마모셋 파트 2의 연령 관련 학습 및 작업 기억 장애

소프트웨어

인지 작업은 시도 횟수와 순서, 타이밍, 자극 선택 및 표시 위치, 액체 보상 전달을 포함하여 작업의 모든 측면을 제어하는 ​​ABET(동물 행동 환경 테스트) 인지 소프트웨어(Lafayette Instrument Company)를 사용하여 프로그래밍되었습니다.

생활 수준이 향상됨에 따라 현대 사회에서는 삶을 풍요롭게 하기 위해 다양한 자극 방법을 선택하는 사람들이 점점 더 많아지고 있습니다. 이러한 시뮬레이션 방법에는 여행, 게임, 스포츠, 음악 등이 포함될 수 있습니다. 사람들을 행복하게 만들 수 있을 뿐만 아니라 이러한 자극은 사람들의 몸과 마음에 긍정적인 영향을 미칠 수 있으며 그 중 하나는 기억력 향상입니다.

우선, 자극 선택은 사람들의 학습 흥미와 관심을 어느 정도 증가시킬 수 있습니다. 사람들은 새로운 나라로 여행을 가거나 새로운 스포츠를 시도하는 등 어떤 종류의 자극을 느낄 때 호기심을 열고 이 새로운 분야를 배우고 탐구하는 데 더 집중하게 됩니다. 이러한 보다 안정적인 주의력은 사람들이 새로운 지식과 기술을 더 잘 습득하는 데 도움이 되어 기억력과 학습 효율성을 향상시킬 수 있습니다.

둘째, 자극 선택은 사람의 뇌에 있는 뉴런을 자극하고 기억의 생성과 응고를 촉진할 수도 있습니다. 사람들이 새로운 것을 시도하면 뇌의 뉴런이 다르게 자극되어 뉴런 간의 상호 작용이 자극됩니다. 이러한 자극은 더 많은 시냅스 연결을 촉진하고 다양한 영역 간의 연결을 증가시켜 사람들이 다양한 정보와 경험을 더 잘 저장하고 통합하도록 돕습니다. 그러므로 자극선택은 사람의 기억력을 향상시키는데 중요한 역할을 한다.

마지막으로 자극 선택은 사람들의 신체 건강과 사회 생활을 촉진하여 간접적으로 기억력과 인지 능력을 향상시킬 수도 있습니다. 예를 들어, 다양한 스포츠에 참여하면 신체 건강을 증진하고 체력을 향상시키는 동시에 사람들이 명확한 사고와 인지 기능을 유지하는 데 도움이 됩니다. 동시에 사람들은 여행, 스포츠, 음악 등을 통해 더 많은 사람들을 알게 되고 사회적 범위를 확장할 수 있으며 이는 사람들의 정신 상태를 개선하는 데 도움이 되며 간접적으로 기억력과 인지 능력을 향상시키는 데 도움이 됩니다.

요약하면, 자극 선택과 기억 사이에는 강한 관계가 있습니다. 다양한 자극 방법을 선택함으로써 사람들은 삶을 풍요롭게 할 수 있을 뿐만 아니라 새로운 지식과 기술을 더 잘 배우고 습득함으로써 기억력과 인지 능력을 향상시키고 더 나은 자아를 보여줄 수 있습니다. 기억력 향상이 필요하다고 볼 수 있는데, Cistanche Deserticola는 아세틸콜린 수치와 성장인자 수치를 높이는 등 신경전달물질의 균형도 조절할 수 있기 때문에 기억력을 크게 향상시킬 수 있습니다. 이 물질은 기억과 학습에 매우 중요합니다. 또한 고기는 혈류를 개선하고 산소 전달을 촉진하여 뇌에 충분한 영양분과 에너지를 공급하여 뇌의 활력과 지구력을 향상시킬 수 있습니다.

단기 기억력을 향상하려면 '알기'를 클릭하세요.

또한 소프트웨어는 시행 횟수, 정답 및 오답, 화면에서의 올바른 선택 위치 및 선택한 위치, 응답 대기 시간 등 작업 성능에 대한 여러 측정값을 기록했습니다.

모든 작업에 대한 자극에는 검정색 배경에 표시된 간단한 모양과 흑백 클립아트 이미지(3.5 x 3.5cm)가 포함되었습니다(자극의 예는 그림 2E, 3A 참조).

통계 분석

데이터는 MATLAB(MathWorks)을 사용하여 분석되었습니다. Kolmogorov-Smirnov 테스트를 통해 데이터가 정규 분포를 따르지 않는 것으로 확인되었으므로 연구 전반에 걸쳐 비모수적 통계 분석이 사용되었습니다.

따라서 상관 관계는 Spearman의 순위 상관 관계를 사용하여 평가되었고, Scheir Ray Hare 테스트는 시간에 따른 2요인 상호 작용을 평가하는 데 사용되었으며, Nemenyi 사후 테스트 또는 Wilcoxon 부호 순위 테스트를 사용한 Friedman의 테스트는 요인 내 차이를 식별하는 데 사용되었습니다.

성능은 FitTest의 x2 Goodness를 사용하여 우연과 비교되었습니다. 확률 수준은 몬테카를로 시뮬레이션을 통해 결정되었으며 p, 0.05는 유의미한 것으로 간주되었습니다.

인지 테스트

터치 트레이닝

마모셋은 연구 초기에 인지 테스트에 순진했습니다. 따라서 그들은 유동적인 보상을 얻기 위해 먼저 화면을 터치하는 방법을 훈련받았습니다. 터치 트레이닝 과정은 3단계로 이루어졌습니다. 첫 번째 단계의 목표는 마모셋을 터치 스크린 스테이션에 습관화하고, 스크린과 보상 싱크에 대한 물리적 참여를 장려하고, 스크린 터치와 보상 전달을 연관시키는 것이었습니다.

이를 위해 마스크를 통해 접근할 수 있는 9개 위치에 달콤한 물질(마시멜로 플러프)을 스크린에 소량씩 도포했습니다. 훈련 세션이 시작되면 Fluff 아래의 9개 위치 각각에 파란색 사각형 대상 자극이 나타났습니다. 마모셋이 Fluff를 얻기 위해 화면을 터치했을 때 터치가 감지되었고 0.2 ml의 보상이 화면 아래 싱크대에 분배되었습니다. Themarmoset의 행동은 이더넷 지원 카메라(RLK16-410B8, Reolink)를 통해 원격으로 관찰되었습니다.

동물들은 화면을 터치하면 보상이 제공된다는 사실을 알게 된 시점을 식별하는 것으로 관찰되었습니다. 이 연관성을 배우면서 그들의 행동이 바뀌었습니다. 훈련 초기에 원숭이들은 싱크대에 쌓인 것을 발견했을 때만 보상을 소비했습니다. 그러나 연결이 이루어지자 원숭이의 행동이 바뀌었고 각 화면 터치 직후 싱크대에서 보상을 소비한 후 다시 화면을 터치했습니다. 이 연결이 설정되면 터치 훈련의 두 번째 단계가 시작되었습니다.

두 번째 단계의 목표는 9개의 가능한 자극 표시 위치 각각에 대한 마모셋 반응을 특성화하고 자극이 있는 위치만 선택 시 잠재적인 장난감 보상을 받을 수 있도록 마모셋을 훈련시키는 것이었습니다. 처음에는 9개 위치 모두 목표가 있었습니다. 매일 약 5번의 훈련 세션 동안 구속이 계속되었으며, 각 시험에서 화면에 표시되는 목표 자극의 수는 9개 목표에서 1개 목표로 단계적으로 감소했습니다.

이 단계에서 Fluff는 더 이상 화면에 적용되지 않으며 올바른 대상 선택은 0.2 ml의 보상으로 보상되었습니다. 각 목표 자극은 무작위로 선택된 위치에 배치되었습니다. 마모셋이 무작위로 배치된 하나의 목표를 안정적으로 터치하면 터치 훈련의 세 번째이자 마지막 단계가 시작되었습니다. 세 번째 단계의 목표는 각 응답에 대해 획득하는 보상의 양을 줄이면서 작업에 대한 강력한 참여를 유지하는 것이었습니다.

이 세 번째 단계의 각 시도에서 하나의 자극이 무작위로 선택된 위치에 화면에 표시되었습니다. 보상 볼륨은 약 4회의 일일 교육 세션에 걸쳐 단계적으로 응답당 {{0}}.2ml에서 응답당 최종 볼륨 0.05ml로 감소했습니다.

DRST(그림 3A)

DRST(Delayed Recognition Span Task)는 작업 메모리 용량을 측정합니다. DRST의 각 시도는 마모셋이 화면 중앙의 파란색 사각형 자극을 터치함으로써 시작되었습니다. 그런 다음 400개의 이미지 세트에서 무작위로 추출된 단일 흑백 자극이 9개의 가능한 위치 중 하나에 화면에 표시되었으며 역시 무작위로 선택되었습니다.

마모셋이 이 첫 번째 자극을 만졌을 때 작은 액체 보상이 분배되었습니다. 화면이 비어 있는 동안 2-지연 후에 두 가지 대체 강제 선택이 원래 위치에 나타나는 원래 자극과 다른 의사 무작위로 선택된 위치에 나타나는 두 번째 새로운 자극과 함께 제시되었습니다.

마모셋이 새로운 개체를 선택한 경우 올바른 응답이 기록되고 액체 보상이 제공되었으며 또 다른 2- 지연이 발생했습니다. 지연 후, 처음 두 개의 자극은 원래 위치에 나타났고, 세 번째인 새로운 자극도 의사 무작위로 선택된 위치에 나타났습니다. 마모셋은 새로운 자극을 선택한 것에 대해 다시 보상을 받았습니다. 새로운 자극은 다음 세 가지 방법 중 하나로 시험이 종료될 때까지 지연된 후에 추가되었습니다. (1) 마모셋은 연속해서 9개의 올바른 선택을 했습니다. (2) 마모셋이 12- 내에서 선택을 하지 못했습니다(즉, 생략됨). (3) 마모셋이 잘못된 반응을 보였습니다(즉, 새로운 것이 아닌 자극을 선택했습니다).

누락되거나 잘못된 응답의 경우 보상이 지급되지 않았으며 새 시도가 시작되기 전에 5-의 시간 초과 기간이 시작되었습니다. 각 시도에 대해 시도가 종료되기 전에 올바르게 선택된 자극의 수는 FSL(최종 범위 길이)로 기록되었습니다. 지속적인 작업 참여를 장려하기 위해 시도 난이도가 높아짐에 따라 보상 볼륨도 증가했습니다.

구체적으로, marmosetsearned {{0}}.0하나의 자극이 화면에 있을 때 정답에 대해 5ml의 보상, 2개, 3개 또는 4개의 자극이 화면에 있을 때 정답에 대해 0.1ml의 보상 5개, 6개, 7개, 8개 또는 9개 자극이 화면에 표시되었을 때 올바른 반응에 대해 0.2ml의 보상을 제공합니다. 화면에 있는 개체 수는 아래에서 시험 난이도 수준(TDL)이라고 합니다.

각 마모셋은 일주일에 2~5일간 테스트되었으며, 각 테스트 세션은 3시간 후 또는 마모셋이 20ml의 보상을 얻은 후 중 먼저 도래하는 시점에 종료되었습니다.

반응 시간 작업(그림 7A)

반응 시간 작업(RTT)은 마모셋이 손을 뻗어 화면을 터치하는 데 필요한 시간을 측정합니다. 이는 비인지 운동 속도의 연령 관련 변화와 작업 기억 작업(DRST) 성능의 연령 관련 변화를 구별하는 데 사용되었습니다. RTT의 각 시도는 마모셋이 화면 중앙의 녹색 사각형 자극을 터치함으로써 시작되었습니다.

그런 다음 의사 무작위로 선택된 9개 위치 중 하나에 타겟이 나타났습니다. 마모셋이 표적에 닿았을 때, 0.1-ml의 액체 보상을 갈망했고, 표적 개시부터 마모셋의 선택까지의 경과 시간이 해당 시도의 반응 시간으로 기록되었습니다.

마모셋에게 작업을 학습하기 위한 한 번의 연습 세션이 주어졌고 이후 10번의 후속 테스트 세션에서 데이터가 수집되었습니다. 10번의 테스트 세션 각각은 마모셋이 108번의 시도를 수행했거나 테스트 세션 시작 후 1시간이 경과했을 때 종료되었습니다.

점진적 비율 작업(PRT, 그림 7B)

PRT(Progressive Ratio Task)는 동기를 측정합니다. 이는 DRST 수행의 연령 관련 변화와 비인지적 동기의 연령 관련 변화를 구별하는 데 사용되었습니다. PRT의 각 시도는 화면 중앙에 자극을 제시하면서 시작되었습니다.

Marmosets는 테스트 세션 동안 반응 요구 사항이 증가하는 점진적 비율 강화 일정에 따라 자극을 만진 것에 대해 보상을 받았습니다.

초기 응답 요구 사항은 보상을 얻기 위한 원터치였습니다. 원숭이가 반응 요구 사항을 충족하면 화면에서 자극이 제거되고 보상이 분배된 다음 화면에서 자극이 교체됩니다. 응답 요구 사항은 8개의 응답 요구 사항이 완료될 때까지 1씩 증가했으며, 이후 8개의 응답 요구 사항이 완료될 때마다 두 배로 증가했습니다.

사용된 특정 응답 요구 사항은 다음과 같습니다.(증분=1) 1, 2, 3, 4, 5, 6, 7, 8; (증분=2) 10, 12, 14, 16, 18,20, 22, 24; (증분=4) 28, 32, 36, 40, 44, 48, 52, 56; 등. 테스트 세션은 1시간이 경과하거나 마모셋이 120회 터치의 응답 요구 사항에 도달했을 때 종료되었습니다. 마모셋에게 작업을 배우기 위해 한 번의 연습 세션이 주어졌고, 그 후 세 번의 후속 테스트 세션에서 데이터가 수집되었습니다.

결과

DRST (닥터스트)

마모셋이 연령 관련 작업 기억 장애를 나타내는지 여부를 평가하기 위해 우리는 광범위한 연령대의 동물 집단에서 지연 인식 범위 작업의 터치 스크린 버전을 구현했습니다.

이 작업에서 마모셋은 시험을 시작한 후 화면에 나타나는 단일 시각적 자극("개체")을 터치한 후 보상을 받았습니다. 화면이 비어 있는 동안 잠시 지연된 후, 마모셋은 두 가지 대안의 강제 선택에서 새로운 개체를 식별한 것에 대해 보상을 받았습니다. 정확하다면 잠시 후 세 개의 개체가 나타났습니다. 재판 초기에 보았던 두 권과 소설 한 권.

정답을 맞힐 때마다 보상이 전달되고 배열에 추가 개체가 추가되었습니다. 마모셋이 새로운 것이 아닌 물건을 선택하면 실험은 보상 없이 종료되고 실험 순서가 새로 시작되었습니다.

DRST 성능을 평가하는 데 사용된 기본 측정값은 FSL(최종 범위 길이)이었습니다. 이전 연구(Herndon et al., 1997; Moss et al., 1997; Killiany et al., 2000; Moore et al., 2017)에서와 마찬가지로 이 측정은 동물의 작업 기억 능력을 정량화하고 마모셋의 자극 수로 정의됩니다. 각 시험에서 새로운 것으로 올바르게 보고되었습니다.

시간 경과에 따른 FSL의 함수로 표시된 각 동물의 원시 데이터 학습 곡선은 2000-시행 기간 동안 가우스 가중 이동 평균을 사용하여 평활화되었으며(그림 3B) 몬테 카를로 시뮬레이션을 사용하여 기회 성능을 모델링했습니다. .

우리는 "초보자", "학습자" 및 "전문가"로 지정된 각 마모셋의 학습 곡선을 따라 세 가지 뚜렷한 단계 동안 성능을 분석했습니다. 초보자 단계는 성능이 우연히 예상한 것에서 벗어나지 않는 시도로 정의되었으며 최초로 수행된 시도부터 시작되었습니다. 초보자 단계의 끝은 Kolmogorov-Smirnov 적합도 테스트를 사용하여 결정되어 100개의 연속적인 실험적으로 측정된 FSL 분포가 Monte Carlo 시뮬레이션에서 도출된 널 분포와 크게 다른 초기 지점을 식별했습니다.

LearnerPhase는 초보자 단계 직후에 시작되어 성능의 90번째 백분위수 이전에 시험에서 종료되었습니다. ExpertPhase에는 90~100번째 백분위수 사이의 성능을 갖춘 시험이 포함되었습니다.

이러한 단계는 서로 구별되었으며 여러 범주에 속하는 임상시험은 없었습니다. 이러한 단계 정의를 검증하기 위해 예상대로 평균 성능이 세 단계에 걸쳐 크게 증가했는지 여부를 테스트한 결과 실제로 그런 것으로 나타났습니다(그림 3C; 비모수적 Friedman 테스트: x2(2)=30, p=3.1 107); 쌍별 사후 Nemenyi 테스트: 초보자 대 학습자: p=0.017; 초보자 대 전문가:p=1.4 107; 학습자 대 전문가: p=0.017).

For more information:1950477648nn@gmail.com