Microstate וניתוחים המורכבות אומגה של אלקטרואנצפלוגרם נח-המדינות
15 ביוני 2018
מאמר זה מתאר את פרוטוקול המשמש כבסיס אלקטרואנצפלוגרם (EEG) microstate ניתוח וניתוח אומגה המורכבות, המהווים אמצעי EEG ללא התייחסות שני ויקר מאוד לחקור את המנגנונים העצביים של הפרעות מוח.
בסמסטר זה ענו על 10 שאלות בתחום הפרעות מוחיות, כגון כיצד לזהות זוג סמנים יעיל לקוד של BIOS באבחנה של היום. היתרון העיקרי של טכניקה זו הוא שהיא יכולה לנבוע כהתייחסות לבעיה הממתינה כאשר אתה דבק בניתוח EEG מסורתי. היישומים של טכניקה זו משתרעים לקראת הבנתנו את רשתות מצבי המנוחה של המוח האנושי.
כדי להתחיל בהליך זה, ייבא את נתוני ה- EEG הגולמיים לתוכנת מעבדת ה- EEG. לאחר מכן, טען את קובץ מיקום הערוץ לתוכנת מעבדת EEG כדי לקבל את המיקומים המרחביים של אלקטרודות אלה. כדי להסיר את אלקטרודות הייחוס, אפשרות של בחר נתונים בטווח הערוצים של תיבת הדו-שיח הקופצת, בחר רק את אלקטרודות ההקלטה, ואל תבחר את אלקטרודות הייחוס כך שניתן יהיה להסיר את אלקטרודות הייחוס.
כדי לסנן את נתוני ה-EEG בין 0.5 ל-80 הרץ, בתיבת הדו-שיח הנפתחת, בחר 0.5 עבור הקצה התחתון של פס מעבר התדר הרץ ובחר 80 עבור הקצה העליון של פס מעבר התדר הרץ. לאחר מכן לחץ Ok.To להסיר את רעש קו החשמל עם מסנן חריץ בין 49 ל-51 הרץ, בתיבת הדו-שיח הקופצת, בחר 49 עבור הקצה התחתון של פס מעבר התדר הרץ ובחר 51 עבור הקצה הגבוה יותר של פס מעבר התדר הרץ. לאחר מכן בחר באפשרות של Notch לסנן את הנתונים במקום להעביר פס, ולחץ Ok.To להסיר תנועות עיניים, לחץ על כלים, ולאחר מכן לחץ על הסרת חפצים באמצעות AAR 1.3 והסרת EOG באמצעות BSS.
כדי להסיר EMG, לחץ על כלים ולאחר מכן לחץ על הסרת חפצים באמצעות AAR 1.3 והסרת EMG באמצעות BSS. לאחר מכן, פלחו את נתוני ה-EEG הרציפים המעובדים מראש לתקופות באורך תקופה של שתי שניות. יופיע חלון המאפשר לשמור את נתוני ה- EEG המפולחים.
לאחר מכן ייבא את נתוני ה-EEG המפולחים לתוכנת מעבדת ה-EEG ודחה תקופות EEG עם ערכי משרעת העולים על פלוס או מינוס 80 מיקרו-וולט בכל אלקטרודה. לאחר מכן, שמור את נתוני ה- EEG המעובדים מראש. בהליך זה עבור כל נבדק, טען את נתוני ה-EEG המעובדים מראש, המר ערוצי ייחוס להתייחסות ממוצעת משותפת ומעבר פס לסנן את נתוני ה-EEG בין שניים ל-20 הרץ.
לאחר מכן, זהה את ארבע מפות המיקרו-מצב בכל נושא. בתיבת הדו-שיח הקופצת, בחר שלוש עבור המספר המינימלי של המחלקות, בחר שש עבור המספר המרבי של שיעורים, בחר 50 עבור מספר ההפעלות מחדש, בחר מספר מקסימלי של מפות לשימוש, ובחר את האפשרויות של שיא GFP בלבד וללא קוטביות. לאחר מכן, לחץ על כפתור אישור
.לאחר מכן, שמור את נתוני ה-EEG של כל נבדק לאחר זיהוי מפות המיקרו-מצב שלו. ייבא את ערכות הנתונים של EEG של כל הנושאים שנשמרו בשלב האחרון בבת אחת. לאחר מכן זהה את מפות המיקרו-מצב ברמת הקבוצה.
בתיבת הדו-שיח הנפתחת, בחר בערכות הנתונים של כל הנושאים באפשרות Choose sets for Averaging. באפשרות, שם הממוצע, תן שם למפות המיקרו-מדינה ברמת הקבוצה, ולאחר מכן לחץ על הכפתור אישור.פעולה זו תיצור מערך נתונים חדש בשם GrandMean המאחסן את מפות המיקרו-מצב ברמת הקבוצה. מיין ידנית את הסדר של ארבע מפות מיקרו-מצב ברמת הקבוצה לפי הסדר הקלאסי שלהן.
בחלון המוקפץ, בחר עוד, ולאחר מכן מספר המפות המוצגות הופך לארבע. לאחר מכן, בחר מיון גבר. בתיבת הדו-שיח הקופצת, הזן את הסדר החדש של ארבע מפות מיקרו-מצב ברמת הקבוצה ולחץ על סגור.
לאחר מכן, מיין את הסדר של ארבע מפות המיקרו-מצב של כל נושא, שמור את פרמטרי המיקרו-מצב עבור כל נושא שיפעילו שתי תיבות דו-שיח קופצות ברצף. בתיבת הדו-שיח הראשונה, בחר את ערכות הנתונים של כל הנושאים. בתיבת הדו-שיח השניה, בחר 4-כיתות עבור האפשרות, מספר שיעורים.
בחר באפשרויות של התאמה רק על פסגות GFP והסר מיקרו-מצבים שעלולים להיות חתוכים. לאחר מכן, בחר 30 עבור חלון החלקת התווית, ms, ובחר אחד עבור העונש אי-חלקות, ולאחר מכן לחץ על אישור.קובץ CSV המאחסן פרמטרים תת-מיקרו-מצביים יישמר במחשב. תמונות אלה מראות כי למיקרו-מצב Class A ו-B יש אוריינטציה עורפית קדמית עד שמאלית, וכיוון עורפי שמאלי חזיתי לימין בהתאמה.
למיקרו-מצב Class C ו-D יש טופוגרפיות סימטריות אך נצפו אוריינטציה פרה-פרונטלית לעורפית, וחזית למרכז לעורף בהתאמה. טבלה זו מציגה את הממוצע וסטיית התקן של פרמטרי המיקרו-מצב של הנבדקים הבריאים. לאחר שליטה, ניתן לבצע טכניקה זו תוך שעה אחת אם היא מבוצעת כראוי.
בעת ניסיון הליך זה, חשוב לזכור שיש לעבד מראש את נתוני ה- EEG בזהירות. בעקבות הליך זה, ניתן לבצע שיטות אחרות כמו לוקליזציה של מקורות על מנת לענות על שאלות נוספות כגון מהיכן מגיעות מפות המיקרו-מצב הללו. טכניקה זו סללה את הדרך לחוקרים בתחום מדעי המוח לחשוף מחלות כמו במוח האנושי.
צפו בתמליל המלא וקבלו גישה לאלפי סרטונים מדעיים
סקירה כללית
מאמר זה מפרט פרוטוקול לניתוח מיקרו-מצבים (microstates) באלקטרואנצפלוגרפיה (EEG) וניתוח מורכבות אומגה (omega complexity), שניהם מדדי EEG שאינם דורשים ייחוס (reference-free). מתודולוגיות אלו חיוניות לחקירת המנגנונים העצביים הקשורים להפרעות מוחיות.
מרכיבי מפתח של המחקר
תחום המדע
- מדעי המוח
- אלקטרופיזיולוגיה
- הפרעות מוחיות
רקע
- ניתוח מיקרו-מצבים של EEG הוא טכניקה המשמשת לבחינת רשתות במצב מנוחה במוח האנושי.
- ניתוח מורכבות אומגה (Omega complexity) מספק תובנות לגבי מורכבותם של אותות EEG.
- שיטות אלו מאפשרות לחוקרים לחקור מנגנונים עצביים בבסיסם של הפרעות מוחיות.
מטרת המחקר
- להצגת פרוטוקולים לניתוח נתוני EEG ללא שימוש במלבן ייחוס (reference).
- להעמקת ההבנה של הדינמיקה העצבית הקשורה להפרעות מוחיות שונות.
- לספק גישה סטנדרטית שניתן לשחזר במחקרים.
שיטות שנעשה בהן שימוש
- תוכנת מעבדת ה-EEG משמשת לעיבוד נתוני EEG גולמיים.
- השלבים כוללים סינון, הסרת ארטיפקטים וחלוקת נתוני ה-EEG לתקופות (epochs).
- מפות מיקרו-מצבים (microstate maps) מזוהות ומנותחות כדי להבין את הפעילות של רשתות מוחיות.
- עיבוד הנתונים כולל הסרה של רעשי רשת חשמלית וארטיפקטים של תנועות עיניים.
- הנתונים הסופיים מאורגנים כדי להשוות פרמטרי מיקרו-מצבים בין נבדקים.
תוצאות עיקריות
- ארבע מפות מיקרו-מצבים (microstate) נפרדות זוהו בנתוני EEG, והדגימו אוריינטציות מרחביות ספציפיות.
- פרמטרי המיקרו-מצבים כומתו, וחשפו את הממוצעים וסטיות התקן בנבדקים בריאים.
- מתודולוגיה זו מאפשרת השוואות בין פרטים ועשויה לזהות חריגות הקשורות להפרעות מוחיות.
מסקנות
- המחקר מציג פרוטוקול המשפר את תהליך ניתוח ה-EEG, והופך אותו ליעיל עבור יישום מהיר.
- הוא מדגים את הפוטנציאל של שיטות אלו להבנה מעמיקה יותר של מנגנונים ודינמיקות עצביות בהפרעות מוחיות.
- הממצאים מספקים הבנה בסיסית למחקרי עתיד על טבען של אינטראקציות ברשתות מוחיות.
שאלות נפוצות
רלוונטיות תעשייתית למנהלים
מדדי EEG ללא ייחוס, כגון ניתוחים של microstate ומורכבות omega, נותנים מענה למגבלה מרכזית בשיטות ספקטרליות מסורתיות על ידי ביטול הטיות התלויות בייחוס. גישות אלו מאפשרות אפיון מהימן יותר של הדינמיקה של רשתות מוחיות במצב מנוחה, ובכך תומכות בתיקוף מטרות בתהליך גילוי תרופות נוירופסיכיאטריות. על ידי אספקת מדדי מורכבות זמניים ומרחביים משלימים, הן משפרות את הפחתת הסיכונים המכניסטית של מטרות במערכת העצבים המרכזית (CNS) באמצעות שיפור בפירוש האותות.
יישומים אסטרטגיים במחקר ופיתוח בביופארמה
גילוי מוקדם ותיקוף מטרה
- ערך מדעי: מאפשר חקירה של שינויים ברשתות במצב מנוחה (resting-state) כסממנים ביולוגיים פוטנציאליים למעורבות של מטרה (target engagement) בהפרעות מוחיות.
- ערך תפעולי: תומך בבחירה של מטרות במערכת העצבים המרכזית (CNS) המונחית על ידי היפותזה, באמצעות קישור של טופוגרפיית מיקרו-מצב (microstate) לרשתות תפקודיות ידועות.
- ערך חיזוי: מסייע בהפחתת סיכונים מוקדמת של מטרות על ידי כימות הפרעות ברמת הרשת המעידות על מצבים פתופיזיולוגיים.
סריקה ופיתוח בדיקות (Assay)
- ערך מדעי: מייצר קריאות EEG כמותיות ללא צורך ברפרנס, המתאימות לסריקה בשריעה גבוהה (high-throughput) של השפעות תרכובות על דינמיקת רשתות מוחיות.
- ערך תפעולי: סטנדרטיזציה של תהליכי עיבוד מקדים (סינון, הסרת ארטיפקטים, חלוקה לתקופות/epoching) להבטחת הדירות (reproducibility) בין סדרות בדיקה של תרכובות.
- מוכנות הבדיקה: מייצר פרמטרי מיקרו-מצב (microstate) יציבים (משך, שכיחות, כיסוי) המשמשים כנקודות סיום (endpoints) חזקות למודלים של תגובה למינון.
מחקר תרגומי ופרה-קליני
- המשכיות תרגומית: מאפשרת השוואה בין מינים שונים של ארגון רשתות במצב מנוחה כאשר הן מיושרות עם הומולוגים ידועים של מחלקות מיקרו-מצב אנושיות.
- הפחתת סיכונים מכניסטית: מורכבות אומגה מספקת מדדי מורכבות מרחבית המשלימים את המדדים הזמניים של המיקרו-מצבים, ובכך מציעה מבט רב-ממדי על שינויים במצב המוח.
- קידום מותאם סיכון: פרופילים משולבים של מיקרו-מצבים ומורכבות אומגה מסייעים לסווג מודלים פרה-קליניים לפי מידת הדמיותם לפנוטיפים של רשתות במצב מנוחה באדם.
שילוב תהליכי עבודה וצינורות עיבוד
שיטה זו משתלבת ברצף הגילוי המוקדם, תומכת בבדיקת השערות בתהליך תיקוף המטרה ומאפשרת פיתוח של בדיקות עבור רצפי סריקה נוירופסיכולוגיים.
- ביולוגיה של הגילוי: בוחנת היפותזות טיפוליות על ידי מדידת שינויים בפרמטרי מחלקות מיקרו-מצבים (microstate class parameters) המשקפים ארגון מחדש של רשתות במצב מנוחה.
- סריקה: מספקת פלטי EEG כמותיים וסטנדרטיים לאחר הסרת ארטיפקטים וחלוקה למקטעים (epoching), מה שמאפשר סריקה אמינה של ספריות תרכובות.
- אנליטיקה: מייצרת פרמטרי מיקרו-מצבים (משך זמן ממוצע, הסתברות מעבר) וערכי מורכבות אומגה המאפשרים השוואה סטטיסטית של מורכבות המוח בין תנאים שונים.
- מחקר תרגומי: תומכת ברציפות מהשלב הפרה-קליני לשלב הקליני על ידי מיפוי טופוגרפיות של מיקרו-מצבים לרשתות במצב מנוחה, ובכך מסייעת להתאמת סמנים ביולוגיים.
- שימוש חוזר ארגוני: מבססת מסגרת עבודה ניתנת לשימוש חוזר לעיבוד מקדמי ואנליזה של EEG, הישמה על פני מספר פרויקטים של גילוי במערכת העצבים המרכזית (CNS).
השפעה תפעולית וארגונית
- ערך מדעי: מגביר את הביטחון החזוי בתיקוף מטרות על ידי הפחתת עמימות מכניסטית באמצעות פנוטיפ EEG ברמת רשת.
- ערך תפעולי: משפר את השחזוריות והיכולת להרחבה (scalability) באמצעות זרימות עבודה סטנדרטיות של תוכנת מעבדת EEG לסינון, הסרת ארטיפקטים ומיפוי מיקרו-מצבים (microstate mapping).
- ערך אסטרטגי: משפר החלטות go/no-go על ידי אספקת מדדים כמותיים ואובייקטיביים של מודולציה של רשתות מוחיות המתווכת על ידי המטרה.
- השפעה על הפורטפוליו: מאפשר תיעדוף מותאם סיכון של מועמדים למערכת העצבים המרכזית (CNS) בהתבסס על יכולתם לנרמל פרופילי סיבוכיות של omega או מיקרו-מצבים חריגים.
שיקולים ביישום
- דורש מומחיות בעיבוד מקדמי של EEG, תיקון ארטיפקטים (הסרת AAR, BSS, EOG, EMG) וטכניקות סינון ספקטרלי.
- תלוי בתוכנת מעבדת EEG המסוגלת לזיהוי מפות מיקרו-מצבים (microstate map), זיהוי שיאי GFP וממוצעים ברמת הקבוצה בין נבדקים.
- מחייב סטנדרטיזציה בין-צוותית של פרמטרי חלוקה למקטעים (למשל, מקטעים של 2 שניות), ספי סינון לאמפליטודה (±80 µV) ונהלי מיון של מחלקות מיקרו-מצבים.
- כולל שיקולי התאמה בעת יישום על מינים שונים, מודלים של מחלות או מערכות EEG עם סידורי אלקטרודות משתנים.
- מוגבל על ידי איכות הקלטות ה-EEG הגולמיות; רעש מוגבר או ארטיפקטים עלולים לפגוע בזיהוי מפות המיקרו-מצבים ובחילוץ הפרמטרים.
