Část 1: Funkční propojení mezi pamětí a centry odměn napříč úkoly a odpočinkem Sledování citlivosti paměti na odměnu

další informace:ali.ma@wecistanche.com

Pls klikněte sem pro část 2

Lea E. Frank1, Alison R. Preston2, Dagmar Zeithamova1

1Department of Psychology, University of Oregon, 1227 University Street, Eugene, OR 97403, USA

2Centrum pro vzdělávání aPaměťa Katedra psychologie, The University of Texas at Austin, Austin, TX 78712, USA

Klikněte naCistanche UK pro zlepšení paměti

Abstraktní

Vnější motivace, jako je příslib budoucí peněžní odměny za zapamatování události, může ovlivnit, které události si zapamatují. Na základě odměnyPaměťPředpokládá se, že modulace je výsledkem kódovacích a postkódovacích interakcí mezi dopaminergním středním mozkem, signální odměnou a hipokampem a parahipokampálním kortexem, což podporuje epizodickéPaměť. Zeptali jsme se, zda interakce hippocampu a parahipocampu s jinými oblastmi souvisejícími s odměnou souvisí s modulací odměnPaměťa zda jsou takové vztahy v čase stabilní. Paměťová citlivost jednotlivců na odměnu byla měřena pomocí úlohy kódování peněžních pobídek, ve které vodítko indikovalo potenciální peněžní odměnu (penny, desetník nebo dolar) za zapamatování nadcházejícího páru objektů. Funkční konektivita meziPaměťa oblasti odměn byly měřeny před, během a po úkolu. Oblasti zájmu související s odměnou byly vytvořeny pomocí metaanalýzy existujících studií o odměně a zahrnovaly kromě středního mozku ventrální striatum, mediální a orbitální prefrontální kortexy a přední cingulární kůru. Výsledky ukázaly, že propojení meziPaměťa regiony odměn sledovaly individuální rozdíly v modulaci odměnPaměť, bez ohledu na to, kdy byla konektivita měřena. Vzorce konektivity předního cingula, orbitofrontálního kortexu a ventrálního striata se spolu kryly a nejsilněji sledovaly chování. Tato zjištění implikují širší soubor oblastí odměny v modulaci paměti, než se uvažovalo dříve, a poskytují nový důkaz, že stabilní vzorce připojení meziPaměťa centra odměn se týkají individuálních rozdílů v tom, jak odměna ovlivňuje paměť.

Klíčová slova

EpizodickýPaměť; Funkční konektivita; hippocampus; Motivace; Odměna; Prefrontální kůra

Proč jsou některé události zapamatovány a jiné zapomenuty? Motivace založená na odměně je jedním z faktorů, který ovlivňuje, které události jsou zapamatovány. ModulacePaměťPředpokládá se, že odměny jsou výsledkem aktivace dopaminergního středního mozku a Dagmar Zeithamové dasa@uoregon.edu související s odměnou.

Poznámka vydavatele Springer Nature zůstává neutrální, pokud jde o jurisdikční nároky v publikovaných mapách a institucionálních přidruženích.

projekci dopaminu do hipokampu, což usnadňuje dlouhodobou potenciaci aPaměťformace (Lisman & Grace, 2005; Lisman, Grace, & Duzel, 2011; Shohamy & Adcock, 2010). V souladu s tímto modelem několik funkčních studií MRI dokumentovalo zvýšenou aktivaci ve středním mozku a ventrálním striatu, doprovázenou jednorozměrnými a

mnohorozměrné signály odrážející odměnu v hippocampu a parahippokampálním kortexu (PHC) v mediálním temporálním laloku (Adcock, Thangavel, Whitfield-Gabrieli, Knutson, & Gabrieli, 2006; Gruber, Ritchey, Wang, Doss, & Ranganath, 2016; ., 2005; Wolosin, Zeithamova, & Preston, 2012, 2013). Společným zjištěním v těchto studiích je, že jednotlivci se liší v míře, v jaké jsouPaměťje ovlivněna vnějšími odměnami (Adcock et al., 2006; Gruber et al., 2016; Wolosin et al., 2012, 2013).

Individuální rozdíly vPaměťcitlivost na odměnu souvisí s fázickými i tonickými interakcemi mezi středním mozkem a mediálním temporálním lalokem (Shohamy & Adcock, 2010). Adcock a kol. (2006) nejprve zjistili, že aktivace související s úkolem v hipokampu, PHC, středním mozku a ventrálním striatu byly korelovanými účastníky. Wolosin a kol. (2012) prokázali interakce hippocampu a středního mozku na pozadí napříč kódovací i vyhledávací fází.Paměťcitlivost na odměnu. Jiné studie se zaměřily na zvýšení konektivity vyvolané učením a spojovaly je s motivací odměňováníPaměť(Gruber et al., 2016; Murty, Tompary, Adcock a Davachi, 2017), ačkoli interakce hippocampu a středního mozku se mohou týkat asociativníchPaměťobecně (Duncan, Tompary, & Davachi, 2014; Tompary, Duncan, & Davachi, 2015).

Napříč mnohaPaměťve studiích byl kladen důraz na konektivitu během plnění úkolů nebo změny konektivity po učení jako primární prediktory chování (Gruber et al., 2016; Murty et al., 2017; Tambini, Ketz, & Davachi, 2010; Tompary et al., 2015). Naproti tomu jiné obory se zaměřily na klidové vzorce konektivity, vzhledem k tomu, že individuální rozdíly vnitřní konektivity mohou zůstat relativně stabilní v průběhu času a úkolů (Finn et al., 2015; Gratton et al., 2018), což předpovídá individuální rozdíly v kognici (Finn a kol., 2015; Gerraty, Davidow, Wimmer, Kahn, & Shohamy, 2014; Poole a kol., 2016; Wang a kol., 2010). Proto jsme chtěli tyto přístupy překlenout a otestovat, zda mezi nimi existují stabilní interakcePaměťa odměňte regiony, které sledují individuální rozdílyPaměťcitlivost na odměnu, bez ohledu na to, kdy se tyto interakce měří. Například i při absenci úkolu se síla konektivity mezi hipokampem, středním mozkem a ventrálním striatem u jednotlivců liší (Kahn & Shohamy, 2013). Protože tyto regiony jsou zapojeny doPaměťa procesy odměňování, tyto interakce nezávislé na úkolech se mohou týkat individuálních rozdílůPaměťcitlivost na odměnu. Myšlenka „otisku prstu“ konektivity jednotlivce – používaná v širokém slova smyslu s odkazem na vzorce konektivity rozlišující skupiny a sledování výkonu (Gratton et al., 2018; Wang et al., 2010) spíše než identifikaci konkrétních jedinců (Finn et al. ., 2015) — dosud nebyl testován v oblasti modulace odměnPaměť.

Teoretické perspektivy, zejména model Lisman a Grace (2005), zdůraznily roli dopaminergního středního mozku v motivovaném učení. Ovlivněné tímto modelem neuroimagingové studie naPaměťcitlivost na odměnu se typicky zaměřovala na střední mozek jako primární oblast zájmu o odměnu (Adcock et al., 2006; Gruber et al., 2016; Wittmann et al., 2005; Wolosin et al., 2012). K motivačním účinkům však pravděpodobně přispějí i další regiony související s odměnamiPaměť. Předpokládá se, že ventrální striatum hraje ústřední roli při integraci signálů mezi hipokampem a středním mozkem (Lisman & Grace, 2005; Miendlarzewska, Bavelier, & Schwartz, 2016), je získáváno během motivačního kódování (Adcock et al., 2006; Wittmann et al., 2005), a bylo prokázáno, že interaguje s hipokampem jak během odpočinku (Kahn & Shohamy, 2013), tak při plnění úkolů (Adcock

a kol., 2006; Camara, Rodriguez-Fornells a Münte, 2009; Kafkas & Montaldi, 2015). Prefrontální oblasti, včetně orbitofrontálního kortexu (OFC) a mediálního prefrontálního kortexu (MPFC), také interagují s hipokampem a PHC (Blessing, Beissner, Schumann, Brünner, & Bär, 2016; Gerraty et al., 2014; Murty, LaBar, & Adcock, 2016) a byli zapojeni do různých procesů souvisejících s odměnou (Amiez, Joseph, & Procyk, 2006; Elliott, Agnew, & Deakin, 2008; Kable & Glimcher, 2007). Vzhledem k teoretickému důrazu na střední mozek a v menší míře striatum však není známo, zda k modulaci odměny přispívají i jiné oblasti související s odměnou.Paměť.

Současná studie měla dva hlavní cíle. Nejprve jsme se snažili určit roli širší sítě regionů souvisejících s odměnou při zprostředkování modulace odměnyPaměť. Oblasti zájmu související s odměnou byly nezávisle odvozeny na základě jejich zapojení do zpracování odměn pomocí automatizovaného metaanalytického nástroje Neurosynth (Yarkoni, Poldrack, Nichols, Van Essen a Wager, 2011), bez ohledu na jejich předchozí implikaci v modulaci paměti odměny. . Za druhé jsme se zaměřili na určení, do jaké míry se individuální rozdíly v citlivosti paměti na odměnu vztahují k individuálním rozdílům v konektivitě mezi nimiPaměťa centra odměn a zda takový vztah může existovat bez ohledu na to, kdy se měří konektivita. K vyhodnocení stability vzorců konektivity a jejich vztahu k chování byly měřeny interakce mezi hippocampusem a PHC se sítí oblastí souvisejících s odměnou pomocí funkční MRI během úkolu kódování peněžních pobídek (Adcock et al., 2006), stejně jako během odpočinkové skenování před a po úkolu. Vzorec konektivity pro každého účastníka souvisel s jejichPaměťcitlivost na odměnu, definovaná jako paměťová výhoda pro vysoce hodnotné pokusy, využívající analýzu rozptylu a přístupy strojového učení. Již dříve byla publikována samostatná zpráva z tohoto souboru dat, která se zaměřuje na aktivační vzorce související s hipokampálními a PHC úkoly a na to, jak představují odměnu (Zeithamova, Gelman, Frank a Preston, 2018).

Materiály a metody

Účastníci

Thirty-four healthy, English-speaking volunteers were enrolled in this study. Data from nine participants were excluded for excessive head motion during task scans (framewise displacement >1 mm in at least 50-time points in more than 1 run; 4 participants), scanning interruptions (3 participants), or missing data (2 participants). An additional participant was excluded due to excessive head motion during a rest scan (>50 procent časových bodů odstraněno během čištění). Zbývajících 24 subjektů (18 žen, věk 18–31, průměrný věk=22) bylo zahrnuto do analýz konektivity. Subjekty obdržely 40 $ za účast a bonus až 55,50 $Paměťvýkon. Studie byla schválena Institutional Review Board of the University of Texas at Austin a všichni účastníci poskytli písemný souhlas. Samostatný vzorek 20 účastníků (5 žen, věk 18–24 let, průměrný věk 19 let) dokončil stejný úkol, ale nebyli skenováni.

Behaviorální postupy

Po souhlasném postupu byli účastníci instruováni o úkolu a absolvovali pět cvičných zkoušek. Dále byly vyšetřeny na MRI, změněny na peelingy a umístěny do magnetu MRI. Skenování začalo získáním anatomických skenů, po kterých následovaly funkční skeny. Účastníci dokončili klidový sken před kódováním (6 minut), motivovaný úkol kódování v pěti běhech souvisejících s událostí (každý 9 minut) a klidový sken po kódování (6 minut) s 1–2 minutami mezi všemi skeny ( Obr. 1a). Během klidových skenů byli účastníci instruováni, aby měli oči otevřené a před sebou měli prázdnou obrazovku. Během úkolu motivovaného kódování byli účastníci instruováni, aby záměrně zakódovali 150 párů společných objektů, každému předcházelo tágo (v obrázkové nebo slovní formě), udávající hodnotu odměny (penny, desetník nebo dolar), kterou mohou získat, pokud si zapamatují. objektový pár pozdějiPaměťtest (obr. 1b). Páry objektů byly nakresleny ze sady 300 barevných fotografií objektů a náhodně přiřazeny k jedné ze šesti podmínek odměna-cue, což vedlo k 25 párům na podmínku. Účastníci byli informováni, že za správné vyvolání asociací v úloze vyvolání podnětu, která bezprostředně následovala po skenování, obdrží peněžní bonus označený narážkou odměny. Pokusy ze všech podmínek byly prezentovány v náhodném pořadí, s vyváženým počtem prezentací v každém z pěti běhů kódování. Po relaci skenování, přibližně 20–30 minut po odpočinku po kódování, byl dokončen test vyvolání vlastního tempa. Během každého zkušebního pokusu byl účastníkům ukázán levý předmět každého páru a vyzváni, aby nahlas pojmenovali přidružený předmět a poté zdrojPaměťtest, během kterého si účastníci vybrali tágo odměny, které tomuto objektu předcházelo (obr. 1c). Účastníci nebyli informováni, že budou před testem testováni na identitu podnětu. Zdrojová paměť pro identitu podnětu byla ve vzorku fMRI náhodná (Zeithamova et al., 2018) a v této zprávě se dále nezohledňuje.

Pro každého účastníka byl vypočítán průměrný podíl správně vybavených asociací po každém ze šesti možných vodítek. A 2 (forma: obrázek, slovo) × 3 (hodnota: penny, desetník, dolar) opakovaná měření ANOVA zkoumala vliv hodnoty a formy odměny v rámci subjektů naPaměť. Pro významné účinky byla provedena následná párová srovnání, aby se určily rozdíly mezi průměrnou přesností každého stavu. Údaje o chování byly použity k indexování individuálních rozdílů v modulaci paměti odměny. Protože bylo zjištěno, že behaviorální efekt odměny má ve vzorku fMRI tvar písmene U, použili jsme rozdíl mezi přesností dolaru a desetníku jako měřítko citlivosti paměti na odměnu. Toto skóre označujeme jako skóre modulace odměny za chování (BRM). Medián rozdělení skóre Brm navíc rozdělil účastníky do dvou skupin: modulátory (ti, kteří prokázaliPaměťcitlivost na odměnu) a nemodulátory (ty, jejichž paměťové skóre bylo necitlivé na odměnu). Potvrzující analýza účinku odměny naPaměťbyla provedena v každé skupině, aby se ověřilo, že „modulátory“ skutečně vykazují paměťovou výhodu pro dolarové zkoušky, zatímco „nemodulátory“ nikoli. Odkazujeme na tuto dichotomizovanou míruPaměťcitlivost na odměnu jako stav modulátoru.

akvizice fMRI

Funkční a strukturální snímky MR byly shromážděny v Imaging Research Center na University of Austin v Texasu pomocí 3T Siemens Skyra MRI skeneru. Funkční snímky byly shromážděny v 72 šikmých axiálních řezech, přibližně 20 stupňů od linie AC-PC, pomocí echoplanárních zobrazovacích sekvencí s vícepásmovým akceleračním faktorem=3, GRAPPA faktorem=2, TR=2,000 ms, TE=31 ms, úhel převrácení {{10}} stupeň, matice 128 × 128 × 72, výsledkem je 1.7- mm izotropních voxelů. Pomocí stejných parametrů byly provedeny dva 6-minutové klidové skeny fMRI, jeden před a jeden po úloze kódování. Byl shromážděn T1 vážený anatomický snímek MPRAGE s vysokým rozlišením (256 × 256 × 192 matrice, 1-mm izotropní voxely). Další T2-vážený snímek byl shromážděn v šikmé koronální rovině kolmé k ose hipokampu (TR=13,150 ms, TE=82 ms, matice 512 × 60 × 512, 0. 4- × 0.4-mm v rovině rozlišení s 1,{37}}mm řezy, bez mezery).

Oblasti zájmu

Protože předchozí studie o motivovaném kódování se primárně zaměřovaly na střední mozek, je málo známo o tom, jak mohou jiné oblasti související s odměnou ovlivnitPaměťcitlivost na odměnu. Naším cílem bylo zahrnout do současného vyšetřování širší síť související s odměnami, bez ohledu na to, zda byly dříve zapojeny do modulace odměnPaměť. Aby bylo možné získat ROI související se zpracováním odměn, byla z databáze Neurosynth (http://neurosynth.org) shromážděna metaanalýza 671 studií zahrnujících termín „odměna“. Použili jsme mapu "reverzní inference" (v současnosti označovanou jako "test asociace"), která zobrazuje oblasti, které se přednostně aktivují ve studiích, které zahrnují pojem "odměna" ve srovnání se studiemi, které neobsahují pojem "odměna" a jako takové je považován za diagnostický daného termínu (Yarkoni et al., 2011). Protože výchozí práh neurosynthu (FDR p< 0.="" 01)="" yielded="" large="" clusters="" with="" multiple="" peaks="" in="" anatomically="" distinct="" regions,="" we="" further="" thresholded="" the="" maps="" with="" a="" voxel-wise="" threshold="" ofz="5.3" to="" obtain="" clusters="" that="" did="" not="" extend="" across="" multiple="" anatomical="" regions.="" this="" meta-analysis="" resulted="" in="" five="" reward-related="" rois="" that="" centered="" on="" the="" anterior="" cingulate="" cortex="" (acc),="" midbrain,="" medial="" prefrontal="" cortex="" (mpfc),="" orbitofrontal="" cortex="" (ofc),="" and="" ventral="" striatum="" (vs).="" clusters="" centered="" on="" the="" midbrain="" and="" vs="" were="" disproportionately="" larger="" than="" the="" prefrontal="" rois="" and="" extended="" beyond="" the="" anatomical="" boundaries="" of="" their="" respective="" regions,="" thus="" these="" clusters="" were="" further="" reduced="" to="" the="" top="" 500="" voxels.="" the="" localization="" ofthe="" resulting="" five="" reward-related="" rois="" in="" the="" standard="" space="" is="" presented="" in="" fig.="" 2a.="" the="" reward-related="" rois="" were="" reverse="" transformed="" from="" standard="" space="" to="" native="" space="" of="" each="" participant="" using="" flirt,="" a="" part="" of="" fsl="" (http://www.fmrib.ox.ac.uk/fsl).="" finally,="" the="" reward="" rois="" were="" resampled="" to="" the="" functional="" space="" of="" the="" participant="" to="" serve="" as="" masks="" for="" extracting="" time="">

Vzhledem k počtu oblastí souvisejících s odměnou byly vybrány pouze hippocampus a PHCPaměťoblasti zájmu, aby se omezil celkový počet uvažovaných připojení. Hippocampus a PHC byly vybrány jako naše předchozí paměťové ROI, protože byly důsledně zapojeny do studií účinků odměn naPaměť(Gruber et al., 2016; Wolosin et al., 2012, 2013). Abychom získali nestranné ROI, definovali jsme hippocampus a PHC anatomicky v nativním prostoru každého účastníka. Nepoužili jsme funkční definici (např. Neurosynth), protože nebylo zřejmé, zda je standardníPaměťvoxely v těchto oblastech musí být také nejrelevantnější pro modulaci paměti odměnou. „Paměťové“ mapy Neurosynth však pokrývají v podstatě celý anatomický hippocampus a PHC, a tak by přinesly stejné výsledky. Anatomické ROI byly získány kortikální parcelací a subkortikální segmentací anatomického skenování T1 pomocí Freesurfer (https://surfer.nmr.mgh.harvard.edu). Anatomický sken T1 byl poté společně registrován k prvnímu funkčnímu skenování pomocí nástrojů Advanced Normalization Tools) a parametry společné registrace byly aplikovány na segmentaci Freesurfer. Nakonec byl hippocampus a PHC definovaný pro účastníky specifický pro freesurfera transformovány do prostoru jejich funkčních skenů, které mají být použity jako masky pro extrakci časových řad hipokampu a PHC. Hippokampus a PHC ROI jsou uvedeny pro příklad subjektu na obr. 2b.

Odvození funkčních opatření konektivity

Předzpracování bylo provedeno pomocí nástrojů z FSL verze 5.{1}} a ANTS. Funkční a anatomické obrazy byly extrahovány z mozku pomocí BET. Funkční snímky byly v každém běhu korigovány pohybem pomocí FLIRT od FSL, přerovnány napříč běhy k prvnímu funkčnímu obrázku pomocí ANTS a filtrovány horní propustí (128-s cutoff). Funkční konektivita byla měřena během klidového skenování před kódováním, pěti skenování kódování a klidového skenování po kódování pomocí podobných procedur zpracování. Protože měření konektivity může být ovlivněno šumem v signálu BOLD vyvolaným pohybem a fyziologickými procesy (Murphy, Birn, & Bandettini, 2013; Power, Barnes, Snyder, Schlaggar, & Petersen, 2{{14} }12) jsme postupovali podle postupů předběžného zpracování, které nastínili Power et al. (2012) k odstranění kolísání signálu souvisejícího se šumem. Nejprve byly extrahovány časové průběhy pro mozkomíšní mok (CSF), bílou hmotu (WM) a celý mozek, protože změny signálu v těchto oblastech poskytují dobrý proxy signál pro změny vyvolané pohybem a dalšími zmatky. Bylo také extrahováno šest parametrů pohybu přesměrování, posun po snímku (FD) a globální změna signálu (DVARS). Poté jsme vytvořili "drhnoucí" masku pomocí časových řad pro FD a DVARS. Časové body, které překročily kterýkoli práh (FD > 0,5 mm nebo DVARS > 0,5 procenta), byly označeny k odstranění, stejně jako jednorázový bod před a dva body po (Power et al., 2012). Navíc byly odstraněny první dva časové body v každém skenování. Drhnoucí masky byly aplikovány na časové průběhy pro každý subjekt, přičemž se odstranilo v průměru přibližně 6 procent časových bodů ze skenování před kódováním, 9,5 procenta ze skenování po kódování a v průměru 8 procent časových bodů ze všech pěti kódování skenů.

Abychom extrahovali konektivitu na pozadí během skenování kódování, filtrovali jsme dolní propusti časové řady kódování, přičemž jsme odstranili signál na frekvenci úlohy nebo nad ní (frekvence úlohy=0,056 Hz, práh filtru=0,045 Hz ). Nízkofrekvenční filtr odstranil výkyvy související s úkolem a zároveň zachoval nízkofrekvenční signály (na pozadí), které více odrážejí vnitřní aktivitu (Newton, Morgan, Rogers a Gore, 2011; Tambini, Rimmele, Phelps a Davachi, 2016) . Protože nízkofrekvenční filtrování také odstraňuje vysokofrekvenční šum, což vede k vyšším odhadům konektivity (Van Dijk et al., 2010), navíc jsme při porovnávání konektivity mezi úlohou a odpočinkem filtrovali odpočinkové časové řady na stejné frekvenci. Dolní propust byla provedena po výpočtu FD a DVARS, ale před čištěním problematických časových bodů.

Míry konektivity byly získány částečnými korelacemi předem zpracovaných, vyčištěných časových řad mezi každým zPaměťROI a každá z pěti oblastí zájmu souvisejících s odměnou, které řídí WM, CSF, signál celého mozku, parametry pohybu a jejich odvozeniny. Výsledné Pearsonovy koeficienty z analýzy částečné korelace byly před předložením k dalším analýzám Fisher z transformovány tak, aby odpovídaly předpokladům normality. Pro skenování kódování byla měřena konektivita a Fisher z transformován v každém běhu. Normalizované hodnoty konektivity byly poté zprůměrovány přes pět kódovacích skenů, aby se vytvořilo jediné měření konektivity na pozadí během kódování.