背景
1 型神经纤维瘤病 (NF1) 是一种常染色体显性遗传的神经发育障碍，大约每 2700 名新生儿中就有 1 人患有这种疾病 [ 1 ]。尽管其临床表现存在很大的个体差异，但核心躯体症状包括真皮神经纤维瘤和色素病变[ 2 ]。除了躯体症状外，社交和行为困难也很常见，大约 50% 的 NF1 儿童符合注意力缺陷多动障碍 (ADHD) 的诊断标准，大约 25% 的儿童符合自闭症谱系障碍 (ASD) [ 3 ]。此外，认知障碍（包括工作记忆缺陷）很普遍 [ 4 ]，并严重损害学业成绩 [ 5]]并对生活质量产生负面影响[ 6 ]。

仍然需要更好地了解 NF1 皮质功能和认知缺陷之间的关系 [ 7 ]，以帮助为药物和非药物干预提供目标（例如，非侵入性脑刺激 [ 8 ]；神经反馈：[ 9 ] ），这反过来又可以改善治疗结果和学业轨迹。Reinhart 和 Nguyen 简洁地说明了该模型 [ 10]，尽管与当前工作的背景不同。具体来说，在他们的研究中，神经影像学揭示了健康老年人相对于健康年轻人的工作记忆表现中存在非耦合的 θ-γ 节律。反过来，作者使用经颅交流电刺激（一种非药物技术）试图纠正老年人样本中异常的皮质功能。他们报告说，干预后神经同步性增强，工作记忆性能也相应提高。

现有的神经影像学研究使用功能磁共振成像 (fMRI) 将 NF1 认知缺陷与大脑功能联系起来。研究表明与典型发育对照相比存在异常活动[ 7 ]。例如，休息期间腹侧前扣带皮层和岛叶皮层之间功能连接的增加可能会导致认知控制受损[ 11 ]。在认知任务执行过程中也观察到异常活动，包括在工作记忆任务期间关键额叶和顶叶区域与任务相关的活动减少[ 12、13 ]]。只有少数研究使用 M/EEG 来研究 NF1 认知障碍的神经相关性。据报道，事件相关电位 (ERP) 成分相对于典型开发控制的异常[ 14、15、16、17、18 ]。例如，已观察到 P1 振幅降低，表明早期视觉处理异常 [ 14 , 18 ]。此外，在进行/不进行任务期间观察到 P3a 振幅降低，并假设反映了抑制受损[ 18]。此外，在工作记忆任务执行过程中，还发现了 P3b 振幅的地形差异以及相对于对照组更短的 P3b 潜伏期，作者认为这可能导致 NF1 中出现的认知缺陷[ 16 ]。

M/EEG 的高时间分辨率也使得大脑振荡的研究成为可能。振荡可以被视为相对于 ERP 的大脑活动的“主要”或更直接的测量，因此为理解认知过程提供了一个重要的窗口 [ 19 ]。因此，研究 NF1 的振荡可以为从 ERP 方法中获得的见解提供更多见解。振荡测量特别适合研究长期过程[ 20 ]，例如工作记忆所需的过程——一种在 NF1 中受损的认知能力[ 16 ]。对健康成年人的研究表明，无论执行何种方式（例如视觉、听觉等），都有一个支持工作记忆表现的通用额顶网络。21 ]。在健康成年人中，在工作记忆维持过程中观察到（中额叶）θ 功率增加，并假设可以维持工作记忆中项目之间的时间关系 [ 22 , 23 ]。此外，在工作记忆维持过程中观察到额叶和顶颞区之间的θ相位一致性（即大脑区域之间的相位值的一致性[ 24 ]）增加，并且被认为有助于促进工作记忆的这些关键区域之间的信息整合网络 [ 25 , 26]。本论文重点关注青少年样本，其中包括 11 至 16 岁的个体。探索典型发育儿童/青少年工作记忆相关（WM 相关）θ 振荡的文献很少 [ 27 ]，尽管有一些证据表明，在工作记忆维持期间，例如成年期，θ 波带活动增加 [ 28 , 29 ] ]。此外，文献表明，年龄的增长与整个健康发育过程中慢波静息态功率的降低有关[ 30,31,32 ]，并且功率的降低，特别是在θ频率范围内，与工作记忆的发展有关[30,31,32 ]。31]。例如，在对 6-26 岁青少年的研究中，Rodriguez-Martinez 及其同事 [ 31 ] 报告了静息状态下记录的 θ 功率与工作记忆表现之间的负相关性，这表明静息状态慢波功率的降低与此相关。随着年龄的增长，工作记忆的表现会增强。

对与 NF1 重叠的认知障碍（例如 ADHD/ASD [ 14 ]）的神经发育障碍的研究报告了儿童/青少年 [ 33 , 34 ] 和成人 [ 35 ] 中工作记忆表现相对于典型发育对照的振荡活动的差异。36 ]人口。例如，Lenartowicz 等人。[ 33] 研究了 7-14 岁诊断为 ADHD 的儿童/青少年的振荡活动。与典型的发育对照组相比，ADHD 组在要维持的信息的视觉编码过程中表现出较低的 α 事件相关去同步，同时在工作记忆维持过程中中额叶 θ 和枕叶 α 事件相关同步增加。作者假设，维护过程中振荡活动的增加可能是一种补偿机制，用于抵消编码过程中遇到的困难。鉴于特定频段的异常活动在神经发育障碍中表现出相当大的重叠[ 37 ]，我们还可能观察到 NF1 群体中 WM 相关振荡活动的异常。

目前，只有两项研究调查 NF1 认知障碍的 M/EEG 振荡相关性 [ 17 , 38 ]。这些研究没有调查工作记忆任务执行期间的活动，而是调查休息期间和视觉处理期间的活动[ 17 ]和隐蔽注意任务期间的活动[ 38 ]。里贝罗等人。[ 17 ]观察到，相对于典型发育对照，NF1 的静息状态 theta 功率更高，典型的 alpha 反应性（即闭眼期间相对于睁眼休息状态的 alpha 功率更高），以及视觉处理期间增强的 alpha 功率，这可能提供该人群注意力缺陷的神经标志物。此外，席尔瓦等人。[[38 ]发现在秘密注意力任务期间α去同步化升高，这可能反映了将表现保持在正常水平的补偿机制。目前还缺乏对 NF1 受损的其他认知领域（例如工作记忆）振荡活动的探索。研究工作记忆期间的振荡活动非常重要，因为工作记忆支撑并与对日常功能重要的其他认知功能（例如学习[ 40 ]和注意力[ 41 ]）共享共同的神经关联。

考虑到这一点，当前的研究使用休息和工作记忆任务期间测量的脑电图，将患有 NF1 的青少年的脑电图功率和 θ 相位一致性与年龄/性别匹配的典型发育对照组进行比较。与之前的工作[ 17 ]一致，我们假设 NF1 中的静息态光谱功率较高，但睁眼与闭眼静息态条件下的功率反应性正常。我们对工作记忆期间振荡活动的分析很大程度上是探索性的。然而，鉴于之前在其他神经发育障碍中进行的 WM 相关脑电图研究，我们预测了异常的 θ 功率和额顶 θ 相位一致性 [ 33 , 36]。最后，还探讨了脑电图测量与年龄、整体适应功能和工作记忆表现之间的关联。

方法
当前的研究是 Pobric 等人提出的分析的延伸。[ 16 ]。具体来说，我们使用相同的 EEG 静息状态和 n-back 数据对相同的参与者进行了振荡分析，并使用了Pobric 等人中描述的一些相同的行为测量（参见“程序”部分）。[ 16 ]。

参加者
三十二名参与者完成了这项研究。参与者是患有 NF1 的青少年 ( n  = 16) 以及年龄和性别匹配的对照组 ( n  = 16)。这些数据是作为涉及使用经颅直流电刺激 (tDCS) [NCT03310996] 的试点干预研究的一部分而收集的。脚注1使用 G*Power [ 42 ]对 Ribeiro 等人 [ 17 ] 的 NF1 静息态 theta 效应表明，每组n = 17 名参与者将导致 79% 的功效检测到d  = 0.89 的效应大小。参与者必须满足表1中的每项资格标准。脚注2我们选择了 1 型神经纤维瘤病儿童的务实样本。先前的文献表明，社交沟通困难（不符合 ASD 标准）可能很常见，影响高达 60% 的 NF1 儿童 [ 3 ]。考虑到 NF1 中常见的共病神经发育疾病（如自闭症谱系障碍 (ASD)、多动症 (ADHD) 和发育协调障碍）的情况，我们决定纳入一个能够代表诊所就诊儿童的样本。在参与之前，父母/监护人给予口头和书面同意，青少年也同意（在发育适当的情况下）。

表1 资格标准
全尺寸桌子
NF1 样本是通过曼彻斯特基因组医学中心、神经纤维瘤慈善机构、社交媒体平台和时事通讯招募的，并且是满足美国国立卫生研究院 (1988) NF1 诊断标准的青少年 [ 43 ]。对照样本（CON）在群体层面进行年龄和性别匹配，并通过机构时事通讯广告和联系当地学校招募。样本的人口统计信息如表2所示。各组之间的年龄（ t （30）  = 0.540，p  = 0.593）或性别（χ 2  = 0.00，p  = 1.00）没有显着差异。脚注3在之前关于该样本的论文 [ 16 ] 中，与通常对各种认知测量进行控制相比，NF1 组的表现较差，这些认知测量包括工作记忆测量（即数字跨度向前/向后）和注意力（天空搜索注意力、教）。

程序
这项研究获得了大曼彻斯特西部研究伦理委员会 (17/NW/0364) 的伦理批准，并根据赫尔辛基宣言进行。在研究访问期间，参与者及其父母/监护人首先熟悉脑电图设备和研究程序。随后，进行了一系列行为和认知评估，包括家长评价和认知测量，这些测量涉及：整体适应功能、注意力不集中、多动、沟通、日常生活技能、社交、短期记忆、工作记忆、持续注意力、和注意力转换，然后是脑电图。本文重点关注家长报告脚注4 Vineland 适应性行为量表 (VABS-III) 的适应性行为综合 (ABC) 分数 [ 44 ]、适应性听觉 n-back 任务的表现 [ 16 ] 以及非适应性视觉 n-back 任务的表现 [ 16 ] ] 在 EEG 期间执行（有关此处未报告的其他执行任务的详细信息，请参见 Pobric 等人 [ 16 ]）。

VABS-II 衡量日常生活技能、社交和沟通，ABC 分数反映标准化年龄相当的整体适应功能 [ 44]。自适应听觉和非自适应视觉 n-back 任务的表现可衡量工作记忆。n-back 任务的每次试验都以屏幕中央出现的固定十字 (+) 开始（自适应听觉 n-back：2500 ms；非自适应视觉 n-back：2000 ms，+/- 随机抖动到 100 毫秒，步长为 17 毫秒）。接下来是一个大写英语辅音（C、G、H、K、P、Q、T 或 W），以听觉方式（听觉 n-back：1000 毫秒）或视觉方式呈现在屏幕中央（非自适应）视觉 n-back：500 ms）。当当前刺激与序列中后退“n”步的刺激相同时，参与者被指示通过单击鼠标尽可能快速、准确地做出反应。非目标无需做出回应。听觉 n-back 是自适应的，这样在每组 20 次试验之后，16 ] 了解更多任务细节）。相比之下，脑电图记录期间进行的视觉n-back并不是为了将参与者的能力推向极限。相反，它的开发是为了提供足够数量的试验，以便调查工作记忆表现过程中各组之间的电生理差异。在这个非自适应任务中，提出了四个固定顺序的块：1-back、2-back、2-back 和 1-back，其间有自定进度的休息以减少疲劳。在每个区块中，有 100 个试验，其中 25 个是目标试验（即与屏幕后面的“n”相同的字母）。正如现有研究报告的那样，工作记忆维护期间与负载相关的功率增加[ 45 ]，两个负载水平（' n' = 1 和 2) 被包括在内，以允许调查脑电图测量的负荷依赖性影响。

脑电图采集
EEG 数据使用 ActiveTwo 系统（BioSemi，阿姆斯特丹，荷兰）记录，在标准 10-10 个系统位置有 64 个 EEG 通道，加上 HEOG、VEOG 和乳突，采样率为 512 Hz。在录制过程中，参与者被要求保持静止，处于舒适/放松的位置，并尽可能减少眼球运动和眨眼。记录从睁眼 2.5 分钟和闭眼 2.5 分钟的休息状态开始，其中参与者被要求简单地放松，不要想任何特别的事情。随后在视觉 n-back 任务期间进行记录。

脑电图分析
使用 MATLAB (2019a) 和 SPM12（版本 7771）进行数据分析。使用了调用 EEGLAB（版本 13.6.5b）和 FieldTrip（嵌入在 SPM 版本中）中的多个函数的自定义函数 [ 46、47 ]。

常见的预处理
连续脑电图数据重新参考平均乳突、高通滤波（0.1 Hz）、下采样（256 Hz）、低通滤波（静息状态：200 Hz；任务相关：120 Hz）和陷波滤波（ 48–52 Hz），纪元之前（静息状态：任意 1900 毫秒（基线校正：0–1900 毫秒，即均值中心）；任务相关：相对于刺激开始的 0–1900 毫秒）。然后将睁眼数据和闭眼数据连接起来（即合并到同一文件中）。

独立成分分析 (ICA) 用于从数据中预测眨眼和眼球运动信号。脚注5包含与眨眼（以大的正偏转为特征）或眼球运动（以方波偏转为特征）无关的噪声的通道被暂时忽略（通道 TP7 持续不良并从所有参与者的 ICA 中忽略）。仅从 EEG 通道数据中提取了 32 个成分。使用自定义代码 [ 46 ] 并遵循 Pobric 等人中描述的程序来识别与 VEOG 和 HEOG 具有独特高时间相关性和/或与眨眼地形具有独特高空间相关性的 ICA 组件[ 16 ]。使用 SPM12 的“蒙太奇”功能将所得权重矩阵（减去伪影成分）应用于历元数据。

然后对 ICA 清理后的数据重新应用基线校正。如果纪元包含超过阈值的信号（静息状态：200 μV；任务相关：120 μV；由于闭眼静息状态期间的 alpha 功率较高，因此静息状态数据的阈值较高），则它们被拒绝为噪声。如果超过 20% 的试验超过阈值，则通道被宣布为“不良”，并且将重新运行纪元拒绝，忽略任何不良通道。为了重建这些噪声通道，使用 FieldTrip 的“通道修复”函数创建通道权重插值矩阵，并使用 SPM12 的“蒙太奇”函数将其应用于历元数据。然后将脑电图数据重新参考共同平均参考。移除的组件、插值的通道和剩余的试验的平均数量可以在表3中看到。

静息状态分析
为了符合入选资格，在移除人工制品污染的试验后，参与者必须在每种条件（开放/封闭）下至少保留 15 个有效时期。两名参与者被排除在 NF1 组之外，一名是因为在睁眼条件下进行的有效试验少于 15 次，另一名是因为数据质量低（即在伪像检测例程期间所有通道自动标记为“不良”）。因此，用于静息状态分析的样本由 30 名参与者组成（n  = 16 CON；n  = 14 NF1）。

任务相关分析
排除了反应不正确的试验。随后对目标试验数据和非目标试验数据进行了分析，但没有区分这些条件，因为 n-back 性能需要在两种试验类型期间维护信息，特别是在 ERP 后时间窗口后期（如下所述）。出于同样的原因，非目标试验的数量没有被大量减少以匹配目标试验的数量（这是在 Pobric 等人提出的 P300 分析中完成的[ 16 ]）。

为了符合入选资格，参与者在移除人工制品污染的试验和不正确的试验后，每个负载（1-/2-back）中必须至少保留 15 个有效时期。NF1 组的一名参与者因 2-back 负荷水平下的有效试验少于 15 次而被排除（这是与两个静息状态排除的不同参与者）。因此，用于任务相关分析的样本量包括 31 名参与者（n  = 16 CON；n  = 15 NF1）。

光谱功率
为了估计任务相关的能力，感兴趣的时间窗是刺激开始后 900-1900 毫秒（即在下一次试验的注视交叉期间）。之所以选择这个时间窗，是因为调查 WM 相关振荡活动的现有研究通常使用工作记忆任务的维持期作为感兴趣的时间窗，因为在此期间观察到振荡活动增加[ 22,26,36,48 ] 。我们遵循先前文献对维持期的定义，即对刺激做出反应后的时间，使用给定任务的平均（或中值）反应时间来确定[ 36]。在当前研究中，1-/2-back 块的平均响应时间为 627 ± 124 ms（中位数：601 ms）。然而，为了确保大多数参与者做出响应，选择 900 毫秒作为时间窗口的开始。时间窗口在 1900 ms 处结束，为功率估计提供足够数量的样本。为了保持一致性，使用相同的时间窗口（在任意时期）以及样本数量来估计静息状态功率。

对于每个 EEG 通道和历元（静息状态：睁眼和闭眼；任务相关：1-back 和 2-back），使用具有汉宁窗和 1 Hz 频率分辨率的快速傅立叶变换来提取频谱随着时间的推移（900-1900 毫秒）崩溃。然后对所得功率值进行对数转换，然后对历元内的光谱进行平均。为了进行探索性分析，所有 EEG 通道的平均对数转换功率均在规范频带中计算： delta：1–3 Hz；θ：4–7 赫兹；阿尔法：8-11赫兹；贝塔：12-29赫兹；低伽玛：30–47 Hz，高伽玛：53–100 Hz。此外，正如文献一致报道的那样，在工作记忆维持期间，中额叶 theta 功率有所增加 [ 22]，我们对与任务相关的中额叶θ（4-7 Hz）功率进行了有针对性的分析。为了实现这一目标，在统计分析之前，对 Fz、F1 和 F2 通道上的对数转换功率进行平均，以创建中额叶感兴趣区域。我们测量了绝对功率（即一个频段中的功率，与其他频段中的活动无关），而不是相对功率（即一个频段中的功率除以所有频段中的活动量），以避免潜在的混淆：一个频段的任何异常都可能影响其他频段的相对功率——这是神经发育障碍研究中特别关注的问题[ 49 ]。

峰值阿尔法频率
研究了组间峰值α频率（PAF）的差异。PAF 被定义为通道 Pz 处松散 alpha 范围（6.5-13.5 Hz）内最大功率的频率。选择 Pz 是因为该通道的 alpha 功率通常较高 [ 50 ]。为了分析 PAF，对于每个 EEG 通道和历元（睁眼/闭眼），使用具有汉宁窗和 0.25 Hz 频率分辨率的快速傅立叶变换来提取随时间折叠的频谱（任意 1900 ms 历元）。首先，调整每个个体的一维光谱以减少 1/f 噪声，因为这会使光谱变平并导致 alpha 峰“弹出”[ 51]。这是通过将二阶多项式拟合到对数变换频率（忽略阿尔法和陷波滤波器频率）来实现的，并计算频谱和该模型之间的差异。使用高斯核对所得光谱进行平滑以去除虚假峰值。接下来，根据对每个参与者频谱的目视检查进行四项调整：两名 CON 和一名 NF1 参与者的最大值落在 β 峰值的上升斜率上（睁眼：12.25 Hz、13.25 Hz 和 12.75 Hz；闭眼： 13.25 Hz、12.75 Hz），并将这些调整为我们的算法遗漏的可见小 alpha 峰值（睁眼：11.50 Hz、10.25 Hz 和 10.75 Hz；闭眼：11.75 Hz、11.75 Hz），以及一名 NF1 参与者的最大值落在下降的三角洲斜坡上（睁眼和闭眼：6。

Theta 相位相干性
在估计相位相干性之前，使用表面拉普拉斯算子对与任务相关的数据进行空间过滤，这是使用 MATLAB 中的 laplacian_perrinX 函数实现的[ 52 ]。表面拉普拉斯算子减少了体积传导的影响，考虑到所执行的电极级连接性分析，这一点尤其重要[ 53 ]。我们研究了额顶叶网络中的 theta 相位一致性（图 1）。中额叶区域充当种子区域，估计该区域与左顶叶、中顶叶和右顶叶区域之间的一致性[ 54]。每个区域由一组电极组成：中额叶 (F1/Fz/F2)、左顶叶 (P3/P5/P7)、中顶叶 (P1/Pz/P2) 和右顶叶 (P4/P6) /P8）。在对电极组上的一致性进行平均之前，对每个可能的中额叶-顶叶连接（即 27 个通道对）之间的一致性进行估计，从而得出三个一致性估计：中额叶到（1）左顶叶（ML），（2）中额叶到（1）左顶叶（ML） -顶叶（MM），和（3）右顶叶（MR）。

计算整个时期（0-1900 毫秒）的 Theta 相位，然后在感兴趣的时间窗口（刺激后 900-1500 毫秒）中计算相位相干性（时间窗口在 1500 毫秒结束，以防止包含边缘效应）纪元定义）。我们计算了站点间相位聚类（ISPC）[ 20 ]。试验中的 ISPC 是对试验中两个电极之间平均相角一致性的度量。对于与任务相关的数据，ISPC 试验是一种合适的方法，因为我们的分析是假设驱动的（即仅限于额顶叶网络）而不是探索性的（更适合加权相位滞后指数）[ 20 ]。ISPC 之前已用于具有类似方法的研究 [ 54]。每个通道的相位角时间序列是通过分别针对频率 4 Hz、5 Hz、6 Hz 和 7 Hz 将数据与复数 Morlet 小波（4 个周期）进行卷积来提取的。

统计分析
使用 SPSS（25 版）进行统计分析。alpha 水平设置为 0.05。QQ 图的目视检查表明，对于每次分析，数据均呈正态分布。对于下面讨论的每次方差分析，均检查箱线图和晶须图是否存在极端异常值。如果值落在第三个四分位数 + 3* 四分位距和第一个四分位数 - 3* 四分位距之外，则这些值被视为极端异常值。在发现极端异常值的情况下，进行敏感性分析。可以假设，在未报告敏感性分析的情况下，没有发现极端异常值。

在每个频带中，对头皮平均静息状态数据进行 2 (CON/NF1) × 2（开/闭）方差分析 (ANOVA)。由于存在已知的 1/f 效应，因此低频平均值大于高频平均值，因此对每个频段分别运行方差分析 [ 55 ]。由于频带是独立估计的，因此每个方差分析都是对独立数据进行的，因此没有使用多重比较的校正。此外，为了研究静息状态功率是否遵循在神经典型人群中观察到的典型反应模式[ 39 ]，在每个频带中都有一个配对的t-测试调查了 NF1 组睁眼和闭眼静息状态之间的功率差异。还使用 2 (CON/NF1) × 2（开/闭）方差分析来分析 PAF。

在 n-back 任务中，工作记忆中项目的维护跨越了试验。因此，我们使用睁眼静息状态记录作为基线来研究特定任务的功率调制（即相对于静息的变化）。为了实现这一目标，我们在对数据进行日志转换之前通过静止状态功率来划分与任务相关的功率脚注6（相当于：log(任务功率) − log(静息状态功率)），此后称为任务特定功率。在每个频带中，2 (CON/NF1) × 2 (1-/2-back) 方差分析研究了头皮平均特定任务功率。与任务相关的功率分析一致，我们通过调整基线（静息状态）来研究特定于任务的 theta 相位一致性。为了可比性，使用与任务相关相位一致性相同的方法估计睁眼静息状态 theta 相位一致性（注意 ISPC 试验中的“试验”在静息状态下是任意的）。在统计分析之前，从任务相关相位一致性中减去静息状态相位一致性。使用特定任务的额顶 theta 相位一致性进行 2 (CON/NF1) × 3 (ML/MM/MR) × 2 (1-/2-back) 方差分析。

由于现有研究表明，在典型发育的儿童中，年龄和振荡活动之间存在显着关系，而神经发育障碍中可能不存在这种关系[ 56 ]，因此进行皮尔逊相关性来调查脑电图测量值与年龄之间的关联，然后对差异进行统计显着性检验。r确定各组之间年龄和振荡活动之间的关系是否存在显着差异。这是使用 Fisher 的r到z变换实现的，然后对所得z进行统计比较分数。此外，由于相对于正常发育的儿童，患有 NF1 的个体通常表现出较差的整体功能 [ 6 , 57 ]，并且有人建议振荡活动可能是神经发育障碍中认知功能的神经标志物 [ 56 ]，因此进行皮尔逊相关性来研究使用 Vineland ABC 评分，研究脑电图测量值与整体适应性功能之间的关联。同样，随后对r的差异进行统计显着性检验。组之间以确定整体适应功能和振荡活动之间的关系是否在组之间存在显着差异。最后，为了帮助解释振荡结果，进行皮尔逊相关性以研究脑电图测量值与自适应听觉 n-back 任务（与脑电图会话分开进行）的工作记忆表现之间的关联，以及组间 r的差异比较的。为了校正多重比较，对p值小于 0.05 的结果应用5% 错误发现率 (FDR) [ 58 ] 校正。FDR 应用于每个人口统计/行为领域的一组脑电图测量（即五个p值）。

结果
行为的
正如预期的那样，NF1脚注7在家长评分的 Vineland ABC（ t (29)  = 3.573， p  < 0.001）和自适应听觉 n-back 任务（平均 n-back； t (30)  = 5.412， p  < 0.001）上的表现明显差于 CON。此外，NF1 组并未表现出脑电图 n-back 任务表现有任何损害（命中率 - 误报 (%)； F (1,30)  = 0.094， p  = 0.762， η p 2  = 0.003）（参见附加文件1）以获得详细报告）。

静息状态功率：NF1 中更高的 delta 和 theta 功率
图 2将频谱功率显示为连续频谱（顶部），并在规范频带中进行平均（中），均在所有 EEG 通道上进行平均，并显示为 (a) 睁眼和 (b) 闭眼休息期间的地形图（底部）状态。

目视检查显示，所有频段中 CON 和 NF1 的空间分布相似，但 NF1 相对于 CON 的幅度更大。此外，对于 δ、θ 和 α，闭眼时相对于睁眼时观察到的幅度更大，而低伽马和高伽马则观察到相反的模式。Delta ( F (1,28)  = 7.135, p  = 0.012, η p 2  = 0.203) 和 theta ( F (1,28)  = 9.145, p  = 0.005, η p 2  = 0.246），但对于 α、β、低伽玛和高伽玛不显着（表4，图 2）。 2）。

条件对 delta、theta、alpha、低伽玛和高伽玛有显着的主效应，对于 delta、theta 和 alpha，闭眼时的功率显着高于睁眼时的功率，但闭眼时的功率显着较高对于低伽马和高伽马，睁开的眼睛相对于闭上的眼睛。这些频段中不存在显着的组×条件相互作用，这表明振荡幅度的调制在组之间没有差异。用于检查 NF1 组振荡反应性的计划配对t检验表明，对于 delta ( t (13)  = 5.004，p  < 0.001，d  = 1.34)、theta ( t (13 )，闭眼时的功率明显高于睁眼时的功率。） = 4.296，p  = 0.001，d  = 1.15) 和 alpha ( t (13)  = 5.291，p  < 0.001，d  = 1.41)，而在低伽马 ( t ( 13)  = 4.457，p  = 0.001，d  = 1.17) 和高伽玛 ( t (13)  = 4.204，p  = 0.001，d  = 1.12)。对于 beta 而言，睁眼和闭眼之间的屈光度没有显着差异（t (13)  = 0.285，p  = 0.780，d  = 0.08）。

峰值 α 频率：NF1 中 PAF 较低
图 3说明了调整以减少 1/f 噪声并应用高斯平滑后的总平均 (a) 睁眼和 (b) 闭眼休息状态的 alpha 范围。组间 PAF 存在显着差异（F (1,28)  = 12.276，p  = 0.002，η p 2  = 0.305），因此与 CON 相比，NF1 显示出较低的 PAF（表4）。没有条件的主效应，也没有组x条件交互作用。

任务相关能力：任务特定能力没有群体差异
图 4将未调整的频谱功率显示为连续频谱（顶部），并在规范频带中进行平均（中），均在所有 EEG 通道上进行平均，并作为 (a) 1-back 和 (b) 2 期间的地形图（底部） -后负载水平。

目视检查显示，所有频段中 CON 和 NF1 的空间分布相似，但 NF1 相对于 CON 的幅度更大。未经调整的光谱功率的组差异仅对于 theta 而言略有显着（F (1,29)  = 4.092，p  = 0.052，η p 2  = 0.124）（未调整的功率分析在附加文件2中报告）。为了研究任务特定的调制，我们使用根据静息状态睁眼功率调整的任务相关功率。请注意，在 n-back 任务中缺乏刺激前基线期的情况下，无法得出关于此差异的绝对值的结论（即，任务相关活动是否高于或低于静息状态活动）。2 (CON/NF1) × 2（1-/2-back）方差分析脚注图8显示在任何频段均没有显着的主效应或相互作用（表4）。因此，当考虑静息态 theta 功率时，与边际任务相关的 theta 功率差异消失了。

与头皮平均未调整功率一致，NF1 中额叶未调整θ 功率在数值上高于 CON（图 5），脚注9尽管该组差异不显着（ F (1,29)  = 2.850, p  = 0.102, η p 2  = 0.089）（附加文件2）。同样，使用特定任务（调整后） theta 功效的 2 (CON/NF1) × 2（1-/2-back）方差分析显示没有显着的主效应或相互作用（表4）。

Theta 相位一致性：任务特定相位一致性没有组间差异
图 6的目视检查表明，在 (a) 1-back 和 (b) 2-back 负载期间，在额顶网络的所有区域中，NF1 中未调整的额顶 θ 相位相干性在数值上高于 CON。该组未经调整的theta 相位相干性差异显着不同 ( F (1,29)  = 4.852, p  = 0.036, η p 2  = 0.143）（附加文件2）。然而，2 (CON/NF1) × 3 (ML/MM/MR) × 2 (1-/2-back) 方差分析脚注10使用特定于任务的（调整后的） θ 相位一致性显示没有显着的主效应或涉及因素“组”的相互作用（表5）。脚注11同样，在 n-back 任务中缺乏刺激前基线期的情况下，无法得出关于此差异的绝对值的结论（即任务相关活动是否高于或低于静息状态活动）。虽然不是主要关注点，但存在显着的区域 × 载荷交互作用（ F (2,54)  = 5.023， p  = 0.010， η p 2  = 0.157）。没有其他显着的主要影响或相互作用。

脑电图测量与年龄/认知测量之间的相关性
对每组分别进行探索性 Pearson 相关性分析，将脑电图振荡测量的个体差异与年龄、整体适应性功能 (Vineland ABC) 和工作记忆表现（适应性听觉 n-back）联系起来脚注12（表6，散点图请参阅附加文件4）。仅对在上述分析中显示出显着组间差异的脑电图测量结果进行相关性分析（即静息态功率 delta 和 theta 以及 PAF）。对于与静息状态功率的相关性，由于条件对 delta 和 theta 带有显着的主效应，因此分别对睁眼功率和闭眼功率进行相关性分析。条件对 PAF 没有显着的主效应，因此在运行相关性之前，对睁眼/闭眼时的 PAF 进行平均。

对于 CON，FDR 校正后仍存在四个负年龄功率相关性：睁眼 delta ( r  = − 0.600, p  = 0.014, q  = 0.018)、闭眼 delta ( r  = − 0.705, p  = 0.002, q  = 0.005)、眼睛打开 theta（r  = − 0.547，p  = 0.028，q  = 0.028），闭眼 theta（r  = − 0.674，p  = 0.004，q  = 0.007）。NF1 的相同相关性不显着，并且这些相关性的组间差异也不显着。此外，年龄与 CON 的 PAF 呈正相关（r  = 0.736，p = 0.001，经受 FDR 校正，q  = 0.005)。NF1 的相同相关性不显着（r  = − 0.241，p  = 0.407），这些相关性的组间差异显着（z  = 4.238，p  < 0.001，经 FDR 校正后仍存在，q  = 0.005）。最后，任何脑电图测量值与整体适应功能（ABC）或工作记忆表现之间都没有显着相关性。

讨论
这项研究调查了患有 NF1 的青少年样本和年龄/性别匹配的典型发育对照在休息和执行工作记忆任务期间的振荡活动。相对于对照组，NF1 显示出更高的静息状态 delta 和 theta 功率，并且这些差异不受睁眼/闭眼条件的调节（未发现组 x 条件相互作用）。在对照组中，静息态 delta 和 theta 功率与年龄呈显着负相关，但在 NF1 中则不然。NF1 还表现出比对照组更低的 PAF，并且在对照组中发现的年龄-PAF 正相关性在 NF1 中不存在（并且这些相关性在组之间存在显着差异）。在工作记忆任务中，观察到 θ 功率的边缘组差异，但在控制基线（静息状态）活动时，这种效应消失了。相似地，当根据基线（静息状态）调整值时，额顶θ相位一致性的显着组间差异消失。总之，这些发现表明 NF1 的特点是异常的静息态振荡活动，并强调在得出有关组间振荡活动的任务相关差异的结论时考虑静息态（基线）差异的重要性。

静止状态电源
NF1 的静息状态 delta 和 theta 功率显着高于典型发育对照，这与我们的假设一致。这两个显着的群体差异都有很大的效应量。这一发现与之前关于 NF1 人群 [ 17 ] 和其他神经发育障碍 [ 37 ] 的报告一致，并且是建立在这些报告的基础上的。例如，里贝罗等人。[ 17 ]观察到 NF1 组中 θ 功率显着较高，但 delta 功率呈非显着趋势。此外，Newson 和 Thiagarajan 的评论[ 37包括多动症在内的精神疾病静息态脑电图期间行为相关频段的研究报告称，最显着的异常之一是较慢频率下的功率增加。

尽管 NF1 中慢波活动异常高的机制尚不清楚 [ 17 ]，但先前使用髓鞘形成破坏的动物模型进行的研究表明，髓磷脂的损失与慢波 θ 功率的增加有关 [ 59 ]。因此，有据可查的 NF1 中白质微结构异常和髓磷脂缺陷 [ 60 , 61 ] 可以解释当前研究中观察到的高慢波静息态振荡活动。抑制性神经递质 γ-氨基丁酸 (GABA) 的失调也应被视为静息状态功率过度的潜在机制。一些人类研究报告了 NF1 诊断的儿童/青少年存在 GABA 缺乏症 [18 , 62 ]。GABA 缺乏导致的抑制减少可能解释了观察到的过度慢波（即 delta/theta）功率。

与我们的预测一致，对 NF1 组振荡功率反应性的直接测试表明，在 Delta、Theta 和 α 波段中，闭眼时的静息态功率明显高于睁眼时的功率，而在 γ 波段中观察到相反的模式。这表明静息状态权力反应遵循在神经典型群体中观察到的典型模式[ 39 ]，并建立在Ribeiro等人报道的先前间接暗示（即非显着的群体×条件相互作用）的基础上。[ 17 ]。

最后，在典型发育对照中，δ 和 θ 功率与年龄呈显着负相关，这与现有文献一致，表明年龄的增加与整个发育过程中慢波静息状态功率的减少相关 [ 30 , 32 ]。尽管各组之间的相关性没有显着差异，但 NF1 的相关性并不显着。然而，相对较小的样本量限制了我们就 NF1 中年龄和振荡功率之间的关系是否不典型得出明确结论的能力。

峰值阿尔法频率
与典型发育对照组相比，NF1 组的 PAF 显着较低，且效应量较大。这是建立在先前一项 NF1 研究中观察到的 PAF 较低的非显着趋势的基础上的 [ 17 ]，并且与其他神经发育障碍中 PAF 的研究一致 [ 55 , 63 ]。PAF 被认为反映了认知准备度 [ 64 ]、注意力处理 [ 65 ] 和记忆能力 [ 64 , 66]的指数]。尽管如此，我们没有观察到对照组或 NF1 组中听觉 n-back 任务表现的 PAF 与工作记忆能力之间存在显着相关性。然而，同样，相对较小的样本量并不是解决这个问题的最佳选择，并且可能会在较大的样本中发现显着的关联。

我们在典型发育对照中观察到年龄与 PAF 的正相关性，而 NF1 中不存在这种相关性，并且这些相关性在各组之间存在显着差异，表明 PAF 与年龄之间的关系在 NF1 中被破坏。对照组的年龄-PAF 相关性与典型发育儿童的现有文献一致，其中在整个童年时期观察到 PAF 增加，在青春期后期/成年早期稳定在~ 10 Hz [ 67 ]。PAF 的增加被认为是神经网络成熟度的指标 [ 68 , 69 ] ，从而促进改进和高效的连接 [ 31 , 32 ]]。此外，NF1 组中不存在显着的 PAF-年龄相关性，这与之前对其他神经发育障碍的研究一致，该研究报告了 PAF 与年龄之间不存在相关性 [ 56 ]。有人建议，在整体认知功能被破坏且不能可靠地映射到实际年龄的神经发育障碍中，PAF 可能与智商 (IQ) 相关[ 56 ]。未来测量 PAF（和其他振荡测量）的研究应考虑包括使用标准化测量和非 NF1 发育迟缓对照组的全面智商测试，以理清发育迟缓的一般影响和特定条件的影响。

与任务相关的权力和一致性
与任务相关（未调整）相对于典型发育对照组，NF1 组的 theta 功率显着更高，但在控制基线（静息状态）活动时这种效应消失。同样，当根据基线（静息状态）调整值时，额顶θ相位一致性（NF1 > CON）的显着组间差异消失。任务特定功率和 θ 相位一致性方面不存在群体差异可能表明 NF1 群体普遍具有较高水平的振荡活动，特别是在低频下，这可能解释了任务特定调制不存在差异的原因。这些发现与我们的假设不一致，我们的假设是根据其他神经发育障碍的现有研究预测相对于对照的异常 WM 相关的 theta 功率和相位一致性。29、34、35、36 ] 。​​​​​ 然而，这种与其他神经发育障碍的观察结果的不同并不完全令人惊讶，因为尽管神经发育障碍经常表现出重叠的认知障碍（即很强的临床相似性），但这些障碍的潜在神经生理学并不总是相同的[ 14 ]。总之，当前的研究表明，任务相关的振荡活动可能不是 NF1 工作记忆损伤的有用脑电图标记。相反，NF1 中工作记忆损伤的更好 EEG 标记可能是 ERP P3b 组件，已发现 NF1 中的 ERP P3b 组件相对于典型发育对照在潜伏期和拓扑分布上存在差异 [ 16 ]。

优势、局限性和未来方向
这项研究为 NF1 的特征和针对 NF1 的（非）药物干预的潜在目标（例如异常高的慢波功率）提供了信息。然而，必须考虑到这种贡献有几个限制。我们的样本量与现有使用 NF1 样本的神经影像学研究相当[ 13 , 14 , 15 , 17 , 18]。正如“参与者”部分所述，我们有 79% 的能力检测到振荡测量的大效应大小。然而，我们可能没有能力检查振荡特征与年龄/认知测量之间的关联。未来更大样本量的研究将有助于就 NF1 振荡异常的个体差异得出更明确的结论。

这项研究的第二个局限性是，虽然我们研究了单个频段的群体差异，但检查工作记忆表现期间不同频段之间的关系可能有益，以进一步了解 NF1 工作记忆缺陷的基础。例如，θ-γ相位-幅度耦合是与工作记忆表现相关的神经标志物[ 22 ]，并为其他临床疾病（例如精神分裂症、阿尔茨海默氏病和轻度认知障碍）提供了工作记忆不良的神经标志物[ 70，71 ]）。此外，我们必须承认文献中的建议，即 n-back 任务并不是工作记忆的纯粹衡量标准 [ 72]，这反过来可能在 WM 相关振荡活动不存在群体差异的情况下发挥作用。然而，我们仔细选择了一个被认为是由维护活动主导的时间窗口，以试图捕获工作记忆。尽管如此，未来使用其他被认为可以利用工作记忆的措施的研究将有助于加强此处得出的结论。

此外，本研究分析的局限性与调查常见合并症的临床样本中的神经生理学结果的挑战有关。尽管许多人患有自闭症谱系障碍 (ASD) 和/或多动症 (ADHD) 共病，但 NF1 被视为同质组。患有 NF1 和 ADHD 共病的个体比患有 NF1 但不患有 ADHD 的个体表现出更严重的认知缺陷[ 73 ]。里贝罗和同事[ 17]进行了敏感性分析，以确定在排除患有多动症的参与者后观察到的显着组间差异是否仍然存在。排除这些参与者后，结果模式仍然相似。然而，考虑到注意力困难的维度性质（例如 ADHD 的不同亚型）以及这些分析可能动力不足的性质，未来更大样本量的研究将允许更强的敏感性分析，以促进了解共存的合并症是否会导致不同的振荡特征此处报道的内容。

最后，重要的是要考虑我们的研究结果的发展性质。具体来说，如果年龄范围不同，结果会有所不同吗？我们相信，如果样本年龄较小（例如婴儿），我们可能会观察到不同的振荡表达。这一预测源于对动物和人类对 NF1 中 GABA 活性的研究之间的差异的考虑。正如“静息态功率”部分中所讨论的，人类研究报告 NF1 青少年存在 GABA 缺乏 [ 18 , 62 ]，这可能解释了观察到的静息态慢波功率过多。然而，与人类研究中报道的 GABA 缺乏症相反 [ 18 , 62]，动物研究表明 NF1 的特点是 GABA 增加，因此抑制作用增强 [ 13 , 74 ]。针对这些不一致的发现提出了两条建议[ 75 ]。具体来说，这种差异可能是由于测量方式（例如动物中的 GABA 传输与使用人类磁共振成像测量的 GABA 浓度）或何时（即发育补偿）测量 GABA 的差异而引起的[ 75]]。为了加深对 NF1 青少年中观察到的过度慢波功率的了解，未来的研究可以调查婴儿期的静息态功率。如果由于 GABA 增加（如动物研究所示），婴儿期慢波功率较低（相对于通常发育的对照），这表明青春期慢波功率过多是对过度抑制的稳态补偿的结果在生命早期[ 76 ]。

Carter-Leno 及其同事最近的一项研究 [ 75 ] 增加了体重，以支持婴儿期慢波功率较低的假设。他们证明，患有 NF1 的 10 个月大婴儿的静息态抑制相对于兴奋（即兴奋/抑制 (E/I) 失衡）有所增加，这与动物中报告的抑制增加一致。下一步，研究人员可以研究 NF1 青少年的 E/I 平衡（使用 FOOOF [ 77 ] 等新方法），以进一步研究该人群中稳态补偿机制的存在。如果在青少年中观察到相对于抑制而言兴奋增加（即与婴儿期报道的相反），这可能表明生命早期对过度抑制的稳态补偿[ 76]。总的来说，这两项对未来研究的建议不仅将增进对 NF1 青少年静息态慢波功率过度的理解，而且有助于阐明振荡活动的发育轨迹以及围绕该人群中 GABA 的动物和人类研究的差异。

结论
这项研究调查了休息时和执行工作记忆任务期间的振荡活动。我们发现患有 NF1 的青少年相对于休息时正常发育的对照组表现出异常的振荡活动。具体来说，NF1 的特点是过度的静息态振荡活动，特别是在较低频率和较低的峰值 α 频率下。此外，我们发现，当考虑静息状态的基线水平时，与工作记忆任务相关的振荡功率和额顶叶一致性的明显群体差异消失了。这些发现提供了见解，可以为 NF1 的表征以及针对 NF1 的（非）药理学干预措施的设计提供信息，并强调未来研究的重要途径。