Спектральные характеристики тета- и альфа-ритмов ЭЭГ в покое у групп испытуемых с различной результативностью совместной деятельности в диадах

Обложка

Цитировать

Полный текст

Открытый доступ Открытый доступ
Доступ закрыт Доступ предоставлен
Доступ закрыт Только для подписчиков

Аннотация

Цель исследования состояла в сравнительном анализе спектральных характеристик тета- и альфа-ритмов фоновых ЭЭГ между группами испытуемых с различной результативностью последующей совместной сенсомоторной деятельности в диадах. Обследовано 26 мужчин, которые в 13 парах выполняли тренинги “Столбики” с биологической обратной связью от ЭМГ-сигналов мышц сгибателей кисти ведущей руки. По результативности испытуемые каждой пары были отнесены к одной из 2 групп: “победители” или “проигравшие”. Обнаружена более высокая спектральная мощность тета-ритма ЭЭГ с закрытыми глазами в группе “проигравших” по сравнению с группой “победителей”, во фронтальных, центральных и височных зонах коры. У “победителей” выявлен более высокий уровень спектральной мощности альфа-ритма ЭЭГ при закрытых глазах в большинстве зон коры, особенно в альфа2-диапазоне частот. Результативность индивидуальных и совместных тренингов отрицательно коррелировала со спектральными мощностями тета- и положительно с активностью альфа-ритмов ЭЭГ в состоянии с закрытыми глазами.

Об авторах

Е. П. Муртазина

ФГБНУ НИИ нормальной физиологии им. П.К. Анохина

Автор, ответственный за переписку.
Email: e.murtazina@nphys.ru
Россия, Москва

Ю. А. Гинзбург-Шик

ФГБНУ НИИ нормальной физиологии им. П.К. Анохина

Email: e.murtazina@nphys.ru
Россия, Москва

Список литературы

  1. Гаврон А.А., Araujo Ya.I.D., Шарова Е.В. Смирнов А.С., Князев Г.Г., Челяпина М.В., Фадеева Л.М., Абдулаев А.А., Куликов М.А., Жаворонкова Л.А., Болдырева Г.Н., Верхлютов В.М., Пронин И.Н. Групповой и индивидуальный фМРТ-анализ основных сетей покоя здоровых испытуемых. Журнал высшей нервной деятельности им. И.П. Павлова. 2019. 69 (2): 150–163.
  2. Князев Г.Г., Бочаров А.В., Митрофанова Л.Г., Слободской-Плюснин Я.Ю., Пылкова Л.В. ЭЭГ-корреляты агрессивности и тревожности в модели социальных взаимодействий. Журнал высшей нервной деятельности им. И.П. Павлова. 2011. 61 (6): 716–723.
  3. Князев Г.Г., Бочаров А.В., Савостьянов А.Н., Левин Е.А. ЭЭГ-корреляты активности дефолт-системы при обработке социально значимой информации. Журнал высшей нервной деятельности им. И.П. Павлова. 2020. 70 (2): 174–181.
  4. Коробейникова И.И., Каратыгин Н.А., Венерина Я.А. Спектральные характеристики альфа-ритма ЭЭГ при различной успешности достижения результата теста “n-back” у человека в обычных условиях и при ритмически организованной оптической стимуляции с частотой 10 Гц. Психическое здоровье. 2021. 16 (1): 3–11.
  5. Крижановский С.А., Зима И.Г., Тукаев С.В., Чернинский А.А. Взаимосвязь эффективности деятельности человека с ЭЭГ-характеристиками его исходного состояния покоя. Ученые записки Таврического национального университета имени В.И. Вернадского. Серия: Биология Химия. 2009. 22 (61) (1): 50–58.
  6. Муртазина Е.П., Матюлько И.С., Журавлев Б.В. Система поведенческого доминирования: Обзор психофизиологических особенностей и нейробиологических маркеров. Журн. мед.-биол. исследований. 2020. 8 (4): 409–418.
  7. Павленко В.Б., Аликина М.А., Махин С.А. Взаимосвязь уровней общего и эмоционального интеллекта с амплитудой альфа- и бета-ритмов ЭЭГ покоя. Ученые записки Крымского федерального университета имени В.И. Вернадского. Биология. Химия. 2018. 4 (70) (3): 134–142.
  8. Станкова Е.П., Шеповальников А.Н. Функциональное объединение корковых полей в покое как механизм преднастройки мозга к целенаправленной деятельности. Физиология человека. 2018. 44 (6): 5–14.
  9. Al-Ezzi A., Kamel N., Faye I., Gunaseli E. Review of EEG, ERP, and Brain Connectivity Estimators as Predictive Biomarkers of Social Anxiety Disorder. Front Psychol. 2020. 11:730.
  10. Babiloni C., Percio C.D., Vecchio F., Sebastiano F., Di Gennaro G., Quarato P.P., Morace R, Pavone L., Soricelli A., Noce G., Esposito V., Rossini P.M., Gallese V., Mirabella G. Alpha, beta and gamma electrocorticographic rhythms in somatosensory, motor, premotor and prefrontal cortical areas differ in movement execution and observation in humans. Clinical Neurophysiology. 2016. 127 (1): 641–654.
  11. Balconi M., Mazza G. Lateralisation effect in comprehension of emotional facial expression: a comparison between EEG alpha band power and behavioural inhibition (BIS) and activation (BAS) systems. Laterality. 2010; 15 (3): 361–84.
  12. Balconi M., Pagani S. Personality correlates (BAS-BIS), self-perception of social ranking, and cortical (alpha frequency band) modulation in peer-group comparison. Physiol. Behav. 2014. 133: 207–215.
  13. Balconi M., Grippa E., Vanutelli M.E. What hemodynamic (fNIRS), electrophysiological (EEG) and autonomic integrated measures can tell us about emotional processing. Brain Cogn. 2015. 95: 67–76.
  14. Balconi M., Vanutelli M.E. Competition in the Brain. The Contribution of EEG and fNIRS Modulation and Personality Effects in Social Ranking. Front. Psychol. 2016. 7. 1587.
  15. Balconi M., Vanutelli M.E. Empathy in Negative and Positive Interpersonal Interactions. What is the Relationship Between Central (EEG, fNIRS) and Peripheral (Autonomic) Neurophysiological Responses. 2017. Advances in cognitive psychology, 13 (1). 105–120.
  16. Balconi M., Vanutelli M.E. Functional EEG connectivity during competition. BMC Neuroscience, 2018. 19: 63.
  17. Cao R., Shi H., Wang X., Huo S., Hao Y., Wang B., Guo H., Xiang J. Hemispheric Asymmetry of Functional Brain Networks under Different Emotions Using EEG Data. Entropy (Basel). 2020. 22 (9): 939.
  18. Carver C.S., White T.L. Behavioral Inhibition, Behavioral Activation and Affective Responses to Impending Reward and Punishment: The BIS/BAS Scales. J. Pers. Soc. Psychol. 1994. 67 (2): 319–333.
  19. Coomans E., Geraedts I., Keeser D., Pogarell O., Engelbregt H. Intersubject EEG Coherence in Healthy Dyads During Individual and Joint Mindful Breathing Exercise: An EEG-Based Experimental Hyperscanning Study. Advances in Cognitive Psychology, 2021. 17: 250–260.
  20. Drigas A.S., Papoutsi C. A New Layered Model on Emotional Intelligence. Behav Sci (Basel). 2018. 8(5): 45.
  21. Fox N.A., Bakermans-Kranenburg M.J., Yoo K.H., Bowman L.C. Cannon E.N., Vanderwert R.E., Ferrari P.F., van IJzendoorn M.H. Assessing human mirror activity with EEG mu rhythm: A meta-analysis. Psychol Bull. 2016. 142 (3): 291–313.
  22. Karamacoska D., Barry R.J., Steiner G.Z. Electrophysiological underpinnings of response variability in the Go/NoGo task. International Journal of Psychophysiology. 2018. 134: 159–167.
  23. Klados M.A., Konstantinidi P., Dacosta-Aguayo R., Kostaridou V.D., Vinciarelli A., Zervakis M. Automatic Recognition of Personality Profiles Using EEG Functional Connectivity During Emotional Processing. Brain sciences, 2020. 10 (5): 278.
  24. Knyazev G.G., Savostyanov A.N., Levin E.A. Alpha synchronization and anxiety: implications for inhibition vs. alertness hypotheses. Int J Psychophysiol. 2006. 59 (2): 151–158.
  25. Knyazev G., Merkulova E., Savostyanov A., Bocharov A., Saprigyn A. Personality and EEG correlates of reactive social behavior. Neuropsychologia. 2019. 124: 98–107.
  26. Konvalinka I., Bauer M., Stahlhut C., Hansen L.K., Roepstorff A., Frith C.D. Frontal alpha oscillations distinguish leaders from followers: multivariate decoding of mutually interacting brains. Neuroimage. 2014. 1. 94: 79–88.
  27. Li L., Bachevalier J., Hu X., Klin A., Preuss T.M., Shultz S., Jones W. Topology of the Structural Social Brain Network in Typical Adults. Brain Connect. 2018. 8 (9): 537–548.
  28. Lockley S.W., Evans E.E., Scheer F.A., Brainard G.C., Czeisler C.A., Aeschbach D. Short-wavelength sensitivity for the direct effects of light on alertness, vigilance, and the waking electroencephalogram in humans. Sleep. 2006. 29 (2): 161–168.
  29. Mahjoory K., Cesnaite E., Hohlefeld F.U., Villringer A., Nikulin V.V. Power and temporal dynamics of alpha oscillations at rest differentiate cognitive performance involving sustained and phasic cognitive control. NeuroImage. 2019. 188: 135–144.
  30. Miskovic V., Ashbaugh A.R., Santesso D.L., McCabe R.E., Antony M.M., Schmidt L.A. Frontal brain oscillations and social anxiety: a cross-frequency spectral analysis during baseline and speech anticipation. Biol. Psychol. 2010. 83: 125–132.
  31. Mu Y., Fan Y., Mao L., Han S. Event-related theta and alpha oscillations mediate empathy for pain. Brain Res. 2008. 1234: 128–136.
  32. Palacios-García I., Silva J., Villena-González M., Campos-Arteaga G., Artigas-Vergara C., Luarte N., Rodríguez E., Bosman C.A. Increase in Beta Power Reflects Attentional Top-Down Modulation After Psychosocial Stress Induction. Front Hum Neurosci. 2021. 15: 630813.
  33. Papo D. Why should cognitive neuroscientists study the brain’s resting state? Front. Hum. Neurosci. 2013. 7 (45): 1.
  34. Perry A., Stein L., Bentin S. Motor and attentional mechanisms involved in social interaction-Evidence from mu and alpha EEG suppression. Neuroimage. 2011. 58: 895–904.
  35. Petit S., Badcock N.A., Grootswagers T., Woolgar A. Unconstrained multivariate EEG decoding can help detect lexical-semantic processing in individual children. Sci Rep. 2020. 10 (1): 10849.
  36. Prat C.S., Yamasaki B.L., Kluender R.A., Stocco A. Resting-state qEEG predicts rate of second language learning in adults. Brain and Language. 2016. 157–158: 44–50.
  37. Rizzolatti G., Sinigaglia C. Mirrors in the brain: how our minds share actions and emotions – Oxford University Press, 2008. 242 p.
  38. Sadaghiani S., Hesselmann G., Kleinschmidt A. Distributed and antagonistic contributions of ongoing activity fluctuations to auditory stimulus detection. J Neurosci. 2009. 29 (42): 13410–13417.
  39. Sadaghiani S., Scheeringa R., Lehongre K., Morillon B., Giraud A.L., Kleinschmidt A. Intrinsic connectivity networks. α oscillations. and tonic alertness: A simultaneous electroencephalography/functional magnetic resonance imaging study. J. Neurosci. 2010. 30 (30): 10243–10250.
  40. Sargent K., Chavez-Baldini U., Master S.L., Verweij K.J.H., Lok A., Sutterland A.L., Vulink N.C., Denys D., Smit D.J.A., Nieman D.H. Resting-state brain oscillations predict cognitive function in psychiatric disorders: A transdiagnostic machine learning approach. Neuroimage Clin. 2021. 30: 102617.
  41. Zhao G., Zhang Y., Ge Y. Frontal EEG Asymmetry and Middle Line Power Difference in Discrete Emotions. Frontiers in Behavioral Neuroscience. 2018. 12.
  42. Zinchenko O., Savelo O., Klucharev V. Role of the prefrontal cortex in prosocial and self-maximization motivations: An rTMS study. Scientific Reports, 2021. 11 (1): 22 334.

Дополнительные файлы

Доп. файлы
Действие
1. JATS XML
Скачать
2.

Скачать (137KB)
Метаданные
3.

Скачать (32KB)
Метаданные
4.

Скачать (37KB)
Метаданные

© Е.П. Муртазина, Ю.А. Гинзбург-Шик, 2023

Согласие на обработку персональных данных с помощью сервиса «Яндекс.Метрика»

1. Я (далее – «Пользователь» или «Субъект персональных данных»), осуществляя использование сайта https://journals.rcsi.science/ (далее – «Сайт»), подтверждая свою полную дееспособность даю согласие на обработку персональных данных с использованием средств автоматизации Оператору - федеральному государственному бюджетному учреждению «Российский центр научной информации» (РЦНИ), далее – «Оператор», расположенному по адресу: 119991, г. Москва, Ленинский просп., д.32А, со следующими условиями.

2. Категории обрабатываемых данных: файлы «cookies» (куки-файлы). Файлы «cookie» – это небольшой текстовый файл, который веб-сервер может хранить в браузере Пользователя. Данные файлы веб-сервер загружает на устройство Пользователя при посещении им Сайта. При каждом следующем посещении Пользователем Сайта «cookie» файлы отправляются на Сайт Оператора. Данные файлы позволяют Сайту распознавать устройство Пользователя. Содержимое такого файла может как относиться, так и не относиться к персональным данным, в зависимости от того, содержит ли такой файл персональные данные или содержит обезличенные технические данные.

3. Цель обработки персональных данных: анализ пользовательской активности с помощью сервиса «Яндекс.Метрика».

4. Категории субъектов персональных данных: все Пользователи Сайта, которые дали согласие на обработку файлов «cookie».

5. Способы обработки: сбор, запись, систематизация, накопление, хранение, уточнение (обновление, изменение), извлечение, использование, передача (доступ, предоставление), блокирование, удаление, уничтожение персональных данных.

6. Срок обработки и хранения: до получения от Субъекта персональных данных требования о прекращении обработки/отзыва согласия.

7. Способ отзыва: заявление об отзыве в письменном виде путём его направления на адрес электронной почты Оператора: info@rcsi.science или путем письменного обращения по юридическому адресу: 119991, г. Москва, Ленинский просп., д.32А

8. Субъект персональных данных вправе запретить своему оборудованию прием этих данных или ограничить прием этих данных. При отказе от получения таких данных или при ограничении приема данных некоторые функции Сайта могут работать некорректно. Субъект персональных данных обязуется сам настроить свое оборудование таким способом, чтобы оно обеспечивало адекватный его желаниям режим работы и уровень защиты данных файлов «cookie», Оператор не предоставляет технологических и правовых консультаций на темы подобного характера.

9. Порядок уничтожения персональных данных при достижении цели их обработки или при наступлении иных законных оснований определяется Оператором в соответствии с законодательством Российской Федерации.

10. Я согласен/согласна квалифицировать в качестве своей простой электронной подписи под настоящим Согласием и под Политикой обработки персональных данных выполнение мною следующего действия на сайте: https://journals.rcsi.science/ нажатие мною на интерфейсе с текстом: «Сайт использует сервис «Яндекс.Метрика» (который использует файлы «cookie») на элемент с текстом «Принять и продолжить».