1-qism: Ta'lim jarayonida xotirani qayta faollashtirish qanday ta'sir qiladi?

Aloqa: Audrey Xu Whatsapp/hp: 0086 13880143964 Email:audrey.hu@wecistanche.com

Iltimos, 2-qism uchun bu yerni bosing

Robert J. Molitor, 1,2 Ketrin R. Sherrill, 2 Nil V. Morton, 2 Aleksandra A. Miller, 3 va Alison R. Preston1,2,3

1 Psixologiya bo'limi, Ostindagi Texas universiteti, Ostin, Texas 78712, 2 Ta'lim va xotira markazi, Ostindagi Texas universiteti, Ostin, Texas 78712 va 3 Neyrologiya bo'limi, Ostindagi Texas universiteti, Ostin, Texas 78712

Cistanche qo'shimchasi: xotirani yaxshilash

Oldingi tajribalar bilan bir-biriga mos keladigan voqealar mavjud xotiralarning qayta faollashishiga olib kelishi mumkin. Biroq, bunday reaktivatsiya hipokampal sxemada turli xil vakillik oqibatlarga olib kelishi mumkin. Hipokampal funktsiyaning hisoblash nazariyalari shuni ko'rsatadiki, dentat girus va CA2,3 (DG / CA2,3) juda o'xshash xotiralarni farqlash uchun moyil bo'ladi, CA1 esa bir-biriga mos keladigan neyron kodlari bilan ifodalash orqali tegishli hodisalarni birlashtirishi mumkin. Bu erda biz hipokampal pastki sohalarda tabaqalashtirilgan yoki integratsiyalashgan vakilliklarning shakllanishi uning kuchiga bog'liqligini sinab ko'rdik.xotirao'rganish jarayonida qayta faollashtirish. Ikkala jinsdagi inson ishtirokchilari assotsiatsiyalarni (AB juftliklari, yuz shakli yoki sahna shakli) o'rgandilar va keyin bir-biriga o'xshash assotsiatsiyalarni (BC shakli-ob'ekt juftliklari) kodlashda fMRI skanerlashdan o'tdilar. O'rganishdan oldin ham, keyin ham ishtirokchilar bir-biriga o'xshash xotiralarning (A va C tasvirlari) bilvosita bog'liq elementlarini alohida ko'rish paytida skanerdan o'tkazildi. Biz bir-biriga o'xshash juftlik (BC) o'rganish jarayonida dastlabki juftlik xotiralarining (A elementlari) qayta faollashishini, shuningdek, bilvosita bog'liq bo'lgan o'rganish bilan bog'liq vakillik o'zgarishini o'lchash uchun ko'p o'zgaruvchan naqsh tahlillaridan foydalandik.xotiraHipokampal pastki sohalardagi elementlar. Bir-biriga o'xshash juftlik kodlash paytida oldingi xotiralar kuchli qayta faollashtirilganda, bilvosita bog'langan tasvirlar (A va C) uchun DG/CA2,3 va subikulum tasvirlari naqsh farqlanishiga mos keluvchi kamroq o'xshash bo'lib qoldi. Bir vaqtning o'zida,xotirayangi ta'lim jarayonida qayta faollashtirish CA1da integratsiyani rag'batlantirdi, bu erda taqdimotlar bilvosita bog'liqxotiraelementlar o'rganilgandan keyin o'xshash bo'ldi. Bundan tashqari,xotirareaktivatsiya va subikulum vakili tezroq va aniqroq xulosa chiqarish (AC) qarorlarini bashorat qildi. Ushbu ma'lumotlar shuni ko'rsatadiki, yangi o'rganish jarayonida tegishli xotiralarni qayta faollashtirish, hisoblash nazariyalariga muvofiq, hipokampal pastki sohalarda ajraladigan kodlash strategiyalariga olib keladi.

Kalit so'zlar: assotsiativ xotira; epizodik xotira; yuqori aniqlikdagi fMRI; hipokampal pastki sohasi; naqsh ajratish

xotira cistanche kapsulalarini yaxshilash

Ahamiyat bayoni

Epizodikning moslashuvchanligixotirao'xshash hodisalarni farqlovchi tafsilotlarni ham, ular orasidagi umumiy tomonlarni ham eslab qolishga imkon beradi. Bu erda biz yangi o'rganish jarayonida o'tmishdagi tajribalarni qayta faollashtirish bu ikkalasiga xizmat qilishi mumkin bo'lgan neyron tasvirlarni shakllantirishga qanday yordam berishini sinab ko'rdik.xotirafunktsiyalari. Biz o'rganish jarayonida xotirani qayta faollashtirish hipokampusning dentat girus / CA2,3 va subikulum pastki sohalarida bir-biriga o'xshash xotiralar uchun differentsial tasvirlarni shakllantirishga yordam berishini aniqladik va shu bilan birga CA1 subfieldida tegishli hodisalarning integratsiyalashgan tasvirlarini shakllantirishga olib keldi. Bundan tashqari,xotirareaktivatsiya va subikulum vakili hodisalar o'rtasidagi bilvosita munosabatlarni aniqlashda muvaffaqiyatni bashorat qildi. Bu topilmalar shundan dalolat beradixotirareaktivatsiya muhim o'rganish signali bo'lib, u hipokampal sxemada bir-biriga o'xshash hodisalarning qanday namoyon bo'lishiga ta'sir qiladi.

Kirish

Gippokamp o'z hissasini qo'shadigan bir nechta kichik maydonlardan iboratxotiraqayta ishlash va taqdim etish. Hisoblash modellari tishli girus va CA2,3 (DG / CA2,3) ning anatomik xususiyatlari ushbu kichik maydonlarni naqsh ajratish yoki siyrak otish orqali juda o'xshash kortikal kirishlarni avtomatik ortogonallashtirish uchun ideal qilishini taklif qiladi (Marr, 1971; Schapiro va boshqalar. ., 2017). Aksincha, CA1 xususiyatlari vositachilik qilish uchun taklif qilinganxotiraintegratsiya yoki umumiy xususiyatlarni kodlaydigan bir-birining ustiga chiqadigan vakilliklarning shakllanishi

Shakl 1. Eksperimental loyihalash. Xulq-atvor vazifasining sxemasi. Ishtirokchilar dastlab individual ravishda taqdim etilgan rasmlarga (yuzlar, sahnalar va yangi ob'ektlar) ta'sir qilishdi, ular keyinchalik assotsiativ o'rganish (A va C elementlari) orqali bilvosita bog'liq bo'ladi. Keyin ishtirokchilar boshlang'ich juftliklarni (yuz shakli yoki sahna shaklidagi AB assotsiatsiyasi) bog'lashni o'rgandilar va bir-biriga o'xshash juftlarni (BC shaklidagi ob'ekt assotsiatsiyasi) o'rganish paytida skanerdan o'tkazildi. Ishtirokchilar ekspozitsiyadan keyingi bosqichda yana bir marta skanerdan o'tkazildi, ular oldingi ekspozitsiyadan bir xil narsalarni ko'rishdi (A va C elementlari). Keyin ishtirokchilar epizodlar bo'yicha xulosa chiqarish vazifasini bajarishdi. Nihoyat, ishtirokchilar bloklangan dizayndagi individual taqdim etilgan yuzlar, sahnalar, ob'ektlar va shakllarni ko'rgan lokalizator vazifasini bajardilar. B, Vizual o'xshashlik manipulyatsiyasi. Juftlar bo'ylab umumiy B elementining o'xshashligi parametrik tarzda o'zgartirildi. Ushbu misolda yuqori shakl dastlabki AB juftlarida ko'rilgan bo'lar edi, pastki qator esa bir-biriga o'xshash BC juftlarini o'rganishda ko'rish mumkin bo'lgan turli shakl morflarini ifodalaydi. Bir-biriga o'xshash juftlikni o'rganishda taqdim etilgan bog'lovchi B elementi dastlabki (AB) juftlik o'rganish paytida taqdim etilgan B elementiga aniq mos kelishi, yuqori o'xshashlik yoki past o'xshashlik morfi yoki yangi (ya'ni, bir-biriga mos kelmaydigan) element bo'lishi mumkin. C, Miltillovchi elementlar uchun ishlatiladigan shakl stimullarining sub'ektiv o'xshashligi. Ishtirokchilarning mustaqil namunasi 5 ballli Likert shkalasi yordamida yonma-yon taqdim etilgan ota-ona shakllari va shakl morflari o'rtasidagi vizual o'xshashlikni baholadi (1=umuman o'xshash emas, 5=juda o'xshash). pp , 0.05 (juftlangan t-testlar). Xato satrlari 6 SEMni bildiradi.

tegishli epizodlar bo'ylab (Eichenbaum va boshq., 1999; Schlichting va Preston, 2015; Schapiro va boshq., 2017). Elektrofiziologik tadqiqotlar sub-maydonlar orasidagi bunday vakillik dissotsiatsiyalarini ko'rsatadi: DG/CA2,3 ansambllari atrof-muhitning idrok etish xususiyatlarida faqat kichik o'zgarishlar bilan alohida otishma naqshlarini keltirib chiqaradi, holbuki CA1 faollik naqshlari atrof-muhit idrok etish bilan ajralib turishi bilan asta-sekin o'zgaradi (Leutgeb va boshq., 2004, 2007). Odamlarda parallel ish shuni ko'rsatdiki, DG/CA2,3 faollashuvidagi o'zgarishlar juda o'xshash ob'ekt tasvirlari yoki o'xshash kontekstga ega ob'ektlar o'rtasida farq qiladi, CA1 javoblari esa farq qilmaydi (Bakker va boshq., 2008; Lacy va boshq., 2011; Dimsdale). -Tsuker va boshq., 2018). Subiculum, hipokampal sxemaning chiqish tuzilishi (O'Mara va boshq., 2001) naqsh farqlanishiga (Potvin va boshq., 2009) va integratsiyaga (Schapiro va boshq., 2012) hissa qo'shishi mumkin.

Biroq, bunday oldingi ish qanday qilib ko'rib chiqilmaganxotirareaktivatsiya gippokampda ajraladigan vakillik strategiyalarini qo'zg'atadi, bu esa vakillikni o'rganishni tashqi sezgi va kirish o'rtasidagi oddiy o'zgarishdan tashqariga chiqishga imkon beradi.xotirachiqish. Klassik hisoblash o'rganish modellari buni taklif qiladixotiraVakillar atrof-muhit belgilariga javoban mumkin bo'lgan natijalarni bashorat qilish uchun moslashishi kerak, integratsiya stimullar bir xil natijani bashorat qilganda va farqlanishlar turli natijalarni bashorat qilganda sodir bo'ladi (Rumelhart va boshq., 1986). Biroq, so'nggi fMRI topilmalari shuni ko'rsatadiki, differensiyalash stimullar umumiy assotsiatsiya yoki natijaga ega bo'lganda ham sodir bo'lishi mumkin (Schlichting va boshq., 2015; Favila va boshq., 2016; Zeithamova va boshq., 2018). Ushbu tadqiqotlarda hipokampal ko'rinishlar turli natijalarga ega bo'lgan ogohlantirishlarga qaraganda umumiy natijaga ega bo'lgan stimullar uchun ko'proq farqlanadi. Bunday farqlashni DG/CA2,3 da siyrak kodlash orqali tashqi kirishni avtomatik ajratish nuqtai nazaridan tushuntirib bo'lmaydi; aksincha, hipokampal pastki sohalarda yaqinda nazariy istiqbol taklif qiladi (Ritvo va boshq., 2019). Shuningdek, biz integratsiya va differentsiatsiya xotirani qayta faollashtirishga javoban bir-birini istisno qiladigan natijalar bo'lmaydi, deb faraz qildik, lekin bu reaktivatsiya DG / CA2,3 va CA1da bir vaqtning o'zida bir-birini to'ldiruvchi differentsiatsiyalangan va integratsiyalashgan vakilliklarning shakllanishiga olib keladi.

Ushbu bashoratlarni sinab ko'rish uchun biz assotsiativ xulosa chiqarish topshirig'ida bir-biriga o'xshash hodisalar o'rtasidagi pertseptiv o'xshashlikni parametrik ravishda boshqardik (1-rasm). Ishtirokchilar dastlabki juftlarni o'rganishdi va yuqori aniqlikdagi fMRI yordamida skanerdan o'tkazildi, ular bir-biriga o'xshash juftlarni o'rganishdi. Biz sinovdan o'tkazdikxotirao'rganilgan juftliklar va juftliklar o'rtasidagi bilvosita munosabatlar to'g'risida xulosa qilingan bilimlar uchun, xulosa qilish samaradorligi integratsiyaning xulq-atvor indeksi bo'lib xizmat qiladi (Shohamy va Vagner, 2008; Zeithamova va boshq., 2012). Tanqidiy jihatdan, biz qanday qilib miqdorini aniqladikxotiraBir-biriga o'xshash hodisalarni o'rganish paytida qayta faollashish hipokampal subfield vakiliga ta'sir qildi.

cistanche sog'liq uchun foydalari: xotirani yaxshilash

Materiallar va uslublar

Ishtirokchilar

32 o'ng qo'li (15 ayol, yoshi 18-31yosh, o'rtacha=21,5 yil) Texas universiteti institutsional ko'rib chiqish kengashi tomonidan tasdiqlangan protokolga muvofiq xabardor qilingan rozilik bergandan so'ng ishtirok etdi. Ostin. Ishtirokchilar soatiga 25 dollar tovon oldilar. 6 ishtirokchining ma'lumotlari tahlildan chiqarib tashlandi: 2 ishtirokchi haddan tashqari bosh harakati tufayli, 1 ishtirokchi eksperimentdan chiqdi, 2 ta ishtirokchi to'liq bo'lmagan skanerlash seanslari (ta'sir qilishdan keyingi va/yoki lokalizator fazalari skanerdan o'tkazilmagan) va 1 ishtirokchi ekspozitsiyadan oldingi va lokalizator fazalarini tahlil qilishga xalaqit beradigan funktsional skanerlardagi tasvir artefaktlari. Qolgan ishtirokchilar (n=26, 14 ayol) tahlillarga kiritildi. Biz o'xshash paradigmalar va analitik yondashuvlardan foydalangan tegishli tadqiqotlar asosida yakuniy namuna hajmini aniqladik (Zeithamova va boshq., 2012; Schlichting va boshq., 2015; Dimsdale-Zucker va boshq., 2018). Bundan tashqari, ushbu tanlama hajmi bizga alohida ishtirokchilar guruhidan (n=30, 22 ayol, yosh {=30) olingan tajriba ma'lumotlari asosida epizodlar bo'ylab xulosa chiqarishning aniqligiga vizual o'xshashlikning ta'sirini aniqlash uchun 0,99 taxminiy statistik quvvatni berdi. {23}}yil, oʻrtacha=18.9 yil; takroriy oʻlchovlar ANOVA, natijada qisman h kvadrat (h2)=0.280).

Rag'batlantirish

Rag'batlantiruvchilar 58 ta notanish yuzlar (yarim erkak, yarmi ayol, hammasi oq), 58 ta notanish sahnalar (yarim tabiiy, yarmi sun'iy), MATLABda yaratilgan 671 qora shakl (qo'shimcha ma'lumot olish uchun qarang: Yangi kodlash paytida vizual o'xshashlik bilan manipulyatsiya) va 74 roman ob'ektlar (Hsu va boshq., 2014; Schlichting va boshq., 2015). Rag'batlantiruvchilarning kichik to'plami assotsiativ xulosa chiqarish vazifasida qo'llaniladigan uchta elementdan (A, B, C) iborat 32 tri-adda tashkil etilgan (1A-rasm). A ob'ektlari jinsi bo'yicha teng ravishda ajratilgan yuzlar (16) va tabiiy va sun'iy ravishda teng ravishda ajratilgan sahnalardan (16) iborat; barcha B elementlari shakllar edi (56); barcha C elementlari yangi ob'ektlar edi (32). Lokalizator vazifasida qo'zg'atuvchilarning yana bir kichik to'plami (42 ta yuz, 42 ta sahna, 42 ta ob'ekt va 42 ta shakl) ishlatilgan va ular assotsiativ xulosa chiqarish vazifasi davomida ko'rilmagan. Triadalar va lokalizator vazifasiga ogohlantiruvchilarni tayinlash ishtirokchilar bo'ylab randomizatsiyalangan. Stimullar MATLABda Psychtoolbox yordamida taqdim etilgan (Brainard, 1997; Pelli, 1997; Kleiner va boshqalar, 2007).

cistanche kukuni

Vazifa tartibi

Dastlabki juftlik (AB) o'rganish. Ishtirokchilar to'rtta o'quv-test bloklari bo'yicha dastlabki juftliklarni (AB) o'rgandilar. Tadqiqot bosqichida 32 ta dastlabki juftlikning har biri 0.5 s oraliq interval (ITI) bilan 3,5 soniya davomida taqdim etildi. A elementi (yuz yoki sahna) har doim chapda, B elementi (shakl) esa o'ngda taqdim etilgan. Barcha juftliklarni o'rganib chiqqandan so'ng, ishtirokchilar 3-muqobil majburiy tanlov testi yordamida sinovdan o'tkazildi. Ishtirokchilar ekranning yuqori qismidagi A elementi bilan belgilandi va tegishli B elementi va ikkita plyonka o'rtasida tanlov qilishlari kerak edi. Folgalar boshqa triadalarning shakllari edi, shuning uchun ishtirokchilar o'z qarorlarini shakllarning tanishligiga asoslay olmadilar. Ishtirokchilarga har bir sinovda javob berish uchun 10 s bor edi. Ishtirokchining javobidan so'ng, har bir sinov oxirida 1 soniya davomida tuzatuvchi fikr bildirildi. Sinov sinovlari 0,5 s ITI bilan ajratilgan. Ushbu bosqichda anatomik tasvirlar to'plangan.

Yangi kodlash paytida vizual o'xshashlikni manipulyatsiya qilish. Hodisa elementlarining o'xshashligi qanday ta'sir qilishini o'rganishxotiraqayta faollashtirish va xatti-harakat, assotsiativ xulosa vazifasida bog'lovchi elementning vizual o'xshashligi (shakl yoki B elementi) parametrik tarzda boshqariladi (1B-rasm). Biz oldingi ishlarga asoslangan vizual o'xshashlikni manipulyatsiya qildik, bu hipokampal subfield javoblari hodisalar o'rtasidagi vizual xususiyatlarning bir-biriga mos kelishi bilan modulyatsiya qilinishini ko'rsatdi (Leutgeb va boshq., 2004, 2007; Bakker va boshq., 2008; Lacy va boshq., 2011). Hammasi bo'lib to'rtta shart mavjud edi: aniq moslik, yuqori o'xshashlik, past o'xshashlik va yangi. To'liq mos keladigan holatda, ishtirokchilar dastlabki juftliklar (AB) va bir-biriga mos keladigan juftlarni (BC) o'rganishda aynan bir xil bog'lovchi B shaklini ko'rdilar. Yuqori va past o'xshashlik sharoitida, bir-biriga o'xshash juftliklarda ko'rilgan har bir shakl dastlabki juftliklardan biridagi shaklning parametrik morfasi edi. "Ota" shakllari aylana perimetri bo'ylab taqsimlangan 16 nuqtani olish, har bir nuqtani tasodifiy tarjima qilish va keyin qo'shni nuqtalarni ulash orqali spline interpolyatsiyasi yordamida qirralarni yaratish orqali yaratilgan. Yuqori va past o'xshashlik sharoitida shakllar ikki ota-ona shakllarini olish va turli og'irliklardan foydalangan holda tegishli cho'qqilarning koordinatalarini o'rtacha hisoblash yo'li bilan yaratilgan. Yuqori o'xshashlik shakllari bir ota-ona shakliga 80 foiz va boshqa ota-onaga 20 foiz, past o'xshashlik shakllari esa bir ota-onaga 70 foiz va boshqasiga 30 foizga tortilgan. Yangi holatda ishtirokchilar yangi ob'ekt bilan bog'langan yangi shaklni ko'rdilar, bu esa bu juftlarni dastlabki juftliklar bilan bir-biriga mos kelmasligini ta'minladi. Shunday qilib, yangi juftliklar assotsiativ ta'lim uchun asos bo'lib xizmat qildi. Har bir ishtirokchi vizual o'xshashlik sharti bo'yicha sakkizta triadani o'rgandi.

Yuqori va past o'xshashlik elementlari o'rtasidagi sub'ektiv o'xshashlikdagi farqlar 9 ishtirokchidan iborat mustaqil tanlovda tasdiqlandi (8 ayol, 18-22yosh, o'rtacha=19.4 yosh). Ushbu namunadagi ishtirokchilar 180 sinov davomida 5 ballli Likert shkalasi (1=umuman o‘xshash emas, 5=juda o‘xshash) yordamida yonma-yon taqdim etilgan asosiy shakllar va shakl morflari o‘rtasidagi vizual o‘xshashlikni baholadilar. . Aniq mosliklar yuqori o'xshashlik morflariga qaraganda ko'proq o'xshash deb baholandi (t(8) {{1{19}}}}.255, p , 0.001, Cohen's d=2.085), yuqori oʻxshashlik morflari past oʻxshashlik morflariga qaraganda koʻproq oʻxshash deb baholandi (t(8)=9.312, p,0.001, d=3.104), past oʻxshashlik morflari esa yangisiga nisbatan oʻxshashroq deb baholandi. elementlar (t(8)=10.021, p,0.001, d=3.340). Ushbu yondashuvdan foydalangan holda sub'ektiv o'xshashlikni miqdoriy baholash uchun bir ogohlantirish shundaki, taqqoslash a ni o'z ichiga olmaydixotirakomponent. Ehtimol, agar biz ikkita shaklni taqdim etish orasiga kechikish kiritgan bo'lsak, kuzatilgan sub'ektiv o'xshashlik funktsiyasi (1C-rasm) farq qilishi mumkin; masalan, yuqori va past o'xshashlik shartlari o'rtasidagi sub'ektiv o'xshashlik farqlari kamroq ifodalangan bo'lishi mumkin edi. Ushbu o'lchov ogohlantirishi sub'ektiv o'xshashlik mulohazalari talqiniga ta'sir qilishi mumkin bo'lsa-da, bizning markaziy xulq-atvor va asabiy tahlillarimiz talqiniga kamroq ta'sir qiladi. Biz farqlarni kuzatamiz -xotirato'rtta o'xshashlik shartlarini ko'rsatadigan o'xshashlik shartlari (shu jumladan yuqori va past shartlar) o'rtasidagi ishlash va qayta faollashtirish, ishlov berishga differentsial ta'sir ko'rsatadi (natijalarga qarang). Bundan tashqari, o'rganish bilan bog'liq vakillik o'zgarishini baholaydigan neyron tahlillarimiz faqat yuqori o'xshashlik holatiga qaratilgan va boshqa o'xshashlik shartlari bilan taqqoslashga tayanmaydi (qarang. O'rganishdan oldin va keyin alohida elementlarning ta'siri).

Bir-biriga o'xshash juftlik (BC) o'rganish. Ishtirokchilar dastlabki juftliklarni o'rganganlaridan so'ng, ular bir-biriga mos keladigan juftlarni o'rganish paytida skanerdan o'tkazildi. Ushbu bosqich yana to'rtta o'quv-test blokidan iborat edi. Tadqiqot bosqichida 32 juftlik hodisa bilan bog'liq dizayn yordamida taqdim etildi, juftliklar 3,5 s, keyin esa 8,5 s ITI fiksatsiyasi uchun taqdim etildi. C elementi (ob'ekt) har doim chap tomonda, B elementi (shakl) esa o'ngda taqdim etilgan. Har bir oʻrganish bosqichidan soʻng ishtirokchilar skanerdan oʻtkazilmagan 3-muqobil majburiy tanlov testi yordamida BC juftliklarida sinovdan oʻtkazildi. Ishtirokchilar ekranning yuqori qismidagi C elementi bilan belgilandi va tegishli B elementi va ikkita plyonka o'rtasida tanlov qilishlari kerak edi. Ushbu bosqichda fikr-mulohazalar berilmagan. Ishtirokchilarning har bir sinov sinovida javob berishlari uchun 10 s bor edi va sinovlar 0,5 s ITI bilan ajratildi.

O'rganishdan oldin va keyin individual elementlarga ta'sir qilish. Dastlabki juftliklarni o'rganishdan oldin va bir-biriga o'xshash juftlarni o'rgangandan so'ng, ishtirokchilar yuqori o'xshashlik holatidan individual ravishda taqdim etilgan A va C ob'ektlari (yuzlar, sahnalar va narsalar) bilan tanishdilar. Ushbu ta'sir qilish bosqichlari har bir stimul uchun taqdimotlar sonini maksimal darajada oshirish va vazifa bilan bog'liq faollashtirish naqshlarini baholashni yaxshilash uchun bitta vizual o'xshashlik sharti bilan cheklangan edi (qarang: "O'rganishdan oldin va keyin individual stimulyator naqshlarini baholash). Yagona o'xshashlik shartidan foydalanish, shuningdek, vakillik o'zgarishini hisoblashda vizual o'xshashlikning ta'sirini nazorat qilish imkonini berdi. Yuqori vizual o'xshashlik sharti ishlatilgan, chunki odamlarda oldingi ish vizual jihatdan o'xshash ogohlantirishlar DG / CA2,3 va CA1da differentsial javoblarni keltirib chiqarishini ko'rsatdi (Lacy va boshq., 2011).

Har bir ekspozitsiyada ishtirokchilar skanerdan o'tkazildi, buyumlar esa 3 soniya ITI bilan 1 soniya davomida taqdim etildi. Har bir element ekranda bo'lganida, ishtirokchilar tugmani bosish orqali qo'zg'atuvchi boshlanganidan keyin ustiga qo'yilgan qora xoch rangi yashil yoki ko'k 100-200ms ga o'zgarganligini ko'rsatib, o'zgarishlarni aniqlash vazifasini bajardilar (Kriegeskorte va boshq., 2008; Schlichting va boshqalar. al., 2015). Har bir mashqda har bir elementning to'rtta takrorlanishi va ekspozitsiyadan oldingi va keyingi bosqichlarda jami to'rtta yugurish bor edi. Sinovlar psevdorandomizatsiya qilindi, shunda triadadagi narsalar boshqa triadalardan kamida ikkita interleaved element bilan taqdim etildi. Bundan tashqari, tahlilda element darajasida faollashtirishni baholashni yaxshilash uchun sinovlarning 20 foizi nol bo'lgan (ya'ni, ob'ekt yoki o'zgarishlarni aniqlash vazifasi yo'q edi); bu null sinovlar element taqdimot sinovlari o'rtasida tasodifiy joylashtirilgan. Ta'sir qilishdan oldingi va keyingi bosqichlarda sinov tartibi va vaqti bir xil edi. Ishtirokchilar vazifaga e'tibor qaratishlarini ta'minlash uchun o'zgarishlarni aniqlash topshirig'ining to'g'riligi kuzatildi, ammo bundan keyin ko'rib chiqilmadi.

Birinchi skanerlangan ekspozitsiyadan oldin sodir bo'lgan aniq moslik, past o'xshashlik va yangi shartlar uchun skanerdan o'tkazilmagan ekspozitsiya bosqichi ham mavjud edi. Bu bosqichning maqsadi juftlik o‘rganishdan oldin A va C elementlarining aniq mosligi, o‘xshashligi past va yangi shartlar yuqori o‘xshashlik holatidagi narsalarga tenglashtirish edi. Skanersiz ekspozitsiya skanerlangan ekspozitsiya fazalariga oʻxshardi, faqat ITI 0.5 s edi va null sinovlar boʻlmagan.

Assotsiativ xulosa (AC) testi. Ta'sir qilishdan keyingi bosqichdan so'ng, ishtirokchilarga umumiy sherik (B) bo'lgan A va C elementlari o'rtasidagi bilvosita munosabatlar bo'yicha kutilmagan test topshirildi. Xulosa testi skaner ichida o'tkazildi, lekin skanerdan o'tkazilmadi. Ushbu bosqichda ishtirokchilar C elementi (ob'ekti) bilan tanishdilar va bir xil toifadagi A ob'ektlaridan birini tanlashlari mumkin edi (ya'ni, uchta yuz yoki uchta sahna). Sinovlarda ishtirokchilarga ko'rsatilgan ob'ektga ega bo'lishi mumkin bo'lgan odamni tanlash buyurildi. Voqea joyidagi sinovlarda ularga ko'rsatilgan ob'ektni topishi mumkin bo'lgan joyni tanlash buyurildi. Tanqidiy tomoni shundaki, ishtirokchilarga vizual o'xshashlikni manipulyatsiya qilish yoki o'rganish bo'yicha o'zaro bog'liqlik haqida aniq ko'rsatma berilmagan. Ishtirokchilarga javob berish uchun 10 soniya vaqt berildi. Hech qanday fikr bildirilmadi.

Lokalizator. Xulosa testidan so'ng ishtirokchilar lokalizator vazifasida skanerdan o'tkazildi. Ushbu topshiriqda ishtirokchilar eksperimentda qo'llaniladigan to'rtta ogohlantiruvchi toifadagi bir qator stimullarni ko'rdilar: yuzlar, sahnalar, shakllar va ob'ektlar. Rag'batlantiruvchilar bloklangan dizaynda taqdim etildi, har bir blok sakkizta tasvirdan iborat bo'lib, har biri 0,5 s ITI bilan 2,5 soniya davomida taqdim etildi. Har bir rag'batlantirish bloki davomida ishtirokchilar bir marta orqaga qaytishni yakunladilarxotiraular takroriy stimulni aniqlashlari kerak bo'lgan vazifa. Har bir blokda bitta takroriy stimul mavjud edi. Ishtirokchilar vazifaga e'tibor berishlarini ta'minlash uchun bir orqaga topshirilgan vazifaning aniqligi kuzatildi, ammo bundan keyin ko'rib chiqilmadi. Bloklar 8 soniya fiksatsiya bilan ajratilgan. Ishtirokchilar har bir rag'batlantiruvchi turiga ikkita blokdan iborat bo'lgan lokalizator vazifasining uchta ishini bajarishdi.

fMRI ma'lumotlarini yig'ish va qayta ishlash

Ma'lumotlar 3T Siemens Skyra bilan to'plangan. Jami 15 ta funktsional skanerlash amalga oshirildi (TR=2000 ms, TE=30 ms, burilish burchagi=73 daraja, 1,7 mm izotropik voksellar, EPI, ko‘p tarmoqli tezlashuv omili{{8} }) ekspozitsiyadan oldingi, bir-biriga o'xshash juftliklarni o'rganish, ekspozitsiyadan keyingi va lokalizator fazalari bo'ylab. Uchta maydon xaritasi (TR=589 ms, TE{{1{28}}}} ms/7,46ms, 1.5 1.5 2 mm voksel, burilish burchagi{{16} } daraja ) magnit maydondagi buzilishlarni tuzatish uchun to‘plangan: bittasi ekspozitsiyadan oldingi skanerlarni to‘g‘rilash uchun darhol, bir-birining ustiga chiqish juftligini o‘rganish bosqichidan oldin o‘rganish va ekspozitsiyadan keyingi skanerlarni tuzatish uchun va lokalizator bosqichidan oldin biri to‘g‘rilash uchun. lokalizator skanerlari. AT{17}}vaznlangan 3D MPRAGE hajmi (TR=1900 ms, TE=2.43ms, burilish burchagi=9 daraja, 1 mm izotrop voksellar) toʻplangan. funktsional ma'lumotlar anatomik shablonga. Gippokampal uzun o'qiga perpendikulyar bo'lgan ikkita koronal T2- vaznli strukturaviy skanerlar yig'ildi (TR=13, 150 ms, TE=82 ms, 0,4 mm tekislikda, 1,5 mm orqali -tekislik) va keyin kichik maydon segmentatsiyasi uchun o'rtacha.

Funktsional va anatomik tasvirlar FMRIB Software Library versiyasi 5.0.9 (FSL: http://fsl.fmrib.ox.ac.uk/fsl/) va Advanced Normalization Tools (ANTS) 2.1 (versiya) yordamida oldindan ishlangan. Avants va boshqalar, 2011). Funktsional skanerlar FSLda MCFLIRT yordamida harakat bilan tuzatildi va keyin ANTSda afin transformatsiyalar yordamida yakuniy bir-biriga o'xshash juftlik tadqiqotiga ro'yxatdan o'tkazildi. Miya bo'lmagan tuzilmalar FSLda BET yordamida funktsional skanerdan va MPRAGEdan olib tashlandi. Qo'shimcha ma'lumotlarni qayta ishlash FSLning bir qismi bo'lgan FEAT (FMRI Expert Analysis Tool) 6.00 versiyasi yordamida amalga oshirildi. Barcha funktsional tasvirlarga quyidagi statistik ishlov berish qo'llanildi; MPRAGE bilan birgalikda ro'yxatdan o'tish va FUGUE yordamida dala xaritasiga asoslangan EPI unwarping (Jenkinson, 2003); bitta multiplikativ omil bilan butun 4D ma'lumotlar to'plamining katta o'rtacha intensivligini normallashtirish; yuqori chastotali vaqtinchalik filtrlash (Gauss og'irligi bo'yicha eng kichik kvadratlar to'g'ri chiziqli moslama, s =64 s bilan). FWHM 4 mm Gauss yadrosi yordamida fazoviy tekislash bir-birining ustiga tushadigan juftlikni o'rganish va lokalizatorni skanerlashda qo'llanildi.

cistanche nima uchun ishlatiladi: xotirani yaxshilash

ROI

Anatomik ROIlar reaktivatsiya tahlili uchun butun miya kulrang moddasini va neyron kodlash tahlili uchun hipokampal pastki maydonlarni o'z ichiga oladi. MPRAGE bilan FSL ning bir qismi bo'lgan FAST (Zhang va boshq., 2001) yordamida mahalliy fazoda har bir ishtirokchi uchun butun miyaning kulrang moddasi niqobi yaratilgan. Keyin kulrang materiya niqoblari ANTSda chiziqli transformatsiyalar yordamida funktsional ruxsatga o'tkazildi. Hipokampus ichida CA1 subfields, birlashtirilgan DG/CA2,3 mintaqasi va subikulumdagi faollashuv naqshlari tahlil qilindi. Gippokampusning bosh va tanasida gipokampusning bosh va tanasida segmentlangan pastki maydonlari bo'lgan ochiq manba shablonidan (Schlichting va boshq., 2019) chiziqli bo'lmagan SyN yordamida har bir ishtirokchining o'rtacha T2 koronal tasviriga teskari normalizatsiya qilish orqali aniqlangan. ANTSdagi transformatsiyalar. Ushbu protsedura qo'lda kuzatish bilan taqqoslanadigan natijalarni taqdim etishi ko'rsatilgan (Schlichting va boshq., 2019). Keyin niqoblar har bir ishtirokchi uchun hipokampusdan tashqaridagi voksellarni olib tashlash va belgilangan protokollar asosida aniq segmentatsiyani ta'minlash uchun qo'lda tekshirildi va tahrir qilindi (West va Gundersen, 1990; Duvernoy, 1998; Mai va boshqalar, 2007). Nihoyat, pastki maydon maskalari birinchi navbatda chiziqli transformatsiyalar yordamida MPRAGE-ga o'rtacha koronal tasvirni ro'yxatdan o'tkazish va so'ngra oldindan hisoblangan transformatsiyani funktsional maydonga qo'llash orqali funktsional skanerlar maydoniga aylantirildi.

Miqdoriy va statistik tahlil

Dekodlashxotirabir-biriga o'xshash hodisalarni o'rganish paytida qayta faollashtirish. Bir-biriga o'xshash juftlarni o'rganish jarayonida dastlabki juftliklar bilan bog'liq kodlash naqshlarining qayta faollashishini o'lchash uchun biz PyMVPA-da naqsh tasniflash tahlilidan foydalandik (Hanke va boshq., 2009). Agar ishtirokchilar bir-biriga o‘xshash juftlarni (BC shakli-obyekt juftliklari) o‘rganayotganda tegishli ma’lumotlarni (ya’ni, AB juftliklaridan yuz va sahna elementlari) qayta faollashtirsa, lokalizator ma’lumotlari bo‘yicha o‘qitilgan naqsh tasniflagichi ma’lumotlar toifasiga sezgir bo‘lishi kerak (yoki yuz yoki sahna) qayta faollashtirilmoqda (Polyn va boshq., 2005; Kuhl va boshq., 2011; Zeithamova va boshq., 2012). Shunday qilib, biz naqsh klassifikatorini lokalizator bosqichidagi ma'lumotlar bilan o'rgatdik va keyin klassifikatorni bir-biriga mos keladigan juftlikni o'rganish bosqichiga qo'lladik. Biz ishga tushirdikxotirabir-biriga mos keladigan BC juftlari bilan bog'liq dastlabki AB juftliklaridan A ob'ektlari (ya'ni, yuz yoki sahna) toifasi uchun tasniflovchi dalil sifatida qayta faollashtirish.

Biz o'lchadikxotirako'p bosqichli protsedura yordamida qayta faollashtirish. Birinchidan, biz bir-biriga mos keladigan juftliklarni o'rganish jarayonida A elementlari haqidagi ma'lumotlar tiklangan hududlarni aniqlash uchun butun miya projektorini ishga tushirdik (Kriegeskorte va boshq., 2006). Har bir sferada (radius{2}} voksel, ovoz balandligi=123 voksel) yuzlar, sahnalar, ob'ektlar va shakllar bilan bog'langan neyron naqshlarni lokalizator bosqichidan farqlash uchun chiziqli qo'llab-quvvatlovchi vektor mashinasi o'rgatilgan. Gemodinamik kechikishni hisobga olish uchun har bir funktsional rasm sinov belgilarini olish va ularni 4 soniya (ikki TR) oldinga siljitish orqali etiketlandi. Keyin o'qitilgan klassifikator bir-birining ustiga chiqadigan juftlikni o'rganish bosqichidan neyron naqshlarga qo'llanildi, bu vaqt ham 4 s ga o'zgardi. Sinov darajasidagi qayta faollashtirish baholari har bir juftlikning taqdimotiga mos keladigan ikkita TR uchun har bir triadaning A elementi (masalan, yuz-shakl-ob'ekt triadalari uchun yuzlar uchun klassifikator dalillari) bilan bog'liq bo'lgan klassifikator dalillarini olish orqali chiqarildi. Tasniflovchi dalillar qiymatlari ikkita to'plamga saralangan: qayta faollashtirish to'plami

va asosiy to'plam. Qayta faollashtirish to'plamida aniq moslik, yuqori o'xshashlik va past o'xshashlik sinovlaridan olingan tasniflovchi dalillar qiymatlari mavjud. Boshlangʻich toʻplam yangi holatdagi sinovlardan olingan yuz va sahna dalillari qiymatlarini oʻz ichiga olgan. Yangi holatdagi shakl-ob'ekt juftliklari ilgari o'rganilgan juftliklarning birortasi bilan bir-biriga to'g'ri kelmaganligi sababli, ular yuz yoki sahna xotiralarining qayta faollashishiga olib kelmasligi kerak. Yakuniy qayta faollashtirish indeksi har bir sohada qayta faollashtirish to'plamining o'rtacha dalillari va asosiy to'plamning o'rtacha qiymati o'rtasidagi farqni hisobga olgan holda hisoblab chiqilgan.

Ushbu qayta faollashtirish indeksining ahamiyatini tekshirish uchun biz haqiqiy qayta faollashtirish indeksini har bir qidiruv yorug'ligi sohasidagi null taqsimot bilan taqqosladik. Nol taqsimot 1{9}}00 iteratsiyadan ortiq qayta faollashtirish va asosiy toʻplamlar boʻylab tasniflagich dalillari qiymatlarini aralashtirib, soʻngra har bir iteratsiyada qayta faollashtirish indeksini qayta hisoblash orqali yaratilgan. Har bir projektör sferasining markaziy vokseli kuzatilgan reaktivlanish indeksidan (ya'ni, p-qiymati) katta yoki unga teng bo'lgan reaktivlanish indekslari bilan nol taqsimot nisbati haqida xabar berdi. Ishtirokchilar bo'ylab qayta faollashtirish hududlarini aniqlash uchun alohida ishtirokchilarning qidiruv chiroqlari xaritalari ahamiyatlilik testi uchun guruh shabloniga normallashtirildi. P-qiymatli tasvirlar z-statistik tasvirlarga aylantirildi va keyin ANTS-da chiziqli bo'lmagan SyN transformatsiyasidan foydalangan holda MNI 152 anatomik shabloniga aylantirildi (funktsional skanerlashning o'lchamlari, 1,7 mm izotropik voksellar). Voxelwise, parametrik bo'lmagan almashtirish testi FSLda 5000 dan ortiq iteratsiyada Randomise yordamida amalga oshirildi (Winkler va boshq., 2014). Muhim klasterlar p,0,01 (tuzatilmagan) voksel chegarasi va p, 0,05 klaster chegarasini qo'llash orqali aniqlandi. Eshiklar fazoviy avtokorrelyatsiya funktsiyasi asosida 3dFWHMx yordamida o'rganish bosqichidan olingan silliqlik baholari bilan AFNI (Cox, 1996) funksiyasi 3dClustSim yordamida hisoblab chiqilgan. Klaster darajasi ikkinchi eng yaqin qo'shni klasterlash bilan ikki tomonlama chegara yordamida aniqlandi.

Qayta faollashtirish chorasi bitta ogohlantiruvchi toifaga taalluqli emasligini tasdiqlash uchun biz post hoc tahlilida qayta faollashtirish A elementining ogohlantiruvchi toifasiga (yuz yoki sahna) qarab o'zgarishini tekshirish uchun qidiruv chiroqlari klasterlarini so'roq qildik. Qayta faollashtirish projektori tahlilida aniqlangan muhim klasterlar ikkilik niqoblarga aylantirildi va ANTS yordamida mahalliy bo'shliqqa teskari normallashtirildi. Keyin, har bir ishtirokchi uchun har bir funktsional ROIda qayta faollashtirish tahlili takrorlandi. Har bir mintaqada reaktivatsiya stimulyator toifasi funktsiyasi sifatida farqlanadimi yoki yo'qligini baholash uchun omillar sifatida mintaqa va stimul toifasi bilan takroriy o'lchovlar ANOVA dan foydalandik.

Dastlabki svetofor tahlilimiz reaktivlanish boshlang'ich darajadan yuqori bo'lgan hududlarni lokalizatsiya qilganda, biz reaktivatsiya kuchi vizual o'xshashlik bilan o'zgarib turadigan hududlarni aniqlash uchun mustaqil qidiruv chiroqini ham ishga tushirdik. Ushbu qidiruv moslamasi umumiy qayta faollashuvni o'lchaydigan tahlilga o'xshash yondashuvdan foydalangan, biroq aniq moslik holati va boshqa o'xshashlik shartlari (ya'ni, yuqori o'xshashlik holati va past o'xshashlik holati) o'rtasida qayta faollashish uchun tasniflagich dalillarini taqqoslaydigan qo'shimcha daraja bilan. O'xshashlik ta'siri har bir sohada aniq moslik holati uchun o'rtacha dalillar va yuqori va past o'xshashlik shartlari uchun o'rtacha dalillar o'rtasidagi farqni hisobga olgan holda hisoblab chiqilgan. Keyinchalik, bu farq har bir projektör sohasidagi nol taqsimot bilan solishtirildi, u 1000 dan ortiq iteratsiyalarni aniq moslik va o'xshashlik morf shartlari bo'yicha tasniflagich dalillari qiymatlarini aralashtirish orqali yaratilgan. Guruh shablonini normallashtirish, statistik test va klasterni tuzatish boshlang'ich chiziqdan yuqori qayta faollashuvni aniqlaydigan projektör bilan bir xil edi.

O'rganishdan oldin va keyin individual rag'batlantirish naqshlarini baholash. Biz har bir A (yuzlar, sahnalar) va C (yangi 3D ob'ektlar) ta'sir qilishdan oldingi va keyingi bosqichlardan kelib chiqadigan neyron faollashuv naqshlarining hisob-kitoblarini eng kichik kvadratlar-alohida yondashuv bilan GLM yordamida aniqladik (Mumford va boshq., 2012). ) har bir ishtirokchining mahalliy maydonida. Skanerlangan ekspozitsiya fazalaridagi 16 ob'ektning har biri (ya'ni, yuqori o'xshashlik holatidagi sakkizta A elementi va sakkizta C elementi) ekspozitsiyadan oldingi va keyingi bosqichlarning har bir bosqichida alohida modellashtirilgan (Schlichting va boshq., 2015).

cistanche tubolosa ekstrakti: xotirani yaxshilaydi

Ob'ekt taqdimotlari 1 soniyali hodisa sifatida modellashtirilgan va har bir ob'ekt uchun regressor skanerlashda barcha to'rtta takrorlashni o'z ichiga olgan. 16 ta ob'ekt regressorlarining har biri kanonik er-xotin C HRF bilan birlashtirilgan. Keyin vaqtinchalik filtrlash qo'llanildi. GLMlar qo'shimcha chalkash regressorlarni o'z ichiga oladi: harakat parametrlari, ularning vaqtinchalik hosilalari, ramka bo'yicha joy almashish va DVARS (Power va boshq., 2012; Schlichting va Preston, 2014; Schlichting va boshq., 2015). Vaqt nuqtalari uchun qo'shimcha harakat regressorlari qo'shildi, bunda boshning harakati ramka bo'ylab siljish uchun 0,5 mm dan oshdi va DVARS uchun BOLD signalining 0,5 foiz o'zgarishi (Power va boshq., 2012). Beta-tasvirlar har bir ekspozitsiyadan oldingi va keyingi ekspozitsiya uchun har bir A va C elementi uchun yaratildi, har bir ishtirokchi uchun jami 128 ta statistik tasvir.

Hipokampal subfield neyron o'xshashligidagi o'rganish bilan bog'liq o'zgarishlarni miqdoriy aniqlash. Shaklni farqlash vaxotiraHipokampusdagi integratsiya PyMVPA da amalga oshirilgan vakillik o'xshashlik tahlili (Kriegeskorte va boshq., 2008) yordamida indekslangan (Hanke va boshq., 2009). Qidiruv chiroqlari anatomik jihatdan aniqlangan DG/CA2,3, CA1 va subikulumda har bir ishtirokchining mahalliy bo'shlig'ida alohida ishga tushirildi. Har bir sfera ichida (radius =2 voksel, ovoz =33 voksel) (Schapiro va boshq., 2012) o'xshashlik matritsalari A ga mos keladigan 128 ta statistik tasvir uchun juftlik Pearson korrelyatsiya qiymatlarini hisoblash yo'li bilan yaratilgan. va ekspozitsiyadan oldingi va keyingi ekspozitsiyadagi C elementlari Fisher z ga aylantirildi. Keyin, o'rganish tufayli naqsh o'xshashligining o'zgarishi, mos keladigan hujayralardagi ekspozitsiyadan keyingi o'xshashlik qiymatlaridan ekspozitsiyadan oldingi o'xshashlik qiymatlarini ayirish yo'li bilan o'lchandi.

Namuna o'xshashligidagi o'zgarish (bundan buyon matnda D deb yuritiladi) hisoblab chiqilgandan so'ng, D qiymatlari qiymat triad ichidagi taqqoslash yoki uchlik o'rtasidagi taqqoslash uchun ekanligiga qarab tartiblangan. Ushbu ikki qiymatlar to'plami bizga hodisalarning bir-biriga o'xshashligisiz takroriy ta'sirni aks ettiruvchi (uchlik o'zaro taqqoslash to'plami) tayanch chiziqqa nisbatan o'rganish (uchlik taqqoslash to'plami ichida) tufayli hodisaning takrorlanishi tasviriy o'zgarishlarga qanday ta'sir qilganligini aniqlashga imkon berdi. Muhimi shundaki, BOLD signalida avtokorrelyatsiyadan kiritilishi mumkin bo'lgan noto'g'rilikni kamaytirish uchun faqat umumiy korrelyatsiyalarni aks ettiruvchi D qiymatlari ishlatilgan (Mumford va boshq., 2012).

Ta'lim jarayonida qayta faollashtirishning vakillik o'zgarishiga ta'sirini baholash uchun triad ichidagi D qiymatlari kuchga qarab yana bo'lindi.xotirabir-biriga o'xshash juftlarni o'rganish jarayonida qayta faollashtirish. Har bir ishtirokchi uchun qayta faollashtirish kuchi har bir triada uchun qayta faollashtirish projektori tahlilida aniqlangan hududlar tarmog'i bo'ylab o'rtacha reaktivatsiya indeksini olish orqali hisoblab chiqilgan (3A-rasmga qarang), o'rganish bloklari bo'yicha o'rtacha. Keyin triadalar o'rtacha reaktivatsiya qiymatlari bo'yicha median bo'linish yordamida kuchliroq reaktivatsiya triadalariga va zaifroq reaktivatsiya triadalariga bo'lingan. Shunday qilib, triada ichidagi D taqqoslashlari yanada kuchliroq D triadasi ichidagi qayta faollashuvga va har bir qidiruv yorug'lik sferasidagi D triadasi ichidagi zaifroq qayta faollashuvga ajratildi. Nihoyat, uchta umumiy qiymatni yaratish uchun barcha D to'plamlari o'rtacha hisoblandi: kuchliroq reaktivatsiya triadalari uchun o'rtacha triada ichidagi o'xshashlik o'zgarishi (DWithin kuchliroq), kuchsizroq reaktivatsiya triadalari uchun o'rtacha triada ichidagi o'xshashlik o'zgarishi (DWithin zaifroq) va o'rtacha triada bo'ylab o'xshashlik o'zgarishi (bo'ylab). Neyron kodlash reaktivatsiya kuchi funktsiyasi sifatida o'zgarganligini aniqlash uchun biz ushbu umumiy qiymatlarni taqqosladik.

Neyron kodlash to'rtta svetofor kontrasti yordamida baholandi (Schlichting va boshq., 2015) (4B-rasmga qarang). Ikkita tahlil mavjud bo'lgan hipokampal voksellarni aniqladixotirareaktivatsiya kuchidan qat'i nazar, barcha triadalar bo'ylab integratsiya yoki farqlash. IntegrationOverall (kuchliroq - DAcross ichida) 1 (kuchsizroq - DAcross ichida) sifatida hisoblab chiqilgan bo'lib, qayta faollashtirishning barcha darajalari bo'yicha o'rganilgandan so'ng triadalar orasidagi o'xshashlikka qaraganda ko'proq triadada aks ettirilgan. Differentiatsiya Umumiy (DAcross – DWithin kuchliroq) 1 (DAcross – DWithin zaifroq) sifatida hisoblab chiqilgan bo‘lib, bu qayta faollashuvning barcha darajalari bo‘yicha triadalar orasidagi o‘xshashlikka qaraganda kamroq triada ichida aks ettirilgan. Ikki qo'shimcha tahlil reaktivatsiya kuchi funktsiyasi sifatida nerv kodlari o'zgarib turadigan voksellarni aniqladi (IntegrationReactivation va DifferentiationReactivation). IntegrationReactivation qidiruv chirog'i kuchli reaktivatsiya triadalari uchun integratsiya ko'proq sodir bo'lgan voksellarni aniqladi. IntegrationReactivation (kuchliroq ichida - DWithin zaifroq) sifatida hisoblangan. Bundan farqli o'laroq, DifferentationReactivation qidiruv chirog'i kuchliroq reaktivatsiya triadalari uchun farqlanish ko'proq sodir bo'lgan voksellarni aniqladi. Differentsiatsiya Qayta faollashtirish (zaifroq ichida - DWithin kuchliroq) sifatida hisoblangan.

Ushbu hisob-kitoblarning har birining ahamiyati o'xshashlik o'zgarishining hisoblangan qiymatlarini har bir projektör sferasidagi nol taqsimot bilan solishtirish orqali aniqlandi. Null taqsimot 1000 dan ortiq iteratsiyalar orqali hujayralarni kuchliroq, kuchsizroq va to'plamlar bo'ylab aralashtirish va keyin har bir iteratsiya uchun qiziqish statistikasini qayta hisoblash orqali yaratilgan. Har bir projektör sferasining markaziy vokseli kuzatilgan o'xshashlik o'zgarishidan (ya'ni, p-qiymati) kattaroq yoki unga teng qiymatlar bilan nol taqsimot nisbati haqida xabar berdi. Muhim klasterlar qayta faollashtirish yoritgichlari bilan bir xil usul yordamida aniqlandi, bundan mustasno, z-statistik tasvirlar guruh darajasidagi tahlil uchun qayta namunalangan MNI shabloniga emas, balki funktsional o'lchamdagi hipokampal shablonga o'zgartirildi. Klasterlar har bir hipokampal pastki sohaga xos bo'lishini ta'minlash uchun klasterni tuzatishdan oldin normallashtirilgan qidiruv chiroqlari xaritalari har bir anatomik hipokampal pastki maydon shablonlari tomonidan maskalandi.

Post hoc tahlillari ushbu svetofor tahlilida aniqlangan har bir kichik sohada kuzatilgan vakillik o'zgarishi yo'nalishini qo'shimcha ravishda so'roq qildi. Ushbu post hoc tahlillari uchun muhim ogohlantirish shundaki, ular butunlay xolis emas, chunki ular projektor kontrastlari asosida o'ziga xos effektlarni ko'rsatish uchun oldindan tanlangan voksellar to'plamini solishtiradilar. Shunday qilib, bizning keyingi tahlillarimiz kuchliroq va zaifroq reaktivatsiya elementlari uchun ichki qiymatlarni to'g'ridan-to'g'ri taqqoslamadi. Bizning post hoc tahlillarimiz o'rniga ta'lim bilan bog'liq integratsiya va differentsiatsiya darajasini aniqlash uchun DWithin qiymatlarini DAcross qiymatlari bilan solishtirishdan tashqari, ta'sir qilishdan oldingi va keyingi bosqichlarda neyron o'xshashligida global siljishlar mavjudligini tekshirish uchun DAcross qiymatlarining kattaligiga e'tibor qaratdi.

Ushbu post hoc tahlillari uchun mahalliy makondagi har bir ishtirokchi uchun DG/CA2,3, CA1 va subikulumdagi o'xshashlik o'zgarishi hisoblab chiqilgan. Guruh svetoforlari tahlillari orqali aniqlangan svetofor klasterlari niqoblarga aylantirildi va ANTSda chiziqli bo'lmagan transformatsiyalar yordamida har bir ishtirokchining mahalliy maydoniga teskari normallashtirildi. Har bir ishtirokchi uchun mahalliy kosmik klasterlar yadro sifatida 3 3 3 mm quti yordamida FSL bilan kengaytirildi. Ishtirokchining mahalliy maydoniga aylantirilganda, klasterlar hali ham o'zlarining tegishli pastki sohasi bilan cheklanganligini ta'minlash uchun har bir klaster har bir ishtirokchi uchun belgilangan anatomik pastki maydon maskalari yordamida maskalandi. Bitta ishtirokchi mahalliy makonda CA1 klasteriga ega bo'lib, vakillik o'xshashligini tahlil qilish uchun etarli miqdordagi vokselsiz (,10 voksel) va ushbu kichik sohaning keyingi tahlilidan chiqarib tashlandi. Qolgan ishtirokchilar uchun biz har bir klasterdagi oʻrtacha oʻxshashlik oʻzgarishini oʻrganish jarayonida kuchliroq reaktivatsiya bilan bogʻliq boʻlgan triadalar, oʻrganish jarayonida kuchsizroq reaktivatsiya bilan bogʻliq boʻlganlar va triadalar boʻyicha boshlangʻich chiziq uchun alohida hisoblab chiqdik.

Nerv o'lchovlari va xatti-harakatlar o'rtasidagi munosabatni miqdoriy aniqlash. Xulq-atvor va reaktivatsiya va vakillik o'zgarishining neyron o'lchovlari o'rtasidagi bog'liqlik xulosalar testida ishlashga mos keladigan chiziqli ballistik akkumulyator (LBA) modeli yordamida baholandi (Morton va boshq., 2020). Har bir ishtirokchi va kichik maydon (CA1, DG/CA2,3 va subiculum) uchun biz har bir triada uchun o'rganishdan keyingi ta'limgacha (D) A va C elementlari o'rtasidagi o'xshashlik o'zgarishining z ballini hisoblab chiqdik. Shuningdek, biz har bir ishtirokchi uchun triadalar bo'yicha A elementini qayta faollashtirishning z ballini hisoblab chiqdik. Keyin biz LBA modelini AC xulosasi testi davomida xatti-harakatlar javoblari va javob vaqtlarini moslashtirish uchun foydalandik, o'xshashlikni o'zgartirish va qayta faollashtirish triadalar orasidagi o'zgaruvchanlikni bashorat qiluvchi sifatida. Neyron ko'rsatkichlari va AC xulosasi samaradorligi o'rtasidagi munosabatni aks ettiruvchi o'rtacha qiyalik parametrlarini baholash uchun biz ko'p darajali Bayes yondashuvidan foydalandik. D o'lchovlari uchun ijobiy qiyaliklar o'rganishdan so'ng A va C elementlari o'rtasidagi katta o'xshashlik qiymatlari tezroq va aniqroq xulosa bilan bog'liqligini ko'rsatadi. Qayta faollashtirish chorasi uchun ijobiy qiyaliklar ko'proq qayta faollashtirish tezroq va aniqroq xulosa chiqarish bilan bog'liqligini ko'rsatadi.