跳到正文
原文
bioRxiv · Neuroscience· Levy, A. D., Zeidman 等 8 人
AI 评分58

具身动态因果模型:脑与心脏的有效连接

Embodied Dynamic Causal Modelling: Brain and Cardiac Effective Connectivity

预印本 · 尚未经过同行评审

AI 导读

脑与身体的交互贯穿皮层、脑干到外周自主效应器,已有方法或把这种交流压缩成标量指标,或缺少可反演的生物物理模型。作者把动态因果模型扩展到脑-体轴,构建含五个脑干核团、一个内脏感觉丘脑中继和心脏起搏器的闭环神经质量模型,并在听觉 Go/No-Go 任务中同时记录脑电与心电进行联合反演。案例显示该框架可区分内脏感觉运动层级中的颗粒型与非颗粒型微环路,并在预期、靶刺激加工和运动抑制等时段估计突触效能随时间的变化。材料仅为摘要。

摘要 · AI 翻译

脑-身体交互是具身推理与内感受的基础,并且对整体健康以及精神健康障碍的病理生理学都至关重要。这些交互在一个从皮层、经脑干、延伸至外周自主神经效应器的层级结构中受到编排。现有方法要么将这种交流简化为标量摘要,要么缺乏可逆的生物物理模型,因而无法确定所观察到的效应起源于这一扩展架构中的何处。为解决这一问题,我们引入具身动态因果建模(Embodied Dynamic Causal Modelling),这是生成式因果建模框架的一个扩展,形式化了贯穿整个脑-身体轴的层级信息传递。我们以脑干心脏网络(Brainstem Cardiac Network)实例化该框架用于脑-心交互,这是一个脑干自主神经环路与窦房结动力学的闭环神经质量模型。通过纳入五个脑干核团、一个内脏感觉丘脑中继和心脏起搏器,该网络使得能够估计跨越皮层-脑干-心脏轴的定向有效连接。作为一个示例性案例研究——它代表了具身DCM与BCN如今能够探究的实验和扩展生理系统——我们将该框架应用于听觉Go/No-Go范式期间同步记录的电生理与心电图数据。多模态观测模型允许对电生理与心脏响应进行联合反演,从而使神经与身体测量共同约束对中枢与外周动力学的解释。该案例研究展示了该框架如何能够在关于功能细胞构筑的竞争性假设之间进行仲裁,在内脏-感觉运动层级内区分颗粒性与无颗粒性微环路。它还展示了如何在跨越预期、靶刺激加工与运动抑制的扩展时间窗内,与连续的潜在神经动力学一起恢复突触效能的时变估计。通过将神经与心脏信号联系到单一生成架构,这项工作使脑-心交互研究超越了相关,为检验具身推理理论以及识别内感受与自主神经调节障碍中的环路层面紊乱提供了一个框架。

中文由 AI 翻译,仅供参考,以原文为准。

来源:bioRxiv · Neuroscience · biorxiv.org

相关事件

PsyBrain 脑心前沿

让每一位脑科学探索者,都不再独行。