コモンマーモセットの加齢に伴う学習および作業記憶障害パート 2
Jan 11, 2024
ソフトウェア
認知課題は、動物行動環境テスト（ABET）認知ソフトウェア（Lafayette Instrument Company）を使用してプログラムされ、試行の数と順序、タイミング、刺激の選択と表示位置、液体報酬の送達を含む課題のすべての側面を制御しました。
生活水準の向上に伴い、現代社会では生活を豊かにするためにさまざまな刺激方法を選択する人が増えています。 これらのシミュレーション方法には、旅行、ゲーム、スポーツ、音楽などが含まれます。それらは人々を幸せにするだけでなく、これらの刺激は人々の体と心にプラスの影響を与える可能性があり、その 1 つは記憶力の向上です。
まず第一に、刺激の選択により、人々の学習への関心と注意力をある程度高めることができます。 新しい国に旅行したり、新しいスポーツに挑戦したりするなど、人は何らかの刺激を感じると、好奇心が開かれ、新しい分野の学習や探索にさらに集中するようになります。 このより安定した注意力は、人々が新しい知識やスキルをよりよく習得するのに役立ち、それによって記憶力と学習効率が向上します。
第二に、刺激の選択は人々の脳のニューロンを刺激し、記憶の生成と固定化を促進する可能性もあります。 人が新しいことに挑戦すると、脳内のニューロンが異なる刺激を受け、ニューロン間の相互作用が刺激されます。 この刺激により、シナプス接続が促進され、さまざまな領域間の接続が増加し、人々がさまざまな情報や経験をより適切に保存および統合できるようになります。 したがって、刺激の選択は人々の記憶力を高める上で重要な役割を果たします。
最後に、刺激の選択は人々の身体的健康と社会生活を促進し、それによって間接的に記憶力と認知能力を向上させることもできます。 たとえば、さまざまなスポーツに参加することは、身体の健康を促進し、体力を強化すると同時に、明晰な思考と認知機能を維持するのにも役立ちます。 同時に、人々は旅行、スポーツ、音楽などでより多くの人々と知り合い、社会の輪を広げることができ、それが人々の精神状態を改善し、間接的に記憶力や認知能力の向上にもつながります。
要約すると、刺激の選択と記憶の間には強い関係があります。 さまざまな刺激方法を選択することで、人々は生活を豊かにするだけでなく、新しい知識やスキルをよりよく学び習得することができ、それによって記憶力や認知能力が向上し、より良い自己を発揮できるようになります。 私たちは記憶力を向上させる必要があることがわかります。カンクサにはアセチルコリンや成長因子のレベルを高めるなど、神経伝達物質のバランスも調節できるため、記憶力を大幅に向上させることができます。 これらの物質は記憶と学習にとって非常に重要です。 さらに、肉は血流を改善し、酸素の供給を促進するため、脳に十分な栄養素とエネルギーが確実に供給され、脳の活力と持久力が向上します。
このソフトウェアはまた、試行回数、正解と不正解の応答、正しい選択と選択された画面上の位置、応答待ち時間など、タスクのパフォーマンスのいくつかの測定値を記録しました。
すべてのタスクの刺激には、単純な形状と、黒い背景に表示される 3.5 ～ 3.5 cm の白黒クリップアート画像が含まれていました (刺激の例については、図 2E、3A を参照)。
統計分析
データはMATLAB (MathWorks)を使用して分析されました。コルモゴロフ-スミルノフ検定により、データが正規分布していないことが判明したため、研究全体を通じてノンパラメトリック統計分析が使用されました。
したがって、相関関係はスピアマンの順位相関を使用して評価され、シャイラー レイ ヘア テストは経時的な 2 因子交互作用を評価するために使用され、フリードマンのテストとネメニの事後テスト、またはウィルコクソンの符号付き順位テストは因子内差異を特定するために使用されました。
パフォーマンスは、x2 Goodness of FitTests を使用して確率と比較されました。 確率レベルはモンテカルロ シミュレーションによって決定され、p, 0.05 が有意であると考えられました。
認知検査
タッチトレーニング
研究の開始時には、マーモセットは認知テストを受けていませんでした。 したがって、彼らは最初に、流動的な報酬を獲得するために画面にタッチするように訓練されました。 タッチトレーニングプロセスには 3 つの段階がありました。 第 1 段階の目標は、マーモセットをタッチ スクリーン ステーションに慣れさせること、スクリーンと報酬シンクへの物理的な関与を促進すること、そしてスクリーンに触れることと報酬の提供を関連付けることでした。
これを行うために、マスクを通してアクセスできるスクリーン上の 9 つの位置のそれぞれに、甘い物質 (マシュマロ フラッフ) が少量塗布されました。 トレーニング セッションが開始されると、綿毛の下の 9 つの場所のそれぞれに青い四角形のターゲット刺激が表示されました。 マーモセットが綿毛を獲得するために画面に触れると、タッチが検出され、0.2 ml の報酬が画面の下のシンクに分配されました。 マーモセットの行動は、イーサネット対応カメラ (RLK16-410B8、Reolink) を介して遠隔から観察されました。
動物は、画面に触れると報酬が分配されることをいつ学習したかを識別するために観察されました。この関連付けを学習すると、動物の行動が変化しました。 訓練の初期段階では、サルはシンク内に報酬が蓄積していることに気づいたときにのみ報酬を消費しました。 しかし、関連付けが確立されると、サルの行動が変化し、画面にタッチするたびにすぐにシンクからの報酬を消費してから再び画面にタッチするようになりました。この関連付けが確立されると、タッチトレーニングの第 2 段階が始まりました。
第 2 段階の目標は、9 つの可能な刺激表示場所のそれぞれに対するマーモセットの反応を特徴付け、刺激のある場所のみが選択された場合におもちゃを獲得できる可能性があることをマーモセットに訓練することでした。 当初、9 か所すべてにターゲットがありました。 トレーニングは毎日約 5 回のトレーニング セッションを通じて継続され、各試行で画面に表示されるターゲット刺激の数は 9 個のターゲットから 1 個まで段階的に減少しました。
この段階では、綿毛は画面に適用されなくなり、ターゲットを正しく選択すると、0.2 ml の報酬が与えられました。 各ターゲット刺激は、ランダムに選択された位置に配置されました。 マーモセットがランダムに配置された 1 つのターゲットに確実にタッチすると、タッチ トレーニングの第 3 段階および最終段階が始まりました。 第 3 段階の目標は、各応答で得られる報酬の量を減らしながら、タスクへのしっかりとした関与を維持することでした。
この第 3 段階の各試行では、画面上のランダムに選択された場所に 1 つの刺激が表示されました。 報酬量は、毎日約 4 回のトレーニング セッションにわたって段階的に、応答あたり {{0}}.2 ml から応答あたりの最終量 0.05 ml まで減少しました。
DRST (図 3A)
遅延認識スパン タスク (DRST) は、作業メモリ容量を測定します。 DRST の各試行は、マーモセットが画面中央の青い四角形の刺激に触れることによって開始されました。 次に、400 枚の画像セットからランダムに抽出された 1 つの白黒刺激が、スクリーン上の 9 つの可能な位置のうちの 1 つに表示され、これもランダムに選択されました。
マーモセットがこの最初の刺激に触れたとき、少量の液体報酬が分配されました。 画面が空白になる 2- 秒の遅延の後、元の刺激が元の位置に表示され、2 番目の新しい刺激が別の疑似ランダムに選択された位置に表示される 2 つの強制選択肢が提示されました。
マーモセットが新しい物体を選択した場合、正しい応答が記録され、液体の報酬が分配され、さらに 2- 秒の遅れが発生しました。 遅延の後、最初の 2 つの刺激は元の位置に出現し、3 番目の新しい刺激も擬似ランダムに選択された位置に出現しました。 マーモセットは、新しい刺激を選択したことで再び報われました。 新しい刺激は、その後の遅延の後、次の 3 つの方法のいずれかで試験が終了するまで追加されました。(1) マーモセットは 9 回連続で正しい選択をしました。 (2) マーモセットは 12- 内での選択に失敗しました (つまり、省略されました)。 (3) マーモセットは誤った反応をしました (つまり、新規ではない刺激を選択しました)。
応答が省略されていた場合、または応答が不正確だった場合、報酬は支払われず、新しいトライアルの開始前に 5- のタイムアウト期間が始まりました。 各トライアルについて、トライアルが終了する前に正しく選択された刺激の数が最終スパン長 (FSL) として記録されました。継続的なタスクへの取り組みを促進するために、トライアルの難易度が上がるにつれて報酬の量も増加しました。
具体的には、マーモセットは {{0}} を獲得しました。0画面上に 1 つの刺激が表示された場合、正しい反応に対して 5 ml の報酬、2 つ、3 つ、または 4 つの刺激が画面上に表示された場合、正しい反応に対して 0.1 ml の報酬を獲得しました。画面上に 5、6、7、8、または 9 個の刺激が表示された場合、正解に対して 0.2 ml の報酬が与えられます。 画面上のオブジェクトの数は、以下では試用難易度レベル (TDL) と呼ばれます。
各マーモセットは週に 2 ～ 5 日テストされ、各テスト セッションは 3 時間後、またはマーモセットが 20 ml の報酬を獲得した後のどちらか早い方で終了されました。
反応時間タスク (図 7A)
反応時間タスク (RTT) は、マーモセットが手を伸ばして画面にタッチするまでに必要な時間を測定します。 これは、非認知運動速度の加齢に伴う変化と、作業記憶課題 (DRST) のパフォーマンスの加齢に伴う変化を区別するために使用されました。 RTT の各試行は、マーモセットが画面の中央にある緑色の四角形の刺激に触れることによって開始されました。
次に、擬似ランダムに選ばれた 9 つの場所のうちの 1 つにターゲットが出現しました。 マーモセットが標的に触れると、0.1-mlの液体報酬が欲しくなり、標的の開始とマーモセットによる選択の間に経過した時間が、その試行における反応時間として記録されました。
マーモセットには課題を学習するために 1 回の練習セッションが与えられ、その後の 10 回のテスト セッションからデータが収集されました。10 回のテスト セッションはそれぞれ、マーモセットが 108 回の試行を実行したとき、またはテスト セッションの開始から 1 時間が経過した時点で終了しました。
プログレッシブ比率タスク (PRT、図 7B)
Progressive Ratio Task (PRT) はモチベーションを測定します。 これは、非認知動機の年齢に関連した変化と DRST パフォーマンスの年齢に関連した変化を区別するために使用されました。 PRT の各試行は、画面の中央に刺激を提示することから始まりました。
マーモセットは、テストセッション中に応答要件が増加する漸進的比率の強化スケジュールの下で刺激に触れることで報酬を与えられました。
最初の応答要件は、ワンタッチで報酬を獲得することでした。 サルが応答要件を満たしたら、刺激は画面から削除され、報酬が分配され、その後、刺激が画面上に置き換えられました。 応答要件は、8 つの応答要件が完了するまで 1 つずつ増加し、その後は 8 つの応答要件が完了するたびに 2 倍になります。
使用された具体的な応答要件は次のとおりです:(increment=1) 1、2、3、4、5、6、7、8。 (増分=2) 10、12、14、16、18、20、22、24; (増分=4) 28、32、36、40、44、48、52、56; テストセッションは、1 時間が経過するか、マーモセットが 120 回のタッチの応答要件に達したときに終了しました。 マーモセットには課題を学習するために 1 回の練習セッションが与えられ、その後の 3 回のテスト セッションからデータが収集されました。
結果
DRSTの
マーモセットが加齢に伴う作業記憶障害を示すかどうかを評価するために、幅広い年齢範囲の動物コホートにタッチスクリーン版の遅延認識スパンタスクを実装しました。
この課題では、マーモセットが試験を開始し、画面上に表示される単一の視覚刺激 (「オブジェクト」) に触れることで報酬を与えられました。 画面が空白になる短い遅延の後、マーモセットは 2 つの選択肢からの強制的な選択で新しい物体を識別すると報酬を与えられました。 正しければ、少し遅れて 3 つのオブジェクトが出現したことになります。 裁判の初期に目撃されていた2人、そしてonenovelだ。
正解するたびに報酬が提供され、追加のオブジェクトが配列に追加されました。 マーモが目新しいものではない物体を手に入れた場合、実験は報酬なしで終了し、一連の実験が新たに始まりました。
DRST のパフォーマンスを評価するために使用される主な尺度は、最終スパン長 (FSL) でした。 以前の研究（Herndon et al., 1997;Moss et al., 1997; Killiany et al., 2000; Moore et al., 2017）と同様に、この尺度は動物の作業記憶能力を定量化し、マーモセットの刺激の数として定義されます。各試験で新規として正しく報告されました。
FSL の関数として時間の経過とともにプロットされた各動物の生データの学習曲線は、トライアル ウィンドウ全体でガウス加重移動平均を使用して平滑化され (図 3B)、モンテカルロ シミュレーションを使用して偶然のパフォーマンスをモデル化しました。{1} 。
私たちは、「初心者」、「学習者」、「専門家」として指定された各マーモセットの学習曲線に沿った 3 つの異なる段階でのパフォーマンスを分析しました。 初心者フェーズは、パフォーマンスが偶然の予想から逸脱しなかった試験として定義され、これまでに実行された最初の試験から始まりました。 初心者フェーズの終了は、コルモゴロフ・スミルノフ適合度テストを使用して、実験的に測定された 100 個の連続した FSL 分布がモンテカルロ シミュレーションから得られたヌル分布と大きく異なる最初の点を特定することによって決定されました。
学習者フェーズは初心者フェーズの直後に始まり、パフォーマンスの 90 パーセンタイル前のトライアルで終了しました。 ExpertPhase には、90 パーセンタイルから 100 パーセンタイルまでのパフォーマンスを持つトライアルが含まれていました。
これらのフェーズは互いに異なり、複数のカテゴリに分類される試験はありませんでした。 これらのフェーズの定義を検証するために、予想どおり平均パフォーマンスが 3 つのフェーズ全体で大幅に増加したかどうかをテストし、実際に増加していることがわかりました (図 3C; ノンパラメトリック フリードマンの検定: x2(2)=30、p=3。1 107); ペアごとの事後 Nemenyi テスト: 初心者 vs 学習者: p=0.017; 初心者 vs エキスパート:p=1.4 107; 学習者と専門家: p=0.017)。
For more information:1950477648nn@gmail.com
