#popsci

В новом выпуске подкаста “Кортекс” мы с Настей обсудили мозг и язык. Отмечу, что довольно часто ловлю себя на избегании научных обсуждений языка и речи. Возможно, это связано с тем, что из-за своих писательских наклонностей, которые сопутствуют мне гораздо дольше, чем моя влюбленность в науку, я предпочитаю не препарировать язык снаружи, а просто следовать туда, куда он меня ведет. Также я не люблю превозносить языки — ни в контексте “великости и могучести” языковых групп, ни в контексте “правильности” и “чистоты” конкретного языка, ни в контексте эволюционной и когнитивной обособленности какого-либо биологического вида (которую в целом легко поставить под сомнение).

Тем не менее, несмотря на мои персональные сложности с подступами к этой теме, выпуск получился живой и полезный в практическом смысле. В нем мы рассказали о нейробиологических субстратах речи; о том, как язык влияет на мозг и как он может искажать наше мышление; как мы учим родной и иностранные языки; и даже — о “бесцветных зеленых идеях”.

Приятного прослушивания!

#popsci

Подкаст “Кортекс”, который ведем мы с Настей, продолжает бороться с мифами. Название нового выпуска “Дофамин нам не для счастья!” отражает поинт, который я уже и ранее транслировала в одном из своих предыдущих постов, перечисляя настоящие функции дофамина и серотонина, ошибочно считающихся гормонами удовольствия. И все-таки, несмотря на демистификацию (дегедонизацию?) дофамина, в конце выпуска содержится намек на то, что можно считать счастьем в нашей авторской интерпретации.

Приятного прослушивания!

​​Обзор мобильной ЭЭГ
#neuroimaging

Публикация: Niso, G., Romero, E., Moreau, J. T., Araujo, A., & Krol, L. R. (2022). Wireless EEG: An Survey of Systems and Studies. NeuroImage, 119774.

На днях в Neuroimage вышел обзор, сопоставляющий характеристики 44 устройств регистрации беспроводной ЭЭГ, а также рассматривающий ключевые исследования с использованием этого метода.

На основе этого обзора можно сформировать список вопросов, на который следует ответить, прежде чем выбирать подходящее вам устройство:

- Нужен ли широкий захват активности с различных областей мозга или достаточно регистрировать ее с пространственно ограниченной небольшой области?
- Понадобятся ли данные о дополнительной физиологической активности (движениях глаз, сокращениях сердца, дыхании, мышечной активности)?
- Что важнее – комфорт пользователя или качество сигнала? В первом случае допустимо использование сухих электродов, не требующих нанесения геля на скальп. Впрочем, оптимизация их конфигурации и использование проводящих полимеров, графена и прочих материалов минимизируют их чувствительность к шуму. Также доступно использование промежуточного варианта – влажных электродов, окруженных губкой с солевым раствором.
- Важна ли возможность проверять импеданс, определяющий качество контакта электрода со скальпом, непосредственно во время регистрации активности?
- Какие спектральные характеристики сигнала будут представлять интерес? Это обусловит допустимую частоту дискретизации с учетом теоремы Найквиста – Шеннона, в соответствии с которой что для любого периодического сигнала заданной частоты требуется частота дискретизации, более чем в два раза превышающая частоту сигнала, чтобы точно определить его присутствие.
- Необходимо ли отслеживать сигнал в режиме реального времени, на каком расстоянии и с какой допустимой задержкой? В зависимости от этого выбирается оптимальный протокол беспроводной передачи данных (по Bluetooth или через Wi-Fi), а также протокол передачи данных в пакеты обработки (стандартом является LSL).
- Какой длины записи будут регистрироваться? Это определит необходимое количество часов работы устройства от аккумулятора.

Обзор исследований с использованием мобильной ЭЭГ выделил четыре основные сферы применения:

- Когнитивный мониторинг: регистрация ЭЭГ в реальном времени для оценки характеристик той или иной когнитивной деятельности (например, уровня внимания или усталости) и – в ряде случаев – обеспечения обратной связи.
- Клинические цели: диагностика заболеваний, длительный мониторинг патологических состояний на протяжении 24 часов с возможностью пациента свободно перемещаться, спать и т. д.
- Коммуникация и контроль: использование мозговой активности для управления внешними устройствами (в частности, роботизированными конечностями).
- Методологические проверки самих устройств.

Как сами подчеркивают авторы, несмотря на широту охваченных параметров сопоставления, обзор не касается самого важного критерия выбора устройства (помимо мобильности передвижений) – качества регистрируемого сигнала. Этот параметр сильно зависит от дизайна исследования: например, допустимые пороги качества отличаются для спектрального анализа ЭЭГ или для регистрации ранних усредненных вызванных ответов ЭЭГ на стимул. Поэтому для более полноценного сопоставления портативных ЭЭГ-устройств важно использование стандартизованных процедур оценки. Вдохновиться можно ERP CORE ( набором парадигм для регистрации основных вызванных потенциалов ЭЭГ человека) и сопоставлять получаемые с помощью портативной ЭЭГ результаты в условиях, когда участник сидит, стоит или перемещается. В качестве метрики качества сигнала можно использовать standardized measurement error, не так давно разработанную для универсальной оценки качества вызванных потенциалов.

#popsci

В новом выпуске подкаста “Кортекс” мы с Настей рассказали о нейронаучных статьях, опубликованных в уходящем 2022 году и показавшихся нам интересными, несмотря на то что подведение итогов года per se кажется сейчас несколько диссонансным.

Наш подкаст появился год назад, и я ценю то, что у нас с Настей получилось продолжать записывать его — искать новое, переосмыслять старое, разбираться в недрах знания, задавать себе вопросы, спорить или находить неожиданные пересечения. Надеюсь, так будет и дальше.

Таймкоды:
00:00 - Приветствие
00:54 - Лонгитюдное исследование связи тревожности, нейровоспаления и возникновения психоза
05:11 - Постковидное старение мозга подростков 
09:02 - Недостаток сна и альтруизм
13:22 - Восприятие звуков во сне и бодрствовании
17:23 - Бесстрашные мыши и серотонин 
19:55 - Мыши, люди и помогающие ходить нейроны
22:32 - Убеждения людей о сознании
27:35 - ЭЭГ смерти
34:55 - Как полностью парализованный пациент начал общаться, слушая свой мозг
39:49 - Статья Насти: обзор биомаркеров чувствительности у детей с аутизмом
42:50 - Статья Даши: метод автоматической детекции межсудорожных разрядов у пациентов с эпилепсией 
48:47 - Заключение

Дорожная карта канала

Канал "Голубь Скиннера" существует чуть больше года. Тематика постов и материалов вариативна, поэтому решила систематизировать их.

Нейро:
- Астроциты в ИИ
- Внимание и неоднозначные стимулы
- Реконструкция движения глаз на основе МРТ
- Посты с заметками про нейрошколу фонда "Идея": день 1, день 2, день 3, заключение
- Обзор мобильной ЭЭГ

Психология:
- О Скиннере и его голубях
- Эксперименты с маршмэллоу
- Гедонистическая гибкость
- Групповая и индивидуальная мораль
- Электронные или бумажные книги?
- Доверие к эврике
- Про новогодние обещания
- Иллюзорное правдоподобие
- Стресс и когнитивные искажения
- ИИ и оценка внешности
- Воспоминания: ложные или подавленные?

Ментальное здоровье:
- Лечится ли депрессия современными средствами?
- Психическое здоровье в аспирантуре
- Вердикт птицы Додо
- Серотониновая теория депрессии

Наука:
- Предвзятость в науке
- Симфония науки
- Доверие науке

Инструменты и ресурсы:
- Researcher App для поиска статей
- Amazing Marvin для менеджмента задач
- LaTeX
- Культура программирования
- PDF-отчеты в Python
- Автоматические мета-анализы
- Autoflake для чистки скриптов
- Открытые датасеты по нейровизуализации
- Elicit - ваш научный ассистент

Прочее:
- Про инстинкты людей
- Мыши и пол экспериментатора
- Про "гормоны счастья"
- Игры времени в жизни ученого

Научно-популярные статьи:
- Генетические аспекты выбора полового партнера
- СДВГ и его коррекция

Отзывы на книги и фильмы:
- В погоне за гедонией
- Релятивистский мозг

Подкасты и интервью:
- Выпуски подкаста "Кортекс":
- про нейростимуляцию
- про западное и восточное мышление
- про постковид
- про нейропластичность
- про сон
- про нейронауку и психиатрию
- про моделирование мозга
- про язык
- про дофамин
- про интересные нейронаучные статьи 2022 года
- Подкаст "Ты уже?" про нейробиологию либидо
- Выпуск про нейростимуляцию на "Первом медицинском" канале
- Выпуск про нейроинтерфейсы для Russky.Digital
- Подкаст "Неискусственный интеллект" про философию серого вещества
- Подкаст "Неискусственный интеллект" про чтение мыслей

Хочется писать чаще, делать посты одновременно актуальными и "вневременными", а также больше делиться своим аспирантским опытом и почаще касаться именно тех проектов, которыми я занимаюсь непосредственно. Пока что вижу, что первый год существования этого канала напоминает путешествия по пространству возможных тем, форматов и авторских интонаций. Ограничивать это путешествие я не планирую, поэтому покоримся эмерджентности.

Спасибо всем, кто читает этот канал!

С наступающими праздниками,

Дария

​​Девять кругов научного ада
#metascience

Ученые грешат. Иногда – непроизвольно, находясь под давлением науки как достаточно жестокого "жанра". Иногда – сознательно, в погоне за социальными и прочими дивидендами.

Научный блогер Neuroskeptic в своей ироничной публикации перечислил круги ада, ожидающие ученых, нарушающих научные принципы:

1. Круг сожаления для тех, кто закрывал глаза на научные грехи других и присуждал им незаслуженные гранты.

2. Круг для тех, кто преувеличивал значимость своей работы для получения грантов или написания престижных статей.

3. Круг для тех, кто формулировал гипотезы, интерпретации или обоснования исследований задним числом.

4. Круг для тех, кто перепробовал все возможные статистические тесты до тех пор, пока не получил p-value меньше 0.05.

5. Круг для тех, кто подчищал данные, креативно избавляясь от "неудачных" показателей, называя их выбросами.

6. Круг для тех, кто совершал плагиат (этот круг по замыслу автора остается пустым, потому что попадая в него, грешники сразу переносятся на остальные круги, чтобы получать наказания, предназначенные другим).

7. Круг для тех, кто воздерживался от публикации результатов ("неудобных", "неинтересных", "некрасивых", "немейнстримных").

8. Круг для тех, кто публиковал результаты частично, например, не упоминая о побочных эффектах того или иного терапевтического воздействия.

9. Круг для тех, кто фальсифицировал данные.

Тема подобных научных грехов еще будет затронута в следующем посте, который будет посвящен участи такой структуры мозга, как амигдала (миндалевидное тело), за которой на долгие годы закрепился статус "центра страха" и даже "центра психопатии".

Продолжение следует...

​​Амигдала – центр страха и психопатии?
#mental_health #metascience

Недавно в "Neuroscience and Behavioral Reviews" вышла заметка, отсылающая к научным грехам, упомянутым в предыдущем посте, а также к мета-анализам, посвященным функции амигдалы (миндалевидного тела). Ниже приведены тезисы, следующие из заметки, упомянутых в ней статей и общих наблюдений.

С чего все начиналось
Некоторое время тому назад теории психопатии возглавила модель, в соответствии с которой амигдала рассматривалась как центр страха, а психопатия обуславливалась именно дисфункцией этой структуры мозга. Предполагалось, что для психопатии характерен низкий уровень страха, низкая восприимчивость к угрозе наказания и т. д. Прошло два десятилетия, а воспроизводимость исследований, подтверждающих связь активности амигдалы с чувством страха и психопатией, остается под вопросом.

Мета-анализы и обзоры
Лишь в 2016 и 2018 годах появились первые мета-анализы на тему нейрокоррелятов страха. В обоих мета-анализах связь между амигдалой и страхом не была выявлена. В первом случае установили, что за выучиваемое формирование страха в ответ на угрозу (fear conditioning) отвечает сеть мозга, включающая, в частности инсулярную и поясную кору, обеспечивающие осознание текущего состояние организма и соответствующие реакции. Во втором случае обнаружили, что выучивание того, что прежняя угроза больше не несет опасности (fear extinction), связано с теми же областями, а также с префронтальной корой.

В прошлом году обзор более сотни исследований связи амигдалы с психопатией тоже не показал положительных результатов: в большинстве исследований связь либо отсутствовала, либо была отрицательной.

Научный ад
В упомянутом выше обзоре были приведены интересные наблюдения. Например, те исследования, в которых связь все же была установлена, характеризовались низкой статистической мощностью. Возможно, рецензенты и редакторы журналов с большей вероятностью могли отвергать исследования, в которых наблюдалось отсутствие связи амигдалы и психопатии, обосновывая это недостаточной статистической мощностью.

Более того, обнаружилось, что в ряде исследований, в которых были выявлены нарушения активности амигдалы, изучаемая пиковая активность оказывалась рядом с амигдалой, но не попадала в ее анатомические МРТ-координаты. Например, в одном из исследований координаты указывали и на нарушенную активность гиппокампа, но авторы, словно повинуясь "официальной теории", причислили ее к активности амигдалы. Вспоминаем подшлифовку или фальсификацию данных, а также интерпретацию задним числом из перечня "кругов научного ада".

Что наносит больший ущерб науке – погоня за значимыми p-values и манипуляция данными или предвзятость рецензентов и редакторов, допускающих до публикации только те статьи, которые находятся в канве признанных теорий? В первом случае создается некоторый шум и гетерогенность во всем пласте результатов, которые создают противоречия, хорошо выявляемые в мета-анализах и обзорам. Во втором случае damage control ограничен: отследить нарушения гораздо сложнее, потому что предвзятость в допущении статьи до публикации не отражается напрямую на метриках, используемых в мета-анализах.

Впрочем, предлагаются некоторые количественные методы для обнаружения такой предвзятости на основе оценки асимметрии результатов исследований внутри мета-анализа.

Возвращаясь к амигдале
Амигдала вносит вклад не только в эмоциональные процессы, но и в процессы памяти, регуляции внутренних органов, а также проецируется в другие ключевые области мозга. Известный аргумент о том, что повреждение амигдалы непременно приводит к потере страха, красноречиво опровергается случаем сохранности этой функции у одного из монозиготных близнецов с поврежденными амигдалами.

В посте про серотониновую теорию депрессии я уже касалась наивности взглядов о том, что один нейромедиатор может отвечать за сочетание сложных функций мозга. Так же и в случае со структурами мозга не следует ожидать такого однозначного соотношения.

Незаменимая прихоть
#resources 

О ChatGPT говорят многие и настолько часто, что я даже не планировала посвящать этому отдельный пост. Однако импровизированный опрос моих коллег, однокурсников и студентов показал, что некоторые воспринимают его как очередную забавную ИИ-игрушку и все-таки существует необходимость в освещении функционала ChatGPT, который может пригодиться именно в научной работе. 

В каких задачах ChatGPT может помочь ученому?
1. Формирование исследовательского вопроса, гипотезы, дизайна исследования, а в целом — любой brainstorming. 
2. Изложение подробных инструкций того, как решить задачу с возможностью последующих уточнений в режиме диалога, который ИИ “запоминает” целиком. Например, когда я обсудила с чатом некоторые детали своей диссертации, он предложил специфичные именно для моей темы решения, которые в самостоятельном режиме я в ряде ситуаций могла бы выкристаллизовывать путем проб и ошибок на протяжении недель или месяцев. 
3. Создание готового кода для решения задач, которые можно описывать на разном уровне абстракции. Например, “Напиши код, чтобы решить задачу оптимизации для таких-то данных и нарисуй график для таких-то результатов”. 
4. Правка багов в исходном коде и объяснение, в чем заключаются ошибки. 
5. Написание академического текста (или даже поэтического, но это уже вне научной деятельности) на заданную тему (может пригодиться для теоретического введения статьи или абстракта). 
6. Правки, “облагораживание” или парафраз исходного текста, выделение из него основных тезисов. Это может помочь даже в подготовке лекции, если вы, как и я, испытываете сложности с “формулировками, понятными 10-летнему ребенку”. 

Подводные камни
ChatGPT нередко испытывает “галлюцинации” и может искажать фактическую информацию, облекая эти искажения в непротиворечивый текст. Однажды он даже был пойман на том, что сгенерировал список несуществующих статей по заданной теме. Поэтому не следует опираться на него как на поисковую систему. Если вам нужен ИИ-ассистент для автоматического поиска по содержательной части научных исследований, рекомендую использовать Elicit, о котором я писала ранее. Если Вы ощущаете, что ChatGPT предоставляет не совсем точную информацию, последующие наводящие вопросы могут убрать противоречия. 

Со стороны использование ChatGPT может показаться прихотью. Но если грамотно включить его в свою работу и не впадать в крайности, он повышает эффективность в разы настолько, что отказаться от него почти невозможно (в нашей лаборатории уже есть несколько жертв, среди которых — и я).

(Продолжение)

P. S. На скрине представлен фрагмент моего диалога с ChatGPT, в котором я прошлась по различным вариациям одного уже реализованного мной алгоритма и, зная “правильный” ответ, смотрела, как ИИ будет реагировать на различные предложения по его модификациям. На скрине я задаю краткий уточняющий вопрос по одному свойству алгоритма и в ответ получаю прозрачное теоретическое объяснение и сопровождающий код на Python. 

P. P. S. Если вы тоже используете ChatGPT в своей профессиональной деятельности (даже если она не связана с наукой), пишите в комментарии, какие функции вам пригодились.

#podcast

Подкаст “Кортекс” продолжает свою деятельность. В этот раз мы с Настей записали выпуск, в котором попытались определить грань между человеком и остальными видами, а также нащупать сугубо человеческие качества мозга и психики. В качестве спойлера: чем дольше мы записывали выпуск, тем больше мы обрушивали критику на саму постановку вопроса об “уникальности” человеческой природы, который, тем не менее, ложится в основу многих допущений, принятых в “народной” психологии.

Приятного прослушивания!

Сложность упрощения науки
#metascience

На днях поучаствовала в эфире, который был организован Лабораторией научного кино. Побеседовали с режиссером Юлией Киселевой о базовых принципах науки и о том, как в рамках популяризации обеспечить простоту восприятия для зрителя, но при этом не жертвовать научной точностью. Наиболее интенсивная часть обсуждения пришлась на секцию с вопросами, которая отсутствует в данном видео, поэтому позволю себе изложить некоторые дополнительные мысли в этом посте.

На текущий момент мне кажется, что проблема соблюдения баланса между доступностью и научностью может решаться двумя параллельными путями:

1. Автор научно-популярного материала не должен впадать в чрезмерное упрощение, а также — что еще опаснее — проекцию локальных фактов на слишком глобальные выводы. К сожалению, иногда это происходит автоматически и этим грешат даже крупные корифеи. В качестве наследия такой глобализации мы до сих пор имеем мифы о право/левополушарном мышлении, триедином мозге, о невозможности восстановления нервных клеток. Поэтому выбирая между мозаичной горстью fun facts о локальных экспериментах или красиво звучащим глобальным выводом без должной экспериментальной поддержки, я предпочту первое, пусть и рискуя казаться нудным агностиком 🙂

2. Со стороны зрителей должна повышаться осведомленность об азах критического мышления и том, чем является и не является научное знание:
- об отличиях карты и территории, т. е. том, что ученые не взаимодействуют с изучаемыми феноменами напрямую, что все ограничивается используемыми методами измерения и операционализации и что существуют ill-posed problems без уникального решения;
- об ошибках первого и второго рода;
- о том, что теория и ее интерпретация — это разные вещи (привет из квантовой физики);
- о том, как важна репликация экспериментов и с каким кризисом этих репликаций сталкиваются некоторые дисциплины сейчас;
- о том, что через несколько веков некоторые текущие научные воззрения будут казаться нам смешными — точно так же, какими нам кажутся научные взгляды прошлого;
- о том, что нейрокорреляты порой не намного информативнее поведенческих коррелятов (это уже моя личная душевная боль как нейроученого);
- о первичных и вторичных источниках;
- о том, как мыслить в терминах вероятностей;
- и о важности вопроса о том, почему вы верите в то, во что вы верите.

Подозреваю, что отсутствие этой осведомленности наносит гораздо больший ущерб, чем неизбежные неточности жанра научной популяризации, потому что в ряде случаев зрители вынуждены погружаться в нюансы научной темы, не обладая инструментарием научного осмысления как такового. Когда-то на заре моего собственного приближения к науке мне в этом очень помогли треды из блога о рациональности и научных принципах LessWrong (англоязычная версия, русскоязычная версия).

Если возвращаться к научной популяризации то, возможно, цель тотального просвещения слишком иллюзорна. Возможно, научная популяризация — не основное блюдо, а аперитив. Возможно , гораздо важнее рассказать “историю”, обеспечивающую зрителя или читателя ориентирами, которые при необходимости он сможет использовать уже для самостоятельного погружения в тему.

P. S. Из-за спешки в видео обозначила индекс Хирша как соотношение количества публикаций и количества цитирований, случайно упростив этот концепт, хоть ни в коем случае не подразумевала его как дробь. Если вдаваться в детали, то индекс Хирша равен x, если x публикаций процитировали как минимум x раз. Недочет исправлен, моя научно-популярная совесть чиста 🙂

Прислушайтесь к своему сердцу через мозг
(Запоздалый пост, который мог бы появиться 14 февраля)
#neuro
_
Публикация: Zhang, Y., Zhang, J., Xie, M., Ding, N., Zhang, Y., & Qin, P. (2023). Dual interaction between heartbeat-evoked responses and stimuli. NeuroImage, 266, 119817.

Недавно опубликованная статья в Neuroimage раскрывает интересные взаимодействия между сердцебиением и слуховым восприятием. А если быть точнее, то между сигналом от сердцебиения, обрабатываемым мозгом, и реакцией мозга на внешние звуки.

Эксперимент
Сердце взаимодействует с мозгом, отправляя сигналы через афферентные нервы. В момент удара сердца в мозге возникает закономерный отклик (heartbeat-evoked response, HER). Это не артефакт ЭКГ, знакомый тем, кто занимается обработкой данных ЭЭГ или МЭГ, а именно ответ, генерируемый/регистрируемый корой.

В описываемом исследовании участникам предлагали прослушать ряд имен. Среди этих имен было и собственное имя участника, восприятие которого порождало соответствующий хорошо регистрируемый ответ. В части исследования после каждой пробы участники также определяли, свое или чужое имя они слышали на фоне белого шума.

Результаты
Анализ слуховых ответов и сердечных ответов не просто выявил связь между ними, а показал ее двунаправленность:

- С одной стороны, слуховой ответ модулировал сердечный таким образом, что тот был более выражен в ответ на имя участника (см. график А, SON — имя участника, UN — незнакомое имя). Cоответствующая активность возникала в широком промежутке от 200 до 1200 мс после звукового стимула независимо, поскольку не пересекалась с зонами, вовлеченными именно в слуховую обработку имени.

- С другой стороны, сердечный ответ, возникающий еще до (!) звукового стимула, влиял на то, обозначит ли участник услышанное имя как свое или чужое (см. график B). Это было выявлено за счет различия в престимульном сердечном ответе в пределах 152-184 мс после пика ЭКГ.

Более широкий контекст
Реакция на собственное имя является примером self-related processing (обработки информации, связанной с самим собой). Модуляция этого процесса через взаимодействие сердечного ответа (и иных интероцептивных ответов) с другими сенсорными ответами может потенциально происходить и в более сложных сценариях наподобие иллюзии резиновой руки. Можно поспекулировать и на тему нейропротезирования, но пока что это поспешно.

С методической точки зрения важно обратить внимание на то, что звуковой стимул (имя участника) порождал два независимых ответа — один, связанный с перцептивной обработкой, и второй, связанный с изменением ответа на сердечную активность. Предыдущие исследования, изучавшие ответ на имя участника, не учитывали независимость этих процессов и могли смешивать “слуховую” и “сердечную” активацию (в особенности это касается фМРТ-исследований с низким временным разрешением).

Остается открытым вопрос о нейрональных путях, отвечающих за обнаруженную двунаправленную связь. Разброс областей и времени активации сердечного ответа намекает на то, что физиологических источников у него может быть немало, в частности:
- барорецепторы в кровеносных сосудах, потенциально связанные с медленными сердечными потенциалами;
- афферентные нейроны у стенки сердца, потенциально связанные с быстрыми сердечными потенциалами;
- или непосредственный нейроваскулярный ответ в коре.
Для уточнения этих источников, возможно, потребуются методы обратного моделирования, выходящие за пределы коры головного мозга, или инвазивный подход.

#podcast

Подкаст “Кортекс” пополнился новым выпуском. На этот раз мы с Настей обсудили загадочных и не очень обитателей ЖКТ и их взаимодействие с нашим мозгом.

Таймкоды:
00:00:00 - Всем привет!
00:03:30 - Ось желудок-мозг
00:09:17 - Как мозг взаимодействует с ЖКТ?
00:17:11 - Кто живет у нас в желудке и что они там делают?
00:23:20 - Откуда они там берутся: генетика
00:26:03 - Откуда они там берутся: пренатальное развитие и грудное вскармливнаие
00:28:48 - Микробиота на различных стадиях развития человека
00:37:10 - Связь микробиоты с заболеваниями
00:47:13 - Могут ли пробиотики и диета вылечить депрессию?
00:53:05 - Влияние спорта на микробиоту 
00:56:53 - Выводы: опасное благополучие молодых дисциплин и оверхайп

Приятного прослушивания!

В поисках золотого стандарта обработки данных МЭГ и ЭЭГ (пост об узконаправленной профессиональной боли)
#neuroimaging #resources

Все время работы в сфере нейровизуализации я сталкиваюсь с тем, что почти у каждого исследователя – своя кухня обработки данных активности мозга. Более того, с накоплением опыта я сама изменяю свои внутренние критерии принятия того или иного решения в обработке, делая их менее и менее субъективными.

На семинарах по анализу МЭГ/ЭЭГ я специально показываю своим студентам ситуации, в которых тот или иной подход или метод анализа не срабатывает или выдает искаженные результаты. Эти примеры демонстрируют, что, к сожалению, пока не разработан золотой стандарт по выбору универсальных параметров обработки, соблюдающих баланс между частотными и временными характеристиками, между шумом и значимым сигналом, между точностью локализации активности мозга и ее пространственной ограниченностью и т. д. Отсутствие этого золотого стандарта вносит свой вклад в кризис репликации результатов исследований.

Тем не менее, существуют публикации, которые содержат ряд рекомендаций или наблюдений по обработке данных и проведению исследований, которые могут оказаться полезными:

1. FLUX: пайплайн по анализу МЭГ
В пайплайне задаются параметры снижения шума с учетом конфигурации сенсоров, избавления от артефактов, построения пространства кортикальных источников достаточного разрешения для реконструкции их активности. В пайплайне делается акцент на анализе мощности именно осцилляторной активности, поэтому в качестве способа решения обратной задачи используется пространственная фильтрация на основе кросс-спектральной матрицы с использованием DICS-бимформера. Скрипты пайплайна для MNE Python и FieldTrip находятся в открытом доступе. С одной стороны, пайплайн не изобилует деталями и некоторые результаты реконструкции активности источников на первый взгляд не кажутся "чистыми", но, с другой стороны, за каждым шагом и параметром стоит эксплицитно обозначенная логика. Пайплайн вполне можно использовать для самообразования или в качестве отправной точки для анализа данных, в которых важны осцилляторные характеристики сигнала. Также отдельно ценно, что в конце каждого скрипта авторы прилагают текст с примером того, как излагать параметры каждого этапа в публикациях или при пре-регистрации исследования для возможности последующей репликации.

2. PREP: пайплайн по анализу ЭЭГ
Этот пайплайн касается предобработки ЭЭГ с большим акцентом на работе с плохими каналами (для ЭЭГ это более актуально, чем для МЭГ) и с выбором устойчивого референта. Доступны скрипты на MATLAB и плагин для тулбокса EEGLAB (выбор, как мне кажется, не самый оптимальный, потому что у EEGLAB меньше степеней свободы, чем у Brainstorm или FieldTrip).

3. Сопоставление бимформеров в разных тулбоксах
В этой публикации с использованием симуляций и реальных данных сопоставляются результаты пространственной фильтрации с помощью бимформеров в основных тулбоксах: MNE Python, Brainstorm, FieldTrip и DAiSS. Для любителей MNE Python результаты неутешительные, потому что для высоких значений соотношения сигнал-шум ошибка локализации источников при использовании этого тулбокса оказалась высока. Самым устойчивым оказался Brainstorm, хотя в ряде ситуаций пространственное разрешение результатов было не самым лучшим. Код с пайплайнами доступен по этой ссылке.

​​(Продолжение)

4. Сопоставление стандартных обратных операторов
В этой публикации находится полезное сопоставление пространственных характеристик результатов, получаемых с использованием стандартных обратных операторов: MNE, dSPM, sLORETA, eLORETA, и MxNE. Одним из результатов стало наблюдение, что соотношение сигнал-шум влияло на результаты и что для получения релевантных результатов его значение должно быть как минимум 0.1, для получения хороших результатов – к 3, а с 10 положительный вклад не наблюдается явным образом.

5. Общие рекомендации по проведению МЭГ-исследования и публикации результатов
В статье содержатся полезные чек-листы, которые следует учитывать при регистрации МЭГ, на каждом основном этапе обработки и при изложении результатов. Также есть полезные рекомендации, в частности, по количеству эпох записи для разных типов мозговых ответов, по межстимульным интервалам, по применению фильтров, коррекции бейзлайна, по подводным камням обратных операторов, по анализу функциональной связности и т. д.

6. Проблемы ЭЭГ- и МЭГ-исследований
В данной публикации перечислены проблемы, которые приводят к снижению репродуцируемости такого рода исследований. К ним относятся ручной выбор каналов или областей интереса в пространстве источников, отсутствие поправок на множественные сравнения, неосторожное обращение с метриками функциональной связности и т. д.



Когда остановиться? – этот вопрос возникает публикации с описанием рекомендаций по обработке данных в MNE Python. Действительно, "подкручивать" анализ данных, добиваясь чего-то вразумительного или притягивая результаты к желаемой гипотезе, можно бесконечно. Один из способов этого избежать – это пре-регистрация исследования. Другой способ – использовать количественные критерии качества данных и результатов анализа, которые не зависят от гипотезы. Если же опираться на практические стратегии, то авторы рекомендуют:
1. Знать источники шума в своих данных.
2. Осторожно обращаться с сигналами, которые нас не интересуют (например, не всегда обязательно максимально сильно подавлять физиологические артефакты, если метод дальнейшего анализа к ним не чувствителен).
3. Зрительно изучать данные на каждом этапе обработки, даже если пайплайн полностью автоматический.
4. Учитывать недетерминированные шаги обработки (например, разложение на независимые компоненты, которое может давать различные результаты на каждой итерации) и максимально избегать ручной обработки там, где это возможно, для увеличения репродуцируемости результатов.
5. В процессе периода обработки данных из одной парадигмы – не менять версии программного обеспечения, поскольку изменение некоторых функций в обновленных версиях может влиять на результат.
6. Использовать адекватные статистические подходы, не забывать про непараметрический тесты, multivariate decoding и использование анатомических лейблов для снижения размерности анализа в пространстве источников.

P. S. Пост получился не очень научно-популярным (вернее, очень непопулярным), но я знаю, что мой Телеграм-канал читают и собратья по нейроимиджинговому несчастью, и этот материал может с ними резонировать. Для тех же, кто не занимается нейронаукой, все равно рекомендую почитать приведенные материалы, потому что они как раз являются хорошим примером демистификации этой дисциплины и показывают, что везде есть свои ограничения.

#анонс

Возвращаясь к научной популяризации: уже в этот вторник, 21 марта, в 20:00, в рамках 1L Лаборатории на Складе №3 состоится уникальное событие — пройдет открытая запись подкаста “Кортекс”, который ведем я и моя коллега Настя.

Во время записи мы поговорим о нейротехнологиях — о том, как они воплощаются в чисто научной и в коммерческой сфере, об их технических и фундаментальных ограничениях. В ходе обсуждения мы постараемся выяснить, насколько “всесильной” является нейронаука и не заходит ли она в тупик в своих прикладных воплощениях. После завершения записи предусмотрена сессия с ответами на вопросы слушателей, поэтому будем очень рады всех видеть!

Место проведения: Место: г. Москва, Малая Семёновская улица, д. 5, стр. 2.

Как добраться: от станции метро «Электрозаводская» (один выход) пять минут пешком до арт-кластера «Гамма» (вход через арку и налево, в угол здания), подняться на второй этаж, далее — налево.

​​Секрет успеха французских аспирантов
#аспирантское

Публикация: Corsini, A., Pezzoni, M., & Visentin, F. (2022). What makes a productive Ph. D. student?. Research Policy, 51(10), 104561.

Недавно были опубликованы результаты анализа факторов, которые влияли на публикационную активность 77143 аспирантов из Франции, закончивших аспирантуру между 2004 и 2014 годами по STEM-направлениям (естественные науки, технология, инженерия и математика).

Выяснилось, что:

- У ваших статей будет больше цитирований и у вас будет больше соавторов, если ваш научный руководитель – женщина. Наиболее выраженной эта закономерность оказывается в области инженерии, где научных руководителей-женщин меньше всего.

- У вас будет больше публикаций, цитирований и соавторов, если ваш научный руководитель находится в середине развития своей карьеры. По параметру количества публикаций оптимальная длительность карьеры научного руководителя должна быть в среднем 9.74 лет. Возможно, если ваш научный руководитель еще сам пребывает в процессе становления, вы будете ощущать больше ответственности за свою работу и не полагаться слепо на авторитет.

- У вас будет меньше публикаций, цитирований и соавторов, если менторский опыт вашего руководителя слишком большой. Этот неочевидный результат может интерпретироваться следующим образом: неопытные научные руководители могут быть более склонны оказывать поддержку своим студентам, в т. ч. и эмоциональную.

- Если ваш научный руководитель располагает грантом, это предсказуемым образом положительно скажется на цитировании ваших публикаций.

- Пребывание в больших группах коллег и студентов негативно скажется на вашей публикационной активности, предположительно из-за невозможности сфокусированного менторства со стороны научного руководителя. Исключение составляют математические дисциплины, в которых количество цитирований коррелирует с количеством коллег. Без привязки к дисциплинарной направленности, в соответствии с некоторыми оценками, если у руководителя больше 4 студентов, это снижает прогресс в их работе над диссертацией.

- Если статьи ваших коллег высоко цитируются, это будет оказывать положительное влияние на ваши публикации.

Результаты любопытные, но пока не очевидно, насколько хорошо они ложатся на реалии получения PhD в области нейронауки в России. Если вы аспирант или были им, поделитесь в комментариях своими наблюдениями относительно того, что и как в вашем PhD-опыте влияло на вашу публикационную активность и общую продуктивность!

​​Корреляции ЭЭГ-коррелятов
#neuroimaging

Публикация: Päeske, L., Uudeberg, T., Hinrikus, H. et al. Correlation between electroencephalographic markers in the healthy brain. Sci Rep 13, 6307 (2023).

Когда записи активности мозга (например, ЭЭГ) попадают в руки тех, кто их обрабатывает, велик соблазн, не имя продуманной гипотезы, свести весь анализ к поисковой стратегии и вычислить на основе этих данных огромное количество всевозможных маркеров. Есть маркеры, обладающие очевидной информативностью: например, когда мы закрываем глаза, в затылочных отведениях на ЭЭГ увеличивается выраженность альфа-ритма (8-12 Гц). Или, например, когда регистрируется ЭЭГ у пациента с эпилепсией, велика вероятность наблюдать в данных наличие межсудорожных разрядов (острых пиков с волной). Есть маркеры менее очевидные, не обязательно базирующиеся на прямых допущениях о физиологии мозга. К этим маркерам относятся показатели из теории информации или метрики нелинейность. По своему опыту могу сказать, что прибегание к таким маркерам часто может мотивироваться ситуацией, когда, например, исследуемое заболевание не вызывает очевидных изменений в ЭЭГ на уровне спектральной плотности мощности (PSD) и других стандартных оценок.

Многообразие того, что можно вычислить на основе ЭЭГ, порождает вопрос о том, насколько получаемые маркеры независимы и может ли оказаться избыточным использование некоторых из них. Позавчера в Scientific Reports вышла статья, отвечающая на этот вопрос.

Что было сделано
У 80 здоровых добровольцев записали ЭЭГ с 30 электродов в состоянии покоя. На основе полученных записей вычислили следующие маркеры:

1. Частотные маркеры:
- PSD, спектральная плотность мощности;
- Среднее PSD внутри стандартных частотных диапазонов (тета, альфа, бета, гамма).

2. Маркеры динамики внутри каждого канала (привожу только названия, по своей сути они отражают нелинейные характеристики временного ряда):
- HFD, фрактальная размерность Хигучи;
- DFA, показатель детрендированного флуктуационного анализа;
- LZC, cложность Лемпеля — Зива;

3. Маркеры связности между каналами:
- SL, синхронизированная вероятность;
- MI, взаимная информация;
- MSC, реальная часть когерентности (квадратичная когерентность);
- ImC, мнимая часть когерентности.

Результаты
В итоге получилось 12 маркеров и, соответственно, 66 пар их сопоставления. Больше половины пар маркеров (37 из 66) продемонстрировали значимую корреляцию. При этом корреляция между маркерами внутри одной из трех категорий не ниже, чем между маркерами из разных категорий. Фрактальная размерность Хигучи, синхронизированная вероятность, взаимная информация и мощность альфа-ритма характеризовались наибольшим числом корреляций с другими маркерами.

Интересна отрицательная корреляция между динамическими показателями (категория 2) и частотными показателями (категория 1, кроме мощности гамма-ритма). Поскольку динамические показатели не зависят от масштаба данных, эта корреляция должна объясняться механизмами, не связанными с мощностью сигнала или конкретной осцилляторной компоненты.

В исследовании маркеры вычислялись без привязки к расположению сенсоров, и это необходимо учесть в последующих репликациях.

Итоги
С одной стороны, исследование указывает на зависимые группы маркеров, что важно само по себе как методический результат. С другой стороны, показатели, для которых обнаружилась высокая корреляция со многими другими, потенциально могут использоваться как универсальные диагностические маркеры, раз они чувствительны сразу к нескольким характеристикам сигнала.