Nat Neurosci：是渐入梦乡还是瞬间‘跌入’睡眠？Nir Grossman研究团队揭示可预测分岔动力学机制

睡眠是生命中的一个基本组成部分；然而大脑如何进入睡眠状态，仍然是神经科学中最持久的谜题之一。

基于此，2025年10月28日，英国伦敦帝国理工学院脑科学系Nir Grossman 研究团队在nature neuroscience杂志发表了“Falling asleep follows a predictable bifurcation dynamic”揭示了入睡过程遵循一种可预测的分岔动力学。

本文中，作者报告了一种新的概念框架用于分析和建模这一现象。该框架将大脑在入睡过渡期间脑电图活动的变化，表示为一个在标准化特征空间中的轨迹。这个方法发现，大脑从清醒进入睡眠的过程，就像一个突然的“状态切换”，存在一个明确的“临界点”。在到达这个临界点之前，大脑活动会表现出“反应变慢”的迹象（即“临界慢化”）。作者在两个独立的数据集中验证了这一发现，总共包含了1000多名受试者，结果都是一致的。最后展示了这个方法的实际价值：可以实时预测一个人什么时候要睡着，时间精度达到秒级并且平均准确率超过了95%。

图一 计算框架的图示说明

研究人员提出了一种新方法，将大脑从准备睡觉到真正入睡的过程，看作是在一个由多种脑电特征构成的多维空间中的运动轨迹。

他们从每6秒的脑电数据中（相邻时段重叠50%）提取出几十个特征，包括不同脑波的强度、频率关系、信号复杂度等，然后把这些特征统一转换成“标准差”单位消除量纲差异，构建出一个公平可比的几何空间。他们把人刚进入稳定睡眠（N2期）时的平均特征状态设为这个空间的“原点”，并把那一刻的时间定为“0秒”。这样，入睡过程就变成了从某个起点走向这个原点的路径。路径上每一刻，大脑状态点到原点的直线距离，被称为“睡眠距离”，代表当前离睡着还有多远；而这个距离随时间缩短的速度就是“睡眠速度”。

通过这种方式，他们能用一个简洁的“距离-时间”曲线来精确刻画和预测一个人何时入睡。

图二 大脑在入睡前，脑电活动会发生突然转变

研究人员用一个包含1000多名老年人的大脑数据来验证他们的方法。他们发现，人从清醒到入睡，大脑状态在“脑电特征空间”中会从一个代表“清醒”的区域，突然跳到一个代表“睡眠”的区域，两者相距很远，中间像有个“悬崖”。

分析显示，人在入睡前几分钟，大脑离睡着的“距离”会突然急剧下降，这种突变符合数学上的“折叠分岔”规律（拟合度高达96%），说明入睡是一个在临界点发生的突然转变，而不是缓慢滑入。

这个转变前，大脑活动会出现“反应变慢”的预警信号（临界减缓），比传统方法判断要入睡的时间还早几分钟。而且，这个“临界点”在不同人身上都存在，与入睡快慢无关，主要取决于大脑初始状态离“睡眠”有多远。控制实验也证明，这种现象只在真实入睡过程中出现，不是计算方法造成的假象。总之，结果证实了大脑入睡是一个具有明确临界点和预警信号的突变过程。

图三 支撑入睡分岔动力学的脑电特征

为探究是否存在主导入睡动态的脑电特征，作者对特征时间序列进行了函数型主成分分析（FPCA）。

分析发现，用所有脑电特征综合计算出的第一主成分（FPC1）能解释96%的变化，它随时间的变化也呈现出明显的“突然转变”（分岔）模式。那些代表大脑活跃度的特征（如高频脑波、信号复杂度）在FPC1中权重高，且它们的变化与“睡眠距离”几乎同步。

第二主成分（FPC2）虽然只占3%的差异，但它的变化形态最像“分岔的开关”，在临界点前达到峰值，其中θ频段脑波的同步性等特征起主要作用，可能是推动大脑状态切换的关键因素。

虽然单个脑电指标无法稳定地表现出这种突变规律，但把几个关键特征组合成一个简化模型，依然能很好地还原入睡的分岔过程。不过，这种规律主要体现在群体平均数据中，个体之间的差异较大。总的来说，结果支持用“分岔”来理解入睡的突变本质，但具体是哪些大脑活动在“按下开关”，还需要进一步研究。

总结

本文提出了一种新的概念框架，旨在揭示大脑如何入睡这一长期存在的难题，并展示了具有实时预测能力的分岔动力学。该框架和发现有助于深入理解入睡过程的内在机制，为诊断和治疗入睡障碍提供新策略，并帮助减少在执勤或驾驶等关键场合下的非意愿性睡意。

文章来源