✎ 頂刊導讀目錄
1,終紋床核通過糖皮質激素依賴和非依賴環路調節記憶鞏固
2,人類將試次間工作記憶的不確定性融入到獎勵決策中
3,Theta和Alpha振蕩在工作記憶控制中作用的因果證據
4,結構後內側情景網絡
5,反向傳播和大腦
1,終紋床核通過糖皮質激素依賴和非依賴環路調節記憶鞏固
期刊:PNAS
作者:Loren
大量證據表明,糖皮質激素能促進記憶鞏固,幫助人們記住重要的情感事件。先前的研究發現,終紋床核的前腹區(avBST)調節糖皮質激素的釋放,這表明avBST的活動可能會影響情緒事件的記憶鞏固。為了探討這一問題,研究人員對雄性SD大鼠進行了抑制性迴避訓練,並反覆測定應激激素,然後立即對avBST或其向下遊區域的投射進行光遺傳操控,並在48小時後測試其保持能力。
結果表明,avBST抑制增強了訓練後垂體-腎上腺的輸出,增強了對抑制性迴避訓練的記憶。糖皮質激素合成抑制劑預處理可阻斷記憶增強和皮質酮反應增強,表明記憶增強依賴於訓練後的糖皮質激素釋放。相反,訓練後的avBST刺激減少了保持能力,但對應激激素輸出沒有影響。
實驗表明,avBST抑制到下丘腦室旁區的輸入,增加了應激激素的輸出和隨後的保持能力,而avBST刺激對兩者都沒有影響。相反,avBST刺激(但不是抑制)輸入到中腦導水管周圍灰質腹外側會出現損害,而兩種手法都不會影響糖皮質激素的分泌。
這些發現表明,avBST的不同通路分別通過糖皮質激素依賴和非依賴機制實現avBST抑制與刺激的記憶效應。
https://www.pnas.org/content/117/14/8104
2,人類將試次間工作記憶的不確定性融入到獎勵決策中
期刊:PNAS
作者:Loren
實驗流程及模型架構
許多複雜的決策都涉及工作記憶(working memory, WM),儲存在WM中的信息被整合到許多日常決策和行動中;然而,關於記憶決策中使用了哪些WM信息的研究工作很少。為了研究這個問題,本研究使用了一個顏色WM任務:受試者觀看顏色刺激,並報告對刺激顏色的估計,通過獎勵決策獲得對記憶不確定性的測量。
結果顯示,報告的記憶不確定性與記憶錯誤相關,表明人們將他們的試次記憶質量納入到獎勵的決策中。此外,記憶的不確定性可以與其他信息來源相結合;在誘導出對刺激概率的預期(先驗信念)後,估計變得傾向於預期的顏色,隨著報告的不確定性的增加,這種變化也會增加。在這些模型中,人們將他們的實驗中的記憶不確定性與潛在的回報和先前的信念結合在一起。
本研究的結果表明,WM代表不確定性信息,可以與先前的信念相結合。這突出了WM表徵的潛在複雜性,並表明獎勵決策可以成為檢驗WM,告知和約束記憶的理論,以及計算和神經生物學模型的有力工具。通過在研究決策的同時研究WM,可以對這些系統如何協同工作有新的認識。
https://www.pnas.org/content/117/15/8391
3,Theta和Alpha振蕩在工作記憶控制中作用的因果證據
期刊:Current Biology
作者:Aleah-jing
實驗設計、TMS靶點及Theta和Alpha振蕩在工作記憶控制中神經模型示意圖
工作記憶(Working memory,WM)依賴於優先加工相關信息和抑制無關信息。優先加工相關信息與外側前額葉皮層的theta頻率神經振蕩相關,而抑制無關信息與枕頂葉的alpha振蕩相關。
本研究使用回顧性提示WM範式來操縱信息優先級和抑制任務要求,這些要求的設計是為了驅動前額葉皮層中的theta振蕩和頂葉皮層中的alpha振蕩。為了檢驗這些神經振蕩的因果作用,我們將θ或α頻率的經顱磁刺激(TMS)施加到前額葉和頂葉,腦區具體位置根據功能性核磁共振成像(fMRI)定義。節律性的TMS對WM性能的影響取決於TMS頻率與目標腦區預期的任務驅動的振蕩的頻率匹配與否。
在目標腦區中的fMRI預測了受試者隨後的TMS效應,從而支持了theta振蕩對神經活動具有興奮性而alpha振蕩具有抑制性的神經模型。總而言之,這些結果確立了前額葉theta振蕩和頂葉alpha振蕩在控制內在工作記憶表徵保持中的不同因果性關係。
https://doi.org/10.1016/j.cub.2020.02.065
4,結構後內側情景網絡
期刊:Trends in Cognitive Science
作者:Freya
後內側(PM)情景網絡的整合模型
我們記憶或想像特定事件的能力涉及到複雜心理表徵的構建,這一過程涉及到大腦後內側(posterior medial,PM)核心網絡中的皮層和海馬區域。現有的理論方法已經描述了PM網絡對記憶或想像特定事件的主要貢獻,但是目前尚不清楚情景內容是如何在整個系統中表達和轉換的。
本文回顧了PM網絡的腦區之間關鍵功能交互的證據,及其與支持情景結構的核心認知操作和表徵的關係。本文將近年來的網絡功能多樣性的研究成果與已有的研究成果相結合,提出了一種基於網絡的情景結構模型,其中PM網絡中的腦區間靈活地共享和操作事件信息,以支持情景記憶和模擬的易變現象學。
https://www.cell.com/trends/cognitive-sciences/fulltext/S1364-6613(20)30081-4
5,反向傳播和大腦
期刊:Nature Reviews Neuroscience
作者:Sniper
在學習過程中,大腦中的突觸會發生改變以改善行為。在皮層中,突觸被嵌入到多層網絡中,這使得難以確定單個突觸修飾對系統行為的影響。在深度人工神經網絡中,反向傳播算法解決了這個問題;但在歷史上,反向傳播算法一直被認為不符合生物學規律(biologically problematic)。
儘管如此,神經科學的最新發展和人工神經網絡的成功再一次激發了人們進一步了解反向傳播是否能提供學習在皮層中的發生機制的興趣。反向傳播算法通過使用反饋連接來傳遞錯誤信號,計算後進行突觸更新,從而快速學習。儘管反饋連接在皮層中無處不在,但是很難看到它們如何傳遞反向傳播公式所要求的嚴格的誤差信號。
在這篇文章中,作者以過去和最近的發展為基礎,表達了這樣一種觀點:反饋連接可能會引發存在差異的神經活動,這些差異可用於局部地近似那些誤差信號,從而推動大腦深層網絡的有效學習。
https://www.nature.com/articles/s41583-020-0277-3
校審:Freya(brainnews編輯部)