för mer information:Ali.ma@wecistanche.com

Snälla klicka här till del 2

Snälla klicka här till del 3

Dechiffrera neurala minneskoder under sömn Zhe Chen1," och Matthew A. Wilson2,"

1 Institutionen för psykiatri, Institutionen för neurovetenskap och fysiologi, New York University School of Medicine, New York, NY 10016, USA

2Department of Brain and Cognitive Sciences, Picower Institute for Learning and Memory, Massachusetts Institute of Technology, Cambridge, MA 02139, USA

Abstrakt

Minnenav upplevelser lagras i hjärnbarken. Sömn är avgörande för att konsolidera hippocampusminneav vakna upplevelser in i neocortex. Att förstå representationer av neurala koder i hippocampus-neokortikala nätverk under sömn skulle avslöja viktiga kretsmekanismer påminnekonsolidering,och ge nya insikter iminneoch drömmar. Även om sömnassocierad ensemblespikaktivitet har undersökts, är det fortfarande en utmaning att identifiera innehållet i minnet i sömnen. Här återkommer vi till viktiga experimentella fynd om sömnrelaterademinne(dvs. neurala aktivitetsmönster i sömn som återspeglar minnesbehandling) och granska beräkningsmetoder för att analysera sömnassocierade neurala koder (SANC). Vi fokuserar på två analysparadigm för sömnrelaterademinneoch föreslå ett nytt ramverk för oövervakat lärande ("minneförst, alltså senare") för den opartiska bedömningen av SANC.

Nyckelord

sömnrelaterademinne; minneskonsolidering; minnesrepris; neural representation;populationsavkodning; funktionell bildbehandling

Klicka för att Cistanhe stam och Cistanche produkter för att förbättra minnet

Minne, sömn och neurala koder

Minne hänvisar till en organisms förmåga att koda, lagra, behålla och hämta information. Det kan ses som ett bestående spår av tidigare erfarenheter som påverkar nuvarande eller framtida beteende. Minnet definierar unikt en känsla av självidentitet och inkluderar all information om 'vem', 'vad', 'när' och 'varav våra livserfarenheter i det förflutna och nuet, avlägset eller nyligen. Den period under vilken information i minnet förblir tillgänglig varierar från sekunder (korttidsminne) till år (långtidsminne). Långtidsminnet delas ofta in i två typer: explicit eller deklarativt minne ("att veta vad) och implicit eller procedurminne ("veta hur"). Det deklarativa minnet inkluderar även episodiskt minne (se Ordlista), semantiskt minne (kunskap) och självbiografiskt minne.

Episodiskt minne lagrar detaljer om specifika händelser i rum och tid, var och en förknippad med unikt multimodalt, flerdimensionellt informationsinnehåll. Hippocampus spelar en central roll i rumsligt och episodiskt minne [1]. Sömn är viktig för inlärning och minne [2–6]. I genomsnitt tillbringar en människa ungefär en tredjedel av sitt liv under sömnen, medan gnagare sover 12–14 timmar om dagen. Minneskonsolidering sker i sömnen, under vilken ett korttidsminne kan omvandlas till långtidsminne. Sömnbrist försämrar prestationsförmågan i minnestester och påverkar uppmärksamhet, inlärning och många andra kognitiva funktioner negativt [6,7]. En grundläggande uppgift i studiet av minne är att förstå representationen av sömnassocierade neurala koder (SANC) som stöder minnesbehandling. Enkelt uttryckt, hur kan det handla om minne under sömnen? Eftersom sömnassocierat minne påverkas av WAKE-upplevelser, hur identifierar och tolkar vi minnesrelaterade neurala presentationer under sömnen på ett opartiskt sätt?

För att ta itu med dessa frågor, registrerar neuroforskare neuronal ensembleaktivitet från hippocampus och neocortex i sömnsessioner före och efter en beteendesession. I djurstudier förvärvas "neurala koder" genom att implantera multielektrodarrayer för att registrera in vivo extracellulära neuronala ensembles spikaktivitet [8-12]. I humanstudier förvärvas mätningar av hjärnsignaler genom icke-invasiva EEG- eller fMRI-inspelningar [13–16]. För den här artikeln kommer vi att gå igenom viktigt arbete inom båda forskningsområdena, med mer fokus på gnagarstudier.

På den neuronala ensemblenivån är beräkningsuppgiften att identifiera minnesrelaterade neurala representationer av befolkningskoder (dvs. neurala aktivitetsmönster som återspeglar minnesbehandling) i sömn fortfarande utmanande av flera viktiga skäl: För det första, även om lokala fältpotentialer (LFP) avslöjar viktiga information om kretsar i makroskopisk skala, saknar de cellupplösningen för att avslöja innehållet i sömnminnet. För det andra är sömnassocierade ensemblespiksaktiviteter sparsamma (låg förekomst) och fragmentariska i tiden. För det tredje följer storleken på neurala populationssynkroni, mätt som spikfraktionen av alla inspelade neuroner under varje nätverksburst, en lognormal fördelning: starkt synkroniserade händelser varvas oregelbundet bland många medelstora och små händelser [17]. Slutligen gör bristen på grundsanning tolkning och bedömning av minnesrelaterade neurala representationer svår. Under de senaste två decennierna, även om flera systematiska studier har undersökt minnesinnehåll i SLEEP jämfört med WAKE, förblev många minnesrelaterade forskningsfrågor svårfångade. I nästa avsnitt går vi igenom några experimentella och beräkningsstrategier för att besvara dessa frågor.

Hippocampus-Neokortikala kretsar i sömn

Under sömnen växlas hjärnan till ett "off-line"-tillstånd som skiljer sig från vakenhet på både mikroskopiska (spiketiming) och makroskopiska (t.ex. neokortikala EEG-svängningar) nivåer. I olika stadier av sömn, såsom slow-wave sleep (SWS) och rapid eye movement (REM) sömn, varierar hjärnaktiviteten och hjärnbarken uppvisar ett brett utbud av oscillerande aktiviteter (ruta 1) [18]. Under SWS är neocortex känd för att pendla mellan UPP- och NED-tillstånd [19]. Under neokortikala UP-tillstånd åtföljs ökad populationssynkronisering av pyramidala celler i hippocampus-neokortikala nätverk av hippocampus skarpvågsvågor (SWRs, ruta 1, figur 1b) [20,21]. De flesta djurstudier om minne och sömn använder gnagarmodellen. Ett allmänt antaget rumsminnesparadigm är att låta gnagare fritt föda i en sluten miljö. Under aktiv utforskning visar många hippocampala pyramidala neuroner lokaliserad rumslig inställning eller platsreceptiva fält (RF) [22]. Noterbart är många hippocampala pyramidala neuroner också ansvariga för icke-spatial sekvenskodning [23,24], såväl som konjunktiv kodning av både rumsliga och icke-spatiala minnen [25]. Under sömnen, i avsaknad av extern sensorisk input eller signaler, växlas hippocampusnätverket till ett tillstånd som huvudsakligen drivs av interna beräkningar.

I en seminal studie rapporterade Pavlides och Winson [8] först att aktiviteten hos råttas hippocampala platsceller i vaket tillstånd påverkade avfyrningsegenskaperna (t.ex. avfyringshastighet och spränghastighet) i efterföljande sömnepisoder. Wilson och McNaughton [9] utökade första ordningens till andra ordningens statistiska analys och visade att råtthippocampala platsceller som var samaktiva under rumslig navigering uppvisade en ökad tendens att elda tillsammans under efterföljande sömn, medan neuroner som var aktiva men hade icke-överlappande plats RF visade inte en sådan ökning. Denna effekt avtog gradvis under varje sömnsession efter KÖRNING. Kudrimoti et al. [11] och Nádasdy et al. [12] studerade ytterligare spikmönster som involverade multi-neuronmönster (t.ex. triplett) under sömnen. Dessa studier avslöjade det tidsmässiga förhållandet mellan hippocampala repriser och SWRs [12], såväl som minnesspårets sönderfallstid [11]. Ytterligare studier avslöjade också att gnagares hippocampala spatiotemporala mönster i SWS återspeglade aktiveringsmönstren eller tidsordningen i vilken neuronerna avfyrade under rumslig navigering [10, 12, 26, 27]. Specifikt skjuter undergrupper av hippocampala neuroner på ett ordnat sätt på en snabbare tidsskala inom SWR, med antingen samma eller omvänd ordning som i aktiv navigering. I en linjär spårmiljö kan sådana populationsburst-händelser, beroende på deras innehåll, kategoriseras som "framåt" eller "bakåt" repris - refereras till som återaktiverade hippocampala sekvenser av löpbanan (Figur 1c). Sådana hippocampala reprishändelser är vanliga i SWS [26], tyst vakenhet [28,29] och "lokal sömn" (även känd som "mikrosömn" - ett fenomen som innebär att neuroner går offline i ett kortikalt område men inte andra i ett vaket område ännu sömnliknande tillstånd) [30], även om de funktionella rollerna i vart och ett av dessa tillstånd med största sannolikhet är olika. Omspelsprocessens engagemang, frekvensen av aktivering och den tid under vilken omspelning sker kan påverka efterföljande prestation på beteendeuppgifter eller inlärda färdigheter. I en serie studier [26,31,32] har forskare funnit att efter RUN-upplevelser reaktiverades hippocampala platsceller i en tidsmässigt exakt ordning upprepade gånger i SWS- och REM-sömn. Till skillnad från SWS var avfyrningshastighetskorrelationen i REM-sömn inte relaterad till den tidigare välbekanta RUN-upplevelsen (möjligen på grund av spåravklingningen under den interfolierade SWS) [11], och minnesuppspelningarna inträffade oftare för avlägsna men upprepade RUN-upplevelser [ 31]. Dessa fynd tyder på att återaktiverade hippocampussekvenser i post-RUN-sömn konsoliderar minnet av upplevelser och att SWR-associerad hippocampusaktivitet kan bidra till denna process.

En central hypotes om minneskonsolidering är att hippocampus och neocortex interagerar med varandra genom den tidsmässiga koordineringen av neuronal aktivitet i form av långsamma svängningar, SWR och sömnspindlar [33–39]. Medan minnesreaktivering under sömn huvudsakligen har rapporterats hos gnagare, inklusive råttans primära visuella cortex (V1) [36], barrel cortex [40], den bakre parietal cortex [41], den mediala prefrontala cortex (mPFC) [42, 43], den primära motoriska cortex (M1) [44,45] och den mediala entorhinala cortex (MEC) [46]; allmänna fenomen med neokortikal minnesreaktivering rapporterades också hos de andra arterna, såsom i sångfågeln under sömnen [47] och i makakapan under vila [48]. Antagandet om hippocampus-neokortikala interaktioner under sömn skulle naturligtvis antyda att man undersöker interaktionerna av samtidigt inspelade hippocampus-neokortikala ensembler [36,38,41,46]. Att jämföra de spatiotemporala neurala mönstren i varje område under både VAKEN och SLEEP skulle dra nytta av vår kunskap om hippocampal rumslig kodning och ytterligare vår förståelse av rollen av hippocampus-neokortikal minnesbehandling under sömn. I en studie av gnagares hippocampus-visuella kretsar [36] fann forskare att minnesreaktivering i V1 var temporärt koordinerad med minnesreaktivering i hippocampus under SWS (Figur 2a,b). I en annan studie [37] fann forskare att hörselsignaler associerade med neural aktivitet under inlärning förbättrade uppspelning av samma neurala mönster om samma hörselsignaler presenterades under sömnen. Även om de auditiva stimuli inte påverkade antalet reprishändelser, var replay-innehållet partiskt av respektive ljud (Figur 2c), vilket tyder på mekanismer för selektiv minnesförbättring i sömn. I en annan färsk rapport om en liknande studie [38] registrerade forskare samtidigt ensemblespikar från råttans hörselbark och hippocampus medan de presenterade uppgiftsrelaterade ljud under sömnen (Figur 2d), och fann att den mönstrade aktiveringen i hörselbarken föregick och förutspådde det efterföljande innehållet av hippocampus aktivitet under SWRs (Figur 2e), medan hippocampus mönster under SWRs också förutspådde efterföljande auditiv kortikal aktivitet. Genomgående, att leverera ljud under sömn påverkade de auditiva kortikala aktivitetsmönstren, och ljudbaserade auditiva kortikala mönster förutspådde efterföljande hippocampus aktivitet. Bland många neokortikala strukturer är MEC en viktig neokortikal krets som skickar input till hippocampus och spelar en viktig roll i rumslig navigering och minnesbehandling. Två nyligen genomförda experimentella fynd från gnagare har visat att det förekom koordinerat återspel mellan hippocampus (CA1) platsceller och rutnätsceller vid djupa MEC-lager (L4/5) under vila [49]; emellertid spelade cellsammansättningarna vid ytliga MEC-lager upp banor oberoende av hippocampus reaktiveringsvila eller sömn, vilket tyder på att den ytliga MEC kan utlösa sina replay-händelser och initiera återkallnings- och konsolideringsprocesser oberoende av hippocampus SWR, medan djupa MEC-lager är direkt påverkade av hippocampus repris [46].

Sammantaget tyder dessa fynd på att neocortex kommunicerar med hippocampus om "när" och "vad" för att återaktivera minnet under sömnen, och aktiveringen av specifika kortikala representationer under sömnen påverkar det konsoliderade minnesinnehållet. Nästan alla rapporterade fynd är korrelationsbaserade observationer. Det första direkta orsaksbeviset för hippocampus-kortikal koppling i minneskonsolidering under sömn visades fysiologiskt och beteendemässigt i [39]. Viktigt, det visade sig att förstärkning av den endogena koordinationen mellan hippocampus SWR, kortikala deltavågor och spindlar genom tidsinställda elektriska stimuleringar resulterade i en omorganisation av mPFC-nätverket, tillsammans med efterföljande ökad prefrontal uppgiftsresponsivitet och hög återkallningsprestanda efter sömn [39] .

Förutom att beakta de specifika ensembler som deltar i återaktiverade minnesmönster, kan den tidsmässiga strukturen av minnesmönster också variera beroende på hjärnans tillstånd [25]. De återaktiverade mönstren under SWRs liknade mycket den komprimerade strukturen av kodat minne som observerats inom individuella cykler av theta-rytmen under vaket beteende i hippocampus [12,50]. Under SWS inträffade den hippocampus-neokortikala minnesreaktiveringen på en snabbare tidsskala, med rapporterade tidskompressionsfaktorer på 9–10 i gnagarhippocampus [26] och kompressionsfaktor på 6–7 i gnagare mPFC [42], även om det finns var också inkonsekvent rapport om inga bevis för tidskompression eller expansion i andra gnagarhjärnregioner [40]. I REM-sömn är hastigheten för omspelning av hippocampus nära eller något snabbare än den faktiska löphastigheten [31]. Speciellt försämrades det rumsliga minnet av selektivt undertryckande eller avbrott av SWR genom elektriska eller optogenetiska stimuleringar [51-53], vilket tyder på orsaksrollen för SWR för hippocampala repriser under off-line-tillståndet.

I motsats till djurforskning (nästan uteslutande på gnagare) har studier på människor gett mer begränsad tillgång till innehållet i sömnassocierat minne på neuronala ensemblenivå. Ändå ger minnesstudier av mänskliga försökspersoner, såsom HM [54], ett unikt och värdefullt perspektiv långt bortom gnagarstudier. För friska eller sjuka människor har semi-invasiv ECoG-inspelning eller icke-invasiv EEG/MEG-inspelning och fMRI-avbildning använts i stor utsträckning i sömnstudier [13-16]. Men ingen av dem mäter direkt enstaka neuronal aktivitet, vilket därför innebär stora utmaningar när det gäller att studera sömns minnesinnehåll. När enstaka enheter är tillgängliga visar olika kortikala områden distinkta men ändå lokaliserade spatiotemporala spik- och LFP-mönster [55]. I en anmärkningsvärd studie använde forskare fMRI och maskininlärningsverktyg för att avkoda (eller mer exakt, "klassificera") visuella bilder av hjärnmönster i den visuella cortex (V1, V2 och V3-områdena) under REM-sömn, jämfört med spatiotemporal hjärna mönster av fMRI-avbildning under vaket tillstånd [56]. Detta gav den första ledtråden om innehållet i mänskliga drömmar (Figur 3). I en sömnstudie på epilepsipatienter rapporterades att spikeaktiviteten i en enda enhet i MTL modulerades kring REM-debut, vilket var liknande i REM-sömn, vakenhet och kontrollerade visuella stimulanser, vilket tyder på att REM under sömnen omarrangerade diskreta synepoker. -liknande bearbetning som vid vaken syn [57].

Trots snabba framsteg i experimentella undersökningar och växande kunskap om hippocampus-neokortikala kretsmekanismer förblir svaren på många forskningsfrågor helt eller delvis okända. Eftersom de flesta "innehållsfrågor" drivs av statistiska analyser av SANC, är det absolut nödvändigt att utveckla beräkningsparadigm för att undersöka representationen av sömnassocierat minne.

Beräknings- och statistiska metoder: styrkor och begränsningar

Hur tolkar vi i WAKE representationen ("mening") av neurala koder? Detta är formellt etablerat av det neurala kodningsproblemet. Med tanke på den uppmätta sensoriska inmatningen eller det motoriska beteendet associerat med neurala svar, kan vi identifiera innebörden av neurala spikmönster på ett övervakat sätt. I SLEEP är den väsentliga beräkningsfrågan: vad och hur mycket information kan handla om från minnesrelaterade neurala representationer under sömnen? Eftersom representationen av en upplevelse är sparsam, är svaret på denna fråga icke-trivialt. Hittills har flera beräkningsmetoder (ruta 2) utvecklats för att analysera SANC som härrör från hippocampus-neokortikala kretsar. De flesta av metoderna kan dock inte identifiera "innehållet" (innehållet) av minnet annat än att bara etablera signifikant "likhet" (genom korrelation eller matchning) av spikaktiviteter mellan VAKEN och SÖN. Med andra ord kan de avslöja förekomsten av minnesrepris, men inte nödvändigtvis innehållet i reprisen. Som en allmän princip för att dechiffrera sömnassocierat minnesinnehåll är det viktigt att utveckla statistiska metoder som gör det möjligt att studera minnet utan att först behöva fastställa hur hjärnaktivitet kodar beteendevariabler såsom rumsliga platser eller rörelsekinematik. Under sömnen är hjärnan normalt bortkopplad från den yttre sinnesvärlden, även om sensorisk stimulering kan inducera fysiologiska förändringar i sömnassocierat minne [37,38,70]. Innehållet i sömnminnet saknar beteendeavläsning; därför är det att föredra att använda beräkningsmetoder som inte kräver beteendemätningar apriori.

Här skulle vi vilja diskutera två kvantitativa metoder för analys av SANC. I det första tillvägagångssättet definierar inte metoden för principal komponentanalys (PCA) [43,58] (ruta 2, figur Ia) den neuronala RF explicit. Istället beräknar den korrelationsmatrisen för cellsammansättningar i en MALL-epok och jämför den sedan ytterligare med en annan spatiotemporal populationspikmatris från MATCH-epoken – om vi flyttar populationspikvektorn i tid skulle vi kunna bedöma den tidsvarierande reaktiveringsstyrkan. Det grundläggande statistiska antagandet är att de spatiotemporala mönstren för ett specifikt beteende väl kan karakteriseras av korrelationsmatrisen för ensemblespikning. Begreppsmässigt är valet av MALL och MATCH godtyckligt och denna analys kan tillämpas i båda riktningarna (VAKNA➔ASLEP eller SLEEP➔VAKNA). Begränsningen för linjära delrumsmetoder, inklusive både PCA och oberoende komponentanalys (ICA) [59,53], är att de antar en stationär korrelationsstatistik under hela MALL- eller MATCH-perioden, vilket är osant i närvaro av distinkta eller komplexa beteenden som driver de tillståndsberoende neuronala svaren. Vidare identifierar inte den härledda reaktiveringsstyrkan från dessa metoder "innebörden" av minnet; istället är det positivt korrelerat med den kvadratiska kraften hos temporal avfyrningshastighet i den neuronala ensemblen.

Den andra metoden är en populationsavkodningsmetod. Till skillnad från de traditionella övervakade eller RF-baserade avkodningsmetoderna [64,65], har en oövervakad populationsavkodningsmetod [66-69] utvecklats för att återställa hippocampus rumsliga minne med antagandet om plats-RFs (ruta 2, figur Ib). Detta uppnås genom att associera spatiotemporala spikmönster med unika latenta tillstånd utan att definiera innebörden av dessa tillstånd apriori. Ett sådant tillvägagångssätt är begreppsmässigt tilltalande eftersom det inte kräver något antagande om explicita beteendeåtgärder. I fallet med gnagarnavigeringsexempel kan de latenta tillstånden representera ett djurs rumsliga platser. Statistiskt sett antas de latenta tillstånden följa en markovsk eller semi-markovisk övergångsdynamik. Banor över rumsliga platser ("stater") är förknippade med konsekventa spikmönster för hippocampusensemblen. I andra icke-spatiala uppgifter kan de latenta tillstånden också rymma icke-spatiala egenskaper hos upplevelser eller distinkta beteendemönster som inte kan mätas direkt. Sambandet mellan latenta tillstånd och spatiotemporala spikmönster kan fastställas från statistisk slutledning, hypotestestning och Monte Carlo blandad statistik [66-68]. Dessutom kan ytterligare funktioner (såsom spiksynkronisering eller LFP-funktioner i termer av effekt eller momentan fas) införlivas i den statistiska modellen för att ytterligare disassociera distinkta latenta tillstånd. Eftersom detta modellbaserade tillvägagångssätt bygger på en generativ modell, är modellanpassningen därför starkt beroende av de sannolikhetsfördelningar som beskriver datagenereringsprocessen. Om det finns en modellfelmatchning kan detta tillvägagångssätt ge dålig prestanda.

Standardparadigmet för minne är att först ta reda på hur hjärnan kodar information under WAKE, och sedan avgöra om dessa kodade mönster dyker upp senare, under antingen SLEEP eller efterföljande beteendeminnestestning - och därmed "betyder först, minne senare". Däremot tillåter det nya ramverket oss att skifta paradigmet och titta på minnet först (genom att avkoda inneboende struktur i neurala koder), och sedan bestämma betydelsen senare (dvs hur den strukturen kan korrelera med efterföljande beteende), och därigenom "minnet först" , vilket betyder senare"[69]. De huvudsakliga skillnaderna mellan dessa två paradigm är deras antaganden och analysordning (oberoende av den kronologiska ordningen). Det oövervakade tillvägagångssättet är opartiskt genom att det undviker att fördefiniera neurala aktivitetsmönster i WAKE associerade med en specifik uppgift eller beteende, och gör det också möjligt för oss att söka strukturer som antingen inte är explicit definierade eller helt enkelt odefinierbara. Därför kan detta opartiska tillvägagångssätt potentiellt ge oss möjligheter att upptäcka dolda strukturer i hjärnaktivitet, som kan representera väldefinierade WAKE-upplevelser eller kan spegla vissa odefinierade processer (t.ex. kreativa tankar och fantasi). Ännu viktigare, detta tillvägagångssätt kan föreslå utestående forskningsfrågor för experimentella undersökningar. Till exempel, hur kan vi särskilja minnet i sömn relaterat till tidigare navigeringsupplevelser i två eller flera distinkta rumsliga miljöer? Hur kan vi dechiffrera icke-spatialt hippocampalt episodiskt minne [23,71–74] i sömnen?

Ur ett dataanalysperspektiv är flera tekniska utmaningar värda att överväga. För det första har sömnepisoderna korta epoker, gles och sporadisk avfyring (minskad avfyrningshastighet jämfört med vaken) och komprimerad tidsskala. Att hantera dessa frågor involverar ofta ogrundade antaganden (t.ex. tidsmässigt oberoende, homogenitet) i dataanalys. För det andra har våra empiriska studier med hjälp av syntetiska sömnspikdata [69] visat att antalet aktiva hippocampus pyramidala celler är avgörande för tillförlitlig representation av utrymmet såväl som upptäckt av spatiotemporala reaktiverade mönster i SWS. Eftersom endast en liten del (~10–15 procent) av hippocampusneuroner som är aktiva under WAKE återaktiveras vid varje given tidpunkt under SWS, skulle en tillförlitlig undersökning av sömnassocierade befolkningskoder kräva samtidig inspelning av hundratals neuroner i WAKE. För det tredje finns det stor mångfald bland hippocampala pyramidala neuroner för deras bidrag till sekvensuppspelningen [75]. Dessutom har en liten andel hippocampala pyramidala neuroner ingen signifikant rumslig inställning men kan fortfarande eldas under sömnen. Det är oklart om deras avfyrningsaktiviteter representerar andra icke-spatiala episodiska minneskomponenter i minnesutrymmet, och hur vi kan identifiera deras statistiska signifikans. Liknande utmaningar skulle också gälla neocortex [76,77].

Framtida inriktningar

Neural populationsinspelning

De senaste framstegen inom neurala inspelningar har avsevärt utökat vår förmåga att undersöka neuronala populationskoder [78-80]. Enligt den senaste tekniken inom multielektrod

inspelning (personlig kommunikation, professor M. Roukes vid Caltech), förutspås det att av

Trender Neurosci. Författarmanuskript; tillgänglig i PMC 2018 01 maj.

In the year 2020 neuroscientists would be able to simultaneously record 10,000–100,000 hippocampal neurons from rats (based on new development of stacked nanoprobes [81]). As a result, the statistical power of SANC analysis would increase significantly by ~100 fold. In addition, calcium imaging is another emerging technique for measuring the large-scale activity of neuronal populations, which has been successfully used for chronic recordings from the rodent hippocampus [82–85] and cortex [86]. Since calcium signals are merely indirect measurements of neuronal spiking, the precise relationship between calcium signals and spiking is not fully identifiable and is also susceptible to biophysical variations. Therefore, improving the temporal resolution (>500 Hz) och ljuskänslighet för fluorescensbilder skulle potentiellt göra det möjligt för oss att undersöka storskaliga befolkningskoder på snabbare tidsskalor. Att kombinera elektrofysiologi och celltypsspecifika avbildningstekniker skulle vara en viktig framtida riktning på grund av deras komplementära styrkor. I studier på mänskliga/icke-mänskliga primater har ett nytt verktyg som integrerar elektrofysiologiska och fMRI (känd som neural-händelseutlöst fMRI) inspelningar [87] visat sig vara värdefullt för att undersöka den rumsliga kartläggningen av apriori definierade lokala hjärnmönster. Att utveckla trådlösa tekniker för inspelning av flera elektroder [88] är också avgörande för kronisk neural inspelning från icke-mänskliga primater i en naturalistisk sömnmiljö.

REM-sömn

Medan NREM-sömn har varit starkt inblandad i reaktivering och konsolidering av minnesspår, förblir den exakta funktionen av REM-sömn svårfångad [89,90]. Till skillnad från NREM-sömn, i REM-sömn finns det inget UP-tillstånd eller populationssynkroni associerad med hippocampala SWR, vilket resulterar i en minskning av neuronal avfyring och en ökning av synkroni, som båda är korrelerade med kraften i theta-svängningar [91]. Detta innebär att ensemblens spikaktivitet är ännu mer sparsam och ostrukturerad. Dessutom finns det några experimentella bevis för att i REM-sömn uppvisar råttas hippocampusneuroner en gradvis fasförskjutning från det nya (theta-toppen) till det välbekanta (theta-trough) mönstret i eldfas [92]. Sådan erfarenhetsberoende fasomkastning tyder på att hippocampuskretsar selektivt kan omstruktureras under REM-sömn genom att selektivt stärka nyligen förvärvade minnen och försvaga avlägsna minnen - en idé som överensstämmer med den ursprungliga Crick-Mitchisons hypotes om "omvändningsinlärning" i REM-sömn [93]. Experimentellt är den totala REM-sömnvaraktigheten mycket kortare än NREM-sömnvaraktigheten för gnagare och vuxna människor. De flesta djurförsök har främst inriktat sig på vakna beteenden, vilket begränsar inspelningsperioden för sömn. För att öka sömnlängden eller sannolikheten för övergång till REM från NREM-sömn har optogenetiska manipulationer av specifika neurala kretsar övervägts hos gnagare [94-96]. Alternativt kan man undersöka gnagare eller andra specier som har längre REM-sömnepisoder. Nyligen genomförda en-enhetsinspelningar i mänskligt MTL antydde att ögonrörelser under REM-sömn kan återspegla en förändring av visuella bilder i drömmar [57]. Med ständigt ackumulerande "STORa neurala data" är ett slutmål att dechiffrera djurets drömmar under REM-sömn om WAKE-upplevelser - en krävande uppgift som fortfarande kräver omfattande experimentella och beräkningsundersökningar.