การเปลี่ยนแปลงการเชื่อมต่อของสมองระหว่างการนอนหลับโดยการกระตุ้นระบบประสาทด้วย Transcranial แบบวงปิดทำนายความไวของ Metamemory ตอนที่ 3

ผลลัพธ์

ผลกระทบทางพฤติกรรม

ตามที่รายงานโดย Pilly และคณะ (2020) การกระตุ้น STAMP ไม่ได้นำไปสู่การปรับปรุงความแม่นยำในการเรียกคืนหน่วยความจำโดยรวมอย่างมีนัยสำคัญ อย่างไรก็ตาม การกระตุ้น STAMP นำไปสู่ความไวของเมตาเมโมรีที่ดีขึ้นในวันที่ 3 ของการทดลอง (หลังจากคืนที่ 2)

ความไวของเมตาเมโมรีหมายถึงการรับรู้และความเข้าใจของบุคคลเกี่ยวกับความสามารถด้านความจำที่เขามี ในขณะที่ความสามารถด้านความจำหมายถึงความสามารถด้านความจำของบุคคลซึ่งแสดงให้เห็นในทางปฏิบัติโดยเฉพาะ มีความสัมพันธ์ใกล้ชิดระหว่างคนทั้งสอง

ประการแรก ความไวของเมตาเมโมรีส่งผลโดยตรงต่อประสิทธิภาพของหน่วยความจำ ถ้าคนๆ หนึ่งเชื่อว่าเขาหรือเธอมั่นใจเกี่ยวกับความทรงจำบางประเภท เขาหรือเธอก็จะมีแนวโน้มที่จะทำงานหนักขึ้นในการจดจำและทำงานได้ดีขึ้นในความทรงจำประเภทนั้น ในทางตรงกันข้าม หากบุคคลหนึ่งขาดความมั่นใจในความสามารถด้านความจำของตน ก็อาจทำให้บุคคลนั้นทำงานด้านความจำได้ไม่ดีนัก และส่งผลให้ความสามารถด้านความจำของตนลดลง

ประการที่สอง ความไวของเมตาเมโมรีเชิงบวกจะช่วยปรับปรุงความจำ หากบุคคลเชื่อว่ายังมีพื้นที่สำหรับการปรับปรุงความสามารถด้านความจำ พวกเขาจะกระตือรือร้นมากขึ้นในการฝึกความสามารถด้านความจำ ซึ่งจะช่วยปรับปรุงความแม่นยำและความคงอยู่ของความทรงจำ ผู้ที่เชื่อว่าความสามารถด้านความจำของตนถึงจุดสูงสุดแล้ว มักจะไม่สามารถยอมรับความท้าทายด้านความจำใหม่ๆ ได้ จึงพลาดโอกาสในการปรับปรุงความสามารถด้านความจำของตนเอง

ดังนั้นเราจึงจำเป็นต้องปลูกฝังความไวของหน่วยความจำเมตาของเราอย่างจริงจัง ทำลายข้อจำกัดและการตั้งค่าความสามารถด้านหน่วยความจำของเรา และเชื่อว่าเราสามารถปรับปรุงงานด้านหน่วยความจำต่อไปได้ ขณะเดียวกันเราก็ต้องอาศัยการฝึกฝนและการฝึกฝนที่สะสมมาเพื่อปรับปรุงความสามารถในการจดจำของเราให้สามารถนำไปใช้ในการฝึกเฉพาะอย่างมีประสิทธิภาพมากขึ้น ด้วยวิธีนี้เท่านั้นที่เราสามารถเพิ่มศักยภาพหน่วยความจำของเราและบรรลุผลลัพธ์ที่ดีกว่าได้ จะเห็นได้ว่าเราต้องปรับปรุงความจำ และ Cistanche Deserticola สามารถปรับปรุงความจำได้อย่างมาก เนื่องจาก Cistanche Deserticola ยังสามารถควบคุมความสมดุลของสารสื่อประสาท เช่น การเพิ่มระดับของอะเซทิลโคลีนและปัจจัยการเจริญเติบโต สารเหล่านี้มีความสำคัญมากต่อความจำและการเรียนรู้ นอกจากนี้ Cistanche Deserticola ยังช่วยเพิ่มการไหลเวียนของเลือดและส่งเสริมการส่งออกซิเจน ซึ่งช่วยให้สมองได้รับสารอาหารและพลังงานที่เพียงพอ ซึ่งจะช่วยปรับปรุงความมีชีวิตชีวาและความอดทนของสมอง

คลิกรู้อาหารเสริมเพื่อเพิ่มความจำ

โดยเฉพาะอย่างยิ่ง การทดสอบแบบขึ้นต่อกันเมื่อเปรียบเทียบความไวของเมทาเมมโมรีในสภาวะต่างๆ เปิดเผยว่าความไวในเงื่อนไขของแท็กและคิวนั้นมากกว่าเงื่อนไขของแท็กและไม่มีคิวอย่างมีนัยสำคัญ [t(23)=3.51, ปรับ p < 0 อย่างมีนัยสำคัญ .01, การแก้ไข Holm–Bonferroni สำหรับการเปรียบเทียบสองครั้ง; ตัวอย่างคู่ Cohen'sd=0.72] และเงื่อนไข Sham [t (23)=2.089, ปรับ p=0.048, การแก้ไข Holm – Bonferroni สำหรับการเปรียบเทียบสองครั้ง; จับคู่ตัวอย่างโคเฮน d=0.43]

การปรับปรุงที่สำคัญในความไวของเมตาเมโมรีพบเฉพาะในวันที่ 3 ของการทดลองเท่านั้น ดังนั้น การใช้ STAMP ในช่วง SWO ในสองคืนหลังจากการรับชมแบบ one-shot นำไปสู่การเพิ่มประสิทธิภาพเฉพาะของ metamemory สำหรับตอนที่ทั้งถูกแท็กและคิว

การเปลี่ยนแปลงการเชื่อมโยงกันทั่วโลก

ในช่วงแรก เราตรวจสอบการเปลี่ยนแปลงโดยรวมของความเชื่อมโยงกันทั่วหนังศีรษะเนื่องจากการกระตุ้น STAMP เพื่อตรวจสอบว่าการกระตุ้นนำไปสู่การเปลี่ยนแปลงที่วัดได้ในการเชื่อมต่อหรือไม่

นอกจากนี้ เรายังพยายามจำลองงานก่อนหน้านี้และประเมินว่าการกระตุ้นจะทำให้เกิดการเปลี่ยนแปลงการเชื่อมโยงกันที่คล้ายคลึงกันกับการเรียนรู้ระหว่างการนอนหลับหรือไม่ (Mölle et al., 2004) งานก่อนหน้านี้ (Mölle et al., 2004) รายงานการปรับการเชื่อมโยงกันของเดลต้า สปินเดิล และแกมมาแบนด์ระหว่างการนอนหลับหลังการเรียนรู้ ในทางตรงกันข้าม งานอื่นๆ (Polanía et al., 2011) แสดงให้เห็นถึงการเชื่อมต่อที่เพิ่มขึ้นในทุกย่านความถี่หลังจากการกระตุ้น tDCS

ดังนั้นเราจึงตั้งสมมติฐานว่าการกระตุ้น STAMP จะเพิ่มการเชื่อมโยงกันเฉลี่ยเมื่อเปรียบเทียบกับเงื่อนไข Sham ในแถบเดลต้า สปินเดิล และแกมมา แต่จะตรวจสอบความแตกต่างในแถบอื่นด้วยการทดสอบทางสถิติแบบอนุรักษ์นิยม

ค่า iCoh เฉลี่ยในย่านความถี่ทั้งหมดถูกคำนวณสำหรับข้อมูลพื้นฐานที่แก้ไขโดย Active และ Sham เพื่อตรวจสอบการเปลี่ยนแปลงการเชื่อมต่อทั่วโลก ดังนั้นการทดสอบทีแบบด้านเดียวจึงดำเนินการกับค่าการเชื่อมโยงกันเฉลี่ยในแต่ละย่านความถี่ และได้รับการแก้ไขสำหรับการใช้อัตราการค้นพบที่ผิดพลาดของ p< 0.05 (Benjamini & Hochberg, 1995). 

แผนที่การเชื่อมโยงกันที่แสดงการเชื่อมต่อที่มากขึ้นในสภาวะแอคทีฟทั่วหนังศีรษะถูกมองเห็นโดยการตั้งค่าเกณฑ์การมองเห็นให้ถึงจุดสูงสุดของเงื่อนไขเสแสร้งสำหรับแต่ละย่านความถี่ โดยลบเงื่อนไขเสแสร้งออกเป็นหลัก การเปลี่ยนแปลงค่าเฉลี่ยความสอดคล้องที่เกิดจากการกระตุ้นในย่านความถี่ที่แตกต่างกันจะถูกลงจุดในรูปที่ 3

แผนผังภูมิประเทศแสดงการเชื่อมโยงกันระหว่างคู่ของอิเล็กโทรดในสภาวะแอคทีฟ ซึ่งกำหนดโดยการเชื่อมโยงกันในเงื่อนไขเสแสม ในขณะที่บ็อกซ์พล็อตที่แสดงบนค่าความเชื่อมโยงเฉลี่ยตามเกณฑ์ที่กำหนดทั่วหนังศีรษะทั้งหมด การวิเคราะห์การเปลี่ยนแปลงโดยรวมของการเชื่อมโยงกันทั่วทั้งหนังศีรษะพบว่า STAMPs ทำให้เกิดการเพิ่มขึ้นอย่างมีนัยสำคัญในการเชื่อมโยงกันของคลื่นความถี่หลายย่าน

การเชื่อมโยง EEG เพิ่มขึ้นอย่างมีนัยสำคัญตาม STAMP ในแถบทีต้า อัลฟา และสปินเดิล ( p < 0.05) เมื่อเปรียบเทียบกับเงื่อนไขเสแสม ค่าเฉลี่ยการเชื่อมโยงกันในแถบเดลต้า เบต้า และแกมมาไม่มีความแตกต่างอย่างมีนัยสำคัญระหว่างเงื่อนไขการกระตุ้น . ดังนั้นการเปลี่ยนแปลงที่เกิดจากการกระตุ้น STAMP ในการเชื่อมต่อของสมองในย่านความถี่เฉพาะ

การจำแนกประเภทและการทำนายพฤติกรรม

ผลลัพธ์จากการวิเคราะห์การจำแนกประเภทจะถูกลงจุดในรูปที่ 4 และแสดงไว้ในตารางที่ 1 ค่าความสำคัญโดยเฉลี่ยระหว่างพับสำหรับคุณสมบัติที่เลือก Boruta จะถูกลงจุดทางด้านซ้าย โดยที่คุณสมบัติถือว่าสำคัญอย่างต่อเนื่องโดยเน้นด้วยสีเขียว (สูงกว่าค่าเฉลี่ย shadowmax อย่างมีนัยสำคัญ) เมื่อพับขวาง รัศมีในย่านสปินเดิล (12–15 Hz) จะถูกเลือกให้เป็นคุณลักษณะที่สำคัญที่สุดอย่างสม่ำเสมอ

คุณสมบัติที่สำคัญอื่น ๆ ได้แก่ ความยาวเส้นทาง (12–15 Hz) และการเชื่อมโยงกันและความหนาแน่นเฉลี่ย (3–8 Hz) เส้นโค้ง ROC ของประสิทธิภาพของลักษณนามจะถูกลงจุดทางด้านขวา ตามที่ระบุไว้ในเมสันและเกรแฮม (2002) การทดสอบ Mann–Whitney U ได้ดำเนินการกับตัวแยกประเภทแต่ละตัวเพื่อตรวจสอบว่าประสิทธิภาพของตัวแยกประเภทมีนัยสำคัญทางสถิติเหนือโอกาสหรือไม่ (AUC=0.5) การทดสอบทั้งหมดรายงานค่า p ที่มีนัยสำคัญ (p <0.001)

เรายังคำนวณช่วงความเชื่อมั่น 95% เพิ่มเติมโดยใช้วิธีการสุ่มตัวอย่างบูตสแตรปแบบแบ่งชั้นด้วยการจำลองแบบบูตสแตรป 10,000 ครั้ง ซึ่งแสดงให้เห็นประสิทธิภาพการจำแนกประเภทที่มีโอกาสสูงกว่าเพิ่มเติม (Carpenter & Bithell, 2000)

ดังนั้นความแม่นยำในการจำแนกประเภทจึงอยู่เหนือโอกาส และการนำตัวแปรสูงสุดจากการวิเคราะห์การจำแนกประเภทและการถดถอย (ความยาวเส้นทางใน 16–30 Hz และรัศมีใน 12–15 Hz) นำไปสู่ประสิทธิภาพการจำแนกประเภทที่ดีที่สุด

ในการวิเคราะห์ติดตามผล คุณลักษณะทั้งสี่ที่เลือกโดยอัลกอริธึม Boruta สำหรับการจำแนกประเภทถูกส่งไปยังการทดสอบ t-test ซึ่งเป็นการทดสอบความแตกต่างในการเชื่อมต่อระหว่างเงื่อนไข Active และ Sham ค่า p ผลลัพธ์ที่ได้ได้รับการแก้ไขด้วยอัตราการค้นพบที่ผิดพลาดซึ่งกำหนดไว้ที่ {{ 2}}.05.

ค่า p ที่ถูกแก้ไขสำหรับความยาวและรัศมีเส้นทาง 12–15 Hz และค่าเฉลี่ยการเชื่อมโยงกัน 3–8 Hz มีนัยสำคัญ ( p=0.029) ความหนาแน่น 3–8 Hz ก็มีความสำคัญเช่นกันที่ระดับนัยสำคัญอัลฟ่า ( p=0.05) ดังนั้นคุณสมบัติการเชื่อมต่อที่มีการเปลี่ยนแปลงอย่างมีนัยสำคัญหลังจากการกระตุ้นแบบแอคทีฟเมื่อเปรียบเทียบกับการกระตุ้นแบบ Sham จึงถูกพบโดยไปป์ไลน์การเลือกคุณสมบัติ คุณลักษณะความยาวเส้นทางและรัศมีตั้งแต่ก่อนถึงหลังการกระตุ้นลดลงอย่างมีนัยสำคัญในสภาวะที่ใช้งานเมื่อเปรียบเทียบกับ Sham ในขณะที่คุณลักษณะการเชื่อมโยงกันและความหนาแน่นเพิ่มขึ้นอย่างมีนัยสำคัญเมื่อเทียบกับ Sham

Boxplots แสดงคุณลักษณะเหล่านี้สำหรับทั้งสองเงื่อนไขแสดงไว้ในข้อมูลสนับสนุน รูปที่ S3 ผลลัพธ์จากการวิเคราะห์การทำนายพฤติกรรมถูกลงจุดในรูปที่ 5 และแสดงไว้ในตารางที่ 2

ในที่นี้ การเปลี่ยนแปลงในมาตรการทางระบบประสาทหลังการกระตุ้นถูกใช้เป็นคุณสมบัติในการทำนายการเปลี่ยนแปลงความไวของเมตาเมมโมรีของการทดสอบการเรียกคืน (AUC) สำหรับทั้งเงื่อนไขของแท็ก & คิวและแชมตั้งแต่วันที่ 2 ถึงวันที่ 3 เพื่อระบุความสัมพันธ์ระหว่างพฤติกรรมและสมอง

ค่าความสำคัญจาก Boruta สำหรับคุณสมบัติทางทฤษฎีกราฟจะถูกพล็อตทางด้านซ้าย - ความยาวเส้นทางในย่านเบต้า (16–30 Hz) ถือว่ามีความสำคัญอย่างมากสำหรับการทำนายการเปลี่ยนแปลงในความไวของ metamemory และคุณสมบัติเดียวที่เลือก ความสัมพันธ์ระหว่างการเปลี่ยนแปลงที่เกิดจากการกระตุ้นในความยาวเส้นทาง 16–30 Hz และการเปลี่ยนแปลงในชั่วข้ามคืนในประสิทธิภาพ AUC สำหรับทั้งข้อมูลที่ใช้งาน (Tag & Cue) และเงื่อนไข Sham ถูกพล็อตทางด้านขวา

ความสัมพันธ์ระหว่างการเปลี่ยนแปลงความยาวเส้นทางเบต้าแบนด์และการเปลี่ยนแปลงใน AUC มีความสำคัญสำหรับสภาพที่ใช้งาน (r=−0.66, p=0.003) บ่งชี้ว่าบุคคลที่มีความยาวเส้นทางลดลงตาม STAMP มีแนวโน้มที่จะแสดงการเปลี่ยนแปลงเชิงบวกในประสิทธิภาพของหน่วยความจำ ความสัมพันธ์นี้ไม่มีนัยสำคัญสำหรับเงื่อนไข Sham (r=−0.22, p=0.39)

จากผลของการวิเคราะห์เหล่านี้ มีการเรียกใช้การถดถอยเชิงเส้นติดตามผลเพื่อทำนายการเปลี่ยนแปลงข้ามคืนในความไวของอภิปัญญาโดยใช้ความยาวเส้นทางในย่านความถี่ 16–30 Hz สำหรับทั้งข้อมูลที่ใช้งานอยู่และข้อมูล Sham

สำหรับข้อมูลที่ใช้งาน ความยาวเส้นทาง 16–30 Hz คาดการณ์การเปลี่ยนแปลง AUC อย่างมีนัยสำคัญ (t=−3.56, p=0.003, adj. R{{7} }.41) สำหรับข้อมูล Sham ความยาวเส้นทาง 16–30 Hz ไม่ใช่ตัวทำนายที่มีนัยสำคัญ (t=−0.88, p=0.39, adj. R 2=−0.01) มีการวิเคราะห์เพิ่มเติมเพื่อเปรียบเทียบเงื่อนไข Active และ Sham และมีรายละเอียดเพิ่มเติมในข้อมูลสนับสนุน

การอภิปราย

ในการทดลองนี้ ผู้เข้าร่วมมีส่วนร่วมในงานการจำเหตุการณ์ในขณะที่ได้รับรูปแบบ Spatiotemporal ที่เป็นเอกลักษณ์ของการกระตุ้นด้วยไฟฟ้าผ่านกะโหลกศีรษะ และชุดย่อยของรูปแบบได้ถูกนำมาใช้ใหม่ในช่วง SWO ที่สูงขึ้นในคืนต่อมาเพื่อคิวการเปิดใช้งานความทรงจำเฉพาะที่เกี่ยวข้องอีกครั้ง (ดู Pilly และคณะ 2563)

ที่นี่ เรารายงานการเปลี่ยนแปลงในการเชื่อมต่อของสมองเชิงการทำงานที่เกิดจากรูปแบบ tES เหล่านี้ระหว่างการนอนหลับ ซึ่งเป็นการทำนายการเปลี่ยนแปลงความไวของหน่วยความจำในสมองตั้งแต่ก่อนถึงหลังการนอนหลับ

การใช้เทคนิคการเรียนรู้ของเครื่องเพื่อระบุคุณลักษณะที่สำคัญในการจำแนกประเภทระหว่างการกระตุ้นแบบ Active และ Sham เราพบว่าคุณลักษณะการเชื่อมต่อในแถบทีต้าและแถบแกนหมุนแตกต่างกันอย่างมีนัยสำคัญระหว่างสองเงื่อนไข

นอกจากนี้ เราพบว่าการเปลี่ยนแปลงความยาวเส้นทางในแถบเบต้าทำนายการเปลี่ยนแปลงความไวของความจำ โดยประสิทธิภาพที่เพิ่มขึ้นตลอดทั้งคืนสัมพันธ์กับความยาวเส้นทางเบต้าที่ลดลงหลังการกระตุ้น

เมื่อนำมารวมกัน ผลลัพธ์เหล่านี้มีส่วนช่วยให้มีงานวิจัยเพิ่มมากขึ้นเรื่อยๆ ที่ตรวจสอบกระบวนการทางประสาทที่เกี่ยวข้องกับการเปิดใช้งานหน่วยความจำใหม่และการรวมเข้าด้วยกันระหว่างการนอนหลับ และแนะนำว่าการปรับความยาวเส้นทางที่ความถี่เฉพาะในระหว่างกระบวนการรวมเข้าด้วยกันอาจนำไปสู่ความมั่นใจที่สูงขึ้นและการตัดสินใจที่ดีขึ้นสำหรับความทรงจำที่รวมเข้าด้วยกันใหม่

การปะทุสั้นๆ ของ tES หรือ STAMP ที่ใช้ในการทดลองปัจจุบันเพิ่มความสอดคล้องกันของหนังศีรษะโดยรวมในย่านความถี่ต่ำกว่า กล่าวคือ ในแถบทีต้า อัลฟา และสปินเดิล หรือโดยพื้นฐานแล้วจาก 3–15 เฮิร์ตซ์ สิ่งที่น่าสนใจคือการเปลี่ยนแปลงในการเชื่อมต่อของสปินเดิลแบนด์ระหว่างการนอนหลับก็พบเช่นกันหลังจากการเรียนรู้ อย่างไรก็ตามไม่พบการเปลี่ยนแปลงในการเชื่อมต่อในแถบเดลต้าหรือแกมม่าหลังจากการกระตุ้น STAMP ซึ่งค่อนข้างขัดแย้งกับงานทดลองครั้งก่อน (Mölle et al., 2004)

อย่างไรก็ตาม ระเบียบวิธีการกระตุ้นที่ใช้ที่นี่แตกต่างจากการศึกษาก่อนหน้านี้อย่างมาก กล่าวคือ เราใช้กระแสไฟฟ้ากระจายเชิงพื้นที่ในช่วงเวลาสั้น ๆ ซึ่งได้รับการออกแบบมาเป็นหลักเพื่อส่งสัญญาณความทรงจำที่เฉพาะเจาะจงเนื่องจากมีเอกลักษณ์เฉพาะและเชื่อมโยงกับระยะเวลาการเข้ารหัส ไม่ใช่ปรับหรือฝึกการสั่นจำเพาะ ที่สำคัญ กิจกรรมในย่านความถี่ที่รายงาน โดยเฉพาะแถบทีต้าและแกนหมุน เกี่ยวข้องกับกระบวนการรวมหน่วยความจำ (Staresinaet al., 2015)

ดังนั้น STAMP อาจปรับกระบวนการที่กำลังดำเนินอยู่ของการเปิดใช้งานหน่วยความจำใหม่หรือการรวมหน่วยความจำระหว่างการนอนหลับ ซึ่งนำไปสู่การเปลี่ยนแปลงในการเชื่อมต่อในย่านความถี่ที่สังเกตได้ งานล่าสุดได้ตั้งคำถามถึงประสิทธิผลของ tES ในผลกระทบต่อพฤติกรรมอย่างมีนัยสำคัญ (Horvath et al., 2015) เช่นกัน เช่นเดียวกับความสามารถในการปรับรูปแบบการยิงของระบบประสาทหรือการสั่น (Lafon et al., 2017; Vöröslakos et al., 2018)

อย่างไรก็ตาม การศึกษาอื่น ๆ ได้แสดงให้เห็นถึงการเปลี่ยนแปลงของระบบประสาทที่วัดได้ในมนุษย์และไพรเมตที่ไม่ใช่มนุษย์ตาม tES แม้ในระดับความเข้มต่ำ (Huang et al., 2017; Krause et al., 2017; Opitz et al., 2016) ข้อกังวลเป็นพิเศษคือความสามารถของ tES โดยเฉพาะการกระตุ้นกระแสสลับ เพื่อควบคุมการสั่นของระบบประสาทไปยังความถี่เฉพาะ

ในที่นี้ เราไม่ได้อ้างว่าการเปลี่ยนแปลงทางอิเล็กโตรฟิสิกส์วิทยาที่รายงานนั้นเกิดจากการสั่นของการกระตุ้นในระยะสั้น ๆ หรือว่าเรากระตุ้นให้เกิดการเปลี่ยนแปลงเหล่านี้ เดโนโว แต่เป็นการที่ STAMP ทำหน้าที่เพิ่มกระบวนการรวมหน่วยความจำอย่างต่อเนื่อง ซึ่งเกิดขึ้นผ่านการปรับเครือข่ายอย่างละเอียด -การเชื่อมต่อระดับ เราจะยืนยันว่ารูปแบบการเชื่อมต่อที่สังเกตได้ในระหว่างการนอนหลับเป็นปรากฏการณ์ทางธรรมชาติที่เกิดขึ้นและนำไปสู่การรวมหน่วยความจำ และการกระตุ้น STAMP กระทำตามกระบวนการที่มีอยู่แล้วเหล่านี้เพื่อเพิ่มความไวของ metamemory

การปรับรายงานของการวัดทางทฤษฎีกราฟในแถบทีต้าและแถบแกนหมุนตาม STAMP นั้นสอดคล้องกับการวิจัยก่อนหน้านี้ที่เกี่ยวข้องกับการแกว่งเหล่านี้ในกระบวนการเปิดใช้งานหน่วยความจำใหม่และการรวมเข้าด้วยกัน การเปิดใช้งานหน่วยความจำเป้าหมายใหม่ในระหว่างการนอนหลับด้วยสัญญาณการได้ยินจะกระตุ้นให้เกิดพลังทีต้าและสปินเดิลเพิ่มขึ้น (Ong et al., 2016; Schreiner et al.,2015; Schreiner & Rasch, 2014)

การศึกษาจำนวนมากยังแสดงให้เห็นถึงความสำคัญของกิจกรรมทีต้าแบนด์สำหรับการเข้ารหัสและการดึงข้อมูลหน่วยความจำระหว่างการปลุก (Backus et al., 2016;Lega et al., 2012; Nyhus & Curran, 2010); โดยเฉพาะอย่างยิ่งการสั่นของทีต้าในฮิบโปแคมปัสมีความสำคัญอย่างยิ่งต่อการเข้ารหัสหน่วยความจำตอน (Hasselmo et al., 2002; Lin et al., 2017) ในทำนองเดียวกัน แกนหมุนธาลาโมคอร์ติคัลเกี่ยวข้องกับหน่วยความจำฉาก (Van Der Helm et al., 2011) และมีบทบาทสำคัญในกระบวนการรวมหน่วยความจำ ซึ่งอาจอำนวยความสะดวกในการถ่ายโอนข้อมูลที่เข้ารหัสใหม่ในกลีบขมับด้านในไปสู่การแสดงที่มั่นคงในเปลือกสมอง (Sirota และคณะ 2003; สตาเรซินา และคณะ 2015)

ในระหว่างการนอนหลับ กิจกรรมทีต้าอาจบ่งบอกถึงกระบวนการเปิดใช้งานหน่วยความจำอีกครั้ง ในขณะที่กิจกรรมสปินเดิลอาจสะท้อนถึงการรวมตัวของความทรงจำที่ถูกเปิดใช้งานอีกครั้ง ที่นี่ STAMP อาจส่งสัญญาณการเปิดใช้งานความทรงจำที่เกี่ยวข้องอีกครั้ง ซึ่งนำไปสู่การรวมข้อมูลนี้ที่เพิ่มมากขึ้น การควบรวมกิจการนี้นำไปสู่ความมั่นใจที่ดีขึ้นสำหรับความทรงจำที่อยู่ปลายน้ำ

มาตรการทางทฤษฎีกราฟทีต้าแบนด์ที่ได้รับการปรับอย่างมีนัยสำคัญโดย STAMP คือความเชื่อมโยงและความหนาแน่นเฉลี่ย การเชื่อมโยงกันหมายถึงค่าเฉลี่ยการเชื่อมโยงกันของจุดยอดทั้งหมด ในขณะที่ความหนาแน่นคำนวณเป็นจำนวนการเชื่อมต่อในกราฟ และทำให้เป็นมาตรฐานด้วยจำนวนการเชื่อมต่อทั้งหมดที่เป็นไปได้ (Sporns, 2003)

การเปลี่ยนแปลงในมาตรการเหล่านี้ชี้ให้เห็นว่า STAMP เพิ่มการเชื่อมโยงโดยรวมในแถบทีต้าระหว่างช่องสัญญาณ ซึ่งนำไปสู่จำนวนขอบที่สูงกว่าเกณฑ์การตัดออก และส่งผลให้ความหนาแน่นของการเชื่อมต่อโดยเฉลี่ยสูงขึ้น การเชื่อมโยงกันและความหนาแน่นที่มากขึ้นนี้อาจสะท้อนถึงการเพิ่มขึ้นของการแลกเปลี่ยนข้อมูลในแถบความถี่ข้ามพื้นที่ประสาทตาม STAMP ซึ่งสอดคล้องกับการค้นพบก่อนหน้านี้ที่บ่งชี้ถึงการเพิ่มขึ้นของการเชื่อมโยงของทีต้าระหว่างฮิบโปแคมปัสและเยื่อหุ้มสมองส่วนจมูก (Fell et al., 2003) เช่นเดียวกับเยื่อหุ้มสมองส่วนหน้า (Anderson et al., 2009; Benchenane et al., 2010) ซึ่งมีความสำคัญสำหรับ การเรียนรู้และความจำ และอาจมีความสำคัญต่อการเปิดใช้งานหน่วยความจำอีกครั้ง (Carr et al., 2011)

การวัดทางทฤษฎีกราฟแถบแกนหมุนที่แตกต่างกันอย่างมีนัยสำคัญหลังจากการกระตุ้น STAMP คือความยาวและรัศมีของเส้นทาง การวัดเหล่านี้มีความสัมพันธ์กัน รัศมีหมายถึงความเยื้องศูนย์ขั้นต่ำของกราฟ และความยาวเส้นทางหมายถึงความเยื้องศูนย์โดยเฉลี่ยของกราฟ โดยที่ความเยื้องศูนย์กลางของโหนดถูกกำหนดให้เป็นระยะทางสูงสุดไปยังโหนดอื่น (Sporns, 2003)

ความยาวเส้นทางมักถูกพิจารณาว่าเป็นการวัดการรวมเครือข่ายหรือประสิทธิภาพของการถ่ายโอนข้อมูล โดยความยาวเส้นทางที่เล็กลงสะท้อนถึงประสิทธิภาพที่มากขึ้น (Bullmore & Sporns, 2009; Reijneveld et al., 2007)

ในกรณีนี้ STAMP ส่งผลให้ความยาวเส้นทางและรัศมีของแถบแกนหมุนลดลงโดยเฉลี่ย ซึ่งหมายความว่าค่าความเยื้องศูนย์โดยเฉลี่ยและต่ำสุดลดลง และประสิทธิภาพของการถ่ายโอนข้อมูลก็เพิ่มขึ้น

สิ่งนี้อาจสะท้อนถึงการจัดโครงสร้างใหม่ของเครือข่ายไปสู่เครือข่ายโลกเล็ก (Watts & Strogatz, 1998) ซึ่งเป็นโครงสร้างที่ใกล้เคียงที่สุดระหว่างระบบที่ได้รับคำสั่งอย่างสมบูรณ์แบบและจัดระเบียบแบบสุ่ม ช่วยให้มีความยืดหยุ่นมากขึ้นและการซิงโครไนซ์กิจกรรมของระบบประสาท (Barahona & Pecora, 2002 ; บาสเซ็ตต์และบูลมอร์, 2006; มาสุดะและไอฮาระ, 2004) การเปลี่ยนแปลงใน "โลกใบเล็ก" มักถูกวัดเป็นการเปลี่ยนแปลงในความยาวเส้นทางโดยไม่มีการเปลี่ยนแปลงร่วมกันในการจัดกลุ่มเฉพาะที่ หรือค่าสัมประสิทธิ์ของคลัสเตอร์

ดังนั้นการเปลี่ยนแปลงความยาวเส้นทางที่สังเกตได้อาจแนะนำให้มีการประสานกันที่เพิ่มขึ้นระหว่างพื้นที่สมอง นำไปสู่การถ่ายโอนข้อมูลด้วยสปินเดิลที่มีประสิทธิภาพมากขึ้น โปรดทราบว่าผลกระทบในแถบทีต้ามีความสัมพันธ์อย่างใกล้ชิดกับการเปลี่ยนแปลงโดยรวมในการเชื่อมโยงกันของค่าเฉลี่ยโดยพื้นฐานแล้ว การเปลี่ยนแปลงขนาดของการเชื่อมต่อเมื่อเทียบกับประสิทธิภาพ

แม้ว่าข้อมูลที่นี่ไม่สามารถสร้างการเชื่อมโยงเชิงสาเหตุระหว่างการเปลี่ยนแปลงเหล่านี้ได้ แต่ความสัมพันธ์เชิงสมมุติฐานก็คือ STAMP มีการเชื่อมต่อที่มากขึ้นในแถบ theta (Fell et al., 2003) และประสิทธิภาพการถ่ายโอนข้อมูล Spindle ซึ่งวัดเป็นความยาวเส้นทาง ถูกเพิ่มขึ้นเพื่อชดเชย สำหรับการเพิ่มขึ้นนี้ นำไปสู่การเปิดใช้งานหน่วยความจำเพิ่มขึ้น

For more information:1950477648nn@gmail.com