Spindli ja aeglase võnkumise sidumine korreleerub mälu jõudluse ja ühenduvuse muutustega hipokampuse võrgus pärast und
Aug 24, 2023
Abstraktne
Pärast kogemuste kodeerimist on pikaajalise mälu konsolideerimise vahendamiseks pakutud välja kodeerimisjärgsed taasaktiveerimised une ajal. Spindli ja aeglase võnkumise sidumine NREM-une ajal on kandidaatmehhanism, mille kaudu hipokampuse kortikaalne dialoog võib tugevdada äsja moodustunud mälu engrammi. Siin uurisime kiire spindli ja aeglase spindli ja aeglase võnkumise seose rolli inimeste ruumimälu konsolideerimisel virtuaalse vesilabürindi ülesandega, mis hõlmas allotsentrilisi ja egotsentrilisi õppestrateegiaid. Lisaks analüüsisime, kuidas puhkeoleku funktsionaalne ühenduvus arenes selle ülesande õppimise, konsolideerimise ja otsimise käigus, kasutades andmepõhist lähenemisviisi. Meie tulemused näitavad ülesandega seotud ühenduvuse muutusi tegevjuhtimisvõrgus, vaikerežiimivõrgus ja hipokampuse võrgus ülesandejärgse puhkeoleku ajal. Hippokampuse võrku saab veelgi jagada kaheks alamvõrguks, millest ainult üks näitas unerežiimi modulatsiooni. Funktsionaalse ühenduvuse vähenemine selles alamvõrgus oli seotud suurema spindli ja aeglase võnkumise sidestusvõimsusega, mis oli seotud ka parema mälu jõudlusega testis. Üldiselt aitab see uuring kaasa terviklikumale arusaamale funktsionaalsetest puhkeolekuvõrkudest ja ruumilise mälu konsolideerimisega seotud mehhanismidest une ajal.
Cistanche kogemus – parandage mälu
MÄRKSÕNAD
mälu konsolideerimine, puhkeoleku võrgud, uni, aeglased võnkumised, spindlid
1|SISSEJUHATUS
Süsteemide konsolideerimise teooria on üks enim uuritud pikaajalise mälu kujunemise raamistikke. Teooria väidab, et õppimise ajal kodeeritud labiilsed engrammid ajus tugevnevad korduva taasaktiveerimise kaudu. Aja jooksul võib see protsess kaasa tuua stabiilsema pikaajalise esituse – konsolideeritud mälujälje (Squire et al., 2015). Arvatakse, et engrammi taasaktiveerimine toimub peamiselt une ajal, kuid seda võib näha ka vaikse puhkuse ajal. Süsteemide konsolideerimise aluseks olev potentsiaalne võtmemehhanism seisneb kolme sündmusetüübi hierarhilises koordineerimises mitte-kiirete silmade liikumise (NREM) une ajal: (1) suure amplituudiga kortikaalsed aeglased võnkumised, (2) taalamuse poolt juhitavad spindlid ja (3) hipokampuse terav laine-laine-laine. Arvatakse, et nende võnkumiste orkestreerimine, mis on tingitud aeglaste võnkumiste vahastumisest ja kahanemisest prefrontaalses ajukoores (Helfrich et al., 2019), loob ideaalsed ajaaknad hipokampuse teabe edastamiseks ajukooresse (Sirota et al., 2003) ja ajusse. -süsteemide konsolideerimise aluseks olevad laiad sünaptilised konsolideerimisprotsessid (Genzel, 2020; Genzel, Kroes et al., 2014; Navarro-Lobato & Genzel, 2020). Inimestel on järjekindlalt tuvastatud kahte tüüpi spindleid: aeglased spindlid (~ 9–12, 5 Hz) ja kiired spindlid (~ 12, 5–16 Hz), mis on vastavalt eesmise ja tsentroparietaalse piirkonna silmapaistvamad (Adamczyk et al. , 2015; Anderer et al., 2001). Mõlemad spindlitüübid on ühendatud aeglaste võnkumistega. Kui kiired spindlid on sageli pesastatud aeglase võnkumise ergastavasse üles-olekusse, tekivad aeglased spindlid tavaliselt üleminekuperioodil aeglase võnkumise pärssivasse allaolekusse (Molle et al., 2011). Kiireid spindleid on seostatud hipokampuse ja neokorteksi vahelise teabeedastuse hõlbustajaga, kuna need langevad kokku hipokampuse teravate lainetega (Staresina et al., 2015). Aeglased spindlid, millele enamasti eelneb lainetus, võivad olla seotud ülekantud teabe kortikaalse ristsidumisega ja prefrontaalse vooluringi modulatsiooniga, et moodustada neokortikaalne mälu esitus (Molle et al., 2011). Kuid ainult inimuuringutes on aeglaste ja kiirete spindlite vahel järjepidev lõhe. Kuna seda alajaotust tehakse loomuuringutes harva, puuduvad konkreetsed tõendid iga spindlitüübi erineva funktsiooni kohta. Nende kahe spindlitüübi mõju käitumisele on veelgi vähem veenev. Hiljutised EEG leiud on näidanud, et kiirete spindlite ja aeglaste võnkumiste sidumise suurem hulk ja suurem järjepidevus on seotud deklaratiivse mälu suurenenud jõudlusega (Hahn et al., 2020; Muehlroth et al., 2019; Niknazar jt, 2015). . Näriliste hipokampuse teravate lainete, aeglaste võnkumiste ja eesmiste spindlite vahelise koordinatsiooni eksperimentaalne tugevdamine – potentsiaalselt inimese aeglaste spindlite analoog – suurendas ka mälu jõudlust (Maigret et al., 2016). Seevastu esialgsed leiud aeglase spindli ja aeglase võnkumise sidestuse kohta inimestel viitavad deklaratiivse mälu vähenemisele koos aeglase spindli ja aeglase võnkumise sideme suurenemisega või selle puudumisega (Barakat et al., 2011; Muehlroth et al., 2019). Seega on mälu konsolideerimisel ülioluline lahutada mõlema spindlitüübi käitumuslik tähtsus. Arvestades une ja hipokampuse olulisust võrguühenduseta konsolideerimisel, on oletatud, et uni mängib hipokampusest sõltuvate mälestuste konsolideerimisel selget rolli erinevalt "mitte-hippokampusest sõltuvatest" mälestustest. Neid kahte tüüpi mälestusi saab uurida ruumilise navigatsiooni paradigmade abil. Keskkonnas navigeerimine hõlmab erinevate navigatsioonistrateegiate, nimelt allotsentriliste ja egotsentriliste strateegiate kasutamist (ülevaateks Ekstrom et al., 2017). Allotsentrilises võrdlusraamis saab navigaator järeldada nende asukohta stabiilsete orientiiride suhteliste asukohtade põhjal. Allotsentrilisel ruumilisel õppimisel on soovitatav tugineda tugevalt hipokampusele, kuna see nõuab orientiiride positsioonide ruumilist kognitiivset kaarti (O'Keefe & Nadel, 1978). Seevastu egotsentriline võrdlusraam muutub navigaatori liikumisega pidevalt. Egotsentrilise ruumilise õppimise ajal peab navigaator jälgima liigutatud kaugust ja suunda, mille jaoks dorsaalne juttkeha on määratletud kriitilise struktuurina (McDonald & White, 1994). Seega võib teha ettepaneku, et ruumilises kontekstis erinevad konsolideerimismehhanismid allotsentriliste ja egotsentriliste treeningtingimuste vahel ja mõjutavad vastavalt mälu jõudlust. Hiljutised tõendid viitavad aga hipokampuse osalemisele uneaegses konsolideerumises, isegi varem peetud mitte-hippokampusest sõltuvate mälestuste puhul (Sawangjit et al., 2018; Schapiro et al., 2019), ja sarnaseid funktsionaalse võrgustiku muutusi pärast magamist allotsentrilises ja egotseenis. trikitreening (Samanta et al., 2021). Seetõttu jääb lahtiseks küsimus, kuidas kahe võrdlusraami ruumiinformatsioon une ajal konsolideeritakse ja kuidas need mehhanismid mälu jõudlust mõjutavad. Kuigi palju tööd on keskendunud une rollile süsteemide mälu konsolideerimisel, on nii närilistega (Davidson et al., 2009; Diba & Buzsáki, 2007) kui ka inimestega (Schuck & Niv, 2019; Tambini & Davachi, 2013) tehtud uuringud näidanud. kogu süsteemi hõlmavad konsolideerimisprotsessid ärkveloleku ajal vahetult pärast õppimist. Sarnaselt unest sõltuvale konsolideerimisele aktiveeruvad sündmuste esitused hipokampuse-talamokortikaalses võrgus spontaanselt uuesti kodeerimisjärgse puhkuse ajal (üksikasjaliku ülevaate saamiseks vt Tambini & Davachi, 2019). Arvatakse, et nende taasaktivatsioonide olulised sõlmed hõlmavad hipokampuse võrku, mille keskmes on mediaalne ajalises ajukoores ja retrospleniaalses ajukoores (van Buuren et al., 2019), samuti interaktsioone vaikerežiimi võrgu jaoturite vahel (Lin et al., 2017). ja ülesandega seotud võrgustikud (nt täidesaatva kontrolli võrgustik; Sneve et al., 2017). Näidati, et puhkeoleku funktsionaalse ühenduvuse suurem tase stiimulitele spetsiifiliste piirkondade ja hipokampuse vahel ennustab tulevast mälu taastamise võimet (Tambini et al., 2010). Lisaks ennustasid funktsionaalne ühenduvus vahetult pärast õppimist ja hipokampuse taasaktiveerimise hulk järgnevat üleöö mälu säilimist, mis viitab täiendavale seosele ärkveloleku taasaktiveerimise ja hilisema une ajal konsolideerumise vahel (Schapiro et al., 2018). Kui enamik varasemaid uuringuid uurib eraldi ühte kodeerimisjärgse perioodi tüüpi (st puhke- või uneperioodi), on mõlema perioodi konsolideerimisprotsesse uurivad uuringud vajalikud, et saada terviklik arusaam konsolideerimismehhanismide paralleelidest nende erinevate ajuseisundite vahel. Käesoleva uuringu eesmärk on seega pakkuda uuringusiseseid meetmeid erinevates kodeerimisjärgsetes ajuseisundites ja näidata nende seost mälu jõudlusega ruumilise navigeerimise ülesandes. Meie uuring jätkab meie uuringuid une mõju allotsentrilistele ja egotsentrilistele mälukujutistele inimestel ja rottidel (Samanta et al., 2021). Osalejad esitasid veelabürindi inimanaloogi (Morris, 1981), mis on valideeritud paradigma ruumilise navigatsiooni erinevate aspektide uurimiseks (Müller et al., 2018; Schoenfeld jt, 2017). Kusjuures Samanta et al. (2021) keskendus ülesande-fMRI andmetele õppimise ja otsimise ajal, siin keskendusime puhkeoleku fMRI ja une-EEG andmetele. Seega hinnati puhkeoleku funktsionaalset ühenduvust asjakohastes võrkudes enne ja pärast mäluülesande õppimist ja otsimist, milles osalejad tegelesid allotsentrilise või egotsentrilise ruumilise navigeerimisega. Kahe ülesande seansi vahel kasutati EEG-d, et mõõta NREM-i unega seotud konsolideerimisprotsesse (st spindli ja aeglase võnkumise omadusi ja nende sidumist). Võtsime kasutusele andmepõhise lähenemisviisi (Ribeiro de Paula et al., 2017), et uurida puhkeoleku funktsionaalse ühenduvuse arengut ruumilise õppimise, konsolideerimise ja mälu taastamise käigus. Puhkeseisundi võrgud valiti Samanta jt tulemuste põhjal. (2021), sealhulgas vaikerežiimi võrk, hipokampuse võrk ja õige juhtvõrk. Une, puhkeoleku ja käitumise vahelise triaadi seose loomiseks korreleerisime spindli ja aeglase võnkumise parameetreid, muutusi puhkeoleku funktsionaalses ühenduvuses ja ruumilise mälu ülesande jõudlusnäitajaid. Samanta jt. (2021) leidsid allotsentrilise ja egotsentrilise treeningu puhul sarnased unega seotud ajuülesed muutused mälu taastamises. Täpsemalt, aktivatsioonid suurenesid täidesaatva juhtimisvõrgus ja vähenesid vaikerežiimi võrgus õppimisest kuni otsimiseni, kui katsealused magasid pärast õppimist. Seetõttu eeldasime, et puhkeolekus täheldame nendes kahes võrgus sarnaseid muutusi. Ajuülesed konsolideerimisprotsessid peaksid olema jälgitavad ka hipokampuse võrgustiku puhul, mis koordineerib konsolideerumist une ajal ja puhkeolekus. Me oletasime, et spindli ja aeglase võnkumise sidestus on positiivselt seotud muutustega hipokampuse võrgus ja mälu jõudluses. Need leiud ei tohiks mälutingimustes erineda, kuna Samanta et al. (2021) ei täheldanud erinevust allotsentrilise ja egotsentrilise treeningu vahel. Tõepoolest, meie tulemused näitavad, et täitevjuhtimine ja vaikerežiimi võrgud muutuvad oletatavates vastupidistes suundades enne ülesande täitmist. Lisaks tuvastasime hipokampuse võrgus kaks alamvõrku. Esmane alamvõrk oli uneseisundist sõltumatu ja funktsionaalne ühenduvus suurenes enne ülesande sooritamist ja pärast pausi. Ühenduvus teises alamvõrgus vähenes pausi ajal ainult uinaku teinud osalejate puhul. Lõpuks oli spindli ja aeglase võnkumise sidestusvõimsus positiivselt seotud mälu jõudlusega ja vähenenud ühenduvusega teises, unest sõltuvas hipokampuse alamvõrgus. Kõik mõjud olid allotsentrilise ja egotsentrilise treeningu puhul samad. Meie tulemused näitavad, et puhkeoleku aktiveerimised võib jagada ülesannetega seotud ja konsolideerumisega seotud muutusteks, mis on kas unest sõltumatud või unest sõltuvad. Ainult unest sõltuvad muutused on seotud spindli ja aeglase võnkumise sidestusega, mis aitab võrdselt kaasa mälu jõudlusele allotsentrilise ja egotsentrilise õppimise korral.
cistanche'i eelised meestele - Alzheimeri tõve vastane
Cistanche mälu parandavate ja Alzheimeri tõve ennetavate toodete vaatamiseks klõpsake siin
【Küsi lisa】 E-post:cindy.xue@wecistanche.com / Whats App: 0086 18599088692 / Wechat: 18599088692
2|MEETODID JA MATERJALID
2.1|Osalejad
Uuringusse kaasati 77 neuroloogiliselt tervet paremakäelist meessoost osalejat (vanusevahemik: 18–30 aastat, keskmine=24). Valiti ainult meessoost osalejad, kuna valim koosneb suurema translatsioonilise uurimistöö alampopulatsioonist, milles kasutati ainult isasnärilisi (Samanta et al., 2021). Uuringu kiitis heaks kohalik eetikakomitee (CMO Arnhem-Nijmegen, Radboudi ülikooli meditsiinikeskus) üldise eetikaloa alusel ("Imaging Human Cognition", CMO 2014/288) ja katse viidi läbi nende juhiste kohaselt. Värbamine toimus Radboud Research Participation Systemi kaudu. Osalejaid sõeluti ja jäeti välja, tuginedes (1) uneravimitele, (2) regulaarsele uinakule ja (3) professionaalsele mängutegevusele. Enne katse algust andsid kõik osalejad kirjaliku teadliku nõusoleku ja said osalemise eest rahalise hüvitise. Kokku jäeti pärast andmete kogumist analüüsist välja neliteist osalejat. Kaheksa katsealust jäeti katsest välja tehniliste probleemide tõttu õppimise või otsimise ajal: viie osaleja puhul oli juhtkang valesti kalibreeritud ja ülejäänud kolme puhul esines tehnilisi probleeme, sealhulgas ülesannete keskkonnaprogrammi järsk kokkujooksmine skannimise ajal. Kolm katsealust magas kas unetesti või kontrollseansi ajal alla 30 minuti. Nende z-skoorid olid tegeliku uneaja valimi keskmisest rohkem kui 2,5 * σ kaugusel. Tegelik uneaeg arvutati iga subjekti jaoks kui kogu uneaeg (TST), välja arvatud ärkvelolek pärast une algust (WASO). Veel kolme katsealuse puhul tuvastati fMRI skaneerimise ajal pea liikumise tõttu suur kujutise nihkumine. Nihke suurust pildiseerias hinnati kvaliteediindeksiga (QI), kasutades võrrandit (1):
where max. abs. is the maximum absolute displacement of a given volume with respect to a reference time point (i.e. middle volume in the time series) and max. rel. represents the maximum relative displacement at a given volume with respect to the subsequent time point. The two measures account for gradual as well as abrupt changes in head position. The cut-off for the exclusion of participants was set to a QI >16,4 (Ribeiro de Paula et al., 2017). Kokkuvõttes loeti lõplikuks valimiks 63 subjekti (vanusevahemik: 18–30 aastat, keskmine=23,3).
2.2|Eksperimentaalne protseduur
2 2 täisfaktorilise segakujundusega testisime ruumilise mälu paradigma kogu süsteemi hõlmavaid konsolideerimisprotsesse. FMRI-skaneeringute ajal tegelesid osalejad allo- või egotsentrilise ruumilise õppimise ja mälu otsimisega veelabürindi varem valideeritud inimanaloogis (Müller et al., 2018; Schoenfeld et al., 2017). Vahetult enne ja pärast õppe- ja otsimisseansse hinnati funktsionaalset ühenduvust puhkeoleku fMRI-ga. See moodustab kokku neli puhkeoleku fMRI seanssi, millest igaüks kestab 9 minutit. Ruumiõppe ja mälu otsimise vahepeal kasutati une mõõtmiseks une EEG-d. Katsetingimustes juhendati osalejaid magama 90 minutit, samal ajal kui kontrollrühm vaatas sama kaua filmi. Ligikaudu 2 nädalat pärast katset lõpetasid uneseisundis osalejad 90-minutilise unekontrolli seansi, mis ei järgnenud õppimiskogemusele.
Cistanche toidulisand minu lähedal - mälu parandamine
2,3|Virtuaalne veelabürindi ülesanne
Virtuaalse veelabürindi ülesanne on roti veelabürindi kohandamine, mis on väljakujunenud meetod näriliste ruumiliste võimete testimiseks (Morris, 1981).
See analoogne inimeste paradigma ühildub MRI skanneri keskkonnaga (Schoenfeld et al., 2017). Osalejatel paluti navigeerida virtuaalsel saarel, et leida aardekarp. Kasutasime selles paradigmas kahte erinevat seadet: "peidetud saar" ja "viidatud saar". Peidetud saart ümbritses neli maamärki (st sild, purjekas, tuuleturbiin ja tuletorn; vt joonis S1). Saarel asuv peidetud aardelaek tähistas sihtasukohta. Kast asus väikeses süvendis virtuaalsel saare pinnal ja oli seega nähtav ainult vahetus läheduses. Seevastu vihjega saarel polnud orienteerumiseks ühtegi orientiiri, välja arvatud lipp aardekasti kõrval, mis oli kaugelt nähtav. Selle lipu asukoht koos aardekastiga muutus igal katsel. Ülesannete jada koosnes kaheksast vahelduvast märgistatud ja peidetud saarte plokist, mille tulemuseks oli kokku 16 katset. Igas katses said osalejad juhtkangi abil vabalt liikuda saarel omas tempos. Kui aardekasti vahetusse lähedusse jõudis sihtkoht, said osalejad katse lõpetada juhtkangi nupuvajutusega. Ühe katse lõpu ja järgmise alguse vahele jäi 15- s intervall, mille jooksul said osalejad saarel ringi pöörata ja orienteeruda. Osalejad kohtasid esmalt vihjega saart, millelt nad pidid leidma nähtava lipu. Seda saart kasutati taju- ja motoorse töötlemise juhtimiseks, et isoleerida hilisemas analüüsis mäluefekte. Peidetud saarega kohtumiseks jaotati osalejad juhuslikult ühele õppetingimustest - allotsentrilistele või egotsentrilistele. Allotsentriline rühm alustas igal katsel saarel erinevast asukohast ja pidi sihtasukoha leidmiseks iga kord ümber orienteeruma, edendades seeläbi kohanavigatsiooni kasutamist. Egotsentrilises rühmas oleks neil igal katsel sama alguskoht ja seetõttu võiksid nad sihtasukohta jõudmiseks lisaks nähtavatele näpunäidetele tugineda korduvale fikseeritud liikumisele, võimaldades neil kasutada mõlemat navigeerimisstrateegiat. Üldiselt olid osalejad nende kahe tingimuse suhtes pimedad. Õppimiskatsete puhul oli mõlemas olukorras osalejate peamine eesmärk teada saada sihtkasti asukoht kaheksa peidetud saare katses. Otsimiskatsete jaoks jäi saare seadistus ühe modifikatsiooniga samaks – peidetud saarelt eemaldati aarete kast ja osalejad said ülesandeks oma parima teadmise kohaselt asukoht ära märkida, kus nad tuletasid meelde kasti asukoha.
2.4|Andmete hankimine
2.4.1|Polüsomnograafilised salvestused
Polüsomnograafilised salvestused saadi 90-minutilise uinaku ajal diskreetimissagedusega 500 Hz (BrainAmp, Brain Products, Gilching, Saksamaa). Paigaldati kolmkümmend kaks peanaha elektroodi (rahvusvaheline 10–20 EEG süsteem), sealhulgas Fz, F3, F4, Cz, C3, C4, Pz, P3, P4, Oz, O1, O2 ja viidati vasakule mastoidile. Lisaks registreeriti horisontaalsed ja vertikaalsed silmade liikumised (EOG), elektromüogramm (EMG) lõual ja elektrokardiogramm (EKG). Salvestused algasid vahetult pärast valguse kustutamist. Pärast katset määras une skoorimine tingimuste suhtes pimestatud eksperimenteerija poolt, kasutades SpiSOP tööriistakasti (www.spisop.org; RRID: SCR_015673). Vastavalt Ameerika Unemeditsiini Akadeemia skoorireeglitele (AASM) 1. ja 2. unefaasis hinnati aeglase laine uni, REM-uni, ärkamisi ja kehaliigutusi visuaalselt 30 sekundi jooksul EOG, EMG ja järgmiste kanalite põhjal. -F3, F4, C3, C4, O1, O2.
2.4.2|FMRI omandamine
FMRI aegread saadi ainult peaga 3T skanneriga (Prisma 3T, Siemens, Erlangen, Saksamaa). Seitsesada T2* kaalutud pilti saadi mitmeribalise gradient-kaja-kaja-tasapinnalise kujutise järjestusega (mitmeribaline tegur=8, 64 aksiaalset lõiku, helitugevuse kordusaeg [TR]=1000 ms, kajaaeg [TE ]=39 ms, 52 pöördenurka, lõigu paksus=2,4 mm; vaateväli (FOV) 210 mm; voksli suurus 2 mm isotroopne). Anatoomilised kujutised saadi T1-kaalutud MP-RAGE jada abil (192 sagitaalset viilu, maht TR=2300 ms, TE=3,03 ms, 8 pöördenurk, lõigu paksus, 1 mm ; FOV, 256 mm; voksli suurus 1 1 1 mm). Kõik andmed on saadaval Dondersi hoidlas di. saab. DSC_3013066.01_875.
2,5|Andmetöötlus
2.5.1|Une EEG eeltöötlus
Andmeid töödeldi programmis Matlab R2020b (Mathworks Inc., Sherborn, Massachusetts), kasutades Sleeptripi tööriistakasti (www.sleeptrip. org; RRID: SCR_017318). Kõik EEG kanalid viidati uuesti keskmistele mastoididele (A1 ja A2) ja andmed filtreeriti ribapääsfiltriga vahemikus 0,3 kuni 35 Hz (4. järgu Butterworthi nullfaasifilter). Üldiselt rakendati ainult nullfaasi filtreid (st edasi- ja tagasisuunas). Halvad EEG-kanalid lükati nende võimsusspektri põhjal visuaalselt tagasi. Ülejäänud kanalite puhul tuvastati artefakte 30-s pikkades akendes. Segmendid, mis visuaalselt tuvastati keha liikumisena, märgiti hilisemaks välistamiseks. Vaadeldud üldisest amplituudijaotusest tugevalt kõrvale kalduvate segmentide edasiseks tuvastamiseks standarditi iga segmendi keskmised amplituudide erinevused igas kanalis z-standardis. Segmendid, mille az on > 5 üheski kanalis, jäeti välja (Muehlroth et al., 2019). TST arvutati 1., 2., SWS-i ja REM-une faasis veedetud ajana. WASO määratleti kui aega, mille jooksul osalejad olid ärkvel une alguse ja lõpliku ärkamise vahel.
Tistanche ürdi mõju Alzheimeri tõve vastu
2.5.2|Spindli tuvastamine
Spindlid tuvastati Sleeptripi automaatse algoritmi abil, mis põhineb varasematel väljaannetel (Weber et al., 2020) ja Pythoni versioonis 3.8 realiseeritud "väljas" algoritmi (Donoghue et al. , 2020). Oletatavad võimsuse piigid aeglase spindli (9–12,5 Hz) ja kiire spindli (12,5–16 Hz) sagedusribades tuvastati visuaalselt NREM-i ajastutest (st N2 ja N3). Enne võimsusspektrite kontrollimist eemaldati signaalist perioodiline 1/f komponent, paigaldades Lorentzi funktsiooni. Iga osaleja puhul tuvastati käsitsi aeglased spindli tipud kolme eesmise kanali keskmisena (Fz, F3, F4; unetesti seanss: 10.25 Hz ± 0.1, keskmine ± SEM ; Unekontrolli seanss: 10,07 Hz ± 0,14, keskmine ± SEM) ja kiired spindlid saavutavad maksimumi kolme keskkanali (Cz, C3, C4; unetesti seanss: 13,44 Hz ± 0,09, keskmine ± SEM; unekontrolli seanss: unekontrolli seanss: 13,44 Hz ± 0,06, keskmine ± SEM). Visuaalselt määratletud sageduse piikide kontrollimiseks sobitasime Gaussiaanid iteratiivselt perioodiliste võimsuskomponentidega fooofiga (vt joonis S2, nt spektrid). Manuaalsete siltide ja paigaldatud Gaussi piikide erinevuse korral vaadati võimsusspektrid uuesti üle. Seda meetodit kasutati võltsvõlli sündmuste sissetoomise vältimiseks (Ujma et al., 2015). Seejärel filtreeriti iga kanali signaal ribapääsfiltriga (± 1,5 Hz, 3 dB piir, 4-tolmne Butterworthi nullfaasifilter) tuvastatud individuaalsete sagedustippude ümber. Signaali ruutkeskmine (RMS) esitus arvutati igas proovipunktis ja siluti liikuva keskmise filtri abil 200 ms libisevas aknas. Potentsiaalne spindel märgiti, kui silutud RMS-signaali amplituud ületas 0,5–3 sekundi jooksul filtreeritud signaali keskmist 1,5 SD võrra. Filtreeritud spindlisignaali kohalikud miinimumid ja maksimumid märgiti piikide ja madalustena. Suurim süvend määratleti kui spindli tippaeg. Spindli amplituud määrati suurima süvendi ja suurima piigi vahelise potentsiaalse erinevusega. Betooni spindli individuaalne sagedus määrati kõigi süvendite ja piikide arvu liitmisel ja jagamisel vastava spindli kahekordse kestusega. Spindlid, mille piirid on lähemal kui 0,25 s, liideti lõpuks.
2.5.3|Aeglase võnkumise tuvastamine
Aeglaste võnkumiste tuvastamine frontaalelektroodidel põhines ka Sleeptripis rakendatud ja mujal valideeritud automatiseeritud algoritmil (Ngo et al., 2013). Kõigi NREM-i ajastute puhul filtreeriti eeltöödeldud EEG-andmed madalpääsfiltritel sagedusel 4 Hz (6. järgu Butterworthi nullfaasifilter). Seejärel jagati kogu signaal negatiivseteks ja positiivseteks poollaineteks, mis eraldati nullpunktidega. Potentsiaalne aeglane võnkumine määratleti kui negatiivne poollaine, millele järgnes positiivne poollaine sagedusvahemikus 0,5–1 Hz. Aeglase võnke amplituud ja sagedus arvutati sama meetodiga, mida kasutati spindlite puhul. Edasiseks analüüsiks võeti vastu oletatavad aeglased võnkumised, mis ületavad kõigi oletatavate aeglaste võnkumiste keskmist miinimumi 1,25 korda ja amplituudi 1,25 korda kõigi potentsiaalsete aeglaste võnkumiste keskmisest amplituudist.
2.5.4|Puhkeoleku fMRI eeltöötlus
MRI DICOM-failid sisestati GraphICA (BraiNet – Brain Imaging Solution Inc. – Sarnia, Ontario, Kanada) automaatsesse torujuhtmesse. Anatoomilisi ja funktsionaalseid pilte töödeldi eeltöödeldud FSL 6.03 abil. T1-kaalutud anatoomiliste kujutiste eeltöötlusetapid hõlmasid kaldevälja korrigeerimist (RF/B1-ebahomogeensuse korrigeerimine), aju ekstraheerimist, koetüübi segmenteerimist (CSF, GM, WM) ja subkortikaalset struktuuri. segmenteerimine. Funktsionaalsetel andmetel teostasime kolju eemaldamist, liikumise korrigeerimist, lõikude ajastuse korrigeerimist, ruumilist silumist, mis arvutatakse voksli suuruse, lae (1,5 * voksli suurus), kaasregistreerimise, ICA-põhise liikumisartefaktide automaatse eemaldamise, kõrgpääs filtreerimine ja häiringute regressioon (WM ja CSF). Andmeid ei normaliseeritud võrdlusruumiks, kuna loomuliku ajuruumi omadused peaksid järgmises analüüsis säilima.
2.5.5|Kahekordne regressioonanalüüs
Subjektispetsiifiliste ruumikaartide tuvastamiseks kasutati topeltregressiooni, kasutades 11 puhkeoleku võrgumaski: kuuldav, vaikerežiimi võrk, vasakpoolne juhtjuhtimine, parempoolne juhtjuhtimine, hipokampus, keel, silmapaistvus, sensorimootor, visuaalne külgmine, visuaalne meedium ja visuaalne Kuklakujuline. Komponentide ruumikaartide intensiivsust väljendati signaali muutuse protsendi ühikutes keskmisest.
2.5.6|Piirkondlik kruntimine
Iga katsealuse T{{0}}kaalutud pilt segmenteeriti automaatselt Freesurfer 7 (v7.1.0, http://surfer.nmr.mgh. harvard.edu/) konveieri abil. Edasine jaotus viidi läbi GraphICA abil, kasutades gradiendiga kaalutud Markovi juhusliku välja mudeli protseduuri, mida on kirjeldatud artiklis (Schaefer et al., 2018). See jaotusmudel sisaldab kolme konkureerivat terminit, mis kompenseerivad lõpliku segmenteerimise optimaalseid omadusi: globaalne sarnasustermin sarnase kujutise intensiivsusega aju asukohtade rühmitamiseks, lokaalne gradiendi termin, mis tuvastab järsud funktsionaalsed ühenduvusmuutused naaberaju asukohtade vahel, ja ruumilise seotuse termin. tagada maatükkide sees ruumiline seotus. Protseduur andis 832 eraldatud ajupiirkonda, mis lisati edasiste analüüside jaoks võrgusõlmedena.
2.5.7|Funktsionaalne võrgu ehitamine ja lävendamine
GraphICA abil korreleeriti iga sõlme fMRI ajakurss kolme puhkeolekuvõrgu IC-ajakursusega eraldi. Pärast iga funktsionaalse puhkeolekuvõrgu kaasregistreerimist subjektiga natiivses ruumis arvutati keskmine z-väärtus, keskmistades igale 832 ROI-le kuuluva voksli skalaarkaardi väärtused. Saadud z-standardiseeritud korrelatsioonikoefitsiendid kirjeldavad iga sõlme aja kulgemise koormust vastavas puhkeoleku võrgus. Näiteks müra tõttu võltsitud või nõrkade z-väärtuste eemaldamiseks piirati koormusi andmepõhise segu modelleerimise lähenemisviisiga ühe subjekti tasemel (Bielczyk et al., 2018). Lisaks sobitati lävega võrgud GraphICA pakutavate võrgumallidega, mis saadi 200 tervest kontrollist. Edasiseks analüüsiks võeti arvesse ainult mallides leitud sõlme (st hipokampuse võrgu=74 sõlmed, vaikerežiimi võrgu=171 sõlmed, parempoolsed juhtvõrgu=164 sõlmed).
2,6|Statistiline analüüs
2.6.1|Une EEG analüüs
Une EEG andmete statistilised analüüsid viidi läbi, kasutades Matlab R2020b (Mathworks Inc., Sherborn, Massachusetts) koos avatud lähtekoodiga tööriistakastiga Fieldtrip (Oostenveld et al., 2011) ja CircStatsi tööriistakastiga (Berens, 2009). Analüüs piirdub kanalitega Fz aeglaste võnkumiste ja aeglaste spindlite jaoks ning Cz kiirete spindlite jaoks. Mitte kõik meie analüüsis kasutatud unemuutujad ei järginud normaaljaotust. Kõiki une kirjelduste ja võnkeomaduste grupisiseseid võrdlusi õppimisjärgse unesessiooni ja unekontrolli seansi vahel testiti sõltuvate proovide mitteparameetriliste Wilcoxoni Signed-Rank testide abil. Allotsentrilise ja egotsentrilise seisundi une muutujate rühmadevahelised võrdlused arvutati sõltumatute proovide mitteparameetriliste Mann-Whitney U testidega. Nende testide jaoks esitati muutujate mediaan- ja kvartiilväärtused. p-väärtus<.05 was viewed as statistically significant.
2.6.2|Ajaline seos tuvastatud aeglaste võnkumiste ja spindlite vahel
Aeglaste võnkumiste ja spindlite koordinatsiooni hinnati NREM-une puhul, kuna spindli ja aeglase võnkumise sidestus on 2. etapis ja aeglase une ajal stabiilne (Cox et al., 2017), kuigi tüüp aeglase võnkumise erinevus on erinev (K-kompleksid vs. delta-lained). Üldine ajaline seos aeglase võnkumise ja spindli sündmuste vahel arvutati, määrates nende spindlite osakaalu, mille keskpunkt (st maksimaalne madalseis) tekkis ±1,2 s intervalliga tuvastatud aeglaste võnkumiste miinimumi ümber, ja aeglaste võnkumiste hulk spindlid, mille kese tekkis ±1,2 s jooksul võnke vastava süvendi ümber. Ajaaken ±1,2 s valiti ühe terve aeglase võnketsükli (0,5–1 Hz ehk 1–2 s) katmiseks. Kui kaks aeglase võnkeaja akent kattusid, eemaldati spindli keskpunktist kaugemal asuv aken. Aeglase võnkumise ja spindli sündmuste täpne ajastus visualiseeriti sündmuste järgsete ajahistogrammide (PETH-de) abil (joonis 2b) kiirete ja aeglaste spindlitsentrite (testisündmuste) kohta, mis toimusid ±1,2 s intervalliga iga aeglase võnkumise küna (sihtmärk) ümber. sündmus). Külvisündmuse esinemise tõenäosused liideti 100 ms kaupa ja teisendati protsentideks. PETH-ide ajalise mustri testimiseks rakendasime randomiseerimisprotseduuri, segades PETH-kastide järjekorda juhuslikult 1000 korda. Saadud surrogaadid keskmistati iga indiviidi jaoks ja testiti algsete PETH-de suhtes, kasutades sõltuva proovi t-teste. Mitme võrdluse kontroll saavutati klastripõhise permutatsiooni testimise teel 5000 permutatsiooniga (Maris & Oostenveld, 2007).
2.6.3|Sündmuslukuga faasisidestus
Sündmuslukuga ristsagedusanalüüside jaoks (Helfrich et al., 2018) valiti artefaktivabad aeglase võnkesündmuse katsed kanali Fz kaudu (±3 s ümber maksimaalse aeglase võnkumise miinimumi) ja riba. -pass filtreeritud aeglase võnkumise sagedusvahemikus (0,3–1,25 Hz). Pärast Hilberti teisenduse rakendamist eraldasime analüütilisest signaalist hetkelise faasinurga. Analüütilisest signaalist amplituudi mähisjoone arvutamiseks filtreeriti samu katseid ka ribapääsfiltriga 9–12,5 Hz (aeglaste spindlite komponent) ja 12,5–16 Hz (kiirete spindlite komponent) vahel. Filtri servade artefaktide vältimiseks arvestasime ainult ajavahemikku 2 kuni 2 sekundit. Iga subjekti, kanali ja epohhi jaoks tuvastasime nüüd spindli maksimaalse amplituudi ja vastava aeglase võnkefaasi nurga. Rayleighi testid arvutati, et testida faasijaotust subjekti kohta ühtluse suhtes. Määrati kõigi NREM sündmuste keskmine ringikujuline suund ja sellest tulenev vektori pikkus. PPC-d kasutati spindlite ja aeglaste võnkumiste vahelise faasisuhte järjepidevuse erapooletuks hindamiseks (Vinck et al., 2012), mis põhines spindli kaudu käivitatud Fourier' spektritel ajaaknas 3,5 kuni +3,5 s (100 ms sammuga) ja aeglase võnkesagedusega 0,3 kuni 3 Hz.
Hiina ürdi tsitanche
2.6.4|Aeg-sageduse analüüs
Spindlite ja aeglaste võnkumiste vahelise ajalise seose edasiseks kirjeldamiseks kasutasime uuesti varem arvutatud aeglase võnke sündmuse katseid (6-s segmendid). Need katsed sobitati juhuslikult valitud 6-sekundilise artefaktivaba ajasegmendiga samas unefaasis, kus kasutati algtaseme uuringutena kasutatud vastavat aeglast võnkumist. Aeglaste võnkumistega ja ilma aeglaste võnkumisteta katsete aeg-sageduse analüüsiks kasutasime superkomplekte (Moca et al., 2021). Superletid koosnevad sama kesksagedusega, kuid üha piiratuma ribalaiusega Morleti laineliste seeriast, millel on suurem aja-sageduse eraldusvõime kui väljakujunenud lähenemisviisidel. Täpsemalt rakendasime aeglase võnkumise ja algtaseme katsete eeltöödeldud andmetele sagedusega 5 Hz kuni 20 Hz sammuga 0,25 Hz fraktsionaalset adaptiivset superletiteisendust (FASLT), mille esialgne lainejärjestus oli 3 ja järjekord vahemikus 5 kuni 15 ( Barzan et al., 2021). Seejärel võrreldi iga katsealuse aeglase võnkesündmuse katsete ja kontrollkatsete aja-sageduse esitusi sõltumatu valimi t-testide abil. Saadud t-kaardid kajastavad nii kiire kui ka aeglase spindli sagedusvahemiku suurenemist/vähenemist aeglase võnkumisega katsetes võrreldes ilma katsetega. Uuritavasiseste kontrastide arvutamiseks koostasime 100 juhuslikku algtaseme ja aeglase võnkumise katsete komplekti, säilitades samal ajal 2. etapi ja aeglase laine unekatsete suhte. Kõigi nende juhuslike katsekomplektide T-kaardid keskmistati iga katsealuse jaoks. iga mälutingimuse jaoks eraldi testiti t-kaarte nulliga, kasutades klastripõhist permutatsioonitesti 5000 permutatsiooniga ajaaknas 1,2–1,2 s.
2.6.5|Puhkeoleku fMRI analüüs
Kolme puhkeolekuvõrgu fMRI andmeid analüüsiti rakenduses RStudio 1.4.1103 (RStudio, Inc., Boston, Massachusetts). Kõik analüüsid viidi läbi kolme eelvalitud puhkeolekuvõrgu jaoks eraldi (st hipokampuse võrk, vaikerežiimi võrk, parempoolse juhtvõrgu võrk) ja need põhinesid IC kohta saadud sõlme z-väärtustel, mis kirjeldavad funktsionaalse võrgu ühenduvusmustrit. puhkeoleku võrgud. Uurisime kolme erinevat lähenemisviisi andmete analüüsimiseks, sealhulgas graafikuteooria analüüs, eukleidilise kauguse maatriksid ja ainsuse väärtuse lagunemine (SVD), millest SVD oli praeguse andmekogumi jaoks kõige sobivam. SVD viidi läbi töötlemata z-väärtuste põhjal, et täpsemini jäädvustada puhkeolekuvõrkude algne korraldus. Lävitatud z-väärtused moodustasid m n andmemaatriksi (m=osalejate arv 4 seanssi; n=sõlmede arv). Täpsemalt valiti mõõtmete vähendamiseks hõredate maatriksite SVD, kuna läviandmete maatriks sisaldas peamiselt nullväärtusi. Võrgu kohta eraldati kaks peamist režiimi, mis koos selgitasid 15–20% andmete dispersioonist. Iga režiimi võib mõista kui dispersioonipõhist funktsionaalset puhkeoleku alamvõrku (vt Filmid S1–S4). SVD tulemusel saime võrkude keskmistatud madala astme rekonstrueerimise auastme-r lähendusena, mis kirjeldab vastava alamvõrgu ruumilist jaotust, kasutades võrrandit (2):
kus A on algandmemaatriks, mis on lähendatud U-ga, mis sisaldab r vasakpoolset ainsuse vektorit, S sisaldab r ainsuse väärtust ja V, mis sisaldab r parempoolset ainsuse vektorit. Statistilise testimise ettevalmistamisel skaleeriti vastav vasakpoolne ainsuse vektor (um, i ) selle ainsuse väärtuse (si, i ) järgi, kus i on maatriksi i-s rida/veerg. Tulemus (um, I si, i ) on veeruvektor, mis esindab osalejate punktisummasid kõigi i-nda alamvõrgu seansside kohta. Neid väärtusi saab tõlgendada valitud funktsionaalse alamvõrgu ühenduvuse tugevusena kõigi osalejate jaoks seansside ja tingimuste lõikes. Mõlema alamvõrgu puhul analüüsiti saadud osalejate skoori sõltuvate muutujatena, kasutades lineaarset segaefektide mudelit. Mudeli ennustajad hõlmasid fikseeritud efektidena uneseisundit (uni, ärkvelolek), seanssi (1–4 või enne / pärast pausi, enne / pärast ülesannet) ja mäluseisundit (allotsentriline, egotsentriline). Osalejad modelleeriti nelja puhkeseisundi seansi juhuslike efektidena. Mudeli sobivuse hindamiseks kasutati Akaike teabekriteeriumi (Akaike, 1973), Bayesi teabekriteeriumi (Schwarz, 1978) ja logaritmilist tõenäosust.
3|TULEMUSED
3.1|Uuringu ülesehitus ja mälu jõudlus
Käesolevas uuringus kasutati ruumilise mälu ülesande konsolideerimise testimiseks 1-päeva paradigmat (joonis 1a). FMRI-skaneeringute ajal viisid osalejad läbi allo- või egotsentrilist ruumilist õppimist ja mälu otsimist varem valideeritud inimeste jaoks mõeldud vesilabürindi virtuaalses analoogis (Müller et al., 2018; Schoenfeld et al., 2017). Üksikasjaliku ülesande kirjelduse leiate selle andmekogumi esimesest väljaandest (Samanta et al., 2021). Lühidalt, osalejad navigeerisid vabalt virtuaalsel saarel juhtkangi abil, et jõuda fikseeritud sihtpunkti. Õppesessioonil tähistas asukohta peidetud aarete laegas. Otsimise ajal juhendati osalejaid aga oma parima teadmise kohaselt aardekasti asukoht ära märkima, ilma et kasti kohal oleks. Allotsentrilised ja egotsentrilised tingimused erinesid nii, et juhuslikult määratud osalejad alustasid iga katset kas samast või muutuvast lähteasendist (joonis 1b). Mälu jõudlust mõõdeti kui latentsust, et jõuda sihtpunkti lähtepunktist. Otsimisel toimisid osalejad üldiselt paremini egotsentrilises seisundis kui allotsentrilises seisundis ja une peamine mõju mälu jõudlusele oli märkimisväärne (joonis 1c; tabel 1; kahesuunaline ANOVA allo/ego F1-ga,62=16 0,78, p < 0,001 ja une-/ärkveloleku F1, 62=3,84, p=0,05). Vahetult enne ja pärast õppe- ja otsimisseansse hinnati funktsionaalset ühenduvust puhkeoleku fMRI-ga. See moodustab kokku neli puhkeoleku fMRI seanssi, millest igaüks kestab 9 minutit. Ruumiõppe ja mälu otsimise vahepeal kasutati une arhitektuuri mõõtmiseks polüsomnograafiat (tabel S1). Katsetingimustes magasid osalejad umbes 90 minutit (93,48 ± 1,77, keskmine ± SEM), samal ajal kui kontrollrühm vaatas sama kaua neutraalset filmi. Ligikaudu 2 nädalat pärast katset lõpetasid uneseisundis osalejad umbes 90-minutilise unekontrolli seansi (103, 30 ± 2, 66, keskmine ± SEM), mis ei järgnenud kohe ruumilise õppimise kogemusele. Kahe unesessiooni järjestust ei tasakaalustatud, et hoida katsealuseid katseseansi ajal katsetingimuste suhtes pimedana. Kasutades sarnast ülesandekujundust, Genzel, Bäurle jt. (2014) ja Genzel jt, (2012) said võrreldavad uinaku kestused. Kuid siin magasid osalejad unekontrolli seansil oluliselt kauem kui unetestis (Wilcoxon Sign-Rank Test, z = 2.68, p=.01). See seansiefekt vihjab unelaboriga harjumisele. Erinevus varasematest uuringutest võib tuleneda Genzeli, Bäurle jt jaoks erineva laboriseade kasutamisest. (2014); Genzel et al., 2012) määrati selliseks unelabor (Max Plancki psühhiaatriainstituut), EEG laboris Dondersi instituudi unelabor (ja seetõttu vähem "kodune").
3.2|Unerežiimi omadused test- ja kontrollseansil
On näidatud, et NREM-une ajal esinevad spatiotemporaalsed mehhanismid konsolideerivad eelneva ärkveloleku ajal kodeeritud kogemusi (Maigret et al., 2016). Süsteemi tasandil arvatakse, et kogemused aktiveeruvad hipokampo-talamo-kortikaalses võrgus une ajal, et moodustada nende kogemuste pikaajaline esitus. Erinevad mälu konsolideerimisega seotud võnked võivad koordineerida nende ajustruktuuride vahelist suhtlust (Genzel, 2020; Genzel, Bäurle et al., 2014). Meid huvitasid NREM-une ajal aeglased võnked, samuti aeglased spindlid (9–12,5 Hz) ja kiired spindlid (12,5–16 Hz), mis võivad mälu konsolideerimise protsessis mängida selget rolli (Genzel & Robertson, 2015). . Kooskõlas varem teatatud nende unevõnkumiste topograafiaga inimese EEG-s (Adamczyk et al., 2015), keskendusime oma analüüsides aeglastele frontaalvõnkudele ja aeglastele võngetele (st kanal Fz) ja tsentraalsetele kiiretele spindlitele (st kanal Cz; vt joonist S3 ühendamise topograafia kohta). Ruumilise õppimise kogemuse spetsiifiliste mõjude tabamiseks unetesti seansi une arhitektuurile võrdlesime unetesti ja kontrollseansside vahel nii une kirjeldusi kui ka spindli ja aeglase võnkumise omadusi (vt tabel S1). Leidsime, et osalejad magasid kontrollseansil võrreldes testseansiga oluliselt kauem. Võrreldes testseansiga oli ka kiire spindli kestus kontrollseansil oluliselt pikem (Wilcoxon Sign-Rank Test, z = 2.91, p < .01). Lisaks hindasime, kas oluline erinevus TST-s testi- ja kontrollseansside vahel võib ennustada seda erinevust kiire spindli kestuses, kontrollides WASO-d. Siiski ei olnud TST-l olulist mõju kiire spindli amplituudi erinevustele unesansside lõikes (mitmekordne lineaarne regressioon, TST:=0.53, p=.61). Kiire spindli amplituudi suurenemine, mis on sarnane TST suurenemisega, võib olla tingitud unelabori kontrollimatust harjumusest. Sellegipoolest oletasime, et une võnkumiste ajaline seos on mälu konsolideerimisel ülioluline. Sellega seoses ei täheldanud me seansside vahel mingeid erinevusi, nagu esitatakse allpool.
JOONIS 1
3,3|Spindli-aeglase võnkumise sidestus katse- ja juhtimisseansil
Teravate lainete lainetuse, spindlite ja aeglaste võnkumiste vaheline seos võib seada õppekogemuse tugevdamiseks olulise ajaakna (Genzel, Kroes et al., 2014). Seetõttu keskendusime spindlite ja aeglaste võnkumiste vahelisele ajalisele suhtele, et täiendavalt uurida unetestide ja kontrollseansside une mikroarhitektuuri erinevusi. Esiteks arvutasime spindlite maksimaalsete süvendite arvu (%), mis esinevad ühes tsüklis (intervall ±1, 2 s) tuvastatud aeglaste võnkumiste keskpunkti ümber (joonis 2a). Mõlemas seansis tuvastasime sarnase arvu kiireid spindleid, mis olid seotud aeglaste võnkudega (Wilcoxon Sign-Rank Test, z = 1.14, p=.26) ja aeglaseid spindleid, mis olid seotud aeglaste võnkudega (Wilcoxon Sign-Rank Test, z {{10}}.75, p=.45). Vastupidiselt ühendati ligikaudu võrdne arv aeglasi võnkumisi kiirete spindlitega (Wilcoxon Sign-Rank Test, z=1.02, p=.31) ja aeglaste spindlitega (Wilcoxoni märk- Auaste test, z {{20}.10, p=.27) pärast õppimist ja unekontrolli. Need leiud viitavad sellele, et spindlid ja aeglased võnkumised on üksteisega võrdselt seotud. Üldiselt tuvastasime mõlema unesessiooni vahel järjepideva spindli ja aeglase võnkumise seose, sõltumata ruumilisest õppimisest, mis viidi läbi vahetult enne unetesti seanssi. Edukas mälu konsolideerimine võib sõltuda kümnete või isegi sadade ms-de sidumistäpsusest (Maigret et al., 2016; Muehlroth et al., 2019). Seega analüüsisime täpset spindli ja aeglase võnkumise koordineerimist PETH-de abil (joonis 2b). PETH-id näitavad maksimaalsete spindliõõnte esinemise tõenäosust ±1,2 s ajaaknas aeglase võnkumise sündmuste ümber 100- ms ajavahemike piires. Kiired spindlid esinesid koos vahetult enne aeglase võnkumise tippu ja pärast aeglase võnkumise miinimumi (klastripõhised permutatsioonid: märk. klaster: 400–700 ms testimisel, p < 0,001; 500–800 ms kontrollimisel, p < .001). Teisest küljest langesid aeglased spindlid kokku üleminekul aeglase võnke madalikule ja sellega (klastripõhised permutatsioonid: mõlemad märgid. klastrid 300 kuni 100 ms juures, p < 0,001). Selle efekti tugevust testiti võrdlusjaotusega, mis saadi spindli süvendite ajatemplite juhuslikul segamisel. Spindli ja aeglase võnkumise sidestuse ajaline spetsiifilisus ei erinenud kahe uneseansi vahel, mis viitab taas üldise sidumismehhanismi olemasolule, mis ei sõltu ruumilisest õppimiskogemusest. Varasemad leiud on näidanud suuremat spindli ja aeglase võnkumise sidestustugevust noortel võrreldes vanade täiskasvanutega ja pärast motoorset õppimist (Cross et al., 2020 [eeltrükk]; Helfrich et al., 2018). Meid huvitas selle faasisuhete järjepidevuse selgitamine ruumilise õppimise kontekstis. Joonisel 2b kujutatud polaargraafikud näitavad ühe näidisobjekti ja kogu valimi sidumisfaasi, mis on arvutatud hetkelise aeglase võnkefaasina (0,3–1,25 Hz) spindli maksimaalse amplituudi ajal kanali Fz kaudu aeglaste spindlite (9–12,5 Hz) korral. ) ja kanal Cz kiirete spindlite jaoks (12,5–16 Hz). Juba ühe subjekti tasemel on näha täpne spindli ja aeglase võnke seos, mis on kiirete ja aeglaste spindlite puhul erinev, kuid on unesansside lõikes suhteliselt ühtlane (vt polaarseid histogramme, joonis 2b). Rühma tasandil esines enamik kiireid spindleid aeglase võnkumise vahemikus 5,76 kuni 6,28 radiaani (test: 6,03 ± 0,56, kontroll: 6,07 ± 0,33, ümmargune keskmine ± SD), samas kui aeglased spindlid esinesid aeglase võnkumise 1,57 ja 2,62 radiaani vahel. (Test: 1,89 ± 0,79, kontroll: 1,87 ± 0,71, ümmargune keskmine ± SD; joonis 2e). Need leiud vastavad PETH-des näidatud spindlite ja aeglaste võnkumiste vahelisele ajalisele koordineerimisele. Nende faasisuhete järjepidevuse hindamiseks arvutasime paaripõhise faasijärjepidevuse (PPC; vt "Meetodid ja materjalid"). Maksimaalsed PPC väärtused ei erinenud kiirete ega aeglaste spindlite puhul kahe puhkeseansi vahel (Wilcoxoni SignRank testid, kiire spindli maksimaalne PPC: z=0.451, p=0,65, aeglane spindel: max PPC: z=0.067, p=.95). Lisaks täheldasime PPC-s märgatavaid individuaalseid erinevusi (joonis 2c). Meid huvitas, kas see PPC varieeruvus oli seotud osaleja üldise unekvaliteediga (mõõdetud PSQI-ga), mis ei olnud oluline (lineaarne korrelatsioon, kiired spindlid: ρ=0.30, p =). 14, aeglased spindlid: ρ=0.15, p=.46). Kokkuvõttes ühendati spindlid järjekindlalt aeglaste võnkudega spetsiifilise faasisuhtega, mis toetab varasemaid leide ajavaldkonnas. Seni esitatud üldised sidumistulemused ei erinenud kahe uneseansi vahel. Nagu varem kirjeldatud, täheldasime unekontrollis pikemat kogu uneaega kui unetesti seanss, millel võis olla kompenseeriv mõju unearhitektuurile, mille taga peideti seose erinevus. Seega esitame järgmised tulemused ainult unetesti seansi kohta.
3,4|Spindli aeglase võnkumise võimsus on seotud mälu jõudlusega
Olles kindlaks teinud spindli ja aeglase võnkumise sidestuse üldise aja- ja faasidünaamika unesessioonide vahel, jätkasime analüüsiga, keskendudes unetesti kahele mäluseisundile (allo vs ego), kuna unel võib olla allotsentrilisusele selge mõju. versus egotsentrilised ruumimälestused. Võimalikke erinevusi rühmade vahel testiti %-sidumise ja PPC osas (joonis 2a, f). Ei spindli-aeglase võnke sidestuse hulk ega järjepidevus spindli-aeglase võnkumise faasis ei erinenud rühmade vahel oluliselt (Mann-Whitney U test, kiire spindli %: z = 1.12, p=). 27, aeglaste spindlite %: z=0,09, p=0,93; max. PPC kiired spindlid: z=1.742, p=0,08, max. PPC aeglased spindlid: z=0.083, p=.94). Uurisime seda mustrit veelgi, võrreldes võnkevõimsust spindli sagedusvahemikus aeglase võnkumisega ja ilma aeglaste võnkumisteta (vt "Materjalid ja meetodid"). Aeglase võnke katsed konstrueeriti juhuslikult valitud aeglaste võnkumiste ümber ± 1, 2 s. Nendes katsetes erines spindli sagedusvahemiku võimsus tõepoolest oluliselt juhuslikult valitud intervallidest ilma aeglaste võnkumisteta (kõikide t-väärtuste klastrite puhul: p < 0,001, joonis 3a). See efekt oli mõlemas mälutingimustes võrdselt olemas, kuna erinevuste kaart ei sisaldanud olulisi modulatsiooniklastreid (joonis 3a). Kokkuvõtteks võib öelda, et ükski spindli ja aeglase võnkumise sidestuse näitajatest ei erinenud mälutingimuste vahel. Tulemused olid käitumisanalüüsi jaoks kooskõlas ka treeningtüübi ja une vahelise ebaolulise interaktsiooniga (vt joonis 1c). Seega otsustasime kahe mälu tingimuse tõttu kokku kukkuda, et suurendada statistilist võimsust edasiseks testimiseks. Arvestades kogu katseseansi proovi, kontrollisime esmalt, kas spindli ja aeglase võnkumise sideme hulk oli vaid spindli ja aeglase võnke sündmuste esinemise juhuslik kõrvalsaadus. Saadud sidumise kogus erines oluliselt juhusliku valimi jaotusest 60% proovist (joonis 3b, permutatsioonitestid: p < 0,05, 1000 iteratsiooni osaleja kohta). Sellegipoolest, et vältida statistilise võimsuse kadumist ja regressiooni keskmise suunas, arvutasime kogu proovi aeglaste võnkekatsete ajal spektraalvõimsuse modulatsioonid (joonis 3c). Leidsime, et võimsuse modulatsioonid aeglase võnkekatsete ajal erinesid oluliselt spindli sagedusvahemike ja varem kehtestatud ajavahemike sobitatud kontrollkatsetest (vt PETH-d, joonis 2b). Järgmisena teostasime korrelatsioonianalüüsid aeglase võnkumise ja juhtimise võimsuse erinevuste (väljendatud t-väärtustes) ja mälu jõudluse vahel iga t-kaardilt eraldatud spindliklastri iga aja ja sageduse punkti kohta (joonis 3c). Leidsime olulisi seoseid, testides EEG-käitumise korrelatsioonide alglaaditud võrdlusjaotust. Sel viisil saaksime tuvastada olulisi korrelatsiooniklastreid, mis esindavad seost mälu jõudluse ja EEG aktiivsuse spetsiifilise mustri vahel, mis moduleerivad aeglase võnkumise ülesoleku ajal (vt "Materjalid ja meetodid"). Kiirete spindlite puhul tuvastati oluline negatiivne korrelatsiooniklaster (klaster p < 0,01, max r=0,41, p < 0,01, joonis 3c ülemine). Samamoodi tuvastasime aeglaste spindlite jaoks veel ühe olulise negatiivse korrelatsiooniklastri (klaster p=0,02, max r=0,38, p=0,02, joonis 3c alumine): kiirem- spindli võimsus ja aeglase spindli võimsus aeglase võnkeperioodi ajal olid seotud parema mälu jõudlusega (st väiksema reageerimise latentsusega). Need mõjud olid spetsiifilised unetesti sessioonile, kuna neid ei olnud unekontrolli seansi ajal kiire spindli või aeglase spindli klastri puhul täheldatud (joonis S4). Tegime selle korrelatsioonianalüüsi ka egotsentriliste ja allotsentriliste rühmade jaoks eraldi (joonis S6). Allotsentrilises rühmas ei korreleerunud kiire spindli ega aeglase spindli võimsusmodulatsioonid oluliselt mälu jõudlusega. Egotsentrilise rühma tulemused sarnanesid kogu valimi puhul täheldatuga. Huvitav on see, et aeglase spindli võimsuse modulatsioonid näitasid kahes rühmas vastupidiseid suundumusi. Parem mälu jõudlus viitas negatiivsele seosele aeglase spindli võimsusmodulatsioonidega allotsentrilise rühma jaoks (klaster=0,07, max r=0,50, p=0,06, joonis S6 all vasakul). See seos oli egotsentrilise rühma jaoks oluliselt positiivne (klaster p=0,03, max r=0,61, p=0,02, joonis S6 all paremal). Kuid me ei uurinud seda suundumust edasi, kuna allotsentrilise rühma jaoks ei olnud võimalik saada olulisi tulemusi. Kokkuvõtteks leidsime tõendeid seose kohta aeglaste võnkumiste ja spindlite koordineerimise vahel mälu jõudlusega, mis oli spetsiifiline une jaoks pärast õppimist, erinevalt kontroll-unesessioonist. Aeglase spindli võimsuse modulatsioone võis juhtida peamiselt egotsentriline rühm.
JOONIS 2
3,5|Funktsionaalsed puhkeolekuvõrgud muutuvad seansside lõikes
Pärast une-EEG analüüsi keskendusime järgmisena puhkeoleku funktsionaalsele ühenduvusele enne ja pärast mäluülesande õppimist, konsolideerimist ja otsimist, et uurida mälu konsolideerimist võrgu tasandil puhkeolekute vahel. Selleks lisasime fMRI andmed nelja puhkeseisundi seansi kohta (st 1=algtase, 2=pärast õppimist, 3=pärast pausi, 4=pärast taastamist ) analüüsi. Meid huvitasid konkreetselt õige juhivõrk, vaikerežiimi võrk ja hipokampuse võrk. Selle andmekogumi Task-fMRI analüüsid Samanta jt poolt. (2021) näitas, et nende võrkude piirkonnad muutsid aktiveerimist kogu konsolideerimisperioodi jooksul, kui osalejad tegid uinaku, kuid mitte siis, kui nad ärkvel jäid. Seega saime kolm puhkeolekuvõrku GraphICAga (Ribeiro de Paula et al., 2017), mis on puhkeoleku võrguanalüüsi tööriist. Mõõtmete vähendamise eesmärgil arvutasime SVD abil iga võrgu esmased dispersioonirežiimid (vt "Meetodid ja materjalid"). Lõpuks testisime seansi, unetingimuste ja mälutingimuste mõju iga osaleja skoori eelnevalt tuvastatud režiimis. Selle lähenemisviisi abil saime määrata (1) kui palju funktsionaalseid alamvõrke igas võrgus oli ja (2) kuidas võrkude funktsionaalne ühenduvus meie eksperimentaalsete muutujate puhul muutus. Õige juhtimisvõrgu jaoks eraldasime primaarse alamvõrgu, mille keskmes oli parempoolne alumine parietaalsagara, parempoolne alumine parietaalsagara ja parempoolne dorsolateraalne prefrontaalkoor. Selles alamvõrgus avastasime funktsionaalse ühenduvuse suurenemise ülesannete täitmisel õppimis- ja otsinguseansside käigus (joonis 4a; lineaarne segaefektidega mudel, une-/ärkvelolekurežiim: t62 = 0.747, p =). 46 allo/ego: t62 = 0.477, p=.64, katkestuse-eelne/ katkestusejärgne: t193=1.676, p=.10, pre -ülesanne/ülesanne: t193=2.808, p=.01). Selle kasvu põhjustas muutus pausijärgselt otsingujärgseks (t193=2,468, p=0,02). Seevastu esmase vaikerežiimi alamvõrgu, milles osales peamiselt tagumine tsingulaarne ajukoor, ühenduvus üldiselt vähenes toimingueelselt ja -järgselt ning selle ühenduvus oli une ajal üldiselt suurem kui ärkveloleku seisundis (joonis 4b; lineaarsed segaefektid mudel, uni/ärkvel: t62 = 2.616, p=.01 allo/ego: t62=0.427, p=.67, pausieelne/postitus -break: t193=1.726, p=.08, ülesande-eelne/ülesanne: t193 = 2.126, p=.04). Funktsionaalse ühenduvuse vähenemist võib seletada olulise muutusega pausijärgselt otsingujärgselt (t193 = 2.451, p=.017). Kuid une peamist mõju ei saa seletada ühegi eksperimentaalse manipulatsiooniga ja see võib tekkida juhuslikult (joonis S5). Eelkõige näitas hipokampuse esmane alamvõrk, mis hõlmas peamiselt hipokampust ja kahepoolset parahippokampuse ajukoort, sarnaseid ühenduvusmuutusi kui parempoolse juhtimisvõrguga. Sel juhul ei tuvastanud me mitte ainult funktsionaalse ühenduvuse suurenemist enne ülesande täitmist, vaid ka enne pausi (joonis 4c; lineaarne segaefektide mudel, une-/ärkvelolekuaeg: t62 = 0). 143, p=.89 allo/ego: t62=0.702, p=.49, katkestuse-eelne/pausijärgne: t193=3.749, lk < .001, eel-/ülesanne: t193=4.535, p < .001). See kajastus olulises erinevuses algtaseme ja õppimisjärgse (t193=3.586, p < 0,001) ning pausijärgse ja õppejärgse õppe (t193=3.338, p < 0,001) vahel ). Lõpuks testisime, kas kõigis võrkudes täheldatud funktsionaalse ühenduvuse muutuse järgne paus oli seotud mälu jõudlusega otsimisel. See efekt ei olnud oluline õige täitevjuhtimise alamvõrgu (lineaarne regressioon,=0.016, p=.90), vaikerežiimi alamvõrgu (lineaarne regressioon,=0.655, p=.43) või hipokampuse alamvõrk (lineaarne regressioon,=0.596, p=.44). Üldiselt saavutasime kõigis kolmes alamvõrgus järjekindlalt ülesande-eelse ja -järgse efekti, suurendades täidesaatvat juhtimist ja hipokampuse võrku ning vähendades vaikerežiimi võrku. Ainult hipokampuse alamvõrk suurendas ühenduvust enne ja pärast katkestust ning vaikerežiimi võrgu puhul täheldati une peamist efekti. Nagu meie uneanalüüs näitas, ei mõjutanud faktormälu (allo vs. ego) muutusi puhkeolekuvõrkudes.
JOONIS 3
JOONIS 4
3,6|Unest sõltuv hipokampuse alamvõrk ja kiire spindli ja aeglase võnkumise ühendus
Samanta jt analüüsist. (2021), on ilmne, et precuneuse/retrospleniaalse ajukoore aktiveerumine väheneb pärast magamist, kuid mitte siis, kui osalejad jäid konsolideerumisperioodil ärkvel. Samamoodi ekstraheerisime hipokampuse võrgu teise funktsionaalse alamvõrgu, mille keskmes oli kahepoolne retrospleniaalne ajukoor ja kahepoolne amygdala (joonis 5a ülemine). Tuvastasime selle alamvõrgu SVD faktoriseerimise põhjal, kasutades ainsuse väärtuse spektri kriteeriumi (vt "Meetodid ja materjalid"). Siin uurisime ka seda, kuidas seansid, unetingimused ja mälutingimused mõjutasid osalejate tulemusi selles teises režiimis. Erinevalt teiste võrkude puhul tuvastatud ülesande ja katkestuse põhiefektidest täheldasime nüüd seansi ja unetingimuste vahelist koostoimet (lineaarne segaefektide mudel, seansi * une interaktsioon t191=2.086, p {{5} } .04). Tundub, et alamvõrgu funktsionaalne ühenduvus vähenes ainult nende osalejate puhul, kes tegid konsolideerimisperioodil uinaku. See efekt jäi alles, kui võrrelda muutust õppimisjärgselt ainult vaheajajärgsetele seanssidele (paarisvalimi t-test, t95=2.3971, p=.02). Seega arvutasime ka erinevuste väärtused seansside lõikes ja testisime, kas need erinesid oluliselt 0-st. Oluline muutus toimus ainult unegrupis treeningjärgsest pausijärgseks (t26 = 3.17, p=.01), seda äratusrühma puhul ei nähtud (t38 = 1.363, p=.18). Seetõttu huvitas meid, kas see õppimis- ja pausijärgsete seansside vahelise ühenduvuse vähenemine uneseisundis oli seotud eelnevalt kirjeldatud spindli ja aeglase võnkumise sidestusega (vt joonis 3c). Jällegi viidi läbi korrelatsioonianalüüsid, kuid seekord aeglase võnkekontrolli võimsuse erinevuste jaoks (väljendatud t-väärtustes) ja hipokampuse alamvõrgu muutuste skoori jaoks õppe- ja vaheajajärgsete seansside vahel. Korrelatsioonid arvutati iga aja ja sageduse punkti jaoks vastavates spindliklastrites, mis eraldati t-kaardilt. Märkimisväärne negatiivne korrelatsiooniklaster tuvastati kiirete spindlite (klaster: p < 0,001, maksimaalne pikslite arv: ρ = 0,38, p < 0,01; joonis 5b, ülemine osa) ja aeglaste spindlite (klaster: p {{ 39}} .02, ρ = 0.30, p=.03): suurem spindli võimsus aeglase võnkumise ülesoleku ajal oli seotud hipokampuse alamvõrgu funktsionaalse ühenduvuse suurema vähenemisega kogu unerežiimis. . Klastrid kattusid osaliselt varem esitatud oluliste vastuste korrelatsiooniklastritega (vt joonis 3c). Need leiud tõendavad seost aeglaste võnkumiste ja spindlite koordineerimise ning ühenduvuse vähenemise vahel hipokampuse alamvõrgus. Need on paralleelsed spindli ja aeglase võnkumise sidestusvõimsuse ja käitumise kohta saadud tulemustega. Seetõttu püüdsime luua triaadi seose selle hipokampuse alamvõrgu muutuste skoori, spindli ja aeglase võnkumise sidestuse ja mälu jõudluse vahel. Me regreseerisime võrkude unerežiimi muutuste skoori mälu jõudluse osas. Samas ei ennustanud ühenduvuse vähenemine hipokampuse alamvõrgus käitumist oluliselt (lineaarne regressioon,=0.01, p=.94). Kokkuvõttes leidsime hipokampuse alamvõrgu, mis vähendas uinaku teinud osalejate funktsionaalset ühenduvust puhkeolekuseansside vahel. Funktsionaalne ühenduvus jäi ärkvel viibinud osalejate jaoks suures osas stabiilseks. See efekt ei erinenud kahe mälutingimuse vahel. Funktsionaalse ühenduvuse vähenemine õppimisjärgsest pausijärgsest ajast oli positiivselt seotud spindli ja aeglase võnkumise sidestusega une ajal. Seega eeldasime, et see ühenduvuse muutus on mälu konsolideerimise korrelatsioon. Kuid erinevalt spindli ja aeglase võnkumise sidestusvõimsusest (vt joonis 3c) ei ennustanud unest sõltuv ühenduvuse vähenemine teises hipokampuse alamvõrgus mälu jõudlust otsimisel.
JOONIS 5
4|ARUTELU
Selles uuringus kasutati puhkeoleku fMRI ja une EEG andmeid, et uurida ruumilise mälu konsolideerumist uinaku või sama ärkveloleku ajal. Katsealused õppisid eesmärgi asukohta virtuaalses vesilabürindis kas erinevate lähtekohtadega (allotsentriline rühm) või sama alguskohaga (egotsentriline rühm). Une-EEG analüüs keskendus spindli ja aeglase võnkumise sidestusele, eraldades spindlid kiireteks ja aeglasteks alatüüpideks. Puhkeoleku fMRI keskendus ühenduvuse muutustele eelnevalt määratletud võrkudes. Võiksime näidata, et spindli ja aeglase võnkumise sidestus korreleerus positiivselt mälu jõudlusega pärast uinakut ja ka ühenduvuse vähenemisega funktsionaalses hipokampuse võrgus, sealhulgas retrospleniaalses ajukoores. Seda ühenduvuse vähenemist ei täheldatud ärkvel püsinud rühmas. Ülesannetega seotud ühenduvuse suurenemist täheldati täidesaatva juhtimisvõrgu ja muu hipokampuse võrgus, samas kui vaikerežiimi võrgus leiti langus. Need muutused ei olnud spetsiifilised unerühmale, vaid neid täheldati kõigil osalejatel. Kordasime varasemaid võnkeühenduse leide, näidates, et aeglased spindlid on pesastatud üleminekuperioodil aeglasest võnkumisest üles-alla ja kiired spindlid esinevad sageli vahetult enne aeglase võnkumise ülesolekut ja selle sees. Me ei leidnud erinevust spindli ja aeglase võnkumise sidestuses allotsentriliste ja egotsentriliste treeningrühmade vahel. Täpset koordinatsiooni spindlite ja aeglaste võnkumiste vahel täheldati järjekindlalt aja-, faasi- ja aja-sageduse valdkondades. Üllataval kombel ei erinenud need mõjud unetesti seansi vahel, mis järgnes kohe ruumilise õppimise kogemusele, ja unekontrolli seansi vahel, kus eelnevalt selget õppimist ei toimunud. Asjaolu, et me ei täheldanud unesansside vahel erinevust, on tõenäoliselt tingitud uuringu ülesehituse metodoloogilistest piirangutest – kontrolluinak oli alati teine uinak –, kuna täheldati ka erinevust kogu uneajas. Puhkeoleku fMRI analüüs keskendus hipokampuse võrgule, vaikerežiimi võrgule ja parempoolsele juhivõrgule. Need võrgud määratleti ja jagati hiljem alamvõrkudeks, kasutades andmepõhist lähenemisviisi. Leidsime puhkeseisundi seansside lõikes ajuüleseid muutusi, mis ühtisid meie varasemate aktiivsusanalüüsi leidudega (Samanta et al., 2021). Ülesandega seotud muudatused ühenduvuses vaikerežiimi võrgus (ühenduvuse vähenemine), vastupidiselt muudatustele õiges juhtvõrgus (ühenduvuse suurenemine). Huvitaval kombel võib hipokampuse võrgu jagada kaheks alamvõrguks: esmane funktsionaalne alamvõrk, mille keskmes on hipokampus ja parahippokampuse ajukoor, ning teine funktsionaalne alamvõrk, mille keskuspiirkonnaks on retrospleniaalne ajukoor. Funktsionaalne ühenduvus primaarses hipokampuse alamvõrgus suurenes enne ülesande täitmist ja järgselt ning enne pausi. Funktsionaalne ühenduvus hipokampuse teises alamvõrgus vähenes nelja puhkeseisundi seansi jooksul – kõige silmatorkavamalt unepausi ajal – ainult nende osalejate puhul, kes pausi ajal magasid, kuid mitte ärkvel viibinud osalejatel. Nagu meie käitumise ja une analüüsi tulemused, ei mõjutanud mälutingimused (allo vs ego) muutusi üheski neist võrgustikest. Meie tulemused viitavad ülesannetega ja konsolideerimisega seotud ühenduvuse muutustele funktsionaalsetes võrkudes, mis võivad olla seotud mälu taasaktiveerimisega.
Lõpuks püüdsime seostada oma une EEG tulemusi puhkeoleku ühenduvuse ja mälu jõudluse muutustega. Spindli ja aeglase võnkumise sidestus oli positiivselt seotud unest sõltuvate muutustega teises hipokampuse alamvõrgus ja mälu jõudlusega. See oli spetsiifiline õppimisjärgse une jaoks ja seda ei täheldatud une kontrollseansil. Kokkuvõttes näib, et täpsel spindli ja aeglase võnkumise sidumisel on käitumuslik tähtsus ja sellel võib olla mälu konsolideerimisel funktsionaalne tähtsus. See sidestus võib olla mehhanism, mille abil moduleeritakse funktsionaalset ühenduvust hipokampuse võrgus mälu konsolideerimise ajal.
4.1|Ühenduvus muutub puhkeolekuvõrkudes
Üldiselt on näidatud, et ülesanded võivad mõjutada ülesandejärgset ajutegevust puhkeolekus (Lewis et al., 2009). Näiteks õppimisest sõltuva spontaanse ajutegevuse modulatsiooni pärast ülesannet on täheldatud kognitiivsete ülesannete puhul, mis hõlmavad töömälu, emotsioone ja motoorset treeningut (Lewis et al., 2009). Sellist eelneva ülesandega seotud ajupiirkondade moduleerimist võib mõista puhkeseisundi konsolideerimise vormina, mis võib hõlmata sarnaseid mehhanisme nagu unega seotud mälu konsolideerimine (Tambini & Davachi, 2019). Puhkeoleku ühenduvusanalüüs põhineb erinevate vokslite korrelatsioonil võrgus. Neuronaalse mälu taasaktiveerimine ja mäluvõrkude tugevdamine peaks viima mäluvõrgu suurema koaktiveerimiseni, mis võib seetõttu potentsiaalselt suurendada võrgusisest ühenduvust, nagu me siin mõõdame. Seega võiks meie tulemusi tõlgendada kui muutusi puhkeolekus toimuvates taasaktivatsioonides. Näitame vastupidiseid muutusi tegevjuhtimises ja peamises hipokampuse võrgus, erinevalt vaikerežiimi võrgust enne ülesande järgset jõudlust. Täitevjuhtimine ja hipokampuse võrk suurenesid, samas kui vaikerežiimi võrgu funktsionaalne ühenduvus vähenes. Kui need ühenduvuse muutused on põhjustatud taasaktiveerimisest, näitavad tulemused, et pärast ülesannet on nii täitevjuhtimisvõrgus kui ka hipokampuses rohkem taasaktiveerimisi. Samuti näitasime unespetsiifilist ühenduvuse vähenemist teises hipokampuse võrgus, sealhulgas retrospleniaalses ajukoores. Võimalik, et see võrk võib olla ühenduslüli hipokampuse ja allavoolu piirkondade, näiteks parietaalse ajukoore vahel, mis on osa täidesaatva kontrolli võrgust (Genzel, 2020). Ühenduvuse vähenemine selles võrgus viitab seetõttu sellele, et täitevjuhtimisvõrgus ja hipokampuses toimuvad taasaktiveerimised on pärast und üksteisest sõltumatumad. Seevastu pärast ärkamist, kui ühenduvuse taasaktiveerimine ajukoores ja hipokampuses sellist vähenemist pole, on endiselt seotud. Varem on välja pakutud, et kui konsolideerumine hipokampusest ajukooresse on edenenud, toimub ajukoores taasaktiveerimine sõltumatult hipokampuse taasaktiveerimisest. Meie tulemused võivad seda ideed toetada. Puhkeoleku, võrgusisese ühenduvuse mõõt on aga väga kaudne ja seetõttu tuleks seda leidu kinnitada otsesemate meetmetega, näiteks samaaegsete hipokampuse ja kortikaalsete neuronaalsete salvestustega närilistel.
4.2|Ülesandega seotud muudatused õiges tegevjuhtimise ja vaikerežiimi võrgus
Meie tulemused on kooskõlas selle andmekogumi ülesande analüüsiga, mille on läbi viinud Samanta jt. (2021). Mõõtes muutusi BOLD-i aktiivsuses õppimise ja otsimise seansside lõikes, kui osalejad ülesande täitsid, täheldasime unega seotud juhtimispiirkondade suurenemist ja vaikerežiimi piirkondade vähenemist. Praeguses analüüsis täheldasime tegevjuhtimisvõrgu võrgusisese ühenduvuse suurenemist ja vaikerežiimi võrgu vähenemist erinevate puhkeolekuseansside jooksul. Pange tähele, et praegused tulemused ei ole uneseisundi jaoks spetsiifilised, erinevalt Samanta jt aktiivsusanalüüsi tulemustest. See lahknevus võib olla tingitud erinevatest analüüsimeetoditest. Samanta jt. (2021) uurisid muutusi BOLD-vastuses, kuid mitte funktsionaalses ühenduvuses kahe võrgu puhul eraldi. Nende funktsionaalne ühenduvusanalüüs põhines seemnepõhisel lähenemisviisil, mis testis täidesaatva juhtimisvõrgu eelmääratletud sõlmpunkti ja ülejäänud aju vahelisi koostoimeid. Seevastu kasutasime oma võrkude määratlemiseks sõltumatut komponentanalüüsi ilma a priori eeldusteta ja hindasime funktsionaalse ühenduvuse muutusi ainult kõigis nendes võrkudes. Need metodoloogilised erinevused võisid kaasa aidata kahe analüüsi erinevatele tulemustele. Arvatakse, et täidesaatev juhtimisvõrk jaotab tähelepanu visuospatiaalsete ülesannete vahel ning on seotud eesmärgipärase käitumise ja navigeerimisega. Täpsemalt, tagumine parietaalne ajukoor toimib kortikaalse integratsioonikohana hipokampuses genereeritud allotsentrilise ruumiinformatsiooni ja egotsentrilise ruumilise orientatsiooni jaoks, et suunata sihipärast navigeerimist (Nitz, 2012; Whitlock et al., 2008). Lisaks on tõendeid ajupiirkondade järjestikuse taasesituse või mustrilise taasaktiveerimise kohta ülesandejärgse puhkeoleku ajal, mis on seotud varasema kogemuse kodeerimisega (Hoffman & McNaughton, 2002; Staresina et al., 2013). Kokkuvõttes ühtivad tõendid parietaalse ajukoore keskse rolli kohta ruumilises navigeerimises ja taasesituses ülesandejärgses puhkeolekus ülesandega seotud ajupiirkondades meie leidudega. Täheldasime funktsionaalse ühenduvuse suurenemist parempoolses täidesaatva juhtimisvõrgus, mille keskmes oli alumine tagumine parietaalsagara ja sulcus puhkeseisundis, alates ülesande täitmisest enne ülesande täitmist. Varased neuropildiuuringud määratlesid vaikerežiimivõrgu kui ülesande-negatiivse võrgu, mille funktsionaalne ühenduvus tööülesannete täitmisel võrreldes puhkeolekuga väheneb (Buckner et al., 2008). Kuid kasutades graafiteooria mõõte, Lin et al. (2017) andsid ajaliselt lahendatud vaate vaikerežiimi võrgudünaamikast ülesandeeelse puhkeaja, ülesande täitmise ja ülesandejärgse puhkeaja ajal. Nad avastasid tööülesannete järgse puhkeoleku vaikerežiimi võrgus efektiivsuse vähenemise, mis on funktsionaalse integratsiooni mõõt, võrreldes ülesandeeelse puhkeajaga. Globaalne efektiivsus vähenes kogu võrgus ja lokaalne efektiivsus vähenes spetsiifiliselt tagumises tsingulaarses ajukoores. Meie tulemused näitavad ka, et vaikerežiimi võrk, millel on tagumise tsingulaarse ajukoore märkimisväärne mõju, vähendab funktsionaalset ühenduvust enne ülesande järgset puhkeolekut. Tuleb märkida, et sõltumatu komponendi analüüsi (ICA) ja mallide sobitamise protseduuri tulemusena aitasid vaikerežiimi võrguühendusele kõige tugevamalt kaasa tagumine tsingulaarne ajukoor, prefrontaalne ajukoor ja lateraalne tagumine parietaalkoor. Varasemad uuringud, sealhulgas Samanta jt. (2021), käsitlesid selles võrgus ka hipokampust ja retrospleniaalset ajukoore funktsionaalseid sõlmpunkte (Greicius et al., 2003; Vincent et al., 2006). Kõik need piirkonnad on koos välja pakutud mäluvõrgu moodustamiseks, milles teave edastatakse hipokampusest prefrontaalse ja retrospleniaalse ajukoore kaudu konsolideerimise ajal allavoolu parietaalsetesse piirkondadesse (Genzel, 2020). Kuid meie uuringus olid hipokampus ja retrospleniaalne ajukoor peamiselt osa eraldi hipokampuse võrgustikust. Seega käsitletakse siin mitmeid meie uuringu tulemusi, mis on varem määratud vaikerežiimi võrgule, hipokampuse võrgu jaoks, sealhulgas hipokampuse, oimusagara piirkonnad ja retrospleniaalne ajukoor. Meie fMRI töötlemise torujuhe põhines ICA-l, mis lõi maksimaalselt sõltumatud ruumilised võrgud. Seega ei saanud me testida funktsionaalsete puhkeolekuvõrkude vahelisi koostoimeid. Sellegipoolest vihjavad vastupidised suundumused õige juhtkontrolli ja vaikerežiimi võrkude funktsionaalse ühenduvuse osas varasemate uuringutega samas suunas. On näidatud, et vastupidised nihked vaikerežiimi võrgu ja täidesaatva juhtimisvõrgu vahel hõlbustavad üleminekut puhkamise ja keskendumise vahel (Goulden et al., 2014; Menon & Uddin, 2010). See ülekanne hõlmab ressursside ümberjaotamist ajus, et toetada stiimulitega seotud kognitiivset töötlemist. Meie tähelepanekute põhjal ei pruugi kahe võrgu funktsionaalse ühenduvuse antagonism esineda mitte ainult puhkeolekust ülesandele üleminekul, vaid püsib ka ülesandejärgsel puhkeajal ja võib seega kajastada asjakohaste piirkondade võrguühenduseta koordineerimist, et tugevdada kodeeritud kogemust.
4,3|Hipokampuse võrgustiku roll mälu konsolideerimisel
SVD kaudu suutsime tuvastada kaks funktsionaalselt olulist alamvõrku hipokampuse võrgus, üks hipokampuse alamvõrk, mille keskmes oli hipokampus ja parahippokampuse ajukoor, ning teine hipokampuse alamvõrk, mis hõlmas peamiselt retrospleniaalset ajukoort. Need alamvõrgud näitasid nelja puhkeoleku fMRI seansi jooksul selgeid funktsionaalse ühenduvuse muutusi. Peamise hipokampuse alamvõrgu funktsionaalne ühenduvus suurenes pärast ülesannete täitmist õppe- ja otsinguseanssides. See leid võib olla aluseks sarnasele puhkeseisundi konsolideerimisele, nagu on kirjeldatud täidesaatva juhtimisvõrgu puhul. Hipokampus kui esialgne mälusalvestuskoht on sageli näidanud, et see tekitab uuesti aktiveerimisi, mis viisid pärast puhkust parema mälu jõudluseni (Dupret et al., 2010). Samuti täheldasime funktsionaalse ühenduvuse suurenemist pärast selle alamvõrgu 90-minutilist pausi. Esmapilgul näib see suurenemine konsolideerimisperioodi jooksul olevat vastuolus kavandatud süsteemide konsolideerimise mehhanismidega (Squire et al., 2015). Selle asemel võiks eeldada, et pärast konsolideerimisperioodi väheneb hipokampuse seotus. Siiski tuleb meeles pidada, et praegune meede ei ole tegevus iseenesest, vaid hoopis võrguühenduse piires ja meie konsolideerimisperiood piirdus 90 minutiga. Teine hipokampuse alamvõrk hõlmas peamiselt retrospleniaalset ajukoort, aga ka mediaalseid ajalisi piirkondi. Kirjanduses peetakse hipokampust, oimusagara piirkondi ja retrospleniaalset ajukoort sageli vaikerežiimi võrgu osaks, kuna need näitavad puhkeajal tugevat koherentsust (Greicius et al., 2003; Vincent et al., 2006). Hiljuti tuvastati aga "mediaalne ajaline" alamvõrk, mille ühenduvuse üleune vähenemine oli seotud ruumilise mälu suurenenud jõudlusega (Barnett et al., 2021; van Buuren et al., 2019). Selle võrgu põhipiirkondade hulka kuuluvad mediaalne temporaalsagara ja retrospleniaalne ajukoor. Need struktuurid vastavad meie teisele hipokampuse alamvõrgule. Järelikult võib meie teine hipokampuse alamvõrk mängida unikaalset rolli mälu konsolideerimisel (de Sousa et al., 2019; van Buuren et al., 2019). Funktsionaalselt vähenes teise hipokampuse alamvõrgu ühenduvus nelja puhkeseisundi seansi jooksul, kuid ainult uneseisundis osalejate puhul. Mediaalset oimusagarat ja retrospleniaalset ajukoort on nimetatud inimeste ja näriliste mudelite ruumilise navigeerimise jaoks oluliseks (Epstein et al., 2017; Peigneux et al., 2004). Neid piirkondi funktsionaalselt moduleerib uni, sügava une ajal järkjärguline lahtisidumine (Spoormaker et al., 2010). Seega võib teine hipokampuse alamvõrk koordineerida kogu aju hõlmavaid konsolideerimismehhanisme, mis hõlmavad spindli aeglast võnkumist une ajal (Cowan et al., 2020; Navarro-Lobato & Genzel, 2020). Tõepoolest, me näitame, et meie teist hipokampuse alamvõrku, mille keskmes on retrospleniaalne ajukoor, moduleerib märkimisväärselt uni ja see on positiivselt seotud spindli ja aeglase võnkumise sidestusvõimsusega, mis ennustas ka mälu jõudlust. Lainetuste, spindlite ja aeglaste võnkumiste ühendamine võib olla mehhanism, mille abil mälestused une ajal konsolideeritakse hippokampuse esialgsest ladestumisest allavoolu piirkondadesse, näiteks tagumisse parietaalkooresse, retrospleniaalse ajukoore kaudu (Genzel, 2020; Hennies et al. , 2016). Meie teine hipokampuse alamvõrk võib olla närvisubstraat, mille kaudu uni avaldab kasulikku mõju mälu konsolideerimisele, lisaks varem käsitletud üldisele hüpokampuse alamvõrgule. Kokkuvõttes näitame, et mälestuste konsolideerimise aluseks olevad funktsionaalsed ühenduvusmustrid ajus ei pruugi piirduda lihtsalt väljakujunenud puhkeolekuvõrkudega. Andmepõhist lähenemisviisi kasutades tuvastasime dispersioonipõhised alamvõrgud. Täpsemalt, me eristasime hipokampuse võrgu hipokampuse-keskseks unest sõltumatuks komponendiks ja retrospleniaalseks keskseks unest sõltuvaks komponendiks. Mõlemad võrgud võivad olla seotud ruumilise mälu konsolideerimisega. Sellegipoolest võib une kasuliku mõju mälu kujunemisele aluseks olla ainult teine hipokampuse alamvõrk, nagu näitab selle seos spindli ja aeglase võnkumise sidestusvõimsusega, mis ennustas mälu jõudlust. Meie leiud annavad täpsema ülevaate hipokampuse võrgustikust mälu konsolideerimisel, kus selle puhkeoleku funktsionaalne ühenduvus muutub erinevalt õppimise, konsolideerimise ja ruumilise mälu ülesande otsimisel 1-päeva paradigmas.
