دانشمندان علوم اعصاب جهت آشکارسازی حافظه های پنهان، به رمزگشایی فعالیت مغز در حال خواب پرداختند.
it is true
دانشمندان علوم اعصاب جهت آشکارسازی حافظه های پنهان، به رمزگشایی فعالیت مغز در حال خواب پرداختند.
مغز ادراکات، هیجانات و خاطرات ما را با پیوند دادن اطلاعات حسی دریافتی از محیط با تجارب ذهنی ما شکل می دهد. با این حال مغزهای ما احتیاج به خواب دارند. یعنی احتیاج دارند تا ارتباطشان را با دنیای حسی شلوغی که ما را تحت تاثیر قرار می دهد، قطع بکنند. خواب به حفظ سلامت مغزمان، شکل گیری حافظه های قویتر، و حل مسئله بهتر کمک می کند.
محققان آزمایشگاه پروفسور متیو ویلسون در انستیتوی یادگیری و حافظه پیکاور ارتباط فعالیت ناحیه هیپوکامپ مغز (که برای حافظه های فضایی و خاطرات رویدادهای مشخص مهم هست) را با شکل گیری حافظه و حل مسئله مورد مطالعه قرار دادند. ویلسون و اعضای تیمش روش تحلیلی جدیدی را معرفی کرده اند که بر خلاف مدل های قدیمی، شکل گیری حافظه را به شیوه ای کاملاً متفاوت مورد بررسی قرار می دهد.
گزارش این مطالعه اخیراً در نشریه Scientific Reports منتشر شده است.
◀️ چکیده و متن کامل مطالعه??
⭐️Uncovering representations of sleep-associated hippocampal ensemble spike activity⭐️
ABSTRACT:
Pyramidal neurons in the rodent hippocampus exhibit spatial tuning during spatial navigation, and they are reactivated in specific temporal order during sharp-wave ripples observed in quiet wakefulness or slow wave sleep. However, analyzing representations of sleep-associated hippocampal ensemble spike activity remains a great challenge. In contrast to wake, during sleep there is a complete absence of animal behavior, and the ensemble spike activity is sparse (low occurrence) and fragmental in time. To examine important issues encountered in sleep data analysis, we constructed synthetic sleep-like hippocampal spike data (short epochs, sparse and sporadic firing, compressed timescale) for detailed investigations. Based upon two Bayesian population-decoding methods (one receptive field-based, and the other not), we systematically investigated their representation power and detection reliability. Notably, the receptive-field-free decoding method was found to be well-tuned for hippocampal ensemble spike data in slow wave sleep (SWS), even in the absence of prior behavioral measure or ground truth. Our results showed that in addition to the sample length, bin size, and firing rate, number of active hippocampal pyramidal neurons are critical for reliable representation of the space as well as for detection of spatiotemporal reactivated patterns in SWS or quiet wakefulness.