大脑的“背景噪音”可能会为持久的谜团提供线索

在2020年1月的一次睡眠研究研讨会上，詹娜·伦德纳（Janna Lendner）提出了一些发现，这些发现暗示着一种观察人们大脑活动的方法，以了解清醒与无意识之间的界限。对于昏迷或处于麻醉状态的患者，医师正确进行区分非常重要。但是，这样做比听起来要棘手，因为当某人处于快速眼动（REM）梦的梦境状态时，他们的大脑会产生与清醒时一样熟悉的，平稳的振荡脑电波。

伦德纳认为，答案并非在于规则的脑波，而是在于科学家通常可能会忽略的神经活动方面：不稳定的背景噪声。

一些研究者似乎是不可思议的。 “他们说，'那么，你是在告诉我，噪声中是否有诸如此类的信息？'”伦德纳说，他是德国图宾根大学医学中心的麻醉医师，最近在加利福尼亚大学完成了博士后研究。 ，伯克利。 “我说是。别人的声音是别人的信号。’”

伦德纳（Lendner）是越来越多的神经科学家之一，他们对大脑电活动中的噪声可能为其内部运作提供新线索的想法感到鼓舞。曾经被视为令人讨厌的电视静态信号的神经学等效物，可能会对科学家如何研究大脑产生深远的影响。

怀疑论者过去常常告诉神经科学家布拉德利·沃伊特克（Bradley Voytek），关于大脑活动的这些嘈杂特征没有什么值得研究的。但是他自己对随着年龄增长而产生的电噪声变化的研究，以及有关不规则大脑活动的统计趋势的先前文献，使他确信它们丢失了一些东西。因此，他花了多年的时间来研究一种方法，以帮助科学家重新思考他们的数据。

加州大学圣迭戈分校认知科学与数据科学副教授Voytek表示：“仅能站在一群科学家面前说，'嘿，我认为我们做错了事情。'迭戈“您必须给他们一个新的工具来做事”，以不同或更好的方式。

与加州大学圣地亚哥分校和伯克利分校的神经科学家合作，Voytek开发了一种软件，该软件隔离出规则的振动（例如在睡眠和清醒的受试者中都经过大量研究的alpha波），它们隐藏在大脑活动的非周期性部分中。这为神经科学家提供了一种剖析规则波和非周期性活动的新工具，以消除它们在行为，认知和疾病中的作用。

Voytek和其他科学家正在以各种方式进行研究的现象有很多名称。有人称其为“ 1 / f斜率”或“无标度活动”； Voytek已推动将其重命名为“非周期性信号”或“非周期性活动”。

这不仅仅是大脑的怪癖。 Lendner，Voytek和其他人寻找的模式与一种现象有关，科学家于1925年开始注意到整个自然世界和技术中的复杂系统。统计结构在许多不同的背景下神秘地出现，有些科学家甚至认为它代表着一种未发现的自然法则。

尽管已发表的研究研究了心律失常性大脑活动已有20多年的历史，但没有人能够确定其真正含义。但是，现在，科学家们有了更好的工具，可以在新实验中隔离非周期性信号并寻找更深入的旧数据。得益于Voytek的算法和其他方法，最近几年进行的一系列研究都提出了这样的想法，即非周期性活动包含隐藏的宝藏，可以促进衰老，睡眠，儿童发育等方面的研究。

我们的身体适应熟悉的心跳和呼吸节奏-持续不断的循环对于生存至关重要。但是，大脑中同样重要的拍子似乎没有规律，它们可能包含有关行为和认知基础的新线索。

当一个神经元向另一个神经元发送一种称为谷氨酸的化学物质时，它会使接受者更容易开火；这种情况称为激发。相反，如果神经元吐出神经递质γ-氨基丁酸或GABA，则受体神经元发火的可能性较小；那是禁忌。两者中的任何一个都具有后果：兴奋失控导致癫痫发作，而抑制则表现为睡眠，在更极端的情况下，则表现为昏迷。

为了研究兴奋与抑制之间的微妙平衡，科学家们通过脑电图或EEG测量大脑的电活动。激发和抑制的循环形成了与不同精神状态有关的波。例如，大脑在大约8到12赫兹的辐射下会形成与睡眠有关的α波模式。

但是大脑的电输出不能产生完美平滑的曲线。取而代之的是，这些线在它们向峰顶倾斜和向谷底倾斜时会抖动。有时大脑活动没有规律性，而看起来更像是电噪声。它的“白噪声”成分确实是随机的，如静态的，但其中一些具有更有趣的统计结构。

像Voytek这样的神经科学家所感兴趣的正是那些平滑度和噪音方面的缺陷。他说：“它是随机的，但是有不同的随机性。”

为了量化这种非周期性活动，科学家分解了原始的EEG数据，就像棱镜可以将光束分解成不同颜色的彩虹一样。他们首先采用了一种称为傅立叶分析的技术。随时间绘制的任何数据集都可以表示为三角函数之和，例如正弦波，可以用其频率和幅度表示。科学家可以在称为功率谱的图中绘制不同频率处的波幅。

功率谱的振幅通常以对数坐标绘制，因为它们的值范围很广。对于纯随机的白噪声，功率谱曲线相对平坦且水平，斜率为零，因为在所有频率上功率谱曲线大致相同。但是神经数据会产生具有负斜率的曲线，从而使较低的频率具有较高的振幅，而强度对于较高的频率呈指数下降。将该形状称为1 / f，是指频率和幅度之间的逆关系。神经科学家对坡度的平坦或陡峭可能表明大脑的内部运作方式很感兴趣。

不列颠哥伦比亚大学的认知神经科学家劳伦斯·沃德（Lawrence Ward）解释说，以这种方式分析EEG数据类似于查看高速公路桥梁上的录音中的声波。随机经过的汽车发出的嗡嗡声会产生非周期性的背景特征，但附近每10分钟发出一声哨声的火车会产生一个周期性的信号，其数据峰值比背景大。突然的一次性事件，例如长号喇叭或车辆碰撞，将在声波中产生明显的尖峰，从而导致整体1 / f斜率。

对1 / f现象的认识可以追溯到贝尔电话实验室的J.B. Johnson于1925年发表的论文，当时他正在研究真空管中的噪声。四年后，德国科学家汉斯·伯格（Hans Berger）发表了第一篇人类脑电图研究。在随后的几十年中，神经科学研究主要集中在大脑活动中显着的周期性波动上。然而，在各种电气噪声，股票市场活动，生物节奏甚至音乐片段中都发现了1 / f波动，而且没人知道为什么。