腦智卓越中心發表基于同時電生理fMRI的小鼠睡眠的全腦時空動態性研究

文章來源:腦科學與智能技術卓越創新中心  |  發布時間:2023-03-24  |  【打印】 【關閉

  
  2023324日,《Nature Communications》期刊在線發表題為Sleep fMRI with simultaneous electrophysiology at 9.4T in male mice的研究論文。該研究由中國科學院腦科學與智能技術卓越創新中心(神經科學研究所)梁智鋒研究組與北京大學未來技術學院生物醫學工程系段小潔研究組合作共同完成。該研究建立了基于同時電生理記錄的小鼠睡眠功能磁共振成像方法,揭示了小鼠覺醒狀態切換以及特征性神經事件的全腦時空動態特征,為睡眠研究提供了新的全局觀測的角度。同時該研究公開了相關的大規模小鼠睡眠fMRI數據集(https://doi.org/10.12412/BSDC.1668502646.20001),為進一步挖掘和整合多尺度睡眠研究提供了支持。
  睡眠對健康有著非常重要的意義。近年來,許多研究發現了調控大腦睡眠狀態的環路機制以及關鍵腦區,這些研究從微觀或介觀層面為理解睡眠機制提供了幫助。然而,睡眠過程涉及到多個腦區的復雜調控,因此,在全腦尺度對睡眠調控的宏觀認識也不可或缺。目前雖有許多研究利用fMRIPET方法觀測人類睡眠過程中的全腦特征性變化,但由于測量尺度以及物種差異,這些人類研究中觀察到的全局性的變化很難與動物研究中微觀層面上的發現進行整合。
  在該研究中,研究組進一步優化了此前清醒小鼠的fMRI裝置,建立了9.4T下高度核磁兼容的電生理記錄裝置(圖1a),在fMRI成像同時記錄到了小鼠完整睡眠周期的相關信息。根據同時記錄的神經信號和肌電信號,研究人員可以很好地獲得小鼠fMRI中覺醒狀態的信息,如清醒、非快速眼動(NREM)睡眠、快速眼動(REM)睡眠等。,該研究探索了小鼠在各睡眠覺醒狀態轉換過程中全腦信號的動態變化過程(圖1b)。
  

  

  小鼠睡眠fMRI方法和全腦睡眠狀態轉換時空模式。(a)基于同步電生理fMRI的小鼠睡眠記錄裝置示意圖。(b)狀態轉換過程的平均時頻圖和全腦BOLD信號變化圖。

  進一步地,利用長短期記憶循環神經網絡模型(LSTM RNN model),研究人員發現BOLD信號可以提前預測覺醒狀態的轉換(圖2)。相比于電生理定義的狀態轉換點,全腦BOLD信號最早可以達到提前17.8s 進行預測。同時,研究人員發現了在以上預測過程中貢獻較多的關鍵腦區,為進一步研究清醒-睡眠調控提供了新的方向。

  

  使用LSTM RNN模型預測睡眠覺醒狀態轉換方向。(aLSTM RNN模型的計算流程。(b)模型隨間隔時間變化的預測精度及與大腦狀態預測相關的腦區。

  不同睡眠覺醒狀態的大腦具有特定的神經電生理事件,如尖波-漣漪波(sharp wave ripples,SWRs)和紡錘波(spindles)等。利用神經事件觸發的(neural-event-triggered, NET fMRI方法,研究人員揭示了SWRs誘發的狀態依賴的全腦時空變化模式。進一步地,研究人員發現與兩個單獨事件誘發的反應總和相比,耦合的spindleSWRs誘發了更強的協同效應(圖3)。SWRsspindle在記憶鞏固過程中都起著重要的作用,協同效應的發現為理解記憶鞏固的機制提供了新的方向。

  該研究建立了基于同時電生理記錄的小鼠睡眠功能磁共振成像方法,揭示了小鼠睡眠覺醒狀態依賴的動態全腦時空特征。該方法的建立為整合局部和全腦睡眠特征提供了新思路,同時,相關小鼠睡眠fMRI數據集的公布為進一步探索睡眠機制提供了有價值的數據來源。

  

  圖3 SWRsspindles耦合的協同效應。

  中科院腦智卓越中心梁智鋒研究員、童傳俊博士研究生和北京大學未來技術學院生物醫學工程系段小潔研究員為該論文共同通訊作者,由腦智卓越中心博士研究生余婭琳、復旦大學附屬中山醫院麻醉科博士研究生邱越共同完成。腦智卓越中心研究員徐敏、研究員張哲、工程師張凱威、薄斌仕、裴孟超、上??萍即髮W副研究員Garth J. Thompson,復旦大學附屬中山醫院麻醉科教授倉靜、副主任醫師方芳、南方醫科大學生物醫學工程學院教授馮衍秋和北京大學博士李根對該研究做出了重要貢獻。該研究得到了中科院腦智卓越中心腦影像中心MRI平臺、中科院腦科學數據中心和實驗鼠房的大力支持。該研究得到科技部、中國科學院、國家自然科學基金委員會、上海市、臨港實驗室和廣東省的資助。

《大炕上的肉体乱2,北条麻妃国产九九九精品视频,丁香社区,狗狗品种大全及图片》 - 18禁止进入啪高潮视频在线有限公司