Aus der Klinik für Neurologie der Universität zu Lübeck Direktor: Prof. Dr. Thomas Münte
Einfluss von Mutationen und Polymorphismen in Genen der Schilddrüse auf kognitive Funktionen
Inauguraldissertation zur
Erlangung der Doktorwürde der Universität zu Lübeck - Aus der Sektion Medizin -
vorgelegt von Jan Uter aus Osnabrück
Lübeck 2020
1. Berichterstatter: Prof. Dr. med. Thomas Münte 2. Berichterstatter: Prof. Dr. med. Tobias Bäumer Tag der mündlichen Prüfung: 22.12.2020
Zum Druck genehmigt. Lübeck, den 22.12.2020 Promotionskommission der Sektion Medizin
Inhaltsverzeichnis
Abbildungsverzeichnis ... 1
Tabellenverzeichnis ... 2
Abkürzungsverzeichnis ... 3
1. Einleitung ... 5
1.1 Zielsetzung der Arbeit ... 5
1.2 Kognitive Funktionen ... 6
1.3 Elektrophysiologische Marker kognitiver Funktionen ... 7
1.4 Regulierung und Wirkung von Schilddrüsenhormonen ... 9
1.4.1 Thyreotroper Regelkreis ... 9
1.4.2 Monocarboxylat-Transporter ...10
1.4.3 Deiodinasen ...11
1.4.4 Schilddrüsenhormonrezeptoren ...11
1.5 Kognitive Veränderungen bei Hypo- und Hyperthyreose ...11
1.6 Mutationen des TRβ ...12
1.6.1 Periphere Schilddrüsenhormonresistenz ...12
1.6.2 Kognitiver Phänotyp von RTHβ ...13
1.6.4 Erkenntnisse aus EEG-Studien mit ADHS ...14
1.7 Polymorphismen von MCT8, MCT10 und DIO2 ...14
1.7.1 Einzelnukleotid-Polymorphismen ...14
1.7.2 Einfluss auf die Schilddrüsenfunktion ...16
1.7.3 Einfluss auf kognitive Funktionen ...16
1.8 Hypothesen ...17
2. Material und Methoden ...19
2.1 Mutationen des TRβ ...19
2.1.1 Teilnehmer/innen ...19
2.1.2 Klassifizierung von ADHS ...20
2.1.3 Flanker-Aufgabe ...21
2.1.4 Elektrophysiologische Methoden ...22
2.1.4.1 Versuchsaufbau ...22
2.1.4.2 Datenverarbeitung ...23
2.1.4.3 Ermittlung der Komponenten ...24
2.1.5 Verhaltensdaten ...25
2.1.6 Statistische Auswertung ...25
2.2 Polymorphismen von MCT8, MCT10 und DIO2 ...26
2.2.1 Teilnehmer/innen ...26
2.2.2 Genotypisierung ...27
2.2.3 Persönlichkeitsmerkmale ...28
2.2.4 Neuropsychologische Testung ...28
2.2.4.1 Flanker-Aufgabe ...28
2.2.4.2 Stroop-Aufgabe ...29
2.2.4.3 n-back-Aufgabe ...29
2.2.4.4 Tonische und phasische Aufmerksamkeit ...30
2.2.4.5 Geteilte Aufmerksamkeit ...30
2.2.4.6 Task-switching Paradigma ...30
2.2.4.7 Wechsler Adult Intelligence Scale ...31
2.2.4.8 Sprachkompetenz ...31
2.2.4.9 Trail-making-test ...31
2.2.4.10 Wisconsin Card Sorting Test ...31
2.2.4.11 Turm von London ...32
2.2.5 Statistische Auswertung ...32
3. Ergebnisse ...33
3.1 Mutationen des TRβ ...33
3.1.1 Klassifizierung von ADHS ...33
3.1.2 Verhaltensdaten ...33
3.1.3 Elektrophysiologische Daten ...35
3.1.3.1 Response-locked EKPs ...35
3.1.4.2 Stimulus-locked EKPs ...37
3.2 Polymorphismen von MCT8,10 und DIO2 ...39
3.2.1 Persönlichkeitsmerkmale ...39
3.2.2 Neuropsychologische Testung ...40
4.Diskussion ...44
4.1 Mutationen des TRβ ...44
4.1.1 Rolle des Hormonspiegels ...44
4.1.2 Verhalten ...44
4.1.3 Performance Monitoring ...46
4.1.4 Aufmerksamkeit und Handlungskontrolle ...47
4.1.5 Kognitiver Phänotyp ...48
4.2 Polymorphismen von MCT8,10 und DIO2 ...48
4.2.1 MCT8 ...48
4.2.2 MCT10 ...50
4.2.3 DIO2 ...50
4.2.4 Fazit und Limitationen ...52
5. Zusammenfassung ...53
6. Literaturverzeichnis ...54
7. Danksagungen ...69
8. Lebenslauf ...70
1
Abbildungsverzeichnis
Abbildung 1: Beispiel EKP: ERN und Pe ... 8
Abbildung 2: Beispiel EKP: N2 und P3 ... 9
Abbildung 3: Thyreotroper Regelkreis ...10
Abbildung 4: Hormonwerte...20
Abbildung 5: 10/20 System ...23
Abbildung 6: Reaktionszeiten ...34
Abbildung 7: Fehlerquoten ...35
Abbildung 8: Response-locked EKP ...36
Abbildung 9: Topographischer Plot: ERN ...37
Abbildung 10: Stimulus-locked EKP ...38
Abbildung 11: P3 Spitzenlatenzzeit ...39
Abbildung 12: Persönlichkeitsmerkmale...40
Abbildung 13: Neuropsychologische Testergebnisse ...43
2
Tabellenverzeichnis
Tabelle 1: Allel-Konstellationen der SNPs ...27
Tabelle 2: Verteilung der Genotypen auf die Teilnehmer ...27
Tabelle 3: Ergebnisse MCT8 ...41
Tabelle 4: Ergebnisse MCT10 ...42
3
Abkürzungsverzeichnis
A ... Adenin ACC ... Anteriorer cingulärer Cortex ADHS ... Aufmerksamkeitsdefizit-/Hyperaktivitätsstörung AHDS ... Allan-Herndon-Dudley-Syndrom AQ ... Aggression Questionnaire ASRS ... Adult ADHS Self-Report Scale BDHI ... Buss-Durkee Hostility Inventory C ... Cytosin CFQ ... Cognitive Failures Questionnaire d‘ ... d-prime DIO ... Deiodinase DSM ... Diagnostic and Statistical Manual of Mental Disorders EEG ... Elektroenzephalogramm EKP ... Ereigniskorreliertes Potenzial ELISA ... enzyme-linked immunosorbent assay EOG ... Elektrookulographie ERN ... Error Related Negativity G ... Guanin GA ...Grand Average I7 ... I7 Impulsiveness Questionnaire ICA ... Unabhängigkeitsanalyse IQ... Intelligenzquotient IQR ... Interquartilsabstand ISI ... Interstimulusintervall MCT ... Monocarboxylat-Transporter MRT ... Magnetresonanztomographie Pe ... Error Positivity PES ... post-error slowing RTH ... Periphere Schilddrüsenhormonresistenz SD ... Standardabweichung SNP ...Einzelnukleotid-Polymorphismus SPSRQ ... Sensitivity to Punishment and Sensitivity to Reward Questionnaire SSRT ... stop signal reaction time T ... Thymin
4 T3 ... Triiodthyronin T4 ... Thyroxin/Tetraiodthyronin TAP ... Testbatterie für Aufmerksamkeitsprüfung TMT ... Trail-making-test ToL ... Turm von London TRH ... Thyreotropin Releasing-Hormon TRβ... Schilddrüsenhormonrezeptor β TS ... Task-switching Paradigma TSH ... Thyreotropin VA ... Varianzanalyse WAIS ... Wechsler Adult Intelligence Scale WCST ... Wisconsin Card Sorting Test
5
1. Einleitung
1.1 Zielsetzung der Arbeit
Schilddrüsenhormone spielen eine wichtige Rolle bei der Regulation zahlreicher Körperfunktionen. Dazu zählen sowohl metabolische, d.h. den Stoffwechsel betreffende (Hall und Guyton, 2011), als auch, mittelbar über die Wirkung von Schilddrüsenhormonen auf das Gehirn, kognitive Funktionen. Mit dem Begriff „kognitive Funktionen“ lassen sich Fähigkeiten und Leistungen des Gehirns zusammenfassen, die es Menschen ermöglichen, optimal mit ihrer Umwelt zu interagieren. Studien konnten zeigen, dass Zustände von Hormonmangel (Hypothyreose) oder Hormonüberschuss (Hyperthyreose) häufig mit Einschränkungen kognitiver Funktionen einhergehen (Bauer et al., 2008; Samuels, 2014, 2008). Solche Störungen des Hormonhaushalts werden oft durch eine veränderte Ausschüttung von Hormonen, beispielsweise im Rahmen von Autoimmunerkrankungen der Schilddrüse, wie Morbus Basedow oder Hashimoto-Thyreoiditis, verursacht (Burch und Cooper, 2015; Pyzik et al., 2015). Weitere Ursachen für Störungen des Hormonhaushalts sind Veränderungen bestimmter Gene. Genetische Veränderungen können die Funktionsweise von Transportern, Enzymen und Rezeptoren, welche für eine ordnungsgemäße Schilddrüsenfunktion notwendig sind, einschränken und dadurch die Hormonwirkung beeinflussen. In welchem Ausmaß kognitive Funktionen durch solche genetischen Veränderungen beeinflusst werden, ist Fragestellung dieser Arbeit. Dafür wurden Mutationen in Genen des Schilddrüsenhormonrezeptors β (TRβ) und Einzelnukleotid-Polymorphismen (Englisch: „Single Nucleotide Polymorphisms“, SNPs) in Genen der Monocarboxylat-Transporter (MCT) 8 und 10 und Deiodinase (DIO) 2 untersucht. Grundlage dieser Arbeit waren zwei Studien, in denen kognitive Funktionen durch unterschiedliche Ansätze messbar gemacht wurden. Das gemeinsame Ziel war es, neue Erkenntnisse über den Einfluss der untersuchten genetischen Veränderungen auf kognitive Funktionen zu gewinnen.
Die Forschung an Mutationen des TRβ wurde durch Studien motiviert, welche bereits zuvor einen Einfluss der Mutationen auf das kognitive Profil betroffener Personen nachweisen konnten (Hauser et al., 1993; Stein et al., 1995; Weiss et al., 1993). Dabei konnte ein deutlicher Zusammenhang zwischen Mutationen des TRβ und Symptomen einer Aufmerksamkeitsdefizit-/Hyperaktivitätsstörung (ADHS) gezeigt werden. In der vorliegenden Arbeit sollte dieser Zusammenhang erstmalig mittels elektrophysiologischer Methoden untersucht werden.
Der Einfluss von Polymorphismen auf kognitive Funktionen und Persönlichkeitsmerkmale wurde in der Vergangenheit bereits mehrfach, beispielsweise für SNPs in Genen der
6 Neurotransmitter Dopamin und Serotonin, nachgewiesen (Lin et al., 2017; Reif und Lesch, 2003; Tielbeek et al., 2016; Toh et al., 2018). Dabei konnte gezeigt werden, dass SNPs für interindividuelle Unterschiede in der Ausprägung kognitiver Funktionen und Persönlichkeitsmerkmale verantwortlich sind. Diese Erkenntnisse motivierten die Untersuchung der vorliegenden Polymorphismen des Schilddrüsenhormonsystems. Zur Erfassung kognitiver Funktionen und Persönlichkeitsmerkmale wurden neuropsychologische Tests und Fragebögen verwendet.
1.2 Kognitive Funktionen
Kognitive Funktionen umfassen Prozesse in verschiedenen Domänen (z.B. Gedächtnis, Aufmerksamkeit, Sprache, Exekutivfunktionen), die der geistigen Leistungskraft des Menschen zugrunde liegen. Durch neuropsychologische Tests können einzelne Funktionen erfasst und ihr Status bestimmt werden. So können unterschiedliche Zustände in einer Person (z.B. hyperthyreot vs. physiologische/euthyreote Schilddrüsenfunktion) oder Leistungen zwischen Gruppen (z.B. Personen mit oder ohne Mutationen im TRß-Gen) verglichen werden. Mögliche Befunde können Einschränkungen oder Verbesserungen der Funktionen sein.
Eine wichtige Grundfunktion ist die Fähigkeit, Informationen speichern, verarbeiten und abrufen zu können, was sich unter dem Begriff „Gedächtnis“ zusammenfassen lässt (Sherwood, 2014; Squire, 2009). Gedächtnisleistung kann dabei in zeitliche und inhaltliche Kategorien eingeteilt werden (Graf und Schacter, 1985). Individuelle kognitive Leistungsfähigkeit kann unter dem Begriff „Intelligenz“ zusammengefasst werden, zu der Unterformen wie Sprachkompetenz oder logisches Denken gehören (Gardner, 2011).
Einen etablierter Kennwert der Intelligenz stellt der Intelligenzquotient (IQ) dar, welcher mittels Intelligenztests ermittelt werden kann (Von Aster et al., 2006). Um zielgerichtet denken und handeln zu können, ist die kognitive Funktion „Aufmerksamkeit“ von Bedeutung. Durch Aufmerksamkeitsprozesse werden kognitive Ressourcen auf spezifische Informationen fokussiert und störende Reize ausgeblendet (Anderson, 2014; Eysenck, 1982). Aufmerksamkeit kann sich sowohl auf äußere als auch auf innere Reize richten.
Durch letzteres ist eine Überprüfung eigener Handlungen möglich. Diese Funktion fällt dann unter den Sammelbegriff der „kognitiven Kontrolle“ (Mackie et al., 2013). Zu den Funktionen der kognitiven Kontrolle gehört ebenfalls das „Performance Monitoring“ (übersetzt:
Leistungs- oder Erfolgsüberwachung), welches mit dem Erkennen und Korrigieren von Fehlern assoziiert wird (Krämer et al., 2007; Rodrı́guez-Fornells et al., 2002). Dabei werden Reaktionen auf neue Situationen und Reize verarbeitet und wenn nötig angepasst. Einen weiteren kognitiven Kontrollmechanismus stellt die Funktion der „Handlungskontrolle“ dar, welche vor Allem in Situationen, bei denen ein Handlungskonflikt vorliegt, aktiv ist (Botvinick
7 et al., 2004). Mit dem Begriff „Exekutivfunktionen“ lassen sich Fähigkeiten zusammenfassen, welche zu Verhaltenskontrolle und Problemlösung beitragen (Jäncke, 2013). Dazu zählt das Arbeitsgedächtnis, welches die kurzfristige Speicherung, Manipulation und Wiedergabe von Informationen ermöglicht (Baddeley, 2011; Berti, 2010).
Die Fähigkeit der Planung der Abfolge einzelner Handlungen, wie es für das Lösen komplexer Aufgaben notwendig ist, gehört ebenfalls zu den Exekutivfunktionen.
Schilddrüsenhormone nehmen eine wichtige Rolle in der Aufrechterhaltung dieser Funktionen ein. Zustände, bei denen sich die Schilddrüsenfunktion verändert, gehen daher häufig mit kognitiven Veränderungen einher (Samuels, 2014).
1.3 Elektrophysiologische Marker kognitiver Funktionen
Bestimmte kognitive Funktionen können durch Wahlantwortaufgaben (Englisch: „Choice Tasks“) messbar gemacht werden. Choice Tasks sind Aufgaben, bei denen ein Proband auf einen gegebenen Stimulus verschiedene Antwortmöglichkeiten hat. Meistens die Möglichkeiten „richtig“ oder „falsch“. Dazu zählt auch die in dieser Arbeit verwendete Flanker-Aufgabe (Eriksen und Eriksen, 1974). Flanker-Aufgaben sind etablierte kognitive Aufgaben, die Rückschlüsse auf Aufmerksamkeit und kognitive Kontrolle der Probanden zulassen. Neben der Erfassung von Verhaltensdaten wie Reaktionszeiten und Fehlerquoten können während solcher Aufgaben ereigniskorrelierte Potenziale (EKPs) abgeleitet werden. EKPs repräsentieren Stimulus- oder Antwortbezogene Anteile des Elektroenzephalogramms (EEG), welche mit einem beobachteten Ereignis zusammenhängen und durch Mittelung aus dem EEG hervorgehoben werden können (Luck, 2005). Durch die hohe zeitliche Auflösung eines EEGs kann ein direkter Zusammenhang zwischen Ereignis und Signal hergestellt werden. Die EKP Wellenform setzt sich aus mehreren Komponenten zusammen. Diese Komponenten stehen in Zusammenhang mit kognitiven Prozessen, welche zu dem Zeitpunkt des Auftretens der Komponente ablaufen (Luck, 2005). Eine Komponente kann hinsichtlich ihrer Amplitude und ihrer Latenzzeit analysiert werden, woraus sich Rückschlüsse auf den Status der ihr zugrunde liegenden gedanklichen Prozesse ziehen lassen. Die folgenden Komponenten wurden in der Vergangenheit als Marker für kognitive Funktionen identifiziert und repräsentieren verschiedene Teilaspekte dieser Funktionen.
Die „Error Related Negativity“ (ERN) ist ein Marker des Performance Monitoring. Die ERN ist ein negativ gerichteter fronto-zentral lokalisierter Ausschlag in einer EKP Wellenform, welcher 0 bis 100 Millisekunden (ms) nach einer falschen Antwort auftritt (siehe Abbildung 2) (Luck, 2005). Ebenso wie die ERN kann die „Error Positivity“ (Pe) durch eine falsche Antwort in einem Choice Task hervorgerufen werden und dient als Korrelat des
8 Performance Monitoring. Die Pe folgt der ERN zeitlich und tritt 200-500ms nach einer Antwort als positiv gerichteter Ausschlag auf (siehe Abbildung 2) (Luck, 2005). Das Maximum der Pe ist zentro-parietal.
Abbildung 1: Beispiel EKP: ERN und Pe; Darstellung einer EKP-Wellenform eines antwortbezogenen Gruppenmittels („response-locked Grand Average“), abgeleitet während eines Choice Task. Die EKP- Wellenform ist als Differenz-Wellenform dargestellt (falsche Antworten minus richtige Antworten). A entspricht dem Zeitpunkt der Antwort. Die ERN ist als negativer Ausschlag 0-100ms und die Pe als positiver Ausschlag 200-500ms nach der Antwort markiert. ERN: Error Related Negativity, Pe: Error Positivity. Modifiziert nach Falkenstein et al. (2000)
ERN und Pe sind Komponenten, die sich auf Antworten beziehen. Die Komponente „N2“
bezieht sich hingegen auf den Stimulus einer Aufgabe und dessen kognitiver Verarbeitung.
In dem Kürzel N2 steht „N“ für „negativ“ und „2“ für „200ms“. Zusammengefasst ist N2 eine Komponente fronto-zentraler Lokalisation und negativer Auslenkung der EKP Wellenform, welche 200ms nach einem Stimulus auftritt (siehe Abbildung 3) (Luck, 2005; Patel und Azzam, 2005). Sie wird als Marker für Handlungskontrolle angesehen. Davon abgeleitet lässt N2 Aussagen über den Inkongruenzeffekt zu (Krämer et al., 2007; Riba et al., 2005;
van Veen und Carter, 2002). Dieser Effekt beschreibt den gedanklichen Prozess während eines Handlungskonflikts, zum Beispiel die Überprüfung der Kongruenz verschiedener Stimuli (Stimuli sind gleich oder ungleich). Auf N2 folgend tritt die Komponente „P3“ auf.
Wie bei N2 steht der Buchstabe für die Polarität des Ausschlags („P“ steht für „positiv“) und
9 die Ziffer für das zeitliche Auftreten. P3 tritt als fronto-zentrale/zentro-parietale positive Komponente 300ms nach einem Stimulus auf (siehe Abbildung 3) (Luck, 2005). P3 steht in Verbindung mit Aufmerksamkeitsprozessen (Patel und Azzam, 2005).
Abbildung 2: Beispiel EKP: N2 und P3; Darstellung eines Stimulus-bezogenen Gruppenmittels („stimulus-locked Grand Average“), abgeleitet während eines „Oddball“ Experiments. 0ms markiert den Zeitpunkt des Stimulus.
Die Komponente N2 ist als negativer Ausschlag etwa 200ms und P3 als positiver Ausschlag etwa 300ms nach dem Stimulus markiert. Cave: negative Spannung ist nach oben aufgezeichnet. Modifiziert nach Luck (2005)
Die genaue Bedeutung der Komponenten bei der Beschreibung kognitiver Funktionen soll zusätzlich anhand der Ergebnisse dieser Arbeit diskutiert werden.
1.4 Regulierung und Wirkung von Schilddrüsenhormonen
Damit eine physiologische Hormonwirkung gewährleistet sein kann, müssen mehrere Schritte erfolgen: die Ausschüttung von Schilddrüsenhormonen, ihr Transport in die Zelle, die intrazelluläre Aktivierung und der Effekt am Rezeptor (Dumitrescu und Refetoff, 2000).
Im Folgenden soll ein Überblick über diese Mechanismen mit Schwerpunkt auf ihren zerebralen Ausprägungen gegeben werden.
1.4.1 Thyreotroper Regelkreis
Ein Grundmechanismus der Steuerung des Hormonhaushalts der Schilddrüse ist der thyreotrope Regelkreis. Als oberste Instanz agiert der Hypothalamus, welcher das
10 Thyreotropin Releasing-Hormon (TRH) produziert. Nachgeschaltet ist die Hypophyse, welche Thyreotropin (TSH) produziert. Am Ende dieser Hierarchie steht die Schilddrüse, welche Triiodthyronin (T3) und Thyroxin/Tetraiodthyronin (T4) in den Blutkreislauf abgibt, wo sie frei (fT3/fT4) oder an Transportproteine gebunden zu peripheren Geweben gelangen können. T3 und T4 hemmen wiederum im Sinne eines negativen Feedback-Mechanismus die Ausschüttung der vorgeschalteten Hormone. Dadurch wird eine Homöostase, d.h. eine Aufrechterhaltung des hormonellen Gleichgewichts, gewährleistet (Hiller-Sturmhöfel, 1998;
Mendoza und Hollenberg, 2017). Der thyreotrope Regelkreis wird in Abbildung 1 veranschaulicht. Die Hormonkonstellationen bei Veränderungen der Ausschüttung der Hormone lassen sich ebenfalls anhand der Abbildung herleiten.
Abbildung 3: Thyreotroper Regelkreis; Darstellung des Zusammenspiels der Strukturen und Hormone, die an der Regulation des Hormonspiegels beteiligt sind. +: verstärkender Effekt, -: hemmender Effekt, TRH:
Thyreotropin Releasing-Hormon, TSH: Thyreotropin, T3: Triiodthyronin, T4: Thyroxin. Modifiziert nach Hiller- Sturmhöfel (1998)
1.4.2 Monocarboxylat-Transporter
Nach erfolgreicher Ausschüttung von T3 und T4 müssen die Hormone die Plasmamembran der Zielzellen überwinden, um dort ihre Wirkung entfalten zu können. Monocarboxylat- Transporter, wie MCT8 und MCT10 bewerkstelligen den Hormontransport durch die Zellmembran. Die zerebrale Verteilung von MCT8 erstreckt sich auf Endothelzellen der
11 Blut-Hirn-Schranke, Astrozyten und Neurone. MCT10 hingegen scheint nur eine geringe Relevanz für den Hormontransport innerhalb des Gehirns zu spielen (Bernal, 2000).
1.4.3 Deiodinasen
Um eine optimale Hormonwirkung erzielen zu können, wird T4 nach dem Eintritt in die Zelle in das vielfach aktivere T3 umgewandelt. Dieser Vorgang wird durch das Enzym Deiodinase bewirkt, welches die Deiodierung, die Entfernung eines Iodatoms, von T4 zu T3 katalysiert.
Zu der Familie der Deiodinasen gehören DIO1, DIO2 und DIO3. In Geweben, in denen DIO2 vorkommt, stammt mehr als 50% des T3 aus der Deiodierung von T4 (Bernal, 2000).
Zu solchen Geweben zählt auch das Gehirn, wo DIO2 eine starke Expression in Astrozyten aufweist (Bernal, 2000).
1.4.4 Schilddrüsenhormonrezeptoren
In der Zelle angekommen üben Schilddrüsenhormone genomische und nicht-genomische Effekte aus. Der genomische Effekt wird durch Rezeptoren innerhalb des Zellkerns vermittelt, welche als Transkriptionsfaktoren die Expression bestimmter Gene regulieren (Dumitrescu und Refetoff, 2000). Diese Rezeptoren liegen als TRα und TRβ, mit den Isoformen TRα1/2/3 und TRβ1/2 vor. Die Isoformen weisen dabei unterschiedliche Schwerpunkte in ihrer Verteilung innerhalb des Körpers auf. TRα1: Herzmuskulatur, Skelettmuskulatur, braunes Fettgewebe.TRα2/3: Skelettmuskulatur, Niere, zentrales Nervensystem. TRβ1: Leber, Niere, zentrales Nervensystem. TRβ2: Hypothalamus, Hypophyse, Cochlea, Retina (Sperling, 2014). TRβ wird weiterhin in vielen Gruppen von Zellen des Gehirns wie Astrozyten, Neuronen, und Vorläuferzellen von Oligodendrozyten exprimiert (Bernal, 2000).
1.5 Kognitive Veränderungen bei Hypo- und Hyperthyreose
In welchem Ausmaß eine gestörte Schilddrüsenfunktion kognitive Funktionen beeinflussen kann, zeigen Studien mit hypo- bzw. hyperthyreoten Patienten.
Eine Übersichtsarbeit von Samuels (Samuels, 2008) führt an: „subtle deficits in specific cognitive domains (primarily working memory and executive function) likely exist in thyroid disease“. Eine weitere Übersicht des selben Autors (Samuels, 2014) spezifiziert, dass eine Hypothyreose zu Defiziten in den kognitiven Domänen Intelligenz, Gedächtnis, Aufmerksamkeit und Exekutivfunktion führen kann. Insbesondere mnestische (das Gedächtnis betreffende) Fähigkeiten können durch eine Hypothyreose stark eingeschränkt werden. Solche Einschränkungen können von leichten Gedächtnisstörungen bis hin zu Zuständen, die einer Demenz ähneln, reichen (Bauer et al., 2008; Samuels, 2014). Darüber hinaus kann ein Hormonmangel ebenfalls zu einer Veränderung der Stimmung führen,
12 wobei Patienten apathische Zustände und depressive Symptome entwickeln können (Larisch et al., 2004; Samuels, 2014).
Zu den kognitiven Symptomen der Hyperthyreose zählen verminderte Aufmerksamkeit und eingeschränkte Gedächtnisfunktion (Bauer et al., 2008; Zhang et al., 2014). Weitere Studien deuteten zusätzlich auf Veränderungen in Gehirnbereichen, welche für Exekutivfunktionen zuständig sind, hin (Samuels, 2008). Eine Studie bei Probanden mit induzierter leichter Hyperthyreose zeigte eine erhöhte Vernetzung von Gehirnarealen, die mit dem Arbeitsgedächtnis assoziiert sind (Göbel et al., 2016). Eine Hyperthyreose kann analog zur Hypothyreose auch zu Veränderungen der Stimmung im Sinne einer depressiven Störung führen (Bauer et al., 2008; Larisch et al., 2004). Zusätzlich leiden Patienten mit Hyperthyreose gehäuft an akuten Psychosen (Brownlie et al., 2000).
1.6 Mutationen des TRβ
1.6.1 Periphere Schilddrüsenhormonresistenz
Das Krankheitsbild der Peripheren Schilddrüsenhormonresistenz (RTH) wurde erstmals 1967 beschrieben (Refetoff et al., 1967). Rund 20 Jahre später erfolgte die Entdeckung von Mutationen in Genen des TRβ (Sakurai et al., 1989; Usala et al., 1990), wodurch die häufigste Ursache für die Erkrankung gefunden war. Mittlerweile sind neben Mutationen des TRβ weitere Mutationen bekannt, deren Krankheitsbilder sich ebenfalls unter RTH gruppieren lassen. Eine neue Nomenklatur empfiehlt daher die Abkürzung „RTHβ“ als präzisere Bezeichnung für RTH in Folge von Mutationen des TRβ (Refetoff et al., 2014).
RTHβ ist ein seltenes und vererbbares Syndrom mit hauptsächlich autosomal-dominantem Erbgang und etwa 170 nachgewiesenen Mutationen (Dumitrescu und Refetoff, 2000). Es sind über 3000 Erkrankungsfälle bekannt, wobei die betroffenen Personen größtenteils heterozygote Mutationsträger sind (Dumitrescu und Refetoff, 2000; Pappa und Refetoff, 2018). Eine Person ist heterozygot in Bezug auf ein Merkmal, wenn ein Gen in zwei verschiedenen Zustandsformen (Allelen) vorliegt. Heterozygote Mutationsträger von RTHβ haben demnach ein mutiertes und ein intaktes Gen. Im Falle eines dominanten Erbganges, wie er meist bei RTHβ zu finden ist, reicht ein mutiertes Gen/Allel aus, damit es zu einer Ausprägung der Krankheit kommt. Durch die Veränderungen des Rezeptors ist seine Funktionsweise als Transkriptionsfaktor immer noch intakt, jedoch eingeschränkt. Dadurch benötigen Betroffene eine höhere Hormonkonzentration, um ihren Metabolismus auf einem euthyreoten Niveau zu halten (Pappa und Refetoff, 2018). Die Laborbefunde spiegeln dies mit erhöhten fT3/fT4 Werten wider. TSH Werte sind meist normal oder leicht erhöht.
Klinische Symptome sind sehr variabel, unterscheiden sich zwischen Trägern unterschiedlicher Mutationen und sind auch intraindividuell nicht konstant vorhanden
13 (Dumitrescu und Refetoff, 2000; Pappa und Refetoff, 2018). Trotz der hohen Spiegel von T3 und T4 zeigen Patienten kein typisches hyperthyreotes Syndrom. Die somatischen Symptome von RTHβ lassen sich keinem definitiven hypo- oder hyperthyreotem Profil zuordnen, sondern stellen vielmehr eine Kombination beider Zustände dar. Vergrößerung der Schilddrüse (Struma) und Erhöhung der Herzfrequenz (Tachykardie) entsprechen dabei Symptomen einer hyperthyreoten Stoffwechsellage, vergleichbar z.B. mit einem Morbus Basedow (Burch und Cooper, 2015). Es existieren jedoch auch Symptome wie verzögertes Knochenwachstum oder Minderwuchs, welche man eher bei einer Hypothyreose erwarten würde (Dumitrescu und Refetoff, 2000; Pappa und Refetoff, 2018).
Homozygote Träger einer Mutation des TRβ, bei denen also beide Allele eine Mutation aufweisen, fallen durch starke Beeinträchtigungen wie Gehörlosigkeit, Sehstörungen und geistige Behinderung auf (Pappa und Refetoff, 2018). Insgesamt macht diese Gruppe nur einen kleinen Teil der an RTHβ erkrankten Personen aus.
1.6.2 Kognitiver Phänotyp von RTHβ
RTHβ ruft nicht nur körperliche Symptome hervor, sondern hat auch Einfluss auf kognitive Funktionen. In diesem Zusammenhang wird oft von dem „kognitiven Phänotyp“ der Erkrankung, also der Gesamtheit der kognitiven Merkmale der zugrundeliegenden genetischen Veränderungen, gesprochen. Analog zu den somatischen Symptomen lässt sich der kognitive Phänotyp von RTHβ Patienten weder einem hypo- oder hyperthyreoten Profil zuordnen. Studien, die in der Vergangenheit den kognitiven Phänotyp von RTHβ untersuchten, fanden hingegen Symptome, welche denen von ADHS ähnelten (Hauser et al., 1993; Stein et al., 1995; Weiss et al., 1993). Diese Studien klassifizierten die Symptome von ADHS mittels neuropsychologischer Tests. Ein Tiermodell mit Mäusen, die ein mutiertes TRβ Gen trugen, konnte ebenfalls Verhaltensmuster von ADHS nachweisen (McDonald et al., 1998). Eine nachfolgende Studie mit transgenen Mäusen von Siesser et al. (2006) konnte diese Beobachtungen bestätigen. Eine weitere Studie näherte sich dem Zusammenhang von RTHβ und ADHS aus der therapeutischen Richtung. Sie konnte zeigen, dass eine Therapie mit Schilddrüsenhormonen bei Kindern mit ADHS und RTHβ im Vergleich zu Kindern mit ADHS ohne RTHβ zu einer Verbesserung von Hyperaktivität und Impulsivität führte (Weiss et al., 1997). Weiss et al. (1994) fand hingegen keine Assoziation mit ADHS, dafür einen verminderten IQ bei einigen Mitgliedern einer betroffenen Familie.
Es wird davon ausgegangen, dass ein niedriger IQ (<85), wie er in etwa einem Viertel aller Personen mit RTHβ vorkommt, das Auftreten von Symptomen von ADHS begünstigen kann (Dumitrescu und Refetoff, 2000; Weiss et al., 1994). Aktuell wird bei Personen mit RTHβ eine Prävalenz von ADHS von etwa 40-60% angenommen (Dumitrescu und Refetoff, 2000). ADHS ist damit neben Struma (Prävalenz: 66-95%) und Tachykardie (33-75%) die
14 häufigste Manifestationsform von RTHβ. Zum Vergleich: ADHS hat in der Normalbevölkerung eine weltweite Prävalenz von rund 5,3% bei Kindern und Jugendlichen (Polanczyk et al., 2007) und eine transnationale Prävalenz von 3,4% bei Erwachsenen im Alter von 18 bis 44 Jahren (Fayyad et al., 2007).
ADHS äußert sich durch Aufmerksamkeitsdefizite, Hyperaktivität, höhere Impulsivität und Störung der Selbstregulation. Neben diesen Hauptsymptomen lässt sich ADHS ebenfalls mit weiteren neuropsychologischen Veränderungen in Verbindung bringen (Castellanos und Tannock, 2002; Ehlis et al., 2018). Diese Merkmalsausprägungen der Krankheit werden oft als „Endophänotyp“ bezeichnet (Castellanos und Tannock, 2002). Solche Ausprägungen können sich in Defiziten von Exekutivfunktionen, Arbeitsgedächtnis und Stimuluskontrolle äußern (Castellanos und Tannock, 2002; Ehlis et al., 2018; Willcutt et al., 2005). Bildgebende Studien konnten diese Beobachtungen durch die Identifikation struktureller und funktioneller Veränderungen in Gehirnbereichen, die für diese Funktionen zuständig sind, unterstützen (Bush et al., 2005, 1999; Durston et al., 2004; Schweitzer et al., 2000). Weitere Endophänotypen betreffen Defizite im Bereich der kognitiven Kontrolle und Aufmerksamkeit, welche erst kürzlich mittels elektrophysiologischer Methoden genauer untersucht wurden (Ehlis et al., 2018; Lange-Malecki et al., 2018; Marquardt et al., 2018).
1.6.4 Erkenntnisse aus EEG-Studien mit ADHS
Elektrophysiologische Studien mit Kindern und Erwachsenen mit ADHS konnten in der Vergangenheit konsistent Verringerungen der Amplitude von EKP-Komponenten nachweisen. Verringerte Amplituden von Komponenten stehen meist in Zusammenhang mit Dysfunktionen der zugrundeliegenden kognitiven Funktionen. Mehrere aktuelle Studien berichteten von einer Reduktion von Amplituden der ERN (Ehlis et al., 2018; Geburek et al., 2013; Herrmann et al., 2010; Lange-Malecki et al., 2018; Marquardt et al., 2018) und Pe (Balogh et al., 2017; Marquardt et al., 2018; Wiersema et al., 2009) bei Patienten mit ADHS. Ebenso fanden Studien verringerte P3 Amplituden (Kim et al., 2014; Szuromi et al., 2011; Wiersema et al., 2009). Diese Befunde deuten auf Defizite im Bereich der kognitiven Kontrolle und Aufmerksamkeit bei ADHS Patienten hin.
1.7 Polymorphismen von MCT8, MCT10 und DIO2
1.7.1 Einzelnukleotid-Polymorphismen
Mutationen von Genen, wie im Falle von RTHβ, sind selten. Daneben existieren jedoch ebenfalls deutlich häufiger auftretende genetische Veränderungen, welche als Polymorphismen bezeichnet werden. Polymorphismen sind Varianten von Genen innerhalb einer Population, welche mit einer Häufigkeit von über einem Prozent auftreten (van der Deure et al., 2010). SNPs stellen die weitaus häufigste Form von Polymorphismen dar
15 (Marth et al., 1999). Bei einem SNP liegt ein einzelnes Nukleotid an einer bestimmten Position innerhalb der Nukleotidsequenz des Genoms verändert vor. Beispielsweise Cytosin (C) statt Thymin (T) oder Guanin (G) statt Adenin (A). SNPs können dabei in für Gene kodierenden oder nicht-kodierenden Abschnitten des Genoms liegen. Die aus der Nukleotidsequenz abgeleitete Aminosäuresequenz eines Gens kann, muss aber nicht, durch ein SNP verändert werden. So bleibt bei sog. „stummen“ SNPs in kodierenden Bereichen die Aminosäuresequenz und damit das durch die Translation („Übersetzung“ der Aminosäuresequenz) entstandene Protein unverändert (Brookes, 1999). In anderen Fällen verändert sich die Aminosäuresequenz, was wiederum in einem veränderten Protein resultiert (Ng und Henikoff, 2003). Auch nicht-kodierende Genabschnitte, die jedoch für die Regulation der Transkription oder Translation zuständig sind, können durch SNPs verändert sein (Brookes, 1999). Ein SNP kann, ähnlich wie eine Mutation, hetero- oder homozygot vorliegen. Ein einzelnes Nukleotid ist dabei das Allel. Als Beispiel soll ein in dieser Arbeit untersuchter SNP herangezogen werden. Für den SNP rs5937843 von MCT8 existieren drei verschiedene Allel-Konstellationen: GT (heterozygot) sowie GG und TT (homozygot) (https://www.snpedia.com/index.php/Rs5937843). Die Verteilung der Allel- Konstellationen ist dabei je nach Population sehr unterschiedlich, beispielsweise zwischen Europäern und Asiaten. Als genetische Normalvariante (Wildtyp) wird meist die Variante mit der größten Häufigkeit innerhalb einer Population festgelegt (Thomas et al., 2011). Die Identifikation eines Wildtyps ist jedoch oft nicht eindeutig, sodass die verschiedenen Allel- Konstellationen eines SNP häufig deskriptiv, z.B. als „Genotyp GG“ / „Homozygot-G“, angeführt werden. So wird auch in dieser Arbeit verfahren.
Durch groß angelegte Sequenzierungen des Genoms wurden mehrere Millionen SNPs identifiziert (Sachidanandam et al., 2001). Durch sog. Assoziations-Studien können die Auswirkungen von SNPs auf Krankheiten oder Merkmalsausprägungen untersucht werden.
So konnten in der Vergangenheit SNPs identifiziert werden, die mit der Entstehung oder dem Verlauf von Krankheiten assoziiert sind (Kujovich, 2011; Thomas et al., 2009). In ähnlicher Weise wurden in dieser Arbeit kognitive Ausprägungen folgender SNPs untersucht: zwei von MCT8 (rs5937843 und rs6647476) und jeweils eines von MCT10 (rs14399) und DIO2 (rs225014). Die Angabe des Buchstaben- und Zahlencodes dient der Identifikation der SNPs. SNPs sind in Online-Datenbänken, wie der „dbSNP“ Datenbank (Sherry et al., 2001) oder über die Webseite „SNPedia“
(https://www.snpedia.com/index.php/SNPedia) des „National Center for Biotechnology Information“ (NCBI) katalogisiert.
16 1.7.2 Einfluss auf die Schilddrüsenfunktion
Studien, die sich in der Vergangenheit mit SNPs von MCT8 und 10 befassten, untersuchten den Einfluss der Polymorphismen auf die Schilddrüsenfunktion. Dabei kamen sie zu gemischten Ergebnissen. Ein Review von van der Deure et al. (2010), welcher die SNPs MCT8-rs6647476 und MCT10-rs14399 beinhaltete, konnte keinen Einfluss dieser SNPs auf Schilddrüsenhormonwerte nachweisen. Roef et al. (2013) hingegen konnte einen entgegengesetzten Zusammenhang von MCT8-rs5937843 und fT4 Spiegeln, sowie einen negativen Zusammenhang von MCT8-rs6647476 und fT3 Spiegeln bei Männern nachweisen. In derselben Studie hatte der MCT10-rs14399 Polymorphismus keinen Einfluss auf den Hormonspiegel. Eine weitere Studie, welche den MCT8-rs6647476 SNP in einer spanischen Stichprobe untersuchte, fand keine Korrelation mit Schilddrüsenhormonspiegeln (Lago-Lestón et al., 2009). Ausgeprägtere Einflüsse auf die Schilddrüsenfunktion konnten für SNPs von DIO2 nachgewiesen werden. Eine aktuelle Studie mit thyreoidektomierten (Thyreoidektomie: operative Entfernung der gesamten Schilddrüse) Patienten, welche den SNP rs225014 trugen, zeigte niedrigere postoperative fT3 Werte in dieser Gruppe (Castagna et al., 2017). Weitere Studien berichteten, dass Träger des rs225014 SNP bei einer Hypothyreose von einer T3/T4-Kombinationstherapie profitieren würden (Carlé et al., 2017; Park et al., 2018), was auf eine Einschränkung der Funktion von DIO2 hinweisen könnte. Außerdem fanden Yalakanti und Dolia (2016) veränderte Schilddrüsenhormonwerte bei Trägern des DIO2 SNP in einem Kollektiv von Patienten mit Diabetes mellitus Typ II.
1.7.3 Einfluss auf kognitive Funktionen
Der Einfluss von SNPs von MCT8 und MCT10 auf kognitive Funktionen wurde bisher nicht untersucht. Um den Effekt einer genetischen Veränderung von MCT8 auf kognitive Funktionen zu illustrieren soll das Allan-Herndon-Dudley-Syndrom (AHDS) herangezogen werden. AHDS wird jedoch nicht durch einen Polymorphismus, sondern durch eine Mutation ausgelöst. Betroffen ist das SCL16A2-Gen, welches für MCT8 kodiert. Es wird angenommen, dass durch die Mutation die Funktionsweise des Transporters gestört ist und dadurch während der fetalen Entwicklung nicht genügend T3 in neuronale Zellen gelangen kann (Bernal, 2000; Schwartz und Stevenson, 2007). Laborchemisch liegen bei Betroffenen erhöhte T3 Werte vor, was die fehlende Aufnahme in zerebrale Zellen widerspiegelt. Neben einem komplexen somatischen Syndrom leiden betroffene Personen an schwerer geistiger Retardierung (Schwartz und Stevenson, 2007), d.h. an einer massiven Einschränkung kognitiver Funktionen. Ein Syndrom ähnlicher Ausprägung wie AHDS ist für MCT10 nicht bekannt.
17 Anders als für MCT8 und MCT10, wurden Polymorphismen von DIO2 hinsichtlich ihres Einflusses auf kognitive Funktionen untersucht. Dabei stand hauptsächlich die Auswirkung des Polymorphismus auf die Gedächtnisleistung im Fokus. Luo et al. (2015) untersuchte uigurische Probanden mit und ohne leichten kognitiven Beeinträchtigungen und beurteilte die Verteilung der Allele des DIO2 Polymorphismus zwischen den Gruppen. Die Forschergruppe fand heraus, dass der SNP rs225014 eine Rolle in der Inzidenz leichter kognitiver Beeinträchtigungen bei Männern aber nicht bei Frauen spielt. Weiterhin konnte erst vor Kurzem gezeigt werden, dass der SNP rs225014 von DIO2 das Risiko, an der neurodegenerativen Krankheit Morbus Alzheimer, welche mit ausgeprägten Defiziten kognitiver Funktionen verbunden ist, zu erkranken, moduliert (McAninch et al., 2018). Jo et al. (2019) generierten transgene Mäuse für Polymorphismen von DIO2. Mäuse, die auf Grund des Polymorphismus veränderte Aminosäuresequenzen aufwiesen, zeigten Unterschiede in kognitiven Funktionen und ihrem Verhalten. So waren Mäuse, welche die Aminosäure Alanin, anstatt der Aminosäure Threonin exprimierten, weniger aktiv, schliefen mehr und brauchten mehr Zeit, um sich Gegenstände einzuprägen (Jo et al., 2019).
1.8 Hypothesen
Frühere Studien konnten eine deutliche Ähnlichkeit der kognitiven Phänotypen von RTHβ und ADHS zeigen. EKP-Studien mit ADHS Patienten zeigten Verringerungen der Amplituden von elektrophysiologischen Markern kognitiver Funktionen. Die Hypothese für den ersten Teil dieser Arbeit lautete, dass Patienten mit RTHβ, analog zu ADHS, niedrigere Amplituden von ERN, Pe und P3 im Vergleich zu einer Kontrollgruppe zeigen würden. Diese verringerten Amplituden würden wiederum Defizite im Bereich des Performance Monitoring und Aufmerksamkeit widerspiegeln.
Hinsichtlich des Einflusses der im zweiten Teil der Arbeit untersuchten SNPs in MCT8, MCT10 und DIO2 auf kognitive Funktionen gibt es wenige Referenzen. Klare Hinweise auf einen eigenständigen kognitiven Phänotyp, wie es für Mutationen des TRβ der Fall ist, liegen nicht vor. Zudem ist bekannt, dass SNPs teilweise nur einen geringen erklärenden Anteil an der Varianz einer untersuchten Variablen, beispielsweise kognitive Funktionen, haben (Davies et al., 2016). In dieser Arbeit wurde daher nur ein geringer Effekt der SNPs auf Persönlichkeitsmerkmale und kognitive Funktionen erwartet. Daher wurde in dem Sinne einer Pilotierung versucht, mittels einer breit aufgestellten neuropsychologischen Testbatterie möglichst viele kognitive Funktionen abzudecken. Parallel dazu kam eine Vielzahl von Persönlichkeitsfragebögen zum Einsatz. Da zuvor gezeigt werden konnte, dass die SNPs von MCT8 und 10 zu einem gewissen Grad Einfluss auf die Schilddrüsenfunktion ausüben, wäre ein gleichzeitiger Einfluss auf kognitive Funktionen durchaus denkbar. Weiterhin könnten die starken Einschränkungen von Patienten mit
18 AHDS auf potenziell ausgeprägte Effekte der SNPs von MCT8 auf kognitive Funktionen hinweisen. Für den SNP von DIO2 wurden bereits Assoziationen mit kognitiven Beeinträchtigungen nachgewiesen. Unter Berücksichtigung dieser Informationen lautete die Hypothese für den zweiten Teil der Arbeit, dass die SNPs von MCT8, 10 und DIO2 mit unterschiedlichen Ausprägungen von Persönlichkeitsmerkmalen und kognitiven Funktionen assoziiert sein würden.
19
2. Material und Methoden 2.1 Mutationen des TRβ
Die Forschung an Mutationen des TRβ war Teil einer Kooperation der Universität Lübeck und der Universität Cambridge (University of Cambridge) im Vereinigten Königreich. Zu Beginn der Untersuchungen und Experimente lag ein positives Votum der Ethikkommission der Universität Lübeck vor. Probanden mit Mutationen des TRβ wurden durch Mitarbeiter der Universität Cambridge rekrutiert und nach Lübeck eingeladen, um dort an der Studie teilzunehmen. Alle Teilnehmer wurden über die Studie und ihre Risiken aufgeklärt und unterzeichneten eine schriftliche Einverständniserklärung. EEG-Messungen, Blutentnahmen sowie neuropsychologische Tests wurden durch Mitarbeiter der Universität Lübeck in Forschungsgebäuden der Universität durchgeführt.
2.1.1 Teilnehmer/innen
Einundzwanzig Personen aus dem Vereinigten Königreich im Alter von 18 bis 67 Jahren, bei denen zuvor RTHβ diagnostiziert worden war, nahmen an der Studie teil. Unter ihnen waren zwölf Frauen und neun Männer. Das mittlere Alter dieser Gruppe (im Folgenden:
Patientengruppe, oder RTHβ-Gruppe) betrug 39 Jahre (Standardabweichung (SD) 15).
Acht Teilnehmer der RTHβ Gruppe hatten einen dem deutschen Realschulabschluss entsprechenden Schulabschluss, die restlichen 13 Teilnehmer wiesen eine Allgemeine Hochschulreife auf. Unter Berücksichtigung des Alters und der Bildung wurden dieser Gruppe 21 gesunde Erwachsene aus Lübeck zugeteilt. Die deutsche Gruppe sollte als Kontrollgruppe dienen. In der Kontrollgruppe waren ebenfalls 12 Frauen und neun Männer (mittleres Alter 38 Jahre SD 14), von denen 8 einen Realschulabschluss und 13 eine Allgemeine Hochschulreife hatten. Somit fand ein optimales „matching“ der Gruppen statt.
Vor Studienbeginn wurden alle 42 Teilnehmer durch einen Arzt auf ihre Tauglichkeit für die Messungen untersucht. Des Weiteren wurden kraniale Magnetresonanztomographie (MRT) - Aufnahmen angefertigt, welche von einem Neuroradiologen auf strukturelle Auffälligkeiten untersucht wurden. Ärztliche Untersuchung und MRT-Aufnahmen zeigten keine Auffälligkeiten, sodass alle Teilnehmer an der Studie teilnehmen konnten. Zusätzlich wurden Blutuntersuchungen hinsichtlich des Hormonstatus (fT3, fT4, TSH) durchgeführt.
Dafür wurde den Teilnehmern Blut abgenommen, welches anschließend zentrifugiert wurde. Das überstehende Serum wurde bei minus 80 Grad Celsius für die weitere Analyse nach Cambridge geschickt. Die Laboranalyse von TSH, fT3 und fT4 erfolgte mittels eines
„enzyme-linked immunosorbent assay“ (ELISA) Verfahrens. Die Referenzbereiche der Hormone betrugen: fT3 3,5-6,5 pmol/l, fT4 10–19,8 pmol/l, TSH 0,35–5,5 mU/l. Die Werte für fT3 und fT4 aller Mitglieder der RTHβ Gruppe waren erhöht. Bis auf zwei Mitglieder, die
20 leicht erhöhte TSH-Werte aufwiesen, hatten die übrigen Mitglieder der RTHβ Gruppe normale TSH-Werte. Alle Mitglieder der Kontrollgruppe wiesen fT3, fT4 und TSH Werte innerhalb des Referenzbereichs auf (siehe Abbildung 4).
Abbildung 4: Hormonwerte; Darstellung der mittleren fT3, fT4 und TSH Werte pro Gruppe. Die RTHβ Gruppe zeigte fT3 und fT4 Werte oberhalb des Referenzbereichs. Die Kontrollgruppe zeigte fT3 und fT4 Werte innerhalb des Referenzbereichs. TSH Werte waren innerhalb des Referenzbereichs für beide Gruppen. Farbige Box-Plots zeigen den Interquartilsabstand (IQR, 25.-75. Perzentile) und der schwarze Balken die 50. Perzentile der Messwerte. Die Antennen zeigen das 1,5-fache des IQR, die schwarzen Punkte sind Ausreißer. fT3: freies Triiodthyronin, fT4, freies Thyroxin, TSH: Thyreotropin, RTHβ: Periphere Schilddrüsenhormonresistenz β
Die einzelnen Mutationen der Patientengruppe teilten sich wie folgt auf: R320H (n=5), R438H (4), R429Q (3), R383C (2), M310V (1), G345C (1), P453S (1), R243W (1), T227I (1), R338W (1), E460K (1). Die Mutationen sind anhand ihrer Abkürzungen in der
„COSMIC“ Datenbank katalogisiert (Forbes et al., 2017). Alle Teilnehmer waren heterozygote Mutationsträger.
2.1.2 Klassifizierung von ADHS
Zur Klassifizierung der Ausprägung von ADHS wurden zwei Messverfahren angewendet.
Zum einen wurde die „Adult ADHD Self-Report Scale (ASRS-v1-1, (Kessler et al., 2005)) verwendet, in welcher die Probanden selbst ihre Einschränkungen anhand eines Fragebogens beurteilen konnten. Der Fragebogen bestand aus 18 Fragen, die Kriterien von
21 ADHS aus dem Diagnosekatalog „Diagnostic and Statistical Manual of Mental Disorders IV“
(DSM-IV) in Bezug auf Alltagssituationen abbildeten. Die Fragen konnten in fünf verschiedenen Häufigkeiten von „nie“ bis „sehr oft“ beantwortet werden. Außerdem wurde die „ADHD Rating Scale-IV“ (DuPaul et al., 1998) verwendet, bei welcher ein Arzt die Symptome des Probanden einschätzte. Die „ADHD-Rating Scale-IV“ enthielt 18 Fragen, die Symptome von ADHS abbildeten und in vier Antwortmöglichkeiten von „nie/selten“ bis
„sehr oft“ beantwortet werden konnten. Bei dieser Skala konnten Symptome zusätzlich in den Unterkategorien „Unaufmerksamkeit“ und „Hyperaktivität bewertet werden.
Aus beiden Skalen konnten Scores berechnet werden, die Rückschlüsse über die Häufigkeit und Intensität von Symptomen von ADHS zulassen. Höhere Scores korrelieren dabei mit einer stärkeren Ausprägung von ADHS.
2.1.3 Flanker-Aufgabe
Die Flanker-Aufgabe wurde mit dem „Psychtoolbox“ Plug-In (Brainard, 1997; Kleiner et al., 2007; Pelli, 1997) für Matlab2017b programmiert (MATLAB and Statistics Toolbox Release 2017b, The MathWorks, Inc., Natick, Massachusetts, United States). Es handelte sich um eine modifizierte Version der klassischen „Eriksen-Flanker-Aufgabe“ (Eriksen und Eriksen, 1974). In der vorliegenden Variante wurde den Probanden auf einem Computerbildschirm für einen kurzen Moment eine vertikale Reihe von fünf Pfeilen gezeigt. Der mittlere der Pfeile diente dabei als Zielstimulus, die übrigen Pfeile, über und unter dem Zielstimulus, dienten als Ablenkreize (sog. „Flanker“). Der Zielstimulus konnte entweder nach rechts oder nach links zeigen. Die Flanker konnten sich entweder kongruent oder inkongruent zu dem Zielstimulus verhalten, also entweder in dieselbe Richtung (kongruent) oder in die entgegengesetzte Richtung (inkongruent) weisen. Die Probanden wurden instruiert, so schnell und genau wie möglich auf den Zielstimulus zu reagieren. Dabei sollten sie eine Taste mit dem linken Zeigefinger bedienen, wenn der Zielstimulus nach links zeigte und eine andere Taste mit dem rechten Zeigefinger drücken, wenn der Zielstimulus nach rechts zeigte. Das Präsentationsprogramm zeichnete dabei im Hintergrund mittels sog. „Trigger“
auf, ob ein kongruenter oder inkongruenter Stimulus präsentierte wurde und ob der Proband eine richtige oder falsche Antwort gab. Insgesamt wurden 800 Stimuli, verteilt auf 10 Blöcke mit je 80 Stimuli gezeigt. Unter allen Aufgaben waren 480 inkongruente Stimuli und 320 kongruente Stimuli. Jeder Stimulus wurde für einen Zeitraum von 100ms gezeigt. Das Interstimulusintervall (ISI), die Zeit zwischen den einzelnen Stimuli, variierte zwischen 900 und 1100 ms und war gleichmäßig auf die Blöcke verteilt.
22 2.1.4 Elektrophysiologische Methoden
2.1.4.1 Versuchsaufbau
Das EEG wurde mit dem 16-Kanal Trockenelektroden-System „Sahara Active Dry Electrode“ des Herstellers „g.tec medical engineering“ aufgezeichnet (g.tec medical engineering GmbH, Schiedlberg, Österreich). Das Besondere an diesem System ist die Möglichkeit, ohne EEG-Gel zu arbeiten. EEG-Gel dient normalerweise der Herabsetzung der Impedanz und damit einer besseren Signalqualität. In dem vorliegenden System wurde mittels einer speziellen Gold-Legierung und Pins der Elektroden, die durch die Haare auf die Kopfhaut reichen, eine ausreichend geringe Impedanz erreicht. Der Frequenzbereich der Elektroden lag zwischen 0,1Hz und 40Hz und bildete damit das für eine EKP Analyse passende Spektrum ab. Die Elektroden waren in einer elastischen Haube mit folgenden Positionen der Skalp-Elektroden verarbeitet: F3, Fz, F4, Fc5, Fcz, Fc6, C3, Cz, C4, Cp5, Cp6, P3, Pz, P4, Oz und A2. Die Positionen entsprachen dem internationalen 10/20-System (Nuwer et al., 1998) (siehe Abbildung 5). Die Erdungselektrode befand sich an der Position AFz. Während der Messung wurden alle Elektroden gegen eine Elektrode am linken Mastoid re-referenziert (entspricht Position A1 in Abbildung 5). Mittels Elektrookulographie (EOG) wurden horizontale (HEOG) und vertikale (VEOG) Augenbewegungen aufgezeichnet. Dafür wurden zwei Elektroden lateral der beiden äußeren Augenwinkel, sowie zwei Elektroden infra- und supraorbital des linken Auges befestigt. Sowohl EEG als auch EOG wurden mit einer Abtastfrequenz (Englisch: sampling rate) von 256Hz digitalisiert. Um Unterschiede in der Impedanz während der Messung, sowohl zwischen den Probanden als auch intra-individuell auszugleichen, wurden die entstandenen EEG- Datensätze einer individuell-normalisierten Z-Transformation unterzogen. Ergebnisse der EKP Analyse werden somit als z-score angegeben.
23
Abbildung 5: 10/20 System; Verteilung der Elektroden innerhalb des 10/20 Systems. Ansicht von oben auf das Kopfmodell. Gelb markierte Positionen entsprechen den verwendeten Skalp-Elektroden. Die Erdungselektrode ist blau markiert. Modifiziert nach (Nuwer et al., 1998)
2.1.4.2 Datenverarbeitung
Nachdem das EEG aufgezeichnet worden war, wurden die Datensätze mit den Toolboxen
„EEGLAB“ (Delorme und Makeig, 2004) und „ERPLAB“ (Lopez-Calderon und Luck, 2014) für Matlab 2017b bearbeitet. Als erstes wurden die Datensätze in EEGLAB importiert und die Trigger der Flanker-Aufgabe mit den Datensätzen verbunden. Danach wurden die Datensätze mit einem 0,5 Hz Hochpassfilter und einem 30 Hz Tiefpassfilter gefiltert, um langsame Driftartefakte und für die Analyse nicht benötigte höhere Frequenzen zu entfernen. Anschließend wurden die Datensätze gegen die Aktivität an der rechten Mastoid- Elektrode re-referenziert. Diese gefilterten und re-referenzierten Datensätze enthielten die kontinuierliche EEG-Aufzeichnung während des gesamten Experiments. Neben den gewünschten EEG-Aufzeichnungen während der Flanker-Aufgabe waren zusätzlich Aufzeichnungen zwischen den Aufgaben und „Leerlauf-Phasen“ während Pausen, Beginn und Ende der Messung vorhanden. Um nur das EEG-Signal während der Aufgabe zu
24 erhalten, wurden sogenannte Epochen erstellt. Dies geschah auf zwei verschiedene Weisen, sodass Stimulus-bezogene (Englisch: „stimulus-locked“) und Antwort-bezogene (Englisch: „response-locked“) Datensätze entstanden. Dafür wurde entweder der Trigger des Stimulus oder der Antwort als Nullpunkt angenommen und um diesem herum in einem Zeitraum von 3000ms eine Epoche erstellt (1500ms vor und nach Stimulus/Antwort). Diese Methode wurde für alle Aufgaben angewandt, sodass nun Datensätze mit den aneinandergereihten Epochen der einzelnen Aufgaben entstanden. Die übrigen nicht benötigten Daten wurden verworfen. Die Epochen wurden in die Antwortkategorien „richtig“
und „falsch“, sowie die Stimulus-Kategorien „kongruent“ und „inkongruent“ eingeteilt.
Zusammen entstanden daraus vier Gruppen in dem Schema „Art des Stimulus-Antwort“:
„kongruent-richtig“, „inkongruent-richtig“, „kongruent-falsch“ und „inkongruent-falsch“. Im Anschluss wurden die epochierten Datensätze von Artefakten bereinigt. Dies geschah auf zwei Weisen: als Vorsortierung wurden Epochen mittels einer Funktion von EEGlab markiert deren absolute Amplitude +/- 500µV überschritt. Danach wurden die Datensätze manuell durchgesehen und weitere Epochen mit Artefakten markiert. Alle markierten Epochen wurden anschließend aus den Datensätzen entfernt. Die bereinigten Datensätze wurden nun einer Unabhängigkeitsanalyse (eng: independent component analysis, ICA) unterzogen, welche durch die vorherige Artefaktbereinigung bessere Ergebnisse erzielen konnte. Durch die ICA wurden Augenartefakte identifiziert und ebenfalls aus den Datensätzen entfernt.
Auf Grund massiver Artefakte mussten insgesamt vier Probanden von der weiteren Analyse ausgeschlossen werden. Die Patientengruppe verringerte sich dadurch auf 20 und die Kontrollgruppe auf 18 Mitglieder. Die Ergebnisse dieser Arbeit stammen somit von einer Stichprobe aus 38 Personen
2.1.4.3 Ermittlung der Komponenten
Im nächsten Schritt wurden die Datensätze mit der ERPLAB-Toolbox bearbeitet. Als erstes wurden EKPs erstellt, indem alle Epochen eines Probanden gemittelt wurden. Für die response-locked Daten wurde eine baseline von -300ms bis 0ms und für die stimulus- locked Daten eine baseline von -100ms bis 0ms angewendet. Die mittlere Amplitude der baseline wurde als Nullpunkt definiert, so dass Amplitudenunterschiede auf diesen Nullpunkt bezogen werden konnten. Auch für die graphische Darstellung wurde die baseline zur Ermittlung des Nullpunktes herangezogen. Außerdem wurden die neu entstandenen EKPs gefiltert. Response-locked Daten mit einem Bandpassfilter von 1-8Hz und stimulus- locked Daten mit einem Tiefpassfilter von 20Hz. Die Filterung diente der Herausstellung der passenden Frequenzbereiche der jeweiligen Komponenten. Die Komponenten wurden an den Elektrodenpositionen Fz, Fcz, Cz und Pz extrahiert, da dort die größten Effekte zu
25 erwarten waren. Um die ERN aus den response-locked Daten zu extrahieren wurde die mittlere Amplitude von 0-100ms nach einer Antwort berechnet. Die Pe Komponente wurde als mittlere Amplitude im Zeitfenster 200 – 400 ms ermittelt (ebenfalls Fz, Fcz, Cz, Pz). Um die N2 Komponente aus den stimulus-locked Daten darzustellen, wurde die mittlere Amplitude im Zeitfenster von 200ms bis 400ms nach dem Stimulus extrahiert. N2 wurde nur an der Elektrodenposition Fz quantifiziert, da sie entsprechend der Literatur (van Veen und Carter, 2002) fokal an dieser Elektrode auftritt. Unterschiede in der Latenzzeit von P3 wurden mittels der Spitzenlatenzzeit im Zeitfenster von 200ms bis 500ms nach Stimulusbeginn berechnet. Für diese Identifikation wurden die ungefilterten Datensätze benutzt. Die mittlere Amplitude für P3 wurde mittels eines Zeitfensters von +/-50ms um die Spitzenlatenzzeit berechnet. Am Ende wurden die Datensätze aller Mitglieder einer Gruppe gemittelt und im sog. „Grand Average“ (GA) zusammengefasst. GAs konnten anhand von Kategorien wie Gruppe, Kongruenz oder Genauigkeit, sowie jegliche Kombinationen dieser, angezeigt werden. Weiterhin wurde die topographische Darstellung der Amplitudenverteilung der ERN über die Kopfform mittels einer Funktion von ERPLAB erstellt.
2.1.5 Verhaltensdaten
Neben elektrophsyiologischen Markern wurden auch Verhaltensdaten der Probanden bestimmt. Prozentuale Fehlerquoten wurden sowohl global für alle Stimuluskategorien sowie separat für die kongruenten und inkongruenten Stimuli ermittelt. Reaktionszeiten wurden ermittelt, indem die mittleren Reaktionszeiten jedes Probanden für die Bedingungen
„kongruent-richtig“, „inkongruent-richtig“, „kongruent-falsch“, „inkongruent-falsch“
berechnet wurden. Um das „post-error slowing“ (PES) zu ermitteln, wurden Antwort- Sequenzen ermittelt, bei denen die Antworten vor und nach einer falschen Antwort richtige Antworten waren. PES wurde berechnet, indem die Reaktionszeit der richtigen Antwort vor der falschen Antwort von der richtigen Antwort nach der falschen Antwort abgezogen wurde.
2.1.6 Statistische Auswertung
Alle statistischen Analysen wurden mit dem ezANOVA (v4.4) Paket des Programms R 3.5.1 durchgeführt. Als statistische Methode wurde die Varianzanalyse (VA) gewählt. Eine VA lässt Aufschlüsse über Gesetzmäßigkeiten in den analysierten Daten zu. Dabei wird die Varianz einer Zielvariablen durch den Einfluss mehrerer Einflussvariablen (Faktoren), die wiederum in mehreren Stufen vorliegen können, erklärt. Bei der Auswertung können Haupteffekte und Interaktionseffekte beobachtet werden. Ein Haupteffekt zeigt Unterschiede zwischen den Stufen eines Faktors, wie beispielsweise Unterschiede zwischen zwei Gruppen oder verschiedenen Bedingungen auf. Als Interaktion bezeichnet
26 man die Beobachtung, dass der Effekt einer Variablen von dem Effekt einer anderen Variablen abhängig ist, d.h. von dieser Variablen modifiziert wird. Die Analyse der Zielvariablen: Amplitude der ERN, Pe, N2 und P3 sowie Latenzzeit von P3 bestand aus einer dreifachen gemischten ANOVA, bestehend aus dem Zwischensubjektfaktor „Gruppe“
(Faktorstufen: Kontrollgruppe/RTHβ-Gruppe) und den Innersubjektfaktoren „Elektrode“
(Fz/Fcz/Cz/Pz) und „Bedingung“ (ERN und Pe: falsch/korrekt; N2 und P3:
kongruent/inkongruent). Reaktionszeiten wurden ebenfalls mittels einer dreifachen- gemischten VA, mit dem Zwischensubjektfaktor „Gruppe“ und den Innersubjektfaktoren
„Bedingung“ (kongruent/inkongruent) und „Genauigkeit“ (falsch/korrekt) ermittelt. PES wurde mit einer zweifachen gemischten VA mit den Faktoren „Gruppe“ und „Kongruenz“
berechnet. Um Verletzungen der Spherizität zu korrigieren wurde eine „Greenhouse- Geisser Korrektur“ angewendet. Mit den Fehlerquoten wurde analog verfahren. Des Weiteren wurden t-Tests verwendet, um Unterschiede zwischen bestimmten Messwerten zu erfassen. Ergebnisse wurden als signifikant betrachtet, wenn der p-Wert weniger als 0,05 betrug.
2.2 Polymorphismen von MCT8, MCT10 und DIO2
Die Forschung an Polymorphismen von Genen des Schilddrüsenhormonsystems war Teil einer Kooperation der Universität Lübeck (Klinik für Neurologie, Prof. Münte), der Universität Tübingen (Klinik für Neurologie, Prof. Schöls) und der Universität Barcelona (Universidad de Barcelona, Dept. of Basic Psychology, Prof. Rodriguez-Fornells) in Spanien. Die Kooperation wurde zunächst, gefördert von der Volkswagenstiftung, begonnen, um den Einfluss von Polymorphismen des dopaminergen Systems auf kognitive Prozesse zu untersuchen. Die aktuelle Analyse stellt eine Erweiterung dar. Die zuständige Ethikkommission genehmigte die Studie vor Beginn. Die Durchführung der neuropsychologischen Tests und Fragebögen fand unter Anleitung von Mitarbeitern der Universität Barcelona statt. Die Genotypisierung der Probanden wurde durch ein Labor in München (Peter Lichtner; Institute of Human Genetics, Helmholtz Zentrum München, Neuherberg, Deutschland) durchgeführt.
2.2.1 Teilnehmer/innen
Die Gruppe der Teilnehmer bestand aus 658 gesunden spanischen Studenten der Universität Barcelona im Alter von 18 bis 39 Jahren. Das mittlere Alter betrug 21,7 Jahre (SD 3,2). Die Teilnehmer erhielten entweder einen Geldbetrag oder Anrechnungspunkte der Universität für ihre Teilnahme. Alle Teilnehmer wurden über die Risiken der Studie aufgeklärt und unterzeichneten eine schriftliche Erklärung. Proband/inn/en, die in der Vorgeschichte eine neurologische, psychiatrische oder internistische Erkrankung
27 aufwiesen sowie zentralnervös-wirksame Medikamente einnahmen, wurden von der Untersuchung ausgeschlossen.
2.2.2 Genotypisierung
Für die Genotypisierung wurden vier SNPs drei verschiedener Gene ausgewählt. Dazu gehöhrten zwei SNPs des X-chromosomalen MCT8-Gens (rs5937843 und rs6647476), ein SNP im 3‘ untranslatierten Bereich von MCT10 (rs14399) auf Chromosom 6 und eine Missense-Mutation von DIO2 auf dem Chromosom 14 (rs225014). Die Proben wurden auf einem Sequenom in München genotypisiert (Sequenom MassArray system, Sequenom Inc., San Diego, California, USA). Das automatisierte „genotype calling“ wurde mit der TyperAnalyzer 4.0 Software durchgeführt und das „genotype clustering“ wurde anschließend von einem erfahrenen Wissenschaftler überprüft. Die Gen-Assays wurden mit dem AssayDesigner 4.0 und den Standardwerten von iPLEX Gold erstellt. Alle SNPs bestanden eine Qualitätskontrolle mit folgenden Parametern: call rate >90%, minor allele frequencies >1% und p<0,001 für Abweichungen vom Hardy-Weinberg Gleichgewicht. Die Verteilung der Allele ist in Tabelle 1 und Tabelle 2 dargestellt.
Homozygot1 Homozygot2 Heterozygot
MCT8-rs5937843 TT GG GT
MCT8-rs6647476 CC TT TC
MCT10-rs14399 CC AA AC
DIO2-rs225014 CC TT TC
Tabelle 1: Allel-Konstellationen der SNPs; Allel-Konstellationen der in dieser Arbeit untersuchten SNPs. Dabei konnten drei Genotypen unterschieden werden: Homozygot1/2 und Heterozygot. A: Adenin, C: Cytosin, G:
Guanin, T: Thymin, MCT: Monocarboxylat-Transporter, DIO: Deiodinase, SNP: Einzelnukleotid- Polymorphismus
MCT8 MCT8 MCt10 DIO2
SNP rs5937843 rs6647476 rs14399 rs225014
Homozygot1 70 135 226 94
Homozygot2 405 267 129 267
Heterozygot 168 243 295 290
Fehlend 15 13 8 7
Summe 658 658 658 658
Tabelle 2: Verteilung der Genotypen auf die Teilnehmer; Aufteilung der Probanden auf die Genotypen der SNPs.
MCT: Monocarboxylat-Transporter, DIO: Deiodinase, SNP: Einzelnukleotid-Polymorphismus
28 2.2.3 Persönlichkeitsmerkmale
Insgesamt wurden vier Fragebögen verwendet, um Persönlichkeitsmerkmale der Teilnehmer zu ermitteln. Alle Fragebögen konnten von den Teilnehmern selbst ausgefüllt werden.
Impulsivität wurde mittels des „I7 Impulsiveness Questionnaire“ (I7, (Eysenck et al., 1985)) in seiner spanischen Adaptation (Luengo et al., 1991; Rodrı́guez-Fornells et al., 2002) ermittelt. Dieser Fragebogen bestand aus 54 Fragen, welche mit „ja“ und „nein“ beantwortet werden konnten. Wobei 19 Fragen die Impulsivität, 16 die Risikobereitschaft und 19 die Empathie des Probanden abbildeten. Des Weiteren wurde der „Sensitivity to Punishment and Sensitivity to Reward Questionnaire“ (SPSRQ) von Torrubia et at. (2001) verwendet um die Ausprägung des Temperaments der Probanden, abgeleitet von dem Persönlichkeitsmodell der Impulsivität und Ängstlichkeit von Gray (Gray, 1982), zu ermitteln. Der SPSRQ bestand aus 48 Fragen welche mit „ja“ und „nein“ beantwortet werden konnten. Ferner wurde der „Cognitive Failures Questionnaire“ (CFQ, (Broadbent et al., 1982)), ein Fragebogen mit 25 Fragen angewandt, welcher alltägliche Misserfolge von Aufmerksamkeit, Gedächtnis und Wahrnehmung abbildete. Dabei konnten die Fragen in fünf Stufen von „nie“ bis „sehr oft“ beantwortet werden. Der „Aggression Questionnaire“
(AQ, (Buss und Perry, 1992)) in seiner spanischen Version (Rodríguez et al., 2002), welcher die Kurzform des „Buss-Durkee Hostility Inventory“ (BDHI, (Buss und Durkee, 1957)) ist, wurde ebenfalls angewandt. Der AQ bestand aus 29 Aussagen, welche in fünf Stufen von
„sehr uncharakteristisch für mich“ bis zu „sehr charakteristisch für mich“ bewertet werden konnten. Er war in vier Teilskalen aufgeteilt, welche körperliche Aggression, verbale Aggression, Feindseligkeit und Wut maßen.
2.2.4 Neuropsychologische Testung
Insgesamt wurden elf verschiedene neuropsychologische Tests durchgeführt, welche entweder in Papierform oder als Computerprogramm vorlagen.
2.2.4.1 Flanker-Aufgabe
In dieser Studie wurde eine Variante der „Eriksen-Flanker-Aufgabe“ (Eriksen und Eriksen, 1974) verwendet. Der Aufbau der Aufgabe ist bereits aus dem Methodenteil der TRβ-Studie bekannt. 77% aller Aufgaben bestanden aus den bekannten Flanker-Stimuli (hier: „go- Aufgaben“). Dabei wurden 38,5% kongruente und 38,5% inkongruente Stimuli gezeigt. Neu waren die restlichen 23% der Stimuli. Die Hälfte der neuen Stimuli bestand aus sog. „no-go Stimuli“, welche aus dem „stop signal Paradigma“ von Band et al. (2003) abgeleitet waren.
Bei diesen Stimuli wechselte nach unterschiedlicher Zeit der anfangs grüne Zielstimulus seine Farbe zu Rot, was den Probanden anzeigte, dass sie die Antwort zu diesem Stimulus
29 unterdrücken (keine Antwort geben) sollen. Es wurden zwei Arten dieser Stimuli mit gleicher Verteilung verwendet: Stimuli mit geringer Unterdrückungs-Rate (Farbwechsel nach 180ms) und hoher Unterdrückungs-Rate (Farbwechsel nach 70ms). Die übrige Hälfte der neuen Stimuli bestand aus sog. „change tasks“, bei denen der zentrale Pfeil nach 50ms seine Richtung änderte, sodass die Probanden ihre Antwort mit der anderen Hand als zu Beginn angezeigt geben mussten. Das gesamte Experiment wurde in drei Blöcke zu je 208 Stimuli unterteilt, sodass jeder Proband insgesamt 624 Stimuli durchführte. Die Stimulusdauer betrug 300ms, ISI variierte zwischen 900-1100ms mit einer stetigen Gleichverteilung. Die Probanden führten zu Beginn 10 Aufgaben durch, um mit der Übung vertraut zu werden. Des Weiteren wurden die Probanden angehalten, ihre Fehler in den
„go-Aufgaben“ so schnell wie möglich zu korrigieren. Es wurden mehrere Parameter aus diesem Experiment abgeleitet, welche Stimulus-Unterdrückung, Stimulus-Antwort- Interferenz und Performance Monitoring abbildeten. Die genauen Parameter lauteten wie folgt: Inkongruenzeffekt der Reaktionszeit (Reaktionszeit der richtigen Antworten in inkongruenten minus kongruenten Aufgaben), Prozentsatz der unterdrückten Aufgaben,
„stop signal reaction time“ (SSRT, siehe Band et al. (2003)), PES und der Prozentsatz von Aufgaben, die nachträglich richtig geändert wurden.
2.2.4.2 Stroop-Aufgabe
Als weitere Aufgabe wurde eine Version der klassischen „Stroop-Aufgabe“ (Stroop, 1935) verwendet. Die Stroop-Aufgabe erfasst Inhibitionsprozesse. Es wurden die Wörter „blau“,
„grün“ und „rot“ in entweder ihrer kongruenten Farbe (Wort „blau“ hat die Farbe Blau), oder inkongruenten Farbe (Wort „blau“ hat die Farbe Grün oder Rot) präsentiert. Die Probanden sollten mittels drei verschiedener Tasten die Farbe des Wortes beurteilen. Es wurden 120 solcher Aufgaben (50% inkongruent / 50% kongruent) mit 10 Übungsaufgaben zu Beginn präsentiert. Die Stimulusdauer betrug 500ms, ISI variierte zufällig zwischen 1500ms und 2500ms. Als Parameter dieser Aufgabe wurde der Inkongruenzeffekt der Reaktionszeit berechnet.
2.2.4.3 n-back-Aufgabe
In dieser Aufgabe, welche Leistungen des Arbeitsgedächtnis abbildet (Jaeggi et al., 2010), wurde den Probanden eine Abfolge von einzelnen Buchstaben gezeigt. Die Probanden wurden angeleitet eine Taste zu drücken, wenn ihnen ein Buchstabe präsentiert wurde, welcher mit dem Buchstaben zwei Buchstaben zuvor übereinstimmte. Die Buchstaben wurden in Groß- und Kleinschreibweise präsentiert, wobei die Schreibweise von den Probanden ignoriert werden sollte. Dieser Ansatz sollte sie dazu ermutigen, die Buchstaben mehr auf verbaler, anstatt auf visueller Ebene wahrzunehmen. Dreiunddreißig Prozent der gezeigten Buchstaben waren Zielstimuli. Die Stimulusdauer betrug 500ms mit einem ISI
