Synchronization analysis of time series obtained from anesthetized rats during painful action

Cover Page

Cite item

Full Text

Abstract

The purpose of this work is to determine the possibility of detecting changes in the relationships between such physiological rhythms as the activity of neurons in the reticular formation of the medulla oblongata, fluctuations in the blood pressure and respiration in anesthetized rats before and during the development of a pathological state associated with painful colorectal distension. This stretch mimics the pain localized in the lower abdomen in patients with irritable bowel syndrome and it is accompanied by responses of the brain neurons, fluctuations in the blood pressure and respiration. The analysis of changes in the relationships of these rhythms consisted in identifying phase synchronization between the time series of the variability of neuronal activity intervals and the variability of blood pressure intervals at the respiratory rate before and during pain exposure. Methods. To solve this problem, the synchrosqueezed wavelet transform method was applied, which makes it possible to effectively calculate the instantaneous frequencies and phases of non-stationary signals. As indicators of synchronization, we used the values of the index and the duration of phase synchronization as a time interval during which the value of the synchronization index is close to 1. Results. It has been established that the pain effect provides an adjustment of the frequency of the neuronal activity variability and the occurrence of synchronization between this activity and the blood pressure variability at the respiratory rate or causes an adjustment of the frequency of the blood pressure variability and the occurrence of synchronization between the blood pressure variability and the respiratory rhythm. It was found that the pain effect increases the duration of phase synchronization between the variability of the blood pressure and the respiratory rhythm or reduces the duration of phase synchronization between the variability of neuronal activity and the respiratory rhythm. Conclusion. The effect of painful colorectal distension on changes in the parameters of phase synchronization between physiological rhythms in anesthetized rats was studied in detail.

About the authors

Olga Evgen'evna Dick

Институт физиологии имени И.П. Павлова РАН

Наб Макарова 6

References

  1. Ticos C. M., Rosa Jr. E., Pardo W. B., Walkenstein J. A., Monti M. Experimental real-time phase synchronization of a paced chaotic plasma discharge // Phys. Rev. Lett. 2000. Vol. 85, no. 14. P. 2929–2932. doi: 10.1103/PhysRevLett.85.2929.
  2. DeShazer D. J., Breban R., Ott E., Roy R. Detecting phase synchronization in a chaotic laser array // Phys. Rev. Lett. 2001. Vol. 87, no. 4. P. 044101.doi: 10.1103/PhysRevLett.87.044101.
  3. Boccaletti S., Kurths J., Osipov G., Valladares D. L., Zhou C. S. The synchronization of chaotic systems // Physics Reports. 2002. Vol. 366, no. 1–2. P. 1–101. doi: 10.1016/S0370-1573 (02)00137-0.
  4. Boccaletti S., Allaria E., Meucci R., Arecchi F. T. Experimental characterization of the transition to phase synchronization of chaotic CO2 laser systems // Phys. Rev. Lett. 2002. Vol. 89, no. 19. P. 194101. doi: 10.1103/PhysRevLett.89.194101.
  5. Ponomarenko V. I., Prokhorov M. D., Bespyatov A. B., Bodrov M. B., Gridnev V. I. Deriving main rhythms of the human cardiovascular system from the heartbeat time series and detecting their synchronization // Chaos, Solitons & Fractals. 2005. Vol. 23, no. 4. P. 1429–1438. DOI: 10.1016/ j.chaos.2004.06.041.
  6. Bespyatov A. B., Bodrov M. B., Gridnev V. I., Ponomarenko V. I., Prokhorov M. D. Experimental observation of synchronization between the rhythms of cardiovascular system // Nonlinear Phenomena in Complex Systems. 2003. Vol. 6, no. 4. P. 885–893.
  7. Hramov A. E., Koronovskii A. A., Ponomarenko V. I., Prokhorov M. D. Detecting synchronization of self-sustained oscillators by external driving with varying frequency // Phys. Rev. E. 2006. Vol. 73, no. 2. P. 026208. doi: 10.1103/PhysRevE.73.026208.
  8. Hramov A. E., Koronovskii A. A., Ponomarenko V. I., Prokhorov M. D. Detection of synchronization from univariate data using wavelet transform // Phys. Rev. E. 2007. Vol. 75, no. 5. P. 056207. doi: 10.1103/PhysRevE.75.056207.
  9. Москаленко О. И., Короновский А. А., Храмов А. Е., Журавлев М. О. Оценка степени синхронности режима перемежающейся фазовой синхронизации по временному ряду: Модельные системы и нейрофизиологические данные // Письма в ЖЭТФ. 2016. Т. 103, № 8. С. 606–610. doi: 10.7868/S0370274X16080099.
  10. Дик O. E., Глазов A. Л. Параметры фазовой синхронизации в электроэнцефалографических паттернах как маркеры когнитивных нарушений // ЖТФ. 2021. Т. 91, № 4. С. 678–688. doi: 10.21883/JTF.2021.04.50633.200-20.
  11. Dick O. E., Glazov A. L. Estimation of the synchronization between intermittent photic stimulation and brain response in hypertension disease by the recurrence and synchrosqueezed wavelet transform // Neurocomputing. 2021. Vol. 455. P. 163–177. doi: 10.1016/j.neucom.2021.05.038.
  12. Rangaprakash D., Pradhan N. Study of phase synchronization in multichannel seizure EEG using nonlinear recurrence measure // Biomedical Signal Processing and Control. 2014. Vol. 11. P. 114–122. doi: 10.1016/j.bspc.2014.02.012.
  13. Kiselev A. R., Mironov S. A., Karavaev A. S., Kulminskiy D. D., Skazkina V. V., Borovkova E. I., Shvartz V. A., Ponomarenko V. I., Prokhorov M. D. A comprehensive assessment of cardiovascular autonomic control using photoplethysmograms recorded from the earlobe and fingers // Physiol. Meas. 2016. Vol. 37, no. 4. P. 580–595. doi: 10.1088/0967-3334/37/4/580.
  14. Боровкова Е. В., Караваев А. С., Киселев А. Р., Шварц В. А., Миронов С. А., Пономаренко В. И., Прохоров М. Д. Метод диагностики синхронизованности 0,1 Гц ритмов вегетативной регуляции сердечно-сосудистой системы в реальном времени // Анналы аритмологии. 2014. Т. 11, № 2. С. 129–136. doi: 10.15275/annaritmol.2014.2.7.
  15. Hoyer D., Leder U., Hoyer H., Pompe B., Sommer M., Zwiener U. Mutual information and phase dependencies: measures of reduced nonlinear cardiorespiratory interactions after myocardial infarction // Medical Engineering & Physics. 2002. Vol. 24, no. 1. P. 33–43. doi: 10.1016/S1350- 4533(01)00120-5.
  16. Karavaev A. S., Prokhorov M. D., Ponomarenko V. I., Kiselev A. R., Gridnev V. I., Ruban E. I., Bezruchko B. P. Synchronization of low-frequency oscillations in the human cardiovascular system // Chaos. 2009. Vol. 19, no. 3. P. 033112. doi: 10.1063/1.3187794.
  17. Shiogai Y., Stefanovska A., McClintock P. V. E. Nonlinear dynamics of cardiovascular ageing // Physics Reports. 2010. Vol. 488, no. 2–3. P. 51–110. doi: 10.1016/j.physrep.2009.12.003.
  18. Stefanovska A., Haken H., McClintock P. V. E., Hozic M., Bajrovic F., Ribaric S. Reversible transitions between synchronization states of the cardiorespiratory system // Phys. Rev. Lett. 2000. Vol. 85, no. 22. P. 4831–4834. doi: 10.1103/PhysRevLett.85.4831.
  19. Любашина О. А., Михалкин А. А., Сиваченко И. Б. Нейрональные перестройки на супраспинальном уровне, способствующие кишечной гипералгезии при колите // Интегративная физиология. 2021. Т. 2, № 1. С. 71–78. doi: 10.33910/2687-1270-2021-2-1-71-78.
  20. Lyubashina O. A., Sivachenko I. B., Mikhalkin A. A. Impaired visceral pain-related functions of the midbrain periaqueductal gray in rats with colitis // Brain Research Bulletin. 2022. Vol. 182. P. 12–25. doi: 10.1016/j.brainresbull.2022.02.002.
  21. Пиковский А., Розенблюм М., Куртс Ю. Синхронизация: Фундаментальное нелинейное явление. М: Техносфера, 2003. 496 c.
  22. Rosenblum M. G., Cimponeriu L., Bezerianos A., Patzak A., Mrowka R. Identification of coupling direction: Application to cardiorespiratory interaction // Phys. Rev. E. 2002. Vol. 65, no. 4. P. 041909. doi: 10.1103/PhysRevE.65.041909.
  23. Ponomarenko V. I., Prokhorov M. D., Bespyatov A. B., Bodrov M. B., Gridnev V. I. Deriving main rhythms of the human cardiovascular system from the heartbeat time series and detecting their synchronization // Chaos, Solitons & Fractals. 2005. Vol. 23, no. 4. P. 1429–1438. DOI: 10.1016/ j.chaos.2004.06.041.
  24. Kralemann B., Fruhwirth M., Pikovsky A., Rosenblum M., Kenner T., Schaefer J., Moser M. In vivo cardiac phase response curve elucidates human respiratory heart rate variability // Nature Communications. 2013. Vol. 4. P. 2418. doi: 10.1038/ncomms3418.
  25. Zhang Q., Patwardhan A. R., Knapp C. F., Evans J. M. Cardiovascular and cardiorespiratory phase synchronization in normovolemic and hypovolemic humans // European Journal of Applied Physiology. 2015. Vol. 115, no. 2. P. 417–427. doi: 10.1007/s00421-014-3017-4.
  26. Daubechies I. Ten Lectures on Wavelets. CBMS-NSF Regional Conference Series in Applied Mathematics. Philadelphia, Pennsylvania: SIAM Publication, 1992. 369 p. doi: 10.1137/1.9781611 970104.
  27. Li D., Li X., Cui D., Li Z. H. Phase synchronization with harmonic wavelet transform with application to neuronal populations // Neurocomputing. 2011. Vol. 74, no. 17. P. 3389–3403. doi: 10.1016/j.neucom.2011.05.022.
  28. Daubechies I., Lu J., Wu H.-T. Synchrosqueezed wavelet transforms: An empirical mode decomposition-like tool // Applied and Computational Harmonic Analysis. 2011. Vol. 30, no. 2. P. 243–261. doi: 10.1016/j.acha.2010.08.002.
  29. Wu H.-T., Chan Y.-H., Lin Y.-T., Yeh Y.-H. Using synchrosqueezing transform to discover breathing dynamics from ECG signals // Applied and Computational Harmonic Analysis. 2014. Vol. 36, no. 2. P. 354–359. doi: 10.1016/j.acha.2013.07.003.
  30. Wu H.-T., Lewis G. F., Davila M. I., Daubechies I., Porges S. W. Optimizing estimates of instantaneous heart rate from pulse wave signals with the synchrosqueezing transform // Methods. Inf. Med. 2016. Vol. 55, no. 5. P. 463–472. doi: 10.3414/ME16-01-0026.
  31. Lyubashina O. A., Sivachenko I. B., Sokolov A. Y. Differential responses of neurons in the rat caudal ventrolateral medulla to visceral and somatic noxious stimuli and their alterations in colitis // Brain Research Bulletin. 2019. Vol. 152. P. 299–310. doi: 10.1016/j.brainresbull.2019.07.030.
  32. Thakur G., Brevdo E., Fuckar N. S., Wu H.-T. The Synchrosqueezing algorithm for time-varying spectral analysis: Robustness properties and new paleoclimate applications // Signal Processing. 2013. Vol. 93, no. 5. P. 1079–1094. doi: 10.1016/j.sigpro.2012.11.029.
  33. Mormann F., Lehnertz K., David P., Elger C. E. Mean phase coherence as a measure for phase synchronization and its application to the EEG of epilepsy patients // Physica D. 2000. Vol. 144, no. 3–4. P. 358–369. doi: 10.1016/S0167-2789(00)00087-7.

Supplementary files

Supplementary Files
Action
1. JATS XML

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».