Расшифровка нефаз: Нефаз автобус и его маркировка

Содержание

Нефаз автобус и его маркировка

26.02.2013

В верхней части салона нефаз автобус за водительской перегородкой расположена табличка изготовителя, которая содержит товарный знак производства, модель двигателя, номерное обозначение  шасси, VIN идентификационный номер, содержащий:

 

  • Трехзначный международный идентификационный код производства — «X1F»;
  • Краткое описание (VDS, 6-ти символов), состоит которая из условного кода модели транспорта;
  • Часть указывающую (VIS, 8 символов) на год выпуска (1 символ) и порядковый номер транспорта (7 симв.).
  • Каждая модель Нефаз автобус в зоне кузова в нескольких разных местах имеет пробивку VIN: одна из которых находится на пластине, она приварена к поперечному участку шасси рядом с люком ДЗК, другая — находится на пластине мотоотсека, также приварена к правой боковине трубы каркаса.

Символ соответствия согласно ГОСТ Р50460-92, он содержит номерной знак Одобрения классификатора транспорта, который производителем нанесен на табличку.

 

Нефаз автобус и каждая модель данного бренда сертифицирована согласно с «Правилами проведения работ в структуре сертификации механической автотехники и прицепов».

 

Маркировочные элементы на двигателях и шасси НЕФA3

 

Двигатели маркируются согласно правилам ГОСТ 37.001.269-96. В зоне запасного колеса техники на балке каркаса у основания шасси имеется заводская табличка, включающая:

  • Описание -VDS из 6 символов, выполненное из примерного кода представителя модельного ряда шасси;
  • Указание – VIS из 8 символов, его код содержит — года выпуска из 1 символа и порядкового номера на производстве шасси из 7 символов.

Также, каждый мотор имеет маркировку, наносящуюся на блоке цилиндров в правой стороне на передней зоны двигателя. Маркировочные элементы содержат код по году изготовления, а также порядковый номер двигателя. Маркировочные элементы наносятся на производстве ударной методикой.

На табличке, расположенной в левой воздушной зоне коллектора расположен товарный номер завода-изготовителя, информация о сертификации, а также и модели двигателя.

 

Модель ТНВД с датой его выпуска набиваются изготовителем на табличке, которая крепится к насосному корпусу в левой части. Порядковый номер ТНВД находится в участке заднего торца насосного корпуса в правой части.

 


← все новости

8.1. Автобусы отечественные и стран СНГ / КонсультантПлюс

Модель, марка, модификация автомобиля

Транспортная норма, л/100 км

Топлива

1

2

3

АКА-5225 «Россиянин» (гор. 120 мест)

(ОМ 447 hA.11-6L-11,697-250-4A)

44,4

Д

АКА-6226 «Россиянин» (гор. 175 мест)

(ОМ 447 hA.11-6L-11,697-250-4A)

57,0

Д

АТС-3285 (14 мест) (ЗМЗ-40260F-4L-2,445-100-5M)

16,3

Б

Волжанин-5270 (гор. 100 мест) (MAN -6L-6,87-230-6M)

34,8

Д

Волжанин-5270.02 (приг. 75 мест)

(ЯМЗ-236 HE-6V-11,15-230-5M)

39,5

Д

Волжанин-5270.12 (м/г 42 места)

(ЯМЗ-236 HE-6V-11,15-230-5M)

32,3

Д

Волжанин-52701 (гор. 100 мест)

(ЯМЗ-236 HE-5-6L-11,15-230-5M)

40,0

Д

Волжанин-528501 (пригор. 49 мест)

(Scania DSC913-6L-8,97-310-7M)

35,8

Д

Волжанин-528501 (м/гор. 49 мест)

(Scania DSC913-6L-8,97-310-7M)

30,1

Д

Волжанин-6270 (гор. 145 мест) (Scania-6L-8,97-310- 5A)

47,3

Д

Волжанин-6270 (пригор. 160 мест) (Scania-6L-8,97- 230-4A)

41,5

Д

ГАЗ-221400 «Газель» (14 мест) (ЗМЗ-4026.10-4L- 2,445-100-5M)

17,0

Б

ГАЗ-221400 «Газель» (14 мест) (ЗМЗ-4026.10-4L- 2,445-100-4M)

17,5

Б

ГАЗ-2217 (6 мест) (ЗМЗ-40630Д-4L-2,3-98-5M)

13,3

Б

ГАЗ-2217 «Баргузин» (6 мест) (ЗМЗ-40620F-4L-2,3-150 5M)

13,3

Б

ГАЗ-2217 «Баргузин» (6 мест) (ЗМЗ-4063Д-4L-2,3-110- 5M)

14,1

Б

ГАЗ-2217-5 (11 мест) (ЗМЗ-40630C-4L-2,3-98-5M)

14,0

Б

ГАЗ-22171 (7 мест) (ЗМЗ-40522A-4L-2,464-140-5M)

14,3

Б

ГАЗ-22171 «Соболь» (7 мест) (ЗМЗ-4063-4L-2,3-110- 4M)

10,2

Б

ГАЗ-22171-0 «Соболь» (7 мест) (ЗМЗ-4063-4L-2,3- 110-4M)

16,7

Б

ГАЗ-22175 «Баргузин» (11 мест) (ЗМЗ-4063-4L-2,3- 110-5M)

14,5

Б

ГАЗ-22177 (7 мест) (ЗМЗ-40630C-4L-2,3-98-5M)

15,6

Б

ГАЗ-3221 (9 мест) (УМЗ-4215-4L-2,89-96-5М)

17,4

Б

ГАЗ-3221 (9 мест) (ЗМЗ-4063-4L-2,3-110-5M)

16,5

Б

ГАЗ-3221 «Газель» (9 мест) (ЗМЗ-4025. 10-4L-2,445- 90-4M)

18,8

Б

ГАЗ-3221 «Газель» (9 мест) (ЗМЗ-4025.10-4L-2,445- 90-5M)

17,9

Б

ГАЗ-3221 «Газель» (9 мест) (ЗМЗ-4026.10-4L-2,445- 100-4M)

17,9

Б

ГАЗ-3221 «Газель» (9 мест) (ЗМЗ-4026.10-4L-2,445- 100-5M)

16,9

Б

ГАЗ-32213 (13 мест) (ЗМЗ-406300-4L-2,3-110-5M)

16,4

Б

ГАЗ-32213 (13 мест) (ГАЗ-560-4L-2,134-95-5M)

11,8

Д

ГАЗ-32213 «Газель» (13 мест) (ЗМЗ-4026.10-4L-2,445- 100-5M)

16,9

Б

ГАЗ-32213 Дизель Turbo (13 мест) (Iveco-4L-2,449- 103-5M)

11,0

Д

ГАЗ-322132 (13 мест) (ЗМЗ-40630A-4L-2,3-98-5M)

16,2

Б

ГАЗ-322132 (13 мест) (ЗМЗ-405220-4L-2,464-145-5M)

15,8

Б

ГАЗ-322132 (13 мест) (ЗМЗ-40522Д-4L-2,464-140-5M)

15,5

Б

ГАЗ-322132 (13 мест) (УМЗ-4215СР-4L-2,89-96-5M)

17,6

Б

ГАЗ-322132 (14 мест) (УМЗ-4215С-4L-2,89-110-5M)

17,9

Б

ГАЗ-322173 (14 мест) (ЗМЗ-4063. 10-4L-2,3-110-5M)

18,2

Б

ГолАЗ-4242 (вед. 32 места) (ЯМЗ-236А-6V-5,29-195- 9M)

31,0

Д

ГолАЗ-52911 (турист. 48 мест) (Scania DS913-6L- 8,97-310-8M)

31,1

Д

ГолАЗ-52911-0000011 «Круиз» (м/г 48 мест)

(Scania DS913-6L-8,97-310-8M)

28,4

Д

ГолАЗ-6228 (гор. 142 места) (Scania DS903-6L-8,97- 300-5M ZF)

46,1

Д

ЗИЛ-325000 (вед. 22 места) (Д-245.12-4L-4,75-109-5M)

19,3

Д

ЗИЛ-325010 (гор. 22 места) (Д-245.12-4L-4,75-109-5M)

18,7

Д

КАВЗ-324400 (приг. 27 мест) (Д-245.12-4L-4,75-109-5M)

18,0

Д

КАВЗ-3270, -327001, -3271

30,0

Б *

КАВЗ-3976 (28 мест) ((ЗМЗ-511. 10-8V-4,25-120-4M)

30,0

Б

КАВЗ-39762С (вед. 20 мест) (ЗМЗ-51300-8V-4,25-125- 4M)

30,7

Б

КАВЗ-39765 (ЗМЗ-511.10-8V-4,25-120-4M)

32,5

Б

ЛАЗ-4202

35,0

Д *

ЛАЗ-42021

33,0

Д *

ЛАЗ-52073 (м/г) (Renault-6L-6,18-226-6M)

24,5

Д

ЛАЗ-52523 (гор. 120 мест) (ЯМЗ-236M-6V-11,15-180- 5M)

37,2

Д

ЛАЗ-52523 (Renault-6L-6,177-223-6M)

33,0

Д

ЛАЗ-6205 (гор.) (Renault-6L-6,18-226-6M)

47,5

Д

ЛАЗ-695 (мод. Б, -Е, -Ж, -М, -Н)

41,0

Б *

ЛАЗ-695 (с дв. ЗИЛ-375), -695Н (с дв. ЗИЛ-375.01)

44,0

Б *

ЛАЗ-695Д-11 (вед. 34 места) (Д-245.9-4L-4,75-136- 5M)

27,0

Д

ЛАЗ-697 (с дв. ЗИЛ-375)

43,0

Б *

ЛАЗ-697, -697Е, -697М, -697Н, -697Р

40,0

Б *

ЛАЗ-699, -699А, -699Н, -699Р

43,0

Б *

ЛАЗ-699Р (м/г 41 мест) (ЯМЗ-236М2-6L-11,15-180-5M)

28,1

Д *

ЛиАЗ-5256, -52564

46,0

Д

ЛиАЗ-5256 (гор. 114 мест) (КамАЗ-740.8-8V-10,85- 195-5M)

35,6

Д

ЛиАЗ-5256 (гор. 117 мест) (КамАЗ-7408.10-8V-10,85- 195-3гидр)

46,0

Д

ЛиАЗ-5256 М (м/г 41 место) (Cummins-6L-10,0-326-6M)

22,5

Д

ЛиАЗ-5256 НП (гор. 130 мест)

(RABA D10 UTS 150-6L-10,35-280-6M)

35,0

Д

ЛиАЗ-5256 ЯАЗ, -5267 (гор. 130 мест) (RABA-MAN-6L-10,35-258-6M)

35,5

Д

ЛиАЗ-5256.25 (гор. 117 мест) (Caterpillar-6L-6,6- 234-6M)

34,2

Д

ЛиАЗ-5256.25 (гор. 117 мест) (Caterpillar-6L-6,6- 234-3A)

39,8

Д

ЛиАЗ-525610 (гор. 117 мест)

(MAN D 0826 LOH-6L-6,59-230-5A)

36,1

Д

ЛиАЗ-525616 (гор. 117 мест) (OM 441-6V-11,3-224-6M)

32,5

Д

ЛиАЗ-525617 (гор. 117 мест) (Cummins-6L-8,27-242- 6M)

30,6

Д

ЛиАЗ-525625 (вед. 49 мест) (Caterpillar-6L-6,6-234- 6M)

31,2

Д

ЛиАЗ-525645-01 (пригор. 94 места) (КамАЗ-740.31-8V-10,85-240-5M)

35,0

Д

ЛиАЗ-52565-БК БАРЗ (приг. 87 мест) (Cummins-6L-8,3- 243-6M)

27,0

Д

ЛиАЗ-52567 (гор.) (КамАЗ-7408.10-8V-10,85-195-3A)

37,4

Д

ЛиАЗ-6240 СВАРЗ (гор. сочл. 204 места)

(Алтай Дизель-6L-11,15-192-6M)

45,5

Д

ЛиАЗ-677 (гор. 110 мест) (ЗИЛ-645-8V-8,74-185-2A)

42,0

Д

ЛиАЗ-677, -677А, -677Б, -677В, -677М, -677МБ, — 677МС, -677П

54,0

Б *

ЛиАЗ-677Г

67,0

СНГ

ЛиАЗ-677М (пригор. 88 места) (ЗИЛ-375Я7-8V-7,0-180- 5M)

58,0

Д

МАЗ-103 (гор. 95 мест) (Renault-6L-6,174-250-6M)

37,7

Д

МАЗ-103-075 (гор. 96 мест) (Deutz-6L-7,146-237-3A voith)

40,9

Д

МАЗ-104.031 (гор. 120 мест) (ЯМЗ-236М2-6V-11,15- 180-5M)

41,5

Д

МАЗ-105-060 (гор. 150 мест) (ОМ-906LA-6L-6,374-279- 3A voith)

47,5

Д

МАРЗ-42191 (гор. 78 мест) (ЯМЗ-236 HE-6V-11,15-230- 5M)

38,7

Д

МАРЗ-5266 (пригор. 75 мест) (ЯМЗ-236 HE-6V-11,15- 230-5M)

38,3

Д

МАРЗ-52661 (гор. 104 места) (ЯМЗ-236 HE-6V-11,15- 230-5M)

41,2

Д

МАРЗ-52661 (гор. 111 мест) (ЯМЗ-236М2-6V-11,15-180- 5M)

40,4

Д

НефАЗ-4208-03 (30 мест) (КамАЗ-740.11-8V-10,85-240- 10M)

29,6

Д

НефАЗ-42111-1 (вед. 28 мест) (КамАЗ-740.11-8V-10,85-240-5M)

31,2

Д

НефАЗ-5299 (гор. 114 мест) (КамАЗ-740.11-8V-10,85- 240-5M)

37,1

Д

НефАЗ-5299-0000010-16 (пригор. 77 мест) (КамАЗ-740.31-8V-10,85-240-5M)

35,4

Д

НефАЗ-5299-0000010-17 (м/г 53 места) (КамАЗ-740.31-8V-10,85-240-5M)

29,3

Д

НефАЗ-5299-20-15 (гор. 114 мест) (КамАЗ-740.31-8V-10,85-240-3A Voith)

39,6

Д

НефАЗ-5299-20-15 (пригор. 50 мест) (КамАЗ-740.31-8V-10,85-240-3A Voith)

32,5

Д

НефАЗ-5299-20-22 (гор. 114 мест) (Cummins-6L-5,9-250-3A Voith)

39,2

Д

«Витязь» Mercedes-Benz 0303AKA-15RHD

(ОМ 442A-8V-14,6-365-6M)

28,3

Д

«Лидер» Mercedes-Benz 0303AKA-15RHS

(ОМ 442-8V-15,078-296-6M)

30,2

Д

«Стайер» Mercedes-Benz 0303AKA-15KHP/A

(ОМ 442-8V-15,078-296-6M)

25,4

Д

ПАЗ-3201, -3201С, -320101

36,0

Б *

ПАЗ-3205, -32051 (с дв. ЗМЗ-672-11)

34,0

Б *

ПАЗ-3205 (пригор. 37 мест) (ЗМЗ-5112.10-8V-4,25-125-4M)

31,2

Б

ПАЗ-3205 (пригор. 37 мест) (ЗМЗ-5234.10-8V-4,67-130-4M)

32,0

Б

ПАЗ-3205-70 (пригор.) (Д-245.7-4L-4,75-122,4-5M)

20,9

Д

ПАЗ-32051 (м/г 42 места) (ЗМЗ-5112.10-8V-4,25-125- 4M)

29,0

Б

ПАЗ-32051 (м/г 42 места) (ЗМЗ-5234.10-8V-4,67-130- 4M)

29,8

Б

ПАЗ-32053 (вед. 16 мест, АИ-80) (ЗМЗ-523400-8V- 4,67-130-4M)

31,6

Б

ПАЗ-32053 (вед. 16 мест, АИ-92) (ЗМЗ-523400-8V- 4,67-130-4M)

30,3

Б

ПАЗ-32053-07 (гор. 37 мест) (Д-245. 9-4L-4,75-136-5M)

24,4

Д

ПАЗ-32053R (пригор. 37 мест) (Д-245.7-4L-4,75-122- 5M)

23,2

Д

ПАЗ-32054 (гор. 38 мест) (ЗМЗ-5234.10-8V-4,67-130- 4M)

35,4

Б

ПАЗ-320540 (м/г 41 место) (ЗМЗ-523400-8V-4,67-130- 4M)

29,9

Б

ПАЗ-3206 (с дв. ЗМЗ-672-11)

36,0

Б *

ПАЗ-3206 (пригор. 29 мест) (ЗМЗ-5112.10-8V-4,25-125-4M)

32,1

Б

ПАЗ-3206 (пригор. 29 мест) (ЗМЗ-5234.10-8V-4,67-130-4M)

33,0

Б

ПАЗ-3237 (гор. 55 мест) (Cummins-4L-3,92-140-5A Allison)

28,5

Д

ПАЗ-4230-02 «Аврора» (м/г 32 места) (Д-245.9-4L- 4,75-136-5M)

24,2

Д

ПАЗ-4230-03 «Аврора» (вед. 27 мест) (Д-245.9-4L- 4,75-136-5M)

25,6

Д

ПАЗ-4230-03 (гор. 56 мест) (Д-245.9-4L-4,75-136-5M)

26,7

Д

ПАЗ-4234 (пригор. 50 мест) (Д-245.9-4L-4,75-136-5M)

23,9

Д

ПАЗ-423400 (вед. 50 мест) (Д-245.9-4L-4,75-136-4M)

24,6

Д

ПАЗ-5272 (гор. 104 места) (КаМА3-740.11-8V-10,85- 240-5M)

36,5

Д

ПАЗ-5272 (вед. 43 места) (КамАЗ-740.11-8V-10, 85-240-5M)

32,4

Д

ПАЗ-672, -672А, -672Г, -672М, -672С, -672У, -672Ю

34,0

Б *

Псковавто 221400 (8 мест) (ЗМЗ-4026.10-4L-2,448 -100-5M)

16,5

Б

Псковавто 221400 (14 мест) (ЗМЗ-4026. 10-4L-2,448-100-4M)

17,0

Б

РАФ-2203, -220301, -2231, -22031-01, -22032, -22035-01

15,0

Б *

РАФ-220302

18,0

СНГ *

РАФ-22038-02, -22039 (4L-2,445-100-4M)

14,5

Б

РАФ-2925 (4L-2,445-100-4M)

14,5

Б

Б РАФ-977, -977Д, -977ДМ, -977Е, -977ЕМ, -977Н, -977НМ, -977К

15,0

Б *

САРЗ-3976 (ЗМЗ-511.10-8V-4,25-120-4M)

30,0

Б

СЕМАР-3234-32 (15 мест) (ЗМЗ-40630A-4L-2,3-98-5M)

16,7

Б

СЕМАР-323400 (13 мест) (ЗМЗ-4026.10-4L-2,445 -100-5M)

17,7

Б

УАЗ-2206 (11 мест) (ЗМЗ-40210L-4L-2,445-100-4M)

16,5

Б

УАЗ-2206 (11 мест) (УМЗ-4178-4L-2,445-92-4M)

17,2

Б

УАЗ-220601

17,0

Б *

УАЗ-220602

22,0

СНГ *

УАЗ-220602 (11 мест) (ЗМЗ-40210L-4L-2,445-74-4M)

16,3

Б

УАЗ-22069 (11 мест) (УМЗ-4218. 10-4L-2,89-98-4M)

16,8

Б

УАЗ-220694 (11 мест) (УМЗ-42130Н-4L-2,89-104-4M)

15,3

Б

УАЗ-3741АЗ (11 мест) (ЗМЗ-40210L-4L-2,445-75-4M)

16,6

Б

УАЗ-452 (мод. А, -АС, -В)

17,0

Б *

ЯАЗ-5267(6L-10,35-258-6M)

34,0

Д

ЯАЗ-6211

50,6

Д

ЯрЛИ. О компании

Версия для печати

«Научно-производственная компания ЯрЛИ» (ЗАО «НПК ЯрЛИ») создана в 1958 г. как филиал Государственного научно-исследовательского и проектного института лакокрасочной промышленности (ГИПИ ЛКП) г. Москва. В 1991 г. институт получил статус самостоятельной организации.

С 90-х годов компания разрабатывает и производит лакокрасочные материалы (ЛКМ) для различных отраслей промышленности.

Строительство новых и техническое перевооружение существующих технологических комплексов, использование высокопроизводительного оборудования, развитие научной базы позволяет компании занимать лидирующие позиции на рынке лакокрасочных материалов индустриального назначения в России.

Сегодня российский рынок индустриальных ЛКМ оценивается в 420 тыс. тонн, из которых 40% занимает импорт, остальные 60% — это отечественное производство, при этом 28 тыс. тонн выпускает ЗАО «НПК ЯрЛИ» (примерно 7 % от общего объема потребления).

Одно из приоритетных направлений деятельности компании — производство ЛКМ для окраски рулонного металла валковым методом. Эта технология обладает многими преимуществами по сравнению с нанесением покрытий на отдельные изделия:

  • получение высококачественных покрытий
  • низкие энергозатраты
  • хорошая автоматизация производства
  • сокращение расходов и минимизация негативного воздействия процесса окраски на окружающую среду

В строительстве используется 70% окрашенного рулонного металла с полимерным покрытием, наносимым валковым методом, в автомобильной промышленности — 10%, в производстве бытовой техники — 7%, а также в других отраслях. До 2005 г. ЛКМ для окраски рулонного металла полностью импортировали в Россию, сейчас ЗАО «НПК ЯрЛИ» занимает 15- 20% в общей структуре таких заказов.

Среди перспективных направлений развития производства: водоразбавляемые индустриальные противокоррозионные ЛКМ, УФ-отверждаемые пигментированные эмали по металлу, ЛКМ с низким содержанием органических растворителей для однослойных покрытий, ЛКМ, наносимые методом электрофореза (катафорез, анафорез), NIR-отверждаемые индустриальные ЛКМ, химстойкие ЛКМ с 100% содержанием нелетучих веществ.

ЗАО «НПК ЯрЛИ» имеет современное оборудование для испытаний ЛКМ и покрытий в соответствии с ГОСТ, ISO, EN, DIN, ASTM и др.

Система менеджмента качества распространяется на разработку и производство ЛКМ и сертифицирована на соответствие требованиям стандарта ГОСТ Р ИСО 9001-2015.

ЗАО «НПК ЯрЛИ» член технического комитета по стандартизации МТК 195 «Материалы и покрытия лакокрасочные» и участвует в разработке межгосударственных и национальных стандартов на ЛКМ и методы испытаний.

Большое внимание уделяется сотрудничеству с профессиональными ассоциациями. Компания входит в состав крупнейших отраслевых международных организаций: ЕССА (Европейская Ассоциация Производителей Окрашенного Рулонного Металла), FATIPEC (Федерация Ассоциации Технических Специалистов Лакокрасочников Континентальной Европы).

На сегодняшний день число сотрудников компании более 600 человек, из них 13 человек имеют ученую степень, более 200 — высшее образование.

Возглавляет компанию генеральный директор Манеров Владимир Борисович, кандидат технических наук, заслуженный изобретатель Российской Федерации, почетный химик.

Участковый встал в позу – Коммерсантъ Санкт-Петербург

Смольнинский райсуд Санкт-Петербурга рассмотрел апелляционную жалобу участкового 76-го отдела полиции Арсена Магомедова на решение мирового суда N 270, ранее оправдавшего преподавателя йоги Дмитрия Угая. Дмитрий Угай был привлечен к административной ответственности за якобы незаконную миссионерскую деятельность, ответственность за которую вводили поправки из так называемого «пакета Ирины Яровой».

В поле зрения петербургских силовиков Дмитрий Угай попал благодаря письму неравнодушного горожанина Наиля Насибулина, известившего полицейских о предстоящем мероприятии. 22 октября преподаватель читал лекцию по просьбе организаторов фестиваля «Ведалайф», при этом, по словам самого йога, лекция носила светский характер и была основана на академических источниках, которые изучают на факультетах востоковедения. Дмитрий Угай утверждал, что никаких религиозных организаций не называл и не призывал слушателей принять участие в каких-либо обрядах.

Однако лекция была прервана участковым уполномоченным 76-го отдела полиции Арсеном Магомедовым, который усмотрел в мероприятии административное правонарушение по ч. 4 ст. 5.26 КоАП РФ («Осуществление миссионерской деятельности с нарушением требований законодательства»).

Как следует из протокола, Дмитрий Угай якобы выступал как представитель культурного центра кришнаитов «Шри Чайтанья Сарасват Матх» и «публично распространял информацию о вероучении «вайшнавизма». По мнению участкового, лектор пытался «вовлечь граждан в состав участников религиозного объединения».

Сам же преподаватель йоги увидел в административном протоколе «открытие возможностей к преследованию поклонников йоги или людей, изучающих индийскую философию». «Меня беспокоит наступление на гражданские свободы, на свободу вероисповедания», — высказал свои опасения господин Угай.

В мировом суде N 270 были заслушаны свидетели и сам участковый. Полицейский, прослушав часть лекции, сделал вывод, что «мужчина рассказывает о йоге как связи с богом». Однако привести конкретные цитаты из выступления составитель протокола не смог, поскольку не запомнил. Из слов свидетелей, которых силовик не смог назвать, Арсен Магомедов узнал название религиозной организации, название самого религиозного учения — вайшнавизм, а также сделал вывод о том, что Дмитрий Угай вовлекает слушателей в религиозное объединение.

Однако защитники йога проанализировали лекцию своего клиента, видеозапись которой доступна в интернете (как и текстовая расшифровка). И пришли к выводу об отсутствии признаков миссионерской деятельности в выступлении Дмитрия Угая: в его рассказе не упоминались ни религиозная организация, ни религиозное учение, он не вовлекал своих слушателей в деятельность религиозной организации, поскольку не называл ее, не давал ее адреса.

В итоге мировой суд согласился с доводами защиты и прекратил административное производство в связи с отсутствием состава правонарушения в действиях Угая.

Такое решение не устроило Арсена Магомедова, который обратился в Смольнинский райсуд с апелляционной жалобой. По мнению полицейского, в своем выступлении лектор делал акцент не на физическом аспекте, а на любви к богу. А любой словарь, как отметил силовик, трактует слово «бог» как высшее существо и неразрывно связанное с религией.

Впрочем, Смольнинский райсуд, изучивший представленные ему материалы, признал решение мирового суда законным и обоснованным и оставил его в силе, а жалобу полицейского без удовлетворения.

Дмитрий Маракулин

Перронные автобусы

Посредники между землёй и небом (Часть 1)

Олег Бодня
Фото автора, Максима Гольбрайхта, Олега Зиминова, Евгения Леонтьева, Андрея Михайлова, Артёма Михайлова, Алексея Рудзяка, Ивана Черныша, из архивов пресс-служб аэропорта «Киев» и выставки Busworld Europe, заводов-изготовителей и их дилеров

Мы обращаем на них внимание каждый раз, когда готовимся подняться в небо или, наоборот, возвращаемся на нашу грешную землю. Никакой религии: речь про перронные автобусы, специализирующиеся на перевозке больших групп пассажиров от терминала аэропорта до воздушного судна и обратно.

Первоначально функцию доставки пассажиров к самолётам осуществляли обычные автобусы. Такая практика существует в некоторых аэропортах и поныне. Однако в основном лётные гавани пользуются специализированным транспортом для перевозки авиапутешественников. Давайте разберёмся, каким именно и почему.

Нетривиальная задача

Первые перронные автобусы были выпущены немецкой компанией Neoplan в 1960 году. К тому времени гражданская авиация достигла того уровня, когда авиарейсы были поставлены на поток, площади аэропортов начали увеличиваться, и нужно было обеспечить быструю перевозку пассажиров крупного авиалайнера одной–двумя машинами с минимальными временными потерями. Для решения этой нетривиальной задачи конструкторы создали автобус необычной, по сути, революционной конструкции. Низкопольный (впервые в мире!), с ведущим передним мостом и задним портальным мостом, оснащённым колёсами небольшого диаметра.

Низкий уровень пола без ступенек, в том числе, в дверных проёмах – дал авиапассажирам с увесистой ручной кладью возможность быстро и безопасно заходить в автобус и покидать его. Плотная компоновка всех агрегатов в передней части кузова вместе с задним портальным мостом и минимальным числом сидений позволили создать пассажирский салон максимальной вместимости – до 80–100 человек, что как раз соответствовало числу мест в типовых узкофюзеляжных самолётах того времени. Автоматические двери расположили на левой стороне кузова: это помогло сэкономить время на манёврах при подъезде к воздушному судну.

Разработка немецких инженеров стала распространяться по аэропортам Германии, а потом и мира. Последовали доработки, улучшающие те или иные характеристики машин. Добавились двери по правому борту, позволившие аэродромным автобусам стать ещё более универсальными в плане выбора места для посадки-высадки пассажиров. Некоторые модели по заказу снабжались дверьми в торце кузова, что было по-своему удобно. «Перронники» начали расти как в длину, так и в ширину, что, с одной стороны, сделало их сверхвместительными. С другой – такие машины стали «персонами нон грата» на дорогах общего пользования и превратились в узкоспециализированный транспорт, не выезжающий за территорию аэропорта («Спасительная реверсивность»).

В 1980-х годах было создано несколько оригинальных транспортных средств, совмещающих функции перронного автобуса и посадочного трапа. Двухэтажный Neoplan N980 Galaxy Lounge был спроектирован в 1981 году по заказу Саудовской Аравии и обслуживал пассажиров в аэропорту города Джидда, экономической столицы страны. Вместимость гиганта составила 342 (!) пассажира, на комфорте не экономили: в двух пассажирских салонах были размещены 150 сидений. Автобус-рекордсмен имел длину 18 м, ширину 4,5 м, высоту 4,6 м. При этом выдвижной трап «Неоплана» поднимался до посадочного люка Boeing 747, расположенного на высоте 5,5 м. 27-тонный «перронник» приводился в движение дизельным двигателем мощностью 352 л. с.

Венгерский «Икарус» в 1983–1984 годах предложил новую схему обслуживания авиапассажиров, по которой путешественники прямо из гостиницы доставлялись к самолёту на специальных автобусах, снабжённых телескопическими трапами. Схема под названием PALT могла быть реализована с помощью четырёхосной полутораэтажной машины (Ikarus 692) либо с помощью трёхосного сочленённого двухэтажного автобуса (Ikarus 695), первый этаж которого был занят багажным отделением. Экспериментальные транспортные средства показали на нескольких выставках (в том числе на Венгерской выставке в Москве) и некоторое время проработали в аэропортах мира, но так и не стали серийной продукцией, как, впрочем, и единственный Neoplan Galaxy Lounge.

Кстати, именно с перронных автобусов низкий пол и портальные мосты «перекочевали» в обычный пассажирский транспорт и позволили радикально изменить отношение к нему как пассажиров, так и проектировщиков. Но это, как говорится, совсем другая история.

Автопоезд как символ советского аэропорта

В крупнейших аэропортах Советского Союза для доставки пассажиров в самолёты и обратно первоначально, по опыту ФРГ, использовали автопоезда «Рига», состоящие из микроавтобусов РАФ-980 и одного-двух прицепных вагончиков РАФ-979. В первой половине 1970-х им на смену пришли вместительные низкопольные полуприцепы АППА-4, ведомые седельным тягачом. Подобные полуприцепы в те годы выпускали мелкими сериями в Великобритании, Швейцарии, Испании, Франции, ФРГ, Польше и Кубе. Тогда же для аэропортов СССР была спроектирована модификация ликинского автобуса ЛиАЗ-677П с дверьми, расположенными по обе стороны кузова, однако всё ограничилось опытной партией из трёх экземпляров.

Основным предприятием по выпуску автомобильной техники для советских аэропортов в 1971 году стал опытный завод № 85 Гражданской авиации, размещавшийся в Риге. Именно на нём производились пассажирские полуприцепы АППА-4. Этот же завод был ответственным за изготовление машин с подъёмными кузовами (автолифтов), ленточных транспортёров, топливозаправщиков и другой специализированной аэродромной техники.

Довольно кустарный внешний вид был обусловлен в том числе и тем, что АППА-4 были малосерийной продукцией: ежегодно рижский завод выпускал в районе 45 пассажирских полуприцепов. Изначально они были рассчитаны на работу с седельным тягачом КАЗ-608 «Колхида», но в основном комплектовались более массовым ЗИЛ-130В1.

В 1984–1985 годах рижский завод в экспериментальном порядке изготовил пассажирские автопоезда повышенной вместимости АПП-170-1 и АПП-170-2 длиной 20 и 26,2 м, соответственно. Первый поезд состоял из тягача ЗИЛ-130В1 и удлинённого полуприцепа, рассчитанного на перевозку до 170 пассажиров. АПП-170-2 был ещё более необычен: в его состав входил такой же тягач и два полуприцепа общей вместимостью до 220 человек. Единственный экземпляр АПП-170-1 работал в международном аэропорту «Сочи» как минимум до 2009 года. Автопоезд АПП-170-2 выпустили в количестве трёх штук, которые некоторое время обслуживали авиапассажиров.

После распада СССР АППА-4 производились ещё несколько лет, однако, спрос на них катастрофически упал – как из-за общего спада в экономике стран, ранее входивших в Союз, и авиационной отрасли в частности, так и из-за того, что внешний вид и конструкция советских полуприцепов давно уже не отвечали требованиям времени.

Новое время

Тему специализированной аэродромной техники в 1990-е годы одним из первых подняло ТОО «Альтерна», разработавшее сочленённый автобус с двухсторонним расположением пассажирских дверей. Испытания Альтерны-7202 проводились в 1993 году в московском аэропорту «Домодедово» и показали довольно низкую надёжность новинки.

Троллейбусный завод имени Урицкого в том же 1993 году представил перронный автопоезд «Тролза-6020» односторонней компоновки, состоявший из тягача ЗИЛ-4421 и пассажирского полуприцепа, изготовленного с применением кузовных элементов троллейбусов ЗиУ-682. Оригинальность конструкции заключалась в полутораэтажном исполнении пассажирского салона: передняя часть полуприцепа возвышалась над седельно-сцепным устройством, для доступа в неё вела небольшая лестница. Единственный экземпляр «Тролза-6020» был передан для работы в аэропорт «Советский», расположенный в Ханты-Мансийском автономном округе.

Латвийская фирма LAS-1, ставшая правопреемником рижского завода № 85, в 1999 году создала двухсторонний автопоезд АСП на базе тягача ЗИЛ-4421 и низкопольного полуприцепа современного дизайна, в котором проглядывали элементы оформления городских автобусов МАЗ-103. Поезд мог перевозить до 130 авиапассажиров и при этом имел 16 мест для сидения. В серийное производство не был запущен.

В 1999 году дизайнерская студия «МаДе проект» при участии специалистов научно-технического центра АО «АвтоВАЗ» разработала дизайн-проект пассажирского автопоезда «Лада Трансфер». Прототип был изготовлен в 2001 году компанией «Супер-авто». За его основу взяты седельный тягач ЗИЛ-130В1 и шасси полуприцепа АППА-4, предоставленные аэропортом «Курумоч» (Самара). Оригинальный автопоезд так и остался в единственном экземпляре.

Львовский автобусный завод, обновивший свой модельный ряд в первой половине двухтысячных, в 2004 году добавил в него «АэроЛАЗ» – 12-метровый низкопольный автобус, оснащённый шестью двухстворчатыми дверьми, из которых четыре располагались с правой стороны, а две – с левой. Известно, что было выпущено как минимум 8 экземпляров «АэроЛАЗа», 3 из них работают в аэропортах Кемерово и Львова.

В 2007 году специалисты Минского автозавода создали полноценный перронный автобус МАЗ-171, по своим эксплуатационным характеристикам не уступающий мировым аналогам. Первоначально довольно дорогая новинка была воспринята скептически, однако, через несколько лет пошли массовые заказы. На данный момент изготовлено более 120 машин этой модели. В конце 2019 года в киевский аэропорт «Борисполь» был отправлен первый экземпляр минского «перронника» второго поколения – МАЗ-271.

Нефтекамский автозавод на XIII Международном авиационно-космическом салоне «МАКС-2017» впервые показал аэродромный НефАЗ-5299-40-52. Это вариация классического низкопольного городского автобуса в пятидверном исполнении (две двухстворчатых двери установлены по центру левой боковины кузова), похожая по конструкции с упомянутым выше «АэроЛАЗом». Естественно, такой автобус лишён многих преимуществ, которые имеют полноценные перронные машины, но при этом способен конкурировать с ними за счёт более приемлемой стоимости.

Прицепы для сельского хозяйства | ООО «Большегрузные Прицепы». Аренда прицепов-большегрузов для использования в малопроходимой местности.

Решение транспортных задач сельского хозяйства

Для того, чтобы легко решить транспортные задачи, поставленные при доставке сельскохозяйственных грузов, используют специальную технику. При оптимизации процесса работы с продукцией сельского хозяйства, при ее транспортировке как раз и важны сельскохозяйственные полуприцепы. Они имеют адаптированную конструкцию. С их помощью доставляют до места назначения корма, овощные и зерновые культуры, птиц и животных, удобрения, а также силос и другие сыпучие материалы.

Виды сельскохозяйственных прицепов

Прицепы для сельского хозяйства бывают: тентованные, самосвалы и герметичные. Существует также отдельный особый вид – универсальные. Все прицепы могут работать с трактором или грузовым автомобилем.

При транспортировке зерновых культур используют различную по объему и форме технику. Ее также различают по количеству осей и способу загрузки. Кузов такой техники имеет прямоугольную форму и чаще всего изготавливается из алюминия или стали.

Зерновозы – это прицепы с тремя или четырьмя осями, оснащены рессорной или пневматической подсветкой, на осях – односкатная или двускатная резина. Грузоподъемность у них достаточно большая (35 тонн), а объем – 92 кубических метра. Борта у этой техники закреплены, есть специальный тент с системой натяжки. Таким образом груз защищается от пыли и грязи. Существуют зерновозы с боковой и задней загрузкой.

Для транспортировки крупного рогатого скота, овец и свиней используют специализированные полуприцепы. Такие конструкции в основном выполняются из алюминиевых профилей. Собственный вес прицепа при этом скрадывается. Особенностью скотовоза является наличие нескольких этажей (2-3). Перемещаются они с помощью гидравлики. Животных загружают через задний борт. Существует автоматические: освещение, поилка, кондиционер, вентиляция и подогрев. Для обеспечения большей грузоподъемности скотовоз оснащается шасси и пневматической подсветкой.

Если вы самостоятельно решили выбрать подходящую модель прицепа для сельского хозяйства, то важно обратить внимание на такие факторы: плечо перевозок, метод разгрузки-погрузки, тип тягача, тип дорог, по которым буде путешествовать прицеп, вид перевозимого груза.

Расшифровка терминов

Сельское хозяйство – здесь постоянно производятся всевозможные грузоперевозки. Поэтому просто необходима специализированная техника. Используют ее в садах, огородах, на поле и на ферме.

Транспортировка – это один из наиболее важных моментов в сельском хозяйстве. Главенствующая роль отводится специализированному транспорту, ибо от него зависит качество перевозки.

Прицеп – не имеет собственного привода. Движется за счет другого средства (транспортного). Существует несколько видов (зависит от сферы применения).

Норматив расхода топлива серийно выпускаемых автомобилей

Автомобиль Урал 4320
Комплект учебно-технических плакатов

Конструктивные изменения автомобиля Урал:

Произведенные в 2001-2003 гг.
Произведенные в 2003-2004 гг.

Базовые нормативы трудоемкости основных операций по подготовке, обслуживанию и ремонту автомобиля Урал:

1. Предпродажная подготовка.
2.ТО-0. Начальный период эксплуатации (после 1000 км).
3. ТО-1.
4. ТО-2.
5. Ремонт автомобиля.

Сравнение двигателей ЯМЗ

Нормы времени на ТО и Р силовых агрегатов ЯМЗ

Расшифровка цифровых модификаций

 
Модель ТС Базовая норма расхода топлива, л/100км Эксплуатационная норма расхода топлива, л/100км
лето
15.IV … 01.XI

зима
01.XI … 15.IV

Урал — 55571 34.5 44.85 48.3
Урал — 4420, -44202 31 40. 3 43.3
Урал — 4320, -43202 32 41.6 44.8
Нефаз — 4208 29.6 38.84 41.44
Камаз — 65115 32.2 41.86 45.08
Камаз — 65111 36 46.8 50.4
Камаз — 6460 25.8 33.54 36.12
Камаз — 55111 36.5 47.45 51.1
Камаз — 54115 22 28.6 30.8
Камаз — 54112 25 32.5 35
Камаз — 53215 24.5 31.85 34.3
Камаз — 53202, — 53212, — 53213 25.5 33.15 35. 7
Камаз — 44108-10 27.9 36.27 39.06
Камаз — 4310, — 43105 31 40.3 43.4
Ивеко-АМТ 63391 25.8 33.54 36.12
УМП-400 УСТ УМП-400 производства завода УралСпецТранс обладают невысоким расходом топлива от 5 до 35 л/час в зависимости от мощности нагревателя и температуры окружающего воздуха

* — Указанная эксплуатационная норма расхода топлива рассчитана для Челябинской области, для 1,2,3 категорий дорог, при эксплуатации транспорта без учёта массы груза, для городов с населением до 250 тыс. человек.

Примечание: Эксплуатационная норма устанавливается по месту эксплуатации ТС на основе базовой нормы с использованием поправочных коэффициентов (надбавок), учитывающих местные условия эксплуатации, по формулам, приведенным в МЕТОДИЧЕСКИХ РЕКОМЕНДАЦИЯХ «НОРМЫ РАСХОДА ТОПЛИВ И СМАЗОЧНЫХ МАТЕРИАЛОВ НА АВТОМОБИЛЬНОМ ТРАНСПОРТЕ» (РАСПОРЯЖЕНИЕ Минтранса от 14 марта 2008 г. N АМ-23-р).

Декодирование адаптивного зрительно-моторного поведения, опосредованного нелинейной фазовой связью в районе макак MT

doi: 10.3389/fnins.2020.00230. Электронная коллекция 2020.

Принадлежности Расширять

Принадлежности

  • 1 Исследовательская лаборатория нейробиологии и нейроинженерии, факультет биомедицинской инженерии, Школа электротехники, Иранский университет науки и технологий, Тегеран, Иран.
  • 2 Лаборатория когнитивной нейробиологии, Школа когнитивных наук (SCS), Институт фундаментальных исследований (IPM), Тегеран, Иран.
Бесплатная статья ЧВК

Элемент в буфере обмена

Мохаммад Багер Хамечян и др. Фронтальные нейроски. .

Бесплатная статья ЧВК Показать детали Показать варианты

Показать варианты

Формат АннотацияPubMedPMID

дои: 10.3389/фнинс.2020.00230. Электронная коллекция 2020.

Принадлежности

  • 1 Исследовательская лаборатория нейробиологии и нейроинженерии, факультет биомедицинской инженерии, Школа электротехники, Иранский университет науки и технологий, Тегеран, Иран.
  • 2 Лаборатория когнитивной нейробиологии, Школа когнитивных наук (SCS), Институт фундаментальных исследований (IPM), Тегеран, Иран.

Элемент в буфере обмена

Полнотекстовые ссылки Параметры отображения цитирования

Показать варианты

Формат АннотацияPubMedPMID

Абстрактный

Идея о том, что гибкое поведение зависит от синхронной нейронной активности во внутри- и межассоциированных областях коры, была предметом интенсивных исследований в области нейробиологии человека и животных.Нейрофизиологические механизмы, лежащие в основе этого поведенческого коррелята синхронной активности, до сих пор неизвестны. Было высказано предположение, что сила нейронной синхронии на уровне популяции является важным нейронным кодом, обеспечивающим эффективное преобразование сенсорного ввода в поведенческое действие. В этом исследовании мы изучили нелинейную синхронизацию между нейронными ансамблями в области MT зрительной коры макаки, ​​используя метод нелинейной кросс-частотной связи, а именно бикогерентность.Мы обучили обезьяну-макаку обнаруживать кратковременные изменения в подаваемом сигнале стимуле во время задания на зрительно-моторное обнаружение. Результаты показывают, что нелинейная фазовая синхронизация в высокогамма-диапазоне частот (100-250 Гц) предсказывает время реакции животного. Сила нелинейной фазовой синхронизации зависит от целевого местоположения стимула. Кроме того, нелинейные характеристики нейронной синхронизации выборочно модулируются, когда обезьяна скрытно обращает внимание на стимул внутри рецептивного поля нейрона.Это дополнительное свидетельство указывает на то, что на нелинейную синхронизацию нейронов может влиять когнитивная функция, такая как пространственное внимание. Наши нейронные и поведенческие наблюдения показывают, что в обработке зрительно-моторной информации в области МТ могут быть задействованы два важнейших процесса: (I) нелинейный корковый процесс (измеряемый бикогерентностью) и (II) линейный процесс (измеряемый по спектральной мощности). ).

Ключевые слова: бикогерентность; нелинейная фазовая синхронизация; квадратичная фазовая связь; пространственное внимание; зрительная зона МТ.

Copyright © 2020 Хамечян и Далири.

Цифры

РИСУНОК 1

Поведенческая парадигма. У обезьяны было…

РИСУНОК 1

Поведенческая парадигма.Обезьяне пришлось нажать на рычаг, сохраняя при этом взгляд…

ФИГУРА 1

Поведенческая парадигма. Обезьяна должна была нажимать на рычаг, удерживая взгляд на точке фиксации в течение 130 мс. Затем на 455 мс появлялся статический случайный точечный узор (RDP), указывающий на предстоящее целевое местоположение на экране. Экран был пустым в течение следующих 325 мс. Затем два RDP были представлены внутри и вне рецептивного поля (отмечены здесь пунктирной окружностью) в течение случайного периода от 680 до 4250 мс.Обезьяна получала каплю сока, если правильно обнаруживала короткое изменение направления целевого RDP и отпускала рычаг в течение короткого временного окна (150–650 мс). Окно анализа составляло 1500 мс, предшествующее изменению направления целевого стимула (обозначено зеленой областью на рисунке).

РИСУНОК 2

Показатели бикогерентности для…

РИСУНОК 2

Показатели бикогерентности для быстрой и медленной проб по каждой мишени…

ФИГУРА 2

Индексы бикогерентности для быстрых и медленных испытаний при каждом условии расположения цели (Цель-В\Цель-Выход).Звездочки показывают значительную разницу между индексами бикогерентности, рассчитанными для быстрых (синий) и медленных (красный) испытаний (двусторонний критерий суммы рангов Уилкоксона, значения P указаны вверху столбцов). Столбики погрешностей указывают SEM.

РИСУНОК 3

Распределения двухчастотных составляющих…

РИСУНОК 3

Распределения двухчастотных составляющих обеспечили высокую эффективность классификации при декодировании быстрых…

РИСУНОК 3

Распределения двухчастотных компонентов обеспечили высокую эффективность классификации при декодировании быстрых и медленных проб. (A,C) Двухчастотные компоненты (признаки) в условиях Target-In и Target-Out, соответственно, которые были отсортированы на основе производительности декодирования в порядке убывания. (B,D) Распределения двухчастотных составляющих в панелях (A,C) соответственно, что обеспечило производительность более 90% при декодировании быстрых и медленных проб. (B,D) показывают 85 и 89 двухчастотных компонентов для условий Target-In и Target-Out соответственно.Мы не анализировали верхнюю границу оси X = Y на панелях (B,D) из-за симметричного свойства бикогерентности. Оси X Y указывают центральную границу полос частот на панелях (B,D) .

РИСУНОК 4

Тип характеристик, обеспечивающих высокую…

РИСУНОК 4

Тип признаков, обеспечивающий высокую эффективность классификации при декодировании быстрых и…

РИСУНОК 4

Тип признаков, обеспечивающий высокую производительность классификации при декодировании быстрых и медленных проб. (A,C) Три типа элементов (показаны на оси x панелей B,D ) в условиях Target-In и Target-Out, соответственно, которые были отсортированы на основе производительности декодирования. в порядке убывания. (B,D) Типы признаков в панелях (A,C) соответственно, которые обеспечили эффективность классификации более 95% при декодировании быстрых и медленных испытаний. Выбранная бикогерентность в панелях (B,D) лежит в диапазоне высоких гамма-частот (150–250 Гц, см. рис. 5).Выбранные мощности в панели (D) находятся в диапазоне от 190 до 200 Гц.

РИСУНОК 5

Характеристика бичастоты QPC…

РИСУНОК 5

Характерная бичастота QPC в быстрых и медленных испытаниях для каждой цели…

РИСУНОК 5

Характерная бичастота QPC в быстрых и медленных испытаниях для каждого условия положения цели (Target-In\Target-Out). Синие (Bic быстрые ) и красные (Bic медленные ) кружки показывают бичастотные компоненты, в которых средняя бикогерентность была выше в быстрых, а не в медленных испытаниях, и наоборот, соответственно. Синие и красные квадраты представляют медианы групп Bic , быстрых и Bic , медленных , соответственно. Столбики погрешностей показывают среднее абсолютное отклонение (MAD), рассчитанное для каждой оси частот. Распределение бичастотного компонента в группах Bic fast и Bic slow существенно различается в условиях Target-Out ( p < 0.046; с помощью перестановочного теста). Это не относится к условию Target-In ( p > 0,3, с использованием теста перестановки).

РИСУНОК 6

Производительность LFP power…

РИСУНОК 6

Показатели мощности LFP в высокочастотном гамма-диапазоне (190–210 Гц) в…

РИСУНОК 6

Показатели мощности LFP в высокогамма-диапазоне частот (190–210 Гц) при декодировании быстрых и медленных проб. Мощность LFP в высокогамма-диапазоне рассчитывалась для быстрой и медленной проб по методу Уэлча (см. Материалы и методы). Границы высоких гамма-частот (то есть от 190 до 210 Гц) были определены на основе частотных диапазонов на рисунке 5 с высокой концентрацией двухчастотных компонентов. Мы нормализовали высокую гамма-мощность к средней высокой гамма-мощности на каждом участке. Эффективность высокой гамма-мощности для декодирования быстрых и медленных испытаний была рассчитана с использованием классификатора k — ближайших соседей.Мы использовали метод повторной задержки (100 раз), чтобы разделить испытания на обучающую и тестовую подгруппы. В каждом повторении мы использовали 70% попыток для обучения, а остальные попытки для теста. Уровень вероятности был рассчитан для каждого условия целевого положения путем повторного (100 раз) перетасовки испытаний между быстрой и медленной группами. Результат ясно показывает, что производительность декодирования с высокой гамма-мощностью существенно не отличается между исходной и перетасованной высокой гамма-мощностью в каждом условии целевого положения (тест перестановки, p > 0. 05). Значения p показаны поверх столбцов.

РИСУНОК 7

Временная динамика КПК в…

РИСУНОК 7

Временная динамика QPC в быстром и медленном испытаниях для…

РИСУНОК 7

Временная динамика QPC в быстрых и медленных испытаниях за временное окно до смены цели.Синие и красные кривые показывают временную динамику QPC для быстрого и медленного испытаний соответственно. Кривые показывают среднюю бикогерентность для двухчастотного компонента групп Bicfast (правый столбец) и Bic slow (левый столбец), показанных на рисунке 5. быстрые и медленные испытания значительно различаются ( p < 0,05, критерий перестановки, FDR с поправкой на множественные сравнения).

РИСУНОК 8

Корреляция между единичным шипом…

РИСУНОК 8

Корреляция между частотой единичных всплесков и QPC характеристических бичастот в…

РИСУНОК 8

Корреляция между частотой единичных всплесков и QPC характеристических бичастот в группах Bic fast и Bic slow для условий Target-In и Target-Out.Ось Y представляет силу корреляции между QPC и частотой всплесков с использованием метода корреляции Спирмена. Звезда показывает значительную корреляцию в медленных группах Bic при условии Target-In ( p <0,002, корреляция Спирмена).

Все фигурки (8)

Похожие статьи

  • Внимание настраивает синхронизацию в локальных нейронных сетях для обработки поведенчески релевантного стимула.

    Дребиц Э., Хааг М., Гроте И., Мандон С., Крайтер А.К. Дребиц Э. и соавт. Передние нейронные цепи. 2018 авг 29;12:71. doi: 10.3389/fncir.2018.00071. Электронная коллекция 2018. Передние нейронные цепи. 2018. PMID: 30210309 Бесплатная статья ЧВК.

  • Маршрутизация потока информации с помощью отдельных частот нейронной синхронизации позволяет создавать «функционально помеченные линии» в коре высших приматов.

    Хамечян М.Б., Козырев В., Треуэ С., Эсгаи М., Далири М.Р. Хамечян М. Б. и др. Proc Natl Acad Sci U S A. 2019 Jun 18; 116 (25): 12506-12515. doi: 10.1073/pnas.1819827116. Эпаб 2019 30 мая. Proc Natl Acad Sci U S A. 2019. PMID: 31147468 Бесплатная статья ЧВК.

  • Фазоамплитудная связь и дальняя фазовая синхронизация выявляют лобно-височные взаимодействия во время зрительной рабочей памяти.

    Дауме Дж., Грубер Т., Энгель А.К., Фризе У. Дауме Дж. и др. Дж. Нейроски. 2017 11 января; 37 (2): 313-322. doi: 10.1523/JNEUROSCI.2130-16.2016. Дж. Нейроски. 2017. PMID: 28077711 Бесплатная статья ЧВК.

  • Фазовая корреляция между ритмами, присутствующими на разных частотах: спектральные методы, применение к микроэлектродным записям зрительной коры и функциональные последствия.

    Шанце Т., Экхорн Р. Шанце Т. и др. Int J Психофизиол. 1997 июнь; 26 (1-3): 171-89. doi: 10.1016/s0167-8760(97)00763-0. Int J Психофизиол. 1997. PMID:

    02 Рассмотрение.

  • Многоэлектродные записи в соматосенсорной системе.

    Уист М., Томсон Э., Мелой Дж. Уист М. и др. В: Николелис МАЛ, редактор. Методы записи нейронных ансамблей.2-е издание. Бока-Ратон (Флорида): CRC Press/Taylor & Francis; 2008. Глава 6. В: Николелис МАЛ, редактор. Методы записи нейронных ансамблей. 2-е издание. Бока-Ратон (Флорида): CRC Press/Taylor & Francis; 2008. Глава 6. PMID: 21204443 Бесплатные книги и документы. Рассмотрение.

Цитируется

1 артикул
  • Прогнозирование ориентации решетки с помощью кросс-частотной связи и наименьшего абсолютного сокращения и оператора отбора в V1 и V4 макак-резусов.

    Ли Зи, Ду И, Сяо И, Инь Л. Ли Зи и др. Front Comput Neurosci. 2021 25 января; 14:605104. doi: 10.3389/fncom.2020.605104. Электронная коллекция 2020. Front Comput Neurosci. 2021. PMID: 33584234 Бесплатная статья ЧВК.

использованная литература

    1. Ахиссар Э., Кляйнфельд Д. (2003). Вычисления нейронов с обратной связью: фокус на соматосенсорных ощущениях вибрисс у крыс.Церебр. Кора 13 53–62. 10.1093/cercor/13.1.53 — DOI — пабмед
    1. Акам Т. , Кульманн Д.М. (2014). Осцилляторное мультиплексирование популяционных кодов для избирательной коммуникации в мозгу млекопитающих. Нац. Преподобный Нейроски. 15 111–122. 10.1038/nrn3668 — DOI — ЧВК — пабмед
    1. Ару Дж., Ару Дж., Приземанн В., Вибрал М., Лана Л., Пипа Г. и др. (2015). Распутывание кросс-частотной связи в неврологии. Курс. мнение Нейробиол. 31 51–61. 10.1016/j.conb.2014.08.002 — DOI — пабмед
    1. Аксмахер Н. , Хенселер М.М., Дженсен О., Вайнрайх И., Элгер С.Е., Фелл Дж. (2010). Кросс-частотная связь поддерживает многоэлементную рабочую память в гиппокампе человека. проц. Натл. акад. науч. США 107 3228–3233. 10.1073/пнас.01107 — DOI — ЧВК — пабмед
    1. Бедар С., Крегер Х., Дестекс А. (2006). Отражает ли масштабирование сигналов мозга по частоте 1/f самоорганизованные критические состояния? физ. Преподобный Летт. 97:118102. 10. 1103/PhysRevLett.97.118102 — DOI — пабмед

Показать все 80 ссылок

[Икс]

Укажите

Копировать

Формат: ААД АПА МДА НЛМ

границ | Роль амплитуды и фазы ЭКоГ в расшифровке положения, скорости и ускорения во время непрерывного двигательного поведения

Введение

Интерфейсы «мозг-машина» (ИМТ) — это устройства, которые могут восстанавливать двигательную способность у пациентов с тяжелым параличом за счет использования нейронных сигналов для управления внешними эффекторами. Известный подход BMI заключается в прямом переводе активности нейронов, связанной с движением, соответствующей движениям (преднамеренным, попыткам или выполненным) в действия внешнего исполнительного механизма. Этот подход прямого моторного декодирования был успешно использован для управления мотором с обратной связью с множественной единичной активностью (SUA) у обезьян (Carmena et al., 2003) и людей (Hochberg et al., 2006; Collinger et al. , 2013), а также с помощью электрокортикографии (ЭКоГ) (Yanagisawa et al., 2011; Milekovic et al., 2012), используя низкочастотных компонентов (LFC) измеренных сигналов популяции нейронов (Milekovic et al., 2012). Растущее число офлайн-исследований [рассмотрено Waldert et al. (2009)] показывают, что LFC содержит существенную информацию о широком диапазоне параметров движения.

Предыдущие исследования предполагали, но не подвергали количественной проверке, что информация о фазе, содержащаяся в сигнале LFC, может играть более важную роль в декодировании двигателя на основе LFC, чем амплитуды (Jerbi et al. , 2007; Уолдерт и др., 2008 г.; Ball et al., 2009, см. рисунок 1). Связанный, но нерешенный вопрос заключается в том, какие частоты — вне диапазона, использованного в предыдущих исследованиях LFC — являются наиболее информативными. Изучение этих вопросов потребует количественного сравнения точности декодирования на основе фазы и амплитуды, чего в настоящее время нет. Появляется все больше свидетельств того, что фаза активности нейронов на низких частотах играет функциональную роль в сенсорных, моторных и когнитивных процессах (Lakatos et al., 2005; Панцери и др., 2010; Нг и др., 2013). Однако функциональной роли фазы в корковом моторном контроле уделяется гораздо меньше внимания (но см. Miller et al., 2012), чем в области сенсорной обработки.

Рис. 1. Представления во временной области и частотно-временной области низкочастотного компонента ЭКоГ (LFC). Необработанный мозговой сигнал, записанный с участка над премоторной корой (A) , показан в (B) (серая кривая). LFC во временной области получается с помощью фильтрации нижних частот (синяя кривая).Два значения LFC с одинаковыми амплитудами обозначены черными точками в соответствующие моменты времени, обозначенные пунктирными вертикальными линиями. Данные LFC могут быть преобразованы в эквивалентное, комплексное, частотно-временное представление, заданное временным ходом значений амплитуды и фазы колебательных компонентов на разных частотах в пределах диапазона LFC. На (C) показан временной ход колебательного компонента сигнала мозга с частотой 1,0 Гц. Векторы данных в те же два момента времени, как указано в (B) , показаны черным цветом, амплитуда сигнала соответствует длине вектора, а фаза — его углу (обозначенному цветом) в комплексном пространстве.Обратите внимание, что амплитуда и фаза в двух выбранных моментах времени в (B) теперь различаются. Трехмерный рисунок показывает временную (ось x ) и реальную (ось y ), а также мнимую (ось z ) компоненты дескрипторов Фурье (FD) сигнала. (D,E) — то же для колебательных составляющих 1,5 Гц и 2,0 Гц соответственно. В настоящем исследовании мы рассмотрели кодирование траектории и декодирование сигналов ЭКоГ на основе таких частотно-временных представлений, чтобы определить вклад информации о величине и фазе соответственно.

Непрекращающиеся споры о расшифровке параметров движения по нейронным сигналам заключаются в том, какие из них на самом деле представлены (закодированы) в мозгу. Исследования SUA выявили «множество корреляций» (Todorov, 2000) с различными параметрами движения, включая мышечную активность (Fetz and Cheney, 1980), направление (Georgopoulos et al., 1982) и величину скорости движения (Schwartz and Moran, 1999). ), положение рук (Kettner et al., 1988), ускорение (Hore and Flament, 1988). Точно так же сигналы популяций нейронов содержат информацию о скорости (Jerbi et al., 2007), положение и скорость (Pistohl et al., 2008), а также направление движения (Ball et al., 2009). Этот вопрос еще более усложняется, поскольку — в зависимости от поведенческой парадигмы — многие параметры движения коррелируют друг с другом (Stark et al. , 2009). Таким образом, положение, скорость и ускорение анализировались отдельно и сравнивались в настоящем исследовании.

Мы рассмотрели следующие вопросы, касающиеся роли информации о фазе в декодировании положения движения, скорости и ускорения из LFC: Является ли точность декодирования на основе фазы существенно выше, чем точность декодирования на основе величины спектральных компонентов? Можно ли понять вклад фазы LFC в декодирование непрерывного движения, предполагая простую модель, в которой LFC содержит временной коррелят траектории (или ее производных), которая «копирует» движение? Чтобы решить эти проблемы, мы привлекли людей с имплантированными ЭКоГ к игровым, одномерным, непрерывным двигательным задачам и проанализировали ЭКоГ-сигналы, связанные с движением рук, записанные в сенсомоторных областях коры лобной и теменной коры, с помощью нового алгоритма декодирования.

Методы

субъектов

Три пациента приняли участие в исследовании после того, как дали свое информированное согласие. Всем им было имплантировано несколько сеток ЭКоГ субдурально во время преднейрохирургической оценки трудноизлечимой фармакорезистентной эпилепсии. Исследование было одобрено комитетом по этике университетской клиники. Информация об этих трех субъектах и ​​их имплантациях представлена ​​в Таблице 1.

Таблица 1. Информация о предмете .

Задача

В настоящем исследовании мы исследовали декодирование траекторий непрерывного движения в одном измерении, а именно в скорости горизонтального движения (т.д., влево/вправо). Для этой цели мы разработали двигательную парадигму, похожую на игру, которая дает испытуемым более расслабленный и приятный опыт, чем стереотипные повторения движений от пробы к пробе, и больше приближается к реальному применению. Как показано на рис. 2А, испытуемые управляли автомобилем на дороге с помощью имеющегося в продаже рулевого колеса, разработанного для компьютерных игр с автомобильными гонками (Ferrari GT Experience, Thrustmaster, La Gacilly, Франция). Испытуемым был представлен двухмерный вид сверху (рис. 2В), где автомобиль удерживался в постоянном вертикальном положении, а фон игры, включая дорогу, скользил вниз с постоянной скоростью 150 пикселей в секунду, создавая иллюзию движения вперед.Важно отметить, что автомобиль управлялся только в горизонтальном измерении с помощью руля. Отклонение руля в любую сторону линейно переводилось в горизонтальное положение автомобиля. Испытуемых просили использовать обе руки для управления. В парадигму были добавлены игровые функции: предметы, которые нужно собирать (монеты, четырехлистный клевер), препятствия, которых нужно избегать (динамит, бомбы, черные кошки), развилки дорог и фоновые объекты (дома, деревья). В игре также был звук работающего двигателя автомобиля, и при попадании в награды / препятствия воспроизводились дополнительные звуковые эффекты.

Рис. 2. Двигательная задача и имплантация сетки ЭКоГ. (A) Субъект S1 ведет машину с помощью рулевого колеса. Парадигма (гоночная игра) была представлена ​​испытуемым на портативном компьютере, расположенном перед ними. (B) Пример парадигмы. Снимок автомобиля на дороге с предметами, которые нужно собирать (монеты) и избегать (динамиты). Неинтерактивные фоновые объекты включали дома и деревья. Испытуемый управлял автомобилем в горизонтальном (лево/право) измерении. (C) Плотность спектра мощности (PSD) для положения движения (фиолетовый), скорости (зеленый) и ускорения (коричневый). (D) Автокорреляционная функция положения движения (голубой) и взаимная корреляция между положением и скоростью (пурпурный). (E–G) Анатомические привязки электродов ЭКоГ к анатомическим областям (подробнее см. Методы) субъектов S1–S3 соответственно. Анатомические области имеют цветовую кодировку. Электродная сетка визуализируется на поверхности стандартного мозга (из SPM5).Сплошная черная линия: центральная борозда, определенная по отдельным МРТ после имплантации.

Характеристики двигательного поведения субъектов во время игры, отраженные в средней плотности спектра мощности (PSD), рассчитанной для всех субъектов и всех сеансов горизонтального положения, скорости и ускорения автомобиля (и, следовательно, также движения), являются показано на рисунке 2С. Ход дороги был получен путем вычисления белого шума с фильтрацией нижних частот (баттервортовского шума 3-го порядка с частотой среза 1,5 Гц и нулевым фазовым сдвигом), за исключением разветвлений дороги (см. выше).Автокорреляция положения автомобиля (рис. 2D, голубая кривая) показывает, что непрерывное движение коррелировало на небольшом временном масштабе (например, для скорости CC = 0,5 при задержке 0,2 с), но не на более крупных временных масштабах (> 1,5 с), а также требует наличия пика взаимной корреляции между производными траектории (например, положением и скоростью на рисунке 2D).

Цель игры состояла в том, чтобы набрать как можно больше очков. Текущая оценка предъявлялась испытуемому в правом верхнем углу экрана компьютера. Испытуемому давали указание (1) оставаться на дороге (середина дороги отмечена тонкой белой линией), так как отклонение от дороги более чем на 10% ширины экрана приводило к потере баллов, (2 ) для сбора наградных предметов на дороге (что дает положительные баллы, например, см. монеты на дороге на рис. 2B) и (3) избегать столкновений с препятствиями (минусовые баллы, см. стоимость временного выезда с дороги. Одна сессия игры длилась 5 мин, начало и конец четко обозначались флагами старта и финиша соответственно.Мы проанализировали 4 занятия по каждому предмету.

Записи ЭКоГ и траектории

Сетчатые электроды ЭКоГ имели диаметр 4 мм и расстояние между центрами электродов 10 мм. Место имплантации, исходя только из потребностей клинической оценки, включало части моторной коры кисти/руки у всех трех субъектов (рис. 2E-G). Данные ЭКоГ оцифровывали с частотой дискретизации 2,5 кГц (усилитель AC441-01 Neuvo, Compumedics Limited, Abotsford, Australia). Сбор данных о движении и отображение игровой парадигмы выполнялись с помощью программного обеспечения Freiburg BMI (Milekovic et al. , 2012). Последующий анализ данных был выполнен с использованием MATLAB (версия R2011b, The MathWorks Inc., Natick, MA). В S1 два сломанных канала (отмечены белым на рисунке 2E) были исключены из анализа.

ЭКоГ была синхронизирована с записанными данными с игрового руля и уменьшена до 0,5 кГц. Необработанные записи ЭКоГ были повторно соотнесены с общим средним значением и удалены тренды с использованием фильтра верхних частот (Баттерворта, 4-й порядок, нулевой фазовый сдвиг) с нижней частотой среза 0,1 Гц.Впоследствии данные были нормализованы к единице стандартного отклонения для каждого канала и сеанса.

Необработанные одномерные данные датчика горизонтального положения, полученные с частотой 1,0 кГц, также были подвергнуты субдискретизации для соответствия частоте дискретизации 0,5 кГц ЭКоГ и сглажены с помощью фильтра Савицкого-Голея (размер окна 0,250 с, 2-й порядок, соответствующий отсечка нижних частот примерно 5 Гц) для лучшей оценки производной. Одномерная скорость (или ускорение) оценивалась с использованием пятиточечной аппроксимации сглаженного горизонтального положения автомобиля (или скорости соответственно) (Abramowitz and Stegun, 1970). Впоследствии данные о движении также были нормализованы к единице стандартного отклонения для каждого сеанса. Важно отметить, что положение движения, скорость и ускорение, используемые в настоящем исследовании, представляли собой одномерную векторную переменную, где направление указывалось ее знаком (отрицательное — влево, положительное — вправо). Обратите внимание, что параметр, рассматриваемый в настоящем исследовании, в случае скорости был равен , а не скорости (= абсолютное значение скорости со знаком).

Картирование электрической стимуляции и назначение каналов анатомическим областям

Во время клинической оценки каждый отдельный имплантированный электрод подвергался электрической стимуляции для получения функционального картирования коры головного мозга под электродом.Это было сделано с помощью стимулятора INOMED NS 60 (INOMED, ​​Эммендинген, Германия) с 7-секундными сериями прямоугольных импульсов 50 Гц переменной полярности, с постепенным увеличением амплитуды либо до индукции сенсорных/моторных ответов субъекта, либо до 15 Амплитуда импульса мА.

Кроме того, отдельные контакты электродов были назначены кортикальным анатомическим областям (AA) (Pistohl et al., 2012) на основе специфических постимплантационных МРТ-сканирований. Короче говоря, у каждого субъекта после имплантации сетки была получена структурная МРТ с полным охватом головы (последовательность T1 MPRAGE) с разрешением 1 мм 3 .Моторную кору идентифицировали по анатомическим ориентирам (Steinmetz et al., 1989; Rumeau et al., 1994; Yousry et al., 1997), по индивидуальному расположению центральных и латеральных борозд определяли электроды к лобным, теменным и височным доли. Кроме того, использовалась система вероятностного атласа (Eickhoff et al., 2006; SPM Anatomy Toolbox, версия 1.7b) для назначения каждого электрода анатомической области на основе максимальной вероятности атласа под контактом электрода. Для визуализации сетки ЭКоГ были визуализированы на поверхности стандартного мозга (SPM5), поскольку сегментация всей поверхности коры была невозможна на основе постимплантационных МРТ из-за артефактов пустот электродов. Отнесение к АА и расположение борозд см. на рисунках 2E-G. Обратите внимание, что при этой анатомической процедуре назначения контакты в области кисти/руки вдоль центральной борозды (CS) относятся к премоторной коре, потому что первичная моторная кора определяется как идентичная BA4, которая полностью скрыта внутри CS в этой области головного мозга. Результаты электростимуляции не использовались в этой процедуре анатомического назначения, что является более объективным, чем предыдущие назначения, когда вероятностная анатомическая информация еще не была включена в процедуру анатомического распределения ЭКоГ (например,г., Болл и др., 2009). Результаты картирования электростимуляции очень хорошо подтвердили анатомическое определение премоторной коры.

Модель декодирования

Методы линейного декодирования применялись во многих предыдущих исследованиях для декодирования непрерывного движения, например, векторы населения (Georgopoulos et al., 1982), фильтры Калмана (Wu et al. , 2006; Pistohl et al., 2008), множественная линейная регрессия ( MLR) (Paninski et al., 2004; Georgopoulos et al., 2005; Bradberry et al., 2010). В настоящем исследовании мы использовали MLR для декодирования положения, скорости и ускорения одномерного непрерывного движения (где знак, например, скорости указывал направление движения — влево/вправо).

Реакция (зависимая прогнозируемая переменная) была параметром движения, тогда как характеристики сигнала ЭКоГ были предикторами (независимая переменная). Формулировка задачи регрессии состоит из формирования пар ответ-предиктор [уравнение 1]. Во всех последующих анализах мы сформировали предикторы x k ( t i — τ) путем одновременных выборок признаков ЭКоГ из выбранных каналов (т.е., одна выборка на выбранный канал k ) с временной задержкой τ для построения одной модели β(τ) декодирования MLR.

(y(t1)⋮y(tn))=(1×1(t1+τ)…xP(t1+τ)⋮⋮⋱⋮1×1(tn+τ)⋯xP(tn+τ))(β0(τ)⋮ βP(τ))+(ε(t1)⋮ε(tn))(1)

Где T

1 I , , I = 1, . .., N — это наблюдение в I -й шаг времени, Y ( T I ) Ответ, x K ( T I

2 — τ) — K — Eth Predictor на этапе T

1 I с компенсацией времени τ, где K = 0, …, P ( P — количество выбранных каналов ЭКоГ).β k (τ) — k -й коэффициент регрессии, а ε( t i ) — остаточная ошибка.

Временное смещение τ в [уравнении 1] является важным параметром, который мы систематически варьировали в нашем анализе в течение интервала [−3,5, 3,5] с. Как и в других исследованиях (например, Acharya et al., 2010), τ < 0 в нашем исследовании отражает то, что активность нейронов предшествует движению, таким образом, указывая на то, что особенности ЭКоГ действительно « прогностические».В случае τ > 0 выборки ЭКоГ появляются после выборок скорости и, следовательно, являются « постдиктивными » в смысле декодирования.

Этот подход только с одной выборкой признаков на канал с одинаковым временным смещением для всех выбранных каналов позволил нам отслеживать развертывание декодированной информации в области временного смещения (аналогично Pistohl et al., 2008) и позволил нам раскрыть существенные различия в информации о величине и фазе декодирования (см. Результаты).

Оценка предсказания

Все наборы данных (4 сеанса по 5 минут на каждого субъекта) были разделены на 30 непрерывных разделов данных (кратностей), каждая продолжительностью 40 с, которые использовались в качестве сверток проверки для прогнозируемого параметра движения.Пары характеристик «отклик-предиктор» извлекались с дискретными временными шагами по 100 мс. Производительность декодирования оценивалась с помощью 30-кратной перекрестной проверки, где 29 кратностей (более 19 минут времени записи) использовались в качестве обучающих наборов для построения модели [оценка коэффициентов регрессии β(τ)], а оставшаяся кратность проверки движения использовалась в качестве тестовый набор для предсказания скорости модели (см. [Уравнение 2]). Это повторялось 30 раз, так что каждый непрерывный участок данных скорости использовался в качестве тестового набора ровно один раз.(t)=∑k=0Pxk(t+τ)βk(τ)(2)

Особенности декодирования ЭКоГ

Здесь мы предлагаем использовать представления сигнала ЭКоГ в частотно-временной области с комплексными значениями [например, с помощью преобразования Фурье с временным разрешением (FT)] для развертывания значений фазы и амплитуды сигнала (см. Рисунок 1). Важно отметить, что мы делаем четкое различие между амплитудой LFC (значение колебаний сигнала ЭКоГ после фильтрации нижних частот во временной области) и амплитудой дескрипторов Фурье в заданное время и на заданной частоте (значение амплитуды дескрипторов Фурье абсолютное значение комплексных чисел, представляющих FT в частотно-временной области).Обзор алгоритмов декодирования представлен на рисунке 3.

Рис. 3. Обзор алгоритмов обработки и декодирования данных (DAlg), использованных в настоящем исследовании. Левая сторона , декодирование с использованием в качестве предикторов LFC во временной области ЭКоГ (DAlg1) или относительной мощности с временным разрешением в выбранной полосе частот (DAlg2). Правая сторона , декодирование в комплекснозначной частотно-временной области с предикторами ЭКоГ, имеющими информацию о фазе и/или амплитуде (DAlg3–5).

LFC, использованный в предыдущих исследованиях, представляет собой сигнал во временной области, полученный с помощью низкочастотной фильтрации. Несмотря на широкое использование LFC в исследованиях ИМТ, существуют значительные различия в частотных диапазонах и фильтрах, используемых в разных исследованиях. Например, в отношении LFP Mehring et al. (2003) использовали сглаженный сигнал (ядро Гаусса, ширина 125 мс, что соответствует отсечке нижних частот приблизительно 15 Гц). В ЭКоГ данные были сглажены фильтрами Савицкого-Голея (2-й порядок, 0.5-секундная ширина, соответствующая отсечке нижних частот приблизительно 2,5 Гц) (Mehring et al. , 2004; Pistohl et al., 2008; Ball et al., 2009). В нескольких других исследованиях ЭКоГ (Schalk et al., 2007; Kubánek et al., 2009; Acharya et al., 2010) применялось скользящее среднее, которое, например, Schalk et al. (2007) использовали размер окна 333 мс (отсечка примерно 2,5 Гц) и назвали сигнал LFC «локальным моторным потенциалом». Однако в дальнейшем мы будем использовать термин LFC. Подобная изменчивость в отношении точных частотных диапазонов LFC и используемых фильтров также существует в исследованиях, использующих неинвазивные сигналы мозга (Jerbi et al., 2007; Уолдерт и др., 2008 г.; Брэдберри и др., 2010).

Мгновенная фаза в каждый момент времени узкополосного сигнала, то есть сигнала, в котором преобладает один колебательный компонент, может быть получена с помощью преобразования Гильберта и аналитического представления сигнала (Aertsen and Johannesma, 1980; Johannesma et al. , 1981; Боашаш, 1992). Однако LFC, использовавшийся в предыдущих исследованиях декодирования движения, обычно не является узкополосным сигналом, поскольку максимальная частота спектра его амплитуды огибающей может быть больше, чем самая низкая частота в спектре самого сигнала LFC. Такие широкополосные сигналы могут содержать несколько колебательных компонентов на разных частотах, каждый из которых имеет свою фазу. В этой ситуации частотно-временные представления широкополосного LFC, такие как полученные с помощью преобразования Фурье или вейвлета, полезны для получения фаз сигнала различных частотных составляющих (FC) (рис. 1). Таким образом, в настоящем исследовании мы разработали подход, использующий фазовую информацию с временным и частотным разрешением для декодирования непрерывного движения из широкополосного LFC.

LFC во временной области

В этом анализе используется LFC сигналов ЭКоГ во временной области (DAlg1, рис. 3). Вектор признаков прогнозирования состоял из одновременных выборок из выбранных каналов и, таким образом, использовал амплитуды потенциалов LFC ЭКоГ в один конкретный момент времени (см. [Уравнение 1]). Отклик для декодирования представлял собой положение, скорость или ускорение, отфильтрованные фильтром нижних частот (5-й порядок Баттерворта с частотой среза 4,0 Гц и нулевым фазовым сдвигом), LFC каналов ЭКоГ служили предикторами, также извлеченными с применением фильтра нижних частот ( Баттерворт 3-го порядка с 1. частота среза 5 Гц и нулевой фазовый сдвиг). Верхняя граница частоты среза фильтра нижних частот LFC определялась систематическим перебором до 5 Гц (см. также раздел Выбор частотных полос).

Относительная мощность в различных диапазонах частот

Кратковременное преобразование Фурье (STFT) с временным шагом 100 мс и 2-секундным окном Ханнинга использовалось для вычисления мощности сигнала ЭКоГ в разных частотных диапазонах (DAlg2, рис. 3). Относительную мощность спектров рассчитывали относительно базового значения (Rickert et al., 2005), определяемый здесь как средняя мощность частотного бина для каждого сеанса. Относительная мощность данной полосы частот ( f 1 f 2 ) вычислялась как среднее значение по полосе. Эта процедура позволяет избежать недооценки мощности высокочастотных элементов разрешения в пределах определенной полосы частот из-за спада мощности 1/ f (Miller et al., 2009). Результирующие временные ряды относительной мощности в полосе использовались для прогнозирования положения, скорости или ускорения с фильтром нижних частот (так же, как в разделе LFC во временной области).

Фурье-дескрипторы кратковременного преобразования Фурье

Здесь мы описываем алгоритм с новыми функциями, используя явную фазовую информацию . Для простоты мы ссылаемся здесь только на декодирование скорости, но тот же подход применим и к временным рядам положения и ускорения. Описанный ниже метод (см. также DAlg3–5, рис. 3) относится к методам реконструкции изображения с использованием FT, где, взяв лишь несколько первых дескрипторов Фурье , можно реконструировать изображение с определенной потерей деталей (Person и Фу, 1977).Мы применяем эту основную идею к сигналу временного ряда, для которого из-за его нестационарности FT вычислялся с временным разрешением. Результирующие временные ряды дескриптора Фурье (например!) скорости были предсказаны на основе сигналов ЭКоГ. Следовательно, как модель декодирования, так и шаг предсказания были сформулированы в пространстве Фурье, а предсказанное Фурье-изображение трассы скорости было впоследствии отображено обратно во временную область с помощью обратного преобразования Фурье.

Более подробно, откликами были временных рядов дескрипторов Фурье скорости, а предикторами были временных рядов дескрипторов Фурье на той же частоте выбранных каналов ЭКоГ.Дескрипторы Фурье представляют собой комплексные коэффициенты, полученные из FT и связанные с несущей частотой f тригонометрической функции, см. [Уравнение 3], что соответствует термину S ( T , f ). Временной ряд дескрипторов Фурье на частоте f был получен частотно-временным разложением с использованием STFT.

S(T,f)=∫−∞+∞s(t)w(t−T)e−2πjftdt(3)

STFT преобразует сигнал во временной области с действительным знаком s ( t ) (рис. 4A) в комплексное представление частотно-временной области S ( T , f ) (см. рис. 1C– Е и 4С-Е).В [уравнении 3] х — мнимая единица, х дюймов [с] охватывает ту же продолжительность времени, что и исходное время t , а х — частота в [Гц]. Функция w ( t T ) представляет собой оконную функцию (Хэннинга) [черный ящик на рис. 4A, для которого w (0) = 1] с центром вокруг Рисунок 4). Ширина окна Ханнинга, обратно пропорциональная частотному разрешению, была установлена ​​равной 2.0 с (отсюда разрешение по частоте 0,5 Гц) и скользил с шагом по времени 0,1 с.

Рис. 4. Реконструкция сигнала из дескрипторов Фурье (FD). FD были получены с помощью краткосрочного анализа Фурье (STFT) и проиллюстрированы на основе данных о скорости движения из перекрестной проверки субъекта S1. (A) Десять секунд декодированной скорости (направление указано знаком), 2-секундное окно Ханнинга вокруг времени t STFT (черный прямоугольник).Пунктирные вертикальные линии на всех следующих графиках указывают значения, полученные (или предсказанные) на этом временном шаге. (B) Временной ряд FD первого элемента частотного бина f = 0,0 Гц (FD 0,0 Гц ), т. е. составляющая постоянного тока с действительным знаком. (C) Временной ряд FD второго частотного бина, f = 0,5 Гц, т. е. комплекснозначный FD 0,5 Гц . FD( T , f ) в разные моменты времени T кодируются цветом на основе фаз комплексных значений. (D) Третий частотный бин, f = 1,0 Гц, FD 1,0 Гц (E) Четвертый частотный бин FD 1,5 Гц . (F) Реконструкция частотных составляющих скорости на частотах f (FC f ) первых четырех ФД f , полученных из их обратного STFT (iSTFT). FC нанесены с разным смещением для лучшей визуализации. (G) Реконструкция (синий) исходной (красный) скорости, показанной на (A) , как сумма первых десяти FC f с коэффициентом корреляции, равным 0.99. Таким образом, сумма FC снова сходится к исходному сигналу; следовательно, алгоритм работал так, как предполагалось. (H–K) Первые четыре фурье-дескриптора горизонтальной скорости, предсказанные по признакам ECoG FD f со смещением по времени τ = 0 с (с использованием DAlg3, см. рис. 3). (L) Реконструкция (с помощью iSTFT) предсказанной скорости FC f по первым четырем FD f . (M) Реконструкция предсказанной скорости (синий) как суммы первых десяти предсказанных FC f и исходной скорости (красный) из (A) .Коэффициент корреляции между выполненной скоростью и скоростью, декодированной по ЭКоГ, для этой конкретной реконструкции составил 0,73.

Комплекснозначный временной ряд S ( T , f ) для заданной частоты f называется временным рядом дескрипторов Фурье на частоте f (и далее сокращенно FD f ) сигнала s ( t ), где первый интервал частоты S ( T , 0), f = 0 Гц, представляет собой действительную постоянную составляющую (рис. 4B), тогда как все высокочастотные бины S ( T , f ), f > 0 Гц являются комплексными (рис. 4C-E).Квадраты модулей этих комплексных значений определяют спектральную мощность, а углы определяют фазы соответствующих FC соответственно.

STFT ([Уравнение 3]) была применена к временным рядам обеих скоростей y ( t ), в результате чего были получены частотно-временные ряды Y ( T , f ), и каждый выбранный K —й канал ECOG x K ( T ), в результате чего серии частоты времени x

1 K ( T , F ), с величинами и фазы ЭКоГ относительно выполнения движения.Пары «отклик-предиктор» (см. [уравнение 1]) представляли собой комплексные дескрипторы Фурье скорости, Y ( T , f s ), и ЭКоГ, X (

88 , F S S
), на той же частоте F S , где различные F S S были выбраны для покрытия интервала 0-4 Гц. Коэффициенты регрессии результирующей модели β также были комплексными, и этап прогнозирования (см. [Уравнение 2]), соответственно, дал комплексные оценки для каждого FD s ), см. рисунки 4H–K).Затем предсказанные FD были преобразованы обратно во временную область с помощью обратного STFT (iSTFT, см. [Уравнение 4]):

s(t)w(t−T)=12π∫−∞+∞S(T,f)e2πjftdf(4)

Это обратное преобразование возвращает только оконные временные ряды с центром вокруг времени T . ФД невыбранных частот были установлены равными нулю. Чтобы восстановить исходный временной ряд скорости, iSTFT повторялся для всех временных шагов, и сохранялась только центральная точка времени t = T каждого шага iSTFT, что восстанавливает исходный сигнал как s ( t ) = S ( T ) W ( T T ) = S ( T ) W (0) = S ( T ).Обратите внимание, что для обеспечения того, чтобы результат iSTFT был действительным, в обратном преобразовании Фурье необходимо учитывать комплексно-сопряженные «отрицательные частоты» FD (Johannesma et al. , 1981). Обратите внимание, что [уравнения 3 и 4] даны здесь для непрерывного представления сигнала ввиду более простых и ясных выражений. В реальных алгоритмах мы применили дискретные версии этих уравнений (см. Лайонс, 2003 г.) к выборкам сигналов в дискретной частотно-временной сетке.

Таким образом, можно реконструировать фактическую кривую скорости (рисунок 4F, демонстрирующий, что наш подход работает так, как предполагалось) и предсказанную ЭКоГ (рисунок 4L) кривую скорости как сумму их FC, причем каждая частотная составляющая определяется как временной ряд, рассчитанный iSTFT с одним частотным бином.Важно отметить, что можно оценить предсказания каждого выбранного FC отдельно. Затем сумма FC сходится к исходному сигналу ([уравнение 4], рис. 4G). Принимая во внимание все FC, исходный сигнал будет полностью реконструирован. Если прогнозируемые временные ряды скоростей FD хорошо оцениваются по данным ЭКоГ, сумма прогнозируемых FC также сходится к фактической скорости (рис. 4М). Таким образом, представленный алгоритм предлагает большую гибкость в выборе интересующих FC.Алгоритм можно последовательно запускать для всех отдельных частотных элементов разрешения для определения наиболее информативных FC в интересующем диапазоне, но он также может одновременно использовать несколько FC смежных или разделенных частотных элементов разрешения. При таком применении предлагаемый способ позволяет определить точность декодирования для любой произвольно определенной полосы частот или выбора поддиапазонов. Кроме того, чтобы выяснить, в какой степени ЭКоГ действительно предсказывала (как ожидалось для эфферентных сигналов управления двигателем) или постдиктивна (как ожидалось для ответов, управляемых сенсорной обратной связью) по отношению к данным о скорости движения, временной сдвиг τ между предикторами и ответ также был изучен в анализе.

Комплекснозначный FD f явно включает информацию об амплитуде и фазе (DAlg3, рис. 3). Чтобы выделить индивидуальное влияние амплитудной и фазовой информации на предсказание, мы также сравнили декодирование с использованием каждого из них в отдельности, игнорируя другое (но без изменения декодированной скорости FD f ).

Чтобы исключить величину предикторов ЭКоГ, каждый дескриптор Фурье S ( T , f ), определенный с помощью STFT (см. [уравнение 3]), был нормализован по его величине (т.е., S ( T , f ) = S ( T , f )/| S ( T , f )|) на каждом временном шаге T . Следовательно, величина ФР f была равна 1 для всех времен T и частот f . Однако фаза ФД не изменилась. Эта функция сигнала (которую мы далее будем называть фазовой информацией только ) использовалась DAlg4 (рис. 3).

Напротив, чтобы исключить информацию о фазе предикторов ЭКоГ, все фазовые углы были установлены равными нулю для каждого S ( T , f ), но величины были сохранены (то есть, S ( T , f ) = | S ( T , f )|). Это эквивалентно взятию огибающей магнитуды FD f . Эта характеристика сигнала (которую мы далее будем называть информацией о величине только ) использовалась DAlg5 (рис. 3).

Важным свойством FT в контексте настоящего исследования является то, что FT производной функции s ( t ) является масштабированным по частоте FT, S ( f ), исходная функция, с ( т ). В случае STFT:

FT[dndtns(t)w(t−T)]=(2πjf)nS(T,f)(5)

Таким образом, декодирование ФК различных производных траекторий дает одинаковые результаты в терминах КК (поскольку они масштабно-инвариантны). Однако это справедливо только для самих FC, но не для общих реконструкций траекторной производной (т.g., положение, скорость, ускорение), которые представляют собой сумму отдельных FC (как объяснялось выше), потому что FC имеют разную мощность в каждом случае (см. рис. 2C).

Выбор частотных диапазонов

Расчетные производные траектории были подвергнуты низкочастотной фильтрации на частоте 4 Гц (5-й порядок Баттерворта с нулевым фазовым сдвигом) для декодирования ECoG LFC во временной области (DAlg1, рис. 3), в основном для обеспечения возможности сравнения с частотно-временным FD f декодирование фазы и амплитуды (DAlg3, рис. 3, где для практических целей используются только первые 10 FC — т.э., до 4 Гц — реконструировались). Этот выбор сохранил исходное (записанное) положение ( CC = 1,00 ± 0,00), скорость ( CC = 0,98 ± 0,00) и большую часть профиля ускорения ( CC = 0,70 ± 0,02) [среднее значение ± стандартное отклонение ( стандарт) CC между необработанным кинематическим сигналом и низкочастотным фильтром [0–4] Гц для всех 4 сеансов всех 3 субъектов].

Чтобы установить оптимальную отсечку фильтра нижних частот для данных ЭКоГ в DAlg1, мы провели поиск по этому параметру (пример для скорости на рисунке 5А).Последовательно для всех испытуемых мы обнаружили глобальный максимум точности декодирования (DA) на частоте 1,5 Гц, который затем был использован для иллюстрации результатов анализа декодирования и настройки.

Рис. 5. Выбор оптимальных частотных диапазонов для скоростного декодирования. Репрезентативные результаты показаны для субъекта S1. (A) Поиск частоты среза фильтра нижних частот при декодировании ЭКоГ LFC во временной области. Средний коэффициент корреляции как функция фильтра нижних частот верхней границы и временного смещения τ между предикторами (вектор признаков LFC ECoG) и декодированной скоростью движения.Наибольший коэффициент корреляции по ЛЧХ обнаружен в диапазоне частот [0,1–1,5] Гц у всех испытуемых. (B) Кумулятивная сумма (направление снизу вверх) предсказанных частотных составляющих скорости на разных несущих частотах f (FC f ), декодированная с использованием признаков ECoG FD в частотно-временной области f (DAlg3 , рис. 3). Средний коэффициент корреляции между накопленными прогнозами (IE, FC FC 0 , FC FC 0

2 + FC FC 1 , FC 0 + FC 0 + FC F 1

2 + FC f 2 , …) и фактическая скорость с различными временными сдвигами τ между предикторами и скоростью движения (как в A ).Точность декодирования достигла предела по всем предметам после включения первых 5 FC f .

Еще один вопрос заключается в том, сколько и какие предсказанные FC следует учитывать при реконструкции с частотно-временными характеристиками (DAlg3, рис. 3). Чтобы ответить на этот вопрос, мы проанализировали CC между скоростью и постепенной суммой индивидуально предсказанных FC скорости, начиная с постоянной составляющей 0 Гц (рис. 5B). Мы обнаружили, что DA насыщается уже после первых 5 FC, главным образом потому, что FC с более высокой скоростью (> 2 Гц) имели лишь малую амплитуду и, следовательно, мало влияли на общую реконструкцию скорости (см.,, Фигуры 2С, 4F). Но так как DA также не ухудшилась при включении этих высших ЧХ, мы все же использовали для реконструкции все первые 10 ЧХ (до 4 Гц).

Анализ настройки ЭКоГ

Анализ настройки дает представление о том, как характеристики сигнала ЭКоГ модулируются с учетом измеренной скорости (в этом разделе мы сосредоточились на иллюстрации роли фазы только при настройке скорости). Сглаженная и нормализованная скорость была разделена на 20 бинов, размеры которых были скорректированы таким образом, чтобы каждый бин содержал равное количество образцов. Для всех выборок скорости, отнесенных к определенному бину, вычислялось «общее среднее» соответствующих характеристик ЭКоГ, как среднее значение по всем событиям ‘среднее значение. Событие в этом анализе было определено как непрерывный сегмент данных, начинающийся в момент, когда временной ряд скоростей вошел в границу бина, до тех пор, пока он снова не покинул ее (и не попал в следующий бин). Для каждого такого события мы извлекли (с определенной временной задержкой — см. раздел «Модель декодирования») соответствующие выборки ЭКоГ и вычислили их среднее значение.Окончательное значение настройки («общее среднее») в каждом бине является тогда средним по всем таким событиям . Эта процедура позволяет избежать возможного чрезмерного представления событий , которые были бы непропорционально длиннее других, и гарантирует, что результаты настройки являются репрезентативными для всего анализируемого интервала времени. Параллельно с анализом декодирования мы также выполнили анализ настройки с разрешением смещения по времени как для LFC с действительным значением, так и для комплексных характеристик FD f сигнала ЭКоГ. Обратите внимание, что мы определили смещение времени τ таким образом, что его отрицательное значение отражает, что активность нейронов предшествует выполнению движения (дополнительные сведения см. в разделе «Методы», раздел «Модель декодирования»).

Результаты

Декодирование параметров движения только по фазе и по амплитуде

Используя подход к декодированию, основанный на частотно-временном представлении ЭКоГ, как описано в разделе Фурье-дескрипторы кратковременного преобразования Фурье, мы сначала рассмотрели вопрос, действительно ли фаза LFC является основным источником декодируемой информации, связанной с движением.Сравнивая результаты DAlg5 (только информация о величине) и DAlg4 (только информация о фазе), полученные из одного и того же набора данных, можно было количественно оценить относительный вклад величины и фазы по отдельности. Мы сравнили производительность декодирования, взяв все каналы сетки ЭКоГ за один конкретный временной сдвиг τ, чтобы предсказать скорость. Это временное смещение τ систематически варьировалось в интервале [-3,5, 3,5] с. Обратите внимание, что мы определили временной сдвиг τ таким образом, что его отрицательное значение соответствует ситуации, когда активность ЭКоГ предшествует движению (дополнительную информацию см. в разделе «Методы», раздел «Модель декодирования»).Мы обнаружили, что для всех испытуемых фаза оказалась значительно более информативной, чем величина во всех производных траектории (рис. 6C, D, для прямого сравнения предсказания скорости у отдельных испытуемых, см. желтую и пурпурную кривые на рис. 7A). Пиковые коэффициенты корреляции (CC) между фактической и прогнозируемой скоростью для всех испытуемых, валидационные кратности движения, находились в диапазоне 0,46 ± 0,10 (среднее ± стандартное значение) только для фазовых признаков, что было значительно выше (парный двусторонний знаковый тест 30 CCs). из каждой кратности перекрестной проверки и временной задержки P = 0.001 уровень значимости, коррекция частоты ложных открытий для нескольких тестов с задержкой во времени), чем для признаков только по величине, где CC = 0,16 ± 0,12 (таблица 2). Кроме того, максимальная DA, достигнутая с использованием только фазы, была очень похожа на полученную с использованием LFC во временной области (DAlg1, рисунок 6A, таблица 2, также ср. пурпурный и голубой кривые на рисунке 7A). Эти результаты четко определяют фазу (а не амплитуду) как основной носитель информации для декодирования скорости движения ЭКоГ LFC.

Рис. 6.Расшифровка положения, скорости и ускорения. Результаты, полученные при декодировании всех каналов сетки ЭКоГ как среднее значение по всем наборам тестов движения (т. е. 3 × 30 проверочных сгибов) для субъектов S1–S3. Среднее CC ± стандартная ошибка среднего как функция смещения по времени τ между предикторами ЭКоГ и декодированным положением движения (фиолетовый), скоростью (зеленый) и ускорением (коричневый). Отрицательные значения τ указывают на то, что ЭКоГ предшествует выполнению движения. Проанализированы четыре различных характеристики (строки рисунков): (A) временная область LFC (DAlg1), (B) время-частота амплитуда и фаза (DAlg3), (C) время-частота только амплитуда (DAlg5) и (D) время-частота только фаза . (DAlg4) Декодирование на основе признаков с информацией о низкочастотной фазе ЭКоГ было значительно лучше, чем только по амплитуде.

Рис. 7. Расшифровка скорости по различным компонентам сигнала и анатомическим областям. Результаты для субъектов S1–S3. (A) Декодирование всех каналов сетки. Среднее CC ± стандартная ошибка среднего как функция временного сдвига τ между предикторами ЭКоГ и декодированной скоростью движения (отрицательные значения τ указывают на то, что ЭКоГ предшествует во времени выполнению движения).Были проанализированы 4 различных характеристики: время-частота амплитуды и фазы (красный), частота времени-фаза только (пурпурный), время-частота только амплитуда (желтый) и временная область LFC ( голубой). Точность декодирования амплитудно-частотных и фазовых характеристик при их пиковых значениях (обозначенных красными треугольниками) значительно выше, чем у LFC во временной области. (B) Временно-частотная амплитуда и декодирование фазы с использованием одиночных каналов и временного смещения τ, обозначенного красными треугольниками в (A) .Квадратные графики представляют сетку ЭКоГ каждого субъекта с отмеченной центральной (и боковой в S1) бороздой (толстая белая кривая на сетке), разделением анатомических областей (тонкие белые линии, см. рис. 2E-G) и помеченными результаты электростимуляции (цвет метки: пурпурный — двигательная реакция, серый — сенсорная реакция. Н — рука, А — рука, О — рот, Е — глаза, Н — нога, С — плечо, Н — шея). (C) Декодирование групп каналов на основе распределения по анатомическим областям (раздел «Отображение электрической стимуляции и назначение каналов по анатомическим областям» в основном тексте) с использованием амплитудно-частотных и фазовых характеристик.Цвета анатомических областей такие же, как на рисунках 2E-G. Премоторная область (обозначена синим цветом) обеспечивает наиболее точные прогнозы у всех субъектов. (D) Декодирование модуляций относительной мощности в широком диапазоне различных частотных диапазонов. Коэффициент корреляции имеет цветовую кодировку для каждой полосы частот ( f 1 f 2 ), как определено осями x — и y . Результаты показаны для временного сдвига τ с максимальной корреляцией для каждого субъекта (0.0 с, -0,1 с и 0,2 с для субъектов S1–S3 соответственно). Фаза медленных колебаний была явно более информативной, чем любая из характеристик мощности спектральной полосы.

Таблица 2. Пиковая точность декодирования. Значения CC (среднее значение ± стандартное значение для 3 × 30 сгибов проверки движения всех 3 субъектов) при оптимальном временном смещении, определенном для каждого субъекта индивидуально 90 050 .

Декодирование движения с одновременным использованием фазы и величины

Затем мы проверили, можно ли получить дальнейшее увеличение DA путем декодирования скорости движения с использованием фазы и амплитуды одновременно (DAlg3, рис. 3).Сравнение результатов с использованием всех каналов сетки ЭКоГ в качестве предикторов показало согласованную закономерность для всех трех испытуемых (рис. 6Б, 7А, красные кривые): комплексные признаки, содержащие информацию о фазе и амплитуде, имели наилучшие показатели и были значительно лучше, чем ЛЧХ. (Рисунок 7A, синие кривые) — парный двусторонний знаковый тест 30 СС из каждой кратности перекрестной проверки и временной задержки, уровень значимости P = 0,05, коррекция частоты ложных открытий для нескольких тестов с временной задержкой.Примеры предсказанных производных траекторий (с использованием DAlg3) показаны на рисунках 4M, 8.

Рис. 8. Прогнозы положения, скорости и ускорения на основе репрезентативной проверочной развертки. Использование амплитудно-временных характеристик и фазы (DAlg3, τ = 0 с). (A) позиция, (B) скорость, (C) ускорение, CC даны для этих отдельных примеров.

Декодирование положения, скорости и ускорения с временным разрешением

Декодирование положения и скорости по фазе на низких частотах дало очень близкий DA для всех алгоритмов (рис. 6, табл. 2), в то время как ускорение было стабильным и значительно хуже декодируемым.Систематическое использование вектора признаков в качестве каналов только с одним временным смещением τ между парами ответ-предиктор и изменение этого значения смещения в течение интервала дает временной профиль декодируемой информации в сигналах предиктора относительно выполнения движения. Мы последовательно обнаружили, что (1) начало происходило за 2 с до движения, т. е. на стадии «прогнозирования», (2) с пиком около 0 с, что соответствует времени выполнения движения, и (3) возврат до нулевого базового уровня примерно через 2 с после выполнения движения, на стадии «постдикции» (рис. 6, 7А).

Примечательно, что временной профиль DA, полученный из сигнала LFC, оказался менее гладким, чем профиль, основанный на характеристиках амплитуды и фазы. Это было особенно ясно при декодировании скорости субъекта S1, где декодирование LFC показало двойной пик (рис. 7A, слева), тогда как декодирование амплитуды и фазы показало один плавный пик в том же временном окне. Причина этих временных различий была дополнительно исследована и выяснена с помощью анализа одноканальной настройки скорости (см. ниже, раздел Декодирование и настройка скорости одного канала).

Декодирование скорости с пространственным разрешением

Чтобы охарактеризовать анатомическое происхождение декодируемой информации, мы выполнили два набора анализов декодирования с пространственным разрешением. Мы сосредоточились здесь только на скорости (хотя аналогичные наблюдения были сделаны также для положения и ускорения). Во-первых, мы провели одноканальный анализ для функций FD f . Алгоритм декодирования (DAlg3, рис. 3) был таким же, как и в разделе «Декодирование движения с использованием фазы и величины одновременно», за исключением того, что предикторы состояли только из одной выборки канала при смещении по времени τ максимальной производительности всех каналов. характеристики величины и фазы (обозначены красными треугольниками на рисунке 6A).Таким образом, для каждого канала мы построили свою модель и оценили ее прогноз индивидуально. Значения CC для отклоненных каналов в S1 (рис. 2E, белый цвет) были интерполированы с соседних электродов.

Результат этого анализа показан в виде сетки значений CC (рис. 7B). У всех испытуемых каналы вблизи центральной борозды (CS, запись из премоторных и первичных соматосенсорных областей) имели в целом лучшую производительность, чем каналы, расположенные дальше от CS.

Во-вторых, для количественной оценки вклада различных АА, определенных, как описано в разделе «Методы» (раздел «Картирование электрической стимуляции и назначение каналов анатомическим областям»), мы провели анализ декодирования (DAlg3, рис. 3), используя каналы, назначенные каждому из АА. .Таким образом, у всех испытуемых можно было проанализировать премоторную и первичную соматосенсорные области, зону Брока у испытуемых S2 и S3, верхнюю теменную кору (SPL) в S1. Остальные каналы сетки ЭКоГ (обозначенные как «другие»), не включенные ни в один из вышеупомянутых АА, анализировались вместе. У всех субъектов премоторная область показала наилучшую производительность декодирования среди проанализированных областей (рис. 7C).

Относительная мощность полос частот Декодирование скорости

Фаза высокочастотных колебаний (>4 Гц) не может быть легко использована для непрерывного прогнозирования скорости движения (спектр которого <4 Гц, ср.,, рис. 2С), потому что фаза меняется быстрее, чем относительно медленный ход скорости движения во времени. Однако такой аргумент не работает, когда рассматривается огибающая амплитуды (или мощности) высокочастотного колебания. Таким образом, исследовалась относительная мощность полос частот (DAlg2, рис. 3), определяемая всеми возможными комбинациями границ полос из следующего диапазона: 0, 4, 8, 13, 30, 45, 70, 100, 130, 160, и 200 Гц. Оптимальное смещение времени τ оценивалось индивидуально для каждого субъекта (рис. 7D).Для субъекта S1 глобальный максимум был обнаружен при τ = 0,0 с, CC = 0,33 ± 0,09 (среднее ± станд.) в полосе частот 30–200 Гц; для субъекта S2: τ = -0,1 с, CC = 0,30 ± 0,10, полоса частот 45–200 Гц; для субъекта S3: τ = 0,2 с, CC = 0,27 ± 0,10, полоса 70–200 Гц. Наблюдалась значительная вариабельность значений смещения по времени для максимума декодирования, но определенная согласованность для наилучшей мощности полосы частот, а именно в широкополосной высокой гамме (75–200 Гц) — только нижняя граница варьировалась у разных субъектов.Важно отметить, что LFC и/или сложные функции FD давали значительно лучшие прогнозы, чем любые из характеристик спектральной мощности с ограниченной полосой пропускания того же сигнала.

Декодирование положения, скорости и ускорения с частотным разрешением

В результатах амплитудных и фазовых характеристик (DAlg3, рис. 3), представленных до сих пор, декодированная переменная была получена как сумма ее предсказанных FC. Дополнительным полезным свойством предложенного здесь алгоритма является то, что DA можно оценивать с частотным разрешением, оценивая CC каждой FC отдельно (CC FC ), что позволяет детально изучить наиболее информативные узкополосные FC в пределах широкополосный ЛЧХ.Чтобы изучить профиль CC FC с частотным разрешением при более высоком разрешении по частоте, мы также выполнили тот же анализ, что и раньше, но с более широким окном Ханнинга продолжительностью 5 с (что соответствует частотному разрешению 0,2 Гц). предикторов время-частота амплитуды и фазы были взяты при смещении времени τ = 0 с.

Из приведенных выше результатов (рис. 6, 7А) следует, что величина LFC лишь незначительно влияет на декодирование непрерывного движения, а фаза четко определяется как основной источник декодируемой информации.Аналогичные результаты (т. е. фаза DA >> амплитуда DA) были получены, когда единственным каналом предиктора является сам кинематический сигнал (например, положение, тривиально декодирующее само положение). Затем, используя предикторов время-частота и фаза , как и ожидалось, все FC были точно предсказаны независимо от их спектрального профиля (до тех пор, пока он не был тождественно равен нулю).

Это наблюдение привело нас к гипотезе о том, что LFC можно понимать как точную копию кинематической переменной во временной области.Несколько более реалистичный сценарий был построен, когда к кинематической «копии» был добавлен белый шум [таким образом, модель «копия + шум», кинематический сигнал (при стандартном отклонении = 1) + белый шум (при стандартном отклонении = 20)]. В этом случае, как и следовало ожидать, FC, совпадающие с максимальной спектральной плотностью мощности (PSD) положения движения (рис. 9A, E), скорости (рис. 9B, F) и ускорения (рис. 9C, G), тем самым имея максимальный сигнал- к шуму, также были лучше декодируемы. Примечательно, что частотные профили CC FC сильно отличались для каждой кинематической модели «копия + шум» (в среднем по всем траекториям всех субъектов).

Рис. 9. Декодирование с частотно-временным разрешением моделей «кинематическая копия + белый шум» и реальной ЭКоГ. Коэффициенты корреляции между прогнозируемой и фактической частотными составляющими (CC FC ), вычисленные для разных несущих частот f и временных сдвигов τ. Кинематическая копия (станд. = 1) суммировалась с белым шумом (станд. = 20). (A) модель «положение + шум» прогнозирует положение, (B) «скорость + шум» прогнозирует скорость и (C) модель «ускорение + шум» прогнозирует ускорение. (D) CC FC для реальных данных ЭКоГ, предсказывающих производные траектории, т. е. положение, скорость и ускорение (усредненные по всем субъектам, а также все производные траектории, см. раздел Декодирование положения, скорости и ускорения с частотным разрешением) . (E) модель «положение + шум», CC FC частотный профиль (фиолетовая кривая, слева по оси ) для частотно-временной амплитуды и фазы признаков при смещении по времени τ = 0 с и выше разрешение по частоте (размер окна = 5 с), построенное в зависимости от спектральной плотности мощности временного хода положения вдоль траектории (PSD, голубой, правая ось y ). (F) То же, что и (E) для модели «скорость + шум» (зеленая кривая слева от оси и ). (G) То же, что (E) для модели «ускорение + шум» (коричневая кривая, левая ось y ). (H) CC FC , полученный в результате декодирования реальных данных ЭКоГ (красный), нанесенных поверх CC FC трех моделей в (E–G) . Существует только близкое соответствие между ECoG CC FC и частотным профилем, полученным в модели «скорость + шум» (зеленый).

Для данных ЭКоГ, записанных у субъектов S1–S3 (последний столбец на рис. 9), мы обнаружили, что наиболее информативные FC постоянно находились в области очень низких частот между 0,5 и 1,0 Гц. Как указано в конце раздела «Особенности декодирования ЭКоГ», предсказание по ЭКоГ ФК для любой кинематической производной должно быть одинаковым (что действительно наблюдалось; рисунки 9D, H представляют собой среднее значение для всех субъектов и всех кинематических производных). . Удивительно, но декодирование с частотно-временным разрешением CC FC (τ, f ) показало (рис. 9D) очень похожий частотный профиль, что и у модели «скорость + шум» (рис. 9B), что также подтвердилось. в результатах декодирования с более высоким частотным разрешением (рис. 9H).

В свете этих результатов стало также ясно, почему ускорение имело значительно меньший DA, чем положение или скорость (табл. 2). Это было связано с тем, что наиболее информативные ФК располагались в диапазоне 0,5–1,0 Гц, тогда как высокие частоты были менее информативны (рис. 9Г, З, f > 2 Гц). Следовательно, высокочастотные компоненты, важные для восстановления ускорения, были предсказаны относительно неточно (рис. 9З, ср., красная и коричневая кривые для f > 2 Гц).Это не относится к положению или скорости, высокие FC которых имеют относительно небольшую мощность в нашей двигательной задаче (рис. 9E, F, голубые кривые).

Одноканальное декодирование скорости и настройка

Для дальнейшего изучения роли фазы в декодировании двигателя мы выполнили одноканальное декодирование и анализ настройки. В анализах, основанных на всех каналах, как описано выше, декодирование с использованием фазы показало более плавный ход времени, чем декодирование на основе LFC (см. выше, фиг. 6, 7A). Эта разница была еще более заметной на уровне одного канала (рис. 10).Ход смещения во времени декодирования на основе LFC обычно показывал четко различимые множественные пики, в то время как декодирование на основе фазы (отдельно или в сочетании с величиной) было намного более плавным (голубые кривые по сравнению с красными/пурпурными кривыми на рисунке 10A). Этот эффект может быть интуитивно понятен при настройке скорости одного канала с временным разрешением для различных компонентов сигнала.

Рис. 10. Одноканальное декодирование скорости и анализ настройки. Столбцы представляют три выбранных канала от субъектов S1–S3 соответственно. (A) Точность одноканального декодирования при различном смещении по времени τ (те же обозначения, что и на рисунке 5A). Проанализированы три различных характеристики: амплитуда и фаза время-частота (красный), только фаза времени-частоты (пурпурный) и LFC во временной области (голубой). Выбранный канал соответствует 1-й строке и 3-му столбцу в сетке ЭКоГ субъекта S1 (см. рис. 2). Обратите внимание на форму «верблюжьей спины» декодирования на основе LFC с двумя отдельными пиками, обозначенными «1» и «2». (B) Скорость — настройка ECoG LFC.Ось x определяет временной сдвиг τ между данными скорости и ЭКоГ, ось y определяет ячейки скорости v (где v > 0 для движений вправо и v < 0 для движений влево) . Среднее значение ECoG LFC в бинарном интервале имеет цветовую кодировку (и интерполируется). Около τ = 0 с можно наблюдать градиент полярности среднего LFC от положительного (для v < 0) до отрицательного (для v > 0) (левая звезда и квадрат соответственно).Примерно через 1 с полярность стала противоположной (правый квадрат и звезда). Минимальная точность декодирования на основе LFC в (A) , как показано вертикальной пунктирной линией, явно соответствует времени изменения полярности в (B) , где LFC показал небольшую настройку. (C) Скорость — настройка ECoG FD f , где f = 0,5 Гц. Биннинг по скорости такой же, как и в (B) , ответ комплексного значения FD f имеет цветовую кодировку прозрачности (масштабируется, как показано цветной полосой в правом нижнем углу), где прозрачность указывает на величина усредненных признаков FD f и их фазовые углы, определяемые как arctg(Re/Im), кодируются круговой цветовой картой.В моменты времени с минимальной точностью декодирования LFC (вертикальные пунктирные линии) фаза все еще настраивается из-за изменений полярности, как показано на (B) , что объясняет высокий фазовый DA в эти моменты времени (пурпурная кривая на А ). (D–F) то же, что и (A–C) , выбранный канал соответствует 5-й строке и 4-му столбцу сетки ЭКоГ субъекта S2. (G-I) то же, что и (A-C) , выбранный канал соответствует 8-й строке и 5-му столбцу сетки ЭКоГ субъекта S3.

На рисунке 10А показан пример настроенного на скорость канала премоторной коры субъекта S1. На временном профиле декодирования на основе LFC (голубая кривая) отчетливо различимы два пика DA (обозначены цифрами 1 и 2 соответственно). Между этими пиками СС между реальной и предсказанной скоростью упали почти до нуля (обозначены черной пунктирной линией). График настройки скорости с временным разрешением того же канала (рис. 10B) показывает, что во время первого пика DA правая скорость (положительный знак) была связана с отрицательным потенциалом (обозначен верхней звездочкой на рис. 10B), и, аналогично, скорость влево с положительным потенциалом (нижний квадрат).Эти дифференциальные отклики LFC объясняют хорошую декодируемость при таком временном смещении. Однако во время второго пика DA полярность настройки LFC была обратной (положительная LFC при движении вправо и отрицательная LFC при движении влево, отмеченные верхним квадратом и нижней звездочкой на рисунке 10B). Это изменение полярности объясняет исчезновение настройки LFC при промежуточной задержке (черная пунктирная линия). Однако в тот же момент времени фаза сигнала была четко настроена (рис. 10С) — из-за противоположного направления изменения полярности: от отрицательного к положительному для движения вправо и от положительного к отрицательному для движения влево соответственно.Как следствие, скорость все еще хорошо декодируется в этот промежуточный момент времени, если используется информация о фазе (с дополнительной информацией о величине или без нее, красная и пурпурная кривые на рисунке 10A) и результирующий временной профиль является гладким. Подобные эффекты наблюдались во многих моторно-кортикальных каналах всех испытуемых (рис. 10, остальные панели).

Обсуждение

Ранее предполагалось, что информация о фазе может быть особенно важна для декодирования двигателя (Jerbi et al. , 2007). Но было неясно, является ли фаза единственным основным источником декодируемой информации или, напротив, существенный вклад вносят также величины (Ball et al., 2009). В настоящем исследовании мы применили алгоритм декодирования, позволяющий нам решать этот вопрос напрямую путем декодирования только информации о фазе или величине, их комбинации, ЭКоГ с фильтром нижних частот, а также спектральной мощности в ограниченном диапазоне. Наши результаты ясно показывают, что фаза LFC ЭКоГ действительно намного более информативна, чем величины (таблица 2, рисунки 6, 7A), и что частотный профиль декодируемой информации точно соответствует мощности отдельных FC скорости (рис. 9H).Оба эти наблюдения согласуются с предположением о «копированном» представлении информации, связанной с движением, в нашем случае скорости, в LFC сигналов активности популяции нейронов, таких как ЭКоГ. Точность декодирования по спектральной мощности в разных частотных диапазонах (рис. 7D) была значительно ниже, чем у фазы медленных колебаний. Наилучшая DA была достигнута для широкополосной высокой гаммы (70–200 Гц), CC = 0,30 ± 0,10 (среднее ± стандартное). Такие результаты согласуются с предыдущими отчетами (Pistohl et al., 2008; Болл и др., 2009). Комбинация различных функций (например, высокая гамма + LFC) является еще одной многообещающей стратегией для увеличения общего DA, необходимого для практического применения ИМТ.

В предыдущих исследованиях ЭКоГ с использованием подобных непрерывных двигательных задач, как у нас, Schalk et al. (2007) сообщили о среднем CC около 0,5, а Pistohl et al. (2008) сообщили о значениях около 0,4. Наши результаты декодирования (таблица 2) имели наилучший DA для скорости (среднее значение ± станд. CC = 0,54 ± 0,10) и, таким образом, сопоставимы по достигнутой точности, указывая на то, что использование частотно-временной области амплитуды и фазы функции (DAlg3, рис. 3) могут быть полезны для декодирования моторики, а также могут повысить производительность онлайн-индексов массы тела, основанных на аналогичных подходах (Milekovic et al. , 2012).

Представления сигнала во временной и частотной областях математически эквивалентны. Следовательно, при оптимальных методах декодирования результирующий DA должен быть одним и тем же в двух случаях. В настоящем исследовании мы сравнили декодирование LFC на основе временных данных из одного временного интервала с комплексными частотными характеристиками из того же временного интервала, поскольку мы стремились разграничить отдельные роли фазы и амплитуды. Таким образом, мы выполнили декодирование на основе всех доступных моментов времени по отдельности, что позволило нам с максимальной временной точностью связать профили смещения во времени фазового и LFC-кодирования и декодирования (см. ниже).

Временная эволюция основанного на фазе DA, полученного путем систематического изменения временного смещения τ между предикторами ЭКоГ и скоростным откликом, показала относительно плавный ход времени с глобальным максимумом во время, близкое к выполнению движения (рис. 6, 7A). . Этот основной временной профиль наблюдался для декодирования на основе всех электродов (рис. 7A), а также для отдельных AA (рис. 7C). Форма кривой DA отражает лежащие в основе нейронные процессы, включая двигательную подготовку и сенсорную обработку, а также автокорреляцию кинематического сигнала ответа (рис. 2D), низкочастотные характеристики признаков, используемых в качестве предикторов, и процесс обработки. декодируемых функций (фильтрация с нулевым фазовым сдвигом, работа с окнами и т. д.). Примечательно, что этот плавный временной ход не был получен при декодировании на основе LFC, что привело к профилям «верблюжьей спины», особенно в отдельных каналах (рис. 10). Эти множественные пики могут быть приняты для обозначения различных стадий нейронной обработки, в то время как фазовое декодирование скорее указывает на плавную, непрерывную эволюцию информации, связанной с движением.

Пистол и др. (2008) также продемонстрировали развертывание декодируемой информации, взяв одно и то же временное смещение для всех каналов, как и в настоящем исследовании. Однако их анализ был ограничен только фазой предсказания (отрицательные значения смещения времени τ в нашем исследовании). Мы намеревались изучить весь временной профиль и, следовательно, также использовали ЭКоГ из фазы «постдикция» (т. е. скорость в данный момент времени декодируется из активности ЭКоГ в более поздний момент времени). Мы обнаружили, что максимальная точность была получена при декодировании скорости по близкой к одновременной ЭКоГ. В S3 пик скорости DA (т. е. смещение по времени с максимальным CC, см. красные треугольники на рисунке 7A) был даже немного смещен в фазу «постдикции».Это временное свойство важно для построения замкнутых ИМТ, поскольку, очевидно, нельзя использовать информацию из «постдиктивной» части при декодировании в реальном времени. Настоящие результаты предполагают, что расхождение между особенностями ЭКоГ и декодированной скоростью должно быть сведено к минимуму.

Пространственное распределение декодируемой информации имело правдоподобную топографию. Отдельные каналы с самым высоким DA были хорошо выровнены с моторными областями в соответствии с картированием электрической стимуляции (рис. 7B).Анатомической областью с наилучшей производительностью была прецентральная двигательная область (рис. 7C), что соответствует результатам предыдущих исследований расшифровки ЭКоГ (Ball et al., 2009).

Другой вопрос, которому уделялось большое внимание в исследованиях декодирования ЭКоГ, заключается в том, какой частотный диапазон является наиболее информативным. Однако точные частоты в низкочастотном диапазоне, дающие большую часть информации, еще не определены. Алгоритм декодирования, предложенный в настоящем исследовании, основан на декодировании дескрипторов Фурье в частотно-временной области и, таким образом, подходит для распутывания DA, полученных из отдельных FC.Мы обнаружили, что у всех испытуемых наиболее информативными были очень низкие FC в диапазоне 0,5–1,0 Гц с пиком DA около 0,5 Гц (рис. 9D, H). Возможность такого исследования с частотным разрешением имеет практические преимущества для выбора FC, которые будут использоваться для последующей реконструкции и/или выбора оптимального фильтра.

Изменения полярности были заметной особенностью настройки скорости-ЭКоГ (рис. 10). Эти временные моменты изменения полярности представляют особый интерес, поскольку здесь информативным было фазовое, а не LFC-декодирование.Это можно понять, поскольку декодирование LFC требовало линейной настройки сигнала LFC на скорость, что ясно видно для тех временных задержек, когда активность LFC была наиболее информативной (рис. 10A, D, G): здесь LFC имела противоположную полярность для двух разные направления движения. Эта линейная настройка исчезала в момент смены полярности (вертикальные пунктирные линии на рис. 10) и, следовательно, декодирование на основе LFC не удавалось, в то время как фаза оставалась настроенной и декодируемой (рис. 10A, D, G, красная и пурпурная кривые).Включение более чем одного канала в вектор признаков предсказания LFC делает этот эффект менее выраженным, но все же видимым (рис. 7A, голубая кривая), поскольку инверсия полярности происходила с разным временным сдвигом по каналам (см. рис. 10A, D, G). .

Таким образом, результаты настоящего исследования показывают, что во время непрерывной двигательной задачи фаза, а не амплитуда существенно влияли на декодирование кинематики движения, как предполагалось ранее, но не проверялось количественно, и что частотный профиль DA хорошо соответствовал форме PSD скорости движения.Эти результаты согласуются с предположением о том, что существует точная копия скорости, встроенной в многоканальные данные ЭКоГ во временной области, и что нет никаких дополнительных механизмов, основанных на величине, кодирующих скорость в частотном диапазоне LFC, как показано на графике. простая модель «скорость + шум». В последующих исследованиях было бы интересно проверить, в какой степени данные движения с другими частотными составами могут быть точно «скопированы» LFC, например, более быстрое движение с их максимальным частотным содержанием в более высоких частотах или даже суперпозиции медленных и быстрых движений. что приводит к более чем одному спектральному пику. Будет ли частотный профиль реконструированных FC оставаться таким же, как сообщается в этом исследовании, или он будет соответствовать профилю PSD, как предсказано моделью «скорость + шум»? С предложенными здесь методами также было бы интересно, существуют ли другие задачи или параметры движения, где величины вносят существенный вклад в декодирование движения, то есть насколько преобладает информация, связанная с движением, в фазе LFC при декодировании ЭКоГ.

Заявление о конфликте интересов

Авторы заявляют, что исследование проводилось при отсутствии каких-либо коммерческих или финансовых отношений, которые могли бы быть истолкованы как потенциальный конфликт интересов.

Благодарности

Эта работа была поддержана грантом GoBio Федерального министерства образования и исследований Германии 0313891, грантом BrainCon 0316064C и грантом DFG EXC 1086 BrainLinks-BrainTools для Университета Фрайбурга, Германия. Мы хотели бы поблагодарить испытуемых за участие в нашем исследовании. Мы благодарны персоналу Фрайбургской университетской клиники, Центра эпилепсии за помощь. Плата за подготовку статьи была профинансирована фондом публикаций открытого доступа Фрайбургского университета.

Ссылки

Абрамовиц М. и Стегун И. А. (1970). Справочник по математическим функциям . Нью-Йорк, штат Нью-Йорк: Dover Publications.

Ачарья, С., Файфер, М.С., Бенц, Х.Л., Кроун, Н.Е., и Такор, Н.В. (2010). Электрокортикографическая амплитуда предсказывает положение пальцев во время медленных хватательных движений руки. Дж. Нейронный инженер . 7, 046002. doi: 10.1088/1741-2560/7/4/046002

Опубликовано Резюме | Опубликован полный текст | Полный текст перекрестной ссылки

Арцен, А.и Йоханнесма, П.И.М. (1980). Спектро-временные рецептивные поля слуховых нейронов травяной лягушки I. Характеристика тональных и естественных раздражителей. биол. Кибер . 38, 223–234. дои: 10.1007/BF00337015

Опубликовано Резюме | Опубликован полный текст | Полный текст перекрестной ссылки

Болл, Т. , Шульце-Бонхаге, А., Эрцен, А., и Меринг, К. (2009). Дифференциальное представление направления движения руки по отношению к корковой анатомии и функции. Дж. Нейрал. Eng .6, 016006. doi: 10.1088/1741-2560/6/1/016006

Опубликовано Резюме | Опубликован полный текст | Полный текст перекрестной ссылки

Боашаш, Б. (1992). Оценка и интерпретация мгновенной частоты сигнала — часть I: основы. Проц. IEEE 80, 520–538. дои: 10.1109/5.135376

Полнотекстовая перекрестная ссылка

Брэдберри, Т.Дж., Джентили, Р.Дж., и Контрерас-Видал, Дж.Л. (2010). Реконструкция трехмерных движений рук по неинвазивным электроэнцефалографическим сигналам. Дж. Нейроски . 30, 3432–3437. doi: 10.1523/JNEUROSCI.6107-09.2010

Опубликовано Резюме | Опубликован полный текст | Полный текст перекрестной ссылки

Кармена, Дж. М., Лебедев, М. А., Крист, Р. Э., О’Доэрти, Дж. Э., Сантуччи, Д. М., Димитров, Д. Ф., и соавт. (2003). Обучение управлению интерфейсом мозг-машина для достижения и захвата приматами. ПЛОС Биол . 1:Е42. doi: 10.1371/journal.pbio.0000042

Опубликовано Резюме | Опубликован полный текст | Полный текст перекрестной ссылки

Коллинджер, Дж.L., Wodlinger, B., Downey, J.E., Wang, W., Tyler-Kabara, E.C., Weber, D.J., et al. (2013). Высокоэффективный нейропротезный контроль у человека с тетраплегией. Ланцет 381, 557–564. doi: 10.1016/S0140-6736(12)61816-9

Опубликовано Резюме | Опубликован полный текст | Полный текст перекрестной ссылки

Эйкхофф, С. Б., Хайм, С., Зиллес, К., и Амунтс, К. (2006). Проверка анатомически заданных гипотез в функциональной визуализации с использованием цитоархитектонических карт. Нейроизображение 32, 570–582.doi: 10.1016/j.neuroimage.2006.04.204

Опубликовано Резюме | Опубликован полный текст | Полный текст перекрестной ссылки

Фетц, Э. Э., и Чейни, П. Д. (1980). Постспайковое облегчение активности мышц передних конечностей кортико-мотонейрональными клетками приматов. Дж. Нейрофизиол . 44, 751–772.

Опубликовано Резюме | Опубликован полный текст

Георгопулос А.П., Каласка Дж.Ф., Каминити Р. и Мэсси Дж.Т. (1982). О взаимосвязи между направлением двумерных движений рук и разрядом клеток моторной коры приматов. Дж. Нейроски . 2, 1527–1537.

Опубликовано Резюме | Опубликован полный текст

Георгопулос, А. П., Лангхейм, Ф. Дж., Лойтольд, А. С., и Меркл, А. Н. (2005). Магнитоэнцефалографические сигналы предсказывают траекторию движения в пространстве. Экспл. Мозг Res . 167, 132–135. doi: 10.1007/s00221-005-0028-8

Опубликовано Резюме | Опубликован полный текст | Полный текст перекрестной ссылки

Хохберг Л.Р., Серруя М.Д., Фрихс Г.М., Муканд Дж.А., Салех М., Каплан А.Х. и др. (2006). Нейронный ансамбль управления протезами человека с тетраплегией. Природа 442, 164–171. doi: 10.1038/nature04970

Опубликовано Резюме | Опубликован полный текст | Полный текст перекрестной ссылки

Хор, Дж. , и Фламент, Д. (1988). Изменения нейронной разрядки моторной коры, связанные с развитием атаксии мозжечка. Дж. Нейрофизиол . 60, 1285–1302.

Опубликовано Резюме | Опубликован полный текст

Джерби, К., Лашо, Дж.П., Н’Диай К., Пантазис Д., Лихи Р. М., Гарнеро Л. и соавт. (2007). Когерентное нейронное представление скорости рук у людей, выявленное с помощью МЭГ. Проц. Натл. акад. науч. США . 104, 7676–7681. doi: 10.1073/pnas.0609632104

Опубликовано Резюме | Опубликован полный текст | Полный текст перекрестной ссылки

Johannesma, P.I.M., Aertsen, A.M.H.J., Cranen, L., and van Erning, L. (1981). Фонохром: когерентное спектрально-временное представление звука. Слушай. Рез .5, 123–145. дои: 10.1016/0378-5955(81)

-3

Опубликовано Резюме | Опубликован полный текст | Полный текст перекрестной ссылки

Кеттнер Р.Э., Шварц А.Б. и Георгопулос А.П. (1988). Моторная кора приматов и свободные движения рук к визуальным целям в трехмерном пространстве. III. Позиционные градиенты и популяционное кодирование направления движения от различных источников движения. Дж. Нейроски . 8, 2938–2947.

Опубликовано Резюме | Опубликован полный текст

Кубанек, Й., Миллер, К.Дж., Оджеманн, Дж.Г., Вулпоу, Дж.Р., и Шалк, Г. (2009). Расшифровка сгибания отдельных пальцев с использованием электрокортикографических сигналов у людей. Дж. Нейронный инженер . 6, 066001. doi: 10.1088/1741-2560/6/6/066001

Опубликовано Резюме | Опубликован полный текст | Полный текст перекрестной ссылки

Лакатос, П., Шах, А.С., Кнут, К.Х., Ульберт, И., Кармос, Г., и Шредер, К.Е. (2005). Колебательная иерархия, контролирующая возбудимость нейронов и обработку стимулов в слуховой коре. Дж. Нейрофизиол . 94, 1904–1911. doi: 10.1152/jn.00263.2005

Опубликовано Резюме | Опубликован полный текст | Полный текст перекрестной ссылки

Лайонс, Р. (2003). Советы и приемы DSP — скользящее ДПФ. Сигнал IEEE Proc. Маг . 20, 74–80. doi: 10.1109/MSP.2003.1184347

Полнотекстовая перекрестная ссылка

Меринг, К., Наврот, М.П., ​​Кардосо де Оливейра, С., Ваадия, Э., Шульце-Бонхаге, А., Эрцен, А., и соавт. (2004). Сравнение информации о направлении движения руки в одиночных каналах локальных и эпикортикальных полевых потенциалов моторной коры обезьяны и человека. J. Physiol. Париж 98, 498–506. doi: 10.1016/j.jphysparis.2005.09.016

Опубликовано Резюме | Опубликован полный текст | Полный текст перекрестной ссылки

Меринг, К., Риккерт, Дж., Ваадия, Э., Кардосу де Оливейра, С., Арсен, А., и Роттер, С. (2003). Вывод о движениях рук на основе потенциалов локального поля в моторной коре обезьяны. Нац. Нейроски . 6, 1253–1254. doi: 10.1038/nn1158

Опубликовано Резюме | Опубликован полный текст | Полный текст перекрестной ссылки

Милекович, Т., Fischer, J., Pistohl, T., Ruescher, J., Schulze-Bonhage, A., Aertsen, A., et al. (2012). Онлайн-интерфейс мозг-машина, использующий расшифровку направления движения по электрокортикограмме человека. Дж. Нейронный инженер . 9, 046003. doi: 10.1088/1741-2560/9/4/046003

Опубликовано Резюме | Опубликован полный текст | Полный текст перекрестной ссылки

Миллер, К. Дж., Гермес, Д., Хани, С. Дж., Хебб, А. О., Рэмси, Н. Ф., Найт, Р. Т., и другие. (2012). Двигательная корковая активность человека избирательно зависит от основных ритмов. Вычисление PLoS. Биол . 8:e1002655. doi: 10.1371/journal.pcbi.1002655

Опубликовано Резюме | Опубликован полный текст | Полный текст перекрестной ссылки

Миллер, К. Дж., Соренсен, Л. Б., Оджеманн, Дж. Г., и ден Нийс, М. (2009). Степенной закон масштабирования электрического потенциала поверхности мозга. Вычисление PLoS. Биол . 5:e1000609. doi: 10.1371/journal.pcbi.1000609

Опубликовано Резюме | Опубликован полный текст | Полный текст перекрестной ссылки

Панински Л., Феллоуз М., Хацопулос Н.и Донохью, Дж. П. (2004). Пространственно-временная настройка двигательных нейронов коры на положение и скорость руки. Дж. Нейрофизиол . 91, 515–532. doi: 10.1152/jn.00587.2002

Опубликовано Резюме | Опубликован полный текст | Полный текст перекрестной ссылки

Персун Ф. и Фу К. (1977). Описание формы с использованием дескрипторов Фурье. Транзакции IEEE в системах. Человек Кибер . 7, 170–179. doi: 10.1109/TSMC.1977.4309681

Полнотекстовая перекрестная ссылка

Пистоль, Т., Ball, T., Schulze-Bonhage, A., Aertsen, A., and Mehring, C. (2008). Прогнозирование траекторий движения рук по ЭКоГ-записям человека. J. Neurosci. Методы 167, 105–115. doi: 10.1016/j.jneumeth.2007.10.001

Опубликовано Резюме | Опубликован полный текст | Полный текст перекрестной ссылки

Пистол, Т., Шульце-Бонхаге, А., Эрцен, А., Меринг, К., и Болл, Т. (2012). Расшифровка естественных типов захвата по ЭКоГ человека. Нейроизображение 59, 248–260. doi: 10.1016/j.neuroimage.2011.06.084

Опубликовано Резюме | Опубликован полный текст | Полный текст перекрестной ссылки

Рикерт, Дж. , Кардосо де Оливьера, С., Ваадия, Э., Эрцен, А., Роттер, С., и Меринг, К. (2005). Кодирование направления движения в различных частотных диапазонах потенциалов локального поля моторной коры. Дж. Нейроски . 25, 8815–8824. doi: 10.1523/JNEUROSCI.0816-05.2005

Опубликовано Резюме | Опубликован полный текст | Полный текст перекрестной ссылки

Рюмо, К., Цурио, Н., Мураяма, Н., Peretti-Viton, P., Levrier, O., Joliot, M., et al. (1994). Расположение функции руки в сенсомоторной коре: МР и функциональная корреляция. АДЖНР Ам. Дж. Нейрорадиол . 15, 567–572.

Опубликовано Резюме | Опубликован полный текст

Schalk, G., Kubanek, J., Miller, K.J., Anderson, N.R., Leuthardt, E.C., Ojemann, J.G., et al. (2007). Расшифровка двумерных траекторий движения с помощью электрокортикографических сигналов у человека. Дж. Нейронный инженер . 4, 264–275.дои: 10.1088/1741-2560/4/3/012

Опубликовано Резюме | Опубликован полный текст | Полный текст перекрестной ссылки

Шварц, А. Б., и Моран, Д.В. (1999). Моторная корковая активность во время рисуночных движений: представление популяции при отслеживании лемнискатов. Дж. Нейрофизиол . 82, 2705–2718.

Опубликовано Резюме | Опубликован полный текст

Старк, Э., Дрори, Р., и Абелес, М. (2009). Моторная активность коры, связанная с кинематикой движения, имеет локальную пространственную организацию. Кора 45, 418–431. doi: 10.1016/j.cortex.2008.03.011

Опубликовано Резюме | Опубликован полный текст | Полный текст перекрестной ссылки

Steinmetz, H., Furst, G., and Meyer, B.U. (1989). Черепно-мозговая топография по международной системе 10-20. Электроэнцефалогр. клин. Нейрофизиол . 72, 499–506. дои: 10.1016/0013-4694(89)-7

Опубликовано Резюме | Опубликован полный текст | Полный текст перекрестной ссылки

Вальдерт, С., Пистол, Т., Браун, К., Болл, Т., Эрцен, А., и Меринг, К. (2009). Обзор направленной информации в нейронных сигналах для интерфейсов мозг-машина. J. Physiol. Париж 103, 244–254. doi: 10.1016/j.jphysparis.2009.08.007

Опубликовано Резюме | Опубликован полный текст | Полный текст перекрестной ссылки

Waldert, S., Preissl, H., Demandt, E., Braun, C., Birbaumer, N., Aertsen, A., et al. (2008). Направление движения руки расшифровано по МЭГ и ЭЭГ. Дж. Нейроски . 28, 1000–1008. doi: 10.1523/JNEUROSCI.5171-07.2008

Опубликовано Резюме | Опубликован полный текст | Полный текст перекрестной ссылки

Ву, В., Гао, Ю., Биненшток, Э., Донохью, Дж. П., и Блэк, М. Дж. (2006). Байесовское популяционное декодирование моторной активности коры с использованием фильтра Калмана. Нейронные вычисления . 18, 80–118. дои: 10.1162/089976606774841585

Опубликовано Резюме | Опубликован полный текст | Полный текст перекрестной ссылки

Янагисава Т., Хирата М., Сайто Ю., Гото Т., Кишима Х., Фукума Р. и др. (2011).Управление протезом руки в режиме реального времени с использованием сигналов электрокортикографии человека. Дж. Нейрохирург . 114, 1715–1722 гг. дои: 10.3171/2011.1.JNS101421

Опубликовано Резюме | Опубликован полный текст | Полный текст перекрестной ссылки

Юсри, Т. А., Шмид, У. Д., Алкадхи, Х., Шмидт, Д., Перо, А., Бюттнер, А., и соавт. (1997). Локализация двигательной области руки на бугорке прецентральной извилины. Новый ориентир. Мозг 120, 141–157. doi: 10.1093/мозг/120.1.141

Опубликовано Резюме | Опубликован полный текст | Полный текст перекрестной ссылки

Расшифровка нейронной фазы | Слуховое старение

Условия декодирования из фазовых данных

Один из способов оценить, насколько хорошо нейронный сигнал представляет конкретное экспериментальное состояние среди множества других экспериментальных условий, — это использовать метод классификации с одним испытанием.Для линейных данных доступно несколько мощных алгоритмов классификации: классификаторы машины опорных векторов (SVM) относятся к этой категории, и я использовал SVM в прошлом для классификации слуховых стимулов на основе сигналов МЭГ и фМРТ.

Здесь я описываю подход к классификации одного испытания с использованием данных о фазе нейронных колебаний. Фаза является циклической переменной, и общие классификаторы не могут использоваться для фазовых данных. Этот подход также подробно объясняется в одной из моих предыдущих публикаций с использованием данных MEG.

Декодирование (классификация) экспериментальных условий по фазе нейронных колебаний

Моделированные данные

Представьте исследование, в котором регистрируются нейронные сигналы (например, с помощью ЭЭГ или МЭГ) в ответ на амплитудно-модулированные звуки, которые могут принимать одна из 11 скоростей модуляции (наши условия; 2:0,5:7 Гц). Нейронные сигналы имеют тенденцию синхронизироваться с модуляцией амплитуды звука и, таким образом, имеют тенденцию модулировать скорость модуляции стимула.

Подробно я смоделировал 100 сигналов (или проб) для каждой из 11 скоростей модуляции. Сигналы представляли собой простые синусоиды длительностью 3 секунды, к которым добавлялся белый шум и фазы начала которых слегка дрожали. Следовательно, данные представляют собой 100 сигналов во временной области для каждой из 11 скоростей модуляции. Среднее значение во временной области для 100 сигналов и одного сигнала отображается для двух скоростей модуляции справа.

Для декодирования (классификации) сигналов на основе фазы необходимо преобразовать данные во временной области.В текущем моделировании сигналы были преобразованы в фазовые углы (т. е. фазы) путем вычисления преобразования Гильберта и получения угла результирующих комплексных значений (вы также можете использовать, например, вейвлет-анализ для получения фазовых данных). Результатом является фазовый временной ряд для каждого сигнала. Круговое среднее по 100 фазовым сигналам и однофазному сигналу отображается для двух скоростей модуляции слева.

Классификация состояний

Классификация одиночных сигналов основана на процедуре сопоставления шаблонов.То есть для каждого условия (т. е. скорости модуляции) отдельно вычисляется круговое среднее по всем сигналам, но не учитывается единственный сигнал, который будет классифицироваться. В текущем примере рассчитываются 11 средних фазовых временных ходов, отражающих 11 шаблонов (10 основаны на 100 сигналах, 1 основаны на 99 сигналах).

Затем вычисляется круговое расстояние (в каждый момент времени) между одиночным пропущенным сигналом и 11 шаблонами, в результате чего получается 11 круговых расстояний во времени.Затем следует вычисление среднего кругового значения по временным точкам для каждого из 11 временных курсов кругового расстояния. Наконец, декодированная метка этого сигнала выбирается в качестве метки шаблона, до которого среднее расстояние наименьшее.

Процедура (расчет шаблона, круговое расстояние и т. д.) повторяется для каждого сигнала каждого условия. Затем вычисляется доля классифицированных сигналов (т. е. как часто сигнал с частотой 2 Гц классифицировался как сигнал с частотой 2 Гц, 2.сигнал 5 Гц и т. д.), в результате чего получается матрица декодирования/путаницы, диагональ которой отражает точность декодирования. Матрица декодирования/перепутывания и точность декодирования или классификации для каждой скорости модуляции представлены выше.

Обучение улучшает декодирование идентичности запаха с помощью фазовых колебаний в обонятельной луковице

Основные версии:

1) Недостаток ясности в презентации. В целом, организация рукописи и изложение результатов затрудняют понимание широким кругом читателей логики экспериментов и анализов.Описание результатов и панели рисунков скачут, а не протекают по рисунку. Кроме того, многим анализам не хватает достаточной мотивации и интерпретации в разделе «Результаты». Таким образом, часто бывает трудно понять, почему был проведен анализ и что означает его результат. При пересмотре рукописи следует помнить об этих общих моментах.

Мы пересмотрели раздел «Результаты», чтобы обеспечить лучшую мотивацию и интерпретацию анализов. Кроме того, мы изменили текст и рисунки, чтобы обеспечить более непрерывное прохождение рисунков.

Конкретные комментарии, относящиеся к этому общему пункту, перечислены ниже:

a) Раздел «Результаты»: необходимо больше описания сходств и различий Exp1 и Exp2, чем просто электроды и глубина записи. Недостаточно информации, чтобы определить, следует ли одинаково интерпретировать результаты обоих исследований. Выводы в Эксперименте 2 кажутся более сильными, чем в Эксперименте 1, но это не обсуждается далее. Разница между Exp1 и Exp2 может возникнуть из-за того, что группа 1 состоит из мышей, несущих рекомбиназу Cre, которая, вероятно, изменяет физиологию нейронов даже в отсутствие какой-либо рекомбинации.Эту возможность следует упомянуть в обсуждении.

Спасибо за комментарий. Предложение в разделе «Результаты» заставило читателя подумать, что мы думали, что различия между экспериментами связаны с расположением электродов. Это не входило в наши намерения. Действительно, генотип может влиять на физиологические и поведенческие результаты, но на самом деле это не мыши C57BL/6 и не Cre. Важно отметить, что результаты статистически значимы как для Exp1, так и для Exp2. Хотя различия имеют тенденцию быть больше для Exp2, мы считаем, что обсуждение того, связано ли это с количеством используемых животных, расположением электродов, используемыми парами одорантов или генотипами, не допускается, поскольку это было бы слишком спекулятивно. Вместо этого мы заявляем в обсуждении, что получение статистически значимых результатов для обоих экспериментов, несмотря на многочисленные экспериментальные различия, является сильной стороной исследования.

Мы внесли следующие изменения в текст:

Мы обновили дополнительный файл 1, включив в него генотип для каждого эксперимента, и мы заменили предложение следующим: «Как показано в таблице S1, два эксперимента различались расположением электродов, генотипом мыши, имплантацией устройства (тетрод или генотип мыши).optetrode) и используемые пары одорантов (см. также Методы)».

Мы добавили предложение в раздел «Обсуждение»: «Важно, что наши результаты были воспроизведены в двух разных экспериментах (Exp1 и Exp2), отличающихся генотипом, расположением электродов, имплантированным устройством (тетрод или электрод) и используемыми парами одорантов (см. Таблицу S1). . […] Независимо от причины различий между экспериментами, для этого исследования важно, чтобы результаты PRP были получены для обоих экспериментов в существенно разных экспериментальных условиях.

Мы добавили следующее предложение к легенде для дополнительного файла 1: «Примечание: экспрессия Cre может влиять на физиологические параметры, и поэтому различия, обнаруженные между экспериментами в этой публикации, могут быть связаны с экспрессией Cre (Harno et al., 2013). Однако нам не очевидно, какое из методологических различий между экспериментами способствует статистическим различиям в измеренных параметрах».

б) Много раз на рисунках имеются важные выводы, но это не указано на рисунке (т.е. символом) и указывается только в подписи к рисунку или в основном тексте. Было бы полезно, если бы значимые результаты были представлены единообразно на всем протяжении.

Мы добавили звездочки ко всем гистограммам, когда обнаружили значимость в апостериорных тестах. Мы не добавляли звездочки значимости к гистограммам кумулятивной вероятности или временным графикам, потому что это неудобно, когда у вас есть несколько гистограмм на графике. Значения значимости p для гистограмм кумулятивной вероятности указаны как в легенде, так и в тексте результатов.В литературе мы не находим звездочки для гистограмм кумулятивной вероятности. Однако, если у рецензентов есть предложения, как это сделать, мы будем рады изменить графики.

c) Более базовое объяснение «размерности» и того, как эта концепция применяется к обонятельной системе, вероятно, будет полезна читателям, незнакомым с этой концепцией. Мы предполагаем, что некоторое обсуждение этого во введении, а также в разделе «Результаты» было бы полезным.

Мы добавили понятие размерности во Введение и переработали раздел «Результаты» и раздел «Обсуждение», чтобы читателям, незнакомым с этой концепцией, было понятно определение размерности и актуальность результатов для обработки обонятельных сигналов (см. 7 ниже).

d) В начале раздела «Результаты» укажите временное окно относительно момента, из которого были проанализированы данные.

Мы добавили этот текст в начало раздела результатов:

«В задании «годен-нет» мыши начинают испытание спонтанно, тыча носом в носик для запаха и облизывая отверстие для лизания. Отдушка подается в случайное время через 1-1,5 секунды после тыкания носом».

И этот текст был добавлен в начале раздела результатов:

«Наконец, для оценки статистической значимости различий в колебательных параметрах, оцененных в этом исследовании, оценки либо усреднялись по периоду времени применения отдушки (0,0.от 5 до 2,5 с после направления одоранта в носик подачи запаха) или статистическую значимость оценивали для всего периода времени с временными точками каждые 0,1 с с использованием обобщенной линейной модели (GLM, см. Методы). Кроме того, мы дополняем проверку статистической значимости с использованием значений p оценкой доверительных интервалов начальной загрузки (Halsey et al., 2015)».

e) Рисунок 1D: Данные представлены так, как будто все оси x одинаковы, и все представленные данные соответствуют расширению, показанному от Di до Dii. Однако в Dii и Dv есть 16 циклов, которые не совпадают, и только 8 или 9 циклов в Diii и Div (они также не совпадают). Изменилась ли временная шкала оси?

Спасибо, что заметили это. Да, расширенный raw LFP (1-100 Гц) и огибающая для высокой гаммы были неправильно извлечены за две секунды. Рисунок 1 был заменен, включая правильные трассировки.

f) Рисунок 2H: Эта цифра слишком мала и с ней трудно работать. Основной вывод, по-видимому, связан с ИМ для S+>S- у обученных животных в наборах данных.Последовательного изменения ИМ для S+ или S- при обучении не наблюдается. Существует постоянное увеличение фазовой дисперсии для S- с обучением. Эти выводы следует как-то резюмировать простым и понятным способом.

Мы заменили рисунок 2H анализом для каждого эксперимента, где мы использовали среднее значение MI и дисперсию угла пика для каждой пары одорантов. Это более консервативный подход, более простой для представления, который также обнаруживает изменение дисперсии угла пика при обучении с использованием GLM. Однако более подробный анализ, который мы представили на рисунке 2H, является достоверным и предоставляет дополнительную соответствующую информацию. Мы переместили старый рисунок 2H на рисунок 2 — дополнение к рисунку 2, где он показан как рисунок на всю страницу. Мы переместили текст, описывающий рисунок 2 — дополнение к рисунку 2, в дополнительную информацию.

g) В связи с вышеизложенным на рисунке 2H кажется, что эволюция MI и пиковой дисперсии во время обучения различается для теста IAMO как для Exp1, так и для Exp2.Особенность этой пары заключается в том, что она находится между одорантом и носителем, а не между двумя одорантами. Может ли разница быть связана с тем, что в этом случае мышь должна обнаруживать запах, но не должна его идентифицировать/различать? Отличается ли PAC, когда S+ представляет собой минеральное масло, по сравнению с изоамилацетатом?

К сожалению, у нас нет данных, где S+ было минеральное масло, а S- был изоамилацетат. Однако, глядя на данные на рис. 2 — дополнение к рисунку 2 (бывший рис. 2H), мы не находим, что данные IAMO особенно отличаются от других пар одорантов.

Действительно, звездочки указывают на то, что для всех пар одорантов различия значимы.

h) Рисунку 5, особенно 5D, и его/их результатам трудно осмысленно следовать. Пожалуйста, подробнее о том, что показано. Возможно, было бы лучше определить «время принятия решения», поскольку, похоже, это относится к LDA и фактическому решению животного.

Да, мы сравниваем время, когда животное решает перестать лизать на S- (время принятия решения о лизании), со временем, когда разница между одорантами, использующими PRP LDA, становится статистически значимой (время принятия решения PRP LDA), и мы показать, что эти два времени не различаются.Мы тщательно отредактировали подраздел «Принятие решений происходит одновременно для пикового PRP LDA и lic». Этот раздел начинается с определения того, что мы подразумеваем под этим временем принятия решения, и как оно рассчитывается для облизываний и PRP LDA. Кроме того, мы упростили рисунок 6 — приложение к рисунку 1.

i) Подраздел « Дисперсия угла пика уменьшается для S+ и/или увеличивается для S-, когда животные учатся различать одоранты в задаче «годен-нет»» : Укажите, что это PAC для тета-гаммы в этом раздел.В целом, лечение тета-гаммы по сравнению с тета-бета PAC непоследовательно. Похоже, основное внимание уделяется тета-гамме, но иногда для сравнения добавляется бета. В настоящее время это больше отвлекает, чем имеет смысл. Изменения PAC в процессе обучения кажутся разными между тета/бета и тета/высокая гамма. В отличие от эффекта, наблюдаемого для высокой гаммы (рис. 2 и рис. 2 — дополнение к рисунку 1), интересно видеть, что средний МИ для тета/бета (рис. 2Hi) увеличивается с обучением как для S+, так и для S-.Как можно интерпретировать эту разницу между МИ для отношений тета/бета и тета/высокая гамма? Принимая во внимание два разных источника (ОП и обратная связь) этих колебаний, их потенциальную разность фаз с тета и способность популяционной активности, которая поддерживает их, по-разному обрабатывать информацию, было бы целесообразно сравнить исследование и обсудить тета-гамма и тета-гамму. тета-бета ПАК более конкретно и ясно.

»Подраздел «Диаперсия пикового угла для связи амплитуд фазы тета / высокая гамма увеличивается для S-, когда животные учатся различать одоранты в задаче «да-нет»» Мы сделали явную ссылку на тета-гамму в начале этого раздела. .

У нас есть очень интересное открытие о тета-бета PRP, которому не было уделено должного внимания в разделе «Обсуждение» (это было упомянуто в части предложения, скрытого в обсуждении тета/высокой гаммы). Мы обнаружили, что, в отличие от тета-гаммы, тета-бета PRP не различается между пиком и впадиной. Было постулировано, что BETA LFP передает центробежную модуляцию от нижестоящих областей мозга к OB. Наши результаты показывают, что центробежная модуляция не различается по фазам тета-колебаний и, следовательно, будет выделять модуляцию на высокочастотной активности цепи, происходящей в разные тета-фазы.Мы добавили абзац, посвященный тета/бета PRP. Мы не сосредотачивались на различиях PAC между тета/бета и тета/гамма, потому что они не так очевидны, как разница пик/минимум в PRP.

j) Подраздел «Размерность пространства PRP LFP уменьшается, когда животное учится различать одоранты» «доказательство усвоенного ужесточения размерности для коллектора репрезентации запаха». Пожалуйста, поясните, что подразумевается под коллектором репрезентации запаха. Это интересно, но не очень понятно.

Мы изменили предложение следующим образом:

«Это свидетельствует об обучении ужесточению размерности многообразия представления запаха (определяемого как независимые нейронные компоненты, представляющие запах)».

k) В некоторых других случаях индикаторы текста/значимости на рисунках и сами графики довольно малы и их трудно увидеть (например, рисунок 3D-F).

Мы увеличили размер подмножества графиков, которые были слишком малы, и мы увеличили размер шрифтов.

2 Некоторые части методики описаны недостаточно подробно. Ниже приведены конкретные примеры: а) Поведенческая методология неясна в отношении анализируемых данных. Может быть, животных обучают выполнению задания «давай-не ходи» с запахом по сравнению с пустым, а затем переводят на S+/S-? Соответствует ли обучение части задачи или просто новый запах возникает после того, как задача изучена? Раздел методов расплывчат по этим деталям.

Мы пересмотрели раздел «Материалы и методы», чтобы уточнить, что анализ данных проводился для сеансов, когда животное, хорошо разбирающееся в задачах лизания, училось различать два стимула.Таким образом, обучение соответствует обучению различению двух стимулов (задача «идти-не-идти»), в отличие от обучения лизать, чтобы получить воду (задача «начать»).

b) Все статистические сравнения выполняются с использованием GLM. Это не является стандартным и требует большего пояснения и обоснования, чем предусмотрено. Было бы полезно указать, что означают в этом отношении значимость и степени свободы.

Мы проконсультировались со специалистом по биостатистике, доктором Дугласом Карран-Эвереттом (Curran-Everett, 2000;

).

Холзи и др., 2015; Sharp et al., 2009) об использовании обобщенной линейной модели (GLM). Он указал, что наш подход с использованием GLM с последующим апостериорным t-критерием/ранговой суммой, скорректированной для множественных сравнений с использованием коэффициента ложных открытий, подходит для нашего многомерного анализа. Он отметил, что GLM — это общий статистический метод, включающий регрессию и дисперсионный анализ (ANOVA), методы, которые чаще используются в публикациях, и что степени свободы и статистическая значимость имеют в GLM то же значение, что и в дисперсионном и регрессионном анализе. .

Кроме того, мы хотели бы отметить, что на рисунках мы также отображаем бутстрапированные 95% доверительные интервалы, которые рекомендуются как дополнительные к «изменчивому» значению p при оценке значимости (Halsey et al., 2015).

В разделе «Материалы и методы» мы указываем, что:

«Статистическая значимость изменений измеренных параметров для таких факторов, как обучение и идентичность запаха, была оценена с использованием анализа обобщенной линейной модели (GLM) с апостериорными тестами для всех пар данных, скорректированными для множественных сравнений с использованием коэффициента ложных открытий (Curran-Everett, 2000). […] Кроме того, в качестве дополнительной оценки значимых различий (Halsey et al., 2015) мы отображаем 95% доверительные интервалы (ДИ), показанные на рисунках в виде вертикальных черных линий, которые были оценены с помощью бутстрап-анализа среднего значения путем выборки с заменой 1000 раз».

3) Часто утверждается, что декодирование «идентичности» запаха улучшается с обучением. Из данных не следует, что это правда. Есть свидетельства того, что случайность запаха (вознаграждаемый S+ по сравнению с невознаграждаемым S-) декодируется.Изменение PRP при появлении запаха напоминает бинарное изменение состояния (высокий для S+ и низкий для S-). Однако неясно, действительно ли это «идентичность» запаха. Конкретные вопросы, связанные с этой проблемой, перечислены ниже:

Верно, мы не имели в виду, что термин «идентичность» означает химическую идентичность одоранта, а скорее контекстуальную идентичность (вознаграждается ли запах?). Мы добавили эти предложения в начало раздела «Результаты», чтобы прояснить этот момент:

«Важно, что эксперименты по обращению предыдущих исследований, в которых мы меняли местами ободряемые и неудостаиваемые одоранты, показали, что сила LFP в OB и митральных/хохлатых клетках кодирует контекстуальную идентичность одоранта (вознаграждается ли одорант? ) (Дусетт и др. , 2011; Дусетте и Рестрепо, 2008 г.; Ли и др., 2015; Рамирес-Гордильо и др., 2018). Поэтому, когда мы говорим об идентичности в этой публикации, мы не имеем в виду химическую идентичность одоранта, мы имеем в виду, вознаграждается ли одорант или нет».

Кроме того, теперь мы используем термин «контекстуальная идентичность» повсюду, включая Аннотация. Наконец, мы включаем новый рисунок 4, описанный в подразделе «Пиковая мощность, отнесенная к фазе, увеличивается для S+ и уменьшается для S- при обучении», показывающий, что при изменении валентности одоранта PRP переключается, указывая на то, что PRP кодирует для контекстуальной идентичности.

а) Будет ли декодер, обученный на основе данных одной пары запахов, успешно расшифровывать данные другой пары запахов той же мыши? Если это так, то передаваемая информация представляет собой корреляцию запаха с вознаграждением (или нет), а не сам конкретный запах. Это тоже было бы интересно, но в другой формулировке.

Как показано на новом рисунке 4, пик PRP переключается, когда вознаграждаемый одорант меняется на противоположный. Таким образом, пик PRP кодирует контекстуальную идентичность (это вознаграждаемый одорант?).Как объяснялось в пункте 3 выше, в начале результатов мы ясно даем понять, что, когда мы говорим об идентичности, мы имеем в виду не химическую идентичность одоранта, а контекстуальную идентичность (это вознаграждаемый одорант?).

b) Неясно, отражает ли PRP у опытных мышей идентичность одоранта, а не тот факт, что при обонянии одоранта животное вовлечено в сфокусированную деятельность, если облизывается за награду, независимо от идентичности одоранта, по следующим причинам. :

Как указано в пункте 3 выше, мы не подразумеваем, что PRP отражает химическую идентичность.Мы добавили два предложения в раздел «Результаты», чтобы это было понятно в начале результатов.

i) Согласно примерам стимуляции S+, представленным на рис. 1 и рис. 3, до начала действия одоранта сильной осцилляторной активности не наблюдается. Активность, которая начинается, когда мышей просят дать ответ (облизывание), по-видимому, длится долго. Эта активность длится несколько секунд после того, как животное уже отреагировало на раздражитель (более 2 секунд после возмещения запаха).

Верно, активность длится несколько секунд, и возникает вопрос, является ли это одорантной реакцией по сравнению с отражением центробежного воздействия на ОВ. Как указано выше, наши данные показывают, что PRP кодирует контекстуальную идентичность одоранта.

Тем не менее, мы хотели бы отметить, что длительный ход колебательной активности не обязательно означает, что реакция не является реакцией на запах, потому что: (1) Наш ольфактометр разработан для быстрого появления запаха (с постоянной времени 100 мс). ), но уменьшение концентрации одоранта происходит за несколько секунд (см. новый рисунок 1 — приложение к рисунку 1).(2) Концентрация одоранта относительно высока, на несколько порядков выше порога обнаружения.

ii) Анализ охватывает длительный период времени (2,5 с), в течение которого животные демонстрируют очень различное поведение между S+ и S- стимулами. Действительно, в случае стимула S+ животные активно участвуют в лизании, чтобы получить вознаграждение. Это очень ясно видно из рисунков 5A, B и D у опытных животных: тот факт, что они начинают активно вылизываться уже в 0 лет.Через 5 секунд после появления запаха видно, что они уже провели различение. Принимая во внимание, что для S-стимула, как только они идентифицировали одорант, они могут вести себя по-разному, и я предполагаю, что они могут исследовать комнату. Как долго мыши оставались в порту для одоранта для непроходимых испытаний?

Мыши S- покидали носик вскоре после последнего лизания. Как показано на рисунке 5B, последнее облизывание происходит через 0,5-1,8 секунды после появления запаха. Теперь это указано в разделе «Материалы и методы».Мы согласны с рецензентом: в этой задаче «да-нет» у животного нет мотивации покинуть порт сразу после обнаружения одоранта S-.

iii) Дыхание во время сосредоточенного действия лизания для получения награды сильно отличается от дыхания во время исследования. Может ли дыхание, связанное с облизыванием, само по себе изменить параметры, измеренные в исследовании. В частности, я имею в виду тета-амплитуду (рис. 2D) и частоту, которая может соответствовать частоте облизывания.Если дыхательный ритм различается между S+ и S- испытаниями, то это, вероятно, также изменит свойства ритма с высокой гамма и, следовательно, PRP, особенно для высокой гамма. Вы контролировали изменения дыхания?

Это интересный момент. Активное обнюхивание влияет на реакцию на запах через механизмы «сверху вниз» и «снизу вверх», как показано, например, Джорданом и его коллегами в недавнем исследовании (Jordan et al., 2018). тот факт, что существует координация оромоторных действий через цепи ствола мозга (Moore et al., 2014).

В этом исследовании мы не измеряли дыхание. Тем не менее, в прошлых исследованиях мы заметили близкое совпадение фырканья с тета-LFP у опытных животных в этой задаче «да-нет» (рис. 5 (Li et al., 2015)). Что касается отношения мощности PRP и облизывания, это снова интересный вопрос. Учитывая тот факт, что существует координация оромоторных действий через цепи ствола мозга (Moore et al., 2014), вероятно, происходит согласование облизывания, обнюхивания, движения усов и мощности тета-LFP, когда животное становится опытным.Действительно, исследования медиальной префронтальной коры показали, что LFP в диапазоне частот тета (6–12 Гц) синхронизированы по фазе с облизыванием, даже когда животное выполняет сухое облизывание в задаче «да-нет» (Amarante et al., 2017). . Кроме того, в нашей предыдущей публикации с использованием данных Exp1 мы провели тщательный анализ мощности LFP, связанной с событием, привязанной к началу облизывания, и мы показали, что эта мера меняется по мере обучения животного и когда мы модулируем норадренергический вход в луковицу с помощью оптогенетики. (см. рисунок 7 в (Ramirez-Gordillo et al., 2018)). Этот опубликованный анализ мощности LFP, связанной с лизанием, имеет прямое отношение к вопросу обозревателя о взаимосвязи лизаний и колебаний. По нашему мнению, более тщательное изучение взаимосвязи лизаний и колебаний допустимо, но выходит за рамки этой рукописи.

iv) Идеальная корреляция между пиковым значением PRP и принятием решения может также означать, что PRP возникает в результате действия облизывания по сравнению с отсутствием облизывания у опытных мышей, и того факта, что у опытных мышей почти все испытания дают правильные ответы, что ограничивает вариабельность.

Да, мы согласны, что это может быть так (пункт iii выше).

4) Аргументы в пользу декодирования и принятия решений усилились бы, если бы точность линейного декодирования и поведенческие показатели в каждом испытании были коррелированы. Аналогично, для LDA и времени лизания на основе проб за пробой.

Мы провели последовательный анализ производительности декодирования и отсортировали данные в соответствии с различными поведенческими результатами. На рис. 5E показана динамика производительности декодирования, проанализированная для каждой попытки, отсортированная по поведенческим результатам (попадание, промах, CR и FA, а также перемешивание). Эти результаты представлены в подразделе «Линейный дискриминантный анализ классифицирует стимулы с использованием PRP». Интересно, что вскоре после добавления одоранта эффективность декодирования ЖК снижается ниже 50%. Это еще одно свидетельство того, что PRP не кодирует химическую идентичность одоранта.

Мы не проводили анализ лизания/LDA, потому что не понимаем, что обозреватели имеют в виду под анализом «LDA и времени лизания» в каждом испытании. Кроме того, мы опубликовали исследование мощности LFP, связанной с облизыванием, с использованием данных в Exp2 (рис. 7 из (Ramirez-Gordillo et al., 2018), см. ответ на пункт 3.b.iii выше). Кроме того, мы хотели бы попросить рецензентов принять во внимание наше мнение о том, что, хотя это и интересно, полное исследование связи лизаний с колебаниями выходит за рамки этой рукописи (см. ответ на пункт 3.b.iii выше).

5) Авторы четко заявляют, что данные были получены из двух отдельных экспериментов/групп мышей, каждая из которых использовала разные конструкции зондов и разные координаты имплантации. Очень хорошо, что авторы сразу сообщают о том, что эти эксперименты в некоторых случаях давали разные результаты (т.е. более высокая сила PAC для тета/бета и тета/высокая гамма во втором эксперименте, как показано на рисунке 2). Что было бы неплохо, так это дальнейшее рассмотрение/обсуждение возможных причин возникновения этих различий. Точно так же оправдано некоторое обсуждение того, почему для разных пар запахов были получены разные результаты.

См. ответ на пункт 1а выше. Между экспериментами есть много различий: расположение электродов, генотип мыши, имплантация устройства (тетрод или тетрод).оптетрод) и используемые пары одорантов. Таким образом, хотя, например, расположение электродов может объяснить различия в измеряемых переменных, мы считаем слишком спекулятивным предполагать, что различия связаны с одним параметром. Что еще более важно, основные выводы статистически значимы для обоих экспериментов, и в этом заключается сила данного исследования.

В разделе «Обсуждение» мы заявляем: «Важно, что наши результаты были воспроизведены в двух разных экспериментах (Exp1 и Exp2), различающихся генотипом, расположением электродов, имплантированным устройством (тетрод или электрод) и используемыми парами одорантов (см. Дополнительный файл 1).Мы обнаружили различия в измеренных параметрах между экспериментами, и они, вероятно, связаны с методологическими различиями между Exp1 и Exp2, такими как расположение электродов и генотип. Независимо от причины различий между экспериментами, для этого исследования важно, чтобы результаты PRP были получены для обоих экспериментов в существенно разных экспериментальных условиях».

6) Похоже, что тета-гамма PAC не изменяется последовательно в сторону S+, хотя PRP несколько увеличивается.Напротив, потенциально более интересно, что PAC для S- может фактически уменьшаться в ходе обучения (рис. 2 — дополнение к рисунку 1) в соответствии с увеличением фазовой дисперсии. Это может быть более тесно связано с большим снижением PRP. Почему это не было исследовано больше? Акцент, кажется, сосредоточен на «увеличении» PAC и PRP для вознаграждения S + (т. Е. Раздел обсуждения).

Мы не собирались акцентировать внимание на увеличении PRP для S+. Действительно, в предложении в разделе «Обсуждение» также упоминалось снижение PRP для S-.Мы отредактировали предложение и выполнили поиск/редактирование слова «увеличение» в рукописи. Предложение было изменено на: «Мы предполагаем, что одновременное увеличение PRP для S+ и снижение PRP для S- отражает адаптационные механизмы в OB для усиления контраста между аналогичными стимулами с разными связанными значениями».

7) Результаты уменьшения размерности неубедительны и, по-видимому, мало что добавляют к исследованию. Снижение является значительным только при объединении данных по животным и Exp1 и Exp2.Непонятно, как это следует интерпретировать.

В исходной версии рукописи мы не представили четко результаты по размерности, и была ошибка в статистической значимости данных по экспериментам. Мы повторно проанализировали данные как для каждой мыши, так и для объединенных данных по мышам, и мы создали новые цифры. Как описано в пересмотренном разделе «Результаты», повышенное снижение размерности у опытных мышей является значительным как для каждой мыши, так и для объединенных данных по животным как для Exp1, так и для Exp2. Это вносит важный вклад в понимание сенсорной системы, которая имеет дело с многомерными входными данными, поскольку указывает на то, что обучение сосредотачивает обработку нейронной информации на контекстуально релевантных входных данных. Мы пересмотрели раздел «Введение и обсуждение», чтобы обеспечить четкое представление об актуальности анализа размерности.

8) Происходят ли бета- и высокие гамма-колебания в одно и то же время в ходе исследования или происходит чередование двух ритмов?

В соответствии с сообщениями в литературе, например, (Buonviso et al., 2003; Frederick et al., 2016), мы заметили небольшую задержку увеличения мощности бета-излучения по сравнению с гамма-излучением. Однако эта задержка не была столь заметной, как сообщается в литературе, и в этом исследовании мы не сосредотачивались на времени бета/гамма.

https://doi.org/10.7554/eLife.52583.sa2

Расшифровка физических принципов двухкомпонентного биомолекулярного фазового разделения

Основные версии:

Следующий список комментариев довольно длинный, но я полагаю, что большинство из них можно устранить без дополнительной дополнительной работы:

По поводу презентации

1) Среднестатистический читатель eLife, вероятно, запутается из-за различных используемых терминов. Мономеры используются в некоторой степени взаимозаменяемо для обозначения конкретных модулей внутри ассоциативного полимера или отдельного ассоциативного полимера. Я рекомендую использовать термин «наклейка» или «домен» (первый более точен) для обозначения отдельных модулей внутри ассоциативных полимеров. Затем авторы могут четко объяснить, что они оценивают влияние: (а) изменения валентности наклеек при сохранении фиксированной общей стехиометрии наклеек; (b) варьирование общей стехиометрии (концентрации) наклеек при фиксированной валентности; и (c) как для (a), так и для (b) они также титруют силу взаимодействий между наклейками.Рамка, определяющая ключевые термины, и рисунок, показывающий, что именно титруется и как, были бы очень полезны авторам.

Мы согласны с рецензентами в том, что для читателей eLife более целесообразно использовать наклейки/домены для ссылки на определенные модули в ассоциативных полимерах, и внесли соответствующие изменения во всю рукопись. Мы также добавили рисунок 1 вместе с подписью к нему, чтобы он служил ориентиром в нашей работе.

2) Основные важные особенности рисунков 4A и B следует пояснить более четко.В частности, фигура 4B не обсуждается в тексте.

Согласны – мы добавили в текст больше обсуждения по Рисунку 4:

«Что касается концентрации плотной фазы, то она монотонно уменьшается по мере отклонения глобальной стехиометрии стикера от 1 и уменьшения валентности полимеров (рис. 5Б). Это еще раз указывает на то, что аномальная зависимость концентрации разбавленной фазы от валентности и стехиометрии не является следствием особых свойств плотной фазы.

Относительно модели

3) Распорки вряд ли будут пассивными. Это замечание было отмечено в нескольких статьях, использующих формализм стикеров и прокладок. См.: https://elifesciences.org/articles/30294. Соответственно, будет иметь место взаимодействие между эффектами проставок и триадой эффектов из-за наклеек. Последствия в значительной степени игнорируются. Было бы важно подчеркнуть этот факт, потому что даже для двухкомпонентной системы, которая мотивирует текущую работу, существуют известные эффекты спейсеров, которые нельзя отнести к неспецифическим эффектам.См.: http://www.pnas.org/content/112/47/E6426.long.

Мы благодарим рецензентов за то, что они отметили важную недавнюю работу о роли спейсеров в фазовом разделении. Для решения этого и следующего вопроса, касающегося шкалы длины гомотипического отталкивания, мы добавили в Обсуждение следующие предложения:

«Кроме того, реальные биологические системы более сложны, чем наша простая модель. Например, может быть связывание «множество к одному», несколько компонентов, а спейсеры/линкеры также могут играть нетривиальные роли Banjade et al., 2015; Хармон и др., 2017».

«С другой стороны, концентрация плотной фазы сильно зависит от стерического отталкивания – увеличение размера стикера с 2,5 нм до 2,9 нм снижает концентрацию плотной фазы в 2 раза (Приложение 1 — рис. 5Б). Это согласуется с результатами предыдущих исследований роли линкеров: самоизбегающий линкер со случайной спиралью, который занимает большой объем, может существенно снизить концентрацию плотной фазы и даже предотвратить фазовое разделение Harmon et al., 2017».

4) Специфические межстикерные взаимодействия должны быть анизотропными (см. Choi et al., 2020a). В модели, используемой для моделирования, межстикерные взаимодействия изотропны. Чтобы обойти эту проблему, потенциал включает отталкивающий термин между наклейками одного типа. Это создает загадку, потому что вводит дополнительные шкалы энергии и длины. Поэтому эффективные энергии гетеротипного межстикерного взаимодействия будут отличаться от того, что предписывают значения для U 0 .Дополнительное значение имеет разбавляющий эффект гомотипных отталкивающих взаимодействий. Это может иметь нетривиальные последствия для многих тел и, кроме того, повлияет на распределение размеров скоплений и давление. Было бы полезно, если бы авторы представили две детали анализа своих симуляций: как масштабируется внутреннее давление с масштабами энергии и длины, связанными с отталкивающими гомотипными взаимодействиями? И как эти отталкивающие взаимодействия влияют на зависимость от U 0 эффекта магического соотношения? Одного набора расчетов должно быть достаточно.

Ur(r)=4ϵ[(σr)12−(σr)6+14], r<21/6σ,

Мы согласны с рецензентами в том, что биологические взаимодействия «наклейка-наклейка» анизотропны. Именно эта анизотропия и исключение объема между наклейками приводят к взаимно однозначной ассоциации. Разработанная нами модель сильно упрощена, в ней сохранено ключевое свойство (однозначная ассоциация), но удалены детали, характерные для системы. Таким образом, это концептуальная модель. При этом наш подход не вводит дополнительных масштабов энергий или длин: отталкивающие взаимодействия между одинаковыми наклейками соответствуют стерическому отталкиванию, которое должно присутствовать в любой модели, и масштаб энергии этого отталкивания практически не имеет значения, поскольку отталкивающие взаимодействия эффективно учитываются. режим отталкивания «жесткой сферы».Количественные описания реальных систем, скорее всего, потребуют дополнительных функций, например, использования липких заплат для моделирования анизотропного связывания. Чтобы ответить на вопрос обозревателей о зависимости от масштаба длины отталкивания, мы провели новое моделирование для системы A8:B8. Здесь мы использовали стандартный потенциал отталкивания ЛД для взаимодействий между стикерами одного типа, где ϵ=1kBT. Чтобы изучить роль шкалы длины отталкивания, мы использовали два варианта диаметра наклейки σ = 2.9 нм (второй вириальный коэффициент соответствует мягкому потенциалу LJ, используемому в рукописи) и меньший шарик σ = 2,5 нм. Потенциал связи и притяжение между наклейками разных типов такие же, как и ранее (т. е. уравнения 16 и 18 в рукописи), за исключением того, что мы использовали параметры связывания r 0 = 1,5 нм и U0 = 12kBT, которые приводят к более слабому связыванию. . Концентрации прилипателей разбавленной и плотной фаз и объемная доля плотной фазы для диаметра гранул σ = 2,9 нм показаны на изображении ответа автора 1, а для σ = 2.5 нм показаны на изображении ответа автора 2.

(Обратите внимание, что перекрывающийся объем между двумя связанными наклейками учитывается один раз при расчете объемной доли, т.т. е., две полностью перекрывающиеся наклейки заняли бы объем одной наклейки.) Также обратите внимание, что, поскольку мы использовали гармонический потенциал для линкерных связей основной цепи, который имеет четко определенную среднюю длину связи 4,7 нм (не чувствительную к выбору σ), изменения концентраций разбавленной и плотной фаз отражают исключительно эффект гомотипных отталкивающих взаимодействий. (В пункте 13 ниже мы показываем, как эти величины зависят от длины линкера.) Сравнивая два случая, авторы обзора, безусловно, правы в том, что существует разбавляющий эффект гомотипических отталкивающих взаимодействий.Более сильное отталкивание/больший масштаб длины отталкивания приводит к меньшей концентрации и объемной доле в плотной фазе. Начальная сила связывания U0 для эффекта магического числа/магического отношения также становится выше. Для σ = 2,9 нм эффект магического отношения практически отсутствует при U0 = 12kBT, а эффект есть при U0 = 14kBT (аналогично тому, что показано на рис. 3 в рукописи), тогда как для σ = 2,5 нм эффект уже заметен. весьма существенно при U0=12kBT.

В связи с этим эффектом, если бы мы явно моделировали линкеры и если бы линкеры попадали в категорию самоизбегающих случайных катушек (SARC) (Harmon et al., 2017), то качественно, по сравнению с линкером со случайной спиралью Флори (FRC), эффект линкера SARC можно рассматривать как увеличение масштаба отталкивающей длины стикеров (предположим, что линкеры SARC и FRC имеют одинаковое среднее значение сквозной длины). расстояние), и, следовательно, может привести к ослаблению эффектов магического числа/магического отношения.

Пожалуйста, ознакомьтесь с дополнительными замечаниями, которые мы добавили к Обсуждению, отмеченному в нашем ответе на пункт 3.

О характере перехода

5) Теория димерного геля очень интересна.Следуя Harmon et al., 2017 и 2018, Choi et al., 2019, и фундаментальной работе Semenov and Rubinstein, 1998, важно признать, что фазовые переходы в ассоциативных полимерных системах лучше всего рассматривать как фазовое разделение, которому способствует перколяция. Соответственно, было бы полезно рассчитать порог перколяции на основе моделирования и теории. Для вычислительной работы это поможет нам понять, как U 0 , магическое соотношение и валентность влияют на взаимодействие между переходами плотности (также известными как разделение фаз) и перколяцией.Кроме того, есть два новых обобщения работы Семенова и Рубинштейна, которые имеют отношение к теоретической работе здесь. См.: https://doi.org/10.1021/acs.macromol.8b00661 и http://dx.doi.org/10.1103/PhysRevE.102.042403. Сравнение этих обобщений и представленной здесь теории димерного геля было бы очень полезным и познавательным, особенно в контексте кооперативности связей.

Мы согласны с рецензентами в том, что плотная фаза ассоциативных полимеров представляет собой перколяционную сеть, и мы благодарим рецензента за то, что он указал нам на соответствующие теории.Насколько нам известно, и как утверждали Семенов и Рубенштейн, порог объемной перколяции (также известный как переход гомогенного гелеобразования) существует только при высоких температурах/слабом связывании, когда не происходит разделения фаз. Однако наше текущее исследование сосредоточено на низкотемпературном режиме. При этих низких температурах, хотя мы ожидаем, что порог перколяции cp будет лежать между концентрациями разбавленной и плотной фаз, если бы мы моделировали систему при cp, система автоматически разделилась бы на фазы. Тем не менее, следуя предложению рецензентов, мы можем получить некоторое представление о характеристической плотности для гомогенной перколяции в нашей модели, охарактеризовав порог перколяции в режиме слабого связывания U0=8kBT, который позволяет избежать разделения фаз, но также предотвращает связывание многие к одному. .Чтобы представить эти результаты, мы включили новый раздел и рисунок в Приложение 1 (подраздел «Определение порога перколяции», Приложение 1 — рисунок 3).

Мы также выделили соответствующие теории, обобщающие работы Семенова и Рубинштейна в Обсуждении:

«Одним из основных предположений теории димер-геля является приближение среднего поля. […] Это приближение отражает ключевую особенность плотной фазы, а именно то, что один полимер связывается с несколькими партнерами.

6) Повсюду, но особенно заметно в подразделе «Результаты теории димерного геля», кажется, что происходит путаница фазового разделения (в результате термодинамической нестабильности) и гелеобразования (переход связности). Эти два случая необходимо разграничить более четко.

Поскольку плотная фаза ассоциативных полимеров представляет собой гель, мы использовали термин «гель» взаимозаменяемо с «плотной фазой» в некоторых случаях. Чтобы избежать возможной путаницы, мы внесли следующие изменения:

«Однако размер кластера может отражать перколяционный переход золь-гель, а не термодинамический фазовый переход Harmon et al., 2017, и, таким образом, обеспечивает в лучшем случае качественную меру фазового разделения».

«Сравнивая два выражения, димеры предпочтительнее при низких концентрациях, тогда как сеть независимых связей предпочтительнее при высоких концентрациях».

7) Являются ли фазовые границы (как теоретические, так и полученные в результате моделирования) спинодальными или бинодальными?

Границы фаз являются бинодальными, и теперь мы прояснили этот момент: «Чтобы найти границы бинодальных фаз, мы моделируем сотни полимеров типа А и В…» и «Наконец, чтобы выделить границы бинодальных фаз, мы подставляем…»

Касательно моделирования

8) Протокол MD необычен.Зачем включать гармонические потенциалы связи (вместо FENE)? Зачем использовать смягченный ЖЖ-потенциал с привлекательным хвостом?

Ur(r)=4ϵ[(σr)12−(σr)6+14], r<21/6σ.

Ub(r)=−12KR02ln⁡[1−(r−σR0)2], r<σ+R0.

Ua(r)=−12U0(1+cos⁡πrr0), r

Мы согласны с рецензентами в том, что наши потенциалы MD не являются самым стандартным выбором. Одной из причин, по которой мы использовали гармонический потенциал и смягченный LJ-потенциал, было ускорение моделирования МД, поскольку смягченные потенциалы допускают больший временной шаг интегрирования.Чтобы продемонстрировать устойчивость наших выводов к выбору потенциалов MD, мы выполнили новое моделирование для системы A8: B8 с использованием FENE и стандартных потенциалов LJ. Вкратце, взаимодействие между наклейками одного типа является чисто отталкивающим. Возьмем ϵ=1kBT и σ=3 нм, что дает отталкивающий потенциал, сравнимый с нашим предыдущим смягченным потенциалом ЛД. Соседние стикеры связаны потенциалом FENE. Примем K=0,3kBT/нм2 и R0=7 нм, что (вместе с отталкивающим взаимодействием) дает одинаковую среднюю длину связи 4.7 нм, как и для нашего предыдущего гармонического потенциала. (Этот потенциал напоминает разупорядоченный линкер FCS из 20 аминокислот с длиной персистентности 0,8 нм.) Привлекательное взаимодействие между различными типами стикеров имеет ту же форму, что и в нашей рукописи: где r0 = 1,5 нм — расстояние отсечки. Для U0=14kBT мы показываем общие концентрации разбавленной и плотной фаз на изображении ответа автора 3.

Результаты качественно не изменились по сравнению с результатами, представленными на рисунке 3 в нашей рукописи.Количественно концентрации в разбавленной фазе снижаются в 2 раза, а концентрации в плотной фазе сопоставимы с заявленными значениями. Мы заключаем, что наши концептуальные результаты по эффектам магического числа/магического отношения устойчивы к детальному выбору потенциалов.

Обычно движения Монте-Карло необходимы для принудительного связывания 1:1 (первопроходец – Арлетт Бальон) или тщательно продуманной комбинации потенциалов двух и трех тел (первопроходец – Франческо Шортино). Модель в текущей рукописи также может преуспеть в обеспечении привязки 1: 1, но это необходимо доказать и показать, чтобы не вводить другие предубеждения.

Тестирование на предвзятость, безусловно, важно. Мы всегда проверяли количество связанных партнеров для всех наклеек в наших симуляциях. Наклейка считается партнером другой наклейки, если они относятся к разным типам и находятся в пределах отсечки r0 потенциала притяжения. В наших симуляциях средняя доля наклеек, у которых есть более одного партнера, составляет менее 0,001%.

Что касается других возможных предубеждений, отметим, что динамику Ланжевена можно рассматривать как движение к достижению термодинамического равновесия.Мы тщательно спроектировали начальное состояние системы и выполнили достаточно продолжительное моделирование, чтобы система полностью уравновесилась, и, таким образом, уверены в отсутствии отклонения от равновесия.

Одним из возможных «предубеждений» является то, что наклейки перекрываются при переплете, что приводит к уменьшению объема. В принципе, это могло бы усилить эффект «связывания, стимулируемого скоплением» в плотной фазе, т. е. связыванию, дополнительно благоприятствующему результирующему уменьшению объема. Однако объемная доля плотной фазы, ~10%, невелика, поэтому этот эффект очень скромен.

9) Анализ фазового разделения результатов МД можно объяснить более строго. Какие проверки были выполнены для подтверждения фазового разделения, а не перехода золь-гель или других артефактов подготовки к моделированию. Подтвердили ли вы, что две образовавшиеся фазы находятся в химическом и механическом равновесии? Имеют ли моделируемое давление или структурный фактор признаки фазового разделения?

Разделение фаз и золь-гель переход могут быть неоднозначными в высокотемпературном режиме и/или близкими к критической точке.В нашем случае мы работаем в сильноконденсированном режиме, т.е. при низкой температуре и адекватных концентрациях полимера, и исключили системы, в которых концентрации разбавленной и плотной фаз становятся сравнимыми (например, система А8:В8 при соотношении липкости А:В). 8:6). Для всех систем, представленных в рукописи, имеется четко определенный большой кластер плотной фазы, расположенный в небольшой области окна моделирования, и разбавленная фаза полимеров/олигомеров, рассеянных по всей остальной части окна (репрезентативные снимки приведены ниже). показано на рис. 2C и 2D), поэтому ясно, что эти системы являются фазово-разделяющимися (и, таким образом, подвергаются гелеобразованию в плотной фазе, обусловленному фазовым разделением).

Динамика Ланжевена обеспечивает распределение Больцмана. Мы тщательно спроектировали начальное состояние системы (полностью связанная плотная фаза), чтобы предотвратить застревание системы в локальном минимуме (например, в рассеянных плотных каплях, которым требуется много времени для слияния). Затем мы провели длительное моделирование, чтобы позволить плотной фазе уравновеситься с разбавленной фазой. Время релаксации системы зависит от времени жизни связи «стикер-стикер» τ. Чтобы гарантировать, что разбавленная и плотная фазы находятся в равновесии, все модели были уравновешены ~2000 τ перед записью данных.Мы также проверили, есть ли систематические отклонения между первой и второй половиной записанного моделирования, и нашли согласованные результаты между двумя половинами.

Мы добавили несколько предложений, чтобы сделать обсуждение фазового разделения более строгим:

«В наших симуляциях в среднем доля наклеек, у которых есть более одного партнера, составляет менее 0,001%». и «Время релаксации системы зависит от времени жизни связи стикер-стикер; чтобы убедиться, что разбавленная и плотная фазы находятся в равновесии…»

О результатах и ​​обсуждении

10) Предположение о среднем поле позволяет получить полезные аналитические результаты, но не ожидается, что оно будет действительным для моделируемых и обсуждаемых типов систем.Цепочки такой короткой длины не перекрываются в большинстве обсуждаемых режимов концентрации, а расположение наклеек сильно коррелирует вместо среднего поля. Далее, как и следовало ожидать, симуляции C.E. Sing. и А. Александер-Кац (Macromolecules 2011) показали, что описания стикеров-спейсеров не распространяются на случай, когда каждая бусина липкая.

Мы согласны с рецензентами в том, что предположение о среднем поле неверно во всем диапазоне возможных концентраций, поскольку цепи могут не перекрываться.Однако, чтобы найти границы разбавленной и плотной фаз с помощью нашего анализа выпуклой оболочки, нам нужно только, чтобы наше приближение среднего поля для плотной фазы было действительным в режиме концентрации, сравнимом с концентрациями плотной фазы. Приближение среднего поля все еще не является полностью количественным при концентрациях плотной фазы, поскольку мы обнаружили корреляции в связывании в наших моделях (длина корреляции ~ 1,8 шарика), которые выходят за рамки теории среднего поля. Следовательно, смоделированная система A14:B14 имеет эффективную валентность ~8 и, следовательно, теоретически ведет себя больше как система A8:B8.Тем не менее, теория работает лучше для систем с более длинными линкерами (или меньшими гранулами), где связывание менее коррелировано в плотной фазе.

11) Основным ограничением работы являются очень короткие цепочки, используемые в МД-моделировании и необходимые для того, чтобы результаты были полезными. В истинно полимерном пределе и для большинства реальных систем количество шариков и наклеек на порядок больше, чем обсуждается в статье. При таком большом пределе N этот эффект магического отношения становится довольно тривиальным.Следует должным образом обсудить степень, в которой представленные результаты являются характеристикой дискретного предела очень коротких олигомеров.

Наша работа сосредоточена на белках с комплементарными доменами («стикерами»), а не на внутренне неупорядоченных белках, которые могут иметь очень большое количество эффективных стикеров. Примеры систем, которые мотивировали нашу работу, включают SUMO-SIM (Banani et al., 2016), SHR-PRM (Li et al., 2012) и Rubisco-EPYC1 (Rosenzweig et al., 2017), которые все короткие в том смысле, что на каждый полимер приходится <10-15 наклеек.Тем не менее, эффекты магического числа/магического отношения распространяются на большие N , и фактически эффекты становятся сильнее с увеличением валентности полимера (рис. 3 в рукописи).

12) Результаты на рисунке 3 вызывают некоторые вопросы. Результаты в левой колонке показывают другую немонотонную зависимость концентрации разбавленной фазы от соотношения концентраций мономеров A:B (лучше всего называемого отношением концентраций стикеров A:B) по сравнению с концентрацией плотной фазы.Во-первых, учитывая, что существует два вида, как концентрации в разбавленной и плотной фазах сводятся к одному числу?

Концентрации, показанные на рис. 3, представляют собой сумму концентраций стикеров A и B, которую мы теперь называем общей концентрацией стикеров.

Во-вторых, в конечном итоге возникает режим, при котором концентрация «стикеров» в разбавленной фазе увеличивается, а концентрация «стикеров» в плотной фазе также увеличивается, что, по-видимому, приводит к сохранению ширины двухфазного режима.Точно так же противоположный сценарий имеет место в другом режиме, при котором концентрация разбавленной фазы уменьшается, а в правой колонке мы видим уменьшение концентрации плотной фазы. Означает ли это, что ширина двухфазного режима, определяемая количественно как log10 (c плотный / c разбавленный ), остается неизменной при изменении соотношения концентраций липких соединений A:B? Этот аспект требует некоторого осмысления и дальнейшего анализа или уточнения.

Это, безусловно, правильные утверждения.Фактически, немонотонная зависимость концентрации разбавленной фазы от отношения липких частиц A:B является отличительной чертой эффекта магического числа/магического отношения. Возьмем моделирование в пункте 8 в качестве примера: c плотный /c разбавленный по сравнению с соотношением концентрации наклеек A:B (на графике в логарифмическом масштабе) сначала увеличивается, а затем уменьшается по мере отклонения отношения A:B от 1. Эта немонотонность полностью обусловлена ​​эффектом магического числа/магического отношения, повышающим концентрацию разбавленной фазы при равном отношении А:В.

Я что-то упускаю, потому что вывод, который я делаю из увеличения концентрации разбавленного рукава, заключается в ослаблении движущих сил разделения фаз. Однако если это сопровождается увеличением концентрации плотной фазы, то это будет означать, что, несмотря на кажущееся уменьшение движущих сил фазового расслоения, увеличение концентрации плотной фазы приводит к выравниванию химического потенциала с разбавленная фаза.Обратное также, по-видимому, следует из результатов. И это вызывает недоумение.

Для обычного фазового разделения полимеров (таких как системы, описываемые теорией среднего поля Флори-Хаггинса) увеличение концентрации разбавленной фазы связано с ослаблением движущих сил фазового разделения и, следовательно, пониженной концентрацией плотной фазы. Однако это не всегда так для более сложных систем, в частности, когда разделение фаз обусловлено не просто конкуренцией между энергией и энтропией.Для нашей двухкомпонентной системы фазовое разделение по существу обусловлено конкуренцией между трансляционной и конформационной энтропией. Вкратце, по мере того, как соотношение склеек A:B приближается к 1, концентрация разбавленной фазы увеличивается. Это означает, что химический потенциал димеров в разбавленной фазе увеличивается. Так как плотная фаза находится в равновесии с разбавленной фазой, химический потенциал в плотной фазе обязательно также увеличивается. С точки зрения механизма, почему плотная фаза имеет более высокую концентрацию и более высокий химический потенциал при соотношении A:B, равном 1? На самом деле это верно только в режиме сильной привязки.Поскольку при сильном связывании при соотношении А:В, равном 1, все наклейки должны быть спарены, это приводит к сжатию плотной фазы и, следовательно, к высокой концентрации. Это же сжатие приводит к конформационным фрустрациям в плотной фазе, уменьшает конформационную энтропию и тем самым повышает химический потенциал.

13) Концентрации плотной и разбавленной фаз, по-видимому, никогда не различаются более чем на порядок величины. Это тоже вызывает недоумение. Кроме того, концентрации даже в разбавленной фазе находятся в миллимолярном диапазоне.

Мы согласны с рецензентами в том, что наши отношения концентраций в плотной и разбавленной фазах, а также концентрации в разбавленной фазе не находятся в диапазоне, типичном для большинства биологических систем. Мы исследовали, как эти величины зависят от параметров моделирования. В частности, мы обнаружили, что концентрация разбавленной фазы очень чувствительна к длине линкера. Принимая U0=12kBT, K=0,3kBT/нм2 и R0=7нм (линкер FRC из 20 аминокислот с персистентной длиной 0,8 нм, средняя длина связи 4.7 нм), все остальные параметры такие же, как в пункте 8, см. ответ автора на изображении 5, где U0=12kBT, K=0,15kBT/нм2, а R0=14 нм (линкер FRC из 40 аминокислот с персистентной длиной 0,8 нм, средняя длина связи 5,9 нм) выход показан на изображении ответа автора 6

Так, при увеличении длины линкера ~25% концентрация разбавленной фазы падает более чем в 10 раз, а концентрация плотной фазы остается практически неизменной.Таким образом, с минимальными модификациями достижимы более высокие отношения концентраций плотной фазы к разбавленной фазе и более низкие концентрации разбавленной фазы. Мы признаем, что выбор многих параметров в рукописи, по крайней мере, частично мотивирован повышением скорости моделирования. Мы включили приведенные выше результаты в нашу рукопись «Уменьшение стерического отталкивания между шариками одного типа имеет аналогичный эффект (Приложение 1 — рисунок 5A). Что еще более важно, увеличение средней длины линкера с 4,7 нм до 5.9 нм приводит к более чем 10-кратному снижению концентрации разбавленной фазы (Приложение 1 — рисунок 6А)…» и новый раздел «Эффекты неспецифических взаимодействий и длина линкера» в Приложении 1.

И есть запутанное преобразование энергии взаимодействия 9kT в константы диссоциации, которые оказываются довольно высокими, в миллимолярном диапазоне. Это сбивает с толку, потому что авторы предполагают, что эти оценки находятся на одном уровне с взаимодействиями SUMO-SIM и SHR-PRM, что не так, поскольку эти взаимодействия находятся в низком мкМ, а не в миллимолярном диапазоне.

Kd=[∫0r04πr2exp[−Ua(r)kBT]dr]−1,

Мы разработали наши потенциалы так, чтобы они попадали в диапазон типичных значений Kd для наклеек-наклеек. Константу диссоциации стикер-стикер можно найти по формуле где r0 — расстояние отсечки для потенциального притяжения. U0 — минимум Ua(r). Важно отметить, что Kd определяется не только U0, но и объемом связывающего кармана. Мы нашли Kd = 0,4 мМ для U0 = 9kBT и r0 = 2 нм на основе приведенного выше выражения. Сообщенная константа диссоциации стикер-стикер для SUMO-SIM составляет Kd=0.01 мМ (Banani et al., 2016), а для SHR-PRM Kd=0,35 мМ (Li et al., 2012). Эффекты магического числа/магического отношения усиливаются с увеличением силы связывания. Мы обнаружили, что Kd≲0,4 мМ обеспечивает грубый порог для начала этих эффектов, хотя этот порог также зависит от валентности полимеров, размера наклейки, длины связи и т. д.

Здесь возникает проблема с преобразованием единиц измерения в молярные шкалы. Я рекомендую использовать объемные доли. Для полимерных систем объемные доли являются наиболее надежным способом количественного определения концентраций — момент, подчеркнутый Флори еще на заре науки о полимерах.

Мы согласны с рецензентами в том, что объемная доля является разумной величиной для характеристики концентрации плотной фазы, объемные доли плотной фазы составляют ~ 10% в моделировании в нашей рукописи. Соответственно, мы добавили эту количественную оценку в текст, где она будет наиболее полезной. «Мы также сообщаем в Приложении 1 (рисунок 5C) объемную долю полимеров в плотной фазе, которая составляет ~ 10%, что сравнимо с объемной долей белков в цитоплазме клетки».

14) Наконец, учитывая аудиторию, т.е.е., читатели eLife, насущная озабоченность будет относиться к режиму и системам, в которых проявляются эффекты магического числа и магического отношения. Это может быть актуально и/или применимо в инженерных системах. Об этом говорится в Обсуждении. Также может быть так, что, учитывая довольно сильные взаимодействия, необходимые для наблюдения эффекта магического числа и / или магического отношения, это может быть невозможно реализовать в естественных условиях. Проблемой при высоких силах взаимодействия будут проблемы с растворимостью, образованием осадков и/или началом стеклования.Фактически, последнее считается важным для биологии, см. https://doi.org/10.1016/j.sbi.2016.05.002 и https://elifesciences.org/articles/09347. Действительно, моделирование Choi et al., 2019 показывает начало стеклообразного поведения по мере увеличения силы взаимодействия или снижения температуры.

Мы разделяем ту же неуверенность, что и рецензенты, могут ли эффекты магического числа/магического отношения проявляться и использоваться клетками как способ регулирования конденсата. С чисто теоретической точки зрения, пока константа диссоциации стикер-стикер ниже определенного (субмиллимолярного) порога, есть вполне реальная возможность наблюдать эти эффекты.В этом смысле многие компоненты конденсатных лесов удовлетворяют этому критерию. Однако реальные биологические системы, конечно, намного сложнее нашей простой модели. Могут быть соединения «множество к одному», несколько компонентов, и, как было указано рецензентами, распорки также могут играть важную, но сложную роль. Таким образом, актуальность изученных здесь эффектов in vivo остается открытым вопросом.

Может ли быть так, что эффекты магического числа или соотношения маскируются приводом, чтобы избежать осадков и/или стеклообразного поведения? В качестве альтернативы, как предполагают авторы, эффект магического числа/отношения может быть способом регулирования фазового поведения.Некоторая разработка этих вопросов, помимо того, что предлагается в настоящее время, может быть полезна читателю, особенно если она может сопровождаться указателями на конкретные системы, мотивирующие экспериментальные исследования.

Мы благодарим рецензентов за то, что они поделились этими интересными мыслями, и мы соответствующим образом изменили текст «Однако эффект магического отношения не наблюдался в этих системах Li et al., 2012; Banani et al., 2016, возможно, из-за несоответствия размера и длины линкера между двумя ассоциированными полимерами.[…] В настоящее время актуальность in vivo эффектов, изученных в этой работе, остается открытым вопросом».

https://doi.org/10.7554/eLife.62403.sa2

%PDF-1.4 % 1 0 объект > эндообъект 2 0 объект > эндообъект 3 0 объект > эндообъект 4 0 объект > эндообъект 5 0 объект > эндообъект 6 0 объект > эндообъект 7 0 объект > эндообъект 8 0 объект > /ProcSet [/PDF /Text /ImageB /ImageC /ImageI] >> /Тип /Страница /Содержание [52 0 R 53 0 R 54 0 R] >> эндообъект 9 0 объект > /ProcSet [/PDF /Text /ImageB /ImageC /ImageI] >> /Тип /Страница /Содержание [56 0 R 57 0 R 58 0 R] >> эндообъект 10 0 объект > /ProcSet [/PDF /Text /ImageB /ImageC /ImageI] >> /Тип /Страница /Содержание [60 0 R 61 0 R 62 0 R] >> эндообъект 11 0 объект > /ProcSet [/PDF /Text /ImageB /ImageC /ImageI] >> /Тип /Страница /Содержание [64 0 R 65 0 R 66 0 R] >> эндообъект 12 0 объект > /ProcSet [/PDF /Text /ImageB /ImageC /ImageI] >> /Тип /Страница /Содержание [68 0 R 69 0 R 70 0 R] >> эндообъект 13 0 объект > /ProcSet [/PDF /Text /ImageB /ImageC /ImageI] >> /Тип /Страница /Содержание [72 0 R 73 0 R 74 0 R] >> эндообъект 14 0 объект > /ProcSet [/PDF /Text /ImageB /ImageC /ImageI] >> /Тип /Страница /Содержание [76 0 R 77 0 R 78 0 R] >> эндообъект 15 0 объект > /ProcSet [/PDF /Text /ImageB /ImageC /ImageI] >> /Тип /Страница /Содержание [80 0 R 81 0 R 82 0 R] >> эндообъект 16 0 объект > /ProcSet [/PDF /Text /ImageB /ImageC /ImageI] >> /Тип /Страница /Содержание [84 0 R 85 0 R 86 0 R] >> эндообъект 17 0 объект > /ProcSet [/PDF /Text /ImageB /ImageC /ImageI] >> /Тип /Страница /Содержание [88 0 R 89 0 R 90 0 R] >> эндообъект 18 0 объект > /ProcSet [/PDF /Text /ImageB /ImageC /ImageI] >> /Тип /Страница /Содержание [92 0 R 93 0 R 94 0 R] >> эндообъект 19 0 объект > /ProcSet [/PDF /Text /ImageB /ImageC /ImageI] >> /Тип /Страница /Содержание [96 0 R 97 0 R 98 0 R] >> эндообъект 20 0 объект > /ProcSet [/PDF /Text /ImageB /ImageC /ImageI] >> /Тип /Страница /Содержание [100 0 R 101 0 R 102 0 R] >> эндообъект 21 0 объект > /ProcSet [/PDF /Text /ImageB /ImageC /ImageI] >> /Тип /Страница /Содержание [104 0 R 105 0 R 106 0 R] >> эндообъект 22 0 объект > /ProcSet [/PDF /Text /ImageB /ImageC /ImageI] >> /Тип /Страница /Содержание [108 0 R 109 0 R 110 0 R] >> эндообъект 23 0 объект > /ProcSet [/PDF /Text /ImageB /ImageC /ImageI] >> /Тип /Страница /Содержание [112 0 R 113 0 R 114 0 R] >> эндообъект 24 0 объект > /ProcSet [/PDF /Text /ImageB /ImageC /ImageI] >> /Тип /Страница /Содержание [116 0 R 117 0 R 118 0 R] >> эндообъект 25 0 объект > /ProcSet [/PDF /Text /ImageB /ImageC /ImageI] >> /Тип /Страница /Содержание [120 0 R 121 0 R 122 0 R] >> эндообъект 26 0 объект > /ProcSet [/PDF /Text /ImageB /ImageC /ImageI] >> /Тип /Страница /Содержание [124 0 R 125 0 R 126 0 R] >> эндообъект 27 0 объект > /ProcSet [/PDF /Text /ImageB /ImageC /ImageI] >> /Тип /Страница /Содержание [128 0 R 129 0 R 130 0 R] >> эндообъект 28 0 объект > /ProcSet [/PDF /Text /ImageB /ImageC /ImageI] >> /Тип /Страница /Содержание [132 0 R 133 0 R 134 0 R] >> эндообъект 29 0 объект > /ProcSet [/PDF /Text /ImageB /ImageC /ImageI] >> /Тип /Страница /Содержание [136 0 R 137 0 R 138 0 R] >> эндообъект 30 0 объект > /ProcSet [/PDF /Text /ImageB /ImageC /ImageI] >> /Тип /Страница /Содержание [140 0 R 141 0 R 142 0 R] >> эндообъект 31 0 объект > /ProcSet [/PDF /Text /ImageB /ImageC /ImageI] >> /Тип /Страница /Содержание [144 0 R 145 0 R 146 0 R] >> эндообъект 32 0 объект > /ProcSet [/PDF /Text /ImageB /ImageC /ImageI] >> /Тип /Страница /Содержание [148 0 R 149 0 R 150 0 R] >> эндообъект 33 0 объект > /ProcSet [/PDF /Text /ImageB /ImageC /ImageI] >> /Тип /Страница /Содержание [152 0 R 153 0 R 154 0 R] >> эндообъект 34 0 объект > /ProcSet [/PDF /Text /ImageB /ImageC /ImageI] >> /Тип /Страница /Содержание [156 0 R 157 0 R 158 0 R] >> эндообъект 35 0 объект > /ProcSet [/PDF /Text /ImageB /ImageC /ImageI] >> /Тип /Страница /Содержание [160 0 R 161 0 R 162 0 R] >> эндообъект 36 0 объект > /ProcSet [/PDF /Text /ImageB /ImageC /ImageI] >> /Тип /Страница /Содержание [164 0 R 165 0 R 166 0 R] >> эндообъект 37 0 объект > /ProcSet [/PDF /Text /ImageB /ImageC /ImageI] >> /Тип /Страница /Содержание [168 0 R 169 0 R 170 0 R] >> эндообъект 38 0 объект > /ProcSet [/PDF /Text /ImageB /ImageC /ImageI] >> /Тип /Страница /Содержание [172 0 R 173 0 R 174 0 R] >> эндообъект 39 0 объект > /ProcSet [/PDF /Text /ImageB /ImageC /ImageI] >> /Тип /Страница /Содержание [176 0 R 177 0 R 178 0 R] >> эндообъект 40 0 объект > /ProcSet [/PDF /Text /ImageB /ImageC /ImageI] >> /Тип /Страница /Содержание [180 0 R 181 0 R 182 0 R] >> эндообъект 41 0 объект > /ProcSet [/PDF /Text /ImageB /ImageC /ImageI] >> /Тип /Страница /Содержание [184 0 R 185 0 R 186 0 R] >> эндообъект 42 0 объект > /ProcSet [/PDF /Text /ImageB /ImageC /ImageI] >> /Тип /Страница /Содержание [188 0 R 189 0 R 190 0 R] >> эндообъект 43 0 объект > /ProcSet [/PDF /Text /ImageB /ImageC /ImageI] >> /Тип /Страница /Содержание [192 0 R 193 0 R 194 0 R] >> эндообъект 44 0 объект > /ProcSet [/PDF /Text /ImageB /ImageC /ImageI] >> /Тип /Страница /Содержание [196 0 R 197 0 R 198 0 R] >> эндообъект 45 0 объект > /ProcSet [/PDF /Text /ImageB /ImageC /ImageI] >> /Тип /Страница /Содержание [200 0 R 201 0 R 202 0 R] >> эндообъект 46 0 объект > /ProcSet [/PDF /Text /ImageB /ImageC /ImageI] >> /Тип /Страница /Содержание [204 0 R 205 0 R 206 0 R] >> эндообъект 47 0 объект > /ProcSet [/PDF /Text /ImageB /ImageC /ImageI] >> /Тип /Страница /Содержание [208 0 R 209 0 R 210 0 R] >> эндообъект 48 0 объект > /ProcSet [/PDF /Text /ImageB /ImageC /ImageI] >> /Тип /Страница /Содержание [212 0 R 213 0 R 214 0 R] >> эндообъект 49 0 объект > /ProcSet [/PDF /Text /ImageB /ImageC /ImageI] >> /Тип /Страница /Содержание [216 0 R 217 0 R 218 0 R] >> эндообъект 52 0 объект > поток x+

(PDF) Декодирование адаптивного зрительно-моторного поведения, опосредованного нелинейной фазовой связью в районе макак MT

fnins-14-00230 2 апреля 2020 г. Время: 21:21 # 15

Хамечян и Далири Нелинейно-синхронный нейрональный Активность в MT Cortex

Gregoriou, G., Gotts, SJ, Zhou, H., и Desimone, R. (2009). Высокочастотная,

дальнодействующая связь между префронтальной и зрительной корой во время внимания.

Наука 324, 1207–1210. doi: 10.1126/science.1171402

Хагихира С., Такашина М., Мори Т., Масимо Т. и Йошия И. (2001). Практические

вопросы биспектрального анализа электроэнцефалографических сигналов. Анест. Аналг

93, 966–970. doi: 10.1097/00000539-200110000-00032

Хэнкс, Т. Д., Kopec, C.D., Brunton, B.W., Duan, C.A., Erlich, J.C.,

, и Brody, C.D. (2015). Отчетливые взаимоотношения теменной и префронтальной коры с накоплением доказательств. Природа 520, 220–223. doi: 10.1038/nature1

4066

Генри, Дж. А., и Шепли, Р. (2005). Спектры мощности LFP в коре V1: градуированный

эффект контраста стимула. Дж. Нейрофизиол. 94, 479–490. doi: 10.1152/jn.00919.

2004

Хипп, Дж. Ф., Энгель, А. К.и Сигел, М. (2011). Колебательная синхронизация в крупномасштабных корковых сетях предсказывает восприятие. Нейрон 69, 387–396. doi: 10.1016/j.

нейрон.2010.12.027

Хольц Э.М., Гленнон М., Прендергаст К. и Саусенг П. (2010). Фазовая синхронизация тета-гаммы

при сопоставлении памяти в зрительной рабочей памяти.

Нейроизображение 52, 326–335. doi: 10.1016/j.neuroimage.2010.04.003

Hoogenboom, N., Schoffelen, J.-M., Oostenveld, R.и Фрайс, П. (2010). Визуально индуцированная

активность гамма-диапазона предсказывает скорость обнаружения изменений у людей.

Нейроизображение 51, 1162–1167. doi: 10.1016/j.neuroimage.2010.03.041

Игараши К.М., Лу Л., Колгин Л.Л., Мозер М.-Б. и Мозер Э.И. (2014).

Координация деятельности энторинально-гиппокампального ансамбля при ассоциативном

обучении. Природа 510, 143–147. doi: 10.1038/nature13162

Дженсен О. и Колгин Л.Л. (2007). Кросс-частотная связь между нейронными колебаниями

.Тенденции Познан. науч. 11, 267–269. doi: 10.1016/j.tics.2007.05.003

Келли, С.П., и О’Коннелл, Р.Г. (2013). Внутренние и внешние влияния на

скорость накопления сенсорных данных в мозгу человека. Дж. Нейроски. 33,

19434–19441. doi: 10.1523/JNEUROSCI.3355-13.2013

Хамечян М.Б., Козырев В., Трею С., Эсгаи М. и Далири М.Р. (2019).

Маршрутизация потока информации по отдельным нейронным синхронным частотам позволяет иметь

«функционально помеченных линий» в коре высших приматов.проц. Натл. акад. науч. США

116, 12506–12515. doi: 10.1073/pnas.1819827116

Ходаголы Д., Гелинас Дж. Н. и Бужаки Г. (2017). Усиленная обучением

связь между волновыми колебаниями в ассоциативной коре и гиппокампе.

Наука 358, 369–372. doi: 10.1126/science.aan6203

Li, D., Li, X., Hagihira, S., and Sleigh, J.W. (2011). Влияние анестезии изофлураном

на электроэнцефалограмму оценивали с помощью индексов гармонического вейвлета

на основе бикогерентности.Дж. Нейронная инженерия. 8:56011. doi: 10.1088/1741-2560/8/

5/056011

Li, D., Li, X., Hagihira, S., and Sleigh, J. W. (2013). Кросс-частотная связь во время

изофлюрановой анестезии, выявленная с помощью электроэнцефалографического гармонического импульса

бикогерентности. бр. Дж. Анаст. 110, 409–419. doi: 10.1093/bja/aes397

Li, X., Li, D., Voss, L.J., and Sleigh, J.W. (2009). Комодуляционная

мера нейронных колебаний с общей гармонической вейвлетной бикогерентностью

и приложением к анализу сна.Нейроизображение 48, 501–514. doi: 10.1016/j.

neuroimage.2009.07.008

Ли, Д. и Ли, X. (ред.). (2016). «Мера комодуляции нейронных колебаний

», в Signal Processing in Neuroscience (Сингапур: Springer

Singapore), 215–233. doi: 10.1007/978-981-10-1822-0_11

Лисман, Дж. Э., и Дженсен, О. (2013). θ-γнейронный код. Нейрон 77, 1002–1016.

doi: 10.1016/j.neuron.2013.03.007

Liu, J., and Newsome, WT (2005).Корреляция между восприятием скорости и

нейронной активностью в средневисочной зрительной области. Дж. Нейроски. 25, 711–722.

doi: 10.1523/JNEUROSCI.4034-04.2005

Liu, J., and Newsome, W. T. (2006). Потенциал локального поля в области коры MT:

настройка стимула и поведенческие корреляции. Дж. Нейроски. 26, 7779–7790. doi:

10.1523/JNEUROSCI.5052-05.2006

Ломбарди Ф., Херрманн Х. Дж. и де Аркангелис Л. (2017). Баланс возбуждения

и торможения определяет спектр мощности 1/f в нейронных сетях.Хаос

27:47402. doi: 10.1063/1.4979043

Мур, Т., и Армстронг, К.М. (2003). Селективное стробирование визуальных сигналов

путем микростимуляции лобной коры. Природа 421, 370–373. doi: 10.1038/

nature01341

Моришима Ю., Акаиси Р., Ямада Ю., Окуда Дж., Тома К. и Сакаи К. (2009).

Передача специфического для задачи сигнала от префронтальной коры при зрительном избирательном

внимании. Нац. Неврологи. 12, 85–91. doi: 10.1038/nn.2237

Мутусвами, Дж., Шерман, Д.Л., и Такор, Н.В. (1999). Спектральный анализ

импульсов высокого порядка в ЭЭГ. IEEE транс. Биомед. Англ 46, 92–99. doi:

10.1109/10.736762

Никиас С.Л. и Мендель Дж.М. (1993). Обработка сигналов со спектрами высших порядков.

Процесс обработки сигналов IEEE. Маг. 10, 10–37. doi: 10.1109/79.221324

Палмер, Дж., Хук, А.С., и Шадлен, М.Н. (2005). Влияние силы стимула

на скорость и точность перцептивного решения.Дж. Вис. 5, 376–404. doi:

10.1167/5.5.1

Парто Дезфули, М., Хамечян, М.Б., Треуэ, С., Эсгаи, М., и Далири, М.Р.

(2018). Нейронная активность предсказывает реакцию у приматов задолго до поведенческой реакции. Передний. Поведение Неврологи. 12:207. doi: 10.3389/fnbeh.2018.00207

Pesaran, B., Vinck, M., Einevoll, G.T., Sirota, A., Fries, P., Siegel, M., et al. (2018).

Исследование крупномасштабной динамики мозга с использованием записей потенциала поля:

анализ и интерпретация.Нац. Неврологи. 21, 903–919. doi: 10.1038/s41593-

018-0171-8

Пфефферле Д., Плюмер С., Бурхардт Л., Треу С. и Гейл А. (2018). Оценка

стрессовых реакций у макак-резусов (Macaca mulatta) на ежедневные процедуры

системной неврологии на основе концентрации кортизола в слюне.

PLoS One 13:e01

. doi: 10.1371/journal.pone.01

Posner, MI (1980). Ориентация внимания. QJ Exp. Психол. 32, 3–25.doi:

10.1080/00335558008248231

Перселл, Б. А., Шалл, Дж. Д., Логан, Г. Д., и Палмери, Т. Дж. (2012). От заметности

к саккадам: многоальтернативная стохастическая накопительная модель визуального поиска

. Дж. Нейроски. 32, 3433–3446. doi: 10.1523/JNEUROSCI.4622-11.2012

Ratcliff, R., and McKoon, G. (2008). Модель диффузионного решения: теория и данные

для задач с двумя вариантами выбора. Нейронные вычисления. 20, 873–922. doi: 10.1162/neco.

2008.12-06- 420

Roelfsema, P.R., and Treue, S. (2014). Фундаментальные нейрофизиологические исследования с участием нечеловеческих

приматов: небольшой, но необходимый компонент биомедицинских исследований. Нейрон

82, 1200–1204. doi: 10.1016/j.neuron.2014.06.003

Рохенколь, Г., Босман, К.А., и Фрайс, П. (2018). Гамма-синхронизация

между V1 и V4 улучшает поведенческие характеристики. Нейрон 100, 953.e3–

963.e3. doi: 10.1016/j.neuron.2018.09.019

Ройтман, Дж.Д. и Шадлен, М. Н. (2002). Реакция нейронов латеральной

внутритеменной области во время комбинированной задачи на время реакции зрительного различения.

J. Neurosci. 22, 9475–9489. doi: 10.1523/JNEUROSCI.22-21-09475.2002

Заалманн Ю.Б., Пигарев И.Н. и Видьясагар Т.Р. (2007). Нейронные механизмы зрительного внимания

: как нисходящая обратная связь выделяет нужные места. Наука

316, 1612–1615. doi: 10.1126/science.1139140

Салех, М., Reimer, J., Penn, R., Ojakangas, C.L., и Hatsopoulos, N.G. (2010).

Быстрые и медленные колебания в первичной моторной коре человека предсказывают появление

поведенческих сигналов. Нейрон 65, 461–471. doi: 10.1016/j.neuron.2010.02.

001

Шредер, К.Э., и Лакатос, П. (2009). Низкочастотные нейронные колебания как

инструменты сенсорной селекции. Тренды Нейроси. 32, 9–18. doi: 10.1016/j.tins.

2008.09.012

Шеремет А., Kennedy, J.P., Qin, Y., Zhou, Y., Lovett, S.D., Burke, S.N.,

et al. (2019). Тета-гамма каскады и скорость бега. Дж. Нейрофизиол. 121,

444–458. doi: 10.1152/jn.00636.2018

Siegel, M., Donner, T.H., Oostenveld, R., Fries, P., and Engel, A.K. (2007).

Высокочастотная активность зрительной коры человека модулируется силой зрительного движения

. Церебр. Кора 17, 732–741. doi: 10.1093/cercor/bhk025

Сигел, М., Доннер, Т. Х., Oostenveld, R., Fries, P., and Engel, A.K. (2008).

Синхронизация нейронов вдоль дорсального зрительного пути отражает фокус

пространственного внимания. Нейрон 60, 709–719. doi: 10.1016/j.neuron.2008.09.010

Smith, JET, Beliveau, V., Schoen, A., Remz, J., Zhan, CA, and Cook, EP

(2015). Динамика функциональной связи между зональными МТ ЛФП и детектированием движения

. Дж. Нейрофизиол. 114, 80–98. doi: 10.1152/jn.00058.2015

Спиропулос, Г., Босман, Калифорния, и Фрайс, П. (2018). Тета-ритм в зрительной коре

макак и его модуляция внимания. проц. Натл. акад. науч. США 115,

E5614–E5623. doi: 10.1073/pnas.1719433115

Старк Э., Ру Л., Эйхлер Р., Сензай Ю., Ройер С. и Бужаки Г.

(2014). Взаимодействия пирамидальных клеток с интернейронами лежат в основе пульсаций

колебаний гиппокампа. Нейрон 83, 467–480. doi: 10.1016/j.neuron.2014.06.023

Suffczynski, P., Crone, N.Э. и Франащук П.Дж. (2014). Афферентные входы к

кортикальным интернейронам с быстрыми импульсами организуют колебания пирамидальной клеточной сети

на высоких гамма-частотах (60-200 Гц).

Добавить комментарий

Ваш адрес email не будет опубликован.