Kortikális hullámok NREM-alvás és ébrenlét során embereknél 2. rész

Hullámzás észlelése. A hippocampális hullámok középfrekvenciája kilenc tanulmányban 85 Hz volt emberekben (Bragin és mtsai, 1999; Staba és mtsai, 2004; Clemens és mtsai, 2007; Axmacher és mtsai, 2008; Le Van Quyen etal., 2008; Staresina és mtsai, 2015; Jiang és mtsai, 2019b; Norman és mtsai, 2019; Vaz et al., 2019), míg rágcsálókban az éles hullám-hullámfrekvencia: 120-140 Hz ( Buzsáki, 2015).

A hullámzás-érzékelés olyan technológia, amely az emberi agyi aktivitást méri. Megfogja az agy neuronjainak elektromos aktivitását úgy, hogy elektródákat helyez a fejbőrre, és a jelet számítógépen rögzített elektroencefalogrammá alakítja. Az elmúlt években az emberi agy mélyreható tanulmányozásával a hullámzás-detektálás a megismerés, a tanulás, az érzelmek stb. tanulmányozásának műtermékévé vált, és fokozatosan belépett mindennapi életünkbe.

A memóriával kapcsolatban a kutatások azt mutatják, hogy az emberi agy hullámzó tevékenysége kulcsszerepet játszik az emlékek kialakulásában és fenntartásában. Amikor az emberi agy tanulási és memóriafeladatokat hajt végre, meghatározott frekvenciájú hullámzásokat tud produkálni az agykéreg között, például théta- és gamma-hullámokat. Ezek a hullámok javíthatják a memória kódolását és tárolását, valamint segíthetik a múlt későbbi visszakeresését és felidézését. tárolt információkat. Ezért a hullámosság-detektálás felhasználható az emberi agy memóriamechanizmusának tanulmányozására, és alkalmas a kognitív zavarok és memóriazavarok klinikai kezelésére.

Ezen túlmenően a hullámzás-érzékelés segít tanulási módszereink bővítésében is. Amikor a tanulók részt vesznek az osztálytermi tanításban, megismerhetik az egyéni tanulási jellemzőket és a tantárgyi preferenciákat azáltal, hogy rögzítik az agy hullámtevékenységét a tanulási folyamat során, hogy célzottabban tanuljanak és fejlődjenek. Emellett a tanulás során a megfelelő zene és hangok is nagy hatással vannak a tanulási hatásra. A hullámzás-érzékelés révén meghatározható a különböző embercsoportok reakciója a különböző hangokra és hangerőre, így a tanárok vagy a diákok maguk választhatják ki a legmegfelelőbb zenét és hangokat a tanulási hatások javítása érdekében.

Összefoglalva, a hullámzás-érzékelés nagy szerepet játszik életünkben és tanulmányainkban. Azáltal, hogy az emberi agy meghatározott frekvenciáján mérjük a hullámzási aktivitást, jobban megérthetjük megismerési, tanulási és memóriajellemzőinket, valamint javíthatjuk tanulási hatásainkat és életminőségünket. A technológiai szint javulásával a hullámzás detektálása továbbra is elmélyíti a kognitív idegtudományokkal és a neurológiai betegségekkel kapcsolatos kutatásait, több kilátást és lehetőséget kínálva számunkra. Látható, hogy javítanunk kell a memórián, a Cistanche deserticola pedig jelentősen javíthatja a memóriát, mert a Cistanche deserticola szabályozhatja a neurotranszmitterek egyensúlyát is, például növelheti az acetilkolin és a növekedési faktorok szintjét. Ezek az anyagok nagyon fontosak a memória és a tanulás szempontjából. Ezen túlmenően a hús javíthatja a véráramlást és elősegítheti az oxigénszállítást, ami biztosítja, hogy az agy elegendő tápanyagot és energiát kapjon, ezáltal javítva az agy vitalitását és állóképességét.

Kattintson a Tudjon meg 10 módszerre a memória javítására

Emberben a feltételezett 90 Hz-es hippokampuszhullámok ugyanolyan jellegzetes kapcsolatban állnak az éles hullámokkal, az intrahippocampális lokalizációval, az alvási szakasz szerinti modulációval és a kérgi alváshullámokkal való kapcsolatával, mint a rágcsálókban, és olyan hippokampuszokban fordulnak elő, amelyek nem mutatják az epilepsziás érintettség jeleit. Ezenkívül a rágcsálók hippokampuszában a magasabb frekvenciájú g-kitörések és hullámzások közötti különbség nem mindig éles, ami arra a következtetésre vezet, hogy az egyszerűség kedvéért mindkettőt "hullámoknak" nevezzük (Stark et al., 2014), amit itt követünk. .

A hullámosság-detektálást minden szerkezetnél és állapotnál azonos módon végeztük, és egy korábban leírt hippocampális hullámzás-detektálási módszeren alapult (Jiang et al., 2019a,b). A befogadás követelményeit és az elutasítás kritériumait a betegek, struktúrák és állapotok közötti iteratív folyamat segítségével határozták meg. Az adatokat először 60-120 Hz-en (hatodrendű Butterworth-szűrő nulla fáziseltolással) adtuk át, és a 20 ms-os mozgó közép-négyzetes csúcsok felső 20%-át észleltük.

Ezenkívül szükséges volt, hogy a 70-100 Hz-es sávút analitikai amplitúdójának maximális z-értéke 0,3 legyen, és legalább három különböző rezgési ciklus legyen a 120 Hz-es aluláteresztő jelben, amelyet a 40 ms-os ablak eltolásával határoztak meg 5 ms 650 ms-on keresztül a hullámzás középpontjához képest, és megköveteli, hogy legalább egy ablaknak legalább három csúcsa legyen. A 25 ms-on belüli szomszédos hullámok összevonásra kerültek. A hullámzási központokat a 70-100 Hzbandpass maximális pozitív csúcsának időpontjaként határoztuk meg.

A hullámzás kezdetét és eltolódását a középső csúcs mindkét oldalán azonosítottuk, amikor a {{0}} Hz-es analitikai amplitúdó 0,75z érték alá esett. Az epileptiform tevékenységek vagy műtermékek visszautasítása érdekében a hullámzást kizártuk, ha a 100 Hz-es highpass z-pontszámának abszolút értéke meghaladta a 7-et, vagy ha a szélessávú LFP 3 mV/ms-os változásától számított 2 másodpercen belül következett be. A hullámosságokat szintén kizártuk, ha azok 6500 ms-on belülre esnek a feltételezett IIS-eken belül, az alábbiak szerint észlelve.

Annak érdekében, hogy kizárjuk azokat az eseményeket, amelyek az epileptiform aktivitás miatt csatornákon keresztül kapcsolódnak egymáshoz, kizártuk azokat az eseményeket, amelyek egybeestek a feltételezett IIS-sel az elemzésekben szereplő bármely kérgi vagy hippocampális SEEG csatornán. A SEEG-felvételek azon eseményeit, amelyeknek csak egy kiemelkedő ciklusa vagy elhajlása volt a szélessávú LFP-ben, amelyek több ciklusban nyilvánultak meg a 70-100 Hz-es sávátviteli sávon belüli észlelési küszöb felett, kizárásra kerültek, ha a legnagyobb völgy-csúcs vagy csúcs-völgy abszolút amplitúdó. a szélessávú LFP 2,5-szerese volt a harmadik legnagyobbnál.

Minden csatorna esetében az átlagos hullámzásmentes LFP-t és az átlagos hullámzási sávot vizuálisan megvizsgáltuk, hogy megbizonyosodjunk arról, hogy több kiemelkedő ciklus volt a hullámzási frekvencián (70-100 Hz), és megvizsgáltuk az átlagos idő-frekvencia diagramot, hogy megbizonyosodjunk a teljesítmény határozott növekedéséről. a 70-100 Hz sávon belül. Ezenkívül a szélessávú LFP több egyedi hullámát és az egyes csatornák 70-100 Hz-es sáváteresztőjét vizuálisan megvizsgáltuk annak igazolására, hogy a hullámzási frekvencián többszörös ciklusok fordulnak elő műtermékek vagy epileptiform tevékenység általi szennyeződés nélkül. Azokat a csatornákat, amelyek nem tartalmaztak hullámzást, amelyek megfeleltek ezeknek a kritériumoknak, kizárták a vizsgálatból.

Megjegyzendő, hogy egy közelmúltban végzett tanulmány e kritériumok alapján hullámosságokat azonosított egy epilepsziás betegnél (Rubin et al., 2022). Az egyes hullámosságok oszcillációs frekvenciáját úgy számítottuk ki, hogy először megszámoltuk a 70-100 Hz-es sávú nulla-átmenetek számát (mindegyik fél ciklust jelent) a hullámzási esemény során, és hozzáadtuk a fennmaradó részleges félciklust (azaz a fennmaradó fázisszöget p felett). A hullámosság fél ciklusainak számát elosztottuk 2-vel, hogy kiszámítsuk a hullámzás alatti ciklusok teljes számát. Végül a hertzben mért oszcillációs frekvenciát úgy számítottuk ki, hogy a ciklusok számát elosztjuk a hullámzás időtartamával másodpercben.

Az egységcsúcsok kivonása az LFP-kből. A nagyfrekvenciás oszcillációk, például az amikroelektródával rögzített LFP hullámzások észlelésének egyik kihívása az, hogy az egységtüskék „átszivároghatnak” a microLFP-be (Ray, 2015), ami a hullámzások és az egységtüskék közötti hamis összefüggések észlelését eredményezi. Bár az egységcsúcsok gyors események, az egyszerű mintavételezés (amelyhez először alacsony áteresztés szükséges az aliasing elkerülése érdekében) nem feltétlenül szünteti meg teljesen az akciós potenciál mikro-LFP-re gyakorolt ​​hatását.

Ennek megoldására módosított egységnyi tüske hullámforma kivonási technikát alkalmaztunk (Pesaran et al., 2002). Pontosabban, az egyes egységek átlagos tüske-hullámformáját (500-1600 ms a mélyedés körül) kivonták ugyanannak a csatornának a szűretlen 30 kHz-es Utah Array mikro-LFP-jéből, amely az egyes tüskék közepén van. Az adatokat ezután 1 kHz-re mintavételeztük, és a hullámosság-detektálást a fent leírtak szerint végeztük. Megerősítettük, hogy ez a módszer a valódi oszcillációk kimutatásához vezetett a 30 kHz-es mikro-LFP-k eseményeinek kiterjedt vizuális megerősítésével.

IIS észlelés és elutasítás. A hullámzást és az egyéb alváshullámokat kizártuk, ha azok 6500 ms-on belül voltak a feltételezett IIS-től, az alábbiak szerint: A nagyfrekvenciás pontszámot a 70-190 Hz-es analitikus amplitúdó 20 ms-os boxcar-függvénnyel történő simításával számítottuk ki, és egy spiketemplate pontszámot generáltunk. a keresztkovariancia IIS sablonnal történő kiszámításával. A magas frekvenciájú pontszámot 13-mal, a spikescore-t 25-tel súlyozták, és IIS-t észleltek, ha ezek a súlyozott összegek meghaladták a 130-at. Minden egyes betegnél vizuálisan megvizsgálták az észlelt IIS-t és a közbenső korszakokat a hippocampalis és a corticalis csatornákból (ha jelen voltak), hogy megerősítsék. magas detektálási érzékenység és specifitás.

Alacsonyabb, magasabb állapotú és alvási orsók észlelése. Az alsó és felső állapotokat a korábban leírtak szerint észleltük (Jiang et al., 2019a,b), ahol az egyes csatornák szélessávú LFP-je 0.1-4 Hz-ről (hatodrendű Butterworth szűrő nulla fáziseltolással), és az egymást követő nulla átmenetek 0.25-3 s-vel elválasztva lettek kiválasztva. Kiválasztottuk a felső 10%-os amplitúdócsúcsokat, és minden jel polaritását szükség esetén megfordítottuk, hogy az alsó állapotok negatívak, a felsők pedig pozitívak legyenek, biztosítva, hogy a 70-190 Hz sáváteresztő sáv átlagos analitikai amplitúdója 6100 ms-on belül a csúcsok körül nagyobb legyen. felsőbb államoknak, mint alsóbb államoknak. Összesen 2 649 563 leállást észleltünk, átlagos SD (csatornákon átívelő) sűrűséggel (előfordulási gyakorisággal) 12.9 6 4.7 min1 és amplitúdója 237.3 6 169.8 mV. Összesen 2 922 211 felső állapotot észleltünk 14.6 6 4,7 min1 sűrűséggel és 163.8 6 84,9 mV amplitúdóval.

Az orsókat a korábban leírtak szerint detektáltuk (Hagler et al., 2018), ahol az adatokat 10-16 Hz-en sávátadták, majd az abszolút értékeket konvolúcióval simították ki egy kúpos, 300 ms-os Tukey ablakkal, számértékekkel. minden csatornából levonták. Az adatokat a medián abszolút eltéréssel normalizáltuk, és orsókat észleltünk, ha a csúcsok legalább 400 ms-ig meghaladták az 1 értéket. A kezdeteket és az eltolásokat akkor jelöltük meg, ha ezek az amplitúdók 1 alá estek. A feltételezett orsókat, amelyek egybeestek az alacsonyabb (4-8 Hz) vagy magasabb (18-25 Hz) sáv teljesítményének nagy növekedésével, elutasították, hogy kizárják a szélessávú eseményeket, valamint a théta-kitöréseket, amely kiterjedhet az orsótartomány alsó végére (Gonzalez et al., 2018). Összesen 694 168 orsót észleltünk 3.0 6 3,0 min1 átlagos és SD (crosschannels) sűrűséggel, 29.1 6 13.5 mV amplitúdóval, 12-es oszcillációs frekvenciával.{19} },7 Hz, időtartama pedig 633.{22}},2 ms.

Az időbeli kapcsolatok hullámzása. Az ugyanazon a csatornán lévő kortikális alváshullámok peri-corticalis hullámzási idő hisztogramjait számítottuk ki. Az eseményszámlálást 50 ms-os binekben találták az alváshullámok esetében 61500 ms-on belül a kérgi hullámzási központok körül t=0 időpontban. Null eloszlást generáltunk úgy, hogy az eseményidőket a t=0 hullámzásokhoz viszonyítva 200-szor megkevertük ebben a 3 másodperces ablakban. Az FDR előtti p értékeket úgy számítottuk ki, hogy összehasonlították a megfigyelt és a nulla eloszlást az egyes sávokon belül 61 000 ms-on keresztül a kérgi alváshullámok esetében. Ezeket a p-értékeket azután FDR-korrigáltuk a betegek csatornáinak számával, szorozva a csatornánkénti rekeszek számával (Benjamini és Hochberg, 1995). Egy csatornát akkor tekintettünk szignifikáns modulációval rendelkezőnek, ha három vagy több egymást követő bin volt, amelyekben az FDR-korrigált p-értékek kisebbek, mint egy=0.05. Azt, hogy az események vezető vagy késleltetett kérgi hullámzások voltak-e t=0 időpontban, minden csatornára kétoldali binomiális teszttel számítottuk ki 0,5-ös várható értékkel, a t=0 előtti 1000 ms és t=0 utáni 1000 ms eseményszámok felhasználásával. alváshullámok. A telkeken 50 ms-os Gauss-féle simított eseményszámlálás volt 50 ms-os binekkel.

A hullámzás feltételes valószínűségét a következő alváshullámok vagy azok sorozatai alapján számítottuk ki: alsó állapot, orsó, felfelé állapot, alsó állapotú orsó és orsó felső állapota. Egy orsóhoz tartozó hullámot (R|SS) határoztunk meg, ha a hullámosság középpontja az orsó alatt történt (az orsó átlagos időtartama 634 ms volt). A hullámosság az anupstate (R|US) vagy a downstate (R|DS) után következett be, ha a hullámosság középpontja 634 ms-on belül történt a felső vagy alsó állapot csúcsa előtt vagy után.

Egységek észlelése, osztályozása, minősége és elkülönítése. Az egységek kimutatását és osztályozását publikált eljárásaink szerint végeztük (Peyrache et al., 2012; Chan és mtsai, 2014; Dehghaniet al., 2016; Le Van Quyen és mtsai, 2016; Telenczuk et al. , 2017; Eichenlaub et al., 2020; Dickey et al., 2021). Az adatokat 300-3000 Hz-en sávátadtuk, és feltételezett egységcsúcsokat észleltünk, ha a szűrt jel meghaladta a háttérzaj becsült SD-jének ötszörösét. Az egységek k-középek voltak, amelyek mindegyik tüskék első három fő összetevőjét használták. Az átfedő tüskéket vizuálisan vizsgáltuk, és kizártuk a rendellenes hullámformájú tüskéket. Hullámformájuk, tüzelési sebességük és autokorrelogramjuk alapján az akciós potenciálokat feltételezett PY-kből vagy IN-ekből származóként csoportosították. A 0.{11}},8 Hz-es PY-spike-arányok, hosszú völgytől csúcsig és fél szélességű intervallumok, éles autokorrelációk és bimodális tüskeközi (ISI) eloszlások, amelyek a sorozatban történő tüzelési hajlamot tükrözik.

Ezzel szemben az IN-ek tüske-aránya: {{0}} Hz, rövid völgy-csúcs és félszélesség intervallumok, széles autokorrelációk és túlnyomórészt unimodális ISI-eloszlás. A vizsgálatba bevont Utah Array betegnek 69 PY-je volt, összesen 231 922 tüskével, valamint 23 IN, összesen 462 246 tüskével. Az átlagos és SD PY völgytől-csúcsig amplitúdója 44.8 6 12,9 mV, a tüskefrekvencia {{20}}.28 6 0,17 Hz, völgytől csúcsig szélessége 0.49 6 0,5 ms, fél csúcsszélessége {{40}}.62 6 0.04 ms, a burst index pedig: 0.03 6 0.02. Az átlagos és SD IN völgy-csúcs kamplitúdó 28.9 6 11.9 mV, tüskék sebessége 1.67 6 1.63 Hz, völgy-csúcs szélesség 0.29 60. 05 ms, a félcsúcs szélessége 0.34 6 0.05 ms, a burst index pedig 0.01 6 0.01. A völgytől csúcsig terjedő amplitúdó, tüskék aránya, a völgytől a csúcsig terjedő szélesség, a félcsúcs szélessége és a repedési index szignifikánsan különbözött a PY és az IN között (p,0,0001, kétoldalas kétmintás t-próba).

Az egyegység minőségét és elkülönítését a korábban megállapított irányelvek szerint erősítették meg (Kaminski et al., 2020). A nagy csúcsjel/zaj arány alapján (PY: 10.1 6 3.4;IN: 5.9 6 3.1) igazolták, hogy az egység tüskék jóval meghaladják a zajszintet. Mivel a neuronális tüskés refrakter periódus 3 ms, az ISI-k százaléka, 3 ms, becsüli a különböző egységekből származó tüskék által okozott egyegységes szennyeződés mértékét, ami nagyon alacsony volt a vizsgálatba bevont egységek között (PY: 0.{14) }},15%; IN: 0.31 6 0,50%). Ezenkívül az ugyanazon az érintkezőn észlelt egységek nagymértékben elválaszthatók voltak vetítési távolságuk szerint (Pouzat et al., 2002) (PY: 49.{101} {21}}.8 SD; IN: 50.9 6 28.6 SD). Végül az egységcsúcsok időbeli stabilitását az idő múlásával megerősítették az egyes egységek átlagos hullámformájának és amplitúdójának konzisztenciája alapján a rögzítési kvartilisekben.

A hullámzás közbeni mértékegység-kiugrás elemzése. Az egység tüskésségét az ugyanazon az érintkezőn észlelt helyi hullámosságok alapján elemeztük. Az egységtüskék hullámossági fázisait úgy határoztuk meg, hogy megtaláltuk a 70-100 Hz-es sáváteresztő jel Hilbert-transzformációjának szögét (nulla fáziseltolás) a tüskék időpontjában. Berens (2009) szerint a körkörös átlagos hullámos fázist minden egységre meghatároztuk. A fáziselemzéseket csak azokon az egységeken végezték el, amelyeknél legalább 30 tüske volt a helyi hullámzás során. A Rayleigh-tesztet a körkörös átlagos fázisok egységenkénti egységességétől való unimodális eltérés értékelésére használták. A PY–PY és a PY–IN egységpár 5 ms-on belüli együttes tüzelését Dickey et al. (2021). Annak érdekében, hogy értékeljük a közös tüzelést, amikor az egyik vagy mindkét helyen hullámzás volt, szemben az alapvonallal, amikor nem fordult elő hullámosság, véletlenszerűen kiválasztottunk egy nem hullámos időszakot, amely számában és időtartamában megegyezett a hullámokkal, de amely alatt egyik csatornán sem volt észlelhető hullámosság. A megfigyelt és a véletlenszerű tüske idők közötti együtttüzelést úgy számítottuk ki, hogy az egyes egységek tüskeidőit megkevertük a hullámzások intervallumán belül.

Kísérleti tervezés és statisztikai elemzések. Minden statisztikai tesztet=0.05-tel értékeltünk. Minden többszörös összehasonlítást magában foglaló p-értéket FDR-korrigáltunk Benjamini és Hochberg (1995) szerint. A csatornapárok közötti FDR-korrekciókat az elemzésben részt vevő összes beteg összes csatornapárjában elvégezték. Box-and-whisker diagramok medián, átlag és interkvartilis tartományt mutatnak, a whiskerek pedig 1,5 interkvartilis tartományt jeleznek, a kiugró értékek elhagyásával. A magsűrűség diagramokat Bechtold (2016) módszerével állítottuk elő. A peri-hullámidő hisztogramok szignifikancia és keverési statisztikáit a fent leírtak szerint számítottuk ki. Az egységnyi emelkedési statisztikákat a fent leírtak szerint számítottuk ki.

A hullámossági jellemzők statisztikai összehasonlítását kétoldalas páros vagy kétoldalas kétmintás t-próbákkal végeztük a csatornák átlagai között. Az állapotok (NREM vagy ébrenlét) vagy régiók (kéreg vagy hippokampusz) közötti hullámossági jellemzők közötti különbségeket lineáris vegyes hatású modellek segítségével határoztuk meg, amelyekben az állapot és a régió rögzített hatás, a páciens pedig véletlenszerű hatás, a következő modell szerint:

Az adatok elérhetősége. A tanulmány megállapításait alátámasztó, azonosítatlan nyers adatok ésszerű kérésre hozzáférhetők a megfelelő szerzőktől, feltéve, hogy az adatmegosztási megállapodás és a páciens beleegyezése lehetővé teszi a megosztást.

A kód elérhetősége. A tanulmány megállapításait alátámasztó kód ésszerű kérésre a megfelelő szerzőktől beszerezhető.

Eredmények

A hullámosságok mindenütt jelen vannak az állapotokban és struktúrákban, jellegzetes és fókuszfrekvenciával (;90 Hz) és időtartammal (;70 ms)

Hullámokat észleltek a koponyaűri agykérgi és a hippokampusz SEEG-felvételein 17 betegnél, akiket a rohamok fókuszának lokalizációja céljából monitoroztak (1. táblázat). A bipoláris transzkortikális származékok biztosították a lokálisan generált LFP-k mérését. A hullámosságokat kizárólag nem léziós, nem epileptogén régiókban észlelték, és legalább három megnövelt 70-100 Hz-es amplitúdójú ciklusra volt szükségük anélkül, hogy epileptiform aktivitással vagy műtermékekkel szennyeződnének (1A. ábra). Az epileptiform aktivitás által esetlegesen szennyezett korszakos homokcsatornák rögzítését szigorúan elutasították. Hullámokat találtak mind az ébrenlét, mind az NREM során az összes mintavételezett kérgi területen (2A, B, E–J; 3. táblázat), valamint a hippocampusban (2C, D, K, L ábra; 3. táblázat).

Az állapotok és a kérgi régiók között a hullámzási frekvencia figyelemreméltóan konzisztens volt 90 Hz-en. Pontosabban, az átlagos kortikális hullámzási frekvencia a régión belül 88.8-90.0 Hz között volt NREM alatt és 89.2-89.8 Hz között ébrenlét alatt (3. táblázat; 3. ábra). Az átlagos 6 SD hullámzási frekvencia az összes kérgi csatorna átlagában NREM alatt 89.1 6 0,8 Hz és ébrenlét alatt 89.5 6 0,7 Hz volt. Ezeket az adatokat a 4. ábrán az egyes hullámossági jellemzők (amplitúdó, frekvencia, időtartam, 0,200 Hz-es amplitúdó kapcsolódó változásai) hisztogramjaként is bemutatjuk, valamint az 5. ábrán az egyes betegeket. A kérgi hullámosság alapvető jellemzői nagyon hasonlóak voltak egy kiegészítő elemzésben, amely csak IIS-től mentes kérgi csatornákat tartalmazott (6A. ábra).

Az oszcillációs frekvencia nemcsak nagyon konzisztens volt 90 Hz-nél a hullámzásokon keresztül, de a megnövekedett amplitúdó erősen koncentrált a 90 Hz-es hullámzás során a szélessávú felvételeknél, meredek amplitúdócsökkenéssel magasabb és alacsonyabb frekvenciákon. Ez a fókuszteljesítmény-növekedés, amely különösen szembetűnő a NREM során, látható a példacsatornákon (2A. ábra, E–H), valamint a nagy átlag idő-frekvencia diagramokon, amelyek az összes hullám összes csatornaátlagának átlagai (2I–L. ábra). .

Kiegészítő elemzéseket végeztünk annak vizsgálatára, hogy a hullámosság frekvenciájának ez a szabályossága és fókusza a kimutatási módszerünkből fakad-e. Először is elvégeztük az összes SEEG csatorna és korszak teljes újraelemzését, két különböző frekvenciatartományt használva a hullámzás észleléséhez és kiválasztásához. Az egyik 70-100 Hz-es észlelési sávszélességet használt, mint az elsődleges elemzésünkben, a másik pedig 65-120 Hz-re bővítette a detektálási sávszélességet. Átlagos 6 SD NREM hullámzási oszcillációs frekvencia a csatornákon keresztül (N=273) az összes SEEG-ből betegek (S1-S17) nagyon hasonló, ha 70-100 Hz-es sávátvitelt (átlag 6 SD=89.1 60,8 Hz) vagy 65-120 Hz-es sáváteresztő (92.7 62.2 Hz) (1B. ábra). Továbbá ellenőriztük, hogy a 60 és 120 Hz-es bevágásszűrők (a vonalzaj eltávolítására), valamint a 70-100 Hzbandpass nem termeltek mesterségesen csúcsteljesítményt 90 Hz-en (1C. ábra). Így a 90 Hz hullámos oszcillációs frekvencia inkább fiziológiásnak tűnik, mintsem specifikus kimutatási módszerekkel.

Az átlagos hullámzási időtartam is figyelemreméltóan konzisztens volt (;70 ms) az államok és a kérgi régiók között (3. táblázat). Az időtartamot és a konzisztenciát nem magyarázza a legalább 3 ciklus észlelési követelménye (ami 90 Hz-en 33,3 ms), ami arra utal, hogy ez az időtartam is fiziológiai jellemző. Egyéb jellemzők, beleértve a sűrűséget (NREM: 8.36 6 2.69 min1, ébrenlét: 5.77 6 3.42 min1), csúcsamplitúdót (NREM: 5.10 6 2.25 mV, ébrenlét: 7.38 64.17 mV), és a 0,200 Hz-es amplitúdó változása (NREM: 3.096 2.75%, ébrenlét: 33.02636.90%) szintén nagyon hasonló volt a csatornákon keresztül (2. ábra, 3). A hullámosság jellemzői szintén konzisztensek voltak a betegek között (5. ábra). Mindazonáltal kis, de szignifikáns különbségeket figyeltek meg a régiók, a kéreg és a hippocampus, valamint a NREM és az ébrenlét között, amelyeket alább ismertetünk.

A hullámok kicsi, de jelentős különbségeket mutatnak a kéreg és a hippocampus között

Az emberi hippocampális hullámokat korábban különféle módszerekkel választották ki (lásd Jiang és mtsai, 2019c). Korábbi vizsgálatainkban megköveteltük, hogy a hullámokat éles hullámokra (az elülső hippocampusra jellemző) (Jiang et al., 2019a) vagy orsókra (a hátsó hippocampusra jellemző) (Jiang és mtsai, 2019b) helyezzék el. Jelen tanulmányban ezeket az adatokat ugyanazokkal a kritériumokkal és eljárásokkal elemeztük újra, mint amilyeneket a kortikális hullámok kimutatására és szelekciójára használtunk, hogy elkerüljük a módszertani félreértéseket; vagyis nem követeltük meg semmilyen kapcsolódó alacsonyabb frekvenciájú LFP aláírás jelenlétét vagy hiányát.

Ugyanazokat a kimutatási kritériumokat alkalmazva azt találtuk, hogy a kortikális és a hippocampális hullámok ugyanazokkal az alapvető jellemzőkkel rendelkeznek, viszonylag kis eltérésekkel. Az alapvető hippocampális hullámzási jellemzők nagyon hasonlóak voltak a kiegészítő elemzésben, amely csak az IIS-ektől mentes hippocampális csatornákat tartalmazta (6B. ábra). A NREM során a hippocampalis hullámok átlagos idő-frekvencia görbéi (2C. ábra, K) hasonlítottak a megfelelő agykérgi diagramokhoz (2A. ábra, E–I), amelyek koncentrált oszcillációs aktivitást mutattak; 90 Hz-en, de különböztek abban, hogy egy csúcsra helyezték őket. helyi éles hullám – hullámzás, nem pedig közvetlenül a lokális állapot előtt, ahogy az a kéregben látható. Ébredés közben a hippocampalis (2D. ábra, L) és az agykérgi (2B. ábra, J) hullámok átlagos idő-frekvencia diagramja ismét koncentrált oszcillációs aktivitást mutat; 90 Hz-en, de olyan aktivitást is, amely magasabb frekvenciákra nyúlik vissza, amint fentebb megjegyeztük.

A statisztikai elemzések (3. ábra) számos eltérést tártak fel, amelyek bár kicsik, de szignifikánsak voltak, a csatorna nagy számának tulajdonítható. Konkrétan, a kérgi hullámokkal összehasonlítva a hippocampális hullámok átlagosan: enyhén sűrűbbek voltak NREM alatt, és sűrűbbek ébrenlét alatt; kissé alacsonyabb frekvencia, különösen NREM alatt (de még mindig 3 Hz különbség); hosszabb időtartam, különösen NREM alatt (de 10 ms eltérés); nagyobb amplitúdó (;2,5 ); és a 0,200 Hz-es amplitúdó kisebb, de még mindig jelentős növekedése kíséri az ébrenlét során az NREM-hez képest. Ezen túlmenően, a kortikális hullámosság jellemzői nem korreláltak szignifikánsan a hippocampális kapcsolat sűrűségével a helyi parcellához képest (7. ábra). Összességében a kortikális és a hippocampális hullámok nagyon hasonlónak tűnnek, kivéve különösen amplitúdójukat és a kapcsolódó lassabb hullámokat a NREM során (2. ábra; 8A–F. ábra).

A hullámzás megkülönböztethető a nagyfrekvenciás limbikus oszcillációtól

Az emberekben 0,60 Hz-es oszcillációs aktivitást korábban is tanulmányozták, főleg az epilepsziás hippokampuszban. Le Van Quyen et al. (2010) valószínűsíthető nem patológiás aktivitásról számoltak be, főleg a gyrus parahippocampális helyeiről. 100 ms-os minimális időtartamot írtak elő, ami kiküszöbölte volna az általunk vizsgált események túlnyomó többségét (3D, 4. ábra), és hosszabb, mint a korábban az emberi hippocampalis hullámok (Jiang et al., 2019c), emberi kérgi hullámosságok (Vaz et al., 2019), és rágcsálókáposzta hullámai (Buzsáki, 2015).

Ráadásul átlagosan 7 hosszabb, mint az itt leírt események, amelyeket Le Van Quyen és munkatársai írnak le. (2010) abban is különböznek, hogy több oszcillációs frekvenciát tartalmaznak (míg az itt leírtak erősen 90 Hz-en vannak), és nagyobb amplitúdójuk van. Eseményeik azonban hasonlóak a felső államokhoz való kapcsolódásban és az egységnyi tüzelés modulálásában (lásd alább). Ezért érdekelt bennünket a LeVan Quyen és munkatársai által leírt, főként parahippocampális események közötti kapcsolat meghatározása. (2010) és az itt leírt széles körben elterjedt kortikális események.

Kiválasztottuk parahippocampális csatornáinkat (N {{0}} csatorna 5 betegtől), és megvalósítottuk a Le Van Quyen és munkatársai által leírt kiválasztási kritériumokat. (2010): az adatok 40-120 Hz-es sávszélességűek voltak, az esemény minimális időtartama 100 ms volt, egyébként az eseményeket az Anyagok és módszerek részben leírtak szerint észlelték. Ezeket a kiválasztási kritériumokat felhasználva nagyon alacsony eseménysűrűséget találtunk. A parahippocampális csatornák átlagos hullámzási sűrűsége az NREM során Kritériummal 9,08 min1 (tartomány: 7.23-10.77 min1), míg Le Van Quyen et al. (2010) kimutatási kritériuma csak 0,40 perc1 volt (tartomány: 0-1,53 min1). Így az itt leírt események nem egyeznek meg a Le Van Quyen és munkatársai által korábban leírtakkal. (2010).

A hullámosságok kicsi, de jelentős különbségeket mutatnak az elsődleges szenzoros-motoros és az asszociációs kéreg között

Alvó patkányokon (Khodagholy és mtsai, 2017) és éber embereken (Vaz és mtsai, 2019) végzett korábbi munkák során azt találták, hogy a kérgi hullámok gyakrabban fordulnak elő az asszociációs területeken, mint a korai szenzoros és motoros régiókban, ahol hiányoztak vagy ritkán. Ezzel szemben azt találtuk, hogy a hullámosság sűrűsége, amplitúdója és a kísérő 200 Hz-es amplitúdó (az egység tüzelésének proxyja) (Mukamel et al., 2005) az elsődleges kéregben mind szignifikánsan magasabb volt, mint az asszociációs területeken, amint azt a pozitív korreláció is jelzi. myelinizációs indexszel (8G–I. ábra) (Rosen és Halgren, 2021). Az oszcilláció gyakorisága és időtartama nem korrelált a myelinizációs indexszel (9. ábra). Egyes esetekben ez a hatás csekély volt, például csak 1,7%-át magyarázza a sűrűség varianciájának ébrenlét alatt és 4,4%-át NREM alatt. Más esetekben a hatás jelentős volt, például a NREM amplitúdójának varianciájának 19,4%-át magyarázza. A NREM és az ébrenlét összehasonlítása során az NREM-ben szignifikánsan erősebb korreláció volt a mielinizációs index és a sűrűség (p=0.02, t=2.1), az amplitúdó (p=8 104,t {{19) között }}.2) és 0,200 Hz-es moduláció (p=2 106, t=4.7; egyoldalas páros r-teszt; MATLAB: r_teszt_ páros) (Steiger, 1980). Az emberi agykérgi hullámosságok azonban szerényebbnek tűnnek szenzoros és motoros területeken, mint az asszociációs területeken.

A hullámosság kicsi, de jelentős különbségeket mutat az NREM és az ébrenlét között

A legtöbb kérgi és hippocampális hullámosság hasonló volt a NREM és az ébrenlét között (3. ábra; 3. táblázat), de az események nagy száma miatt még kis különbségek is szignifikánsak voltak. Ha csak a 0,10%-os különbséget vesszük figyelembe, a kortikális hullámsűrűség 31%-kal magasabb, az amplitúdó pedig 43%-kal alacsonyabb volt NREM alatt, mint az ébrenlét. A hullámosság időtartama 13%-kal hosszabb volt a kéregben és 20%-kal hosszabb a hippocampusban NREM alatt, mint az ébrenlétben. A legszembetűnőbb különbség az átlagos 200 Hz-es amplitúdó százalékos változása volt a hullámzás alatt, összehasonlítva a 2-1 másodperces alapvonallal (3E. ábra), amely 969%-kal nőtt a NREM-ről a kéreg felébredéséig, és 304%-kal a hippocampusban.

Ez a különbség szélessávúnak tekinthető a kéregből (2Bii. ábra, J) és a hippokampuszból (2Dii, L. ábra) származó ébrenléti hullám által kiváltott idő-frekvencia görbékben, és így általában nem anoszcillációként, hanem jelzésként értelmezhető. így az ébrenléthez képest a kortikális hullámok valamivel sűrűbbek, hosszabbak és kisebbek az NREM-ben; a hippocampális hullámok is hosszabbak. Az egyetlen jelentős különbség az, hogy mind a kérgi, mind a hippocampális hullámzás a feltételezett több egység aktivitásának sokkal nagyobb növekedéséhez kapcsolódik ébrenlét során, mint az NREM során.

A kortikális hullámok rögzítik az alvási hullámokat, amelyek elengedhetetlenek a memória megszilárdításához

Az oszcillációs csatolások fontosak a memóriakonszolidáció szempontjából (Latchoumane et al., 2017). Korábbi tanulmányok kimutatták, hogy macskáknál (Grenier és mtsai, 2001) és patkányoknál (Khodagholy és mtsai, 2017) a kérgi hullámosságok a felső és az orsócsúcsokon fordulnak elő, de ezeket az összefüggéseket emberben nem értékelték. Kimutattuk a le- és felfelé állapotokat, a polaritásokat a kapcsolódó nagyfrekvenciás aktivitás alapján határoztuk meg (a részleteket lásd az Anyagok és módszerek részben), valamint orsókat, és azt találtuk, hogy a kérgi hullámzás pontosan kapcsolódik a fent leírt alváshullám-szekvenciához (10. ábra; 4. táblázat). ). Pontosabban, a kérgi csatornák 95%-ában a hullámosságok szignifikánsan összefüggtek az alsó és felső állapotokkal (10B., D., E. ábra), általában a lentről a felső állapotba való átmenet során, amint az az egyes vizsgálatokban látható (2Aiii., 10A. ábra), és A szélessávú LFP hullámzás által kiváltott átlagai (2Ai, E-H ábra).

A periripple hisztogramok azt mutatják, hogy átlagosan a kérgi hullámosodási központok 450 ms-mal a downstate maximumok után és 100 ms-mal a felfelé irányuló maximumok előtt fordultak elő (10B. ábra, D–G). Ritkábban hullámzások fordultak elő az orsók alatt (szignifikáns asszociáció a csatornák 29%-ában; 10C. ábra, E), amint az az egyéni kísérletekben (10A. ábra) és a peri-hullámú idő-frekvencia diagramokban (2Aii, E ábra) látható. A periripple hisztogramok azt mutatják, hogy az orsók átlagosan 225 ms-mal a kortikális hullámosság központja előtt kezdődtek, ami azt jelzi, hogy a hullámok hajlamosak az orsók alatt fellépni (10C. ábra, E–G). orsók alatt, vagy felfelé haladva (10H. ábra). Ezek az eredmények arra utalnak, hogy a kortikális hullámok időzítése az NREM során megfelelő a konszolidáció elősegítésére, amelyet az alvási hullámok szekvenciális aktiválása vezérel.

For more information:1950477648nn@gmail.com