3부: 작업과 휴식에 걸쳐 기억과 보상 센터 간의 기능적 연결성 보상에 대한 기억 민감도 추적
Mar 17, 2022
자세한 정보:ali.ma@wecistanche.com
나머지 및 인코딩 작업에 대한 옴니버스 ANOVA - 나머지 연결을 백그라운드 작업 연결과 비교하기 위해 저역 통과 필터링된 시계열의 연결 측정을 사용하여 작업 및 나머지 사전 처리를 일치시켰습니다. 연결 측정은 위에 보고된 것과 동일한 ANOVA에 제출되었으며 작업 단계 요소에는 세 가지 값(사전 인코딩, 인코딩, 사후 인코딩)이 있습니다. 이 분석을 통해 연결 패턴과 행동과의 관계가 작업과 휴식 전반에 걸쳐 안정적이라는 가설을 직접 테스트할 수 있습니다. ANOVA의 결과는 표 2에 보고되고 모든 연결 값은 그림 4b에 표시됩니다. 관심 효과에서 변조기 상태의 주요 효과를 발견했으며 변조기(M= 0.52, SD{7}}.14)에서 비변조기(M= 0 .32, SD{12}}.21). 우리는 또한 변조기 상태와 보상 구조 사이의 중요한 상호 작용을 발견했습니다. 후속 2-표본 t-검정은 상호작용이 ACC, MPFC, OFC 및 VS(모두 t(22) > 2.1, p< 0.05)="" but="" not="" with="" midbrain="" (t(22)="0.90," p="0.377)." the="" effect="" of="" modulator="" status="" and="" the="" interaction="" between="" modulator="" status="" and="" reward="" structure="" were="" not="" driven="" by="" a="" median="" split="" of="" participants="" and="" were="" replicated="" when="">메모리보상에 대한 민감도는 ANCOVA(BRM의 주효과: F(1,22)=7.13, p= 0.014, η2P= .25; BRM *보상 구조 상호작용:
F(2.80,61.58) = 3.25, p= 0.031). We found no effect of task stage and no interaction between task stage and modulator status in this analysis (both p>0.2),메모리보상 네트워크와 행동과의 관계는 인코딩 전, 인코딩 및 인코딩 후 스캔에서 비교적 안정적으로 유지되었습니다.
ANOVA 결과 요약 - omnibus 및 rest-only ANOVA 모두에 대한 변조기 상태의 영향을 보여주었습니다.메모리- 보상 영역 연결 및 변조기 효과가 모든 연결에 의해 동일하게 구동되지 않음을 나타냈습니다. 보상 영역 세트는 전반적인 효과를 불균형적으로 유도했습니다. 해마/PHC와의 ACC, OFC 및 VS 연결은 조절자와 비조절자 간에 일관되게 달랐지만 중뇌 연결은 일관되게 그렇지 않았습니다. 보상과메모리나머지 전용 ANOVA에서 사전 인코딩에서 사후 인코딩까지 영역에서 두 분석 모두에서 변조기 상태와 작업 단계 사이에는 상호 작용이 없었습니다. 이러한 결과는 행동과 관련된 뇌 연결 패턴에 안정적인 개인차가 있다는 생각과 일치합니다.
연결 간의 기능적 관계
나머지 전용 PCA - 동일한 기능 네트워크의 일부가 될 수 있는 보상 영역을 조사하기 위해 참가자 간의 연결 값의 상호 상관 구조를 조사했습니다. 모든 나머지 기반 연결 값의 쌍별 상관 관계는 그림 5a에 나와 있습니다. 그것들을 주성분으로 분리한 후, 우리는 연결 값의 분산의 최소 10%를 설명하고 추가 분석을 위해 유지되는 4개의 구성 요소를 찾았습니다(그림 5b). Monte Carlo 시뮬레이션(그림 6a)은 모든 구성 요소가 우연히 예상한 것보다 더 많은 분산을 설명하는 것으로 나타났습니다(모든 p< 0.01),="" except="" for="" component="" 3,="" which="" was="" marginal="" (p="0.083)." preferential="" loading="" of="" each="" reward="" region="" on="" different="" components="" was="" tested="" using="" one-way="" anova="" (fig.="">
첫 번째 구성 요소는 28.2%의 연결 점수 변동을 설명하고 ACC, OFC 및 VS 연결에 우선적으로 로드되며 MPFC 및 중뇌(일방향 ANOVA, F(4,15)=3)에 더 적은 범위로 로드됩니다. 91, p= 0.023). 두 번째 구성 요소는 분산의 16.6%를 설명했으며 중뇌 연결에 우선적으로 로드하고 OFC 및 MPFC 연결에 대해서는 부정적으로 로드했습니다(one-way ANOVA, F(4,15)=38.2, p< 0.001).="" the="" third="" component="" explained="" 12.5%="" ofvariance="" and="" loaded="" comparably="" across="" all="" reward="" regions="" (one-way="" anova="" f(4,15)="0.74," p="0.580)." the="" fourth="" component="" explained="" 11.6%="" of="" variance="" and="" was="" loading="" preferentially="" on="" mpfc="" connections="" (one-way="" anova="" f(4,15)="5.26," p="0.008)." multiple="" regression="" then="" tested="" the="" relationship="" between="" the="" component="" scores="" and="" behavioral="" reward="" modulation="" across="" participants.="" the="" first="" component="" score="" significantly="" tracked="" behavioral="" reward="" modulation="" (beta="7.09," se="3.13," p="0.03)" while="" the="" remaining="" components="" did="" not="" (all="" p="">0.18). 이러한 결과는 해마/PHC와 ACC, OFC 및 VS 연결이 공변하고 공동으로 추적됨을 나타냅니다.메모리보상에 대한 민감성. 중뇌 및 MPFC 연결은 다른 보상 관련 영역 및 서로 간에 낮은 정도로 공변했습니다. 또한 중뇌와 MPFC가 가장 강력하게 부하되는 구성 요소는 추적하지 않았습니다.메모리보상에 대한 민감성, 각각 기능적으로 다른 시스템의 일부일 수 있는 가능성을 열어줍니다.
해마/PHC-중뇌를 기반으로 하는 조절제와 비조절제 간의 차별화 결여는 예상치 못한 것이며, 특히 ANOVA와 PCA 모두에서 다른 보상 관련 영역에 대해 연결성의 상당한 효과가 관찰되었다는 점을 감안할 때 그렇습니다. 중뇌 상호 작용에 대한 보상 조절 효과 동안메모리지역은 이전에 문서화되었지만(Gruber et al., 2016; Wolosin et al., 2012), 그 효과는 보상 자체에 대한 민감도를 증가시키지 않을 수 있습니다. 대신, 외부 보상에 관계없이 전반적으로 더 큰 상호 작용은 해마에서 더 많은 도파민 가용성으로 이어질 수 있습니다.메모리전체적으로(Duncan et al., 2014; Lisman et al., 2011; Tompary et al., 2015).
To test this idea, we performed a second multiple regression with component scores as predictors but this time using overall accuracy as an outcome. The second component significantly predicted the overall accuracy across participants (beta = 0.28, SE= 0.11, p= 0.02), while the other three components did not (all p>0.5). 따라서 해마/PHC-중뇌 연결에 우선적으로 로딩되는 두 번째 구성 요소에 의해 캡처된 휴식 상태 연결의 뚜렷한 패턴도 행동과 관련이 있었지만 전반적으로 추적되었습니다.메모리보다는메모리보상에 대한 민감성.
작업 및 휴식 전반에 걸친 옴니버스 PCA - 작업 및 휴식 전반에 걸쳐 상호 상관이 안정적으로 유지될 수 있는 정도를 테스트하기 위해 대상당 30개의 연결 값 전체 세트에 대해 두 번째 PCA가 수행되었습니다(각 사전 인코딩, 인코딩, 인코딩 후 기간). 저역 통과 필터링된 시계열에서 파생된 연결 값을 사용하여 작업과 나머지에서 전처리를 일치시켰습니다. 세 가지 구성 요소가 분산의 10% 이상을 설명했습니다. Monte Carlo 시뮬레이션(그림 6a)은 구성 요소 1과 2만이 우연히 예상한 것보다 더 많은 분산을 설명함을 나타냅니다(둘 모두 p< 0.001).="" component="" 3="" did="" not="" (p="0.8)" and="" thus="" was="" not="" considered="" further.="" the="" loadings="" of="" each="" reward="" region="" on="" the="" two="" retained="" components="" are="" presented="" in="" fig.="">
The first component explained 31.4% of the variance and showed marginal differences between loadings among reward regions (one-way ANOVA F(4,25) = 2.30, p= 0.086), with numerically greatest loadings of ACC and VS. The second component explained 18.0% of the variance and most strongly loaded on midbrain connections (F(4,25) = 4.78, p= 0.005). Multiple regression with component scores as predictors and BRM as an outcome showed that the first component was a significant predictor of Brm (beta = 2.99, SE= 1.00, p= 0.007), while the other was not (p> 0.09). A second multiple regression with the overall accuracy as an outcome did not reveal any significant effects (all p>0.2). 따라서 옴니버스 PCA는 나머지 전용 PCA를 부분적으로 복제했습니다. 종합하면, PCA 결과는 다음을 나타냅니다. (1) ACC, VS 및 잠재적으로 OFC의 연결 패턴이 기능적으로 결합되어 있으며 이러한 영역 추적에 가장 강력하게 로드되는 복합 연결 점수메모리보상에 대한 민감도, (2) 중뇌 및 잠재적으로 MPFC 연결 패턴은 다른 보상 영역 및 서로 간에 낮은 정도로 공변하며, (3) 휴식 상태의 해마/PHC-중뇌 연결이 전체 메모리 성능을 더 잘 예측할 수 있습니다. 보상에 대한 기억 감도보다.
예측메모리머신 러닝을 사용한 연결 패턴의 보상에 대한 민감도 위에 보고된 ANOVA 및 PCA 결과는메모리및 보상 관련 영역은 개인의메모리sensitivity to reward and that this relationship may be relatively preserved irrespective of task stage. To more directly quantify how well patterns of connectivity may differentiate between modulators and nonmodulators, we applied SVC to predict modulator status from connectivity patterns in each task stage (inputs = 10 connectivity values, outputs = modulator status). Classification accuracy that occurred with a probability of less than 0.017 (0.05/3 to correct for multiple comparisons) was considered significant. Using cross-validation, we found that classification of modulator status from connectivity patterns was reliably above chance in the pre-encoding scan (accuracy = 79.2%, p= 0.010) and the encoding scan (accuracy = 75%, p= 0.006). Classification based on the post-encoding scan was lower and not reliably different from chance (accuracy = 58.3%, p= 0.157; Fig. 7a). Although the classification accuracy based on post-encoding connectivity did not reach significance, we did not find evidence that the probability of misclassification would be reliably greater at post-encoding compared to pre- encoding or encoding task stages (both χ2 < 2.1, p> 1.5).
성공적인 분류가 보상 변조를 이분법적인 변수로 취급하는 것에 의존하지 않는다는 것을 확인하기 위해 ε-SVR을 수행하여 행동 보상 변조를 연속 측정으로 예측했습니다. SVC 결과와 일치하여 교차 검증된 SVR은메모리보상 영역은 인코딩 스캔(r{0}}.51, p{2}}.010) 동안 BRM을 안정적으로 예측하고 사전 인코딩 나머지 스캔(r= 0.46, p= 0.024). 인코딩 후 연결의 SVR은 유의미한 수준에 도달하지 않았습니다(r{10}}.35, p{12}}.098, 그림 7b).
보완 연결 분석
연결성 변화와 행동 사이의 상관관계 - 비록 우리는 작업 단계와 보상 변조 사이의 상호 작용을 찾지 못했지만메모리휴식 전용 ANOVA에서 연결성과 행동 사이의 변화하는 관계는 행동과 연결성의 작업 유발 증가의 상관 관계로 더 잘 특성화될 수 있습니다(Gruber et al., 2016; Murty et al., 2017; Tambini et al., 2010). 연결성 증가가 행동에 미치는 영향을 테스트하기 위해 사전-사후 연결성 증가와 BRM 및 전체 정확도 간의 탐색적 상관 관계를 실행했습니다(표 3). 어느 것도메모리- reward ROI connections predicted BRM (all p> 0.15, uncorrected for multiple comparisons) nor overall cued recall rates (all uncorrected p>0.05). PHC-중뇌 연결성과 전체 정확도(r=0.40, p{5}}.052) 사이에는 약간의 상관관계가 있었으며, 이는 중뇌 연결 변경 추적 동작에 대한 이전 보고서의 부분 복제를 제공합니다(Duncan et al. ., 2014; Gruber et al., 2016).
해마 내 전방 및 후방 차이 - 전방 및 후방 해마 간의 기능적 차이는 3(작업 단계) × 2(해마 ROI: 전방, 후방) × 5(보상 ROI) 반복 측정 ANOVA에서 변조기 상태를 사이에서 테스트했습니다. 과목 요인. ANOVA에 대한 결과는 표 4에 보고되고 모든 연결은 그림 8에 표시됩니다. 우리는 변조기 상태의 주요 효과를 찾았으며, 이는 보상 영역과의 해마 연결이 추적됨을 나타냅니다.메모리보상에 대한 민감성. 우리는 또한 보상 ROI와 해마 분할 사이의 중요한 상호 작용을 발견했는데, 이는 전방 및 후방 해마가 우선적으로 별개의 보상 영역에 연결되어 있음을 나타냅니다. 주요 관심사는 해마의 앞쪽 부분과 뒤쪽 부분이 기억의 보상 조절을 차등적으로 예측한다는 것을 나타내는 해마 분열과 조절자 상태 사이의 상호 작용이었습니다. 그러나 조절인자 상태와 해마 ROI를 요인으로 포함하는 모든 상호작용은 유의하지 않았습니다(모든 F< 1.5,="" p="">0.3), 그러한 분리에 대한 증거를 제공하지 않습니다.
As the last analysis, we tested whether connectivity increases from pre-to post-encoding rest may be differentially related to behavior for the anterior and posterior hippocampus. Thus, we correlated BRM with post-pre connectivity changes in each connection, separately for the anterior and posterior hippocampus. No significant correlations were found (all |r| < 0.32, all p> 0.05).
논의
현재 연구는 기능적 연결성을 측정했습니다.메모리및 금전적 인센티브 인코딩 작업 전, 도중 및 후에 영역을 보상합니다. 표준 및 기계 학습 접근 방식을 모두 사용하여 보상 관련 영역과 해마와 PHC의 연결이 보상에 대한 기억 민감도의 개인차를 추적한다는 것을 관찰했습니다. 이 효과는 보상 영역의 하위 집합에 의해 차등적으로 구동되었습니다. ACC, OFC 및 VS 연결 패턴은 참가자 간에 함께 변화하며 기억 보상 변조의 개인차를 일관되게 예측했습니다. 해마 및 PHC와의 중뇌 연결은 보상에 대한 기억 감도와 관련이 없었으며 기억 영역과의 MPFC 연결은 분석에 따라 다양했습니다. 메모리의 연결성과 보상 변조 사이의 관계는 인코딩 이전과 인코딩 중에 존재했으며 인코딩 후 휴식 동안 약하지만 안정적으로 다른 효과를 나타내지는 않았습니다. 메모리와 보상 영역 간의 전반적인 연결은 인코딩 전 휴식에서 사후 인코딩으로 증가했지만 연결 변경은 행동과 크게 관련이 없었습니다. 이러한 결과는 기억의 보상 변조에서 개인차를 추적하는 기억과 보상 관련 영역 간의 본질적인 의사 소통에서 안정적인 개인차를 보여줍니다.
또한 결과는 보상 관련 영역의 더 넓은 집합을 의미합니다.메모리이전에 고려한 것보다 보상에 의한 변조.
이론적인 관점은 중뇌의 역할을 강조했으며 어느 정도 VS의 역할을 강조했습니다.메모리보상에 의한 변조(Lisman & Grace, 2005). 현재 연구의 중심 발견은 보상 영역 VS, ACC 및 OFC와 해마 및 PHC의 연결이 개인의 기억이 보상에 의해 영향을 받는 정도와 관련이 있다는 것입니다. 기억의 보상 변조에서 VS의 역할은 VS가 해마에서 중뇌로 도파민 신호를 통합하고 전달한다고 가정하는 현재 모델에 의해 예측됩니다(Lisman & Grace, 2005). 보상 동기 인코딩에 대한 이전 연구에서는 해마 및 PHC와 공변하는 VS의 단변량 활성화가 기억에 대한 보상의 영향을 추가로 추적하는 것을 발견했습니다(Adcock et al., 2006). 그러나 우리의 연구는 OFC 및 ACC와 공동으로 VS 사이의 연결성을 처음으로 보여주었고 해마와 PHC의 기억 센터는 연결성이 측정된 시기에 관계없이 기억 보상 변조의 개인차를 예측했습니다. 흥미롭게도, 배경 VS-해마 연결성은 절차적 학습이 보상될 때 절차적 학습에서도 관찰됩니다(Hamann, Dayan, Hummel, & Cohen, 2014). 따라서 전통적인 다중 기억 시스템 관점에서는 서술적 기억을 지원하는 해마와 절차적 기억을 지원하는 선조체 사이의 분업을 가정하지만(Squire, 1992), 일화적 기억과 일화적 기억 모두를 지원하는 이러한 시스템 사이에는 강력한 상호 작용이 있을 수 있습니다. 절차적 학습(Doll, Shohamy, & Daw, 2015; Hamann et al., 2014; Kafkas & Montaldi, 2015; Wimmer, Daw, & Shohamy, 2012).
우리의 연구는 또한 VS와 유사한 프로파일을 보인 이전에 보상 동기 부여 학습의 맥락에서 고려되지 않은 두 개의 보상 영역인 OFC 및 ACC와 관련이 있습니다. 보상 조절 분야에서는 참신하지만메모리, 이전 연구는 다양한 학습 맥락에서 복내측/안와전두 영역과 해마 연결성을 보고했습니다(Gluth, Sommer, Rieskamp, & Büchel, 2015; Ranganath, Heller, Cohen, Brozinsky, & Rissman, 2005; Tsukiura & Cabeza, hamova, 2008; Zeit Dominick, & Preston, 2012). 예를 들어, 배경 해마-OFC 연결은 학습된 보상이 관련 경험으로 전달되는 것을 역으로 추적합니다(Gerraty et al., 2014). 감각 사전 조건화 패러다임에서 참가자는 얼굴-얼굴 쌍을 인코딩한 다음 이득, 손실 또는 값 없음을 얼굴 중 하나와 연관시키도록 훈련되었습니다. 해마-OFC 연결성은 전이와 음의 상관관계를 나타냈으며, 이는 연결성이 강한 참가자가 학습된 액면가를 관련 얼굴로 확장하는 경향이 적음을 의미했습니다. 따라서 상호작용의 역할이 비록메모리지역 및 OFC는 특정 작업에 따라 다를 수 있으며, 우리의 연구는 더 큰 해마-OFC 연결성을 가진 참가자가 명시적으로 할당된 값을 기반으로 이벤트를 구별할 가능성이 더 높다는 것을 보여주기 위해 이전 작업과 수렴됩니다.
ACC의 기능적 관련성메모리인간의 경우 현재 덜 이해되고 있습니다. 휴식 중에 ACC는 해마와 PHC 모두와 기능적 연결성을 보여줍니다(Cao et al., 2014; Margulies et al., 2007). 설치류에서 ACC는 학습된 연합을 장기적으로 통합하는 것과 관련이 있습니다.메모리, 해마와 함께 조정된 세포 변화를 보여줍니다(Wang, Tse, & Morris, 2012; Weible, Rowland, Monaghan, Wolfgang, &Kentros, 2012). 여기에서 해마 및 PHC와의 ACC, OFC 및 VS 연결성은 참가자 간에 공변했습니다. 해마, 복부 선조체 및 OFC 사이의 고유하고 조정된 활동이 이전에 보고되었지만(Gerraty et al., 2014; Kahn & Shohamy, 2013), 우리의 데이터는 ACC가 VS 및 OFC와 함께 기능적 네트워크를 구성할 수 있음을 암시합니다.
ACC와 OFC는 일부 작업에서 별개의 기능을 보일 수 있지만(Luk & Wallis, 2013), ACC, OFC 및 VS는 모두 예상 보상 값 및 결과 추적과 같이 보상 처리 중에 유사한 기능을 공유합니다(Amiez et al., 2006; Bialleck et al., 2011; Knutson, Taylor, Kaufman, Peterson, & Glover, 2005; Yan et al., 2016) 선택의 가치 신호(Boorman, Behrens, Woolrich, & Rushworth, 2009; Rogers et al., 2004; Strait, Blanchard, & Hayden, 2014). 함께 이러한 영역은 동기적으로 두드러진 행동을 촉진하거나 동기와 관련이 없는 행동을 억제하는 역할을 할 수 있습니다(Hare, O'Doherty, Camerer, Schultz, & Rangel, 2008; Kaping, Vinck, Hutchison, Everling, & Womelsdorf, 2011; Nieuwenhuis & Takashima, 2011). ; O'Doherty, 2011; Walton, Chau, & Kennerley, 2015). ACC, OFC 및 VS와의 더 큰 배경 해마 및 PHC 상호 작용은 보상 신호의 더 큰 가용성을 반영할 수 있습니다.메모리구조, 그 결과 향상된 변조메모리우리 패러다임의 보상에 의해. 각 지역의 고유한 기여는 동기 부여 학습에서 개별 역할에 대한 추가 조사가 필요하지만 우리 데이터는 기능적 상호 작용에 대한 몇 가지 새로운 통찰력을 제공합니다.
현재 데이터의 예상치 못한 측면은 보상 가치와메모리fMRI 샘플에서 찾을 수 있습니다. 이 발견은 예상치 못한 것이며 수반되는 행동 샘플에서 복제되지 않았지만 신경생물학적으로 그럴듯합니다. 보상에 대한 U자형 반응은 내측 전두엽 및 내측 안와전두피질에서 확인되었습니다(Elliott et al., 2003): 특히 ACC 및 VS와 같은 영역은 보상 예측 오류 또는 예상과 경험 간의 불일치를 나타냅니다. 보상(Abler, Walter, Erk, Kammerer, & Spitzer, 2006; Fiorillo, Tobler, & Schultz, 2003; Montague, Dayan, & Sejnowski, 1996; Silvetti, Seurinck, & Verguts, 2011). 이러한 신호는 손실과 이득의 절대값이 아니라 예상 기준점을 중심으로 유연하게 조정되는 상대값을 반영합니다(Seymour & McClure, 2008; Tobler, Fiorillo, & Schultz, 2005). 현재 작업에서 다임 시험은 참조 조건으로 사용되었을 수 있으며 달러 시험은 보상으로, 페니 시험은 상대적 손실로 인식됩니다. 손실과 이익의 현저성은 성과에 영향을 미칠 수 있으며(Bartra et al., 2013; Shigemune et al., 2014), 보상 조건 전반에 걸쳐 신호 회상 정확도에서 U자형으로 나타납니다. 종합하면, 메모리에 대한 보상 효과는 본질적으로 비선형일 수 있는 인코딩에 대한 보상 예측 오류 신호의 영향을 반영할 수 있습니다.
이전 연구와 달리 우리는 해마-중뇌 연결과 보상 조절 사이의 관계를 찾지 못했습니다.메모리, 해마가 전방과 후방으로 분리된 경우에도(Adcock et al., 2006; Gruber et al., 2016; Murty et al., 2017; Wolosin et al., 2012) 오히려, 우리는 중뇌-해마/PHC 연결에 우선적으로 로드된 PCA의 구성 요소 점수와 전체 정확도 사이의 상관 관계를 발견했습니다. 이 발견은 사전에 예상되지 않았지만, 중뇌와 내측 측두 영역 사이의 상호 작용이 외부 동기 보상에 고유하지 않고 일반적으로 인코딩 및 통합을 지원한다는 제안과 일치합니다(Lisman et al., 2011). 이 관점과 일치하게, 중뇌는 보상을 포함하지 않는 작업을 인코딩할 때 해마와 상호작용하는 것으로 나타났습니다(Duncan et al., 2014; Zeithamova, Manthuruthil, & Preston, 2016), 인코딩하는 동안 두 배경 연결(Duncan et al., 2016) al., 2014) 및 인코딩 후 나머지 연결성(Tompary et al., 2015) 추적 연관 메모리. 우리의 연구 결과는 보상 동기 인코딩 동안 중뇌 연결이 기억의 보상 변조보다 전반적인 연관 기억과 더 관련이 있을 수 있으며 잠재적으로 다른 보상 관련 영역의 기억에서 뚜렷한 기능적 역할을 할 수 있음을 시사합니다.
주목할만한 것은 관찰된 중뇌 효과의 패턴에도 영향을 미칠 수 있는 우리의 패러다임에서 인코딩과 테스트 사이의 상대적으로 짧은 지연입니다. 보상 관련메모리효과는 즉각적인 테스트 중에 문서화되었습니다.메모리(Gruber et al., 2016; Wolosin et al., 2012, 2013) 그러나 밤새 통합 후에 더 강하게 나타납니다(Patil, Murty, Dunsmoor, Phelps, & Davachi, 2017; Tompary et al., 2015; Wittmann et al., 2005 ). 보상의 지연된 영향메모리성과는 보상에 의한 도파민 의존 통합 과정의 향상을 반영하는 것으로 생각됩니다(Lisman et al., 2011). 따라서 해마 및 PHC와의 중뇌 상호 작용이 우리 패러다임의 전체 기억을 예측했지만 24-시간 간격이 경과한 후 회상이 수행된 경우 보상 강화 통합에 대한 추가 중뇌 기여가 관찰되었을 가능성이 있습니다.
우리 패러다임에서 행동과 일관된 관계를 나타내지 않은 보상 영역 중 하나는 MPFC였습니다. MPFC와의 연결은 다음을 예측했습니다.메모리휴식과 작업 전반에 걸친 옴니버스 ANOVA에서 보상에 대한 민감도가 나타났지만 행동과의 관계는 다른 분석에서 복제되지 않았습니다. OFC 및 MPFC와 같은 전전두엽 보상 영역은 공간적으로 근접하고 종종 함께 고려되지만 PCA 결과는 부분적으로 별개의 네트워크에 참여할 수 있음을 나타냅니다. 동기부여 인코딩에서 MPFC의 역할에 대한 보다 확실한 특성화 및메모리, 일반적으로 미래의 연구를 기다리고 있습니다.
이전에 고려된 것보다 동기 부여된 인코딩에서 더 넓은 보상 영역 세트를 연루시키는 것 외에도 우리 연구의 두 번째 주요 기여는 연결 지문 가설에 대한 새로운 증거입니다(Finn et al., 2015; Gratton et al., 2018). 동기부여 인코딩 전, 도중 및 후에 연결 패턴을 측정한 결과, 보상 변조의 개인차가 있음을 발견했습니다.메모리사이의 연결에 의해 예측되었습니다.메모리연결이 측정된 시기에 관계없이 보상 영역. 인코딩 후 연결은 동작과 덜 일관되게 관련되어 있지만 작업 단계 간의 동작 예측 가능성에서 신뢰할 수 있는 차이를 찾지 못했습니다. 이러한 결과는 안정적인 연결 패턴과 인지의 개인차와의 관계에 대한 최근 발견과 일치합니다(Finn et al., 2015; Gratton et al., 2018; Poole et al., 2016; Touroutoglou, Andreano, Barrett, & Dickerson, 2015; Wang et al., 2010), 이를 새롭게 동기부여 인코딩 영역으로 확장했습니다.
연결성에서 안정적이고 개인의 차이에 초점을 맞추면 다음을 포함하여 연결성을 행동에 연결하는 다른 접근 방식을 보완합니다.메모리. 휴식 상태의 기능적 연결성은 작업에 대한 응답으로 단기간에 변경될 수 있으며(Tambini et al., 2010; Urner, Schwarzkopf, Friston, & Rees, 2013), 다음과 관련된 학습 관련 연결성 변경이 있습니다.메모리성능(Gruber et al., 2016; Murty et al., 2017; Tambini et al., 2010; Urner et al., 2013). 작업 수행 중에 지역 간 결합이 훨씬 더 빠르게 변할 수 있습니다.메모리작업 조건은 분 단위로 또는 개별 시험에서 개별 시험으로 변경됩니다(Kafkas & Montaldi, 2015; Rissman, Gazzaley, & D'Esposito, 2004; Zeithamova et al., 2012; Zeithamova et al., 2016). 예를 들어 Kafkas와 Montaldi(2015)는 예상치 못한 자극 대 예상된 자극을 인코딩하는 동안 해마-VS 연결이 더 크다는 것을 보여주었습니다. 따라서 연결성의 안정적 측면과 가변적 측면 모두 인지와 관련된 정보를 제공합니다.
연결(안정 또는 작업 유도)의 어떤 측면이 행동과 더 뚜렷하거나 가장 관련이 있는지는 미해결 질문이지만(Gratton et al., 2018) 작업 및 특정 지역에 따라 다를 수 있습니다. 예를 들어, Gruber et al. (2016) 발견 보상 변조메모리우리는 안정적인 연결 패턴이 행동을 예측한다는 것을 발견했습니다. 작업 차이와 관련하여 Gruber et al. (2016) 연구에서는 인코딩 전반에 걸쳐 여러 번 반복되는 4개의 가능한 장면을 사용하여 우연히 인코딩된 장면-객체 연관을 테스트했습니다. 두 장면은 항상 낮은 가치와 두 개의 높은 가치였습니다. 따라서 네 개의 장면 중 어느 것이 이전에 주어진 객체와 연관되었는지 묻는 강제 선택 테스트의 성능(다섯 번째 옵션으로 "확실하지 않거나 새롭음" 포함)은 객체의 값을 기억하는 데 부분적으로 의존할 수 있으며, 이는 해당 객체 장면에서 그럴듯합니다.메모리비교적 우연에 가까웠다. 대조적으로, 본 연구는 평가판 고유 개체 쌍의 의도적인 인코딩이 필요했으며 평가판 값은 메모와 관련이 없습니다. 지역적 차이와 관련하여 Gruber et al. (2016)은 행동을 추적하는 중뇌 연결성 변화를 발견했으며, 이는 데이터에 부분적으로 복제되었습니다. 이에 반해 다른 보상 관련 지역에서는 안정적인 연결 패턴을 발견했습니다.메모리행동과 관련된 영역. 현재로서는 추측에 불과하지만, 이러한 공통점과 발견의 차이점은 연결성의 안정적인 측면과 동적 측면이 인지의 다양한 측면과 관련될 수 있는 정도를 결정하는 요인에 관한 새로운 조사 길을 열어줍니다.
주요 관심 질문을 보완하기 위해 우리는 전방 및 후방 해마 사이의 잠재적인 기능적 차이에 대한 탐색적 분석을 추가로 수행했습니다. 전방/후방 차이는 이전에 다양한 기억 패러다임에서 문서화되었지만(Bowman & Zeithamova, 2018; Brunec et al., 2018; McKenzie et al., 2014; Poppenk et al., 2013), 동기 인코딩 영역 내의 증거 희박하고 다양합니다. 예를 들어, Murty et al. (2017)은 전방 해마 연결성과 행동 사이의 더 강력한 연관성을 보고한 반면 Wolosin et al. (2013)은 후방 해마에서 보상 조절 효과를 발견했습니다. 우리는 별개의 보상 영역과의 연결성과 관련하여 전후방 차이를 발견했지만,메모리보상에 대한 민감도는 해마의 앞쪽과 뒤쪽에서 비슷했습니다. 이러한 연구는 기억의 보상 조절이 전방/후방 축을 따라 강하게 해리되지 않을 수 있음을 나타냅니다.
요약하면, 현재 연구는 동기 부여 영향에 대한 이해를 크게 확장합니다.메모리, 개인의 연결성 예측에서 안정적인 개인차의 역할을 새롭게 보여줍니다.메모리보상의 영향을 받습니다. 결과는 또한 이전에 고려되지 않은 동기 부여된 인코딩에서 여러 보상 관련 영역의 역할을 보여주며 뇌-행동 관계를 이해하는 데 이론적 및 경험적으로 주도된 접근 방식의 중요성을 강조합니다. 보다 광범위하게, 이 작업은 보상 처리 네트워크 내의 기능적 차별화에 대한 현재 이론을 알리고 인지 연구에서 개인의 연결 패턴을 활용하는 것의 결실에 대한 새로운 증거를 제공합니다(Finn et al., 2015; Gratton et al., 2018).
감사의 말
이 작품은 National Science Foundation CAREER Award BCS 1056019(ARP), NIH-NIMH R01 MH100121(ARP) 및 NIH-NIMH National Research Service Award F32 MH094085(DZ)의 지원을 받았습니다. 저자는 경쟁 재정적 이해 관계가 없다고 선언합니다.
