Erforschung des Informationsflusses vom posteromedialen Kortex während des visuell-räumlichen Arbeitsgedächtnisses: Eine Magnetenzephalographie-Studie Teil 3

Zuletzt haben wir den durchschnittlichen Informationsfluss zwischen jedem ROI-Paar über drei funktionsrelevante Epochen hinweg ermittelt, die den Phasen der Kodierungs-, Wartungs- und Abrufaufgabe entsprechen, und gefragt, ob die intersubjektbezogene Variabilität des Informationsflusses mit der Variabilität der Aufgabenleistung korreliert.

In der modernen Gesellschaft ist die Menge an Informationen, die wir erhalten, beispiellos groß. Wir sind jeden Tag von riesigen Mengen an Informationen umgeben, von den Nachrichten, die wir auf unseren Mobiltelefonen erhalten, bis hin zu den Nachrichten und Werbung, die wir in sozialen Medien sehen. die meiste unserer Zeit und Aufmerksamkeit. In diesem Fall fühlen wir uns leicht müde, aber der durchschnittliche Informationsfluss kann uns helfen, unser Gedächtnis zu verbessern.

Erstens ermöglicht uns ein größerer Informationsfluss, unser Gehirn besser zu trainieren. Wenn wir weiterhin neue Informationen und Erkenntnisse erhalten, muss unser Gehirn diese Informationen ständig verarbeiten und speichern, was die Belastung für das Gehirn erhöht. Diese Arbeit ist eine Übung für die Gehirnfunktion, die uns helfen kann, unsere Denk- und Analysefähigkeit zu verbessern und mit komplexen Situationen besser umzugehen. So wie der Körper Bewegung braucht, um gesund zu bleiben, braucht das Gehirn ständige Herausforderungen, um seine Fähigkeiten zu verbessern.

Zweitens kann uns ein besserer Informationsfluss dabei helfen, unseren Horizont zu erweitern. Wenn wir nur begrenzte Informationen akzeptieren, wird unsere Vision auf einen kleinen Bereich beschränkt. Und wenn wir mehr Informationen erhalten, können wir mehr über ein breiteres Spektrum an Themen und Dingen erfahren. Dies kann uns helfen, die Welt umfassender zu sehen und unsere Einsicht und unser Urteilsvermögen zu verbessern. Dies hilft uns, unterschiedliche Kulturen und Perspektiven besser zu verstehen und uns so besser an komplexe soziale Umgebungen anzupassen und zu integrieren.

Schließlich kann ein durchschnittlicher Informationsfluss auch unsere Neugier wecken. Da wir weiterhin neue Informationen erhalten, interessieren wir uns für weitere Themen und Bereiche. Dies kann unsere Neugier und unseren Wunsch nach Wissen wecken und uns so motivierter machen, mehr Wissen zu erforschen. Es zeigt sich, dass ein durchschnittlicher Informationsfluss auch unseren Eigenantrieb und unsere Begeisterung steigern kann.

Kurz gesagt, ein durchschnittlicher Informationsfluss kann uns helfen, die Gehirnfunktion zu verbessern, unseren Horizont zu erweitern und unsere Neugier zu wecken. Wenn wir ein besseres Gedächtnis haben, können wir uns leichter neue Kenntnisse und Fähigkeiten aneignen und komplexe Herausforderungen besser meistern. Deshalb sollten wir aktiv mehr Informationen annehmen und uns zu einem intelligenteren und vielseitigeren Menschen entwickeln. Es ist ersichtlich, dass wir das Gedächtnis verbessern müssen, und Cistanche deserticola kann das Gedächtnis erheblich verbessern, da Cistanche deserticola ein traditionelles chinesisches Arzneimittel ist, das viele einzigartige Wirkungen hat, darunter die Verbesserung des Gedächtnisses. Die Wirksamkeit von Hackfleisch beruht auf den verschiedenen darin enthaltenen Wirkstoffen, darunter Säure, Polysaccharide, Flavonoide usw. Diese Inhaltsstoffe können die Gesundheit des Gehirns auf verschiedene Weise fördern.

Klicken Sie auf Möglichkeiten, um Ihr Gedächtnis zu verbessern

Die „Kodierungs“-Epoche umfasste die ersten 180 ms nach dem Einsetzen jedes der vier kodierenden Reize, und die „Erhaltungs“-Epoche umfasste die Erhaltungsperiode von 180 ms nach dem Einsetzen des vierten kodierenden Reizes bis zum frühesten Einsetzen des Abrufstimulus Die „Abruf“-Epoche entsprach dem Beginn des Abrufreizes bis zum Ende des Versuchs.

Für den Teilnehmer mit der kürzesten Kodierungsreizdauer (180 ms) deckten diese drei Epochen die ersten 3440 ms ab Versuchsbeginn ab; während für den Teilnehmer mit der längsten Kodierungsreizdauer (320 ms) die letzte Epoche bei 4000 ms endete.

Bei allen Teilnehmern betrug die mittlere Reaktionszeit 1,99 s nach dem Einsetzen des Abrufreizes (unteres bis oberes Quartil: 1,69–2,27 s), was bedeutet, dass die „Abruf“-Epoche ungefähr die Zeit bis zur Reaktion des Teilnehmers umfasste.

Über jede dieser Epochen hinweg haben wir für jedes ROI-Paar Daten aus Zeitpunkten gemittelt, für die es zumindest mäßige Hinweise auf einen Informationsfluss (d. h. BF . 3, q, 0.05) in mindestens einer Richtung dazwischen gab das ROI-Paar. Wir haben Daten aus den verbleibenden Zeitpunkten ausgeschlossen, um den Beitrag von Daten aus Zeiten zu minimieren, in denen es schwache oder keine Hinweise auf einen Informationsfluss zwischen den ROIs gab.

In jedem Fall berichten wir über den durchschnittlichen Unterschied im Informationsfluss (DiffA.B) und die lineare (Pearson-)Korrelation (r) zwischen der durchschnittlichen Verhaltensleistung der Teilnehmer während der MEG-Sitzung und dem durchschnittlichen Unterschied im Informationsfluss DiffA.B während die entsprechende Epoche. Wir haben diese Analyse (durchschnittliches DiffA.B und seine Korrelation mit dem Verhalten) für jede der 10,000 Stichproben der BootstrappedNull-Daten wiederholt, was zu einer Verteilung von 10,000 Null-Mittelwerten und r-Werten führte.

Was andere Ergebnisse betrifft, geben wir die zentralen 95 % dieser Nullwerte an und haben diese Nullverteilung verwendet, um p-Werte zu definieren. In diesem Fall definieren wir den p-Wert als den Anteil der Nullmittelwerte oder r-Werte mit einem größeren absoluten Wert als dem beobachteten Wert (zweiseitiger Test). Schließlich haben wir eine FDR-Korrektur auf diese p-Werte angewendet, um mehrere Vergleiche über Epochen hinweg zu korrigieren, und den BF für jeden Mittelwert und jede Korrelation berechnet.

Datenverfügbarkeit. Daten aus MEG-Experimenten sind online im Open Science Framework (https://doi.org/10.17605/OSF.IO/MW3J2) frei verfügbar. Dieses Online-Repository enthält nicht identifizierte Rohdaten aus den MEG-Experimenten, Details zum Stimulus-Timing für jeden Teilnehmer und den MATLAB-Code, der zur Durchführung der hier berichteten Analysen verwendet wird.

Ergebnisse

Klassifizierungsanalysen

Wir verwendeten eine Reihe von Klassifizierungsanalysen, um die Zeiten zu testen, zu denen die MEG-Signale in OC, VTC, PMC und PFC Informationen über den Ort und das Bild jedes Reizes während der Leistung des visuellen Arbeitsgedächtnisses enthielten.

Die Dekodierung des Ortes in jedem Reiz ist in Abbildung 3 dargestellt, und die Dekodierung des Bildes an jedem Ort ist in Abbildung 4 dargestellt. Die Dekodierung des Reizortes war höher als die Dekodierung der Reizidentität; für die Dekodierung sowohl des Ortes als auch der Identität gab es jedoch Hinweise von Perioden der über-zufälligen Dekodierung jedes Reizes in allen ROIs.

Für die Dekodierung des Stimulusstandorts fanden wir Perioden mit über der Wahrscheinlichkeit liegender Dekodierung von Standort und Identität für jeden der vier kodierenden Reize sowie den Abrufreiz basierend auf Signalen von OC, VTC, PMC oder PFC [q, 0.05 , mit FDR-Korrektur für mehrere Vergleiche über Zeitintervalle hinweg, einschließlich moderater (BF . 3) und starker (BF . 10) Effekte]. Bei der Dekodierung der Stimulusbildidentität (Abb. 4) stellten wir insgesamt eine schwächere Klassifikatorleistung fest, wobei der Anteil der korrekten Daten um eine Größenordnung niedriger war als bei der Dekodierungsposition. Trotz der geringeren Gesamtgenauigkeit zeigten statistische Analysen, dass die Dekodierung jeder Reizidentität für einige Zeitpunkte in allen ROIs deutlich über dem Zufall lag.

Über alle ROIs hinweg folgte die Dekodierung der Reizposition und -identität einer ähnlichen zeitlichen Entwicklung mit einem anfänglichen Höhepunkt und einem anschließenden Rückgang, was mit Signalen übereinstimmt, die hauptsächlich durch die visuelle Reaktion auf den Reiz ausgelöst werden. Wir gingen davon aus, dass die Stimulusinformationen in OC denen in anderen ROIs vorausgehen würden, aber die frühen Spitzen bei der Dekodierung in OC, VTC und PMC traten ungefähr zur gleichen Zeit auf. Dies deutet darauf hin, dass zwischen den ROIs in unserer Quellenlokalisierung möglicherweise ein gewisser „Signalverlust“ vorliegt (wir kehren auf diese Frage zurück, wenn wir die Ergebnisse der IFA weiter unten betrachten). Dennoch deuten die Unterschiede zwischen den ROIs darauf hin, dass diese Analysen auch Signale erfasst haben, die sich nicht zwischen den ROIs überschneiden . Beispielsweise variiert die relative Genauigkeit bei der Dekodierung der Stimulusposition bei 100 ms im Vergleich zu 300 ms nach Einsetzen des relevanten Stimulus je nach ROI.

In den Abbildungen 3A–D und 4A–D gibt es während der Verarbeitung des Abrufstimulus tendenziell eine kurze Phase der Decodierung über der Wahrscheinlichkeit. Dies kann auf einen neuronalen Prozess zurückzuführen sein, der den Abrufreiz mit den erinnerten Orten und Identitäten vergleicht, insbesondere wenn dies bis später (z. B. 300 ms) nach dem Einsetzen des Abrufreizes anhält.

Wir können jedoch nicht ausschließen, dass die Dekodierung zu diesen Zeitpunkten durch die neuronale Reaktion auf den Abrufreiz gesteuert werden könnte, wenn ein leichtes Ungleichgewicht im Ausgleich der Versuche besteht. Beispielsweise können kurze Perioden der über der Wahrscheinlichkeit liegenden Dekodierung vor dem Einsetzen des relevanten Reizes (z. B. etwa zum Zeitpunkt des ersten Kodierungsstimulus in Abb. 3B–E und 4B–E) eindeutig nicht durch eine Reaktion auf den dekodierten Reiz ausgelöst werden.

Dies kann darauf zurückzuführen sein, dass jeder Versuch so definiert wurde, dass er bei der Kodierung vier verschiedene Orte und vier verschiedene Identitäten umfasste; So ist beispielsweise die Dekodierung von Ort 1 gegenüber Ort 3 zur Kodierung von Stimulus 2 gleichbedeutend mit der Dekodierung von „nicht Ort 1“ gegenüber „nicht Ort 3“ für andere kodierte Reize. In jedem Fall deuten unsere Ergebnisse darauf hin, dass Signale, die auf erinnerten Reizorten oder Identitäten basieren, im Vergleich zu den robusten Signalen, aus denen die visuell gesteuerte Reaktion besteht, sehr schwach waren.

WENN

Als nächstes betrachteten wir Granger-kausale Wechselwirkungen zwischen jedem ROI-Paar mithilfe einer IFA. Selbst wenn die Leistung des Klassifikators niedrig ist, kann es insgesamt kleine, echte Signale geben, die zu Unterschieden im Muster der Klassifikatorleistung über die vielen verschiedenen paarweisen Klassifizierungen für jedes Zeitintervall führen. Um jedoch sicherzustellen, dass unsere Messungen des Informationsflusses nicht durch falsche Effekte bestimmt wurden, führten wir diese Analyse nur mit Klassifikationen des aktuellsten Stimulus für jede Versuchsepoche durch (siehe Materialien und Methoden).

IFA testet speziell Unterschiede zwischen ROIs und die zeitliche Struktur dieser Unterschiede, wodurch es möglicherweise empfindlicher als die durchschnittliche Klassifikatorleistung bei der Erkennung von Unterschieden zwischen ROIs ist. Die Ergebnisse unserer IFAs zwischen PMC und allen anderen ROIs sind in Abbildung 5 dargestellt, die Interaktionen zwischen den übrigen ROIs sind in Abbildung 6 dargestellt.

Die IFAs zeigten Perioden signifikanter Granger-kausaler Wechselwirkungen zwischen jedem ROI-Paar [q, 0.05, mit FDR-Korrektur, einschließlich Zeiten moderater (BF . 3) und starker (BF . 10) Effekte] über alle hinweg Testphasen (Kodierung, Wartung und Abruf).

Die Informationsflüsse (jeweils oberste Diagramme für Abb. 5 und 6) waren in jeder Richtung in der Nähe von Perioden höherer Klassifikatorleistung am stärksten; Aber innerhalb jedes ROI-Paares variierte die relative Stärke jedes ROI bei der Beeinflussung des anderen über die Zeit, wie in den Differenzdiagrammen widergespiegelt. Wenn OC mit einem anderen ROI gepaart wurde, war der Informationsfluss von OC tendenziell höher als der Informationsfluss zu OC unmittelbar nach Beginn jedes Reizes, was mit einer stimulusgesteuerten Reaktion vereinbar ist.

Dies war besonders ausgeprägt für die Kodierungsepoche, in der der durchschnittliche Unterschied im Informationsfluss zwischen OC und jedem anderen ROI (durchschnittlicher DiffOC.) zwischen {{0}},094 und 0 schwankte. 127, und der BF zeigte eine Reihe starker Effekte zugunsten eines größeren Informationsflusses vom OC zum anderen Bereich (q, 0,05, BF . 10 in jedem Fall). Es gab auch einen moderaten Effekt des Informationsflusses vom OC zum PMC, der über die umgekehrte Richtung hinausging während der Wartung (Durchschnitt DiffOC.PMC=0.042, q, 0.05, BF=3.19).

Uns interessierte insbesondere, ob es Hinweise darauf gab, dass der Informationsfluss von PMC Reaktionen in anderen Bereichen prägte. Der stärkste Beweis dafür gab es zwischen PMC und PFC. Der durchschnittliche Informationsfluss von PMC zu PFC tendierte in allen Epochen dazu, die umgekehrte Richtung zu überschreiten, was einen starken Effekt hatte während der Codierung (durchschnittlich DiffPMC.PFC {{0}}.056, q, 0.05, BF=18.70) und amäßig Auswirkung während der Wartung (Durchschnitt DiffPMC.PFC=0.025,q, 0.05, BF=7.33), aber diese Verzerrung erreichte während des Abrufs keine Signifikanz (Durchschnitt DiffPMC.PFC=0). 014, q . 0,05, BF=0,77). Die Zeitverläufe in Abbildung 5C zeigen, dass der Informationsfluss von PMC zu PFC über alle Versuchsepochen hinweg zum Zeitpunkt der frühen, reizgesteuerten Reaktion auf jeden Reiz am stärksten war. Mit OC zeigte PMC Hinweise auf einen größeren Informationsfluss im späteren Teil der Retrieval-Epoche (Abb. 5A). Im Durchschnitt über die Abrufepoche war dieser Unterschied tendenziell in Richtung PMC-drivingOC, aber dies war ein kleiner Effekt (Durchschnitt DiffPMC.PFC=0.029, q, 0.05,BF=1.59).

Bei den verbleibenden ROI-Paaren lagen die einzigen Fälle mit einem mäßigen oder größeren Effekt (BF . 3) zwischen VT und PFC (Abb. 6C), während der Kodierung (Durchschnitt DiffVT.PFC=0.057, q , 0.05, BF=4.00) und Retrieval(avg DiffVT.PFC=0.040, q, 0.05, BF=57.79) . Was OC betrifft, stimmten die Zeiten, in denen VT den Informationsfluss mit PFC dominierte, mit der frühen reizgesteuerten Reaktion überein (vergleichen Sie z. B. die Zeiten der Dominanz von VT in Abb. 6C und OC in Abb. 6B). Insgesamt gab es kaum Hinweise darauf, dass PFC den Informationsfluss in andere Bereiche dominiert.

Zuletzt korrelierten wir für jede Versuchsepoche den durchschnittlichen Informationsfluss zwischen jedem ROI-Paar mit der Verhaltensgenauigkeit aller Teilnehmer. Keine dieser Korrelationen erreichte nach der Korrektur mehrerer Vergleiche eine statistische Signifikanz, und keine Korrelation erreichte das Niveau eines moderaten Effekts (BF . 3). Dies deutet darauf hin, dass unsere relativ kleine Stichprobengröße nicht ausreichte, um eine Vorhersagekraft des Informationsflusses für die Aufgabenleistung festzustellen. Wir glauben jedoch, dass solche Korrelationen eine fruchtbare Richtung für zukünftige Forschungen sein könnten, die diese Methoden anwenden, weshalb wir diese vorläufigen Ergebnisse als Referenz für zukünftige Arbeiten heranziehen.

Diskussion

Trotz der nachgewiesenen Bedeutung des PMC beim Abrufen von Erinnerungen ist der kausale Einfluss des PMC auf andere Regionen unklar geblieben. Insbesondere wurden die Richtung und der Inhalt des Informationsaustauschs zwischen PMC und anderen Gehirnregionen während Gedächtnisprozessen nicht getestet. Hier verwendeten wir MEG-Aufzeichnungen von MRT-definierten ROIs, um den Informationsfluss zwischen PMC und anderen Regionen während einer visuell-räumlichen Arbeitsspeicheraufgabe zu bewerten. Die Ergebnisse deuten darauf hin, dass PMC-Objektdarstellungen Granger-kausalen Einfluss auf Reizinformationen in anderen Regionen zeigen, insbesondere in ihrem Einfluss auf PFC über alle Aufgabenphasen hinweg. Es gab auch die Vermutung, dass PMC während des Abrufs Reaktionen im OC prägt.

PMC formt Reizdarstellungen in präfrontalen Bereichen

Unser auffälligster Befund betrifft den Einfluss von PMC auf gespeicherte Reizinformationen bei PFC. Über alle Aufgabenphasen hinweg war der Informationsfluss von PMC zu PFC tendenziell dominanter als die umgekehrte Richtung. Da unser Maß für den Informationsfluss auf der Klassifizierungsleistung und nicht auf der Antwortamplitude basiert, legt dieser Befund nahe, dass die stimulusbezogenen Informationen in PMC die Reizrepräsentationen vorhersagten, die in PFC auftauchen würden. Dies zeigte sich am deutlichsten in den Kodierungs- und Wartungsphasen; Es wurde jedoch festgestellt, dass PMC auch die Reaktionen bei PFC während der Abrufphase beeinflusst. Die Tatsache, dass dieser Effekt kurz nach dem Einsetzen des Abrufreizes auftrat, spiegelt sich darin wider, dass PMC Informationen, auf denen die Entscheidung des Teilnehmers basiert, an PFC weiterleitet, um einen erfolgreichen Abruf zu unterstützen.

Präfrontale Regionen sind zuverlässig an der Aufmerksamkeitskontrolle und der flexiblen Kodierung aufgabenrelevanter Informationen beteiligt (Duncan, 2010; Freedman und Assad, 2016). Muster der anatomischen Konnektivität zwischen dem Hippocampus und frontalen visuellen Okulomotoriksystemen (d. h. dorsolateraler PFC und frontalen Augenfeldern) (Shen et al., 2016) legen nahe, dass frontale Regionen besonders gut dafür geeignet sind, visuelle Gedächtnisinformationen zu integrieren, um das Verhalten zu steuern (Contiand Irish, 2021). ). Die frontoparietalen Regionen, die an der Aufmerksamkeitskontrolle beteiligt sind, sind auch am Arbeitsgedächtnis beteiligt, insbesondere während der Kodierungs- und Erhaltungsperioden (Gazzaley und Nobre, 2012). Darüber hinaus ist bekannt, dass präfrontale Regionen Veränderungen im visuellen Kortex vorantreiben; Beispielsweise führt die Mikrostimulation der vorderen Augenfelder zu Veränderungen im visuellen Kortex, die mit Aufmerksamkeitsverschiebungen einhergehen (Moore et al., 2003; Premereuret al., 2013).

Unsere Ergebnisse deuten darauf hin, dass PMC präfrontale Darstellungen erinnerter visuell-räumlicher Informationen während der gesamten Aufgabenausführung und einschließlich des Beginns des Abrufzeitraums prägt. Frühere fMRT-Arbeiten haben eine erhöhte frontoparietale Aktivierung während der Kodierung und Aufrechterhaltung gezeigt, unabhängig davon, ob ein Abruf erforderlich war oder nicht, während der hintere cinguläre Kortex Reaktionsmuster zeigte, die mit a übereinstimmen Rolle beim Abrufen (Rahm et al., 2014). Die funktionale Konnektivität zwischen PMC und präfrontalen Regionen, wie z. B. ventromedialer PFC, unterstützt die Bedeutung der frontoparietalen Kopplung während des episodischen Abrufs weiter (zur Übersicht siehe Andrews-Hanna, 2012; Ritchey und Cooper, 2020). Unsere Ergebnisse erweitern frühere Arbeiten, indem sie darauf hinweisen, dass dieses beobachtete Konnektivitätsmuster PMC umfasst, das aufgabenrelevante Informationen in präfrontalen Netzwerken beeinflusst.

Wie bei jeder Korrelation können unsere Teilkorrelationen im IFA Assoziationen mit einem anderen (ungetesteten) Gebiet widerspiegeln. Eine andere Möglichkeit besteht darin, dass unsere ROIs während der Quellenrekonstruktion nicht vollständig isoliert wurden und Signale aus benachbarten Regionen enthielten. Wenn PMC-Signale im PFC-ROI vorhanden wären oder umgekehrt, würde dies die gemeinsame Varianz zwischen den ROIs erhöhen. Eine gemeinsame Varianz könnte das Ausmaß verringern, in dem Signale in einem ROI Informationen darüber beitragen, die bereits im anderen ROI vorhanden sind, was die gemessenen Informationen verringern könnte fließen.

PMC beeinflusst den frühen sensorischen Kortex während des Abrufs

Unsere Ergebnisse legen außerdem nahe, dass PMC während des Abrufs Reaktionen im sensorischen Kortex prägt. Über alle Aufgabenphasen hinweg und für jedes ROI-Paar dominierte das OC tendenziell den Informationsfluss und beeinflusste andere Regionen stärker als es von diesen Regionen beeinflusst wurde, was mit der visuellen Natur der Aufgabe übereinstimmt. Die Dominanz von OC in unseren Messungen des Informationsflusses wurde jedoch möglicherweise durch die beobachtete allgemein vorübergehende Klassifikatorleistung verstärkt. Über alle ROIs hinweg war die Dekodierung über dem Zufall weitgehend auf kurze Epochen nach den Stimuluspräsentationen beschränkt, was darauf hindeutet, dass jede neuronale Darstellung der verwalteten Informationen nur einen minimalen Beitrag zur Klassifikatorleistung leistete. Insbesondere fanden wir in letzterem einige Hinweise auf einen signifikanten Informationsfluss von PMC zu OC Teil des Abrufzeitraums (BF=1.59). Ob dieser Informationsfluss funktional relevant ist, bleibt unklar. Jeglicher funktionelle Einfluss von PMC auf OC muss durch indirekte Verbindungen vermittelt werden, da es keine direkten Projektionen zwischen PMC und primären sensomotorischen Regionen gibt (Parvizi et al., 2006; Leech und Smallwood, 2019). Mögliche indirekte Wege, über die PMC okzipitale Regionen beeinflussen könnte, umfassen die parietalen- medialer zeitlicher Weg, von dem angenommen wird, dass er zur visuell-räumlichen Verarbeitung beiträgt (Kravitz et al., 2011).

Implikationen für das Verständnis der PMC-Funktion

Insgesamt deuten unsere Ergebnisse darauf hin, dass das PMC eine besondere Rolle bei der Weitergabe stimulierungsbezogener Informationen an andere Regionen spielt. Dies wirft dann die Frage auf, was genau das PMC tut. Während unsere Ergebnisse auf eine Direktionalität des PMC-Einflusses auf andere Gehirnregionen schließen lassen, bleibt die genaue Funktion des PMC in diesem Zusammenhang unklar. Der PMC stellt einen der Hauptknotenpunkte des Standardmodusnetzwerks des Gehirns dar, definiert durch sein „aufgabennegatives“ Antwortprofil (Buckner et al., 2005). Wir zeigen hier jedoch, dass PMC keinen einfachen aufgabennegativen Beitrag zum visuell-räumlichen Gedächtnis leistet. Das PMC-Engagement während der Kodierung und Wartung ist mit einer schlechteren Aufgabenleistung verbunden (Piccoliet al., 2015; Santangelo und Bordier, 2019), doch der PMC-„Kodierungs-/Abrufwechsel“ legt nahe, dass eine erhöhte Aktivität während des Abrufs mit einer besseren Erinnerung verbunden ist (Daselaar et al., 2004, 2009). Während Aktivität allein inhaltsunspezifische Beiträge widerspiegeln kann, deuten unsere Messungen der Reizrepräsentationen mithilfe der Klassifikatorleistung darauf hin, dass PMC während der Aufgabenerfüllung aktiv Darstellungen reizbezogener Informationen in anderen Regionen gestaltet. Dementsprechend ist PMC nicht an der Verarbeitung rein externer Sinnesreize beteiligt ist aber aktiv an der Darstellung interner Inhalte beteiligt, einschließlich erinnerter Informationen (Leech und Smallwood, 2019). Unsere Studie reichte jedoch nicht aus, um zu beschreiben, wie der Informationsfluss zwischen PMC und anderen Gehirnregionen die Verhaltensgenauigkeit vorhersagt, und wir gehen davon aus, dass dies ein entscheidender Weg sein wird, den es in zukünftigen Arbeiten zu untersuchen gilt.

Zukünftige Richtungen

Als unseres Wissens nach ist unsere Studie die erste Studie, die den Austausch stimulierungsbezogener Informationen zwischen PMC und anderen Regionen untersucht. Sie wirft mehrere Richtungen für zukünftige Forschung auf. Während wir uns hier auf vier A-priori-ROIs konzentrierten und eine relativ kleine Stichprobengröße verwendeten, wird es wichtig sein, den Informationsfluss zwischen PMC und anderen Gehirnregionen während des visuell-räumlichen Gedächtnisses mit größeren Kohorten von Teilnehmern umfassend abzubilden. Zeitaufgelöste Methoden wie MEG/EEG , könnte auch durch bildgebende Verfahren wie fMRT ergänzt werden, um feinere Parzellierungen innerhalb dieser Regionen zu testen.

Während der Wartung hatten wir insgesamt eine geringe Dekodierung und daher nur eine eingeschränkte Fähigkeit, den Informationsfluss während dieser Aufgabenphase zu erkennen. Wir wählten visuell ähnliche Reize, um den Schwierigkeitsgrad der Aufgabe zu erhöhen und die verbale Kennzeichnung zu reduzieren. Dies kann jedoch zu einer verringerten Klassifikatorleistung für die Aufgabenidentität führen. Die Dekodierung war für den Reizort höher, wo die retinotopische Organisation visueller kortikaler Bereiche zu größeren räumlichen Antwortunterschieden führen würde, doch selbst für Orte, die über die reizinduzierte Reaktion hinausgingen, fanden wir kaum Hinweise auf eine Dekodierung basierend auf gespeicherten Werten. Umgekehrt berichten Bocincova und Johnson (2019) bei der Dekodierung von EEG-Signalen während einer einfacheren visuellen Gedächtnisaufgabe über eine über dem Zufall liegende Dekodierung von Reizen während einer Verzögerungsperiode, wenn auch schwächer als während der Kodierung. Während also eine hohe Aufgabenschwierigkeit notwendig erscheint, um die spezifische Rolle des PMC zu isolieren (Kochanet al., 2011; Leech et al., 2011; Vannini et al., 2011), könnte eine weniger anspruchsvolle Aufgabe zu einer besseren Klassifikatorleistung führen, um Informationsflüsse besser zu erkennen über alle Aufgabenphasen hinweg.

Bemühungen, die funktionelle Relevanz von PMC-Subregionen abzugrenzen, könnten auch entscheidende Erkenntnisse für die frühe und genaue Diagnose der Alzheimer-Krankheit liefern (Buckner et al., 2005; Xia et al., 2014; Wu et al., 2016; Khan et al., 2020). ). Neue Erkenntnisse deuten darauf hin, dass gesunde junge Erwachsene, die das APOE-4-Allel tragen, Ineffizienzen bei der Modulation der PMC-Aktivität während des Arbeitsgedächtnisses und der Wahrnehmung von Szenen (aber nicht Gesicht und Objekt) aufweisen (z. B. Shineet al., 2015), während es während des visuell-räumlichen Arbeitsgedächtnisses zu einer funktionellen Deaktivierung von PMC kommt Die Leistung ist prädiktiv für einen späteren kognitiven Rückgang bei älteren Erwachsenen mit leichter kognitiver Beeinträchtigung (Kochan et al., 2011).

Angesichts der Tatsache, dass eine visuell-räumliche Dysfunktion aufgrund einer PMC-Dysfunktion als früher Vorbote der Alzheimer-Krankheit vorgeschlagen wurde (Pihlajamäki et al., 2010; Irish et al., 2012; Salimi et al., 2018), könnten zukünftige Studien, die funktionelle Veränderungen im PMC untersuchen, die Situation verbessern Früherkennung von Demenzgefährdeten.

Verweise

Andrews-Hanna JR (2012) Das Standardnetzwerk des Gehirns und seine adaptive Rolle bei der internen Mentalität. Neurowissenschaftler 18:251–270.

Benjamini Y, Hochberg Y (1995) Kontrolle der Falscherkennungsrate: ein praktischer und leistungsstarker Ansatz für Mehrfachtests. JR Stat Soc Ser BMethodol 57:289–300.

Bird CM, Keidel JL, Ing LP, Horner AJ, Burgess N (2015) Konsolidierung komplexer Ereignisse durch Wiederherstellung im posterioren cingulären Kortex. J Neurosci35:14426–14434.

Bocincova A, Johnson JS (2019) Der zeitliche Verlauf der Kodierung und Aufrechterhaltung aufgabenrelevanter versus irrelevanter Objektmerkmale im Arbeitsgedächtnis. Cortex111:196–209.

Brainard DH (1997) The Psychophysics Toolbox. Spat Vis 10:433–436.

Buckner RL, Snyder AZ, Shannon BJ, LaRossa G, Sachs R, Fotenos AF, Sheline YI, Klunk WE, Mathis CA, Morris JC, Mintun MA (2005)Molekulare, strukturelle und funktionelle Charakterisierung der Alzheimer-Krankheit: Beweise für einen Zusammenhang zwischen Standardaktivität, Amyloid und Gedächtnis. J Neurosci 25:7709–7717.

Bzdok D, Heeger A, Langner R, Laird AR, Fox PT, Palomero-Gallagher N, Vogt BA, Zilles K, Eickhoff SB (2015) Subspezialisierung im humanposterioren medialen Kortex. Neuroimage 106:55–71.

Canolty RT, Edwards E, Dalal SS, Soltani M, Nagarajan SS, Kirsch HE, Berger MS, Barbaro NM, Knight RT (2006) Hohe Gammaleistung ist phasenstarr an Theta-Oszillationen im menschlichen Neocortex gebunden. Wissenschaft 313:1626–1628.

Conti F, Irish M (2021) Nutzung visueller Bilder und okulomotorischem Verhalten, um die Prospektion zu verstehen. Trends Cogn Sci 25:272–283.

Cooper RA, Ritchey M (2019) Cortico-hippocampale Netzwerkverbindungen unterstützen die multidimensionale Qualität des episodischen Gedächtnisses. Elife 8:e45591.

Dale AM, Fischl B, Sereno MI (1999) Kortikale oberflächenbasierte Analyse: I. Segmentierung und Oberflächenrekonstruktion. Neuroimage 9:179–194.

Daselaar SM, Prince SE, Cabeza R (2004) Wenn weniger mehr bedeutet: Deaktivierungen während der Kodierung, die das nachfolgende Gedächtnis vorhersagen. Neuroimage23:921–927.

For more information:1950477648nn@gmail.com