Методическая статья

Частотное картирование транскутанной стимуляции ушной ветви блуждающего нерва при депрессии под контролем функциональной ближней инфракрасной спектроскопии

145 просмотров

⸱

DOI:

10.3791/70136

⸱

25 сентября 2026 г.

 ,  ,  ,  ,  ,  ,  , 
1Department of Psychiatry and Psychotherapy, University of Marburg, 2Center for Mind, Brain, and Behavior (CMBB), University of Marburg, 3Department of Psychology, University of Marburg, 4Faculty of Medicine, University of British Columbia

В этой статье

Краткое содержание

Данный протокол представляет собой воспроизводимую методику картирования частотно-зависимых корковых ответов на чрескожную стимуляцию ушного This-разжевательного нерва с использованием функциональной ближней инфракрасной спектроскопии у лиц с большим депрессивным расстройством.

Аннотация

Большое депрессивное расстройство (БДР) связано с изменениями в крупномасштабных сетях головного мозга, а вариативность параметров чрескожной стимуляции ушного ветвя вагуса (taVNS), особенно частоты стимуляции, ограничивает воспроизводимость и сопоставимость результатов различных исследований. В связи с этим необходимы стандартизированные стратегии систематического подбора параметров. В данном протоколе представлен воспроизводимый рабочий процесс с использованием методов нейровизуализации для картирования индивидуальных корковых ответов на несколько частот taVNS с помощью функциональной ближней инфракрасной спектроскопии (fNIRS). Этот подход сочетает непрерывную регистрацию данных fNIRS с подачей нескольких частот стимуляции в рамках одной сессии и анализ активности сети пассивного режима работы мозга на уровне сети. Частотно-специфические ответы количественно оцениваются с использованием метрик на основе расстояния с последующим алгоритмическим ранжированием для определения оптимальных параметров стимуляции для каждого участника.
Данный рабочий процесс позволяет проводить прямое внутрисубъектное сравнение условий стимуляции и предоставляет структурированную основу для эксплоративного картирования параметров на основе ответов на уровне сети, а не на основе дизайна с фиксированной частотой. Репрезентативные результаты демонстрируют возможность получения стабильных сигналов fNIRS в различных условиях и формирования интерпретируемых индивидуальных рейтингов частот для участников. Несмотря на то, что метод был продемонстрирован при БДР, данный протокол может быть адаптирован к другим парадигмам нейромодуляции и расстройствам, характеризующимся дисфункцией на уровне сетей, и может быть полезен в будущих исследованиях, направленных на индивидуальный подбор параметров.

Введение

Транскутанная стимуляция ушногоpукава блуждающего нерва (taVNS) представляет собой неинвазивный метод нейромодуляции, воздействующий на ушную ветвь блуждающего нерва, который может влиять как на нейромодуляторные ядра ствола мозга, так и на распределенные корковые сети1. Предыдущие исследования показали, что физиологические и нейронные эффекты taVNS сильно зависят от параметров стимуляции2,3,4,5, в частности от частоты стимуляции. В моделях на животных и людях различные частоты были связаны с различными нейромодуляторными путями и ответами мозга, и современные клинические протоколы taVNS охватывают широкий диапазон частот6. Эта вариативность подчеркивает необходимость систематических подходов к картированию частот и обоснованного выбора параметров, а не опоры на общепринятые фиксированные частоты. Целью данного протокола является предоставление воспроизводимого метода внутрисубъектного картирования нейронных ответов на несколько частот taVNS с использованием физиологических показателей сетевого уровня.

Общая цель данного протокола заключается в предоставлении воспроизводимого метода картирования индивидуальных нейронных ответов на несколько частот taVNS.

Функциональная ближняя инфракрасная спектроскопия (fNIRS) представляет собой портативный метод оптической нейровизуализации, который измеряет гемодинамику коры головного мозга с высоким временным разрешением и совместим с одновременным применением taVNS7,8. По сравнению с методами на основе магнитно-резонансной томографии (МРТ), fNIRS обладает большей портативностью, меньшей логистической нагрузкой и более простой интеграцией с процедурами стимуляции, не имея таких ограничений, как неподвижность сканера, акустический шум или ограниченные аппаратные конфигурации. В отличие от стратегий оптимизации на основе симптомов, fNIRS обеспечивает прямой физиологический показатель ответов корковых сетей на стимуляцию, а не опирается исключительно на субъективные или отложенные клинические результаты9. По сравнению с парадигмами стимуляции с фиксированной частотой10, данный протокол позволяет четко охарактеризовать межиндивидуальную вариабельность чувствительности к частоте, а не усреднять ответы разных участников. Кроме того, fNIRS поддерживает масштабируемые повторные измерения в рамках одной сессии, что делает этот подход особенно подходящим для эксплораторных исследований по картированию частот и пилотных изысканий, требующих эффективных повторных оценок.

Этот комбинированный подход следует использовать, когда исследователи стремятся сравнить параметры нейромодуляции у одного и того же участника, определить подходящие индивидуальные настройки стимуляции или разработать протоколы перед проведением лонгитюдных или ориентированных на результат клинических испытаний. Он широко применим при состояниях, характеризующихся нарушением организации крупномасштабных сетей мозга11. Данный протокол особенно подходит для эксплораторного картирования параметров, пилотных исследований по персонализации и предварительной оценки осуществимости метода. В качестве иллюстративного примера здесь приводится депрессия, поскольку она связана с изменением активности и связности внутри сети пассивного режима работы мозга (DMN)12,13 и связанных с ней контрольных сетей, а taVNS, согласно сообщениям, модулирует эти системы14. Однако в предыдущих исследованиях использовались разнородные частоты стимуляции, и наиболее подходящие частоты для воздействия на аффективные и когнитивные сети остаются неопределенными. Эта вариабельность обосновывает необходимость проведения внутрисубъектного сравнения частот, а не использование одной единственной частоты, заданной a priori.

В данной работе мы описываем протокол реализации рабочего процесса картирования частот taVNS под контролем fNIRS, подходящего для прикроватного и лонгитюдного использования. Процедура включает первоначальный замер базового уровня в состоянии покоя без стимуляции, за которым следуют сеансы taVNS в состоянии покоя на частотах 2, 10, 25 и 40 Hz, а также контрольное условие (плацебо) для учета неспецифических эффектов. Для каждого условия данные fNIRS регистрируются и анализируются с использованием многомерных метрик сетевого расстояния относительно нормативного здорового референта. Эти метрики фиксируют взаимодополняющие аспекты организации сети, включая силу связей и паттерны региональных взаимодействий15,16. Полученные показатели на сетевом уровне используются для сравнения частотно-специфических эффектов у каждого участника и для определения подходящих параметров стимуляции на основе анализа сетевой структуры. Последующее условие в состоянии покоя, специфичное для выбранного кандидата, включено для оценки краткосрочной воспроизводимости выбранной частоты.

Данный протокол лучше всего подходит для эксплораторного картирования параметров, персонализации на этапе подтверждения концепции и разработки протокола перед проведением более масштабных лонгитюдных или клинических исследований. Он предоставляет структурированную основу для систематического сравнения частот стимуляции у отдельных лиц с использованием физиологических показателей на уровне сети. Метод предназначен для поддержки выдвижения гипотез и идентификации потенциальных частот в ранних или пилотных исследованиях. Он не предназначен для установления окончательной клинической эффективности, терапевтического превосходства или оптимизации лечения, а скорее служит для подготовки последующих лонгитюдных и ориентированных на результат исследований путем эксплоративного подбора параметров на основе сетевых данных.

Протокол

Все процедуры с участием людей проводились в соответствии с институциональными рекомендациями и Хельсинкской декларацией и были одобрены соответствующим комитетом по этике исследований с участием людей Марбургского университета Филиппа (номер протокола: 23-232 BO). До начала участия от всех добровольцев было получено письменное информированное согласие.

Протокол следует хронологической последовательности выполнения экспериментального рабочего процесса (подробности см. на Рисунке 1 ). Все этапы реализуются с использованием предопределенных параметров для обеспечения воспроизводимости и сопоставимости результатов между участниками. Эти параметры включали фиксированные настройки стимуляции taVNS (частоты 2, 10, 25 и 40 Hz, длительность импульса и индивидуально подобранную интенсивность стимуляции), стандартизированную продолжительность сеансов в состоянии покоя, единообразное условие плацебо (sham), а также унифицированный конвейер сбора и предобработки данных fNIRS, включая конфигурацию каналов, коррекцию движений, фильтрацию и процедуры сетевого анализа.

1. Этическое одобрение и обзор исследования

  1. Получение этического одобрения
    1. До начала исследования получите одобрение Комитета по этике медицинского факультета Филиппсовского университета Марбурга (протокол № 23-232 BO).
    2. Проводите все процедуры в соответствии с Хельсинкской декларацией и институциональными рекомендациями по проведению исследований с участием людей.
    3. До начала скрининга, обследований или сбора данных получите от каждого участника письменное информированное согласие.
  2. Определение целей исследования
    1. Используйте данный протокол для сравнения имитации стимуляции и нескольких активных частот taVNS у одного и того же участника.
    2. Применяйте параллельную функциональную ближнюю инфракрасную спектроскопию (fNIRS) для количественной оценки ответов корковых сетей во время стимуляции.
    3. Используйте заранее определенные скрипты анализа для выявления подходящей индивидуальной частоты стимуляции на основе сходства сетевого уровня с шаблоном здорового контроля.
  3. Определение области анализа
    1. Интерпретируйте все результаты как описательные и поисковые.
    2. Не используйте данный протокол для установления клинической эффективности, терапевтического превосходства или оптимизации лечения.
    3. Используйте полученные результаты для планирования будущих лонгитюдных исследований или исследований, ориентированных на конечные результаты.

2. Набор и скрининг участников

  1. Формирование групп исследования
    1. Набрать взрослых участников в две группы: группу с большим депрессивным расстройством (БДР) и группу здорового контроля (ЗК).
    2. Набрать участников группы здорового контроля в тот же период исследования и с использованием тех же процедур, что и для группы БДР.
    3. Предоставить компенсацию в соответствии с требованиями учреждения.
  2. Применение критериев включения
    1. Включать только участников в возрасте 18 лет и старше.
    2. Подтвердить наличие нормального или скорректированного до нормы зрения.
    3. Только для группы БДР: подтвердить диагноз БДР с помощью структурированного клинического интервью на основе DSM-5.
    4. Только для группы БДР: включать только участников с легкой или умеренной степенью тяжести депрессии (HAMD-24 ≥8 и <24; BDI-II ≥8 и <29).
    5. Только для группы здорового контроля: подтвердить отсутствие текущих психических или тяжелых соматических заболеваний.
  3. Применение критериев исключения
    1. Исключить участников с неврологическими расстройствами или тяжелыми травмами головы в анамнезе.
    2. Исключить участников с психической коморбидностью.
    3. Исключить участников, которые в настоящее время принимают психотропные или антидепрессивные препараты или прекратили их прием в течение последних 2 недель.
    4. Исключить участников с суицидальными мыслями или тяжелыми депрессивными симптомами.
    5. Исключить участников с заболеваниями, которые могут повлиять на нейронную или сосудистую функцию.
  4. Проведение клинической оценки
    1. Провести оценку по шкале Гамильтона для оценки депрессии (HAMD-24).
    2. Провести оценку с использованием опросника депрессии Бека-II (BDI-II).
    3. Записать общие баллы в базу данных исследования.

3. Подготовка экспериментальной среды

  1. Подготовка лабораторного помещения
    1. Разместите участника в тихой комнате с приглушенным освещением.
    2. Поддерживайте стабильную температуру окружающей среды и минимизируйте внешний шум.
    3. Расположите монитор примерно в 1 m перед участником.
  2. Инструктаж участника
    1. Отобразите на мониторе центральный фиксирующий крест.
    2. Инструктируйте участника бодрствовать, быть расслабленным и сохранять неподвижность.
    3. Инструктируйте участника не отрывать взгляд от фиксирующего креста на протяжении всех записей.

4. Подготовка taVNS и калибровка стимуляции

  1. Подготовка оборудования
    1. Используйте устройство для чрескожной стимуляции ушного this-ветви блуждающего нерва, оснащенное титаново-иридиевым стимулирующим электродом.
    2. Перед каждым сеансом проверяйте целостность кабелей, разъемов и заряд батареи.
  2. Размещение электрода
    1. Очистите левую часть ушной раковины (cymba conchae) с помощью спиртовых салфеток.
    2. Полностью высушите кожу.
    3. Поместите стимулирующий электрод на левую cymba conchae.
    4. Убедитесь в стабильности контакта и надежности фиксации.
  3. Калибровка амплитуды тока
    1. Установите длительность импульса 300 µs.
    2. Активируйте непрерывную стимуляцию без циклического режима работы.
    3. Начните с 0 mA и постепенно увеличивайте ток с шагом 0.1-0.2 mA.
    4. Просите участника оценить ощущения по 10-балльной шкале после каждого увеличения.
    5. Прекратите увеличение тока при достижении максимальной переносимой интенсивности без ощущения боли.
    6. Целевой уровень субъективной интенсивности — 7-8/10.
    7. Повторите калибровку отдельно для частот 2, 10, 25 и 40 Hz.
    8. Зафиксируйте итоговую амплитуду тока для каждой частоты.
  4. Настройка имитационной (плацебо) стимуляции
    1. Настройте устройство таким образом, чтобы электрический ток не подавался.
    2. Расположение электрода должно быть идентичным условиям активной стимуляции.
    3. Обеспечьте соответствие всех визуальных, тактильных и слуховых сигналов параметрам активной стимуляции.
  5. Применение блоков активной стимуляции
    1. Подайте четыре активные частоты (2, 10, 25 и 40 Hz) по одному разу за сеанс.
    2. Рандомизируйте порядок блоков для разных участников с помощью компьютерной последовательности.
    3. Вставьте фиксированные интервалы без стимуляции между условиями.

5. Настройка системы fNIRS

  1. Подготовка оборудования
    1. Используйте две синхронизированные системы fNIRS.
    2. Оснастите каждую систему 16 источниками света и 16 детекторами.
  2. Определение монтажа
    1. Используйте инструмент планирования оптической схемы для воздействия на области сети пассивного режима работы мозга.
    2. Расположите оптоды так, чтобы охватить медиальную префронтальную кору, заднюю поясную извилину/прекунеус, двусторонние угловые извилины и медиальные височные области.
    3. Для каналов с большим расстоянием используйте интервал между источником и детектором 3 cm.
    4. Добавьте каналы с коротким расстоянием приблизительно 8 mm.
  3. Настройка параметров сбора данных
    1. Используйте длины волн 760 nm и 850 nm.
    2. Установите частоту дискретизации 5.1 Hz.
    3. Синхронизируйте обе системы перед началом записи.

6. Проведение экспериментальной сессии

  1. Определение последовательности блоков
    1. Запишите базовое состояние покоя (RS0) в течение 6 min без стимуляции.
    2. Сделайте интервал в 2 min.
    3. Проведите имитацию стимуляции (sham stimulation) в течение 6 min.
    4. Сделайте интервал в 2 min.
    5. Проведите четыре рандомизированных блока активной стимуляции (2, 10, 25 и 40 Hz), каждый по 6 min.
    6. Сделайте интервал в 2 min между последовательными активными блоками.
    7. Запишите состояние покоя после стимуляции (RS1) в течение 6 min.
  2. Соблюдение временного регламента сессии
    1. Убедитесь, что общая продолжительность сессии составляет примерно 54 min.
    2. Осуществляйте непрерывную регистрацию данных fNIRS на протяжении всех блоков.
  3. Поддержание стандартизированных условий
    1. Следите за тем, чтобы освещение в помещении, инструкции и экран фиксации оставались неизменными во всех блоках.
    2. Непрерывно контролируйте контакт электродов.
    3. При необходимости приостанавливайте эксперимент только после завершения блока.

7. Предварительная обработка данных fNIRS

  1. Сегментация записей
    1. Разделите непрерывные записи на сегменты: RS0, Sham, 2 Hz, 10 Hz, 25 Hz, 40 Hz и RS1.
    2. Извлеките необработанные сигналы интенсивности для каждого канала и условия.
  2. Контроль качества
    1. Примените полосовую фильтрацию Баттерворта в диапазоне от 0.5 до 2.33 Hz.
    2. Разделите сигналы на неперекрывающиеся окна длительностью 3 s.
    3. Вычислите индекс скальп-сопряжения (SCI) и пиковую мощность спектра (PSP).
    4. Классифицируйте окна как приемлемые при SCI ≥ 0.8 и PSP ≥ 0.1.
    5. Оставьте каналы, в которых доля приемлемых окон составляет ≥ 70%.
    6. Оставьте участников, у которых доля приемлемых каналов составляет ≥ 70%.
  3. Коррекция артефактов
    1. Скорректируйте двигательные артефакты с помощью метода восстановления распределения временных производных (TDDR).
    2. Примените вейвлет-фильтрацию с использованием базиса из 8 вейвлетов.
    3. Определите выбросы как коэффициенты, превышающие 4 стандартных отклонения.
  4. Преобразование сигналов
    1. Преобразуйте оптическую плотность в концентрацию оксигемоглобина, используя модифицированный закон Бугера — Ламберта — Бера.

8. Вычисление характеристик сети и выбор подходящей частоты

  1. Вычисление связности
    1. Вычислите робастные корреляции Пирсона между всеми парами ROI.
    2. Сохраните шесть уникальных попарных корреляций в виде вектора связности.
    3. Сформируйте симметричную матрицу связности размером 4 × 4.
  2. Вычисление производных признаков
    1. Вычислите собственные значения и собственные векторы для каждой матрицы.
    2. Вычислите среднюю управляемость для каждого узла после нормализации матрицы.
  3. Создание эталона здорового контроля
    1. Вычислите среднюю матрицу связности RS0 по всем отобранным участникам группы здорового контроля.
    2. Используйте полученную матрицу в качестве эталонного шаблона здорового состояния.
  4. Вычисление расстояний
    1. Вычислите косинусное расстояние между признаками участника и эталоном для связности, собственных значений и управляемости.
    2. Вычислите сходство собственных векторов с помощью сопоставления компонентов.
  5. Ранжирование условий
    1. Ранжируйте условия Sham, 2 Hz, 10 Hz, 25 Hz и 40 Hz в порядке возрастания расстояния для каждого показателя.
    2. Присвойте ранг 1 наименьшему расстоянию.
    3. Просуммируйте ранги по всем показателям для каждого условия.
  6. Выбор предполагаемой индивидуальной частоты
    1. Определите условие с наименьшей суммарной итоговой ранговой оценкой.
    2. Определите это условие как предполагаемую индивидуальную частоту стимуляции.
  7. Вычисление коэффициента усиления стимуляции
    1. Вычислите коэффициент усиления стимуляции (G_f) для каждой частоты, используя следующую нормализацию:
      Формула гранулометрического состава, уравнение Gf=(d0-df)/(max(df)-min(df)), диаграмма.​
      Где df  — это расстояние RS0, а df  — расстояние при частоте стимуляции f., вычисленное для условий RS0, Sham, 2 Hz, 10 hz, 25 Hz и 40 Hz.

Результаты

Качество данных и возможность получения

Применение заранее определенных критериев качества данных привело к исключению каналов и участников с недостаточным качеством сигнала. Успешные результаты характеризуются высокой степенью сохранения каналов во всех условиях, стабильными гемодинамическими записями и интерпретируемыми паттернами связности, которые позволяют надежно оценить характеристики сети. К неудачным или субоптимальным результатам относятся низкое качество сигнала, избыточные артефакты движения, недостаточный прижим оптода к коже головы, недостаточное количество сохраненных каналов или противоречивые оценки сети, ограничивающие интерпретируемость. Как показано на рисунке 3 и рисунке 4, итоговый набор данных после оценки качества включал 19 участников с большим депрессивным расстройством (БДР; средний возраст: 31,21 года, SD: 8,99; 10 женщин) и 19 здоровых добровольцев (ЗД; средний возраст: 33,5 года, SD: 13,51; 7 женщин). Семь участников (3 с БДР и 4 из группы ЗД) были исключены из-за недостаточного качества данных, что было связано преимущественно с артефактами движения или плохим прижимом оптода к коже головы.

Карты качества по каналам дополнительно продемонстрировали гетерогенное пространственное распределение качества сигнала между участниками, при этом у некоторых лиц наблюдались локализованные области пониженного качества. Эти результаты подчеркивают важность применения предопределенных пороговых значений на основе индекса связи со скальпом и пика спектра мощности перед проведением дальнейшего анализа. Данные процедуры контроля качества гарантируют, что последующие сетевые показатели будут рассчитаны на основе надежных данных, и представляют собой критически важный компонент протокола. Представленные здесь репрезентативные результаты напрямую зависят от успешного прохождения скрининга качества данных, стандартизированной предобработки, извлечения временных рядов на основе областей интереса (ROI) и применения предопределенной процедуры отбора по ранговой сумме.

Предварительная обработка и построение сети

Схема эксперимента и рабочий процесс предварительной обработки представлены на Рисунке 1 и Рисунке 2. После этапа контроля качества (Рисунок 2) сигналы были успешно преобразованы в концентрацию гемоглобина и скорректированы с учетом артефактов движения и системного физиологического шума. Успешное завершение этих этапов предварительной обработки характеризуется сохранением высококачественных каналов, стабильностью региональных временных рядов и интерпретируемостью оценок связности; в то время как неудовлетворительные результаты включают чрезмерную потерю сигнала, неустраненные артефакты или ненадежные показатели сети. Извлечение региональных временных рядов из узлов сети пассивного режима работы мозга позволило построить матрицы функциональной связности для каждого условия. Эти репрезентативные результаты напрямую зависят от успешного выполнения контроля качества данных17, стандартизированной предварительной обработки18, определения ROI и применения заранее определенной процедуры ранжирования. Полученные матрицы функциональной связности сети пассивного режима работы мозга служат основой для последующих сравнений на основе расстояния.

Репрезентативные результаты на уровне сети

Рисунок 5A демонстрирует пример профиля функциональной связности DMN для репрезентативного участника с БРП в зависимости от условий, наряду с эталонным шаблоном сети DMN, полученным на основе группы здорового контроля. Эти матрицы позволяют напрямую визуализировать паттерны связей между регионами при различных условиях и помогают отличить успешный результат выполнения протокола от менее интерпретируемых или низкокачественных оценок сети. Визуальный анализ выявляет зависимые от условий вариации в организации сети относительно шаблона, иллюстрируя, как частота стимуляции может модулировать структуру сети DMN в рамках одного сеанса.

Меры расстояния (Рисунок 5B) количественно определяют эти различия по нескольким показателям (связность, собственные значения, собственные векторы и средняя управляемость). Для каждого показателя условия можно ранжировать по их близости к эталонному шаблону, при этом более низкие значения расстояния указывают на большее сходство. Примечательно, что ранжирование по различным метрикам расстояния варьируется в зависимости от условий, что отражает взаимодополняющую информацию о представлениях сети, которую фиксирует каждый показатель.

Выбор частоты на основе консенсуса

Для интеграции информации по четырем метрикам ранги были агрегированы для каждого участника (Рисунок 5C). Четкое различие кумулятивных показателей ранга между условиями свидетельствует об успешной дифференциации частотно-специфических ответов сети, в то время как очень близкие значения рангов в разных условиях указывают на ограниченную чувствительность протокола или слабое различие между эффектами стимуляции. Условие с наименьшим кумулятивным показателем ранга интерпретировалось как репрезентативная частота стимуляции-кандидат для данного участника. В Таблице 1 обобщены эти результаты по всем участникам вместе с соответствующими значениями коэффициента усиления стимуляции и степенью согласованности между метриками, количественно определенной с помощью W Кендалла.

В группе с БРД 12 из 19 участников продемонстрировали наименьший совокупный ранг для активной частоты стимуляции по сравнению с имитацией (sham). Выбранная частота стимуляции варьировалась в зависимости от участника, что суммировано в Таблице 1. Согласованность показателей, количественно определенная с помощью W Кендалла, также различалась между отдельными людьми, что отражает вариабельность согласованности ранжирования. Более высокие значения W Кендалла указывают на более сильное соответствие между показателями и большую уверенность в том, что несколько сетевых параметров поддерживают одно и то же ранжирование условий, в то время как более низкие значения указывают на более слабую согласованность и большую гетерогенность показателей. Таким образом, окончательный выбор следует интерпретировать как основанную на данных интеграцию взаимодополняющих сетевых признаков, а не как решение, основанное на каком-то одном показателе.

Эти репрезентативные результаты, подтверждающие техническую осуществимость метода, иллюстрируют типы выходных данных сетевого уровня, генерируемых данным протоколом, и демонстрируют, что этот рабочий процесс может быть реализован для внутрисубъектного сравнения различных условий стимуляции. Полученные данные предназначены для иллюстрации процессов сбора сигналов, предварительной обработки, извлечения признаков и рангового картирования параметров, а не для доказательства терапевтического эффекта, клинической эффективности или валидации показателей, как показано в Рисунки 1–5 и Таблица 1.

Схема непрерывной регистрации fNIRS; установка для стимуляции коры головного мозга; расположение источников и детекторов.
Рисунок 1Экспериментальный дизайн и конфигурация зонда fNIRS. (A) Внутрисубъектный дизайн эксперимента. Каждый участник прошел все условия в рамках одного сеанса, включая исходное состояние покоя (RS0), имитацию стимуляции (плацебо), четыре частоты активной стимуляции (2, 10, 25 и 40 Гц) и состояние покоя после стимуляции (RS1). Порядок активной стимуляции был рандомизирован для каждого участника. Каждый блок длился 6 мин и разделялся интервалами без стимуляции продолжительностью около 2 мин. Данные функциональной ближней инфракрасной спектроскопии (fNIRS) регистрировались непрерывно (общая продолжительность около 54 мин) и сегментировались по условиям для последующего анализа. (B) Схема расположения датчиков fNIRS, демонстрирующая 32 источника (красные) и 30 детекторов (синие), которые формируют 89 каналов с большим расстоянием и 8 каналов с коротким расстоянием (обведены). Каналы с коротким расстоянием использовались для удаления поверхностного физиологического шума. (C) Профиль корковой чувствительности схемы расположения датчиков относительно сети пассивного режима работы мозга (DMN) на основе атласа автоматической анатомической разметки (AAL), иллюстрирующий зависимость чувствительности измерений от глубины. Пожалуйста, нажмите здесь, чтобы просмотреть увеличенную версию этого рисунка. 

Диаграмма анализа связности мозга, поток данных предобработки, извлечение областей интереса (ROI), расчет признаков.
Рисунок 2Конвейер предварительной обработки и извлечения признаков для сетевого анализа на основе фНИРС.
Необработанные данные об интенсивности света были разделены на блоки, соответствующие определенным условиям (RS0, ложная стимуляция, частоты стимуляции и RS1). Качество данных оценивали с помощью индекса сопряжения с кожей головы (SCI) > 0,8) и пик спектральной мощности (PSP > 0,1), при этом сохранялись только высококачественные каналы. Сигналы были преобразованы в оптическую плотность, после чего была выполнена коррекция движений с использованием метода восстановления распределения временных производных (TDDR) и вейвлет-фильтрации. Были вычислены изменения концентрации гемоглобина, а для снижения системного физиологического шума применялась регрессия по коротким каналам. Для сетевого анализа временные ряды были извлечены из областей интереса (ROI) в пределах сети пассивного режима работы мозга (DMN), включая медиальную префронтальную кору (mPFC), прекунеус (Prec), нижнюю теменную дольку (IPL) и медиальную височную долю (MTL). Была рассчитана функциональная связность между областями интереса. Производными признаками стали значения связности, собственные значения, собственные векторы и средняя управляемость. Пожалуйста, нажмите здесь, чтобы просмотреть увеличенную версию этого рисунка.

Анализ качества каналов; столбчатая диаграмма и тепловая карта данных участников, демонстрирующие качественные каналы (RS0).
Рисунок 3. Оценка качества данных у участников с большим депрессивным расстройством (БДР).
(A) Количество каналов, соответствующих критериям качества в состоянии покоя (RS0), для каждого участника с БДР. Столбцы обозначают все каналы (серый), каналы с большим расстоянием (синий) и каналы с коротким расстоянием (оранжевый), соответствующие критериям качества (≥70% времени записи при SCI > 0.8 и PSP > 0.1). Пунктирные линии указывают максимальное количество доступных каналов с большим расстоянием (89), каналов с коротким расстоянием (8) и порог приемлемого качества данных на уровне участника (сохранение ≥70% от общего числа каналов). Участники, показатели которых ниже порога, выделены (D13, D18, D19). (B) Поканальное качество данных по всем участникам. Тепловая карта показывает процент времени записи, соответствующий критериям качества для каждого канала и каждого участника во время RS0. Более темная заливка указывает на более низкое качество данных. Пожалуйста, нажмите здесь, чтобы просмотреть увеличенную версию этого рисунка.

Сравнение количества качественных каналов, столбчатая диаграмма; качество каналов, тепловая карта; анализ данных нейровизуализации.
Рисунок 4. Оценка качества данных у участников из группы здорового контроля. (A) Количество каналов, соответствующих критериям качества при исходном состоянии (RS0), для каждого участника из группы здорового контроля. Столбцы отображают все каналы (серый), каналы с большим расстоянием между электродами (синий) и каналы с коротким расстоянием между электродами (оранжевый), соответствующие критериям качества (≥70% времени записи с SCI > 0.8 и PSP > 0.1). Пунктирные линии обозначают максимальное количество доступных каналов и порог приемлемого качества данных на уровне участника (сохранение ≥ 70% от общего числа каналов). Участники, показатели которых ниже порога, выделены (HC13, HC14, HC15, HC18). (B) Качество данных по каждому каналу для всех участников. Тепловая карта показывает процент времени записи, соответствующий критериям качества для каждого канала и участника во время RS0. Более темная заливка указывает на более низкое качество данных. Пожалуйста, нажмите здесь, чтобы просмотреть увеличенную версию этого рисунка.

Анализ связности и управляемости мозга; тепловые карты и гистограммы; сравнение данных ЭЭГ.
Рисунок 5. Пример выбора частоты стимуляции на основе анализа расстояния для одного участника.
(A) Матрицы функциональной связности, показывающие попарные взаимодействия между четырьмя областями сети пассивного режима работы мозга для одного репрезентативного участника с БРД (D11) в различных условиях (RS0, имитация и частоты стимуляции). Области включают медиальную префронтальную кору (mPFC), нижнюю теменную дольку (IPL), прекунеус (Prec) и медиальную височную долю (MTL). Центральная матрица представляет собой шаблон здорового контроля, полученный на основе групповых данных RS0. (B) Показатели расстояния между каждым условием и шаблоном здорового контроля по четырем метрикам: расстояние по связности (D_conn), расстояние по собственным значениям (D_eig), расстояние по собственным векторам (D_evec) и расстояние по средней управляемости (D_AC). Столбцы представляют значения расстояния; более низкие значения указывают на большее сходство с шаблоном. Для каждого условия приведен ранжированный список (ранг 1 = наименьшее расстояние). (C) Консенсусный ранжированный список по всем метрикам, полученный путем суммирования рангов для каждого условия. Условие с наименьшим общим рангом было выбрано в качестве оптимальной частоты стимуляции для данного участника. Пожалуйста, нажмите здесь, чтобы просмотреть увеличенную версию этого рисунка.

ID участникаСвязностьСобственное значениеСобственный векторСр. управляемостьКонсенсусW-критерий Кендалла
D0140HZ (G=1.00)40HZ (G=1.00)40HZ (G=1.00)40HZ (G=0.29)40HZ0.85
D02Плацебо (G=0.18)Плацебо (G=0.00)Плацебо (G=0.11)Плацебо (G=-0.09)Плацебо0.89
D0310HZ (G=0.20)Плацебо (G=0.05)2HZ (G=0.56)Плацебо (G=0.63)40HZ0.34
D07Плацебо (G=0.29)25HZ (G=0.06)2HZ (G=0.33)25HZ (G=0.45)25HZ0.36
D10Плацебо (G=1.00)Плацебо (G=1.00)Плацебо (G=1.00)Плацебо (G=1.00)Плацебо0.59
D1110HZ (G=0.71)10HZ (G=0.66)2HZ (G=0.73)40HZ (G=1.00)10HZ0.34
D1540HZ (G=0.58)40HZ (G=0.53)40HZ (G=0.21)40HZ (G=-0.27)40HZ0.96
D1625HZ (G=1.00)10HZ (G=1.00)25HZ (G=0.90)25HZ (G=0.40)25HZ0.64
D172HZ (G=0.51)2HZ (G=0.75)25HZ (G=0.73)10HZ (G=0.82)10HZ0.21
D2025HZ (G=-0.08)25HZ (G=0.04)25HZ (G=-0.27)Плацебо (G=0.31)25HZ0.84
D21Плацебо (G=0.37)2HZ (G=0.08)Плацебо (G=0.27)40HZ (G=-0.28)Плацебо0.41
D222HZ (G=-0.06)10HZ (G=0.19)2HZ (G=0.75)2HZ (G=1.00)2HZ0.47
D23Плацебо (G=0.53)25HZ (G=-0.14)Плацебо (G=0.71)40HZ (G=0.23)Плацебо0.31
D2425HZ (G=0.59)25HZ (G=0.18)25HZ (G=0.18)Плацебо (G=0.34)25HZ0.5
D2525HZ (G=1.00)Плацебо (G=-0.01)10HZ (G=1.00)Плацебо (G=0.19)25HZ0.16
D2610HZ (G=0.52)Плацебо (G=0.01)10HZ (G=1.00)10HZ (G=0.71)10HZ0.93
D2710HZ (G=-0.11)10HZ (G=0.20)2HZ (G=-0.20)40HZ (G=1.00)2HZ0.05
D2810HZ (G=0.51)10HZ (G=0.04)10HZ (G=1.00)10HZ (G=-0.02)10HZ0.81
D2910HZ (G=0.81) 10HZ (G=0.54) Плацебо (G=1.00)10HZ (G=1.00) 10HZ0.85
Коэффициент усиления0.50, 0.520.32, 0.180.58, 0.730.46, 0.400.55, 0.50
 (Среднее, Медиана)

Таблица 1: Выбор частоты для каждого участника в зависимости от метрик расстояния.

Для каждого участника приведено условие стимуляции, соответствующее минимальному расстоянию до шаблона здорового контроля, для четырех сетевых показателей: расстояния связности (D_conn), расстояния собственных значений (D_eig), расстояния собственных векторов (D_evec) и расстояния средней управляемости (D_AC). Значения в скобках (G) указывают на усиление стимуляции. Столбец Consensus показывает рекомендуемую частоту стимуляции на основе агрегации рангов по четырем показателям. W Кендалла количественно определяет степень согласованности показателей для каждого участника. В последней строке приведены средние и медианные значения усиления стимуляции по всем участникам для каждого показателя, а также соответствующие значения W Кендалла.

Обсуждение

Методологическое обоснование и критические этапы

Данный протокол представляет собой стандартизированный рабочий процесс для внутрисессионного картирования частотно-зависимых эффектов чрескожной стимуляции ушного ветвления блуждающего нерва (taVNS) с использованием функциональной ближней инфракрасной спектроскопии (fNIRS) в состоянии покоя. Целью является структурированное сравнение потенциальных параметров стимуляции в контролируемых условиях, а не валидированная индивидуальная оптимизация.

Для надежной реализации критически важны несколько этапов. Несоблюдение этих шагов может привести к снижению качества сигнала, недостоверным оценкам связности, нестабильности ранжирования или потере анализируемых наборов данных. Интенсивность стимуляции должна быть откалибрована отдельно для каждой частоты до фиксированного воспринимаемого уровня (7–8/10), так как пороги восприятия варьируются в зависимости от частоты, что в противном случае может исказить результаты сравнения19. Неправильная калибровка может привести к различиям в воспринимаемой интенсивности стимуляции, а не к истинным частотно-специфическим нейронным эффектам, что снизит сопоставимость условий. Качество данных fNIRS должно быть обеспечено за счет стабильного контакта оптода со скальпом, коррекции движения, регрессии короткодистантных каналов и заранее определенных критериев сохранения каналов. Для обеспечения сопоставимости характеристик сети требуется единообразное определение областей интереса (ROI) для всех участников и условий. Наконец, выбор частоты должен основываться на заранее определенном ранжирующем подходе, объединяющем несколько дополнительных метрик, а не опираться на один единственный показатель. Эти методологические этапы напрямую определяют качество, стабильность и интерпретируемость полученных показателей сети и, следовательно, влияют на репрезентативные результаты, представленные в разделе «Результаты».

Последовательный дизайн внутрисессионного исследования и эффекты переноса

Протокол предполагает последовательное применение нескольких частот стимуляции в рамках одного сеанса без длительного физиологического периода вымывания. Несмотря на использование фиксированных интервалов между условиями, нельзя исключить эффекты переноса или взаимодействия. Это может повлиять на независимость ответов, специфичных для каждого условия, что следует учитывать при интерпретации различий между частотами стимуляции. Соответственно, различия в частотах следует интерпретировать как относительные эффекты внутри одного сеанса. Выявленная «оптимальная частота» отражает наиболее эффективное условие в данном сеансе и должна рассматриваться как относительный результат ранжирования на основе данных внутри сеанса, а не как окончательный или обобщаемый параметр стимуляции без проведения повторных исследований20.

Сравнение с альтернативными подходами

Протоколы с фиксированной частотой обеспечивают стандартизацию, но не учитывают межиндивидуальную вариабельность, в то время как настройка на основе симптомов не дает прямого физиологического понимания21. Подходы под контролем функциональной магнитно-резонансной томографии (фМРТ) обеспечивают более широкий пространственный охват, но менее применимы для повторного использования или применения у постели больного. По сравнению с этими подходами, данный протокол обладает преимуществами в портативности, возможности проведения повторных измерений и прямой оценки на сетевом уровне, при этом он ограничен меньшей пространственной глубиной и чувствительностью к двигательным артефактам22. Таким образом, его следует рассматривать как прагматическую основу для эксплораторного картирования параметров, а не как клинически валидированную стратегию оптимизации.

Ограничения

Протокол основан на дизайне с одним сеансом и не оценивает устойчивость сетевых эффектов или клинические исходы. Последовательная стимуляция может вызвать остаточные эффекты между условиями23. Эти факторы могут повлиять на стабильность и обобщаемость выявленных частотно-специфических ответов. Кроме того, анатомическая вариабельность, расположение электродов и импеданс кожи могут влиять на эффективность стимуляции, в то время как строгие критерии контроля качества fNIRS могут сократить количество анализируемых наборов данных. Более того, измерения fNIRS ограничены корковыми областями и не фиксируют подкорковую активность, которая может вносить вклад в эффекты на сетевом уровне.

Область и применимость

Данный протокол особенно подходит для исследователей, проводящих пилотные исследования, тестирование осуществимости или разработку протоколов на ранних стадиях в области нейромодуляции. Он обеспечивает выбор потенциальных параметров стимуляции с учетом особенностей сети, но не устанавливает терапевтическую эффективность или принципы прецизионной психиатрии. Эту структуру можно адаптировать для других сетей, расстройств или параметров стимуляции путем изменения расположения оптодов и определений ROI, при условии соблюдения единообразной предварительной обработки, строгого контроля качества и прозрачных процедур сравнения24.

Раскрытие информации

Все участники предоставили письменное информированное согласие до начала их участия в экспериментах. Протоколы исследования были рассмотрены и одобрены соответствующим комитетом по этике Марбургского университета.

Специальные программные скрипты, анонимизированные данные и другие материалы, использованные в данном исследовании, могут быть предоставлены заинтересованным сторонам по запросу.

Заявление об авторском вкладе

Свеня Дж. Франке (Svenja J. Francke) внесла вклад в подбор участников, сбор данных, администрирование проекта, разработку методологии, написание первоначального черновика и доработку рукописи. Сара Ализаде (Sarah Alizadeh) внесла вклад в концептуализацию, разработку методологии, анализ данных, визуализацию, написание первоначального черновика и доработку рукописи. Хосе К. Гарсия Аланис (José C. García Alanis) внес вклад в концептуализацию, разработку методологии, администрирование проекта, анализ данных, а также рецензирование и редактирование рукописи. Дориан Кок (Dorian Kock) внес вклад в подбор участников, сбор данных, разработку методологии, написание первоначального черновика и доработку рукописи. Янник Херманн (Jannick Herrmann) внес вклад в подбор участников, сбор данных, разработку методологии, написание первоначального черновика и доработку рукописи. Максимилиан Кастль (Maximilian Kastl) внес вклад в подбор участников, сбор данных, разработку методологии, написание первоначального черновика и доработку рукописи. Хамидреза Джамалабади (Hamidreza Jamalabadi) внес вклад в концептуализацию, разработку методологии, анализ данных, научное руководство, а также рецензирование и редактирование рукописи. Феликс П. Бернхард (Felix P. Bernhard) внес вклад в концептуализацию, разработку методологии, научное руководство, написание первоначального черновика и доработку рукописи.

Благодарности

Данная работа была частично профинансирована за счет консорциумных грантов Немецкого исследовательского общества (DFG) SFB/TRR 393 (грант проекта № 521379614), исследовательского гранта фонда von Behring Röntgen (№ 70\_00038), исследовательского гранта Университетской клиники Гиссена и Марбурга (UKGM, № 1/2024 MR), а также фонда Edda und Helmut Laich Stiftung. Работа также получила поддержку центра DYNAMIC, финансируемого по программе LOEWE Министерства науки и искусств Гессена (номер гранта: LOEWE 1/16/519/03/09.001(0009)/98) и Немецкого исследовательского общества (Deutsche Forschungsgemeinschaft, DFG) в рамках программ Германии

Стратегия совершенствования (EXC 3066/1 «Адаптивный разум», проект № 533717223).

Материалы

Список материалов, использованных в этой статье
ИмяКомпанияКаталожный номерКомментарии
Система fNIRS (носимая многоканальная с непрерывным излучением)NIRxNIRSport2Портативная двухволновая многоканальная система fNIRS для регистрации гемодинамики коры головного мозга
Программное обеспечение для сбора данных fNIRSNIRxAuroraСпециальное ПО, используемое для сбора сигналов, мониторинга и маркировки событий
Шлем fNIRS с оптодамиNIRxСовместим с NIRSport2Используется для размещения источников и детекторов
Оптоды (источники и детекторыNIRxСовместимы с NIRSport2Каналы с большим расстоянием (~30 mm) и каналы с малым расстоянием (~8 mm)
MATLABMathWorksПоследний релиз, использованный в исследованииИспользуется для предобработки, анализа связности и выполнения пользовательских скриптов
Signal Processing ToolboxMathWorksДополнение к MATLABИспользуется для фильтрации и обработки временных рядов
Statistics and Machine Learning ToolboxMathWorksДополнение к MATLABИспользуется для ранжирования, описательной статистики и расчета показателей согласованности
Пользовательские скрипты анализаIn-houseН/ПИспользуются для предобработки, извлечения признаков и выбора частот на основе ранга
Устройство стимуляции taVNStVNS GmbHМодель устройства, использованная в исследованииИспользуется для чрескожной стимуляции ушного This ветви блуждающего нерва
Электроды для стимуляции ушной раковиныtVNS GmbHСовместимы со стимуляторомИспользуются для размещения в области cymba conchae левого уха
Кабели и разъемы электродовtVNS GmbHСовместимы со стимуляторомИспользуются для подключения электродов к устройству стимуляции
Контактный крем / проводящий гельtVNS GmbHН/ПИспользуется для улучшения контакта электрода с кожей во время стимуляции
Спиртовые салфеткиtVNS GmbHН/ПИспользуются для подготовки кожи перед размещением электродов
PsychoPyOpen Science Tools Ltd.Версия 2024.4.2Используется для управления экспериментом, тайминга, рандомизации блоков, предъявления стимулов и синхронизации
Компьютерная рабочая станцияLenovoThinkPad T14, G31666Используется для управления сбором данных и офлайн-анализа; Intel Core Ultra 5, 16 GB RAM, 500 GB SSD, Windows 11 Pro
Монитор / дисплейLenovoThinkVision T32UD-40IPS-дисплей 31.5 in, используемый для предъявления фиксирующего креста; разрешение 3840 × 2160 при 60 Hz
Тихая комната для тестированияИнституциональная базаН/ПИспользуется для минимизации внешних раздражителей во время записей

Ссылки

  1. Rings, T., von Wrede, R., Bröhl, T., Schach, S., Helmstaedter, C., et al. Impact of transcutaneous auricular vagus nerve stimulation on large-scale functional brain networks: from local to global. Front Physiol. 12, 700261(2021).
  2. Kong, J., Fang, J., Park, J., Li, S., Rong, P. Treating depression with transcutaneous auricular vagus nerve stimulation: state of the art and future perspectives. Front Psychiatry. 9, 20(2018).
  3. Badran, B. W., et al. Short trains of transcutaneous auricular vagus nerve stimulation (taVNS) have parameter-specific effects on heart rate. Brain Stimul. 11 (4), 699-708 (2018).
  4. Farmer, A. D., et al. International consensus based review and recommendations for minimum reporting standards in research on transcutaneous vagus nerve stimulation (version 2020). Front Hum Neurosci. 14, 568051(2020).
  5. Yakunina, N., Kim, S. S., Nam, E. -C. Optimization of transcutaneous vagus nerve stimulation using functional MRI. Neuromodulation. 20 (3), 290-300 (2017).
  6. Parente, J., et al. Neural, anti-inflammatory, and clinical effects of transauricular vagus nerve stimulation in major depressive disorder: a systematic review. Int J Neuropsychopharmacol. 27 (3), pyad058(2024).
  7. Chao, J., et al. fNIRS evidence for distinguishing patients with major depression and healthy controls. IEEE Trans Neural Syst Rehabil Eng. 29, 2211-2221 (2021).
  8. Ho, C. S. H., et al. Diagnostic and predictive applications of functional near-infrared spectroscopy for major depressive disorder: a systematic review. Front Psychiatry. 11, 378(2020).
  9. Ludwig, M., Pereira, C., Keute, M., Düzel, E., Betts, M. J., et al. Evaluating phasic transcutaneous vagus nerve stimulation (taVNS) with pupil dilation: the importance of stimulation intensity and sensory perception. bioRxiv. , (2024).
  10. Fox, M. D., Buckner, R. L., White, M. P., Greicius, M. D., Pascual-Leone, A. Efficacy of transcranial magnetic stimulation targets for depression is related to intrinsic functional connectivity with the subgenual cingulate. Biol Psychiatry. 72 (7), 595-603 (2012).
  11. Drysdale, A. T., et al. Resting-state connectivity biomarkers define neurophysiological subtypes of depression. Nat Med. 23 (1), 28-38 (2017).
  12. Kaiser, R. H., Andrews-Hanna, J. R., Wager, T. D., Pizzagalli, D. A. Large-scale network dysfunction in major depressive disorder: a meta-analysis of resting-state functional connectivity. JAMA Psychiatry. 72 (6), 603-611 (2015).
  13. Whitfield-Gabrieli, S., Ford, J. M. Default mode network activity and connectivity in psychopathology. Annu Rev Clin Psychol. 8, 49-76 (2012).
  14. Fang, J., et al. Transcutaneous vagus nerve stimulation modulates default mode network in major depressive disorder. Biol Psychiatry. 79 (4), 266-273 (2016).
  15. Bassett, D. S., Sporns, O. Network neuroscience. Nat Neurosci. 20 (3), 353-364 (2017).
  16. Gu, S., et al. Controllability of structural brain networks. Nat Commun. 6, 8414(2015).
  17. Brigadoi, S., et al. Motion artifacts in functional near-infrared spectroscopy: a comparison of motion correction techniques applied to real cognitive data. Neuroimage. 85 (Pt 1), 181-191 (2014).
  18. Yücel, M. A., et al. Best practices for fNIRS publications. Neurophotonics. 8 (1), 012101(2021).
  19. Berman, G. J., Bialek, W., Shaevitz, J. W. Predictability and hierarchy in Drosophila behavior. Proc Natl Acad Sci U S A. 113 (42), 11943-11948 (2016).
  20. Atanackov, P., Peterlin, J., Derlink, M., Kovačič, U., Kejžar, N., et al. The acute effects of varying frequency and pulse width of transcutaneous auricular vagus nerve stimulation on heart rate variability in healthy adults: a randomized crossover controlled trial. Biomedicines. 13 (3), 700(2025).
  21. Anderson, Z., Turner, J. A., Ashar, Y. K., Calhoun, V. D., Mittal, V. A. Application of hyperalignment to resting state data in individuals with psychosis reveals systematic changes in functional networks and identifies distinct clinical subgroups. Aperture Neuro. 4, (2024).
  22. Austelle, C. W., et al. A comprehensive review of vagus nerve stimulation for depression. Neuromodulation. 25 (3), 309-315 (2022).
  23. Badran, B. W., et al. Neurophysiologic effects of transcutaneous auricular vagus nerve stimulation (taVNS) via electrical stimulation of the tragus: a concurrent taVNS/fMRI study and review. Focus. 20 (1), 80-89 (2022).
  24. Baig, S. S., et al. Optimizing non-invasive vagus nerve stimulation for treatment in stroke. Neural Regen Res. 20 (12), 3388-3399 (2025).

Перепечатки и разрешения

Больше статей

картирование fNIRSнейровизуализация при депрессиисеть пассивного режима работы мозгакартирование частоты стимуляциианализ на уровне сетейтранскутанная стимуляция блуждающего нерваиндивидуальный подбор параметров

Эта статья была опубликована

Видео скоро будет доступно

Связаться с нами
Порекомендовать библиотеке

Конфиденциальность

Условия использования

Политики

© 2026 MyJoVE Corporation. Все права защищены.