banner
Дом / Блог / Ведущие базовые режимы спонтанной активности управляют организацией индивидуальных функциональных связей в мозге покоящегося человека.
Блог

Ведущие базовые режимы спонтанной активности управляют организацией индивидуальных функциональных связей в мозге покоящегося человека.

Apr 14, 2024Apr 14, 2024

Биология связи, том 6, Номер статьи: 892 (2023) Цитировать эту статью

Подробности о метриках

Спонтанная активность человеческого мозга открывает возможности для изучения внутренних принципов функциональной организации. Однако большинство исследований сосредоточено на межрегиональных функциональных связях. Принципы, лежащие в основе богатого набора мгновенных действий, остаются в значительной степени неизвестными. Мы применяем недавно предложенный анализ собственных микросостояний к трем наборам функциональных данных МРТ в состоянии покоя, чтобы определить основные режимы, которые представляют собой фундаментальные модели активности, сосуществующие с течением времени. Мы выделяем пять ведущих основных режимов, которые доминируют над колебаниями активности. Каждый режим демонстрирует отдельный функциональный системно-зависимый паттерн коактивации и соответствует определенным когнитивным профилям. В частности, пространственная структура первого ведущего базового режима показывает разделение активности между дефолтным режимом и основной областью и областями внимания. На основе теоретического моделирования мы дополнительно реконструируем индивидуальную функциональную связность как взвешенную суперпозицию паттернов коактивации, соответствующих этим ведущим основным режимам. Более того, эти ведущие базовые режимы фиксируют вызванные депривацией сна изменения в активности мозга и межрегиональных связях, в первую очередь затрагивающие регионы режима по умолчанию и позитивные задачи. Наши результаты выявляют доминирующий набор основных режимов спонтанной активности, которые отражают мультиплексную межрегиональную координацию и управляют традиционными функциональными связями, что способствует пониманию функционального значения спонтанной активности мозга.

Спонтанная активность покоящегося человеческого мозга демонстрирует хорошо организованные пространственно-временные паттерны, что открывает возможность понять внутреннюю функциональную организацию1,2. Используя функциональную магнитно-резонансную томографию в состоянии покоя (R-фМРТ), многочисленные исследования выявили крупномасштабную сеть функциональных связей (FC) путем измерения низкочастотных спонтанных колебаний сигналов, зависящих от уровня оксигенации крови (ЖИРНЫЙ шрифт)3,4, 5. Функциональная сеть демонстрирует нетривиальные свойства, такие как функционально специфичные, но взаимодействующие модули6,7,8, которые способствуют эффективной функциональной сегрегации и интеграции в мозге9,10,11. Более того, архитектура функциональной сети варьируется у разных людей12,13,14,15, формирует модели функциональной активации во время выполнения задач16,17,18,19, связана с индивидуальными когнитивными способностями18,20,21 и модулируется психическими состояниями22,23.

Несмотря на успех функционального сетевого анализа, связанные с ним выводы ограничиваются моделями связности, суммированными с течением времени. Накопленные данные свидетельствуют о том, что межрегиональное функциональное взаимодействие очень динамично и меняется во времени24,25,26. Инновационный подход заключается в изучении отдельных кадров активности мозга, чтобы выявить временную координацию в более коротких временных масштабах (например, в секундах)27. Паттерны активности всего мозга были классифицированы на несколько повторяющихся состояний мозга с различными паттернами коактивации28,29,30,31. Временной переход между этими состояниями мозга имеет иерархическую структуру31 и демонстрирует изменения между задачами30,32,33, состояниями сознания34,35 и психическими расстройствами36,37. В дополнение к анализу на уровне группы, совсем недавнее исследование выявило индивидуальные состояния коактивации мозга, частота возникновения которых зависит от состояний задачи, руки и пола, и показывает продольные изменения в восстановлении после инсульта38. Хотя эти исследования дают ценную информацию об изменяющейся во времени функциональной организации, они обычно относят мгновенный паттерн активности в каждый момент времени к одному состоянию мозга; общность, характерная для разных моментов времени, была недооценена39. Более естественная точка зрения предполагает, что в деятельности с временным разрешением могут сосуществовать несколько основных режимов, которые выборочно комбинируются в каждый момент времени для поддержки потенциальных когнитивных реакций26,40,41. Идентификация этих основных режимов может раскрыть строительные блоки внутренней активности и предоставить возможность изучить разнообразие межрегиональных отношений в состоянии покоя. Однако пространственные закономерности этих основных способов активности и их потенциальное функциональное значение остаются в значительной степени неизвестными.

 0.78)./p> 0.05, 10,000 permutations)./p> 0.96, Supplementary Fig. 8). The presence of five leading basic modes was replicated with high spatial similarity in most of the other cases (all rs > 0.85, Supplementary Figs. 9, 11, and 12), except for the case of without global signal regression (Supplementary Fig. 10). Notably, the total weight explained by the leading basic modes increased with the decreasing spatial resolution (Supplementary Fig. 13), with weights of 37% and 44% for the 400-node and 200-node parcellations, respectively. For the strategy without global signal regression, the number of leading basic modes was reduced to three (Supplementary Fig. 10). The reduced number might be biased by the presence of an additional basic mode, which ranked ahead of the five typical basic modes. This additional basic mode showed all positive amplitudes across the brain and accounted for a large portion of activity variance (i.e., 23%). All these results suggest that the five leading basic modes were robust and reproducible./p>2 mm or 2° in any direction or mean FD > 0.2 mm) to further reduce the influence of head motion. (iii) Global signal regression. In the main analysis, the global signal was regressed to better reduce the influence of head motion and non-neural signals89,99. To assess the potential influence of the global signal, we re-preprocessed the R-fMRI data in the HCP dataset without global signal regression. (iv) Brain parcellation. To assess the influence of spatial resolution, we extracted regional time courses from the HCP dataset by using the same type of functional parcellations with different spatial resolutions (i.e., comprising 200 and 400 cortical regions)52. The leading basic modes obtained from different spatial resolutions were compared at the functional system level53 and the voxel-wise level. In the latter case, the voxels within the same nodal regions were assigned the same amplitude values for each basic mode, regardless of the spatial resolution. In cases (i)–(iv), the validation analysis was performed based on REST1 of the HCP dataset. (v) Reproducibility across datasets. We identified the leading basic modes from another independent dataset, i.e., the Beijing Zang dataset51, and compared them with those in the HCP dataset./p>