任务后的工作记忆和运动反应由具有相似特征的瞬态频谱爆发驱动

背景和研究问题

工作记忆和运动后大脑反应(Post-task responses,PTRs)在神经科学中一直是研究的热点。以往的研究表明,运动后的β反弹(Post-movement beta rebound,PMBR)是大脑皮层中可靠而稳定的现象,可以通过磁脑电图(Magnetoencephalography,MEG)来研究和测量。而近期的研究进一步发现,PTRs不仅限于运动后β反弹,而是在各种频段(如θ、α和β频段)和大脑区域中普遍存在。然而,目前尚不清楚这些工作记忆后PTRs是否由类似于PMBR的瞬态高幅度活动爆发(Spectral bursts)驱动。本文的主要目的是通过对工作记忆和视觉运动任务数据集的比较,探讨这两类任务后PTR的驱动机制是否相似。

论文来源与作者信息

这篇研究论文由来自多个机构的学者共同撰写,包括University of Nottingham、Young Epilepsy、Oxford Centre for Human Brain Activity、Wellcome Centre for Integrative Neuroimaging和University of Birmingham等。论文发表于《Human Brain Mapping》期刊,其接受时间是2024年4月14日。主要作者包括Sebastian C. Coleman、Zelekha A. Seedat、Daisie O. Pakenham、Andrew J. Quinn、Matthew J. Brookes、Mark W. Woolrich和Karen J. Mullinger。

研究方法和流程

研究使用了两种不同的任务范式来收集数据:n-back工作记忆任务和握力视觉运动任务。以下是关于各个任务数据收集、预处理、HMMS分析和结果比较的详细流程。

n-back任务

  1. 任务范式: 任务分为0-back、1-back和2-back三个条件,分别代表不同的工作记忆负荷。每个任务期为30秒,在1秒暂停后显示目标字母,并要求参与者在看到目标字母时按下按钮。
  2. 数据收集: 20名健康志愿者参与测试,使用275通道CTF MEG系统以第三阶梯度计配置进行数据收集,数据采样率为600Hz。
  3. 预处理: 数据通过FieldTrip工具箱进行ICA分析以移除眨眼和心脏伪迹。坏数据段被移除后,共保留了2960个数据段进行进一步分析。

握力视觉运动任务

  1. 任务范式: 任务包括2秒、5秒和10秒的握力操作,每个操作期后有30秒的休息期。志愿者通过手握力条保持30%的最大自愿力。
  2. 数据收集: 15名健康志愿者参与测试,数据采样率与n-back任务相同,为600Hz。
  3. 预处理: 类似n-back任务,使用ICA分析进行伪迹移除,最终保留1050个数据段。

研究还使用了多变量隐马尔可夫模型(HMMs)来识别驱动PTRs的爆发状态(Bursting states),这些模型提供了一种无需频率内容或响应时间的先验知识即可识别爆发事件的方法。

主要研究结果

工作记忆和视觉运动任务中的PTRs比较

  1. 爆发特征的时间比较: 通过单次试验MEG数据的时间-频率响应比较,各任务中的PTR状态对应于瞬态高功率活动,主要集中在α频段,也在θ和β频段中出现。
  2. 爆发持续时间: 两个任务的爆发持续时间在大脑区域内变化相似,显示出显著的相关性(r² = 0.56)。长持续时间的爆发出现在运动皮层,而前额叶区域的爆发持续时间较短。
  3. 频谱内容比较: 采用多锥法提取每个状态的功率谱密度(PSD)分布。两任务在α和β带的功率在大脑区域间具有强相关性,但θ带相对功率显示出较大的变异。

HMMs在MEG数据中的应用

通过HMMs提取PTR状态,不仅增强了信号的隔离效果,还显著提高了与行为(如反应时间)的相关性。这一结果支持PTRs与任务难度的行为标识(如反应时间)相关的假设。

结论与意义

研究表明,工作记忆和运动相关任务后的PTRs都由瞬态爆发事件驱动,而这些爆发具有相似的特征。这些发现表明,频率和持续时间的爆发反映了发射区域和被招募的网络架构,而不是不同任务中PTR功能的变化。研究结果还说明了HMMs在从MEG数据中分离出感兴趣信号以及增强行为相关性方面的有效性。

这一研究不仅在理解PTRs的基本神经机制方面提供了重要见解,还为基于瞬态爆发的神经处理提出了新的研究方向,在脑疾病诊断和神经康复等领域有潜在的应用价值。

研究的亮点

  • 本研究首次系统地比较了工作记忆和运动任务后PTR的频谱特征和持续时间,证实了这些PTR具有相似的瞬态爆发驱动机制。
  • 使用HMMs分析方法,不仅提高了信号的准确性,还增强了与行为指标的相关性,显示了其在神经科学研究中的潜在应用价值。