Исследование осцилляторных коррелят двигательной активности с использованием магнитоэнцефалографии
- Авторы: Иванова М.Д.1, Германова К.Г.1, Эррохо Руиз M.2
-
Учреждения:
- Центр нейроэкономики и когнитивных исследований, Институт когнитивных нейронаук, Научно-исследовательский университет «Высшая школа экономики»
- Департамент психологии, Голдсмит, Университет Лондона
- Выпуск: Том 18, № 4 (2023)
- Страницы: 614-617
- Раздел: Материалы конференции
- URL: https://ogarev-online.ru/2313-1829/article/view/256285
- DOI: https://doi.org/10.17816/gc623332
- ID: 256285
Цитировать
Открытый доступ
Доступ предоставлен
Только для подписчиков
Аннотация
Предыдущие исследования показали, что ожидание вознаграждения повышает двигательную активность за счёт сокращения времени реакции и увеличения скорости передвижения [1]. Наше недавнее исследование [2] продемонстрировало, что в динамичной и неопределённой среде, где участникам необходимо делать выводы об изменяющихся вероятностях вознаграждения, более выраженное ожидание неизменно связано с более быстрыми двигательными показателями. Зависимость моторных показателей от ожидания вознаграждения сохранялась у молодых и пожилых здоровых людей, а также при болезни Паркинсона. Однако нейронные процессы, лежащие в основе этих динамических эффектов двигательной активности, остаются неопределёнными [3].
В рамках исследования мы регистрировали магнитоэнцефалографию (МЭГ) и выполнили индивидуальную структурную магнитно-резонансную томографию (МРТ) у 25 здоровых людей-участников, в то время как они выполняли нашу недавно разработанную задачу по принятию моторных решений на основе вознаграждения, основанную на парадигме обратного обучения с изменяющимися зависимостями стимул-результат [2]. Участники должны были определить, какой из двух стимулов был связан с вознаграждением на данном шаге исследования, и выразить своё решение, выполнив одну из двух последовательностей нажатий пальцами с соответствующей звуковой обратной связью. Эта задача была интегрирована с волатильной средой, и вероятность вознаграждения, связанная с каждой последовательностью, менялась с течением времени.
Сначала мы проанализировали поведение при принятии решений, используя валидированный иерархический гауссовский фильтр (hierarchical gaussian filter, HGF [4]). Моделью, которая наилучшим образом описывала поведенческие данные, стал трёхуровневый «расширенный» HGF для бинарных категориальных входных данных в сочетании с моделью реагирования, в которой решения зависят от оценки волатильности в зависимости от эпохи. Этот анализ позволил нам извлекать траектории ожиданий относительно вероятности вознаграждения от эпохи к эпохе. Затем, используя байесовские линейные смешанные модели, мы показали связь между силой убеждений в отношении непредвиденных обстоятельств вознаграждения и темпом выполнения.
В нашем исследовании мы провели анализ сигналов МЭГ, а также анализ индивидуальной структурной МРТ. Анализ МЭГ был сосредоточен на реконструкции источников осцилляторной активности с помощью структурной МРТ и с использованием бимформинга на основе линейно ограниченной минимальной дисперсии (linearly constrained minimum variance, LCMV [5]). В исходном пространстве мы используем свёрточные модели осцилляторных ответов, чтобы идентифицировать нейронные осцилляторные корреляты, которые отделяют принятие решений от двигательной активности. Далее мы намерены оценить функциональную связность между лобными и моторными областями, лежащими в основе эффектов повышения моторных показателей. Выявление специфических паттернов осцилляторного взаимодействия, которые модулируют двигательную активность, может дать представление о характере двигательных нарушений, наблюдаемых при неврологических и нейропсихиатрических состояниях, на которые влияет поведенческая апатия.
Полный текст
Предыдущие исследования показали, что ожидание вознаграждения повышает двигательную активность за счёт сокращения времени реакции и увеличения скорости передвижения [1]. Наше недавнее исследование [2] продемонстрировало, что в динамичной и неопределённой среде, где участникам необходимо делать выводы об изменяющихся вероятностях вознаграждения, более выраженное ожидание неизменно связано с более быстрыми двигательными показателями. Зависимость моторных показателей от ожидания вознаграждения сохранялась у молодых и пожилых здоровых людей, а также при болезни Паркинсона. Однако нейронные процессы, лежащие в основе этих динамических эффектов двигательной активности, остаются неопределёнными [3].
В рамках исследования мы регистрировали магнитоэнцефалографию (МЭГ) и выполнили индивидуальную структурную магнитно-резонансную томографию (МРТ) у 25 здоровых людей-участников, в то время как они выполняли нашу недавно разработанную задачу по принятию моторных решений на основе вознаграждения, основанную на парадигме обратного обучения с изменяющимися зависимостями стимул-результат [2]. Участники должны были определить, какой из двух стимулов был связан с вознаграждением на данном шаге исследования, и выразить своё решение, выполнив одну из двух последовательностей нажатий пальцами с соответствующей звуковой обратной связью. Эта задача была интегрирована с волатильной средой, и вероятность вознаграждения, связанная с каждой последовательностью, менялась с течением времени.
Сначала мы проанализировали поведение при принятии решений, используя валидированный иерархический гауссовский фильтр (hierarchical gaussian filter, HGF [4]). Моделью, которая наилучшим образом описывала поведенческие данные, стал трёхуровневый «расширенный» HGF для бинарных категориальных входных данных в сочетании с моделью реагирования, в которой решения зависят от оценки волатильности в зависимости от эпохи. Этот анализ позволил нам извлекать траектории ожиданий относительно вероятности вознаграждения от эпохи к эпохе. Затем, используя байесовские линейные смешанные модели, мы показали связь между силой убеждений в отношении непредвиденных обстоятельств вознаграждения и темпом выполнения.
В нашем исследовании мы провели анализ сигналов МЭГ, а также анализ индивидуальной структурной МРТ. Анализ МЭГ был сосредоточен на реконструкции источников осцилляторной активности с помощью структурной МРТ и с использованием бимформинга на основе линейно ограниченной минимальной дисперсии (linearly constrained minimum variance, LCMV [5]). В исходном пространстве мы используем свёрточные модели осцилляторных ответов, чтобы идентифицировать нейронные осцилляторные корреляты, которые отделяют принятие решений от двигательной активности. Далее мы намерены оценить функциональную связность между лобными и моторными областями, лежащими в основе эффектов повышения моторных показателей. Выявление специфических паттернов осцилляторного взаимодействия, которые модулируют двигательную активность, может дать представление о характере двигательных нарушений, наблюдаемых при неврологических и нейропсихиатрических состояниях, на которые влияет поведенческая апатия.
ДОПОЛНИТЕЛЬНАЯ ИНФОРМАЦИЯ
Источник финансирования. Исследование выполнено за счет гранта Российского научного фонда № 22-18-00660, https://rscf.ru/project/22-18-00660/.
Об авторах
М. Д. Иванова
Центр нейроэкономики и когнитивных исследований, Институт когнитивных нейронаук, Научно-исследовательский университет «Высшая школа экономики»
Автор, ответственный за переписку.
Email: ivanova.marina.d@yandex.ru
Россия, Москва
К. Г. Германова
Центр нейроэкономики и когнитивных исследований, Институт когнитивных нейронаук, Научно-исследовательский университет «Высшая школа экономики»
Email: ivanova.marina.d@yandex.ru
Россия, Москва
M. Эррохо Руиз
Департамент психологии, Голдсмит, Университет Лондона
Email: ivanova.marina.d@yandex.ru
Великобритания, Лондон
Список литературы
- Summerside E.M., Shadmehr R., Ahmed A.A. Vigor of reaching movements: reward discounts the cost of effort // Journal of Neurophysiology. 2018. Vol. 119, N 6. P. 2347–2357. doi: 10.1152/jn.00872.2017
- Tecilla M., Grossbach M., Gentile G., et al. Modulation of motor vigour by expectation of reward probability trial-by-trial is preserved in healthy ageing and Parkinson’s disease patients // Journal of Neuroscience. 2023. Vol. 43, N 10. P. 1757–1777. doi: 10.1523/JNEUROSCI.1583-22.2022
- Codol O., Holland P., Manohar S.G., Galea J.M. Reward-based improvements in motor control are driven by multiple error-reducing mechanisms // Journal of Neuroscience. 2020. Vol. 40, N 18. P. 3604–3620. doi: 10.1523/JNEUROSCI.2646-19.2020
- Mathys C.D., Lomakina E.I., Daunizeau J. Uncertainty in perception and the hierarchical gaussian filter // Frontiers in Human Neuroscience. 2014. Vol. 8. P. 825. doi: 10.3389/fnhum.2014.00825
- Van Veen B.D., Van Drongelen W., Yuchtman M., Suzuki A. Localization of brain electrical activity via linearly constrained minimum variance spatial filtering // IEEE Transactions on biomedical engineering. 1997. Vol. 44, N 9. P. 867–880. doi: 10.1109/10.623056
Дополнительные файлы
