人脑中分离的相位耦合和幅度耦合模式

神经元振荡的耦合可能反映和促进神经元群体之间的交流，有两种主要的神经元耦合模式：相位耦合和幅度耦合。从理论上讲，这两种耦合模式是独立的，但到目前为止，它们之间的神经元联系尚不清楚。本研究中我们结合脑磁图(MEG)、源重建和模拟来系统地比较人脑中大脑皮层的幅度耦合和相位耦合模式。我们发现这两种耦合模式在很宽的频率范围和大部分大脑皮层内存在差异。我们的结果表明，皮层的相位和幅度耦合模式是非冗余的，这可能部分反映了不同的神经机制。此外，我们的发现突出并阐明了幅度耦合指标的复合性。

1.背景

       大脑是一个分布式信息处理系统，神经元活动的相关振荡被认为是为了促进和协调远距离大脑区域之间的交流。神经元放电被描述为由振荡节律的相位和幅度决定的概率过程。局部振荡的共同波动可能会加强神经元群体之间的有效沟通，并使神经元信息能够进行多路复用。神经元振荡之间有两种主要的耦合模式：相位耦合和幅度耦合。相位耦合是指神经元振荡之间的一致相位对齐，这可能反映神经元相互作用的特定频率特征。幅度耦合是指神经元振荡幅度(或功率)的时间共调制。与相位耦合一样，幅度耦合不仅可能是神经元相互作用的结果，还可能通过在时间上与波动振荡相关的远距离过程对齐来调节这些相互作用。这两种耦合模式都可以为各种神经精神疾病提供通用的生物标志物，两种模式既相互独立又紧密联系。

      本研究的中心目的是非侵入性地研究MEG在人脑中相位和幅度耦合之间的关系。首先，我们测试了MEG测量的大脑皮层幅度耦合是否存在真实成分，而不是相位耦合引起的杂散幅度耦合。其次，我们讨论了相位耦合和真幅度耦合是如何联系的。为此，我们系统地比较了人脑两种耦合模式的大脑皮层相关结构。

2.材料与方法

2.1 受试者和数据集

      我们分析了95名受试者的静息状态MEG测量，这些受试者属于人类连接组计划(HCP)中。受试者为健康成人，年龄在22~35岁之间，包括45名女性。静息状态的测量包括最多三个6分钟的区块，在两次测量之间有短暂的休息。

2.2 数据预处理

      我们使用HCP提供的预处理数据，包括通过迭代应用时间和空间独立成分分析(ICA)去除噪声和坏信道、坏数据段和生理伪影。

2.3 物理正演模型和源模型

      我们分割了单独的T1加权图像，并生成了一个壳头部模型来计算物理正演模型。我们计算了457个等间距(约1.2厘米距离)的源点在软膜表面以下0.7厘米深的皮质上的正演模型。这个源壳是在MNI空间中生成的，并被非线性地转换到单独的头部空间。在三个头部定位线圈的基础上，实现了源坐标、头部模型和MEG通道的联合配准。传感器级别的脑磁图数据使用线性波束形成投影到源空间。

2.4 谱分析

      时域MEG信号的时频估计是使用Morlet小波产生的，小波的带宽设置为0.5倍频程(1个频谱标准差)，时间步长为时间标准差的一半。我们以0.25倍频程为单位推导了从1到128 Hz频率的谱估计。

2.5 耦合指标

      我们使用正交化信号的幅度包络相关来估计幅度耦合，通过在相关之前的每个时间点正交化两个复信号来减弱体积传导效应。作为相位耦合的指标，我们应用了加权相位滞后指数wPLI。

2.6 数据模拟

      我们使用自由参数的经验性值为每个连接、受试者和频率计算了一个模型。通过这种方法，我们为每个受试者和每个频率生成完全相关矩阵，以估计杂散幅度耦合的空间模式。

2.7 估计的经验相移和相位耦合

       对于每个连接、频率和受试者，我们计算估计的经验相移和相位耦合，当在上述模拟中使用时，在模拟信号之间产生与经验测量的wPLI和相移相匹配的wPLI和测量相移。对于每个参数组合，我们计算了模拟信号的相移，即平均复相干角和wPLI。为了稳定这些估计，我们在1000次重复的模拟中对这些值进行了平均。

2.8 可靠性估计

       为了比较功能连接指标的可靠性，即重复性，我们对种子连接模式进行了关联。我们首先对每个受试者在三次流程中获得的相关矩阵进行平均，然后再进行受试者之间的成对相关(relbs)。我们对大于零的可靠性进行了统计测试(单侧t检验)，并排除了可靠性不显著的连接。

2.9 模式相似性、指标间相关性和衰减校正

我们关联了不同指标之间的相关模式。测量的指标间相关性不仅反映了模式的真实潜在相似性，而且还反映了估计这些模式的可靠性。测量的相关性也会随着可靠性的降低而降低，这种可靠性效应被称为衰减相关性。我们对这种衰减进行了校正。

2.10 衰减校正相关性的模拟

       我们通过从正态分布中抽取两个n倍的数据点并应用逆Fisher Z变换，模拟了两种大小为n的连通性模式。得到的具有两种模式的nx2矩阵被定义为P，我们从P计算具有两种模式之间的预定义相关性r的Pr。

2.11 衰减校正相关性的统计检验

       对于icc的统计检验，我们采用留一夹切法，计算每个受试者、源和频率的icc伪值。我们使用Kolmogorov-Smirnov检验来检验生成的伪值分布的正态性。我们通过跨频率的错误发现率校正来校正得到的p值。

3.结果

       我们使用wPLI来量化相位耦合，这显示了体积传导无关相位耦合指标的最佳可靠性。对于幅度耦合，我们在估计幅度包络相关性之前采用了成对信号正交化(图1A)。在存在真正的相位耦合和非零相位延迟的情况下，信号正交化并不能完全抵消体积传导，因为在存在信号泄漏的情况下，这种相位耦合会系统地旋转要正交化的信号的估计值，从而导致次优正交化和杂散的幅度相关(图1B)。因此，我们的第一个问题是，经验测量的幅度耦合模式是否反映了由于相位耦合造成的这种杂散幅度耦合。对于每个受试者、连接和频率，我们模拟了两个皮质信号的信号泄漏(分辨率矩阵)、wPLI和测量平均相移，但没有幅度耦合。然后，我们估计了这些信号的错误测量的幅度耦合。用这种方法，我们在没有真实幅度耦合的情况下，计算了预期的皮层范围的杂散幅度耦合模式。

图1  幅度相关的信号泄漏抑制原理

3.1 基于种子的连接分析

       我们从基于种子的分析开始(图2)。我们计算了几个早期感觉和更高阶皮层区域在16 Hz下实测(图2A)和杂散(图2B)幅度耦合和相位耦合(图2C)的大脑皮层模式。我们选择了初级听觉(A1)和体感皮层(S1)，它们在16 Hz时显示出很强的半球间连接和稳健的幅度耦合模式。对于每个种子、受试者和两种耦合模式，我们对原始耦合指标进行z评分，并测试受试者之间的z得分是否大于零。对于两种感官种子(A1和S1)而言，种子周围区域和对侧大脑半球的同源区域的幅度耦合最强，而相位耦合和杂散幅度耦合只是种子周围的连接性高于平均水平。我们研究了内侧前额叶皮质(MPFC，图2A-C)的相位和幅度耦合，显示了16 Hz幅度耦合的复杂连接结构。我们发现MPFC的幅度耦合在背侧前额叶和外侧顶叶皮质达到峰值。相反，相位耦合和杂散幅度耦合只在种子区周围达到峰值。我们将我们的分析扩展到16 Hz的整个相关矩阵(图2D)。与相位耦合和杂散幅度耦合相比，实测幅度耦合显示了最显著的半球间连通性。

图2  基于种子的16 Hz早期感觉皮层和高阶皮层分析。

3.2 真幅度耦合

       我们系统地评估了跨频率的杂散幅度耦合和实测幅度耦合的皮质模式的相似性(图3)。我们对所有种子区域和频率进行平均，发现杂散幅度耦合模式与实测幅度耦合模式之间的相关性非常低(图3A，黄线)。我们应用相关性的衰减校正来说明信号可靠性的影响。对于实测幅度耦合，受试者之间的可靠性在16 Hz左右达到峰值(图3B)。对于杂散幅度耦合，可靠性总体较低，并且在低于16 Hz的频率下降低(图3C)。我们通过合并划分(图3A，蓝线)纠正了这些可靠性的实测幅度耦合模式和杂散幅度耦合模式之间的相关性。在所有频率和大脑皮层种子中，实测幅度耦合模式不到2%方差可以用杂散幅度耦合来解释。总之我们认为，杂散幅度耦合对实测幅度耦合模式的影响很小。

图3  实测幅度耦合模式与杂散幅度耦合模式之间的相关性。

       我们对一组广泛的耦合参数和混合进行了系统模拟(图4A)。这些模拟结果表明，只有在较大的相位耦合情况下，相移、相位耦合、混合和杂散幅度耦合之间的关系才是稳定的(图4A)。然而，估计的经验相位耦合大多低于这个范围(图4B)。杂散幅度耦合值仅在较高的相位耦合、相移约90°(图4A)时才接近实测幅度耦合水平(图4C)。因此，对于目前的数据，观察到的杂散幅度耦合的小效应很可能是由于经验相位耦合小所致。

图4  杂散幅度耦合与经验参数的系统模拟。

3.3 幅度耦合网络和相位耦合网络的比较

       对于每个种子模式和频率，我们将得到的校正幅度耦合模式与实测相位耦合模式相关联。我们在8到26 Hz之间发现了最高的相关性(图5A黄线)，杂散和实测幅度耦合模式之间的相关性因测量可靠性而减弱(图5B)。因此，我们计算了校正的幅度耦合和相位耦合模式之间的衰减校正相关性。衰减校正大大增加了相关性，即两种耦合模式之间的相似性(图5A蓝线)。对于整个谱和几乎所有的种子模式，幅度和相位耦合模式之间有显著的相似性(图5C绿线)。对于几乎所有频率高于4 Hz的种子模式，模式相似性明显小于1(图5C红线)。因此，幅度和相位耦合模式相似，但不完全相同。

图5  幅度和相位耦合模式的相关性。

       平均衰减校正相关性没有显示出强烈的谱差异(图5A)。对于所有研究的频率，我们发现大脑皮层区域具有显著不同的幅度和相位耦合模式(图5C)，并且耦合模式之间的共同方差不到25%(图6)。所有频率的中位数模式(图6右下角)在两侧前额外侧区、眶额区、颞前区和颞顶区显示出最强的差异，外侧前额叶差异似乎在θ到α频率范围以及β频率和低γ频率(图6)的时间差异中最强。

图6  校正的幅度和相位耦合模式之间的共方差的皮质分布。

       与相位耦合模式相比，幅度耦合模式的复杂性更高(图2A)，我们研究了幅度和相位耦合模式随空间距离的变化关系。我们发现，短距离连接的模式最相似，而长距离连接的模式更容易分离(图7B)。因此，幅度和相位耦合模式之间的差异主要是由远距离连接的差异驱动的。

图7  对于每个连接的皮层种子之间距离的不同区域(四分位数)的幅度和相位耦合模式之间的相关性。

4.讨论

       我们的分析剔除了三个关键因素，这三个因素混淆了神经元耦合模式的估计和它们的比较。首先，我们使用正交化信号的幅度相关性和加权相位滞后指数。使用这些耦合措施可以确保实测耦合不会反映由于场扩散而产生的杂散耦合。其次，我们在经验测量的相位耦合的基础上，通过模拟估算了相位耦合引起的杂散幅度耦合，并从实测幅度耦合模式中分离出产生的杂散幅度耦合图案。最后，对于耦合模式之间的比较，我们采用了相关衰减校正。该方法允许校正由次优测量可靠性引起的测量相关性的衰减，有效地考虑了受试者之间的所有方差来源。我们的结果表明，幅度和相位耦合模式之间的原始相关性受到测量可靠性的强烈影响。衰减校正表明，在16 Hz左右的峰值原始相关性反映了该频率附近固有皮质节律的强度，而不是两个耦合模式的频率特定关系。

       本研究结果表明，杂散幅度耦合的大小及其对实测幅度耦合的影响很小。首先，杂散幅度相关显示很少一致的连通性，而实测幅度耦合模式显示出复杂的多峰分布(图2)。其次，受试者之间的耦合模式的可靠性明显分离了实测和杂散幅度耦合(图3B和C)。第三，对于所有频率和皮层区域，杂散幅度耦合模式不能解释实测幅度耦合模式的10%以上和平均不到4%的方差(图3A)。我们的模拟证实了相位耦合、相移和混合对杂散幅度耦合量有显著影响(图4A)。

      我们的结果表明，幅度和相位耦合模式有很大的相似性(图5)。这些相似之处可能源于一种或多种共同的潜在神经机制。神经元群体之间的突触相互作用可能导致这些神经元群体的相位和幅度的耦合。我们探讨了哪些因素可能导致观察到的相位和幅度耦合模式之间的差异(图5)。首先，耦合模式之间不同的非线性可能会导致差异。相同的潜在神经元相互作用或共同输入可能对两种耦合模式产生不同的影响。然而，我们的结果表明，这种非线性不能解释观察到的耦合模式之间的差异。其次，不同的神经机制可能是两种耦合模式的基础。一方面，神经调节可能会协调不同大脑区域的节律幅度；另一方面，由内在活动或感觉输入触发的突触相互作用可能会导致区域之间的相位耦合，而不会驱动相同的幅度共同调制。

       神经元群体的相位耦合可能通过对齐节律兴奋性波动和节律输入来调节它们之间的相互作用。类似地，幅度耦合可能通过在时间上对齐与大脑区域的低或高振荡幅度相关的处理来调节相互作用。我们的结果表明，这些耦合模式提供了关于神经元相互作用的部分分离的非冗余信息。这表明这两种耦合模式为认知过程中的大规模神经元相互作用及其在神经精神疾病中的改变提供了补充信息。