互联网爱好者创业的站长之家 – 南方站长网
您的位置:首页 >科技 >

意识的边界在哪里?这类曾被抛弃的信号里,可能藏有答案

时间:2021-08-16 11:46:44 | 来源:新浪科技综合

对神经学家来说,非周期性脑电活动曾经如同噪音——在研究神经活动时,需要将其丢弃。但随着研究人员开发出能够有效分析这些“大脑噪音”的算法,这种局面被彻底改变了。他们开始意识到,这种脑电活动并非真正的噪音,而是具有更深层的含义:它或许指示了大脑中神经活动的状态,甚至有可能判断意识的边界。

撰文" 伊丽莎白·兰多(Elizabeth Landau)

翻译| 张倩倩

在2020年1月的一次睡眠研讨会上,扬纳·伦德纳(Janna Lendner)提出了一些新发现,这些发现暗示存在一种方法能通过观察人脑活动,寻找清醒和无意识之间的界限。在治疗处于昏迷或麻醉状态的患者时,正确区分两者的差异是至关重要的。由于一个人进入快速眼动睡眠中的梦境时,其大脑中会产生与清醒时相似的、平滑振荡的脑电波,因此要找到可行的区分方法十分棘手。不过,伦德纳认为答案不在于常规的脑电波,而在于科学家通常会忽略的另一种神经活动:反复无常的神经活动背景噪音。

一些研究人员对此表示怀疑。“他们会说,‘所以,你是说噪音里有信息?’”伦德纳说,“我会说,‘是的。一些人眼中的噪音,在另一些人看来是信号。’”伦德纳是德国图宾根大学医学中心的麻醉学住院医师,最近在加利福尼亚大学伯克利分校完成了博士后研究。

大脑电活动中的噪音或许是掌握其内部运作的新线索,越来越多的神经学家正因这个新观点而备受鼓舞,伦德纳就是其中之一。这种神经学现象曾经被等同于烦人的电视机静电,但如今它可能会对科学家研究大脑的方式产生深远影响。

布拉德利·沃伊特克(Bradley Voytek)是加利福尼亚大学圣迭戈分校的认知科学和数据科学副教授,一些怀疑者过去常告诉他,研究大脑活动中噪音的特征没有什么价值。但是,当他在自己的研究中发现脑电波噪音随年龄增长而改变,并且从文献中找到一些关于不规律脑电活动的统计学趋势时,他开始相信自己遗漏了一些东西。因此,他花了数年时间思考,如何说服科学家重新思考他们的数据。“直接走到一群科学家面前说,‘嘿,我认为我们做错了’显然不行,”他说,“你必须能为他们提供一种新的工具,让他们以更有效的方式进行研究。”

通过与加利福尼亚大学圣迭戈分校和伯克利分校的神经科学家合作,沃伊特克开发了一种软件,可以分离出隐藏在非周期性脑电活动中的规律性脑电波,比如α波——科学家对睡眠和清醒状态下的α脑电波已经进行了大量的研究。这为神经科学家提供了一种新的工具,用于剖析有规律的脑电波和非周期性脑电活动,以便理清它们在行为、认知和疾病中的作用。

沃伊特克和其他科学家正在用多种方式研究这种现象,他们对这一现象的命名也不尽相同:有人称其为“1/f斜率”或“无标度的脑电活动”;沃伊特克则推动将其重新命名为“非周期性脑电信号”或“非周期性脑电活动”。

这种现象不仅存在于大脑中。伦德纳、沃伊特克和其他人寻找的脑电活动模式与一种名为统计化结构(statistical structure)的现象有关。早在1925年,科学家就在自然界和科技领域的复杂系统中注意到这种现象。由于统计化结构出现在了诸多不同的环境中,因此一些科学家甚至认为它代表了一种未被发现的自然规律。

尽管科学家在20多年前就开始发表与这种无规律的脑电活动相关的论文,但还没有人能够确定它的真正含义。而现在的研究人员有了更好的工具,可以在新的实验中分离出非周期性脑电活动,还能更深层地分析那些旧的数据。多亏了包括沃伊特克的算法在内的多种方法,最近几年发表的一系列研究都认为,非周期性脑电活动中蕴含着一些潜在的重要发现,可能会促进衰老、睡眠和儿童大脑发育等领域的研究。

非周期性脑电活动

我们的身体习惯于熟悉的心跳和呼吸节奏——这些持续性的生理循环是生存所必需的。但同样重要的脑电活动似乎没有一个固定的模式,它或许包含了一些与行为和认知基础相关的新线索。当一个神经元向另一个神经元发送谷氨酸时,接收的神经元更有可能放电,这种情况被称为神经兴奋。相反,如果神经元释放的神经递质是γ-氨基丁酸(GABA),接收的神经元更不容易放电,这就是神经抑制。任何一种神经递质过量都会有负面影响:神经过度兴奋会导致癫痫发作,而神经抑制则会导致嗜睡,更极端的情况还会导致昏迷。

为了研究神经兴奋和抑制间的微妙平衡,科学家通过脑电图(electroencephalography,EEG) 来测量大脑的电活动。神经兴奋和抑制在循环时形成的脑电波会对应不同的精神状态,例如8~12赫兹的脑电波会形成和睡眠相关的α脑电波。大脑输出的电活动并不是完全平滑的曲线,而是会出现颤动。有时大脑的电活动没有规律性,看起来更像是电子噪音。其中“白噪声”的出现十分随机,但另一些成分具有更有意义的统计化结构。令沃伊特克等神经学家感兴趣的正是这些平滑波形中的不完美之处。他说:“它们是随机的,但属于不同类型的随机。”

为了量化非周期性脑电活动,科学家分解了原始的脑电图数据,就像用棱镜将太阳光分成不同颜色。为此,他们首先采用了傅立叶分析技术。在任何一段时间内绘制的数据都可以表示为三角函数的和,例如正弦波,而三角函数可以通过频率和振幅来表示。科学家可以将不同频率下的波幅绘制成一张图表,即功率谱(power spectrum)。

功率谱的幅度通常用对数坐标系表示,因为它们的数值范围很大。对于纯随机的白噪声,功率谱曲线相对平坦,呈水平状态,因为它在所有频率下都是近乎相同的。但神经活动产生的曲线具有负斜率,因为低频脑电波的振幅更高,而高频脑电波的强度则呈指数下降。这条曲线被称为1/f,表示频率和振幅具有反向关系。神经学家感兴趣的是,曲线陡峭到什么程度时,可能预示着大脑内部的运作方式。

伦德纳和同事们收集了一位患者在夜间睡眠时,大脑活动的功率谱。白线记录了功率谱的斜率变化,这与患者的清醒状态有关。

加拿大不列颠哥伦比亚大学的认知神经学家劳伦斯·沃德(Lawrence Ward)解释说,用这种方式分析脑电图数据,类似于在一座公铁两用桥上用录音机记录声波。随机经过的汽车轮胎发出的嗡嗡声,制造出非周期性的背景噪音;而列车每10分钟一次的鸣笛会产生具有峰值的周期性信号,在数据中,这个信号明显比背景信号突出。一次突发性事件,如长时间的鸣笛或车辆相撞,就会在声波中产生明显的尖峰,影响1/f的整体斜率。

人们对1/f现象最初的认识可以追溯一篇发表于1925年的论文。文章的作者是贝尔电话实验室的约翰·伯特兰·约翰逊(John Bertrand Johnson),他当时正在研究真空管中的噪音。仅仅4年后,德国科学家汉斯·伯杰(Hans Berger)就发表了第一份人类脑电图研究报告。

在随后的数十年里,神经科学的研究主要集中在脑电活动中主要的周期波上。各种电子噪音、股市波动、生物节律甚至是音乐中都存在着1/f波动,但没有人知道原因。

纽约大学格罗斯曼医学院的神经学、神经科学和生理学助理教授何碧玉(音译,Biyu J。 He)在2014年发表于《认知科学趋势》(Trends In Cognitive Sciences)的一篇综述中写到,或许是因为噪音看起来如此普遍,许多生物学家并不认为通过对噪音进行1/f特征转化,可以得到有用的信号。他们认为这可能是仪器自身发出的噪音。

但是,何碧玉等人用实验驳斥了这一观点。她们的结果证明,仪器噪音的幅度远小于非周期性脑电活动。在2010年发表于《神经元》(Neuron)的一篇论文中,她和同事还发现,虽然脑电图读数、地表的地震波和股市波动都显示出1/f趋势,但不同来源的数据显示出的高阶统计化结构各不相同。此前人们认为单一的自然规律就能解释所有事物的非周期性信号,但何碧玉等人的发现给出了不同的观点。

然而,这个问题还没有被完全解决。沃德发现,不同背景来源的波动也具有数学共性,他相信在这些波动背后,存在某些基础事件。无论是以哪种方式,沃德和何碧玉都认为有必要对大脑进行深入研究。何碧玉在2014年发表的论文中写道:“几十年来,科学家一直认为包含‘1/f’斜率的脑电活动是不重要的。为了突出大脑的神经振荡,他们经常将其从分析中剔除。然而,近年来越来越多的证据表明,无标度的脑电活动会给大脑功能带来益处。”

噪声中的新信号

沃伊特克在偶然的情况下,开始了非周期性脑电活动的研究:他最初想要对脑电图数据进行建模,并从脑电图中去除白噪声。但当他利用算法破解脑电图,消除脑电波噪音时,他开始更多地关注其中有趣的东西。

在一项发表于2015年的研究中,沃伊特克和他的博士导师、加利福尼亚大学伯克利分校的神经科学教授罗伯特·奈特(Robert Knight)共同发现,相比于年轻人,老年人的大脑似乎具有更多的非周期性脑电活动。沃伊特克和奈特观察到,在衰老过程中,大脑会产生更多的白噪音。他们还发现,这种噪音与和年龄相关的工作记忆下降存在相关性。

沃伊特克希望神经学家能利用软件从任何数据集(包括一些旧数据)中,自动分离出周期性和非周期性的脑电波特征,并寻找出有意义的1/f趋势线。因此,他和团队成员编写了一个可以实现这一过程的算法。

学界对这种算法的需求立刻清晰起来。2018年4月11日,沃伊特克和同事将编写的算法发布在预印本平台biorxiv上,算法广受欢迎,一个月内就被下载近2000次。同年11月,在神经科学学会会议(Society for Neuroscience conference)上,沃伊特克主持了一场关于如何使用这一算法的讲座。鉴于受欢迎程度,此后他还组织了一场后续会议,他的实验室团队为数十名感兴趣的科学家提供了技术支持。他们通过算法教程和电子邮件交流,促成了新的合作。

其中一项合作就是伦德纳发表的有关睡眠中唤醒标志的研究,该研究于2020年7月在线发表于eLife。借助沃伊特克的软件,伦德纳和同事们发现:快速眼动睡眠期间,在受试者脑电图的非周期性噪音中,高频脑电活动的下降速度比清醒时更快。换句话说,功率谱斜率的绝对值更大。

在他们的论文中,伦德纳和合作者认为,非周期性脑电活动可以作为衡量一个人意识状态的特定标志。像这种新的客观指标,可能有助于了解昏迷患者的麻醉状态,并改善治疗过程。

沃伊特克的算法还被用于调查针对注意缺陷多动障碍(ADHD)的药物的疗效,以及在自闭症患者中,研究大脑活动的性别差异。该算法于2020年11月发表于同行评议期刊《自然·神经科学》(Nature Neuroscience)。研究团队展示了算法在数据模拟中的性能,以及它揭示新发现的潜力。

娜塔莉·舍沃隆科夫(Natalie Schaworonkow)是沃伊特克实验室的博士后,她主要研究规律性的脑电波,比如α脑电波。在Zoom会议中,她表示“α脑电波比非周期性脑电活动更美丽”,这让沃伊特克大笑了起来。最近舍沃隆科夫的研究兴趣转移到了婴儿大脑及标志其认知发展的电信号模式,但她遇到了一个问题——婴儿不会产生规律性的α波,这些波是何时、如何出现的,仍是一个悬而未决的问题。

她使用这一算法分析了一组公开的婴儿大脑活动的脑电图数据。在近期发表于《发展认知神经科学》(Developmental Cognitive Neuroscience)的一篇新论文中,舍沃隆科夫和沃伊特克发现在婴儿出生后的前7个月里,非周期性脑电活动发生了很大的变化。但他们还需要更多的研究去理清,这一活动反映的究竟是婴儿成长过程中对任务的投入更多了,还是仅仅因为灰质密度增加了。

沃伊特克的算法推动了大量的新研究,但这些并不是仅有的、与非周期性脑电活动相关的研究。2015年,当时任职于普渡大学的温海光(音译,Haiguang Wen)和刘忠明(音译,Zhongming Liu)发表了一种能将大脑活动中的周期性与非周期性成分分离的新方法,并将其称为不规则重采样自动光谱分析(irregular-resampling auto-spectral analysis,IRASA)。与此同时,何碧玉在这两种工具出现之前就一直在研究这个课题;已故的神经学家沃尔特·J。弗里曼(Walter J。 Freeman)也是如此,他的工作启发了沃伊特克。虽然手动进行这些工作也是可能的,但会耗费更多的时间。

神经学家通过类似的工具,也可以更容易地根据周期性和非周期性的脑电信号,检验他们的数据。这一点十分重要,因为数据本身只是在一段特定时间内收集的一组数字。一张由点组成的图表本身并不能说明大脑功能状态。

沃伊特克说:“在神经科学中,对数据的解释才是最重要的,不是吗?因为这是我们进行临床决策、药物开发甚至所有这类事件的依据。”当我们以这种方式重新审视文献中的大量数据集时,有可能获得新的见解,但沃伊特克表示:“我们并没有对它们进行应有的充分解读。”

这意味着什么

在科学家探索非周期性脑电活动的这些特征时,存在一个很大的限制:没有人确切地知道它们出现的生理原因。加拿大麦吉尔大学神经学家西尔万·贝莱特(Sylvain Baillet)表示,需要更多研究来阐明不同神经递质、神经回路和大规模神经网络交互的贡献。贝莱特说:“相关的原因和来源仍未明确。但我们必须进行这项研究,以积累知识和实验数据。”

一种理论认为,非周期性脑电活动以某种方式反映了大脑在神经兴奋和抑制之间的微妙平衡,这也是保持其自身健康和活跃所需要的。伦德纳说,过多的神经兴奋可能会使大脑超载,而过多的神经抑制可能会让大脑进入睡眠状态。

奈特认为这个解释在逐渐接近事实。他说:“我不敢肯定非周期性脑电活动反映的是神经抑制与兴奋的比值变化,但我认为这是最简约的解释。”另一种观点是,这种脑电活动反映了大脑的实体组织。根据其他物理系统反映的1/f趋势,沃德认为大脑中可能存在某种结构性和层次剃进的等级关系,从而导致了非周期性脑电活动。例如,这可能是因为大量神经元组成了一个能协同工作的更大区域。

何碧玉表示,在自然环境中,与1/f趋势相关的脑电活动可能非常适合处理感觉输入,因此通常会表现出1/f类型的波动。她在一封电子邮件中表示,在2018年发表于《神经科学杂志》(Journal of NeuroScience) 的研究中,她们探索了大脑如何预测同样具有1/f特征的声音,这表明非周期性脑电活动“参与了对自然刺激的处理和预测”。从爵士乐到巴赫的乐曲,音乐也可以有1/f的属性,这对她来说并不惊讶——毕竟,音乐是人脑创造的。

沃伊特克说,为了测试关于非周期性脑电活动来源的假说,研究人员需要更细致地观察哪些神经回路可能会产生这些信号。神经学家可以尝试将这些神经回路的位置与大脑的整体生理结构联系起来,从而理解哪些神经机制会产生特定的活动模式,并预测在不同的脑部症状中非周期性和周期性信号的形式。沃伊特克还希望将算法应用于现有的数据集,以梳理出未被研究的脑电信号。

目前,伦德纳和奈特正在美国阿拉巴马大学分析昏迷患者的数据,从而了解非周期性脑电活动是否与昏迷状态的演变有关。他们的预测是,如果一个人从昏迷中苏醒过来,其大脑的高频活动增加将表现为1/f斜率的变化。伦德纳说,初步结果显示这一推测是有可能的。

对于贝莱特来说,大脑中的非周期性信号有点像暗物质——我们无法在宇宙中看见暗物质,但它能通过引力与正常物质相互作用。我们不知道它是由什么组成的,也不知道它的性质,但它就在星空背景中,秘密地将银河系维系在一起。

科学家还没有弄清楚是什么导致了这些非周期性脑电活动,但它们也可能反映了我们的大脑“宇宙”中的某种基本支持结构:一些神秘的事物正在“拨动”我们的大脑,让我们从清醒进入睡眠。

本文原刊于由西蒙斯基金会发起的Quanta Magazine,原标题为“Brain‘s ’Background Noise‘ May Hold Clues to Persistent Mysteries”。

本文转自环球科学

郑重声明:本文版权归原作者所有,转载文章仅为传播更多信息之目的,如有侵权行为,请第一时间联系我们修改或删除,多谢。

猜你喜欢