Nat Hum Behav | 神经振荡和非周期性活动被混淆了这么多年…

非周期性神经活动长期被视作噪声其生理来源与功能价值因缺乏精准测量手段而难以确认。本文通过频谱参数化建模与多生理信号比对系统解构了非周期性活动的多源生成机制并将其与振荡信号明确分离从而突破了传统方法在信号混淆与生理归因上的瓶颈。更关键的是研究揭示了非周期性指数与兴奋-抑制平衡、神经变异性及认知行为之间的内在关联为重新审视大量既有电生理证据提供了方法论支点。这一工作实际上为神经信号分析立下了一条新准则未区分非周期性成分的频谱解读今后恐难以再自洽成立。摘要人类和动物的电生理记录常呈现为看似嘈杂且缺乏结构的信号。虽然已有一些较为明确的神经特征如爆发性振荡与事件相关电位等形式但近期的方法学进展已帮助我们在原本看似噪声的信号中发现了令人意想不到的结构。这种被称为非周期性活动的信号引起了广泛关注研究者们正致力于探究其生理发生源及其与行为、认知、发育、衰老和疾病之间的关系。本文系统考察了非周期性活动所假定的生理基础探讨了其与其他神经活动测量指标的关系并梳理了支持其功能和临床相关性的证据。计算模型与经验证据共同表明非周期性活动具有多种神经起源主要来源于跨神经元群的突触后跨膜电流。尽管其他若干信号统计量亦能捕捉到与非周期性测量指标相似的特征但新近发展的方法使研究者们能够更直接地将非周期性活动与底层的生理过程联系起来。在此基础上本文讨论了这些发现对理解认知与疾病所带来的启示并着重指出未来研究中亟待回答的关键问题。引言电生理记录为探究认知的生物学起源提供了一扇窗口。所记录的神经场电位是动态的既包含节律性活动也包含非节律性活动。其中非周期性神经活动是指神经场电位中那些非振荡性的、不规则的波动。虽然神经振荡已被广泛认为参与认知和疾病过程但近期对非周期性活动的研究亦在迅速升温。非周期性活动过去常被视为噪声——一种需要忽略或去除的干扰变量——但近期证据表明该信号本身具有功能性、动态性并参与多种认知和生理过程。此外越来越多的证据显示传统分析技术往往会混淆振荡和非周期性活动这一认识正促使人们重新评估这些不同过程的作用。本文回顾了近期强调非周期性活动功能重要性的研究重点关注其在认知、发育与衰老以及临床层面的相关性。文中进一步梳理了非周期性活动所假定的生成机制着重阐述了主要的计算模型及重要的注意事项。最后引入“通过非周期性动力学进行通信”这一框架勾勒出非周期性活动可能在神经元通信中发挥功能作用的潜在机制。(所有分析和绘图所使用的代码均可在GitHub上公开获取网址为https://github.com/voytekresearch/review_functional_aperiodic)非周期性活动的定义非周期性活动的神经源细胞外场电位可通过侵入性神经记录方法(如局部场电位(LFP)记录)来测量或间接地通过脑磁图(MEG)和脑电图(EEG)来测量。这些技术——以下统称为场电位——测量的是跨神经元群的聚合活动能够为理解网络功能提供宝贵的信息。虽然本文将论及众多可能对神经场电位有贡献的来源但其中最主要的贡献者是神经元中源于近端和远端的突触后跨膜电流。这些内向和外向跨膜电流均大致遵循双指数形式可用其上升和衰减所需的时间来描述该时间被称为时间常数。对于非常快速的、AMPA介导的兴奋性谷氨酸能突触而言该时间常数非常短(小于5ms)。抑制性GABA_A电流则较慢其时间常数在5–25ms范围内。兴奋性NMDA、抑制性GABA_B及神经调质电流的时间常数可达50至250ms或更长。由于皮层神经元的放电通常是不规则的其峰间间隔变异性极大这些电流往往以不规则的时间汇聚并整合从而产生了LFP(图1a、b)。同步爆发状态、起搏神经元和持续振荡属于例外情况而包括同步化偶极子在内的其他因素则对EEG的贡献尤为显著(本文中的关键术语详见专栏1)。图1.非周期性活动的基本模型。专栏1术语表局部场电位(LFP)颅内记录的细胞外电信号反映局部神经元群的阈下活动。脑磁图(MEG)一种非侵入性记录技术用于记录大脑所产生的磁场。脑电图(EEG)一种非侵入性记录技术用于记录大脑所产生的电场。跨膜电流由多种离子通道和转运体介导的、带电离子跨越细胞膜的流动。双指数拉普拉斯分布由两个指数函数定义。时间常数函数衰减至其初始值的1/e所需的时间。功率谱密度傅里叶变换的幅值平方。1/f用于描述功率谱与频率成反比的信号。神经信号的频谱通常遵循1/fX分布即功率随频率呈指数衰减。拐点频率功率开始随频率衰减的临界频率。在神经功率谱中低于拐点的频率通常具有近似相等的功率。泊松分布一种离散概率分布其特征为事件发生的平均速率恒定且事件之间在时间上彼此独立。事件相关电位(ERP)在感觉、认知或运动事件之后于可预测时间窗内出现的电生理反应。由于跨膜电流都近似呈(双)指数形式因此其任何功率谱(频域)表示都将始终表现为最高频率处的功率呈指数级地低于最低频率处的功率(图1c、d)。这种被称为洛伦兹形式的现象是估计功率谱时所进行的数学运算的自然结果。这种功率随频率呈指数下降的现象被称为1/f。现实世界中的许多现象都会产生类1/f谱从语音、音乐、自然场景乃至股票市场价值和黑洞的X射线发射。虽然关于神经活动的类1/f性质与现实世界中类1/f过程之间的这种相似性学界曾提出许多有趣的论断(例如大脑处于混沌边缘的亚稳态)但神经场电位数据的类1/f性质是产生这些数据的跨膜电流指数形式的一个自然结果。时域中指数过程的时间常数(如跨膜电流)与其所产生的功率谱形状之间存在直接的数学等价关系。因跨膜电流的时间常数各异它们将呈现不同的频谱形式但均遵循相同的基本模式。最快的电流拥有最短的时间常数其所生成的频谱形式在最低频段具有相对恒定的功率直至某一点功率才开始下降。功率开始下降的临界点被称为拐点频率。在极限情况下当时间常数趋近于零时电流变为一个在所有频率上功率均等、且拐点频率趋于无穷远的δ函数。随着该函数逐渐展宽、电流变长/变慢拐点出现在更低的频率处且高于拐点的频率处功率下降更快(图1c、d)。单个或多个拐点的存在表明神经数据并非无标度的而是具有一个或多个优先的时间尺度。这些并非振荡性、节律性的现象而是揭示了数据中存在的非振荡性自相关。尽管突触后跨膜电流是场电位的主要贡献者但其他形式的神经活动也有贡献。例如非突触活动(如钙峰)同样以较难预测的方式产生场电位。此外脉冲活动可以“渗漏”进场电位对高频功率有所贡献。在尝试阐释某一特定频谱形式所反映的生理过程时务须将这些潜在的信号源纳入考量因为给定的频谱形式与单一的生理信号发生源之间并不存在清晰、直接的一一对应关系。测量非周期性活动将非周期性活动的理论与其测量方法分离开来并非易事。这是因为你无法研究那些无法测量的东西。因此理解测量非周期性活动的主要方式至关重要同时要认识到对非周期性活动的测量不同于产生它的底层生理过程。非周期性活动反映在神经场电位的功率谱中而该功率谱正是当前大多数主流方法测量非周期性活动的起点。神经功率谱可通过少量描述频谱中振荡和非周期性成分的变量进行参数化。在此方法中功率谱被建模为非周期性成分与振荡峰的组合其中P(f)表示频率f处的功率L(f)为非周期性成分每个Gn(f)对应一个振荡峰。每个振荡成分Gn(f)被建模为一个高斯函数其参数为振幅an、中心频率μn和标准差σn。非周期性成分L(f)被建模为一个洛伦兹函数其参数包括偏移量b、频谱拐点k和非周期性指数X。非周期性成分也可以在双对数空间中建模为线性函数此时参数k0(称为固定模型)。谱指数也可以使用多种其他方法来测量包括不规则重采样自谱分析(IRASA)。IRASA可用于分离功率谱中的振荡成分和分形成分(非周期性成分)从而可以从非周期性成分中估计谱指数。该算法的核心步骤是以h和1/h对时间序列进行重采样其中h的取值范围为1.1至1.9步长为0.05随后计算重采样信号的功率谱并取平均以估计非周期性成分最终可采用幂律函数进行拟合。IRASA的优势在于超参数少——即重采样因子和傅里叶变换的参数。但也有一定的局限性IRASA假定信号具有分形特性而神经功率谱常表现出背离此假设的特征例如由神经信号的自相关或时间尺度所驱动的拐点(尽管已有更新的实现方法旨在解决这一问题)。在测量非周期性活动时必须审慎因为许多非神经过程同样呈现出类1/f的幂律分布。在对非周期性活动进行分析时必须将这些来源纳入考量并加以控制。这些来源包括背景噪声、放大器噪声及电极阻抗等非生理过程。这些因素可引入白噪声从而抬高噪声基底并改变功率谱的形态。其结果便是若不加以明确控制对周期性及非周期性活动参数的估计均可能产生偏差。在比较来自不同人群或不同记录环境的数据时这一点尤为重要。除非生理过程外肌肉和眼动、呼吸以及心电图(ECG)等生理性噪声源同样可能干扰非周期性活动的估计并使其产生偏差。尽管我们通常将这些生理信号统称为“噪声”但中枢与周围神经系统之间广泛存在的交互连接使得厘清这些信号来源变得格外困难。虽然外周生物信号的振荡与神经活动之间的关联早已为学界所熟知例如呼吸乃至胃节律但这些活动对非周期性活动的影响目前仍不清晰。心脏与呼吸的特征亦会随着认知和行为需求的变化而改变这种动态变化使得即便在严格控制的实验任务中区分神经非周期性活动的变化与非神经的、生理性的非周期性活动变化也变得愈发困难。这意味着从最严格的意义上讲在未对所有此类噪声源——无论是生理性的还是非生理性的——进行系统控制的情况下原始的非周期性参数在本质上将无法得到可靠解读。据所知迄今尚未有研究完全做到这一点。尽管某些记录模态对上述生理噪声源的敏感性相对较低——例如颅内LFP或颅内脑电图(iEEG)——但它们也不能完全免受其影响。因此更常见的做法是报告非周期性活动的相对变化例如以事件相关的方式进行或比较在相似(或理想情况下为相同)环境下记录的两组数据。在这些条件下通常假定噪声源在任务条件之间或组间是等同的。对于非生理噪声而言这一假定或许成立但如前所述该假设对于生理性噪声源几乎可以肯定是错误的。例如已有研究清楚表明细微的眼动(微眼跳)能够以事件相关且任务依赖的方式污染EEG信号产生表面上类似神经gamma活动的成分而这一成分在很大程度上实为眼部肌肉活动污染所导致的伪迹。类似地有研究显示即使在静息态下随年龄变化的ECG持续性差异也可能污染对年龄相关的非周期性神经活动差异的测量。因此本文建议在非周期性神经活动的研究中应尽可能对这些非神经噪声源加以控制。当无法做到这一点时(例如在重新分析未包含这些测量指标的现有数据集时)则需要做出更为审慎的解读。生理学证据最常被引用的非周期性活动模型假设局部场电位(LFP)主要是由服从泊松分布的脉冲活动所诱发的兴奋性与抑制性突触电流的线性总和这一假设在LFP模型中已被证明是良好的近似。该方法有助于将非周期性活动与其底层的生理过程联系起来并借此将谱指数特异性地关联至兴奋-抑制平衡。尽管该模型的这一预测已获得实证支持——即LFP/EEG的谱指数可追踪兴奋-抑制平衡——但非周期性指数与兴奋或抑制之间并不存在直接的一一对应关系。因此必须强调非周期性指数能够捕捉兴奋-抑制动态这一观点仅在特定假设下成立。具体而言该模型假定“兴奋”源于AMPA介导的兴奋过程其突触后电流具有极短、极快的时间尺度而“抑制”则源于GABA介导的抑制过程其时间尺度更长、更慢并且这些电流在时间上呈随机分布(非同步)且不存在任何振荡活动。任何偏离上述假设的情形均可能动摇兴奋-抑制平衡与谱指数之间所声称的关系。例如NMDA受体虽同样介导兴奋性传递但其相关电流的时程较GABA电流更长、更慢。这意味着在非周期性活动的NMDA/GABA模型中更陡峭的谱指数将指示更强的兴奋而非在经典AMPA/GABA模型中所观察到的反比关系。此外该模型假定网络处于高电导状态即各神经元的放电活动是不相关的然而神经元网络在多种认知与行为状态下常表现出高度相关的群体活动。这种相关性活动可导致频谱功率升高特别是在低频区域。这一点可通过神经场电位的滤波点过程模型进行展示和可视化(图2)。在此我们模拟了不同程度脉冲同步性下的神经场电位(图2a)。在“去同步”模型中每个脉冲序列都被建模为一个泊松过程其中每个脉冲的发生时间相互独立。而在“低同步”与“高同步”模型中每个脉冲序列均为非齐次泊松过程其特征为时变放电率。每个脉冲序列的放电率均耦合至一个共同的群体放电率后者被建模为Ornstein–Uhlenbeck过程在此模型中脉冲同步程度可通过调节耦合强度加以控制。具有更高脉冲同步程度的群体其功率谱更陡峭表现为更大的非周期性指数(图2b、c)。该模拟在一系列耦合强度下重复进行并采用线性回归检验非周期性指数与脉冲同步度(量化为平均成对Pearson相关系数)之间的关系(图2c)。该分析揭示非周期性指数与脉冲同步度之间呈正相关(r0.938P2.03×10⁻⁵)。图2.可能影响非周期性测量指标的其他神经过程。除群体脉冲同步外已有明确证据表明振荡也可改变非周期性活动。尽管稳定的振荡在功率谱中表现为窄带峰且不影响类1/f成分但如果振荡功率出现增强和减弱——这在神经数据中经常出现——功率增减的速率同样会产生一个1/f成分(图2d)。这些结果表明虽然将非周期性活动简单模型化为异步突触驱动之和能够解释大部分的1/f功率但类1/f信号并非完全源自非周期性过程。然而尽管特定的谱指数与兴奋-抑制平衡之间不存在直接关系但该简单模型的预测已在众多研究中得到至少部分证实。来自啮齿类动物CA1区的LFP记录显示在更深的记录深度处功率谱更陡峭(即指数增大)这与抑制性突触密度的增加相吻合此外在θ节律的抑制性相位期间功率谱斜率较兴奋性相位期间更为陡峭。接受丙泊酚麻醉的灵长类动物其非周期性指数相对于基线有所增加这与抑制作用的增强相一致。在所有情况下更强的抑制均与非周期性指数的增大相关联。日益积累的生理学证据使我们对何种因素在何种条件下能够调制非周期性活动有了愈加清晰的认识。例如现已明确非周期性活动在海马与新皮层的不同层级之间存在差异。与此同时越来越多的因果性光遗传学研究正在助力揭示其来源。一项近期研究追踪了小鼠内侧前额叶皮层在出生后前两周(P2–P12)的LFP和单细胞活动这一时期与抑制作用的增强密切相关。作者发现功率谱在此发育期内变得更为陡峭(指数增大)而该效应在来自人类婴儿的两份EEG数据集中亦得到了验证。研究人员随后在不同发育阶段通过光遗传学手段操控抑制性神经元的活动进而证实发育过程中不断增强的抑制正是驱动所观察到非周期性指数增大的原因。最后在另一项小鼠研究中发现更高的钙活动预示着非周期性活动的变平而较低的钙活动预示着频谱变陡峭。作者还进一步揭示非周期性活动受锥体细胞与中间神经元活动比率的动态波动所调制。尽管这些结果令人振奋但其中亦存在许多注意事项以及与之相悖的发现。在同一项钙成像研究中作者还观察到过度的锥体细胞活动(表明兴奋性活动极度增强)竟伴随着谱指数的陡峭化这与非周期性活动的简单兴奋/抑制模型所作出的预测恰恰相反。然而如图2b所示驱动谱指数变化的不仅包括活动的总量单元之间的相关性同样起着关键作用。这些结果充分揭示了非周期性指数与兴奋-抑制平衡之间关系的复杂性。Diehl和Redish(2024)采用基于连接的兴奋-抑制平衡测量方法揭示了兴奋-抑制平衡也与宽带频谱功率密切相关。与简单模型相反作者发现非周期性指数与兴奋-抑制平衡之间存在弱正相关。Salvatore等人(2024)通过多种方式对兴奋-抑制平衡进行药理学操控包括腹腔注射给药和DREADDs(仅由设计药物激活的设计受体)。虽然部分结果与兴奋-抑制平衡模型相吻合但其他结果并不一致。具体而言印防己毒素、氯胺酮和DREADDs的效应与该模型的预测不符。作者发现氯胺酮对非周期性频谱成分无影响这一结果或可归因于该药物多方面的作用机制。印防己毒素在导致谱指数变陡峭的同时也意外地导致了镇静这凸显了药物效应的复杂性。此外使用DREADDs抑制小清蛋白中间神经元(即去抑制)意外地导致了非周期性指数增加(即频谱变陡峭)。这些结果表明在试图解读非周期性活动时需要考虑许多因素。例如LFP主要反映某一特定区域的输入因此测量局部的脉冲输出仅能解释LFP的一小部分。更为精细的生物物理模型能够同时整合多种过程包括突触后电流的强度与类型、循环连接以及放电同步性等这些模型能够提供功率谱形式与其生理发生器之间更完整的映射图谱。然而除了构建更完善的模型之外还需要开展更多的实验研究。在皮质层中进行简化的离体记录能够为理解LFP活动中非周期性活动变化的微尺度机制提供重要线索。在体内实验中高密度侵入性记录如今使研究者能够同时记录放电活动和具有已知连接模式的跨脑区LFP活动。将既往发现与非周期性理论相结合鉴于非周期性活动具有动态属性因而有必要在非周期性理论的整体框架下对既往研究进行重新审视与重新解读。例如非周期性动态可能被误判为窄带振荡活动的变化。尽管支持振荡具有功能作用的证据已相当充分尤其是关于啮齿类动物海马θ节律以及灵长类视觉皮层α节律的研究但越来越清晰的是并非每个脑区在任何时刻都处于振荡状态。一个新兴的观点认为即便是那些“经典”的振荡效应——例如人类额叶中线θ的作用或EEG中的振荡功能连接——也至少部分(若非大部分)可由非周期性活动而非原先假定的振荡活动来解释。即使存在振荡振荡与非周期性活动之间很可能并非彼此独立而是相互作用的。尽管并未明确将其归入非周期性活动的范畴但已有大量文献考察了任务相关的神经变异性在时间上的变化。在这些研究中任务事件(如刺激的开始)通常伴随着变异性的降低。本文认为这些动态变化可能恰恰反映了非周期性活动的转变。具体而言任务诱发的神经变异性降低与任务诱发的谱指数减小(即功率谱趋于平坦)是一致的。这是因为信号方差与功率谱的积分成正比而电生理信号倾向于在20–50Hz范围内发生枢转。更直观地说当非周期性活动趋于平坦时处于最低频段的功率(该频段功率呈指数级增高因而在时域中贡献的方差更大)随之下降。因此尽管较高频段的功率亦有所增加但其在时域中所对应的峰-峰电压波动幅度相对要小得多从而导致了神经变异性的降低。这一现象可在模拟中得到清晰展示(图3)。此处对神经场电位进行了100个试次的模拟。在每个试次中信号在0s时刻表现出非周期性指数的突变(图3a)。平均指数从1.5变为1.0同时平均试次间变异性从1.0变为0.6(图3b、c)。在一系列非周期性指数取值范围内重复该模拟结果显示非周期性指数与试次间变异性之间呈现完全单调的反比关系(图3d)。图3.试次间变异性与非周期性指数之间的关系。此外本文认为其他几种测量指标如多尺度熵与Lempel–Ziv复杂度其所捕捉的动态与非周期性活动高度重叠甚至可能完全相同。近期几项旨在系统比较这些测量指标之间关系的研究亦证实了这一点。在其中一项研究中我们将多种分析方法——包括自相关测量、频谱测量、去趋势波动分析以及分形维数、复杂度和熵的多种度量——应用于模拟神经数据和实证神经数据结果发现这些方法在相当程度上捕捉了相同的信号特征。在另一项研究中我们采用了更大规模的数据驱动策略在一个大型MEG数据集中考察了超6800个时间序列特征并揭示出这些时间序列特征主要捕获的是功率谱参数或时间尺度参数。更为重要的是这些时间尺度参数遵循皮层微架构的梯度包括基因表达模式以及神经递质受体和转运蛋白的密度。进一步将这些信号统计量与底层的生理过程和行为表现相关联将有助于阐明它们在认知与疾病研究中的效用。对非周期性活动的另一种解释是自组织临界性。这一普遍原理已被应用于除大脑以外的其他同样表现出类1/f噪声的物理系统。在该理论框架下一个具有扩展自由度的动力学系统将自然演化至一个以幂律标度为特征的最小稳定吸引子状态。就电生理学而言研究者们认为大脑动态地形成了一个由相互连接的子网络构成的网络因此施加于系统的任何扰动均会在所有空间尺度上通过网络传播进而导致具有1/f频谱特性的时间波动。然而这一解释与神经功率谱的实际特征并不相符后者通常具备一个与生理过程密切相关的特征时间尺度(即拐点一种自相关)。自组织临界性解释所面临的另一个挑战在于临界性表征的是一个对扰动极为敏感的不稳定点而大脑尽管持续受到感觉输入等扰动却始终展现出稳健的非周期性动力学特征。基于这些不一致性本文认为神经场电位的类1/f性质本身并不能作为判定自组织临界性的指标。值得一提的是已有研究描述了其他一些非振荡性的神经动力学过程这些过程不一定属于非周期性活动的范畴。非周期性活动不同于事件相关电位(ERP)等瞬态信号。然而ERP同样可能对场电位的频谱形态有所影响从而潜在地混淆对非周期性活动的测量。因此在对非周期性活动进行事件相关分析时必须谨慎并检查ERP是否存在任何潜在的频谱污染因为ERP通常会对低频频谱功率产生影响。非周期性活动的功能非周期性活动与认知越来越多的证据表明非周期性活动在多种认知任务中均具有功能相关性。在一项早期研究中我们基于稳态诱发电位这一特定类型的ERP进行了拓展——稳态诱发电位是指以特定频率呈现的节律性刺激(通常为闪烁光或节律性声音)在该频率上引发神经振荡或至少引发节律性ERP。结果显示大脑活动与感觉刺激之间的这种时间对齐并不局限于周期性刺激而是延伸至具有类1/f特性的视觉与听觉刺激。EEG信号的谱指数与各自感觉皮层中视觉及听觉幅度调制噪声的谱指数呈现同步变化。该效应受到注意的调制并且能够预测行为表现。随着非周期性分析方法的日益普及研究者们竞相探究非周期性活动在哪些条件和状态下存在差异。许多其他研究同样表明非周期性活动受注意调制且与行为表现相关然而非周期性测量指标与注意之间并无清晰的映射关系。二者间的确切关系似乎取决于具体任务、参与者年龄甚至参与者的受教育程度。然而在以单试次为单位测量非周期性活动的研究中一个一致的发现是刺激呈现前时段内较高的非周期性指数(即较陡峭的频谱)与更高的错误率相关。我们关于非周期性动态的首项研究表明年轻人和老年人的非周期性指数存在显著差异老年人表现出更平坦的频谱。当时我们从“神经噪声”的角度对此进行了解读因为更平坦的频谱更类似于白噪声功率谱而后者恰源自时间上不相关的时间序列数据。更近期的研究表明工作记忆准确性也与iEEG的非周期性指数和时间尺度相关。在受试者执行视觉空间工作记忆任务时所记录的iEEG中所有被分析脑区(包括顶叶、前额叶皮层、眶额皮层和内侧颞叶)的非周期性活动时间尺度在延迟期均比基线期长约20%。此外前额叶皮层时间尺度的事件相关扩展与更优的工作记忆表现相关。这些发现表明非周期性活动在工作记忆中具有功能性作用。针对认知任务期间非周期性活动的时间动态特性大众的研究兴趣也日益增长。相关研究表明存在独立于振荡和ERP的任务相关非周期性活动调制。在感觉运动任务的感觉与运动反应阶段、记忆编码阶段以及后续记忆任务阶段iEEG中的非周期性指数均表现出下降。此外在工作记忆任务中非周期性活动能够以区别于振荡的动态模式编码空间位置。这些发现证明非周期性活动是一个动态过程在行为与认知的时间尺度上具有功能性意义。通过非周期性动力学的通信对非周期性动力学的机制解释仍是一个悬而未决的问题。尽管我们常将ERP和振荡等神经信号用作认知的生物标志物但它们在信息处理中的机制性作用同样尚无定论。将非周期性活动视为一种功能相关的信号将有助于我们将其动力学从那些常与之混淆的其他特征中分离出来。鉴于现实世界中绝大多数听觉与视觉刺激本质上是异步的且各自具有不同的时间与空间自相关结构它们以非周期性但具有自相关的方式驱动皮层活动便不足为奇。这与具有特定特征频率的视觉刺激或如光栅与Gabor斑块等“空间振荡”能够引发视觉皮层振荡的情形颇为相似。我们认为神经信号中强烈的非周期性自相关实际上增加了两个区域之间产生关联的几率。尽管这或许有违直觉但一个确凿的统计学事实是任意两个各自具有自相关结构的随机信号即使彼此独立也会随着其自相关的增加而变得越来越相关。沿着这些思路Wolff等人(2022)提出跨模态普遍存在的内源性神经元时间尺度层级对于感觉输入如何进行分离与时间整合至关重要。在此我们基于非周期性活动反映群体突触后时间尺度这一假设进一步拓展了上述观点但同时将“内源性”假设更新为神经元时间尺度具有功能动态性并由聚合的突触后驱动所决定。以阐释神经振荡功能角色的“通过相干性实现通信”这一基础假说为出发点我们认为一个神经群体的时间自相关可根据其接收输入的性质而发生暂时性的扩展或收缩。当突触后驱动由较长时间尺度的输入主导时远距离脑区之间的相关结构随之增强进而促进了区域间的网络通信。在“通过非周期性动力学实现通信”假说框架下当脑区从由较快的兴奋性谷氨酸能输入所驱动的短时间尺度动态转向由较慢的兴奋性NMDA电流或神经调质影响所主导的长时间尺度动态时群体自相关的增强会放大其与其他具有相似高自相关水平的脑区之间的相关性。这一现象可能通过增强共享的相关结构潜在地协调脑区间的信息传递。由较慢时间尺度主导的群体活动即便在没有任何振荡活动的情形下也会呈现类似于“慢波”的形态。发育与衰老中的非周期性活动非周期性活动在发育与衰老进程中亦被广泛认为具有重要意义。强有力的证据表明非周期性活动的变化可能构成年龄相关认知衰退的生理基础。多项研究一致报告成年期的EEG频谱随年龄增长而逐渐趋于平坦。此外这些变化已被证实与认知功能相关联例如非周期性活动中与年龄相关的差异已被发现与空间注意任务中的反应变异性及视觉工作记忆任务中的准确性存在关联。尽管也有研究未发现非周期性活动与年龄之间的直接关联但该研究确实证实了非周期性活动与认知表现之间的显著相关性。尽管非周期性活动中年龄相关的变化已得到广泛验证Schmidt等人(2024)却指出此类变化可能至少在一定程度上反映了心脏活动的变化。M/EEG与ECG的频谱均随年龄增长而趋于平坦但M/EEG研究中却极少对ECG的影响进行校正。作者发现以心脏来源而非神经来源来解释M/EEG中非周期性活动的年龄相关差异更具说服力。然而不同记录位点及频率范围之间结果的差异使该领域的研究变得复杂化。其中EEG指数(尤其是在低频范围内)与心率变异性指标存在关联。重要的是即便通过独立成分分析进行校正处理之后ECG活动依然会残留在M/EEG信号当中。借助独立成分分析作者进一步揭示谱指数的变化在MEG的ECG相关成分中比在原始MEG或移除这些成分后的MEG中更为常见。这一发现有力地推动了关于大脑与心脏活动之间关系的进一步探索。关于非周期性活动与发育之间关系的研究在结果上存在一定程度的不一致性且难以解读其原因在于各研究之间在年龄范围及年龄测量方式上存在差异。我们报告了发育早期(1–7个月)EEG指数逐渐平坦化的现象而Chini等人(2022)则发现了陡峭化(0–2周龄)Witteveen等人(2023)报告无变化(足月儿0–4月龄)McSweeney等人(2023)则显示儿童期(4–11岁)非周期性活动呈现二次曲线变化。因此未来需要在典型发育儿童的大样本人群中开展更多纵向研究以进一步厘清我们对非周期性活动在整个发育过程中的认识。非周期性活动的临床相关性最后非周期性活动或可作为疾病状态的一种具有重要价值的生物标志物。然而各项研究间结果的不一致性使结果解读面临巨大挑战。近期一篇综述探讨了非周期性神经活动的临床相关性并着重指出非周期性活动已在至少35种不同临床诊断的背景下被研究包括帕金森病、注意缺陷多动障碍、自闭症、阿尔茨海默病、意识障碍、抑郁症以及精神分裂症。在这些诊断类别中将非周期性活动与帕金森病、癫痫和意识障碍联系起来的研究在各项发表成果间表现出最高的一致性。在针对帕金森病确诊个体与对照个体进行非周期性指数组间比较的研究中80%的研究报告了非周期性指数升高(即频谱更陡峭)。癫痫领域的相关研究一致将更高的非周期性指数与癫痫活动及致痫灶联系起来。意识障碍领域的研究则普遍将非周期性指数的升高与病理状态相关联。该综述强调了可能导致上述差异的诸多细微因素但与关于非周期性活动功能相关性的研究情况相似未来仍需开展更多工作以阐明非周期性活动的确切作用。结语近年来的方法学发展激发了人们对非周期性神经活动、其生理发生源及其潜在临床和功能重要性的研究兴趣。非周期性活动——神经场电位中不规则的、非振荡性的波动——具有多种发生源但主要反映跨神经元群体的异步突触后电位。目前已有多种方法被开发用于测量非周期性活动包括频谱参数化和IRASA两者均分析EEG/LFP记录的功率谱。借助这些方法研究者们正逐步揭示非周期性活动的功能角色及其生理基础(有待解答的问题见专栏2)。电生理学研究历来强调神经振荡及其在认知和疾病中的作用。本文着重介绍了近期的实证结果这些发现揭示了非周期性活动中存在独立于振荡的事件相关和刺激驱动的变化。鉴于已有大量证据表明非周期性活动具有动态性且与任务相关我们认为几乎所有既往的EEG和LFP研究都混淆了神经振荡与非周期性活动这使人质疑哪些结果反映的是真实的振荡哪些反映的是非周期性活动。这一混淆的根源在于一个谬误的假设即某一频段内的任何功率都必然意味着该频率处存在振荡此即所谓的“傅里叶谬误”。我们并非认为振荡不具有功能性和任务相关性。相反我们坚定地认为有必要对那些经典的研究结果进行重新审视与重新评估因为那些结果对所谓振荡的功能与生理意义所作的论断并未将非周期性动力学纳入考量。究其根本在大量未考虑非周期性活动的现存振荡文献中其研究结果无法被确切地、仅归因于振荡过程。专栏2亟待解答的问题非周期性活动的生成机制究竟是什么计算建模为非周期性活动的潜在生成机制提供了洞见。实证证据支持在特定条件下非周期性指数可反映兴奋-抑制平衡这一模型然而仍有许多神经和非神经过程共同作用于神经场电位的形成。未来需要开展更多工作以厘清这些不同过程的相对贡献包括钙峰、神经调质电流、放电活动、同步性以及非神经元噪声源等因素。量化非周期性活动的最佳方法是什么目前已有多种测量非周期性活动的方法包括不规则重采样自谱分析(IRASA)与频谱参数化但每种方法皆有其固有的优势与局限性。针对频谱参数化的局限性已有研究提出了相应的改进方案同时也涌现出一些融合了IRASA与频谱参数化二者优势的新兴方法。频谱参数化领域一个颇具前景的发展方向是实现超参数调节的自动化以减少人工干预。未来的研究应着力探讨在这类方法中究竟哪一种对生理现象与行为表现具有最高的解释效力。量化非周期性活动的适宜时间尺度是什么迄今为止大多数研究测量了静息态或较长任务时段内的非周期性活动然而近期一些研究已开始探索具有时间分辨特性的非周期性活动估计。这一新兴研究领域表明非周期性活动在任务期间于行为和认知的时间尺度上被动态调制。未来该领域的研究有望深化我们对非周期性活动功能角色的理解。非周期性动力学是否通过类似于“通过非周期性动力学进行通信”这样的过程在神经通信和计算中发挥功能性作用许多具有影响力的神经通信理论——例如通过相干性实现通信、通过同步性实现绑定以及跨频率耦合——强调了神经振荡的功能角色然而非周期性活动尚未被整合进这些理论框架之中。鉴于非周期性动力学与振荡动力学在时间和空间上重叠将非周期性活动的相关理论纳入这些框架或将提升其解释效力。参考文献Preston, M., Smith, S. Voytek, B. Potential mechanisms and functional significance of aperiodic neural activity. Nat Hum Behav (2026). https://doi.org/10.1038/s41562-026-02503-7