 dACC. 우리는 이것이 가치있는 공헌이라고 생각합니다. 현재의 분석에서 우리는 14 가지 용어 중 하나만을위한 역 추론 연관을 보여주는 복셀의 수를 세는 다른 접근법을 사용했습니다. 다시 말하면, 이러한 기준을 충족시키는 dACC의 복셀 중 대부분이 통증에 대해 선택적이었습니다.
TW는 z-score가 어떻게 계산되는지에 대한 그의 블로그 응답에서 chi-square로 시작하는 멋진 세부 정보를 제공합니다.
( "통증 없음")에 대한 활성화 빈도와 다른 연구 ( "통증이 없다")에 대한 기본 활성화 속도를 비교합니다. 공식적으로 카이 제곱 검정을 사용하여 P (A | 통증)와 P (A | 통증이 아닌)를 비교합니다. 따라서 그것은 우리에게 선호도에 대해 알려주지 만, 다른 잠재적 인 국가에 비해 특이성에 대해서는 알려주지 않는다. "
우리는 고통에 대한 z 점수가 그 자체로 일을하지 않는다는 데 동의합니다. 그러나 우리가 같은 좌표에 대해 P (A | 모터)와 P (A | 모터가 아님)를 알고있는 경우, 이는이 활성화가 운동보다 통증에 더 선택적인지를 평가할 수있게 해줍니다. z 점수가 클수록 P (A | term)가 P (A | term)보다 큼을 확신 할 수 있습니다. 이 z- 점수를 다른 용어들 (z pain 대 z motor )과 비교하면이 용어들 중 하나가 다른 용어보다 관심 영역에서의 활동과 연관되어 있음을 더 큰 확신을 가져야하는지 여부에 대해 우리에게 알려줍니다.
마지막으로 우리는 PNAS 논문에서 초점을 맞춘 8 개의 보셀을 사용하여 통증, 중재, 갈등 및 현기증이라는 용어에 대한 사후 확률을 비교했습니다. 예를 들어, 우리는 반복 측정 t- 테스트를 사용하여 임원에 대한 사후 확률 (임원에 대한 8 개의 사후 확률을 사용)을 가진 통증에 대한 사후 확률 (8 개의 다른 활성화 점에서 발생한 통증에 대한 8 개의 사후 확률 사용)을 비교했습니다. 통증에 대한 통증 대 다른 세 통증의 통증 후 확률은 현저히 높았으며, t> 5.92, p <.0003, d > 4.47이었다. 더욱이 통증을 두려움과 자율 신경과 비교할 때 통증에 대한 사후 확률은 유의하게 높았으며 t> 2.92, p = .03, d > 2.21이었다. 우리는 사후 확률을 비교하는 것이 우리의 요점을 만드는 데 필수적이라고 생각한 적이 없지만, 적어도 그 효과가 존재한다는 증거입니다.
아마도 적어도 우리가보고있는 데이터와 관련하여 두 가지 통계 집합과의 관련성이 높다는 점을 고려할 때 z- 점수로 볼 수있는 사후 확률과 동일한 것을 볼 수 있습니다. 특히, PNAS 논문에서 조사 된 8 개 장소에서 관심있는 용어에 대한 모든 후부 확률 및 z- 점수의 상관 관계는 r = 0.86 이었다. 따라서이 측정들 사이에 개념적 일광이 존재할 수도 있지만 기능적으로 그들은 우리 분석에서 거의 동일한 정보를 제공하고있었습니다. 이 유사성은 PNAS 논문의 8 개 위치에서 통증, 실행, 갈등 및 돌출에 대한 사후 확률에 대한 z 점수를 나타내는 아래 그림에서 볼 수 있습니다. 또한 7 개의 가장 높은 사후 확률과 7 개의 가장 높은 z- 점수는 모두 고통에서 비롯된 것임을 알 수 있습니다. 곡선 관계는 1.0의 상한에 제약 된 사후 확률에 기인 할 가능성이 높습니다.
선택성
우리는 이미 이전 블로그에서 선택성에 대해 꽤 많이 말했다. 우리는 단지 몇 가지 더 말하고 싶습니다. 하나는 보편적으로 동의 한 선택성에 대한 정의가 없다는 것이다 (TW는 그것을 "모호하게 정의 된"것으로 기술한다). 사람들은 정의를 가지고 있지만 모두가 같은 것을 가지고있는 것은 아닙니다. 그 의미는 우리가 용어를 사용할 때 선택성에 의해 의미하는 바를 말해야한다는 것입니다. (이 용어를 사용하는 논문은 PNAS 논문을 포함하여 거의 사용하지 않습니다.) 우리는 미래에이 점에 대해 더 신중할 것입니다.하지만 우리는 다른 연구원의 정의를 존중해야합니다. 다른 연구자의 정의는 존중해야합니다. 우리는 이제 dACC 복셀에서 선택성에 대한 세 가지 정의를 보았습니다. 모두 합리적입니다.
선택성 L & E : 통증이 다른 관심 대상 (임원, 갈등, 돌출)보다 dACC 활성화의 신뢰할 수있는 출처 인 경우 dACC 복통은 통증에 선택적입니다.
선택성 TY : dACC 복셀은 (i) 그 기능과의 견고한 연관성을 보여주고, (ii) 다른 모든 즉시 이용 가능한 대체물과의 관련성을 무시할 수 있으며, (iii) 저자가 특정 기능에 대해 '선택적' 문헌에서 제안 된 주요 후보 기능이 분석에서 잘 표현되도록 보장하는 데있어서 당연한 노력을 기울였습니다.
선택도 TW : dACC 복셀은 복소가 그 기능에 의해 활성화되고 "다른 것들에 의해 활성화되지 않는"경우 특정 기능에 대해 선택적입니다.
우리는 TW의 정의가 방어 가능하다고 생각하지만 아마도 fMRI 분석에서 선택적인 것을 호출하는 것을 배제 할 것입니다. 아마 뇌에 단지 하나의 프로세스에 대한 활성화를 보여주는 보셀이 거의 없기 때문입니다 (즉, 하나의 순방향 추론 맵에만 나타납니다). 우리는 우리의 정의와 타이의 정의가 더 실용적이라고 생각합니다. 우리는 현재까지의 선택성을 논의하는 대부분의 MVPA 연구에서 암묵적이라고 생각합니다. 우리는 TY가 높은 막대를 나타내지 만 흥미로운 막대는 MVPA가 아니라 Neurosynth와 같은 도구를 고려해야한다고 생각합니다.
경험적 사전
TY의 최신 블로그에서 그는 우리의 결론에 대한 문제 중 하나는 사후 확률을 사용하는 것이 잘못된 것이라고 제안했습니다. 고통에 대한 사후 확률은 약 0.80이며, 논문에서 검토 된 다른 조건에 대한 사후 확률은 .50과 .60 사이에있는 경향이 있습니다 (여기서 .50은 본래 null 효과 임). 우리는 이러한 차이점 (특히 관련 Z 점수 차이)이 dACC의 가능성있는 기능에 대해 알려주고 있다고 생각 합니다 . 그러나 TY는 dACC 활성을 가진 새로운 Neurosynth 연구가 무작위로 선택되면 우리가 이러한 효과에 근거하여 통증 연구가 될 것으로 예측할 수 있다고 생각합니다. 우리는 왜 타이가 우리가 이것을 믿을 것이라고 생각하는지 알 수는 있지만, 우리는 결코이 주장을하지 않았고 사실 이것을 믿지 않습니다.
TY는 통증에 대한 .80 사후 확률은 Neurosynth가 각 용어에 대해 가정하기 전에 .50으로 시작하는 것에 달려 있다고 지적합니다. Neurosynth의 .80 사후 확률은 결코 dACC 활성화 연구의 80 %가 통증 연구라는 것을 의미하지 않습니다. 사실, 우리는 이미 PNAS 논문에서 이것을 지적했다.
사후 확률은 효과 크기와 유사하지만 직접 해석 할 수있는 것은 아니지만 각각의 용어에 대한 베이지안 사전이 0.50로 표준화 되었기 때문에 결과 크기와 유사합니다. 따라서 0.82의 사후 확률은 0.56의 사후 확률보다 훨씬 큰 효과 크기 일 가능성이 높다. 그러나 규범으로 인해 0.82는 특정 심리학 용어로 연구가 활성화 될 확률이 82 %라고 암시 할 수 없습니다. "
TY는 고통과 다른 용어에 대한 경험적 사전 을 토론하기 위해 계속됩니다. 통증이 Neurosynth 데이터베이스의 모든 연구 중 3.5 %의 추상으로 나타나기 때문에, Neurosynth 데이터베이스의 모든 연구 중 18 %의 추상화에 나타납니다. (.03 및 .18)를 경험적 사전 용으로 사용하는 경우 각 기간 (.50 대신), 통증은 통증보다 높은 사후 확률로 끝납니다.
우리는 dACC 활성화가있는 Neurosynth 데이터베이스에서 연구를 보는 경우 통증 연구보다 운동 연구에서 유래했을 가능성이 더 큽니다. 그러나 우리는 이것이 거의 전적으로 지점이라고 생각합니다. 우리는 Neurosynth 데이터베이스 자체의 연구 분포에 관심이 없습니다. 우리는 현실 세계에서 dACC의 가능성있는 기능에 대한 결론을 내리는 데 관심이 있습니다. Neurosynth 데이터베이스의 통증 연구보다 더 많은 운동 연구가 있다는 것은 과학자의 과거 연구 우선 순위와 통증 연구를 실행하는 어려움에 비해 운동 연구를 실행할 수있는 가능성이 더 큰 경우에만 가능합니다.
Neurosynth 기반 사전의 이러한 차이가 얼마나 중요한지를 명확히 밝히기 위해 다음 예제를 고려하십시오. 통증과 운동 연구가있는 데이터베이스를 상상해보십시오. 100 개의 통증 연구와 1,000,000 개의 운동 연구가 데이터베이스에 있다고 가정합니다. 더 나아가 통증 연구의 100 %가 특정 복셀에서 dACC 활성을 생성하고 운동 연구의 단지 1 %만이 동일한 복셀에서 dACC 활성을 생성한다고 상상하십시오. 이 데이터베이스에서 무작위로이 dACC 복셀에서 활동을 나타내는 연구를 그려 보면 통증 연구보다 운동 연구가 100 배 더 많을 것입니다. 그럼에도 불구하고 어떤 합리적인 사람이라도 이러한 결과를보고 dACC의이 지점이 통증과 관련이 있지만 운동 과정과 관련이 없다고 결론 내릴 수 있습니다. 카이 제곱은이 결론을지지 할 것입니다.
우리는 Neurosynth의 맥락에서 각각 통증과 운동 능력에 대한 경험적 선구자가 3.5 %와 18 %라는 것을 이해합니다. 그러나 실제 경험적 선구자는 아닙니다 (그리고 TY는 그의 블로그에서 나중에 이것을 지적합니다). 우리는 Neurosynth를 만들었을 때 모든 prior를 .50으로 설정하려는 TY의 결정이 데이터베이스에서 더 잘 표현되는 연구의 종류에 의해 영향을 받도록 허용하지 않기 때문에 정말 좋은 아이디어라고 생각합니다.
TY의 첫 블로그에서 그는 사후 확률에 대해 실제로 생각하는 방법에 대해 훌륭한 설명을주었습니다. 그가 썼다:
"dACC voxel에서 통증에 대한 사후 확률을 80 %로 엄격하게 해석하는 이유는 11,000 개의 fMRI 연구를 발표하고 정확히 50 %가 'pain'이라는 용어를 초록에 포함시킨 것처럼 가장한다면, 문제의 복셀에서의 활성화는 50 %에서 80 %까지 발생하는 '통증'이라는 용어의 가능성을 증가시켜야합니다. "
그래서이 예제를 약간 연습 해 보겠습니다. 11,000 대신에 가상의 Neurosynth 데이터베이스에서 2,000 개의 연구가 있다고 가정합니다. 고통에 대한 선행 비율을 .50로 설정하면 "2,000 개의 연구 중 1,000 개가 초록에 통증이 있고 다른 하나는 그렇지 않다"고 상상해보십시오. 이 2,000 개의 연구에서 1,000 개가 관심 대상 복셀 (예 : 좌표 0, 18, 30)에서 dACC 활동을한다고 상상해보십시오. 이 복셀에서 .81의 통증에 대한 사후 확률은이 샘플에서 dACC를 사용한 1000 건의 연구 (또는 동일한 통증 / 통증이없는 새로운 연구 세트)에서 통증을 가질 것으로 예상해야 함을 의미합니다. 이 샘플에서 dACC를 사용한 1000 건의 연구 중 약 190 건은 용어로 통증이없는 것으로 나타났습니다. 이와 대조적으로, 모터가이 보셀에 대해 .51의 사후 확률을 갖는다면이 샘플에서 dACC를 사용하는 1000 건의 연구 중 약 510 건이 모터를 용어로, dACC가있는 1000 건의 연구 중 약 490 건이 샘플은 모터를 용어로 사용하지 않습니다. 이러한 분석에서 통증과 운동기는 직접 비교되지 않았지만, 우리는이 두 가지 분석이 통증이 운동 과정보다이 복셀에서의 활동을 더 잘 설명한다고 생각합니다. 이는 통증 (Z = 9.90) 및 운동 (Z = 0.21)의 경우 0, 18, 30의 z 점수에도 반영됩니다.
타이도 다음과 같이 씁니다 :
"이 모든 것에 대한 흥미로운 점은 어떤 용어에 대해 사전에 어떤 선택을 했더라도 Neurosynth z 점수는 결코 변하지 않을 것입니다. 이는 z- 점수가 용어 발생과 복셀 활성화 사이의 통계적 연관성에 대한 빈번한 측정이기 때문입니다. 그것은 우리에게 모든 데이터가 주어지면 용어와 지역이 정확히 연관성이 없다는 것입니다. 이것은 재미 있거나 그렇지 않을 수도 있습니다 (나는 그렇지 않다고 주장 하겠지만, 다른 게시물을위한 것입니다). 그러나 "dACC 활성화가 통증이 있음을 암시합니다."와 같이 역 추론을 허가하지는 않습니다. 후자의 주장을 그리기 위해서는 베이지안 프레임 워크를 사용하고 현명한 사전을 선택해야합니다. 전임자도없고 역 추론도 없다. "
이것은 여전히 우리에게 거의 이해가되지 않습니다. 첫째, TY가 여기에 우리에게 귀속되는 단어 ( "dACC 활성화는 통증이 있음을 암시합니다")을 쓰지 않았다는 것을 말할 수있는 한, 우리는이 견해를지지하지 않았기 때문에 그것을 말합니다. 또한 베이지안 프레임 워크가 없으면 역 추론 효과의 강도를 추정하는 사후 확률을 얻지 못한다는 것을 알고 있습니다. 그러나 Z 점수는 확실히 0이 아닌 역 추론 효과가 있는지 여부를 알려줍니다. 따라서, z- 점수는 실제로 우리에게 역 추론에 대한 관심의 무언가를 말하고 있습니다. dACC에 대한 14 개의 계정이 있고 14 개의 계정 중 1 개에서만 특정 복셀에 대한 역 추론 맵에 상당한 z- 점수가있는 경우 사후 확률을 전혀 언급하지 않고 해당 복셀의 기능에 대해 분명히 배웠습니다.
우리는 뇌 영역에 기능이 있다고 말할 수 있습니까?
TW는 우리 논문의 전제에 의문을 제기하면서 다음과 같이 제안했다.
"우리는 dACC 활동에 대한 통일 된 설명을 찾지 않아야합니다. 5 억 5 천만 개의 뉴런을 수집하는 데있어 "최선의 해석"을 찾으려고하는 것은 오도 된 것입니다. 왜냐하면 그것이 보증되지 않는 뇌 활동에 기초한 심리적 추론을하도록 유도하기 때문입니다. 비유하자면, 그것은 한 사람이 자신의 본국에 근거한 공화당 원인지 민주당 원인지 추측하려는 것과 같습니다. 텍사스에 사는 유권자의 "최선의 해석"은 그들이 공화당이라는 것입니다. 공화당을 추측하는 것은 옳은 일이지만 시간의 57 %만이 옳을 것입니다. "
이것은 실제로 단위 / 수준의 분석에 관한 과학 이슈의 철학입니다. 우리가 "특정 조건 하에서 사람들이 적합성 효과를 나타내는 경향이있다"고 말할 때 같은 문제가 사회 심리학에서 나타난다. 이것은 모든 사람이 그 상황에 놓인 것이 그 효과를 보여줄 것이 아니라 오히려 그 중심적인 경향이 있음을 의미한다. 통계적으로 노이즈와 구별 될 수 있습니다. 그냥 준수하지 않는 사람들이 있기 때문에 일반적으로 사람들이하는 일에 관해서는 유용한 방법으로 이야기 할 수 없다는 것을 의미하지는 않습니다.
TW의 입장은 철학적으로 방어 가능하지만, fMRI는 모든 단일 voxel이 약 550 만 개의 뉴런 (Logothetis, 2008)을 포함하고 있기 때문에 fMRI가 모든 뇌 영역 내의 심리적 기능을 거의 절대로 식별 할 수 없다는 결론에 이르고, 이러한 뉴런의 100 %는 단일 기능 / 프로세스와 다른 기능 / 프로세스에 의해 호출됩니다. 그러나 과학자들은 똑같은 일을하지 않는 수백만 개의 뉴런을 가지고 있음에도 불구하고 특정 기능면에서 해마를 기술하려고하는 데있어 유용성을 분명히 발견했다. 우리는 특정 기능이 해마 기능에 대한 최종 설명이라고 제안하지는 않지만, 해마가 전반적으로 토론되고, 세련되고, 업데이트 될 수있는 일반적인 기능을 갖추기위한 무의미한 노력은 아니라고 제안합니다.
텍사스의 57 %가 2012 년에 롬니에게 투표 한 사실 (오바마 대통령의 41 % 대)에 근거하여 무작위로 선택된 텍사스 인이 공화당인지 여부를 추측하는 TW의 예를 참조 할 수 있습니다. 우리는 이것이 훌륭한 예라고 생각하지만, 우리가 실제로 관심을 갖고있는 질문을 포착하지는 않습니다. 우리가 개인 텍사스 인을 dACC 뉴런 및 텍사스 주와 dACC를 전체적으로 동일시한다면, 우리의 진정한 의문은 특정인이 공화당인지 여부를 추측 할 수 있는지 여부 (비록 당신이 내기를 강요 당하면 공화당을 추측하지 않는 것이 미쳤지 만). 그 대신 우리의 질문은 "텍사스는 그 국가의 많은 사람들이 공화당이 아니라는 사실에도 불구하고 공화당 국가로서 기능 하는가?"와 유사하다.이 질문에 대한 답은 단호한 예이다. 공화당에 투표 한 57 %의 사람들이 공화당의 모든 정부 부처에서의 지배력을 확보했다 : 미국 상원 (100 %); 하원 의원 (69 %); 텍사스 주 상원 의원 (68 %); 텍사스 대표 (65 %); 텍사스 대법원 판사 (100 %). 이 수치는 텍사스가 공화당 국가로 기능 할만큼 충분히 높습니다. 주 입법부의 양원원이 65 % 이상인 공화당은 100 % 공화당 친화적 인 입법안을 통해 투표 할 수 있으며 주 대법원은 공화당의 우호적 인 결정을 시간을 끌 수 있습니다. 아마도 공화당 후보 인 텍사스 인들의 57 %가 텍사스의 38 개 선거 투표 중 100 %를 공화당 대통령 후보로 선출 한 지난 9 번의 선거를 연속으로 보냈을 가능성이 가장 크다. 당분간 우리는 텍사스를 공화주의 국가로 묘사하는 것이 현명한 가치가 있기 때문에 현명한 것이라고 생각합니다. 각 시민은 이것이 사실이되기 위해서 공화당에 가입 할 필요가 없으며, 민주적 인 몸을 지닌 도시 고립 된 영토가 있다는 사실도이 국가의 설명을 훼손하지 않습니다. 계산에 능숙한 사람들은 연결 네트워크를 고려해야합니다. 표현이 노드를 연결하는 가중치에 작은 이점이있는 경우 반복 제한 조건 만족 프로세스는 작은 이점을 결과에서 큰 기능 이점으로 전환합니다.
결론
역 추론 맵에서 z- 점수는 역 추론 효과의 강도를 말해 줍니까? 아니요. 그러나 그들은 우리의 분석에서 후행 확률과 상관 관계가 있습니다 .86. 역 추론 맵에서 Z 점수는 뇌에서 반 누적 관계가 0이 아닌 신뢰할 수있는 증거가 어디 있는지를 알려줍니다. 전혀. 한 학기 동안 중요한 z- 점수를 보이나 다른 관심사는 보이지 않는 복셀을 식별하면 역 추론을위한 도구로 z- 점수를 사용할 수 있습니까? 전혀.
dACC의 모든 뉴런이나 복셀이 통증에 대해 선택적이고 활성화되어 있다고 생각합니까? 아닙니다. 우리는 이것이 dACC의 기능에 대해 논의 할 수 없다는 것을 의미한다고 생각합니까? 아닙니다. dACC의 대부분의 복셀은 TY의 정의를 사용하여 선택합니까? 아닙니다. 그러나 dACC 복셀의 약 43 %는 고려한 14 개항을 사용하여 선택성을 나타냅니다 (즉, 해당 복셀은 고려중인 14 개의 역 추론지도 중 하나에 한 개뿐입니다).
선택적 dACC 복셀 중 91 %가 통증에 선택적입니다 . dACC는 우리가 PNAS 논문에서 논한 바와 같이 행정, 갈등 및 돌출 과정과 관련하여 통증을 선택적으로 선택합니까? 물론 선택성을 나타내는 477 개의 복셀 중 단지 1 개의 복셀 만이이 세 가지 프로세스 중 하나에 대해 선택적입니다. Neurosynth의 증거에 따르면, 주의력, 자율 신경계, 회피, 갈등, 감정, 오류, 집행, 공포, 부정적인 영향, 반응 억제, 반응 선택, 보상 및 현저함보다는 통증을 선택적으로 다루는 dACC가 더 많습니까? 전혀. 우리를 포함하여 거의 모든 사람들이 dACC가 통증에 대해 선별 적으로 많은 것을 추측 했으므로 우리의 발견은 정서적인지 신경 과학에 중요한 기여라고 생각합니다.
