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
Инструментарий BrainBeats представляет собой плагин для EEGLAB с открытым исходным кодом, предназначенный для облегчения совместного анализа ЭЭГ и сердечно-сосудистых сигналов (ЭКГ/ФПГ). Данный инструментарий расширяет возможности изучения взаимодействия между мозгом и сердцем, предоставляя средства для оценки вызванных сердцебиением потенциалов (ВСП) и удаления сердечных артефактов из сигналов ЭЭГ, что в конечном итоге повышает воспроизводимость и доступность исследований.
Основные компоненты исследования
Область науки
- Нейронауки
- Сердечно-сосудистые исследования
- Обработка сигналов
Теоретические основы
- Исторически сложилось так, что системы мозга и сердца изучались по отдельности, что ограничивало понимание их взаимодействия.
- Инструментарий BrainBeats восполняет этот пробел, позволяя исследователям изучать динамическое взаимодействие между этими системами.
- Понимание того, как когнитивные и эмоциональные состояния влияют на сердечно-сосудистую функцию, может привести к созданию новых терапевтических методов.
Цель исследования
- Предоставить стандартизированный инструмент для мультимодального анализа сигналов ЭЭГ и сердечно-сосудистых сигналов.
- Углубить понимание взаимодействий между мозгом и сердцем, а также их влияния на психическое и физическое здоровье.
- Повысить доступность и воспроизводимость в соответствующих исследованиях.
Используемые методы
- В исследовании использовался инструментарий BrainBeats в среде EEGLAB на базе MATLAB.
- ЭЭГ и сердечно-сосудистые сигналы (как ЭКГ, так и ФПГ) анализировались с помощью графических интерфейсов для оценки HEP и артефактов сердечной деятельности.
- Протокол включал настройку путей в MATLAB, загрузку наборов данных и извлечение признаков.
- Критически важные этапы включали изменение настроек подавления сетевых помех и валидацию выходных данных на протяжении всего анализа.
Основные результаты
- Среди значимых результатов были отмечены выраженные вызванные сердцебиением осцилляции в альфа-диапазоне после сокращения сердца.
- Анализ межпробной когерентности не выявил значимой фазовой синхронизации фазы ЭЭГ с сердцебиением.
- Основные выходные данные также включали показатели ВСР и данные ЭЭГ, что позволило выявить важные закономерности, связанные с сердечными ритмами.
Выводы
- Инструментарий BrainBeats демонстрирует потенциал для преодоления разрыва между исследованиями мозга и сердца.
- Он позволяет более всесторонне понять влияние когнитивных и эмоциональных факторов на здоровье сердечно-сосудистой системы.
- Полученные данные могут лечь в основу будущих терапевтических стратегий и методов вмешательства.
Часто задаваемые вопросы
Значимость для промышленности
Интеграция анализа ЭЭГ и сердечно-сосудистых сигналов устраняет критический пробел в ранних исследованиях, обеспечивая стандартизированный мультимодальный анализ взаимодействия между мозгом и сердцем. Инструментарий BrainBeats повышает достоверность прогнозов в исследованиях нейрокардиологических биомаркеров и обеспечивает надежное извлечение признаков для трансляционных и доклинических исследований. Данная возможность стратегически ориентирована на повышение воспроизводимости, качества данных и оптимизацию кросс-функциональных рабочих процессов НИОКР в биофармацевтических разработках.
Стратегическое применение в биофармацевтических исследованиях и разработках
Первичный поиск и валидация мишени
- Позволяет снизить механистические риски путем совместного анализа нейронных и сердечно-сосудистых сигналов для валидации мишеней.
- Поддерживает исследование взаимодействий между мозгом и сердцем на основе гипотез, значимых для моделей нейрокардиологических заболеваний.
- Облегчает извлечение количественных признаков для уточнения путей передачи сигналов и идентификации функциональных биомаркеров.
Скрининг и разработка анализа
- Стандартизирует извлечение признаков ЭЭГ и ВСР для повышения воспроизводимости анализа и надежности последующего скрининга.
- Автоматизирует удаление артефактов, обеспечивая чистоту наборов данных для высокопроизводительной оценки соединений.
- Подготавливает валидированные мультимодальные наборы данных для разработки масштабируемых моделей машинного обучения.
Трансляционные и доклинические исследования
- Сопоставляет извлеченные признаки с релевантными для заболевания нейрокардиальными биомаркерами для обеспечения трансляционной преемственности.
- Позволяет принимать решения о продвижении проекта с учетом рисков, предоставляя надежные и воспроизводимые результаты в различных доклинических моделях.
- Обеспечивает возможность проведения кросс-системных механистических исследований для уточнения терапевтических гипотез.
Интеграция конвейеров и рабочих процессов
Плагин BrainBeats встраивается в континуум от фундаментальных исследований до доклинических испытаний, обеспечивая стандартизированную мультимодальную интеграцию и анализ данных.
- Открытия в биологии: облегчает проверку нулевых гипотез и исследование сигнальных путей посредством синхронизированного анализа ЭЭГ и сердечно-сосудистых сигналов.
- Скрининг: обеспечивает воспроизводимые количественные результаты для разработки методов анализа и сортировки соединений.
- Аналитика: предоставляет насыщенные наборами признаков данные и статистические результаты для надежного сравнения условий и обучения моделей.
- Трансляционные исследования: связывает этап открытий и доклиническую фазу путем сопоставления нейрокардиальных признаков с моделями заболеваний.
- Корпоративное использование: предлагает платформу с открытым исходным кодом и графическим интерфейсом пользователя (GUI), адаптируемую для различных программ НИОКР и наборов данных.
Операционное и корпоративное воздействие
- Научная ценность: повышает прогностическую достоверность и снижает механистическую неопределенность в нейрокардиологических исследованиях.
- Операционная ценность: улучшает стандартизацию, воспроизводимость и масштабируемость мультимодального анализа сигналов.
- Стратегическая ценность: повышает качество принятия решений о продолжении или прекращении разработок (go/no-go), а также эффективность использования капитала за счет обеспечения надежного поиска биомаркеров.
- Влияние на портфель: способствует приоритизации с учетом рисков и продвижению нейрокардиологических мишеней и моделей.
Особенности реализации
- Требуется опыт работы с ЭЭГ, обработки сердечно-сосудистых сигналов, а также владение средами MATLAB/EEGLAB.
- Зависит от доступа к высококачественным синхронизированным наборам данных ЭЭГ и ЭКГ/ФПГ.
- Необходимо согласование между исследовательскими группами стандартов извлечения признаков и удаления артефактов.
- Метод adaptable к различным модельным системам, однако для достижения оптимальных результатов может потребоваться настройка параметров.
- Качество данных и целостность сигналов напрямую влияют на достоверность анализа и применимость полученных результатов.
