Pengaktifan Semula Memori Semasa Pembelajaran Serentak Menggalakkan Pembezaan Corak Girus Gigi/CA2,3 Dan Integrasi Memori CA1

Hubungi: Audrey Huaudrey.hu@wecistanche.com

Peristiwa yang bertindih dengan pengalaman terdahulu boleh mencetuskan pengaktifan semula kenangan sedia ada. Walau bagaimanapun, pengaktifan semula sedemikian mungkin mempunyai akibat perwakilan yang berbeza dalam litar hippocampal. Teori pengiraan fungsi hippocampal mencadangkan bahawa gyrus dentate dan CA2,3 (DG/CA2,3) adalah berat sebelah untuk membezakan ingatan yang sangat serupa, manakala CA1 boleh mengintegrasikan peristiwa berkaitan dengan mewakilinya dengan kod saraf yang bertindih. Di sini, kami menguji sama ada pembentukan perwakilan yang berbeza atau bersepadu dalam subfield hippocampal bergantung pada kekuatan pengaktifan semula ingatan semasa pembelajaran. Peserta manusia kedua-dua jantina mempelajari persatuan (pasangan AB, sama ada bentuk muka atau bentuk pemandangan), dan kemudian menjalani pengimbasan fMRI semasa mereka mengekodkan persatuan bertindih (pasangan objek bentuk SM). Sebelum dan selepas pembelajaran, peserta juga diimbas sambil melihat unsur-unsur yang berkaitan secara tidak langsung bagi kenangan bertindih (imej A dan C) secara berasingan. Kami menggunakan analisis corak multivariate untuk mengukur pengaktifan semula ingatan pasangan awal (item A) semasa pembelajaran pasangan bertindih (BC), serta perubahan perwakilan berkaitan pembelajaran untuk elemen memori yang berkaitan secara tidak langsung dalam subbidang hippocampal. Apabila ingatan terdahulu diaktifkan semula dengan kuat semasa pengekodan pasangan bertindih, perwakilan DG/CA2,3 dan subiculum untuk imej yang berkaitan secara tidak langsung (A dan C) menjadi kurang serupa, selaras dengan pembezaan corak. Pada masa yang sama, pengaktifan semula ingatan semasa pembelajaran baharu menggalakkan integrasi dalam CA1, di mana perwakilan untuk elemen ingatan yang berkaitan secara tidak langsung menjadi lebih serupa selepas pembelajaran. Tambahan pula, pengaktifan semula memori dan perwakilan subiculum meramalkan keputusan inferens (AC) yang lebih pantas dan tepat. Data ini menunjukkan bahawa pengaktifan semula ingatan yang berkaitan semasa pembelajaran baharu membawa kepada strategi pengekodan yang boleh dipisahkan dalam subbidang hippocampal, selaras dengan teori pengiraan.

Kata kunci: ingatan bersekutu; ingatan episodik; fMRI resolusi tinggi; subfield hippocampal; pemisahan corak

KESAN CISTANCHE: MENINGKATKAN INGATAN

pengenalan

Hippocampus terdiri daripada pelbagai subbidang yang menyumbang kepada pemprosesan dan perwakilan memori. Model pengiraan mencadangkan bahawa sifat anatomi gyrus dentate dan CA2,3 (DG/CA2,3) menjadikan subbidang ini sesuai untuk pemisahan corak, atau pengortogonan automatik input kortikal yang sangat serupa melalui penembakan jarang (Marr, 1971; Schapiro et al. ., 2017). Sebaliknya, ciri-ciri CA1 telah dicadangkan untuk menengahi integrasi memori atau pembentukan perwakilan bertindih yang mengekodkan ciri-ciri umum merentas episod yang berkaitan (Eichenbaum et al., 1999; Schlichting dan Preston, 2015; Schapiro et al., 2017). Penyelidikan elektrofisiologi membuktikan pemisahan perwakilan sedemikian di kalangan subbidang: Ensembel DG/CA2,3 menimbulkan corak penembakan yang berbeza dengan hanya perubahan kecil dalam ciri persepsi persekitaran, manakala corak aktiviti CA1 berubah secara beransur-ansur apabila persekitaran menjadi berbeza secara persepsi (Leutgeb et al., 2004, 2007). Kerja selari pada manusia telah menunjukkan bahawa perubahan dalam pengaktifan DG/CA2,3 membezakan antara imej objek yang sangat serupa atau objek yang berkongsi konteks yang sama, manakala tindak balas CA1 tidak (Bakker et al., 2008; Lacy et al., 2011; Dimsdale). -Zucker et al., 2018). Subiculum, struktur keluaran litar hippocampal (O'Mara et al., 2001), boleh menyumbang kepada kedua-dua pembezaan corak (Potvin et al., 2009) dan integrasi (Schapiro et al., 2012).

Rajah 1. Reka bentuk eksperimen. Skema tugas tingkah laku. Para peserta mula-mula didedahkan kepada gambar yang dipersembahkan secara individu (wajah, adegan, dan objek novel) yang kemudiannya akan menjadi berkaitan secara tidak langsung melalui pembelajaran berpersatuan (item A dan C). Kemudian, peserta belajar mengaitkan pasangan awal (persatuan AB bentuk muka atau bentuk adegan) dan diimbas semasa mempelajari pasangan bertindih (persatuan BC objek-bentuk). Peserta diimbas semula dalam fasa pasca pendedahan semasa mereka melihat item yang sama dari prapendedahan (item A dan C). Peserta kemudiannya menyelesaikan tugas inferens merentas episod. Akhirnya, peserta menyelesaikan tugas penyetempat di mana mereka melihat muka, pemandangan, objek dan bentuk yang dibentangkan secara individu dalam reka bentuk yang disekat. B, Manipulasi persamaan visual. Persamaan item B yang dikongsi merentas pasangan telah dimanipulasi secara parametrik. Dalam contoh ini, bentuk atas akan dilihat dalam pasangan AB awal, manakala baris bawah mewakili morf bentuk berbeza yang boleh dilihat apabila mempelajari pasangan BC yang bertindih. Item B memaut yang dipersembahkan semasa pembelajaran pasangan bertindih boleh sama ada padanan tepat dengan item B yang dibentangkan semasa pembelajaran pasangan awal (AB), morf persamaan tinggi atau persamaan rendah, atau item baharu (iaitu, tidak bertindih). C, Persamaan subjektif bagi rangsangan bentuk yang digunakan untuk item Berkelip. Sampel bebas peserta menilai persamaan visual antara bentuk induk dan bentuk bentuk yang dipersembahkan bersebelahan menggunakan skala Likert 5 mata (1=tidak sama sekali, 5=sangat serupa). pp, 0.05 (ujian-t berpasangan). Bar ralat menunjukkan 6 SEM.

Walau bagaimanapun, kerja terdahulu sedemikian tidak mempertimbangkan bagaimana pengaktifan semula memori memacu strategi perwakilan yang boleh dipisahkan dalam hippocampus, membolehkan pembelajaran perwakilan melangkaui transformasi mudah antara input deria luaran dan output memori. Model pembelajaran pengiraan klasik mencadangkan bahawa perwakilan memori harus menyesuaikan diri untuk meramalkan kemungkinan hasil sebagai tindak balas kepada isyarat persekitaran, dengan penyepaduan berlaku apabila rangsangan meramalkan hasil dan pembezaan yang sama apabila rangsangan meramalkan hasil yang berbeza (Rumelhart et al., 1986). Walau bagaimanapun, penemuan fMRI baru-baru ini menunjukkan bahawa pembezaan juga boleh berlaku apabila rangsangan berkongsi persatuan atau hasil yang sama (Schlichting et al., 2015; Favila et al., 2016; Zeithamova et al., 2018). Dalam kajian tersebut, perwakilan hippocampal lebih berbeza untuk rangsangan yang berkongsi hasil yang sama daripada rangsangan dengan hasil yang berbeza. Pembezaan sedemikian tidak dapat dijelaskan dari segi pemisahan automatik input luaran melalui pengekodan jarang dalam DG/CA2,3; Sebaliknya, perspektif teori baru-baru ini mencadangkan bahawa pengaktifan semula ingatan mungkin menyumbang bagaimana perwakilan hippocampal berubah dalam menghadapi pertindihan peristiwa (Ritvo et al., 2019).

Mengikut teori ini, pembelajaran optimum mengurangkan persaingan antara ingatan melalui sama ada pembezaan atau integrasi (Ritvo et al., 2019). Walaupun pertindihan deria dalam persekitaran pastinya merupakan salah satu faktor yang mungkin mendorong pembentukan perwakilan optimum yang mengurangkan kekaburan (Leutgeb et al., 2004, 2007; Lacy et al., 2011; Yassa dan Stark, 2011), apa yang mungkin lebih penting. ialah bagaimana input deria yang bertindih mendorong pengaktifan semula ingatan yang bersaing. Kenangan yang diaktifkan semula mungkin menjadi "sasaran" pembelajaran lebih daripada ciri deria yang menimbulkan pengaktifan semula. Oleh itu, dalam kajian ini, kami melampaui mempertimbangkan persamaan persepsi sebagai pemacu tunggal perwakilan hippocampal dan menguji sama ada pengaktifan semula kenangan yang berkaitan dalam korteks semasa pembelajaran menghasilkan pengekodan sub-bidang yang boleh dipisahkan. Kami membuat hipotesis bahawa pengaktifan semula memori akan dimodulasi oleh kesamaan peristiwa merentas pembelajaran (Vieweg et al., 2015) dan mungkin menjadi faktor utama yang mengantarkan tahap pertindihan perwakilan yang diperhatikan untuk peristiwa serupa dalam subbidang hippocampal (Ritvo et al., 2019). Kami juga membuat hipotesis bahawa integrasi dan pembezaan tidak akan menjadi hasil yang saling eksklusif sebagai tindak balas kepada pengaktifan semula ingatan, tetapi pengaktifan semula itu sebaliknya akan membawa kepada pembentukan serentak perwakilan terbeza dan bersepadu yang saling melengkapi dalam DG / CA2,3 dan CA1.

Untuk menguji ramalan ini, kami secara parametrik memanipulasi persamaan persepsi antara peristiwa bertindih dalam tugas inferens bersekutu (Rajah 1). Peserta mengkaji pasangan awal dan diimbas menggunakan fMRI resolusi tinggi sambil mempelajari pasangan bertindih. Kami menguji ingatan untuk pasangan yang dipelajari dan menyimpulkan pengetahuan tentang hubungan tidak langsung merentas pasangan, dengan prestasi inferens berfungsi sebagai indeks integrasi tingkah laku (Shohamy dan Wagner, 2008; Zeithamova et al., 2012). Secara kritis, kami mengukur bagaimana pengaktifan semula memori semasa pembelajaran acara bertindih memberi kesan kepada perwakilan subfield hippocampal

KESAN SUPPLEMENT CISTANCHE: MENINGKATKAN INGATAN

Bahan dan Kaedah

Peserta Tiga puluh dua individu tangan kanan (15 perempuan, berumur 18-31 tahun, min=21.5 tahun) mengambil bahagian selepas memberikan persetujuan termaklum menurut protokol yang diluluskan oleh Lembaga Kajian Institusi di Universiti of Texas di Austin. Peserta menerima pampasan $25/j. Data daripada 6 peserta dikecualikan daripada analisis: 2 peserta kerana gerakan kepala yang berlebihan, 1 peserta yang menarik diri daripada eksperimen, 2 peserta yang mempunyai sesi pengimbasan yang tidak lengkap (fasa pasca pendedahan dan/atau penyetempat tidak diimbas), dan 1 peserta untuk artifak imej dalam imbasan berfungsi yang menghalang analisis fasa prapendedahan dan penyetempat. Baki peserta (n=26, 14 perempuan) telah dimasukkan dalam analisis. Kami menentukan saiz sampel akhir kami berdasarkan kajian berkaitan yang menggunakan paradigma dan pendekatan analitik yang serupa (Zeithamova et al., 2012; Schlichting et al., 2015; Dimsdale-Zucker et al., 2018). Tambahan pula, saiz sampel ini memberi kami anggaran kuasa statistik sebanyak .0.99 untuk mengesan kesan persamaan visual pada ketepatan inferens merentas episod berdasarkan data perintis daripada kumpulan peserta yang berasingan (n=30, 22 perempuan, berumur { {23}} tahun, min=18.9 tahun; pengukuran berulang ANOVA menghasilkan separa h kuasa dua (h2 )=0.280).

Rangsangan ialah 58 wajah yang tidak dikenali (separuh lelaki, separuh perempuan, semua putih), 58 adegan yang tidak dikenali (separuh semula jadi, separuh buatan manusia), 671 bentuk hitam yang dijana dalam MATLAB (untuk maklumat lanjut, lihat manipulasi persamaan visual semasa pengekodan baharu), dan 74 novel objek (Hsu et al., 2014; Schlichting et al., 2015). Subset rangsangan telah disusun kepada 32 triad yang terdiri daripada tiga item (A, B, C) yang digunakan dalam tugas inferens bersekutu (Rajah 1A). Item A terdiri daripada muka (16) berpecah sama rata mengikut jantina, dan adegan (16) berpecah sama rata oleh semula jadi dan buatan manusia; semua item B adalah bentuk (56); semua item C adalah objek baru (32). Satu lagi sub-set rangsangan (42 muka, 42 adegan, 42 objek dan 42 bentuk) digunakan dalam tugas penyetempat dan tidak dilihat semasa tugasan inferens bersekutu. Penetapan rangsangan kepada triad dan tugas penyetempatan secara rawak merentas peserta. Rangsangan telah dibentangkan menggunakan Psychtoolbox dalam MATLAB (Brainard, 1997; Pelli, 1997; Kleiner et al., 2007).

Prosedur tugasan Pembelajaran pasangan awal (AB). Peserta mempelajari pasangan awal (AB) merentasi empat blok ujian kajian. Semasa fasa kajian, setiap satu daripada 32 pasangan awal dibentangkan selama 3.5 s dengan 0.5 s selang antara percubaan (ITI). Item A (wajah atau adegan) sentiasa dibentangkan di sebelah kiri, dan item B (bentuk) sentiasa dibentangkan di sebelah kanan. Selepas mengkaji semua pasangan, peserta telah diuji menggunakan 3-ujian pilihan paksa alternatif. Peserta diberi isyarat dengan item A di bahagian atas skrin dan terpaksa memilih antara item B yang sesuai dan dua kerajang. Kerajang adalah bentuk daripada triad lain, jadi peserta tidak boleh membuat keputusan berdasarkan kebiasaan bentuk tersebut. Peserta mempunyai 10 s untuk menjawab setiap percubaan. Selepas maklum balas peserta, maklum balas pembetulan diberikan pada akhir setiap percubaan selama 1 saat. Ujian ujian dipisahkan oleh ITI 0.5 s. Imej anatomi dikumpulkan semasa fasa ini.

Manipulasi persamaan visual semasa pengekodan baharu. Untuk mengkaji bagaimana persamaan unsur peristiwa mempengaruhi pengaktifan semula dan tingkah laku ingatan, persamaan visual unsur penghubung (bentuk atau item B) dalam tugas inferens bersekutu telah dimanipulasi secara parametrik (Rajah 1B). Kami memanipulasi persamaan visual berdasarkan kerja terdahulu yang menunjukkan bahawa tindak balas subfield hippocampal dimodulasi oleh pertindihan ciri visual antara peristiwa (Leutgeb et al., 2004, 2007; Bakker et al., 2008; Lacy et al., 2011). Terdapat empat keadaan: padanan tepat, persamaan tinggi, persamaan rendah dan baharu. Dalam keadaan padanan yang tepat, peserta melihat bentuk B yang memautkan yang sama apabila mempelajari pasangan awal (AB) dan pasangan bertindih (BC). Dalam keadaan persamaan tinggi dan rendah, setiap bentuk yang dilihat dalam pasangan bertindih adalah morf parametrik bentuk daripada salah satu pasangan awal. Bentuk "induk" dijana dengan mengambil 16 titik yang diedarkan di sepanjang perimeter bulatan, menterjemah setiap titik secara rawak, dan kemudian menyambungkan titik bersebelahan untuk mencipta tepi menggunakan interpolasi spline. Bentuk dalam keadaan persamaan tinggi dan rendah dijana dengan mengambil bentuk dua induk dan purata koordinat bucu sepadan menggunakan pemberat yang berbeza. Bentuk persamaan yang tinggi ditimbang 80 peratus kepada satu bentuk induk dan 20 peratus kepada induk yang lain, manakala bentuk persamaan yang rendah ditimbang 70 peratus kepada satu induk dan 30 peratus kepada yang lain. Dalam keadaan baharu, peserta melihat bentuk baharu dipasangkan dengan objek baharu, menjadikan pasangan ini tidak bertindih dengan pasangan awal. Oleh itu, pasangan baharu itu berfungsi sebagai garis asas untuk pembelajaran bersekutu. Setiap peserta mengkaji lapan triad bagi setiap keadaan persamaan visual.

Perbezaan dalam persamaan subjektif antara item persamaan tinggi dan rendah telah disahkan dalam sampel bebas 9 peserta (8 perempuan, berumur 18-22 tahun, min=19.4 tahun). Peserta dalam sampel ini menilai persamaan visual antara bentuk induk dan bentuk bentuk yang dipersembahkan bersebelahan menggunakan skala Likert 5 mata (1=sama sekali tidak serupa, 5=sangat serupa) merentas 180 percubaan . Padanan tepat dinilai sebagai lebih serupa daripada morf persamaan tinggi (t(8) {{10}}.255, p , 0.001, Cohen's d=2.085), morf kesamaan tinggi dinilai sebagai lebih serupa daripada morf kesamaan rendah (t(8)=9.312, p , 0.001, d=3.104), dan morf kesamaan rendah dinilai sebagai lebih serupa daripada yang baharu item (t(8)=10.021, p , 0.001, d=3.340). Satu kaveat untuk mengukur persamaan subjektif menggunakan pendekatan ini ialah perbandingan tidak melibatkan komponen ingatan. Ada kemungkinan, jika kita memasukkan kelewatan antara pembentangan dua bentuk, fungsi persamaan subjektif yang diperhatikan (Rajah 1C) mungkin berbeza; contohnya, perbezaan persamaan subjektif antara keadaan persamaan tinggi dan rendah mungkin kurang ketara. Walaupun kaveat pengukuran ini mungkin mempengaruhi tafsiran penilaian persamaan subjektif itu sendiri, ia mempunyai kesan yang kurang pada tafsiran analisis tingkah laku dan saraf pusat kami. Kami memerhatikan perbezaan prestasi dalam memori dan pengaktifan semula antara keadaan persamaan (termasuk keadaan tinggi dan rendah) yang menunjukkan empat keadaan persamaan pemprosesan berimpak secara berbeza (lihat Keputusan). Tambahan pula, analisis saraf kami menilai perubahan perwakilan berkaitan pembelajaran memberi tumpuan kepada keadaan persamaan yang tinggi sahaja dan tidak bergantung pada perbandingan dengan keadaan persamaan yang lain (lihat Pendedahan item individu sebelum dan selepas pembelajaran).

Pembelajaran pasangan bertindih (BC). Selepas peserta mempelajari pasangan awal, mereka diimbas semasa mempelajari pasangan bertindih. Fasa ini sekali lagi terdiri daripada empat blok ujian kajian. Semasa fasa kajian, 32 pasangan telah dibentangkan menggunakan reka bentuk berkaitan peristiwa, dengan pasangan dibentangkan selama 3.5 s diikuti oleh 8.5 s ITI penetapan. Item C (objek) sentiasa dibentangkan di sebelah kiri, dan item B (bentuk) sentiasa dibentangkan di sebelah kanan. Selepas setiap fasa kajian, peserta diuji pada pasangan BC menggunakan 3-ujian pilihan paksa alternatif, yang tidak diimbas. Peserta diberi isyarat dengan item C di bahagian atas skrin dan perlu memilih antara item B yang sesuai dan dua kerajang. Maklum balas tidak diberikan semasa fasa ini. Peserta mempunyai 10 s untuk bertindak balas pada setiap percubaan ujian dan percubaan dipisahkan oleh ITI 0.5 s.

Pendedahan item individu sebelum dan selepas pembelajaran. Sebelum mempelajari pasangan awal dan selepas mempelajari pasangan bertindih, peserta didedahkan kepada item A dan C yang dibentangkan secara individu (wajah, adegan dan objek) daripada keadaan persamaan yang tinggi. Fasa pendedahan ini dihadkan kepada keadaan persamaan visual tunggal untuk memaksimumkan bilangan pembentangan bagi setiap rangsangan dan menambah baik anggaran corak pengaktifan berkaitan tugas (lihat Anggaran corak rangsangan individu sebelum dan selepas pembelajaran). Menggunakan syarat persamaan tunggal juga membolehkan kami mengawal kesan persamaan visual semasa mengira perubahan perwakilan. Keadaan persamaan visual yang tinggi digunakan kerana kerja terdahulu pada manusia telah menunjukkan bahawa rangsangan yang sangat serupa secara visual menimbulkan tindak balas pembezaan dalam DG/CA2,3 dan CA1 (Lacy et al., 2011).

Dalam setiap larian pendedahan, peserta diimbas manakala item dibentangkan selama 1 saat dengan ITI 3 saat. Semasa setiap item berada di skrin, peserta menyelesaikan tugas pengesanan perubahan dengan menunjukkan melalui tekan butang sama ada salib hitam bertindih bertukar warna kepada hijau atau biru 100-200 ms selepas permulaan rangsangan (Kriegeskorte et al., 2008; Schlichting et al., 2015). Terdapat empat ulangan bagi setiap item setiap larian, dan sejumlah empat larian setiap satu dalam fasa pradedahan dan pasca dedahan. Percubaan dibuat secara pseudorandom supaya item dalam triad dipersembahkan dengan sekurang-kurangnya dua item bersilang daripada triad lain. Selain itu, 20 peratus percubaan adalah batal (iaitu, tiada objek atau tugas pengesanan perubahan) untuk meningkatkan anggaran pengaktifan peringkat item dalam analisis; percubaan nol ini diletakkan secara rawak antara percubaan pembentangan item. Susunan percubaan dan masa adalah sama dalam fasa pradedahan dan pasca dedahan. Ketepatan pada tugas pengesanan perubahan dipantau untuk memastikan peserta memberi perhatian kepada tugas tersebut tetapi tidak dipertimbangkan lagi.

Terdapat juga fasa prapendedahan tanpa imbasan untuk item daripada padanan tepat, persamaan rendah dan keadaan baharu yang berlaku sebelum prapendedahan diimbas yang pertama dijalankan. Tujuan fasa ini adalah untuk menyamakan kebiasaan item A dan C dalam padanan tepat, persamaan rendah, dan keadaan baharu dengan item dalam keadaan persamaan tinggi sebelum pembelajaran berpasangan. Pendedahan tidak diimbas adalah serupa dengan fasa pendedahan yang diimbas, kecuali ITI ialah 0.5 s dan tiada percubaan batal.

Ujian inferens bersekutu (AC). Berikutan fasa pasca pendedahan, para peserta diberi ujian mengejut tentang hubungan tidak langsung antara item A dan C yang berkongsi rakan seperjuangan (B). Ujian inferens telah dilakukan di dalam pengimbas tetapi tidak diimbas. Dalam fasa ini, peserta diberi isyarat dengan item C (objek) dan boleh memilih antara item A dari kategori yang sama (iaitu, tiga muka atau tiga adegan). Semasa menghadapi ujian, peserta diarahkan untuk memilih orang yang berkemungkinan besar memiliki objek cued. Pada percubaan tempat kejadian, mereka diarahkan untuk memilih lokasi yang kemungkinan besar mereka akan menemui objek isyarat. Secara kritis, peserta tidak pernah diarahkan secara jelas tentang manipulasi persamaan visual atau pertindihan merentas pembelajaran. Peserta diberi masa 10 saat untuk menjawab. Tiada maklum balas diberikan.

Penyetempatan. Selepas ujian inferens, peserta telah diimbas dalam tugasan penyetempat. Dalam tugasan ini, peserta melihat satu siri rangsangan daripada empat kategori rangsangan yang digunakan dalam eksperimen: muka, pemandangan, bentuk dan objek. Rangsangan telah dibentangkan dalam reka bentuk yang disekat, dengan setiap blok terdiri daripada lapan imej yang dibentangkan selama 2.5 s setiap satu dengan 0.5 s ITI. Semasa setiap blok rangsangan, peserta menyelesaikan tugas ingatan satu belakang di mana mereka perlu mengesan rangsangan berulang. Terdapat satu rangsangan berulang dalam setiap blok. Ketepatan pada tugasan satu belakang dipantau untuk memastikan peserta memberi perhatian kepada tugasan tetapi tidak dipertimbangkan lagi. Blok dipisahkan oleh 8 s penetapan. Peserta menyelesaikan tiga larian tugas penyetempat, dengan dua blok setiap jenis rangsangan setiap larian.

Pengumpulan dan prapemprosesan data fMRI Data dikumpul dengan 3T Siemens Skyra. Terdapat sejumlah 15 imbasan berfungsi (TR=2000 ms, TE=30 ms, sudut flip=73 darjah , voxel isotropik 1.7 mm, EPI, faktor pecutan berbilang jalur=3) merentasi fasa prapendedahan, kajian pasangan bertindih, pasca pendedahan dan penyetempat. Tiga peta medan (TR=589 ms, TE=5 ms/7.46 ms, 1.5 1.5 2 mm voxel, sudut flip=5 darjah ) telah dikumpulkan untuk membetulkan herotan dalam medan magnet: satu sejurus sebelum fasa pradedahan untuk membetulkan imbasan pradedahan, satu sebelum fasa kajian pasangan bertindih untuk membetulkan kajian dan imbasan pasca dedahan, dan satu sebelum fasa penyetempat untuk membetulkan imbasan penyetempat. AT1-volum MPRAGE 3D berwajaran telah dikumpulkan (TR {{20}} ms, TE=2.43 ms, sudut flip=9 darjah , voxel isotropik 1 mm) untuk memudahkan penjajaran dan normalisasi data berfungsi kepada templat anatomi. Dua imbasan struktur berwajaran T2- koronal, dijajarkan berserenjang dengan paksi panjang hippocampal, telah dikumpulkan (TR=13,150 ms, TE=82 ms, 0.4 mm 0.4 mm dalam satah, 1.5 mm melalui satah) dan kemudian dipuratakan untuk pembahagian subbidang.

Imej fungsional dan anatomi telah dipraproses menggunakan Pustaka Perisian FMRIB versi 5.0.9 (FSL: http://fsl.fmrib.ox.ac.uk/fsl/) dan Advanced Normalization Tools (ANTS) versi 2.1 ( Avant et al., 2011). Imbasan fungsional telah diperbetulkan gerakan menggunakan MCFLIRT dalam FSL dan kemudian didaftarkan pada kajian pasangan bertindih terakhir yang dijalankan menggunakan transformasi afin dalam ANTS. Struktur bukan otak telah dikeluarkan daripada imbasan berfungsi dan MPRAGE menggunakan BET dalam FSL. Pemprosesan data tambahan telah dijalankan menggunakan FEAT (Alat Analisis Pakar FMRI) versi 6.00, sebahagian daripada FSL. Pemprosesan statistik berikut telah digunakan pada semua imej berfungsi; pendaftaran bersama dengan MPRAGE dan EPI berasaskan peta medan unwarping menggunakan FUGUE (Jenkinson, 2003); normalisasi intensiti besar-besaran keseluruhan set data 4D dengan faktor pendaraban tunggal; penapisan temporal laluan tinggi (pemasangan garis lurus segi empat sama berwajaran Gaussian, dengan s=64 s). Pelicinan spatial menggunakan kernel Gaussian FWHM 4 mm telah digunakan pada pembelajaran pasangan bertindih dan imbasan penyetempat.

ROI Anatomi ROI termasuk bahan kelabu seluruh otak untuk analisis pengaktifan semula dan subbidang hippocampal untuk analisis pengekodan saraf. Topeng jirim kelabu seluruh otak telah dicipta untuk setiap peserta dalam ruang asli menggunakan FAST (Zhang et al., 2001), sebahagian daripada FSL, dengan MPRAGE. Topeng jirim kelabu kemudiannya dipindahkan ke resolusi berfungsi menggunakan transformasi linear dalam ANTS. Dalam hippocampus, corak pengaktifan dalam subbidang CA1, gabungan rantau DG/CA2,3, dan subiculum telah dianalisis. Subbidang hippocampal telah dikenal pasti di kepala dan badan hippocampus dalam ruang asli dengan topeng normalisasi terbalik daripada templat sumber terbuka dengan subbidang tersegmentasi (Schlichting et al., 2019) kepada purata imej koronal T2 setiap peserta menggunakan SyN bukan linear transformasi dalam SEMUT. Prosedur ini telah ditunjukkan untuk memberikan hasil yang setanding dengan pengesanan manual (Schlichting et al., 2019). Topeng kemudiannya diperiksa dan diedit secara manual untuk setiap peserta untuk mengeluarkan voxel di luar hippocampus dan memastikan segmentasi yang tepat berdasarkan protokol yang ditetapkan (West dan Gundersen, 1990; Duvernoy, 1998; Mai et al., 2007). Akhirnya, topeng subfield telah diubah kepada ruang imbasan berfungsi dengan terlebih dahulu mendaftarkan imej koronal purata ke MPRAGE menggunakan transformasi linear dan kemudian menggunakan transformasi yang dikira sebelum ini kepada ruang berfungsi.

KESAN EKSTRAK CISTANCHE: MENINGKATKAN INGATAN

Kuantifikasi dan analisis statistik

Menyahkod pengaktifan semula ingatan semasa pembelajaran acara bertindih. Untuk mengukur pengaktifan semula corak pengekodan yang berkaitan dengan pasangan awal semasa pembelajaran pasangan bertindih, kami menggunakan analisis klasifikasi corak dalam PyMVPA (Hanke et al., 2009). Jika peserta mengaktifkan semula maklumat berkaitan (iaitu, item muka dan pemandangan daripada pasangan AB) apabila mempelajari pasangan bertindih (pasangan objek bentuk BC), maka pengelas corak yang dilatih pada data penyetempat harus sensitif kepada kategori maklumat (sama ada muka atau adegan) yang sedang diaktifkan semula (Polyn et al., 2005; Kuhl et al., 2011; Zeithamova et al., 2012). Oleh itu, kami melatih pengelas corak dengan data daripada fasa penyetempat dan kemudian menggunakan pengelas pada fasa pembelajaran pasangan bertindih. Kami mengendalikan pengaktifan semula memori sebagai bukti pengelas untuk kategori item A (iaitu, muka atau pemandangan) daripada pasangan AB awal yang berkaitan dengan pasangan BC yang bertindih.

Kami mengukur pengaktifan semula memori menggunakan prosedur berbilang langkah. Mula-mula, kami menjalankan lampu carian seluruh otak (Kriegeskorte et al., 2006) untuk mengenal pasti kawasan di mana maklumat tentang item A telah dikembalikan semasa pembelajaran pasangan bertindih. Dalam setiap sfera lampu carian (jejari=3 voxel, voxel=123), mesin vektor sokongan linear telah dilatih untuk membezakan corak saraf daripada fasa penyetempat yang dikaitkan dengan muka, pemandangan, objek dan bentuk. Untuk mengambil kira lag hemodinamik, setiap imej berfungsi dilabelkan dengan mengambil label percubaan dan mengalihkan masa ke hadapan sebanyak 4 saat (dua TR). Pengelas terlatih kemudiannya digunakan pada corak saraf daripada fasa pembelajaran pasangan bertindih, yang juga dianjak masa sebanyak 4 saat. Anggaran pengaktifan semula peringkat percubaan telah diekstrak dengan mengambil bukti pengelas untuk kategori yang dikaitkan dengan item A bagi setiap triad (cth, bukti pengelas untuk muka bagi triad objek bentuk muka) untuk dua TR yang sepadan dengan pembentangan setiap pasangan. Nilai bukti pengelas diisih kepada dua set: set pengaktifan semula dan set garis dasar. Set pengaktifan semula mengandungi nilai bukti pengelas daripada ujian padanan tepat, persamaan tinggi dan kesamaan rendah. Set garis dasar mengandungi nilai bukti muka dan tempat kejadian daripada percubaan dalam keadaan baharu. Oleh kerana pasangan bentuk-objek dalam keadaan baharu tidak bertindih dengan mana-mana pasangan yang dipelajari sebelum ini, ia tidak seharusnya menimbulkan pengaktifan semula kenangan muka atau pemandangan. Indeks pengaktifan semula akhir dikira dalam setiap sfera dengan mengambil perbezaan antara bukti purata untuk set pengaktifan semula dan purata set garis dasar.

Untuk menguji kepentingan indeks pengaktifan semula ini, kami membandingkan indeks pengaktifan semula sebenar kepada pengedaran nol dalam setiap sfera lampu carian. Pengagihan nol telah dibuat lebih daripada 1000 lelaran dengan merombak nilai bukti pengelas merentas set pengaktifan semula dan garis dasar dan kemudian mengira semula indeks pengaktifan semula setiap lelaran. Voxel tengah setiap sfera lampu carian melaporkan bahagian taburan nol dengan indeks pengaktifan semula lebih besar daripada atau sama dengan indeks pengaktifan semula yang diperhatikan (iaitu, nilai-p). Untuk mengenal pasti kawasan pengaktifan semula merentas peserta, peta lampu carian peserta individu telah dinormalkan kepada templat kumpulan untuk ujian kepentingan. Imej-imej nilai-p telah ditukar kepada imej z-statistik dan kemudian dilesongkan kepada templat anatomi MNI 152 (disampaikan semula kepada resolusi imbasan berfungsi, voxel isotropik 1.7 mm) menggunakan transformasi SyN tak linear dalam ANTS. Voxelwise, ujian pilih atur bukan parametrik dilakukan menggunakan Randomise dalam FSL melebihi 5000 lelaran (Winkler et al., 2014). Kelompok yang ketara telah dikenal pasti dengan menggunakan ambang voxel p, 0.01 (tidak diperbetulkan) dan ambang gugusan p, 0.05. Ambang dikira menggunakan fungsi AFNI (Cox, 1996) 3dClustSim dengan anggaran kelancaran yang diperoleh daripada fasa kajian menggunakan 3dFWHMx berdasarkan Fungsi AutoCorrelation spatial. Tahap kluster ditentukan menggunakan ambang dua belah dengan pengelompokan jiran kedua terdekat.

Untuk mengesahkan bahawa langkah pengaktifan semula tidak didorong oleh satu kategori rangsangan, kami selanjutnya menyoal siasat kelompok lampu carian untuk menguji sama ada pengaktifan semula berubah dengan kategori rangsangan (muka atau adegan) item A dalam analisis post hoc. Kelompok penting yang dikenal pasti dalam analisis lampu carian pengaktifan semula telah ditukar kepada topeng binari dan dinormalisasikan semula ke dalam ruang asli menggunakan ANTS. Kemudian, analisis pengaktifan semula diulang dalam setiap ROI berfungsi untuk setiap peserta. Kami menggunakan ANOVA ukuran berulang dengan kategori rantau dan rangsangan sebagai faktor untuk menilai sama ada pengaktifan semula di setiap rantau berbeza sebagai fungsi kategori rangsangan.

Walaupun analisis lampu carian awal kami menyetempatkan kawasan yang pengaktifan semula berlaku di atas garis dasar, kami juga menjalankan lampu carian bebas untuk mengenal pasti kawasan yang kekuatan pengaktifan semula berbeza-beza mengikut persamaan visual. Lampu carian ini menggunakan pendekatan yang serupa kepada analisis yang mengukur pengaktifan semula keseluruhan, tetapi dengan tahap tambahan yang membandingkan bukti pengelas untuk pengaktifan semula antara keadaan padanan tepat dan keadaan persamaan yang lain (iaitu, keadaan persamaan tinggi dan keadaan persamaan rendah digabungkan). Kesan persamaan dikira dalam setiap sfera dengan mengambil perbezaan antara bukti purata untuk keadaan padanan tepat dan bukti purata untuk keadaan persamaan tinggi dan rendah digabungkan. Perbezaan ini kemudiannya dibandingkan dengan pengedaran nol dalam setiap sfera lampu carian, yang dicipta lebih daripada 1000 lelaran dengan merombak nilai bukti pengelas merentas padanan tepat dan keadaan morf persamaan. Normalisasi kepada templat kumpulan, ujian statistik dan pembetulan kelompok adalah sama dengan lampu carian mengenal pasti pengaktifan semula di atas garis dasar.

Anggaran corak rangsangan individu sebelum dan selepas pembelajaran. Kami memperoleh anggaran corak pengaktifan saraf yang ditimbulkan oleh setiap rangsangan A (muka, adegan) dan C (objek 3D novel) daripada fasa prapendedahan dan pasca pendedahan menggunakan GLM dengan pendekatan berasingan kuasa dua (Mumford et al., 2012). ) dalam ruang asal setiap peserta. Setiap satu daripada 16 objek daripada fasa pendedahan yang diimbas (iaitu, lapan item A dan lapan item C daripada keadaan persamaan yang tinggi) telah dimodelkan secara berulang dalam setiap larian fasa prapendedahan dan pasca pendedahan secara berasingan (Schlichting et al., 2015).

Persembahan objek telah dimodelkan sebagai acara 1 s, dan regressor untuk setiap objek termasuk semua empat ulangan dalam larian imbasan. Setiap satu daripada 16 objek regressor telah berbelit-belit dengan berganda C HRF berkanun. Penapisan sementara telah digunakan. GLM termasuk regressor pengeliru tambahan: parameter gerakan, terbitan temporalnya, anjakan rangka rangka dan DVARS (Power et al., 2012; Schlichting dan Preston, 2014; Schlichting et al., 2015). Regressor gerakan tambahan telah ditambah untuk titik masa di mana gerakan kepala melebihi kedua-dua 0.5 mm untuk anjakan rangka dan 0.5 peratus perubahan dalam isyarat BOLD untuk DVARS (Power et al., 2012). Imej beta telah dijana untuk setiap item A dan C untuk setiap pradedahan dan pasca dedahan dijalankan, berjumlah 128 imej statistik bagi setiap peserta.

Mengukur perubahan berkaitan pembelajaran dalam persamaan saraf subfield hippocampal. Pembezaan corak dan integrasi ingatan dalam hippocampus telah diindeks menggunakan analisis persamaan perwakilan (Kriegeskorte et al., 2008) yang dilaksanakan dalam PyMVPA (Hanke et al., 2009). Lampu carian dijalankan secara berasingan dalam DG/CA2,3, CA1 dan subiculum yang ditakrifkan secara anatomi dalam ruang asli setiap peserta. Dalam setiap sfera lampu carian (jejari=2 voxel, voxel=33 voxel) (Schapiro et al., 2012), matriks persamaan dijana dengan mengira nilai korelasi Pearson berpasangan untuk 128 imej statistik yang sepadan dengan A dan item C dalam prapendedahan dan pascapendedahan dijalankan, diubah menjadi z Fisher. Kemudian, perubahan dalam kesamaan corak akibat pembelajaran diukur dengan menolak nilai kesamaan pradedahan daripada nilai kesamaan pasca dedahan dalam sel yang sepadan.

Selepas perubahan dalam persamaan corak (selepas ini dirujuk sebagai D) dikira, nilai D diisih bergantung pada sama ada nilai itu untuk perbandingan dalam triad atau perbandingan merentas triad. Kedua-dua set nilai ini membolehkan kami menentukan cara perubahan perwakilan dipengaruhi oleh pertindihan peristiwa disebabkan pembelajaran (set perbandingan dalam triad) berbanding garis dasar yang hanya mencerminkan pendedahan berulang tanpa pertindihan peristiwa (set perbandingan merentas triad). Yang penting, hanya nilai D yang mencerminkan korelasi merentas dijalankan digunakan untuk mengurangkan berat sebelah yang boleh diperkenalkan daripada autokorelasi dalam isyarat BOLD (Mumford et al., 2012).

Untuk menilai kesan pengaktifan semula semasa pembelajaran terhadap perubahan perwakilan, nilai dalam-triad D dibahagikan lagi berdasarkan kekuatan pengaktifan semula ingatan semasa pembelajaran pasangan bertindih. Bagi setiap peserta, kekuatan pengaktifan semula dikira untuk setiap triad dengan mengambil indeks pengaktifan semula min merentas rangkaian kawasan yang dikenal pasti dalam analisis lampu carian pengaktifan semula (lihat Rajah 3A), dipuratakan merentas blok kajian. Triad kemudiannya dibahagikan kepada triad pengaktifan semula yang lebih kuat dan triad pengaktifan semula yang lebih lemah menggunakan perpecahan median pada nilai pengaktifan semula purata. Oleh itu, perbandingan dalam-triad D selanjutnya diisih ke dalam set pengaktifan semula dalam-triad D yang lebih kuat dan set pengaktifan semula dalam-triad D yang lebih lemah dalam setiap sfera lampu carian. Akhir sekali, semua set D dipuratakan untuk mencipta tiga nilai ringkasan: purata perubahan persamaan dalam triad untuk triad pengaktifan semula yang lebih kuat (DWithin lebih kuat), purata perubahan persamaan dalam triad untuk triad pengaktifan semula yang lebih lemah (DWithin lebih lemah) dan purata perubahan persamaan merentas triad (seberang). Kami membandingkan nilai ringkasan ini untuk menentukan sama ada pengekodan saraf berubah sebagai fungsi kekuatan pengaktifan semula.

Pengekodan saraf dinilai menggunakan empat kontras lampu carian (Schlichting et al., 2015) (lihat Rajah 4B). Dua analisis mengenal pasti voxel hippocampal yang mana terdapat penyepaduan atau pembezaan memori merentas semua triad, tanpa mengira kekuatan pengaktifan semula. IntegrationOverall dikira sebagai (DWithin stronger – DAcross) 1 (DWithin weaker – DAcross), mencerminkan persamaan dalam triad yang lebih besar daripada merentas triad selepas belajar merentas semua darjah pengaktifan semula. PembezaanSecara keseluruhan dikira sebagai (DAcross – DWithin stronger) 1 (DAcross – DWithin weaker), mencerminkan lebih rendah dalam triad berbanding merentas triad persamaan merentas semua darjah pengaktifan semula. Dua analisis tambahan mengenal pasti voxel yang mana pengekodan saraf berubah-ubah sebagai fungsi kekuatan pengaktifan semula (IntegrationReactivation dan DifferentiationReactivation). Lampu carian IntegrationReactivation mengenal pasti voxel yang penyepaduan berlaku pada tahap yang lebih besar untuk triad pengaktifan semula yang lebih kuat. IntegrationReactivation dikira sebagai (DWithin lebih kuat - DWithin lebih lemah). Sebaliknya, lampu carian DifferentationReactivation mengenal pasti voxel yang mana pembezaan berlaku pada tahap yang lebih besar untuk triad pengaktifan semula yang lebih kuat. DifferentiationReactivation dikira sebagai (DWithin weaker – DWithin stronger).

Kepentingan setiap pengiraan ini ditentukan dengan membandingkan nilai perubahan persamaan yang dikira dengan taburan nol dalam setiap sfera lampu carian. Pengagihan nol telah dicipta lebih 1000 lelaran dengan merombak sel merentasi set DWithin yang lebih kuat, DWithin lebih lemah dan DAcross dan kemudian mengira semula statistik minat untuk setiap lelaran. Voxel tengah setiap sfera lampu carian melaporkan bahagian taburan nol dengan nilai lebih besar daripada atau sama dengan perubahan persamaan yang diperhatikan (iaitu, nilai p). Kelompok yang ketara telah dikenal pasti menggunakan kaedah yang sama seperti lampu carian pengaktifan semula, kecuali imej z-statistik telah dilencongkan kepada templat hippocampal resolusi berfungsi dan bukannya templat MNI yang disampel semula untuk analisis peringkat kumpulan. Peta lampu carian yang dinormalkan kemudiannya disembunyikan oleh setiap templat subfield hippocampal anatomi sebelum pembetulan kelompok untuk memastikan kelompok eksklusif untuk setiap subfield hippocampal.

Analisis post hoc selanjutnya menyoal arah perubahan perwakilan yang diperhatikan dalam setiap subbidang yang dikenal pasti daripada analisis lampu carian ini. Kaveat penting kepada analisis post hoc ini ialah ianya tidak berat sebelah sepenuhnya kerana ia membandingkan set voxel yang diprapilih untuk mempamerkan kesan khusus berdasarkan kontras lampu carian. Oleh itu, analisis susulan kami tidak membandingkan secara langsung nilai DWithin untuk item pengaktifan semula yang lebih kuat dan lemah. Analisis post hoc kami sebaliknya memfokuskan pada magnitud nilai DAcross untuk menguji sama ada terdapat perubahan global dalam persamaan saraf merentas fasa prapendedahan dan pasca pendedahan, selain membandingkan nilai DWithin kepada nilai DAcross untuk mengukur tahap integrasi dan pembezaan berkaitan pembelajaran.

Untuk analisis post hoc ini, perubahan persamaan dalam DG/CA2,3, CA1, dan subiculum telah dikira untuk setiap peserta dalam ruang asli. Kelompok lampu carian yang dikenal pasti oleh analisis lampu carian kumpulan telah ditukar kepada topeng dan dinormalkan terbalik ke dalam ruang asal setiap peserta menggunakan transformasi tak linear dalam ANTS. Bagi setiap peserta, kelompok angkasa asli kemudiannya diluaskan dengan FSL menggunakan kotak 3 * 3*3 mm sebagai kernel. Untuk memastikan bahawa kluster masih dihadkan kepada subbidang masing-masing apabila ditukar kepada ruang asli peserta, setiap kluster telah bertopeng menggunakan topeng subbidang anatomi yang ditakrifkan untuk setiap peserta individu. Seorang peserta mempunyai gugusan CA1 dalam ruang asli tanpa bilangan voxel yang mencukupi untuk analisis persamaan perwakilan (, 10 voxel) dan dikecualikan daripada analisis seterusnya bagi subbidang ini. Bagi peserta yang selebihnya, kami mengira purata perubahan persamaan dalam setiap kelompok secara berasingan untuk triad yang dikaitkan dengan pengaktifan semula yang lebih kuat semasa pembelajaran, yang dikaitkan dengan pengaktifan semula yang lebih lemah semasa pembelajaran, dan garis dasar merentas triad.

Mengukur hubungan antara ukuran saraf dan tingkah laku. Hubungan antara tingkah laku dan ukuran saraf pengaktifan semula dan perubahan perwakilan dinilai menggunakan model Linear Ballistic Accumulator (LBA) untuk menyesuaikan prestasi pada ujian inferens (Morton et al., 2020). Bagi setiap peserta dan subbidang (CA1, DG/CA2,3, dan subiculum), kami mengira skor z perubahan persamaan antara item A dan C daripada pembelajaran kepada pasca pembelajaran (D) bagi setiap triad. Kami juga mengira skor z pengaktifan semula item A merentas triad untuk setiap peserta. Kami kemudian menggunakan model LBA untuk menyesuaikan tindak balas tingkah laku dan masa tindak balas semasa ujian inferens AC, menggunakan perubahan persamaan dan pengaktifan semula sebagai peramal kebolehubahan antara triad. Kami menggunakan pendekatan Bayesian berbilang peringkat untuk menganggarkan parameter cerun min yang mencerminkan hubungan antara ukuran saraf dan prestasi inferens AC. Cerun positif untuk ukuran D menunjukkan nilai persamaan yang lebih besar antara item A dan C selepas pembelajaran dikaitkan dengan inferens yang lebih cepat dan tepat. Cerun positif untuk ukuran pengaktifan semula menunjukkan bahawa pengaktifan semula yang lebih besar dikaitkan dengan inferens yang lebih cepat dan lebih tepat.

Definisi model Model LBA (Brown and Heathcote, 2008) mengandaikan bahawa, pada setiap percubaan, titik permulaan k setiap penumpuk diambil secara rawak daripada taburan seragam pada selang [0, A]. Setiap penumpuk kemudian mengikut garisan dengan kecerunan d sehingga ia mencapai ambang tindak balas b. Pada setiap percubaan, cerun penumpuk i diambil daripada taburan normal dengan min vi dan SD s (di sini, ditetapkan pada 1). Masa untuk penumpuk mencapai ambang adalah (bk)/d. Kami memodelkan ujian inferens pilihan paksa tiga alternatif menggunakan tiga akumulator dengan kadar hanyut min v1 (untuk tindak balas yang betul) dan v2 (untuk dua respons yang lain). Seperti yang diperolehi dalam penerangan awal model LBA (Brown dan Heathcote, 2008), fungsi ketumpatan kebarangkalian (PDF) untuk penumpuk I pada masa t adalah seperti berikut:

Di mana f dan U ialah fungsi ketumpatan kebarangkalian dan fungsi taburan kumulatif, masing-masing, bagi taburan normal piawai. Fungsi pengedaran kumulatif (CDF) untuk penumpuk I pada masa t adalah seperti berikut:

PDF untuk penumpuk I mencapai ambang dahulu, pada masa t, ialah kebarangkalian penumpuk I tamat pada masa t, bersyarat pada penumpuk lain belum selesai seperti berikut:

Oleh kerana kadar hanyut d diambil daripada taburan normal, terdapat beberapa kebarangkalian tiada penumpuk selesai. Berikutan kerja terdahulu (Brown dan Heathcote, 2008; Annis et al., 2017), kami mesyaratkan kebarangkalian sekurang-kurangnya satu penumpuk mempunyai kadar hanyut positif seperti berikut:

Masa tanpa keputusan (cth, masa untuk melihat rangsangan ujian) telah dimodelkan sebagai selang masa tetap t. Kebarangkalian tindak balas yang betul pada masa t adalah seperti berikut:

Model ini telah dilaksanakan dalam Python 3.7 menggunakan PsiReact 0.2 (Morton et al., 2020). Kami menggunakan persampelan Bayesian untuk menganggar parameter, menggunakan No U-Turn Sampler (NUTS) yang dilaksanakan dalam pyMC 3.9.2. Kami membetulkan s=1 dan b=8 untuk meningkatkan kestabilan anggaran parameter. Parameter kadar hanyut pintasan b 0, I untuk respons yang betul dianggarkan untuk setiap peserta i. Kami juga menganggarkan kadar hanyut bagi jawapan yang salah v2, I untuk setiap peserta. Kami menggunakan skor z dalam peserta perubahan persamaan untuk setiap subbidang (cth, zCA1, ij) dan anggaran pengaktifan semula (zReact, it) untuk meramalkan kadar drift pada setiap percubaan j. Kebolehubahan peringkat percubaan dalam kadar hanyut dimodelkan sebagai gabungan linear perubahan persamaan dan skor z pengaktifan semula. Kadar hanyut item yang betul v1,ij untuk peserta I, percubaan j adalah seperti berikut:

Parameter cerun (cth, b CA1, i) dianggarkan untuk setiap peserta i. Untuk meningkatkan keteguhan anggaran bagi parameter peserta individu, kami mentakrifkannya sebagai diambil daripada taburan normal peringkat kumpulan. Pengagihan sebelumnya untuk parameter adalah seperti berikut:

Bagi setiap empat rantai, terdapat fasa penalaan sebanyak 1000 lelaran dengan kadar penerimaan sasaran 0.99, diikuti dengan 5000 sampel. Konvergensi dinilai menggunakan saiz sampel berkesan pukal dan statistik pengurangan skala potensi pembahagian peringkat yang dinormalisasi R^ (Vehtari et al., 2017). Kami menilai kesesuaian model dengan mengira parameter posterior min untuk setiap percubaan serta simulasi respons dan masa tindak balas. Kami mensimulasikan 50 replikasi setiap percubaan untuk mendapatkan anggaran prestasi model yang mantap. Akhir sekali, kami mengira 95 peratus selang ketumpatan tinggi (HDI) untuk setiap parameter min peringkat kumpulan (cth, mCA1 untuk CA1) untuk menentukan sama ada ia berbeza daripada sifar, menunjukkan hubungan antara perubahan persamaan atau pengaktifan semula dan inferens AC. prestasi.

Keputusan

Prestasi tingkah laku Pada akhir fasa pembelajaran pasangan awal (AB), para peserta telah membentuk ingatan yang kuat tentang pasangan bentuk muka dan adegan. Semua peserta melebihi peluang pada ujian akhir (min perkadaran yang betul=0.91, SD=0.01) dan telah disertakan dalam analisis seterusnya. Ingatan untuk pasangan objek bentuk bertindih (BC) dipengaruhi oleh persamaan visual item memautkan merentasi pembelajaran (Rajah 2A, B). ANOVA pengukuran berulang dengan faktor dalam subjek blok pasangan bertindih (1, 2, 3, 4) dan persamaan visual (padanan tepat, persamaan tinggi, persamaan rendah, baharu) mendedahkan bahawa persamaan visual memodulasi ketepatan memori (kesan utama blok, F(3,75)=79.93, p , 0.001, h2=0.762; sekat interaksi kesamaan visual, F(9,225)=2.88, p=0.{{50}}03, h2=0.103 ) dan masa tindak balas (kesan utama persamaan pada tri al yang betul, F(3,72) {{3{{103}}}}.14, p=0.003, h{ {34}}.176). Untuk blok pembelajaran pertama pasangan bertindih, prestasi adalah lebih baik (Rajah 2A) apabila item memaut (B) adalah padanan tepat kepada pasangan yang dipelajari pada mulanya (AB) berbanding semua keadaan lain. Terdapat kesan persamaan visual dalam blok ujian pertama (kesan persamaan visual dalam larian pertama, F(3,75)=6.901, p , 0.001, h2=0.216) tetapi bukan dalam larian berikutnya (nilai F 0.479, semua p 0.698, semua h2 0.019). Dalam larian pertama, ujian t berpasangan post hoc mendedahkan bahawa ketepatan adalah tertinggi untuk pasangan dengan padanan tepat berbanding semua pasangan lain (berbanding dengan persamaan yang tinggi: t(25)=3.33, p=0 .003, d=0.654; persamaan rendah: t(25)=4.52, p , 0.001, d=0.894; baharu: t(25) {{67} }.74, p=0.011, d=0.539). Prestasi adalah lebih baik untuk pasangan kesamaan tinggi berbanding pasangan kesamaan rendah (t(25)=2.306, p=0.03, d=0.459). Tiada perbezaan dalam prestasi antara persamaan tinggi dan pasangan baharu (t(25)=0.87, p=0.394, d=0.172) atau persamaan rendah dan baharu pasangan (t(25)=0.76, p=0.452, d=0.151). Apabila runtuh merentasi blok, pasangan dengan padanan tepat mempunyai masa tindak balas terpantas (Rajah 2B) pada ujian p yang betul (berbanding dengan semua keadaan lain, nilai t 2.206, semua, 0.05, semua d 0.445). Masa tindak balas tidak berbeza antara kesamaan tinggi, kesamaan rendah atau pasangan baharu (semua nilai t 1.748, semua p. 0.05, semua d 0.348)

Rajah 2. Prestasi tingkah laku. Ketepatan ujian pasangan bertindih (BC) dan (B) masa tindak balas (cubaan yang betul sahaja) dengan blok pembelajaran untuk setiap keadaan persamaan. C, Ketepatan inferens merentas episod (AC) dan (D) masa tindak balas (percubaan yang betul sahaja) untuk setiap keadaan persamaan. pp, 0.05 (ujian-t berpasangan). Bar ralat menunjukkan 6 SEM. Garis putus-putus menunjukkan prestasi peluang pada 3-ujian pilihan paksa alternatif.

Persamaan visual item pemautan juga mempengaruhi ketepatan inferens episod silang (F(3,75)=26.61, p , 0.001, h{ {6}}.516). Peserta lebih berkemungkinan membuat kesimpulan hubungan antara elemen ingatan yang berkaitan secara tidak langsung (AC) apabila item pemautan (B) adalah padanan tepat atau sangat serupa merentas pasangan yang bertindih (Rajah 2C). Prestasi inferens tidak berbeza antara padanan tepat dan triad persamaan tinggi (t(25) {{10}}.20, p=0.24, d {{14} }.230), tetapi prestasi untuk triad padanan tepat adalah lebih baik daripada kedua-dua triad persamaan rendah (t(25)=6.82, p , 0.001, d=1.327) dan triad baharu (t( 25)=6.61, p , 0.001, d=1.286). Begitu juga, prestasi untuk triad persamaan tinggi melebihi triad persamaan rendah (t(25)=5.05, p , 0.001, d= 0.987) dan triad baharu (t(25)=5 .38, p , 0.001, d=1.055). Ikuti dengan prestasi (Prestasi inferens tidak berbeza antara persamaan rendah dan triad baharu (t(25)=1.17, p=0.254, d= 0.224). Walau bagaimanapun, setiap bentuk untuk triad persamaan rendah pasti lebih baik daripada peluang (t(25)=2.22, p=0.04, d=0.435), manakala prestasi untuk iklan tri baharu ialah bukan (t(25)=0.47, p=0.64, d=0.093).

Keputusan inferens juga lebih pantas untuk padanan tepat dan keadaan persamaan yang tinggi berbanding keadaan baharu (F(3,72)=11.79, p , 0.001, h{ {6}}.329), dengan inferens untuk keadaan padanan tepat adalah terpantas secara keseluruhan (Gamb. 2D). Masa tindak balas adalah lebih pantas untuk triad padanan tepat berbanding keadaan persamaan yang tinggi (t(25) {{10}}.41, p=0.002, d=0.669) dan triad baharu (t(24)=5.00, p , 0.001, d=0.999), tetapi tidak berbeza dengan triad persamaan rendah (t(25)= 1.64, p=0.114, d=0.321). Masa tindak balas adalah lebih cepat untuk triad persamaan tinggi berbanding dengan triad baharu (t(24)=2.93, p=0.007, d=0.585), tetapi tidak berbeza daripada rendah triad persamaan (t(25)=1.11, p=0.28, d=0.217). Triad persamaan rendah adalah lebih pantas daripada triad baharu (t(24)=3.86, p=0.001, d=0.773). Bersama-sama, penemuan ini menunjukkan bahawa ingatan bersekutu dan inferens merentas episod, dua proses yang dianggap disokong oleh subbidang hippo campal (Schapiro et al., 2017), dipengaruhi oleh persamaan persepsi elemen acara yang dikongsi, dengan prestasi yang dipermudahkan. dengan tahap persamaan rentas episod yang lebih tinggi.

Pengaktifan semula ingatan yang bertindih semasa pembelajaran

Untuk menguji bagaimana pengaktifan semula memori kortikal semasa pembelajaran pasangan bertindih memberi kesan kepada perwakilan subfield hippocampal, kami mula-mula menggunakan analisis lampu carian untuk mengenal pasti di mana maklumat tentang pasangan awal diaktifkan semula dalam korteks semasa pembelajaran. Dalam setiap sfera lampu carian, pengelas corak telah dilatih pada data daripada fasa penyetempat dan kemudian digunakan pada fasa kajian pasangan ping bertindih (Zeithamova et al, 2012), Lampu carian mengenal pasti kawasan di mana bukti pengelas untuk kategori sasaran item berkaitan (muka atau adegan A item daripada pasangan awal) melebihi indeks garis dasar bukti pengelas untuk kategori yang sama yang diperoleh daripada percubaan baharu (atau tidak bertindih). Kami menemui bukti bahawa ingatan berkaitan diaktifkan semula apabila mempelajari pasangan bertindih dalam korteks cingulate posterior, korteks oksipital dan korteks parietal (Rajah 3A).

Yang penting, tiada perbezaan dalam kekuatan pengaktifan semula sebagai fungsi kategori item A (muka, pemandangan) merentas kawasan yang dikenal pasti dalam analisis lampu carian (Rajah 3B). ANOVA pengukuran berulang dengan faktor dalam subjek rantau (parietal kiri, parietal kanan, cingulate, oksipital superior, oksipital inferior) dan kategori rangsangan (muka, adegan) menunjukkan bahawa pengaktifan semula berbeza-beza merentas kawasan (kesan utama rantau, F( 4,100)=2.84, p=0.028, h2=0.102) tetapi tidak berbeza mengikut kategori rangsangan (kesan utama kategori, F(1,25) {{13 }}.002, p=0.967, h2=0; tindakan antara kawasan kategori, F(4,100)=0.375, p=0.826, h{{ 24}}.015). Oleh itu, keputusan kami tidak didorong oleh satu kategori rangsangan dan mencerminkan pengaktifan semula ingatan dan bukannya penglibatan kawasan pemprosesan khusus kategori.

Kami selanjutnya menguji sama ada persamaan visual item B yang dikongsi merentas pembelajaran mempengaruhi kekuatan pengaktifan semula ingatan untuk item A. Kami meramalkan bahawa pengaktifan semula memori semasa pembelajaran akan menjadi lebih kuat untuk pasangan yang dipautkan oleh item yang lebih visual serupa. Menggunakan pendekatan yang serupa dengan analisis sebelumnya, analisis lampu carian berasingan mengenal pasti kawasan yang bukti pengelas untuk item A berkaitan adalah lebih besar untuk keadaan padanan tepat berbanding keadaan persamaan tinggi dan rendah. Selaras dengan hipotesis kami, kami mendapati bahawa kesamaan komponen peristiwa memodulasi kekuatan pengaktifan semula ingatan dalam korteks parietal kiri dan korteks oksipital (Rajah 3C).

Pengaktifan semula memori memberi kesan kepada pengekodan saraf dalam subbidang hippocampal

Untuk menguji hipotesis kami bahawa pengaktifan semula ingatan yang berkaitan semasa pengekodan baharu akan membawa kepada perwakilan tercerai ingatan bertindih dalam DG/CA2,3 dan CA1, kami mengkuantifikasi pengekodan subfield hippocampal sebagai fungsi kekuatan pengaktifan semula memori semasa pembelajaran. Sebelum dan selepas mempelajari pasangan, peserta telah diimbas sambil melihat imej individu item A dan C daripada pasangan bertindih dalam keadaan persamaan yang tinggi (Rajah 1A). Kami mengindeks pembezaan dan penyepaduan dengan mengukur perubahan berkaitan pembelajaran dalam persamaan corak untuk item A dan C yang berkaitan secara tidak langsung daripada triad yang sama (Schlichting et al., 2015). Perubahan persamaan dalam triad yang sama dibandingkan dengan garis dasar perubahan persamaan antara item dalam triad yang berbeza. Kami mengukur pembezaan dengan menguji penurunan persamaan corak antara item A dan C selepas pembelajaran (Rajah 4A). Sebaliknya, penyepaduan akan ditandakan dengan peningkatan persamaan corak antara item A dan C yang berkaitan secara tidak langsung, mencerminkan pembentukan kod bertindih untuk kenangan yang berkaitan (Rajah 4A).

Untuk menilai kesan pengaktifan semula ingatan semasa pembelajaran pada pengekodan saraf bagi elemen memori yang berkaitan secara tidak langsung, kami mengira perubahan perwakilan untuk triad berdasarkan kekuatan pengaktifan semula merentas ujian pembelajaran yang bertindih. Bagi setiap peserta, kami mengisih pasangan bertindih ke dalam pasangan yang dikaitkan dengan pengaktifan semula yang lebih kuat dan lemah bagi pasangan awal yang sepadan, berdasarkan pembahagian median indeks pengaktifan semula purata merentas semua kelompok yang dikenal pasti dalam lampu carian pengaktifan semula (Rajah 3A). Kami kemudiannya membandingkan pengekodan saraf antara item A dan C yang berkaitan secara tidak langsung yang dikaitkan dengan tahap pengaktifan semula yang berbeza. Secara kritis, semua analisis yang menilai perubahan perwakilan dalam subbidang hippocampal adalah berdasarkan data daripada triad persamaan tinggi sahaja. Pendekatan ini memegang persamaan visual pemalar item memaut, menyediakan ujian kritikal sama ada pengaktifan semula memori mengantara perubahan perwakilan di atas dan di luar perubahan persekitaran fizikal.

Kami menjalankan empat analisis lampu carian dalam subbidang hippocampal individu untuk menguji kesan pengaktifan semula pada perubahan perwakilan berkaitan pembelajaran untuk elemen ingatan yang berkaitan secara tidak langsung (Rajah 4B). Mula-mula, kami menggunakan dua analisis lampu carian untuk mengenal pasti kawasan hippocampal yang menunjukkan pembezaan atau penyepaduan item A dan C tanpa mengira tahap pengaktifan semula ingatan semasa pembelajaran pasangan bertindih (DifferentiationOverall dan IntegrationOverall, masing-masing) dan memerhatikan tiada kesan ketara dalam hippocampus.

Rajah 4. Menilai perubahan perwakilan berkaitan pembelajaran sebagai fungsi pengaktifan semula ingatan semasa pembelajaran. A Ramalan untuk pembentukan ingatan melalui pembelajaran bersekutu. Sebelum pembelajaran, item A dan C individu dalam fasa prapendedahan tidak berkongsi sebarang perhubungan. Selepas pembelajaran, perwakilan item A dan C mungkin berubah sebagai fungsi hubungan kongsi mereka dengan item B. Kami menguji untuk dua hasil saraf; dalam kes pembezaan, corak saraf untuk item A dan C yang berkaitan secara tidak langsung diramalkan kurang serupa dalam fasa pasca pendedahan berbanding dengan perwakilan pembelajaran. Sebaliknya, untuk penyepaduan ingatan, persamaan saraf bagi item A dan C yang berkaitan secara tidak langsung diramalkan meningkat daripada pembelajaran kepada pasca pembelajaran, mencerminkan pembentukan kod saraf bertindih yang menghubungkan elemen yang dialami merentas peristiwa. B, Empat kontras lampu carian digunakan untuk menentukan sama ada perwakilan memori dalam subbidang hippocampal berbeza dengan kekuatan pengaktifan semula ingatan semasa pembelajaran. Dua daripada lampu carian mengenal pasti kawasan di mana pembezaan atau penyepaduan berlaku merentas semua darjah kekuatan pengaktifan semula. Satu lagi set lampu carian mengenal pasti kawasan di mana pengekodan saraf berubah-ubah sebagai fungsi pengaktifan semula. C, Perubahan perwakilan berkaitan pembelajaran dalam hippocampus. Subregion DG/CA2,3 dan subiculum menunjukkan pembezaan unsur-unsur ingatan bertindih yang berkaitan secara tidak langsung, tetapi hanya apabila pengaktifan semula lebih kuat semasa pembelajaran. Sebaliknya, subregion CA1 menunjukkan bukti integrasi memori, tetapi sekali lagi hanya apabila pengaktifan semula lebih kuat semasa pembelajaran pasangan bertindih. Kawasan hippocampal digambarkan pada templat T2 kumpulan resolusi tinggi sumber terbuka yang dibuat untuk analisis subbidang hippocampal (Schlichting et al., 2019). D, Perubahan persamaan saraf dalam kelompok yang dikenal pasti dalam analisis lampu carian (C) selepas normalisasi terbalik kepada ruang asli, mengesahkan corak ramalan hasil daripada B. Inset, Data yang sama secara berasingan untuk ukuran persamaan dalam triad dan merentas triad sebelum mengira markah perbezaan. Oleh kerana analisis ini berdasarkan voxel yang dikenal pasti dalam analisis lampu carian, ia tidak bebas sepenuhnya. Bar ralat menunjukkan 6 SEM.

Sebaliknya, kami meramalkan bahawa persamaan perwakilan item yang berkaitan secara tidak langsung dalam subbidang hippocampal akan bergantung pada kekuatan pengaktifan semula ingatan semasa mempelajari pasangan yang bertindih. Untuk menguji hipotesis ini, kami menjalankan dua analisis lampu carian tambahan yang mencari interaksi antara perubahan perwakilan berkaitan pembelajaran dan pengaktifan semula ingatan; lampu carian ini mengasingkan kawasan hippocampal yang menunjukkan sama ada pembezaan atau penyepaduan pada percubaan dengan pengaktifan semula yang lebih kuat semasa pembelajaran pasangan bertindih (DifferentiationReactivation dan IntegrationReactivation).

Kami mendapati bahawa pengaktifan semula memori pasangan awal yang lebih kuat semasa pembelajaran pasangan bertindih mempunyai akibat yang berbeza terhadap arah perubahan perwakilan yang diperhatikan dalam subfield hippocampal. Apabila ingatan awal (A) diaktifkan semula dengan kuat semasa pembelajaran pasangan bertindih (BC), persamaan corak DG/CA2,3 berkurangan antara item A dan C daripada pembelajaran kepada pasca pembelajaran (Rajah 4C, D; DifferentiationReactivation). Subiculum mempamerkan corak yang sama seperti DG/CA2,3, dengan pengaktifan semula yang lebih kuat membawa kepada penurunan persamaan corak untuk item A dan C. Sebaliknya, CA1 menunjukkan corak perubahan perwakilan yang bertentangan apabila pengaktifan semula ingatan adalah lebih kuat, dengan peningkatan persamaan antara item A dan C selepas pembelajaran (Rajah 4C, D; IntegrationReactivation). Penemuan ini mencadangkan bahawa perwakilan memori bertindih dalam subbidang hippocampal adalah bergantung kepada pengaktifan semula ingatan semasa pembelajaran, dengan keadaan yang sama membawa kepada kod perwakilan yang boleh dipisahkan dalam DG/CA2,3, CA1, dan subiculum.

Akhir sekali, kami melakukan satu siri analisis post hoc pada setiap subfield hippocampal yang dikenal pasti dalam analisis lampu carian untuk memahami lebih lanjut bagaimana pengaktifan semula memodulasi pengekodan di setiap rantau. Kami mula-mula mengukur sama ada terdapat sebarang anjakan global dalam persamaan saraf hanya sebagai fungsi pembelajaran dengan mengira rentas-triad D untuk item A dan C yang tidak berkaitan (iaitu, garis dasar merentas triad). Merentas triad D tidak berbeza dengan ketara daripada sifar dalam CA1 (t(24)=0.383, p=0.705, d=0.077) atau subiculum (t(25)=1.233, p=0.229, d=0.242), tetapi lebih besar daripada sifar untuk DG/CA2,3 (t(25)=3.431 , p=0.002, d=0.673). Keputusan ini menunjukkan kepentingan membandingkan perubahan persamaan untuk peristiwa berkaitan dengan garis dasar, kerana item yang tidak berkaitan mungkin berubah dalam persamaan selepas pembelajaran.

Seterusnya, kami membandingkan D dalam triad untuk triad yang dikaitkan dengan pengaktifan semula yang kuat kepada garis dasar merentas triad D sebagai pengesahan keputusan lampu carian kami (Rajah 4D). Seperti yang dinyatakan sebelum ini, kaveat kepada analisis ini ialah keputusan berpotensi berat sebelah dengan memilih voxel yang dikenal pasti dalam analisis lampu carian pengekodan saraf. Selaras dengan corak ramalan kontras lampu carian (Rajah 4B), kami menemui bukti untuk pembezaan, di mana perubahan persamaan saraf untuk triad yang dikaitkan dengan pengaktifan semula yang kuat adalah kurang daripada garis dasar merentas triad dalam DG/CA2,3 (t(25)=2.298, p=0.030, d=0.451) dan subiculum (t(25)=3.158, p=0.004, d=0.619). Dalam CA1, kami menunjukkan arah aliran untuk penyepaduan dengan persamaan yang lebih besar dalam triad yang dikaitkan dengan pengaktifan semula yang lebih kukuh selepas pembelajaran berbanding garis dasar merentas triad (t(24)=1.766, p=0.090, d=0.353). Bersama-sama, analisis post hoc ini menyokong hasil analisis lampu carian dan menunjukkan bahawa perwakilan peristiwa bertindih dalam subbidang dipengaruhi oleh pengaktifan semula ingatan berkaitan semasa pembelajaran.

Sebagai analisis penerokaan, kami juga mengukur dalam triad D untuk triad yang dikaitkan dengan pengaktifan semula yang lebih lemah semasa pembelajaran. Kami menemui bukti untuk penyepaduan dalam DG/CA2,3 (t(25)=3.709, p=0.001, d=0.727) dan arah aliran dalam subiculum (t( 25)=1.849, p=0.076, d=0.363), dengan D untuk triad yang dikaitkan dengan pengaktifan semula yang lebih lemah adalah lebih besar daripada yang diperhatikan untuk garis dasar merentas triad. Keputusan ini menunjukkan bahawa anjakan perwakilan dalam DG/CA2,3 mungkin berbeza-beza sebagai fungsi tahap persaingan, yang mungkin berbeza apabila ingatan diaktifkan semula dengan kuat atau lemah. Tiada perbezaan daripada garis dasar diperhatikan untuk triad yang dikaitkan dengan pengaktifan semula yang lebih lemah dalam CA1 (t(24)=1.062, p=0.299, d=0.212).

Penyepaduan memori menyokong keputusan inferens Kami menggunakan model berbilang peringkat Bayesian untuk mengkaji hubungan antara perubahan persamaan selepas pembelajaran (iaitu, penyepaduan atau pembezaan) dan prestasi pada ujian inferens AC. Kami juga mengkaji hubungan antara pengaktifan semula ingatan berkaitan semasa pembelajaran dan prestasi inferens. Seorang peserta telah dikecualikan daripada analisis ini kerana bilangan voxel yang tidak mencukupi dalam CA1 (,10 voxel). Kami menggunakan model LBA untuk memodelkan ketepatan inferens dan masa tindak balas secara serentak. Kami menggunakan persampelan Bayesian dengan model untuk menganggarkan cerun hubungan antara prestasi inferens dan kebolehubahan peringkat triad dalam perubahan persamaan dan pengaktifan semula ingatan. Kami mula-mula menilai sama ada persampelan Bayesian telah tertumpu. Tiada perbezaan semasa pensampelan; bagi setiap parameter dalam model, [Rhat] ialah,1.00102 dan saiz sampel berkesan ialah sekurang-kurangnya 5225. Keputusan ini menunjukkan bahawa pensampelan berjaya menumpu, dan terdapat sampel yang mencukupi untuk menganggarkan setiap parameter.

Kami menggunakan parameter posterior min untuk mensimulasikan tindak balas model dan mendapati terdapat kesesuaian yang baik dengan keakuratan ac yang diperhatikan (Rajah 5A) dan masa tindak balas (Rajah 5B) pada ujian inferens, kecuali sebilangan kecil ujian dengan masa tindak balas yang sangat lama. Parameter cerun min untuk perubahan berkaitan pembelajaran (Rajah 5C) adalah positif untuk subiculum (95 peratus HDI=[0.043, 0.477], d {{10}}.37) dan pengaktifan semula memori (HDI=[0.0{{30}}5, {{ 43}}.437], d=1.51). Parameter cerun untuk CA1 (HDI {{20}} [ 0.189, 0.244], d=0.15) dan DG/CA2,3 (HDI=[ 0.393, 0.102], d=0.50) tidak berbeza daripada sifar . 95 peratus HDI untuk parameter model lain adalah seperti berikut: A=[2.059, 5.601], t=[{{7{{ 72}}}}.00,009, 0.515], m2=[0.130, 0.812], s2=[0.191, 0.831] , s CA1=[0.004, 0.458], s DG/CA2,3=[0.010, 0.577], sSubiculum=[0.002, 0.408] dan sReact=[ 0.0002, 0.327]. Keputusan ini menunjukkan bahawa reaktivasi memori yang lebih besar semasa pembelajaran dan persamaan AC yang lebih besar selepas pembelajaran dalam subiculum meramalkan inferens yang lebih cepat dan lebih tepat pada tahap percubaan individu.

KESAN CISTANCHE: MENINGKATKAN INGATAN

Perbincangan

Keputusan kami menunjukkan bahawa ingatan yang diaktifkan semula membimbing cara perwakilan acara berkaitan diatur dalam litar hippocampal. Pengaktifan semula ingatan terdahulu semasa pengekodan peristiwa baharu yang bertindih meramalkan prestasi inferens merentas episod dan mempunyai akibat yang berbeza untuk perwakilan dalam subbidang hippocampal; pengaktifan semula yang kuat membawa kepada pembezaan memori yang bertindih dalam DG/CA2,3 dan subiculum, sambil pada masa yang sama mempromosikan penyepaduan kenangan yang sama dalam CA1. Kerja sebelum ini telah memberi tumpuan kepada menerangkan pengekodan subfield hippocampal dari segi fungsi pemindahan yang melaluinya perubahan dalam isyarat persekitaran membawa kepada output neural pembezaan (Leutgeb et al., 2004, 2007; Lacy et al., 2011; Yassa dan Stark, 2011). Di sini, kami menunjukkan bahawa perubahan dalam input persepsi bukanlah satu-satunya faktor yang menentukan pembelajaran perwakilan dalam subbidang hippocampal. Sebaliknya, data kami menunjukkan bahawa pengekodan subfield hippocampal didorong lagi oleh tahap pengalaman baharu mencetuskan pengaktifan semula episod yang berkaitan. Keputusan kami dengan itu memanjangkan penemuan terdahulu untuk menunjukkan, pada tahap perwakilan, bahawa pengaktifan semula memori kortikal memacu pemisahan dalam pengekodan subfield hippocampal dalam menghadapi persaingan antara kenangan yang sangat serupa.

Kerja terdahulu mengenai perwakilan hippocampal telah berkonsepkan pengekodan subfield sebagai proses automatik sebagai tindak balas kepada perubahan persekitaran, di mana input deria diandaikan sebagai pemacu utama tindak balas hippocampal. Sebagai contoh, kajian elektrofisiologi awal dalam tikus mengukur cara meletakkan tindak balas medan dalam subfield hippocampal yang dipetakan semula sebagai haiwan mengemudi persekitaran dengan ciri persepsi yang berubah secara beransur-ansur (Guzowski et al., 2004; Lee et al., 2004; Leutgeb et al., 2004, 2007 Vazdarjanova dan Guzowski, 2004). Kerja sedemikian mendedahkan bahawa perubahan kecil dalam ciri persekitaran membawa kepada perubahan dramatik dalam tindak balas DG dan CA3, mencerminkan ortogonalisasi corak input. Sebaliknya, tindak balas CA1 berubah secara beransur-ansur, berskala secara linear dengan jumlah perubahan persepsi antara persekitaran; untuk persekitaran yang lebih persepsi serupa, aktiviti CA1 menunjukkan pertindihan yang lebih besar dalam bertindak balas. Kerja sebelumnya pada manusia mengambil pendekatan yang sama, membentangkan peserta dengan pasangan imej visual yang sangat serupa (contohnya, gambar dua epal yang berbeza) dan mengukur magnitud tindak balas subfield hippocampal kepada kedua-dua imej (Bakker et al., 2008; Lacy et al. , 2011). Dalam kajian tersebut, DG/CA2,3 menunjukkan tindak balas kebaharuan untuk kedua-dua imej yang sangat serupa, mencadangkan pengekodan berasingan bagi kedua-dua imej. Jawapan CA1 dan subiculum kepada imej kedua yang sangat serupa daripada sepasang, walau bagaimanapun, telah ditindas berbanding pembentangan ahli pasangan pertama, mencadangkan perwakilan yang serupa bagi imej berpasangan.

Walaupun kerja haiwan dan manusia lalu telah mendedahkan pemisahan penting antara pemprosesan subfield hippocampal, penemuan kami membina kerja itu untuk menunjukkan bahawa pembelajaran perwakilan hippocampal bukan sekadar proses pasif tetapi sebaliknya dipengaruhi secara aktif oleh pengaktifan semula ingatan (Hulbert dan Norman, 2015; Kim et al., 2017; Ritvo et al., 2019). Kami menunjukkan bahawa pemisahan subfield hippocampal paling ketara apabila kenangan lalu diaktifkan semula dengan kuat, menghasilkan keadaan pembelajaran kompetitif yang menggalakkan pembezaan dalam DG/CA2,3 dan subiculum, serentak dengan penyepaduan dalam CA1. Oleh itu, data kami menunjukkan keperluan untuk mengukur kedua-dua persamaan persepsi antara peristiwa dan bagaimana ciri persepsi yang bertindih mencetuskan pengaktifan semula ingatan untuk mengambil kira sepenuhnya bagaimana perwakilan yang tidak boleh disosiasi muncul dalam litar hippocampal. Satu aspek yang menarik dari kerja manusia terdahulu yang diterangkan di atas ialah pemisahan antara sub-bidang bergantung pada sifat tugas yang dilakukan (Kirwan dan Stark, 2007; Bakker et al., 2008; Lacy et al., 2011). Apabila manipulasi eksperimen kritikal (iaitu, persamaan visual antara item) adalah bersampingan dengan tugas yang dilakukan oleh peserta, pemisahan antara subbidang diperhatikan (Bakker et al., 2008; Lacy et al., 2011). Walau bagaimanapun, apabila rangsangan dan prosedur persembahan yang sama digabungkan dengan fokus tugas yang disengajakan, penceraian kurang jelas (Kirwan dan Stark, 2007). Sumber mekanistik penemuan berbeza ini masih belum didedahkan. Dengan mengukur pengaktifan semula ingatan semasa tugasan dengan fokus yang disengajakan atau sampingan, pandangan lanjut mungkin diperoleh tentang bagaimana matlamat tugasan mempengaruhi dinamik bagaimana persaingan memori memberi kesan kepada perwakilan saraf (Richter et al., 2016).

Penemuan kami mungkin berkonsepkan dari segi model pembelajaran yang diselia dan tidak diselia, yang masing-masing memfokuskan pada sasaran pembelajaran yang berbeza. Manakala pembelajaran terselia diarahkan dengan memadankan perwakilan dengan isyarat deria yang diperhatikan secara langsung dalam persekitaran, pembelajaran tanpa seliaan menyesuaikan perwakilan untuk mengurangkan persaingan antara pengalaman semasa dan perwakilan memori diaktifkan semula yang dicetuskan oleh peristiwa baharu (Ritvo et al., 2019) melalui penyepaduan atau pembezaan. Walaupun pembelajaran berkemungkinan mencerminkan keseimbangan antara mekanisme diselia dan tidak diselia, penemuan kami menunjukkan bahawa ingatan yang diaktifkan semula merupakan aspek penting tentang cara strategi pengekodan tercerai muncul merentas subbidang hippocampal.

Sehingga kini, hanya satu kajian lain pada manusia telah menggunakan analisis perwakilan multivariate untuk mengukur pemisahan antara subbidang hippocampal, khususnya apabila individu mendapatkan maklumat tentang konteks spatial yang dikongsi atau berbeza (Dimsdale-Zucker et al., 2018). Kajian itu menunjukkan bahawa item yang dipelajari dalam konteks spatial yang sama menimbulkan corak pengaktifan bertindih dalam CA1 dan corak yang dibezakan dalam DG/CA2,3 semasa mendapatkan semula berbanding item yang tidak berkongsi maklumat kontekstual. Penemuan sekarang berbeza daripada kajian itu dalam beberapa cara utama. Pertama, kajian terdahulu mengukur kod subbidang semasa pengambilan semula ingatan, sementara kerja kami mendedahkan proses pembelajaran aktif yang mendorong pembentukan perwakilan subbidang yang boleh dipisahkan. Secara khusus, kajian terdahulu itu tidak mengukur bagaimana pengaktifan semula ingatan yang serupa, sama ada semasa pembelajaran atau pengambilan semula, berkaitan dengan pengekodan subfield hippocampal. Di sini, kami menunjukkan pemisahan dalam pengekodan subfield hippocampal akibat pengaktifan semula ingatan. Tambahan pula, kami menunjukkan bahawa kod saraf yang dibentuk oleh subregion hippocampal bukan sahaja menyokong pengiktirafan mudah (Dimsdale-Zucker et al., 2018) atau memori spatial (Leutgeb et al., 2004, 2007), tetapi juga kesimpulan tentang hubungan antara kenangan (lihat juga Schlichting et al., 2014). Keputusan inferens adalah lebih pantas dan lebih tepat dengan peningkatan persamaan antara item tidak langsung selepas pembelajaran dalam subiculum, menunjukkan bagaimana kod bertindih menggalakkan pengekstrakan pengetahuan melangkaui pengalaman langsung.

Penemuan kami bahawa perwakilan subiculum menjejaki keputusan inferens mungkin mencerminkan bahawa subiculum ialah struktur keluaran litar hippocampal (O'Mara et al., 2001), yang memainkan peranan penting dalam ingatan (Viskontas et al., 2009; Lindberg et al. , 2017). Walaupun subiculum menunjukkan bukti pembezaan berkaitan pembelajaran untuk pasangan bertindih secara keseluruhan, data pemodelan kami menunjukkan bahawa perubahan perwakilan dalam subiculum mencerminkan kontinum tindak balas. Peningkatan integrasi (yang juga boleh dianggap sebagai kurang pembezaan) menggalakkan inferens yang lebih cepat dan lebih tepat. Keputusan kami mencadangkan bahawa, apabila ingatan lebih bersepadu (atau kurang dibezakan), inferens difasilitasi dengan mendapatkan semula sambungan yang disimpan antara item yang berkaitan secara tidak langsung (Shohamy dan Wagner, 2008; Schlichting et al., 2014); Sebaliknya, pembezaan mungkin memperlahankan inferens antara dua jejak berasingan yang perlu diambil dan digabungkan semula pada ujian (Koster et al., 2018).

Seperti subiculum, DG/CA2,3 mempamerkan pembezaan berkaitan pembelajaran elemen ingatan yang berkaitan secara tidak langsung apabila pengaktifan semula ingatan lebih kuat semasa pengekodan. Walau bagaimanapun, perlu diingatkan bahawa pembezaan DG/CA2,3 bagi elemen memori bertindih hanya diperhatikan secara relatif kepada garis dasar merentas triad yang tidak berkaitan; tiada perubahan dalam persamaan daripada pembelajaran kepada pasca pembelajaran untuk item yang berkaitan secara tidak langsung secara sendiri (Rajah 4D, inset). Penemuan ini konsisten dengan kerja terdahulu yang menunjukkan pembezaan hippocampal untuk relatif berkaitan dengan peristiwa yang tidak berkaitan selepas pembelajaran (Favila et al., 2016; Dimsdale-Zucker et al., 2018), sementara juga mengawal perubahan asas dalam persamaan yang berlaku dari semasa ke semasa. Selain itu, DG/CA2,3 menunjukkan bukti untuk penyepaduan ingatan apabila pengaktifan semula ingatan lebih lemah semasa pembelajaran, mencadangkan potensi untuk dinamik perwakilan yang lebih bernuansa di rantau ini. Sebagai contoh, persaingan memori yang ditimbulkan oleh pengaktifan semula mungkin mempunyai hubungan nonmonotonik dengan perubahan perwakilan dalam DG/CA2,3 (Ritvo et al., 2019). Pengaktifan semula yang lebih kuat boleh menggalakkan pembezaan aktif; tahap pengaktifan semula yang lebih lemah atau pertengahan boleh membawa kepada penyepaduan, dan tiada pengaktifan semula boleh menghasilkan perwakilan tidak bertindih yang dipisahkan melalui ortogonalisasi pasif. Strategi pengekodan kompleks ini boleh menjelaskan mengapa DG/ CA2,3 menunjukkan bukti representasi terbeza (Kim et al., 2017) dan bersepadu (Schapiro et al., 2012) dalam keadaan yang berbeza. Sebagai alternatif, keputusan kami mungkin mencerminkan penggunaan gabungan rantau DG/CA2,3, yang komponennya dianggap mempamerkan fungsi pemindahan yang berbeza antara isyarat alam sekitar dan perwakilan memori yang terhasil (Yassa dan Stark, 2011). Corak keputusan yang diperhatikan menunjukkan bahawa mengukur pengaktifan semula ingatan bersama-sama dengan perubahan perwakilan adalah perlu untuk memahami sepenuhnya bagaimana persaingan memori memberi kesan kepada pembelajaran perwakilan dalam DG/ CA2,3.

Kesimpulannya, penemuan empirikal kami menyokong model pengiraan yang dicadangkan baru-baru ini bagi litar hippocampal (Schapiro et al., 2017); simulasi daripada model ini mencadangkan bahawa CA1 mungkin mewakili perhubungan merentas peristiwa, manakala perwakilan DG dan CA3 mungkin menekankan perbezaan antara episod yang serupa. Penemuan kami sejajar dengan ramalan pengiraan ini, dengan CA1 membentuk perwakilan bersepadu untuk kenangan yang serupa, manakala DG/CA2,3 dan subiculum membezakan pengalaman yang sama tersebut. Selain itu, kami menunjukkan bahawa perwakilan hippocampal menyokong inferens novel, memudahkan penemuan hubungan yang tidak diperhatikan antara pengalaman yang berbeza tetapi berkaitan. Kerja ini selanjutnya menunjukkan bahawa pemisahan subfield hippocampal bukanlah fungsi mudah input deria, tetapi hasil daripada persaingan berasaskan ingatan semasa pembelajaran. Bersama-sama, kajian ini memajukan pemahaman kita tentang bagaimana pengetahuan terdahulu membentuk cara peristiwa baharu diwakili dalam litar hippocampal, memberikan ujian empirikal ramalan utama model pengiraan fungsi memori hippocampal.

KESAN SUPPLEMENT CISTANCHE: MENINGKATKAN INGATAN