Représentations distinctes des qualités gustatives de base dans le cortex gustatif humain

Sujets et procédures d’imagerie

Expérience 1 (3,0 T) : Vingt adultes en bonne santé (11 hommes, âgés de 26,2 ± 3,1 ans) ont donné leur consentement éclairé pour participer à l’expérience. Les données de 16 participants ont déjà été rapportées dans notre étude précédente15. Quatre participants ont été nouvellement recrutés pour cette étude. Les critères d’exclusion comprennent des antécédents psychiatriques ou neurologiques importants. Cette étude a été approuvée par le comité d’éthique de la recherche (CER) de l’Université de Toronto et le CER de l’hôpital SickKids. Aucun test statistique n’a été effectué pour déterminer la taille de l’échantillon a priori. Les tailles d’échantillon que nous avons choisies sont similaires à celles utilisées dans des publications antérieures16, 26. L’expérience a été réalisée à l’aide d’un système d’IRMf 3,0 T (Siemens Trio). Des images de localisation ont d’abord été recueillies pour aligner le champ de vision (FOV) centré sur le cerveau de chaque participant. Des images anatomiques pondérées en T1 ont été obtenues (1 mm3, 256 × 256 FOV ; séquence MPRAGE) avant les séries expérimentales d’imagerie écho-planaire (EPI). Pour l’imagerie fonctionnelle, une séquence écho-planaire à gradient a été utilisée (temps de répétition (TR) = 2000 ms ; temps d’écho (TE) = 27 ms ; angle de bascule = 70°). Chaque cycle fonctionnel comprenait 263 acquisitions du cerveau entier (tranches de 40 × 3,5 mm ; acquisition entrelacée ; FOV = 192 mm ; taille de la matrice = 64 × 64 ; résolution dans le plan de 3 mm). Les quatre premières images fonctionnelles de chaque série ont été exclues de l’analyse pour permettre l’équilibrage de la magnétisation longitudinale.

Expérience 2 (7,0 T) : Onze adultes en bonne santé (6 hommes, âgés de 22,2 ± 2,2 ans) ont donné leur consentement éclairé pour participer à l’expérience. Cette étude a été approuvée par le comité d’éthique de l’Institut national des sciences physiologiques du Japon. Aucun test statistique n’a été effectué pour déterminer la taille de l’échantillon a priori. Les tailles d’échantillon que nous avons choisies sont similaires à celles utilisées dans des publications précédentes16, 26. L’expérience a été menée à l’aide d’un système d’IRMf de 7,0 T (Siemens Magnetom). Des images de localisation ont d’abord été recueillies pour aligner le FOV centré sur le cerveau de chaque participant. Des images anatomiques pondérées en T1 ont été obtenues (isométrie de 0,75 mm, FOV 224 × 300 ; séquence MPRAGE). Pour l’imagerie fonctionnelle, une séquence écho-planaire de gradient a été utilisée (TR = 500 ms ; TE = 25 ms ; angle de bascule = 35° ; facteur multibande = 4). Chaque série fonctionnelle comprenait 1010 acquisitions du cerveau entier (tranches de 32 × 2,0 mm ; acquisition entrelacée ; FOV = 208 mm ; taille de la matrice = 104 × 104 ; résolution en plan de 2 mm). Les quatre premières images fonctionnelles de chaque série ont été exclues de l’analyse pour permettre l’équilibrage de la magnétisation longitudinale.

Procédures comportementales

Expérience 1 : Les stimuli gustatifs étaient délivrés par des tubes en plastique convergeant vers un collecteur en plastique, dont la buse faisait couler des solutions gustatives dans la bouche. Les tubes étaient pré-remplis de telle sorte que l’on n’observait pratiquement aucun délai entre la présentation du stimulus visuel et l’administration du liquide. Cent essais de solutions gustatives ont été randomisés et équilibrés sur cinq séries. Dans chaque essai, 0,5 ml de solution gustative était administré en 1244 ms. À la fin de l’administration du liquide, un écran demandait aux participants d’avaler le liquide (1 s). Après 7756 ms, des barres d’échelle sont apparues pour évaluer la positivité (3 s) puis la négativité (3 s) du liquide. Ensuite, 0,5 ml de liquide insipide a été administré pendant 1244 ms pour le rinçage, suivi de l’instruction d’avaler (1 s). Après un intervalle inter-essai de 7756 ms, l’essai suivant commençait.

Expérience 2 : Par rapport à l’expérience 1, l’administration des stimuli gustatifs ne différait que par leur moment et leur quantité. Cent essais de solution gustative ont été randomisés et équilibrés sur cinq séries. Dans chaque essai, 0,88 ml de solution gustative était administré en 2 s. Lorsque l’administration du liquide était terminée, un écran demandait aux participants d’avaler le liquide (2 s). Après 4000 ms, des barres d’échelle sont apparues pour évaluer la positivité (3 s) puis la négativité (3 s) du liquide. Ensuite, 0,88 ml de liquide insipide a été administré pendant 2 s pour le rinçage, suivi de l’instruction d’avaler (2 s). Après un intervalle inter-essai de 7 s, l’essai suivant commençait.

Session pré-expérimentale

Expérience 1 : Pour tenir compte des différences individuelles dans leurs expériences subjectives des différents goûts, on a demandé aux participants de goûter une plus large gamme d’intensités (mesurée par les concentrations molaires) des différentes solutions gustatives (acide, salé, amer et sucré). Lors de cette session pré-expérimentale, les participants ont été soumis à un essai (2 ml) de chacune des 16 solutions gustatives suivantes : (1) aigre/acide citrique : 1 × 10-1 M, 3,2 × 10-2 M, 1,8 × 10-2 M et 1,0 × 10-2 M ; (2) salé/sel de table : 5,6 × 10-1 M, 2,5 × 10-1 M, 1,8 × 10-1 M et 1,0 × 10-1 M ; (3) amer/sulfate de quinine : 1,0 × 10-3 M, 1,8 × 10-4 M, 3,2 × 10-5 M et 7,8 × 10-6 M ; et (4) sucré/saccharose : 1,0 M, 0,56 M, 0,32 M et 0,18 M. L’ordre de présentation était randomisé par goût, puis par concentration dans chaque goût. Après avoir bu chaque solution, les participants ont rincé et avalé 5 ml d’eau, puis ont évalué l’intensité et le caractère agréable (valence) de l’expérience de la solution sur des échelles distinctes de 1 à 9. Les concentrations correspondant à l’intensité de chaque goût ont été sélectionnées. Des travaux antérieurs2 ont montré que les participants ont des bases d’évaluation différentes et que les concentrations les plus fiables sélectionnées sont supérieures à l’intensité moyenne déclarée par les participants. Toutes les solutions ont été mélangées à l’aide de composés chimiques de qualité pharmaceutique de Sigma Aldrich (http://www.sigmaaldrich.com), sans danger pour la consommation.

Expérience 2 : Les participants ont été testés pendant 1 essai (1 ml) de chacune des 16 solutions gustatives comme suit : (1) doux 1/glucose : 2,0 M, 1,1 M, 0,56 M et 0,38 M ; (2) doux 2/sucralose : 2,1 × 10-3 M, 1,1 × 10-3 M, 0,53 × 10-4 M et 0,26 × 10-4 M ; (3) amer 1/catéchine : 3,5 × 10-2 M, 1,8 × 10-2 M, 8,8 × 10-3 M et 4,4 × 10-3 M ; et (4) amer 2/chlorure de magnésium : 0,4 M, 0,2 M, 0,1 M et 0,05 M. L’ordre de présentation était randomisé par goût, puis par concentration dans chaque goût. Après avoir bu chaque solution, les participants ont rincé et avalé 5 ml d’eau, puis ont évalué l’intensité et le caractère agréable (valence) de l’expérience de la solution sur des échelles distinctes de 1 à 9. Les concentrations correspondant à l’intensité de chaque goût ont été sélectionnées. Toutes les solutions ont été mélangées en utilisant des composés chimiques de qualité alimentaire de DHC (cathechin), FUJIFILM Wako Pure Chemical Corporation (chlorure de magnésium), Tsuruya Chemical Industries (sucralose) et Nichiga (glucose).

Analyse des données

Les données ont été analysées à l’aide du logiciel SPM8 (http://www.fil.ion.ucl.ac.uk/spm/). Les images fonctionnelles ont été réalignées, le timing des tranches corrigé et normalisées par rapport au modèle MNI (ICBM 152) avec interpolation dans un espace de 2 × 2 × 2 mm. Les données ont été lissées dans l’espace (largeur totale, demi-maximum (FWHM) = 6 mm) pour l’analyse univariée de la modulation paramétrique, mais pas pour l’analyse du modèle multivoxel, car cela peut nuire aux performances19. Chaque présentation de stimulus a été modélisée comme un événement distinct, en utilisant la fonction canonique de SPM8. Pour chaque voxel, les valeurs t des essais individuels ont été réduites en soustrayant la valeur moyenne des essais. Pour visualiser les résultats d’imagerie, le logiciel freesurfer39 (http://surfer.nmr.mgh.harvard.edu/) et la boîte à outils SPM surfrend (écrite par I. Kahn ; http://spmsurfrend.sourceforge.net) ont été utilisés après modification.

Analyse univariée

Nous avons effectué des analyses univariées pour examiner si les goûts de base étaient codés par des voxels spécifiques dans l’insula. Les régresseurs codant chaque tastant étaient verrouillés dans le temps à la présentation du stimulus. Les analyses univariées ont été effectuées deux fois : avec et sans régresseurs de valence hédonique (Fig. 1). Pour visualiser la variance pouvant être expliquée par les régresseurs de la valence hédonique dans les régions sensibles à l’amertume, nous avons sélectionné les voxels significatifs dans le contraste  » amer vs insipide  » sans régression de la valence (figure supplémentaire 1). L’activité moyenne a été présentée pour l’activité par rapport à la ligne de base au repos (figure supplémentaire 1a), l’activité par rapport à l’insipide (figure supplémentaire 1b) et l’activité par rapport à l’insipide avec régression de la valence (figure supplémentaire 1c). Pour tester l’existence d’un accord gustatif spécifique au voxel, nous avons divisé les séries paires et impaires de chaque participant, en comparant l’activité des voxels pour chaque goût dans les séries impaires à l’activité des voxels pour chaque goût dans les séries paires. À titre d’illustration, lorsque les voxels ont été classés en fonction de l’activation pour chaque goût dans les séries paires, nous avons trouvé des modèles cohérents d’activation décroissante correspondante pour les quatre goûts dans les séries impaires (figure 1b, figure supplémentaire 4). Les corrélations ont été calculées pour l’activation des voxels entre les séries impaires et paires entre toutes les combinaisons de goûts chez chaque participant, soumises à un test t à échantillon unique entre les participants (Fig. 1c, Fig. 4a, b). Nous avons ensuite calculé les corrélations entre les courses paires et impaires pour toutes les combinaisons de goûts identiques et différents chez chaque participant. Les coefficients de corrélation ont été transformés en z et soumis à un test t à un échantillon entre les participants (Fig. 1d, Fig. 4b, d).

Analyse searchlight pour les représentations de type de goût

Nous avons analysé les données d’IRMf du cortex insulaire en utilisant l’analyse searchlight (rayon de 4 mm, incluant 33 voxels)20. Dans une sphère donnée pour chaque participant, un vecteur a été créé contenant le schéma spatial du signal BOLD-IRM verrouillé dans le temps à la présentation du stimulus (valeurs t normalisées par voxel). Pour évaluer si les schémas d’activité dans les sphères de projecteurs sont capables de discriminer les types de goût, nous avons utilisé une validation croisée  » leave-one-stimulus-pair-out « 40. Dans cette procédure, le classificateur LDA a été entraîné sur 38 essais, qui comprenaient le type de goût testé et un autre type de goût (19 essais pour chacun), puis testé sur la paire de stimulus laissée de côté. La performance de classification pour chaque goût a été calculée en fonction des comparaisons avec d’autres goûts (par exemple, la performance de classification du goût acide a été calculée en fonction du goût acide par rapport au goût sucré, acide par rapport au goût amer, acide par rapport au goût salé et acide par rapport au goût insipide). Au niveau des individus, une précision de classification de 58,7 % correspondait à p < 0,05 non corrigé. Pour l’analyse de groupe, les cartes de performance de la classification individuelle ont été lissées avec un noyau gaussien de 4 mm de largeur d’onde, puis soumises à un test de permutation à un échantillon en utilisant SnPM13 (http://warwick.ac.uk/snpm). Dans cette procédure, les données de chaque participant ont été inversées de manière aléatoire en multipliant – 1 après avoir soustrait 50 % (précision du niveau de chance), puis soumises à un test t à échantillon unique entre les participants. Les données ont été permutées 10 000 fois, ce qui a permis d’obtenir la distribution du t maximal dans l’insula. Sur la base de cette distribution, le seuil de 5 % de FWE a été déterminé.

Analyse de conjonction de goûts

Pour l’analyse de conjonction de plusieurs goûts (figure 2b), chaque voxel a été testé pour savoir s’il dépassait le seuil pour les quatre discriminations de type de goût où chaque discrimination de type de goût a fait la moyenne des performances de classification sur quatre comparaisons (par exemple, aigre vs sucré, aigre vs amer, aigre vs salé et aigre vs sans goût), dépassant la classification aléatoire (50 %). Une inférence de conjonction valide nécessite des résultats significatifs pour toutes les comparaisons41. Nous avons donc compté le nombre de types de goût satisfaisant le seuil FWE de 5 % dans chaque voxel au sein de l’insula.

Analyse des paires de goûts

Pour l’analyse de paires de goûts spécifiques, nous avons examiné un ROI défini indépendamment au sein de l’insula. Nous avons d’abord utilisé une procédure de leave-one-subject-out, en excluant chacun des 20 sujets, puis en calculant une carte de conjonction de 4 goûts (c’est-à-dire les voxels satisfaisant les 4 contrastes de goût décrits ci-dessus) avec les 19 sujets restants, ce qui donne 20 cartes. Le chevauchement de ces 20 cartes de groupe est illustré à la figure 2c. Les voxels de la carte satisfaisant le seuil de 5 % de FWE ont été définis comme la ROI capable de discriminer le goût. À l’intérieur de cette ROI, nous avons examiné la discrimination de paires de goûts spécifiques, en calculant la performance de classification de chaque paire de goûts. La performance du groupe a été calculée comme la performance moyenne de classification sur 20 sujets (Fig. 2d).

Pour la discrimination des paires de goûts basée sur les évaluations de la valence (Fig. 2e), nous avons effectué une analyse LDA en utilisant les évaluations de la valence par les sujets (c’est-à-dire indépendamment des données IRMf). La valence a été calculée en soustrayant la note de négativité de la note de positivité pour chaque essai. La classification du goût a été calculée à l’aide d’un leave-one-trial-out formé sur les 19 essais restants pour chaque type de goût.

Analyse de la valence et du type de goût

Pour tester l’indépendance du type de goût par rapport à la valence, nous avons examiné la similarité des données d’IRMf dans le ROI défini par la carte de conjonction des quatre goûts ci-dessus. Pour chaque sujet, les corrélations essai par essai ont été calculées, ce qui a donné 4950 (100 × 99/2) coefficients de corrélation, triés en 2 × 2 catégories de type de goût (identique, différent) × valence hédonique (identique, différente). Les coefficients de corrélation ont été moyennés dans chaque cellule par sujet, puis les données de tous les sujets ont été soumises à une ANOVA à deux voies à mesures répétées avec le type de goût et la valence comme facteurs (figure 2g).

Nous avons en outre effectué une analyse de suivi sans dépendance des données dans les corrélations essai par essai à travers les cellules 2 × 2. Nous avons peuplé aléatoirement chaque cellule avec les 100 essais, en répétant cette procédure 1 000 000 de fois. Parmi ceux-ci, nous avons analysé la permutation présentant la plus grande congruence entre les facteurs 2 × 2 et les catégories d’essais réelles (sur la base de la moyenne géométrique maximale de la proportion des données réduites dans les quatre cellules). Nous avons ensuite calculé les corrélations inter-essais uniquement au sein de chaque cellule, en veillant à ce qu’il n’y ait pas de dépendance inter-cellules. Nous avons calculé la moyenne des coefficients de corrélation dans chaque cellule par sujet, puis les données de tous les autres sujets ont été soumises à une ANOVA à deux voies à mesures répétées (figure supplémentaire 3).

Les modèles de type de goût différaient indépendamment de la valence du goût, c’est-à-dire que les cartes de discrimination du goût étaient dissociables de la palatabilité. En raison de la forte association entre le type de goût et la valence, les combinaisons d’essais n’étaient pas égales entre les niveaux. Par exemple, la même valence avec des types de goût différents était relativement rare (tableau supplémentaire 4). Cependant, cela n’indique pas une multicollinéarité dans la taille de l’effet.

Statistiques

Nous avons analysé les données sans supposer une distribution normale, en utilisant des statistiques non paramétriques. Avant l’ANOVA (figure 2g), le test de Levene a été effectué pour s’assurer que l’hypothèse d’homoscédasticité était respectée. Des corrections de comparaisons multiples ont été appliquées, en utilisant la correction de Bonferroni.

Résumé du rapport

Des informations supplémentaires sur la conception expérimentale sont disponibles dans le résumé du rapport de Nature Research lié à cet article.