Dopamine dips during unrewarded actions promote punishment-resistant reward seeking

技術要約：報酬のない行動時におけるドーパミンのディップ（低下）が、罰に抵抗する報酬追求を促進する

問題提起
罰に抵抗して報酬を追求する行動は、依存症の定義的な特徴であるが、メスよりもオスにおいてより多く見られる。性ホルモン、特にエストラジオールはドーパミン・シグナル伝達を調節することが知られているが、エストラジオールがメスの罰への抵抗行動の発達にどのように影響を与えるかという具体的な神経メカニズムは依然として不明である。先行研究では、報酬を伴う行動中の背側内側線条体（DMS）における位相的なドーパミンのピークが、罰に抵抗する報酬追求の出現を予測することが確立されている。しかし、性差がこれらのピークの変調によるものなのか、あるいは報酬のない行動に伴うドーパミンのディップ（低下）といった他のドーパミン信号成分によるものなのかは不明であった。

方法論
本研究では、マウスを用い、ファイバーフォトメトリー、光遺伝学、および行動薬理学を組み合わせて、DMSのドーパミン動態と罰への抵抗性の間の因果関係を調査した。

1. ホルモン操作とファイバーフォトメトリー：

   • メスマウスを3つのグループに分けた：シャム（自然なサイクル）、卵巣摘出＋プラセボ（OVX-P：低エストラジオール／ディエストルス状態を模倣）、および卵巣摘出＋慢性17β-エストラジオール補充（OVX-E：高エストラジオール／プロエストルス状態を模倣）。
   • すべてのグループに対して、砂糖報酬を得るためのノーズポーク行動を獲得させるためのRandom Interval 60 (RI60) 強化トレーニングを行った。
   • GRAB-gDA3mセンサーを用いたファイバーフォトメトリーにより、報酬を伴うノーズポークおよび報酬のないノーズポーク中のDMSドーパミン信号を記録した。
   • 罰への抵抗性は、「ショックプローブ」を用いて評価した。これは、報酬を伴うノーズポークの一部に、軽度の足部電気ショックを組み合わせるものである。

2. 光遺伝学的因果関係テスト：

   • ドーパミンのディップの因果的役割をテストするため、著者らはDAT-IRES-Creマウス（オスおよびメス）を用い、AAV-eNpHR3.0（抑制性オプシン）またはコントロールウイルス（EYFP）を、DMSへ投射する細胞を標的として内側黒質緻密部（SNc）に注入した。
   • ファイバー光カニューレをDMSに植え込んだ。
   • RI60トレーニング中、報酬のないノーズポーク時に、ドーパミン終末を抑制するために1秒間の連続的な625nmの光パルスを照射し、ドーパミンのディップを人工的に生成または増幅させた。
   • ショックプローブを実施し、罰への抵抗性の発達を測定した。

主な結果

• 行動表現型： すべてのグループがRI60タスクを同様に習得したが、ホルモン状態は罰への抵抗性を有意に変化させた。OVX-Eメス（慢性的な高エストラジオール状態）は100%が罰に抵抗する（PR）群に分類されたのに対し、シャムメスは主に罰に敏感（PS）であるか、あるいは遅れてPRとなった。OVX-Pメスは、シャムと比較して中間的ではあるが、PRへの有意なシフトを示した。
• ドーパミン信号の動態： ファイバーフォトメトリーの結果、グループ間で報酬を伴うノーズポーク後のドーパミン「ピーク」に有意な差は見られなかった。しかし、報酬のないノーズポーク後のドーパミン「ディップ」において顕著な差が現れた。OVX-PおよびOVX-Eの両グループは、シャムマウスと比較して、有意に大きく、かつ持続的なドーパミンのディップを示した。OVX-Eマウスにおけるディップの大きさは最も顕著であった。
• 光遺伝学的な因果性： 報酬のないノーズポーク中にNpHRによる抑制を行うことで、人工的にドーパミンのディップを誘発することは、オスおよびメスの両方において、罰に抵抗する報酬追求の発達を加速させるのに十分であった。NpHR処理されたマウスは、プローブセッション中にコントロール群よりも有意に多くのショックを受けた。
• 光遺伝学的効果における性差： 光遺伝学的な効果は両性で有意であったが、効果量はメス（$\eta^2_p = 0.38$）の方がオス（$\eta^2_p = 0.17$）よりも大きく、ドーパミンのディップ変調に対する感受性がメスにおいて高いことを示唆している。

主要な貢献

1. 新規メカニズムの特定： 本研究は、報酬を伴う行動中のドーパミンピークの強化ではなく、報酬のない行動中の過剰なドーパミンのディップが、罰に抵抗する報酬追求の決定的な要因であることを特定した。
2. ホルモンによる変調： 慢性的な高エストラジオール状態（非周期的な高エストロゲン状態を模倣）が、ドーパミンのディップを増幅させることによって、メスの罰への抵抗性を事前に規定することを示す。
3. 因果関係の検証： 光遺伝学を用いることで、ドーパミンのディップを模倣することが、両性において罰に抵抗する行動を誘発するのに十分であるという因果的証拠を提供した。
4. 理論的洗練： これらの知見は、ドーパミンのディップは行動の価値を抑制すべきであるとする標準的な報酬予測誤差（RPE）の枠組みに異議を唱えるものである。代わりに、ドーパミンのディップは行動の価値に関する学習を抑制し、それによって負の結果にもかかわらず執着（方策学習）を促進する可能性を示唆している。

意義と主張
本論文は、これらの知見が、慢性的なエストラジオール状態と、罰への抵抗行動を助長するドーパミン信号の変化を結びつけることで、性差による依存症への脆弱性のメカニズム的な説明を提供すると主張している。著者らは、報酬のない行動からの学習をドーパミンのディップが抑制することで、報酬追求が継続されることを示唆している。

翻訳的な観点から、本研究は女性のドーパミン機能のモデリングにおけるギャップを強調している。多くの女性は、避妊薬や更年期の影響で非周期的なホルモン状態にある。著者らは、これらの状態がいかにドーパミントランスポーター（DAT）の機能やそれに続くディップの大きさを制御するかを理解することが、精神疾患への脆弱性を理解する上で極めて重要であると提案している。本研究は、ドーパミンが行動の価値を直接推定するのではなく、行動の価値に関する学習率を制御するという、方策ベースのドーパミン機能の説明を支持している。