Zmiany w łączności mózgu podczas snu poprzez przezczaszkową neurostymulację w pętli zamkniętej Przewidywanie wrażliwości metapamięci Część 3

WYNIKI

Skutki behawioralne

Jak podają Pilly i in. (2020) stymulacja STAMP nie doprowadziła do znaczącej poprawy ogólnej dokładności przywoływania pamięci. Jednakże stymulacja STAMP doprowadziła do poprawy wrażliwości metapamięci w trzecim dniu eksperymentu (po drugiej nocy).

Wrażliwość na metapamięć odnosi się do świadomości i zrozumienia posiadanych przez osobę zdolności pamięciowych, natomiast zdolność pamięci odnosi się do zdolności pamięciowych wykazanych w konkretnej praktyce. Istnieje ścisły związek między nimi dwoma.

Po pierwsze, wrażliwość metapamięci bezpośrednio wpływa na wydajność pamięci. Jeśli dana osoba wierzy, że ma pewność co do określonego typu pamięci, będzie miała tendencję do cięższej pracy nad jego zapamiętywaniem i będzie osiągać lepsze wyniki w tego typu zadaniach pamięciowych. Z drugiej strony, jeśli dana osoba nie ma pewności co do swoich zdolności pamięci, może to spowodować, że będzie gorzej wykonywać zadania związane z pamięcią, zmniejszając w ten sposób jej zdolność pamięci.

Po drugie, pozytywna wrażliwość na metapamięć pomaga poprawić pamięć. Jeśli dana osoba wierzy, że jest jeszcze miejsce na poprawę jej zdolności zapamiętywania, będzie bardziej aktywna w ćwiczeniu tej zdolności, poprawiając w ten sposób dokładność i trwałość pamięci. Ci, którzy uważają, że ich zdolność pamięci osiągnęła szczyt, często nie są w stanie zaakceptować nowych wyzwań związanych z pamięcią i w ten sposób tracą okazję do poprawy swojej zdolności pamięci.

Dlatego musimy aktywnie kultywować naszą wrażliwość na metapamięć, przełamywać ograniczenia i ustawienia naszych zdolności pamięciowych oraz wierzyć, że możemy w dalszym ciągu doskonalić się w zadaniach pamięciowych. Jednocześnie musimy także polegać na nagromadzonych treningach i praktyce, aby poprawić naszą zdolność pamięci, aby można ją było skuteczniej wykorzystać w określonej praktyce. Tylko w ten sposób możemy zmaksymalizować potencjał naszej pamięci i osiągnąć lepsze wyniki. Widać, że trzeba poprawić pamięć, a Cistanche desericola potrafi znacząco poprawić pamięć, bo Cistanche desericola potrafi także regulować równowagę neuroprzekaźników, np. zwiększać poziom acetylocholiny i czynników wzrostu. Substancje te są bardzo ważne dla pamięci i uczenia się. Ponadto Cistanche desericola może również poprawić przepływ krwi i promować dostarczanie tlenu, co może zapewnić mózgowi odpowiednią ilość składników odżywczych i energii, poprawiając w ten sposób witalność i wytrzymałość mózgu.

Kliknij Poznaj suplementy poprawiające pamięć

W szczególności zależne testy t porównujące czułość metapamięci w różnych warunkach wykazały, że czułość w warunku znacznika i sygnalizacji była znacznie większa niż zarówno w warunku znacznika, jak i braku wskazówki [t(23)=3.51, skorygowane p < 0 0,01, poprawka Holma – Bonferroniego dla dwóch porównań; próbka sparowana d Cohena=0.72] i warunek pozorny [t(23)=2.089, skorygowane p=0.048, poprawka Holma-Bonferroniego dla dwóch porównań; d Cohena dla próby sparowanej=0.43].

Znaczącą poprawę wrażliwości metapamięci stwierdzono dopiero w 3. dniu eksperymentu. Zatem zastosowanie STAMP podczas SWO w ciągu dwóch nocy po jednorazowym obejrzeniu doprowadziło do specyficznego wzmocnienia metapamięci w przypadku odcinków, które były zarówno oznaczone, jak i sygnalizowane.

Globalne zmiany spójności

W pierwszym przebiegu zbadaliśmy ogólne zmiany średniej spójności na skórze głowy spowodowane stymulacją STAMP, aby ustalić, czy stymulacja doprowadziła do jakichkolwiek mierzalnych zmian w łączności.

Dodatkowo staraliśmy się powtórzyć wcześniejsze prace i ocenić, czy stymulacja spowoduje podobne zmiany w koherencji, jak uczenie się podczas snu (Mölle i in., 2004). Poprzednia praca (Mölle i in., 2004) donosiła o modulacji spójności pasm delta, wrzeciona i gamma podczas snu po nauce; dla kontrastu, inne prace (Polanía i in., 2011) wykazały zwiększoną łączność we wszystkich pasmach częstotliwości po stymulacji tDCS.

Dlatego postawiliśmy hipotezę, że stymulacja STAMP zwiększy średnią spójność w porównaniu z warunkiem pozornym w pasmach delta, wrzeciono i gamma, ale zbadaliśmy również różnice w innych pasmach za pomocą konserwatywnych testów statystycznych.

Średnie wartości iCoh we wszystkich pasmach częstotliwości obliczono dla danych skorygowanych o linię bazową Active i Sham w celu zbadania globalnych zmian w łączności, w związku z czym przeprowadzono jednostronne testy t na średnich wartościach koherencji w każdym paśmie częstotliwości i skorygowano je o współczynnik fałszywych odkryć p< 0.05 (Benjamini & Hochberg, 1995). 

Mapy koherencji pokazujące większą łączność w stanie aktywnym na skórze głowy wizualizowano poprzez ustawienie progu wizualizacji na maksimum warunku pozorowanego dla każdego pasma częstotliwości, zasadniczo odejmując warunek pozorny. Średnie zmiany koherencji wywołane stymulacją w różnych pasmach częstotliwości przedstawiono na rysunku 3.

Wykresy topograficzne przedstawiają spójność pomiędzy parami elektrod w stanie aktywnym, progowaną przez spójność w stanie pozorowanym, natomiast wykresy pudełkowe pokazane dla progowych średnich wartości koherencji na całej skórze głowy. Analiza ogólnych zmian koherencji na skórze głowy ujawniła, że ​​STAMP powodowały znaczny wzrost średniej koherencji w wielu pasmach częstotliwości.

Spójność EEG była znacząco zwiększona po STAMP w pasmach theta, alfa i wrzeciona ( p < 0,05) w porównaniu z warunkiem pozorowanym. Średnie koherencje w pasmach delta, beta i gamma nie różniły się istotnie pomiędzy warunkami stymulacji . Zatem zmiany w łączności mózgu wywołane stymulacją STAMP w określonych pasmach częstotliwości.

Klasyfikacja i przewidywanie zachowań

Wyniki analizy klasyfikacji przedstawiono na rysunku 4 i przedstawiono w tabeli 1. Średnie wartości ważności w fałdach dla obiektów wybranych przez Borutę są wykreślone po lewej stronie, przy czym cechy stale uważane za ważne są podświetlone na zielono (znacznie powyżej średniego Shadowmax). W fałdach jako najważniejszą cechę konsekwentnie wybierano promień w paśmie wrzeciona (12–15 Hz).

Inne ważne cechy obejmowały: długość ścieżki (12–15 Hz) oraz średnią spójność i gęstość (3–8 Hz). Krzywe ROC wydajności klasyfikatora wykreślono po prawej stronie. Jak wskazano w Masonie i Grahamie (2002), na każdym klasyfikatorze przeprowadzono testy U Manna–Whitneya, aby określić, czy działanie klasyfikatora było statystycznie istotne powyżej przypadku (AUC=0,5). Wszystkie testy wykazały istotne wartości p ( p < 0,001).

Dodatkowo obliczyliśmy 95% przedziały ufności, stosując podejście astratyfikowanego ponownego próbkowania metodą bootstrap z 10000 replikacjami bootstrap, co dodatkowo wykazało skuteczność klasyfikacji powyżej szansy (Carpenter i Bithell, 2000).

Zatem dokładność klasyfikacji była większa od przypadku, a wzięcie najważniejszych zmiennych z analiz klasyfikacji i regresji (długość ścieżki w zakresie 16–30 Hz i promień w zakresie 12–15 Hz) doprowadziło do najlepszej wydajności klasyfikacji.

W ramach analizy uzupełniającej cztery cechy wybrane do klasyfikacji przez algorytm Boruty poddano testom t, sprawdzającym różnicę w łączności między warunkami aktywnymi i pozornymi. Otrzymane wartości p skorygowano współczynnikiem fałszywych odkryć ustawionym na {{ 2}}.05.

Skorygowane wartości p dla długości i promienia ścieżki 12–15 Hz oraz średniej spójności 3–8 Hz były istotne ( p=0.029); gęstość 3–8 Hz była również istotna na poziomie istotności alfa ( p=0.05). Zatem funkcje łączności, które uległy znaczącym zmianom po stymulacji aktywnej w porównaniu ze stymulacją pozorowaną, zostały znalezione w potoku selekcji funkcji. Długość ścieżki i promień od fazy przed stymulacją do po stymulacji uległy znacznemu zmniejszeniu w stanie aktywnym w porównaniu z próbą pozorowaną, podczas gdy średnie cechy spójności i gęstości znacznie wzrosły w porównaniu z próbą pozorowaną.

Wykresy pudełkowe przedstawiające te cechy dla obu warunków przedstawiono w informacjach pomocniczych, na rysunku S3. Wyniki analizy przewidywań behawioralnych przedstawiono na rysunku 5 i przedstawiono w tabeli 2.

Tutaj zmiany w pomiarach neuronalnych po stymulacji wykorzystano jako cechy do przewidywania zmiany czułości metapamięci (AUC) testu przywoływania zarówno dla Tag & Cue, jak i Shamconditions od dnia 2 do dnia 3, aby zidentyfikować relacje mózg-zachowanie.

Wartości ważności Boruty dla teoretycznych cech grafów wykreślono po lewej stronie, długość ścieżki w paśmie beta (16–30 Hz) uznano za bardzo ważną dla przewidywania zmian czułości metapamięci i jako jedyną wybraną cechę. Zależność między wywołaną stymulacją zmianą długości ścieżki 16–30 Hz a nocną zmianą wydajności AUC zarówno dla danych aktywnych (Tag i Cue), jak i warunków pozorowanych przedstawiono po prawej stronie.

Korelacja między zmianą długości ścieżki pasma beta a zmianą AUC była istotna dla warunku aktywnego (r=−0.66, p=0.003), wskazując, że osoby o zmniejszonej długości ścieżki po STAMP-ach wykazywały tendencję do wykazywania pozytywnej zmiany w wydajności pamięci. Zależność ta nie była istotna dla warunku pozorowanego (r=-0,22, p=0,39).

W oparciu o wyniki tych analiz przeprowadzono uzupełniające regresje liniowe, prognozując jednodniową zmianę wrażliwości metapoznawczej, wykorzystując długość ścieżki w paśmie 16–30 Hz zarówno dla danych aktywnych, jak i danych pozorowanych.

W przypadku danych aktywnych długość ścieżki 16–30 Hz znacząco przewidywała zmianę AUC (t=-3,56, p=0.003, przym. R{{7} }.41). W przypadku danych Shama długość ścieżki 16–30 Hz nie była istotnym predyktorem (t=-0,88, p=0,39, przym. R2=-0,01). Przeprowadzono także dodatkowe analizy w celu porównania warunków aktywnych i pozornych, które opisano szczegółowo w informacjach uzupełniających.

DYSKUSJA

W niniejszym eksperymencie uczestnicy wykonywali zadanie związane z pamięcią epizodyczną, otrzymując jednocześnie unikalne czasoprzestrzenne wzorce przezczaszkowej stymulacji elektrycznej, a podzbiór wzorców został ponownie zastosowany podczas stanów SWO w kolejnych nocach, aby zasygnalizować reaktywację specyficznych powiązanych wspomnień (patrz Pilly i in., 2020).

Tutaj przedstawiamy zmiany w funkcjonalnej łączności mózgowej wywołane tymi wzorcami tES podczas snu, które przewidywały zmiany wrażliwości metapamięci od okresu przed snem do snu.

Wykorzystując techniki uczenia maszynowego do identyfikacji ważnych cech pozwalających na klasyfikację stymulacji aktywnej i pozorowanej, odkryliśmy, że cechy łączności w pasmach theta i wrzeciona znacząco różniły się w obu warunkach.

Ponadto odkryliśmy, że zmiany w długości ścieżki w paśmie beta przewidywały zmiany wrażliwości na pamięć, ponieważ wzrost wydajności w ciągu nocy był powiązany ze spadkiem długości ścieżki beta po stymulacji.

Podsumowując, wyniki te przyczyniają się do coraz większej liczby badań dotyczących procesów neuronalnych leżących u podstaw reaktywacji i konsolidacji pamięci podczas snu i sugerują, że modulacja długości ścieżki przy określonych częstotliwościach podczas procesu konsolidacji może prowadzić do większej pewności i lepszego podejmowania decyzji w przypadku nowo skonsolidowanych wspomnień.

Krótkie impulsy tES, czyli STAMP, wykorzystane w bieżącym eksperymencie zwiększyły ogólną spójność skóry głowy w pasmach o niższej częstotliwości, mianowicie w pasmach theta, alfa i wrzeciona, czyli zasadniczo w zakresie 3–15 Hz. Co ciekawe, po uczeniu się stwierdzono również zmiany w łączności pasm wrzeciona podczas snu; jednakże nie stwierdzono zmian w łączności w pasmach delta i gamma po stymulacji STAMP, co jest nieco sprzeczne z wcześniejszymi pracami eksperymentalnymi (Mölle i in., 2004).

Jednakże zastosowany tutaj protokół stymulacji różnił się znacznie od poprzednich badań — mianowicie użyliśmy krótkich impulsów prądów elektrycznych rozproszonych w czasie i przestrzeni, które miały przede wszystkim na celu wywołanie określonych wspomnień ze względu na ich wyjątkowość i powiązanie z okresem kodowania, a nie modulowanie ani pobudzanie określonych oscylacji. Co ważne, aktywność w raportowanych pasmach częstotliwości, zwłaszcza pasma theta i wrzeciona, jest powiązana z procesem konsolidacji pamięci (Staresinaet al., 2015).

Zatem STAMP mogły modulować trwające procesy reaktywacji lub konsolidacji pamięci podczas snu, prowadząc do zmian w łączności w obserwowanych pasmach częstotliwości. W ostatnich pracach zakwestionowano także skuteczność tES w znaczącym wpływie na zachowanie (Horvath i in., 2015). jak pod względem zdolności do modulowania wzorców odpalania neuronów lub aktywności oscylacyjnej (Lafon i in., 2017; Vöröslakos i in., 2018).

Jednak inne badania wykazały mierzalne zmiany neuronalne u ludzi i naczelnych innych niż ludzie po tES, nawet przy niższych poziomach intensywności (Huang i in., 2017; Krause i in., 2017; Opitz i in., 2016). Szczególnym problemem jest zdolność tES, w szczególności stymulacji prądem przemiennym, do wzbudzania oscylacji neuronowych do określonej częstotliwości.

W tym miejscu nie twierdzimy, że zgłaszane zmiany elektrofizjologiczne wynikają z oscylacyjnego porywania krótkich impulsów stymulacji lub że indukujemy te zmiany od nowa, ale raczej, że STAMP działają w celu pobudzenia trwających procesów konsolidacji pamięci, które zachodzą poprzez subtelne modulacje sieci -poziom łączności. Twierdzilibyśmy, że obserwowane wzorce łączności podczas snu są naturalnymi zjawiskami, które zachodzą i prowadzą do konsolidacji pamięci, a stymulacja STAMP oddziałała na te wcześniej istniejące procesy, zwiększając wrażliwość metapamięci.

Podana modulacja teoretycznych metryk grafów w pasmach teta i wrzeciona po STAMP jest zgodna z wcześniejszymi badaniami wskazującymi, że te oscylacje są związane z procesami reaktywacji i konsolidacji pamięci. Ukierunkowana reaktywacja pamięci podczas snu za pomocą sygnałów słuchowych wywołuje wzrost theta i mocy wrzeciona (Ong i in., 2016; Schreiner i in., 2015; Schreiner i Rasch, 2014).

Liczne badania wykazały również znaczenie aktywności pasma theta dla kodowania i odtwarzania pamięci podczas czuwania (Backus i in., 2016; Lega i in., 2012; Nyhus i Curran, 2010); w szczególności oscylacje theta w hipokampie mają kluczowe znaczenie dla kodowania pamięci epizodycznej (Hasselmo i in., 2002; Lin i in., 2017). Podobnie wrzeciona wzgórzowo-korowe są powiązane z pamięcią epizodyczną (Van Der Helm i in., 2011) i odgrywają ważną rolę w procesie konsolidacji pamięci, potencjalnie ułatwiając transfer nowo zakodowanej informacji w przyśrodkowych płatach skroniowych do stabilnych reprezentacji w korze mózgowej (Sirota i in., 2003; Staresina i in., 2015).

Podczas snu aktywność Theta może wskazywać na proces reaktywacji pamięci, podczas gdy aktywność wrzeciona może odzwierciedlać aktywną konsolidację reaktywowanych wspomnień. W tym przypadku STAMPy mogły zapoczątkować reaktywację powiązanych wspomnień, co doprowadziło do zwiększonej konsolidacji tych informacji. Konsolidacja ta doprowadziła do zwiększenia pewności w zakresie dalszych wspomnień.

Teoretyczne miary wykresu pasma teta, które były znacząco modulowane przez STAMPy, oznaczały spójność i gęstość. Średnia spójność odnosi się do średniej spójności we wszystkich wierzchołkach, natomiast gęstość obliczana jest jako liczba połączeń na grafie, znormalizowana przez całkowitą możliwą liczbę połączeń (Sporns, 2003).

Zmiany w tych miarach sugerują, że STAMP zwiększyły ogólną spójność w paśmie theta między kanałami, prowadząc do większej liczby krawędzi powyżej progu odcięcia, a tym samym do wyższej średniej gęstości połączenia. Ta większa spójność i gęstość może odzwierciedlać wzrost wymiany informacji w paśmie teta pomiędzy obszarami neuronowymi po STAMPach. Jest to zgodne z wcześniejszymi ustaleniami wskazującymi na wzrost spójności theta pomiędzy hipokampem a korą nosa (Fell i in., 2003), a także korą czołową (Anderson i in., 2009; Benchenane i in., 2010), co jest istotne dla uczenia się i pamięci oraz potencjalnie krytyczne dla reaktywacji pamięci (Carr i in., 2011).

Teoretyczne pomiary wykresu wrzecionowo-pasmowego, które znacząco różniły się po stymulacji STAMP, to długość i promień ścieżki. Miary te są powiązane – promień odnosi się do minimalnego mimośrodu grafu, a długość ścieżki odnosi się do średniego mimośrodu grafu, gdzie mimośród węzła definiuje się jako maksymalną odległość do dowolnego innego węzła (Sporns, 2003).

Długość ścieżki jest często uważana za miarę integracji sieci lub efektywności transferu informacji, przy czym mniejsze długości ścieżki odzwierciedlają większą efektywność (Bullmore i Sporns, 2009; Reijneveld i in., 2007).

W tym przypadku STAMP doprowadziły do ​​średniego zmniejszenia długości ścieżki i promienia w paśmie wrzeciona, co oznacza zmniejszenie średniej i minimalnej mimośrodowości oraz zwiększenie efektywności przekazywania informacji.

Może to odzwierciedlać reorganizację sieci w stronę sieci małego świata (Watts i Strogatz, 1998), niemal optymalną strukturę pomiędzy doskonale uporządkowanym i losowo zorganizowanym systemem, pozwalającą na większą elastyczność i synchronizację aktywności neuronowej (Barahona i Pecora, 2002 ; Bassett i Bullmore, 2006; Masuda i Aihara, 2004). Zmiany w „małym świecie” są często mierzone jako zmiany w długości ścieżki bez towarzyszących zmian w lokalnym skupieniu lub współczynniku klastra.

Zatem zaobserwowana zmiana długości ścieżki może sugerować zwiększoną synchronizację między obszarami mózgu, prowadząc do bardziej wydajnego przekazywania informacji przez wrzeciona. Należy zauważyć, że efekty w paśmie theta były ściślej powiązane z ogólnymi zmianami średniej spójności – zasadniczo ze zmianami w wielkości łączności, a nie z wydajnością.

Chociaż przedstawione tu dane nie są w stanie ustalić związku przyczynowego między tymi zmianami, hipotetyczny związek jest taki, że STAMP spowodował większą łączność w paśmie theta (Fell i in., 2003), a wydajność transferu informacji wrzeciona, mierzona jako długość ścieżki, została zwiększona, aby zrekompensować za ten wzrost, co prowadzi do zwiększonej reaktywacji pamięci.

For more information:1950477648nn@gmail.com