폐쇄 루프 경두개 신경 자극을 통한 수면 중 뇌 연결 변경으로 후기억 민감도 예측 4부
May 17, 2024
연구 전반에 걸쳐 느린 스핀들과 빠른 스핀들을 묘사하기 위해 선택된 주파수 대역에는 높은 가변성이 있으며(Ayoub et al., 2013; Holz et al., 2012; Schabus et al., 2007), 최근 증거는 이러한 묘사가 각 개인마다 다를 수 있음을 시사합니다. (콕스 외, 2017).
빠른 방추는 우리의 기억과 밀접한 관련이 있는 뇌의 영역입니다. 연구에 따르면 우리가 학습과 기억 과정에 참여하면 빠른 스핀들이 더욱 활성화되어 기억력이 향상됩니다.
빠른 스핀들의 기능은 우리의 기억을 강화하고 통합하는 것입니다. 우리가 새로운 정보를 받으면 빠른 스핀들은 뇌의 다른 영역에서 정보를 수집하여 우리가 저장하고 회상할 수 있는 기억 조각으로 변환합니다. 따라서 빠른 스핀들은 학습과 기억 과정에 매우 중요합니다.
그렇다면 빠른 스핀들 기능을 개선하는 방법은 무엇입니까? 우선, 우리는 좋은 생활습관을 유지해야 합니다. 적절한 수면, 건강한 식단, 규칙적인 운동은 모두 빠른 스핀들의 건강과 기능에 중요한 역할을 합니다. 또한 학습과 사고에 집중하면 빠른 방추의 활동을 자극하고 기억력을 향상시킬 수 있습니다.
간단히 말해서, 빠른 스핀들은 우리의 기억과 불가분의 관계에 있습니다. 건강한 삶을 유지하고 학습에 주의를 기울임으로써 우리는 빠른 방추 기능을 향상시키고 기억력을 향상시켜 삶과 학습의 어려움에 더 잘 대처할 수 있습니다. 더 나은 미래를 위해 낙관하고 열심히 노력합시다. 기억력 향상이 필요함을 알 수 있는데, 시스탄체 데저티콜라는 기억력 향상이라는 독특한 효능이 많은 중국 전통 약재이기 때문에 기억력을 크게 향상시킬 수 있습니다. Cistanche Deserticola의 효능은 탄닌산, 다당류, 플라보노이드 배당체 등 포함된 많은 활성 성분에서 비롯됩니다. 이러한 성분은 다양한 방식으로 뇌 건강을 증진할 수 있습니다.
우리는 느린 스핀들과 빠른 스핀들을 별도로 조사하기 위해 밴드로 8-12Hz와 12-15Hz를 선택했으며 결과는 빠른 스핀들 밴드의 연결이 STAMP에 의해 특별히 변조되었음을 시사합니다.
그러나 실험 참가자 전체에 걸쳐 스핀들 밴드 묘사에 가변성이 있을 수 있으며, 이로 인해 이러한 밴드에서 느리고 빠른 스핀들 활동이 겹칠 수 있습니다. 데이터에서 경로 길이는 8~12Hz 및 12~15Hz 대역입니다. 상관관계가 높았으며(r{5}}.88), 이는 이들 주파수 대역 사이에 높은 수준의 중첩이 있음을 시사합니다.
따라서 여기서는 스핀들 활동이 STAMP에 의해 조절되었다고 주장하지만 빠른 스핀들과 느린 스핀들을 구체적으로 구분하려면 추가 분석이 필요합니다. 또한 우리가 구현한 연결성 및 기계 학습 분석을 수용하기 위해 주파수 대역 기반 접근 방식을 사용했습니다. 그러나 스핀들은 시간에 따라 잠깐 발생하는 일시적인 이벤트입니다.
여기서 접근 방식은 스핀들과 관련된 활동을 포착한 반면, 특정 스핀들 이벤트가 식별되는 보다 집중된 이벤트 기반 접근 방식은 메타인지에서 해당 역할을 더 명확하게 설명할 수 있습니다.
회귀분석 결과, 베타 대역의 경로 길이 변화는 활성 상태에서 수면 전부터 수면 후까지의 기억 민감도 변화와 관련이 있는 것으로 나타났다. 보고된 관계는 메타인지 성능 개선과 관련된 경로 길이가 짧을수록(효율성이 높을수록) 합리적인 방향으로 나타났습니다.
그러나 베타 경로 길이는 활성 조건과 가짜 조건 간에 크게 다르지 않았으며, 이는 효과가 더 세밀한 개인 차이를 포착한다는 것을 의미합니다. 여기서 STAMP 자극 후 더 큰 효율성을 향해 네트워크 재구성을 나타내는 개인은 그렇지 않은 개인보다 밤새 메타 메모리 개선이 더 크게 나타납니다.
이에 대해서는 지원 정보에서 자세히 설명합니다. 우리의 지식에 대한 이전 연구에서 행동 변화와 관련된 수면 중 자극 후 기능적 연결의 변화를 조사한 적이 없기 때문에 이 발견은 상당히 새로운 것입니다.
거울 추적 작업과 같은 시력 운동 학습 및 수행을 조사하는 연구에서는 작업 도중 및 작업 이후 베타 밴드 동기화 및 연결성의 변화가 보고되었습니다(Classen et al., 1998; Kilner et al., 2004; Piantoni et al., 2015) 그러나 현재 실험에서 테스트된 일화 기억 성능에 대한 그래프 이론적 연결 관계를 조사한 연구에서는 일반적으로 베타 대역 연결의 변화를 조사하거나 보고하지 않았습니다(Burke et al., 2013).
그러나 베타 경로 길이의 변화는 알츠하이머병의 진행과 관련이 있습니다. 즉, 알츠하이머병 환자는 건강한 대조군보다 더 높은 베타 경로 길이를 나타내며 베타 경로 길이는 최소 정신 상태 검사(MMSE) 점수와 음의 상관 관계가 있습니다(Stam et al .,2006). 또한, 수면의 진동 신경생리학에 대한 연구에서는 더 빠른 리듬 활동(즉, 베타/감마 범위)이 느린 파동의 탈분극 단계 동안 존재하고 유지되며 과분극 단계에서는 거의 없다는 사실이 입증되었습니다(Compte et al., 2008; Steriade , 2006; Steriade et al., 1996).
이러한 증가된 활동은 특히 청반계(Eschenko et al., 2012)의 노르아드레날린성 뉴런과 연결될 수 있으며, 이는 기억 강화의 중요한 구성 요소인 피질 가소성을 촉진할 수 있습니다.
따라서 SWO 동안 베타 밴드 네트워크 구성 및 활동은 일반적으로 특정 STAMP 자극을 통해 목표로 삼고 향상될 수 있는 일화 기억 기능 및 통합 프로세스의 중요한 측면일 수 있습니다. 현재 연구의 한 가지 잠재적 한계는 연결성에 대한 자극의 전반적인 영향을 배제하기 위한 제어 조건.
즉, 인코딩 중에 에피소드와 연결되지 않은 수면 중에 STAMP를 적용하여 태그가 지정된 STAMP에 따른 연결 변경 사항과 태그가 지정되지 않은 STAMP에 따른 변경 사항을 비교할 수 있습니다.
제한된 수의 STAMP와 실험 설계의 복잡성을 고려하여 우리는 모든 STAMP를 사용하여 수면 중에 메모리에 신호를 보내 통계력을 극대화하기로 결정했습니다.
그러나 이 조건은 분류 결과를 이해하는 데 특히 유용했을 것입니다. 현재 선택된 기능은 Active 및 Sham 조건을 묘사할 수 있으며 이는 Sham 조건과 비교하여 Active 조건의 통합 프로세스로 인해 발생할 수 있습니다. 그러나 이는 자극에 따른 일반적인 변화일 수도 있습니다.
대조적으로, 우리는 메타메모리 민감도 변화에 대한 베타 경로 길이 관계가 수면 의존적 통합 프로세스와 관련되어 있다고 확신합니다.
우리의 행동 결과는 STAMP 자극이 다른 조건과 비교하여 태그 및 큐 조건에 대한 이점을 가져왔으며, 이는 메타메모리에 대한 보다 일반적인 자극 유발 이점과 반대되는 특정 이점을 입증한다는 것을 보여줍니다. 이에 따라 베타 경로 길이의 변화는 태그 및 큐 AUC 변화의 변화를 구체적으로 예측했으며 가짜 조건의 민감도를 예측하지 못했습니다.
그래프 이론 측정으로 뇌 연결성을 조사한 이전 연구에서는 특정 측정 또는 관심 있는 특정 주파수 대역을 조사하여 보다 제한된 접근 방식을 취하는 경우가 많았습니다(Sadaghiani et al., 2015; Song et al., 2014).
우리는 다양한 주파수 대역의 대규모 측정값 모음을 검색하여 자극 후 중요한 변화를 식별하고 기본 모델에 대한 교차 검증 및 비교를 사용하여 결과를 검증하는 기계 학습 접근 방식을 활용하기로 결정했습니다. 그러나 이 방법에도 제한이 없는 것은 아닙니다.
선택한 기능은 선택한 알고리즘이나 처리 단계 집합에 따라 달라질 수 있습니다. 또한 성능을 크게 향상시키기 위해 고도로 동일 선상에 있는 기능을 제거했습니다. 그러나 제거된 기능은 잠재적으로 여전히 이론적인 관심을 끌 수 있습니다.
우리는 선택된 기능의 최종 세트가 자극 조건 및/또는 성능 예측 간에 통계적으로 다른지 확인하기 위해 후속 통계 테스트를 수행했습니다. 그럼에도 불구하고 특정 대역에는 STAMP에 의해 크게 변조되거나 동작을 예측하지만 단순히 알고리즘에 의해 선택되지 않은 다른 연결 기능이 있을 수 있습니다.
그러나 우리는 행동에 대한 베타 경로 길이의 관계가 강력하다고 믿습니다. 이는 Boruta 알고리즘에 의해 일관되게 매우 중요한 것으로 간주되고 행동 데이터를 유의미하게 예측했으며, 이 효과는 더 많은 표준 측정값과 주파수 대역만 조사했다면 발견되지 않았을 가능성이 높습니다. 향후 연구에서는 일화 기억과 의사 결정 프로세스에서 특정 역할베타 네트워크 연결이 수행되는 것을 확인할 수 있습니다.
감사의 말
이 작업은 DARPA와 육군 연구실의 지원을 받았습니다. 표현된 견해, 의견 및/또는 조사 결과는 저자의 것이며 국방부나 미국 정부의 공식 견해나 정책을 대표하는 것으로 해석되어서는 안 됩니다.
지원 정보
연결 기능과 메타메모리 민감도 값은 이 문서에 대한 지원 정보에 포함되어 있습니다.
저자 기여
Ryan Hubbard: 개념화; 형식적 분석; 방법론; 글쓰기 – 원본 초안, 글쓰기 – 검토 및 편집. 이만 자데(Iman Zadeh): 개념화; 형식적 분석; 방법론, 자원, 소프트웨어; 글쓰기 – 원본 초안. Aaron Jones: 데이터 큐레이션; 자원. BradleyRobert: 데이터 큐레이션; 자원. 나탈리 브라이언트: 데이터 큐레이션; 자원; 소프트웨어.Vincent Clark: 데이터 큐레이션; 자원. Praveen Pilly: 개념화; 공식 분석, 자금 조달, 조사; 프로젝트 관리 감독; 글쓰기 – 원본 초안, 글쓰기 – 검토 및 편집.
자금 정보
Praveen Pilly, 국방고등연구계획국(https://dx.doi.org/10.13039/100000185), 수상 ID: W911NF-16-C-0018.
이해 상충 진술서
마지막 저자인 Praveen K. Pilly는 표적 기억 재활성화를 위해 경두개 전기 자극을 사용하는 방법에 대한 특허를 보유하고 있습니다(미국 특허 번호 10,307,592). Vincent P. Clark은 NeuroGeneces, LLC의 과학 자문가입니다. 모든 저자는 본 연구가 다른 경쟁적인 재정적 또는 비재정적 이해관계 없이 수행되었음을 선언합니다.
참고자료
1. Anderson, KL, Rajagovindan, R., Ghacibeh, GA, Meador, KJ, & Ding, M. (2009). 세타 진동은 인간 기억의 전두엽 피질과 내측 측두엽 사이의 상호 작용을 중재합니다. 대뇌 피질, 20(7), 1604-1612. https://doi.org/10.1093/cursor/bhp223, PubMed: 19861635
2. Antony, JW, Gobel, EW, O'Hare, JK, Reber, PJ & Paller, KA(2012). 수면 중 단서 기억 재활성화는 기술 학습에 영향을 미칩니다. 자연신경과학, 15, 1114-1116. https://doi.org/10.1038/nn.3152, PubMed: 22751035
3. Ayoub, A., Aumann, D., Hörschelmann, A., Kouchekmanesch, A., Paul, P., Born, J., & Marshall, L. (2013). 전압 의존성 Na+ 및 Ca{4}} 채널 활동을 길항하는 카바마제핀 및 플루나리진을 사용하는 인간의 빠른 및 느린 방추 활동 및 느린 수면 진동에 대한 차등 효과. 수면, 36(6),905-911. https://doi.org/10.5665/sleep.2722, PubMed: 23729934
4. Backus, AR, Schoffelen, JM, Szebényi, S., Hanslmayr, S., &Doeller, CF (2016). 해마-전두엽 세타 진동은 기억 통합을 지원합니다. 현재 생물학, 26(4), 450–457.https://doi.org/10.1016/j.cub.2015.12.048, PubMed: 26832442
5. Baird, B., Smallwood, J., Gorgolewski, KJ, & Margulies, DS(2013). 전두엽 피질의 내측 및 측면 네트워크는 기억과 지각에 대한 메타인지 능력을 지원합니다. Journal of Neuroscience, 33(42), 16657-16665. https://doi.org/10.1523/JNEUROSCI.0786-13.2013, PubMed: 24133268
6. Barahona, M., & Pecora, LM (2002). 소규모 시스템의 동기화. 실제 검토 편지, 89(5), 054101. https://doi.org/10.1103/PhysRevLett.89.054101, PubMed: 12144443
7. Bassett, DS, & Bullmore, ED (2006). 작은 세계의 두뇌 네트워크. 신경과학자, 12(6), 512-523. https://doi.org/10.1177/1073858406293182, PubMed: 17079517
8. Benchenane, K., Peyrache, A., Khamassi, M., Tierney, PL, Gioanni, Y., Battaglia, FP, & Wiener, SI (2010). 일관된 세타 진동과 학습 시 해마-전두엽 네트워크의 스파이크 타이밍 재구성. 뉴런, 66(6), 921-936. https://doi.org/10.1016/j.neuron.2010.05.013, PubMed: 20620877
9. Benjamini, Y., & Hochberg, Y. (1995). 잘못된 발견률 제어: 다중 테스트에 대한 실용적이고 강력한 접근 방식입니다. 왕립통계학회지, 57, 289-300.
10. 베렌스, P. (2009). CircStat: 순환 통계를 위한 MATLAB 도구 상자입니다. 통계 소프트웨어 저널, 31(10), 1–21.
For more information:1950477648nn@gmail.com
