BrainBeats как плагин EEGLAB с открытым исходным кодом для совместного анализа сигналов ЭЭГ и сердечно-сосудистой системы
26 апреля 2024 г.
BrainBeats toolbox — это плагин EEGLAB с открытым исходным кодом, предназначенный для совместного анализа сигналов ЭЭГ и сердечно-сосудистой системы (ЭКГ/ФПГ). Он включает в себя оценку вызванных сердцебиением потенциалов (HEP), анализ на основе признаков и извлечение сердечных артефактов из сигналов ЭЭГ. Протокол поможет в изучении взаимодействия мозга и сердца через две линзы (HEP и функции), повышая воспроизводимость и доступность.
Цель набора инструментов BrainBeats заключается в том, чтобы предоставить автоматизированный инструмент с открытым исходным кодом для проведения исследований взаимодействия мозга и сердца. Это позволяет исследователям выполнять мультимодальный анализ сигналов ЭЭГ и сердечно-сосудистой системы с помощью стандартизированной обработки сигналов, извлечения признаков, графического пользовательского интерфейса и визуализации данных. В результате исторического редукционистского подхода в науке системы мозга и сердца были разделены и изолированы, что привело к ограниченному пониманию их взаимодействия и взаимного влияния.
Набор инструментов BrainBeats призван восполнить этот пробел. Понимание взаимодействия между мозгом и сердцем позволяет исследователям получить более глубокое представление о том, как когнитивные и эмоциональные состояния влияют на сердечно-сосудистую функцию и наоборот. В свою очередь, эти знания могут привести к новым терапевтическим вмешательствам и методам лечения.
Обзор
Библиотека инструментов BrainBeats является открытым исходным кодом плагина для EEGLAB, направленным на облегчение совместного анализа сигналов ЭЭГ и сердечно-сосудистой деятельности (ЭКГ/ППГ). Эта библиотека инструментов улучшает изучение взаимодействия мозга и сердца, предоставляя инструменты для оценки вызванных сердцебиения потенциалов (ВСС) и удаления артефактов сердца из сигналов ЭЭГ, в конечном итоге улучшая воспроизводимость и доступность в исследованиях.
Ключевые компоненты исследования
Область науки
- Нейронаука
- Исследования сердечно-сосудистой системы
- Обработка сигналов
Предыстория
- Исторически системы мозга и сердца изучались раздельно, что ограничивало понимание их взаимодействия.
- Библиотека инструментов BrainBeats заполняет этот пробел, позволяя исследователям изучать динамическое взаимодействие между этими системами.
- Понимание влияния когнитивных и эмоциональных состояний на сердечно-сосудистую функцию может привести к новым терапевтическим вмешательствам.
Цель исследования
- Предоставить стандартизированный инструмент для мультимодального анализа сигналов ЭЭГ и сердечно-сосудистой деятельности.
- Улучшить понимание взаимодействия мозга и сердца и их влияния на психическое и физическое здоровье.
- Повысить доступность и воспроизводимость в связанных исследованиях.
Используемые методы
- В исследовании использовалась библиотека инструментов BrainBeats в рамках фреймворка EEGLAB на MATLAB.
- Сигналы ЭЭГ и сердечно-сосудистой деятельности (как ЭКГ, так и ППГ) анализировались через графические интерфейсы для оценки ВСС и артефактов сердца.
- Протокол включал установку путей в MATLAB, загрузку наборов данных и выполнение извлечения признаков.
- Критические шаги включали изменение настроек шума силового питателя и валидацию выходных данных на протяжении всего анализа.
Основные результаты
- Заметными результатами были значимые колебания, вызванные сердцебиением, в альфа-диапазоне после сердцебиения.
- Анализ когерентности между испытаниями не указал на значимое синхронизационное связывание фазы ЭЭГ с сердцебиениями.
- Ключевыми результатами также были характеристики HRV и данные ЭЭГ, раскрывающие важные закономерности, связанные с сердечными ритмами.
Выводы
- Библиотека инструментов BrainBeats демонстрирует потенциал для преодоления разрыва между исследованиями мозга и сердца.
- Она позволяет более полно понимать когнитивные и эмоциональные влияния на сердечно-сосудистое здоровье.
- Полученные результаты могут послужить основой для будущих терапевтических стратегий и вмешательств.
Часто задаваемые вопросы
Executive Industry Relevance
Integrating EEG and cardiovascular signal analysis addresses a critical gap in early discovery by enabling standardized, multimodal interrogation of brain-heart interplay. The BrainBeats toolbox enhances predictive confidence in neurocardiac biomarker research and supports robust feature extraction for translational and preclinical studies. This capability is strategically positioned to improve reproducibility, data quality, and cross-functional R&D workflows in biopharma pipelines.
Strategic Applications in Biopharma R&D
Early Discovery & Target Validation
- Enables mechanistic de-risking by jointly analyzing neural and cardiovascular signals for target validation.
- Supports hypothesis-driven exploration of brain-heart interactions relevant to neurocardiac disease models.
- Facilitates extraction of quantitative features for pathway clarification and functional biomarker identification.
Screening & Assay Development
- Standardizes EEG and HRV feature extraction to improve assay reproducibility and downstream screening reliability.
- Automates artifact removal, ensuring clean datasets for high-throughput compound evaluation.
- Prepares validated multimodal datasets for scalable machine learning model development.
Translational & Preclinical Research
- Aligns extracted features with disease-relevant neurocardiac biomarkers for translational continuity.
- Enables risk-adjusted advancement decisions by providing robust, reproducible readouts across preclinical models.
- Supports cross-system mechanistic studies to inform therapeutic hypothesis refinement.
Pipeline & Workflow Integration
The BrainBeats plugin fits within the discovery-to-preclinical continuum by enabling standardized, multimodal data integration and analysis.
- Discovery Biology: Facilitates null hypothesis testing and pathway interrogation through synchronized EEG and cardiovascular signal analysis.
- Screening: Provides reproducible, quantitative outputs for assay development and compound triage.
- Analytics: Delivers feature-rich datasets and statistical outputs for robust condition comparison and model training.
- Translational Research: Bridges discovery and preclinical phases by aligning neurocardiac features with disease models.
- Enterprise Reuse: Offers an open-source, GUI-driven platform adaptable across diverse R&D programs and datasets.
Operational & Enterprise Impact
- Scientific Value: Increases predictive confidence and reduces mechanistic ambiguity in neurocardiac research.
- Operational Value: Enhances standardization, reproducibility, and scalability of multimodal signal analysis.
- Strategic Value: Improves go/no-go decision quality and capital efficiency by enabling robust biomarker discovery.
- Portfolio Impact: Supports risk-adjusted prioritization and advancement of neurocardiac targets and models.
Implementation Considerations
- Requires expertise in EEG, cardiovascular signal processing, and MATLAB/EEGLAB environments.
- Depends on access to high-quality, synchronized EEG and ECG/PPG datasets.
- Necessitates cross-team agreement on feature extraction and artifact removal standards.
- Adaptable to various model systems but may require parameter tuning for optimal results.
- Data quality and signal integrity directly impact analysis reliability and downstream utility.
