[论文解读] A deep sleep model of the human brain: how slow waves emerge due to adaptation and are guided by the connectome

Caglar Cakan, Cristiana Dimulescu+4 more|arXiv (Cornell University)|Nov 30, 2020

Neural dynamics and brain function参考文献 1被引用 4

一句话总结

本研究提出了一套全脑计算模型，解释了慢波振荡（SWOs）如何通过神经元适应在局部产生，并通过大脑的结构连接组在皮层上传播。利用多目标进化算法将该模型拟合至fMRI和EEG数据，识别出关键的适应强度，此时模型能产生具有合理时空统计特性的局部与全局SWOs，且前向至后向的传播模式由连接组的异质性所驱动。

ABSTRACT

During slow-wave sleep, the brain is in a self-organized regime in which slow oscillations (SOs) between up- and down-states propagate across the cortex. Here we address how SOs emerge locally and can recruit large parts of the brain. A whole-brain model that produces bistable states and adaptation-induced SOs is fit to fMRI and EEG data using a multi-objective evolutionary algorithm. Optimal fits are found at critical values of the adaptation strength where the model produces a wide range of local and global SOs with realistic statistics. Local oscillations are more frequent, last shorter, and have a lower amplitude. Global oscillations spread as waves of silence across the brain. The well-known directionality of propagation from anterior to posterior regions is explained by heterogeneities of the connectome. Our results demonstrate the applicability of whole-brain models beyond the resting-state and their potential for elucidating the spatiotemporal patterns of brain oscillations in general.

研究动机与目标

• 理解在睡眠期间，慢波振荡（SWOs）在大脑局部如何通过内在神经元适应机制产生。
• 研究局部SWOs如何通过传播激活大规模皮层网络。
• 确定大脑的结构连接组在引导SWOs的方向性和时空动力学中的作用。
• 开发一个能重现fMRI和EEG数据中观察到的现实SWO统计特性的全脑模型。
• 探索神经元动力学中的临界适应强度是否能实现局部与全局SWO模式之间的平衡。

提出的方法

• 构建一个全脑模型，其中包含具有双稳态特性的神经元群，表现出‘上状态’和‘下状态’，由适应电流驱动。
• 将人类连接组作为区域间耦合的结构基础，连接权重源自弥散张量成像（DTI）。
• 使用多目标进化算法优化模型参数，以同时匹配实证fMRI和EEG数据，包括功率谱和时空动力学。
• 系统性地改变适应强度，以识别出模型能产生丰富且具有现实统计特性的局部与全局SWOs的关键值。
• 分析SWOs的传播模式，评估其方向性，特别是前向至后向的传播，并将其与连接组的异质性关联。
• 通过谱功率、振荡持续时间、振幅和空间传播模式等指标评估模型性能。

实验结果

研究问题

• RQ1 在无外部输入的情况下，局部慢波振荡如何从内在神经元适应中产生？
• RQ2 结构连接组在塑造皮层上慢波振荡传播模式方面发挥什么作用？
• RQ3 在何种适应强度水平下，模型的振荡最接近实证fMRI和EEG数据的时空统计特性？
• RQ4 为何慢波传播具有前向至后向的优先方向性？这一现象能否由连接组架构解释？
• RQ5 具有双稳态动力学和适应特性的全脑模型能否重现人类慢波睡眠中观察到的全部局部与全局SWO特征？

主要发现

• 在临界适应强度下获得最优模型拟合，此时局部与全局慢波振荡共存且具有现实的统计特性。
• 与全局振荡相比，局部振荡更频繁，持续时间更短，振幅更低，与实证EEG观察一致。
• 全局振荡以前行的‘沉默波’形式在皮层上传播，与EEG和fMRI中观察到的‘上状态’和‘下状态’动力学一致。
• 传播的前向至后向方向性由连接组的异质性所解释，其中更强的后部连接促进了波的传播。
• 该模型成功再现了慢波睡眠的关键特征，包括功率谱和时空组织结构，涵盖fMRI与EEG两种模态。
• 本研究证明，全脑模型可有效应用于静息态动力学之外的复杂振荡状态，如慢波睡眠中的振荡模式。