Unen menetys häiritsee onnistuneen oppimisen hermostoa Osa 3

Tietojen analyysit

Käyttäytyminen

Käyttäytymistiedot analysoitiin R Studiolla (v.1.4.1717, R Studio Team 2021). Muistin konsolidointi indeksoitiin visuospatiaalisen muistin tarkkuuden muutoksella välittömien ja viivästyneiden testien välillä.

Viivästetty testaus on testimenetelmä, jota käytetään usein muistin ja oppimisvaikutusten testaamiseen. Sen perusperiaate on, että tietyn oppimis- ja muistitehtävän suorittamisen jälkeen testiä viivästetään jonkin aikaa, jotta voidaan tarkkailla ihmisten pitkäaikaismuistia ja opitun tiedon hallintaa.

Tutkimukset osoittavat, että viivästetty testaus voi auttaa meitä vahvistamaan muistoja ja parantamaan oppimista. Yleensä opimme ja muistamme yhä uudelleen oppiessamme uutta tietoa, mutta viivästetty testaus voi auttaa meitä muistamaan ja muistamaan tehokkaammin, mikä auttaa syventämään ymmärrystämme ja muistiamme oppimastamme tiedosta. Tämä syvä muisti auttaa todennäköisemmin toipumaan nopeasti ja muistamaan tarvitsemamme tiedot tulevaisuudessa.

Viivästetyn testauksen avulla löydämme oppimisessamme kuolleita kulmia, löydämme vaikeimmin muistettavan sisällön ja opimme ja hallitsemme sitä kohdistetusti hallitaksemme tarvittavan tiedon kokonaisvaltaisemmin.

Mutta meidän on huomattava, että viivetestaus ei ole täysin tehokasta. Sitä käytetään pääasiassa jo hallitun tiedon lujittamiseen, eikä se auta meitä oppimaan käsitteitä tai tietopisteitä. Siksi uutta tietoa oppiessamme meidän tulee myös tehdä enemmän muistiinpanoja ja soveltaa oppimaansa tietoa tosielämään syventääksemme ymmärrystämme ja tiedon muistia.

Lyhyesti sanottuna viivästetty testaus auttaa suuresti oppimistamme ja muistiamme. Sen avulla voimme paremmin lujittaa tietomuistia ja oppia ja hallita vaadittua tietoa tehokkaammin. Hyödynnetään aktiivisesti viivästettyä testausta oppimistulosten parantamiseksi ja tarvittavien tietojen ja taitojen hallitsemiseksi paremmin oppimisprosessin aikana. Voidaan nähdä, että meidän on parannettava muistia, ja Cistanche deserticola voi parantaa muistia merkittävästi, koska Cistanche deserticola on perinteinen kiinalainen lääkeaine, jolla on monia ainutlaatuisia vaikutuksia, joista yksi on parantaa muistia. Jauhetun lihan teho perustuu sen sisältämiin erilaisiin vaikuttaviin ainesosiin, mukaan lukien happo, polysakkaridit, flavonoidit jne. Nämä ainesosat voivat edistää aivojen terveyttä monin eri tavoin.

Napsauta tietää lisäravinteita parantaaksesi muistia

Laskimme jokaiselle osallistujalle ja testille virhepisteet jokaiselle kuvalle laskemalla etäisyyden (cm) palautetun sijainnin (kuvan keskipisteen) ja paikan välillä, jossa kuva oli esiintynyt passiivisessa katselussa. Johdimme säilytysindeksin (RI) vähentämällä viivästyneen testin virhepisteet kunkin kuvan välittömän testin virhepisteistä ja laskemalla sitten kuvien keskiarvon.

SeurantaRI laskettiin välittömän ja seurantatestin välillä samalla menetelmällä. Ymmärtämisen helpottamiseksi (esim. korkeampi RI=parempi säilytys) vaihdoimme RI-vähennysjärjestyksen esirekisteröityyn järjestykseen.

This change yields statistically identical results aside from the sign change. As preregistered, 1 participant was removed from analyses that included RISleepBenefit scores (see below) because their RI at the delayed test in the sleep deprivation condition was >3 SD keskiarvosta.

Seuraavan päivän oppimista arvioitiin oppimisindeksillä (LI), joka vastasi oikein tunnistettujen kuvien prosenttiosuutta pariliitosten testissä. RI:n ja LI:n kuntoerot analysoitiin käyttämällä parinäytteen t-testejä, joiden merkitsevyyskynnys oli P < 0,05. Raportoimme "klassisen" Cohenin d:n vaikutuskoko-arviomme, koska kokeellinen suunnittelu ei vaikuta siihen ja helpottaa siten vertailua eri tutkimusten välillä (R-funktio: cohen, R-paketti: LSR, Navarro2015).

Yksi ensisijaisista tavoitteistamme oli tutkia uneen liittyvän lujittumisen ja seuraavan päivän oppimisen välistä yhteyttä ja sitä, kuinka SWA vaikuttaa tähän suhteeseen. Tätä varten määritimme ensin unen hyödyn (vs. unenpuute) RI:n ja LI:n perusteella. Vähensimme (jokaiselle osallistujalle) univaje-tilan RI:n unitilan RI:stä RISleep-edun johtamiseksi.

Samoin vähennimme (jokaiselle osallistujalle) univaje-tilan LI-arvon unitilan LI-arvosta saadaksemme LIS-leepBenefitin. Positiiviset pisteet RISleepBenefit- ja LISleepBenefitissä osoittavat siis uneen liittyvää suorituskyvyn paranemista. RISleepBenefit ja SWA (katso alla) merkittiin LISleepBenefitin ennustajiksi pakolliseen moninkertaiseen regressioanalyysiin.

Bayesin moninkertaista regressioanalyysiä (R-paketti: BayesFactor, Morey ja Rouder 2018) käytettiin testaamaan todisteita nollasta (eli nukkumiseen liittyvän konsolidaation [RISleepBenefit], SWA:n ja seuraavan päivän oppimisen [LISleepBenefit] välillä ei ole yhteyttä). Tutkivia korrelaatioita laskettiin Pearsonin R:llä.

EEG (uni)

Esikäsittely

Unen EEG-tiedot jaettiin 30 s jaksoiksi ja pisteytettiin RemLogic 3.4:ssä standardoitujen kriteerien mukaisesti (Iber 2007). Univaiheen N2:ksi tai SWS:ksi arvioidut aikakaudet vietiin MATLAB 2019a:han käyttämällä FieldTriptoolboxia (Oostenveld et al. 2011, v.10/04/18) lisäanalyysiä varten. Artefaktit tunnistettiin ja poistettiin FieldTripin tietoselaimella (keskiarvo ± SD artefaktit hylätty, 3,5 ± 2,85), kohinaiset kanavat poistettiin (4 kanavaa 4 osallistujalta) ja 2 kokonaista tietojoukkoa suljettiin pois liiallisen kohinan vuoksi. Loput tiedot kaistanpäästösuodatettiin välillä 0,3 Hz ja 30 Hz käyttämällä Butterworthin ali- ja ylipäästösuodattimia.

Tehospektrianalyysi

Johtuen merkittävästä kohinasta takaraivokanavissa (johtuen elektrodien irtoamisesta yön aikana useilla osallistujilla), sisällytimme spektrianalyysiimme vain frontaalikanavat (F3 ja F4), keskuskanavat (C3 ja C4) ja parietaalikanavat (P3 ja P4). unen EEG-tiedoista. Käyttämällä FieldTrip-työkalupakin funktioita artefaktittomia N2- ja SWS-kausia sovellettiin nopeaan Fourier-muunnokseen 10.24-s Hanning-ikkunalla ja 50 % päällekkäisyydellä.EEG-teho SWA:ssa (0,5– 4 Hz) ja nopean karan (12,1–16 Hz) kaistat määritettiin laskemalla keskiarvo vastaavien taajuusalueiden ja kanavien välillä.

EEG (oppiminen)

Esikäsittely

Kaikki 8 EEG-kanavaa (F3, F4, C3, C4, P3, P4, O1 ja O2) sisällytettiin oppimisanalyysiimme. Tiedot oli ylipäästösuodatettu (0,5 Hz), pykäläsuodatettu (49–51 Hz) ja segmentoitu kokeisiin (−3 s - 4,5 s ärsykkeen alkamisesta). Kokeet, joihin osallistujat eivät vastanneet, poistettiin analyysi (keskiarvo ± SD poissuljetut kokeet, uni: 0,1 ± 0,45, univaje: 5,11 ± 7,93, Priestet al. 2001).

Päänahan elektrodeista tunnistettiin silmien räpäykset ja sydänkomponentit, jotka poistettiin riippumattomien komponenttien analyysin avulla, ja kohinaiset kanavat interpoloitiin niiden lähimpien naapureiden painotetun keskiarvon kautta (14 kanavaa 6 osallistujalla ja 2 ehtoa). Kokeet tarkastettiin visuaalisesti ja tiedot kahdelta osallistujalta poistettiin useiden kanavien liiallisen kohinan vuoksi.

Aika-taajuus analyysit

Aika-taajuusesitykset (TFR:t) laskettiin erikseen alemmille (4–30 Hz) ja korkeammille (30–60 Hz) taajuuksille. Esirekisteröity ylärajamme oli 120 Hz, mutta koska näytteenottotaajuutemme oli 200 Hz, yläraja oli Nyquistin taajuuden yläpuolella ja sitä piti laskea. Alemmilla taajuuksilla tiedot konvoloitiin 5-5-Hanning-syklin kapenemalla 0:ssa.{101} {9}}Hz:n taajuusaskel ja 5-mstime-askel käyttämällä mukautuvaa ikkunan pituutta (eli jossa ikkunan pituus pienenee taajuuden kasvaessa, esim. 1,25 s 4 Hz:llä ja 1 s 5 Hz:llä, jotta 5 jaksoa säilyy).

Korkeammilla taajuuksilla tiedot konvoloitiin Slepian-sekvenssin kapenevilla (3 kartiomaista), myös 0,5 Hz:n ja 5 ms:n askelin mukautuvalla ikkunan pituudella. Tätä jälkimmäistä analyysiä varten taajuuden tasoitus asetettiin arvoon 0,4 kiinnostuksen kohteena olevasta taajuudesta (esim. 20 Hz tasoitus 50 Hz:llä). Artefakttien hylkääminen saavutettiin datalähtöisellä lähestymistavalla, jota sovellettiin erikseen alempien ja korkeampien taajuuksien analyyseihin: tehoarvot, jotka ylittivät 85. prosenttipisteen kaikissa aika-/taajuuspisteissä, ja kokeet poistettiin jokaisen osallistujan tietojoukosta.
TFR:t muutettiin prosentuaaliseksi tehonmuutokseksi suhteessa -400 ms - -200 ms prestimulus-perusviivaikkunaan. Tämä ikkuna valittiin lieventämään peruskontaminaatiota poststimulus-toiminnalla samalla, kun säilytettiin läheisyys ärsykkeen alkamiseen (huomaa, että kiinnostava poststimulus-aikaikkunamme alkoi 0,3 sekunnissa, katso alla).

Kokeet jaettiin myöhemmin muistettaviin ja unohdettuihin adjektiivi-kuva-pareihin (48 tuntia myöhemmin suoritetun testivaiheen perusteella). Koska 49–51 Hz:n lovisuodattimemme oli päällekkäin gammataajuusalueemme kanssa, suoritettiin korkeamman taajuuden analyysimme (30–60 Hz) ilman lovisuodatinta ja tulokset gammataajuusalueella (40–60 Hz) pysyivät ennallaan.

Tilastot

TFR-analyysit suoritettiin riippuvaisina näyteanalyyseina ja korjattiin useiden vertailujen suhteen FieldTripin ei-parametrisella klusteripohjaisella permutaatiomenetelmällä (1,000 satunnaistukset). Klusterit määriteltiin kanavan * ajan mukaan samalla kun laskettiin keskiarvo kiinnostavien taajuuskaistojen välillä (theta [4–8 Hz], alfa [8–12 Hz], beeta [12–20 Hz] ja gamma [40–60] Hz], klusterin kynnys P < 0,05).

Ennalta rekisteröidyt analyysit taan- ja gamma-alueissa olivat {{0}}pyrstöjä, kun taas tutkivat analyysit olivat 2-pyrstöjä. Varhaisten visuaalisten reaktioiden aiheuttamien häiriöiden vähentämiseksi kiinnostuksen aikaikkuna asetettiin 0,3 sekunnista 2 sekuntiin (Friedman ja Johnson 2000; Osipova et al. 2006). Faktoriaalista lähestymistapaa käytettiin arvioitaessa univajeen (vs. unen) vaikutuksia koodauksen hermokorrelaatteihin: Laskemme suuren keskimääräisen TFR-eron myöhemmin muistetuille > unohdetuille adjektiivi-kuva-parisuhteille kussakin tilassa (uni ja univaje) ja syötimme sitten nämä vastakohdat klusteripohjaiseen permutaatioanalyysiin (Sleepremembered > Forgotten > SleepDeprivationremembered > Forgotten).

Kuvastaaksemme klusteripohjaisen permutaatiotestin perusteita raportoimme effektiot Cohenin dz-arvona suurimman klusterin keskiarvon perusteella (eli kaikkien kanavien ja aikapisteiden keskiarvona, jotka missä tahansa vaiheessa vaikuttivat suurimman klusterin syntymiseen, Meyeret al. 2021).

Tulokset

Nukkuminen edistää muistin vahvistamista

Yön aikana tapahtuvan konsolidoinnin arvioimiseksi laskemme RI:n välittömistä ja viivästyneistä visuospatiaalisista muistitesteistä (korkeampi RI {{0}} parempi yön yli säilyminen, katso Materiaalit ja menetelmät). Kuten odotettiin, RI oli merkittävästi korkeampi unen jälkeen kuin univaje (t(28)=3,78, P < 0,001, d=0,71, katso kuva 2a). Varmistaaksemme, etteivät löydökseemme johtuneet olosuhteiden välisten erojen väsymyksestä viivästetyssä testissä, arvioimme myös muistin säilymisen välittömän ja seurantatestin välillä (joka tapahtui 48 tuntia viivästyneen testin jälkeen, mikä mahdollisti palautuvan unen).

Kuten odotettiin, RI oli edelleen huomattavasti korkeampi unitilassa (verrattuna univajeeseen) (t(28)=2.18, P=0.038, d {{5} }.44, katso kuva 2b), mikä viittaa siihen, että uni oli helpottanut yön yli tapahtuvaa konsolidaatiota. Visuospatiaalisessa tarkkuudessa ei ollut merkittävää olosuhteiden välistä eroa välittömässä testissä (keskiarvo ± keskiarvon standardivirhe (SEM), uni: 2,44 ± 0.10, univaje: 2,57 ± 0,10, t (28)=−0.98,P=0.337, d=0.19, BF01=3.28) eikä unen säilyttämisen hyödyssä ollut eroa ( RISleepBeefit [unitilanne RI − univaje RI], katso alla) niiden osallistujien välillä, jotka suorittivat unitilan ennen tai jälkeen univajetilan(t(27)=0.22, P=0.828, d=0.08, BF01=2.81).

Vaikka PVT:n vasteajat olivat univajeen jälkeisenä aamuna hitaampia (keskiarvo ± SEM, 399.00 ms ± 17,63) kuin unessa (289,15 ± 4,34, P < 0.0{ {19}}1), RISleepBenefitin ja PVTSleepBenefitin välillä ei ollut merkittävää yhteyttä (eli keskimääräinen RT unen jälkeen − keskimääräinen RT unipuutteen jälkeen, R{{10}} −0.15, P {{ 13}}.440, BF01=1.92). Kuten SSS osoittaa, osallistujat tunsivat olonsa vähemmän valppaiksi univajeen jälkeen (keskiarvo ± SEM, 5,37 ± 0,15) kuin unen jälkeen (2,27 ± 0,16). RISleepBenefitin ja SSSSleepBenefitin välillä ei kuitenkaan ollut merkittävää korrelaatiota (eli keskiarvo unen jälkeen − keskiarvo univajeen jälkeen, R2 < −0,01, P=0.991, BF01=2.46). Laajennettu analyysi PVT- ja SSS-tiedoista on saatavilla lisämateriaalissa.
Uni parantaa seuraavan päivän oppimista

Koodaussuorituskyvyn arvioimiseksi unen tai unen puutteen jälkeen laskemme LI:n, joka vastasi oikein tunnistettujen kuvien prosenttiosuutta pariliitostestissä (tämä tapahtui 48 tuntia koodauksen jälkeen palautuvan unen jälkeen). Kuten odotettiin, koodausteho oli merkittävästi korkeampi unen jälkeen kuin univaje (t(29)=12.19, P < 0.001, d=2.17, katso kuva 2c), mikä viittaa siihen, että uni oli hyödyttänyt seuraavan päivän oppimista. Unen hyödyssä uuteen oppimiseen (LISleepBeefit; eli unihäiriö LI − univaje LI, katso alla) ei ollut merkittävää eroa niiden osallistujien välillä, jotka suorittivat unitilan ennen tai jälkeen univajetilan. t(28)=0.37,P=0.712, d=0.14, BF01=2.75).

LISleepBenefitin ja PVTSleepBenefitin välillä ei ollut merkittävää yhteyttä (R{0}} −0.30, P=0.113), vaikka todiste nollasta jäi epäselväksi (BF{{ 5}}.86). Vastaavasti LISleepBenefitin ja SSSSleepBenefitin (R2=−0.35, P=0.056) välillä ei ollut merkittävää korrelaatiota, ja sitten ei ollut vakuuttavaa näyttöä nollasta (BF01=0.53).

Ei yhteyttä uneen liittyvän konsolidoinnin, hitaan aallon aktiivisuuden ja seuraavan päivän oppimisen välillä

Seuraavaksi testasimme hypoteesia, että yön yli tapahtuva konsolidointi ennustaa seuraavan päivän oppimista ja että SWA edistää tätä suhdetta. Koska pyrimme kohdistamaan uneen liittyvän muistinkäsittelyn ja seuraavan päivän oppimisen välisen suhteen, oli välttämätöntä ensin kvantifioida unen positiivinen vaikutus (vs. unenpuute) RI- ja LI-arvoihin. Siksi vähennimme sekä RI:n että LI:n unen ja unen puutteen olosuhteiden välillä (osallistujakohtaisesti), jotta tuloksena olevien RISleepBenefit- ja LISleepBenefit-mittareiden positiiviset pisteet osoittivat uneen liittyvän suorituskyvyn parantumisen. SWA määriteltiin EEG-tehona 0,5–4 Hz:n taajuuskaistalla univaiheiden N2 ja SWS aikana (katsannut kaikki EEG-kanavat). Moniregressiomallissa syötimme RISleepBenefit ja SWA ennustajiksi ja LISleepBenefit tulosmuuttujaksi. Toisin kuin odotettiin, nukkumiseen liittyvä konsolidointi (RISleepBenefit) ja SWA eivät vaikuttaneet merkittävästi seuraavan päivän oppimiseen (LISleepBenefit,F(2, 24)=1.51, R2=0.11, P {{ 18}}.242, katso kuva 3). RISleepBenefitin ja LISleepBenefitin välillä ei havaittu merkittävää yhteyttä SWA:sta riippumatta (B=3.30, t(24)=0.86, P=0.399) tai SWA:n ja LISleepBenefitin välillä RISleepBenefitistä riippumatta (B=−0.51, t(24)=−1.65, P=0.111).RISleepBenefit ei korreloi merkittävästi SWA:n kanssa (R{ {37}}.21, P=0.298). Bayesilainen seuranta-analyysi paljasti anekdoottisia todisteita nollan tueksi (eli uneen liittyvä konsolidaatio ja SWA eivät huomioineet seuraavan päivän oppimista, BF01=2.04).

Lisäanalyysissä toistimme tämän multipleregression, mutta syötimme malliin vain tiedot uniolosuhteista (eli RISleepBenefit ja LISleepBenefit korvattiin pelkällä unitilan RI:llä ja LI:llä). Tuloksemme heijastivat edellisen analyysin tuloksia: uneen liittyvä konsolidaatio (RI) ja SWA eivät merkittävästi ottaneet huomioon seuraavan päivän oppimista (LI, F(2, 25)=1.83, P=0.181 , R2=0.13, BF{{10}}.68).RI:n ja LI:n välillä ei myöskään ollut merkittävää yhteyttä SWA:sta riippumatta (B=4.46, t(25). )=1.67,P=0.107) tai SWA:n ja LI:n välillä riippumatta RI(B=−0.25, t(25)=−1.16, P { {26}}.256), eikä merkitsevää korrelaatiota havaittu RI:n ja SWA:n välillä (R2=0.28,P=0.143).

Tutkimme myös, korreloiko unitilan RI muiden uniparametrien kanssa, jotka olivat aiemmin mukana deklaratiivisessa muistin konsolidoinnissa: aika (min) SWS:ssä (Backhaus et al. 2006; Scullin 2013) ja nopea karan teho (12,1–16 Hz) , Cox ym. 2012; Tamminen ym. 2010). Merkittäviä suhteita ei kuitenkaan syntynyt (kaikki P > 0,368). Unitiedot ovat saatavilla taulukossa 1.

Unen puute häiritsee beetasynkronointia onnistuneen oppimisen aikana

Lopuksi testasimme hypoteesia, että univaje häiritsee theta- ja gamma-synkronointia oppimisen aikana. Merkittäviä eroja ei kuitenkaan havaittu theta- (4–8 Hz) tai gamma-kaistalla (40–60 Hz) verrattaessa TFR:itä myöhemmin muistettujen ja unohtuneiden adjektiivi-kuvaparien välillä tai unen ja unen puutteen välillä. ei merkittävää vuorovaikutusta näiden kontrastien välillä (kaikki P > 0,05).

Tutkivassa analyysissä tutkimme unen puutteen vaikutusta beetasynkronointiin, joka on onnistuneen oppimisen vakiintunut merkki (Hanslmayret al. 2009, 2011, 2012, 2014; Griffiths et al. 2016). Näiden aikaisempien havaintojen mukaisesti havaittiin beta-tehon yleinen väheneminen koodattaessa myöhemmin muistettuja (vs. unohdettuja) adjektiivi-kuvapareja, kun yhdistettiin uni- ja univaje (vastaa kahta klusteria vasemmalla pallonpuoliskolla, alkaen ~1,5–1,7 s (P)=0.044,d=−0,66) ja noin 1,75-1,9 s (P=0,038, d=−0,49) ärsykkeen alkamisen jälkeen (katso kuva 4a ).

Mielenkiintoista on, että onnistuneen oppimisen yhteydessä tapahtuneet beta-tehon muutokset olivat merkittävästi erilaisia ​​uni- ja univajeolosuhteissa (vuorovaikutus, mikä vastaa vasemman pallonpuoliskon klusteria ∼{0}},5–0,7 s, P=0.014, d=−0.33, katso kuvat 4b ja d). Myöhemmin muistettujen (vs. unohdettujen) adjektiivi-kuvaparien koodaus liittyi beta-tehon alenemiseen nukkumisen jälkeen ( P=0.005), näennäinen beta-tehon noususäätely syntyi samasta kontrastista univajeen jälkeen (P=0.019, katso kuva 4c, vaikka tämä jälkimmäinen post hoc -testi ei selvinnyt Bonferroni-korjauksesta, alfa { {16}}.0125). Lisäksi betateho väheni merkittävästi myöhemmin muistettujen pariliitosten koodauksen aikana unitilassa (vs. unenpuute) (P=0.001), mutta tällaista eroa ei havaittu myöhemmin unohdettujen parien koodauksen aikana (P=0). .928).

To explore whether this significant interaction was driven by increased fatigue in the sleep deprivation (vs. sleep) condition, we correlated (for each participant) average beta power for the contrast Sleepremembered > forgotten >Sleep Deprivationmuistettu > unohdettu (merkittävässä ryhmätason klusterissa) SSSSleepBenefit- ja PVTSleepBenefit-palveluilla. Merkittäviä suhteita ei havaittu (SSS: R2=−0.20, P=0.311, BF01=1.58, PVT: R2=0. 18,P=0.371, BF01=1.73), mikä viittaa siihen, että edellä olevat havainnot eivät johtuneet olosuhteiden välisten erojen väsymyksestä.

Beta-tehon kokonaisväheneminen havaittiin myös unitilassa (vs. univaje), kun yhdistettiin myöhemmin muistettuja ja unohtuneita adjektiivi-kuvapareja, jotka vastaavat kahta klusteria vasemmalla (n. 1–1,5 s, P=0.{{8} }14, d=−0.63) ja oikea pallonpuolisko (∼1,3–1,7 s, P=0.038, d=−0,47) Ottaen huomioon aiemmin raportoidut yhteydet alfa (8–12 Hz) desynkronoinnin ja onnistuneen oppimisen välillä (Griffiths ym. 2016; Weisz et al. 2020), tutkimme myös aktiivisuutta tällä taajuuskaistalla (samat kontrastit kuin yllä), mutta ei merkittäviä vaikutuksia havaittiin (kaikki P > 0,05).

Aktigrafia

Viivästettyjen ja seurantatestien välisen {{0}}h:n (rannekellon aktigrafian avulla arvioitu) nukkumat tunnit sovellettiin arvoon 2 (Kunto: Uni/unipuute) ∗ 2 (Yö: 1/2 ) toistuva mittaus ANOVA (Rfunction: anova_test, R-paketti: rstatix). Huomaa, että 2 osallistujaa ei sisällytetty tähän analyysiin aktigrafialaitteen teknisten ongelmien vuoksi. Yön päävaikutus (F(1, 27)=62.47, P < 0.001, ηp2=0.7{ {42}}), mikä osoittaa, että kaikki osallistujat nukkuivat pidempään yönä 1 kuin yönä 2. Merkittävä ehto ∗ Yövuorovaikutus (F(1, 27)=14.21, P < 0.{101} {45}}1, ηp2=0.35) ilmaantui myös Bonferroni-korjatuilla post hoc -testeillä, jotka osoittivat, että unen kesto oli pidempi univaje-tilassa yöllä 1 (keskiarvo ± SEM tuntia unta, univaje: 9,03 ± 0,45, uni: 7,52 ± 0,24, P=0,006)mutta lyhyempi yöllä 2 (unipuute: 5,33 ± 0,23, uni: 6,00 ± 0,25, P {{48)}} . Ehdolla ei ollut päävaikutusta (F(1, 27)=3.07, P=0.091, ηp2=0.10).

On mahdollista, että pidempi unen kesto ensimmäisenä yönä univajeessa oppimisen jälkeen lisäsi vastikään opittujen adjektiivi-kuvaparien yhdistämistä, mikä mahdollisesti lieventää unenmenetyksen alkuperäistä vaikutusta koodaukseen. Tämän mahdollisuuden testaamiseksi korreloimme unen keston olosuhteiden välisen eron ensimmäisenä yönä oppimisen jälkeen (unipuutetila – unitila) LISleepBenefitin kanssa. Merkittävää yhteyttä ei kuitenkaan syntynyt (R2=−0.06, P=0.756, BF01=2.33).

Keskustelu

Uni tarjoaa etua valveillaoloon verrattuna muistojen säilyttämisessä ja myös uusien oppimisessa (Gais ym. 2006; Yoo ym. 2007; Talamini ym. 2008; Payne ym. 2012; Alberca-Reina ym. 2014; Kaida et al. 2015; Durrant ym. 2016; Tempesta ym. 2016; Cairney, Lindsay ym. 2018; Cousins ​​ym. 2018; Gaskell ym. 2018; Ashton ym. 2020; Ashton ja Cairney 2021). Jotkut ehdottavat, että nämä edut voidaan selittää SWS:n ja niihin liittyvien hermovärähtelyjen aktiivisella roolilla muistinhakuverkoston siirtämisessä hippokampuksesta neokortexiin ja näin palauttaen aivotursokapasiteetin uutta oppimista varten (Walker 2009; Born ja Wilhelm 2012; Klizn jaB3n; al. 2019). Tässä tutkimuksessa testattiin hypoteesia, että se, missä määrin yksilöt lujittavat uusia muistoja unen aikana, ennustaa heidän kykynsä koodata uutta tietoa seuraavana päivänä ja että SWA vaikuttaa tähän suhteeseen. Vaikka havaitsimme unen hyödyn (suhteessa univajeeseen) yön yli tapahtuvan konsolidoinnin ja seuraavan päivän oppimisen mittareillamme, emme löytäneet todisteita näiden kahden mittauksen tai SWA:n välisestä suhteesta.

Ottaen huomioon unen merkityksen uudelle oppimiselle, pyrimme edelleen ymmärtämään, kuinka unenpuute vaikuttaa onnistuneen koodauksen hermokorrelaatteihin. Mielenkiintoista on, että myöhemmin muistettujen (vs. unohdettujen) assosiaatioiden oppiminen liittyi 12–20 Hz:n beta-tehon alenemiseen unen jälkeen (kuten on raportoitu aikaisemmassa työssä, Hanslmayr ym. 2009, 2011, 2012, 2014; Griffiths et al. 2019). ), mitään merkittävää eroa beetavoimassa ei ilmennyt univajeen jälkeen. Nämä havainnot viittaavat siihen, että unen puute häiritsee muistin koodauksen taustalla olevia hermooperaatioita, mikä johtaa epäoptimaaliseen suorituskykyyn.

Nukkuminen hyödyttää yössä tapahtuvaa keskittymistä ja seuraavan päivän oppimista

Aiemmat työt ovat osoittaneet, että uni tukee muistin lujittamista (Gais ym. 2006; Talamini ym. 2008; Payneet al. 2012; Durrant ym. 2016; Cairney, Lindsay ym. 2018; Gaskell ym. 2018; Ashton et al. 2020; Ashtonand Cairney 2021) ja sitä seuraava oppiminen (McDermottet al. 2003; Yoo ym. 2007; Kaida ym. 2015; Tempestaet al. 2016; Cousins ​​ym. 2018). Näiden tutkimusten mukaisesti havaitsimme, että muistin säilyttäminen ja seuraavan päivän oppiminen hyötyivät yöunesta verrattuna unen puutteeseen.

Vaikka tämä oli ennalta rekisteröity tutkimus unen roolista oppimisessa ja muistissa ja sen motiivina oli aikaisempi työ samasta aiheesta (Gais et al. 2006; Yoo et al. 2007), on tärkeää pohtia, missä määrin löydöillämme voidaan erottaa muistivaikutukset. Pitkittyneet valveillaolot aiheuttavat erilaisia ​​kognitiivisia häiriöitä (Krause et al. 2017), mikä tarkoittaa, että huonompi suorituskyky unen puutteessa (vs. uni) saattaa heijastaa unenpuutteen epäsuoria seurauksia suoran sijasta. unen puute (tämän tutkimuksen osallistujat vastasivat PVT:hen hitaammin ja ilmoittivat olevansa vähemmän valppaita SSS:n suhteen unen puutteen jälkeen kuin uni). Keskitymme ensin yön yli tapahtuvan konsolidoinnin arviointiin, unen puutteesta johtuvat yleistyneet kognitiiviset häiriöt ovat saattaneet heikentää hakusuorituskykyä ja luoda vaikutelman uneen liittyvästä retention paranemisesta.

Vaikka tämä onkin perusteltu huolenaihe, kun otetaan huomioon viivästetyssä testissämme havaitut uni-muistivaikutukset (jotka seurasivat välittömästi yön yli), se ei selitä, miksi unen säilyttämisetu oli edelleen olemassa 48 h myöhemmin (kun unen puutteesta kärsivillä henkilöillä oli ollut runsaasti mahdollisuuksia palautuvaan uneen). Lisäksi havaitsimme merkityksettömän yhteyden unen (vs. unenpuute) muistin säilyttämiseen liittyvien hyötyjen ja SSS-pisteiden tai PVT-vasteaikojen olosuhteiden erojen välillä, mikä viittaa siihen, että löydöksemme eivät johtuneet unen puutteeseen liittyvistä yleisistä kognitiivisista häiriöistä. Siksi on järkevää päätellä, että tietomme heijastavat unen positiivista vaikutusta muistin vahvistamiseen. Tietojemme perusteella ei kuitenkaan voida päätellä, missä määrin tämä unen muistihyöty voidaan selittää valveillaolohäiriöiden puuttumisella (kuten univajeessa koetulla) tai aktiivisella unesta riippuvaisella konsolidaatiomekanismilla.

Seuraavan päivän oppimisen analyysissämme, vaikka arviointivaihe tapahtui myös 48 tuntia koodauksen jälkeen, ensimmäinen oppimisvaihe tapahtui välittömästi nukkumisen tai unen puutteen jälkeen. Siksi emme voi sulkea pois mahdollisuutta, että unen jälkeiseen koodaussuorituskyvyn ilmeiseen parantumiseen vaikuttivat univajeen jälkeiset yleistyneet kognitiiviset häiriöt. Tärkeää on kuitenkin, että EEG-tietomme tarjoavat kohtuullisen todisteen siitä, että unen puute itsessään häiritsee uutta oppimista. Tarkemmin sanottuna, jos vaikutuksemme johtuivat epäspesifisistä kognitiivisista puutteista univajeen jälkeen, olisi voitu odottaa havaitsevan vain yleisiä eroja EEG-aktiivisuudessa uni- ja univajeolosuhteiden välillä (eli vain tilan pääasiallinen vaikutus kaikissa koodauskokeissa). Sitä vastoin merkittävä vuorovaikutus osoitti, että beta-desynkronointi voimistui unitilassa (vs. univaje), erityisesti kokeissa, joissa adjektiivi-kuvaparittelut muistettiin myöhemmin. Tätä unen vaikutusta beetan desynkronointiin onnistuneen oppimisen aikana ei ennustettu olosuhteiden välisillä eroilla SSS-pisteissä tai PVT-vasteajoissa, eikä olosuhteiden välistä eroa beetatehossa ilmennyt pariliitoksissa, jotka myöhemmin unohdettiin (katso kuvat 4b ja c). Koska beeta desynkronointi on vakiintunut semanttisen prosessoinnin hermomarkkeri onnistuneen oppimisen aikana (Hanslmayr ym. 2011, 2014; Griffiths et al. 2016), nämä havainnot voivat viitata siihen, että koodauksen hermomekanismit ovat todellakin häiriintyneet unen puuttuessa. Lisätukea tälle näkemykselle on saatavilla alla, jossa hahmotellaan, kuinka aivot voivat osallistua kompensoiviin oppimisstrategioihin, kun unipuute vaarantaa semanttisen käsittelyn reitit (katso "Unien menetys häiritsee tehokasta oppimista").

Koska RI perustui samojen kohteiden testeihin välittömissä, viivästetyissä ja seurantaistunnoissa, on mahdollista, että tietoihimme vaikuttivat hakukäytännön vaikutukset (eli muistot, jotka käyvät läpi hakuharjoituksen, muistetaan yleensä paremmin kuin ne, jotka eivät toimi, Roediger ja Karpicke 2006; Carpenter et al. 2008). Toisin sanoen unen jälkeen havaittu retention etu (vs. unipuute) viivästyneessä testissä on saattanut säilyä seurantatestissä hakuharjoittelun seurauksena. Ottaen kuitenkin huomioon, että noudon avulla vahvistetut muistit eivät juurikaan hyödy uneen liittyvästä konsolidaatiosta (Bäuml ym. 2014; Antony ym. 2017; Antony ja Paller 2018), hakukäytännön hypoteesin mukaan välittömän testin olisi pitänyt mitätöidä unen myöhempiä vaikutuksia. säilytyksessä. Vaikka voidaan edelleen väittää, että viivästyneen testin retention olosuhteiden välinen ero johtui epäspesifisistä univajeen jälkeisistä häiriöistä, tämä ei selitä sitä, miksi unitilan muistietu oli edelleen olemassa 48 tuntia myöhemmin (kun toipumisuni oli tapahtunut). Siksi uskomme, että hakukäytännön vaikutukset eivät voi antaa kohtuullista selitystä havainnoillemme.

Ottaen huomioon, että univajeen jälkeistä palautumista unta leimaa SWS:n homeostaattinen lisääntyminen (Borbély 1982; Borbély et al. 2016), olisi voitu odottaa, että äskettäin opittujen adjektiivi-kuva-parien yhdistäminen yössä vahvistuu unen puutteessa (vs. uni). tila, joka saattaa lieventää unen menetyksen alkuvaikutusta koodaukseen. Vaikka emme tallentaneet uni-EEG:tä sinä aikana, jona osallistujat olivat poissa laboratoriosta (eikä heillä näin ollen ole tietoa SWS:n homeostaattisista nousuista univajeen jälkeen), seurasimme unikäyttäytymistä rannekellon aktigrafian avulla. Osallistujat nukkuivat pidempään ensimmäisenä yönä oppimisen jälkeen univajetilassa (vs. uni), mutta tämä olosuhteiden välinen ero unen kestossa ei korreloi merkittävästi unen oppimisen hyötyjen suuruuden kanssa. Tämä viittaa siihen, että pidempään toipuva uni univajetilanteessa ei vaikuttanut merkittävästi unihäiriön vaikutukseen uuden oppimiseen.

On kuitenkin syytä huomata, että äskettäin opittujen adjektiivi-kuva-parien tehostettu yhdistäminen unettomuustilassa (vs. uni) (pitemmästä ja syvemmästä palautumisunesta johtuen) olisi voinut hämärtää uneen liittyvän muistin säilyttämisen ja seuraavan päivän oppimisen välisen suhteen. Moninkertaisessa regressioanalyysissämme. Samat nollavaikutukset havaittiin kuitenkin, kun analyysimme rajoittui unen ehdolliseen dataan eikä unen ja unen puutteen olosuhteiden välisiin vähennyksiin (kuten tehtiin ensisijaisessa analyysissämme). Näin ollen ei havaittu mitään yhteyttä yön yli tapahtuvan konsolidoinnin ja seuraavan päivän oppimisen välillä, kun univajeen vaikutus (ja uneen liittyvän konsolidaation oletettu lisääntyminen palautuvan unen aikana) poistettiin tiedoistamme.

Ei yhteyttä uneen liittyvän lujittumisen ja seuraavan päivän oppimisen välillä

Jos muistin konsolidointi SWS:n aikana tukee muistin hakuverkoston siirtymistä hippokampuksesta uuskorteksiin, hippokampuksesta riippuvaisten muistojen uneen liittyvän konsolidoinnin pitäisi ennustaa seuraavan päivän uusien, hippokampuksen välittämien assosiaatioiden oppimista, ja SWA:n pitäisi helpottaa tätä suhdetta. Emme havainneet tällaisia ​​vaikutuksia tiedoissamme, mikä viittaa siihen, että uusi oppiminen hippokampuksessa ei välttämättä ole riippuvainen hippokampuksen muistin käsittelystä edeltävän yöunen aikana.

Vaihtoehtoinen tulkinta näille nollavaikutuksille on se, että kokeellinen paradigmamme ei voinut tarjota riittävää testiä hypoteesillemme. Vaikka päätimme, että kahden käsitteellisesti erilaisen hippokampuksesta riippuvan tehtävän käyttö estäisi tuloksiimme vaikuttamasta takautuvalla tai ennakoivalla häiriöllä, näiden tehtävien väliset laadulliset erot ovat saattaneet tehdä tyhjäksi kykymme havaita uneen liittyvän muistin vahvistamisen ja seuraavan päivän oppimisen välinen suhde. Tämä on kuitenkin spekulatiivinen ehdotus, jota voidaan käsitellä tulevassa tutkimuksessa (esim. käyttämällä apaired-associates -tehtävää arvioimaan sekä yön yli tapahtuvaa muistin säilymistä että sitä seuraavaa koodausta).
Vaikka tutkimuksemme motiivina olivat Active Systems -kehyksen oletukset (Walker 2009; Born ja Wilhelm 2012; Rasch ja Born 2013; Klinzinget al. 2019), on tärkeää ottaa huomioon myös havainnot homeostaattisen synaptisen skaalauksen yhteydessä, mikä Sitä pidetään toisena perusmekanismina, jonka kautta uni tukee oppimista ja muistia (Tononi ja Cirelli 2014, 2016). Tästä näkökulmasta katsottuna uni on hinta, jonka aivot maksavat heräämisen plastisuudesta välttääkseen synaptisen skaalan kertymisen. Koska synaptisen renormalisoinnin tulisi tapahtua pääasiassa unen aikana (kun hermopiirit voivat läpikäydä laajan ja systemaattisen synaptisen pienenemisen), yöunen puute estäisi palautumisen. solujen homeostaasia ja heikentää seuraavan päivän oppimista. Useat uneen liittyvän muistin käsittelyn teoreettiset selostukset ovat edistyneet Active Systems- ja Synaptic Homeostasis -kehysten keskeisten periaatteiden yhteensovittamisessa, mikä viittaa siihen, että nämä prosessit toimivat yhdessä tukeakseen globaalia plastisuutta ja vastaavasti paikallista supistumista ja näin valmistavan hippokampuksen tulevaisuutta. koodaus (Lewis ja Durrant 2011; Genzel ym. 2014; Klinzing ym. 2019). Mielenkiintoista on, että vaikka globaalin muistin toisto ja konsolidointi on yhdistetty hitaaseen (<1 Hz) oscillations, downscaling and forgetting are associated with delta waves (1–4 Hz) in local networks (Genzel et al. 2014; Kim et al. 2019). How interactions between global slow oscillations and local delta waves regulate overnight memory processing is therefore pertinent to further understanding the relationship between sleep-associated consolidation and next-day learning.

Unen menetys häiritsee tehokasta oppimista

Onnistunut oppiminen liittyy vasemmanpuoleiseen beeta-desynkronointiin ∼0,5–1,5 s ärsykkeen alkamisen jälkeen (Hanslmayr et al. 2009, 2011, 2012, 2014; Griffithset al. 2016, 2021). Näiden aikaisempien tutkimusten mukaisesti havaitsimme beetatehon laskun ∼ 0,3–2 s ärsykkeen alkamisen jälkeen myöhemmin muistettujen (vs. unohdettujen) assosiaatioiden koodauksen aikana, ja tämä oli voimakkainta vasemmalla pallonpuoliskolla. Beta-desynkronoinnin uskotaan heijastavan semanttista prosessointia onnistuneen muistinmuodostuksen aikana (Hanslmayr ym. 2011;Fellner et al. 2013); beeta-tehon pienentyessä semanttisen prosessoinnin syvyys kasvaa (Hanslmayr et al. 2009). Laajemmin neokortikaaliset alfa/beta-värähtelyt on liitetty saapuvan tiedon käsittelyyn episodisen koodauksen aikana (Griffiths et al. 2021). Oppimistehtäväämme varten osallistujia kehotettiin muodostamaan eloisia kuvia tai tarinoita, jotka yhdistävät kunkin parin adjektiivin ja kuvan. Havaittu beta-tehon aleneminen onnistuneen oppimisen aikana saattaa siten heijastaa tietojenkäsittelytoimintojen sitoutumista, mahdollisesti semanttisia esityksiä, mikä mahdollistaa näiden uusien assosiaatioiden yhdistämisen yhdeksi koherentiksi jaksoksi ja sitoutumisen muistiin.
Tärkeää on kuitenkin se, että onnistuneeseen oppimiseen liittyvä beta-tehon muutos vaihteli sen mukaan, olivatko osallistujat nukkuneet vai pysyneet hereillä yön yli. Myöhemmin muistettujen (vs. unohdettujen) adjektiivi-kuvaparien koodaus liittyi beta-desynkronointiin nukkumisen jälkeen, mutta merkittävää eroa beetatehossa ei ilmennyt samasta kontrastista univajeen jälkeen. Näin ollen pitkittynyt unenpuute näytti häiritsevän semanttisia prosessointitoimintoja, kun osallistujat muodostuivat onnistuneesti. uusia muistoja. Tämä tulkinta on sopusoinnussa aikaisempien käyttäytymislöydösten kanssa, joissa unipuutteellisilla yksilöillä on ollut vaikeuksia koodata semanttisesti yhteensopimattomia ärsykepareja (Alberca-Reinaet al. 2014). Unen puutteesta kärsivät aivot saattavat siten luottaa vaihtoehtoisiin käsittelyreitteihin sitoessaan uutta tietoa muistiin. Itse asiassa aikaisemmat tutkimukset ovat osoittaneet, että unen puute johtaa kompensatorisiin hermovasteisiin oppimisen (Chee ja Choo 2004; Drummond et al. 2004) ja tunnistamisen (Sterpenich et al. 2007) aikana.

Mikä voisi olla tämän vaihtoehtoisen oppimisreitin luonne univajeen jälkeen? On mielenkiintoista huomata, että havaitsimme beeta-aktiivisuuden voimistumisen onnistuneen (vs. epäonnistuneen) oppimisen aikana univajetilassa (vaikka tämä ero ei kestänyt Bonferroni-korjausta useisiin vertailuihin). Beeta-tehon kasvu on yhdistetty työmuistiin ja aktiivisuuteen. harjoitus (Tallon-Baudry ym. 2001; Hwang ym. 2005; Onton ym. 2005; Deiber et al. 2007), mikä viittaa siihen, että unettomat henkilöt voivat harjoittaa enemmän pintapohjaisia ​​harjoitusstrategioita, koska semanttiset prosessointireitit ovat vaarantuneet. unen puute.

On tärkeää huomata, että edellä esitetyt havainnot beta-desynkronointista syntyivät tutkivasta analyysistä, jota ei ollut esirekisteröity, ja siksi niitä tulee käsitellä varoen, kunnes ne toistetaan varmistustutkimuksessa.

Johtopäätös

Tutkimme, ennustaako muistin lujittaminen unissa seuraavan päivän oppimista ja edistääkö SWA tätä suhdetta. Lisäksi tutkimme, kuinka univaje vaikuttaa onnistuneen oppimisen hermokorrelaatteihin. Vaikka uni paransi sekä muistin säilyttämistä että seuraavan päivän oppimista, emme löytäneet todisteita näiden mittareiden tai SWA:n välisestä suhteesta. Vaikka beeta-desynkronisaatiolla perustettu semanttisen prosessoinnin markkeri onnistuneen oppimisen aikana - oli läsnä myöhemmin muistettujen (vs. unohdettujen) assosiaatioiden koodauksen aikana unen jälkeen, tällaista eroa beetatehossa ei havaittu univajeen jälkeen. Pitkään jatkunut unenpuute saattaa siksi häiritä kykyämme hyödyntää semanttista tietoa koodattaessa uusia assosiaatioita, mikä edellyttää pintapohjaisempien ja lopulta epäoptimaalisten oppimisreittien käyttöä.

Kiitokset

Olemme kiitollisia Marcus O. Harringtonille avusta tietojen keräämisessä ja Jennifer E. Ashtonille avusta kokeellisten materiaalien kanssa. Kiitämme myös Yorkin yliopiston Sleep, Language and Memory Groupin jäseniä hedelmällisistä tiedoista käydyistä keskusteluista.

Oheismateriaali

Viitteet

Alberca-Reina E, Cantero JL, Atienza M. Semantic congruencereverses vaikutukset unirajoituksen assosiatiiviseen koodaukseen. Neurobiol Learn Mem. 2014: 110:27–34.

Antonenko D, Diekelmann S, Olsen C, Born J, Mölle M. Nappingto renew oppimiskapasiteettia: tehostettu koodaus stimulaation jälkeen unen hidasta oscillations. Eur J Neurosci. 2013:37(7):1142–1151.

Antony JW, Paller KA. Sekä haku että nukkuminen estävät paikkatiedon unohtamisen. Opi Mem. 2018:25(6):258–263.

Antony JW, Ferreira CS, Norman KA, Wimber M. Haku nopeana reittinä muistin vahvistamiseen. Trends Cogn Sci. 2017:21(8):573–576.

Ashton JE, Cairney SA. Tulevaisuuteen liittyvät muistot eivät selektiivisesti vahvistu unen aikana. PLoS One. 2021:16(11):e0258110.

Ashton JE, Harrington MO, Guttsen AÁV, Smith AK, Cairney SA. Uni säilyttää fysiologisen kiihottumisen tunnemuistissa. SciRep. 2019:9(1):5966.

Ashton JE, Harrington MO, Langthorne D, Ngo H-VV, Cairney SA. Unenpuute aiheuttaa pirstoutunutta muistin menetystä. Learn Mem.2020:27(4):130–135.

For more information:1950477648nn@gmail.com