Neurometabolic predictors of mental effort in the frontal cortex
Notice bibliographique
Résumé
Abstract Motivation drives individuals to overcome costs to achieve desired outcomes, such as rewards or avoidance of punishment, with significant variability across individuals. The dorsomedial prefrontal cortex/dorsal anterior cingulate cortex (dmPFC/dACC) and anterior insula are key brain regions implicated in effort-based decision-making. Here, we utilized proton magnetic resonance spectroscopy ( 1 H-MRS) at 7 Tesla on 69 healthy participants in these brain regions to uncover the neurometabolic factors that influence these differences. We designed and applied an effort-based decision-making task requiring mental and physical effort to probe motivated behavior, complemented by computational modeling to extract key behavioral parameters. Gradient boosting machine learning was applied to explore the predictive role of specific metabolites in motivated behavior. Our results reveal that a model established on dmPFC/dACC metabolites explains decisions to exert high mental effort and sensitivity to mental effort. In particular, glutamate, aspartate, and lactate in dmPFC/dACC, three metabolites linked through the tricarboxylic acid cycle and glycolysis, were identified as key discriminative metabolites in the dmPFC/dACC, predictive of mental effort choices, underpinning energy supply and cognitive processes. Anterior insula metabolites did not significantly relate to effort-related decisions. Notably, glutamine and lactate levels between the periphery (plasma) and the dmPFC/dACC were correlated, suggesting a metabolic link between peripheral and central biomarkers of effort. Our findings provide novel insights into the neurometabolic underpinnings of motivated behavior and propose novel biomarkers for mental effort-based decision-making. Importantly, our study highlights the relevance of multivariable approaches in elucidating complex cognitive functions.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».