年纪越大，大脑中的噪音越多？
我们都知道，大脑的运转主要依靠多重神经元网络在多个脑区之间架起信息交流的桥梁：一个神经元细胞可以与50000个神经元细胞交流信息。即使我们处于睡眠状态时，大脑中的神经元也无时无刻不在相互交流。
如果我们能听到大脑神经活动的声音，那会怎么样呢？
也许，场面会像菜市场一样混乱、嘈杂，每个神经元都喋喋不休的表达着自己，同时也没忘记和隔壁的神经元夸夸其谈，整个大脑充斥着各种各样的噪音。
但这些噪音并不真的只是“噪音”。在2020年1月的一场主题为睡眠的研究座谈会上，科学家詹娜·伦德纳（Janna Lendner）分享了一些研究发现，她提出可以利用大脑噪音观察人们的大脑活动，探索大脑清醒与无意识之间的界限。
然而，听起来容易做起来难，因为当我们处于快速眼动（REM）睡眠阶段时，大脑会产生与清醒时相同的平稳震荡的脑电波，让人难以判断意识的存在与否。
不过伦德纳认为，答案并不在常规的脑电波中，而是在科学家普遍会忽略的一个神经活动：大脑中不稳定的背景噪音。
神秘的大脑噪音
越来越多的神经科学家认为，大脑电信号活动产生的噪音能为人们研究大脑内部运作提供全新的线索。
这是颠覆性的思想转变，曾经神经学上将这些噪音比喻成老旧电视机的干扰信号，但现在它可能会对科学家研究大脑的方法产生深远的影响。
大脑活动产生不同类型的脑电波
图源：Quanta Magazine
神经科学家布拉德利·沃伊泰克（Bradley Voytek）花了数年的时间研究了一种方法，来帮助科学家们重新审视已有的数据。
在与加州大学神经学家的合作下，沃伊泰克开发了一种软件，它可以从大脑活动的非周期性部分中，分离出规则振动。例如，α波是四个基本脑波之一，在大脑中有时出现，有时消失，并不总是存在，而软件可以帮助我们更好地研究α波。
这为神经科学家提供了一种分析大脑规则振动和非周期性活动的新工具，进而为研究大脑非周期性活动在行为、认知和疾病中的作用提供帮助。
布拉德利·沃伊泰克
大脑噪音这一现象目前有很多种命名。有人称其为“1/f斜率”或“无标度活动”，但沃伊泰克倾向于将其命名为“非周期性信号”或“非周期性活动”。
尽管针对不规则大脑活动的研究已经进行了20多年，但还是没有人能确定其真正含义。现在，科学家们有了更好的工具，可以在新实验中将非周期性信号隔离出来，继续深入研究已有的旧数据。
多亏了沃伊泰克的算法，最近几年对大脑电波的研究都表示，大脑非周期性活动蕴含大量宝藏，可能促进对衰老、睡眠和儿童发育等方面的研究。
噪音的波动
我们的身体已经习惯于一些对生存至关重要的持续循环，比如心跳和呼吸节奏。但在我们看不到的大脑内部，也有着同样重要的波动节奏，它们可能包含解释行为和认知的线索。
当一个神经元将一种谷氨酸化学物质传递给另一个神经元时，它会使接受者更有可能发出信号，这种情况称为兴奋。反之，如果一个神经元分泌出神经递质—氨基丁酸（GABA），接受它的神经元就不太可能被激发，这称为抑制。
任何一种情况走向极端都会产生严重的后果：兴奋作用失控会导致癫痫发作，而抑制作用过多会导致失眠甚至昏迷。
为了研究兴奋和抑制两者之间的微妙平衡，科学家们用脑电图来测量大脑的电信号活动。兴奋和抑制的循环形成了与不同精神状态有关的波。
例如，当大脑形成α电波，即电波频率在8-12赫兹/秒时，人们处于放松、准备进入睡眠的状态。
但是大脑的电波输出并不是完美的平滑曲线。相反，当它们陡增到顶峰、下冲到谷底时，这些线会产生抖动。有时大脑活动没有规律，使其看起来更像电噪音。
正是这种噪音引起了像沃伊泰克的兴趣，他表示，虽然噪音是随机的，但它有不同种类的随机。
白噪音、粉噪音和棕噪音（从左至右），从上到下波谱频率降低，颜色越明亮代表波强度越大，白噪音在各频率波强度都相似
为了量化这种非周期性活动，研究者们将原始的脑电图数据进行了拆解。
首先，他们采用了一种叫做傅里叶分析的技术。任意一组随时间而变化的数据都可以表示为三角函数，就像正弦（sin）波一样，可以用频率和振幅两个参数来衡量。
然后，他们可以在功率谱图中绘制出不同频率的波幅值。
傅里叶技术将脑电图波分解为不同频率和振幅的三角函数数学模型，根据分离出的不同频率的波，绘制功率谱（横坐标：频率；纵坐标：振幅）。由于阈值范围很宽，功率谱振幅通常用对数坐标绘制
从功率图中可以看出，对于纯随机白噪声，功率谱曲线相对平坦和水平，其斜率接近为0，因为其白噪声的振幅在所有频率上大致相同。但根据大脑神经系统产生的数据绘制功率谱，则会得到一条斜率为负的曲线。
由此可见，较低的频率具有较高的振幅，而频率升高时，振幅的强度呈指数下降。这一曲线下降趋势叫做1/f，指的是频率和振幅之间的倒数关系。神经科学家们感兴趣的是，图中平缓或陡峭的曲线斜率可能表明了大脑内部的运作方式。
对非周期性活动的认识可以追溯到1925年，J.B.约翰逊在研究的真空管噪音。四年后，德国科学家汉斯·博杰就发表了首份人类脑电图研究报告。
在随后的几十年中，神经科学的研究主要集中在大脑活动中显著的周期性波上。然而，在各种电噪音、股票市场、地震波甚至音乐片段中都能发现非周期性活动，至于为什么，直到今天这仍然是个未解之谜。
在过去的研究中，人们一直认为大脑的非周期性活动是不重要的，在研究中经常剔除这一部分，以强调大脑的周期波动。然而，越来越的证据表明，非周期性的大脑活动积极促进着大脑功能。
用数据解读噪音
其实，沃伊泰克最初只是想要从脑电图数据中建立数学模型并去除白噪声，但是当他编写程序消除噪音时，他开始把更多注意力放在噪音上。
2015年，沃伊泰克在一项研究中发现，与年轻人相比，老年人的大脑似乎会产生更多的非周期性活动。
通过观察脑电图，他发现随着大脑年龄的增长，大脑更多地受白噪音的支配，而这种噪音与年龄导致的工作记忆衰退存在相关性。
沃伊泰克希望有种软件能够自动分离数据库中的周期性和非周期性活动。因此，他组织团队为这个算法编写了一个程序，实现了这一功能。
他的软件一经面世就大受欢迎。2018年4月11日，沃伊泰克将他们的代码发布到biorxiv.org网站后，一个月就获得近2000次下载。同年11月，他的团队在神经科学会议上组织了一场软件使用交流会，为数十名对此工具感兴趣的科学家提供了技术指导和支持。
其中一项合作便是伦德纳的睡眠唤醒研究。借助沃伊泰克的软件，伦德纳和同事发现，在受试者脑电图的非周期性噪音功率谱中，相比于清醒状态，在快速眼动睡眠阶段高频活动的振幅下降得更快，也就是说，功率谱的斜率更陡。
受试者晚间的大脑频谱图，白线表示波谱斜率变化，与受试者的睡眠清醒程度相对应。
伦德纳等研究者认为，非周期性信号可以作为一种独特的信号来测量一个人的意识状态。从医学角度来看，它可以作为一个新的客观标记帮助提高麻醉实践性，以及治疗昏迷患者。
还有一些使用沃伊泰克开发的软件所进行的研究，其中包括对多动症药物疗效的调查，以及基于性别差异对自闭症患者大脑活动的研究。他们和团队的其他成员在模拟数据库中测试了代码的性能，肯定了利用此工具进行新研究的可能性。
神经科学家们非常需要使用这种工具分离周期性信号和非周期性信号，从而专注他们需要的数据。因为对于数据本身，它只是在特定时间内、特定方法下收集的一组数字。一张由数据组成的图像本身并不能说明大脑是否处于正常运行状态。
沃伊泰克表示，神经科学中至关重要的正是对数据的解读。因为这是我们在面对临床决策、药物开发和其他所有这类事情上做决定的基础。
“当我们以这种方式重新审视文献中的大量数据集时，便极有可能产生新的见解。目前为止，我们对现有数据的解释还不够深入和全面。”
噪音从何而来？
虽然人们对非周期性活动的研究已经有了很大进步，但在这一领域还是具有一个很大的局限性：没有人确切知道是什么从生理学上引起了非周期性活动。
麦吉尔大学神经外科、计算机科学教授西拉维·拜耶说，我们需要更多的研究来确定不同神经递质、神经回路和大规模神经网络之间的相互作用。
一种理论认为，非周期性信号在某种程度上反映了兴奋和抑制之间的微妙平衡，大脑需要这种平衡来保持自己的健康和活跃。伦德纳说，这种平衡是非常重要的，过多的兴奋会使大脑超负荷，而过多的抑制可能会使人进入睡眠状态。
另一种观点认为，非周期信号只是反映了大脑的物理组织。根据其他物理系统反映非周期性活动的现象，伦德纳认为大脑中可能存在某种结构上的、等级上的关系，从而导致了非周期性的活动。
例如，大脑中处于相近位置的大量的神经元先聚集成组，然后逐渐形成更大的区域一起工作。
伦德纳表示大脑能够预测同样具有1/f特征属性的声音，这表明非周期性活动与处理和预测自然刺激有关。
不论是爵士乐，还是巴赫的古典音乐，都可以具有非周期性活动的属性，这并不奇怪——毕竟，音乐是人类大脑的产物。
沃伊泰克说，为了验证关于非周期信号从何而来的假设，研究人员需要更细致地研究产生这些信号的神经回路。
神经科学家可以尝试将这些回路的位置与大脑的整体生理学联系起来，从而更好地了解哪些神经机制会产生特定的信号模式，并预测非周期性和周期性信号在不同的大脑疾病中会是什么样子。
而对拜耶来说，大脑中的非周期性信号有点像暗物质，是存在于宇宙中的隐形支架，只能通过引力与正常物质相互作用。我们不知道它是由什么组成的，也不知道它的属性是什么，但它就在宇宙背景中，偷偷地把银河系维系在一起。
参考：
https://www.quantamagazine.org/brains-background-noise-may-hold-clues-to-persistent-mysteries-20210208/
（本文未经造就授权，禁止转载。）