Memory Consolidation by Replay of Stimulus-Specific Neural Activity

Transkript

1 Memory Consolidation by Replay of Stimulus-Specific Neural Activity Lorena Deuker, Jan Olligs, Juergen Fell, Thorsten A. Kranz, Florian Mormann, Christian Montag, Martin Reuter, Christian E. Elger and Nicolai Axmacher Biologische Psychologie Seminar Dozent: Thomas Plieger Referat: Jannis Guski, Jan Wiskemann

2 Inhalt: Einführung Theorie Methoden Ergebnisse Diskussion

3 Einführung

4 1) Gedächtnisformung Two-Step Theory: 1) Encoding: Enkodierung von Reizen in mentale Repräsentationen 2) Consolidation: Konvertierung von Repräsentationen in stabilere Gedächtnisinhalte, Abschirmung gegen Interferenz Rolle des Hippocampus Neuronaler Mechanismus: Interaktion Hippocampus-Neocortex, Reaktivierung von Gedächtnisspuren

5 2) Vorläuferstudien Einzellzellableitungen bei Nagetieren belegen Relevanz von Spontanaktivität hippocampaler Zellen für Gedächtnisleistung fmrt-studien zeigen Reaktivierung von lernrelevanten Hirnstrukturen im Schlafund Wachzustand Weitere Studien belegen Verbesserung der Erinnerungsleistung bei wiederholter Präsentation von an Reize gekoppelten Cues (z.b. akustische Hinweisreize)

6 Theorie

7 Ziele der Studie Untersuchung der neuronalen Basis von spontaner Reaktivierung (ohne Cues) im Hinblick auf Konsolidierungsprozesse Erprobung eines neuen Analyseverfahrens für fmrt-daten (MVPA)

8 Hypothesen 1) während der Konsolidierungsphase treten spontan (ohne Cues!) spezifische Aktivierungsmuster auf, die mit gelernten Stimuli assoziiert sind 2) gerichtete Vorhersage: auftretende Spontanaktivität verbessert die spätere Erinnerungsleistung

9 Methoden

10 Probanden 17 Pbn (10,7 ), 10 berücksichtigt Leichter Schlafentzug (2 Std.) Gesamtdauer 7-8 Stunden

11 Stimuli

12 Stimuli 2 Sets (A&B) à 16 = 32 Internetbilder (Motive aus dem realen Leben) Verschiedene inhaltliche Dimensionen Jedes Objekt in 6 Variationen semantische, nicht rein physikalische Verarbeitung 2x16x6= 192 Bilder insgesamt Aufgabe: Erinnerung einer Objekt-Ort- Paarung für jedes Motiv (Quadrat im Raum)

13 Paradigma

14 Paradigma 3 große Blöcke (Set 1, Main Resting Period, Set 2), alle im fmrt-scanner Präsentation der Bild-Ort-Assoziationen jeweils 5 Sekunden ( 2 fmrt-bilder) in Lernphasen Pre- und Post-Phasen für die Lernphasen beider Stimulus-Sets (Wachruhephasen) Main resting period = Schlafruhephase Abschließend: Gedächtnisaufgaben, free recall (unangekündigt) und cued recall (angekündigt) für beide Sets

15 Datenquellen fmrt: 3-Tesla-Scanner Einteilung des Gehirns in 37 slices ( Scheiben ) mit einer Dicke von 2.5 mm Intervall der Aufnahmen: 2,5 Sekunden EEG: 14 Kanäle (inkl. Elektroden zur Messung der Muskelaktivität) Ziel: Identifikation der verschiedenen Schlafphasen

16 MVPA I Multivariate pattern classification analysis Grundzüge der Methode: Zerebrale Aktivierungsmuster während der Lernphasen werden identifiziert (der sog. Classifier wird auf diese Muster trainiert ) In allen Ruhephasen gleicht der Classifier spontan auftretende Aktivierungsmuster fortwährend mit den antrainierten Mustern ab Entscheidung des Classifiers: Übereinstimmung mit Mustern beim Lernen von Objekten aus Set 1/ Set 2? Vote des Classifiers

17 MVPA II der Classifier wurde immer für einzelne Pbn trainiert, nicht über mehrere hinweg Über ANOVA wurden die 1000 Voxel mit den stärksten BOLD-Signalen ausgewählt Reduktion der Datenmenge

18 Akkuratheit des Classifiers Kann der Classifier tatsächlich zwischen den einzelnen Objekten unterscheiden? in beiden Lernphasen wurde der Classifier deshalb auf völlig durcheinander gewürfelte MRT-Bilder trainiert Zufallsverteilung Berücksichtigung nur von Pbn, für die Classifier votes insgesamt mind. 3 STD über dem Zufallsniveau (Mittel der resultierenden Verteilung) liegen (Zufall später 5% korrekte Votes, nur Pbn ab 15%)

19 Auswertung der Votes I erster Ansatz: Der Quotient Votes für Stimuli aus Set 1/ alle Votes ( Set 1 ratio ) sollte größer als 0,5 sein um festzustellen, dass der Classifier Spontanaktivität mit Set 1 in Verbindung bringt die Votes für Set 1 wären bei einem Set 1 ratio > 0,5 überzufällig! These: Classifier votet im Verhältnis häufiger für Set 1 als für Set 2 (da Set 1 früher dargeboten)

20 Auswertung der Votes II Problem: Daten der drei Blöcke stammen aus drei verschiedenen MRT-Sitzungen Möglicherweise feine Unterschiede in der Lage der Voxel und langfristige Veränderung der Gehirnaktivität, z.b. veränderte Stimmungslage der Probanden Lösung: Generierung von Surrogate data innerhalb der zwei Lern-Blöcke

21 Surrogate Data Votes werden zufällig durchgemischt Testung der tatsächlichen Daten gegen diese Zufallsdaten Viele Komponenten der Spontanaktivität sind unabhängig von spezifischem Stimulusmaterial (z.b. Stimmung während Set 1 und angrenzenden Ruhephasen) Classifier votet möglicherweise überzufällig oft für ein Set, auch wenn er das erkannte Muster nicht eindeutig einem bestimmten Objekt zuordnen kann!

22 Vergleich von Classifier votes mit Gedächtnisleistung Über Korrelation, t-test gegen 0 Erwartung: Je mehr Votes des Classifiers für ein bestimmtes Objekt, desto kleiner der Fehler im Gedächtnistest für das jeweilige Objekt (bzw. zugehöriges Quadrat) Negative Korrelationskoeffizienten

23 Ergebnisse

24 Schlaf Alle Pbn mind. Schlafstadium 2 5 Pbn in V3 & V4 4 Pbn in REM- Phase

25 Gedächtnisleistung Free Recall: Objekte nennen Set 1: 5,5; Set 2: 10,5 (korrekte Antworten) Unterschied signifikant! Spricht gegen Konsolidierungshypothese! Erklärung: Recency-Effekt (Neuheit des Set-2- Materials); keine Vorbereitung auf free recall

26 Gedächtnisleistung Cued Recall: Orte der Objekte angeben Set 1: 50,6 ; Set 2: 45,1 (Abweichungsdistanz vom Stimulus) Unterschied nicht signifikant Auch hier Recency- Effekt wahrscheinlich

27 Classifier

28 Classifier Classifier-Treffsicherheit liegt bei 12-59%, deutlich über Zufallsniveau! (3.125%) Selektion nach Pbn mit Werten über 15,12% (10 übrig) Erwartung erfüllt: Set 1 - Votes in allen Phasen über 0.5 (konstante Sicherheit der Vorhersage) In allen Phasen mehr Set 1- Replay, aber auch in Pre-1-Phase unmöglich! Probanden haben noch keine Items gesehen! deshalb Abgleich mit Surrogate Classifier zur Untersuchung dieses bias

29 Classifier Surrogate Classifier: berücksichtigt die Eigenarten jeder Messung (etwa Bewegungen, Grundstimmung) Linearer monotoner Abwärtstrend der Set 1- Votes Vergleich: empirischer classifier mehr Set 1- Votes als surrogate classifier in main resting period Bias in Pre 1-Phase wahrscheinlich durch zeitliche Nähe zur Stimulus- Präsentation verursacht

30 Classifier & Replay

31 Replay Replay statt wie erwartet im Hippocampus vor allem im visuellen Cortex und vertralen Pfad Replay im Wachzustand häufiger als im Schlaf (gegen die Hypothese) Erwartung erfüllt: signifikante negative Korrelation zwischen Replayhäufigkeit und recall error in allen Ruhephasen mögliche Störvariablen wie Angenehmheit der Stimuli oder Schläfrigkeit wurden untersucht kein Einfluss

32 Replay

33 Diskussion

34 Diskussion Hypothesen nicht vollständig bestätigt Replay konnte trotz bias gezeigt werden Studie bietet Grundlage für weitere Forschung, neuartiger Ansatz Replay-Zeitfenster nicht bestimmbar Einzelzellableitung genauer als fmrt EEG-Daten qualitativ minderwertig wenige Elektroden, Rauschen Rolle des Hippocampus unklar weitere Studien nötig, z.b.untersuchung SWS- Replay, andere Schlafperioden?

35 Take home - message Studie trägt in limitierter Form zum Verstehen des Zusammenhangs zw. Schlaf und Konsolidierungsprozessen bei Spontanes Wiederauftreten von stimulusspezifischer Aktivität im Gehirn korreliert negativ mit der späteren Erinnerungsfehlern, d.h. je mehr Reaktivierung, desto besser die Erinnerungsleistung

36 Noch Fragen?