Mikrostruktur der weißen Substanz bei Transsexuellen und cisgeschlechtlichen Kontrollpersonen untersucht mittels Diffusionstensorbildgebung

Quelle: https://www.jneurosci.org/content/34/46/15466

 

 

 

Biological causes underpinning the well known gender dimorphisms in human behavior, cognition, and emotion have received increased attention in recent years. The advent of diffusion-weighted magnetic resonance imaging has permitted the investigation of the white matter microstructure in unprecedented detail. Here, we aimed to study the potential influences of biological sex, gender identity, sex hormones, and sexual orientation on white matter microstructure by investigating transsexuals and healthy controls using diffusion tensor imaging (DTI). Twenty-three female-to-male (FtM) and 21 male-to-female (MtF) transsexuals, as well as 23 female (FC) and 22 male (MC) controls underwent DTI at 3 tesla. Fractional anisotropy, axial, radial, and mean diffusivity were calculated using tract-based spatial statistics (TBSS) and fiber tractography. Results showed widespread significant differences in mean diffusivity between groups in almost all white matter tracts. FCs had highest mean diffusivities, followed by FtM transsexuals with lower values, MtF transsexuals with further reduced values, and MCs with lowest values. Investigating axial and radial diffusivities showed that a transition in axial diffusivity accounted for mean diffusivity results. No significant differences in fractional anisotropy maps were found between groups. Plasma testosterone levels were strongly correlated with mean, axial, and radial diffusivities. However, controlling for individual estradiol, testosterone, or progesterone plasma levels or for subjects' sexual orientation did not change group differences. Our data harmonize with the hypothesis that fiber tract development is influenced by the hormonal environment during late prenatal and early postnatal brain development.

 

 

 

Numerous neuroimaging studies have revealed that females and males differ with respect to brain function and structure. Several of these studies use diffusion tensor imaging (DTI), a magnetic resonance imaging method that yields quantitative measures, including the degree of anisotropy [fractional anisotropy (FA)] and axial (AD), radial (RD), and mean (MD) diffusivities (Johansen-Berg and Behrens, 2009). Studies investigating sex effects on white matter microstructure using DTI have revealed several regions in which diffusivity measures differed between women and men. In a sample of 857 healthy subjects, Inano et al. (2011) found higher FA and AD in males in multiple regions, whereas higher RD was more widespread in females. Although brain structural sex dimorphisms have been linked to hormonal differences between the sexes during fetal development (Chou et al., 2011), puberty (Herting et al., 2012), or adulthood (Witte et al., 2010), the specific biological mechanisms underlying these differences remain to be determined.

 

According to the organization/activation theory, hormonal influences during late prenatal and early postnatal brain development determine the sexual imprint of the brain. The presence or absence of testosterone (T) during the second half of pregnancy is believed to shape our brains toward male or female, respectively (Swaab and Garcia-Falgueras, 2009; Bao and Swaab, 2011). Although direct genetic influences can also affect sexual brain differentiation without the involvement of sex hormones, it is assumed that brain organization underlying a subject's gender identity is dependent on hormonal influences during fetal development (Swaab and Garcia-Falgueras, 2009). Furthermore, because sexual brain differentiation is temporally differentiated from sexual differentiation of the genitals, both processes can be influenced independently, which may result in transsexuality (Swaab and Garcia-Falgueras, 2009). Hence, it is assumed that the transgender identity in these subjects results from a mismatch between gender-specific brain development and the development of body and genitals. Investigating transsexual subjects before they receive hormonal treatment thus provides the unique opportunity to differentiate brain structural features that underlie a person's gender identity from those that are defined by a person's biological sex.

 

As of yet, only two studies have investigated white matter microstructure in transsexuals (Rametti et al., 2011a,b). These investigations report increased FA values in male controls (MCs) compared with female controls (FCs) in several regions in the right hemisphere. Interestingly, female-to-male (FtM) and male-to-female (MtF) transsexuals exhibited FA values between those of MCs and FCs. Furthermore, these values were often more similar to those of their desired rather than their genetic sex. The authors interpreted their findings as increased masculinization in FtM transsexuals and incomplete masculinization in MtF transsexuals. Although these data are very promising, knowledge on additional determinants of observed differences is missing.

 

Hence, the aim of the present study was to investigate the white matter microstructure in FtM and MtF transsexuals and FCs and MCs by comparing FA, MD, AD, and RD maps. These measures were then related to gender identity and genetic sex, as well as individual sex hormone levels and sexual orientation.

 

 

 

PARTICIPANTS

 

Eighty-nine participants were included in this cross-sectional study consisting of 23 FCs, 23 FtM transsexuals, 21 MtF transsexuals, and 22 MCs. Data from a subsample of subjects have been published in two previous studies (Hahn et al., 2014; Kranz et al., 2014). Subjects' age ranged between 18 and 45 years, with mean ± SD values as follows: FCs, 25.96 ± 6.07 years; FtM transsexuals, 25.91 ± 6.83 years; MtF transsexuals, 30.86 ± 8.38 years; and MCs, 25.45 ± 4.76 years. MtF transsexuals were on average 5 years older than FtM transsexuals and control subjects (p = 0.03, ANOVA), which is in accordance with epidemiological data from other western European countries (De Cuypere et al., 1995; van Kesteren et al., 1996) showing that FtM transsexuals present to a first consultation at an earlier age than MtF transsexuals. To rule out physical, psychiatric, and neurological disorders (except for gender identity disorder in transsexuals), all subjects underwent standard medical examination, electrocardiogram, routine laboratory tests, and the Structured Clinical Interview for Diagnostic and Statistical Manual of Mental Disorders, Fourth Edition (DSM-IV) disorders (American Psychiatric Association, 2000). Additional exclusion criteria were past or current substance abuse, intake of psychotropic medication, pregnancy, and hormonal treatment, including oral contraceptives (tested with multidrug screen test panel and human chorionic gonadotropin pregnancy test at the screening visit and before the MR scan). Diagnostic assessment of gender identity disorder followed DSM-IV (text revision) and International Classification of Diseases, 10th Revision and was made after several semistructured, sociodemographic, clinical, and psychiatric interviews, based on legal requirements for cross-sex hormonal treatment in Austria. All transsexuals were recruited from the transgender outpatient unit of the Department of Obstetrics and Gynecology, Medical University of Vienna, were naive to steroid hormone treatment, and wanted sex reassignment. All of them reported experiencing gender dysphoria at a relatively early age (before or at puberty). Control subjects were recruited by advertisement at the Medical University of Vienna. All participants received financial compensation for their participation. After complete description of the study to the subjects, written informed consent was obtained. The study was approved by the Ethics Committee of the Medical University of Vienna.

 

SERUM SAMPLING AND DETERMINATION OF SUBJECTS' SEXUAL ORIENTATION.

 

Blood samples were collected before MR scans. The analysis of plasma levels of estradiol (E₂), T, and progesterone (P₄) was done by the Department of Laboratory Medicine, Medical University of Vienna (http://www.kimcl.at). Sexual orientation was determined using a modified version of the Klein Sexual Orientation Grid (Klein et al., 1985) at the screening visit. Here, we used sexual attraction ratings toward the female or male gender, assessed on a seven-point Likert scale as a measure for sexual orientation (Table 1).

 

MR PROTOCOL.

 

Participants underwent a 4.56 min whole-brain diffusion-weighted image (DWI) scan on a 3 T TIM Trio Scanner (Siemens) using a 32-channel head coil. Polyurethane cushions placed between the head coil and subjects' head minimized head movement. DWI was acquired with a single-shot diffusion-weighted echo planar imaging sequence (TE, 83 ms; TR, 8700 ms; flip angle, 90°; image resolution, 1.64 mm isotropic; b value, 800 s/mm²; 70 axial slices) in 30 diffusion-encoding directions and one nondiffusion weighted b0 image. In addition, structural images were acquired in the same scanning session. Here, a T1-weighted magnetization prepared rapid gradient echo sequence was used (TE, 4.2 ms; TR, 2300 ms; spatial resolution, 1.1 × 1 × 1 mm; scan time, 7.45 min). A clinical neuroscientist with extensive neuroradiological experience (R.L.) checked the T1-weighted images for lesions and structural malformations to ensure that brain scans were void of morphological abnormalities.

 

IMAGE ANALYSIS.

 

FA and MD are derived from the principal diffusivities λ₁, λ₂, and λ₃, whereby AD equals the eigenvalue of the primary eigenvector (λ₁) and RD equals the average of the two smaller eigenvalues, with the diffusion coefficients assumed to be perpendicular to the fiber (λ₂ + λ₃/2). FA is calculated using the following formula:

with

Calculation of the FA, MD, AD, and RD maps was performed with the FMRIB (Functional MRI of the Brain) software library (FMRIB Software Library version 5.0.5; http://fsl.fmrib.ox.ac.uk/fsl/fslwiki/) using tract-based spatial statistics (TBSS) (Smith et al., 2006) with default parameters unless specified otherwise. This included adjustment for eddy currents and head movement, as well as removal of the skull and non-brain tissue with the brain extraction tool. After fitting the tensor model (weighted least-squares approach), the TBSS pipeline applies nonlinear registration to match individual FA maps to MNI standard space (target = FMRIB58_FA standard-space image, study-specific mean FA and skeleton, FA threshold = 0.2). A skeleton of white matter tracts is created from the mean FA image, and individual maps are finally mapped to this skeleton. Non-FA images (i.e., AD, RD, and MD) are processed in the same manner by using the transformations obtained from the FA processing procedure. Because men and women differ in overall brain size (Allen et al., 2002; Gong et al., 2009; Giedd et al., 2012), the total intracranial volume (TIV) was extracted from T1-weighted images for inclusion in the statistical analyses. Using the VBM8 toolbox (http://dbm.neuro.uni-jena.de/vbm/) for SPM8 (http://www.fil.ion.ucl.ac.uk/spm/), structural scans were segmented into gray and white matter, as well as CSF. The TIV was calculated as the sum of these three parameters.

 

To validate our findings, TBSS results were compared with whole tract diffusion parameters for right and left corticospinal tract (CST), forceps major (Fmajor), and forceps minor (Fminor) using probabilistic tractography. This was done with the FSL Diffusion Toolbox in individual space (Behrens et al., 2003) as reported previously (Hahn et al., 2014). Local diffusion parameters were computed with 5000 sample streamlines and two fiber directions per voxel (Behrens et al., 2007), which enables modeling of crossing fibers and tracking of nondominant pathways. Seed and target regions for right and left CST, Fmajor, and Fminor were delineated as described previously (Wakana et al., 2007). Reconstructed tracts were thresholded to remove spurious connections. Here, voxels exhibiting the lowest 5% of sample streamlines or areas with FA < 0.2 were removed (Croxson et al., 2005). From the final tracts, average values of FA, MD, AD, and RD were extracted for each individual for additional statistical evaluation.

 

STATISTICAL ANALYSIS.

 

Voxelwise statistics of the skeletonized FA, MD, AD, and RD data were performed using analysis of covariance (ANCOVA) with group as factor (four levels: FC, FtM, MtF, and MC). TIV was entered as covariate of no interest in the analysis because the relative contribution of partial volume effect-contaminated voxels may be different and systematically distort DTI metrics (Vos et al., 2011), given the expected differences in brain volumes between groups (see below). Significant results in the F test served as a mask for voxels that were subjected to post hoc two-sample t tests. To investigate whether the three sex steroid hormones (E₂, T, and P₄) or sexual orientation explained group differences, the named variables were added as covariates of no interest within separate ANCOVA analyses. Finally, multiple regression analyses were performed to determine the effects of hormones and sexual orientation on diffusivity maps independent of group membership, i.e., with group in addition to TIV as factor of no interest. Separate models were calculated for each of the independent variables (E₂, T, P₄, and sexual orientation). Because hormone values over the entire sample were non-normally distributed, they were transformed to ordinal scales based on ranks before inclusion in the analysis. Sexual orientation was entered into analyses in three different ways of coding: (1) as raw values of the Likert scale (1 for attraction toward females; 7 for attraction toward males); (2) as a spectrum from homosexuality (e.g., 1) to heterosexuality (e.g., 7) with reference to the raters' genetic sex; and (3) as a spectrum from homosexuality to heterosexuality with reference to the raters' gender identity. The statistical threshold was set at p < 0.05 FWE corrected, using the threshold-free cluster enhancement method to define the clusters (Smith and Nichols, 2009). Voxels showing significant differences were assigned to white matter tracts using the DTI-81 white matter atlas of the International Consortium for Human Brain Mapping as provided by the DiffeoMap software package (www.mristudio.org/wiki/user_manual/diffeomap). Diffusivities based on tract-specific quantification for right and left CST, Fmajor, and Fminor were compared using ANOVA in SPSS. Separate models were calculated for each tract and diffusivity parameter, followed by post hoc pairwise comparisons and correction for multiple comparisons using the Bonferroni's procedure. Analyses were run with and without TIV as covariate of no interest. Separate correlation analyses were performed to examine the association between diffusivities and age and between volumetric data [gray matter volume (GMV), white matter volume (WMV), CSF, and TIV] and age for each group.

 

 

 

 

Whole-brain TBSS analysis revealed widespread differences in MD, AD, and RD maps between the investigated groups, whereas no significant voxels were found for FA maps. Differences in MD included virtually all white matter tracts. Post hoc pairwise comparisons revealed the transition MC < MtF < FtM < FC, with MD values and number of significant voxels increasing significantly (Figs. 1, 2). In other words, female biological sex and female gender identity were associated with increased MD. FCs had significantly higher MD values than FtM transsexuals in voxels within the right cerebral peduncle, bilateral internal and external capsule, right posterior corona radiate, right hippocampal cingulum, bilateral stria terminalis, right superior longitudinal fasciculus, body and splenium of corpus callosum, right frontal, superior, and postcentral blades, and bilateral parietal and temporal blades. When MD values in FCs were compared with MtF transsexuals, voxels corresponding to the above-named regions were complemented by a large number of additional regions (Fig. 1). This trend in increasing MD differences (both in terms of increased MD values and larger numbers of significant voxels) culminated in the comparison of FCs with MCs in which FCs had higher MD values in virtually all regions compared with MCs (Fig. 1). None of the investigated voxels showed significantly increased MD values in male biological sex or male gender identity compared with female biological sex or female gender identity. However, some brain regions showed differences only between biological sexes but not between different gender identities within the same biological sex, e.g., between FCs and MtF transsexuals but not between FCs and FtM transsexuals. This included voxels in the cerebellar peduncle and right CST (Fig. 2), as well as in bilateral medial lemniscus, splenium of corpus callosum, and left superior parietal blade.

 

To determine which of the eigenvalues provided the main source for differences in MD, we performed pairwise comparisons for AD and RD maps. These analyses revealed that results in MD were mostly triggered by differences in AD. AD values were highest in FCs, followed by FtM and MtF transsexuals, with MCs having significantly lowest values (Fig. 3). In contrast, RD maps showed only few regions responsible for the abovementioned transition from FCs to MCs, including voxels in the right superior longitudinal fasciculus and right middle frontal and right parietotemporal blades (Fig. 4). In voxels within the right anterior corona radiata and right superior frontal blade, MtF transsexuals had higher RD values than FtM transsexuals. In all other regions, female sex and gender identity had significantly higher values. Conducting the ANOVAs without correction for TIV did not change the main direction of group differences, i.e., the transition FC > FtM > MtF > MC for MD, as well as AD and RD.

 

 

To determine whether sex hormone status explained our findings, we first compared E₂, T, and P₄ plasma levels between groups and then associated them with diffusivity parameters. Group comparisons revealed an expected difference between genetic sexes, i.e., higher E₂ and lower T levels in genetic females compared with males, but no significant difference between gender identities of the same biological sex (Table 1). Differences in diffusivity parameters between groups did not change when including sex steroid hormones as covariates of no interest.

 

Multiple regression analyses were performed to determine global hormone effects on the entire sample, independent of group membership, i.e., with group as variable of no interest. For P₄, significant positive correlations for RD were observed in voxels within the body of the corpus callosum, the left superior corona radiate, and the right temporal blade. No significant effects were observed for E₂ plasma levels. However, for T, voxels in a variety of regions showed strong positive correlations with MD, AD, and RD maps. For MD, regions included the middle cerebellar peduncle, bilateral CST, pontine crossing tract, bilateral fronto-occipital fasciculus, left external capsule, genu and body of corpus callosum, bilateral anterior corona radiate, and bilateral superior longitudinal fasciculus, as well as bilateral temporal, superior frontal, and parietal blades and bilateral precentral and postcentral blades. For AD, regions included the bilateral cerebral peduncle, left CST, the pontine crossing tract, internal capsule, body and splenium of the corpus callosum, bilateral inferior fronto-occipital fasciculus, right superior corona radiate, and bilateral temporal blades. For RD, regions included the right cerebral peduncle, posterior thalamic radiation, bilateral posterior and inferior internal capsule, and splenium and body of corpus callosum, as well as bilateral temporal precentral and postcentral blades, right parietotemporal blades, and left occipital blades (Fig. 5).

 

 

Here, we investigated whether sexual orientation associates with diffusivity measures. No effects on our main findings were observed when sexual orientation was regressed out in the ANCOVA design. Moreover, there was no significant effect of sexual orientation on diffusivity parameters in the regression analysis including all subjects and using group as factor of no interest.

 

 

Separate ANOVAs for GMV, WMV, CSF, and TIV revealed significant differences between the four groups, with larger volumes found in genetic males than genetic females. Interestingly, except for CSF, volumes exhibited also a transition: FC < FtM < MtF < MC (for means ± SDs, see Table 1). Post hoc pairwise comparisons revealed significantly larger volumes in MCs compared with FCs and FtM transsexuals and in MtF transsexuals compared with FCs for all volumes (p < 0.05, Bonferroni's corrected). Other comparisons showed only a trend (MtF > FtM for GMV; FtM > FC for GMV, WMV, and TIV) or no difference (MC > MtF for GMV, WMV, CSF, and TIV; FtM > FC for CSF).

 

 

Pearson's correlations revealed negative associations between AD and age in CST bilaterally and between RD and age in left CST and Fminor (p < 0.05, corrected; for separate correlations per group and uncorrected values, see Table 3 and Fig. 6). Also, MD showed negative correlations with age in left CST, whereas FA was negatively correlated in Fminor (p < 0.05, corrected). GMV was negatively correlated with age (p < 0.05, uncorrected), whereas CSF was positively correlated with age (p < 0.05, corrected).

 

 

 

The results of this study show that white matter microstructure in FtM and MtF transsexuals falls halfway between that of FCs and MCs. Females with a female gender identity (FCs) had highest MDs, followed by females with a male gender identity (FtM transsexuals). Further decreased values were found in males with a female gender identity (MtF transsexuals), followed by males with a male gender identity (MCs) having the lowest MD. Differentiating the contribution of the different eigenvalues revealed that predominantly AD accounted for MD differences. However, increased values in RD in female sex/gender identity compared with male sex/gender identity also contributed to MD results, because no group differences were observed for FA maps. This can be best appreciated when looking at how parameter maps FA, MD, AD, and RD are calculated from the principal eigenvalues λ₁, λ₂, and λ₃ (see equations above). FA increases as disparity between the three eigenvalues increases, whereas MD rises with the sum of eigenvalues. Furthermore, examination of the equations also explains why FA (or MD) may be similar between groups, although eigenvalues can undergo significant changes. Therefore, it is regarded as essential that all eigenvalues, or at least AD and RD, are reported in addition to FA and MD (Beaulieu, 2009). However, only few DTI studies meet these demands.

 

In our study, we find robust differences between investigated groups in MD, AD, and RD indicating that biological sex and gender identity both contribute to observed group differences. Moreover, the high positive correlation with adult plasma T levels (controlling for group membership) indicates that group differences cannot be explained by peripheral sex hormone plasma levels. As expected, biological males (MCs and MtF transsexuals) had higher T levels than biological females (FCs and FtM transsexuals), whereas group differences in diffusivity values showed the transition FC > FtM > MtF > MC. Furthermore, group differences were not explained by differences in sexual orientation, narrowing potential determinants for differences in diffusivity parameters to biological sex and gender identity.

 

T in the womb and early neonatal life plays a decisive role in sexual brain differentiation, which is believed to underlie a subject's gender identity (Swaab and Garcia-Falgueras, 2009). This organizational effect produces permanent changes in the cellular organization of brain tissue that occurs during critical periods when differences in serum T are highest between sexes (Auyeung et al., 2013). Functional and structural MRI studies in 8- to 11-year-old children found that fetal T predicted neural response to valenced facial cues in reward-related regions, such as nucleus accumbens, caudate, and putamen (Lombardo et al., 2012b). Furthermore, fetal T was shown to predict GMV in the temporoparietal junction, superior temporal sulcus, orbitofrontal cortex, and planum temporale (Lombardo et al., 2012a), as well as white matter asymmetry in corpus callosum size (Chura et al., 2010). T thereby acts either directly on developing neurons or via local conversion to estrogen by the enzyme aromatase, and estrogen then masculinizes certain brain areas, regulates synapse formation, and acts as a neurotrophic factor (Li and Shen, 2005; McCarthy, 2008; Savic et al., 2010).

 

However, studies indicate that sexual differentiation of the brain also occurs before the onset of hormone production (Lentini et al., 2013). Furthermore, organizational effects of fetal hormones may depend on the chromosomal sex (Carrer and Cambiasso, 2002). Several studies on growth and differentiation of neurons in vitro indicated sexual differences in response to E₂: E₂ treatment induced earlier axon differentiation in neurons from females but not from males (Díaz et al., 1992), whereas axon growth during E₂ treatment was increased in neurons from males but not from females (Cambiasso et al., 2000). In light of these findings, we can speculate on a sex-dependent differential effect of fetal T on white matter microstructure, which explains the group differences found in the present study. Unfortunately, however, this could not be tested directly in the current study because information on fetal T levels was not available.

 

Our results indicate that organizational effects early in brain development seem to oppose the effects of T later in life. Whereas group differences showed the transition FC > FtM > MtF > MC, indicating an inverse relationship between fetal T and MD, adult plasma T levels showed a strong positive correlation with MD. Indeed, cell culture studies indicate that gonadal steroid hormone effects on neuritogenesis are age dependent and region specific (Carrer and Cambiasso, 2002; McCarthy, 2008). Furthermore, DTI studies corroborate relatively higher FA and AD in males and higher MD and RD in females in many white matter tracts (Hsu et al., 2008; Inano et al., 2011; Menzler et al., 2011), which seems to contradict recent data indicating strong positive correlations between RD and adult T levels in males (Peper et al., 2013). Given the highly dynamic nature of the effects of sex hormones on cellular growth and differentiation, generalizations about their influence should thus be treated with great caution.

 

Our results strengthen the notion of an observable and measurable biological basis of gender identity and put gender dysphoria into the realm of human physiological variation. Nevertheless, our results diverge from the DTI studies by Rametti et al. (2011a,b) who reported greater FA in MCs than in FCs, with MtF and FtM transsexuals lying between both control groups. However, the authors restricted their analysis to FA, whereas MD or eigenvalues were not reported. Second, they did not account for the modulating effects of plasma hormone levels or sexual orientation, as done in our study. However, we show that neither the sex steroid hormones nor sexual orientation explain our observed group differences. Third, in addition to TBSS, we performed probabilistic tractography, which confirmed our findings of the transition FC > FtM > MtF > MC in right and left CST. Interestingly, however, for voxels within the CST, the TBSS approach showed differences only between biological sexes but not gender identities within the same biological sex. Furthermore, also in Fmajor and Fminor, MD parameters did only in part reflect regional TBSS findings. This is not surprising given the fact that TBSS results in clusters of voxels did not cover entire tracts (Figs. 1, 3, 4). Finally, several recent DTI studies showed that MD increases with age, indicating that age may have had a modulating role in our study (Hsu et al., 2008; Inano et al., 2011). However, if age explained observed group differences, then FCs should have been oldest, followed by FtM and MtF transsexuals, whereas MCs should have been youngest. This was not the case. In our study, MtF transsexuals were on average older than the three other groups. However, MD seemed to decrease in the CST, whereas it increased in Fminor. Age was also negatively correlated with AD, indicating that group differences may partly reflect the age mismatch between groups. Hence, our data indicate that a person's biological sex and gender identity are, at least in part, reflected in the brain's white matter microstructure of that very person.

 

Several possible limitations of this study should be noted. First, crossing fibers are a major problem in the interpretation of DTI results (Behrens et al., 2007; Jbabdi et al., 2010). In fact, the diffusion tensor model is inadequate in the many regions in which multiple fiber orientations contribute to the signal measured for the same voxel (Tournier et al., 2011). Hence, it remains open, to which neurobiological property, including the crossing of fiber bundles, axonal directional coherence, axonal density, or axon size, our results can be attributed. Second, our interpretation of study results mainly focused on a potential hormonal influence in the womb and early neonatal life. So far, we did not touch on genetic determinants of gender, although co-occurrence among twins, brother–sister pairs, and father–son pairs point toward transsexuality as heritable (Hyde and Kenna, 1977; Green, 2000). In a sample of MtF transsexuals, a study showed that a CAG repeat length polymorphism in the androgen receptor (AR) gene was significantly associated with transsexuality (Hare et al., 2009). MtF transsexuals had longer CAG repeats than MCs, indicating less effective T signaling in the former, which may be interpreted as less masculinization during early brain development. Interestingly, the same polymorphism has been linked to axonal caliber in a large sample of developing adolescents (Perrin et al., 2009). The study showed that T-related increases in white matter growth were stronger in males with lower number of CAG repeats in the AR gene. Therefore, we cannot exclude the possibility of a genetic component that explains parts of our results. Finally, because the exact onset of gender dysphoria, the severity, and other measures of transsexuality were not acquired in this study, the evaluation of potential associations with the obtained DTI metrics will remain an issue for future research.

 

 

The results of this study show that the white matter microstructure in FtM and MtF transsexuals falls halfway between that of FCs and MCs. Our data harmonize with the hypothesis that fiber tract development is influenced by the hormonal environment during late prenatal and early postnatal brain development that is proposed to determine gender identity.

 

 

- This study was supported by Austrian Science Fund Grant 23021 (R.L.). We thank E. Akimova, C. Kraus, P. Baldinger, A. Höflich, T. Vanicek, A. Kautzky, A. Komorowski, U. Moser, E. K. Tempfer-Bentz, and C. Tempfer for their medical support and M. Spies for native English editing. We are especially grateful to all transsexual subjects for participating in this study.

 

- The authors declare no competing financial interests.

 

- Correspondence should be addressed to Dr. Rupert Lanzenberger, Functional, Molecular, and Translational Neuroimaging Lab, Department of Psychiatry and Psychotherapy, Medical University of Vienna, Waehringer Guertel 18-20, 1090 Vienna, Austria. rupert.lanzenberger@meduniwien.ac.at

 

Biologische Ursachen, die den bekannten geschlechtsspezifischen Unterschieden im menschlichen Verhalten, in Kognition und Emotion zugrunde liegen, haben in den letzten Jahren verstärkte Aufmerksamkeit erhalten. Der Einzug der diffusionsgewichteten Magnetresonanztomographie hat die Untersuchung der Mikrostruktur der weißen Substanz in bisher unerreichter Detailtiefe ermöglicht. In der vorliegenden Studie wollten wir die potenziellen Einflüsse von biologischem Geschlecht (Sexus), Geschlechtsidentität, Sexualhormonen und sexueller Orientierung auf die Mikrostruktur der weißen Substanz untersuchen, indem wir Transsexuelle und gesunde Kontrollpersonen mittels Diffusionstensorbildgebung (DTI) verglichen. Dreiundzwanzig Frau-zu-Mann-(FtM-) und 21 Mann-zu-Frau-(MtF-)Transsexuelle sowie 23 weibliche (FC) und 22 männliche (MC) Kontrollpersonen unterzogen sich einer DTI-Untersuchung bei 3 Tesla. Die fraktionelle Anisotropie sowie axiale, radiale und mittlere Diffusivität wurden unter Verwendung von traktbasierten räumlichen Statistiken (TBSS) und Fasertrak­tographie berechnet. Die Ergebnisse zeigten weitverbreitete signifikante Unterschiede der mittleren Diffusivität zwischen den Gruppen in nahezu allen Fasertrakten der weißen Substanz. Die weiblichen Kontrollen wiesen die höchsten mittleren Diffusivitäten auf, gefolgt von FtM-Transsexuellen mit niedrigeren Werten, MtF-Transsexuellen mit weiter reduzierten Werten und männlichen Kontrollen mit den niedrigsten Werten. Die Analyse axialer und radialer Diffusivitäten ergab, dass eine Veränderung der axialen Diffusivität die Befunde zur mittleren Diffusivität erklärte. In den Karten der fraktionellen Anisotropie fanden sich zwischen den Gruppen keine signifikanten Unterschiede. Die Plasma-Testosteronspiegel korrelierten stark mit mittlerer, axialer und radialer Diffusivität. Die Kontrolle für individuelle Estradiol-, Testosteron- oder Progesteron-Plasmaspiegel oder für die sexuelle Orientierung der Probanden veränderte die Gruppenunterschiede jedoch nicht. Unsere Daten stehen im Einklang mit der Hypothese, dass die Entwicklung von Fasertrakten durch das hormonelle Milieu während der späten pränatalen und frühen postnatalen Hirnentwicklung beeinflusst wird.

 

 

 

Zahlreiche neurobildgebende Studien haben gezeigt, dass sich Frauen und Männer in Bezug auf Hirnfunktion und -struktur unterscheiden. Viele dieser Studien verwenden die Diffusionstensorbildgebung (DTI), eine Methode der Magnetresonanztomographie, die quantitative Messgrößen liefert, einschließlich des Grades der Anisotropie [fraktionelle Anisotropie (FA)] sowie axialer (AD), radialer (RD) und mittlerer (MD) Diffusivitäten (Johansen-Berg and Behrens, 2009). Studien, die Effekte des Geschlechts auf die Mikrostruktur der weißen Substanz mittels DTI untersuchten, haben mehrere Regionen identifiziert, in denen sich Diffusivitätsmaße zwischen Frauen und Männern unterscheiden. In einer Stichprobe von 857 gesunden Probanden fanden Inano et al. (2011) höhere FA- und AD-Werte bei Männern in mehreren Regionen, wohingegen höhere RD-Werte bei Frauen weiter verbreitet waren. Obwohl geschlechtsdimorphe Unterschiede in der Hirnstruktur mit hormonellen Unterschieden zwischen den Geschlechtern während der fetalen Entwicklung (Chou et al., 2011), der Pubertät (Herting et al., 2012) oder im Erwachsenenalter (Witte et al., 2010) in Verbindung gebracht wurden, sind die spezifischen biologischen Mechanismen, die diesen Unterschieden zugrunde liegen, noch zu klären.

 

Gemäß der Organisations-/Aktivierungstheorie bestimmen hormonelle Einflüsse während der späten pränatalen und frühen postnatalen Hirnentwicklung die sexuelle Prägung des Gehirns. Das Vorhandensein oder Fehlen von Testosteron (T) während der zweiten Hälfte der Schwangerschaft wird als ursächlich dafür angesehen, dass unser Gehirn jeweils in männliche bzw. weibliche Richtung geformt wird (Swaab and Garcia-Falgueras, 2009; Bao and Swaab, 2011). Obwohl direkte genetische Einflüsse die sexuelle Differenzierung des Gehirns auch ohne Beteiligung von Sexualhormonen beeinflussen können, wird angenommen, dass diejenige Organisation des Gehirns, die der Geschlechtsidentität einer Person zugrunde liegt, von hormonellen Einflüssen während der fetalen Entwicklung abhängt (Swaab and Garcia-Falgueras, 2009). Da zudem die sexuelle Differenzierung des Gehirns zeitlich von der sexuellen Differenzierung der Genitalien getrennt ist, können beide Prozesse unabhängig voneinander beeinflusst werden, was in Transsexualität münden kann (Swaab and Garcia-Falgueras, 2009). Daher wird angenommen, dass die Transgender-Identität bei diesen Personen aus einer Diskrepanz zwischen der geschlechtsspezifischen Hirnentwicklung und der Entwicklung von Körper und Genitalien resultiert. Die Untersuchung transsexueller Probanden, bevor sie eine Hormonbehandlung erhalten, bietet somit die einzigartige Möglichkeit, Gehirnstrukturen, die der Geschlechtsidentität einer Person zugrunde liegen, von solchen zu unterscheiden, die durch das biologische Geschlecht einer Person definiert sind.

 

Bislang haben nur zwei Studien die Mikrostruktur der weißen Substanz bei Transsexuellen untersucht (Rametti et al., 2011a,b). Diese Untersuchungen berichten in mehreren Regionen der rechten Hemisphäre erhöhte FA-Werte bei männlichen Kontrollen (MCs) im Vergleich zu weiblichen Kontrollen (FCs). Interessanterweise zeigten Frau-zu-Mann-(FtM-) und Mann-zu-Frau-(MtF-)Transsexuelle FA-Werte, die zwischen denen von MCs und FCs lagen. Darüber hinaus ähnelten diese Werte häufig eher denen des angestrebten als denen des genetischen Geschlechts. Die Autoren interpretierten ihre Befunde als Hinweis auf eine verstärkte Maskulinisierung bei FtM-Transsexuellen und eine unvollständige Maskulinisierung bei MtF-Transsexuellen. Obwohl diese Daten sehr vielversprechend sind, fehlt bislang Wissen über zusätzliche Determinanten der beobachteten Unterschiede.

 

Dementsprechend war das Ziel der vorliegenden Studie, die Mikrostruktur der weißen Substanz bei FtM- und MtF-Transsexuellen sowie bei FCs und MCs zu untersuchen, indem FA-, MD-, AD- und RD-Karten verglichen wurden. Diese Messgrößen wurden anschließend in Beziehung gesetzt zu Geschlechtsidentität und genetischem Geschlecht sowie zu individuellen Sexualhormonspiegeln und der sexuellen Orientierung.

 

 

 

TEILNEHMER

 

In diese Querschnittsstudie wurden 89 Probanden eingeschlossen, bestehend aus 23 FCs, 23 FtM-Transsexuellen, 21 MtF-Transsexuellen und 22 MCs. Daten einer Teilstichprobe dieser Personen wurden bereits in zwei früheren Studien veröffentlicht (Hahn et al., 2014; Kranz et al., 2014). Das Alter der Probanden lag zwischen 18 und 45 Jahren, mit folgenden Mittelwerten ± SD: FCs, 25,96 ± 6,07 Jahre; FtM-Transsexuelle, 25,91 ± 6,83 Jahre; MtF-Transsexuelle, 30,86 ± 8,38 Jahre; und MCs, 25,45 ± 4,76 Jahre. MtF-Transsexuelle waren im Durchschnitt 5 Jahre älter als FtM-Transsexuelle und Kontrollpersonen (p = 0,03, ANOVA), was mit epidemiologischen Daten aus anderen westeuropäischen Ländern übereinstimmt (De Cuypere et al., 1995; van Kesteren et al., 1996), die zeigen, dass FtM-Transsexuelle sich in jüngerem Alter zur Erstvorstellung einfinden als MtF-Transsexuelle. Um körperliche, psychiatrische und neurologische Erkrankungen (mit Ausnahme der Geschlechtsidentitätsstörung bei Transsexuellen) auszuschließen, unterzogen sich alle Probanden einer standardisierten medizinischen Untersuchung, einem Elektrokardiogramm, Routine-Laboruntersuchungen und dem Strukturierten Klinischen Interview für Störungen nach dem Diagnostischen und Statistischen Manual Psychischer Störungen, Vierte Auflage (DSM-IV) (American Psychiatric Association, 2000). Weitere Ausschlusskriterien waren frühere oder aktuelle Substanzabhängigkeit, Einnahme psychotroper Medikamente, Schwangerschaft und hormonelle Behandlung einschließlich oraler Kontrazeptiva (geprüft mittels Multidrogen-Screeningpanel und humanem Choriongonadotropin-Schwangerschaftstest beim Screening-Besuch und vor der MR-Untersuchung). Die diagnostische Beurteilung der Geschlechtsidentitätsstörung erfolgte nach DSM-IV (Textrevision) und der Internationalen Klassifikation der Krankheiten, 10. Revision, und wurde nach mehreren semistrukturierten, soziodemografischen, klinischen und psychiatrischen Interviews gestellt, basierend auf den gesetzlichen Voraussetzungen für geschlechtsübergreifende Hormonbehandlung in Österreich. Alle Transsexuellen wurden aus der Transgender-Ambulanz der Abteilung für Gynäkologie und Geburtshilfe der Medizinischen Universität Wien rekrutiert, waren steroidnaiv und strebten eine Geschlechtsangleichung an. Alle berichteten, bereits in relativ frühem Alter (vor oder während der Pubertät) unter Geschlechtsdysphorie zu leiden. Kontrollpersonen wurden über Anzeigen an der Medizinischen Universität Wien rekrutiert. Alle Teilnehmer erhielten eine finanzielle Aufwandsentschädigung für ihre Teilnahme. Nach vollständiger Aufklärung über die Studie wurde von allen Probanden eine schriftliche Einwilligungserklärung eingeholt. Die Studie wurde von der Ethikkommission der Medizinischen Universität Wien genehmigt.

 

SERUMGEWINNUNG UND BESTIMMUNG DER SEXUELLEN ORIENTIERUNG DER PROBANDEN

 

Blutproben wurden vor den MR-Untersuchungen abgenommen. Die Analyse der Plasmaspiegel von Estradiol (E2), Testosteron (T) und Progesteron (P4) erfolgte durch die Abteilung für Labormedizin der Medizinischen Universität Wien (http://www.kimcl.at). Die sexuelle Orientierung wurde beim Screening-Besuch mit einer modifizierten Version des Klein Sexual Orientation Grid bestimmt (Klein et al., 1985). Hierzu wurden Angaben zur sexuellen Anziehung gegenüber dem weiblichen bzw. männlichen Geschlecht auf einer siebenstufigen Likert-Skala erhoben und als Maß für die sexuelle Orientierung verwendet (Table 1).

 

MR-PROTOKOLL

 

Die Probanden unterzogen sich einem 4,56-minütigen Diffusions-gewichteten Ganzhirnscan (DWI) an einem 3-Tesla-TIM-Trio-Scanner (Siemens) unter Verwendung einer 32-Kanal-Kopfspule. Polyurethankissen, die zwischen Kopfspule und Kopf der Probanden platziert wurden, minimierten Kopfbewegungen. Die DWI-Daten wurden mit einer Single-Shot-diffusionsgewichteten Echo-Planar-Bildgebungssequenz erhoben (TE, 83 ms; TR, 8700 ms; Flipwinkel, 90°; Bildauflösung, 1,64 mm isotrop; b-Wert, 800 s/mm²; 70 axiale Schichten) in 30 Diffusionskodierungsrichtungen sowie einem nicht diffusionsgewichteten b0-Referenzbild. Zusätzlich wurden in derselben Sitzung strukturelle Aufnahmen gewonnen. Hierzu wurde eine T1-gewichtete Magnetization-Prepared-Rapid-Gradient-Echo-Sequenz (MP-RAGE) verwendet (TE, 4,2 ms; TR, 2300 ms; räumliche Auflösung, 1,1 × 1 × 1 mm; Scanzeit, 7,45 min). Ein klinischer Neurowissenschaftler mit umfangreicher neuroradiologischer Erfahrung (R.L.) prüfte die T1-gewichteten Bilder auf Läsionen und strukturelle Fehlbildungen, um sicherzustellen, dass die Hirnscans frei von morphologischen Auffälligkeiten waren.

 

BILDANALYSE

 

FA und MD werden aus den Hauptdiffusivitäten λ1, λ2 und λ3 abgeleitet, wobei AD dem Eigenwert des primären Eigenvektors (λ1) entspricht und RD dem Mittelwert der beiden kleineren Eigenwerte, deren Diffusionskoeffizienten als zur Faser verlaufend senkrecht angenommen werden (λ2 + λ3/2). FA wird nach folgender Formel berechnet:

mit

Die Berechnung der FA-, MD-, AD- und RD-Karten wurde mit der FMRIB-(Functional MRI of the Brain-)Softwarebibliothek (FMRIB Software Library Version 5.0.5; http://fsl.fmrib.ox.ac.uk/fsl/fslwiki/) unter Verwendung der tract-based spatial statistics (TBSS) (Smith et al., 2006) mit Standardparametern durchgeführt, sofern nicht anders angegeben. Dies umfasste die Korrektur von Eddy-Strömen und Kopfbewegungen sowie die Entfernung von Schädel und Nicht-Hirngewebe mit dem Brain Extraction Tool. Nach Anpassung des Tensor-Modells (gewichtete Kleinstquadratemethode) wendet die TBSS-Pipeline eine nichtlineare Registrierung an, um individuelle FA-Karten an den MNI-Standardraum anzugleichen (Ziel = FMRIB58_FA-Standardraumabbild, studienspezifisches mittleres FA und Skelett, FA-Schwellenwert = 0,2). Aus dem mittleren FA-Bild wird ein Skelett der Faserbündel der weißen Substanz erstellt, auf das die individuellen Karten schließlich abgebildet werden. Nicht-FA-Bilder (d.h. AD, RD und MD) werden in gleicher Weise verarbeitet, indem die aus der FA-Verarbeitung gewonnenen Transformationen verwendet werden. Da sich Männer und Frauen in der Gesamtgröße des Gehirns unterscheiden (Allen et al., 2002; Gong et al., 2009; Giedd et al., 2012), wurde das gesamte intrakranielle Volumen (TIV) aus den T1-gewichteten Bildern extrahiert, um es in die statistischen Analysen einzubeziehen. Unter Verwendung der VBM8-Toolbox (http://dbm.neuro.uni-jena.de/vbm/) für SPM8 (http://www.fil.ion.ucl.ac.uk/spm/) wurden die strukturellen Scans in graue und weiße Substanz sowie Liquor (CSF) segmentiert. Das TIV wurde als Summe dieser drei Parameter berechnet.

 

Zur Validierung unserer Befunde wurden die TBSS-Ergebnisse mit diffusionsbezogenen Parametern ganzer Trakte für den rechten und linken kortikospinalen Trakt (CST), das Forceps major (Fmajor) und das Forceps minor (Fminor) unter Verwendung probabilistischer Traktografie verglichen. Dies erfolgte mit der FSL Diffusion Toolbox im individuellen Raum (Behrens et al., 2003), wie bereits zuvor beschrieben (Hahn et al., 2014). Lokale Diffusionsparameter wurden mit 5000 Sample-Streamlines und zwei Faserorientierungen pro Voxel berechnet (Behrens et al., 2007), was die Modellierung kreuzender Fasern und das Tracking nicht-dominanter Faserbahnen ermöglicht. Seed- und Zielregionen für rechten und linken CST, Fmajor und Fminor wurden wie zuvor beschrieben definiert (Wakana et al., 2007). Die rekonstruierten Trakte wurden anschließend geschwellt, um spurielle Verbindungen zu entfernen; Voxel mit den niedrigsten 5% der Sample-Streamlines oder mit FA < 0,2 wurden ausgeschlossen (Croxson et al., 2005). Aus den finalen Trakten wurden für jede Person die mittleren Werte von FA, MD, AD und RD extrahiert und für zusätzliche statistische Auswertungen verwendet.

 

STATISTISCHE ANALYSE

 

Voxelbasierte Statistiken der skeletierten FA-, MD-, AD- und RD-Daten wurden mittels Kovarianzanalyse (ANCOVA) mit Gruppe als Faktor (vier Stufen: FC, FtM, MtF und MC) durchgeführt. Das gesamte intrakranielle Volumen (TIV) wurde als Kovariate ohne Interesse in die Analyse aufgenommen, da der relative Anteil von Voxeln mit Partial-Volumen-Effekten zwischen den Gruppen unterschiedlich sein und DTI-Metriken systematisch verzerren kann (Vos et al., 2011), angesichts der zu erwartenden Unterschiede im Hirnvolumen zwischen den Gruppen (siehe unten). Signifikante Ergebnisse im F‑Test dienten als Maske für jene Voxel, die anschließenden Post-hoc-Zwei-Stichproben-t-Tests unterzogen wurden. Um zu untersuchen, ob die drei Sexualsteroidhormone (E2, T und P4) oder die sexuelle Orientierung die Gruppenunterschiede erklärten, wurden die genannten Variablen in separaten ANCOVA-Analysen als Kovariaten ohne Interesse hinzugefügt. Abschließend wurden multiple Regressionsanalysen durchgeführt, um die Effekte der Hormone und der sexuellen Orientierung auf die Diffusivitätskarten unabhängig von der Gruppenzugehörigkeit zu bestimmen, d. h. mit Gruppe zusätzlich zu TIV als Faktor ohne Interesse. Für jede der unabhängigen Variablen (E2, T, P4 und sexuelle Orientierung) wurden getrennte Modelle berechnet. Da Hormonwerte in der Gesamstichprobe nicht normalverteilt waren, wurden sie vor der Aufnahme in die Analyse in ordinale Skalen auf Basis von Rängen transformiert. Die sexuelle Orientierung wurde auf drei verschiedene Weisen kodiert: (1) als Rohwerte der Likert‑Skala (1 für Anziehung gegenüber Frauen; 7 für Anziehung gegenüber Männern); (2) als Kontinuum von Homosexualität (z. B. 1) zu Heterosexualität (z. B. 7) mit Bezug auf das genetische Geschlecht der bewertenden Person; und (3) als Kontinuum von Homosexualität zu Heterosexualität mit Bezug auf die Geschlechtsidentität der bewertenden Person. Die statistische Schwelle wurde auf p < 0,05 FWE‑korrigiert festgelegt, unter Verwendung der „threshold‑free cluster enhancement“-Methode zur Definition der Cluster (Smith and Nichols, 2009). Voxel mit signifikanten Unterschieden wurden mit Hilfe des DTI‑81‑White‑Matter‑Atlas des International Consortium for Human Brain Mapping, bereitgestellt im DiffeoMap‑Softwarepaket (www.mristudio.org/wiki/user_manual/diffeomap), spezifischen Fasertrakten der weißen Substanz zugeordnet. Traktspezifische Diffusivitäten für rechten und linken CST, Fmajor und Fminor wurden mittels ANOVA in SPSS verglichen. Für jeden Trakt und jeden Diffusivitätsparameter wurden separate Modelle berechnet, gefolgt von paarweisen Post‑hoc‑Vergleichen und Korrektur für multiples Testen nach der Bonferroni‑Prozedur. Die Analysen wurden mit und ohne TIV als Kovariate ohne Interesse durchgeführt. Separate Korrelationsanalysen wurden durchgeführt, um für jede Gruppe den Zusammenhang zwischen Diffusivitäten und Alter sowie zwischen volumetrischen Daten [Volumen der grauen Substanz (GMV), Volumen der weißen Substanz (WMV), Liquor (CSF) und TIV] und Alter zu untersuchen.

 

 

 

 

Die Autoren berichten, dass die voxelbasierte TBSS-Ganzhirnanalyse ausgeprägte Gruppenunterschiede in MD-, AD- und RD-Karten, aber keine signifikanten FA‑Unterschiede ergab. Unterschiede in MD umfassten nahezu alle Faserbahnen der weißen Substanz, mit einem gestuften Verlauf MC < MtF < FtM < FC, wobei sowohl MD‑Werte als auch die Anzahl signifikanter Voxel in dieser Reihenfolge anstiegen. Mit anderen Worten: Weibliches biologisches Geschlecht und weibliche Geschlechtsidentität waren mit erhöhter MD assoziiert. FCs hatten signifikant höhere MD‑Werte als FtM‑Transsexuelle in Voxeln innerhalb des rechten zerebralen Pedunkels, der bilateralen inneren und äußeren Kapsel, der rechten posterioren Corona radiata, des rechten hippocampalen Cingulums, der bilateralen Stria terminalis, des rechten Fasciculus longitudinalis superior, des Körpers und Spleniums des Corpus callosum, der rechten frontalen, superioren und postzentralen Blätter sowie der bilateralen parietalen und temporalen Blätter. Wenn MD‑Werte bei FCs mit jenen von MtF‑Transsexuellen verglichen wurden, wurden Voxel, die den oben genannten Regionen entsprachen, durch eine große Anzahl zusätzlicher Regionen ergänzt (Fig. 1). Dieser Trend zunehmender MD‑Unterschiede (sowohl hinsichtlich erhöhter MD‑Werte als auch größerer Zahlen signifikanter Voxel) kulminierte im Vergleich von FCs mit MCs, in dem FCs in nahezu allen Regionen höhere MD‑Werte als MCs aufwiesen (Fig. 1). Keiner der untersuchten Voxel zeigte signifikant erhöhte MD‑Werte bei männlichem biologischem Geschlecht oder männlicher Geschlechtsidentität im Vergleich zu weiblichem biologischem Geschlecht oder weiblicher Geschlechtsidentität.​ Einige Hirnregionen zeigten jedoch nur Unterschiede zwischen biologischen Geschlechtern, nicht aber zwischen unterschiedlichen Geschlechtsidentitäten innerhalb desselben biologischen Geschlechts, z. B. zwischen FCs und MtF‑Transsexuellen, jedoch nicht zwischen FCs und FtM‑Transsexuellen. Dies umfasste Voxel im Cerebellar‑Pedunkel und rechten CST (Fig. 2) sowie im bilateralen Lemniscus medialis, Splenium des Corpus callosum und linken superioren Parietallappen‑Blatt.

 

Um zu bestimmen, welche der Eigenwerte die Hauptquelle für die Unterschiede in MD darstellten, führten wir paarweise Vergleiche für AD‑ und RD‑Karten durch. Diese Analysen zeigten, dass die Ergebnisse in MD größtenteils durch Unterschiede in AD ausgelöst wurden. AD‑Werte waren am höchsten bei FCs, gefolgt von FtM‑ und MtF‑Transsexuellen, wobei MCs signifikant die niedrigsten Werte aufwiesen (Fig. 3). Im Gegensatz dazu zeigten RD‑Karten nur wenige Regionen, die für den oben genannten Übergang von FCs zu MCs verantwortlich waren, darunter Voxel im rechten Fasciculus longitudinalis superior sowie rechten mittleren frontalen und rechten parietotemporalen Blättern (Fig. 4). In Voxeln innerhalb der rechten anterioren Corona radiata und des rechten superioren frontalen Blattes hatten MtF‑Transsexuelle höhere RD‑Werte als FtM‑Transsexuelle. In allen anderen Regionen wiesen weibliches Geschlecht und weibliche Geschlechtsidentität signifikant höhere Werte auf. Die Durchführung der ANOVAs ohne Korrektur für TIV änderte die Hauptrichtung der Gruppenunterschiede nicht, d. h. den Übergang FC > FtM > MtF > MC für MD sowie AD und RD.

 

 

Um zu bestimmen, ob der Sexualhormonstatus unsere Befunde erklärte, verglichen wir zunächst E2‑, T‑ und P4‑Plasmaspiegel zwischen den Gruppen und setzten sie anschließend mit Diffusivitätsparametern in Beziehung. Gruppenvergleiche ergaben einen erwarteten Unterschied zwischen genetischen Geschlechtern, d. h. höhere E2‑ und niedrigere T‑Spiegel bei genetischen Frauen im Vergleich zu Männern, jedoch keinen signifikanten Unterschied zwischen Geschlechtsidentitäten innerhalb desselben biologischen Geschlechts (Table 1). Unterschiede in Diffusivitätsparametern zwischen den Gruppen veränderten sich nicht, wenn Sexualsteroidhormone als Kovariaten ohne Interesse in die Analysen aufgenommen wurden.

 

Multiple Regressionsanalysen wurden durchgeführt, um globale Hormoneffekte auf die gesamte Stichprobe zu bestimmen, unabhängig von der Gruppenzugehörigkeit, d. h. mit Gruppe als Variable ohne Interesse. Für P4 wurden signifikante positive Korrelationen für RD in Voxeln im Corpus‑callosum‑Körper, der linken superioren Corona radiata und der rechten temporalen Kante beobachtet. Es wurden keine signifikanten Effekte für E2‑Plasmaspiegel gefunden. Für T zeigten jedoch Voxel in einer Vielzahl von Regionen starke positive Korrelationen mit MD‑, AD‑ und RD‑Karten. Für MD umfassten diese Regionen den mittleren Cerebellar‑Pedunkel, bilateralen CST, den pontinen Kreuzungstrakt, den bilateralen frontookzipitalen Fasciculus, die linke äußere Kapsel, Genu und Körper des Corpus callosum, die bilaterale anteriore Corona radiata und den bilateralen Fasciculus longitudinalis superior sowie bilaterale temporale, superiore frontale und parietale Blätter und bilaterale präzentrale und postzentrale Blätter. Für AD umfassten die Regionen den bilateralen zerebralen Pedunkel, den linken CST, den pontinen Kreuzungstrakt, die innere Kapsel, Körper und Splenium des Corpus callosum, den bilateralen inferioren frontookzipitalen Fasciculus, die rechte superiore Corona radiata und bilaterale temporale Blätter. Für RD umfassten die Regionen den rechten zerebralen Pedunkel, die posteriore thalamische Radiation, bilaterale posteriore und inferiore innere Kapsel sowie Splenium und Körper des Corpus callosum sowie bilaterale temporale präzentrale und postzentrale Blätter, rechte parietotemporale Blätter und linke okzipitale Blätter (Fig. 5).

 

 

Hier untersuchten wir, ob sexuelle Orientierung mit Diffusivitätsmessgrößen assoziiert ist. Es zeigten sich keine Effekte auf unsere Hauptbefunde, wenn die sexuelle Orientierung im ANCOVA‑Design herausregressiert wurde. Außerdem gab es keinen signifikanten Effekt der sexuellen Orientierung auf Diffusivitätsparameter in der Regressionsanalyse, in die alle Probanden eingeschlossen waren und in der die Gruppe als Faktor ohne Interesse verwendet wurde.

 

 

Separate ANOVAs für GMV, WMV, CSF und TIV ergaben signifikante Unterschiede zwischen den vier Gruppen, wobei größere Volumina bei genetischen Männern als bei genetischen Frauen gefunden wurden. Interessanterweise zeigten die Volumina – mit Ausnahme von CSF – ebenfalls einen Übergang: FC < FtM < MtF < MC (für Mittelwerte ± SDs siehe Table 1). Post hoc paarweise Vergleiche ergaben signifikant größere Volumina bei MCs im Vergleich zu FCs und FtM‑Transsexuellen sowie bei MtF‑Transsexuellen im Vergleich zu FCs für alle Volumina (p < 0.05, nach Bonferroni korrigiert). Andere Vergleiche zeigten nur eine Tendenz (MtF > FtM für GMV; FtM > FC für GMV, WMV und TIV) oder keinen Unterschied (MC > MtF für GMV, WMV, CSF und TIV; FtM > FC für CSF).

 

 

Pearson‑Korrelationen zeigten negative Zusammenhänge zwischen AD und Alter im CST beidseits sowie zwischen RD und Alter im linken CST und Fminor (p < 0.05, korrigiert; für separate Korrelationen pro Gruppe und unkorrigierte Werte siehe Table 3 und Fig. 6). Außerdem zeigte MD negative Korrelationen mit dem Alter im linken CST, während FA negativ in Fminor korreliert war (p < 0.05, korrigiert). GMV korrelierte negativ mit dem Alter (p < 0.05, unkorrigiert), wohingegen CSF positiv mit dem Alter korreliert war (p < 0.05, korrigiert).

 

 

 

Die Ergebnisse dieser Studie zeigen, dass die Mikrostruktur der weißen Substanz bei FtM‑ und MtF‑Transsexuellen ungefähr in der Mitte zwischen derjenigen von FCs und MCs liegt. Frauen mit weiblicher Geschlechtsidentität (FCs) hatten die höchsten MD‑Werte, gefolgt von Frauen mit männlicher Geschlechtsidentität (FtM‑Transsexuelle). Weiter erniedrigte Werte fanden sich bei Männern mit weiblicher Geschlechtsidentität (MtF‑Transsexuelle), gefolgt von Männern mit männlicher Geschlechtsidentität (MCs), die die niedrigste MD aufwiesen. Die Differenzierung des Beitrags der verschiedenen Eigenwerte ergab, dass überwiegend AD für die MD‑Unterschiede verantwortlich war. Erhöhte Werte in RD bei weiblichem Geschlecht/Geschlechtsidentität im Vergleich zu männlichem Geschlecht/Geschlechtsidentität trugen jedoch ebenfalls zu den MD‑Ergebnissen bei, da für FA‑Karten keine Gruppenunterschiede beobachtet wurden. Dies lässt sich am besten nachvollziehen, wenn man betrachtet, wie die Parametermaps FA, MD, AD und RD aus den Haupteigenwerten λ1, λ2 und λ3 berechnet werden (siehe Gleichungen oben). FA nimmt zu, wenn die Ungleichheit zwischen den drei Eigenwerten zunimmt, wohingegen MD mit der Summe der Eigenwerte ansteigt. Die Betrachtung der Gleichungen erklärt außerdem, warum FA (oder MD) zwischen Gruppen ähnlich sein kann, obwohl sich die Eigenwerte deutlich verändern können. Daher gilt es als wesentlich, dass alle Eigenwerte oder zumindest AD und RD zusätzlich zu FA und MD berichtet werden (Beaulieu, 2009). Allerdings erfüllen nur wenige DTI‑Studien diese Anforderungen.

 

In unserer Studie finden wir robuste Unterschiede zwischen den untersuchten Gruppen in MD, AD und RD, was darauf hinweist, dass sowohl das biologische Geschlecht als auch die Geschlechtsidentität zu den beobachteten Gruppenunterschieden beitragen. Darüber hinaus weist die starke positive Korrelation mit den T‑Plasmaspiegeln im Erwachsenenalter (unter Kontrolle der Gruppenzugehörigkeit) darauf hin, dass die Gruppenunterschiede nicht durch periphere Sexualhormon‑Plasmaspiegel erklärt werden können. Wie erwartet hatten biologische Männer (MCs und MtF‑Transsexuelle) höhere T‑Spiegel als biologische Frauen (FCs und FtM‑Transsexuelle), wohingegen Gruppenunterschiede in Diffusivitätswerten den Übergang FC > FtM > MtF > MC zeigten. Außerdem wurden Gruppenunterschiede nicht durch Unterschiede in der sexuellen Orientierung erklärt, wodurch sich die möglichen Bestimmungsfaktoren für Unterschiede in Diffusivitätsparametern auf biologisches Geschlecht und Geschlechtsidentität eingrenzen.

 

T im Mutterleib und im frühen neonatalen Leben spielt eine entscheidende Rolle bei der sexuellen Hirndifferenzierung, von der angenommen wird, dass sie der Geschlechtsidentität einer Person zugrunde liegt (Swaab and Garcia-Falgueras, 2009). Dieser organisationale Effekt führt zu dauerhaften Veränderungen in der zellulären Organisation von Hirngewebe, die in kritischen Perioden auftreten, in denen die Unterschiede im Serum‑T zwischen den Geschlechtern am größten sind (Auyeung et al., 2013). Funktionelle und strukturelle MRT‑Studien bei 8‑ bis 11‑jährigen Kindern fanden, dass fetales T die neuronale Reaktion auf affektiv bewertete Gesichtshinweise in belohnungsbezogenen Regionen wie Nucleus accumbens, Nucleus caudatus und Putamen vorhersagte (Lombardo et al., 2012b). Außerdem wurde gezeigt, dass fetales T GMV in der temporoparietalen Übergangsregion, im Sulcus temporalis superior, im orbitofrontalen Cortex und im Planum temporale vorhersagt (Lombardo et al., 2012a), ebenso wie die Asymmetrie der weißen Substanz in der Größe des Corpus callosum (Chura et al., 2010). T wirkt dabei entweder direkt auf sich entwickelnde Neuronen oder über die lokale Umwandlung in Östrogen durch das Enzym Aromatase, und Östrogen maskulinisiert dann bestimmte Hirnareale, reguliert die Synapsenbildung und wirkt als neurotropher Faktor (Li and Shen, 2005; McCarthy, 2008; Savic et al., 2010).

 

Allerdings weisen Studien darauf hin, dass die sexuelle Differenzierung des Gehirns auch vor Beginn der Hormonproduktion stattfindet (Lentini et al., 2013). Darüber hinaus können organisationale Effekte fetaler Hormone vom chromosomalen Geschlecht abhängen (Carrer and Cambiasso, 2002). Mehrere Studien zum Wachstum und zur Differenzierung von Neuronen in vitro zeigten geschlechtsspezifische Unterschiede in der Reaktion auf E2: Eine E2‑Behandlung induzierte eine frühere Axondifferenzierung in Neuronen von weiblichen, nicht jedoch von männlichen Tieren (Díaz et al., 1992), wohingegen das Axonwachstum während einer E2‑Behandlung in Neuronen von männlichen, nicht jedoch von weiblichen Tieren erhöht war (Cambiasso et al., 2000). Im Lichte dieser Befunde können wir über einen geschlechtsabhängigen unterschiedlichen Effekt von fetalem T auf die Mikrostruktur der weißen Substanz spekulieren, der die in der vorliegenden Studie gefundenen Gruppenunterschiede erklärt. Leider konnte dies in der aktuellen Studie jedoch nicht direkt getestet werden, da keine Informationen über fetale T‑Spiegel vorlagen.

 

Unsere Ergebnisse deuten darauf hin, dass organisationale Effekte in der frühen Hirnentwicklung den Effekten von T später im Leben zu widersprechen scheinen. Während Gruppenunterschiede den Übergang FC > FtM > MtF > MC zeigten, was auf eine inverse Beziehung zwischen fetalem T und MD hinweist, zeigten T‑Plasmaspiegel im Erwachsenenalter eine starke positive Korrelation mit MD. Zellkulturstudien zufolge sind Effekte gonadaler Steroidhormone auf die Neuritogenese altersabhängig und regionsspezifisch (Carrer and Cambiasso, 2002; McCarthy, 2008). Darüber hinaus stützen DTI‑Studien relativ höhere FA‑ und AD‑Werte bei Männern sowie höhere MD‑ und RD‑Werte bei Frauen in vielen Faserbahnen der weißen Substanz (Hsu et al., 2008; Inano et al., 2011; Menzler et al., 2011), was scheinbar im Widerspruch zu neueren Daten steht, die starke positive Korrelationen zwischen RD und T‑Spiegeln im Erwachsenenalter bei Männern zeigen (Peper et al., 2013). Angesichts der hochdynamischen Natur der Effekte von Sexualhormonen auf zelluläres Wachstum und Differenzierung sollten Verallgemeinerungen über ihren Einfluss daher mit großer Vorsicht betrachtet werden.

 

Unsere Ergebnisse untermauern die Auffassung, dass es eine beobachtbare und messbare biologische Grundlage der Geschlechtsidentität gibt, und rücken die Geschlechtsdysphorie in den Bereich menschlicher physiologischer Variation. Dennoch weichen unsere Ergebnisse von den DTI‑Studien von Rametti et al. (2011a,b) ab, die eine größere FA bei MCs als bei FCs berichteten, wobei MtF‑ und FtM‑Transsexuelle zwischen beiden Kontrollgruppen lagen. Die Autoren beschränkten ihre Analyse jedoch auf FA, wohingegen MD oder Eigenwerte nicht berichtet wurden. Zweitens berücksichtigten sie nicht die modulierenden Effekte von Plasmaspiegeln der Sexualhormone oder der sexuellen Orientierung, wie in unserer Studie. Wir zeigen jedoch, dass weder Sexualsteroidhormone noch sexuelle Orientierung unsere beobachteten Gruppenunterschiede erklären. Drittens führten wir zusätzlich zu TBSS eine probabilistische Traktografie durch, die unsere Befunde des Übergangs FC > FtM > MtF > MC im rechten und linken CST bestätigte. Interessanterweise zeigte der TBSS‑Ansatz für Voxel innerhalb des CST jedoch nur Unterschiede zwischen biologischen Geschlechtern, nicht aber zwischen Geschlechtsidentitäten innerhalb desselben biologischen Geschlechts.Außerdem spiegelten auch im Fmajor und Fminor die MD‑Parameter die regionalen TBSS‑Befunde nur teilweise wider. Dies ist nicht überraschend, da TBSS‑Ergebnisse in Voxelclustern nicht ganze Trakte abdeckten (Figs. 1, (https://www.jneurosci.org/content/34/46/15466#F3), (https://www.jneurosci.org/content/34/46/15466#F4)). Schließlich zeigten mehrere aktuelle DTI‑Studien, dass MD mit dem Alter zunimmt, was darauf hindeutet, dass das Alter in unserer Studie eine modulierende Rolle gespielt haben könnte (Hsu et al., 2008; Inano et al., 2011). Wenn das Alter die beobachteten Gruppenunterschiede erklärt hätte, müssten FCs am ältesten gewesen sein, gefolgt von FtM‑ und MtF‑Transsexuellen, während MCs am jüngsten hätten sein müssen. Dies war nicht der Fall. In unserer Studie waren MtF‑Transsexuelle im Durchschnitt älter als die drei anderen Gruppen. MD schien jedoch im CST abzunehmen, während es im Fminor zunahm. Das Alter korrelierte ebenfalls negativ mit AD, was darauf hinweist, dass Gruppenunterschiede teilweise die Altersfehlanpassung zwischen Gruppen widerspiegeln könnten. Unsere Daten deuten daher darauf hin, dass sich das biologische Geschlecht und die Geschlechtsidentität einer Person zumindest teilweise in der Mikrostruktur der weißen Substanz des Gehirns dieser Person widerspiegeln.

 

Mehrere mögliche Limitationen dieser Studie sollten beachtet werden. Erstens sind kreuzende Faserverläufe ein zentrales Problem bei der Interpretation von DTI‑Ergebnissen (Behrens et al., 2007; Jbabdi et al., 2010). Tatsächlich ist das Diffusionstensor‑Modell in vielen Regionen ungeeignet, in denen mehrere Faserorientierungen zum für denselben Voxel gemessenen Signal beitragen (Tournier et al., 2011). Daher bleibt offen, auf welche neurobiologische Eigenschaft – einschließlich der Kreuzung von Faserbündeln, axonaler Richtungskoherenz, axonaler Dichte oder Axongröße – unsere Ergebnisse zurückzuführen sind. Zweitens konzentrierte sich unsere Interpretation der Studienergebnisse hauptsächlich auf einen möglichen hormonellen Einfluss im Mutterleib und im frühen neonatalen Leben. Bisher sind wir nicht auf genetische Determinanten des Geschlechts eingegangen, obwohl das gemeinsame Auftreten unter Zwillingen, Bruder‑Schwester‑Paaren und Vater‑Sohn‑Paaren auf eine Erblichkeit von Transsexualität hinweist (Hyde und Kenna, 1977; Green, 2000). In einer Stichprobe von MtF‑Transsexuellen zeigte eine Studie, dass ein CAG‑Repeat‑Längenpolymorphismus im Androgenrezeptor‑(AR‑)Gen signifikant mit Transsexualität assoziiert war (Hare et al., 2009). MtF‑Transsexuelle hatten längere CAG‑Repeats als MCs, was auf eine weniger effektive T‑Signalübertragung bei Ersteren hinweist, was als geringere Maskulinisierung während der frühen Hirnentwicklung interpretiert werden kann. Interessanterweise wurde derselbe Polymorphismus mit dem Axonkaliber in einer großen Stichprobe heranwachsender Jugendlicher in Verbindung gebracht (Perrin et al., 2009). Die Studie zeigte, dass T‑assoziierte Zunahmen des Wachstums weißer Substanz bei männlichen Jugendlichen mit geringerer Anzahl von CAG‑Repeats im AR‑Gen stärker ausgeprägt waren. Daher können wir die Möglichkeit einer genetischen Komponente, die Teile unserer Ergebnisse erklärt, nicht ausschließen. Schließlich bleibt, weil der genaue Beginn der Geschlechtsdysphorie, deren Schweregrad und andere Maße der Transsexualität in dieser Studie nicht erhoben wurden, die Bewertung potenzieller Assoziationen mit den gewonnenen DTI‑Metriken eine Fragestellung für zukünftige Forschung.

 

 

Die Ergebnisse dieser Studie zeigen, dass die Mikrostruktur der weißen Substanz bei FtM‑ und MtF‑Transsexuellen ungefähr in der Mitte zwischen derjenigen von FCs und MCs liegt. Unsere Daten stehen im Einklang mit der Hypothese, dass die Entwicklung von Faserbahnen durch das hormonelle Umfeld während der späten pränatalen und frühen postnatalen Hirnentwicklung beeinflusst wird, von dem angenommen wird, dass es die Geschlechtsidentität bestimmt.

 

 

- Diese Studie wurde durch den Austrian Science Fund Grant 23021 (R.L.) unterstützt. Wir danken E. Akimova, C. Kraus, P. Baldinger, A. Höflich, T. Vanicek, A. Kautzky, A. Komorowski, U. Moser, E. K. Tempfer-Bentz und C. Tempfer für ihre medizinische Unterstützung und M. Spies für das Lektorat des englischen Originaltexts. Wir sind insbesondere allen transsexuellen Probanden für ihre Teilnahme an dieser Studie dankbar.

 

- Die Autoren erklären, dass keine Interessenkonflikte in finanzieller Hinsicht bestehen.

 

- Korrespondenz sollte an Dr. Rupert Lanzenberger, Labor für funktionelle, molekulare und translationale Neurobildgebung, Klinik für Psychiatrie und Psychotherapie, Medizinische Universität Wien, Währinger Gürtel 18–20, 1090 Wien, Österreich, gerichtet werden. rupert.lanzenberger@meduniwien.ac.at.