大家好，我是陈锐。
感谢大家关注CRBrain脑世界公众号。

今天分享内容来源 四川师范大学脑与心理科学研究院，仅供参考分享。
近日，四川师范大学王一峰研究员领衔的脑智和合团队在Scientific Reports (JCR1区，IF=4.379)在线发表了题为“The temporal dedifferentiation of global brain signal fluctuations during human brain ageing”的研究报告(Ao et al., 2022)。该研究聚焦于全局脑信号(Global Signal, GS)的低频振荡在脑老化进程中的变化，提出脑老化的时空去分化假说。研究成果依托于脑智和合团队以及合作者承担的国家自然科学基金项目(62177035, 32100893, 82172059)，王一峰研究员担任通讯作者，团队在读硕士研究生敖誉家为第一作者，四川师范大学为第一单位。
脑老化伴随着广泛的认知功能衰退，是大脑整体功能的下降。以往研究揭示了老化过程中全脑功能网络的改变(Vij et al., 2018)。GS作为全脑信号的平均值，已被证明能够影响全脑网络的功能组织(Ao et al., 2021)。然而，GS在脑老化进程中的特异性改变尚不清楚。
研究采用了年龄范围在19-80岁的492名正常成年被试，通过计算每名被试的GS功率谱，考察其如何随着年龄的增长而变化。结果发现：1）GS的整体功率随年龄增长而下降；2）随年龄的增长，GS功率有一种从低频移动到高频的趋势；3）在老年被试中，GS功率在不同时间尺度上的分布更加均匀；4）GS波动的年龄效应受到神经-血管耦合和生理噪声的影响（见图1，2，3）。
图1：不同年龄段的GS功率谱。(A)原始数据。（B）去神经-血管耦合卷积数据。（C）未回归生理噪声数据。可见GS功率随年龄整体降低的趋势以及低频相对降低、高频相对升高的趋势.
图2：GS功率谱振荡随年龄的变化。(A)原始数据。（B）去神经-血管耦合卷积数据。（C）未回归生理噪声数据。第一列：所有年龄段中去趋势过后的GS功率谱。第二列：每个频率点上GS功率与年龄的相关。第三、第四列：GS功率谱中振荡1和振荡2的功率重心与年龄的相关。可见功率在频率间的分布随年龄增大趋向于更加均匀，振荡的频率随年龄增大而升高。
图3：GS功率谱趋势的年龄变化。(A)原始数据。（B）去神经-血管耦合卷积数据。（C）未回归生理噪声数据。第一列：GS功率谱在所有年龄段上的趋势。第二、第三列：趋势的曲率、斜率和截距等参数与年龄的相关。随年龄增大，GS的功率在低频相对减少、高频相对增加。
这些结果共同表明GS的功率随年龄增长出现时间尺度的 “去分化”现象，即年龄越大，在原本高功率的频率上功率降低，在原本低功率的频率上功率升高。这种时间去分化现象受到生理因素的影响。
时间去分化与传统的空间去分化理论共同描述了脑老化过程的“时空去分化”机制，从而为脑老化提供了新的认识，丰富和发展了经典的脑老化理论。
文献信息：
Ao, Y., Kou, J., Yang, C., Wang, Y., Huang, L., Jing, X., Cui, Q., Cai, X., & Chen, J. (2022). The temporal dedifferentiation of global brain signal fluctuations during human brain ageing. Scientific Reports, 12, 3616. https://doi.org/10.1038/s41598-022-07578-6
本文转载自以上公众号和网址，仅供学习参考，不作其它用途，有任何疑问及侵权，扫描以下公众号二维码添加交流：
继续阅读
阅读原文