噪声样波动驱动跨脑状态神经元时间尺度与1/f功率谱变化

《PLOS Complex Systems》：Noise-like fluctuations drive shifts in neuronal timescales and 1/f power spectra across brain states

　　

许多聚合电生理记录（如局部场电位（LFP）、脑电图（EEG）和皮层脑电图（ECoG））的非周期宽带成分表现出特征性特征，特别是1/f幂律标度和频谱膝。功率谱密度（PSD）的这些特征随行为状态、觉醒水平、药理学干预而变化，并与不同脑状态之间的转换相关。研究人员利用具有稀疏、平衡和随机连接的大规模递归神经网络，并施加状态依赖性波动驱动，探究了这种变异性的起源。通过整合随机矩阵理论的最新进展，研究人员建立了一个分析框架，刻画了此类波动如何塑造PSD的关键特征，同时考虑了非线性和随机贡献。结果表明，宽带频谱特征的变异性可作为由噪声样波动驱动的非线性递归网络的通用属性出现。特别地，频谱膝的出现和调制反映了有效神经元时间尺度的变化，将噪声样波动与大规模网络中状态依赖的时间组织联系起来。总之，这些发现为宽带频谱特征如何从内在网络动力学中产生提供了机制性解释，并提示频谱特征的变化可能反映噪声驱动的非线性递归系统转换，而非单一潜在生物物理机制的作用。

论文解读：噪声样波动驱动跨脑状态神经元时间尺度与1/f功率谱变化

一、研究背景与问题

脑电活动中除节律性振荡外，还存在遵循特征性1/f模式的宽带背景信号。这种非周期宽带成分在LFP、EEG和ECoG等中尺度电生理记录中普遍存在，其功率谱密度（PSD）表现出1/f幂律标度特征，其中指数参数化高频段信号幅度衰减程度。高值信号以大幅值、慢波同步波动为主，常见于睡眠和麻醉状态；低值反映较平缓的功率谱，与觉醒状态下的低同步活动相关。除指数外，非周期频谱还受频谱膝（spectral knee）结构调控，该特征弯曲区分不同频率区间并反映潜在神经元时间尺度。频谱膝的存在意味着PSD并非遵循单一1/f定律，而是在不同频率上呈现多个标度区间，各具有效指数。频谱膝的变异性表明神经元时间尺度并非固定，而是随状态变化。尽管这种背景活动通过EEG和LFP等常规手段测量，其生物学起源和功能意义仍存争议，其形状在睡眠、觉醒、麻醉和神经疾病中系统性变化，但产生机制尚不明确。以往研究将1/f标度与复杂系统中的动力学稳定性、分岔点邻近性和自组织临界性相关联，但其在神经系统中的起源和功能意义仍未解决。频谱膝和1/f标度的存在及变异性与经历状态转换的非线性系统一致，此类转换与内源性神经活动变化相关，在清醒、觉醒状态尤为突出。

二、研究内容与结论

研究人员采用具有稀疏、平衡兴奋性和抑制性连接的大规模非线性递归神经网络模型，暴露于强度受控的波动以模拟不同脑状态。结果表明，状态依赖性波动（建模为加性噪声）通过调节网络有效神经元时间尺度，直接反映在频谱膝位置的移动上，从而重组功率律标度可观测的频率范围并影响临界指数估计。研究证明，宽带频谱特征的变异性可源于由噪声样波动驱动的非线性递归网络的通用属性，无需特定细胞或分子过程。频谱特征的变化反映噪声驱动的非线性转换，而非单一潜在生物物理机制。该发现为脑活动如何在不同功能状态间重组提供简单机制解释，提示常用频谱生物标志物本质上是动态的，代表递归神经网络的通用特征。

三、关键技术与方法

研究人员采用大规模随机递归神经网络（RNN）模型，网络包含N个局部群体，节点动力学服从耦合演化方程，连接矩阵为稀疏平衡的加权Erd?s–Rényi随机图，连接概率为c，兴奋性和抑制性权重从正态分布抽取且每节点总和为零。状态依赖性波动建模为N个独立高斯白噪声过程，方差为D。理论分析方面，利用随机矩阵理论的圆律（circular law）计算线性化系统的平均PSD，得到洛伦兹分布表达式；进一步采用受Floquet理论和主稳定函数启发的变分方法，假设平稳概率密度函数为高斯形状，推导出有效谱半径，建立包含非线性和随机贡献的有效平均PSD表达式。数值模拟方面，使用Welch方法估计功率谱，短时傅里叶变换计算时频图谱，对多组独立网络实现取平均。实验验证方面，分析了两只动物在浅麻醉和深麻醉条件下的LFP记录，共七对试验，采用配对bootstrap推断检验比较不同麻醉深度下的指数差异。

四、研究结果

状态依赖性波动驱动稳定性变化。 网络活动的概率密度函数在不同噪声方差下均呈高斯分布，方差随噪声方差近似线性增长。增加状态依赖性波动方差会收缩有效谱半径，缩小特征值谱盘，增强线性行为并将网络特征谱推离不稳定阈值，表明噪声对类似架构网络具有稳定化作用。

随机分析捕捉功率谱变异性。 包含噪声诱导非线性效应的有效平均PSD理论预测与数值模拟高度吻合，尤其在较大噪声方差下。标准线性化预测忽略噪声贡献，与模拟结果存在显著偏差，而随机框架准确捕捉这些偏差。频谱膝特征频率随噪声方差增加而升高，表明有效神经元时间尺度缩短。该现象在连接权重方差增大时更为显著，在低噪声极限下非线性贡献消失。研究还确认该现象在符合Dale定律的网络拓扑和宽范围相关时间的有色噪声条件下成立。

状态依赖性波动移动频谱膝位置并重组标度区间。 理论和模拟均预测增加噪声方差使频谱膝向更高频率移动，表明有效神经元时间尺度缩短，重组功率律标度可观测的频率范围。频谱膝位移导致固定频带内估计的指数值降低，反映频谱平坦化。标准忽略非线性和噪声贡献的方法无法捕捉此效应。理论推导略低估数值观察到的指数下降幅度，归因于理论处理中的近似。

实验数据验证。 浅麻醉和深麻醉条件下的LFP记录显示，深麻醉下频谱膝出现在更低频率，且预定频率范围内的幂律拟合显示深麻醉下频谱更陡峭。七对配对试验的指数分布显示，麻醉深度增加时指数显著增大（p<0.05），与颅内EEG的先前发现一致。结果支持深麻醉降低内源性自发波动的假说，可能通过抑制上行网状觉醒系统实现，与模型预测的降低波动方差导致更慢频谱膝频率和更大频谱指数的结论定性一致。

五、讨论与结论

研究人员指出，频谱膝和1/f标度的变异性可能源于多种动态且潜在相互作用的机制，除非线性网络效应外，组织对细胞外场的滤波和突触滤波可独立塑造频谱结构，但这些机制单独无法解释所有1/f标度现象，需补充额外动力学机制，各机制应视为互补而非互斥。模型局限性包括：生物神经网络并非随机图而呈现复杂层级和小世界架构；Dale定律约束未在所有分析部分满足；随机连接需替换为经验结构连接；高斯平稳概率密度假设仍为ansatz；加性不相关高斯白噪声建模为简化选择。初步模拟表明现象可推广至宽范围相关时间的有色噪声，效应幅度随噪声自相关时间增加而下降。结论为：状态依赖性波动通过调节网络有效神经元时间尺度驱动频谱膝位置移动和1/f标度重组，宽带频谱特征反映噪声驱动的非线性递归网络转换，而非单一潜在生物物理机制的作用。