Вклад интеллектуальной среды профессиональной деятельности и полиморфизма STin2VNTR гена транспортера серотонина в ЭЭГ активность стареющего мозга: LORETA исследование

Обложка

Цитировать

Полный текст

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

Аннотация

Гетерогенность ментального старения в значительной степени определяется взаимодействием средовых и генетических факторов. Ранее нами при анализе возрастных изменений показателей глобальной мощности фоновой ЭЭГ только у пожилых испытуемых были выявлены различия, связанные с полиморфизмом STin2VNTR гена транспортера серотонина и тренингом, обусловленным интеллектуальной насыщенностью среды профессиональной деятельности (сравнение ученых, НД и людей, не связанных с профессиональной научной деятельностью, ННД). Для медленных ритмов наибольшие различия наблюдались между гомозиготными генотипами, при этом самые низкие значения мощности наблюдались у пожилых ННД в группе генотипа 10/10, а у НД – 12/12. Целью настоящего исследования было определение пространственного паттерна плотности источников тока (ПИТ), лежащего в основе выявленных снижений мощности у генотипов 10/10 ННД и 12/12 НД. В исследовании участвовали пожилые испытуемые (55–80 лет; 38 НД и 39 ННД). Повоксельный анализ с использованием eLORETA показал отсутствие локальных особенностей снижения ПИТ для генотипа 10/10 ННД по сравнению с 12/12 ННД. Таким образом, по-видимому, отмеченное ранее снижение мощности медленных ритмов в группе 10/10 ННД обусловлено однонаправленным диффузным снижением в различных областях коры мозга. В отличие от этого, у носителей генотипа 12/12 НД, по сравнению с 10/10 НД, выявлены дифференцированные пространственные паттерны снижения ПИТ на частоте дельта-ритма преимущественно в преклиновидной коре, нижней и верхней париетальной дольке левого полушария, на частотах альфа2 и альфа3 ритмов – в преклиновидной коре и верхней париетальной дольке правого полушария. Полученные данные могут свидетельствовать о связанной с когнитивным тренингом адаптивной реорганизации нейронных сетей у пожилых ученых – носителей генотипа 12/12.

Полный текст

Доступ закрыт

Об авторах

Е. Ю. Приводнова

Научно-исследовательский институт нейронаук и медицины; Новосибирский государственный университет

Email: privodnovaeu@neuronm.ru
Россия, Новосибирск

Н. В. Вольф

Научно-исследовательский институт нейронаук и медицины; Новосибирский государственный университет

Автор, ответственный за переписку.
Email: privodnovaeu@neuronm.ru
Россия, Новосибирск

Список литературы

  1. Вольф Н.В., Приводнова Е.Ю., Базовкина Д.В. Полиморфизм STin2VNTR гена транспортера серотонина: ассоциации с эффективностью кратковременной памяти у молодых и пожилых испытуемых. Журн. высш. нервн. деят. им. И.П. Павлова 2019. 69 (5): 570–576.
  2. Вольф Н.В., Приводнова Е.Ю. Ассоциации между полиморфизмом STin2VNTR гена транспортера серотонина и характеристиками внимания при старении зависят от интеллектуальной среды профессиональной деятельности. Журн. высш. нервн. деят. им. И.П. Павлова. 2022. 72(1): 77–86.
  3. Приводнова Е.Ю., Вольф Н.В. Эффект полиморфизма STin2VNTR гена транспортера серотонина на фоновую ЭЭГ у пожилых испытуемых зависит от интеллектуальной среды профессиональной деятельности. Журн. высш. нервн. деят.им. И.П.Павлова 2024. 74 (4): 57–69.
  4. Attar E.T. EEG Waves Studying Intensively to Recognize the Human Attention Behavior. 2023 International Conference on Computing, Communication, and Intelligent Systems (ICCCIS). Greater Noida. India. 2023. 1–5 pp.
  5. Babiloni F., Cincotti F., Carducci F., Rossini P.M., Babiloni C. Spatial enhancement of EEG data by surface Laplacian estimation: The use of magnetic resonance imaging-based head models. Clinical Neurophysiology. 2001. 112: 724–727.
  6. Cannon R.L., Baldwin D.R., Shaw T.L., Diloreto D.J., Phillips S.M., Scruggs A.M., Riehl T.C. (2012). Reliability of quantitative EEG (qEEG) measures and LORETA current source density at 30 days. Neuroscience letters. 2012. 518(1): 27–31.
  7. Ciaramelli E., Burianová H., Vallesi A., Cabeza R., Moscovitch M. Functional Interplay Between Posterior Parietal Cortex and Hippocampus During Detection of Memory Targets and Non-targets. Frontiers in neuroscience. 2020. 14: 563768.
  8. Ciaramelli E., Grady C.L., Moscovitch M. Top-down and bottom-up attention to memory: a hypothesis (AtoM) on the role of the posterior parietal cortex in memory retrieval. Neuropsychologia. 2008. 46(7): 1828–1851.
  9. Clemens B., Emri M., Fekete I., Fekete K. Epileptic diathesis: An EEG-LORETA study. Clinical neurophysiology: official journal of the International Federation of Clinical Neurophysiology. 2023. 145: 54–61.
  10. Fiskerstrand C.E., Lovejoy E.A., Quinn J.P. An intronic polymorphic domain often associated with susceptibility to affective disorders has allele dependent differential enhancer activity in embryonic stem cells. FEBS letters. 1999. 458 (2): 171–174.
  11. Gilissen S.R., Arckens L. Posterior parietal cortex contributions to cross-modal brain plasticity upon sensory loss. Current opinion in neurobiology. 2021. 67: 16–25.
  12. Gilmore A.W., Nelson S.M., McDermott K.B. A parietal memory network revealed by multiple MRI methods. Trends in cognitive sciences. 2015. 19(9): 534–543.
  13. Grech R., Cassar T., Muscat J., Camilleri K.P., Fabri S.G., Zervakis M., Vanrumste B. Review on solving the inverse problem in EEG source analysis. J. Neuroeng. Rehabil. 2008. 5: 25.
  14. Händel B.F., Haarmeier T., Jensen O. Alpha oscillations correlate with the successful inhibition of unattended stimuli. J. Cogn. Neurosci. 2011. 23(9): 2494–2502.
  15. Harmony T., Fernández T., Silva J., Bernal J., Díaz-Comas L., Reyes A., Marosi E., Rodríguez M., Rodríguez M. EEG delta activity: An indicator of attention to internal processing during performance of mental tasks. International Journal of Psychophysiology. 1996. 24(1-2): 161–171.
  16. Jabes A., Klencklen G., Ruggeri P., Antonietti J.P., Banta Lavenex P., Lavenex P. Age-Related Differences in Resting-State EEG and Allocentric Spatial Working Memory Performance. Front. Aging. Neurosci. 2021. 13: 704362.
  17. Kivimäki M., Walker K.A., Pentti J., et al. Cognitive stimulation in the workplace, plasma proteins, and risk of dementia: three analyses of population cohort studies. BMJ. 2021. 374: n1804.
  18. Lee H., Keene P.A., Sweigart S.C., Hutchinson J.B., Kuhl B.A. Adding Meaning to Memories: How Parietal Cortex Combines Semantic Content with Episodic Experience. The Journal of neuroscience: the official journal of the Society for Neuroscience. 2023. 43(38): 6525–6537.
  19. Nourski K.V., Steinschneider M., Rhone A.E., Kovach C.K., Kawasaki H., Howard M.A. 3rd .Gamma Activation and Alpha Suppression within Human Auditory Cortex during a Speech Classification Task. The Journal of neuroscience: the official journal of the Society for Neuroscience. 2022. 42(25): 5034–5046.
  20. Nyberg L., Lövdén M., Riklund K., Lindenberger U., Bäckman L. Memory aging and brain maintenance. Trends Cogn Sci. 2012. 16 (5): 292–305.
  21. Pascual-Marqui R.D. Discrete, 3D distributed, linear imaging methods of electric neuronal activity. Part 1: exact, zero error localization. 2007. arXiv:0710.3341 [math-ph].
  22. Ptak R. The frontoparietal attention network of the human brain: action, saliency, and a priority map of the environment. The Neuroscientist: a review journal bringing neurobiology, neurology and psychiatry. 2012. 18(5): 502–515.
  23. Rempe M.P., Ott L.R., Picci G., Penhale S.H., Christopher-Hayes N.J., Lew B.J., Petro N.M., Embury C.M., Schantell M., Johnson H.J., Okelberry H.J., Losh K.L., Willett M.P., Losh R.A., Wang Y.P., Calhoun V.D., Stephen J.M., Heinrichs-Graham E., Kurz M.J., Wilson T.W. Spontaneous cortical dynamics from the first years to the golden years. Proceedings of the National Academy of Sciences of the United States of America. 2023. 120 (4): e2212776120.
  24. Sengupta A., Banerjee S., Ganesh S., Grover S., Sridharan D. The right posterior parietal cortex mediates spatial reorienting of attentional choice bias. Nature communications. 2024. 15(1): 6938.
  25. Shusharina N., Yukhnenko D., Botman S., et al. Modern methods of diagnostics and treatment of neurodegenerative diseases and depression. Diagnostics. 2023. 13 (3): 573.
  26. Schott B.H., Wüstenberg T., Lücke E., Pohl I.M., Richter A., Seidenbecher C.I., Pollmann S., Kizilirmak J.M., Richardson-Klavehn A. Gradual acquisition of visuospatial associative memory representations via the dorsal precuneus. Hum Brain Mapp. 2019. 40(5): 1554–1570.
  27. Smailovic U., Jelic V. Neurophysiological markers of Alzheimer’s disease: quantitative EEG approach. Neurol Ther. 2019. 8(Suppl 2): 37–55.
  28. Tröndle M., Popov T., Pedroni A., Pfeiffer C., Barańczuk-Turska Z., Langer N. Decomposing age effects in EEG alpha power. Cortex; a journal devoted to the study of the nervous system and behavior. 2023. 161: 116–144.
  29. Vysata O., Kukal J., Prochazka A., Pazdera L., and Valis M. Age-related changes in the energy and spectral composition of EEG. Neurophysiology. 2012. 44: 63–67.
  30. Wijaya A., Setiawan N.A., Ahmad A.H., Zakaria R., Othman Z. Electroencephalography and mild cognitive impairment research: A scoping review and bibliometric analysis (ScoRBA). AIMS neuroscience. 2023. 10 (2): 154–171.
  31. Jiang Y., Zhang H., Yu S. Changes in delta and theta oscillations in the brain indicate dynamic switching of attention between internal and external processing. In 4th International Conference on Biometric Engineering and Applications (ICBEA ‘21). Association for Computing Machinery. New York. NY. USA. 2021. 25–31 pp.
  32. Yvert B., Bertrand O., Thévenet M., Echallier J.F., Pernier J. A systematic evaluation of the spherical model accuracy in EEG dipole localization. Electroencephalography and clinical neurophysiology. 1997. 102(5): 452–459.
  33. Zhozhikashvili N., Zakharov I., Ismatullina V., Feklicheva I., Malykh S., Arsalidou M. Parietal Alpha Oscillations: Cognitive Load and Mental Toughness. Brain Sci. 2022. 12(9): 1135.

Дополнительные файлы

Доп. файлы
Действие
1. JATS XML
2. Рис. 1. Различия в плотности источников тока между носителями 10/10- и 12/12-генотипов по полиморфизму 12/12 STin2VNTR гена транспортера серотонина у ученых. Примечание: Черным цветом обозначены негативные значения t-критерия (12/12 < 10/10), которые достигают уровня статистической значимости (p < 0.05) согласно результатам статистического непараметрического картирования.

Скачать (136KB)

© Российская академия наук, 2025