‫سازگاری های اتصال در سیستم های دوپامینرژیک بلوغ مغز سرمایه گذاران را تعریف می کند‬

‫خالصه‬

‫تصمیمات سرمایهگذاری بر ادراک محرکهای بیرونی همراه با ادغام سیگنالهای درونی مغز‪-‬بدن که همگی توسط تجربه شکل‬
‫میگیرند اتکا می کنند‪ .‬از آنجایی که تجربه میتواند ساختار و عملکرد مغز انسان را شکل دهد‪ ،‬ما از یک رویکرد عصبی‪-‬‬
‫تصویربرداری ژنتیکی جدید برای بررسی تأثیر تجربه کاری سرمایهگذاری بر آناتومی مغز استفاده کردهایم‪ .‬ما دریافتیم که‬
‫سرمایهگذاران ارشد حجم ماده خاکستری باالتر و افزایش اتصال ساختاری مغز را در مسیرهای مرتبط با دوپامین‪ ،‬و همچنین‬
‫مجموعهای از ژنها که به طور عملکردی با بیوسنتز آدرنالین و نورآدرنالین مرتبط هستند (‪ TH ،SLC6A3‬و ‪ ،)SLC18A2‬که‬
‫ظاهراً در پردازش پاداش نقش دارند‪ ،‬نشان میدهند‪ .‬و پاسخ های استرس بدن در طول معامالت مالی‪ .‬این نتایج نشان می دهد که‬
‫نقش کلیدی کاتکول آمین ها در روشی که سرمایه گذاران ارشد احساسات خود را مهار می کنند و در عین حال آگاهی بدنی خود‬
‫را با رشد در بلوغ سرمایه گذاری افزایش می دهند‪.‬‬

‫مقدمه‬

‫انسان ها تمایل دارند وقایع آینده را نه تنها در سناریوهای قابل پیش بینی‪ ،‬بلکه در میانه تصادفات پیش بینی کنند‪ .‬بدیهی است‬
‫که همه پیش بینی ها به خصوص در بازارهای مالی دقیق نیستند‪ .‬گاهی اوقات ادعا میشود که بازار سهام یک بازی شانسی است‬
‫که در آن هیچ دانشی از دادههای عملکرد گذشته نمیتواند به پیشبینی روندهای آینده بازار کمک کند‪ .‬با این حال‪ ،‬به جای‬
‫مشاهده تغییرات تصادفی در حرکات بازار‪ ،‬مغز ما به گونه ای طراحی شده است که الگوی ‪ 2‬را در تعقیب تخصیص سودمند پول‬
‫اعمال کند‪ .‬در این زمینه‪ ،‬دانشمندان علوم اعصاب دریافتهاند که تصمیمهای سرمایهگذاری ممکن است توسط سیگنالهایی هدایت‬
‫شوند که در نواحی زیر قشری غنی از دوپامین مغز ‪ ،۳‬جایی که انتظار میرود فرآیندهای ناخودآگاه بیشتری در آن انجام شود‪،‬‬
‫انجام شود‪.‬‬

‫فرض بر این است که نورونهای دوپامین با شناسایی الگوهای ظریفی که در غیر این صورت نمیتوانستیم فوراً آن را درک کنیم‪ ،‬به‬
‫پیشبینی پاداشها کمک میکنند‪ .‬با این حال‪ ،‬این ادراک تنها از تجربه ناشی میشود‪ ،‬بهوسیله یک فرآیند یادگیری که دائماً‬
‫انتظارات را بر اساس نتایج واقعی تنظیم میکند‪ .‬هنگامی که این پیشبینیها به احساسات درونی تبدیل میشوند‪ ،‬سیگنالهای‬
‫جسمی درک شده در انتظار آن نتایج مورد انتظار ظاهر میشوند‪ .‬این احتمال وجود دارد که این فرآیند ناخودآگاه تصمیمات ما را‬
‫قبل از دانش آگاهانه هدایت کند و شواهد عصبشناسی را ارائه دهد که چرا این انتخابها بهعنوان «احساس درست» یا «مستقیم‬
‫از روده» انجام میشوند‪ ،‬حتی با تصمیمهای پرمخاطره‪.‬‬

‫‪1‬‬
‫مدرسه اقتصاد‪ ،‬علی امیدی نیا‬
‫علیرغم اینکه شنود ممکن است بر فرآیندهای شناختی و عاطفی دخیل در تصمیم گیری پرخطر تأثیر بگذارد‪ ،‬افراد در توانایی آنها‬
‫برای ایجاد و درک پاسخ های فیزیولوژیکی به موقعیت های احساسی متفاوت هستند‪ .‬برای مثال‪ ،‬معامله گران با تجربه‪ ،‬تنوع‬
‫ضربان قلب کمتری دارند‪ ،‬اما همچنین از شدت بهتری برای تشخیص وضعیت خود برخوردارند‪ .‬ضربان قلب‪ ،‬حساسیتی که با‬
‫سودآوری آنها و همچنین بقای آنها در بازارهای مالی مرتبط است‪ .‬با توجه به ارتباط آنها با سیستم پاداش دوپامینرژیک‪ ،‬جای‬
‫تعجب نیست که نواحی مغزی که در ارتباط عصبی "مغز و روده" نامیده می شود همان چیزی است که ادبیات به عنوان برخی از‬
‫مناطق کلیدی مسئول ریسک پذیری در سرمایه گذاری های اقتصاد برجسته می شود‪.‬‬

‫در تالش برای آشکار ساختن موفقیت سرمایه گذار هوشمند‪ ،‬اقتصاد عصبی شروع به اتصال مناطق مغزی که از این فرآیند تصمیم‬
‫گیری پشتیبانی می کنند را به ریسک مالی واقعی متصل می کند‪ .‬تا کنون‪ ،‬تنها فعال شدن در اینسوالی قدامی و قشر جلوی‬
‫پیشانی بطنی جانبی با تخصص افراد در تجارت سهام در زندگی واقعی همبستگی منفی داشته است‪ .‬عالوه بر این‪ ،‬تصمیم به‬
‫تجارت در سرمایه گذاران فعال اخیراً به ژن های مرتبط با سطوح سیناپسی کاتکول آمین‪ ،‬به ویژه دوپامین نسبت داده شده است‬
‫زیرا ارتباط نزدیکی با رفتارهای جویای پاداش دارد‪ .‬اگرچه ترجیحات اقتصادی تا حدی با تفاوتهای ژنتیکی توضیح داده میشود‪،‬‬
‫عوامل محیطی مانند تجربه کاری نیز در این رابطه بین ژنها و ریسکپذیری که تصمیمهای مالی افراد را شکل میدهد‪ ،‬واسطه‬
‫میشوند و حتی ممکن است استعدادهای ژنتیکی برای سوگیریهای سرمایهگذاری را کاهش دهند‪.‬‬

‫‪2‬‬
‫مدرسه اقتصاد‪ ،‬علی امیدی نیا‬
‫شکل ‪ .1‬تغییرات ساختاری مغز و بیان ژن مغزی مرتبط با تجربه سرمایه گذاری‪( .‬الف) نقشه های قشر و زیر قشری حجم ماده‬
‫خاکستری در سرمایه گذاران ارشد‪ .‬رنگ های قرمز‪-‬زرد نشان دهنده حجم بیشتر و رنگ های آبی حجم کمتر هستند‪ .‬نتایج‬
‫تصحیحشده برای مقایسههای چندگانه با رنگ سیاه (باال) مشخص شدهاند‪ .‬نمودار رادار نشان داده شده است (پایین)‪( .‬ب) اتصال‬
‫ساختاری و پیشبینیهای مغزی از تجربه کاری سرمایهگذاری مرتبط با تحلیل تعامل سطح پیوند‪( .‬ج) ژن هایی که توزیع فضایی‬
‫مشابه آنها با نقشه های اتصال مغز نشان داده شده در ‪( b‬باال) همبستگی دارد‪ .‬مسیرهای ژنتیکی مرتبط با این ‪ 89‬ژن (وسط)‪.‬‬
‫شبکه عملکردی ژنتیکی که مرکزیت ‪ TH ،SLC6A3‬و ‪ SLC18A2‬را نشان میدهد (پایین)‪( .‬د) پیش بینی نواحی قشر و زیر‬
‫قشری از توزیع این ژن ها در مغز‪ )p = 0.00043982(TH ،SLC6A3 (p = 0.00029557) .‬و ‪p = (SLC18A2‬‬
‫‪ .)0.00001728‬تجزیه و تحلیل ‪ WLI‬با درجه وزنی آنالیز برهمکنش در سطح پیوند‪ ،‬بیان ژن نرمال شده ‪ R ،NGE‬راست‪L ،‬‬
‫چپ‪.‬‬

‫با توجه به این یافتهها‪ ،‬میتوان این فرض را مطرح کرد که سرمایهگذار باتجربه هنگام ایجاد یک سبد سرمایهگذاری ناخواسته به‬
‫احساسات یا احساسات درونی ناشی از نورونهای دوپامین تکیه میکند‪ .‬از آنجایی که مغز انسان در تمام طول عمر پالستیکی است‬
‫‪ ،2۳،24‬تغییرات ساختاری قابل توجهی را می توان در همه انسان ها با تخصص رفتاری خاص یافت‪ .‬این مطالعه بررسی کرد که آیا‬
‫تجربه کاری سرمایهگذاری در بازارهای مالی میتواند منجر به تغییرات شبکه مغز‪ ،‬به ویژه در سیستمهای مرتبط با دوپامین‪ ،‬با‬
‫استفاده از یک رویکرد یکپارچهسازی پیوندی‪-‬ژنتیکی تصویربرداری عصبی شود یا خیر‪.‬‬

‫نتایج‬

‫تجربه سرمایه گذاری و تغییرات مغزی ما متوجه شدیم که سرمایهگذاران ارشد حجم ماده خاکستری (‪ )GM‬بیشتری را در چندین‬
‫ناحیه مغز در مقایسه با سرمایهگذاران جوان نشان میدهند‪ ،‬یعنی در قشر پیشانی میانی دو طرفه‪ ،‬قطب فرونتال‪ ،‬قشر منزوی‪،‬‬
‫تاالموس‪ ،‬قشر دوکی شکل و شکنج گیجگاهی تحتانی‪ .‬آمیگدال راست‪ ،‬پوتا‪-‬مرد‪ ،‬شکنج زاویه ای‪ ،‬لوبول جداری فوقانی و قشر‬
‫اکسیپیتال جانبی‪ .‬و قشر اوربیتو فرونتال چپ‪ ،‬جسم مخطط شکمی‪ ،‬هیپوکامپ‪ ،‬شکنج تمپورال فوقانی و میانی (شکل ‪ a1‬و جدول‬
‫‪ .)S1‬پس از انجام همان تجزیه و تحلیل‪ ،‬هیچ منطقه ای کاهش قابل توجهی در حجم را نشان نداد‪ .‬تجزیه و تحلیل تعامل افزایش‬
‫اتصال ساختاری مغز در مدارهای مزولیمبیک‪ ،‬مخچه‪ ،‬قشر جزیره ای و قطب زمانی را هنگام مقایسه گروه ها نشان داد (شکل ‪.)S1‬‬
‫وقتی همه شرکتکنندگان را در یک گروه جمع کردیم و تجربه کاری را در نظر گرفتیم‪ ،‬یک الگوی غالب از اتصال زیر قشری و‬
‫مزوکورتیکال را مشاهده کردیم‪ ،‬بهویژه که ساقه مغز را درگیر میکند‪ ،‬مانند پونز و مغز میانی (شکل ‪ .)b1‬تمام اتصاالت آماری و‬
‫معنی دار در سطح پیوند برای هر دو تجزیه و تحلیل را می توان در شکل های کانکتوگرام (شکل ‪ b1‬و شکل ‪ )S1‬یافت‪.‬‬

‫تقاطع بین اتصال مغز سرمایه گذار و بیان ژن مغزی در حین ارزیابی کل رونوشت مغزی‪ ،‬ما کشف کردیم که سطوح بیان قشر ‪89‬‬
‫ژن شباهت فضایی قابل توجهی با اتصال مغز مرتبط با تجربه کاری نشان می دهد (شکل ‪ .)c1‬ما شناسایی کردیم که این مجموعه‬
‫از ژنها از نظر عملکردی با مسیرهای ژنتیکی خاص‪ ،‬مانند بیوسنتز آدرنالین و نورآدرنالین‪ ،‬مسیر فارماکودینامیک نیکوتین و مسیر‬

‫‪3‬‬
‫مدرسه اقتصاد‪ ،‬علی امیدی نیا‬
‫سیگنالینگ با واسطه گیرنده دوپامین مرتبط است‪ .‬استفاده از یک آستانه قابل توجه مالیم در تجزیه و تحلیل بیش از حد نشان داد‬
‫که پس از اعمال تصحیح بونفرونی (‪ ،)<p0/05‬مسیر بیوسنتز آدرنالین و نورآدرنالین زنده مانده است (شکل ‪ .)c1‬این مسیر‬
‫مولکولی مرتبط با کاتکوالمین ارژیک شامل سه ژن خاص‪ ،‬یعنی ‪ TH ،SLC6A3‬و ‪ SLC18A2‬است‪ .‬شباهت فضایی باالی زیر‬
‫قشری و تا حد بسیار کمتری سطح قشری‪ ،‬بیانگر سطوح )‪ )TH (r = 0.36 ،SLC6A3 (r = 0.37‬و ‪ )SLC18A2 (r = 0.44‬با‬
‫نقشه درجه وزنی تجربه کاری ما در سرمایه گذاری در نقشه بازارهای مالی در قالب های سطحی‪ ،‬حجمی و پراکنده در شکل ‪d1‬‬
‫نمایش داده شده است‪ .‬در نهایت‪ ،‬ما با تجزیه و تحلیل ژنتیکی اینتراکتوم تأیید کردیم که هر سه ژن ‪ TH ،SLC6A3‬و‬
‫‪ ،SLC18A2‬بر اساس موقعیت مرکزی آنها در شبکه اینتراکتوم‪ ،‬نقشهای کلیدی و وابسته به هم را در برهمکنشهای ژنتیکی‬
‫کلی خود فراتر از تطابق فضایی صرف بازی میکنند (شکل ‪. .)c1‬‬

‫بحث‬

‫با توجه به تجربه مالی‪ ،‬افزایش همزمان در حجم برخی از قسمتهای قشر مغزی (قشر اینسوال‪ ،‬پری فرونتال‪ ،‬گیجگاهی و جداری)‬
‫و زیر قشری (پون‪ ،‬مغز میانی‪ ،‬آمیگدال‪ ،‬هیپوکامپ‪ ،‬جسم مخطط و تاالموس) با توجه به تجربه مالی پیدا کردیم‪ ،‬که ما را به این‬
‫باور سوق میدهد‪ .‬هیچ یک از این مناطق به تنهایی در پاسخگویی به سرمایه گذاری ها به تنهایی تخصص ندارند‪ .‬برعکس‪ ،‬این‬
‫نتایج وجود شبکهای را نشان میدهد که احتماالً همزمان با بررسی اینکه آیا سرمایهگذاری شود یا خیر‪ ،‬درگیر است‪ ،‬به ویژه‬
‫مدارهای مربوط به ساقه مغز در پونز و مغز میانی‪ .‬بیان ژنتیکی باالتر ‪ TH ،SLC6A3‬و ‪ SLC18A2‬در این مناطق‪ ،‬اهمیت‬
‫نورآدرنالین‪ ،‬آدرنالین و دوپامین‪ ،‬که به عنوان کاتکوالمینها نیز شناخته میشوند‪ ،‬در پردازش پاداش و پاسخهای استرس بدن‬
‫هنگام معامله در بازارهای مالی‪ ،‬نشان میدهد‪.‬‬

‫سرمایه گذار افسانه ای پیتر لینچ اشاره کرد که "در بازار سهام‪ ،‬مهمترین عضو معده است‪ .‬این مغز نیست»‪ ،28‬اگرچه ممکن است‬
‫این ارتباط بین آنها باشد که این تصمیم گیری را بر اساس «احساسات درونی» هدایت می کند‪ .‬سیستم ارتباطی دو طرفه که روده‬
‫و مغز را از نزدیک به هم متصل می کند‪ ،‬بر فرآیندهای سطح باال و پایین تأثیر می گذارد‪ .‬در تصمیم گیری شهودی‪ ،‬تحریک‬
‫آگاهی بینابینی از این سیگنال ها به عنوان احساسات روده به فعال سازی فرونتو‪-‬جزئی ‪ ۳0‬در ارتباط با خطرات درک شده در‬
‫تصمیم گیری مرتبط است‪ .‬از یک طرف‪ ،‬به نظر میرسد که قشر اوربیتوفرونتال یکی از مناطق مغزی است که ارزش پاداش‬
‫پیشبینیکننده‪ ۳2‬را در طول انتخاب اقتصادی نشان میدهد‪ ،‬در حالی که قشر پیشپیشانی شکمی نیز ارزشهای معامالتی متورم‬
‫را بهعنوان پیشبینیکننده تمایل به سواری حبابها نشان میدهد‪ .‬از سوی دیگر‪ ،‬به نظر میرسد که اینسوالی قدامی یک سیگنال‬
‫تشخیص ریسک‪ ۳5‬را کد میکند که فعالسازی آن مقدم بر انتخابهای بدون ریسک است‪ ،‬بهویژه در معاملهگران سهام فعال‪.15‬‬
‫به عنوان یک نتیجه از تجربه این احساسات روده‪ ،‬خاطرات بینابینی در شبکه ای ظاهر می شود که قشر پیش پیشانی داخلی‪،‬‬
‫اینسوالی قدامی‪ ،‬آمیگدال و هیپوکامپ را به هم متصل می کند‪ .‬نواحی مغزی که در آن افزایش حجم در سرمایه گذاران ارشد‬
‫دیده می شود (شکل ‪ .)1‬توجه به سیگنال های بدنی برای اطمینان از رفتار سودمند ممکن است توانایی توسعه یافته توسط سرمایه‬
‫گذاران ارشد در هنگام ساخت سبد سهام آنها باشد‪.‬‬

‫‪4‬‬
‫مدرسه اقتصاد‪ ،‬علی امیدی نیا‬
‫پیشبینی جایی که بازار به سمت گرفتن سودآورترین تصمیمات سرمایهگذاری میرود‪ ،‬مستلزم سنجش دو مفهوم است که به طور‬
‫گسترده در امور مالی استفاده میشود‪ :‬پاداش مورد انتظار و ریسک‪ .‬علیرغم این واقعیت که پردازش پاداش شامل مدار‬
‫دوپامینرژیک مزوکورتیکولیمبیک است‪ ،‬که ما همچنین در نتایج خود مشاهده کردیم (شکل ‪ ،)1‬تالش برای محاسبه این پارامترها‬
‫در یک محیط متغیر و نامشخص مستلزم یک مبادله بین استراتژیهای بهرهبرداری و اکتشاف است‪ .‬وقتی سرمایهگذاران ارشد‬
‫مطمئن هستند که کدام مسیر سرمایهگذاری را باید دنبال کنند‪ ،‬پاسخ به شرایط فعلی معموالً مستلزم تصمیمگیری استثمارگرانه‬
‫است‪ ،‬جایی که مخطط و قشر جلوی پیشانی شکمی ارزش ذهنی پاداشهای بالقوه را دنبال میکنند‪ .‬برعکس‪ ،‬جستجوی‬
‫سرمایهگذاریهای جایگزین یا کسب دانش جدید بازار به منظور تصمیمگیری ممکن است به تصمیمات اکتشافی مرتبط باشد که‬
‫عمدتاً با فعال شدن در قشر فرونوپالر و شیار داخل جداری مرتبط است‪ ،‬و این احتمال را افزایش میدهد که کنترل توجه در‬
‫قسمت قدامی اولی منطقه ممکن است مکانیسم تغییر در بین این برنامه های رفتاری یادگیری باشد‪ .‬نقش کاتکول آمین ها در این‬
‫مقررات‪ ،‬احتماالً با تقویت پاسخ عصبی در حین پیش بینی پاداش به عنوان یک نگرش جدید به دنبال ریسک‪ ،‬ممکن است یکی از‬
‫دالیل توانایی سرمایه گذاران برای انطباق با بازارهای مالی در حال حرکت باشد‪.‬‬

‫به نظر میرسد تصمیمات سرمایهگذاری تحت تأثیر وضعیتهای داخلی بدن‪ ،‬ارزشهای نتیجه مورد انتظار و مکانیسمهای توجهی‬
‫است که توسط تجربه مالی حرفهای شکل میگیرد‪ .‬ژنهای خاصی سیستم عصبی بیولوژیکی را در پشت این عملکردها تنظیم‬
‫میکنند‪ ،‬جایی که ممکن است تفاوتهای فردی در فرآیند انتقالدهنده عصبی ایجاد شود و بر رفتار تجارت تأثیر بگذارد‪ .‬با ترکیب‬
‫تصویربرداری عصبی با اطالعات ژنتیکی‪ ،‬ما توانستیم سه ژن با بیان باال (‪ ،TH ،SLC6A3‬و ‪ )SLC18A2‬را شناسایی کنیم که در‬
‫تنظیم نورآدرنالین و آدرنالین و ترشح دوپامین نقش داشتند‪ ،‬که قبالً با حساسیت پاداش‪ ،‬نگرشهای ریسک اقتصادی و‬
‫استراتژیهای اکتشاف مرتبط بودند‪ .‬اگرچه مطالعات قبلی ‪ MAOA-L ،COMT ،DRD4‬و ‪ HTTLPR-5‬را به عنوان عوامل تعیین‬
‫کننده ژنتیکی رفتار ریسک پذیری مالی مورد هدف قرار داده اند‪ ،‬اکثر این نتایج نشان می دهد که یکی از عوامل میانجی تغییر در‬
‫تصمیم گیری های مالی‪ ،‬دوپامین است‪ ،‬با سطح سیناپسی متوسط مرتبط است‪ .‬با معامالت موفق ‪ .17‬یک توضیح عملی این است‬
‫که با استفاده از یادگیری تقویتی‪ ،‬نورونهای دوپامین میتوانند سیگنالهای انگیزشی مثبت و منفی را به عنوان توزیع احتمال‬
‫انتقال دهند که در آن پیامدهای آتی متعددی میتوانند به طور همزمان در مغز ارائه شوند‪.‬‬

‫ذکر این نکته ضروری است که نتایج ما از حجم نمونه کوچکی بدست آمده است‪ .‬با استفاده از ژنتیک تصویربرداری عصبی‪،‬‬
‫محدودیت دیگری از مقایسه بین نقشههای اتصال ما با پروفایلهای بیان ژن از اطلس مغز انسان آلن (‪ )AHBA‬به وجود آمد‪،‬‬
‫اگرچه این نشاندهنده رویکرد جدیدی در مورد اینکه چگونه عوامل محیطی میتوانند رابطه بین ژنها با ریسک مالی را واسطه‬
‫کنند‪ ،‬به وجود آمد‪ .‬گرفتن در اقتصاد عصبی در حالت ایدهآل‪ ،‬داشتن دادههای ‪ MRI‬طولی میتواند به ما ایده دقیقتری از‬
‫پیشرفت تغییرات ساختاری که با افزایش سالها تجربه در مغز رخ میدهد‪ ،‬به ما بدهد و اینکه آیا نرخ باالی سرمایهگذارانی که‬
‫شغل خود را در سالهای اولیه کارشان ترک میکنند یا خیر‪ .‬به دلیل عواملی مانند شکست در توسعه مدارهای کلیدی درگیر در‬
‫تصمیم گیری سرمایه گذاری‪ .‬آخرین محدودیت ناشی از فقدان داده های ‪ MRI‬طولی به دلیل نرخ باالی سرمایه گذارانی است که‬
‫شغل خود را در سال های اولیه کار خود ترک می کنند‪.‬‬

‫‪5‬‬
‫مدرسه اقتصاد‪ ،‬علی امیدی نیا‬
‫علیرغم این واقعیت که سرمایه گذاران ممکن است در توانایی خود برای انتخاب های مالی سودمند متفاوت باشند‪ ،‬نتیجه گیری ما‬
‫این است که یک مبنای عصب شناختی مشترک وجود دارد که با تجربه به دست آمده است‪ .‬با یادگیری نحوه استفاده از جنبه های‬
‫عاطفی سرمایه گذاری و در عین حال افزایش آگاهی بدنی‪ ،‬آنها می توانند احساسات را به درس هایی تبدیل کنند که در نهایت‬
‫تصمیمات آنها را با پشتیبانی سیستم های مغزی مرتبط با کاتکوالمین هدایت می کند‪.‬‬

‫مواد و روش ها‬

‫شرکت کنندگان‪.‬‬

‫‪ ۳1‬شرکت کننده سالم‪ 16 ،‬سرمایه گذار ارشد (‪ 2‬زن‪ ،‬میانگین سنی ‪ ،=40.5‬انحراف معیار = ‪ )7.8‬و ‪ 15‬سرمایه گذار جوان (‪1‬‬
‫زن‪ ،‬میانگین سنی = ‪ ،26.5‬انحراف معیار = ‪ ،)4.۳‬مورد مطالعه قرار گرفتند‪ .‬ما سرمایهگذار «بالغ»‪«/‬جوان» را بهعنوان شخصی‬
‫تعریف کردیم که بر اساس دستههای حرفهای که معموالً در شرکتهای مالی استفاده میشود‪ ،‬بیش از سه سال تجربه حرفهای در‬
‫سرمایهگذاری در بازارهای مالی دارد‪ .‬همه شرکت کنندگان توسط موسسه تحلیلگر مالی خبره (‪ ،CFA‬اسپانیا)‪ ،‬موسسه ‪Estudios‬‬
‫‪ ،Bursátiles (IEB‬اسپانیا) و از طریق ایمیل از طریق مخاطبین استخدام شدند‪ .‬هیچ سابقه بیماری عصبی‪ ،‬اختالالت روانپزشکی‬
‫یا سوء مصرف مواد گزارش نشده است‪ .‬این مطالعه با تایید کمیته اخالق دانشگاه ری خوان کارلوس انجام شد و همه شرکت‬
‫کنندگان رضایت آگاهانه کتبی ارائه کردند و مطابق با اعالمیه هلسینکی بودند‪.‬‬

‫جمع آوری داده های ‪ MRI‬شرکت کنندگان با یک مگنیتون پریسما زیمنس ‪ ۳‬تی اسکن شدند‪ .‬برای مطالعه تغییرات حجم‬
‫متریک در مغز‪ ،‬یک توالی مغناطیسی با وضوح باال‪ ،‬سه بعدی‪ T1-weighted ،‬آماده شده با گرادیان اکو سریع (‪ )MPRAGE‬با‪:‬‬
‫وکسل های همسانگرد ‪ 1‬میلی متری استفاده شد‪ 192 .‬برش ساژیتال; اندازه ماتریس اکتساب = ‪ ;256 × 256‬زمان تکرار (‪= )TR‬‬
‫‪ 2۳00‬میلی ثانیه؛ زمان اکو (‪ . = 2.98 ms)TE‬میدان دید (‪ = 256)FOV‬میلی متر‪ .‬به شرکتکنندگان دستور داده شد که تا‬
‫حد امکان ثابت بمانند و از پدهای فوم دو زمانی برای محدود کردن حرکت سر استفاده شد‪.‬‬

‫پیش پردازش تصویر داده های ‪ MRI‬با استفاده از کتابخانه نرم افزار ‪ )FMRIB v5.0.7 (FSL‬پیش پردازش شد‪ .‬خط لوله پیش‬
‫پردازش ‪ T1‬تشریحی شامل‪ :‬جهت گیری مجدد به سمت راست‪-‬خلفی‪ -‬تحتانی (‪ .)RPI‬هم ترازی با کامیسورهای قدامی و خلفی؛‬
‫کندن جمجمه؛ و تقسیم بندی ماده خاکستری (‪ .)GM‬یک مورفومتری مبتنی بر ‪ Voxel‬بهینه شده استفاده شد‪ ،5۳‬با ‪FSL54‬‬
‫انجام شد‪ .‬برآوردهای حجم جزئی ‪ GM‬با استفاده از ثبت غیر خطی به فضای استاندارد ‪ 2‬میلی متر ‪ MNI 152‬تبدیل شد‪ .‬تصاویر‬
‫بهدستآمده میانگینگیری شدند و در امتداد محور ‪ x‬چرخانده شدند تا یک الگوی ماده خاکستری متقارن چپ به راست ایجاد‬
‫شود‪ .‬سپس‪ ،‬تمام تصاویر ماده خاکستری بومی به صورت غیرخطی در این الگوی مطالعه خاص ثبت شده و برای تصحیح انبساط‬
‫(یا انقباض) محلی به دلیل مولفه غیرخطی دگرگونی فضایی «مدولهشده» شدند‪ .‬در نهایت‪ ،‬تصاویر ماده خاکستری مدوله شده با‬
‫یک هسته گاوسی همسانگرد با سیگما ‪ ۳‬میلی متر (‪ 7‬میلی متر عرض کامل در نصف حداکثر) هموار شدند‪.‬‬

‫‪6‬‬
‫مدرسه اقتصاد‪ ،‬علی امیدی نیا‬
‫بین تفاوت های ساختاری گروهی یک مدل خطی تعمیم یافته دو طبقه‪ ،‬با تنظیم سن‪ ،‬برای بررسی تفاوتهای بین گروهی در‬
‫حجم ‪ GM‬استفاده شد‪ .‬اثر حذف شده سن در مغز را می توان در شکل ‪ S2‬به تصویر کشید‪ .‬برای تصحیح مقایسه چندگانه‪ ،‬از‬
‫شبیه سازی مونت کارلو با ‪ 50000‬تکرار برای تخمین احتمال اندازه خوشه های مثبت کاذب در هر وکسل با مقدار ‪p <0.05‬‬
‫استفاده شد‪ .‬تجزیه و تحلیل با اصالح جنسیت تکرار شد و نتایج باقی ماند‪.‬‬

‫تجزیه و تحلیل اتصاالت مغزی برای شناسایی شبکههای مغزی احتمالی مرتبط با تغییرات حجم ‪،GM‬‬

‫یک تحلیل اتصال ساختاری اجرا شد‪ .‬برای کاهش ابعاد تجزیه و تحلیل سطح پیوند‪ ،‬تصاویر ‪ GM‬به ‪ 6‬میلی متر کاهش یافت‪ .‬یک‬
‫مدل خطی عمومی (‪ ،)GLM‬برای بررسی تفاوتهای بین گروهی در اتصال ساختاری (رابطه تغییرات حجم ‪ GM‬در ‪ 2‬منطقه)‪ ،‬با‬
‫استفاده از تجزیه و تحلیل تعامل برای هر جفت وکسل ‪ GM‬استفاده شد‪ .‬یک شبکه آماری ‪ 6220 × 6220‬گره به دست آمد‪.‬‬
‫تصحیح کل مغز برای مقایسه های چندگانه با تطبیق روش شبیه سازی مونت کارلو با شبکه ها محاسبه شد‪ .‬برای محاسبه اندازه‬
‫خوشه مثبت کاذب با مقدار ‪ 10000 ،p <0.001‬شبکه تصادفی با همان ویژگی های هموارسازی تولید شد‪ .‬در مقایسه با‬
‫نقشههای درجه وزنی که در آن خوشهها بهعنوان ‪vox-el‬های پیوسته تعریف میشوند‪ ،‬در اینجا خوشهها بهعنوان پیوندهایی‬
‫تعریف شدند که گروههای ‪ voxel‬به هم پیوسته را به هم متصل میکنند‪.‬‬

‫برای مطالعه چگونگی تأثیر تجربه کار بر شبکههای مختلف مغز‪ ،‬از تحلیل تعامل دیگری برای بررسی رابطه تجربه کاری با قدرت‬
‫اتصال ساختاری استفاده شد (چقدر حجم دو ناحیه بین آنها مرتبط است)‪ .‬تجزیه و تحلیل تعامل به دنبال اثر ضربی حجم یک‬
‫منطقه با تجربه کاری و چگونگی توضیح حجم در منطقه دیگر‪ ،‬حذف اثرات فردی حجم این مناطق و تجربه کاری‪ ،‬استفاده از‬
‫تصحیح کل مغز برای مقایسه های متعدد است‪ .‬با تطبیق روش شبیه سازی مونت کارلو به شبکه ها محاسبه شده است‪.‬‬

‫رابطه بیان ژن با تغییرات شبکه برای بررسی شباهتهای بین پروفایلهای ژنتیکی کدکننده پروتئین‬
‫با فنوتیپهای تصویربرداری عصبی‬

‫ما دادههای بیان ژن ریزآرایه از اطلس مغز انسان آلن (‪ )AHBA‬را با درجات وزنی پیوندها با مقدار ‪ p <0.001‬مرتبط کردیم‪ ،‬در‬
‫حالی که تجزیه و تحلیل تعامل را انجام میدادیم‪ .‬با سابقه کار ‪ AHBA‬مقادیر بیان ژنومی با وضوح باال را برای شش آزمودنی‬
‫انسانی فراهم میکند و بیش از ‪ 20000‬ژن را در ‪ ۳702‬نمونه توزیع شده در سراسر مغز تعیین میکند‪ .‬مطابق با آخرین‬
‫توصیهها‪ ،57‬نقشههای مغزی نشاندهنده توزیع فضایی هر ژن با استفاده از دادههای بیان ریزآرایه با تصاویر ‪ MRI‬آنها و مختصات‬
‫هر نمونه برای شش اهداکننده ایجاد شد‪ .‬مراحل زیر انجام شد‪ )1( :‬برای هر ژن‪ ،‬مقادیر بیان با پروب های متعدد به طور متوسط‬
‫محاسبه شد‪ )2( .‬هر نمونه با یک برچسب تشریحی با استفاده از ‪ 89‬ناحیه مغزی تعریف شده با اطلس فری سرفر (‪ 68‬ناحیه‬
‫قشری تعریف شده توسط اطلس ‪ 16 ،Desikan-Killiany‬منطقه زیر قشری از تقسیم بندی ‪ 2 ،Freesurfer‬مخچه و ‪ ROI ۳‬از‬
‫ساقه مغز) مرتبط بود‪ :‬مغز میانی‪ ،‬پونز و مدوال)؛ (‪ )۳‬برای هر موضوع‪ ،‬ما میانه بیان ژن همه نمونهها را در همان منطقه محاسبه‬

‫‪7‬‬
‫مدرسه اقتصاد‪ ،‬علی امیدی نیا‬
‫کردیم‪ )4( .‬در نهایت‪ ،‬ما ارزش بیان ژن میانه هر ناحیه مغز را بین شش اهداکننده محاسبه کردیم‪ .‬پس از استخراج نقشه درجه‬
‫وزنی تجربه کاری‪ ،‬این نقشه به اطلس ‪ 89‬منطقه ای تبدیل شد و از همبستگی پیرسون برای ارزیابی مقدار شباهت فضایی با‬
‫مقادیر بیانی همه ژن های موجود استفاده شد‪ .‬محاسبات شباهت فضایی با استفاده از یک مقدار شباهت فضایی باالتر از ‪ 2‬انحراف‬
‫استاندارد توزیع شباهت فضایی‪ ،‬ژنهای مشابه توزیع شده را در نتیجه تصویربرداری عصبی ما بر اساس نقشههای اتصال درجه‬
‫وزنی شناسایی کرد‪.‬‬

‫هستی شناسی ژن (‪.)GO‬‬

‫برای مطالعه عملکردهای ژنتیکی ژنهایی با بیان فضایی بسیار مشابه با فنوتیپ مغز ما‪ ،‬از منابع حاشیهنویسی هستیشناسی ژن‬
‫استفاده کردیم‪ .‬این آزمایش بازنمایی بیش از حد‪ ،‬مسیرهای آنالیز پروتئین از طریق روابط تکاملی (‪ )PANTHER‬مرتبط با ژنهای‬
‫واقع در کران باالیی دم را ارزیابی کرد‪ .‬فهرست ژنها با استفاده از آزمون دوجملهای با تصحیح نرخ کشف نادرست برای انجام‬
‫آزمایشهای آماری (تصحیح مقایسهای چندگانه در سطح ‪ )q <0.05‬وارد ابزار تجزیه و تحلیل غنیسازی اصطالح ‪GO‬‬
‫(‪ )http://geneontology.org‬شد‪.‬‬

‫تجزیه و تحلیل اینتراکتوم‪.‬‬

‫ما از یک رویکرد متقابل ژنتیکی برای تأیید یافته های ژنتیکی خود فراتر از کلکالیزاسیون فضایی مغز آنها استفاده کردیم‪.‬‬
‫‪ )http://genemania.org(Genemania59‬و ‪ .Cytoscape60 v3.8.2‬برای انجام تجزیه و تحلیل متقابل ژنتیکی از نرم‬
‫افزار (‪ )https://cytos cape.org‬استفاده شد‪ .‬یک شبکه ژن‪-‬ژن ترکیبی مبتنی بر همبیانها‪ ،‬هممحلسازیها و‬
‫برهمکنشهای پیشبینیشده برای بهدست آوردن روابط پیچیده بین همه ژنهای مشتقشده از تقاطعهای فضایی تصویربرداری‬
‫عصبی‪ ،AHBA-‬و مرکزیت نزدیکی برای ارزیابی مرکز ژنهای خاص استفاده شد‪ .‬در شبکه اینتراکتوم‪.59,60‬‬

‫تجسم‪.‬‬

‫سطوح کورتیکال با استفاده از شاخص میانگین جمعیت و پیش بینی های مبتنی بر سطح نرم افزار ‪CARET v5.65‬‬
‫(‪ )http://brainvis.wustl.edu/wiki/index.php‬تجسم شدند‪ ،‬در حالی که سطوح زیر قشر با استفاده از ‪Matlab‬‬
‫‪ R2018b‬تجسم شدند (‪ .)https: //www.mathworks.com/products/matlab.html‬تصاویر سطحی با استفاده از‬
‫مقیاس رنگی بر اساس امتیاز ‪ T‬نمایش داده شدند‪ .‬تصاویر در حجم اضافه شد تا یافته های زیر قشری مخطط‪-‬تاالموس‪-‬لیمبیک‪-‬‬
‫مغز میانی را نشان دهد‪ ،‬در صورت وجود‪ .‬پیوندهای آماری معنیدار در ماتریس ‪ 6220×6220‬با استفاده از ‪NeuroMArVL‬‬

‫‪8‬‬
‫مدرسه اقتصاد‪ ،‬علی امیدی نیا‬
‫‪ )/(https://immersive.erc.monash.edu/neuromarvl‬روی یک کانکتوگرام پیشبینی شدند‪ .‬برای اهداف تجسم‪،‬‬
‫‪ 6220‬گره به ‪ 85‬ناحیه قشر زیر قشری مغز کاهش یافت‪.‬‬

‫در دسترس بودن داده ها و کدها‬

‫دادههای تصویربرداری عصبی و در دسترس بودن کد‪ :‬مجموعه دادههای تصویربرداری عصبی و همه کدهای تجزیه و تحلیل‬
‫تصویربرداری در صورت درخواست از نویسنده مربوطه برای جامعه پژوهشی در دسترس هستند‪ .‬داده های ژنتیکی‪ :‬داده های‬
‫ژنتیکی از وب سایت ‪ )https://human.brain-map.org(AHBA‬در دسترس است‪.‬‬

‫‪9‬‬
‫مدرسه اقتصاد‪ ،‬علی امیدی نیا‬