Электроэнцефалография: особенности получаемых данных и их применимость в психиатрии

Закрыть метаданные

Рекомендуем статьи по данной теме:

Клинико-функциональные нарушения у пациентов с эпилепсией при шизэнцефалии. Журнал неврологии и психиатрии им. С.С. Корсакова. 2023;(3):46-50

Когерентность электроэнцефалограммы и периферические маркеры повреждения нервной ткани при депрессивных расстройствах. Журнал неврологии и психиатрии им. С.С. Корсакова. 2023;(3):82-87

Болезнь и синдром моямоя. Журнал неврологии и психиатрии им. С.С. Корсакова. 2023;(6):7-15

Распространенность мутаций в гене MYBPC3 у русских пациентов с гипертрофической кардиомиопатией. Молекулярная генетика, микробиология и вирусология. 2023;(1):18-23

Исследование полиморфизма генов фолатного цикла у женщин с бесплодием и невынашиванием беременности в программах вспомогательных репродуктивных технологий. Проблемы репродукции. 2023;(1):39-47

Оценка точности предикторов периоперационных сердечно-сосудистых осложнений в онкохирургии. Анестезиология и реаниматология. 2023;(3):37-44

Эпилептический статус после удаления опухолей головного мозга. Журнал «Вопросы нейрохирургии» имени Н.Н. Бурденко. 2023;(3):65-73

Новейшие биомаркеры псориатического артрита: возможности применения. Клиническая дерматология и венерология. 2023;(3):231-235

Исследование маркеров слюны при воспалительных заболеваниях пародонта. Российская стоматология. 2023;(2):46-50

Роль микроРНК в патогенезе заболеваний, связанных с нарушением функции слезной железы. Вестник офтальмологии. 2023;(3):112-118

В настоящее время отмечается интерес к расширению спектра диагностического и научного применения электроэнцефалографии (ЭЭГ). Это обусловливают присущие методу неинвазивность, доступность оборудования с широким спектром его модификаций для различных целей, возможность с высоким временным разрешением напрямую отслеживать динамику электрической активности мозга. Спектральный, когерентный и другие виды анализа получаемого сигнала предоставляют объемную информацию о его мощности, частотном распределении и пространственной организации, его самоподобии в динамике и подобии в разных отделах в момент времени. Развитие вычислительных технологий обеспечивает обработку получаемых при помощи ЭЭГ объемных данных и качественно новый уровень их анализа с использованием различных математических моделей. В данном обзоре рассматриваются место ЭЭГ в научных исследованиях, преимущества и недостатки метода, известная интерпретация получаемых данных и их физиологические и патологические корреляты. Предполагается определение комплексной связи параметров биоэлектрической активности мозга с различными функциональными и патологическими состояниями. Рассматривается возможность использования характеристик ЭЭГ как биомаркеров различных физиологических и патологических состояний. Обзор составлен на основании библиографических баз Medline (с помощью PubMed), Google Scholar, РИНЦ (на базе сайта elibrary.ru), журнальных и издательских ресурсов (Wiley Online Library, Springer и др.), неспециализированных поисковых систем и иных источников.

Ключевые слова:

электроэнцефалография

биомаркеры

ЭЭГ-эндофенотипы

математический анализ

психоневрологические заболевания

генетика

Авторы:

Чижикова А.А.

ФГБУ «Центр стратегического планирования и управления медико-биологическими рисками здоровью» Федерального медико-биологического агентства

ORCID: 0009-0008-1752-3226

Дата поступления:

14.09.2023

Дата принятия в печать:

23.01.2024

Список литературы:

Libenson MH. Practical approach to electroencephalography. Philadelphia, Pa: Saunders Elsevier; 2010.
Sauseng P, Klimesch W. What does phase information of oscillatory brain activity tell us about cognitive processes? Neuroscience & Biobehavioral Reviews. 2008;32(5):1001-1013. https://doi.org/10.1016/j.neubiorev.2008.03.014
Зенков Л.Р. Клиническая электроэнцефалография (с элементами эпилептологии). М.: МЕДпресс-информ; 2017.
Steriade M, Gloor P, Llinás RR, et al. Basic mechanisms of cerebral rhythmic activities. Electroencephalography and Clinical Neurophysiology. 1990;76(6):481-508. https://doi.org/10.1016/0013-4694(90)90001-z
Lopes Da Silva FH, Storm Van Leeuwen W. The cortical source of the alpha rhythm. Neuroscience Letters. 1977;6(2-3):237-241. https://doi.org/10.1016/0304-3940(77)90024-6
Lopes da Silva F. Neural mechanisms underlying brain waves: from neural membranes to networks. Electroencephalography and Clinical Neurophysiology. 1991;79(2):81-93. https://doi.org/10.1016/0013-4694(91)90044-5
Liu Z, de Zwart JA, Yao B, et al. Finding thalamic BOLD correlates to posterior alpha EEG. NeuroImage. 2012;63(3):1060-1069. https://doi.org/10.1016/j.neuroimage.2012.08.025
Осовец С.М., Гинзбург Д.А., Гурфинкель В.С. и др. Электрическая активность мозга: механизмы и интерпретация. Успехи физических наук. 1983;141(9):103-150. https://doi.org/10.3367/UFNr.0141.198309c.0103
Болдырева Г.Н. Электрическая активность мозга человека при поражении диэнцефальных и лимбических структур. М.: Наука; 2000.
Болдырева Г.Н. Нейрофизиологический анализ поражения лимбико-диэнцефальных структур мозга человека. Краснодар: Экоинвест; 2009.
Болдырева Г.Н., Кулева А.Ю., Шарова Е.В. и др. Поиск функциональных маркеров включения гиппокампа в патологический процесс. Физиология человека. 2023;49(2):5-17.
Кулева А.Ю., Шарова Е.В., Болдырева Г.Н. и др. Особенности функциональной коннективности головного мозга в состоянии покоя у пациентов с латерализованным поражением медиобазальных отделов височной доли (данные фМРТ и ЭЭГ). Журнал высшей нервной деятельности им. И.П. Павлова. 2022;72(2):197-200.
van Baal GCM, de Geus EJC, Boomsma DI. Genetic Influences on EEG Coherence in 5-Year-Old Twins. Behavior Genetics. 1998;28(1):9-19. https://doi.org/10.1023/a:1021400613723
Chen ACN, Feng W, Zhao H, et al. EEG default mode network in the human brain: Spectral regional field powers. NeuroImage. 2008;41(2):561-574. https://doi.org/10.1016/j.neuroimage.2007.12.064
Lee J-Y, Choi C-H, Park M, et al. Enhanced resting-state EEG source functional connectivity within the default mode and reward-salience networks in internet gaming disorder. Psychol Med. 2022;52(11):2189-2197. https://doi.org/10.1017/S0033291722000137
Klimesch W. EEG alpha and theta oscillations reflect cognitive and memory performance: a review and analysis. Brain Research Reviews. 1999;29(2-3):169-195. https://doi.org/10.1016/s0165-0173(98)00056-3
Cooper NR, Croft RJ, Dominey SJJ, et al. Paradox lost? Exploring the role of alpha oscillations during externally vs. internally directed attention and the implications for idling and inhibition hypotheses. International Journal of Psychophysiology. 2003;47(1):65-74. https://doi.org/10.1016/s0167-8760(02)00107-1
Sadaghiani S, Scheeringa R, Lehongre K, et al. Intrinsic Connectivity Networks, Alpha Oscillations, and Tonic Alertness: A Simultaneous Electroencephalography/Functional Magnetic Resonance Imaging Study. Journal of Neuroscience. 2010;30(30):10243-10250. https://doi.org/10.1523/JNEUROSCI.1004-10.2010
Долецкий А.Н., Докучаев Д.А., Лата А.А. Трансформация взглядов на механизм генерации и физиологическую интерпретацию альфа-ритма ЭЭГ. Волгоградский научно-медицинский журнал. 2019;1:14-19.
Aftanas LI, Golocheikine SA. Human anterior and frontal midline theta and lower alpha reflect emotionally positive state and internalized attention: high-resolution EEG investigation of meditation. Neuroscience Letters. 2001;310(1):57-60. https://doi.org/10.1016/s0304-3940(01)02094-8
Mitchell DJ, McNaughton N, Flanagan D, Kirk IJ. Frontal-midline theta from the perspective of hippocampal «theta». Progress in Neurobiology. 2008;86(3):156-185. https://doi.org/10.1016/j.pneurobio.2008.09.005
Gemignani A, Santarcangelo E, Sebastiani L, et al. Changes in autonomic and EEG patterns induced by hypnotic imagination of aversive stimuli in man. Brain Research Bulletin. 2000;53(1):105-111. https://doi.org/10.1016/s0361-9230(00)00314-2
Oathes DJ, Ray WJ, Yamasaki AS, et al. Worry, generalized anxiety disorder, and emotion: Evidence from the EEG gamma band. Biological Psychology. 2008;79(2):165-170. https://doi.org/10.1016/j.biopsycho.2008.04.005
Klimesch W. Auditorily elicited EEG desynchronization and synchronization: A review of Christina M. Krause’s doctoral thesis. Scandinavian Journal of Psychology. 1999;40(4):329-331. https://doi.org/10.1111/1467-9450.00133
Niedermeyer E. Alpha rhythms as physiological and abnormal phenomena. International Journal of Psychophysiology. 1997;26(1-3):31-49. https://doi.org/10.1016/s0167-8760(97)00754-x
Гнездицкий В.В. Обратная задача ЭЭГ и клиническая электроэнцефалография. М.: МЕДпресс-информ; 2004.
Bernadine C, Graham J, Ian E. To Mu is to Move, to Tau is to Understand: a Possible Functional Role for Lower Alpha Oscillations in Human Speech Perception. Front Hum Neurosci. 2015;9. https://doi.org/10.3389/conf.fnhum.2015.217.00133
Weisz N, Obleser J. Synchronisation signatures in the listening brain: A perspective from non-invasive neuroelectrophysiology. Hearing Research. 2014;307:16-28. https://doi.org/10.1016/j.heares.2013.07.009
Yokosawa K, Murakami Y, Sato H. Appearance and modulation of a reactive temporal-lobe 8—10-Hz tau-rhythm. Neuroscience Research. 2020;150:44-50. https://doi.org/10.1016/j.neures.2019.02.002
Debnath R, Salo VC, Buzzell GA, et al. Mu rhythm desynchronization is specific to action execution and observation: Evidence from time-frequency and connectivity analysis. NeuroImage. 2019;184:496-507. https://doi.org/10.1016/j.neuroimage.2018.09.053
Saltuklaroglu T, Bowers A, Harkrider AW, et al. EEG mu rhythms: Rich sources of sensorimotor information in speech processing. Brain and Language. 2018;187:41-61. https://doi.org/10.1016/j.bandl.2018.09.005
Pfurtscheller G, Neuper C. Motor imagery and direct brain-computer communication. Proc IEEE. 2001;89(7):1123-1134. https://doi.org/10.1109/5.939829
Scheeringa R, Fries P, Petersson K-M, et al. Neuronal Dynamics Underlying High- and Low-Frequency EEG Oscillations Contribute Independently to the Human BOLD Signal. Neuron. 2011;69(3):572-583. https://doi.org/10.1016/j.neuron.2010.11.044
Schack B, Vath N, Petsche H, et al. Phase-coupling of theta-gamma EEG rhythms during short-term memory processing. Int J Psychophysiol. 2002;44(2):143-163. https://doi.org/10.1016/s0167-8760(01)00199-4
Sauseng P, Klimesch W, Heise KF, et al. Brain oscillatory substrates of visual short-term memory capacity. Curr Biol. 2009;19(21):1846-1852. https://doi.org/10.1016/j.cub.2009.08.062
Костандов Э.А., Черемушкин Е.А. Пространственная синхронизация и мощность колебаний корковых потенциалов альфа- и тета-диапазонов после действия сигналов Go/NoGo. Физиология человека. 2014;40(6):642-648. https://doi.org/10.1134/S0362119714050065
Ушаков В.Л., Верхлютов В.М., Соколов П.А. и др. Активация структур мозга по данным фМРТ при просмотре видеосюжетов и припоминании показанных действий. Журнал высшей нервной деятельности им. И.П. Павлова. 2011;61(5):553-564.
Бушов Ю.В., Светлик М.В. Зеркальные нейроны и их функции. Томск: Издательский дом Томского государственного университета; 2018.
Бушов Ю.В., Светлик М.В. Нейрофизиология. Томск: Издательский дом Томского государственного университета; 2021.
Démas J, Bourguignon M, Périvier M, et al. Mu rhythm: State of the art with special focus on cerebral palsy. Annals of Physical and Rehabilitation Medicine. 2020;63(5):439-446. https://doi.org/10.1016/j.rehab.2019.06.007
Иваницкий Г.А. Индивидуальные устойчивые паттерны ритмов мозга человека как отражение психических процессов. Современные технологии в медицине. 2019;11(1):116. https://doi.org/10.17691/stm2019.11.1.14
Жирмунская Е.А. Клиническая электроэнцефалография. М.: МЭЙБИ; 1991.
Иванов Л.Б. Спектр мощности электроэнцефалограммы: ошибки и практика применения (лекция первая). Медицинский алфавит. 2021;39:45-52. https://doi.org/10.33667/2078-5631-2021-39-45-52
de Geus EJC. Introducing genetic psychophysiology. Biological Psychology. 2002;61(1-2):1-10. https://doi.org/10.1016/s0301-0511(02)00049-2
de Geus EJ. From genotype to EEG endophenotype: a route for post-genomic understanding of complex psychiatric disease? Genome Med. 2010;2(9):63. https://doi.org/10.1186/gm184
Zhang Y, Wang K, Wei Y, et al. Minimal EEG channel selection for depression detection with connectivity features during sleep. Comput Biol Med. 2022;147:105690. https://doi.org/10.1016/j.compbiomed.2022.105690
Muhammad F, Al-Ahmadi S. Human state anxiety classification framework using EEG signals in response to exposure therapy. PLoS One. 2022;17(3):e0265679. https://doi.org/10.1371/journal.pone.0265679
Hunter AM, Cook IA, Leuchter AF. The promise of the quantitative electroencephalogram as a predictor of antidepressant treatment outcomes in major depressive disorder. Psychiatr Clin North Am. 2007;30(1):105-124. https://doi.org/10.1016/j.psc.2006.12.002
Spronk D, Arns M, Bootsma A, et al. Long-term effects of left frontal rTMS on EEG and ERPs in patients with depression. Clin EEG Neurosci. 2008;39(3):118-124. https://doi.org/10.1177/155005940803900305
Luján MÁ, Sotos JM, Santos JL, et al. Accurate Neural Network Classification Model for Schizophrenia Disease Based on Electroencephalogram Data. International Journal of Machine Learning and Cybernetics. 2022;14:861-872. https://doi.org/10.1007/s13042-022-01668-7
Duffy FH, Als H. Autism, spectrum or clusters? An EEG coherence study. BMC Neurol. 2019;19(1):27. https://doi.org/10.1186/s12883-019-1254-1
Baygin M, Dogan S, Tuncer T, et al. Automated ASD detection using hybrid deep lightweight features extracted from EEG signals. Computers in Biology and Medicine. 2021;134:104548. https://doi.org/10.1016/j.compbiomed.2021.104548
Coburn KL, Lauterbach EC, Boutros NN, et al. The Value of Quantitative Electroencephalography in Clinical Psychiatry: A Report by the Committee on Research of the American Neuropsychiatric Association. JNP. 2006;18(4):460-500. https://doi.org/10.1176/jnp.2006.18.4.460
Rangaswamy M, Porjesz B, Chorlian DB, et al. Resting EEG in offspring of male alcoholics: beta frequencies. International Journal of Psychophysiology. 2004;51(3):239-251. https://doi.org/10.1016/j.ijpsycho.2003.09.003
Vogel F. Genetics and the Electroencephalogram. Berlin, Heidelberg: Springer Berlin Heidelberg; 2000. https://doi.org/10.1007/978-3-642-57040-7
Porjesz B, Rangaswamy M, Kamarajan C, et al. The utility of neurophysiological markers in the study of alcoholism. Clinical Neurophysiology. 2005;116(5):993-1018. https://doi.org/10.1016/j.clinph.2004.12.016
Clarke AR, Barry RJ, McCarthy R, et al. EEG-defined subtypes of children with attention-deficit/hyperactivity disorder. Clin Neurophysiol. 2001;112(11):2098-2105. https://doi.org/10.1016/s1388-2457(01)00668-x
Bresnahan SM, Barry RJ. Specificity of quantitative EEG analysis in adults with attention deficit hyperactivity disorder. Psychiatry Res. 2002;112(2):133-144. https://doi.org/10.1016/s0165-1781(02)00190-7
Quintana H, Snyder SM, Purnell W, et al. Comparison of a standard psychiatric evaluation to rating scales and EEG in the differential diagnosis of attention-deficit/hyperactivity disorder. Psychiatry Res. 2007;152(2-3):211-222. https://doi.org/10.1016/j.psychres.2006.04.015
Snyder SM, Quintana H, Sexson SB, et al. Blinded, multi-center validation of EEG and rating scales in identifying ADHD within a clinical sample. Psychiatry Res. 2008;159(3):346-358. https://doi.org/10.1016/j.psychres.2007.05.006
Tye C, Rijsdijk F, McLoughlin G. Genetic overlap between ADHD symptoms and EEG theta power. Brain and Cognition. 2014;87:168-172. https://doi.org/10.1016/j.bandc.2014.03.010
Barry RJ, Clarke AR, Johnstone SJ. A review of electrophysiology in attention-deficit/hyperactivity disorder: I. Qualitative and quantitative electroencephalography. Clin Neurophysiol. 2003;114(2):171-183. https://doi.org/10.1016/s1388-2457(02)00362-0
Rubia K, Overmeyer S, Taylor E, et al. Hypofrontality in attention deficit hyperactivity disorder during higher-order motor control: a study with functional MRI. Am J Psychiatry. 1999;156(6):891-896. https://doi.org/10.1176/ajp.156.6.891
Zang Y-F, Jin Z, Weng XC, et al. Functional MRI in attention-deficit hyperactivity disorder: evidence for hypofrontality. Brain Dev. 2005;27(8):544-550. https://doi.org/10.1016/j.braindev.2004.11.009
Bruder GE, Tenke CE, Warner V, et al. Electroencephalographic measures of regional hemispheric activity in offspring at risk for depressive disorders. Biol Psychiatry. 2005;57(4):328-335. https://doi.org/10.1016/j.biopsych.2004.11.015
Изнак А.Ф., Смулевич А.Б. Современные представления о нейрофизиологических основах депрессивных расстройств. Депрессия и коморбидные расстройства. М.: РАМН НЦПЗ; 1997;166-179.
Knott V, Mahoney C, Kennedy S, et al. EEG power, frequency, asymmetry and coherence in male depression. Psychiatry Res. 2001;106(2):123-140. https://doi.org/10.1016/s0925-4927(00)00080-9
Javelle F, Löw A, Bloch W. Unraveling the Contribution of Serotonergic Polymorphisms, Prefrontal Alpha Asymmetry, and Individual Alpha Peak Frequency to the Emotion-Related Impulsivity Endophenotype. Mol Neurobiol. 2022;59(10):6062-6075. https://doi.org/10.1007/s12035-022-02957-6
Smit DJA, Posthuma D, Boomsma DI, et al. The relation between frontal EEG asymmetry and the risk for anxiety and depression. Biological Psychology. 2007;74(1):26-33. https://doi.org/10.1016/j.biopsycho.2006.06.002
Anokhin AP, Heath AC, Myers E. Genetic and environmental influences on frontal EEG asymmetry: A twin study. Biological Psychology. 2006;71(3):289-295. https://doi.org/10.1016/j.biopsycho.2005.06.004
Gotlib IH. EEG Alpha Asymmetry, Depression, and Cognitive Functioning. Cognition & Emotion. 1998;12(3):449-478. https://doi.org/10.1080/026999398379673
Лапин И.А., Алфимова М.В. ЭЭГ-маркеры депрессивных состояний. Социальная и клиническая психиатрия. 2014;24(4):81-89.
Blackhart GC, Minnix JA, Kline JP. Can EEG asymmetry patterns predict future development of anxiety and depression? A preliminary study. Biol Psychol. 2006;72(1):46-50. https://doi.org/10.1016/j.biopsycho.2005.06.010
Papousek I, Schulter G. Covariations of EEG asymmetries and emotional states indicate that activity at frontopolar locations is particularly affected by state factors. Psychophysiology. 2002;39(3):350-360. https://doi.org/10.1017/s0048577201393083
Baving L, Laucht M, Schmidt MH. Frontal brain activation in anxious school children. J Child Psychol & Psychiat. 2002;43(2):265-274. https://doi.org/10.1111/1469-7610.00019
Imperatori C, Farina B, Adenzato M, et al. Default mode network alterations in individuals with high-trait-anxiety: An EEG functional connectivity study. Journal of Affective Disorders. 2019;246:611-618. https://doi.org/10.1016/j.jad.2018.12.071
Kuznetsova IL, Ponomareva NV, Alemastseva EA. The Interactive Effect of Genetic and Epigenetic Variations in FKBP5 and ApoE Genes on Anxiety and Brain EEG Parameters. Genes. 2022;13(2):164. https://doi.org/10.3390/genes13020164
Dam H, Buch JOD, Nielsen AB, et al. Clinical association to FKBP5 rs1360780 in patients with depression. Psychiatric Genetics. 2019;29(6):220-225. https://doi.org/10.1097/YPG.0000000000000228
Fingelkurts AA, Fingelkurts AA, Rytsälä H, et al. Composition of brain oscillations in ongoing EEG during major depression disorder. Neurosci Res. 2006;56(2):133-144. https://doi.org/10.1016/j.neures.2006.06.006
Grin-Yatsenko VA, Baas I, Ponomarev VA, et al. EEG power spectra at early stages of depressive disorders. J Clin Neurophysiol. 2009;26(6):401-406. https://doi.org/10.1097/WNP.0b013e3181c298fe
Hinrikus H, Suhhova A, Bachmann M, et al. Spectral features of EEG in depression. Biomed Tech (Berl). 2010;55(3):155-161. https://doi.org/10.1515/BMT.2010.011
Стрелец В.Б., Гарах Ж.В., Новотоцкий-Власов В.Ю. Сравнительное исследование гамма-ритма в норме, при экзаменационном стрессе и у больных с первым приступом депрессии. Журнал высшей нервной деятельности им. И.П. Павлова. 2006;56(2):219.
Орехов Ю.В., Голикова Ж.В., Стрелец В.Б. Психофизиологические показатели мысленного воспроизведения эмоциональных состояний в норме и у больных при первом приступе депрессии. Журнал высшей нервной деятельности им. И.П. Павлова. 2004;54(5):612-619.
Hinrikus H, Suhhova A, Bachmann M, et al. Electroencephalographic spectral asymmetry index for detection of depression. Med Biol Eng Comput. 2009;47(12):1291-1299. https://doi.org/10.1007/s11517-009-0554-9
Flores-Gutiérrez EO, Díaz J-L, Barrios FA, et al. Differential alpha coherence hemispheric patterns in men and women during pleasant and unpleasant musical emotions. Int J Psychophysiol. 2009;71(1):43-49. https://doi.org/10.1016/j.ijpsycho.2008.07.007
Passynkova N, Neubauer H, Scheich H. Spatial organization of EEG coherence during listening to consonant and dissonant chords. Neurosci Lett. 2007;412(1):6-11. https://doi.org/10.1016/j.neulet.2006.09.029
Andersen SB, Moore RA, Venables L, et al. Electrophysiological correlates of anxious rumination. Int J Psychophysiol. 2009;71(2):156-169. https://doi.org/10.1016/j.ijpsycho.2008.09.004
Шемякина Н.В., Данько С.Г. Изменения мощности и когерентности бета-2-диапазона ЭЭГ при выполнении творческих заданий с использованием эмоционально-значимых и эмоционально-нейтральных слов. Физиология человека. 2007;33(1):20-26. https://doi.org/10.1134/S0362119707010033
Лапин И.А. Особенности когерентных характеристик ЭЭГ при депрессивных расстройствах с различным ведущим аффектом. Социальная и клиническая психиатрия. 2014;24(2):11-17.
Иванов Л.Б., Стрекалина Н.Н., Чулкова Н.Ю., Будкевич А.В. Варианты пространственного распределения альфа-активности в зависимости от формы аффективных расстройств. Функциональная диагностика. 2009;1:41-49.
Ambrosius U, Lietzenmaier S, Wehrle R. Heritability of Sleep Electroencephalogram. Biological Psychiatry. 2008;64(4):344-348. https://doi.org/10.1016/j.biopsych.2008.03.002
Sutcliffe JG, Milner RJ, Gottesfeld JM, et al. Identifier sequences are transcribed specifically in brain. Nature. 1984;308(5956):237-241. https://doi.org/10.1038/308237a0
Smit DJA, Posthuma D, Boomsma DI, et al. Heritability of background EEG across the power spectrum. Psychophysiology. 2005;42(6):691-697. https://doi.org/10.1111/j.1469-8986.2005.00352.x
Zietsch BP, Hansen JL, Hansell NK, et al. Common and specific genetic influences on EEG power bands delta, theta, alpha, and beta. Biological Psychology. 2007;75(2):154-164. https://doi.org/10.1016/j.biopsycho.2007.01.004
Whittington MA, Traub RD, Kopell N, et al. Inhibition-based rhythms: experimental and mathematical observations on network dynamics. International Journal of Psychophysiology. 2000;38(3):315-336. https://doi.org/10.1016/s0167-8760(00)00173-2
Smit DJA, Boersma M, van Beijsterveldt CEM, et al. Endophenotypes in a Dynamically Connected Brain. Behav Genet. 2010;40(2):167-177. https://doi.org/10.1007/s10519-009-9330-8
Posthuma D, Neale MC, Boomsma DI, et al. Are smarter brains running faster? Heritability of alpha peak frequency, IQ, and their interrelation. Behavior Genetics. 2001;31(6):567-579. https://doi.org/10.1023/a:1013345411774
Smit CM, Wright MJ, Hansell NK, et al. Genetic variation of individual alpha frequency (IAF) and alpha power in a large adolescent twin sample. International Journal of Psychophysiology. 2006;61(2):235-243. https://doi.org/10.1016/j.ijpsycho.2005.10.004
Ibatoullina AA, Vardaris RM, Thompson L. Genetic and environmental influences on the coherence of background and orienting response EEG in children. Intelligence. 1994;19(1):65-78. https://doi.org/10.1016/0160-2896(94)90054-X
Lubeiro A, Fatjó-Vilas M, Guardiola M. Analysis of KCNH2 and CACNA1C schizophrenia risk genes on EEG functional network modulation during an auditory odd-ball task. Eur Arch Psychiatry Clin Neurosci. 2020;270(4):433-442. https://doi.org/10.1007/s00406-018-0977-0
Loo SK, Hale ST, Hanada G, et al. Familial clustering and DRD4 effects on electroencephalogram measures in multiplex families with attention deficit/hyperactivity disorder. J Am Acad Child Adolesc Psychiatry. 2010;49(4):368-377. PMID: 20410729.
Kramer G, van der Flier WM, de Langen C, et al. EEG functional connectivity and ApoE genotype in Alzheimer’s disease and controls. Clinical Neurophysiology. 2008;119(12):2727-2732. https://doi.org/10.1016/j.clinph.2008.08.019
Ponomareva NV, Andreeva TV, Protasova M, et al. Genetic association of apolipoprotein E genotype with EEG alpha rhythm slowing and functional brain network alterations during normal aging. Front Neurosci. 2022;16:931173. https://doi.org/10.3389/fnins.2022.931173
Gadow KD, Pinsonneault JK, Perlman G, et al. Association of dopamine gene variants, emotion dysregulation and ADHD in autism spectrum disorder. Research in Developmental Disabilities. 2014;35(7):1658-1665. https://doi.org/10.1016/j.ridd.2014.04.007
Lau JYF, Goldman D, Buzas B, et al. BDNF gene polymorphism (Val66Met) predicts amygdala and anterior hippocampus responses to emotional faces in anxious and depressed adolescents. NeuroImage. 2010;53(3):952-961. https://doi.org/10.1016/j.neuroimage.2009.11.026
Koven NS, Demers LA. Discordant peripheral levels of brain-derived neurotrophic factor and serotonin are associated with enhanced emotional intelligence in men. Psychology & Neuroscience. 2014;7(4):609-618. https://doi.org/10.3922/j.psns.2014.4.21
Gohier B, Senior C, Radua J, et al. Genetic modulation of the response bias towards facial displays of anger and happiness. Eur Psychiatry. 2014;29(4):197-202. https://doi.org/10.1016/j.eurpsy.2013.03.003
Thompson JMD, Sonuga-Barke EJ, Morgan AR, et al. The catechol-O-methyltransferase (COMT) Val158Met polymorphism moderates the effect of antenatal stress on childhood behavioural problems: longitudinal evidence across multiple ages: COMT and the Effect of Maternal Stress on Behaviour. Developmental Medicine & Child Neurology. 2012;54(2):148-154. https://doi.org/10.1111/j.1469-8749.2011.04129.x
Kosonogov V, Vorobyeva E, Kovsh E, Ermakov P. A review of neurophysiological and genetic correlates of emotional intelligence. IJCRSEE. 2019;7(1):137-142. https://doi.org/10.5937/IJCRSEE1901137K

Закрыть метаданные