Zmiany w łączności mózgu podczas snu poprzez przezczaszkową neurostymulację w pętli zamkniętej Przewidywanie wrażliwości metapamięci Część 4

W różnych badaniach występuje duża zmienność w pasmach częstotliwości wybranych do wyznaczenia wolnych i szybkich wrzecion (Ayoub i in., 2013; Holz i in., 2012; Schabus i in., 2007), a najnowsze dowody sugerują, że te wytyczenia mogą się różnić u poszczególnych osób. (Cox i in., 2017).

Szybkie wrzeciono to obszar naszego mózgu ściśle powiązany z naszą pamięcią. Badania pokazują, że gdy jesteśmy zaangażowani w proces uczenia się i zapamiętywania, szybkie wrzeciona stają się aktywniejsze, co poprawia naszą pamięć.

Zadaniem szybkich wrzecion jest wzmacnianie i utrwalanie naszych wspomnień. Kiedy otrzymujemy nowe informacje, szybkie wrzeciona zbierają informacje z innych obszarów mózgu i przekształcają je we fragmenty pamięci, które możemy przechowywać i przywoływać. Szybkie wrzeciona mają zatem kluczowe znaczenie dla naszych procesów uczenia się i zapamiętywania.

Jak zatem ulepszyć działanie naszego szybkiego wrzeciona? Przede wszystkim musimy utrzymywać dobre nawyki życiowe. Odpowiedni sen, zdrowa dieta i regularne ćwiczenia odgrywają ważną rolę w zdrowiu i funkcjonowaniu szybkiego wrzeciona. Dodatkowo skupienie się na nauce i myśleniu może pobudzić aktywność szybkich wrzecion i poprawić naszą pamięć.

Krótko mówiąc, szybkie wrzeciona są nierozerwalnie związane z naszą pamięcią. Prowadząc zdrowy tryb życia i zwracając uwagę na naukę, możemy poprawić funkcję szybkiego wrzeciona i poprawić naszą pamięć, aby lepiej radzić sobie z wyzwaniami życiowymi i naukowymi. Bądźmy optymistami i ciężko pracujmy ku lepszej przyszłości. Widać, że musimy poprawić pamięć, a Cistanche desericola może znacznie poprawić pamięć, ponieważ Cistanche desericola to tradycyjny chiński materiał leczniczy, który ma wiele unikalnych efektów, z których jednym jest poprawa pamięci. Skuteczność Cistanche desericola wynika z wielu zawartych w niej składników aktywnych, w tym kwasu garbnikowego, polisacharydów, glikozydów flawonoidowych itp. Składniki te mogą na różne sposoby promować zdrowie mózgu.

Kliknij Poznaj 10 sposobów na poprawę pamięci

Wybraliśmy pasma 8–12 Hz i 12–15 Hz jako pasma do osobnego zbadania wolnych i szybkich wrzecion, a nasze wyniki sugerują, że łączność w paśmie szybkiego wrzeciona była specyficznie modulowana przez STAMP.

Jednakże u uczestników eksperymentu mogą występować różnice w rozgraniczeniu pasm wrzecion, co prowadzi do nakładania się wolnej i szybkiej aktywności wrzecion w tych pasmach. Z naszych danych wynika, że ​​długości ścieżek w pasmach 8–12 Hz i 12–15 Hz były silnie skorelowane (r=0,88), co sugeruje wysoki stopień nakładania się tych pasm częstotliwości.

Zatem twierdzimy tutaj, że aktywność wrzeciona była modulowana przez STAMP, ale konieczna będzie dalsza analiza, aby konkretnie rozróżnić szybkie i wolne wrzeciona. Dodatkowo zastosowaliśmy podejście oparte na pasmach częstotliwości, aby uwzględnić wdrożoną analizę łączności i uczenia maszynowego; jednakże wrzeciona są zdarzeniami przejściowymi, które występują krótko w czasie.

Chociaż podejście to prawdopodobnie uchwyciło aktywność związaną z wrzecionami, bardziej skoncentrowane podejście oparte na zdarzeniach, w którym identyfikowane są określone zdarzenia wrzecionowe, może dodatkowo wyjaśnić ich rolę w metapoznaniu.

Wyniki analizy regresji wykazały, że zmiany długości ścieżki w paśmie beta były powiązane ze zmianami wrażliwości pamięci od stanu przed snem do stanu po zaśnięciu w stanie Aktywnym. Odnotowana zależność zmierzała w rozsądnym kierunku, przy mniejszej długości ścieżki (większej wydajności) związanej z poprawą wydajności metapoznawczej.

Należy jednak zauważyć, że długość ścieżki beta nie różniła się znacząco między warunkami aktywnymi i pozorowanymi, co sugeruje, że efekt ujmuje bardziej drobnoziarniste różnice indywidualne, w przypadku których osoby wykazujące reorganizację sieci w kierunku większej wydajności po stymulacji STAMP wykazują większą poprawę metapamięci w ciągu nocy niż te, które tego nie robią.

Zostało to omówione szerzej w Informacjach dodatkowych. Odkrycie to jest dość nowatorskie, ponieważ zgodnie z naszą wiedzą żadne wcześniejsze badania nie dotyczyły zmian w łączności funkcjonalnej po stymulacji podczas snu, które byłyby powiązane ze zmianami w zachowaniu.

 Badania dotyczące uczenia się i wydajności wzrokowo-ruchowej, np. w przypadku zadań ze śledzeniem lustrzanym, wykazały zmiany w synchronizacji pasma beta i łączności w trakcie zadania i po nim (Classen i in., 1998; Kilner i in., 2004; Piantoni i in., 2015). ;jednakże w badaniach oceniających zależności między łącznością w teorii grafów a wydajnością pamięci epizodycznej, które przetestowano w bieżącym eksperymencie, zasadniczo nie zbadano ani nie zgłoszono zmian w łączności w paśmie beta (Burke i in., 2013).

Jednakże zmiany w długości ścieżki beta powiązano z postępem choroby Alzheimera, a mianowicie u pacjentów z chorobą Alzheimera długość ścieżki beta jest większa niż u zdrowych osób kontrolnych, a długość ścieżki beta jest ujemnie skorelowana z wynikiem w badaniu stanu mini-mentalnego (MMSE) (Stam i wsp. .,2006). Ponadto badania z zakresu neurofizjologii oscylacyjnej snu wykazały, że szybsza aktywność rytmiczna (tj. w zakresie beta/gamma) jest obecna i utrzymuje się podczas fazy depolaryzacji fali wolnej i jest w dużej mierze nieobecna podczas fazy hiperpolaryzacji (Compte i in., 2008; Steriade). , 2006; Steriade i in., 1996).

Ta zwiększona aktywność może być specyficznie powiązana z neuronami noradrenergicznymi w układzie miejsca sinawego (Eschenko i in., 2012), co może promować plastyczność korową, ważny składnik konsolidacji pamięci.

Istnieje zatem możliwość, że organizacja i aktywność sieci pasma beta podczas SWO może ogólnie stanowić ważny aspekt funkcjonowania i procesów konsolidacji pamięci epizodycznej, który można ukierunkować i ulepszyć poprzez specyficzną stymulację STAMP. Jednym z potencjalnych ograniczeń obecnego badania jest brak warunek kontrolny, aby wykluczyć ogólny wpływ stymulacji na łączność.

Mianowicie, STAMPy można było zastosować podczas snu, który nie był powiązany z żadnym epizodem podczas kodowania, aby porównać zmiany łączności po oznakowanych STAMPach ze zmianami następującymi po nieoznaczonych STAMPach.

Biorąc pod uwagę ograniczoną liczbę STAMPów i ​​złożoność projektu eksperymentu, zdecydowaliśmy się zmaksymalizować naszą moc statystyczną, wykorzystując wszystkie STAMPy do sygnalizacji pamięci podczas snu.

Jednakże warunek ten byłby szczególnie przydatny do zrozumienia wyników naszej klasyfikacji. Obecnie można powiedzieć, że wybrane cechy mogą wyznaczać stan Aktywny i Pozorowany, a może to wynikać z procesów konsolidacji w stanie Aktywnym w porównaniu do warunku Pozornego; jednakże mogą to być również zmiany ogólne po stymulacji.

Natomiast jesteśmy pewni, że związek długości ścieżki beta ze zmianami wrażliwości metapamięci jest powiązany z procesami konsolidacji zależnymi od snu.

Nasze wyniki behawioralne pokazują, że stymulacja STAMP przyniosła korzyści w przypadku warunku Tag & Cue w porównaniu z innymi warunkami, wykazując konkretną korzyść w przeciwieństwie do bardziej ogólnej korzyści dla metapamięci wywołanej stymulacją. Zgodnie z tym zmiany w długości ścieżki beta specyficznie przewidywały zmiany w zmianach AUC Tagu i Cue i nie przewidywały czułości w warunku pozorowanym.

W poprzednich pracach badających łączność mózgu za pomocą miar opartych na teorii grafów często przyjmowano bardziej ograniczone podejście, polegające na badaniu konkretnych miar lub określonych pasm częstotliwości będących przedmiotem zainteresowania (Sadaghiani i in., 2015; Song i in., 2014).

Zdecydowaliśmy się zastosować podejście oparte na uczeniu maszynowym, polegające na przeszukiwaniu dużego zbioru pomiarów w różnych pasmach częstotliwości, aby zidentyfikować znaczące zmiany po stymulacji oraz zastosować weryfikację krzyżową i porównanie z modelami podstawowymi w celu potwierdzenia naszych ustaleń. Metoda ta nie jest jednak pozbawiona ograniczeń.

Wybrane funkcje mogą się różnić w zależności od algorytmu lub zestawu wybranych etapów przetwarzania. Dodatkowo, aby znacznie poprawić wydajność, usunęliśmy funkcje wysoce współliniowe, jednakże te usunięte funkcje mogą potencjalnie nadal mieć znaczenie teoretyczne.

Przeprowadziliśmy uzupełniające testy statystyczne, aby upewnić się, że nasz ostateczny zestaw wybranych cech różnił się statystycznie między warunkami stymulacji i/lub przewidywał wydajność; niemniej jednak w pewnych pasmach mogą istnieć inne cechy łączności, które są również znacząco modulowane przez STAMPy i/lub przewidują zachowanie, ale po prostu nie zostały wybrane przez algorytm.

Uważamy jednak, że związek długości ścieżki beta z zachowaniem jest solidny, ponieważ algorytm Boruty konsekwentnie uważał go za wysoce istotny i znacząco przewidywał dane behawioralne, a efektu tego prawdopodobnie nie udałoby się wykryć, gdybyśmy zbadali jedynie bardziej standardowe miary i pasma częstotliwości. Przyszłe badania mogą zidentyfikować konkretną rolę, jaką łączność sieci beta odgrywa w pamięci epizodycznej i procesach decyzyjnych.

PODZIĘKOWANIE

Prace te były wspierane przez DARPA i Biuro Badań Armii. Przedstawione poglądy, opinie i/lub ustalenia są poglądami autora i nie należy ich interpretować jako reprezentujące oficjalne poglądy lub politykę Departamentu Obrony lub Rządu Stanów Zjednoczonych.

INFORMACJE WSPOMAGAJĄCE

Funkcje łączności, a także wartości czułości metapamięci są zawarte w dostępnych informacjach uzupełniających do tego artykułu.

AUTORSKIE WKŁADY

Ryan Hubbard: Konceptualizacja; Analiza formalna; Metodologia; Pisanie – wersja oryginalna; Pisanie – recenzja i redakcja. Iman Zadeh: Konceptualizacja; Analiza formalna; Metodologia; Zasoby; Oprogramowanie; Tekst – wersja oryginalna. Aaron Jones: weryfikacja danych; Zasoby. BradleyRobert: Przetwarzanie danych; Zasoby. Natalie Bryant: Przetwarzanie danych; Zasoby; Oprogramowanie.Vincent Clark: Przetwarzanie danych; Zasoby. Praveen Pilly: Konceptualizacja; Analiza formalna; Pozyskanie finansowania; Dochodzenie; Administracja projektem; Nadzór; Pisanie – wersja oryginalna; Pisanie – recenzja i redakcja.

INFORMACJE O FINANSOWANIU

Praveen Pilly, Agencja Zaawansowanych Projektów Badawczych w dziedzinie Obrony (https://dx.doi.org/10.13039/100000185), identyfikator nagrody: W911NF-16-C-0018.

OŚWIADCZENIE O KONFLIKTIE INTERESÓW

Ostatni autor, Praveen K. Pilly, posiada patent na zastosowanie przezczaszkowej stymulacji elektrycznej w celu reaktywacji pamięci celowanej (patent USA nr 10 307 592). Vincent P. Clark jest doradcą naukowym w firmie NeuroGeneces, LLC. Wszyscy autorzy oświadczają, że badanie przeprowadzono w braku innych konkurencyjnych interesów finansowych lub niefinansowych.

BIBLIOGRAFIA

1. Anderson, KL, Rajagovindan, R., Ghacibeh, GA, Meador, KJ i Ding, M. (2009). Oscylacje theta pośredniczą w interakcji między korą przedczołową a przyśrodkowym płatem skroniowym w ludzkiej pamięci. Kora mózgowa, 20(7), 1604–1612. https://doi.org/10.1093/cursor/bhp223, PubMed: 19861635

2. Antony, JW, Gobel, EW, O'Hare, JK, Reber, PJ i Paller, KA (2012). Reaktywacja pamięci sygnalizowanej podczas snu wpływa na uczenie się umiejętności. Nature Neuroscience, 15, 1114–1116. https://doi.org/10.1038/nn.3152, PubMed: 22751035

3. Ayoub, A., Aumann, D., Hörschelmann, A., Kouchekmanesch, A., Paul, P., Born, J. i Marshall, L. (2013). Zróżnicowany wpływ karbamazepiny i flunaryzyny na szybką i powolną aktywność wrzeciona oraz powolne oscylacje snu u ludzi w celu antagonizowania zależnej od napięcia aktywności kanałów Na+ i Ca2+. Sen, 36(6), 905–911. https://doi.org/10.5665/sleep.2722, PubMed: 23729934

4.Backus, AR, Schoffelen, JM, Szebényi, S., Hanslmayr, S., &Doeller, CF (2016). Oscylacje theta hipokampa i przedczołowego wspomagają integrację pamięci. Current Biology, 26(4), 450–457.https://doi.org/10.1016/j.cub.2015.12.048, PubMed: 26832442

5. Baird, B., Smallwood, J., Gorgolewski, KJ i Margulies, DS(2013). Sieci przyśrodkowe i boczne w przedniej korze przedczołowej wspierają zdolności metapoznawcze w zakresie pamięci i percepcji. Journal of Neuroscience, 33(42), 16657–16665. https://doi.org/10.1523/JNEUROSCI.0786-13.2013, PubMed: 24133268

6. Barahona, M. i Pecora, LM (2002). Synchronizacja w systemach małego świata. Physical Review Letters, 89(5), 054101. https://doi.org/10.1103/PhysRevLett.89.054101, PubMed: 12144443

7. Bassett, DS i Bullmore, ED (2006). Sieci mózgowe małego świata. Neuroscientist, 12(6), 512–523. https://doi.org/10.1177/1073858406293182, PubMed: 17079517

8.Benchenane, K., Peyrache, A., Khamassi, M., Tierney, PL, Gioanni, Y., Battaglia, FP i Wiener, SI (2010). Spójne oscylacje theta i reorganizacja taktowania impulsów w sieci hipokampowo-przedczołowej podczas uczenia się. Neuron, 66(6), 921–936. https://doi.org/10.1016/j.neuron.2010.05.013, PubMed: 20620877

9.Benjamini, Y. i Hochberg, Y. (1995). Kontrolowanie współczynnika fałszywych odkryć: praktyczne i skuteczne podejście do wielokrotnych testów. Journalof Królewskiego Towarzystwa Statystycznego, 57, 289-300.

10. Berens, P. (2009). CircStat: zestaw narzędzi MATLAB-a do statystyk cyklicznych. Journal of Statistical Software, 31 (10), 1–21.

For more information:1950477648nn@gmail.com