Част 2: Какъв е ефектът от повторното активиране на паметта по време на учене?

Контакт: Audrey Hu Whatsapp/hp: 0086 13880143964 Имейл:audrey.hu@wecistanche.com

Моля, щракнете тук за част 1

Cistanche може да подобри паметта

Дефиниция на модела Моделът LBA (Brown and Heathcote, 2008) предполага, че при всеки опит началната точка k на всеки акумулатор се извлича на случаен принцип от равномерно разпределение на интервала [0, A]. След това всеки акумулатор следва линия с наклон d, докато достигне прага на отговор b. При всеки опит наклонът на акумулатора i се извлича от нормално разпределение със средно vi и SD s (тук фиксирано на 1). Времето за акумулатор да достигне прага е (bk)/d. Ние моделирахме трите алтернативни теста за извод с принудителен избор, използвайки три акумулатора със средни скорости на отклонение v1 (за правилния отговор) и v2 (за другите два отговора). Както е получено в първоначалното описание на модела LBA (Brown and Heathcote, 2008), функцията на плътност на вероятността (PDF) за акумулатор I в момент t е както следва:

Където f и U са съответно функцията на плътността на вероятността и функциите на кумулативното разпределение на стандартното нормално разпределение. Кумулативната функция на разпределение (CDF) за акумулатор I в момент t е както следва:

PDF за акумулатор I, който първи достига прага, в момент t, е вероятността акумулатор I да завърши в момент t, при условие че другите акумулатори все още не са приключили, както следва:

Тъй като скоростта на отклонение d се извлича от нормално разпределение, има известна вероятност акумулаторите да не завършат. След предварителна работа

(Brown and Heathcote, 2008; Annis et al., 2017), ние обусловихме вероятността поне един акумулатор да има положителна скорост на отклонение, както следва:

За всяка от четирите вериги имаше фаза на настройка от 1000 итерации с целева степен на приемане от 0,99, последвана от 5000 проби. Конвергенцията беше оценена с помощта на масов ефективен размер на извадката и нормализирана по ранг разделена потенциална статистика за намаляване на мащаба R^ (Vehtari et al., 2017). Ние оценихме съответствието на модела чрез изчисляване на средните задни параметри за всяко изпитване, както и симулиране на реакции и времена за реакция. Ние симулирахме 50 репликации на всеки опит, за да получим стабилна оценка на производителността на модела. И накрая, изчислихме 95 процента интервал с висока плътност (HDI) за всеки от средните параметри на ниво група (напр. mCA1 за CA1), за да определим дали те са различни от нула, което показва връзка между промяна на сходството или повторно активиране и извод за AC производителност.

ползи от пустинята cistanche

Резултати

Поведенческо представяне

До края на първоначалната фаза на обучение по двойки (AB), участниците са формирали силни спомени за двойките форма на лице и форма на сцена. Всички участници са имали по-висок шанс на финалния тест (средна пропорция правилна=0.91, SD=0.01) и следователно са били включени в следващите анализи.паметза припокриващите се (BC) двойки форма-обект е повлиян от визуалното сходство на свързващия елемент в обучението (фиг. 2A, B). ANOVA с повтарящи се измервания с факторите в субектите

на припокриващ се двоен блок (1, 2, 3, 4) и визуална прилика (точно съвпадение, голяма прилика, ниска прилика, ново) разкриха, че визуалната прилика е модулиранапаметточност (основен ефект на блок, F(3,75)=79.93,p,0.{{30}}01, h{{6 }}.762; взаимодействие на блоково визуално сходство, F(9,225) {{1{{50}}}}.88, p =0.003 , h2=0.103) и време за реакция (основен ефект от сходството върху правилните опити, F(3,72)=5.14, p =0 .003, h2=0.176). За първия учебен блок от припокриващи се двойки, производителността беше по-добра (фиг. 2A), когато свързващият елемент (B) беше точно съвпадение с първоначално научените двойки (AB) спрямо всички други условия. Имаше ефект на визуално сходство в първия тестов блок (ефект на визуално сходство в първия цикъл, F(3,75)=6.901, p,0.001, h2=0.216), но не в следващите серии (F стойности 0,479, всички p 0,698, всички h2 0.019). При първото изпълнение, post hoc сдвоени t тестове разкриха, че точността е най-висока за двойки с точно съвпадение спрямо всички други двойки (в сравнение с висока прилика: t(25)=3.33,p =0 .003, d =0.654; ниско сходство: t(25)=4.52, p,0.001, d =0.894; ново: t(25) {{55} }.74, p =0.011, d =0.539). Производителността е по-висока за двойки с високо сходство, отколкото за двойки с ниско сходство (t(25)=2.306, p =0.03, d=0.459). Нямаше разлика в производителността между високото сходство и новите двойки (t(25)=0.87, p =0.394, d=0.172) или ниското сходство и нови двойки (t(25)=0.76, p =0.452, d=0.151). Когато се свиват през блока, двойките с точни съвпадения имат най-бързото време за реакция (фиг. 2B) при правилни опити (в сравнение с всички други условия, t стойности 2,206, всички p , 0,05, всички d 0,445). Времето за реакция не се различаваше между високото сходство, ниското сходство или новите двойки (всички t стойности 1,748, всички p. 0,05, всички d 0,348).

Визуалното сходство на свързващия елемент също повлия на точността на извода между епизодите (F(3,75)=26.61, p ,0.001, h2=0.516). Участниците са по-склонни да направят извод за връзка между непряко свързанипаметелементи (AC), когато свързващият елемент (B) е точно съвпадение или много подобен в припокриващи се двойки (фиг. 2C). Ефективността на извода не се различава между точно съвпадение и триади с високо сходство (t(25)=1.20, p =0.24, d=0.23{ {19}}), но производителността за триадите с точно съвпадение беше по-добра както от триадите с ниско сходство (t(25)=6.82, p,0.001, d=1.327), така и от новите триади (t (25)=6.61, p,0.001, d=1.286). По същия начин производителността за триади с високо сходство надхвърли ниската

триади на подобие (t(25)=5.05, p,0.001, d =0.987) и нови триади (t(25) {{8 }}.38, p,0.001, d =1.055). Следвайте спроизводителност (производителността на извода не се различава между ниското сходство и новите триади (t(25)=1.17, p =0.254, d=0.224). Въпреки това, пер- формирането за триади с ниска прилика беше надеждно по-добро от случайността (t(25)=2.22,p =0.04, d=0.435), докато ефективността за новите триади беше не (t(25)=0.47,p =0.64, d =0.093).

Решенията за извод също бяха по-бързи за условията на точно съвпадение и високо сходство спрямо новото условие (F(3,72)=11.79,p,0.001, h{ {6}}.329), като изводите за условието за точно съвпадение са най-бързи като цяло (фиг. 2D). Времето за реакция беше по-бързо за триадите с точно съвпадение спрямо условията на високо сходство (t(25) {{10}}.41, p =0.002, d=0.669) и нови триади (t(24)=5.00, p,0.001, d =0.999), но не се различава от триадите с ниско сходство (t(25) =1.64, p =0.114, d =0.321). Времето за реакция беше по-бързо за триади с високо сходство в сравнение с нови триади (t(24)=2.93, p =0.007, d =0.585), но не се различаваше от ниското триади на подобие (t(25)=1.11, p =0.28, d =0.217). Триадите с ниско сходство бяха по-бързи от новите триади (t(24) =3.86,p =0.001, d =0.773). Заедно тези констатации показват, че асоциативнотопамети извод между епизоди, два процеса, за които се смята, че се поддържат от подполета на хипокампа (Schapiro et al., 2017), са повлияни от перцептивната прилика на споделените елементи на събитието, с улеснено представяне с по-високи нива на сходство между епизоди.

Повторно активиране на припокриващи се спомени по време на учене За да проверите колко кортикалнапаметповторно активиране по време на припокриване на обучението по двойки въздейства на представянията на хипокампалното подполе, първо използвахме анализ на прожектори, за да идентифицираме къде информацията за първоначалните двойки е била реактивирана в кората по време на обучението. В рамките на всяка сфера на прожектор, класификатор на шаблони беше обучен върху данни от фаза на локализатор и след това приложен към фазата на изследване на припокриващи се двойки (Zeithamova et al., 2012). Прожекторът идентифицира региони, в които доказателството на класификатора за целевата категория на свързания артикул (елементи на лице или сцена А от първоначалните двойки) надхвърля базовия индекс на доказателството на класификатора за същата категория, получен от новите (или неприпокриващи се) опити. Открихме доказателства, че свързаните спомени са се активирали отново, когатоизучаване на припокриващите се двойки в задната част на зъбния кортекс, тилната кора и париеталната кора (фиг. 3A).

Важно е, че няма разлики в силата на повторно активиране като функция на категорията на артикула А (лице, сцена) в регионите, идентифицирани в анализа на прожектора (фиг. 3B). ANOVA с многократни измервания с факторите в рамките на субектите на региона (ляв париетален, десен париетален, cingulate, горна тилна, долна тилна) и категория на стимула (лице, сцена) показа, че реактивирането варира в различните региони (основен ефект на региона, F(4,100)=2.84, p =0.028, h2=0.102), но не се различава по категория на стимула (основен ефект на категорията, F(1,25) { {15}}.002,p =0.967, h2 =0;категория регион взаимодействие, F(4,100)=0.375, p =0.826, h2=0.015). По този начин нашите резултати не се ръководят от една единствена категория стимули и отразяватпаметповторно активиране, а не ангажиране на специфични за категорията региони за обработка.

Допълнително тествахме дали визуалната прилика на споделения елемент B в обучението е повлияла на силата напаметповторно активиране за елементите А. Това го предвидихмепаметповторното активиране по време на обучението би било по-силно за двойки, свързани с по-подобен визуално елемент. Използвайки подход, подобен на предишния анализ, отделни анализи с прожектори идентифицираха региони, където доказателствата на класификатора за свързания елемент А бяха по-големи за условието за точно съвпадение, отколкото за условията на високо и ниско сходство. В съответствие с нашата хипотеза открихме, че сходството на компонентите на събитието модулира силата напаметреактивиране в левия париетален кортекс и окципиталния кортекс (фиг. 3C).

Cistanche опит: подобряване на паметта Cistanche продукти

Реактивирането на паметта влияе върху невронното кодиране в хипокампалните подполета

За да тестваме нашата хипотеза, че повторното активиране на свързани спомени по време на ново кодиране би довело до дисоциируемо представяне на припокриващи се спомени в DG/CA2,3 и CA1, ние количествено определихме кодирането на хипокампалното подполе като функция напаметсила на реактивиране по време на обучение. Както преди, така и след научаването на двойките, участниците бяха сканирани, докато гледаха отделни изображения на елементите A и C от припокриващи се двойки в състояние на високо сходство (фиг. 1A). Ние индексирахме диференциацията и интеграцията чрез измерване на свързаните с обучението промени в сходството на моделите за косвено свързани елементи A и C от една и съща триада (Schlichting et al., 2015). Промените в сходството в една и съща триада бяха сравнени с базовата линия на промените в сходството между елементи в различни триади. Измерихме диференциацията чрез тестване за намаляване на сходството на модела между елементите A и C след обучението (фиг. 4A). За разлика от това, интеграцията ще бъде белязана от повишено сходство на модела между косвено свързани елементи A и C, отразяващи формирането на припокриващи се кодове за свързани спомени (фиг. 4A).

За оценка на въздействието напаметповторно активиране по време на обучението върху невронното кодиране на косвено свързанипаметелементи, изчислихме представителната промяна за триадите въз основа на силата на повторно активиране в припокриващи се опити за обучение. За всеки участник сортирахме припокриващите се двойки в тези, свързани с по-силно и по-слабо реактивиране на съответната първоначална двойка, въз основа на средно разделяне на осреднени индекси на реактивиране във всички клъстери, идентифицирани в прожектора за реактивиране (фиг. 3A). След това сравнихме невронното кодиране между индиректно свързани елементи A и C, свързани с различни нива на реактивиране. Критично, всички анализи, оценяващи репрезентативната промяна в хипокампалните подполета, се основават само на данни от триади с висока прилика. Този подход поддържа визуалното сходство на свързващия елемент постоянно, осигурявайки критичен тест за това дали повторното активиране на паметта медиира репрезентативната промяна над и отвъд промените във физическата среда.

Проведохме четири анализа с прожектори в рамките на отделни подполета на хипокампа, за да тестваме ефектите от повторното активиране върху свързаната с обучението репрезентативна промяна за индиректно свързанипаметелементи (фиг. 4В). Първо, използвахме два анализа с прожектори, за да идентифицираме хипокампалните области, които показват диференциация или интеграция на елементите A и C, независимо от степента напаметреактивиране по време на припокриване на обучение по двойки (съответно DifferentiationOverall и IntegrationOverall) и не се наблюдават значителни ефекти в рамките на хипокампуса.

Вместо това прогнозирахме, че представителното сходство на косвено свързани елементи в хипокампалните подполета ще зависи от силата напаметповторно активиране по време на обучението на припокриващите се двойки. За да тестваме тази хипотеза, проведохме два допълнителни анализа с прожектори, които търсиха взаимодействие между свързаните с обучението промени в представянето ипаметповторно активиране; тези прожектори изолират хипокампални области, показващи или диференциация, или интеграция при опити с по-силно реактивиране по време на припокриващо се обучение по двойки (DifferentiationReactivation и IntegrationReactivation).

Ние открихме, че по-силното реактивиране на първоначалните двойки спомени по време на ученето на припокриващите се двойки има различни последици върху посоката на репрезентативната промяна, наблюдавана в хипокампалните подполета. Когато първоначалните (A) спомени бяха силно реактивирани по време на припокриващо се (BC) обучение по двойки, DG/CA2,3 сходството на модела намаля между елементите A и C от обучението до след обучението (фиг. 4C, D; DifferentiationReactivation). Subiculum показва същия модел като DG/CA2,3, с по-силно реактивиране, водещо до намалено сходство на модела за A и C елементи. За разлика от това, CA1 показа противоположен модел на промяна на представителството, когатопаметповторното активиране беше по-силно, с повишено сходство между елементите A и C след обучението (фиг. 4C, D; IntegrationReactivation). Тези открития предполагат, че представянето на припокриващи се спомени в хипокампалните подполета зависи отпаметповторно активиране по време на обучение, със същите условия, водещи до дисоциируеми представителни кодове в DG/CA2,3, CA1 и субикулум.

И накрая, извършихме серия от post hoc анализи на всяко хипокампално подполе, идентифицирано в анализа на прожектора, за да разберем по-нататък как повторното активиране модулира кодирането във всеки регион. Първо определихме количествено дали има някакви глобални промени в невронното сходство просто като функция на обучението, като изчислихме междутриадния D за несвързани елементи A и C (т.е. изходното ниво между триадите). Напречната триада D не се различава значително от нула в CA1 (t(24)=0.383, p =0.705, d =0.077) или субикулум (t(25)=1.233, p =0.229, d =0.242), но беше по-голямо от нула за DG/CA2,3 (t(25)=3.431 ,p =0.002, d =0.673). Тези резултати демонстрират значението на сравняването на промяната на сходството за свързани събития с базова линия, тъй като дори несвързани елементи могат да променят сходството си след научаване.

След това сравнихме D в рамките на триада за триади, свързани със силно повторно активиране, с изходната линия D в цялата триада като потвърждение на резултатите от нашите прожектори (фиг. 4D). Както бе споменато по-рано, предупреждението към този анализ е, че резултатите са потенциално предубедени чрез избиране на воксели, идентифицирани в анализа на прожектора с невронно кодиране. В съответствие с прогнозираните модели на контрастите на прожекторите (фиг. 4B), ние открихме доказателства за диференциация, при което промяната на невронната прилика за триадите, свързани със силно реактивиране, е по-малка от базовата линия в триадите в DG/CA2,3 (t(25)=2.298, p =0.030, d=0.451) и субикулум (t(25)=3.158, p =0.004, d=0.619). В рамките на CA1 показахме тенденция за интегриране с по-голямо сходство в рамките на триади, свързано с по-силно повторно активиране след обучение по отношение на изходното ниво на цялата триада (t(24)=1.766, p =0.090, d =0.353). Заедно тези post hoc анализи подкрепят резултата от анализа на прожекторите и показват, че представянето на припокриващи се събития в подполетата се влияе от повторното активиране на свързани спомени по време на учене.

Като проучвателен анализ ние също количествено определихме в триада D за триади, свързани с по-слабо повторно активиране по време на учене. Открихме доказателства за интеграция в DG/CA2,3 (t(25)=3.709, p =0.001, d=0.727) и тенденция в субикулума (t( 25)=1.849, p =0.076, d =0.363), където D за триади, свързани с по-слабо повторно активиране, е по-голямо от това, наблюдавано за базовата линия между триадите. Този резултат предполага, че представителните промени в DG/CA2,3 могат да варират в зависимост от нивото на конкуренция, което може да е различно, когато спомените са силно или слабо реактивирани. Не са наблюдавани разлики спрямо изходното ниво за триадитесвързано с по-слабо повторно активиране в CA1 (t(24)=1.062, p =0.299, d =0.212).

Интегрирането на паметта поддържа решения за изводи

Използвахме байесов многостепенен модел, за да изследваме връзката между промяната на сходството след обучение (т.е. интеграция или диференциация) и представянето на AC теста за извод. Ние също така проучихме връзката между повторното активиране на свързани спомени по време на учене и изпълнението на извода. Един участник беше изключен от този анализ поради недостатъчен брой воксели в CA1 (-10 воксела). Използвахме LBA модел, за да моделираме едновременно точността на извода и времето за реакция. Използвахме байесово вземане на проби с модела, за да оценим наклона на връзките между ефективността на извода и променливостта на ниво триада в промяната на сходството ипаметповторно активиране. Първо оценихме дали бейсовата извадка е конвергирана. Няма разминавания по време на вземането на проби; за всеки параметър в модела [Rhat] беше 1,00102 и ефективният размер на извадката беше най-малко 5225. Тези резултати показват, че вземането на проби успешно се сближава и има достатъчно проби за оценка на всеки параметър.

Използвахме средни задни параметри, за да симулираме отговорите на модела и открихме, че има добро съответствие с наблюдаваната точност (фиг. 5A) и времената за реакция (фиг. 5B) на теста за извод, с изключение на малък брой опити с много дълги времена за реакция. Параметрите на средния наклон за промяна, свързана с обучението (фиг. 5C) са положителни за субикулум (95 процента HDI=[0.043, 0,477], d =1 .37) ипаметповторно активиране (HDI {{0}} [0.005, 0.437], d=1.51). Параметрите на наклона за CA1 (HDI=[ {{20}}.189, 0.244], d=0.15) и DG/CA2,3 (HDI=[ 0.393, {{40}}.102], d =0.50) не бяха различни от нула. 95 процента HDI за другите параметри на модела са както следва: A=[2.{{50}}59, 5.601], t {{31} } [0.00,009, 0.515], m2=[0,130, 0,812], s{{ 42}} [0,191, 0,831], sCA1=[0,004, 0,458], sDG/CA2,3=[0,010, 0,577], sSubiculum=[0,002, 0,408] и sReact=[0,0002, 0,327]. Тези резултати показват, че по-голямапаметповторно активиране по време на обучение и по-голямо AC сходство след обучение в субикулум предсказват по-бързи и по-точни изводи на ниво индивидуални опити.

Cistanche tubolosa ползи за здравето: подобряване на паметта

Дискусия

Нашите резултати показват, че реактивираните спомени ръководят как представянията на свързани събития са организирани в рамките на веригата на хипокампа. Повторно активиране на предишни спомени по време на кодиране на нови, припокриващи се събития, предсказано изпълнението на извода в епизода и има различни последствия за представянето в хипокампалните подполета; силното реактивиране доведе до диференциране на припокриващи се спомени в DG/CA2,3 и субикулум, като същевременно насърчава интегрирането на същите тези спомени в CA1. Предишна работа се фокусира върху обяснението на кодирането на хипокампалното подполе от гледна точка на трансферна функция, чрез която промените в сигналите на околната среда водят до диференциален невронен изход (Leutgeb et al., 2004, 2007; Lacy et al., 2011; Yassa and Stark, 2011). Тук показваме, че промените в перцептивния вход не са единственият фактор, определящ обучението за представяне в хипокампалните подполета. По-скоро нашите данни показват, че кодирането на хипокампалното подполе допълнително се задвижва от степента, в която ново преживяване предизвиква повторно активиране на свързани епизоди. По този начин нашите резултати разширяват предишни открития, за да покажат на представително ниво, че кортикалнатапаметповторното активиране води до дисоциации в кодирането на хипокампалното подполе в лицето на конкуренцията между силно сходни спомени.

Предишна работа върху представянето на хипокампа основно концептуализира кодирането на подполето като автоматичен процес в отговор на промените в околната среда, при което се предполага, че сензорните входове са основният двигател на реакциите на хипокампа. Например, ранни електрофизиологични изследвания при гризачи измерват как да се поставят полеви реакции в хипокампални подполета, преназначени, когато животните се движат в среда с постепенно променящи се характеристики на възприятие (Guzowski et al., 2004; Lee et al., 2004; Leutgeb et al., 2004, 2007 ; Въздарянова и Гузовски, 2004). Такава работа разкри, че малки промени в характеристиките на околната среда са довели до драматични промени в отговорите на DG и CA3, отразяващи ортогонализиране на входните модели. За разлика от това, CA1 отговорите се променят постепенно, мащабирайки се линейно с количеството промяна на възприятието между средите; за среди, които са по-подобни на възприемане, активността на CA1 показва по-голямо припокриване в отговора. Предишна работа при хора е използвала подобен подход, представяйки на участниците двойки много сходни визуални изображения (напр. снимки на две различни ябълки) и измервайки степента на отговорите на хипокампалното подполе и на двете изображения (Bakker et al., 2008; Lacy et al. , 2011). В тези проучвания DG/CA2,3 показа отговор на новост и за двете силно сходни изображения, което предполага отделно кодиране на двете изображения. Отговорите на CA1 и субикулума към второто, много сходно изображение от двойка обаче бяха потиснати по отношение на представянето на първия член на двойката, което предполага подобно представяне на сдвоените изображения.

Докато минали изследвания върху животни и хора са разкрили важни дисоциации между обработката на хипокампалното подполе, нашите открития се основават на тази работа, за да покажат, че ученето на хипокампалното представяне не е просто пасивен процес, а вместо това е активно повлияно отпаметповторно активиране (Hulbert and Norman, 2015; Kim et al., 2017; Ritvo et al., 2019). Ние показваме, че дисоциациите на хипокампалното подполе са най-очевидни, когато минали спомени са силно реактивирани, създавайки конкурентно състояние на обучение, което насърчава диференциацията в DG / CA2, 3 и субикулум, едновременно с интегрирането в CA1. По този начин нашите данни показват необходимостта да се определи количествено както перцептивното сходство между събитията, така и как припокриващите се перцептивни характеристики задействат повторно активиране на паметта, за да се отчете напълно как дисоциируемите представяния се появяват в рамките на веригата на хипокампа. Един интересен аспект от предишната човешка работа, описана по-горе, е, че дисоциациите между подполетата зависят от естеството на изпълняваната задача (Kirwan и Stark, 2007; Bakker et al., 2008; Lacy et al., 2011). Когато критичната експериментална манипулация (т.е. визуалната прилика между елементите) е инцидентна за изпълняваните от участниците задачи, се наблюдават дисоциации между подполета (Bakker et al., 2008; Lacy et al., 2011). Въпреки това, когато същите стимули и процедури за представяне бяха комбинирани с умишлен фокус върху задачата, дисоциациите бяха по-малко очевидни (Kirwan и Stark, 2007). Механичният източник на тези различни констатации все още не е разкрит. Чрез количествено определянепаметповторно активиране по време на задачи с преднамерен или случаен фокус, може да се получат допълнителни прозрения за това как целите на задачите влияят върху динамиката на това как конкуренцията на паметта влияе на невронното представяне (Richter et al., 2016).

Нашите констатации могат да бъдат концептуализирани от гледна точка на контролирани и неконтролирани модели на обучение, всеки от които се фокусира върху различни учебни цели. Докато контролираното учене се насочва чрез съпоставяне на репрезентации със сетивни знаци, наблюдавани директно в околната среда, неконтролираното обучение коригира репрезентациите, за да намали конкуренцията между текущото преживяване и повторно активиранотопаметпредставяния, предизвикани от новото събитие (Ritvo et al., 2019) чрез интеграция или диференциация. Въпреки че ученето вероятно отразява баланса между контролирани и неконтролирани механизми, нашите открития показват, че реактивираните спомени са важен аспект на начина, по който се появяват разединими кодиращи стратегии в хипокампалните подполета.

Към днешна дата само едно друго проучване при хора е използвало многовариантни представителни анализи за количествено определяне на дисоциация между хипокампалните подполета, по-специално когато индивидите извличат информация за споделени или различни пространствени контексти (Dimsdale-Zucker et al., 2018). Това проучване показа, че елементите, научени в рамките на един и същ пространствен контекст, предизвикват припокриващи се модели на активиране в CA1 и диференцирани модели в DG/CA2,3 по време на извличане по отношение на елементи, които не споделят контекстуална информация. Настоящите констатации се различават от това проучване по няколко ключови начина. Първо, предишното проучване измерва кодовете на подполета по време напаметизвличане, докато нашата работа разкрива активните процеси на учене, които стимулират формирането на дисоциируеми представяния на подполе. По-конкретно, това предишно проучване не определя количествено как повторното активиране на подобни спомени, по време на учене или извличане, е свързано с кодирането на хипокампалното подполе. Тук показваме дисоциация в кодирането на хипокампалното подполе в резултат напаметповторно активиране. Освен това, ние показваме, че невронните кодове, образувани от субрегиони на хипокампа, не само поддържат просто разпознаване (Dimsdale-Zucker et al., 2018) или пространствена памет (Leutgeb et al., 2004, 2007), но също така и заключение за връзките между спомените (вж. също Schlichting et al., 2014). Решенията за изводи бяха по-бързи и по-точни с увеличаване на сходството между косвените елементи след обучение в субикулума, което показва как припокриващите се кодове да насърчават извличането на знания отвъд прекия опит.

колко време отнема cistanche да подейства

Нашето откритие, че представянията на субикулума проследяват решенията за изводи, може да отразява, че субикулумът е изходната структура на веригата на хипокампа (O'Mara et al., 2001), която играе ключова роля в припомнянето (Viskontas et al., 2009; Lindberg et al. , 2017). Докато субикулумът показа доказателства за свързана с обучението диференциация за припокриващи се двойки като цяло, нашите данни за моделиране показват, че представителната промяна в субикулума отразява континуум от отговори. Повишената интеграция (която също може да се разглежда като по-малко диференциация) насърчава по-бързи и по-точни изводи. Нашите резултати предполагат, че когато спомените са по-интегрирани (или по-малко диференцирани), изводът се улеснява чрез извличане на съхранена връзка между непряко свързани елементи (Shohamy и Wagner, 2008; Schlichting et al., 2014); за разлика от това, диференциацията може да забави извода между две отделни следи, които трябва да бъдат извлечени и повторно комбинирани при тест (Koster et al., 2018).

Подобно на субикулума, DG/CA2,3 показва свързана с обучението диференциация на косвено свързанипаметелементи, когатопаметповторното активиране беше по-силно по време на кодирането. Все пак трябва да се отбележи, че DG/CA2,3 диференциация на припокриванепаметелементи се наблюдават само по отношение на несвързаната базова линия между триадите; не е имало промяна в сходството от обучението до след обучението за косвено свързаните елементи сами по себе си (фиг. 4D, вмъкване). Това откритие е в съответствие с предишна работа, показваща диференциация на хипокампа за свързани спрямо несвързани събития след учене (Favila et al., 2016; Dimsdale-Zucker et al., 2018), като същевременно се контролират базовите промени в сходството, които се случват с течение на времето. Освен това DG/CA2,3 показа доказателства запаметинтеграция, когато реактивирането на паметта е по-слабо по време на ученето, което предполага потенциал за по-нюансирана динамика на представяне в този регион. Например, конкуренцията в паметта, предизвикана от повторно активиране, може да има немонотонна връзка с промяната на представителството в DG/CA2,3 (Ritvo et al., 2019). По-силното повторно активиране може да насърчи активна диференциация; по-слаби или междинни нива на повторно активиране могат да доведат до интегриране и никакво повторно активиране може да произведе неприпокриващи се представяния, които са разделени чрез пасивна ортогонализация. Тази сложна стратегия за кодиране би могла да обясни защо DG/CA2,3 показва доказателства за диференцирани (Kim et al., 2017) и интегрирани (Schapiro et al., 2012) представяния при различни обстоятелства. Като алтернатива, нашите резултати могат да отразяват използването на комбиниран DG/CA2,3 регион, за чиито компоненти се смята, че показват различни трансферни функции между екологичните сигнали и произтичащитепаметпредставяния (Yassa и Stark, 2011). Наблюдаваният модел на резултатите показва, че е необходимо количествено определяне на повторното активиране на паметта заедно с промяната на представянето, за да се разбере напълно как конкуренцията на паметта влияе на обучението за представяне в DG/CA2,3.

В заключение, нашите емпирични открития подкрепят наскоро предложен изчислителен модел на веригата на хипокампа (Schapiro et al., 2017); симулациите от този модел предполагат, че CA1 може да представлява връзки между събития, докато представянията на DG и CA3 могат да подчертаят разликите между подобни епизоди. Нашите констатации са в съответствие с тези изчислителни прогнози, като CA1 формира интегрирани представяния за подобни спомени, докато DG/CA2,3 и субикулумът разграничават същите тези преживявания. Освен това, ние показваме, че представянията на хипокампа поддържат нов извод, улеснявайки откриването на ненаблюдавани връзки между различни, но свързани преживявания. Настоящата работа допълнително показва, че дисоциациите на хипокампалното подполе не са проста функция на сензорния вход, а са резултат отпамет-базирана конкуренция по време на обучение. Заедно, настоящото изследване подобрява нашето разбиране за това как предишните знания оформят начина, по който новите събития са представени в рамките на веригата на хипокампа, предоставяйки емпиричен тест на ключови прогнози на изчислителните модели на хипокампапаметфункция.