स्पिंडल-धीमी दोलन युग्मन नींद के बाद हिप्पोकैम्पस नेटवर्क में मेमोरी प्रदर्शन और कनेक्टिविटी परिवर्तन से संबंधित है

अमूर्त

अनुभवों को एन्कोड करने के बाद, नींद के दौरान पोस्ट-एन्कोडिंग पुनर्सक्रियण को दीर्घकालिक स्मृति समेकन में मध्यस्थता करने का प्रस्ताव दिया गया है। एनआरईएम नींद के दौरान स्पिंडल-धीमी दोलन युग्मन एक उम्मीदवार तंत्र है जिसके माध्यम से हिप्पोकैम्पस कॉर्टिकल संवाद एक नवगठित मेमोरी एनग्राम को मजबूत कर सकता है। यहां, हमने एक वर्चुअल वॉटरमेज़ कार्य के साथ मनुष्यों में स्थानिक स्मृति के समेकन में तेज़ स्पिंडल- और धीमी स्पिंडल-धीमी दोलन युग्मन की भूमिका की जांच की, जिसमें एलोकेंट्रिक और अहंकारी सीखने की रणनीतियों को शामिल किया गया है। इसके अलावा, हमने विश्लेषण किया कि डेटा-संचालित दृष्टिकोण का उपयोग करके इस कार्य को सीखने, समेकन और पुनर्प्राप्ति में आराम करने वाली राज्य कार्यात्मक कनेक्टिविटी कैसे विकसित हुई। हमारे परिणाम कार्यकारी नियंत्रण नेटवर्क, डिफ़ॉल्ट मोड नेटवर्क और कार्य-पश्चात हिप्पोकैम्पल नेटवर्क में कार्य-संबंधित कनेक्टिविटी परिवर्तन दिखाते हैं। हिप्पोकैम्पस नेटवर्क को आगे दो उप-नेटवर्कों में विभाजित किया जा सकता है, जिनमें से केवल एक ने नींद द्वारा मॉड्यूलेशन दिखाया। इस सबनेटवर्क में कम कार्यात्मक कनेक्टिविटी उच्च स्पिंडल-धीमी दोलन युग्मन शक्ति से जुड़ी थी, जो परीक्षण में बेहतर मेमोरी प्रदर्शन से भी संबंधित थी। कुल मिलाकर, यह अध्ययन कार्यात्मक विश्राम-अवस्था नेटवर्क और स्थानिक स्मृति समेकन से जुड़े नींद के दौरान तंत्र की अधिक समग्र समझ में योगदान देता है।

सिस्टैंच अनुभव-याददाश्त में सुधार

कीवर्ड

स्मृति समेकन, आराम-अवस्था नेटवर्क, नींद, धीमी गति से दोलन, स्पिंडल

1|परिचय

सिस्टम समेकन सिद्धांत दीर्घकालिक स्मृति निर्माण के सबसे व्यापक रूप से अध्ययन किए गए ढांचे में से एक है। सिद्धांत यह मानता है कि मस्तिष्क में सीखने के दौरान एन्कोड किए गए लैबाइल एनग्राम बार-बार पुनर्सक्रियन के माध्यम से मजबूत होते हैं। समय के साथ, यह प्रक्रिया अधिक स्थिर दीर्घकालिक प्रतिनिधित्व - एक समेकित मेमोरी ट्रेस (स्क्वायर एट अल।, 2015) को जन्म दे सकती है। ऐसा माना जाता है कि एनग्राम का पुनर्सक्रियण मुख्य रूप से नींद के दौरान होता है, लेकिन इसे शांत आराम के दौरान भी देखा जा सकता है। सिस्टम समेकन में अंतर्निहित एक संभावित प्रमुख तंत्र गैर-तीव्र नेत्र गति (एनआरईएम) नींद के दौरान तीन घटना प्रकारों के पदानुक्रमित समन्वय का गठन करता है: (1) उच्च-आयाम कॉर्टिकल धीमी दोलन, (2) थैलेमिक-सहयोगी-संचालित स्पिंडल, और (3) हिप्पोकैम्पस तेज तरंग-तरंगें। ऐसा माना जाता है कि प्रीफ्रंटल कॉर्टेक्स (हेल्फ़्रिच एट अल., 2019) में धीमे दोलनों के घटने-बढ़ने से प्रेरित इन दोलनों का ऑर्केस्ट्रेटिंग, कॉर्टेक्स (सिरोटा एट अल., 2003) और मस्तिष्क में हिप्पोकैम्पस सूचना हस्तांतरण के लिए आदर्श समय विंडो सेट करता है। -व्यापक सिनैप्टिक समेकन प्रक्रियाएं अंतर्निहित सिस्टम समेकन (जेनजेल, 2020; जेनजेल, क्रोज़, एट अल।, 2014; नवारो-लोबेटो और जेनजेल, 2020)। मनुष्यों में, दो प्रकार के स्पिंडल की लगातार पहचान की गई है: धीमी स्पिंडल (~9-12.5 हर्ट्ज) और तेज़ स्पिंडल (~12.5-16 हर्ट्ज), जो क्रमशः ललाट और सेंट्रो-पार्श्विका क्षेत्रों में सबसे प्रमुख हैं (एडमज़िक एट अल। , 2015; एंडरर एट अल., 2001)। दोनों स्पिंडल प्रकार धीमी गति से दोलन के लिए युग्मित हैं। जबकि तेज़ स्पिंडल अक्सर धीमी दोलन की उत्तेजनापूर्ण अप-स्टेट में निहित होते हैं, धीमी स्पिंडल आमतौर पर धीमी दोलन की निरोधात्मक डाउन-स्टेट (मोले एट अल।, 2011) में संक्रमण अवधि के दौरान होती हैं। फास्ट स्पिंडल को हिप्पोकैम्पस और नियोकोर्टेक्स के बीच सूचना हस्तांतरण के एक सूत्रधार के रूप में शामिल किया गया है क्योंकि वे हिप्पोकैम्पस तेज तरंग तरंगों (स्टारेसिना एट अल।, 2015) के साथ मेल खाते हैं। धीमे स्पिंडल, जो ज्यादातर तरंगों से पहले होते हैं, स्थानांतरित जानकारी के कॉर्टिकल क्रॉस-लिंकिंग और प्रीफ्रंटल सर्किटरी के मॉड्यूलेशन से एक नियोकॉर्टिकल मेमोरी प्रतिनिधित्व (मोले एट अल।, 2011) बनाने के लिए संबंधित हो सकते हैं। हालाँकि, केवल मानव अध्ययन में, धीमी और तेज़ स्पिंडल के बीच लगातार विभाजन होता है। चूंकि यह उपखंड पशु अनुसंधान में शायद ही कभी किया जाता है, प्रत्येक स्पिंडल प्रकार के एक अलग कार्य के लिए ठोस सबूत की कमी है। व्यवहार पर इन दो स्पिंडल प्रकारों का प्रभाव और भी कम निर्णायक है। हाल के ईईजी निष्कर्षों से पता चला है कि तेज स्पिंडल और धीमी दोलनों के युग्मन में एक बड़ी मात्रा और बढ़ी हुई स्थिरता बढ़ी हुई घोषणात्मक मेमोरी प्रदर्शन (हैन एट अल।, 2020; मुएलरोथ एट अल।, 2019; निकनाज़र एट अल।, 2015) से संबंधित है। . कृंतकों में हिप्पोकैम्पस तेज लहर तरंगों, धीमी दोलनों और ललाट स्पिंडल के बीच समन्वय के प्रायोगिक सुदृढीकरण - संभवतः मानव धीमी स्पिंडल के एनालॉग - के परिणामस्वरूप स्मृति प्रदर्शन में वृद्धि हुई (मैग्रेट एट अल।, 2016)। इसके विपरीत, मनुष्यों में धीमी स्पिंडल-धीमी दोलन युग्मन पर प्रारंभिक निष्कर्ष धीमी स्पिंडल-धीमी दोलन युग्मन में वृद्धि या बिल्कुल भी कोई प्रभाव नहीं होने के साथ घोषणात्मक स्मृति प्रदर्शन में कमी की ओर इशारा करते हैं (बराकत एट अल।, 2011; मुएह्लोरोथ एट अल।, 2019)। इस प्रकार, स्मृति समेकन में दोनों स्पिंडल प्रकारों की व्यवहारिक प्रासंगिकता को सुलझाना महत्वपूर्ण है। ऑफ़लाइन समेकन में नींद और हिप्पोकैम्पस के महत्व को देखते हुए, यह परिकल्पना की गई है कि नींद "गैर-हिप्पोकैम्पस-निर्भर" यादों के विपरीत हिप्पोकैम्पस-आश्रित के समेकन में एक विशिष्ट भूमिका निभाती है। स्थानिक नेविगेशन प्रतिमानों का उपयोग करके इन दो प्रकार की यादों की जांच की जा सकती है। किसी वातावरण में नेविगेशन में विभिन्न नेविगेशनल रणनीतियों का उपयोग शामिल होता है, अर्थात् एलोसेंट्रिक और एगोसेंट्रिक रणनीतियाँ (एकस्ट्रॉम एट अल की समीक्षा के लिए, 2017)। एक एलोसेंट्रिक संदर्भ फ्रेम में, नेविगेटर स्थिर स्थलों की सापेक्ष स्थिति के आधार पर उनकी स्थिति का अनुमान लगा सकता है। एलोसेंट्रिक स्थानिक शिक्षा को हिप्पोकैम्पस पर दृढ़ता से भरोसा करने का सुझाव दिया गया है क्योंकि इसके लिए ऐतिहासिक स्थितियों के स्थानिक संज्ञानात्मक मानचित्र की आवश्यकता होती है (ओ'कीफ और नडेल, 1978)। इसके विपरीत, अहंकेंद्रित संदर्भ ढांचा नाविक की गति के साथ लगातार बदलता रहता है। अहंकेंद्रित स्थानिक सीखने के दौरान, नाविक को स्थानांतरित दूरी और दिशा पर नज़र रखने की आवश्यकता होती है जिसके लिए पृष्ठीय स्ट्रिएटम को एक महत्वपूर्ण संरचना के रूप में पहचाना गया है (मैकडॉनल्ड्स एंड व्हाइट, 1994)। इस प्रकार यह प्रस्तावित किया जा सकता है कि, एक स्थानिक संदर्भ में, समेकन तंत्र आवंटित और अहंकारी प्रशिक्षण स्थितियों के बीच भिन्न होते हैं और तदनुसार स्मृति प्रदर्शन को प्रभावित करते हैं। हालाँकि, हाल के साक्ष्य नींद के दौरान समेकन में हिप्पोकैम्पस की भागीदारी की ओर इशारा करते हैं, यहां तक ​​कि पहले गैर-हिप्पोकैम्पस-निर्भर यादों (सवांगजीत एट अल।, 2018; शापिरो एट अल।, 2019) के लिए भी, और एलोकेंट्रिक और एगोसेन में नींद के बाद इसी तरह के कार्यात्मक नेटवर्क में परिवर्तन होता है। ट्रिक ट्रेनिंग (सामंता एट अल., 2021)। इसलिए, यह एक खुला प्रश्न बना हुआ है कि नींद के दौरान दो संदर्भ फ़्रेमों की स्थानिक जानकारी कैसे समेकित होती है और ये तंत्र स्मृति प्रदर्शन को कैसे प्रभावित करते हैं। हालाँकि सिस्टम मेमोरी समेकन में नींद की भूमिका पर बहुत काम किया गया है, दोनों कृंतकों (डेविडसन एट अल।, 2009; डिबा और बुज़साकी, 2007) और मनुष्यों (शुक एंड निव, 2019; टैम्बिनी और दावाची, 2013) में अध्ययन ने प्रदर्शित किया है सीखने के तुरंत बाद जागृत विश्राम अवधि के दौरान सिस्टम-व्यापी समेकन प्रक्रियाएँ। नींद पर निर्भर समेकन के समान, एन्कोडिंग के बाद आराम के दौरान हिप्पोकैम्पस-थैलामोकॉर्टिकल नेटवर्क में घटना प्रतिनिधित्व स्वचालित रूप से पुन: सक्रिय हो जाते हैं (विस्तृत समीक्षा के लिए, टैम्बिनी और दावाची, 2019 देखें)। ऐसा माना जाता है कि इन पुनर्सक्रियणों के महत्वपूर्ण नोड्स में मेडियल टेम्पोरल कॉर्टेक्स और रेट्रोस्प्लेनियल कॉर्टेक्स (वैन ब्यूरेन एट अल., 2019) पर केंद्रित हिप्पोकैम्पस नेटवर्क, साथ ही डिफ़ॉल्ट मोड नेटवर्क के हब के बीच इंटरैक्शन (लिन एट अल., 2017) शामिल हैं। और कार्य-प्रासंगिक नेटवर्क (उदाहरण के लिए, कार्यकारी नियंत्रण नेटवर्क; स्नेवे एट अल., 2017)। उत्तेजनाओं और हिप्पोकैम्पस के लिए विशिष्ट क्षेत्रों के बीच आराम-अवस्था की कार्यात्मक कनेक्टिविटी के बड़े स्तर को स्मृति को पुनः प्राप्त करने की भविष्य की क्षमता की भविष्यवाणी करने के लिए दिखाया गया था (टैम्बिनी एट अल।, 2010)। इसके अलावा, सीखने के तुरंत बाद कार्यात्मक कनेक्टिविटी के साथ-साथ हिप्पोकैम्पस पुनर्सक्रियन की मात्रा ने बाद में रात भर की स्मृति प्रतिधारण की भविष्यवाणी की, जो जागृत आराम पुनर्सक्रियन और बाद में नींद के दौरान समेकन के बीच एक पूरक संबंध का सुझाव देता है (शापिरो एट अल।, 2018)। जबकि अधिकांश पिछले अध्ययन अलग-अलग एक प्रकार की पोस्ट-एन्कोडिंग अवधि (यानी, आराम या नींद) की जांच करते हैं, इन अलग-अलग मस्तिष्क स्थितियों के दौरान समेकन के तंत्र के बीच समानता की समग्र समझ हासिल करने के लिए दोनों अवधियों में समेकन प्रक्रियाओं की जांच करने वाले अध्ययन आवश्यक हैं। इस प्रकार वर्तमान अध्ययन का उद्देश्य विभिन्न पोस्ट-एन्कोडिंग मस्तिष्क स्थितियों पर अध्ययन के भीतर उपाय प्रदान करना और स्थानिक नेविगेशन कार्य में स्मृति प्रदर्शन के साथ उनके संबंध को दिखाना है। हमारा अध्ययन मनुष्यों और चूहों में एलोकेंट्रिक और एगोसेंट्रिक मेमोरी अभ्यावेदन पर नींद के प्रभाव की हमारी जांच पर आधारित है (सामंता एट अल., 2021)। प्रतिभागियों ने वॉटरमेज़ (मॉरिस, 1981) का एक मानव एनालॉग प्रदर्शन किया, जो स्थानिक नेविगेशन के विभिन्न पहलुओं का अध्ययन करने के लिए एक मान्य प्रतिमान है (मुलर एट अल।, 2018; स्कोनफेल्ड एट अल।, 2017)। जबकि सामंता एट अल. (2021) सीखने और पुनर्प्राप्ति के दौरान कार्य-एफएमआरआई डेटा पर केंद्रित है, यहां हमने आराम-अवस्था एफएमआरआई और स्लीप-ईईजी डेटा पर ध्यान केंद्रित किया है। इस प्रकार, संबंधित नेटवर्क में विश्राम-अवस्था कार्यात्मक कनेक्टिविटी का मूल्यांकन स्मृति कार्य को सीखने और पुनः प्राप्त करने से पहले और बाद में किया गया था, जिसमें प्रतिभागी या तो एलोसेंट्रिक या एगोसेन्ट्रिक स्थानिक नेविगेशन में लगे हुए थे। ईईजी का उपयोग एनआरईएम नींद से संबंधित समेकन प्रक्रियाओं (यानी, स्पिंडल और धीमी दोलन गुण और उनके युग्मन) को मापने के लिए दो कार्य सत्रों के बीच किया गया था। हमने स्थानिक शिक्षा, समेकन और स्मृति पुनर्प्राप्ति में आराम-राज्य कार्यात्मक कनेक्टिविटी के विकास की जांच करने के लिए डेटा-संचालित दृष्टिकोण (रिबेरो डी पाउला एट अल।, 2017) अपनाया। सामंता एट अल द्वारा प्राप्त परिणामों के आधार पर विश्राम-राज्य नेटवर्क का चयन किया गया था। (2021), जिसमें डिफ़ॉल्ट मोड नेटवर्क, हिप्पोकैम्पल नेटवर्क और सही कार्यकारी नियंत्रण नेटवर्क शामिल है। नींद, आराम की स्थिति और व्यवहार के बीच एक त्रय संबंध स्थापित करने के लिए, हमने स्पिंडल और धीमी दोलन मापदंडों, आराम-अवस्था कार्यात्मक कनेक्टिविटी में परिवर्तन, और स्थानिक स्मृति कार्य के प्रदर्शन उपायों को सहसंबद्ध किया। सामंता एट अल. (2021) में एलोकेंट्रिक और एगोसेंट्रिक प्रशिक्षण के लिए स्मृति पुनर्प्राप्ति में नींद से संबंधित समान मस्तिष्क-व्यापी परिवर्तन पाए गए। विशेष रूप से, यदि विषय सीखने के बाद सो गए, तो कार्यकारी नियंत्रण नेटवर्क में सक्रियता बढ़ गई और सीखने से पुनर्प्राप्ति तक डिफ़ॉल्ट मोड नेटवर्क में कमी आई। इसलिए, हमें बाकी दोनों नेटवर्कों में भी इसी तरह के बदलाव देखने की उम्मीद थी। मस्तिष्क-व्यापी समेकन प्रक्रियाएं हिप्पोकैम्पस नेटवर्क के लिए भी अवलोकनीय होनी चाहिए जो नींद के दौरान और आराम के दौरान समेकन का समन्वय करता है। हमने अनुमान लगाया कि स्पिंडल-धीमी दोलन युग्मन हिप्पोकैम्पस नेटवर्क और मेमोरी प्रदर्शन में बदलाव के साथ सकारात्मक रूप से जुड़ा हुआ है। ये निष्कर्ष सामंता एट अल के बाद से स्मृति स्थितियों के बीच भिन्न नहीं होने चाहिए। (2021) एलोसेंट्रिक और एगोसेंट्रिक प्रशिक्षण के बीच कोई अंतर नहीं देखा गया। वास्तव में, हमारे परिणाम दर्शाते हैं कि कार्यकारी नियंत्रण और डिफ़ॉल्ट मोड नेटवर्क कार्य प्रदर्शन से पहले और बाद में अनुमानित विपरीत दिशाओं में बदलते हैं। इसके अतिरिक्त, हमने हिप्पोकैम्पस नेटवर्क के भीतर दो उपनेटवर्क की पहचान की। प्राथमिक सबनेटवर्क नींद की स्थिति से स्वतंत्र था और कार्य प्रदर्शन से पहले से लेकर बाद के प्रदर्शन तक और ब्रेक के बाद कार्यात्मक कनेक्टिविटी में वृद्धि हुई। दूसरे सबनेटवर्क में कनेक्टिविटी केवल उन प्रतिभागियों के लिए ब्रेक के दौरान कम हो गई जिन्होंने झपकी ली थी। अंत में, स्पिंडल-धीमी दोलन युग्मन शक्ति स्मृति प्रदर्शन के साथ सकारात्मक रूप से जुड़ी हुई थी और दूसरे, नींद पर निर्भर हिप्पोकैम्पस सबनेटवर्क में कनेक्टिविटी कम हो गई थी। एलोसेंट्रिक और एगोसेंट्रिक प्रशिक्षण के लिए सभी प्रभाव समान थे। हमारे निष्कर्ष बताते हैं कि विश्राम-अवस्था की सक्रियता को कार्य-संबंधी और समेकन-संबंधी परिवर्तनों में विभाजित किया जा सकता है जो या तो नींद-स्वतंत्र या नींद-निर्भर हैं। केवल नींद पर निर्भर परिवर्तन स्पिंडल-धीमी दोलन युग्मन से जुड़े होते हैं जो एलोसेंट्रिक और एगोसेंट्रिक सीखने के लिए स्मृति प्रदर्शन में समान रूप से योगदान देता है।

पुरुषों के लिए सिस्टैंच के फायदे- अल्जाइमर रोग रोधी

सिस्टैंच मेमोरी में सुधार और अल्जाइमर रोग को रोकने वाले उत्पादों को देखने के लिए यहां क्लिक करें

【अधिक के लिए पूछें】 ईमेल:cindy.xue@wecistanche.com / व्हाट्स ऐप: 0086 18599088692 / वीचैट: 18599088692

2|विधियाँ और सामग्रियाँ

2.1|प्रतिभागियों

न्यूरोलॉजिकल रूप से स्वस्थ, दाएं हाथ के 77 पुरुष प्रतिभागियों (आयु सीमा: 18-30 वर्ष, औसत=24) को अध्ययन के लिए भर्ती किया गया था। केवल पुरुष प्रतिभागियों का चयन किया गया था क्योंकि नमूने में केवल पुरुष कृंतकों का उपयोग करके अनुसंधान के एक बड़े अनुवाद निकाय की उप-जनसंख्या शामिल है (सामंता एट अल।, 2021)। अध्ययन को सामान्य नैतिकता अनुमोदन ("इमेजिंग ह्यूमन कॉग्निशन," सीएमओ 2014/288) के तहत स्थानीय नैतिकता समिति (सीएमओ अर्नहेम-निजमेजेन, रेडबौड यूनिवर्सिटी मेडिकल सेंटर) द्वारा अनुमोदित किया गया था, और प्रयोग इन दिशानिर्देशों के अनुपालन में आयोजित किया गया था। भर्ती रेडबाउड रिसर्च पार्टिसिपेशन सिस्टम के माध्यम से हुई। प्रतिभागियों की जांच की गई और उन्हें (1) नींद की दवाएँ लेने, (2) नियमित झपकी लेने, और (3) पेशेवर गेमिंग गतिविधियों में शामिल होने के आधार पर बाहर रखा गया। प्रयोग शुरू होने से पहले, सभी प्रतिभागियों ने लिखित सूचित सहमति प्रदान की और उनकी भागीदारी के लिए वित्तीय मुआवजा प्राप्त किया। कुल मिलाकर, चौदह प्रतिभागियों को डेटा अधिग्रहण के बाद विश्लेषण से बाहर रखा गया था। सीखने या पुनर्प्राप्ति के दौरान तकनीकी मुद्दों के कारण आठ विषयों को प्रयोग से बाहर रखा गया था: पांच प्रतिभागियों के लिए, जॉयस्टिक को गलत तरीके से कैलिब्रेट किया गया था, और शेष तीन के लिए, स्कैन के दौरान कार्य पर्यावरण कार्यक्रम के अचानक क्रैश होने सहित तकनीकी समस्याएं थीं। नींद परीक्षण या नियंत्रण सत्र में तीन विषय 30 मिनट से कम सोए। उनका z-स्कोर वास्तविक नींद के समय के नमूना औसत से 2.5*σ से अधिक दूर था। प्रत्येक विषय के लिए वास्तविक नींद के समय की गणना नींद की शुरुआत (डब्ल्यूएएसओ) के बाद जागने को छोड़कर कुल नींद के समय (टीएसटी) के रूप में की गई थी। अन्य तीन विषयों के लिए एफएमआरआई स्कैन के दौरान सिर की गति के कारण बड़े छवि विस्थापन की पहचान की गई। छवि श्रृंखला में विस्थापन की मात्रा का आकलन समीकरण (1) का उपयोग करके गुणवत्ता सूचकांक (क्यूआई) के साथ किया गया था:

where max. abs. is the maximum absolute displacement of a given volume with respect to a reference time point (i.e. middle volume in the time series) and max. rel. represents the maximum relative displacement at a given volume with respect to the subsequent time point. The two measures account for gradual as well as abrupt changes in head position. The cut-off for the exclusion of participants was set to a QI >16.4 (रिबेरो डी पाउला एट अल., 2017)। कुल मिलाकर, 63 विषयों को अंतिम नमूना माना गया (आयु सीमा: 18-30 वर्ष, मतलब=23.3)।

2.2|प्रायोगिग विधि

2  2 पूर्ण-फैक्टोरियल मिश्रित डिज़ाइन के साथ हमने स्थानिक स्मृति प्रतिमान की सिस्टम-व्यापी समेकन प्रक्रियाओं का परीक्षण किया। एफएमआरआई स्कैन के दौरान, प्रतिभागी जल भूलभुलैया के पहले से मान्य मानव एनालॉग में एलो- या अहंकारी स्थानिक सीखने और स्मृति पुनर्प्राप्ति में लगे हुए थे (मुलर एट अल।, 2018; स्कोनफेल्ड एट अल।, 2017)। सीखने और पुनर्प्राप्ति सत्रों के तुरंत पहले और बाद में, आराम-अवस्था एफएमआरआई के साथ कार्यात्मक कनेक्टिविटी का मूल्यांकन किया गया था। यह 9 मिनट के कुल चार विश्राम-अवस्था एफएमआरआई सत्र के बराबर है। स्थानिक शिक्षा और स्मृति पुनर्प्राप्ति के बीच, नींद को मापने के लिए स्लीप ईईजी का उपयोग किया गया था। प्रायोगिक स्थिति में, प्रतिभागियों को 90 मिनट तक सोने का निर्देश दिया गया, जबकि नियंत्रण समूह ने समान समय के लिए एक फिल्म देखी। प्रयोग के लगभग 2 सप्ताह बाद, नींद की स्थिति में प्रतिभागियों ने 90 मिनट के लिए नींद नियंत्रण सत्र पूरा किया, जो सीखने के अनुभव का पालन नहीं करता था।

मेरे पास सिस्टैंच अनुपूरक-याददाश्त में सुधार

2.3|आभासी जल भूलभुलैया कार्य

आभासी जल भूलभुलैया कार्य चूहे के जल भूलभुलैया का एक अनुकूलन है, जो कृंतकों में स्थानिक क्षमताओं का परीक्षण करने के लिए एक स्थापित विधि है (मॉरिस, 1981)।

मनुष्यों के लिए यह अनुरूप प्रतिमान एमआरआई स्कैनर वातावरण (स्कोएनफेल्ड एट अल., 2017) के साथ संगत है। प्रतिभागियों को खजाने का बक्सा खोजने के उद्देश्य से एक आभासी द्वीप के चारों ओर घूमने का निर्देश दिया गया था। हमने इस प्रतिमान में दो अलग-अलग सेटिंग्स का उपयोग किया: एक "छिपा हुआ द्वीप" और एक "संकेतित द्वीप।" छिपा हुआ द्वीप चार स्थलों से घिरा हुआ था (यानी, एक पुल, एक सेलबोट, एक पवन टरबाइन और एक लाइटहाउस; चित्र S1 देखें)। द्वीप पर एक छिपा हुआ खजाना बॉक्स लक्ष्य स्थान को चिह्नित करता है। बॉक्स आभासी द्वीप की सतह पर एक छोटे से इंडेंटेशन में स्थित था और इस प्रकार, केवल निकटता में ही दिखाई दे रहा था। इसके विपरीत, संकेतित द्वीप में दूर से दिखाई देने वाले खजाने के बक्से के बगल में एक झंडे को छोड़कर अभिविन्यास के लिए कोई स्थलचिह्न नहीं था। खजाने के बक्से के साथ इस ध्वज की स्थिति प्रत्येक परीक्षण में बदल गई। कार्य अनुक्रम में संकेतित और छिपे हुए द्वीपों के आठ वैकल्पिक ब्लॉक शामिल थे, जिसके परिणामस्वरूप कुल 16 परीक्षण हुए। प्रत्येक परीक्षण में, प्रतिभागी जॉयस्टिक का उपयोग करके अपनी गति से द्वीप के चारों ओर घूमने के लिए स्वतंत्र थे। जब खजाना बॉक्स के नजदीक लक्ष्य स्थान पर पहुंच गया, तो प्रतिभागी जॉयस्टिक पर एक बटन दबाकर परीक्षण समाप्त कर सकते थे। एक परीक्षण के अंत और अगले के शुरू होने के बीच एक 15- सेकंड का अंतराल था, जिसके दौरान प्रतिभागी द्वीप पर घूम सकते थे और खुद को उन्मुख कर सकते थे। प्रतिभागियों को सबसे पहले संकेतित द्वीप का सामना करना पड़ा जिसमें उन्हें दृश्यमान ध्वज ढूंढना था। बाद के विश्लेषण में स्मृति प्रभावों को अलग करने के लिए अवधारणात्मक और मोटर प्रसंस्करण को नियंत्रित करने के लिए इस द्वीप का उपयोग किया गया था। छिपे हुए द्वीप के साथ मुठभेड़ के लिए, प्रतिभागियों को सीखने की स्थितियों में से किसी एक को यादृच्छिक रूप से आवंटित किया गया था - आवंटन या अहंकार। एलोसेंट्रिक समूह ने प्रत्येक परीक्षण में द्वीप पर एक अलग स्थान पर शुरुआत की और लक्ष्य स्थान खोजने के लिए हर बार खुद को पुन: उन्मुख करना होगा, जिससे स्थान नेविगेशन के उपयोग को बढ़ावा मिलेगा। अहंकारी समूह में, उनके पास प्रत्येक परीक्षण में एक ही प्रारंभ स्थान होगा और इसलिए वे दृश्य संकेतों के अलावा लक्ष्य स्थान तक पहुंचने के लिए बार-बार निश्चित आंदोलन पर भरोसा कर सकते हैं, जिससे उन्हें दोनों नेविगेशनल रणनीतियों का उपयोग करने की इजाजत मिलती है। सामान्य तौर पर, प्रतिभागियों को इन दो स्थितियों की जानकारी नहीं थी। सीखने के परीक्षणों के लिए, दोनों स्थितियों में प्रतिभागियों का मुख्य उद्देश्य आठ छिपे हुए द्वीप परीक्षणों में लक्ष्य बॉक्स का स्थान सीखना था। पुनर्प्राप्ति परीक्षणों के लिए, द्वीप सेटअप एक संशोधन के साथ वही रहा - खजाने के बक्से को छिपे हुए द्वीप से हटा दिया गया था और प्रतिभागियों को अपने सर्वोत्तम ज्ञान के अनुसार स्थान को चिह्नित करने का निर्देश दिया गया था, जहां उन्होंने बॉक्स को स्थित होने के लिए याद किया था।

2.4|आंकड़ा अधिग्रहण

2.4.1|पॉलीसोम्नोग्राफ़िक रिकॉर्डिंग

90 मिनट की झपकी के दौरान 500 हर्ट्ज (ब्रेनएम्प, ब्रेन प्रोडक्ट्स, गिलचिंग, जर्मनी) की नमूना दर के साथ पॉलीसोम्नोग्राफिक रिकॉर्डिंग प्राप्त की गई थी। Fz, F3, F4, Cz, C3, C4, Pz, P3, P4, Oz, O1, O2 सहित बत्तीस स्कैल्प इलेक्ट्रोड (अंतर्राष्ट्रीय 10-20 ईईजी सिस्टम) लगाए गए थे और बाएं मास्टॉयड को संदर्भित किया गया था। इसके अतिरिक्त, क्षैतिज और ऊर्ध्वाधर नेत्र गति (ईओजी), ठोड़ी पर इलेक्ट्रोमायोग्राम (ईएमजी), और इलेक्ट्रोकार्डियोग्राम (ईसीजी) दर्ज किए गए। लाइट बंद होने के तुरंत बाद रिकॉर्डिंग शुरू हो गई। प्रयोग के बाद, एक प्रयोगकर्ता द्वारा स्पिएसओपी टूलबॉक्स (www.spisop.org; RRID: SCR_015673) का उपयोग करके परिस्थितियों से अनजान होकर स्लीप स्कोरिंग का प्रदर्शन किया गया। अमेरिकन एकेडमी ऑफ स्लीप मेडिसिन स्कोरिंग रूल्स (एएएसएम) के अनुसार नींद चरण 1 और 2, धीमी-तरंग नींद, आरईएम नींद, जागृति और शरीर की गतिविधियों को ईओजी, ईएमजी और निम्नलिखित चैनलों के आधार पर 30 के युग में दृष्टिगत रूप से स्कोर किया गया था। —F3, F4, C3, C4, O1, O2.

2.4.2|एफएमआरआई अधिग्रहण

एफएमआरआई समय श्रृंखला को 3टी हेड-ओनली स्कैनर (प्रिज्मा 3टी, सीमेंस, एर्लांगेन, जर्मनी) का उपयोग करके हासिल किया गया था। सात सौ T2*-भारित छवियां मल्टीबैंड ग्रेडिएंट-इको इको-प्लानर इमेजिंग अनुक्रम (मल्टीबैंड फैक्टर {{7%), 64 अक्षीय स्लाइस, वॉल्यूम पुनरावृत्ति समय [टीआर]=1000 एमएस, इको समय [टीई) के साथ हासिल की गईं ]=39 एमएस, 52 फ्लिप कोण, स्लाइस मोटाई=2.4 मिमी; देखने का क्षेत्र (एफओवी) 210 मिमी; स्वर का आकार 2 मिमी आइसोट्रोपिक)। संरचनात्मक छवियां टी 1- भारित एमपी-रेज अनुक्रम (192 धनु स्लाइस, वॉल्यूम टीआर=2300 एमएस, टीई=3.03 एमएस, 8 फ्लिप कोण, स्लाइस मोटाई, 1 मिमी) का उपयोग करके हासिल की गईं। ; FOV, 256 मिमी; स्वर का आकार {{25 }} मिमी)। सभी डेटा डोनर्स रिपोजिटरी डि पर उपलब्ध है। कर सकना। डीएससी_3013066.01_875.

2.5|डाटा प्रासेसिंग

2.5.1|स्लीप ईईजी प्रीप्रोसेसिंग

डेटा को स्लीपट्रिप टूलबॉक्स (www.sleeptrip.org; RRID: SCR_017318) का उपयोग करके मैटलैब R2020b (मैथवर्क्स इंक., शेरबोर्न, मैसाचुसेट्स) में प्रीप्रोसेस किया गया था। सभी ईईजी चैनलों को औसत मास्टॉयड (ए 1 और ए 2) के लिए फिर से संदर्भित किया गया था और डेटा को 0.3 और 35 हर्ट्ज (चौथे-क्रम बटरवर्थ शून्य-चरण फिल्टर) के बीच बैंड-पास फ़िल्टर किया गया था। सामान्य तौर पर, केवल शून्य-चरण फ़िल्टर लागू किए गए थे (यानी, आगे और पीछे की दिशा)। खराब ईईजी चैनलों को उनके पावर स्पेक्ट्रा के आधार पर स्पष्ट रूप से खारिज कर दिया गया था। शेष चैनलों के लिए, 30- की लंबी विंडो में कलाकृतियों का पता लगाया गया। जिन खंडों को शारीरिक गतिविधि के रूप में पहचाना गया था, उन्हें बाद में बहिष्करण के लिए चिह्नित किया गया था। उन खंडों की पहचान करने के लिए जो देखे गए समग्र आयाम वितरण से दृढ़ता से विचलित थे, प्रत्येक खंड के लिए औसत आयाम अंतर को प्रत्येक चैनल के भीतर z-मानकीकृत किया गया था। किसी भी चैनल में az > 5 वाले खंडों को बाहर रखा गया (मुएह्लोरोथ एट अल., 2019)। टीएसटी की गणना चरण 1, 2, एसडब्ल्यूएस और आरईएम नींद में बिताए गए समय के रूप में की गई थी। WASO को उस समय के रूप में परिभाषित किया गया था जब प्रतिभागी नींद की शुरुआत और अंतिम जागृति के बीच जाग रहे थे।

सिस्टैंच जड़ी बूटी के प्रभाव-अल्जाइमर रोग रोधी

2.5.2|धुरी का पता लगाना

स्पिंडल का पता पिछले प्रकाशनों (वेबर एट अल., 2020) के आधार पर स्लीपट्रिप में कार्यान्वित एक स्वचालित एल्गोरिदम और पायथन, संस्करण 3.8 (डोनोग्यू एट अल.) में लागू "ऑफ" एल्गोरिदम का उपयोग करके किया गया था। , 2020). धीमी स्पिंडल (9-12.5 हर्ट्ज) और तेज़ स्पिंडल (12.5-16 हर्ट्ज) आवृत्ति बैंड में अनुमानित शक्ति शिखरों को एनआरईएम युगों (यानी, एन2 और एन3) से दृष्टिगत रूप से पता लगाया गया था। पावर स्पेक्ट्रा के निरीक्षण से पहले, लोरेंत्ज़ियन फ़ंक्शन को फिट करके एपेरियोडिक 1/एफ घटक को सिग्नल से हटा दिया गया था। प्रत्येक प्रतिभागी के लिए, धीमी स्पिंडल चोटियों को तीन फ्रंटल चैनलों (Fz, F3, F4; स्लीप टेस्ट सत्र: 1 0.25 हर्ट्ज ± 0.1, मतलब ± SEM) के औसत में मैन्युअल रूप से पहचाना गया था ; नींद नियंत्रण सत्र: 10.07 हर्ट्ज ± 0.14, माध्य ± एसईएम) और तीन केंद्रीय चैनलों (सीजेड, सी3, सी4) के औसत में तेज स्पिंडल शिखर; नींद परीक्षण सत्र: 13.44 हर्ट्ज ± 0.09, माध्य ± एसईएम; नींद नियंत्रण सत्र: 13.44 हर्ट्ज ± 0.06, माध्य ± SEM)। दृश्यमान रूप से परिभाषित आवृत्ति चोटियों को सत्यापित करने के लिए, हमने फ़ूफ़ के साथ आवधिक शक्ति घटकों में गॉसियन को पुनरावृत्त रूप से फिट किया (चित्र S2 देखें, उदाहरण के लिए, स्पेक्ट्रा)। मैनुअल लेबल और फिट गाऊसी चोटियों में अंतर के मामले में, पावर स्पेक्ट्रा का दोबारा निरीक्षण किया गया। इस पद्धति का उपयोग नकली स्पिंडल घटनाओं की शुरूआत से बचने के लिए किया गया था (उजमा एट अल., 2015)। फिर, प्रत्येक चैनल के सिग्नल को पहचानी गई व्यक्तिगत आवृत्ति चोटियों के आसपास बैंड-पास फ़िल्टर (±1.5 हर्ट्ज, 3 डीबी कटऑफ, 4thorder बटरवर्थ शून्य-चरण फ़िल्टर) किया गया था। सिग्नल के रूट-मीन-स्क्वायर (आरएमएस) प्रतिनिधित्व की गणना प्रत्येक नमूना बिंदु पर की गई और 200 एमएस स्लाइडिंग विंडो में एक चलती औसत फ़िल्टर का उपयोग करके सुचारू किया गया। यदि सुचारू आरएमएस सिग्नल का आयाम 0.5-3 सेकंड के लिए फ़िल्टर किए गए सिग्नल के 1.5 एसडी से अधिक हो जाता है, तो एक संभावित स्पिंडल को चिह्नित किया गया था। फ़िल्टर किए गए स्पिंडल सिग्नल में स्थानीय मिनिमा और मैक्सिमा को चोटियों और गर्तों के रूप में चिह्नित किया गया था। सबसे बड़े गर्त को स्पिंडल पीक टाइम के रूप में परिभाषित किया गया था। स्पिंडल आयाम को सबसे बड़े गर्त और सबसे बड़े शिखर के बीच संभावित अंतर से परिभाषित किया गया था। एक कंक्रीट स्पिंडल की व्यक्तिगत आवृत्ति सभी गर्तों और चोटियों की संख्या को जोड़कर और संबंधित स्पिंडल की अवधि को दोगुने से विभाजित करके निर्धारित की गई थी। 0.25 एस से अधिक करीब की सीमाओं वाले स्पिंडल को अंततः विलय कर दिया गया।

2.5.3|धीमी गति से दोलन का पता लगाना

फ्रंटल इलेक्ट्रोड पर धीमे दोलनों का पता लगाना भी स्लीपट्रिप में कार्यान्वित एक स्वचालित एल्गोरिदम पर आधारित था और अन्यत्र मान्य किया गया था (एनजीओ एट अल।, 2 0 13)। सभी एनआरईएम युगों के लिए, पूर्व-संसाधित ईईजी डेटा को 4 हर्ट्ज (छठे-क्रम बटरवर्थ शून्य-चरण फ़िल्टर) पर कम-पास फ़िल्टर किया गया था। फिर पूरे सिग्नल को नकारात्मक और सकारात्मक अर्ध-तरंगों में विभाजित किया गया था जिन्हें शून्य-क्रॉसिंग द्वारा अलग किया गया था। एक संभावित धीमी दोलन को 0.5 और 1 हर्ट्ज के बीच आवृत्ति रेंज पर एक नकारात्मक अर्ध-तरंग के बाद एक सकारात्मक अर्ध-तरंग के रूप में परिभाषित किया गया था। धीमी दोलन आयाम और आवृत्ति की गणना स्पिंडल के लिए उपयोग किए जाने वाले समान दृष्टिकोण से की गई थी। सभी अनुमानित धीमे दोलनों के औसत गर्त से 1.25 गुना से अधिक के कल्पित धीमे दोलनों के साथ-साथ सभी संभावित धीमे दोलनों के औसत आयाम के 1.25 गुना के आयाम को आगे के विश्लेषण के लिए स्वीकार किया गया।

2.5.4|विश्राम-अवस्था एफएमआरआई प्रीप्रोसेसिंग

MRI DICOM फ़ाइलें GraphICA (ब्रेनेट-ब्रेन इमेजिंग सॉल्यूशन इंक.-सारनिया, ओंटारियो, कनाडा) में एक स्वचालित पाइपलाइन में दर्ज की गईं। शारीरिक और कार्यात्मक छवियों को एफएसएल 6.03 का उपयोग करके पूर्व-संसाधित किया गया था। भारित संरचनात्मक छवियों के प्रीप्रोसेसिंग चरणों में बायस-फील्ड सुधार (आरएफ/बी 1-अमानवीयता-सुधार), मस्तिष्क निष्कर्षण, ऊतक-प्रकार विभाजन (सीएसएफ, जीएम, डब्लूएम), और सबकोर्टिकल संरचना शामिल हैं। विभाजन. कार्यात्मक डेटा पर, हमने खोपड़ी स्ट्रिपिंग, मोशन करेक्शन, स्लाइस-टाइमिंग करेक्शन, स्थानिक स्मूथिंग का प्रदर्शन किया, जिसकी गणना स्वर आकार, छत (1.5 * स्वर आकार), कोरजिस्ट्रेशन, आईसीए-आधारित गति कलाकृतियों के स्वचालित निष्कासन, हाईपास के आधार पर की जाती है। फ़िल्टरिंग, और उपद्रव प्रतिगमन (WM और CSF)। डेटा को संदर्भ स्थान के लिए सामान्यीकृत नहीं किया गया क्योंकि प्राकृतिक मस्तिष्क स्थान की विशेषताओं को निम्नलिखित विश्लेषण में संरक्षित किया जाना चाहिए।

2.5.5|दोहरा प्रतिगमन विश्लेषण

11 विश्राम-अवस्था नेटवर्क मास्क का उपयोग करके विषय-विशिष्ट स्थानिक मानचित्रों की पहचान करने के लिए दोहरे-प्रतिगमन का उपयोग किया गया था: श्रवण, डिफ़ॉल्ट मोड नेटवर्क, कार्यकारी नियंत्रण बाएँ, कार्यकारी नियंत्रण दाएँ, हिप्पोकैम्पल, भाषा, प्रमुखता, सेंसोरिमोटर, विज़ुअल लेटरल, विज़ुअल मीडिया और विज़ुअल पश्चकपाल. घटक स्थानिक मानचित्रों की तीव्रता माध्य से प्रतिशत संकेत परिवर्तन की इकाइयों में व्यक्त की गई थी।

2.5.6|क्षेत्रीय पार्सलेशन

प्रत्येक विषय की T{0}}भारित छवि को फ़्रीसर्फर 7 (v7.1.0, http://surfer.nmr.mgh. harvard.edu/) में कार्यान्वित पाइपलाइन के साथ स्वचालित रूप से खंडित किया गया था। (शेफ़र एट अल., 2018) में वर्णित ग्रेडिएंट-वेटेड मार्कोव रैंडम फ़ील्ड मॉडल प्रक्रिया का उपयोग करके ग्राफ़आईसीए के साथ आगे का पार्सलेशन किया गया था। इस पार्सलेशन मॉडल में तीन प्रतिस्पर्धी शब्द शामिल हैं जो अंतिम विभाजन के इष्टतम गुणों का व्यापार करते हैं: समान छवि तीव्रता वाले समूह मस्तिष्क स्थानों के लिए एक वैश्विक समानता शब्द, पड़ोसी मस्तिष्क स्थानों के बीच अचानक कार्यात्मक कनेक्टिविटी परिवर्तनों का पता लगाने के लिए एक स्थानीय ढाल शब्द, और एक स्थानिक कनेक्टिविटी शब्द पार्सल के भीतर स्थानिक कनेक्टिविटी सुनिश्चित करें। इस प्रक्रिया से 832 पार्सलेटेड मस्तिष्क क्षेत्र प्राप्त हुए जिन्हें आगे के विश्लेषण के लिए नेटवर्क नोड्स के रूप में शामिल किया गया।

2.5.7|कार्यात्मक नेटवर्क निर्माण और थ्रेशोल्डिंग

GraphICA का उपयोग करते हुए प्रत्येक नोडल fMRI समय पाठ्यक्रम को तीन विश्राम-अवस्था नेटवर्कों के लिए अलग-अलग IC समय पाठ्यक्रम के साथ सहसंबद्ध किया गया था। मूल अंतरिक्ष में विषय के लिए प्रत्येक कार्यात्मक विश्राम राज्य नेटवर्क के कोर-पंजीकरण के बाद, 832 आरओआई में से प्रत्येक से संबंधित स्वर के स्केलर मानचित्र मानों के औसत से एक माध्य z-मान की गणना की गई थी। परिणामी z-मानकीकृत सहसंबंध गुणांक संबंधित विश्राम-अवस्था नेटवर्क पर प्रत्येक नोडल समय पाठ्यक्रम की लोडिंग का वर्णन करते हैं। उदाहरण के लिए, शोर के कारण नकली या कमजोर z-मानों को हटाने के लिए, लोडिंग को एकल-विषय स्तर पर डेटा-संचालित मिश्रण मॉडलिंग दृष्टिकोण के साथ थ्रेशोल्ड किया गया था (Bielczyk et al., 2018)। इसके अतिरिक्त, थ्रेशोल्ड नेटवर्क का मिलान GraphICA द्वारा प्रदान किए गए नेटवर्क टेम्प्लेट से किया गया था जो 200 स्वस्थ नियंत्रणों से प्राप्त किए गए थे। टेम्प्लेट में पाए गए केवल उन नोड्स को आगे के विश्लेषण के लिए विचार किया गया था (यानी, हिप्पोकैम्पस नेटवर्क=74 नोड्स, डिफ़ॉल्ट मोड नेटवर्क=171 नोड्स, सही कार्यकारी नियंत्रण नेटवर्क=164 नोड्स)।

2.6|सांख्यिकीय विश्लेषण

2.6.1|नींद ईईजी विश्लेषण

स्लीप ईईजी डेटा का सांख्यिकीय विश्लेषण ओपन-सोर्स टूलबॉक्स फील्डट्रिप (ओस्टेनवेल्ड एट अल।, 2011) और सर्कस्टैट्स टूलबॉक्स (बेरेन्स, 2009) के साथ मैटलैब आर2020बी (मैथवर्क्स इंक, शेरबोर्न, मैसाचुसेट्स) का उपयोग करके किया गया था। विश्लेषण धीमी दोलन और धीमी स्पिंडल के लिए चैनल Fz और तेज़ स्पिंडल के लिए Cz तक ही सीमित है। हमारे विश्लेषण में उपयोग किए गए सभी नींद चर सामान्य वितरण का पालन नहीं करते हैं। सीखने के बाद नींद सत्र और नींद नियंत्रण सत्र के बीच नींद वर्णनात्मक और दोलन गुणों की समूह के भीतर सभी तुलनाओं का परीक्षण आश्रित नमूनों के लिए गैर-पैरामीट्रिक विलकॉक्सन हस्ताक्षरित-रैंक परीक्षणों का उपयोग करके किया गया था। स्वतंत्र नमूनों के लिए गैर-पैरामीट्रिक मान-व्हिटनी यू टेस्ट के साथ एलोकेंट्रिक बनाम एगोसेंट्रिक स्थिति में नींद चर की समूह-समूह तुलना की गणना की गई थी। इन परीक्षणों के लिए चरों के माध्यिका और चतुर्थक मानों की सूचना दी गई। एक पी-मूल्य<.05 was viewed as statistically significant.

2.6.2|पता लगाए गए धीमे दोलनों और स्पिंडल के बीच अस्थायी संबंध

एनआरईएम नींद के लिए धीमी दोलनों और स्पिंडल के समन्वय का मूल्यांकन किया गया था क्योंकि स्पिंडल-धीमी दोलन युग्मन को चरण 2 और धीमी-तरंग नींद (कॉक्स एट अल।, 2 0 17) में स्थिर दिखाया गया है, भले ही प्रकार धीमी गति से दोलन अलग है (के-कॉम्प्लेक्स बनाम डेल्टा तरंगें)। धीमी दोलन और स्पिंडल घटनाओं के बीच सामान्य अस्थायी संबंध की गणना स्पिंडल के अनुपात का निर्धारण करके की गई थी जिसका केंद्र (यानी, अधिकतम गर्त) पहचाने गए धीमी दोलनों के गर्त के आसपास ±1.2 एस के अंतराल में होता था, और धीमी दोलनों की मात्रा स्पिंडल जिनका केंद्र दोलन के संबंधित गर्त के आसपास ±1.2 सेकेंड के भीतर होता है। एक संपूर्ण धीमी दोलन चक्र (0.5-1 हर्ट्ज, यानी, 1-2 एस) को कवर करने के लिए ±1.2 एस की समय विंडो चुनी गई थी। जब भी दो धीमी दोलन समय विंडो ओवरलैप हो जाती हैं तो स्पिंडल केंद्र से दूर होने वाली विंडो को हटा दिया जाता है। धीमी दोलन और स्पिंडल घटनाओं का सटीक समय प्रत्येक धीमी दोलन गर्त (लक्ष्य) के आसपास ±1.2 एस के समय अंतराल के भीतर होने वाले तेज और धीमी स्पिंडल केंद्रों (परीक्षण घटनाओं) के पेरी-इवेंट टाइम हिस्टोग्राम (पीईटीएच) (चित्रा 2 बी) द्वारा देखा गया था। आयोजन)। बीज घटना घटित होने की संभावनाओं को 100 एमएस के डिब्बे में समेटा गया और प्रतिशत में बदल दिया गया। पीईटीएच के अस्थायी पैटर्न का परीक्षण करने के लिए, हमने पीईटीएच डिब्बे के क्रम को 1000 बार यादृच्छिक रूप से फेरबदल करके एक यादृच्छिककरण प्रक्रिया लागू की। परिणामी सरोगेट्स को प्रत्येक व्यक्ति के लिए औसत किया गया और आश्रित नमूना टी-परीक्षणों का उपयोग करके मूल पीईटीएच के खिलाफ परीक्षण किया गया। 5000 क्रमपरिवर्तन (मैरिस और ओस्टेनवेल्ड, 2007) के साथ क्लस्टर-आधारित क्रमपरिवर्तन परीक्षण के माध्यम से एकाधिक तुलनाओं के लिए नियंत्रण प्राप्त किया गया था।

2.6.3|इवेंट-लॉक चरण युग्मन

इवेंट-लॉक किए गए क्रॉस-फ़्रीक्वेंसी विश्लेषण (हेल्फ़्रिच एट अल।, 2 0 18) के लिए, चैनल Fz (अधिकतम धीमी दोलन गर्त के आसपास ± 3 एस) पर आर्टिफैक्ट-मुक्त धीमी दोलन-घटना परीक्षणों का चयन किया गया था, और बैंड -धीमी दोलन आवृत्ति रेंज ({{27%).3-1.25 हर्ट्ज) में फ़िल्टर किया गया। हिल्बर्ट ट्रांसफॉर्म लागू करने के बाद, हमने विश्लेषणात्मक सिग्नल से तात्कालिक चरण कोण निकाला। विश्लेषणात्मक सिग्नल से आयाम आवरण की गणना करने के लिए समान परीक्षणों को 9 और 12.5 हर्ट्ज (धीमी स्पिंडल घटक) और 12.5 और 16 हर्ट्ज (तेज स्पिंडल घटक) के बीच बैंड-पास फ़िल्टर किया गया था। फ़िल्टर एज कलाकृतियों से बचने के लिए हमने केवल 2 से 2 सेकंड तक की समय सीमा पर विचार किया। प्रत्येक विषय, चैनल और युग के लिए, हमने अब अधिकतम स्पिंडल आयाम और संबंधित धीमी दोलन चरण कोण का पता लगाया है। रेले परीक्षणों की गणना एकरूपता के विरुद्ध प्रति विषय चरण वितरण का परीक्षण करने के लिए की गई थी। सभी एनआरईएम घटनाओं में औसत परिपत्र दिशा और परिणामी वेक्टर लंबाई निर्धारित की गई थी। पीपीसी का उपयोग स्पिंडल और धीमी दोलनों (विंक एट अल., 2012) के बीच चरण संबंध में स्थिरता के एक निष्पक्ष अनुमानक के रूप में किया गया था, जो स्पिंडल-ट्रफ ट्रिगर फूरियर स्पेक्ट्रा के आधार पर 3.5 से 24.5 सेकंड की समय विंडो में किया गया था। (100 एमएस चरण) और धीमी दोलन आवृत्ति सीमा 0.3 से 3 हर्ट्ज तक।

चीनी जड़ी बूटी सिस्टैंच

2.6.4|समय-आवृत्ति विश्लेषण

स्पिंडल और धीमी दोलनों के बीच अस्थायी संबंध का और वर्णन करने के लिए, हमने फिर से पहले से गणना की गई धीमी दोलन-घटना परीक्षणों (6-s खंड) का उपयोग किया। इन परीक्षणों को बेसलाइन परीक्षणों के रूप में उपयोग किए जाने वाले संबंधित धीमी दोलन के समान नींद चरण के दौरान 6 एस के यादृच्छिक रूप से चुने गए आर्टिफैक्ट-मुक्त समय खंड के साथ मिलान किया गया था। धीमी दोलनों के साथ और बिना परीक्षणों के समय-आवृत्ति विश्लेषण के लिए, हमने सुपरसेट्स (मोका एट अल., 2021) का उपयोग किया। सुपरलेट्स एक ही केंद्र आवृत्ति के साथ मॉर्लेट वेवलेट्स की एक श्रृंखला से बने होते हैं लेकिन तेजी से बाधित बैंडविड्थ जिसमें स्थापित दृष्टिकोण की तुलना में उच्च समय-आवृत्ति रिज़ॉल्यूशन होता है। विशेष रूप से, हमने 0.25 हर्ट्ज के चरणों में 5 हर्ट्ज और 20 हर्ट्ज के बीच धीमी दोलन और बेसलाइन परीक्षणों के पूर्व-संसाधित डेटा के लिए एक आंशिक अनुकूली सुपरलेट ट्रांसफॉर्म (एफएएसएलटी) लागू किया, जिसमें प्रारंभिक तरंगिका क्रम 3 और 5 और 15 के बीच एक ऑर्डर अंतराल था। बरज़ान एट अल., 2021)। फिर स्वतंत्र-नमूना टी-परीक्षणों का उपयोग करके प्रत्येक विषय के लिए धीमी दोलन-घटना परीक्षणों और नियंत्रण परीक्षणों के समय-आवृत्ति प्रतिनिधित्व की तुलना की गई। परिणामी टी-मैप्स बिना परीक्षणों की तुलना में धीमी दोलन वाले परीक्षणों के लिए तेज और धीमी स्पिंडल आवृत्ति रेंज दोनों में वृद्धि/कमी को दर्शाते हैं। विषय के भीतर विरोधाभासों की गणना करने के लिए, हमने चरण 2 और धीमी-तरंग नींद परीक्षणों के अनुपात को बनाए रखते हुए बेसलाइन और धीमी दोलन परीक्षणों के 100 यादृच्छिक सेट तैयार किए। इन सभी यादृच्छिक परीक्षण सेटों के टी-मैप्स प्रत्येक विषय के लिए औसत थे। प्रत्येक मेमोरी स्थिति के लिए अलग-अलग, 1.2 से 1.2 सेकेंड की समय विंडो में 5000 क्रमपरिवर्तन के साथ क्लस्टर-आधारित क्रमपरिवर्तन परीक्षण का उपयोग करके टी-मैप्स का शून्य के विरुद्ध परीक्षण किया गया था।

2.6.5|विश्राम-अवस्था एफएमआरआई विश्लेषण

तीन रेस्टिंग-स्टेट नेटवर्क के एफएमआरआई डेटा का विश्लेषण RStudio 1.4.1103 (RStudio, Inc., बोस्टन, मैसाचुसेट्स) में किया गया था। सभी विश्लेषण तीन पूर्व-चयनित रेस्टिंग-स्टेट नेटवर्क के लिए अलग-अलग किए गए थे (यानी, हिप्पोकैम्पस नेटवर्क, डिफ़ॉल्ट मोड नेटवर्क, सही कार्यकारी नियंत्रण नेटवर्क) और प्रति आईसी प्राप्त नोडल जेड-मानों पर आधारित थे जो कार्यात्मक में कनेक्टिविटी पैटर्न का वर्णन करते हैं विश्राम-अवस्था नेटवर्क। हमने डेटा का विश्लेषण करने के लिए ग्राफ़ थ्योरी विश्लेषण, यूक्लिडियन डिस्टेंस मैट्रिसेस और एक विलक्षण-मूल्य अपघटन (एसवीडी) सहित तीन अलग-अलग दृष्टिकोणों की खोज की, जिनमें से एसवीडी वर्तमान डेटा सेट के लिए सबसे उपयुक्त था। रेस्टिंग-स्टेट नेटवर्क के मूल संगठन को अधिक सटीक रूप से पकड़ने के लिए एसवीडी को कच्चे जेड-मानों पर प्रदर्शित किया गया था। थ्रेशोल्ड z-मानों ने एक m n डेटा मैट्रिक्स (m=4 सत्रों में प्रतिभागियों की संख्या; n=नोड्स की संख्या) का निर्माण किया। विशेष रूप से, विरल मैट्रिक्स के लिए एक एसवीडी को आयामीता में कमी के लिए चुना गया था क्योंकि थ्रेशोल्ड डेटा मैट्रिक्स में मुख्य रूप से शून्य मान थे। प्रति नेटवर्क दो प्रमुख मोड निकाले गए, जिन्होंने मिलकर डेटा में 15% - 20% भिन्नता को समझाया। प्रत्येक मोड को विचरण-आधारित कार्यात्मक विश्राम-अवस्था सबनेटवर्क के रूप में समझा जा सकता है (मूवीज़ S1-S4 देखें)। एसवीडी के परिणामस्वरूप, हमने रैंक-आर सन्निकटन के रूप में नेटवर्क का औसत निम्न-रैंक पुनर्निर्माण प्राप्त किया जो समीकरण (2) का उपयोग करके संबंधित सबनेटवर्क के स्थानिक वितरण का वर्णन करता है:

जहां ए मूल डेटा मैट्रिक्स है जो यू द्वारा अनुमानित है जिसमें आर बाएं एकवचन वैक्टर हैं, एस में आर एकवचन मान हैं, और वी में आर दाएं एकवचन वेक्टर हैं। सांख्यिकीय परीक्षण की तैयारी में, संबंधित बाएं एकवचन वेक्टर (um, i) को उसके एकवचन मान (si, i) द्वारा स्केल किया गया था, जहां i मैट्रिक्स की ith पंक्ति/स्तंभ है। परिणाम (उम, आई सी, आई) एक कॉलम वेक्टर है जो आईटीएच सबनेटवर्क पर सभी सत्रों के लिए प्रतिभागियों के स्कोर का प्रतिनिधित्व करता है। इन मूल्यों की व्याख्या सभी सत्रों और स्थितियों में सभी प्रतिभागियों के लिए चयनित कार्यात्मक सबनेटवर्क की कनेक्टिविटी ताकत के रूप में की जा सकती है। दो उप-नेटवर्कों में से प्रत्येक के लिए, प्राप्त प्रतिभागी स्कोर का एक रैखिक मिश्रित-प्रभाव मॉडल का उपयोग करके आश्रित चर के रूप में विश्लेषण किया गया था। मॉडल भविष्यवक्ताओं में निश्चित प्रभावों के रूप में नींद की स्थिति (नींद, जागना), सत्र (1-4 या प्री/पोस्ट-ब्रेक, प्री/पोस्ट-टास्क), और मेमोरी स्थिति (एलोसेंट्रिक, एगोसेंट्रिक) शामिल थे। प्रतिभागियों को चार विश्राम-अवस्था सत्रों के लिए यादृच्छिक प्रभावों के रूप में तैयार किया गया था। मॉडल फिट का आकलन करने के लिए अकाइक सूचना मानदंड (अकाइक, 1973), बायेसियन सूचना मानदंड (श्वार्ज़, 1978), और लॉग-संभावना का उपयोग किया गया था।

3|परिणाम

3.1|अध्ययन डिजाइन और स्मृति प्रदर्शन

वर्तमान अध्ययन में स्थानिक स्मृति कार्य (चित्र 1ए) के समेकन का परीक्षण करने के लिए एक 1-दिवसीय प्रतिमान का उपयोग किया गया। एफएमआरआई स्कैन के दौरान, प्रतिभागियों ने मनुष्यों के लिए वॉटरमेज़ के पहले से मान्य वर्चुअल एनालॉग में एलो- या एगोसेंट्रिक स्थानिक सीखने और मेमोरी पुनर्प्राप्ति का प्रदर्शन किया (मुलर एट अल।, 2018; स्कोनफेल्ड एट अल।, 2017)। इस डेटासेट के पहले प्रकाशन (सामंता एट अल., 2021) में एक विस्तृत कार्य विवरण पाया जा सकता है। संक्षेप में, प्रतिभागियों ने एक निश्चित लक्ष्य स्थान तक पहुंचने के लिए जॉयस्टिक का उपयोग करके एक आभासी द्वीप को स्वतंत्र रूप से नेविगेट किया। सीखने के सत्र में, स्थान को एक छिपे हुए खजाने के बक्से द्वारा दर्शाया गया था। हालाँकि, पुनर्प्राप्ति के दौरान, प्रतिभागियों को निर्देश दिया गया था कि वे बॉक्स की उपस्थिति के बिना अपनी सर्वोत्तम जानकारी के अनुसार खजाने के बक्से के स्थान को चिह्नित करें। एलोसेंट्रिक और एगोसेंट्रिक स्थितियाँ इस तरह भिन्न थीं कि यादृच्छिक रूप से निर्दिष्ट प्रतिभागियों ने प्रत्येक परीक्षण को या तो एक ही या बदलती प्रारंभिक स्थिति में शुरू किया (चित्रा 1 बी)। प्रारंभिक बिंदु से लक्ष्य स्थान तक पहुंचने के लिए मेमोरी प्रदर्शन को विलंबता के रूप में मापा गया था। पुनर्प्राप्ति के समय, प्रतिभागियों ने आम तौर पर एलोकेंट्रिक स्थिति की तुलना में अहंकेंद्रित स्थिति में बेहतर प्रदर्शन किया, और स्मृति प्रदर्शन पर नींद का मुख्य प्रभाव महत्वपूर्ण था (चित्रा 1सी; तालिका 1; एलो/ईगो एफ1 के साथ दो-तरफा एनोवा, 62=16 .78, पी <.001 और सोना/जागना एफ1,62=3.84, पी=.05)। सीखने और पुनर्प्राप्ति सत्रों के तुरंत पहले और बाद में, आराम-अवस्था एफएमआरआई के साथ कार्यात्मक कनेक्टिविटी का मूल्यांकन किया गया था। यह 9 मिनट के कुल चार विश्राम-अवस्था एफएमआरआई सत्र के बराबर है। स्थानिक सीखने और स्मृति पुनर्प्राप्ति के बीच, नींद की वास्तुकला को मापने के लिए पॉलीसोम्नोग्राफी का उपयोग किया गया था (तालिका एस1)। प्रायोगिक स्थिति में, प्रतिभागियों ने लगभग 90 मिनट (93.48 ± 1.77, मतलब ± SEM) सोया, जबकि नियंत्रण समूह ने समान समय के लिए एक तटस्थ फिल्म देखी। प्रयोग के लगभग 2 सप्ताह बाद, नींद की स्थिति में प्रतिभागियों ने लगभग 90 मिनट (103.30 ± 2.66, मतलब ± SEM) के लिए नींद नियंत्रण सत्र पूरा किया, जो तुरंत स्थानिक सीखने के अनुभव का पालन नहीं करता था। परीक्षण सत्र में प्रायोगिक स्थितियों के प्रति विषयों को अंधा बनाए रखने के लिए दो नींद सत्रों का क्रम संतुलित नहीं किया गया था। समान कार्य डिज़ाइन का उपयोग करते हुए, जेन्ज़ेल, बॉर्ले, और अन्य। (2014) और जेनज़ेल एट अल., (2012) ने तुलनीय झपकी अवधि प्राप्त की। हालाँकि, यहाँ, प्रतिभागी नींद परीक्षण सत्र की तुलना में नींद नियंत्रण सत्र में काफी देर तक सोए (विलकॉक्सन साइन-रैंक टेस्ट, z =  2.68, पृष्ठ=.01)। यह सत्र प्रभाव नींद प्रयोगशाला की आदत का संकेत देता है। पिछले अध्ययनों से अंतर जेनज़ेल, बौरले और अन्य के लिए एक अलग प्रयोगशाला सेटिंग के उपयोग के कारण हो सकता है। (2014); जेन्ज़ेल एट अल., 2012) नींद प्रयोगशाला (मैक्स प्लैंक इंस्टीट्यूट ऑफ साइकिएट्री) को इस तरह नामित किया गया था, जबकि डोंडर्स इंस्टीट्यूट में नींद प्रयोगशाला ईईजी प्रयोगशाला में थी (और इसलिए कम "घरेलू")।

3.2|परीक्षण और नियंत्रण सत्र में नींद के गुण

एनआरईएम नींद के दौरान स्पैटिओटेम्पोरल तंत्र को पूर्व जागरुकता के दौरान एन्कोड किए गए अनुभवों को समेकित करने के लिए दिखाया गया है (मैग्रेट एट अल।, 2016)। सिस्टम स्तर पर, माना जाता है कि नींद के दौरान अनुभवों को हिप्पोकैम्पो-थैलामो-कॉर्टिकल नेटवर्क में पुनः सक्रिय किया जाता है ताकि इन अनुभवों का दीर्घकालिक प्रतिनिधित्व बनाया जा सके। स्मृति समेकन में शामिल विभिन्न दोलन इन मस्तिष्क संरचनाओं के बीच संचार का समन्वय कर सकते हैं (जेनजेल, 2020; जेनजेल, बॉरले, एट अल।, 2014)। हम एनआरईएम नींद के दौरान धीमे दोलनों, साथ ही धीमी स्पिंडल (9-12.5 हर्ट्ज) और तेज़ स्पिंडल (12.5-16 हर्ट्ज) में रुचि रखते थे, जो मेमोरी समेकन की प्रक्रिया में एक विशिष्ट भूमिका निभा सकते हैं (जेनज़ेल और रॉबर्टसन, 2015) . मानव ईईजी (एडमज़िक एट अल., 2015) में इन नींद दोलनों की पहले रिपोर्ट की गई स्थलाकृति के अनुरूप, हमने अपने विश्लेषणों को ललाट धीमी दोलनों और धीमी स्पिंडल (यानी, चैनल एफजेड) और केंद्रीय तेज स्पिंडल (यानी, चैनल सीजेड) पर केंद्रित किया; युग्मन स्थलाकृति के लिए चित्र S3 देखें)। नींद परीक्षण सत्र की नींद वास्तुकला पर स्थानिक सीखने के अनुभव के विशिष्ट प्रभावों को पकड़ने के लिए, हमने नींद परीक्षण और नियंत्रण सत्रों के बीच नींद वर्णनात्मक के साथ-साथ स्पिंडल और धीमी दोलन गुणों (तालिका एस 1 देखें) की तुलना की। हमने पाया कि परीक्षण सत्र की तुलना में नियंत्रण सत्र में प्रतिभागी काफी देर तक सोये। परीक्षण सत्र की तुलना में, नियंत्रण सत्र में तेज़ स्पिंडल अवधि भी काफी अधिक थी (विलकॉक्सन साइन-रैंक टेस्ट, z =  2.91, पी <.01)। हमने आगे मूल्यांकन किया कि क्या परीक्षण और नियंत्रण सत्रों के बीच टीएसटी में महत्वपूर्ण अंतर तेज स्पिंडल अवधि में इस अंतर की भविष्यवाणी कर सकता है, जो WASO को नियंत्रित करता है। हालाँकि, नींद के सत्रों में तेज़ स्पिंडल आयाम अंतर पर टीएसटी का कोई महत्वपूर्ण प्रभाव नहीं था (एकाधिक रैखिक प्रतिगमन, टीएसटी:=0.53, पी=.61)। तेज स्पिंडल आयाम में वृद्धि, टीएसटी में वृद्धि के समान, नींद प्रयोगशाला के अनियंत्रित आदतन प्रभाव के कारण हो सकती है। फिर भी, हमने स्मृति समेकन के लिए नींद के दोलनों के अस्थायी संबंध को महत्वपूर्ण माना है। इस संबंध में, हमने सत्रों के बीच कोई अंतर नहीं देखा, जैसा कि निम्नलिखित में प्रस्तुत किया जाएगा।

आकृति 1

3.3|परीक्षण और नियंत्रण सत्र में स्पिंडल-धीमी दोलन युग्मन

तेज लहर तरंगों, स्पिंडल और धीमी गति से दोलनों के बीच युग्मन सीखने के अनुभव को मजबूत करने के लिए एक महत्वपूर्ण समय विंडो निर्धारित कर सकता है (जेनजेल, क्रोज़, एट अल।, 2 0 14)। इसलिए, हमने नींद परीक्षणों और नियंत्रण सत्रों के बीच नींद माइक्रोआर्किटेक्चर में अंतर का पता लगाने के लिए स्पिंडल और धीमी दोलनों के बीच अस्थायी संबंध पर ध्यान केंद्रित किया। सबसे पहले, हमने पहचाने गए धीमे दोलनों के केंद्र के चारों ओर एक चक्र (±1.2 s का अंतराल) में होने वाले स्पिंडल के अधिकतम गर्त (% में) की संख्या की गणना की (चित्र 2a)। दोनों सत्रों में, हमने धीमी दोलनों (विलकॉक्सन साइन-रैंक टेस्ट, z =  1.14, पी=.26) से जुड़े तेज स्पिंडल और धीमी दोलन (विलकॉक्सन) से जुड़े धीमी स्पिंडल की समान संख्या का पता लगाया। साइन-रैंक टेस्ट, z {{10}}.75, पी=.45)। इसके विपरीत, लगभग समान संख्या में धीमे दोलनों को तेज़ स्पिंडल (विलकॉक्सन साइन-रैंक टेस्ट, z=1.02, p=.31) और धीमी स्पिंडल (विलकॉक्सन साइन-) से जोड़ा गया था। सीखने के बाद और नींद पर नियंत्रण के लिए रैंक टेस्ट, z {{20}}.10, पी=.27)। इन निष्कर्षों से पता चलता है कि स्पिंडल और धीमे दोलन एक दूसरे से समान रूप से बंधे हुए हैं। आम तौर पर, हमने नींद परीक्षण सत्र से ठीक पहले आयोजित स्थानिक सीखने के अनुभव से स्वतंत्र दोनों नींद सत्रों में लगातार स्पिंडल-धीमी दोलन युग्मन का पता लगाया। सफल मेमोरी समेकन दसियों या यहां तक ​​कि सैकड़ों एमएस की युग्मन परिशुद्धता पर निर्भर हो सकता है (मैग्रेट एट अल., 2016; मुएलरोथ एट अल., 2019)। इस प्रकार, हमने पीईटीएच (चित्रा 2 बी) का उपयोग करके सटीक स्पिंडल-धीमी दोलन समन्वय का विश्लेषण किया। पीईटीएच अधिकतम स्पिंडल गर्त की संभावना को ±1.2 सेकेंड समय विंडो में 100- एमएस समय डिब्बे के भीतर धीमी दोलन घटनाओं के आसपास होने की संभावना दर्शाता है। तेज़ स्पिंडल धीमी दोलन गर्त के तुरंत पहले और धीमी दोलन शिखर पर सह-घटित होते हैं (क्लस्टर-आधारित क्रमपरिवर्तन: संकेत। क्लस्टर: परीक्षण में 400-700 एमएस, पी <.001; नियंत्रण पर 500-800 एमएस, पी < .001). दूसरी ओर, धीमी स्पिंडल धीमी दोलन गर्त (क्लस्टर-आधारित क्रमपरिवर्तन: दोनों संकेत। 300 से 100 एमएस पर क्लस्टर, पी <.001) के साथ संक्रमण में मेल खाते हैं। इस आशय की मजबूती का परीक्षण स्पिंडल गर्त के समय टिकटों को बेतरतीब ढंग से फेरबदल करके प्राप्त संदर्भ वितरण के विरुद्ध किया गया था। स्पिंडल-धीमी दोलन युग्मन की अस्थायी विशिष्टता दो नींद सत्रों में भिन्न नहीं थी, जो फिर से एक स्थानिक सीखने के अनुभव से स्वतंत्र एक सामान्य युग्मन तंत्र की उपस्थिति का सुझाव देती है। पिछले निष्कर्षों ने वृद्ध वयस्कों की तुलना में युवाओं के लिए उच्च स्पिंडल-धीमी दोलन युग्मन शक्ति का प्रदर्शन किया है, और सकल मोटर लर्निंग (क्रॉस एट अल।, 2020 [प्रीप्रिंट]; हेलफ्रिच एट अल।, 2018) का पालन किया है। हम स्थानिक शिक्षा के संदर्भ में चरण संबंधों में इस स्थिरता को स्पष्ट करने में रुचि रखते थे। चित्र 2 बी में ध्रुवीय प्लॉट एक उदाहरण विषय और पूरे नमूने के लिए युग्मन चरण दिखाते हैं, जो धीमी स्पिंडल (9-12.5 हर्ट्ज) के लिए चैनल एफजेड पर अधिकतम स्पिंडल आयाम के समय तात्कालिक धीमी दोलन चरण (0.3-1.25 हर्ट्ज) के रूप में गणना की जाती है। ) और तेज़ स्पिंडल के लिए चैनल Cz (12.5-16 हर्ट्ज़)। पहले से ही एकल-विषय स्तर पर, एक सटीक स्पिंडल-धीमी दोलन युग्मन देखा जा सकता है, जो तेज स्पिंडल और धीमी स्पिंडल के लिए अलग है लेकिन नींद सत्रों में अपेक्षाकृत सुसंगत है (ध्रुवीय हिस्टोग्राम देखें, चित्र 2 बी)। समूह स्तर पर, अधिकांश तेज़ स्पिंडल धीमे दोलन के 5.76 और 6.28 रेडियन के बीच हुए (परीक्षण: 6.03 ± 0.56, नियंत्रण: 6.07 ± 0.33, गोलाकार माध्य ± एसडी), जबकि धीमे स्पिंडल धीमे दोलन के 1.57 और 2.62 रेडियन के बीच हुए। (परीक्षण: 1.89 ± 0.79, नियंत्रण: 1.87 ± 0.71, गोलाकार माध्य ± एसडी; चित्र 2ई)। ये निष्कर्ष पीईटीएच में दिखाए गए स्पिंडल और धीमी दोलनों के बीच अस्थायी समन्वय से मेल खाते हैं। इन चरण संबंधों की स्थिरता का अनुमान लगाने के लिए हमने जोड़ीवार चरण स्थिरता (पीपीसी; सीएफ। "तरीके और सामग्री") की गणना की। दो नींद सत्रों के बीच अधिकतम पीपीसी मान न तो तेज़ स्पिंडल के लिए और न ही धीमी स्पिंडल के लिए भिन्न थे (विलकॉक्सन साइनरैंक टेस्ट, तेज़ स्पिंडल अधिकतम पीपीसी: z=0.451, पी=.65, धीमी स्पिंडल: अधिकतम पीपीसी: z=0.067, पी=.95). इसके अतिरिक्त, हमने पीपीसी (चित्रा 2सी) में ध्यान देने योग्य व्यक्तिगत अंतर देखा। हमारी रुचि इस बात में थी कि क्या पीपीसी में यह परिवर्तनशीलता प्रतिभागी की सामान्य नींद की गुणवत्ता (पीएसक्यूआई के साथ मापी गई) से संबंधित थी, जो महत्वपूर्ण नहीं थी (रैखिक सहसंबंध, तेज स्पिंडल: ρ=0.30, पी =। 14, धीमी स्पिंडल: ρ=0.15, पी=.46)। संक्षेप में, स्पिंडल को एक विशिष्ट चरण संबंध के साथ धीमे दोलनों के लिए लगातार जोड़ा गया था जो समय क्षेत्र में पिछले निष्कर्षों का समर्थन करता है। अब तक प्रस्तुत समग्र युग्मन परिणाम दो नींद सत्रों में भिन्न नहीं थे। जैसा कि पहले बताया गया है, हमने नींद परीक्षण सत्र की तुलना में नींद नियंत्रण में कुल नींद का समय अधिक लंबा देखा, जिसका नींद की वास्तुकला पर प्रतिपूरक प्रभाव हो सकता है जिसके पीछे युग्मन में अंतर छिपा हुआ था। इस प्रकार, हम केवल नींद परीक्षण सत्र के लिए निम्नलिखित परिणाम प्रस्तुत करते हैं।

3.4|स्पिंडल-धीमी दोलन शक्ति मेमोरी प्रदर्शन से जुड़ी है

नींद के सत्रों में स्पिंडल-धीमी दोलन युग्मन के सामान्य समय और चरण की गतिशीलता स्थापित करने के बाद, हम नींद परीक्षण सत्र के दौरान दो स्मृति स्थितियों (एलो बनाम अहंकार) पर ध्यान केंद्रित करते हुए अपने विश्लेषण के साथ आगे बढ़े क्योंकि नींद का एलोसेंट्रिक पर एक अलग प्रभाव हो सकता है। बनाम अहंकेंद्रित स्थानिक यादें। समूहों के बीच संभावित अंतरों का परीक्षण %-युग्मन और पीपीसी (चित्रा 2 ए, एफ) के लिए किया गया था। समूहों के बीच न तो स्पिंडल-धीमी दोलन युग्मन की मात्रा और न ही स्पिंडल-धीमी दोलन चरण में स्थिरता महत्वपूर्ण रूप से भिन्न थी (मान-व्हिटनी यू टेस्ट, % तेज़ स्पिंडल: z =  1.12, पी =)। 27, % धीमी स्पिंडल: z=0.09, पी=.93; अधिकतम पीपीसी तेज़ स्पिंडल: z=1.742, पी=.08, अधिकतम। पीपीसी धीमी स्पिंडल: z=0.083, पी=.94)। हमने धीमी दोलनों के साथ और बिना धीमी दोलनों के समय खंडों के लिए स्पिंडल आवृत्ति रेंज में दोलन शक्ति की तुलना करके इस पैटर्न की जांच की (सीएफ। "सामग्री और तरीके")। धीमे दोलन परीक्षणों का निर्माण बेतरतीब ढंग से चयनित धीमे दोलनों के आसपास ±1.2 सेकेंड का युग्मन करके किया गया था। इन परीक्षणों में, स्पिंडल फ़्रीक्वेंसी रेंज में शक्ति वास्तव में धीमी दोलनों के बिना यादृच्छिक रूप से चयनित अंतरालों से काफी भिन्न होती है (सभी टी-वैल्यू क्लस्टर के लिए: पी <.001, चित्र 3 ए)। यह प्रभाव दोनों मेमोरी स्थितियों में समान रूप से मौजूद था क्योंकि अंतर मानचित्र में कोई महत्वपूर्ण मॉड्यूलेशन क्लस्टर नहीं था (चित्रा 3 ए)। निष्कर्ष निकालने के लिए, स्पिंडल-धीमी दोलन युग्मन का कोई भी मेट्रिक्स स्मृति स्थितियों के बीच भिन्न नहीं था। परिणाम व्यवहार विश्लेषण के लिए प्रशिक्षण प्रकार और नींद के बीच गैर-महत्वपूर्ण बातचीत के अनुरूप थे (चित्रा 1 सी देखें)। इस प्रकार, हमने आगे के परीक्षण के लिए सांख्यिकीय शक्ति बढ़ाने के लिए दो मेमोरी स्थितियों को संक्षिप्त करने का निर्णय लिया। परीक्षण सत्र में पूरे नमूने पर विचार करते हुए, हमने पहले जांच की कि क्या स्पिंडल-धीमी दोलन युग्मन की मात्रा स्पिंडल और धीमी दोलन घटनाओं की घटना का एक यादृच्छिक उपोत्पाद मात्र थी। युग्मन की प्राप्त मात्रा 60% नमूने में यादृच्छिक नमूना वितरण से काफी भिन्न थी (चित्र 3बी, क्रमपरिवर्तन परीक्षण: पी <.05, प्रति भागीदार 1000 पुनरावृत्तियाँ)। फिर भी, सांख्यिकीय शक्ति के नुकसान और माध्य की ओर प्रतिगमन से बचने के लिए हमने पूरे नमूने के लिए धीमी दोलन परीक्षणों के दौरान वर्णक्रमीय शक्ति मॉड्यूलेशन की गणना की (चित्रा 3 सी)। हमने पाया कि धीमी दोलन परीक्षणों के दौरान पावर मॉड्यूलेशन स्पिंडल आवृत्ति रेंज और पहले से स्थापित समय अंतराल (पीईटीएच, चित्र 2 बी देखें) में मिलान नियंत्रण परीक्षणों से काफी भिन्न थे। इसके बाद, हमने टी-मैप (चित्रा 3 सी) से निकाले गए संबंधित स्पिंडल क्लस्टर में प्रत्येक समय-आवृत्ति बिंदु के लिए धीमी दोलन-नियंत्रण शक्ति अंतर (टी-मानों में व्यक्त) और मेमोरी प्रदर्शन के बीच अलग-अलग सहसंबंध विश्लेषण किया। हमने ईईजी-व्यवहार सहसंबंधों के बूटस्ट्रैप्ड संदर्भ वितरण के विरुद्ध परीक्षण करके महत्वपूर्ण जुड़ाव पाया। इस तरह, हम महत्वपूर्ण सहसंबंध समूहों की पहचान कर सकते हैं जो धीमी दोलन अप-स्टेट के दौरान मेमोरी प्रदर्शन और ईईजी गतिविधि मॉड्यूलेट के एक विशिष्ट पैटर्न के बीच संबंध का प्रतिनिधित्व करते हैं (सीएफ। "सामग्री और तरीके")। तेज स्पिंडल के लिए एक महत्वपूर्ण नकारात्मक सहसंबंध क्लस्टर की पहचान की गई (क्लस्टर पी <.01, अधिकतम आर {{36%) .41, पी <.01, चित्र 3सी शीर्ष)। इसी प्रकार, हमने धीमे स्पिंडल के लिए एक और महत्वपूर्ण नकारात्मक सहसंबंध क्लस्टर की पहचान की है (क्लस्टर पी=.02, अधिकतम आर=.38, पी=.02, चित्र 3सी निचला): अधिक तेज़- धीमी दोलन अवधि के दौरान स्पिंडल शक्ति और धीमी-स्पिंडल शक्ति बेहतर मेमोरी प्रदर्शन (यानी, कम प्रतिक्रिया विलंबता) से जुड़ी थी। ये प्रभाव नींद परीक्षण सत्र के लिए विशिष्ट थे क्योंकि उन्हें नींद नियंत्रण सत्र (चित्रा एस 4) में तेज स्पिंडल या धीमी स्पिंडल क्लस्टर के लिए नहीं देखा जा सका। हमने इस सहसंबंध विश्लेषण को अहंकारी और आवंटनिक समूहों के लिए अलग से भी किया (चित्र S6)। एलोसेंट्रिक समूह में, न तो तेज़-स्पिंडल और न ही धीमी-स्पिंडल पावर मॉड्यूलेशन का मेमोरी प्रदर्शन के साथ महत्वपूर्ण संबंध है। अहंकारी समूह के निष्कर्ष पूरे नमूने के लिए देखे गए निष्कर्षों से काफी मिलते-जुलते थे। दिलचस्प बात यह है कि धीमी-स्पिंडल पावर मॉड्यूलेशन ने दोनों समूहों में विपरीत रुझान दिखाया। बेहतर मेमोरी प्रदर्शन ने एलोकेंट्रिक समूह (क्लस्टर=0.07, अधिकतम आर=.50, पी=.06, चित्र एस6) के लिए धीमी-स्पिंडल पावर मॉड्यूलेशन के साथ एक नकारात्मक जुड़ाव का संकेत दिया। तली छोड़ें)। यह जुड़ाव अहंकेंद्रित समूह (क्लस्टर पी=.03, अधिकतम आर {{64 }} .61, पी {{66 }} .02, चित्र एस6 नीचे दाईं ओर) के लिए काफी सकारात्मक था। हालाँकि, हमने इस प्रवृत्ति की आगे जांच नहीं की क्योंकि आवंटन समूह के लिए कोई महत्वपूर्ण परिणाम प्राप्त नहीं किया जा सका। निष्कर्ष निकालने के लिए, हमें स्मृति प्रदर्शन के साथ धीमी दोलनों और स्पिंडल के समन्वय के बीच संबंध के प्रमाण मिले जो कि नियंत्रण नींद सत्र के विपरीत सीखने के बाद नींद के लिए विशिष्ट था। धीमी-स्पिंडल पावर मॉड्यूलेशन मुख्य रूप से अहंकारी समूह द्वारा संचालित हो सकती है।

चित्र 2

3.5|कार्यात्मक विश्राम-स्थिति नेटवर्क पूरे सत्र में बदलते रहते हैं

स्लीप-ईईजी विश्लेषण के बाद, हमने बाकी राज्यों में नेटवर्क स्तर पर मेमोरी समेकन की जांच करने के लिए सीखने, समेकन और मेमोरी कार्य की पुनर्प्राप्ति से पहले और बाद में रेस्टिंग-स्टेट कार्यात्मक कनेक्टिविटी पर ध्यान केंद्रित किया। इसके लिए, हमने चार आराम-अवस्था सत्रों के एफएमआरआई डेटा को शामिल किया (यानी, 1=बेसलाइन, 2=पोस्ट-सीखने, 3=पोस्ट-ब्रेक, 4=पोस्ट-पुनर्प्राप्ति ) विश्लेषण में। हम विशेष रूप से सही कार्यकारी नियंत्रण नेटवर्क, डिफ़ॉल्ट मोड नेटवर्क और हिप्पोकैम्पल नेटवर्क में रुचि रखते थे। सामंता एट अल द्वारा इस डेटासेट का टास्क-एफएमआरआई विश्लेषण। (2021) से पता चला कि इन नेटवर्कों के क्षेत्रों ने समेकन अवधि के दौरान सक्रियता बदल दी जब प्रतिभागियों ने झपकी ली, लेकिन तब नहीं जब वे जागते रहे। इस प्रकार, हमने GraphICA (रिबेरो डी पाउला एट अल., 2017) के साथ तीन रेस्टिंग-स्टेट नेटवर्क प्राप्त किए, जो रेस्टिंग-स्टेट नेटवर्क विश्लेषण के लिए एक उपकरण है। आयामीता में कमी के उद्देश्य से, हमने एसवीडी (सीएफ. "तरीके और सामग्री") का उपयोग करके प्रत्येक नेटवर्क के लिए भिन्नता के प्राथमिक तरीकों की गणना की। अंत में, हमने पहले से पहचाने गए मोड में प्रत्येक प्रतिभागी के स्कोर पर सत्र के प्रभाव, नींद की स्थिति और स्मृति स्थितियों का परीक्षण किया। इस दृष्टिकोण से हम यह निर्धारित कर सकते हैं (1) प्रत्येक नेटवर्क में कितने कार्यात्मक उपनेटवर्क शामिल थे और (2) हमारे किसी भी प्रयोगात्मक चर के लिए नेटवर्क की कार्यात्मक कनेक्टिविटी कैसे बदल गई। सही कार्यकारी नियंत्रण नेटवर्क के लिए, हमने एक प्राथमिक सबनेटवर्क निकाला जो दाएँ अवर पार्श्विका सल्कस, दाएँ अवर पार्श्विका लोब और दाएँ पृष्ठीय प्रीफ्रंटल कॉर्टेक्स पर केंद्रित था। इस सबनेटवर्क में, हमने सीखने और पुनर्प्राप्ति सत्रों में कार्य प्रदर्शन में कार्यात्मक कनेक्टिविटी में वृद्धि देखी (चित्रा 4 ए; रैखिक मिश्रित-प्रभाव मॉडल, नींद/जागना: टी 62 =  0.747, पी =)। 46 एलो/ईगो: टी62 =  0.477, पी=.64, प्री-ब्रेक/पोस्ट-ब्रेक: टी193=1.676, पी=.10, प्री -टास्क/पोस्ट-टास्क: टी193=2.808, पी=.01). यह वृद्धि पोस्ट-ब्रेक से पोस्ट-पुनर्प्राप्ति (टी 193=2 .468, पी=.02) में परिवर्तन से प्रेरित थी। इसके विपरीत, पोस्टीरियर सिंगुलेट कॉर्टेक्स की मुख्य भागीदारी के साथ प्राथमिक डिफॉल्ट मोड सबनेटवर्क आमतौर पर प्री-टू-टास्क प्रदर्शन से कनेक्टिविटी में कम हो जाता है और जागने की स्थिति (चित्रा 4 बी; रैखिक मिश्रित-प्रभाव) की तुलना में इसकी कनेक्टिविटी आमतौर पर नींद के लिए अधिक होती है मॉडल, नींद/जागना: टी62 =  2.616, पी=.01 एलो/ईगो: टी62=0.427, पी=.67, प्री-ब्रेक/पोस्ट -ब्रेक: टी193=1.726, पी=.08, प्री-टास्क/पोस्ट-टास्क: टी193 =  2.126, पी=.04)। कार्यात्मक कनेक्टिविटी में कमी को पोस्ट-ब्रेक से पोस्ट-पुनर्प्राप्ति (टी 193 =  2.451, पी=.017) तक एक महत्वपूर्ण बदलाव द्वारा समझाया जा सकता है। हालाँकि, नींद के मुख्य प्रभाव को किसी भी प्रयोगात्मक हेरफेर द्वारा नहीं समझाया जा सकता है और यह संयोगवश उत्पन्न हो सकता है (चित्र S5)। विशेष रूप से, प्राथमिक हिप्पोकैम्पस सबनेटवर्क जिसमें मुख्य रूप से हिप्पोकैम्पस और द्विपक्षीय पैराहिप्पोकैम्पल कॉर्टेक्स शामिल थे, ने सही कार्यकारी नियंत्रण नेटवर्क के समान कनेक्टिविटी परिवर्तन दिखाए। इस मामले में, हमने न केवल कार्य से पहले से लेकर बाद तक की वृद्धि का पता लगाया, बल्कि कार्यात्मक कनेक्टिविटी में ब्रेक से पहले से लेकर बाद तक की वृद्धि का भी पता लगाया (चित्रा 4सी; रैखिक मिश्रित-प्रभाव मॉडल, नींद/जागना: टी{{82%)। 143, पी=.89 एलो/ईगो: टी62=0.702, पी=.49, प्री-ब्रेक/पोस्ट-ब्रेक: टी193=3.749, पी <.001, प्री-टास्क/पोस्ट-टास्क: टी193=4.535, पी <.001)। यह बेसलाइन और सीखने के बाद (टी193=3.586, पी <.001) के साथ-साथ पोस्ट-ब्रेक और पोस्ट-पुनर्प्राप्ति (टी{{105%).338, पी <.001) के बीच एक महत्वपूर्ण अंतर से परिलक्षित होता था। ). अंत में, हमने परीक्षण किया कि क्या सभी नेटवर्कों में देखी गई कार्यात्मक कनेक्टिविटी में पुनर्प्राप्ति के बाद का परिवर्तन पुनर्प्राप्ति के समय मेमोरी प्रदर्शन से जुड़ा था। यह प्रभाव सही कार्यकारी नियंत्रण सबनेटवर्क (रैखिक प्रतिगमन,=0.016, पी=.90), डिफ़ॉल्ट मोड सबनेटवर्क (रैखिक प्रतिगमन,=0.655, पी) के लिए महत्वपूर्ण नहीं था।=.43), या हिप्पोकैम्पस सबनेटवर्क (रैखिक प्रतिगमन,=0.596, पी=.44)। कुल मिलाकर, हमने कार्यकारी नियंत्रण और हिप्पोकैम्पल नेटवर्क में वृद्धि और डिफ़ॉल्ट मोड नेटवर्क में कमी के साथ, सभी तीन उप-नेटवर्कों में लगातार कार्य-पूर्व से कार्य-पश्चात प्रभाव प्राप्त किया। केवल हिप्पोकैम्पस सबनेटवर्क ने ब्रेक से पहले से पोस्ट-ब्रेक तक कनेक्टिविटी बढ़ाई और डिफ़ॉल्ट मोड नेटवर्क के लिए स्लीप मेन प्रभाव देखा गया। जैसा कि हमारे नींद विश्लेषण के लिए दिखाया गया था, कारक मेमोरी (एलो बनाम अहंकार) ने आराम करने वाले राज्य नेटवर्क में बदलावों को प्रभावित नहीं किया।

चित्र तीन

चित्र 4

3.6|एक नींद पर निर्भर हिप्पोकैम्पस सबनेटवर्क और तेज़ स्पिंडल-धीमी दोलन युग्मन

सामंता एट अल द्वारा किए गए विश्लेषण से। (2021), यह स्पष्ट है कि नींद के बाद प्रीक्यूनस/रेट्रोस्प्लेनियल कॉर्टेक्स की सक्रियता कम हो जाती है, लेकिन तब नहीं जब प्रतिभागी समेकन अवधि के दौरान जागते रहे। इसी तरह, हमने द्विपक्षीय रेट्रोस्प्लेनियल कॉर्टेक्स और द्विपक्षीय एमिग्डाला (चित्रा 5 ए शीर्ष) पर केंद्रित हिप्पोकैम्पस नेटवर्क का दूसरा कार्यात्मक सबनेटवर्क निकाला। हमने एक एकल मूल्य स्पेक्ट्रम मानदंड (सीएफ. "तरीके और सामग्री") का उपयोग करके एसवीडी फैक्टराइजेशन के आधार पर इस सबनेटवर्क की पहचान की। यहां, हमने यह भी जांच की कि सत्र, नींद की स्थिति और स्मृति की स्थिति ने इस दूसरे मोड पर प्रतिभागियों के स्कोर को कैसे प्रभावित किया। अन्य नेटवर्कों के लिए खोजे गए कार्य और ब्रेक मुख्य प्रभावों के विपरीत, हमने अब सत्र और नींद की स्थिति (रैखिक मिश्रित-प्रभाव मॉडल, सत्र * नींद इंटरैक्शन टी 191=2.086, पी {{5}) के बीच एक बातचीत देखी। } .04). सबनेटवर्क की कार्यात्मक कनेक्टिविटी केवल उन प्रतिभागियों के लिए कम हुई, जिन्होंने समेकन अवधि के दौरान झपकी ली थी। यह प्रभाव तब बना रहा जब केवल सीखने के बाद के बदलावों की तुलना ब्रेक के बाद के सत्रों से की गई (युग्मित-नमूना टी-परीक्षण, टी95=2.3971, पी=.02)। इस प्रकार, हमने एक सत्र से दूसरे सत्र में अंतर मूल्यों की भी गणना की और परीक्षण किया कि क्या ये 0 से काफी भिन्न थे। एक महत्वपूर्ण परिवर्तन केवल नींद समूह के लिए प्रशिक्षण के बाद से ब्रेक के बाद तक हुआ (टी{{18%).17, पी=.01), यह वेक ग्रुप (टी38 =  1.363, पी=.18) के लिए नहीं देखा गया था। इसलिए, हम इस बात में रुचि रखते थे कि क्या नींद की स्थिति में सीखने के बाद और ब्रेक के बाद के सत्रों के बीच कनेक्टिविटी में यह कमी पहले वर्णित स्पिंडल-धीमी दोलन युग्मन से संबंधित थी (चित्रा 3 सी देखें)। फिर से, सहसंबंधी विश्लेषण किए गए - लेकिन इस बार धीमी दोलन-नियंत्रण शक्ति अंतर (टी-मूल्यों में व्यक्त) और सीखने के बाद और ब्रेक के बाद के सत्रों के बीच हिप्पोकैम्पस सबनेटवर्क पर परिवर्तन स्कोर के लिए। टी-मैप से निकाले गए संबंधित स्पिंडल क्लस्टर में प्रत्येक समय-आवृत्ति बिंदु के लिए सहसंबंधों की गणना की गई थी। तेज स्पिंडल (क्लस्टर: पी <.001, अधिकतम पिक्सेल: ρ {{35%).38, पी <.01; चित्र 5बी, शीर्ष) और धीमी स्पिंडल (क्लस्टर: पी {{) के लिए एक महत्वपूर्ण नकारात्मक सहसंबंध क्लस्टर की पहचान की गई थी। 39}} .02, ρ =  0.30, पी=.03): धीमी दोलन अप-स्टेट के दौरान उच्च धुरी शक्ति नींद में हिप्पोकैम्पस सबनेटवर्क की कार्यात्मक कनेक्टिविटी में बड़ी कमी के साथ जुड़ी हुई थी . क्लस्टर आंशिक रूप से पहले प्रस्तुत किए गए महत्वपूर्ण प्रतिक्रिया सहसंबंध समूहों के साथ ओवरलैप हुए हैं (चित्र 3 सी देखें)। ये निष्कर्ष धीमे दोलनों और स्पिंडल के समन्वय और हिप्पोकैम्पस सबनेटवर्क में कनेक्टिविटी में कमी के बीच संबंध के लिए सबूत प्रदान करते हैं। वे स्पिंडल-धीमी दोलन युग्मन शक्ति और व्यवहार के लिए प्राप्त परिणामों को समानांतर करते हैं। इसलिए, हमारा लक्ष्य इस हिप्पोकैम्पस सबनेटवर्क में परिवर्तन स्कोर, स्पिंडल-धीमी दोलन युग्मन और मेमोरी प्रदर्शन के बीच एक त्रय संबंध स्थापित करना है। हमने पुनर्प्राप्ति के समय मेमोरी प्रदर्शन पर स्लीप में नेटवर्क के परिवर्तन स्कोर को पीछे छोड़ दिया। हालाँकि, हिप्पोकैम्पस सबनेटवर्क में कनेक्टिविटी में कमी ने व्यवहार की महत्वपूर्ण भविष्यवाणी नहीं की (रैखिक प्रतिगमन,=0.01, पी=.94)। संक्षेप में, हमें एक हिप्पोकैम्पस सबनेटवर्क मिला जिसने झपकी लेने वाले प्रतिभागियों के लिए आराम-अवस्था सत्रों में कार्यात्मक कनेक्टिविटी को कम कर दिया। जो प्रतिभागी जागते रहे, उनके लिए कार्यात्मक कनेक्टिविटी काफी हद तक स्थिर रही। यह प्रभाव दो स्मृति स्थितियों के बीच भिन्न नहीं था। सीखने के बाद से ब्रेक के बाद तक कार्यात्मक कनेक्टिविटी में कमी सकारात्मक रूप से नींद के दौरान स्पिंडल-धीमी दोलन युग्मन से संबंधित थी। इस प्रकार हमने अनुमान लगाया कि यह कनेक्टिविटी परिवर्तन स्मृति समेकन का सहसंबंध होगा। हालाँकि, स्पिंडल-धीमी दोलन युग्मन शक्ति (चित्रा 3 सी देखें) के विपरीत, दूसरे हिप्पोकैम्पस सबनेटवर्क में नींद पर निर्भर कनेक्टिविटी में कमी ने पुनर्प्राप्ति पर स्मृति प्रदर्शन की भविष्यवाणी नहीं की।

चित्र 5

4|बहस

इस अध्ययन में झपकी के दौरान या जागते हुए बिताई गई समान अवधि के दौरान स्थानिक स्मृति समेकन की जांच करने के लिए आराम-अवस्था एफएमआरआई और स्लीप ईईजी डेटा का उपयोग किया गया। विषयों ने एक आभासी वॉटरमेज़ में अलग-अलग शुरुआती स्थानों (एलोकेंट्रिक समूह) या एक ही शुरुआती स्थान (इगोसेंट्रिक समूह) के साथ एक लक्ष्य स्थान सीखा। स्लीप-ईईजी विश्लेषण स्पिंडल-धीमी दोलन युग्मन पर केंद्रित था, जो स्पिंडल को तेज और धीमी उपप्रकारों में अलग करता था। रेस्टिंग-स्टेट एफएमआरआई पहले से परिभाषित नेटवर्क के भीतर कनेक्टिविटी में बदलाव पर केंद्रित था। हम दिखा सकते हैं कि स्पिंडल-धीमी दोलन युग्मन झपकी के बाद स्मृति प्रदर्शन के साथ और रेट्रोस्प्लेनियल कॉर्टेक्स सहित एक कार्यात्मक हिप्पोकैम्पस नेटवर्क में कनेक्टिविटी में कमी के साथ सकारात्मक रूप से संबंधित है। जागते रहने वाले समूह में कनेक्टिविटी में यह कमी नहीं देखी गई। कार्यकारी नियंत्रण नेटवर्क और अन्य हिप्पोकैम्पल नेटवर्क में कनेक्टिविटी में कार्य-संबंधित वृद्धि देखी गई, जबकि डिफ़ॉल्ट मोड नेटवर्क में कमी पाई गई। ये परिवर्तन विशेष रूप से सोने वाले समूह के लिए नहीं थे बल्कि सभी प्रतिभागियों में देखे गए थे। हमने पिछले दोलन युग्मन निष्कर्षों को दोहराया, जिसमें दिखाया गया कि धीमी स्पिंडल धीमी दोलन से डाउन-स्टेट तक संक्रमण अवधि में निहित होती हैं, और तेज़ स्पिंडल अक्सर धीमी दोलन अप-स्टेट से ठीक पहले और भीतर होते हैं। हमें एलोकेंट्रिक और एगोसेंट्रिक प्रशिक्षण समूहों के बीच स्पिंडल-धीमी दोलन युग्मन में कोई अंतर नहीं मिला। स्पिंडल और धीमी दोलनों के बीच सटीक समन्वय समय, चरण और समय-आवृत्ति डोमेन में लगातार देखा गया था। आश्चर्यजनक रूप से, ये प्रभाव नींद परीक्षण सत्र के बीच भिन्न नहीं थे, जो तुरंत स्थानिक सीखने के अनुभव के बाद आया, और नींद नियंत्रण सत्र, जहां पहले से कोई स्पष्ट शिक्षा नहीं थी। तथ्य यह है कि हमने नींद के सत्रों के बीच अंतर नहीं देखा, यह संभवतः अध्ययन डिजाइन की पद्धतिगत सीमाओं के कारण है - नियंत्रण झपकी हमेशा दूसरी झपकी थी - क्योंकि कुल नींद के समय में भी अंतर देखा गया था। रेस्टिंग-स्टेट एफएमआरआई विश्लेषण हिप्पोकैम्पस नेटवर्क, डिफॉल्ट मोड नेटवर्क और राइट एक्जीक्यूटिव कंट्रोल नेटवर्क पर केंद्रित था। इन नेटवर्कों को परिभाषित किया गया और बाद में डेटा-संचालित दृष्टिकोण का उपयोग करके उप-नेटवर्क में विभाजित किया गया। हमने विश्राम-अवस्था के सत्रों में मस्तिष्क-व्यापी परिवर्तन पाए जो गतिविधि विश्लेषण में हमारे पिछले निष्कर्षों से मेल खाते थे (सामंता एट अल., 2021)। सही कार्यकारी-नियंत्रण नेटवर्क में परिवर्तन (कनेक्टिविटी में वृद्धि) के विपरीत डिफ़ॉल्ट मोड नेटवर्क में कनेक्टिविटी में कार्य-संबंधित परिवर्तन (कनेक्टिविटी में कमी)। दिलचस्प बात यह है कि हिप्पोकैम्पस नेटवर्क को दो सबनेटवर्क में विभाजित किया जा सकता है: एक प्राथमिक कार्यात्मक सबनेटवर्क जो हिप्पोकैम्पस और पैराहिप्पोकैम्पल कॉर्टेक्स पर केंद्रित है, और दूसरा कार्यात्मक सबनेटवर्क जिसमें रेट्रोस्प्लेनियल कॉर्टेक्स हब क्षेत्र के रूप में है। प्राथमिक हिप्पोकैम्पस सबनेटवर्क में कार्यात्मक कनेक्टिविटी कार्य से पहले से लेकर पोस्ट-ब्रेक तक और ब्रेक से पहले से पोस्ट-ब्रेक तक बढ़ गई। दूसरे हिप्पोकैम्पस सबनेटवर्क में कार्यात्मक कनेक्टिविटी चार आराम-अवस्था सत्रों में कम हो गई - सबसे प्रमुख रूप से स्लीप ब्रेक में - केवल उन प्रतिभागियों के लिए जो ब्रेक के दौरान सोए थे, लेकिन उनके लिए नहीं जो जागते रहे। हमारे व्यवहार और नींद विश्लेषण परिणामों की तरह, स्मृति स्थितियों (एलो बनाम अहंकार) ने इनमें से किसी भी नेटवर्क में परिवर्तन को प्रभावित नहीं किया। हमारे निष्कर्ष कार्यात्मक नेटवर्क में कार्य-संबंधित और समेकन-संबंधी कनेक्टिविटी परिवर्तनों का सुझाव देते हैं जो मेमोरी पुनर्सक्रियन से संबंधित हो सकते हैं।

अंत में, हमने अपने नींद ईईजी परिणामों को आराम-अवस्था कनेक्टिविटी और मेमोरी प्रदर्शन में बदलावों से जोड़ने का लक्ष्य रखा। स्पिंडल-धीमी दोलन युग्मन दूसरे हिप्पोकैम्पस सबनेटवर्क में नींद पर निर्भर परिवर्तनों और स्मृति प्रदर्शन से सकारात्मक रूप से संबंधित था। यह सीखने के बाद की नींद के लिए विशिष्ट था और नियंत्रण नींद सत्र में नहीं देखा गया। एक साथ लेने पर, सटीक स्पिंडल-धीमी दोलन युग्मन की व्यवहारिक प्रासंगिकता प्रतीत होती है और संभावित रूप से स्मृति समेकन में कार्यात्मक महत्व होता है। यह युग्मन एक ऐसा तंत्र हो सकता है जिसके द्वारा मेमोरी समेकन के दौरान हिप्पोकैम्पस नेटवर्क में कार्यात्मक कनेक्टिविटी को संशोधित किया जाता है।

4.1|बाकी राज्य नेटवर्क में कनेक्टिविटी बदल जाती है

आम तौर पर, यह दिखाया गया है कि कार्य-कार्य के बाद आराम की स्थिति में मस्तिष्क की गतिविधि को प्रभावित कर सकते हैं (लुईस एट अल., 2009)। उदाहरण के लिए, कार्य के बाद सीखने पर निर्भर सहज मस्तिष्क गतिविधि का मॉड्यूलेशन कामकाजी स्मृति, भावना और मोटर प्रशिक्षण (लुईस एट अल।, 2009) से जुड़े संज्ञानात्मक कार्यों के लिए देखा गया है। पूर्ववर्ती कार्य से जुड़े मस्तिष्क क्षेत्रों के इस तरह के मॉड्यूलेशन को आराम-अवस्था समेकन के एक रूप के रूप में समझा जा सकता है, जिसमें संभवतः नींद से संबंधित स्मृति समेकन (टैम्बिनी और दावाची, 2019) के समान तंत्र शामिल हैं। रेस्टिंग-स्टेट कनेक्टिविटी विश्लेषण एक नेटवर्क के भीतर विभिन्न स्वरों के सहसंबंध पर आधारित है। न्यूरोनल मेमोरी पुनर्सक्रियण और मेमोरी नेटवर्क के सुदृढ़ीकरण से मेमोरी नेटवर्क के सह-सक्रियण में वृद्धि होनी चाहिए, जिससे संभावित रूप से इंट्रा-नेटवर्क कनेक्टिविटी बढ़ सकती है जैसा कि हम यहां मापते हैं। इस प्रकार, कोई हमारे परिणामों की व्याख्या विश्राम अवस्था के दौरान होने वाले पुनर्सक्रियन में परिवर्तन के रूप में कर सकता है। हम कार्यकारी नियंत्रण और मुख्य हिप्पोकैम्पस नेटवर्क में डिफ़ॉल्ट मोड नेटवर्क के विपरीत कार्य-पूर्व से लेकर कार्य-पश्चात प्रदर्शन में विपरीत परिवर्तन दिखाते हैं। कार्यकारी नियंत्रण और हिप्पोकैम्पस नेटवर्क में वृद्धि हुई, जबकि डिफ़ॉल्ट मोड नेटवर्क में कार्यात्मक कनेक्टिविटी में कमी आई। यदि ये कनेक्टिविटी परिवर्तन घटित पुनर्सक्रियन से प्रेरित होते हैं, तो परिणाम संकेत देंगे कि किसी कार्य के बाद कार्यकारी नियंत्रण नेटवर्क और हिप्पोकैम्पस दोनों में अधिक पुनर्सक्रियण होता है। हमने रेट्रोस्प्लेनियल कॉर्टेक्स सहित दूसरे हिप्पोकैम्पस नेटवर्क में कनेक्टिविटी में नींद-विशिष्ट कमी भी देखी। संभावित रूप से यह नेटवर्क हिप्पोकैम्पस और पार्श्विका कॉर्टेक्स जैसे डाउनस्ट्रीम क्षेत्रों के बीच की कड़ी हो सकता है, जो कार्यकारी नियंत्रण नेटवर्क (जेनजेल, 2020) का हिस्सा है। इसलिए इस नेटवर्क में कनेक्टिविटी में कमी यह संकेत देगी कि नींद के बाद कार्यकारी नियंत्रण नेटवर्क और हिप्पोकैम्पस में होने वाली पुनर्सक्रियण एक दूसरे से अधिक स्वतंत्र हैं। इसके विपरीत, जागने के बाद जब कनेक्टिविटी में ऐसी कोई कमी नहीं होती है तो कॉर्टेक्स और हिप्पोकैम्पस में पुनर्सक्रियण अभी भी जुड़े रहेंगे। पहले यह प्रस्तावित किया गया है कि एक बार हिप्पोकैम्पस से कॉर्टेक्स तक समेकन की प्रगति हो जाने पर, कॉर्टेक्स में पुनर्सक्रियन हिप्पोकैम्पस पुनर्सक्रियन से स्वतंत्र रूप से होता है। हमारे परिणाम संभावित रूप से इस विचार का समर्थन कर सकते हैं। हालाँकि, विश्राम-अवस्था, भीतर-नेटवर्क कनेक्टिविटी का माप बहुत अप्रत्यक्ष है और इसलिए इस खोज की पुष्टि अधिक प्रत्यक्ष उपायों से की जानी चाहिए, जैसे कि कृंतकों में एक साथ हिप्पोकैम्पस और कॉर्टिकल न्यूरोनल रिकॉर्डिंग।

4.2|सही कार्यकारी नियंत्रण और डिफ़ॉल्ट मोड नेटवर्क में कार्य-संबंधी परिवर्तन

हमारे निष्कर्ष सामंता एट अल द्वारा किए गए इस डेटा सेट के कार्य विश्लेषण के साथ संरेखित हैं। (2021)। जब प्रतिभागियों ने कार्य किया तो सीखने और पुनर्प्राप्ति सत्रों में बोल्ड गतिविधि में परिवर्तन को मापने पर, हमने कार्यकारी नियंत्रण क्षेत्रों में नींद से संबंधित वृद्धि और डिफ़ॉल्ट मोड क्षेत्रों में कमी देखी। वर्तमान विश्लेषण में, हमने कार्यकारी नियंत्रण नेटवर्क के लिए नेटवर्क कनेक्टिविटी में वृद्धि देखी है और विभिन्न विश्राम अवस्था सत्रों में डिफ़ॉल्ट मोड नेटवर्क में कमी देखी गई है। ध्यान दें, वर्तमान परिणाम, सामंता एट अल के गतिविधि विश्लेषण परिणामों के विपरीत, नींद की स्थिति के लिए विशिष्ट नहीं हैं। यह विसंगति विभिन्न विश्लेषण दृष्टिकोणों के कारण हो सकती है। सामंता एट अल. (2021) ने दोनों नेटवर्कों के लिए अलग-अलग बोल्ड प्रतिक्रिया में परिवर्तनों की जांच की, लेकिन कार्यात्मक कनेक्टिविटी की नहीं। उनका कार्यात्मक कनेक्टिविटी विश्लेषण बीज-आधारित दृष्टिकोण पर बनाया गया था जिसने कार्यकारी नियंत्रण नेटवर्क के पूर्व-निर्धारित केंद्र और मस्तिष्क के बाकी हिस्सों के बीच बातचीत का परीक्षण किया। इसके विपरीत, हमने बिना किसी पूर्व धारणा के अपने नेटवर्क को परिभाषित करने के लिए स्वतंत्र घटक विश्लेषण का उपयोग किया और इनमें से प्रत्येक नेटवर्क के भीतर केवल कार्यात्मक कनेक्टिविटी परिवर्तनों का आकलन किया। इन पद्धतिगत अंतरों ने दो विश्लेषणों के अलग-अलग परिणामों में योगदान दिया हो सकता है। ऐसा माना जाता है कि कार्यकारी नियंत्रण नेटवर्क नेत्र संबंधी कार्यों के बीच ध्यान केंद्रित करता है और लक्ष्य-निर्देशित व्यवहार और नेविगेशन में शामिल होता है। विशेष रूप से, पश्च पार्श्विका कॉर्टेक्स लक्ष्य-निर्देशित नेविगेशन (निट्ज़, 2012; व्हिटलॉक एट अल।, 2008) को निर्देशित करने के लिए हिप्पोकैम्पली उत्पन्न एलोसेंट्रिक स्थानिक जानकारी और अहंकारी स्थानिक अभिविन्यास के लिए एक कॉर्टिकल एकीकरण साइट के रूप में कार्य करता है। इसके अतिरिक्त, पूर्व अनुभव को एन्कोड करने में शामिल कार्य-पश्चात आराम के दौरान मस्तिष्क क्षेत्रों के क्रमिक पुनरावृत्ति या पैटर्नयुक्त पुनर्सक्रियन का प्रमाण है (हॉफमैन और मैकनॉटन, 2002; स्टारेसिना एट अल।, 2013)। एक साथ लेने पर, स्थानिक नेविगेशन में पार्श्विका कॉर्टेक्स की केंद्रीय भूमिका और कार्य-प्रासंगिक मस्तिष्क क्षेत्रों में कार्य के बाद के आराम पर पुनरावृत्ति हमारे निष्कर्षों के साथ संरेखित होती है। हमने कार्य से पहले से लेकर कार्य के बाद के प्रदर्शन तक आराम की स्थिति में अवर पश्च पार्श्विका लोब और सल्कस पर केंद्रित सही कार्यकारी नियंत्रण नेटवर्क में बढ़ी हुई कार्यात्मक कनेक्टिविटी देखी। प्रारंभिक न्यूरोइमेजिंग अध्ययनों ने डिफ़ॉल्ट मोड नेटवर्क को एक कार्य-नकारात्मक नेटवर्क के रूप में परिभाषित किया है जो आराम की स्थिति (बकनर एट अल।, 2008) की तुलना में कार्य प्रदर्शन के दौरान कार्यात्मक कनेक्टिविटी में कमी करता है। हालाँकि, ग्राफ सिद्धांत उपायों का उपयोग करते हुए, लिन एट अल। (2017) ने प्री-टास्क रेस्ट, टास्क परफॉर्मेंस और पोस्ट-टास्क रेस्ट के दौरान डिफ़ॉल्ट मोड नेटवर्क डायनेमिक्स का अस्थायी रूप से हल किया गया दृश्य प्रदान किया। उन्होंने प्री-टास्क रेस्ट की तुलना में पोस्ट-टास्क रेस्ट पर डिफ़ॉल्ट मोड नेटवर्क में दक्षता में कमी, कार्यात्मक एकीकरण का एक उपाय पाया। पूरे नेटवर्क में वैश्विक दक्षता कम हो गई, और स्थानीय दक्षता विशेष रूप से पोस्टीरियर सिंगुलेट कॉर्टेक्स में कम हो गई। हमारे परिणाम यह भी प्रदर्शित करते हैं कि डिफ़ॉल्ट मोड नेटवर्क, पोस्टीरियर सिंगुलेट कॉर्टेक्स के काफी प्रभाव के साथ, कार्य से पहले से लेकर बाद के आराम तक कार्यात्मक कनेक्टिविटी में कम हो जाता है। यह बताया जाना चाहिए कि, स्वतंत्र घटक विश्लेषण (आईसीए) और टेम्पलेट-मिलान प्रक्रिया के परिणामस्वरूप, पोस्टीरियर सिंगुलेट कॉर्टेक्स, प्रीफ्रंटल कॉर्टेक्स और लेटरल पोस्टीरियर पैरिएटल कॉर्टेक्स ने डिफ़ॉल्ट मोड नेटवर्क कनेक्टिविटी में सबसे मजबूत योगदान दिया। सामंता एट अल सहित पिछले अध्ययन। (2021), इस नेटवर्क में हिप्पोकैम्पस और रेट्रोस्प्लेनियल कॉर्टेक्स कार्यात्मक केंद्र भी माना जाता है (ग्रीसियस एट अल., 2003; विंसेंट एट अल., 2006)। साथ में, इन सभी क्षेत्रों को एक मेमोरी नेटवर्क बनाने का प्रस्ताव दिया गया है जिसमें समेकन के दौरान सूचना हिप्पोकैम्पस से प्रीफ्रंटल और रेट्रोस्प्लेनियल कॉर्टेक्स के माध्यम से डाउनस्ट्रीम पार्श्विका क्षेत्रों तक रिले की जाती है (जेनज़ेल, 2020)। हालाँकि, हमारे अध्ययन में, हिप्पोकैम्पस और रेट्रोस्प्लेनियल कॉर्टेक्स मुख्य रूप से एक अलग हिप्पोकैम्पस नेटवर्क का हिस्सा थे। इस प्रकार, हमारे अध्ययन में कई निष्कर्ष जो पहले डिफ़ॉल्ट मोड नेटवर्क को सौंपे गए हैं, यहां हिप्पोकैम्पस नेटवर्क के लिए अलग से चर्चा की गई है, जिसमें हिप्पोकैम्पस, टेम्पोरल लोब क्षेत्र और रेट्रोस्प्लेनियल कॉर्टेक्स शामिल हैं। हमारी एफएमआरआई प्रसंस्करण पाइपलाइन एक आईसीए पर आधारित थी जिसने अधिकतम स्वतंत्र स्थानिक नेटवर्क बनाया। इस प्रकार, हम कार्यात्मक विश्राम-अवस्था नेटवर्क के बीच बातचीत का परीक्षण करने में सक्षम नहीं थे। फिर भी, सही कार्यकारी नियंत्रण और डिफ़ॉल्ट मोड नेटवर्क की कार्यात्मक कनेक्टिविटी में विपरीत रुझान पिछले शोध के समान दिशा में संकेत देते हैं। यह दिखाया गया है कि डिफ़ॉल्ट मोड नेटवर्क और कार्यकारी नियंत्रण नेटवर्क के बीच विपरीत बदलाव आराम करने और ध्यान केंद्रित करने के बीच स्थानांतरण की सुविधा प्रदान करते हैं (गोल्डन एट अल।, 2014; मेनन और उद्दीन, 2010)। इस स्थानांतरण में उत्तेजना-संबंधी संज्ञानात्मक प्रसंस्करण का समर्थन करने के लिए मस्तिष्क के भीतर संसाधनों का पुनः आवंटन शामिल है। हमारी टिप्पणियों के आधार पर, दो नेटवर्कों के बीच कार्यात्मक कनेक्टिविटी में विरोध न केवल आराम से कार्य परिवर्तन तक मौजूद हो सकता है, बल्कि कार्य के बाद के आराम पर भी बना रहता है और इस प्रकार एन्कोडेड अनुभव को मजबूत करने के लिए प्रासंगिक क्षेत्रों के ऑफ़लाइन समन्वय को प्रतिबिंबित कर सकता है।

4.3|स्मृति समेकन में हिप्पोकैम्पस नेटवर्क की भूमिका

एसवीडी के माध्यम से, हम हिप्पोकैम्पस नेटवर्क के भीतर दो कार्यात्मक रूप से प्रासंगिक सबनेटवर्क की पहचान करने में सक्षम थे, एक हिप्पोकैम्पस सबनेटवर्क हिप्पोकैम्पस और पैराहिप्पोकैम्पल कॉर्टेक्स पर केंद्रित था और दूसरा हिप्पोकैम्पस सबनेटवर्क जिसमें मुख्य रूप से रेट्रोस्प्लेनियल कॉर्टेक्स शामिल था। इन सबनेटवर्कों ने चार रेस्टिंग-स्टेट एफएमआरआई सत्रों में अलग-अलग कार्यात्मक कनेक्टिविटी परिवर्तन दिखाए। सीखने और पुनर्प्राप्ति सत्रों में कार्य प्रदर्शन के बाद प्राथमिक हिप्पोकैम्पस सबनेटवर्क की कार्यात्मक कनेक्टिविटी में वृद्धि हुई। यह खोज कार्यकारी नियंत्रण नेटवर्क के लिए वर्णित एक समान विश्राम-अवस्था समेकन का आधार हो सकती है। प्रारंभिक मेमोरी स्टोरेज साइट के रूप में हिप्पोकैम्पस को अक्सर पुनर्सक्रियण उत्पन्न करते हुए दिखाया गया है जिससे आराम के बाद बेहतर मेमोरी प्रदर्शन होता है (डुप्रेट एट अल।, 2010)। हमने इस सबनेटवर्क के लिए 90 मिनट के ब्रेक के बाद कार्यात्मक कनेक्टिविटी में वृद्धि भी देखी। पहली नज़र में, समेकन अवधि में यह वृद्धि सिस्टम समेकन के प्रस्तावित तंत्र (स्क्वॉयर एट अल., 2015) के प्रति प्रतिकूल लगती है। इसके बजाय एक समेकन अवधि के बाद हिप्पोकैम्पस की भागीदारी में कमी की उम्मीद की जाएगी। हालाँकि, किसी को यह ध्यान में रखना चाहिए कि वर्तमान माप स्वयं गतिविधि नहीं है, बल्कि नेटवर्क कनेक्टिविटी के भीतर है, और हमारी समेकन अवधि 90 मिनट तक सीमित थी। दूसरे हिप्पोकैम्पस सबनेटवर्क में मुख्य रूप से रेट्रोस्प्लेनियल कॉर्टेक्स के साथ-साथ मीडियल टेम्पोरल क्षेत्र भी शामिल थे। साहित्य में, हिप्पोकैम्पस, टेम्पोरल लोब क्षेत्र और रेट्रोस्प्लेनियल कॉर्टेक्स को अक्सर डिफ़ॉल्ट मोड नेटवर्क का हिस्सा माना जाता है क्योंकि वे आराम के दौरान मजबूत सुसंगतता दिखाते हैं (ग्रीसियस एट अल., 2003; विंसेंट एट अल., 2006)। हालाँकि, हाल ही में एक "मीडियल टेम्पोरल" सबनेटवर्क की पहचान की गई है, जिसकी कनेक्टिविटी ओवरस्लीप में कमी स्थानिक मेमोरी प्रदर्शन में वृद्धि के साथ जुड़ी हुई थी (बार्नेट एट अल., 2021; वैन बुरेन एट अल., 2019)। इस नेटवर्क के मुख्य क्षेत्रों में मेडियल टेम्पोरल लोब और रेट्रोस्प्लेनियल कॉर्टेक्स शामिल हैं। ये संरचनाएं हमारे दूसरे हिप्पोकैम्पस सबनेटवर्क से मेल खाती हैं। नतीजतन, हमारा दूसरा हिप्पोकैम्पस सबनेटवर्क मेमोरी समेकन में एक अद्वितीय भूमिका निभा सकता है (डी सूसा एट अल., 2019; वैन बुरेन एट अल., 2019)। कार्यात्मक रूप से, दूसरे हिप्पोकैम्पस सबनेटवर्क में चार आराम-अवस्था सत्रों में कनेक्टिविटी में कमी आई, लेकिन केवल नींद की स्थिति में प्रतिभागियों के लिए। मेडियल टेम्पोरल लोब और रेट्रोस्प्लेनियल कॉर्टेक्स को मनुष्यों और कृंतक मॉडल में स्थानिक नेविगेशन के लिए प्रासंगिक कहा गया है (एपस्टीन एट अल., 2017; पेग्नेक्स एट अल., 2004)। ये क्षेत्र क्रियात्मक रूप से नींद द्वारा नियंत्रित होते हैं, गहरी नींद के दौरान धीरे-धीरे वियुग्मित होते हैं (स्पूरमेकर एट अल., 2010)। इस प्रकार, दूसरा हिप्पोकैम्पस सबनेटवर्क नींद के दौरान स्पिंडल-धीमी दोलन गतिविधि से जुड़े मस्तिष्क-व्यापी समेकन तंत्र का समन्वय कर सकता है (कोवान एट अल।, 2020; नवारो-लोबेटो और जेनज़ेल, 2020)। वास्तव में, हम दिखाते हैं कि रेट्रोस्प्लेनियल कॉर्टेक्स पर केंद्रित हमारा दूसरा हिप्पोकैम्पस सबनेटवर्क नींद से महत्वपूर्ण रूप से नियंत्रित होता है और सकारात्मक रूप से स्पिंडल-धीमी दोलन युग्मन शक्ति से संबंधित होता है, जिसने स्मृति प्रदर्शन की भी भविष्यवाणी की है। तरंगों, स्पिंडल और धीमे दोलनों का युग्मन एक ऐसा तंत्र हो सकता है जिसके द्वारा नींद के दौरान यादों को प्रारंभिक हिप्पोकैम्पस भंडारण से लेकर डाउनस्ट्रीम क्षेत्रों, जैसे कि पश्च पार्श्विका कॉर्टेक्स - रेट्रोस्प्लेनियल कॉर्टेक्स के माध्यम से समेकित किया जाता है (जेनजेल, 2020; हेनीज़ एट अल)। , 2016). हमारा दूसरा हिप्पोकैम्पस सबनेटवर्क तंत्रिका सब्सट्रेट हो सकता है जिसके माध्यम से नींद पहले चर्चा की गई प्राथमिक हिप्पोकैम्पस सबनेटवर्क में समेकन के एक सामान्य रूप के अलावा, स्मृति समेकन पर अपना लाभकारी प्रभाव डालती है। संक्षेप में, हम दिखाते हैं कि यादों के समेकन के अंतर्निहित मस्तिष्क में कार्यात्मक कनेक्टिविटी पैटर्न केवल स्थापित विश्राम-अवस्था नेटवर्क तक ही सीमित नहीं हो सकते हैं। डेटा-संचालित दृष्टिकोण का उपयोग करते हुए, हमने विचरण-आधारित उप-नेटवर्क की पहचान की। विशेष रूप से, हमने हिप्पोकैम्पस नेटवर्क को हिप्पोकैम्पस-केंद्रित नींद-स्वतंत्र घटक और रेट्रोस्प्लेनियल-केंद्रित नींद-निर्भर घटक में विभेदित किया है। ये दोनों नेटवर्क स्थानिक स्मृति समेकन में शामिल हो सकते हैं। बहरहाल, केवल दूसरा हिप्पोकैम्पस सबनेटवर्क स्मृति निर्माण पर नींद के लाभकारी प्रभाव को रेखांकित कर सकता है, जैसा कि स्पिंडल-धीमी दोलन युग्मन शक्ति के साथ इसके जुड़ाव से पता चलता है जो स्मृति प्रदर्शन की भविष्यवाणी करता है। हमारे निष्कर्ष स्मृति समेकन में हिप्पोकैम्पस नेटवर्क का अधिक परिष्कृत दृष्टिकोण प्रदान करते हैं, जिसमें इसकी विश्राम-अवस्था की कार्यात्मक कनेक्टिविटी एक 1- दिन के प्रतिमान में एक स्थानिक स्मृति कार्य के सीखने, समेकन और पुनर्प्राप्ति में अलग-अलग बदलती है।