盗梦空间?神经科学家破解潜藏在睡梦中的记忆
2016/09/02
近日,来自麻省理工学院(MIT)的研究团队在Scientific Reports杂志上发表了一项研究,该研究团队创造了一种新的分析工具,探究睡眠过程中大脑记忆形成过程。


大脑将来自环境的感觉信息和我们的主观体验连接在一起,从而使我们产生知觉、情绪和记忆。但是,我们的大脑与纷杂的感官世界总有断开连接的时候——即睡眠之时。睡眠有助于我们保持大脑健康,使我们记忆更强大,并帮助我们处理问题。

近日,来自麻省理工学院(MIT)的研究团队在Scientific Reports杂志上发表了一项研究,他们探究海马脑区(海马对空间记忆和特殊事件的记忆至关重要)的活动是如何影响记忆形成以及解决问题的。该研究团队创造了一种新的分析工具,探究大脑记忆形成过程。

在过去,科学家进行记忆研究通常都利用行为学实验的结果作为一个指标。比如,通过几次实验跟踪一只大鼠能在多快的时间内识别出一个迷宫。

不过,随着神经科学的发展,研究者们开始在学习过程中探索大脑活动,去了解大脑是如何编码,如何学习信息的。

使用这种研究方法需要记忆和学习相关的行为去诱导脑部活动,并假设记忆是行为的产物。但是,神经科学家在几十年前就已经发现,当动物并没有任何行为——即当它们在睡眠时,它们的记忆力也在增强。这就引出了一个问题:当大脑与感官世界隔绝时,神经学家是如何衡量记忆的形成过程呢?

MIT的研究小组认为,记忆的内容潜藏在睡眠之中,因此需要工具解码这个过程,并且不需要事先在行为测试中进行评估。

能读出海马活动的统计工具已经发展了几十年。但是,大多数工具都是将焦点集中在动物清醒时的脑部活动,这可以让分析过程变得更容易,因为行为和感觉信息可以增强海马活动及相关数据。而睡眠过程中所记录大部分脑部信息都是加密的。那么,这些加密的信息我们要如何解码,并帮助我们进一步理解动物清醒时的记忆形成呢?

研究人员认为,开发无偏统计工具,以揭示海马神经元活动表现,将提高我们对记忆形成机制的理解。另一个方法就是解读大鼠的梦境,因为它关乎到记忆形成以及后续的行为措施。

与将记忆看作是行为的结果这种观点相反,MIT的研究人员认为发展一种可以用来显示睡眠中脑部活动的工具十分重要。这就意味着,与其通过动物行为来理解记忆,研究人员希望破解睡眠中的大脑活动来理解当动物清醒时应该如何评估学习和记忆过程。

研究人员极大地改进了分析睡眠过程中海马活动的方法,而不需要获得动物清醒时的数据。他们的分析工具将便于科学家们更加深入地研究海马在记忆和学习中的功能,研究其他脑区,以及信息是如何在不同脑区之间传递。

备注:本文编译自Massachusetts Institute of Technology网站,原标题“Neuroscientists decrypt the sleeping brain to reveal hidden memories

所有文章仅代表作者观点,不代表本站立场。如若转载请联系原作者。
查看更多
  • Uncovering representations of sleep-associated hippocampal ensemble spike activity

    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.

    展开 收起
发表评论 我在frontend\modules\comment\widgets\views\文件夹下面 test