When the inner clock fades: Interoceptive decline and consolidation of phase resetting in cortical rhythms by cardiac events underlie healthy lifespan aging.

Code ↔ Paper

7 matches between paragraphs of the paper and lines of its authors' code, computed by the harvester (lexical-v1). Click a colored paragraph or line to see its counterpart.

The 7 matches · 2 of them tie a paragraph to a whole file, not to given lines: weak matches, whose lines are not tinted

[1] § Results › Heartbeat evoked responses (HERs) across lifespan ↔ MVGC.m, lines 21–91 · score 0.97 · Frontal Sup Orb, Frontal Med Orb, Frontal Mid Orb, Frontal Sup Medial, Frontal Inf Orb, Frontal Inf Tri
[2] § Materials and Methods › Cardiovascular scores ↔ PanTompkin_Rpeak.m, lines 31–49 · score 0.68 · heart rate variability, Pan Tompkins, HRV, IBI, cardiovascular, interval
[3] § Materials and Methods › Granger causality ↔ MVGC.m, lines 252–299 · score 0.63 · Granger Causality, diff, lag, stationarity, MVGC, tsdata
[4] § Materials and Methods › Heartbeat evoked responses (HERs) ↔ HERsAcrossAge.m, the whole file · a weak match · score 0.55 · Pan Tompkins, cardiac cycle, epoch, MEG, peaks, ECG
[5] § Materials and Methods › Pan-Tompkins algorithm ↔ HERsAcrossAge.m, the whole file · a weak match · score 0.54 · Pan Tompkins, cardiac cycle, peaks, ECG
[6] § Results › Physiological metrics of cardiovascular health across lifespan ageing ↔ PanTompkin_Rpeak.m, lines 31–49 · score 0.51 · heart rate variability, HRV, IBI, cardiovascular, electrocardiographic, interval
[7] § Materials and Methods › Data preprocessing ↔ ICA_July_thirdfinal_HEPdec2022 (1).ipynb, lines 31–62 · score 0.50 · MNE, ICA, max, Component, filter, 45 Hz

Paper

Loaded from Europe PMC by your browser, not stored by OSCR: doi.org · Europe PMC

The paper is loaded when this pane is shown.

The paper is loaded by your browser, with JavaScript: read it at doi.org or on Europe PMC.

The authors' code

MATLAB · 623 lines · 53 KB · no license · 2 matches

%% Calculating MVGC using autocov_to_mvgc function
% Date: 07/28/2025
% Step 1: Included EKG signal; not checking for stationarity
% (Autocovariance empty)
% Step 2: Detrended; diff of 2
%%
restoredefaultpath
addpath(genpath('/Volumes/Kirti/Final_First_Draft_2023/Codes/github_repo'));
prefix1 = 'D:\NatureAging\ROITimeseries\CC';
suffix1 = '.mat';
prefix2 = 'D:\NatureAging\EKG_Epochs\CC';
suffix2 = '.mat';
subjects = [110037;110182;120137;120376;120409;120462;121111;120061;120550;110606;120212;121685;120347;110056;110126;110098;110101;120276;120727;122016;110033;120208;120795;122620;110174;110187;110411;120065;120120;120184;120469;121317;121795;120008;120182;120640;121144;121200;121428;121479;120218;120309;120319;120764;121397;122172;122405;110069;110087;110319;120049;120166;120264;120313;120470;121106;121158;220526;221033;112141;210250;210519;212153;220115;220352;220519;221209;221373;222555;210148;210174;220151;220518;221648;222652;210023;210172;210182;220132;220419;221054;222797;220098;220511;220535;220610;221244;221565;221755;221775;221828;221954;222185;222956;220223;220323;220713;220828;221595;221886;210314;210422;210617;220107;220203;220284;220335;220920;221336;221527;221737;221980;222125;210051;210124;220234;220506;220697;220901;221107;221487;221740;222258;222326;210088;220232;220635;221040;221324;221511;221733;223115;223286;210526;210657;220198;220372;220567;220843;220974;220999;221002;221220;221352;221585;221935;221977;222120;222264;222367;221031;222304;222496;223085;320267;310203;320109;320417;320575;320616;321174;321506;321529;310129;310414;320022;320297;320321;320342;320478;320574;320686;321000;321025;321053;321087;321203;310391;310397;310410;320088;320361;320680;320687;321069;321137;310051;310052;310135;320448;320461;320651;320904;321428;321504;321976;310361;310400;320661;320814;321073;321594;310256;320325;320336;320568;320759;321107;321291;321544;321557;321585;321595;310008;310463;312149;320202;320428;320576;320608;320636;320698;321368;321464;310214;310331;310450;310473;320002;320500;320621;321281;321331;321880;310086;310224;310252;312058;320089;320107;320206;320218;320359;320445;320776;320850;320861;320870;320888;320893;322186;310142;310385;312222;320059;320160;320379;320429;320553;321154;321431;410354;420089;420383;321899;410097;410169;410286;420004;420173;420244;420322;420402;420587;420776;410284;420217;420226;420260;420566;420720;420888;410015;410323;420060;420167;420202;420392;420433;420493;420623;410220;410432;420071;420075;420091;420149;420162;420182;420229;420324;420412;420589;410182;410251;420143;420204;420236;420396;420435;410248;410325;412004;412021;420231;420261;420356;420364;420454;420582;410032;410040;410113;410173;410179;410222;420197;420222;420241;420462;420464;410101;410243;410390;420094;420100;420137;420148;420286;410084;410086;410091;410119;410177;410387;420348;410129;410287;410289;410297;420157;420198;510043;510161;520042;520253;510050;510609;510629;520168;520197;520287;520398;520584;510039;510242;510243;510258;510259;510284;510483;520011;520065;520480;520624;510433;510551;510648;520055;520147;520175;520395;520775;510076;510115;510255;510354;510438;510548;510639;512003;520097;510256;510342;510486;520078;520211;520215;520247;520377;520424;520436;520745;521040;510163;510321;510323;510329;510415;520002;520053;520391;520552;520597;520607;510086;510355;510434;510473;520083;520136;520239;520390;520517;520560;510208;510220;510237;510304;510474;510534;520127;520209;520254;520477;520503;520562;510226;510392;520013;520122;520134;520200;520673;520868;510393;510395;520279;520585;520980;610022;610028;610051;610101;620121;620259;620359;620406;610071;610099;610308;610594;620073;620262;620429;620479;620527;620785;621184;610039;610372;610496;610625;610671;620026;620085;620496;620821;621080;610285;610344;610575;610653;620090;620106;620118;620619;620659;620793;620935;610040;610046;610178;610292;610405;610576;620164;621199;621248;610058;610469;620114;620526;620549;621642;620005;620314;620567;620592;610210;610392;620129;620284;620451;620454;620466;620515;621128;610146;610227;610462;610568;620193;620264;620405;620413;620610;621011;621118;610052;610076;610212;610508;610631;620279;620444;620685;620354;620518;620572;620720;620885;620919;710037;710176;720188;721888;621284;710214;710223;710486;710858;710982;720119;720511;720670;720941;721052;721107;721114;721292;721418;721585;722421;722536;722651;710429;710494;711027;711128;711158;720238;720304;720329;720330;720497;721291;721377;721392;721449;721648;721707;721894;723197;710313;710350;720622;721729;710462;710664;720023;720407;721504;721704;710342;710382;710548;710566;720358;720986;721891;710679;720290;720516;720723;721434;722891;710131;710446;710551;710591;711244;711245;720400;721374;723395;712027;720774;721224;721532];
for ii = 1:length(subjects)
try
%% Loading subject file - ROI time series
load(strcat(prefix1, num2str(subjects(ii,1)), suffix1))
% Build ROI x Time matrix
roi_labels = {
'Frontal_Sup_Orb_R', 'Frontal_Mid_Orb_R', 'Frontal_Inf_Tri_L', ...
'Frontal_Med_Orb_R', 'Temporal_Pole_Mid_R', 'Temporal_Pole_Sup_L', ...
'Temporal_Pole_Sup_R', 'Frontal_Sup_R', 'Frontal_Sup_Medial_R', ...
'Frontal_Med_Orb_L', 'Cingulum_Ant_R', 'Frontal_Mid_Orb_L', ...
'Frontal_Sup_Orb_L', 'Frontal_Inf_Orb_L', 'Frontal_Inf_Orb_R', ...
'Insula_R'};
n_rois = length(roi_labels);
for r = 1:n_rois
roi_ts_matrix(r, :) = ROI_ts.(roi_labels{r});
end
% %% Loading subject file - EKG signal
load(strcat(prefix2, num2str(subjects(ii,1)), suffix2));
ekg_mat = mean(cat(3, epochs{:}),3);
%
roi_ts = [roi_ts_matrix;ekg_mat]; % matrix includes ROI time series and ECG signal
%
addpath(genpath('D:\Final_First_Draft_2023\Codes\github_repo'));
% Method to find out the model order
ptic('\n*** tsdata_to_infocrit\n');
[~, ~, ~, mobic] = tsdata_to_infocrit(roi_ts, 10, 'OLS');
ptoc('*** tsdata_to_infocrit took ');
% Making sure the time series for GC is stationary
% Detrending and taking difference
dt_ROI = [];
dt_diff_ROI = [];
for roi = 1:17
dt_ROI(roi,:) = detrend(roi_ts(roi,:));
dt_diff_ROI(roi,:) = diff(dt_ROI(roi,:),2);
end
% Calculating the AR variables
morder = mobic;
regmode = 'OLS';
ptic('\n*** tsdata_to_var... ');
[A,SIG] = tsdata_to_var(dt_diff_ROI,morder,regmode); % use same model order for reduced as for full regressions
ptoc;
% Autocovariance calculation
acmaxlags = mobic;
ptic('*** var_to_autocov...');
[G,info] = var_to_autocov(A, SIG, acmaxlags);
ptoc;
% Calculating the GC using autocov_to_mvgc function
for kk = 1:length(roi_ts(:,1))
for jj = 1:length(roi_ts(:,1))
try
F1(jj,kk) = autocov_to_mvgc(G,jj,kk);
catch
end
end
end
cd('D:\NatureAging\GC\mvgc_originalSig')
savefile = strcat('CC',num2str(subjects(ii,1)),'.mat');
save(savefile,'F1')
catch
end
end
%% plotting global average age wise
prefix3 = '/media/shrey/Kirti1/NatureAging/GC/mvgc_originalSig/CC';
suffix3 = '.mat';
young = [110182;120137;120376;120409;120462;121111;120061;120550;110606;120212;121685;120347;110056;110126;110098;110101;120276;120727;122016;110033;120208;120795;122620;110174;110187;110411;120065;120120;120184;120469;121317;121795;120008;120182;120640;121144;121200;121428;121479;120218;120309;120319;120764;121397;122172;122405;110069;110087;110319;120049;120166;120264;120313;120470;121106;121158;220526;221033;112141;210250;210519;212153;220115;220352;220519;221209;221373;222555;210148;210174;220151;220518;221648;222652;210023;210172;210182;220132;220419;221054;222797;220098;220511;220535;220610;221244;221565;221755;221775;221828;221954;222185;222956;220223;220323;220713;220828;221595;221886;210314;210422;210617;220107;220203;220284;220335;220920;221336;221527;221737;221980;222125;210051;210124;220234;220506;220697;220901;221107;221487;221740;222258;222326;210088;220232;220635;221040;221324;221511;221733;223115;223286;210526;210657;220198;220372;220567;220843;220974;220999;221002;221220;221352;221585;221935;221977;222120;222264;222367;221031;222304;222496;223085;320267;310203;320109;320417;320575;320616;321174;321506;321529;310129;310414;320022;320297;320321;320342;320478;320574;320686;321000;321025;321053;321087;321203];
for ii = 1:length(young)
try
load(strcat(prefix3, num2str(young(ii,1)), suffix3));
F_young1{ii} = F1;
catch
end
ii
end
mat_F_young1 = cat(3,F_young1{:,1});
middle = [310391;310397;310410;320088;320361;320680;320687;321069;321137;310051;310052;310135;320448;320461;320651;320904;321428;321504;321976;310361;310400;320661;320814;321073;321594;310256;320325;320336;320568;320759;321107;321291;321544;321557;321585;321595;310008;310463;312149;320202;320428;320576;320608;320636;320698;321368;321464;310214;310331;310450;310473;320002;320500;320621;321281;321331;321880;310086;310224;310252;312058;320089;320107;320206;320218;320359;320445;320776;320850;320861;320870;320888;320893;322186;310142;310385;312222;320059;320160;320379;320429;320553;321154;321431;410354;420089;420383;321899;410097;410169;410286;420004;420173;420244;420322;420402;420587;420776;410284;420217;420226;420260;420566;420720;420888;410015;410323;420060;420167;420202;420392;420433;420493;420623;410220;410432;420071;420075;420091;420149;420162;420182;420229;420324;420412;420589;410182;410251;420143;420204;420236;420396;420435;410248;410325;412004;412021;420231;420261;420356;420364;420454;420582;410032;410040;410113;410173;410179;410222;420197;420222;420241;420462;420464;410101;410243;410390;420094;420100;420137;420148;420286;410084;410086;410091;410119;410177;410387;420348;410129;410287;410289;410297;420157;420198;510043;510161;520042;520253;510050;510609;510629;520168;520197;520287;520398;520584;510039;510242;510243;510258;510259;510284;510483;520011;520065;520480;520624];
for ii = 1:length(middle)
try
load(strcat(prefix3, num2str(middle(ii,1)), suffix3));
F_middle1{ii} = F1;
catch
end
ii
end
mat_F_middle1 = cat(3,F_middle1{:,1});
old = [510433;510551;510648;520055;520147;520175;520395;520775;510076;510115;510255;510354;510438;510548;510639;512003;520097;510256;510342;510486;520078;520211;520215;520247;520377;520424;520436;520745;521040;510163;510321;510323;510329;510415;520002;520053;520391;520552;520597;520607;510086;510355;510434;510473;520083;520136;520239;520390;520517;520560;510208;510220;510237;510304;510474;510534;520127;520209;520254;520477;520503;520562;510226;510392;520013;520122;520134;520200;520673;520868;510393;510395;520279;520585;520980;610022;610028;610051;610101;620121;620259;620359;620406;610071;610099;610308;610594;620073;620262;620429;620479;620527;620785;621184;610039;610372;610496;610625;610671;620026;620085;620496;620821;621080;610285;610344;610575;610653;620090;620106;620118;620619;620659;620793;620935;610040;610046;610178;610292;610405;610576;620164;621199;621248;610058;610469;620114;620526;620549;621642;620005;620314;620567;620592;610210;610392;620129;620284;620451;620454;620466;620515;621128;610146;610227;610462;610568;620193;620264;620405;620413;620610;621011;621118;610052;610076;610212;610508;610631;620279;620444;620685;620354;620518;620572;620720;620885;620919;710037;710176;720188;721888;621284;710214;710223;710486;710858;710982;720119;720511;720670;720941;721052;721107;721114;721292;721418;721585;722421;722536;722651;710429;710494;711027;711128;711158;720238;720304;720329;720330;720497;721291;721377;721392;721449;721648;721707;721894;723197;710313;710350;720622;721729;710462;710664;720023;720407;721504;721704;710342;710382;710548;710566;720358;720986;721891;710679;720290;720516;720723;721434;722891;710131;710446;710551;710591;711244;711245;720400;721374;723395;712027;720774;721224;721532];
old_updated = [510433;510551;510648;520055;520147;520175;520395;520775;510076;510115;510255;510354;510438;510548;510639;512003;520097;510256;510342;510486;520078;520211;520215;520247;520377;520424;520436;520745;521040;510163;510321;510323;510329;510415;520002;520053;520391;520552;520597;520607;510086;510355;510434;510473;520083;520136;520239;520390;520517;520560;510208;510220;510237;510304;510474;510534;520127;520209;520254;520477;520503;520562;510226;510392;520013;520122;520134;520200;520673;520868;510393;510395;520279;520585;520980;610022;610028;610051;610101;620121;620259;620359;620406;610071;610099;610308;610594;620073;620262;620429;620479;620527;620785;621184;610039;610372;610496;610625;610671;620026;620085;620496;620821;621080;610285;610344;610575;610653;620090;620106;620118;620619;620659;620793;620935;610040;610046;610178;610292;610405;610576;620164;621199;621248;610058;610469;620114;620526;620549;621642;620005;620314;620567;620592;610210;610392;620129;620284;620451;620454;620466;620515;621128;610146;610227;610462;610568;620193;620264;620405;620413;620610;621011;621118;610052;610076;610212;610508;610631;620279;620444;620685;620354;620518;620572;620720;620885;620919;710037;710176;720188;721888;621284;710214;710223;710486;710858;710982;720119;720511;720670;720941;721052;721107;721114;721292;721418;721585;722421;722536;722651;710429;710494;711027;711128;711158;720238;720304;720329;720330;720497;721291;721377;721392;721449;721648;721707;721894;723197;710313;710350;720622;721729;710462;710664;720023;720407;721504;721704;710342;710382;710548;720986;721891;710679;720290;720516;720723;721434;722891;710131;710446;710551;710591;711244;711245;720400;721374;723395;712027;720774;721224;721532];
for ii = 1:length(old_updated)
try
load(strcat(prefix3, num2str(old_updated(ii,1)), suffix3));
F_old1{ii} = F1;
catch
ii
end
end
mat_F_old1 = cat(3,F_old1{:,1});
GC_y = mean(mat_F_young1,3);
GC_m = mean(mat_F_middle1,3);
GC_o = mean(mat_F_old1,3);
% Lower linit
lo = min([min(min(GC_y)), min(min(GC_m)), min(min(GC_o))]);
up = max([max(max(GC_y)), max(max(GC_m)), max(max(GC_o))]);
% Figures
figure;
subplot(2,3,1); imagesc(GC_y); caxis([lo up]); title('Young'); colormap('jet');
subplot(2,3,2); imagesc(GC_m); caxis([lo up]); title('Middle'); colormap('jet');
subplot(2,3,3); imagesc(GC_o); caxis([lo up]); title('Old'); colormap('jet');
set(gca,'Layer','top','XTick',[1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17],'XTickLabel',...
{'ORBsup.R','ORBmid.R','IFGtriang.L','ORBmid.R','TPOmid.R','TPOsup.L','TPOsup.R','SFGdor.R','SFGmed.R','ORBmid.L','ACG.R','ORBmid.L','ORBsup.R','ORBinf.L','ORBinf.R','INS.R'},...
'XTickLabelRotation',45,'YTick',[1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17],'YTickLabel',...
{'ORBsup.R','ORBmid.R','IFGtriang.L','ORBmid.R','TPOmid.R','TPOsup.L','TPOsup.R','SFGdor.R','SFGmed.R','ORBmid.L','ACG.R','ORBmid.L','ORBsup.R','ORBinf.L','ORBinf.R','INS.R'},...
'YTickLabelRotation',45);
%% Loading each subject from Old age group to find which subject contributes to the imaginary
% Date: 08/03/2025
% Subject list
old = [510433;510551;510648;520055;520147;520175;520395;520775;510076;510115;510255;510354;510438;510548;510639;512003;520097;510256;510342;510486;520078;520211;520215;520247;520377;520424;520436;520745;521040;510163;510321;510323;510329;510415;520002;520053;520391;520552;520597;520607;510086;510355;510434;510473;520083;520136;520239;520390;520517;520560;510208;510220;510237;510304;510474;510534;520127;520209;520254;520477;520503;520562;510226;510392;520013;520122;520134;520200;520673;520868;510393;510395;520279;520585;520980;610022;610028;610051;610101;620121;620259;620359;620406;610071;610099;610308;610594;620073;620262;620429;620479;620527;620785;621184;610039;610372;610496;610625;610671;620026;620085;620496;620821;621080;610285;610344;610575;610653;620090;620106;620118;620619;620659;620793;620935;610040;610046;610178;610292;610405;610576;620164;621199;621248;610058;610469;620114;620526;620549;621642;620005;620314;620567;620592;610210;610392;620129;620284;620451;620454;620466;620515;621128;610146;610227;610462;610568;620193;620264;620405;620413;620610;621011;621118;610052;610076;610212;610508;610631;620279;620444;620685;620354;620518;620572;620720;620885;620919;710037;710176;720188;721888;621284;710214;710223;710486;710858;710982;720119;720511;720670;720941;721052;721107;721114;721292;721418;721585;722421;722536;722651;710429;710494;711027;711128;711158;720238;720304;720329;720330;720497;721291;721377;721392;721449;721648;721707;721894;723197;710313;710350;720622;721729;710462;710664;720023;720407;721504;721704;710342;710382;710548;710566;720358;720986;721891;710679;720290;720516;720723;721434;722891;710131;710446;710551;710591;711244;711245;720400;721374;723395;712027;720774;721224;721532];
old_updated = [510433;510551;510648;520055;520147;520175;520395;520775;510076;510115;510255;510354;510438;510548;510639;512003;520097;510256;510342;510486;520078;520211;520215;520247;520377;520424;520436;520745;521040;510163;510321;510323;510329;510415;520002;520053;520391;520552;520597;520607;510086;510355;510434;510473;520083;520136;520239;520390;520517;520560;510208;510220;510237;510304;510474;510534;520127;520209;520254;520477;520503;520562;510226;510392;520013;520122;520134;520200;520673;520868;510393;510395;520279;520585;520980;610022;610028;610051;610101;620121;620259;620359;620406;610071;610099;610308;610594;620073;620262;620429;620479;620527;620785;621184;610039;610372;610496;610625;610671;620026;620085;620496;620821;621080;610285;610344;610575;610653;620090;620106;620118;620619;620659;620793;620935;610040;610046;610178;610292;610405;610576;620164;621199;621248;610058;610469;620114;620526;620549;621642;620005;620314;620567;620592;610210;610392;620129;620284;620451;620454;620466;620515;621128;610146;610227;610462;610568;620193;620264;620405;620413;620610;621011;621118;610052;610076;610212;610508;610631;620279;620444;620685;620354;620518;620572;620720;620885;620919;710037;710176;720188;721888;621284;710214;710223;710486;710858;710982;720119;720511;720670;720941;721052;721107;721114;721292;721418;721585;722421;722536;722651;710429;710494;711027;711128;711158;720238;720304;720329;720330;720497;721291;721377;721392;721449;721648;721707;721894;723197;710313;710350;720622;721729;710462;710664;720023;720407;721504;721704;710342;710382;710548;720986;721891;710679;720290;720516;720723;721434;722891;710131;710446;710551;710591;711244;711245;720400;721374;723395;712027;720774;721224;721532];
prefix = '/media/shrey/Kirti1/NatureAging/GC/mvgc_originalSig/CC';
suffix = '.mat';
imaginary_subjects = []; % Store subjects with imaginary values
nan_subjects = []; % Optional: track subjects with NaNs
inf_subjects = []; % Optional: track subjects with Infs
for sub = 1:length(old)
sub_id = old(sub);
file_path = strcat(prefix, [num2str(sub_id), suffix]);
try
load(file_path, 'F1');
if any(imag(F1(:)) ~= 0)
imaginary_subjects(end+1) = sub_id;
elseif any(isnan(F1(:)))
nan_subjects(end+1) = sub_id;
elseif any(isinf(F1(:)))
inf_subjects(end+1) = sub_id;
end
catch ME
fprintf('Could not load subject %d: %s\n', sub_id, ME.message);
end
end
%% Applying statistics on the GC calculated
restoredefaultpath
prefix1 = '/media/shrey/Kirti1/NatureAging/ROITimeseries/CC';
suffix1 = '.mat';
prefix2 = '/media/shrey/Kirti1/NatureAging/EKG_Epochs/CC';
suffix2 = '.mat';
subjects = [110182;120137;120376;120409;120462;121111;120061;120550;110606;120212;121685;120347;110056;110126;110098;110101;120276;120727;122016;110033;120208;120795;122620;110174;110187;110411;120065;120120;120184;120469;121317;121795;120008;120182;120640;121144;121200;121428;121479;120218;120309;120319;120764;121397;122172;122405;110069;110087;110319;120049;120166;120264;120313;120470;121106;121158;220526;221033;112141;210250;210519;212153;220115;220352;220519;221209;221373;222555;210148;210174;220151;220518;221648;222652;210023;210172;210182;220132;220419;221054;222797;220098;220511;220535;220610;221244;221565;221755;221775;221828;221954;222185;222956;220223;220323;220713;220828;221595;221886;210314;210422;210617;220107;220203;220284;220335;220920;221336;221527;221737;221980;222125;210051;210124;220234;220506;220697;220901;221107;221487;221740;222258;222326;210088;220232;220635;221040;221324;221511;221733;223115;223286;210526;210657;220198;220372;220567;220843;220974;220999;221002;221220;221352;221585;221935;221977;222120;222264;222367;221031;222304;222496;223085;320267;310203;320109;320417;320575;320616;321174;321506;321529;310129;310414;320022;320297;320321;320342;320478;320574;320686;321000;321025;321053;321087;321203;310391;310397;310410;320088;320361;320680;320687;321069;321137;310051;310052;310135;320448;320461;320651;320904;321428;321504;321976;310361;310400;320661;320814;321073;321594;310256;320325;320336;320568;320759;321107;321291;321544;321557;321585;321595;310008;310463;312149;320202;320428;320576;320608;320636;320698;321368;321464;310214;310331;310450;310473;320002;320500;320621;321281;321331;321880;310086;310224;310252;312058;320089;320107;320206;320218;320359;320445;320776;320850;320861;320870;320888;320893;322186;310142;310385;312222;320059;320160;320379;320429;320553;321154;321431;410354;420089;420383;321899;410097;410169;410286;420004;420173;420244;420322;420402;420587;420776;410284;420217;420226;420260;420566;420720;420888;410015;410323;420060;420167;420202;420392;420433;420493;420623;410220;410432;420071;420075;420091;420149;420162;420182;420229;420324;420412;420589;410182;410251;420143;420204;420236;420396;420435;410248;410325;412004;412021;420231;420261;420356;420364;420454;420582;410032;410040;410113;410173;410179;410222;420197;420222;420241;420462;420464;410101;410243;410390;420094;420100;420137;420148;420286;410084;410086;410091;410119;410177;410387;420348;410129;410287;410289;410297;420157;420198;510043;510161;520042;520253;510050;510609;510629;520168;520197;520287;520398;520584;510039;510242;510243;510258;510259;510284;510483;520011;520065;520480;520624;510433;510551;510648;520055;520147;520175;520395;520775;510076;510115;510255;510354;510438;510548;510639;512003;520097;510256;510342;510486;520078;520211;520215;520247;520377;520424;520436;520745;521040;510163;510321;510323;510329;510415;520002;520053;520391;520552;520597;520607;510086;510355;510434;510473;520083;520136;520239;520390;520517;520560;510208;510220;510237;510304;510474;510534;520127;520209;520254;520477;520503;520562;510226;510392;520013;520122;520134;520200;520673;520868;510393;510395;520279;520585;520980;610022;610028;610051;610101;620121;620259;620359;620406;610071;610099;610308;610594;620073;620262;620429;620479;620527;620785;621184;610039;610372;610496;610625;610671;620026;620085;620496;620821;621080;610285;610344;610575;610653;620090;620106;620118;620619;620659;620793;620935;610040;610046;610178;610292;610405;610576;620164;621199;621248;610058;610469;620114;620526;620549;621642;620005;620314;620567;620592;610210;610392;620129;620284;620451;620454;620466;620515;621128;610146;610227;610462;610568;620193;620264;620405;620413;620610;621011;621118;610052;610076;610212;610508;610631;620279;620444;620685;620354;620518;620572;620720;620885;620919;710037;710176;720188;721888;621284;710214;710223;710486;710858;710982;720119;720511;720670;720941;721052;721107;721114;721292;721418;721585;722421;722536;722651;710429;710494;711027;711128;711158;720238;720304;720329;720330;720497;721291;721377;721392;721449;721648;721707;721894;723197;710313;710350;720622;721729;710462;710664;720023;720407;721504;721704;710342;710382;710548;710566;720358;720986;721891;710679;720290;720516;720723;721434;722891;710131;710446;710551;710591;711244;711245;720400;721374;723395;712027;720774;721224;721532];
for ii = 1:length(subjects)
%% Loading subject file - ROI time series
% cd('/media/shrey/Kirti1/NatureAging/ROITimeseries/')
% dir(strcat('CC',num2str(subjects(ii,1)),'.mat'))
load(strcat(prefix1, num2str(subjects(ii,1)), suffix1))
% Build ROI x Time matrix
roi_labels = {
'Frontal_Sup_Orb_R', 'Frontal_Mid_Orb_R', 'Frontal_Inf_Tri_L', ...
'Frontal_Med_Orb_R', 'Temporal_Pole_Mid_R', 'Temporal_Pole_Sup_L', ...
'Temporal_Pole_Sup_R', 'Frontal_Sup_R', 'Frontal_Sup_Medial_R', ...
'Frontal_Med_Orb_L', 'Cingulum_Ant_R', 'Frontal_Mid_Orb_L', ...
'Frontal_Sup_Orb_L', 'Frontal_Inf_Orb_L', 'Frontal_Inf_Orb_R', ...
'Insula_R'};
n_rois = length(roi_labels);
for r = 1:n_rois
roi_ts_matrix(r, :) = ROI_ts.(roi_labels{r});
end
% %% Loading subject file - EKG signal
load(strcat(prefix2, num2str(subjects(ii,1)), suffix2));
ekg_mat = mean(cat(3, epochs{:}),3);
roi_ts = [roi_ts_matrix;ekg_mat]; % matrix includes ROI time series and ECG signal
%
% roi_ts = roi_ts_matrix(:,230:799);
%% Matrix for surrogate analysis
% Phase-randomize each ROI
[n_rois, N] = size(roi_ts);
signal_rand = zeros(n_rois, N);
for roi = 1:n_rois
X = fft(roi_ts(roi, :));
mag = abs(X);
phs = angle(X);
rand_phs = 2 * pi * rand(1, floor(N/2) - 1);
new_phs = phs;
new_phs(2:floor(N/2)) = rand_phs;
new_phs(N:-1:(N - floor(N/2) + 2)) = -rand_phs;
X_rand = mag .* exp(1i * new_phs);
signal_rand(roi, :) = real(ifft(X_rand));
end
addpath(genpath('/media/shrey/Kirti1/Final_First_Draft_2023/Codes/github_repo'));
% Method to find out the model order
ptic('\n*** tsdata_to_infocrit\n');
[~, ~, ~, mobic] = tsdata_to_infocrit(signal_rand, 10, 'OLS');
ptoc('*** tsdata_to_infocrit took ');
% for jj = 1:16
% [h(jj),pVal(jj)] = kpsstest(signal_rand(jj,:));
% end
%% Making sure the time series for GC is stationary
% Detrending and taking difference
dt_ROI = [];
dt_diff_ROI = [];
alpha = 0.05;
q = mobic; %no. of lags
for roi = 1:n_rois
dt_ROI(roi,:) = detrend(signal_rand(roi,:));
dt_diff_ROI(roi,:) = diff(dt_ROI(roi,:),2);
% [h1(roi),pVal1(roi)] = kpsstest(dt_diff_ROI(roi,:));
end
% Return VAR parameters
try
X = dt_diff_ROI;
morder = mobic;
regmode = 'OLS';
% if all(h1 == 0)
ptic('\n*** tsdata_to_var... ');
[A,SIG] = tsdata_to_var(X,morder,regmode); % use same model order for reduced as for full regressions
ptoc;
% else
% failed_roi = find(h1 == 1);
% failed_subject_ids{ii} = subjects(ii,1); % Make sure current_subject_id is defined
% end
% Autocovariance calculation
acmaxlags = mobic;
ptic('*** var_to_autocov...');
[G,info] = var_to_autocov(A, SIG, acmaxlags);
ptoc;
% Granger causality calclation: time domain
ptic('*** autocov_to_pwcgc... ');
F_null = autocov_to_pwcgc(G);
ptoc;
cd('/media/shrey/Kirti1/NatureAging/GC/mvgc_originalSig/Surrogate')
savefile = strcat('CC',num2str(subjects(ii,1)),'.mat');
save(savefile,'F_null')
catch
end
ii
end
%% Applying stats (Permutation testing)
n_rois = 17;
subjects = [110037;110182;120137;120376;120409;120462;121111;120061;120550;110606;120212;121685;120347;110056;110126;110098;110101;120276;120727;122016;110033;120208;120795;122620;110174;110187;110411;120065;120120;120184;120469;121317;121795;120008;120182;120640;121144;121200;121428;121479;120218;120309;120319;120764;121397;122172;122405;110069;110087;110319;120049;120166;120264;120313;120470;121106;121158;220526;221033;112141;210250;210519;212153;220115;220352;220519;221209;221373;222555;210148;210174;220151;220518;221648;222652;210023;210172;210182;220132;220419;221054;222797;220098;220511;220535;220610;221244;221565;221755;221775;221828;221954;222185;222956;220223;220323;220713;220828;221595;221886;210314;210422;210617;220107;220203;220284;220335;220920;221336;221527;221737;221980;222125;210051;210124;220234;220506;220697;220901;221107;221487;221740;222258;222326;210088;220232;220635;221040;221324;221511;221733;223115;223286;210526;210657;220198;220372;220567;220843;220974;220999;221002;221220;221352;221585;221935;221977;222120;222264;222367;221031;222304;222496;223085;320267;310203;320109;320417;320575;320616;321174;321506;321529;310129;310414;320022;320297;320321;320342;320478;320574;320686;321000;321025;321053;321087;321203;310391;310397;310410;320088;320361;320680;320687;321069;321137;310051;310052;310135;320448;320461;320651;320904;321428;321504;321976;310361;310400;320661;320814;321073;321594;310256;320325;320336;320568;320759;321107;321291;321544;321557;321585;321595;310008;310463;312149;320202;320428;320576;320608;320636;320698;321368;321464;310214;310331;310450;310473;320002;320500;320621;321281;321331;321880;310086;310224;310252;312058;320089;320107;320206;320218;320359;320445;320776;320850;320861;320870;320888;320893;322186;310142;310385;312222;320059;320160;320379;320429;320553;321154;321431;410354;420089;420383;321899;410097;410169;410286;420004;420173;420244;420322;420402;420587;420776;410284;420217;420226;420260;420566;420720;420888;410015;410323;420060;420167;420202;420392;420433;420493;420623;410220;410432;420071;420075;420091;420149;420162;420182;420229;420324;420412;420589;410182;410251;420143;420204;420236;420396;420435;410248;410325;412004;412021;420231;420261;420356;420364;420454;420582;410032;410040;410113;410173;410179;410222;420197;420222;420241;420462;420464;410101;410243;410390;420094;420100;420137;420148;420286;410084;410086;410091;410119;410177;410387;420348;410129;410287;410289;410297;420157;420198;510043;510161;520042;520253;510050;510609;510629;520168;520197;520287;520398;520584;510039;510242;510243;510258;510259;510284;510483;520011;520065;520480;520624;510433;510551;510648;520055;520147;520175;520395;520775;510076;510115;510255;510354;510438;510548;510639;512003;520097;510256;510342;510486;520078;520211;520215;520247;520377;520424;520436;520745;521040;510163;510321;510323;510329;510415;520002;520053;520391;520552;520597;520607;510086;510355;510434;510473;520083;520136;520239;520390;520517;520560;510208;510220;510237;510304;510474;510534;520127;520209;520254;520477;520503;520562;510226;510392;520013;520122;520134;520200;520673;520868;510393;510395;520279;520585;520980;610022;610028;610051;610101;620121;620259;620359;620406;610071;610099;610308;610594;620073;620262;620429;620479;620527;620785;621184;610039;610372;610496;610625;610671;620026;620085;620496;620821;621080;610285;610344;610575;610653;620090;620106;620118;620619;620659;620793;620935;610040;610046;610178;610292;610405;610576;620164;621199;621248;610058;610469;620114;620526;620549;621642;620005;620314;620567;620592;610210;610392;620129;620284;620451;620454;620466;620515;621128;610146;610227;610462;610568;620193;620264;620405;620413;620610;621011;621118;610052;610076;610212;610508;610631;620279;620444;620685;620354;620518;620572;620720;620885;620919;710037;710176;720188;721888;621284;710214;710223;710486;710858;710982;720119;720511;720670;720941;721052;721107;721114;721292;721418;721585;722421;722536;722651;710429;710494;711027;711128;711158;720238;720304;720329;720330;720497;721291;721377;721392;721449;721648;721707;721894;723197;710313;710350;720622;721729;710462;710664;720023;720407;721504;721704;710342;710382;710548;710566;720358;720986;721891;710679;720290;720516;720723;721434;722891;710131;710446;710551;710591;711244;711245;720400;721374;723395;712027;720774;721224;721532];
n_sub = length(subjects_updated);
% Preallocate
F_real_all = nan(n_rois, n_rois, n_sub);
F_null_all = nan(n_rois, n_rois, n_sub);
prefix1= '/media/shrey/Kirti1/NatureAging/GC/mvgc_originalSig/CC';
suffix1 = '.mat';
prefix2 = '/media/shrey/Kirti1/NatureAging/GC/mvgc_originalSig/Surrogate/CC';
suffix2 = '.mat';
for ii = 1:length(subjects_updated)
try
%Load real GC
load(strcat(prefix1, num2str(subjects_updated(ii,1)), suffix1));
F_real_all(:, :,ii) = F1;
%Load null GC
load(strcat(prefix2, num2str(subjects_updated(ii,1)), suffix2));
F_null_all(:,:,ii) = F_null;
catch
end
ii
end
% Checking if the F_null includes any imaginary value
% Subject list
subjects = [110182;120137;120376;120409;120462;121111;120061;120550;110606;120212;121685;120347;110056;110126;110098;110101;120276;120727;122016;110033;120208;120795;122620;110174;110187;110411;120065;120120;120184;120469;121317;121795;120008;120182;120640;121144;121200;121428;121479;120218;120309;120319;120764;121397;122172;122405;110069;110087;110319;120049;120166;120264;120313;120470;121106;121158;220526;221033;112141;210250;210519;212153;220115;220352;220519;221209;221373;222555;210148;210174;220151;220518;221648;222652;210023;210172;210182;220132;220419;221054;222797;220098;220511;220535;220610;221244;221565;221755;221775;221828;221954;222185;222956;220223;220323;220713;220828;221595;221886;210314;210422;210617;220107;220203;220284;220335;220920;221336;221527;221737;221980;222125;210051;210124;220234;220506;220697;220901;221107;221487;221740;222258;222326;210088;220232;220635;221040;221324;221511;221733;223115;223286;210526;210657;220198;220372;220567;220843;220974;220999;221002;221220;221352;221585;221935;221977;222120;222264;222367;221031;222304;222496;223085;320267;310203;320109;320417;320575;320616;321174;321506;321529;310129;310414;320022;320297;320321;320342;320478;320574;320686;321000;321025;321053;321087;321203;310391;310397;310410;320088;320361;320680;320687;321069;321137;310051;310052;310135;320448;320461;320651;320904;321428;321504;321976;310361;310400;320661;320814;321073;321594;310256;320325;320336;320568;320759;321107;321291;321544;321557;321585;321595;310008;310463;312149;320202;320428;320576;320608;320636;320698;321368;321464;310214;310331;310450;310473;320002;320500;320621;321281;321331;321880;310086;310224;310252;312058;320089;320107;320206;320218;320359;320445;320776;320850;320861;320870;320888;320893;322186;310142;310385;312222;320059;320160;320379;320429;320553;321154;321431;410354;420089;420383;321899;410097;410169;410286;420004;420173;420244;420322;420402;420587;420776;410284;420217;420226;420260;420566;420720;420888;410015;410323;420060;420167;420202;420392;420433;420493;420623;410220;410432;420071;420075;420091;420149;420162;420182;420229;420324;420412;420589;410182;410251;420143;420204;420236;420396;420435;410248;410325;412004;412021;420231;420261;420356;420364;420454;420582;410032;410040;410113;410173;410179;410222;420197;420222;420241;420462;420464;410101;410243;410390;420094;420100;420137;420148;420286;410084;410086;410091;410119;410177;410387;420348;410129;410287;410289;410297;420157;420198;510043;510161;520042;520253;510050;510609;510629;520168;520197;520287;520398;520584;510039;510242;510243;510258;510259;510284;510483;520011;520065;520480;520624;510433;510551;510648;520055;520147;520175;520395;520775;510076;510115;510255;510354;510438;510548;510639;512003;520097;510256;510342;510486;520078;520211;520215;520247;520377;520424;520436;520745;521040;510163;510321;510323;510329;510415;520002;520053;520391;520552;520597;520607;510086;510355;510434;510473;520083;520136;520239;520390;520517;520560;510208;510220;510237;510304;510474;510534;520127;520209;520254;520477;520503;520562;510226;510392;520013;520122;520134;520200;520673;520868;510393;510395;520279;520585;520980;610022;610028;610051;610101;620121;620259;620359;620406;610071;610099;610308;610594;620073;620262;620429;620479;620527;620785;621184;610039;610372;610496;610625;610671;620026;620085;620496;620821;621080;610285;610344;610575;610653;620090;620106;620118;620619;620659;620793;620935;610040;610046;610178;610292;610405;610576;620164;621199;621248;610058;610469;620114;620526;620549;621642;620005;620314;620567;620592;610210;610392;620129;620284;620451;620454;620466;620515;621128;610146;610227;610462;610568;620193;620264;620405;620413;620610;621011;621118;610052;610076;610212;610508;610631;620279;620444;620685;620354;620518;620572;620720;620885;620919;710037;710176;720188;721888;621284;710214;710223;710486;710858;710982;720119;720511;720670;720941;721052;721107;721114;721292;721418;721585;722421;722536;722651;710429;710494;711027;711128;711158;720238;720304;720329;720330;720497;721291;721377;721392;721449;721648;721707;721894;723197;710313;710350;720622;721729;710462;710664;720023;720407;721504;721704;710342;710382;710548;710566;720358;720986;721891;710679;720290;720516;720723;721434;722891;710131;710446;710551;710591;711244;711245;720400;721374;723395;712027;720774;721224;721532];
subjects_updated = [110182;120137;120376;120409;120462;121111;120061;120550;110606;120212;121685;120347;110056;110126;110098;110101;120276;120727;122016;110033;120208;120795;122620;110174;110187;110411;120065;120120;120184;120469;121317;121795;120008;120182;120640;121144;121200;121428;121479;120218;120309;120319;120764;121397;122172;122405;110069;110087;110319;120049;120166;120264;120313;120470;121106;121158;220526;221033;112141;210250;210519;212153;220115;220352;220519;221209;221373;222555;210148;210174;220151;220518;221648;222652;210023;210172;210182;220132;220419;221054;222797;220098;220511;220535;220610;221244;221565;221755;221775;221828;221954;222185;222956;220223;220323;220713;220828;221595;221886;210314;210422;210617;220107;220203;220284;220335;220920;221336;221527;221737;221980;222125;210051;210124;220234;220506;220697;220901;221107;221487;221740;222258;222326;210088;220232;220635;221040;221324;221511;221733;223115;223286;210526;210657;220198;220372;220567;220843;220974;220999;221002;221220;221352;221585;221935;221977;222120;222264;222367;221031;222304;222496;223085;320267;310203;320109;320417;320575;320616;321174;321506;321529;310129;310414;320022;320297;320321;320342;320478;320574;320686;321000;321025;321053;321087;321203;310391;310397;310410;320088;320361;320680;320687;321069;321137;310051;310052;310135;320448;320461;320651;320904;321428;321504;321976;310361;310400;320661;320814;321073;321594;310256;320325;320336;320568;320759;321107;321291;321544;321557;321585;321595;310008;310463;312149;320202;320428;320576;320608;320636;320698;321368;321464;310214;310331;310450;310473;320002;320500;320621;321281;321331;321880;310086;310224;310252;312058;320089;320107;320206;320218;320359;320445;320776;320850;320861;320870;320888;320893;322186;310142;310385;312222;320059;320160;320379;320429;320553;321154;321431;410354;420089;420383;321899;410097;410169;410286;420004;420173;420244;420322;420402;420587;420776;410284;420217;420226;420260;420566;420720;420888;410015;410323;420060;420167;420202;420392;420433;420493;420623;410220;410432;420071;420075;420091;420149;420162;420182;420229;420324;420412;420589;410182;410251;420143;420204;420236;420396;420435;410248;410325;412004;412021;420231;420261;420356;420364;420454;420582;410032;410040;410113;410173;410179;410222;420197;420222;420241;420462;420464;410101;410243;410390;420094;420100;420137;420148;420286;410084;410086;410091;410119;410177;410387;420348;410129;410287;410289;410297;420157;420198;510043;510161;520042;520253;510050;510609;510629;520168;520197;520287;520398;520584;510039;510242;510243;510258;510259;510284;510483;520011;520065;520480;520624;510433;510551;510648;520055;520147;520175;520395;520775;510076;510115;510255;510354;510438;510548;510639;512003;520097;510256;510342;510486;520078;520211;520215;520247;520377;520424;520436;520745;521040;510163;510321;510323;510329;510415;520002;520053;520391;520552;520597;520607;510086;510355;510434;510473;520083;520136;520239;520390;520517;520560;510208;510220;510237;510304;510474;510534;520127;520209;520254;520477;520503;520562;510226;510392;520013;520122;520134;520200;520673;520868;510393;510395;520279;520585;520980;610022;610028;610051;610101;620121;620259;620359;620406;610071;610099;610308;610594;620073;620262;620429;620479;620527;620785;621184;610039;610372;610496;610625;610671;620026;620085;620496;620821;621080;610285;610344;610575;610653;620090;620106;620118;620619;620659;620793;620935;610040;610046;610178;610292;610405;610576;620164;621199;621248;610058;610469;620114;620526;620549;621642;620005;620314;620567;620592;610210;610392;620129;620284;620451;620454;620466;620515;621128;610146;610227;610462;610568;620193;620264;620405;620413;620610;621011;621118;610052;610076;610212;610508;610631;620279;620444;620685;620354;620518;620572;620720;620885;620919;710037;710176;720188;721888;621284;710214;710223;710486;710858;710982;720119;720511;720670;720941;721052;721107;721114;721292;721418;721585;722421;722536;722651;710429;710494;711027;711128;711158;720238;720304;720329;720330;720497;721291;721377;721392;721449;721648;721707;721894;723197;710313;710350;720622;721729;710462;710664;720023;720407;721504;721704;710342;710382;710548;720986;721891;710679;720290;720516;720723;721434;722891;710131;710446;710551;710591;711244;711245;720400;721374;723395;712027;720774;721224;721532];
prefix = '/media/shrey/Kirti1/NatureAging/GC/mvgc_originalSig/CC';
suffix = '.mat';
imaginary_subjects = []; % Store subjects with imaginary values
nan_subjects = []; % Optional: track subjects with NaNs
inf_subjects = []; % Optional: track subjects with Infs
for sub = 1:length(subjects_updated)
sub_id = subjects_updated(sub);
file_path = strcat(prefix, [num2str(sub_id), suffix]);
try
load(file_path, 'F1');
if any(imag(F1(:)) ~= 0)
imaginary_subjects(end+1) = sub_id;
elseif any(isnan(F1(:)))
nan_subjects(end+1) = sub_id;
inf_subjects(end+1) = sub_id;
end
catch ME
fprintf('Could not load subject %d: %s\n', sub_id, ME.message);
end
end
% Display results
disp('Subjects with imaginary values in F1:');
disp(imaginary_subjects');
disp('Subjects with NaNs in F1 (if any):');
disp(nan_subjects');
disp('Subjects with Infs in F1 (if any):');
disp(inf_subjects');
%% Applying stats
% Date: 08/06/2025
% Applying FDR correction
% === INPUTS ===
% F_real : [16 x 16 x 620] real GC values across subjects
% F_surrogate : [16 x 16 x 620] surrogate GC values (null distribution)
nVars = size(F_real_all,1);
nSubj = size(F_real_all,3);
alpha = 0.01;
% === Step 1: Compute mean GC across subjects (real)
GC_real_mean = mean(F_real_all, 3, 'omitnan'); % [16 x 16]
% === Step 2: Compute null distribution from surrogate data
% For each connection (i→j), collect 620 surrogate values and get 99th percentile
threshold_matrix = nan(nVars, nVars);
pval_matrix = nan(nVars, nVars);
signif_matrix = false(nVars, nVars);
for i = 1:nVars
for j = 1:nVars
null_vals = squeeze(F_null_all(i,j,:)); % surrogate GC values for i→j
null_vals = null_vals(~isnan(null_vals));
real_val = GC_real_mean(i,j);
if ~isempty(null_vals) && ~isnan(real_val)
% 99th percentile threshold
threshold = quantile(null_vals, 1 - alpha);
threshold_matrix(i,j) = threshold;
% Compare real value to threshold
if real_val > threshold
signif_matrix(i,j) = true;
end
% Also compute uncorrected p-value
pval_matrix(i,j) = mean(null_vals >= real_val);
end
end
end
% === Step 3: Bonferroni correction
nTests = nVars * nVars;
bonf_alpha = alpha / nTests;
signif_matrix_bonf = pval_matrix < bonf_alpha;
% === Outputs ===
fprintf('Connections above 99th percentile (uncorrected): %d\n', sum(signif_matrix(:)));
fprintf('Connections significant after Bonferroni: %d\n', sum(signif_matrix_bonf(:)));
% === OPTIONAL: Visualize
figure;
subplot(1,3,1); imagesc(GC_real_mean); title('Mean Real GC'); colorbar; axis square;
subplot(1,3,2); imagesc(signif_matrix); title('Uncorrected Significance'); axis square;
subplot(1,3,3); imagesc(signif_matrix_bonf); title('Bonferroni Corrected'); axis square;
%% Understanding trend of the signficant connections
% Linear regression between 1 to 5
for ii = 1:176
GCVal_young(ii) = F_young1{ii,1}(4,15);
age_young(ii) = F_young1{ii,3};
ii
end
for ii = 1:198
GCVal_middle(ii) = F_middle1{ii,1}(4,15);
age_middle(ii) = F_middle1{ii,3};
ii
end
for ii = 1:243
GCVal_old(ii) = F_old1{ii,1}(4,15);
age_old(ii) = F_old1{ii,3};
ii
end
GC = [GCVal_young, GCVal_middle, GCVal_old];
age = [age_young, age_middle, age_old];
[r,p] = corrcoef(age, GC)
figure; scatter(age,GC);
set(gca,'FontSize',14);
xlabel('Age (years)');
ylabel('GC Values');
xlim([10 90]);
%% DATE: 08/11/2025
% Applying stats on group wise
n_rois = 17;
sub_y = length(young);
sub_m = length(middle);
sub_o = length(old_updated);
young = [110182;120137;120376;120409;120462;121111;120061;120550;110606;120212;121685;120347;110056;110126;110098;110101;120276;120727;122016;110033;120208;120795;122620;110174;110187;110411;120065;120120;120184;120469;121317;121795;120008;120182;120640;121144;121200;121428;121479;120218;120309;120319;120764;121397;122172;122405;110069;110087;110319;120049;120166;120264;120313;120470;121106;121158;220526;221033;112141;210250;210519;212153;220115;220352;220519;221209;221373;222555;210148;210174;220151;220518;221648;222652;210023;210172;210182;220132;220419;221054;222797;220098;220511;220535;220610;221244;221565;221755;221775;221828;221954;222185;222956;220223;220323;220713;220828;221595;221886;210314;210422;210617;220107;220203;220284;220335;220920;221336;221527;221737;221980;222125;210051;210124;220234;220506;220697;220901;221107;221487;221740;222258;222326;210088;220232;220635;221040;221324;221511;221733;223115;223286;210526;210657;220198;220372;220567;220843;220974;220999;221002;221220;221352;221585;221935;221977;222120;222264;222367;221031;222304;222496;223085;320267;310203;320109;320417;320575;320616;321174;321506;321529;310129;310414;320022;320297;320321;320342;320478;320574;320686;321000;321025;321053;321087;321203];
middle = [310391;310397;310410;320088;320361;320680;320687;321069;321137;310051;310052;310135;320448;320461;320651;320904;321428;321504;321976;310361;310400;320661;320814;321073;321594;310256;320325;320336;320568;320759;321107;321291;321544;321557;321585;321595;310008;310463;312149;320202;320428;320576;320608;320636;320698;321368;321464;310214;310331;310450;310473;320002;320500;320621;321281;321331;321880;310086;310224;310252;312058;320089;320107;320206;320218;320359;320445;320776;320850;320861;320870;320888;320893;322186;310142;310385;312222;320059;320160;320379;320429;320553;321154;321431;410354;420089;420383;321899;410097;410169;410286;420004;420173;420244;420322;420402;420587;420776;410284;420217;420226;420260;420566;420720;420888;410015;410323;420060;420167;420202;420392;420433;420493;420623;410220;410432;420071;420075;420091;420149;420162;420182;420229;420324;420412;420589;410182;410251;420143;420204;420236;420396;420435;410248;410325;412004;412021;420231;420261;420356;420364;420454;420582;410032;410040;410113;410173;410179;410222;420197;420222;420241;420462;420464;410101;410243;410390;420094;420100;420137;420148;420286;410084;410086;410091;410119;410177;410387;420348;410129;410287;410289;410297;420157;420198;510043;510161;520042;520253;510050;510609;510629;520168;520197;520287;520398;520584;510039;510242;510243;510258;510259;510284;510483;520011;520065;520480;520624];
old_updated = [510433;510551;510648;520055;520147;520175;520395;520775;510076;510115;510255;510354;510438;510548;510639;512003;520097;510256;510342;510486;520078;520211;520215;520247;520377;520424;520436;520745;521040;510163;510321;510323;510329;510415;520002;520053;520391;520552;520597;520607;510086;510355;510434;510473;520083;520136;520239;520390;520517;520560;510208;510220;510237;510304;510474;510534;520127;520209;520254;520477;520503;520562;510226;510392;520013;520122;520134;520200;520673;520868;510393;510395;520279;520585;520980;610022;610028;610051;610101;620121;620259;620359;620406;610071;610099;610308;610594;620073;620262;620429;620479;620527;620785;621184;610039;610372;610496;610625;610671;620026;620085;620496;620821;621080;610285;610344;610575;610653;620090;620106;620118;620619;620659;620793;620935;610040;610046;610178;610292;610405;610576;620164;621199;621248;610058;610469;620114;620526;620549;621642;620005;620314;620567;620592;610210;610392;620129;620284;620451;620454;620466;620515;621128;610146;610227;610462;610568;620193;620264;620405;620413;620610;621011;621118;610052;610076;610212;610508;610631;620279;620444;620685;620354;620518;620572;620720;620885;620919;710037;710176;720188;721888;621284;710214;710223;710486;710858;710982;720119;720511;720670;720941;721052;721107;721114;721292;721418;721585;722421;722536;722651;710429;710494;711027;711128;711158;720238;720304;720329;720330;720497;721291;721377;721392;721449;721648;721707;721894;723197;710313;710350;720622;721729;710462;710664;720023;720407;721504;721704;710342;710382;710548;720986;721891;710679;720290;720516;720723;721434;722891;710131;710446;710551;710591;711244;711245;720400;721374;723395;712027;720774;721224;721532];
% Preallocate
F_real_young = nan(n_rois, n_rois, sub_y);
F_null_young = nan(n_rois, n_rois, sub_y);
F_real_middle = nan(n_rois, n_rois, sub_m);
F_null_middle = nan(n_rois, n_rois, sub_m);
F_real_old = nan(n_rois, n_rois, sub_o);
F_null_old = nan(n_rois, n_rois, sub_o);
prefix1= '/media/shrey/Kirti1/NatureAging/GC/mvgc_originalSig/CC';
suffix1 = '.mat';
prefix2 = '/media/shrey/Kirti1/NatureAging/GC/mvgc_originalSig/Surrogate/CC';
suffix2 = '.mat';
for ii = 1:length(young)
try
%Load real GC
load(strcat(prefix1, num2str(young(ii,1)), suffix1));
F_real_young(:, :,ii) = F1;
%Load null GC
load(strcat(prefix2, num2str(young(ii,1)), suffix2));
F_null_young(:,:,ii) = F_null(1:16,1:16);
catch
end
ii
end
for ii = 1:length(middle)
try
%Load real GC
load(strcat(prefix1, num2str(middle(ii,1)), suffix1));
F_real_middle(:, :,ii) = F1(1:16,1:16);
%Load null GC
load(strcat(prefix2, num2str(middle(ii,1)), suffix2));
F_null_middle(:,:,ii) = F_null(1:16,1:16);
catch
end
ii
end
for ii = 1:length(old_updated)
try
%Load real GC
load(strcat(prefix1, num2str(old_updated(ii,1)), suffix1));
F_real_old(:, :,ii) = F1(1:16,1:16);
%Load null GC
load(strcat(prefix2, num2str(old_updated(ii,1)), suffix2));
F_null_old(:,:,ii) = F_null(1:16,1:16);
catch
end
ii
end
%% STATS
% F_surrogate : [16 x 16 x 620] surrogate GC values (null distribution)
nVars = size(F_real_old,1);
nSubj = size(F_real_old,3);
alpha = 0.01;
% === Step 1: Compute mean GC across subjects (real)
GC_real_mean = mean(F_real_old, 3, 'omitnan'); % [16 x 16]
% === Step 2: Compute null distribution from surrogate data
% For each connection (i→j), collect 620 surrogate values and get 99th percentile
threshold_matrix = nan(nVars, nVars);
pval_matrix= nan(nVars, nVars);
signif_matrix = false(nVars, nVars);
for i = 1:nVars
for j = 1:nVars
null_vals = squeeze(F_null_old(i,j,:)); % surrogate GC values for i→j
null_vals = null_vals(~isnan(null_vals));
real_val = GC_real_mean(i,j);
if ~isempty(null_vals) && ~isnan(real_val)
% 99th percentile threshold
threshold = quantile(null_vals, 1 - alpha);
threshold_matrix(i,j) = threshold;
% Compare real value to threshold
if real_val > threshold
signif_matrix(i,j) = true;
end
% Also compute uncorrected p-value
pval_matrix(i,j) = mean(null_vals >= real_val);
end
end
end
% === Step 3: Bonferroni correction
nTests = nVars * nVars;
bonf_alpha = alpha / nTests;
signif_matrix_bonf = pval_matrix< bonf_alpha;
% === Outputs ===
fprintf('Connections above 99th percentile (uncorrected): %d\n', sum(signif_matrix(:)));
fprintf('Connections significant after Bonferroni: %d\n', sum(signif_matrix_bonf(:)));
% === OPTIONAL: Visualize
figure;
subplot(1,3,1); imagesc(GC_real_mean); title('Old'); colorbar; axis square;
subplot(1,3,2); imagesc(signif_matrix); title('Uncorrected Significance'); axis square;
subplot(1,3,3); imagesc(signif_matrix_bonf); title('Bonferroni Corrected'); axis square;
%% Understanding the trend of the significant GC connections
%% Understanding trend of the signficant connections
% Linear regression between 1 to 5
for ii = 1:size(F_young1,1)
GCVal_young(ii) = F_young1{ii,1}(4,15);
age_young(ii) = F_young1{ii,3};
ii
end
for ii = 1:size(F_middle1,1)
GCVal_middle(ii) = F_middle1{ii,1}(4,15);
age_middle(ii) = F_middle1{ii,3};
ii
end
for ii = 1:size(F_old1,1)
GCVal_old(ii) = F_old1{ii,1}(4,15);
age_old(ii) = F_old1{ii,3};
ii
end
GC = [GCVal_young, GCVal_middle, GCVal_old];
age = [age_young, age_middle, age_old];
[r,p] = corrcoef(age, GC)
figure; scatter(age,GC);
set(gca,'FontSize',14);
xlabel('Age (years)');
ylabel('GC Values');
xlim([10 90]);

MVGC.m at commit 35b1c30, no license · at the source

Overview

Authors: Kirti Saluja¹, Dipanjan Roy², Arpan Banerjee¹

ORCID iDs: Arpan Banerjee

Institutions: National Brain Research Centre (India); Indian Institute of Technology Jodhpur (India)

Journal: Imaging neuroscience (Cambridge, Mass.), volume 4, article IMAG.a.1319

Dates: received 12 January 2026; accepted 27 June 2026; published online 29 July 2026

Type: Research article · Language: English

License: CC BY

Identifiers: DOI 10.1162/imag.a.1319 · PMID 42569459 · PMCID PMC13449928 · OpenAlex W7167677055

Open access: diamond, a free copy (OpenAlex)

Status: code verified

Categories: human (organism), cognitive (subfield)

Methods: Spectral & time-frequency, Preprocessing, Statistics, Smoothing, state filtering, decompositions, Machine learning, Connectivity, fMRI & imaging, Evoked potentials, Physiology & signal measures

Keywords: interoception, resting state, time perception, heartbeat evoked responses (HERs), Granger causality (GC), inter-trial phase coherence (ITPC)

Topic: Functional Brain Connectivity Studies (Cognitive Neuroscience, Neuroscience), according to OpenAlex

Funding: Department of Biotechnology, Ministry of Science and Technology, India; National Brain Research Centre

Citations: not cited yet (Europe PMC); 58 references in the paper

Abstract

The brain continuously integrates signals from the external environment along with internal bodily cues to support adaptive cognition and homeostasis. Among these, multiple visceral rhythms, such as respiration, circadian fluctuations, and cardiac activity, contribute to the organization of intrinsic brain dynamics. The present study focuses on cardiac signals, as the heartbeat provides a continuous, quasi-periodic physiological rhythm that enables precise time-locking of neural responses and offers a tractable model for investigating brain–body interactions at rest. Interoceptive processing is influenced by factors, including arousal, emotional state, and aging, and is known to be altered in neurological conditions such as Parkinson’s disease and dementia. Here, we investigated how the cortical representation of cardiac signals changes across the adult lifespan and the mechanisms underlying this reorganization. Using a large human cohort (N = 620, aged 18–88 years) with simultaneous resting-state MEG and ECG, the study found that cortical heartbeat-evoked responses (HERs) showed distinct amplitude changes in the 180–320 ms window post the heartbeat including a systematic reduction in amplitude with age. Cardiac signals modulated the phase of ongoing theta-band neural oscillations rather than altering overall power, and this phase-resetting effect became more consolidated in older adults. Source analysis revealed that resting-state HERs originated primarily from fronto-temporal regions, including orbitofrontal, frontal, and temporal pole areas, and exhibited a clear age-related shift from predominantly frontal to more temporal generators. Directed connectivity analyses revealed an age-related shift in heart–brain communication, characterized by increased heart-to-brain and decreased brain-to-heart Granger causality. Together, these findings demonstrate that cardiac processing undergoes systematic age-related reorganization, characterized by changes in response amplitude, phase dynamics, and heart–brain interactions. These alterations may contribute to broader age-related differences in cognitive functions such as attention, emotions, and time perception.

Reproduced under the paper's license (CC BY), from the paper cited above.

Repository

Its files are read in the Code ↔ Paper reader above, with 7 matches between paragraphs and lines of code.

kirtisaluja/HER-Across-Ageing

License: none: the authors keep all their rights

State: the link answers, verified on 27 September 2026

Evidence: files inventoried

Commit: 35b1c30602d9215083ba7114d6e88a8b9a70d151, 14 September 2025

Languages: MATLAB (5), Jupyter (1)

Size: 7 files, 6 scripts

Software Heritage: not archived

Found in: “Data and Code Availability”

Holds: README, 1 notebook

Not found: license file, CITATION.cff, environment file, tests, continuous integration, documentation

Tools: FieldTrip (3 files), Chronux (1 file), Statistics and Machine Learning Toolbox (1 file), MNE-Python (1 file), NumPy (1 file), SciPy (1 file)

Availability: 1 check, the latest on 27 September 2026: the link answers

27 September 2026: the link answers

7 files

ECGSignalQualityMeasures.m, MATLAB, 79 lines
HERsAcrossAge.m, MATLAB, 83 lines, 2 matches
ICA_July_thirdfinal_HEPdec2022 (1).ipynb, Jupyter, 130 lines, 1 match
ITC_critical_value.m, MATLAB, 63 lines
MVGC.m, MATLAB, 623 lines, 2 matches
PanTompkin_Rpeak.m, MATLAB, 72 lines, 2 matches
README.md, Text, 33 lines

At the source: github.com/kirtisaluja/HER-Across-Ageing/

The paper's code and data availability statement is in the Data section.

Tracing map

Proposed by the machine: these links were found in the paper and verified at the source, without human review. The map will receive a Zenodo DOI once one of the paper's authors has validated it with their ORCID.

What the map holds:

1 repository of the authors' code, each at its verified commit, with its license and how the link was found in the paper;
6 scripts, each with its path and the digest of its content;
7 matches between paragraphs of the paper and lines of the code (method lexical-v1);
neither the text of the paper nor the code itself.

Its JSON (tracing-map.json) is deposited on Zenodo with its DOI once the map is validated.

Data

No dataset and no data link were found in the paper.

Data and Code Availability

The neuroimaging data of healthy participants were obtained from publicly available CamCAN repository (available at http://www.mrc-cbu.cam.ac.uk/datasets/camcan). (Shafto et al., 2014; Taylor et al., 2017). Please note all data are publicly available after signing a non-disclosure clause with data provider (CamCAN). Custom code used for the analysis presented in this study can be downloaded from GitHub link https://github.com/kirtisaluja/HER-Across-Ageing/

Reproduced under the paper's license (CC BY), from the paper cited above.

Versions

The history of this record: each version stored by the harvester or made by a correction of its authors or of the maintainers of its code, and what changed in its facts. The texts of the paper (its abstract, its availability statements) are not part of it; versions that changed only those are not listed.

Version 2, 28 September 2026

Funding: added Department of Biotechnology, Ministry of Science and Technology, India; National Brain Research Centre

Version 1, 27 September 2026: the first record

Recorded: type, language, journal, volume, pages, dates, 3 authors, 6 keywords, 58 references.

Cite

This paper

Saluja, K., Roy, D., & Banerjee, A. (2026). When the inner clock fades: Interoceptive decline and consolidation of phase resetting in cortical rhythms by cardiac events underlie healthy lifespan aging. Imaging neuroscience (Cambridge, Mass.), 4, IMAG.a.1319. https://doi.org/10.1162/imag.a.1319

BibTeX

@article{saluja2026when, author = {Saluja, Kirti and Roy, Dipanjan and Banerjee, Arpan}, title = {{When the inner clock fades: Interoceptive decline and consolidation of phase resetting in cortical rhythms by cardiac events underlie healthy lifespan aging}}, journal = {Imaging neuroscience (Cambridge, Mass.)}, year = {2026}, month = jul, volume = {4}, pages = {IMAG.a.1319}, publisher = {MIT Press}, issn = {2837-6056}, doi = {10.1162/imag.a.1319}, url = {https://doi.org/10.1162/imag.a.1319}, pmid = {42569459}, pmcid = {PMC13449928} }

RIS

TY - JOUR AU - Saluja, Kirti AU - Roy, Dipanjan AU - Banerjee, Arpan TI - When the inner clock fades: Interoceptive decline and consolidation of phase resetting in cortical rhythms by cardiac events underlie healthy lifespan aging T2 - Imaging neuroscience (Cambridge, Mass.) J2 - Imaging Neurosci (Camb) PY - 2026 DA - 2026/07/29 VL - 4 SP - IMAG.a.1319 SN - 2837-6056 PB - MIT Press DO - 10.1162/imag.a.1319 UR - https://doi.org/10.1162/imag.a.1319 LA - en ER -

CSL-JSON

{ "id": "10.1162/imag.a.1319", "type": "article-journal", "title": "When the inner clock fades: Interoceptive decline and consolidation of phase resetting in cortical rhythms by cardiac events underlie healthy lifespan aging", "container-title": "Imaging neuroscience (Cambridge, Mass.)", "author": [ { "family": "Saluja", "given": "Kirti" }, { "family": "Roy", "given": "Dipanjan" }, { "family": "Banerjee", "given": "Arpan" } ], "container-title-short": "Imaging Neurosci (Camb)", "volume": "4", "page": "IMAG.a.1319", "DOI": "10.1162/imag.a.1319", "PMID": "42569459", "PMCID": "PMC13449928", "ISSN": "2837-6056", "publisher": "MIT Press", "URL": "https://doi.org/10.1162/imag.a.1319", "language": "en", "issued": { "date-parts": [ [ 2026, 7, 29 ] ] } }

The tracing map gets a citation of its own once an author has validated it and it has a DOI.

Contribute

The authors of this paper can claim it, correct its record and validate its tracing map, and the maintainers of its code (its owner, or a public member of its organization) correct what it says of their repository; anyone signed in can ask for its removal. Every request goes to OSCR's own machine, which answers it; your account page follows them.

Sign in with ORCID to claim this paper as one of its authors, correct its record or validate its tracing map: when the paper's metadata lists your ORCID iD, you are recognized at once. Maintainers of its code: sign in with GitHub, then claim the repository on your account page.

Request its removal

To ask OSCR to remove this record, the copies of its authors' scripts or its tracing map, use the removal request page: signed in, you say who you are, what to remove and why, then review and confirm the request. Published rules decide every request (how).

Discussion, reproductions, activity

Discussion: questions and error reports about this paper and its code, from signed-in readers and its authors. It opens with sign-in.

Reproductions: reports from readers who ran the authors' code: what they reproduced, with which environment, commit and data. It opens with sign-in.

Activity: what happens around this paper: new versions of its record, its map's validation, discussions and reproductions. It opens with sign-in.