Časť 2: Aký je účinok reaktivácie pamäte počas učenia?
Mar 30, 2022
Kontakt: Audrey Hu Whatsapp/hp: 0086 13880143964 E-mail:audrey.hu@wecistanche.com
Definícia modelu Model LBA (Brown and Heathcote, 2008) predpokladá, že pri každej skúške sa východiskový bod k každého akumulátora náhodne čerpá z rovnomerného rozdelenia v intervale [0, A]. Každý akumulátor potom sleduje čiaru so sklonom d, až kým nedosiahne prah odozvy b. Pri každej skúške sa sklon akumulátora i čerpá z normálneho rozdelenia s priemerom vi a SD s (tu je stanovené na 1). Čas na dosiahnutie prahu akumulátora je b k)/d. Tri alternatívne inferenčné testy s vynútenou voľbou sme modelovali pomocou troch akumulátorov so strednou rýchlosťou driftu v1 (pre správnu odpoveď) a v2 (pre ďalšie dve odpovede). Ako je odvodené v pôvodnom opise modelu LBA (Brown and Heathcote, 2008), funkcia hustoty pravdepodobnosti (PDF) pre akumulátor I v čase t je nasledovná:
Kde f a vy ste funkcia hustoty pravdepodobnosti a kumulatívne distribučné funkcie štandardného normálneho rozdelenia. Kumulatívna distribučná funkcia (CDF) pre akumulátor I v čase t je nasledovná:
PDF pre akumulátor, ktorý narazím na prah ako prvý, v čase t, je pravdepodobnosť, že akumulátor dokončím v čase t, podmienená tým, že ostatné akumulátory ešte nedokončia takto:
Pretože rýchlosť driftu d je čerpaná z normálneho rozdelenia, existuje určitá pravdepodobnosť, že žiadne akumulátory nedokončia. Po predchádzajúcej práci
(Brown a Heathcote, 2008; Annis et al., 2017), sme podmienili pravdepodobnosť, že aspoň jeden akumulátor bude mať pozitívnu rýchlosť driftu takto:
Pre každý zo štyroch reťazcov bola tuningová fáza 1000 iterácií s cieľovou mierou prijatia 0,99, po ktorej nasledovalo 5000 vzoriek. Konvergencia sa hodnotila pomocou hromadne efektívnej veľkosti vzorky a štatistiky zníženia rozdelenej potenciálnej stupnice R^ (Vehtari et al., 2017). Zhodu modelu sme posúdili výpočtom priemerných zadných parametrov pre každú skúšku, ako aj simuláciou odpovedí a reakčných časov. Simulovali sme 50 opakovaní každej skúšky, aby sme získali robustný odhad výkonu modelu. Nakoniec sme vypočítali 95% interval vysokej hustoty (HDI) pre každý priemerný parameter skupinovej úrovne (napr. mCA1 pre CA1), aby sme zistili, či sa líšia od nuly, čo naznačuje vzťah medzi zmenou podobnosti alebo reaktiváciou a výkonom odvodenia striedavého prúdu.
púštne cistanche výhody
Výsledky
Behaviorálny výkon
Na konci počiatočnej fázy učenia páru (AB) si účastníci vytvorili silné spomienky na páry tvaru tváre a scény. Všetci účastníci boli v záverečnom teste nad šancou (priemerný podiel correct=0,91, SD=0,01) a preto boli zahrnutí do následných analýz.Pamäťprekrývajúce sa (BC) páry tvarov a objektov boli ovplyvnené vizuálnou podobnosťou spojovacej položky naprieč learn- ingom (obr. 2A, B). Opakované opatrenia ANOVA s faktormi v rámci subjektov
prekrývajúci sa párový blok (1, 2, 3, 4) a vizuálna podobnosť (presná zhoda, vysoká podobnosť, nízka podobnosť, nová) odhalili, že vizuálna podobnosť modulovanápamäťpresnosť (hlavný účinok bloku, F(3,75) = 79,93,p,0,001, h2 = 0,762; interakcia podobnosti bloku zraku, F(9,225) = 2,88, p =0,003, h2 = 0,103) a reakčný čas (hlavný účinok podobnosti na správny tri- als, F(3,72) = 5,14, p =0,003, h2 = 0,176). Pre prvý učebný blok prekrývajúcich sa párov bol výkon lepší (obr. 2A), keď spojovacia položka (B) bola presná zhoda s pôvodne naučenými pármi (AB) vo vzťahu ku všetkým ostatným podmienkam. V prvom testovacom bloku sa prejavil efekt vizuálnej podobnosti (efekt vizuálnej podobnosti v prvom behu, F(3,75) = 6,901, p,0,001, h2 = 0,216), ale nie v nasledujúcich jazdách (hodnoty F 0,479, všetky p 0,698, všetky h2 0,019). V prvom behu post hoc párované testy t odhalili, že presnosť bola najvyššia pre páry s presnou zhodou vo vzťahu ku všetkým ostatným párom (v porovnaní s vysokou podobnosťou: t(25) = 3,33,p = 0,003, d =0,654; nízka podobnosť: t(25) = 4,52, p,0,001, d =0,894; nové: t(25) = 2,74, p =0,011, d =0,539). Výkon bol väčší pri pároch s vysokou podobnosťou ako pri pároch s nízkou podobnosťou (t(25) = 2,306, p =0,03, d=0,459). Medzi vysokou podobnosťou a novými pármi (t(25) = 0,87, p =0,394, d=0,172) alebo nízkou podobnosťou a novými pármi (t(25) = 0,76, p =0,452, d=0,151) nebol žiadny rozdiel vo výkone. Pri kolapse cez blok mali páry s presnými zhodami najrýchlejší čas odozvy (obr. 2B) pri správnych skúškach (v porovnaní so všetkými ostatnými podmienkami hodnoty t 2,206, všetky p , 0,05, všetky d 0,445). Doba odozvy sa nelíšila medzi vysokou podobnosťou, nízkou podobnosťou alebo novými pármi (všetky hodnoty t 1,748, všetky p . 0,05, všetky d 0,348).
Vizuálna podobnosť spojovacej položky ovplyvnila aj presnosť záveru krížovej epizódy (F(3,75) = 26,61, s ,0,001, h2 = 0,516). Účastníci s väčšou pravdepodobnosťou vyvodili vzťah medzi nepriamo súvisiacimipamäťprvky (AC), keď spojovacia položka (B) bola presná zhoda alebo veľmi podobná v prekrývajúcich sa pároch (obr. 2C). Inferenčný výkon nebol dif- fer medzi presnou zhodou a triádami s vysokou podobnosťou (t(25) = 1,20, p =0,24, d=0,230), ale výkon pre presné zápasové triády bol lepší ako triády s nízkou podobnosťou (t(25) = 6,82, p,0,001, d=1,327) a nové triády (t(25) = 6,61, p,0,001, d=1,286). Podobne výkon pre triády s vysokou podobnosťou prekročil nízku úroveň
triády podobnosti (t(25) = 5,05, p,0,001, d =0,987) a nové triády (t(25) = 5,38, s,0,001, d =1,055). Nasledujte svýkon (Výkon záveru sa nelíšil medzi nízkou podobnosťou a novými triádami (t(25) = 1,17, p =0,254, d=0,224). Avšak per- formancia pre triády s nízkou podobnosťou bola spoľahlivo lepšia ako náhoda (t(25) = 2,22,p = 0,04, d = 0,435), zatiaľ čo výkonnosť nových troj-reklám nebola (t(25) = 0,47,p =0,64, d =0,093).
Rozhodnutia o vyvodzovaní boli tiež rýchlejšie pre presnú zhodu a podmienky vysokej podobnosti vzhľadom na nový stav (F(3,72) = 11,79,p,0,001, h2 = 0,329), pričom závery pre presnú podmienku zápasu boli celkovo najrýchlejšie (obr. 2D). Reakčný čas bol rýchlejší pre presné zápasové triády v pomere k podmienkam vysokej podobnosti (t(25) = 3,41, p =0,002, d=0,669) a nové triády (t(24) = 5,00, p,0,001, d =0,999), ale nelíšia sa od triád s nízkou podobnosťou (t(25) = 1,64, p =0,114, d =0,321). Reakčný čas bol rýchlejší pri triádach s vysokou podobnosťou v porovnaní s novými triádami (t(24) = 2,93, p =0,007, d =0,585), ale nelíšil sa od triád nízkej podobnosti (t(25) = 1,11, p =0,28, d =0,217). Triády s nízkou podobnosťou boli rýchlejšie ako nové triády (t(24) =3,86,p =0,001, d =0,773). Tieto zistenia spoločne ukazujú, že asociatívnepamäťa záver medzi epizódami, dva procesy, o ktorých sa predpokladá, že sú podporované hipo-kempálnymi subfieldmi (Schapiro et al., 2017), sú ovplyvnené vnímanou podobnosťou zdieľaných prvkov udalostí s uľahčeným výkonom s vyššou úrovňou podobnosti medzi epizódami.
Reaktivácia prekrývajúcich sa spomienok počas učenia Otestovať, ako kortikálnepamäťreaktivácia počas prekrývajúceho sa párového učenia ovplyvňuje reprezentácie hipokampálneho subfieldu, najprv sme použili analýzu svetlometov na identifikáciu, kde boli informácie o počiatočných pároch reaktivované v kôre počas učenia. V rámci každej sféry svetlometov bol klasifikátor vzorov vyškolený na údaje z lokalizačnej fázy a potom aplikovaný na prekrývajúcu sa fázu štúdia páru (Zeithamova et al., 2012). Pri kontrolnom svetle sa identifikovali oblasti, v ktorých klasifikátorové dôkazy pre cieľovú kategóriu súvisiacej položky (položky tváre alebo scény A z počiatočných párov) presiahli základný index klasifikačných dôkazov pre tú istú kategóriu odvodenú z nových (alebo neoverených) skúšok. Našli sme dôkazy, že súvisiace spomienky boli reaktivované, keďučenie sa prekrývajúcich sa párov v zadnej cingulárnej kôre, okcipitálnej kôre a parietálnej kôre (obr. 3A).
Dôležité je, že v analýze svetlometov sa nevyskytli žiadne rozdiely v sile reaktivácie ako funkcie kategórie A položky (tvár, scéna) medzi regiónmi identi- fied (obr. 3B). Opakované opatrenia ANOVA s vnútropredmetnými faktormi regiónu (ľavá parietálna, pravá parietálna, cingulárna, nadradená okcipitálna, nižšia okcipitálna) a kategória stimulov (tvár, scéna) preukázali, že reaktivácia var- ied naprieč regiónmi (hlavný účinok regiónu, F(4 100) = 2,84, p =0,028, h2 = 0,102), ale nelíšila sa podľa kategórie stimulov (hlavný účinok kategórie, F(1,25) = 0,002,p =0,967, h2 =0;kategória región inter- action, F(4,100) = 0,375, p =0,826, h2 = 0,015). Naše výsledky teda neboli poháňané jedinou stimulačnou kategóriou a reflektujúpamäťreaktivácia namiesto zapojenia regiónov, ktoré sa vyhýbajú špecifickým kategóriám.
Ďalej sme testovali, či vizuálna podobnosť zdieľanej položky B naprieč učením ovplyvnila silupamäťopätovná aktivácia pre položky A. Predpovedali sme, žepamäťreaktivácia počas učenia by bola silnejšia pre páry spojené vizuálne podobnejšou položkou. Použitím podobného prístupu k predchádzajúcej analýze samostatné analýzy svetlometov identifikovali oblasti, v ktorých boli dôkazy klasifikátora pre súvisiacu položku A väčšie pre presný stav zhody ako pre podmienky vysokej a nízkej podobnosti. V súlade s našou hypotézou sme zistili, že podobnosť komponentov udalostí modulovala silupamäťreaktivácia v ľavej parietálnej kôre a okcipitálnej kôre (obr. 3C).
skúsenosti s cistanche: zlepšenie pamäte cistanche produktov
Reaktivácia pamäte ovplyvňuje kódovanie nervov v hipokampálnych čiastkových poliach
Aby sme otestovali našu hypotézu, že reaktivácia súvisiacich spomienok počas nového kódovania by viedla k disociovateľnej reprezentácii prekrývajúcich sa spomienok v DG/CA2,3 a CA1, kvantifikovali sme kódovanie hipokampálneho subfieldu ako funkciupamäťSila reaktivácie počas učenia. Pred aj po naučení sa párov boli účastníci skenovaní pri prezeraní jednotlivých obrázkov položiek A a C z prekrývajúcich sa párov v stave vysokej podobnosti (obr. 1A). Diferenciáciu a integráciu sme indexovali meraním zmien podobnosti vzorov súvisiacich s učením pre nepriamo súvisiace položky A a C z tej istej triády (Schlichting et al., 2015). Zmeny podobnosti v rámci tej istej triády sa porovnali so základným scenárom zmien podobnosti medzi položkami v rôznych triádach. Diferenciáciu sme merali testovaním na zníženie podobnosti vzoru medzi položkami A a C po učení (obr. 4A). Naopak, integrácia by bola poznačená zvýšenou podobnosťou vzoru medzi nepriamo súvisiacimi položkami A a C, čo by odrážalo tvorbu prekrývajúcich sa kódov pre súvisiace spomienky (obr. 4A).
Na posúdenie vplyvupamäťreaktivácia počas učenia sa o neurónovom kódovaní nepriamo súvisiacichpamäťprvky, vypočítali sme reprezentačnú zmenu pre triády na základe sily reaktivácie v prekrývajúcich sa vzdelávacích štúdiách. Pre každého účastníka sme zoradili prekrývajúce sa páry do párov spojených so silnejšou a slabšou reaktiváciou príslušného počiatočného páru na základe mediánového rozdelenia priemerných indexov reaktivácie vo všetkých klastroch identifikovaných v reflektore reaktivácie (obr. 3A). Potom sme porovnali nervové kódovanie medzi nepriamo súvisiacimi A a C položkami spojenými s rôznymi úrovňami reaktivácie. Kriticky, všetky analýzy hodnotiace reprezentačnú zmenu v hipokampálnych čiastkových poliach boli založené len na údajoch z troch reklám s vysokou podobnosťou. Tento prístup zachováva vizuálnu podobnosť prepájacej položky konštantnú a poskytuje kritický test toho, či reaktivácia pamäte sprostredkúva reprezentačné zmeny nad rámec zmien vo fyzickom prostredí.
Vykonali sme štyri analýzy svetlometov v rámci jednotlivých hipokampálnych čiastkových polí, aby sme otestovali účinky reaktivácie na reprezentačnú zmenu súvisiacu s učením pre nepriamo súvisiacepamäťprvky (obr. 4B). Po prvé, použili sme dve analýzy reflektorov na identifikáciu hipokampálnych oblastí, ktoré vykazovali diferenciáciu alebo integráciu položiek A a C bez ohľadu na stupeňpamäťreaktivácia počas prekrývajúceho sa páru learn-ing (DifferentiationOverall a IntegrationOverall) a nepozorovala žiadne významné účinky v hipokampe.
Namiesto toho sme predpovedali, že reprezentačná podobnosť nepriamo súvisiacich položiek v hipokampálnych čiastkových poliach bude závisieť od silypamäťreaktivácia počas učenia sa prekrývajúcich sa párov. Aby sme otestovali túto hypotézu, vykonali sme dve ďalšie analýzy svetlometov, ktoré hľadali interakciu medzi reprezentačnou zmenou súvisiacou s učením apamäťreaktivácia; tieto reflektory izolovali hipokampálne oblasti vykazujúce buď diferenciáciu alebo integráciu v štúdiách so silnejšou reaktiváciou počas prekrývajúceho sa párového učenia (Diferenciácia Reaktivácia a integráciaReaktivácia).
Zistili sme, že silnejšia reaktivácia počiatočných párových spomienok počas učenia sa prekrývajúcich sa párov mala rôzne dôsledky na smer reprezentačných zmien pozorovaných v hipokampálnych subfieldoch. Keď boli počiatočné (A) spomienky silne reaktivované počas prekrývajúceho sa (BC) párového učenia, podobnosť vzoru GR/CA2,3 sa znížila medzi položkami A a C od učenia sa po post learning (obr. 4C, D; DiferenciáciaReaktivácia). Subiculum vykazovalo rovnaký vzor ako DG/CA2,3, pričom silnejšia reaktivácia viedla k zníženej podobnosti vzoru pre položky A a C. Naproti tomu CA1 vykazoval opačný model reprezentačnej zmeny, keďpamäťreaktivácia bola silnejšia, so zvýšenou podobnosťou medzi položkami A a C po učení (obr. 4C, D; IntegráciaReaktivácia). Tieto zistenia naznačujú, že zastúpenie prekrývajúcich sa spomienok v hipokampálnych čiastkových poliach je podmienenépamäťreaktivácia počas učenia s rovnakými podmienkami, ktoré vedú k disociovateľným reprezentačným kódom v rámci DG/CA2,3, CA1 a subiculum.
Nakoniec sme vykonali sériu post hoc analýz na každom hipokampálnom subpole identifikovanom v analýze svetlometov, aby sme ďalej pochopili, ako reaktivácia modulovala kódovanie v každom regióne. Najprv sme kvantifikovali, či došlo k nejakým globálnym posunom v neurálnej podobnosti jednoducho ako funkcia učenia výpočtom celej triády D pre nesúvisiace položky A a C (tj základná línia naprieč triádou). Naprieč triádou D sa výrazne nelíšila od nuly v CA1 (t(24) = 0,383, p =0,705, d =0,077) alebo subiculum (t(25) = 1,233, p =0,229, d =0,242), ale bola väčšia ako nula pre DG/CA2,3 (t(25) = 3,431,p =0,002, d =0,673). Tieto výsledky demonštrujú dôležitosť porovnania zmeny podobnosti súvisiacich udalostí so základnou hodnotou, pretože aj nesúvisiace položky sa môžu po učení zmeniť v podobnosti.
Ďalej sme porovnali triádu D v rámci triády spojenej so silnou reaktiváciou s baselineom D naprieč triádou ako potvrdenie našich výsledkov svetlometov (obr. 4D). Ako už bolo spomenuté, výhradou k tejto analýze je, že výsledky sú potenciálne zaujaté výberom voxelov identifikovaných v analýze vyhľadávania nervového kódovania. V súlade s predpokladanými vzormi kontrastov svetlometov (obr. 4B) sme našli dôkazy o diferenciácii, pričom zmena neurálnej podobnosti pre triády spojené so silnou reaktiváciou bola menšia ako základná línia naprieč triádami v DG/ CA2,3 (t(25) = 2,298, p =0,030, d=0,451) a subiculum (t(25) = 3,158, p =0,004, d=0,619). V rámci CA1 sme ukázali trend integrácie s väčšou podobnosťou v rámci triád spojených so silnejšou reaktiváciou po učení vzhľadom na základnú líniu naprieč triádami (t(24) = 1,766, p = 0,090, d=0,353). Tieto post hoc analýzy spoločne podporujú výsledok analýzy svetlometov a ukazujú, že zastúpenie prekrývajúcich sa udalostí v čiastkových poliach je ovplyvnené reaktiváciou súvisiacich spomienok počas učenia.
Ako prieskumnú analýzu sme tiež kvantifikovali v rámci triády D pre triády spojené so slabšou reaktiváciou počas učenia. Našli sme dôkazy o integrácii v GR/CA2,3 (t(25) = 3,709, p =0,001, d=0,727) a trend subiculum (t(25) = 1,849, p =0,076, d =0,363), kde D pre triády spojené so slabšou reaktiváciou bolo väčšie ako u základnej čiary naprieč triádami. Tento výsledok naznačuje, že reprezentačné posuny v GR/ CA2,3 sa môžu líšiť ako funkcia úrovne hospodárskej súťaže, ktorá sa môže líšiť, keď sú spomienky silne alebo slabo reaktivované. Pri triádach sa nepozorovali žiadne rozdiely od východiskovej hodnotyspojené so slabšou reaktiváciou v CA1 (t(24) = 1,062, p =0,299, d =0,212).
Integrácia pamäte podporuje odvodzovacie rozhodnutia
Použili sme bayesovský viacúrovňový model na preskúmanie vzťahu medzi zmenou podobnosti po učení (tj integráciou alebo diferenciáciou) a výkonom v teste odvodenia striedavého prúdu. Skúmali sme tiež vzťah medzi reaktiváciou súvisiacich spomienok počas učenia a výstupom na výkon. Jeden účastník bol z tejto analýzy vylúčený z dôvodu nedostatočného počtu voxelov v CA1 (,10 voxelov). Použili sme model LBA na súčasné modelovanie presnosti odvodzovania a reakčných časov. Použili sme bayesovský odber vzoriek s modelom na odhad sklonu vzťahov medzi výkonom záverov a variabilitou na úrovni triády v zmene podobnosti apamäťReaktivácie. Najprv sme posúdili, či sa bayesovský odber vzoriek zblížil. Počas odberu vzoriek sa nevyskytli žiadne rozdiely; pre každý parameter v modeli bol [Rhat] 1,00102 a efektívna veľkosť vzorky bola najmenej 5225. Tieto výsledky naznačujú, že odber vzoriek sa úspešne zblížil a bolo dostatok vzoriek na odhad každého parametra.
Použili sme stredné zadné parametre na simuláciu odpovedí modelu a zistili sme, že v inferenčnom teste sa dobre hodí k pozorovanej ac- curacy (obr. 5A) a reakčným časom (obr. 5B), s výnimkou malého počtu pokusov s veľmi dlhými reakčnými časmi. Parametre priemerného sklonu pre zmenu súvisiacu s učením (obr. 5C) boli pozitívne pre subiculum (95% HDI = [0,043, 0,477], d = 1,37) apamäťreaktivácia (HDI = [0,005, 0,437], d=1,51). Parametre sklonu pre CA1 (HDI = [ 0,189, 0,244], d=0,15) a DG/CA2,3 (HDI = [ 0,393, 0,102], d =0,50) sa nelíšili od nuly. 95% HDI pre druhý model pa- rametrov bolo nasledovných: A = [2,059, 5,601], t = [0,00,009, 0,515], m2 = [0,130, 0,812], s2 = [0,191, 0,831], sCA1 = [0,004, 0,458], sDG/CA2,3 = [0,010, 0,577], sSubiculum = [0,002, 0,408], a sReact = [0,0002, 0,327]. Tieto výsledky naznačujú, že väčšiepamäťreacti- vation počas učenia a väčšia podobnosť striedavého prúdu po učení v subiculum predpovedajú rýchlejší a presnejší záver na úrovni jednotlivých štúdií.
cistanche tubolosa zdravotné prínosy: zlepšenie pamäte
Diskusia
Naše výsledky naznačujú, že reaktivované spomienky usmerňujú, ako sú organizované reprezentácie súvisiacich udalostí v rámci hipokampálneho okruhu. Reaktivácia predchádzajúcich spomienok počas kódovania nových, prekrývajúcich sa udalostí predpovedaných výstupom naprieč epizódami a mala rôzne dôsledky pre reprezentáciu v hipokampálnych čiastkových poliach; silná reaktivácia viedla k diferenciácii prekrývajúcich sa spomienok v rámci GR/CA2,3 a subiculum a zároveň podporovala integráciu tých istých spomienok do CA1. Predchádzajúca práca sa zamerala na vysvetlenie kódovania hipokampálneho subfieldu z hľadiska funkcie prenosu, prostredníctvom ktorej zmeny v environmentálnych podnetoch vedú k diferenciálnemu nervovému výstupu (Leutgeb et al., 2004, 2007; Lacy a kol., 2011; Yassa a Stark, 2011). Tu ukazujeme, že zmeny v vnímacích vstupoch nie sú jediným faktorom určujúcim reprezentačné učenie v hipokampálnych čiastkových poliach. Naše údaje skôr naznačujú, že kódovanie hipokampálneho subfieldu je ďalej poháňané mierou, do akej nová skúsenosť spúšťa reaktiváciu súvisiacich epizód. Naše výsledky tak rozširujú predchádzajúce zistenia, aby sme na reprezentačnej úrovni ukázali, že kortikálnepamäťreaktivácia vedie k disociácii v hipokampálnom kódovaní v subfielde tvárou v tvár konkurencii medzi veľmi podobnými spomienkami.
Predchádzajúca práca na reprezentácii hipokampu primárne konceptualizovala kódovanie podpolia ako automatický proces v reakcii na zmeny životného prostredia, v ktorom sa predpokladá, že senzorické vstupy sú hlavným hnacím motorom hipokampálnych reakcií. Napríklad skoré elektrofyziologické štúdie u hlodavcov merali, ako umiestniť reakcie v teréne v hipokampálnych čiastkových poliach, ktoré sa pretvárali, keď sa zvieratá pohybovali v prostredí s postupne sa meniacimi vnímacími vlastnosťami (Guzowski et al., 2004; Lee et al., 2004; Leutgeb et al., 2004, 2007; Vazdarjanovová a Guzowski, 2004). Takáto práca odhalila, že malé zmeny v environmentálnych vlastnostiach viedli k dramatickým zmenám v reakciách GR a CA3, ktoré odrážali ortogonalizáciu vstupných vzorov. Naproti tomu odpovede CA1 sa postupne menili a lineárne škálovali s množstvom vnímavých zmien medzi prostrediami; v prípade prostredí, ktoré boli vnímavejšie podobné, aktivita CA1 vykazovala väčšie prekrývanie v reakcii. Predchádzajúca práca na ľuďoch zaujala podobný prístup, prezentovala účastníkom páry veľmi podobných vizuálnych obrazov (napr. obrázky dvoch rôznych jabĺk) a merala veľkosť hipokampálnych reakcií na oba obrázky (Bakker et al., 2008; Lacy et al., 2011). V týchto štúdiách GR/CA2,3 preukázalo odozvu na novinku pre oba veľmi podobné obrázky, čo naznačuje samostatné kódovanie týchto dvoch obrázkov. Ca1 a subiculum odpovede na druhý, veľmi podobný obraz od páru, však boli potlačené v porovnaní s prezentáciou prvého člena páru, čo naznačuje podobné zobrazenie spárovaných obrázkov.
Zatiaľ čo práca s minulými zvieratami a ľuďmi odhalila dôležité disociácie medzi spracovaním hipokampálneho ponoru, naše zistenia stavajú na tejto práci, aby ukázali, že učenie hipokampálnej reprezentácie nie je len pasívny proces, ale namiesto toho je aktívne ovplyvnenépamäťreaktivácia (Hulbert a Norman, 2015; Kim et al., 2017; Ritvo et al., 2019). Ukazujeme, že disociácie hipokampálneho subfieldu sú najzreteľnejšie, keď sú minulé spomienky silne reaktivované, čo vytvára konkurenčný vzdelávací stav, ktorý podporuje diferenciáciu v GR /CA2,3 a subiculum, súčasne s integráciou v CA1. Naše údaje teda naznačujú potrebu kvantifikovať vnímavú podobnosť medzi udalosťami a ako prekrývajúce sa vnímacie funkcie spúšťajú reaktiváciu pamäte, aby plne zohľadnili, ako sa v hipokampálnom okruhu objavujú disociovateľné reprezentácie. Jedným zaujímavým aspektom predchádzajúcej ľudskej práce opísanej vyššie je, že disociácie medzi pododbormi záviseli od povahy vykonávanej úlohy (Kirwan a Stark, 2007; Bakker et al., 2008; Lacy et al., 2011). Keď bola kritická experimentálna manipulácia (t. j. vizuálna podobnosť medzi položkami) náhodná s vykonávanými účastníkmi úlohy, pozorovali sa disociácie medzi čiastkovými poľami (Bakker et al., 2008; Lacy et al., 2011). Keď sa však rovnaké podnety a prezentačné postupy spojili s úmyselným zameraním na úlohu, disociácie boli menej zrejmé (Kirwan a Stark, 2007). Mechanistický zdroj týchto rozdielnych zistení ešte nebol odhalený. Kvantifikácioupamäťreaktivácia počas úloh s úmyselným alebo náhodným zameraním, ďalšie poznatky o tom, ako ciele úloh ovplyvňujú dynamiku toho, ako pamäťová konkurencia ovplyvňuje nervovú reprezentáciu (Richter et al., 2016).
Naše zistenia môžu byť koncepčné z hľadiska dohliadaných a nekontrolovaných modelov vzdelávania, z ktorých každý sa zameriava na rôzne vzdelávacie ciele. Zatiaľ čo učenie pod dohľadom je zamerané na zosúladenie reprezentácií so zmyslovými podnetmi pozorovanými priamo v prostredí, učenie bez dozoru upravuje reprezentácie tak, aby sa znížila konkurencia medzi súčasnou skúsenosťou a reaktiváciou.pamäťreprezentácie vyvolané novým podujatím (Ritvo et al., 2019) prostredníctvom integrácie alebo diferenciácie. Zatiaľ čo učenie pravdepodobne odráža rovnováhu medzi mechanizmami pod dohľadom a mechanizmami bez dozoru, naše zistenia naznačujú, že reaktivované spomienky sú dôležitým aspektom toho, ako sa disociovateľné stratégie kódovania objavujú v hipokampálnych čiastkových poliach.
K dnešnému dňu iba jedna ďalšia štúdia na ľuďoch použila viacrozmerné reprezentačné analýzy na kvantifikáciu disociácie medzi hipokampálnymi čiastkovými poľami, konkrétne keď jednotlivci získali informácie o zdieľaných alebo odlišných priestorových kontextoch (Dimsdale-Zucker et al., 2018). Z tejto štúdie vyplynulo, že položky získané v rovnakom priestorovom kontexte vyvolali prekrývajúce sa aktivačné vzorce v CA1 a diferencované vzory v GR/ CA2,3 počas vyhľadávania vo vzťahu k položkám, ktoré nezdieľali kontextové informácie. Súčasné zistenia sa líšia od tejto štúdie niekoľkými kľúčovými spôsobmi. Po prvé, predchádzajúca štúdia merala kódy pododboru počaspamäťvyhľadávanie, zatiaľ čo naša práca odhaľuje aktívne procesy učenia, ktoré poháňajú vytváranie disociovateľných reprezentácií čiastkového poľa. Konkrétne táto predchádzajúca štúdia nevyčíslila, ako reaktivácia podobných spomienok, či už počas učenia alebo vyhľadávania, súvisí s kódovaním hipokampálneho subfieldu. Tu ukazujeme disociáciu v hipokampálnom kódovaní v subfielde v dôsledkupamäťReaktivácie. Ďalej ukazujeme, že neurónové kódy vytvorené hipokampálnymi subregiónmi podporujú nielen jednoduché rozpoznanie (Dimsdale-Zucker et al., 2018) alebo priestorovú pamäť (Leutgeb et al., 2004, 2007), ale aj záver o vzťahoch medzi spomienkami (pozri tiež Schlichting et al., 2014). Rozhodnutia o záveroch boli rýchlejšie a presnejšie so zvyšujúcou sa podobnosťou medzi nepriamymi položkami po učení sa v subiculum, čo naznačuje, ako prekrývať- pingové kódy podporujú extrakciu vedomostí nad rámec priamych skúseností.
Ako dlho trvá, kým cistanche funguje
Naše zistenie, že subiculum reprezentácie sledujú odvodzujúce rozhodnutia, môže odrážať, že subiculum je výstupnou štruktúrou hipokampálneho okruhu (O'Mara et al., 2001), ktorý zohráva kľúčovú úlohu pri spomínaní (Viskontas et al., 2009; Lindberg et al., 2017). Zatiaľ čo subiculum vykazovalo dôkazy o diferenciácii súvisiacej s učením pre prekrývajúce sa páry celkovo, naše modelovacie údaje naznačujú, že reprezentačná zmena v podloží odráža pokračovanie odpovedí. Zvýšená integrácia (ktorá môže byť tiež považovaná za menšiu diferenciáciu) podporovala rýchlejšie a presnejšie vyvodenie. Naše výsledky naznačujú, že keď sú spomienky integrovanejšie (alebo menej diferencované), záver sa uľahčuje získaním uloženého spojenia medzi nepriamo súvisiacimi položkami (Shohamy a Wagner, 2008; Schlichting et al., 2014); naproti tomu diferenciácia by mohla spomaliť záver medzi dvoma samostatnými stopami, ktoré by bolo potrebné získať a rekombinovať pri teste (Koster et al., 2018).
Podobne ako subiculum, aj GR/CA2,3 vykazovalo diferenciáciu nepriamo súvisiaceho vzdelávania súvisiacu s učenímpamäťprvky, keďpamäťReaktivácia bola počas kódovania silnejšia. Treba však poznamenať, že GR/CA2,3 diferenciácia súbehupamäťprvky sa pozorovali len vo vzťahu k nesúvisiacej základnej línii naprieč triádami; nedošlo k žiadnej zmene podobnosti od učenia sa k post learningu pre nepriamo súvisiace položky samostatne (obr. 4D, inset). Toto zistenie je v súlade s predchádzajúcou prácou, ktorá ukazuje hipokampálnu diferenciáciu pre súvisiace s nesúvisiacimi udalosťami po učení (Favila et al., 2016; Dimsdale-Zucker et al., 2018), pričom tiež kontroluje základné zmeny podobnosti, ktoré sa vyskytujú v priebehu času. Okrem toho GR/CA2,3 preukázalo dôkazy opamäťintegrácia, keď bola reaktivácia pamäte počas učenia slabšia, čo naznačuje potenciál pre jemnejšiu reprezentačnú dynamiku v tomto regióne. Napríklad pamäťová súťaž vyvolaná reaktiváciou môže mať nemonotonický vzťah k reprezentačnej zmene v GR/CA2,3 (Ritvo et al., 2019). Silnejšia reaktivácia môže podporiť aktívnu diferenciáciu; slabšie alebo stredné úrovne reaktivácie môžu viesť k integrácii a žiadna reaktivácia nemusí spôsobiť neprekrývajúce sa reprezentácie, ktoré sú oddelené pasívnou ortogonalizáciou. Táto komplexná stratégia kódovania by mohla vysvetliť, prečo GR/ CA2,3 vykazuje dôkazy o diferencovaných (Kim et al., 2017) a integrovaných (Schapiro et al., 2012) reprezentácií za rôznych okolností. Alternatívne môžu naše výsledky odrážať použitie kombinovaného regiónu DG/CA2,3, o ktorého zložkách sa predpokladá, že vykazujú rôzne prenosové funkcie medzi environmentálnymi podnetmi a výslednýmipamäťreprezentácie (Yassa a Stark, 2011). Pozorovaný vzorec výsledkov naznačuje, že kvantifikácia reaktivácie pamäte spolu s reprezentačnou zmenou je potrebná na úplné pochopenie toho, ako pamäťová konkurencia ovplyvňuje reprezentačné učenie v GR/ CA2,3.
Na záver, naše empirické zistenia podporujú nedávno navrhovaný výpočtový model hipokampálneho obvodu (Schapiro et al., 2017); simulácie z tohto modelu naznačujú, že CA1 môže predstavovať vzťahy medzi udalosťami, zatiaľ čo zastúpenia GR a CA3 môžu zdôrazniť rozdiely medzi podobnými epizódami. Naše zistenia sú v súlade s týmito výpočtovými predpoveďami, pričom CA1 vytvára integrované reprezentácie pre podobné spomienky, zatiaľ čo GR/CA2,3 a subiculum rozlišujú tie isté skúsenosti. Okrem toho ukazujeme, že hipokampálne reprezentácie podporujú nové závery a uľahčujú objavovanie nepozorovaných vzťahov medzi odlišnými, ale súvisiacimi skúsenosťami. Súčasná práca ďalej ukazuje, že disociácie hipokampálneho subfieldu nie sú jednoduchou funkciou zmyslového vstupu, ale sú výsledkompamäťKonkurencia počas učenia. Súčasná štúdia spoločne podporuje naše chápanie toho, ako predchádzajúce poznatky formujú spôsob, akým sú nové udalosti reprezentované v hipokampálnom okruhu, a poskytuje empirický test kľúčových predpovedí výpočtových modelov hipokampálnych modelov hipokampálnehopamäťfunkcia.
