Nat Commun：机器学习帮助揭示大脑记忆的形成机制
来源：本站原创 2019-12-02 03:01
2019年12月2日 讯 /生物谷BIOON/ --近日，新加坡国立大学（NUS）的研究人员发现了大脑编码短期记忆的关键，进而在认知计算神经科学领域取得了突破。 新加坡国立大学心理学系助理教授Camilo Libedinsky以及新加坡国立大学创新与设计计划高级讲师Shih-Cheng Yen等人发现，大脑额叶中的神经元群体在动态变化的神经活动中包含稳定的短期记忆信息。这一发现可能对理解
2019年12月2日 讯 /生物谷BIOON/ --近日，新加坡国立大学（NUS）的研究人员发现了大脑编码短期记忆的关键，进而在认知计算神经科学领域取得了突破。
新加坡国立大学心理学系助理教授Camilo Libedinsky以及新加坡国立大学创新与设计计划高级讲师Shih-Cheng Yen等人发现，大脑额叶中的神经元群体在动态变化的神经活动中包含稳定的短期记忆信息。这一发现可能对理解有机体如何使用有限大小的大脑同时进行多种心理操作（如记忆，注意力和决策）产生深远的影响。
这项研究的结果于近日发表在《Nature Communications》杂志上。
在人脑中，额叶在处理短期记忆中起重要作用。短期记忆存储信息的能力很低。“它通常只能容纳6到8个项目。例如我们在几秒钟的时间内能够记住电话号码的能力-使用短时记忆，” Libendisky解释说。
在这里，NUS研究人员通过测量许多神经元的活动来研究额叶如何代表短期记忆信息。研究人员先前的研究结果表明，如果在记忆维持期间出现干扰，就会改变额叶神经元编码记忆的代码。“这是违反直觉的，因为内存是稳定的，但是代码已更改。在这项研究中，我们解决了这个难题”， Libendisky说。研究人员使用机器学习衍生的工具，发现可以在不断变化的神经种群代码中找到稳定的信息。这意味着NUS团队证明了可以从呈现干扰物后改变其代码的神经元群体中读取记忆信息。
这个简单的发现具有更广泛的含义，表明单个神经种群可能包含多种相互不干扰的独立信息。Libendisky解释说：“这可能是表现出认知灵活性的生物的重要特性。”
研究人员目前正在扩展这些研究，以探索多个大脑区域如何彼此交互，目的是传输和处理不同类型的信息。这可以通过在生物网络中进行测量与模拟可模拟其功能的人工神经网络之间的相互作用来实现。研究人员还在不健康的大脑（例如患有痴呆症的大脑）中探索这些过程。（生物谷Bioon.com）
资讯出处：Researchers use machine learning tools to reveal how memories are coded in the brain
原始出处：Aishwarya Parthasarathy, Cheng Tang, Roger Herikstad, Loong Fah Cheong, Shih-Cheng Yen, Camilo Libedinsky. Time-invariant working memory representations in the presence of code-morphing in the lateral prefrontal cortex. Nature Communications, 2019; 10 (1) DOI: 10.1038/s41467-019-12841-y
新加坡国立大学心理学系助理教授Camilo Libedinsky以及新加坡国立大学创新与设计计划高级讲师Shih-Cheng Yen等人发现，大脑额叶中的神经元群体在动态变化的神经活动中包含稳定的短期记忆信息。这一发现可能对理解有机体如何使用有限大小的大脑同时进行多种心理操作（如记忆，注意力和决策）产生深远的影响。
（图片来源：Www.pixabay.com）
这项研究的结果于近日发表在《Nature Communications》杂志上。
在人脑中，额叶在处理短期记忆中起重要作用。短期记忆存储信息的能力很低。“它通常只能容纳6到8个项目。例如我们在几秒钟的时间内能够记住电话号码的能力-使用短时记忆，” Libendisky解释说。
在这里，NUS研究人员通过测量许多神经元的活动来研究额叶如何代表短期记忆信息。研究人员先前的研究结果表明，如果在记忆维持期间出现干扰，就会改变额叶神经元编码记忆的代码。“这是违反直觉的，因为内存是稳定的，但是代码已更改。在这项研究中，我们解决了这个难题”， Libendisky说。研究人员使用机器学习衍生的工具，发现可以在不断变化的神经种群代码中找到稳定的信息。这意味着NUS团队证明了可以从呈现干扰物后改变其代码的神经元群体中读取记忆信息。
这个简单的发现具有更广泛的含义，表明单个神经种群可能包含多种相互不干扰的独立信息。Libendisky解释说：“这可能是表现出认知灵活性的生物的重要特性。”
研究人员目前正在扩展这些研究，以探索多个大脑区域如何彼此交互，目的是传输和处理不同类型的信息。这可以通过在生物网络中进行测量与模拟可模拟其功能的人工神经网络之间的相互作用来实现。研究人员还在不健康的大脑（例如患有痴呆症的大脑）中探索这些过程。（生物谷Bioon.com）
资讯出处：Researchers use machine learning tools to reveal how memories are coded in the brain
原始出处：Aishwarya Parthasarathy, Cheng Tang, Roger Herikstad, Loong Fah Cheong, Shih-Cheng Yen, Camilo Libedinsky. Time-invariant working memory representations in the presence of code-morphing in the lateral prefrontal cortex. Nature Communications, 2019; 10 (1) DOI: 10.1038/s41467-019-12841-y
版权声明 本网站所有注明“来源：生物谷”或“来源：bioon”的文字、图片和音视频资料，版权均属于生物谷网站所有。非经授权，任何媒体、网站或个人不得转载，否则将追究法律责任。取得书面授权转载时，须注明“来源：生物谷”。其它来源的文章系转载文章，本网所有转载文章系出于传递更多信息之目的，转载内容不代表本站立场。不希望被转载的媒体或个人可与我们联系，我们将立即进行删除处理。
87%用户都在用生物谷APP 随时阅读、评论、分享交流 请扫描二维码下载->
