Как рассчитать и проверить синхронизацию между мозгами в исследовании гиперсканирования fNIRS
8 сентября 2021 г.
Динамика между связанными мозгами людей все чаще представлена межмозговой синхронизацией (СРК), когда они координируются друг с другом, в основном с использованием одновременных записывающих сигналов мозга (а именно гиперсканирования) с fNIRS. В исследованиях гиперсканирования fNIRS IBS обычно оценивался с помощью метода когерентности вейвлет-преобразования (WTC) из-за его преимущества в расширении временных рядов во временно-частотное пространство, где колебания можно увидеть интуитивно понятным способом. Наблюдаемый СР
Этот протокол обеспечивает потенциально стандартный конвейер анализа синхронизации между мозгами в исследовании гиперсканирования fNIRS. Основным преимуществом этой методики является то, что она позволяет рассчитать закон межмозговой синхронизации, который преобразует когерентный метод и проверяет способы межмозговой синхронизации, перестановки, основанные на усилении состояний грудной клетки и участия. Выполняйте весь анализ данных с помощью программного обеспечения MATLAB с соответствующими наборами инструментов.
Во время предварительной обработки данных, в частности с использованием основного компонентного анализа и метода улучшения сигнала на основе корреляции, удалите глобальный физиологический шум F N I R S с помощью фильтра NPCA. А артефакты движения головы, использующие правильное движение HMR, подчеркивают CBSI Гомера два. Затем, для расчета межмозговой синхронизации или IBS, примите когерентную функцию вейвлет-преобразования кросс-вейвлета и вейвлет-когерентного набора инструментов с параметрами по умолчанию и вычислите когерентные значения в каждый момент времени в частотной точке, чтобы получить двухосевую матрицу когерентных значений.
Для параметров по умолчанию используйте материнский вейвлет Морле для преобразования каждого временного ряда во временную и частотную область путем непрерывного вейвлет-преобразования. Далее, чтобы выбрать интересующую полосу частот, выберите среднее значение когерентных значений полосы частот от 0,5 до одного Герца. В соответствии с полосой частот, используемой в задаче движения пальцев исследования гиперсканирования F N I R S.
Получите один столбец когерентных значений для каждой пары. Затем выберите среднее значение когерентных значений временного окна на этапе покоя. И для каждого экспериментального условия, используя информацию марка, получить пять когерентных значений для каждой диады для целевой сессии, только выбрать продолжительность, в течение которой участники постукивали для воспроизведения слухового стимула, что составляет около 12 секунд для каждого испытания, что приводит в общей сложности 180 секунд для каждого экспериментального состояния.
Затем вычтите когерентное значение покоя из когерентного значения, связанного с задачей. Так как значение когерентности во время состояния покоя используется в качестве базовой линии в этом эксперименте. Далее, используя парные образцы перестановки Т-теста с солодовым подчеркиванием комп подчеркивания пермь Т1 функции капель работы.
Сравните вычитаемые когерентные значения с нулем в каждом канале для каждого экспериментального условия. Затем, используя функцию FDR набора инструментов MATLAB, исправьте значения P методом ложной скорости обнаружения. Далее, используя парные образцы перестановки Т-теста с солодовым подчеркиванием комп подчеркивания замыкания Т1 функции капель работы, сравнивают значения когерентности между различными условиями задачи на канале, где существовал СРК.
Для проверки СРК используйте функцию пермской обработки MATLAB для рандомизации метки испытаний в условии координации измерения для одной диады в каждом канале. Следуйте продемонстрированному конвейеру для расчета IBS и статистики для метки рандомизированного исследования, исключая анализ чувствительности для интересующей полосы частот. Проведите перестановку 1000 раз, затем постройте график распределения статистических значений Z, генерируемых в рамках перестановки диад.
Далее следуйте конвейеру, чтобы рассчитать IBS и статистику после рандомизации спаривания участников одного и того же исследования, в состоянии координации счетчика. Наконец, снова следуйте конвейеру после рандомизации меток условий для тех же членов одной диады в том же испытании. Результаты показали наличие СРК на пятом канале в состоянии координации счетчика.
В то время как в других условиях СРК не было обнаружено. На пятом канале IBS и условие координации счетчика были значительно выше, чем когерентные значения в условиях неметровой координации и независимости счетчика. Анализ перестановок показал, что наблюдаемый СРК, вероятно, представлен у двух особей одной диады, которые пытались синхронизироваться друг с другом в совпадающее время, но не во временном партнере или состоянии случайного спаривания.
Убедитесь, что СРК специфична для редкого взаимодействия. Итак, вычисляя СРК в задаче, коррелирует полоса частот и по мутирующим условиям доверия и интервью. Вычисление IBS всех каналов в пределах простой досягаемости или по разным каналам и регионам обогатит партнера по расчетам IBS.
Анализ межмозговой сети для больших групп участников естественных взаимодействий принесет пользу квалификации социального взаимодействия.
Просмотрите полный транскрипт и получите доступ к тысячам научных видео
Обзор
Это исследование фокусируется на межмозговой синхронизации (ММС) среди индивидуумов во время выполнения координированных задач, используя функциональную ближнюю инфракрасную спектроскопию (фНИРС) в гиперсканирующей настройке. Оно применяет вейвлет-преобразование когерентности (ВПК) для оценки ММС и проверяет результаты с помощью методов, основанных на перестановках. Обсуждаются критические методологические соображения для повышения воспроизводимости и надежности в этих исследованиях.
Ключевые компоненты исследования
Область науки
- Нейронаука
- Мозговое исследование
- Межличностная координация
Фон
- Межмозговая синхронизация (ММС) отражает координацию между активностью мозга индивидуумов.
- Гиперсканирование позволяет одновременную запись сигналов мозга от нескольких участников.
- Вейвлет-преобразование когерентности (ВПК) используется для анализа временно-частотных характеристик.
- Методы перестановок помогают проверить результаты ММС, контролируя за случайные совпадения.
Цель исследования
- Представить протокол для анализа ММС с использованием гиперсканирования фНИРС.
- Подробно описать, как эффективно рассчитывать и проверять ММС.
- Определить критические методологические соображения для улучшения анализа.
Используемые методы
- Исследование использует функциональную ближнюю инфракрасную спектроскопию (фНИРС) для получения сигналов мозга.
- Оно оценивает координацию с использованием вейвлет-преобразования когерентной функции с программным обеспечением MATLAB.
- Предварительная обработка данных включает такие методы, как главный компонентный анализ и использование фильтра NPCA.
- Процедура включает тестирование значений когерентности в различных экспериментальных условиях и использование перестановочных тестов для проверки.
Основные результаты
- ММС была зарегистрирована в определенных условиях, указывая на усилия по синхронизации между участниками.
- Наличие ММС было подтверждено с помощью статистических тестов и анализов перестановок.
- Результаты указывают на то, что обнаружение ММС является специфичным для определенных задач и условий, улучшая понимание динамических социальных взаимодействий.
Выводы
- Это исследование предоставляет методологический каркас для оценки ММС, способствуя будущим исследованиям в области межличностной нейронауки.
- Оно повышает воспроизводимость и надежность анализа нейронной синхронии между индивидуумами.
- Результаты вносят ценные знания в нейронную основу социальных взаимодействий.
Часто задаваемые вопросы
Executive Industry Relevance
Inter-brain synchronization (IBS) analysis via fNIRS hyperscanning provides a mechanistic window into coordinated neural activity, offering biopharma R&D a quantitative biomarker for social cognition and interpersonal engagement models. This approach supports target validation in neuropsychiatric disorders by enabling objective measurement of dyadic neural coupling, which can inform therapeutic efficacy in conditions affecting social interaction. The wavelet transform coherence (WTC) method combined with permutation validation enhances predictive confidence in preclinical models by reducing false-positive synchrony signals.
Strategic Applications in Biopharma R&D
Early Discovery & Target Validation
- Scientific Value: Enables interrogation of therapeutic hypotheses related to social brain networks by quantifying neural synchrony between interacting subjects.
- Operational Value: Provides a reproducible pipeline for assessing target engagement in dyadic behavioral paradigms using fNIRS hyperscanning.
Screening & Assay Development
- Scientific Value: Generates time-frequency resolved coherence metrics that serve as quantitative readouts for compound effects on interpersonal neural coupling.
- Operational Value: Supports assay standardization through predefined frequency band (0.5–1 Hz) and time-window averaging protocols, improving cross-study comparability.
Translational & Preclinical Research
- Scientific Value: Facilitates mechanistic de-risking by distinguishing true interaction-dependent synchrony from artifactual correlations via permutation-based validation.
- Operational Value: Enables longitudinal tracking of neural coordination phenotypes in disease models, supporting translational continuity from discovery to preclinical validation.
Pipeline & Workflow Integration
The IBS analysis pipeline fits within early discovery workflows where neural correlates of social behavior are evaluated, particularly in target validation and assay development stages for CNS therapeutics.
- Discovery Biology: Supports hypothesis testing of neural mechanisms underlying social interaction by providing objective, quantifiable measures of inter-brain coupling.
- Screening: Delivers assay-ready, reproducible coherence outputs after preprocessing (NPCA filtering, HMR motion correction) and statistical validation (permutation testing, FDR correction).
- Analytics: Produces Z-value distributions from permutation tests that enable statistical comparison of IBS across conditions and channels.
- Translational Research: Aligns with biomarker development efforts by offering a neural synchrony metric sensitive to task-specific coordination, relevant for social dysfunction models.
- Enterprise Reuse: Establishes a reusable analytical framework applicable across multiple dyadic tasks and experimental conditions, reducing redevelopment costs.
Operational & Enterprise Impact
- Scientific Value: Increases predictive confidence in target validation by confirming that observed IBS is specific to genuine interaction and not random pairing or condition effects.
- Operational Value: Enhances reproducibility through standardized preprocessing (PCA-based noise reduction, motion correction) and validated statistical pipelines (permutation T-test, FDR correction).
- Strategic Value: Improves go/no-go decisions by providing a neural biomarker of social engagement that can be modulated by pharmacological interventions.
- Portfolio Impact: Enables risk-adjusted prioritization of compounds targeting social cognition pathways through objective, quantifiable IBS readouts.
Implementation Considerations
- Requires expertise in fNIRS data acquisition, hyperscanning experimental design, and MATLAB-based signal processing.
- Depends on access to wavelet transform coherence toolboxes and permutation testing functions for proper implementation.
- Necessitates cross-team standardization of preprocessing steps (e.g., NPCA filter, HMR motion correction) and analysis parameters (frequency band, time windows) to ensure reproducibility.
- Involves adaptation considerations when applying the protocol to different participant populations, tasks, or neural regions of interest.
- Limited by the need for careful channel selection (e.g., channel five in the motor coordination condition) and condition-specific interpretation to avoid false positives.
