From spectral decomposition to clinical insight: aperiodic and oscillatory dynamics in the subthalamic nucleus of patients with Parkinson’s disease
From spectral decomposition to clinical insight: aperiodic and oscillatory dynamics in the subthalamic nucleus of patients with Parkinson’s disease
Where did the research take place?
The study site has not been established. Author addresses may differ from where the research occurred.
A plain-language reading has not been prepared for this paper yet.
Original abstract
Hirnaktivität kann durch elektrophysiologische Signale gemessen werden, die die kollektive Aktivität neuronaler Populationen widerspiegeln. Diese neuronalen Feldpotenziale können nichtinvasiv (EEG, MEG) oder invasiv (iEEG, LFP) aufgezeichnet werden. Ihre Spektren setzen sich aus periodischen (oszillatorischen) und aperiodischen Komponenten zusammen. Traditionell basierten Spektralanalysen auf bandbegrenzten Filtern, die auf vordefinierten Frequenzbändern angewendet wurden, ohne periodische und aperiodische Komponenten zu trennen. Zunehmende Evidenz deutet jedoch darauf hin, dass periodische und aperiodische Aktivität unterschiedliche neurophysiologische Prozesse widerspiegeln und daher getrennt analysiert werden sollten. Die Trennung dieser beiden Komponenten – häufig als Spektraldekomposition bezeichnet – findet mittlerweile breite Anwendung. Allerdings ist die Zuverlässigkeit der dafür eingesetzten Verfahren bislang nicht systematisch untersucht worden. Um diese Lücke zu schließen, evaluiert die vorliegende Arbeit zwei weit verbreitete Methoden der Spektraldekomposition, specparam und IRASA, über verschiedene elektrophysiologische Messmodalitäten hinweg. Die empirischen Analysen zeigen systematische Abweichungen von idealisierten 1/f-Potenzgesetzen sowie weitere, miteinander verknüpfte Herausforderungen bei der Trennung spektraler Komponenten. Auf dieser Basis werden die methodischen Limitationen aktueller Ansätze herausgearbeitet und konkrete Empfehlungen formuliert, wie sie reduziert werden können. Eine sorgfältige Spektraldekomposition, die diese Limitationen berücksichtigt, ist entscheidend für die Interpretation elektrophysiologischer Aktivität, insbesondere im Kontext neurologischer Erkrankungen. Die Parkinson-Krankheit stellt ein eindrückliches Beispiel dafür dar, wie Spektraldekomposition die klinische Interpretation beeinflusst. Während eine verstärkte subthalamische Beta-Aktivität als elektrophysiologisches Kennzeichen der Erkrankung gilt, wurden in früheren Studien periodische und aperiodische Komponenten in der Regel nicht getrennt. Die Anwendung der Spektraldekomposition auf subthalamische Ableitungen zeigte, dass isolierte Low-Beta-Oszillationen positiv mit der motorischen Symptomschwere korrelieren (ρ = 0,24, p < 0,05) und bestätigt damit pathologische Low-Beta-Synchronisation als krankheitsrelevanten Prozess. Im Gegensatz dazu zeigten niederfrequente Aktivität (ρ=−0,32, p < 0,001) und Low-Gamma-Oszillationen (ρ=−0,21, p < 0,05) prokinetische Assoziationen. Bemerkenswerterweise erklärte aperiodische Breitbandaktivität – interpretiert als indirektes Maß für populationsweite neuronale Aktionspotenzialaktivität – die motorische Symptomschwere auf Ebene einzelner Patienten am besten (p<0,05) und unterstreicht damit die zentrale Bedeutung aperiodischer Aktivität im parkinsonischen subthalamischen Kern. Langzeitaufzeichnungen zeigen zudem eine Stabilisierung periodischer Beta-Merkmale nach der Operation zur tiefen Hirnstimulation, was deren potenzielle Eignung als chronische Biomarker unterstützt, während netzwerkbasierte Analysen einschließlich kortikaler Ableitungen eine pathologische kortiko-subthalamische Synchronisation im High-Beta-Bereich belegen. Zusammenfassend zeigen diese Ergebnisse, dass die Entflechtung periodischer und aperiodischer Spektralkomponenten ein präziseres und physiologisch fundierteres Verständnis der parkinsonischen Neurophysiologie ermöglicht, sofern methodische Limitationen explizit berücksichtigt werden. Brain activity can be measured through electrophysiological signals that reflect the collective activity of neuronal populations. These neural field potentials can be recorded noninvasively (EEG, MEG) or invasively (iEEG, LFP) and exhibit power spectra comprising periodic (oscillatory) and aperiodic components. Traditionally, spectral analyses relied on band-limited power within canonical frequency bands, without explicitly separating these components. Increasing evidence, however, indicates that periodic and aperiodic activity reflect distinct neurophysiological processes and should therefore be analyzed separately. Separating periodic and aperiodic components—commonly termed spectral decomposition—is now frequently applied. Yet, the reliability of existing approaches has not been systematically established. To address this gap, this work evaluates two widely used spectral decomposition methods, specparam and IRASA, across multiple electrophysiological modalities. Empirical analyses reveal systematic deviations from idealized 1/f power laws and identify additional, interrelated challenges in separating spectral components. These findings delineate methodological limitations of current approaches and provide concrete recommendations for mitigating these challenges. Careful spectral decomposition that mitigates these challenges is critical for interpreting electrophysiological activity, including in neurological disease. Parkinson’s disease provides a compelling example of how spectral decomposition impacts clinical interpretation. While exaggerated subthalamic beta activity is a hallmark of the disorder, prior studies largely conflated periodic and aperiodic components. Applying spectral decomposition to subthalamic recordings revealed that isolated low beta oscillations correlate positively with motor symptom severity (ρ = 0.24, p < 0.05), confirming pathological low beta synchrony as a disease-relevant process. In contrast, low-frequency activity (ρ=−0.32, p < 0.001) and low gamma oscillations (ρ=−0.21, p < 0.05) showed prokinetic associations. Notably, aperiodic broadband power—interpreted as a proxy for population spiking activity—explained motor symptom severity best at the single-patient level (p < 0.05), underscoring a central contribution of aperiodic activity in the parkinsonian subthalamic nucleus. Long-term recordings demonstrate stabilization of periodic beta features after implantation and during chronic stimulation, supporting their potential use as chronic biomarkers, while network-level analyses, including cortical recordings, link high beta activity to pathological cortico-subthalamic synchronization. Together, these findings demonstrate that disentangling periodic and aperiodic spectral components enables a more precise and physiologically grounded understanding of parkinsonian neurophysiology, provided that methodological limitations are explicitly considered.