DOI: https://doi.org/10.1002/hbm.70516
PMID: https://pubmed.ncbi.nlm.nih.gov/41889066
تاريخ النشر: 2026-03-26
المؤلف: Chetan Gohil وآخرون
الموضوع الرئيسي: دراسات الاتصال الوظيفي في الدماغ
نظرة عامة
في هذه الدراسة، بحث المؤلفون تأثير العمر على الشبكات القشرية للنشاط التذبذبي باستخدام بيانات تخطيط الدماغ المغناطيسي (MEG) من مجموعة كبيرة تضم 612 مشاركًا تتراوح أعمارهم بين 18 و88 عامًا. أخذت الأبحاث في الاعتبار عوامل مشوشة متنوعة، بما في ذلك حجم الدماغ، وحجم الرأس، والموقع. تشير النتائج إلى أن العمر يؤثر بشكل كبير على كل من الشبكات المتوسطة الزمن والشبكات العابرة في الأفراد الأصحاء، حيث تظهر ديناميات هذه الشبكات العابرة ارتباطًا بالعمر والأداء المعرفي.
تدعم النتائج الفرضية القائلة بأن شبكة جبهية عابرة قد تعمل بطريقة تعويضية للحفاظ على الصحة المعرفية مع تقدم الأفراد في العمر. بالإضافة إلى ذلك، جعل المؤلفون الشبكات المحددة متاحة للجمهور، مما يوفر موردًا قيمًا لوصف الدماغ الصحي والمساعدة في فهم الانحرافات عن المسارات الطبيعية بسبب الأمراض.
مقدمة
تسلط المقدمة الضوء على الحاجة الملحة لفهم التغيرات المرتبطة بالعمر في وظيفة الدماغ، خاصة مع زيادة عدد كبار السن في السكان العالميين. تؤكد على أهمية التمييز بين التدهور المعرفي الطبيعي والتغيرات المرضية المرتبطة بالأمراض المرتبطة بالعمر، مما قد يساعد في الكشف المبكر والتدخل. تركز الدراسة على تأثير الشيخوخة على النشاط الوظيفي للدماغ، باستخدام تخطيط الدماغ المغناطيسي/الكهربائي (M/EEG) لتوفير رؤى حول التذبذبات العصبية والشبكات القشرية واسعة النطاق، والتي تعتبر حاسمة للعمليات المعرفية.
تهدف الأبحاث إلى وصف نشاط الدماغ الصحي عبر أعمار مختلفة من خلال تحليل تسجيلات M/EEG في حالة الراحة من مجموعة كبيرة تضم 612 موضوعًا تتراوح أعمارهم بين 18 و88 عامًا. يسمح هذا النهج بفحص كل من ديناميات الشبكات المتوسطة الزمن والشبكات العابرة، مما يعالج فجوة في الدراسات السابقة التي ركزت بشكل أساسي على قياسات الشبكات الثابتة. ستتضمن التحليلات مجموعة شاملة من المتغيرات المشوشة، مثل أحجام الدماغ وحجم الرأس، لضمان دلالة إحصائية قوية في النتائج. تسعى الدراسة في النهاية إلى تعزيز فهم كيفية تأثير العمر على الشبكات الوظيفية للدماغ وعلاقتها بالأداء المعرفي.
الطرق
يحدد قسم “المواد والطرق” تصميم التجربة والإجراءات المستخدمة في الدراسة. يوضح اختيار المواد، بما في ذلك الكواشف والمعدات المحددة المستخدمة في التجارب. يتم وصف المنهجية بطريقة منهجية، مع تسليط الضوء على البروتوكولات المتبعة لجمع البيانات وتحليلها.
تحدد التقنيات الرئيسية والأساليب التحليلية، مما يضمن إمكانية تكرار النتائج. قد يتضمن القسم أيضًا معلومات حول إعداد العينات، وظروف التجربة، والتحليلات الإحصائية المطبقة لتفسير البيانات. بشكل عام، يخدم هذا القسم لتوفير إطار شامل لفهم كيفية إجراء البحث وصلاحية النتائج.
النتائج
في قسم النتائج، يكرر المؤلفون ويمددون النتائج من Coquelet et al. (2020) بشأن التغيرات المرتبطة بالعمر في ديناميات الدماغ ضمن مجموعة كبار السن. يؤكدون زيادة في الطاقة المتوسطة الزمن للدماغ، مع ملاحظة زيادة في الطاقة الحسية الحركية/الجبهية في نطاق التردد المعني (الشكل 6B). باستخدام منهجية مشابهة لـ Tibon et al. (2021)، والتي تتضمن نمذجة تغايرات السعة لتحديد الشبكات العابرة من خلال نموذج ماركوف المخفي (HMM)، يلاحظ المؤلفون أيضًا زيادة في حدوث الشبكات السمعية اليسرى واليمنى مع تقدم العمر (الحالات 5 و6، الشكل 9D).
ومع ذلك، تظهر فجوة ملحوظة فيما يتعلق بالشبكة البصرية؛ بينما أبلغ Coquelet et al. عن انخفاض في حدوثها مع تقدم العمر، تجد الدراسة الحالية اتجاهًا عكسيًا في ديناميات الشبكة البصرية (الحالة 8). يُعزى هذا الاختلاف إلى الأساليب المتميزة المتبعة في نمذجة الخصائص التذبذبية مقابل ديناميات السعة، مما يعكس نتائج Tibon et al. (2021). بشكل عام، تتماشى النتائج عن كثب مع تلك الخاصة بـ Coquelet et al.، باستثناء ديناميات الشبكة البصرية.
المناقشة
في هذه الدراسة، قمنا بتحليل مجموعة بيانات مقطعية تضم 612 موضوعًا صحيًا تتراوح أعمارهم بين 18 و88 عامًا من مجموعة بيانات Cam-CAN، مع التركيز على تسجيلات تخطيط الدماغ المغناطيسي (MEG) في حالة الراحة، والتصوير بالرنين المغناطيسي الهيكلي (sMRI)، وأداء المهام المعرفية. تم جمع بيانات MEG باستخدام نظام مكون من 306 قناة، وطبقنا خطوات معالجة صارمة، بما في ذلك تقليل الضوضاء وإعادة بناء المصدر، لاستخراج أنماط نشاط الدماغ ذات المعنى. تم قياس الأداء المعرفي من خلال تحليل المكونات الرئيسية (PCA) لمهام معرفية متنوعة، مما أسفر عن مقياس أداء واحد لكل موضوع.
كشفت نتائجنا عن تغييرات ملحوظة مرتبطة بالعمر في الشبكات الوظيفية القشرية. أشار تحليل الشبكة المتوسطة الزمن إلى أن الطاقة والتماسك في نطاقات التردد الكلاسيكية زادت عمومًا مع تقدم العمر، بينما انخفضت طاقة دلتا/ثيتا، مما يشير إلى علاقة معقدة بين العمر والأداء المعرفي. من الجدير بالذكر أن تحليل الشبكة العابرة أظهر انخفاضًا في حدوث الشبكات الجبهية مع تقدم العمر، والتي بدت تعويضية بطبيعتها فيما يتعلق بالأداء المعرفي. أخذنا في الاعتبار مجموعة شاملة من المتغيرات المشوشة، بما في ذلك حجم الدماغ وموقع الرأس، مما يعزز قوة تحليلاتنا الإحصائية. توفر هذه الأبحاث توقيعًا كهربائيًا تفصيليًا للشيخوخة الصحية، مما يضع أساسًا للدراسات المستقبلية حول التغيرات المرضية في وظيفة الدماغ.
DOI: https://doi.org/10.1002/hbm.70516
PMID: https://pubmed.ncbi.nlm.nih.gov/41889066
Publication Date: 2026-03-26
Author(s): Chetan Gohil et al.
Primary Topic: Functional Brain Connectivity Studies
Overview
In this study, the authors investigated the impact of age on cortical networks of oscillatory activity using magnetoencephalography (MEG) data from a large cohort of 612 participants aged 18 to 88 years. The research accounted for various confounding factors, including brain volume, head size, and position. The findings indicate that age significantly influences both time-averaged and transient networks in healthy individuals, with the dynamics of these transient networks showing a correlation with age and cognitive performance.
The results support the hypothesis that a transient frontal network may function in a compensatory manner to maintain cognitive health as individuals age. Additionally, the authors have made the identified networks publicly available, providing a valuable resource for characterizing a healthy brain and aiding in the understanding of deviations from normative trajectories due to disease.
Introduction
The introduction highlights the urgent need to understand age-related changes in brain function, particularly as the global population of elderly individuals increases. It emphasizes the importance of distinguishing between normal cognitive decline and pathological changes associated with age-related diseases, which could aid in early detection and intervention. The study focuses on the impact of aging on functional brain activity, utilizing magneto/electroencephalography (M/EEG) to provide insights into neuronal oscillations and large-scale cortical networks, which are crucial for cognitive processes.
The research aims to characterize healthy brain activity across different ages by analyzing resting-state M/EEG recordings from a substantial cohort of 612 subjects aged 18 to 88 years. This approach allows for the examination of both time-averaged and transient network dynamics, addressing a gap in previous studies that primarily focused on static network measures. The analysis will incorporate a comprehensive set of confounding variables, such as brain volumes and head size, to ensure robust statistical significance in the findings. The study ultimately seeks to enhance the understanding of how age influences functional brain networks and their relationship to cognitive performance.
Methods
The “Materials and Methods” section outlines the experimental design and procedures employed in the study. It details the selection of materials, including specific reagents and equipment used for the experiments. The methodology is described in a systematic manner, highlighting the protocols followed for data collection and analysis.
Key techniques and analytical methods are specified, ensuring reproducibility of the results. The section may also include information on sample preparation, experimental conditions, and statistical analyses applied to interpret the data. Overall, this section serves to provide a comprehensive framework for understanding how the research was conducted and the validity of the findings.
Results
In the results section, the authors replicate and extend findings from Coquelet et al. (2020) regarding age-related changes in brain dynamics within the Elderly-Adult group. They confirm an increase in time-averaged brain-wide power, specifically noting a sensorimotor/frontal power increase in the relevant frequency band (Figure 6B). Utilizing a similar methodology to Tibon et al. (2021), which involves modeling amplitude covariances to identify transient networks through a Hidden Markov Model (HMM), the authors also observe an increased occurrence of the left and right auditory networks with age (States 5 and 6, Figure 9D).
However, a notable discrepancy arises concerning the visual network; while Coquelet et al. reported a decrease in its occurrence with age, the current study finds an opposite trend in the dynamics of the visual network (State 8). This difference is attributed to the distinct approaches taken in modeling oscillatory properties versus amplitude dynamics, echoing the findings of Tibon et al. (2021). Overall, the results align closely with those of Coquelet et al., with the exception of the visual network dynamics.
Discussion
In this study, we analyzed a cross-sectional dataset of 612 healthy subjects aged 18 to 88 years from the Cam-CAN dataset, focusing on their resting-state magnetoencephalography (MEG) recordings, structural MRI (sMRI), and cognitive task performance. The MEG data were collected using a 306-channel system, and we applied rigorous preprocessing steps, including noise reduction and source reconstruction, to extract meaningful brain activity patterns. Cognitive performance was quantified through Principal Component Analysis (PCA) of various cognitive tasks, resulting in a single performance measure for each subject.
Our findings revealed significant age-related changes in cortical functional networks. Time-averaged network analysis indicated that power and coherence in canonical frequency bands generally increased with age, while delta/theta power decreased, suggesting a complex relationship between age and cognitive performance. Notably, transient network analysis showed a decrease in the occurrence of frontal networks with age, which appeared to be compensatory in nature concerning cognitive performance. We accounted for a comprehensive set of confounding variables, including brain volume and head position, enhancing the robustness of our statistical analyses. This research provides a detailed electrophysiological signature of healthy aging, establishing a baseline for future studies on pathological changes in brain function.