PLOS: 怪不得越吸越上瘾，原来大脑...【文末福利】
点击脑友记 了解脑科学///
@2021 脑友记 BrainUp
▎研究背景
在这项工作中，研究人员通过开发一个统计框架来量化氯胺酮诱导的神经活动来解决这一局限性。该框架基于隐马尔可夫模型，它假设神经活动在离散状态之间切换，每个状态都有自己独特的概率谱表示。通过从电生理学数据中估计这个多功能的统计模型，研究人员生成了与非人灵长类动物和人类患者氯胺酮诱导的神经生理状态相关的动力学性质和振荡特征的详细描述。
此外，研究人员还发现了其他尚未报道的氯胺酮诱导状态。总之，该研究对氯胺酮诱导光谱的详细定量描述有助于氯胺酮神经生理机制模型的进一步发展以及临床麻醉检测生物标志物的发现。
▎制作模型
由于隐马尔可夫模型适合描述在离散状态之间切换的系统，因此麻省总医院的研究人员采用这种方式进行研究。
一个在氯胺酮麻醉下的病人的120秒读数的多锥谱图显示了在高“伽马”频率和非常低的“德尔塔”频率下的不同的高倍（较暖的颜色）带。
为了进行分析，研究人员从两个主要来源收集了数据。一组数据来自对九名手术患者的额头安装EEG，这些患者在接受额外麻醉药物的手术前自愿接受一段时间氯胺酮诱导的麻醉。另一组数据来自麻省理工学院神经科学皮考尔教授厄尔·米勒实验室植入两只动物额叶皮层的电极。
用隐马尔可夫模型分析读数，使用β分布作为观察模型，不但能捕捉先前观察到的伽马和三角洲节律之间的交替，而且显示出混合两种节律的其他一些更微妙的状态。重要的是，该模型显示了各种状态通过一个特征顺序移动，并定义了每个状态持续的时间。研究人员表示，理解这些模式可以做出预测，就像一个新司机可以学习预测交通灯一样。例如，了解灯从绿色到黄色再到红色的变化，以及黄灯只持续几秒钟，可以帮助新司机预测当到达十字路口时该做什么。类似地，麻醉师检测病人的节律可以利用这些发现来确保大脑状态正在发生应有的变化，或者在没有发生变化的情况下进行调整。
灵长类动物LFP(A)或人类EEG(B)的神经记录作为算法的输入。电记录(C)通过多锥谱分析(D)转换为它们的时频表示。光谱观测被分成7个频带，并在0和1(E)之间缩放。然后通过EM算法将这些观测数据拟合到beta-HMM(F)中，并由Viterbi算法估计状态轨迹。该算法的输出是每个状态的β观测分布(G)、估计的状态轨迹(H)和描述状态切换动力学的转移矩阵(I)。
研究人员布朗表示，“描述大脑状态及其转变的模式也将有助于神经科学家更好地理解氯胺酮在大脑中的作用。随着研究人员创建潜在大脑回路及其对药物反应的计算模型，新发现将给我们带来限制。例如，为了使一个模型有效，它不仅应该显示交替的伽马和慢节奏状态，而且还应该产生更微妙的状态。缺乏这个模型阻碍了其他一些工作的进行，开发这种方法使我们能够获得定量描述，我们需要能够理解发生了什么，以及是什么样的神经活动产生了这些状态。”
▎全新思路
随着神经科学家越来越了解氯胺酮是如何从这些努力中诱导意识不清的，一个主要的含义已经很明显了。异丙酚使大脑活动被非常低频的节律所支配，而氯胺酮则包括高频节律中的高倍周期。布朗说，这两种实现无意识的非常不同的方法似乎表明，意识是一种可以以多种方式失去的状态。
“我可以让你的大脑在过度活跃的状态下失去知觉，也可以抑制活动让你失去知觉，更普遍的概念是，有一种无法精确定义的动态与意识有关，一旦你因太快或太慢、太不协调或过度协调而远离这种动态，你就可能失去意识。”
除了考虑这一假设，该小组还在研究几个新项目，包括测量氯胺酮在大脑更广泛区域的影响，以及测量受试者从麻醉中醒来时的影响。作者补充说，开发能够在临床环境中检测氯胺酮麻醉下昏迷的系统需要能够实时运行的模型版本。目前，该系统只能应用于数据后处理。
脑友互动
参考资料：
1.https://picower.mit.edu/news/statistical-model-defines-ketamine-anesthesias-effects-brain；
2.https://journals.plos.org/ploscompbiol/article?id=10.1371/journal.pcbi.1009280；
3.https://mp.weixin.qq.com/s/5CaUUxxQbIDC-xcLfirW9A；、
4.https://zh.wikipedia.org/wiki/%E9%BA%BB%E7%9C%81%E7%90%86%E5%B7%A5%E5%AD%A6%E9%99%A2
图片来源：Pinterest
往期文章