The Cortical Temporal Axis: MEG-Based Cross-Frequency Gradients with Biological Anchors
Notice bibliographique
Résumé
Abstract Neural oscillations have long been used to characterize the temporal dynamics of individual brain regions, yet a parsimonious, system-level representation that integrates multi-rhythmic activity has been lacking. Using source-localized resting-state magnetoencephalography (MEG) data, we computed regional power spectra and assessed spectral similarity, then applied diffusion map embedding to construct cross-frequency neurophysiological gradients that place whole-brain oscillations within a unified, low-dimensional coordinate system. We found the first three gradients accounted for over 40% of the variance, remained stable across individuals, and aligned with established functional, structural, and geometric cortical axes. Computational modeling showed that these gradients reflect local excitation–inhibition balance, while multimodal analyses revealed strong associations with neurotransmitter receptor distributions, cytoarchitecture, and cell-type–specific gene expression. Lifespan analyses further demonstrated systematic gradient reorganization, with distinct cognitive mappings onto functions such as language, memory, and multisensory integration. Clinically, Parkinson’s disease patients displayed disrupted gradients, particularly in regions linked to language and social cognition. Finally, these gradient patterns exhibited high test–retest reliability. These findings establish MEG-derived neurophysiological gradients as robust, low-dimensional representations of cortical organization, offering a biologically grounded framework for studying brain aging and disease.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».