清醒可以区分于全身麻醉和的睡眠,使用一个庞大的图书馆的单变时间序列分析的巨大图书馆
Angus Leung1, Ahmed Mahmoud1, Travis Jeans2
1School of Psychological Sciences and Turner Institute for Brain and Mental Health, Monash University, Melbourne, Australia.
PLoS biology
|July 10, 2025
概括
研究人员探索了超过7700个时间序列特征,以了解意识. 自相关性特征在大脑中有效区分了清醒与麻醉/睡眠,与复杂性或光谱功率标记不同.
科学领域:
- 神经科学是一个神经科学.
- 计算生物学 计算生物学
- 动物行为 动物行为
背景情况:
- 意识的神经机制尚未完全被理解.
- 之前的研究发现了与意识水平相关的时间序列特征,但缺乏理论依据.
- 由于研究人员的偏见和解释复杂的神经记录的困难,现有的方法可能会忽略相关特征.
研究的目的:
- 为了识别不可知论者,理论上无偏见的时间序列特征表明意识水平.
- 通过全面的特征分析方法来解释潜在的意识的神经活动.
- 在模型生物体中验证跨多个独立数据集的发现.
主要方法:
- 使用了高度比较的时间序列分析 (hctsa) 工具箱,拥有超过7700个单变量时间序列特征.
- 在清醒,麻醉和睡眠期间,将hctsa应用于Drosophila melanogaster (果) 大脑的局部现场潜在记录.
- 为每个特征开发分类器以区分状态,在发现和独立评估数据集上进行严格测试.
主要成果:
- 在所有评估数据集中,只有47个时间序列特征,主要与自身相关,在所有评估数据集中显著地分类了麻醉/睡眠的清醒.
- 自相关性特征表明,与麻醉和睡眠相比,在清醒期间的信号相关性时间尺度较长.
- 与复杂性和光谱功率相关的特征,以前被认为是标记物,未能在中一致概括.
结论:
- 自相关性作为一种强大的动态属性类别来区分意识水平而出现.
- 调查结果警告不要过度依赖特定特征,并强调需要普遍化的标志物.
- 这种无神论的,高度比较的方法为发现意识的神经相关性提供了更全面的框架.
