2025
06.24

人間の脳は発光していた!「脳が放つ光」の観測に初成功 – ナゾロジー

PODCASTネタ

人間の脳が「光を放っている」と言われたら、みなさんは信じるでしょうか?もちろん、蛍のように強い光を発しているわけではありません。しかし専門家らは「目に見えないほど微弱な光が、私たちの脳から常に放たれている」というのです。この現象は、かつては神秘主義的な話として片付けられていました。ところがカナダ・アルゴマ大学(Algoma University)の最新研究で、ついにこの「脳の光」を頭蓋骨の外から観測することに成功したのです。脳の内側では何が起きているのでしょうか?研究の詳細は2025年3月21日付で科学雑誌『iScience』に掲載されています。 目次あらゆ…

情報源: 人間の脳は発光していた!「脳が放つ光」の観測に初成功 – ナゾロジー

脳活動の光学マーカーとしての超弱量光子放射の探索

 

 
 
カバー画像 - iScience, Volume 28, Issue 3
 
  •  
 
 
 

ハイライト

• •
超弱い光子放出(UPE)は、静止した活動的な人間の脳から検出された
• •
脳UPEスペクトルとエントロピーはタスクによって異なり、バックグラウンドレベルから異なります
• •
光読み出しは、タスク間で誘発された神経電振動と相関する
• •
ラベルフリーの光脳波は、脳モニタリングのための新しい方法を表しています

まとめ

脳は、酸化ストレス、老化、神経変性を予測する超弱量光子放出(UPE)を排出する代謝性の高い臓器です。UPEは、神経伝達物質と生物物理学的刺激によって引き起こされますが、それらは安静時の細胞によっても生成され、暗い環境で現代の光検出器を使用して受動的に記録することができます。UPEは細胞間通信において役割を果たしており、神経細胞は光チャネルをサポートする波動特性さえ有する可能性がある。しかし、受動的な光放射を使用して、電場や磁場が脳波検査のように脳の状態を推測できるかどうかは不明のままである。我々は、脳UPEがスペクトル特性とエントロピー特性のバックグラウンド光とは異なり、タスクと刺激に動的に反応し、脳のリズムと適度に相関するという証拠を提示します。これらの知見は、他の神経画像化法、新しい測定パラメータの可能性、光ベースの読み出しの限界、および機能的脳状態を読み出すためのプラットフォームを開発する可能性、すなわち光脳波検査の文脈で議論する。

グラフィカル・アブストラクト

Graphical abstract undfig1
 

対象地域

  1. 認知神経科学
  2. 神経科学
 
 

紹介

細胞や組織は、伝統的に分子や遺伝子の転写を介して通信すると理解されています。しかし、生物物理学的シグナル伝達の新たな側面が注目されている。細胞や組織は、特に脳や心臓で電気信号を介して通信できることが十分に確立されています。ますます、証拠は、超弱い光子放出(UPE),その後の研究では、この成長誘導の媒介因子として内因性紫外線(UV)細胞通信と発達における生体フォトニック信号の潜在的な役割を強調する。
,,,また、光電子増倍管(PMT)、単一光子カウンター(SPC)、電荷結合装置(CCD)などの技術の開発により、UPEについて多くのことが分かってきました。実際、生物組織は非常に低強度の光(∼10−16 2W/m 2、毎秒cmあたり数千光子2可視から可視に近いスペクトル範囲(200〜900nm)内でUPEは、励起分子の放射崩壊によって生成され、活性酸素種(ROS)ホルモン変動と酸化代謝の周期性と一致して、UPEは日中および季節変動を示す ,,,内因性と遅延の両方の再放出メカニズムを示唆しています。特に、UPEは、桁違いに強度が低い黒体放射線と、典型的にはより強いが特定の生化学的反応(例えば、ホタルのルシフェラーゼ、クラゲ),これまで限定的な実用が実装されています。
,,,,,,,,したがって、シナプス伝達、ギャップ接合、およびエファプティック結合に加えて、脳組織がシグナル伝達モダリティとしてフォトニック伝達を示すことを示す証拠がある。非視覚オプシン(例えば、OPN3または「脳性」)、自己蛍光神経伝達物質(例えば、セロトニン)、およびフラビン(例えば、クリプトクロム)を含む多様な光活性分子を発現することは、UPEがラベルフリーのin
現在の機能的神経イメージングアプローチは、電離放射線(例えば、陽電子放出断層撮影またはPET)、高強度磁場(例えば、機能的磁気共鳴画像法またはfMRI)、および近赤外光(例えば、機能的近赤外線分光法またはfNIRS)を使用して機能的脳状態を解決する。赤外線および近赤外波長の光(650-950 nm)と同様に、神経伝達を抑制または強化することができる,,,,機能的読み出しの解釈を複雑にする。多くの機能イメージング技術は、機器自体による活動誘発刺激の適用を伴うが、脳波計(EEG)および磁気脳波(MEG)
脳波に関連する頭皮上の微小電圧変動の受動測定と同様に、脳UPEの受動測定は最大非侵襲的および非交絡性であると仮定した。つまり、神経活動を誘発または抑制する可能性のある外部刺激は適用されないため、イメージングは安全で動揺しません。受動測定はまた、環境中の周囲電磁刺激と脳活動との関係の同定を可能にする。さらに、EEGプロファイルは、聴覚刺激によって、または単に目を閉じることによって(すなわち、10Hzの「アルファ生成」)によって、光刺激を使用せずに予測可能に変化させることができるので、UPEは同時に測定され得る。ここでは、定量的EEG(qEEG)などの従来の神経画像装置によって測定された脳活動に影響を与えることが知られているタスクに従事している間に、人間の脳から検出されたUPEパターンを特徴付けようとしました。後頭葉および側頭葉上のUPEは、信号変動性、エントロピー、および静止性の関数として背景測定と区別された。背景UPEではなく、脳の時間的ダイナミクスもタスクの関数として変化し、受動的な脳光記録の潜在的な応用を示唆した。神経振動と脳UPEの間でいくつかの関連が同定された;しかしながら、生物学的関連性を解釈し、機能的読み出しを最適化し、イメージングアプリケーションへの適合性を判断するため、または既存の神経画像化技術のサポートとして考慮されるべきいくつかのパラメータが議論されている。

結果

脳UPE信号は背景信号と区別できる

,,ヒトの脳UPE信号が、いくつかの信号パラメータにわたって局所的なバックグラウンド光子ノイズと区別できるかどうかは、まだ決定されていない。左後頭葉と右側頭葉(5つのタスク、STAR Methodsのセクションに概説されているようにそれぞれ2分)のUPE記録が、背景UPE信号と比較して異なる署名を示したかどうかを調べました(図1)。
図1 qEEGとUPEの記録は、人間の参加者から同時に収集された。
 
 
図2 A で見られるように、正規化された UPE カウントは、被験者と PMT (B: 背景; O: Occipital; T: Temporal; Subject ID: 1:20) の各組み合わせについて、時間とともにプロットされた。階層クラスタリングアプローチを使用して、UPE信号類似性のプロキシとして、各サブジェクト(図2 B、左)のPMT間のペアワイズ距離を計算しました。我々は、脳信号(後頭期および時間的)が背景信号と比較して、より類似したUPE時間的ダイナミクス(より低いペアワイズ距離)を示すと仮定した。したがって、後天性-時間(O-T)ペアのペアは、バックグラウンド-オクシピタル(B-O)ペアまたはバックグラウンド-テンポラル(B-T)ペアのペアで有意に低かった。次に、各生のUPEトレースの変動係数(Figure 2CV;図2 B、中央)とエントロピー値(Figure 2図2 B、右)を、信号の変動と複雑さのプロキシとしてそれぞれ計算しました。後天性UPE信号と時間的UPE信号の両方が、バックグラウンドUPEトレースと比較して信号変動性(CV)と複雑さ(エントロピー)の増加を示しました。
図2 脳UPE信号は、異なる時間的ダイナミクス、変動性の増加、および複雑さを有する
 
 
これらの結果から、脳由来のUPE信号は、背景光子信号と比較して異なる時間的ダイナミクスを持ち、局所的な背景信号と比較して互いに類似性が高く、エントロピック含有量と変動性が増加したことが明らかになった。

エントロピーとUPEトレースの変動は、タスク間で一貫しており、特定のタスクのPMTを弱く区別します。

次に、CVとエントロピーがタスクの機能として異なるかどうかを調べました(Eyes Open pre、Eyes Closed pre、Music、Eyes Closed post、Eyes Open post; pre and postは音楽タスクを指します)。CVとエントロピー(それぞれ図2 Cと2D)は、タスク全体で各PMT、またはPMT間の各タスクについて示されます。すべてのPMTについて、CVとエントロピーの両方がタスク間で有意な変化を示さなかった(表S1を参照)Table S1。背景と脳のUPE信号を区別するいくつかの例外を除いて、CVとエントロピーは特定のタスクのPMT間で異ならなかった。これらの結果は、エントロピーもCVもPMT内のタスク間で変化せず、一部のタスクではバックグラウンドと脳のUPE信号を弱く区別することしか示されなかった。.

特定のタスクとは無関係な異なる脳のスペクトル周波数パターンは、後頭部UPE信号をバックグラウンド信号から区別します。

Figures 3各PMTの代表的な分光図と平均パワースペクトルグラフをそれぞれ図3Aと3Bに示します。平均パワースペクトルを目視で調べた後、周波数範囲をBand1(0.1〜0.3 Hz)、Band2(0.3〜1Hz)、Band3(1〜10 Hz)の3つのバンドに分割しました。各バンドのパワーは時間やPMT間でも大きく変化しなかったため()、各バンドのパワーを時間の経過とともに平均化し、PMT間でプロットしました(図3 C ) 。平均電力は、Band1とBand2の両方でバックグラウンドと後頭部のUPE信号で有意に異なっていた。
図3 脳UPEは、1Hz以下のユニークなスペクトル署名を持っていました
 
 
以前の分析では、時間の経過とともにUPE信号を平均化していたため、UPE時間的ダイナミクスを含めると、背景と比較して独自の脳スペクトルパターンが確認されたかどうかをさらに調査しました。イメージング手法を用いて、UPE信号スペクトログラムのすべてのペアワイズの組み合わせにわたる信号類似性を定量化した(類似性はMSE値を用いて定量化された;STAR Methodsを参照)。図3 Dでは、UPEスペクトログラム全体と個々のバンドの類似行列を示しています。Figure 3図3Eに要約されたペアワイズ正規化MSE値は、後頭部および時間的UPE信号のスペクトルが、バックグラウンドUPEスペクトログラムと比較して、1Hz(より低いMSE値; Band1およびBand2)未満で互いに類似していることを確認した。Band3を分析している間、脳UPEスペクトルシグネチャーはバックグラウンドと区別がつかなかった。これらの結果は、脳のUPE信号が0.1〜1Hzの範囲で独特の周波数シグネチャーを有し、10秒に1回から毎秒1回の範囲のリズミカルな発光パターンまたはバーストを意味することを示した。

脳UPE信号は、タスク間で変化する離散固定カウントを示す

UPEシグナルの時間的変化を調べた後、異なる脳状態が定義され安定したUPE数と関連しているという仮説をテストした。我々は、脳状態が安定したままであり(同じタスクが時間的に延長される)、十分な時間が許される場合(UPEが電気的活動よりも遅い時間スケールで動作することを考慮して)、UPEカウントは静止状態に達することを提案した。したがって、UPE信号の変化は、タスクの遷移中にのみ検出できます。仮説が正しければ、異なるタスクが異なる脳状態に対応するため、静止信号の達成と脳由来のUPE信号のタスク依存の変化を観察することを含むが、これらに限定されなかった。したがって、2分間のタスクの終了までに、静止したUPEカウントに達し、このカウントは脳信号の開いた/閉じたタスク間で特に異なるという仮説をテストしました。
表裏10秒(恣意的な時間ストレッチ、静止度を堅牢にテストするのに十分な大きさ、生物学的関連性の可能性がある長さ)を持つ代表的なUPEトレース(黒)が、強調表示された各タスク(青)Figure 4と拡大された各タスクについて、図4 Aに示されています。各タスクの最後に静止したUPEカウントに達するかどうかを判断するために、まず、各10sセグメントの中央値から各UPEカウントの偏差を計算します(Figure 4偏差、図4 B ) 。セグメントは、平均偏差が0.015より低い場合、静止状態に分類され(STAR Methodsを参照)、UPEセグメントの中央値からの平均偏差が1.5%未満であることを示しています(図4 B、グリーントレース)。我々は、偶然にも、各タスクの最後に静止したUPEカウントの仮定の下で静止していないセグメントの5%しか静止していないという厳しい帰性仮説を策定した。.次に、各PMTの静止セグメントと非定常セグメントの割合を決定し、それを帰性仮説と比較した。すべてのPMTは、各タスクの最後の10秒に静止したUPE信号を示した(図4 B)。
図4 UPE信号は各タスクの最後に静止信号に達し、脳UPEトレースのみがタスクからタスクへの変更を示した
 
 
次に、脳のUPE数がこれら2つの脳状態の区別を反映している可能性があるという仮説に基づいて、相対UPE固定カウントがEyes Open(EO)とEyes Closed(EC)タスクの間で異なるかどうかを調べました。タスクには聴覚刺激(音楽)が含まれていましたが、ECおよびEOタスク全体の相対的なUPE数の変化のみを分析しました。実際、Mとは異なり、ECおよびEOタスクには、確立された堅牢な個別の脳シグネチャがあります。図4 C の省略形図は、均一または変数(それぞれ [はい] と [いいえ]) とみなされた UPE 信号の分数と種類を要約し、音楽の前後の EO/EC の相対数とその特定の傾向を変更しました。Figure 4各条件の代表的な痕跡を図4Cに示します。音楽タスクの前後のEO/ECペアごとに、正規化されたUPEの変化を計算しました(図4 D; STARメソッドを参照 ) 。音楽の前または後にEO/ECが0.009(背景信号の中央値の変化の3倍)を超えた場合、UPE信号を変数(緑色の陰影領域)として分類しました。 それ以外の場合は、均一(赤色の陰影付き領域)と見なされました。図4 E(上)は、PMT間で均一に分類されたUPEトレースの割合を示した。脳UPEのカウントはEOとECのタスク間で異なると仮定して、トレースが偶然(5%)で均一ではないという厳しい帰無仮説を策定しました。背景の状態は、脳信号ではなく、帰無仮説に違反しました。
最終的に、聴覚刺激への曝露が、EOタスクとECタスク間の相対UPE数に影響するかどうかを調べた(図4 E、下)。すべての条件は、Mが傾向を変えるかどうかの平等なチャンスを持っているというフラット帰無仮説を拒否できませんでした。その結果、静止信号が達成され、タスク間の有意な変動が脳UPE信号でのみ観察された。しかし、これらの変化の方向性は、Mタスクの前後の被験者間で一貫していなかった。

脳スペクトルパワーは、UPE測定との状態依存相関を表示します

qEEGデータ(n = 20)を調べると、記録に重要な電気アーティファクトを持つ2人(n = 2)の参加者を特定し、一部のタスクでスペクトル電力密度(SPD)抽出を防止しました。両方の参加者は、qEEGデータを含む分析から除外された。
PMTに近い葉に関連する脳リズムがタスクによって影響されたかどうかを判断するために、平均SPD(μV 2 Hz −1−1)を調べました。予想通り、アルファ(7.5~14Hz)SPDは、参加者の眼を閉じたとき(EO)と比較して、左後頭葉(O1およびO2センサー)の両方にわたって増加した(図S1 A)。EC条件はまた、EOと比較して、シータ(4〜7.5Hz)SPDの増加とベータ1(14〜20Hz)SPDの減少も生成した。デルタおよびガンマリズムはEC-EO条件の影響を受けなかった。これらの結果は、脳のリズムがリラックスした状態で目を閉じることで確実に影響を受け、他の場所で報告されたタスク依存のUPE変化のコンテキストを提供することを確認した。
次に、後頭部UPE数とアルファバンドSPDが体系的に異なるという仮説を検定した。単純な線形回帰を実行すると、EO条件の間には、UPEとSPDの間に識別可能な関係はありませんでした。しかし、参加者が目を閉じると(EC状態)、背景UPEと後頭部UPE(EC条件期間で平均化)の両方が後頭葉上のアルファバンドSPDと相関していた(図5 A ) 。後頭領域からの時間的UPEとアルファSPDとの間に識別可能な関係はなかった。
図5 脳SPDは、UPE測定との状態依存性相関を表示
 
 
次に、側頭葉上のSPDが120BPMの聴覚刺激(M状態)の影響を受けるかどうかを調べた。予想通り、刺激の右側示により、ベータ1(14〜20Hz)、ベータ2(20〜30Hz)、およびガンマ(30〜40Hz)のスペクトル帯域にわたる高周波活性は、M条件(図S1 B)の間に左側頭葉(刺激と対向)にわたって有意に減少した。左側頭葉内のより低い周波数(1〜7.5 Hz)SPDは、聴覚刺激への曝露によって影響を受けなかった。右側頭葉SPDは、すべてのバンド(デルタガンマ)の聴覚刺激の影響を受けなかった。次に、側頭葉上の高周波SPDが、M状態の同じ領域上の平均UPE数と相関するが、関係は識別できないという仮説を検定した。しかし、右側頭β2 SPDと後頭部UPE数との関係は同定されたが、他の周波数帯では明らかではなかった(Figure 5図5 C)。背景光子数と側頭葉SPDとの間には関係がなかった。興味深いことに、M曝露中、時間的および後頭葉のUPE変動性(CV)は、左側頭葉上のアルファSPDと相関していた(図5 B)。後頭頂部UPEの変動性のみが、右側頭葉上のアルファSPDと相関していた。背景光子変動は、聴覚曝露中の任意の側頭葉の脳リズムと相関しなかった。
これらのデータを合わせると、UPEとSPDはSPDを変更するタスク中に異なる可能性があり、タスク依存のSPD変更に関連する予想される周波数帯域内の関係が傾向があるが、qEEG-PMT近位センサーペア間で予期しない影響があることを示している。

議論

人間の脳からのUPEが機能状態を追跡するための読み出しとして役立つという最初の概念実証として、私たちは、参加者が休んでいる間、または聴覚知覚タスクに従事している間、参加者の頭上の光子数を測定し、特徴付けました。我々は、脳由来のUPE信号が背景光子測定と区別できることを実証した。さらに、我々の結果は、特定のタスクに対して、UPEカウントが安定した値(定常状態)に達する可能性があることを示唆しています。データは、脳とバックグラウンドのUPEシグナルの主な区別因子は、異なるタスクにわたる脳UPEトレースの生数の変動であることを示した。.この変動は、変動性と情報含有量の増加に反映されました(図2 ) さらに、これらの変化は1Hz未満の周波数で発生し(図3)、電気(qEEG)信号とUPE信号の変化速度が異なることを示唆している。実際、速い脳状態のシフトは、UPEトレースダイナミクスに反映されない可能性があると予測しています。代謝駆動のUPE変動と電界振動が異なる時間スケールで動作する場合、相互情報または共有分散の分析を可能にする関連する変換を特定する必要があります。
最初の観測に基づいて、私たちは新しい仮説を提案し、探求し始めました。 UPEカウントは、長い十分なタスクで静止しています(Figure 4図4)。これは、UPE数と脳内の電気振動との関係を示唆していますが、現在のデータセットは、潜在的な接続の限られた分析(n = 18)のみをサポートしていました。それにもかかわらず、UPEとqEEGスペクトルパワー(Figure 5図5)の相関関係を特定し、高密度センサーアレイによる将来の調査を動機付けました。ただし、将来の調査には、独自のqEEGプロファイルを生成する個別のタスクを組み込んだ、より大きなサンプルサイズと設計が含まれる必要があります。PMTとqEEGの記録をミリ秒スケールで同期させる機能により、高度にステレオタイプ化されたイベント関連電位(ERP)中にUPEダイナミクスを観察する可能性があります。しかし、神経振動とUPEの強い相関関係は、異なる生成メカニズムと時間スケールを考慮すると、予測されるべきかどうかは不明のままである。脳UPEは、抑制性または興奮性ニューロン、ならびに複雑な代謝機能を果たすグリア細胞によっても異なる発現を有する。周期脳UPEが脳の局所代謝負荷を反映している場合、機能的接続性やその他の要因の個人差も反映する可能性があります。あるいは、UPEシグナルの変化率の変動は、さまざまな脳領域が異なる時間に定常状態を達成することを示唆している可能性があります。
もともと、UPEダイナミクスは、参加者の目が開いているか閉じているかの関数として異なると想定されており、脳波検査を用いたこの標準的な神経イメージングタスクに関連するアルファリズムに対する十分に文書化された影響を反映していた。アルファバンド内の神経振動は、視覚刺激の有無によって確実に調節されることを考えると、UPEの同様の変化が、特に後頭葉内の活性が活発な細胞集団間で代謝活性が増加すると予測した。脳のUPEカウントの違いを、参加者の目が開いているか閉じているかの関数として観察しました(図4 E)。しかし、これらのタスク間のカウントの相対的な変化は、被験者間で異なり、タスクだけではUPE変化の方向を完全に説明していないか、UPE変化の方向がタスクに弱くリンクされていることを示している可能性があります。UPE生成メカニズムと、この予期しない発見を説明する可能性のある神経振動の根底にあるメカニズムとの間には、時間的断絶がある可能性があります。
興味深いことに、背景光子数と後頭葉アルファSPDは、参加者の目が開いているときに相関していました(図5 A)。以前の研究では、後頭葉上のアルファリズムがリアルタイムの周囲磁場変動と相関することが判明したことが関連している可能性があります ,,本研究では、参加者が目を閉じると、後頭葉上の背景光子とUPEが後頭葉のアルファリズムで体系的に変化すると判断しました。時間的UPEは、後頭頂UPEに類似し、背景光子とは異なるダイナミクスを示す一方で、脳SPDと相関しなかった。これらのデータは、脳リズム、UPE、および周囲の電磁条件との間の潜在的な接続を支持するが、決定的な記述を行うには、遮蔽条件に関するさらなる実験が必要である。
脳UPE検出技術が開発され続けるにつれて、予測力を最適化するためにいくつかの要因を考慮することが重要です。,,,,当社のPMTは、広いバンドのUPE波長を検出するように校正されました。 これは意図的に包括的でしたが、狭帯域効果を不明瞭または希釈した可能性があります。したがって、フィルタまたは調整可能な光検出器の使用は、脳UPEパターンシグネチャの波長依存性を決定するために推奨される。同様に、本研究では、関心のあるいくつかの領域にわたって限定的なセンサーアレイの使用が含まれていました。脳のUPEパターンがコネクトームとどのように関連しているかをよりよく理解し、深部組織源の局在化を可能にするために、この技術の空間分解能を大幅に向上させる光検出器の高密度アレイを使用する必要があります。qEEGによって検出されると、近くの細胞の活性化(おそらく大脳皮質の最初の数ミリメートル以内)を反映する電界振動とは異なり、頭部の表面上で検出されたUPEは、大脳内の多くの放射点源、特に予想される減衰がそれほど極端ではない表面領域に由来する可能性がある。これは、右側頭葉内の左後頭部UPEと高周波振動の関係を観測した理由を説明することができます(図5 C ) 。UPEは分子反応によって生成されるため、排出の潜在的な点発生源の数は、システム内の細胞数をはるかに超えています。これはソースのローカリゼーションを複雑にする可能性がありますが、検出器アレイと機械学習ツールの組み合わせにより、エンジニアは神経イメージングアプリケーション用の3次元空間でUPEダイナミクスを再構築できることが示唆されます。 特に、UPEポイントソースが均質に分散するのではなく空間的にクラスタ化されている場合。UPEは酸化代謝に関連しているため、最も直接的な関連用途には、出芽性脳腫瘍、興奮性病変、軽度外傷性傷害、および神経毒性の侮辱(例えば、ケモブレイン)の検出が含まれる可能性がある。
神経組織からの酸化的代謝に結合した内因性光放射のベース上の機能的脳活性化を推測するための「光脳波」技術を設計するために、重要な信号パラメータを単離するための追加の実験が必要である。脳UPE測定が臨床用途の実用的な現実になる前に克服しなければならない大きな課題の1つは、ERPやその他のステレオタイプな機能に似た指紋のようなパターンの識別です。−14しかし、MEG測定が、マイクロテスラスケール−6(10−6T)の周囲磁気ノイズ(1億倍)の強度にもかかわらず、脳状態を予測するフェムトテスラスケール(10−14T)磁場変動を明らかにするのと同様に、現在の結果は、人間脳由来のUPE信号のパターンが、非常に低い相対信号強度にもかかわらず、暗い設定でバックグラウンドライト信号から区別できるという概念実証の実証であると考えています。光脳波は、EEGやMEGのような高時間分解能で最大非侵襲的(すなわち受動記録)であるが、UPEの測定は、他の場所で説明されているいくつかの臨床用途で酸化代謝と関連している。将来の研究では、特定のフィルターとアンプを使用して、健康で病気の脳からUPE信号機能をふるいにかけ、強化することに成功するかもしれません。

研究の限界

この研究の1つの限界は、代謝負荷、ROS産生、熱産生、電気的興奮性、およびその他の生理学的特徴によってUPE発生器を区別するための同時非脳組織PMT測定の欠如であった。脳内のUPEをソースローカライズするために複数のPMTを含めるのと同様に、体全体の追加のPMTは、UPEと全身生理学との関係に関する未解決の疑問を解きほぐすのに役立つ可能性があります。将来の研究では、手足、数字、および他の臓器(例えば、肝臓、心臓)からの測定値を組み込む必要があります。信号をUPE信号だけで区別できる場合、神経画像化を超えるいくつかの生物医学的応用があるかもしれません。サンプルには、同様の割合の自己識別された男性と女性が含まれていましたが、小さなサンプルは、性別または性別に基づく違いの詳細な調査を制限していることに注意してください。将来の研究では、これらのグループ間の既知の代謝および神経解剖学的違いを反映したユニークなUPEシグネチャーを特定することを目指すべきである。

リソースの可用性

リードコンタクト

リソース、データ、およびコードに関するさらなる情報と要求は、リードコンタクト、博士に向けられるべきであり、満たされます。二郎沙Jムルガン(nmurugan@wlu.ca)。

資料の可用性

すべての資料と方法は論文で提示され、Zenodo(https://zenodo.org/records/13903556)で入手可能であるか、リードの連絡先からのリクエストに応じて利用可能にすることができます。lead contact

データとコードの可用性

• •
lead contactデータ:すべてのデータは原稿に表示され、リードの連絡先からリクエストに応じてアクセスできます。
• •
コード: 標準的な MATLAB quantification and statistical analysisコードが解析に使用され、そのすべてが定量化および統計分析セクションの下に明示的に名前が付けられています。パネルごとに、モデル、データセット、モデリングのパラメータをzenodo(https://zenodo.org/records/13903556)で公開しています。
• •
追加情報:論文で報告されたデータを分析するために必要な追加情報は、リード連絡先に連絡することで入手できます。lead contact

謝辞

著者らは、カナダ国立科学・工学評議会(NSERC)、Discovery Grant RGPIN-2021-03783(N.J.M.へ)、およびNew Frontiers in Research – Exploration Program、Grant NFRFE-2020-01351(N.J.M.へ)、およびOptica Foundationからの支持を認めています。N.R.とN.M.は、タフツ大学のアレン・ディスカバリー・センターからの支持を認めています。

著者の貢献

Study conition and design, N.M. and N.R.; data collection, H.C. and I.D.; data processing and management, H.C., I.D., and M.B.; analysis and interpretation of results, N.M., M.B. and N.R.; draft manuscript preparation, N.M., M., N.すべての著者は、原稿の最終版をレビューし、承認しました。

利害関係の宣言

著者らは、利益相反、財務上またはその他の利益相反を報告していない。

STAR★メソッド

主要リソーステーブル

REAGENTまたはリソース ソース アイデンティティ
ソフトウェアとアルゴリズム
MATLAB マスワークス株式会社 バージョン 2023b
Standardard MATLAB コード ゾノド (アーカイブ) https://zenodo.org/records/13903556
https://doi.org/10.5281/zenodo.13903556
Windows 10 OS マイクロソフト 20H2
カウンタータイマーソフトウェア センサテック バージョン2.8、ビルド:11
Mitsar用WinEEGソフトウェア バイオメディカル株式会社 #NTE WINEEGADV
その他
Mitsar-202 QEEGアンプ バイオメディカル株式会社 #NTEミツァール20224
19チャンネルの電気帽子 バイオメディカル株式会社 #ECA CAPS
エレクトロキャップ用エレクトロジェル バイオメディカル株式会社 #ECA E9
BD ルアーロックチップシリンジ – 5mL バイオメディカル株式会社 #ECA E7B-5ML
エレクトロキャップ錫耳電極 – 9mm バイオメディカル株式会社 #ECA E5-9S
光電子増電チューブ センサテック DM0090C
グースネックマウント/クランプ ラミコール LS05-CA-B
スマートフォン グーグル ピクセル7 (GVU6C、GQML3)
ノートパソコン デル インスピロン 15 (7000)

実験モデルと研究参加者の詳細

参加者

合計20人(n=20)の成人が公に表示された広告で募集され、研究への参加に同意した。サンプルは、女性10人、男性9人、ノンバイナリー1人で構成され、平均年齢は25.4歳(範囲:19〜52歳Table S3)(人口統計の詳細については表S3を参照)。参加者全員は実験の目的に素朴で、暗い部屋に座りながら基本的な指示に従うように求められました。すべての参加者は正常または正常な視力に修正され、精神的健康問題または神経障害の既往歴は報告されなかった。被験者は、被験者内の実験設計(すなわち、すべての参加者が同じ曝露条件を受け取る)のために、特定のグループに割り当てられなかった。書面によるインフォームド・コンセントは参加者全員から得られた。すべての試験手順は、アルゴマ大学の機関研究倫理委員会(研究承認番号:026-202122)の承認後に行われました。

メソッドの詳細

測定室

この研究では、10分間の記録期間中に、参加者の頭上の頭皮表面の電位とUPEを同時に測定しました。録音を開始する前に、参加者は、より大きな暗い実験室空間内の小さなチャンバー(2.2m x 1.5 m)で構成された暗い部屋に案内され、快適なパッド入りの椅子に座った。 qEEGおよびPMTデバイスは、他の場所で説明されているように、頭の上または周囲に配置された。囲まれたチャンバーは黒い壁のカバーで暗くなり、外部の実験室スペースには、最小の明るさ設定に設定されたqEEGおよびPMT記録に使用されるラップトップを除いて、すべての光源がありませんでした。宇宙実験室空間のコンピュータとチャンバー内のセンサーを接続するケーブルは、参加者の後ろのチャンバー壁の下部にある小さな穴を通過しました。

一般的な手順

手順の簡単な説明、部屋の暗さ、およびPMTの発見に続いて、録音が開始され、次の順序で実行されました。 (1)参加者の目を開いたベースライン録音の2分(EO-Pre)、(2)参加者の目を閉じたベースライン録音の2分(EC-Pre)、(3)聴覚刺激(M)への2分の連続曝露、(4)参加者の目を閉じたベースライン録音の2分(EC-Post)、(2)ベースラインの録音。録音手順の後、PMTが覆われ、ライトが点灯され、EEGキャップが取り除かれ、参加者に報告されました。データは、常に午前9時から午後6時(EST)の間に収集されました。

聴覚刺激

木質の「ブロック」音色と921Hzのスペクトルピークで繰り返し(120 bpm、2 Hz)クリックする聴覚刺激は、暗い部屋の外側に配置されたGoogle Pixel 7スマートフォンを介して配信されました。刺激は、参加者の目が閉じている実験手順の4分の時点で、常に体の右側に警告することなく送達され、その後、完全な10分の録音期間後に可聴音を確認するように求められました。ラベリングのみを目的として、聴覚刺激を伴う条件は、分析全体を通して「音楽」または「M」と呼ばれます。,

超弱い光子排出量(UPE)

光電子増倍管(PMT)(Sens-Tech DM0090C)は、超弱光子放出(UPE)を示す光子数(s-1)を記録するために、参加者の周りに配置された。各装置には22mmのS20カソードが含まれ、300〜850nmのスペクトル範囲を表示し、典型的な暗算数∼1000s-1と評価された。デバイスは、Windows 10 OSを実行し、外部9V AC電源(入力電圧は∼5V)で駆動するDELLラップトップへのUSB接続を介してデータを記録しました。
2つのPMTを頭部の表面に約5cmの位置に配置し、その開口部は、左後頭葉(PMT-O)および右側頭葉(PMT-T)を含む、対応する脳領域に面した。PMT-Oの開口は、常に頭を向いて、qEEGキャップのO1センサーに内側に配置されていましたが、PMT-Tの開口部は、qEEGキャップ(19チャネルECIエレクトロキャップ)のT4センサーに対して常にわずかに腹部に配置されていました。3番目のPMTは、ドアから離れた壁に向かって開口部を指さして、左側の参加者に約30cm前方と10cmの横方向に配置されました。標準的な測定パラメータは、ハイカット(30 Hz)、ノッチフィルター(60-120 Hz)、ゲイン(100μV)など、Sens-Tech Counter Timerソフトウェア内で設定されました。記録期間は40ms(25Hz)に設定され、10分以内に合計15,000の測定を行いました。デバイスは、露出した開口部と開始記録の間に5分のバッファを備えた、暗い環境でのみ発見されました。

定量的脳波(qEEG)

頭皮の表面上のマイクロボルト(μV)変動は、Windows 11 OSでWinEEGソフトウェアを実行するDELLラップトップに接続された定量的脳波(qEEG)システム(Mitsar-202アンプ)で測定した。各参加者は、10-20国際システム(19チャンネルECIエレクトロキャップ)に従って分散されたセンサーを備えた19チャンネルのキャップを着用しました。参加者の耳に取り付けられた2つの電極を参照した単極モンタージュを使用した。録音を開始する前に、常に5kOhm未満のインピーダンス値が達成されました。測定は250Hzのサンプルレートで収集され、それぞれ100μVのゲインと1.6Hzと50Hzのローカットおよびハイカットフィルターを適用しました。50-70 Hzと110-130 Hzのノッチフィルターも適用した。スペクトル密度(μV2 Hz-1またはSPD)は、30秒の生データからWinEEGから抽出され、2分条件あたり4抽出物が得られました。デフォルトの帯域範囲は、WinEEGで以下のように定義されました:デルタ(1.5Hz-4Hz ) 、 シータ(4Hz-7.5Hz ) 、アルファ(7.5Hz-14Hz ) 、 beta1(14Hz-20Hz ) 、 beta2(20Hz-30Hz ) 、 ガンマ(30Hz-40Hz)。解析を行う前に、タスク期間全体にわたる平均SPD、および葉および/または半球固有の集合体(例えば、右側頭葉:T4およびT6センサーのSPD平均)を含む、いくつかの平均変数が計算された。

定量化と統計分析

階層型クラスタリング解析

clustergram.matcorrelation生のUPEカウント信号は、クラスタグラムマット関数の入力として使用され、相関関係を距離メトリック(絶対値ではなくパターンを比較する)、リンク方法として平均(外れ値に敏感ではないバランスの取れたアプローチ)として使用されていました。pdist.mat 関数を使用して距離行列を計算し、続いて squareform.mat 関数を計算した後、ペアワイズ距離が抽出されました。

エントロピーと変動係数

シャノンのUPE信号のエントロピーは、以下に応じて計算されています。
H⁡(()X)==−∑x(エックス)∈XP⁡(()x(エックス))・・LoG2⁡P⁡(()x(エックス))

どこで H⁡(()X) 変数のエントロピーは X, P⁡(()x(エックス)) 確率は x(エックス)t⁢h イベントが発生し、 P⁡(()x(エックス))・・LoG2⁡P⁡(()x(エックス)) 情報内容を表す x(エックス)t⁢h 確率で重み付けされたイベント P⁡(()x(エックス)) ベクトルを分割する計算済みです。 ヒストカウント。mat トレース全体または各タスクを入力として使用する、その合計で関数します。ビンの数 ヒストカウント。mat 関数は、Freedman-Diaconis ルールを使用して選択され、ヒストグラムがデータの分布の有益な表現を提供するようにしました。簡単に:

B⁢I⁢n⁢S==R⁢A⁢n⁢G⁢eB⁢I⁢nw⁢I⁢D⁢t⁢h==C⁢e⁢I⁢L⁢(()MAx(エックス)⁡(()x(エックス))−MIn⁡(()x(エックス)))・・3√n2・・I (曖昧さ回避)⁢Q⁢R (曖昧さ回避)

どこで (m)Ax(エックス)⁡(()x(エックス))−MIn⁡(()x(エックス)) 分布の範囲は、 n 分布のポイントの総数で、 I (曖昧さ回避)⁢Q⁢R (曖昧さ回避) 四分位範囲です最適なビン数は、すべてのトレースとPMTの中間ビン数として選択され、トレース全体または2分の長さのタスクごとに49ビンと35のビンになります。

変動係数(CV)は、標準偏差とトレース全体またはタスク内の平均の比率として計算されています。

短時間のフーリエ変換

短時間のフーリエ変換(STFT)は、静止していないUPE信号の周波数含有量を経時的に分析するために使用されています。 stft.mat関数は、20秒のタイムウィンドウと75%の2つの連続したウィンドウ間の重なりの一部で使用されています。 スペクトルリークは、ハニングウィンドウを使用して低減されています。分光器は、各周波数で時間の経過とともに電力(dB)をプロットすることによって再構築されています。20HzのUPE信号の取得頻度と20秒のタイムウィンドウを考慮すると、周波数範囲は0.1Hz(最小の分析可能周波数0.05Hzの2倍)と10Hz(取得周波数の半分)の間で分析されました。
周波数帯域(Band1:0.1-0.3 Hz、Band2: 0.3-1 Hz、Band 3:>1 Hz)ごとに、周波数帯域範囲内のトレース全体で平均電力が計算されています。
スペクトログラムの類似性を定量化および比較するために、時間的ダイナミクスを考慮して、immse.mat関数を適用して、2つの画像(スペクトログラム)間のピクセルごとの類似性を定量化しました。簡単に言えば、平均二乗誤差(MSE)は、スペクトログラムのペアワイズの組み合わせごとに計算されます。結果として得られた類似性平方行列を使用して、階層クラスタリング分析を実行しました。スペクトログラム全体、1Hz未満の周波数のスペクトログラム(Band1の点数が少なく、immse.mat機能が実行できないため、Band1とBand2がマージされたため)または1Hz(Band3)よりグラフターの分析を行いました。

信号の文房

PMT間で各タスクのUPE生カウントの最後の10秒を抽出した後、各トレースは、10ポイント(500ms)のウィンドウでmoveman.mat関数を使用して移動平均を計算することによってフィルタリングされています。その後、各フィルタセグメントの中央値を計算し、それを使用して、フィルタリングされたセグメントとその中央値の絶対差として定義された偏差を中央値で割った。得られた偏差値の中央値は、任意のしきい値0.015と比較された。このしきい値は、トレースの中央値から1.5%の偏差中央値に相当します。分散値の中央値が0.015未満であった場合、セグメントは静止値として分類された。
静止信号が目を閉じたタスク/開いたタスク間で異なるかどうかを判断するために、各タスクの最後の10秒の平均値を計算し、サブジェクト内の最初のタスク(Eyes Open、Pre Music)の平均UPE数で正規化しました。vs背景信号における変化中央値(音楽前と音楽後の目の開いたタスクと閉じたタスクの絶対差として計算される)に基づいて(バックグラウンドUPEがタスク依存の方法で変化してはならないという仮定に基づいて)、UPE定置状信号を変数として分類した。 音楽の前または後の変化が0.0009(背景信号の中央値の変化の3倍)より大きい場合、UPE定常信号を変数として分類した。

統計構文

特に特に、実験設計のネストされた構造と反復的な性質を説明するために、MATLABの一般化線形混合効果モデル(glme)を使用して統計分析が実施されています。各モデルについて、分布(Normal、Gamma、Inverse Gaussian)および適合法(REMPL、MPL)は、相対的可能性を最大化するモデルを選択することによって選択されている(すなわち、LT==e0。5・・(()A⁢I (曖昧さ回避)⁢C系MIn−A⁢I (曖昧さ回避)⁢C系I)、whereA⁢I (曖昧さ回避)⁢C系MInすべてのモデルで最小のAICであり、A⁢I (曖昧さ回避)⁢C系IithモデルのためのAIC)と残留の視覚分析です。カイ二乗比例検定の結果は、偶発表を作成し、それを crosstab.mat 関数の入力として使用した後に計算されています。Post-hocポストホック分析は、bonferroni の alpha=0.05 による補正を用いて実施されています。ペアになったサンプルの場合、エフェクトサイズは次のように計算されています。D==DSD、whereDペアサンプル間の平均差()D==∑nI==1(()x(エックス)n−Y (曖昧さ回避)n)n、wherenペア数の尺度であり、x(エックス)グループ1と、Y (曖昧さ回避)グループ2と、SD標準偏差はD。各パネルについて、従属変数と独立変数、および統計的詳細(F統計、自由度、p値)Table S1を表S1にまとめました。

補足情報 (1)

ドキュメントS1。図S1と表S1~S3
 

参考文献

ジュ・ドゥ∙鄧、T。∙曹、B….
生物学と医学における超弱小光子放出の応用と傾向
フロント。ケム2023年; 1111, 1140128
モールド、R.R.∙ マッケンジー、A.M.∙カランプーカ、私…
超弱光子放出 – 簡単なレビュー
フロント。フィジオール2024年; 1515, 1348915
グルウィッチ (アラスカ州)
ミトジェネティック放射線の問題に関する歴史的レビュー
経験。1988; 44 :545-550
ホレンダー、A.∙ シェーフェル、E.
ミトネガティック系
Q.牧師バイオル1931; 6 :215-222
バーク、J.∙Gulyás、私。∙ボグナー、Z。 …
胚光子の放出と生存率の評価のためのユニークなアルゴリズム
サイ。議員2024; 1414、15066
フェルズ、D。
光による細胞通信
PLoS One. 2009; 44, e5086
セクルスカ・ナレヴァイコ∙ゴチュフスキ、J。∙コルゼニェフスカ、E….
超弱光子放出データの分類による鶏卵型の検証
エキスパートSyst。アップル2024年; 238, 122130
ヴァンワイク、R。
バイオフォトンとバイオコミュニケーション
J.サイ。探検する2001; 15 :183-197
カルセラダ∙ガルシア・ルイス、C。
Human ultraweak photon emission: key analysitical aspects, results and future trends(ヒトの超弱光
クリット牧師アナルケム2019; 49 :368-381
ユング、H.H.∙ヤン、J.M.∙ウー、W.M.
1年間のバイオフォトン測定:正規化周波数数分析と季節依存性
J.フォトケムフォトビオール、B.2005; 7878:149-154
小林∙武田、M.∙佐藤、T….
ラットの脳からの自発的な超弱光子放出のin vivoイメージングは、脳エネルギー代謝および酸化ストレスと相関している
神経科学レス1999; 34 :103-113
ワイク、E.P.A.V.∙Wijk、R.V.
人体からの自発光子放出のマルチサイト記録とスペクトル分析
褒める。メッドレス122005年;12:96-106
ポスピシル、P。∙プラサド、A.∙ラーク、M.
生物系における超弱量光子放出における活性酸素種の役割
J.フォトケムフォトビオール、B.2014; 139 :11-23
シフラ、M.∙ポスピシル、P。
生体試料からの超弱量光子放射:定義、メカニズム、特性、検出および用途
J.フォトケムフォトビオール、B.2014; 139 :2-10
バジパイ、R.P.
葉の遅発性で放出される放射線の一貫性
J.理論バイオル1999; 198 :287-299
シフラ、M.∙ブラウダー、C。∙ネルドヴァ、M….
バイオフォトン、コヒーレンス、フォトカウント統計:批判的レビュー
J.ルミン2015; 164 38-51
サパタ (フロリダ州)∙ 牧師ルイス、V.∙オルテガ・オジェダ、F….
内部状態の診断のための非侵襲的分光ツールとしてのヒト超弱光子放出-Aレビュー
J.フォトケムフォトビオール、B.2021年; 216, 112141
ユナ、Y.∙ワン、C.∙ダイ、J.
in situバイオフォトンサインによって実証された神経通信信号としてのバイオフォトン
フォトケムフォトバイオールサイ。2010; 9 :315-322
ベントン (D.)∙パーカー、P.Y.∙ドノホー、R.T.
脳と認知機能へのグルコースの供給
J.バイオソックサイ。1996年; 28 :463-479
ディエネル (ジョージア州)
脳グルコース代謝:機能とエネルギッシュの統合
フィジオール牧師2019; 99 :499-1045
エイト・ワレス∙ビューリエ、C.∙カネパリ、M….
神経発火のオプト非遺伝学阻害
ユーアJ.神経科学2019; 49 :6-26
ブラックショー∙スナイダー、S.H.
脳脊髄:脳内に離散的に局所化された新しい哺乳類の網膜外オプシン
J.神経科学1999; 1919:3681-3690
杉原、 T.∙永田、T。∙メイソン、B….
脊椎動物ノンビジュアルオプシンの吸収特性、Opn3
PLoS One. 2016; 1111, e0161215
チェン (L)∙ワン、Z。∙ダイ、J.
オリジナルタイトル: Spectral Blueshift of Biophotonic Activity and Transmission in the Ageing Mouse Brain
脳のレス2020年; 1749, 147133
郭、J。∙朱、G.∙李、L….
熟成と熟成中のイチゴ果実の超弱い光子放出はエネルギーレベルに関連しています
オープンライフSci。2017; 12 :393-398
タン、R。∙ダイ、J.
オリジナルタイトル: Spatiotemporal Imaging of Glutamate-Induced Biophotonic Activities and Transmission in Neural Circicuits
PLoS One. 2014; 99, e85643 (英語サイト)
ヴァン・ワイク∙ヴァン・ワイク、E.P.A.∙パン、J….
超弱質な光子放出解析をミトコンドリア研究に統合
フロント。フィジオール2020; 11 :717
趙、X.∙ファン・ワイク、E.∙ヤン、Y…
老化予測における手の超弱い光子放出
J.フォトケムフォトビオール、B.2016; 162 :529-534
ワン、Z。∙ワン、N。∙李、Z。 …
人間の高い知性は、脳内のバイオフォトニック活動のスペクトル赤方偏移に関与しています
プロクナトルアカドサイ。アメリカ2016; 113113:8753-8758
クマール (サウスワイオス)∙ブーン、K。∙Tuszyński、J。
脳内の光通信チャネルの存在の可能性
サイ。議員2016; 66, 36508
トレイル、R.R.
哺乳類の知性が分子下記憶コードと骨髄性神経軸索の光ファイバー能力に基づいている場合
憶測Sci.テクノル1988; 11 :173-181
ルーロー (ノースカロライナ州)∙チミノ、N。
脳機能の伝達理論:健康、病気、意識への影響
NeuroSciです。2022; 33:440-456
ジェラーチェ、E.∙ シアルダイ、F.∙セレニ、E….
NIRレーザー光生体調節は、脳低酸素症/虚血のin vitroモデルで神経保護を誘導する
モル神経バイオール2021年; 5858:5383-5395
ホランダ (バージニア州)∙ シャバンテス、M.C.∙呉、X。 …
近赤外レーザー光による神経障害性疼痛のフォトバイオモジュレーション療法のメカニズム的基礎
レーザーサーグ。メッド2017; 49 :516-524
ユタ、D.∙石橋、N.∙ 紆ノ、T. …
末梢神経の近赤外線光バイオモジュレーションは、機械的刺激によって誘発されたラットの脊髄背部ホーンにおける神経発火を阻害する
INT。J.モルサイ。2023年; 24 :2352
朱、X。∙ リン、J.W.∙ターナリ、A…
単一の赤外線光パルスは興奮性および抑制性神経調節を誘発する
バイオメッドオプト。エクスプレス。2022; 1313:374-388
王、X。∙ドモホフスキ、J。∙フサイン、M….
議事録#18。経頭蓋外赤外線脳刺激はEEGアルファパワーを調節する
Brain Stimul.脳刺激。 2017; 10 :e67-e69
ゾモロディ、R.∙ ロースワラン、G.∙Pushparaj、A . . .
Pulsed near infrared transcranial and intranasal photobiomodulation significally modulates neural ovicals: a pilot exploratory study(外部リンク)
サイ。議員2019; 99:6309
シュワルツ (マサチューセッツ州)∙エドガー、J.C.∙ゲーツ、W.C.
磁気脳波
ペディアトルラジオル2010年; 40 :50-58
片岡、Y。∙Cui、Y。∙山形、A….
活動依存の神経組織酸化は、内在的な超弱光子を放出する
バイオケムバイオフィスレスコミュン2001; 285 :1007-1011
小林∙菊池、D.∙岡村、H.
昼位のリズムを示す人体からの超弱い自発的光子放出のイメージング
PLoS One. 2009; 44, e6256 のバックアップ一覧
ウォード (ロサンゼルス市)
同期神経振動と認知プロセス
トレンド・コグンサイ。72003年;7:553-559
クック、C.M.∙トーマス、A.W.∙プラト、FS
休養EEGはパルスELF磁場への曝露によって影響を受ける
バイオエレクトロマグネティクス2004年; 25 :196-203
クロフト (アール・ジェイ)∙ハンブリン、D.L.∙スポン、J….
ヒト脳波のアルファリズムに対する携帯電話電磁界の影響
バイオエレクトロマグネティクス2008年; 29 :1-10
サロカ (カンザス州)∙ Vares, D.E.∙ パーシンガー、M.A.
シューマン共鳴における類似のスペクトル力密度と定量的脳波プロファイルの大規模な集団:ケーニヒとポバチェンコの支持的証拠
PLoS One. 2016; 1111, e0146595
王、C.X.∙ ヒルバーン∙呉、D.A.
ヒトの脳内のアルファバンド活性から証明された地磁気の伝達
eNeuroです。2019; 66、ENEURO.0483-18.2019
ニュージャージー州ムルガン∙ ルーロー、 N.∙ カルボウスキー、L.M.
悪性腫瘍の生体フォトニックマーカー:波長特異的生体光子を用いたがんの判別
バイオケムバイオフィス議員2018; 13 :7-11
セファティ (ノースカロライナ州)∙エスメイルプール、T。∙サラリ、V….
超弱量光子放出によるアルツハイマー病のモニタリング
iScienceです。2024年; 2727, 108744
藤岡∙トレイナー、L.J.∙ラージ、E.W….
音楽ビート処理中のヒト聴覚皮質におけるベータリズムとガンマリズム
アンN.Y.アカドサイ。2009年; 1169 :89-92
藤岡∙ ウィーン、J.E.∙ジャマリ、S….
音楽支援脳卒中リハビリテーション後の神経磁気βバンド振動の変化
アンN.Y.アカドサイ。2012; 12521252:294-304

コメント

  1. この記事へのコメントはありません。

  1. この記事へのトラックバックはありません。