XiaoMi-AI文件搜索系统
World File Search System空间导航
搜索策略分析莫里斯水迷宫中的5xfad阿尔茨海默氏症小鼠揭示了性别和年龄特异性的空间导航缺陷
摘要：空间迷失方向和导航障碍不仅是阿尔茨海默氏病中的第一个记忆，而且是非常特定的疾病。在啮齿动物中，莫里斯水迷宫用于研究空间导航和记忆。在这里，我们以性别和年龄依赖的方式检查了常用的5xFad阿尔茨海默氏症小鼠模型中的空间记忆。我们的发现分别在7个月大的5xFAD和12个月大的雄性5xFAD小鼠中表现出第一个空间学习术语。虽然使用逃生潜伏期对空间工作记忆进行评估提供了整体记忆性能的图片，但它不能解释动物如何解决空间任务。因此，对游泳策略进行了详细的分析，以更好地了解5xFAD和WT小鼠之间的行为差异。5XFAD小鼠使用定性和定量搜索策略模式与使用更多非空间策略的野生型动物相比，搜索策略模式并显示出同种形式的记忆定义。此外，对游泳策略的详细分析显示，在严重的参考记忆递减开始之前，在女性3个月大和7个月大的5xfad动物的女性3个月大和7个月大的5xfad动物的探针试验中，同类记忆降低了。总体而言，我们可以证明5xFAD小鼠的空间导航词是年龄和性别依赖性的，雌性小鼠受到严重影响。此外，搜索策略分类系统的实施允许对行为差异的早期检测，因此可能是5xFAD模型中临床前药物测试的有力工具。
神经科学的空间导航地图
动物的空间导航能力对其生存至关重要。它对认知的要求也很高，而且相对容易探索。出于这些原因，空间导航受到了神经科学家的极大关注，导致关键大脑区域的确定，以及对空间任务不同方面作出反应的细胞类型的“动物园”的不断发现。尽管取得了这些进展，但我们对各个部分如何组合在一起驱动行为的理解普遍不足。我们认为，这部分是由于专注于空间行为的研究人员与那些试图研究其神经基础的研究人员之间缺乏沟通造成的。这导致后者低估了空间行为的相关性和复杂性，并且过于狭隘地关注空间的神经表征——与这些表征旨在实现的计算脱节。因此，我们提出了一种哺乳动物导航过程的分类法，可以作为构建和促进该领域跨学科研究的共同框架。以分类法为指导，我们回顾了空间导航的行为和神经研究。在这样做时，我们既验证了分类法，又展示了它在识别常见实验方法的潜在问题、设计充分针对特定行为的实验、正确解释神经活动以及指出新的研究途径方面的实用性。
西塔振荡支持人类空间导航中的主动探索
主动导航似乎比被动导航能产生更好的空间知识，但目前还不清楚主动决策如何影响学习和记忆。在这里，我们研究了 θ 振荡对记忆相关探索的贡献，同时测试了有关其如何促进主动学习的理论。使用脑电图 (EEG)，我们对个体进行了迷宫学习任务测试，在该任务中，他们在迷宫的每个选择点对探索位置做出离散决策。一半参与者可以在每个选择点自由做出主动决策，另一半则通过在每个交叉点选择标记选项（与主动探索相匹配）进行被动探索。至关重要的是，所有决策都是在静止时做出的，将主动决策过程与运动和速度因素分离开来，这是 θ 振荡的另一个突出的潜在作用。然后通过在迷宫中从物体 A 移动到物体 B 来测试参与者对迷宫的了解。结果显示，在学习过程中，主动决策具有优势，并且表明主动组在探索的选择点（尤其是在中额叶通道）中具有更大的 θ 功率。这些发现表明，主动探索与人类空间导航过程中的 θ 振荡有关，并且这些振荡不仅仅与运动或速度有关。结果表明前额叶区域的 θ 振荡增加表明与海马体的沟通以及将新信息整合到记忆中。我们还发现了主动导航过程中 alpha 振荡的证据，表明注意力也发挥了作用。这项研究支持 θ 振荡在导航学习过程中具有一般的助记作用。
空间导航和空间言语记忆形成过程中海马体和前额叶皮质之间因果信息流的可复制模式
海马体和前额叶皮层 (PFC) 之间的相互作用在人类空间导航和情景记忆中都发挥着重要作用，但这些区域之间跨任务域的潜在信息因果流尚不清楚。在这里，我们使用颅内脑电图记录和光谱分辨相位转移熵来研究两种不同的虚拟空间导航和记忆编码/回忆任务中的信息流，并检查信息流模式在空间和言语记忆域中的可复制性。信息理论分析表明，从海马体到侧 PFC 的因果信息流比反向更高。至关重要的是，在两种空间导航任务的记忆编码和回忆期间观察到了不对称的信息流模式。进一步的分析揭示了相互作用的频率特异性，其特征是在 delta-theta 波段 (0.5-8 Hz) 中，从海马体到 PFC 的自下而上的信息流更大；相反，在 beta 波段 (12-30 Hz) 中，从 PFC 到海马体的自上而下的信息流更强。贝叶斯分析表明，两个空间导航任务（贝叶斯因子 > 5.46e + 3）以及跨空间和言语记忆域的任务（贝叶斯因子 > 7.32e + 8）之间具有高度的可重复性。我们的研究结果确定了人类大脑在记忆形成过程中参与的独立于域且可复制的频率相关反馈回路。
空间导航的神经科学及其与人工智能的关系
人工智能 (AI) 和神经科学的最新进展令人印象深刻。在人工智能领域，这包括开发可以击败围棋大师或在癌症检测方面胜过人类放射科医生的计算机程序。这些技术发展中的很大一部分与人工神经网络的进步直接相关——最初受到我们对大脑如何进行计算的认识的启发。与此同时，神经科学在理解大脑方面也取得了重大进展。例如，在空间导航领域，有关认知图（空间的内部表示）的神经计算机制和大脑区域的知识最近获得了诺贝尔医学奖。神经科学最近的大部分进展部分归功于技术的发展，该技术用于以极高的时间和空间分辨率记录动物行为中大脑多个区域的大量神经元。随着这些技术使我们能够收集大量数据，人们对人工智能与神经科学的交叉点的兴趣日益浓厚，其中许多交叉点涉及使用人工智能作为探索和分析这些大型数据集的新工具。但是，鉴于共同的初始动机点——了解大脑——这些学科可以更紧密地联系在一起。目前，这种潜在的协同作用大部分尚未实现。我们认为空间导航是这两个学科可以融合以促进我们对大脑的了解的绝佳领域。在这篇评论中，我们首先总结了空间导航和强化学习的神经科学进展。然后，我们将注意力转向讨论如何使用描述性、机械性和规范性方法对空间导航进行建模，以及在这些模型中使用人工智能。接下来，我们讨论人工智能如何推动神经科学的发展，神经科学如何推动人工智能的发展，以及这些方法的局限性。最后，我们重点介绍了一些有前景的研究方向，其中空间导航可以成为神经科学和人工智能的交汇点，以及这如何有助于促进对智能行为的理解。