Collapse of local circuit integrated information {Phi} during NREM sleep

Deze studie biedt empirische ondersteuning voor de Geïntegreerde Informatietheorie door aan te tonen dat de geïntegreerde informatie ({Phi}) in lokale neurale circuits tijdens NREM-slaap daalt, wat de theorie bevestigt dat bewustzijn samenhangt met een specifieke informatiestructuur die instort bij bewustzijnsverlies.

De kern

De Verdwijnende Knoop van Bewustzijn: Wat Er Gebeurt in Je Brein tijdens de Slaap

Stel je je bewustzijn voor als een ingewikkeld, levendig web van lichtjes in een donkere kamer. Elk lichtje is een gedachte, een gevoel of een waarneming. Volgens de Geïntegreerde Informatietheorie (IIT) is bewustzijn niet zomaar het aantal lichtjes dat brandt, maar hoe sterk die lichtjes met elkaar verbonden zijn. Als ze allemaal los van elkaar flitsen, heb je geen echt bewustzijn. Maar als ze samenwerken als één groot, onlosmakelijk geheel, dan ben je bewust.

Deze wetenschappers wilden weten: wat gebeurt er met die "knoop" van verbindingen als we slapen?

Het Experiment: Een Brein op Deurpost-niveau

De onderzoekers keken niet naar het hele brein (dat is te groot), maar naar kleine groepjes neuronen (zenuwcellen) in de hersenen van muizen en ratten. Ze keken naar drie momenten:

1. Wakker zijn: Je bent alert en ziet de wereld.
2. REM-slaap: Je droomt (dit voelt vaak als wakker zijn).
3. NREM-slaap: Diepe, droomloze slaap (waar je vaak je bewustzijn verliest).

Ze maten een getal genaamd Φ (Phi). Denk aan Phi als een "kwaliteitsmeter" voor hoe goed die neuronen met elkaar praten en een gezamenlijk verhaal vertellen.

De Grote Ontdekking: De Knoop Knapt

Wat vonden ze?

• Wakker en dromend (REM): De Φ-waarde is hoog. De neuronen praten goed met elkaar; de "knoop" is strak en sterk. Je bent bewust (of droomt alsof je dat bent).
• Diepe slaap (NREM): Hier gebeurt het mysterieuze. De Φ-waarde daalt drastisch. De sterke verbindingen breken. Het is alsof het web van lichtjes uit elkaar valt in losse, onverbonden flarden.

Het interessante is: dit gebeurde zelfs als de neuronen nog steeds een beetje aan het werk waren. Het ging niet om hoeveel er brandden, maar om hoe ze samenwerkten.

De "Aan/Uit"-Momenten: De Stilte die Alles Verandert

In de diepe slaap gedragen neuronen zich op een heel rare manier. Ze schakelen tussen twee toestanden:

1. Aan-periode: Ze vuren even snel.
2. Uit-periode: Ze worden volledig stil, alsof ze de stekker eruit trekken.

De onderzoekers zagen dat tijdens die Uit-periode de Φ-waarde bijna op nul zakt. Het is alsof je een gesprek hebt met vrienden, en plotseling zegt iedereen: "Hé, ik ben even weg," en dan is er een lange stilte. In die stilte kan er geen gesprek (geen bewustzijn) plaatsvinden. Zelfs als ze even "Aan" gaan, is het gesprek niet meer zo sterk als toen je wakker was.

Waarom is dit belangrijk?

Vroeger dachten we misschien: "Als er minder neuronen branden, ben je minder bewust." Maar dit onderzoek zegt: Nee!
Het gaat om de structuur. Je kunt veel lichtjes hebben, maar als ze niet goed met elkaar verbonden zijn, heb je geen bewustzijn.

• Analogie: Stel je een orkest voor. Als alle muzikanten hun instrumenten laten vallen (geen activiteit), is er geen muziek. Maar als ze allemaal hun instrumenten vasthouden, maar elk een ander liedje spelen zonder op elkaar te letten, is er ook geen mooi orkest. Bewustzijn is het moment waarop ze perfect op elkaar inspelen. In de diepe slaap valt die synchronisatie weg.

De Conclusie

Dit onderzoek bewijst dat de theorie van IIT klopt. Bewustzijn is een soort "magische lijm" die neuronen samenbindt. Tijdens de diepe slaap (NREM) lost die lijm op, waardoor de "knoop" van bewustzijn uit elkaar valt. Pas als we wakker worden of in de droomfase (REM) komen, wordt die lijm weer sterk en kunnen we weer "zijn".

Kortom: Je bewustzijn is niet het aantal zenuwcellen dat werkt, maar hoe goed ze samen een verhaal vertellen. En in de diepe slaap, vertellen ze even geen verhaal meer.

Technische samenvatting

Probleemstelling

Het identificeren van de neurale mechanismen die ten grondslag liggen aan het ontstaan van bewustzijn blijft een fundamentele uitdaging in de neurowetenschappen. Integrated Information Theory (IIT) biedt een wiskundig raamwerk dat bewustzijn identificeert aan de hand van de intrinsieke oorzaak-gevolg-informatiestructuur van een systeem, gekwantificeerd door de maatstaf geïntegreerde informatie (Φ).
Hoewel IIT voorspelt dat Φ afneemt bij verlies van bewustzijn (zoals tijdens slaap of anesthesie), is deze hypothese tot nu toe voornamelijk getest met macroscopische proxies (zoals fMRI of EEG) of in geanimeerde modellen. Er ontbreekt empirisch bewijs op het niveau van lokale neurale circuits (gebaseerd op spikes van individuele neuronen) om te verifiëren of de afname van Φ daadwerkelijk plaatsvindt in de micro-architectuur van het brein, onafhankelijk van specifieke schakelingen of vuursnelheden.

Methodologie

De studie analyseerde neurale populatieactiviteit uit twee openbare datasets:

1. V1-dataset: 19 mannelijke muizen met 64-kanaals siliciumprobes in de primaire visuele cortex (V1).
2. FC-dataset: 11 mannelijke Long-Evans ratten met probes in de frontale cortex (inclusief mPFC, ACC, motorcortex).

Analysepiplijn:

• Systeemconstructie: Om Φ te berekenen (wat computationeel zeer intensief is), werden systemen gedefinieerd met vier elementen.
  • In de V1-dataset werden elementen gebaseerd op corticale lagen (L2/3, L4, L5a, L5b).
  • Om te controleren op afhankelijkheid van de laminarische structuur, werden ook gerandomiseerde systemen gemaakt waarbij neuronen willekeurig over vier clusters werden verdeeld.
• State Time Series: De activiteit van elk element werd omgezet in een binaire tijdreeks (1 = minstens één spike in het venster, 0 = geen spike) voor verschillende tijdsvensters (τ).
• Transition Probability Matrix (TPM): Op basis van de binaire toestanden werd een TPM (16x16) berekend om de overgangskansen tussen toestanden te modelleren.
• Φ-berekening: Gebruikmakend van de PyPhi-toolbox en de specificaties van IIT 4.0, werd de "big Φ" (som van Φ voor onderscheidingen en relaties) berekend voor elke toestand.
• Statistiek: Herhaalde ANOVA's werden uitgevoerd om verschillen tussen de condities WAKE (waken), NREM (non-rapid-eye-movement slaap) en REM (rapid-eye-movement slaap) te testen, gecorrigeerd voor meervoudige toetsing.

Belangrijkste Resultaten

1. Afname van Φ tijdens NREM-slaap:

   • In de V1-dataset was Φ significant lager tijdens NREM-slaap vergeleken met zowel WAKE als REM-slaap, vooral bij een tijdsvenster τ = 40–50 ms.
   • Deze afname was consistent in zowel de laag-gebaseerde systemen als de gerandomiseerde systemen, wat suggereert dat het fenomeen onafhankelijk is van de specifieke corticale lagen.
   • De afname bleef bestaan zelfs na het controleren voor vuursnelheden (firing rates) door middel van downsampling van de spikes.

2. Rol van On- en Off-perioden:

   • NREM-slaap wordt gekenmerkt door bistabiliteit: periodes van activiteit ("on") en stilte ("off").
   • Φ daalde aanzienlijk tijdens de off-perioden (gemiddelde duur ~175 ms), waar neurale activiteit collectief wordt onderdrukt.
   • De overgang van on- naar off-perioden resulteerde in een snelle ineenstorting van Φ, terwijl de terugkeer naar on-perioden leidde tot een scherpe stijging. Dit bevestigt dat de onderbreking van causale interacties tijdens off-perioden de integratie van informatie fundamenteel verstoort.

3. Relatie met Vuursnelheid:

   • Hoewel er een correlatie was tussen vuursnelheid en Φ, was de afname van Φ tijdens NREM-slaap niet louter een gevolg van lagere vuursnelheden. Zelfs bij gelijke vuursnelheden bleef de staat-afhankelijke afname van Φ bestaan.
   • In de FC-dataset (rat) werden twee groepen onderscheiden op basis van het tijdsvenster waar Φ piekte (Low τ vs. High τ). Alleen de High τ-groep (die voldoende neuronale dichtheid en vuursnelheid had) toonde een significante afname van Φ tijdens NREM-slaap, wat de noodzaak van een minimale drempel voor stabiele Φ-metingen benadrukt.

4. Regionale Verschillen:

   • De piek in Φ trad op bij een korter τ in V1 (~40-50 ms) dan in de frontale cortex (FC), wat overeenkomt met de functionele hiërarchie van de cortex en de intrinsieke tijdschalen van verschillende gebieden.

Kernbijdragen

• Empirische Validatie van IIT op Micro-niveau: Dit is een van de eerste studies die de voorspelling van IIT direct test met spike-data van lokale circuits, in plaats van alleen macroscopische proxies.
• Onafhankelijkheid van Architectuur: Het bewijs dat Φ daalt tijdens NREM-slaap, ongeacht of het systeem is gebaseerd op anatomische lagen of willekeurige clusters, suggereert dat het verlies van bewustzijn een fundamentele verandering is in de causale structuur, niet beperkt tot specifieke circuit-architecturen.
• Mechanisme van Bewustzijnsverlies: De studie identificeert de off-perioden tijdens NREM-slaap als het kritieke moment waarop de causale integratie fysiek wordt onderbroken, wat leidt tot het ineenstorten van de informatiestructuur.

Significantie

De bevindingen bieden cruciaal empirisch ondersteuning voor Integrated Information Theory als een wiskundige theorie die bewustzijn kan verklaren. Ze tonen aan dat bewustzijn een irreducibele informatiestructuur is die niet kan worden gereduceerd tot de eigenschappen van individuele elementen (zoals vuursnelheid). Het ineenstorten van Φ tijdens NREM-slaap, vooral tijdens off-perioden, biedt een neurale basis voor het verlies van bewustzijn en bevestigt dat bewustzijn afhankelijk is van specifieke, geïntegreerde oorzaak-gevolg-relaties binnen het brein. Dit onderzoek vormt een brug tussen abstracte wiskundige theorieën en hoge-resolutie neurofysiologie.