パート3：タスクおよびレストトラック全体のメモリとリワードセンター間の機能的接続リワードに対するメモリ感度
Mar 17, 2022
詳細情報：ali.ma@wecistanche.com
クリックして記憶のためのCistancheDHT
休憩タスクとエンコードタスク全体のOmnibusANOVA-休憩接続とバックグラウンドタスク接続を比較するために、ローパスフィルター処理された時系列からの接続測定を使用して、タスクと休憩の前処理を照合しました。 接続性の測定値は、上記で報告されたものと同じANOVAに送信され、タスクステージファクターには3つの値（エンコード前、エンコード、エンコード後）があります。 この分析により、接続のパターンとそれらの行動との関係がタスクと休憩の間で安定しているという仮説を直接テストすることができます。 ANOVAの結果は表2に報告されており、すべての接続値は図4bに示されています。 関心のある効果から、非変調器（M=0）よりも変調器（M=0。52、SD=0。14）の接続性が高い、変調器ステータスの主な効果が見つかりました。 .32、SD=0。21）。 また、モジュレーターのステータスと報酬の構造の間に重要な相互作用があることもわかりました。 フォローアップの2標本t検定は、ACC、MPFC、OFC、およびVSとの海馬/ PHC接続におけるモジュレーターと非モジュレーター間の有意差によって相互作用が駆動されることを示しました（すべてt（22）> 2.1、p< 0.05)="" but="" not="" with="" midbrain="" (t(22)="0.90," p="0.377)." the="" effect="" of="" modulator="" status="" and="" the="" interaction="" between="" modulator="" status="" and="" reward="" structure="" were="" not="" driven="" by="" a="" median="" split="" of="" participants="" and="" were="" replicated="" when="">メモリー報酬に対する感度は、ANCOVAを使用した継続的な測定として扱われました（BRMの主な効果：F（1,22）= 7 .13、p=0。014、η2P= .25; BRM *報酬構造の相互作用：
F(2.80,61.58) = 3.25, p= 0.031). We found no effect of task stage and no interaction between task stage and modulator status in this analysis (both p>0。2）、間の接続を提案メモリー報酬ネットワークとその動作との関係は、エンコード前、エンコード、およびエンコード後のスキャン全体で比較的安定していました。
ANOVAの結果の要約-オムニバスと休息のみのANOVAの両方が、モジュレーターの状態の影響を示しました。メモリー-報酬領域の接続性と、変調器の効果がすべての接続によって等しく駆動されたわけではないことを明らかにしました。 報酬領域のセットは、全体的な効果を不均衡に促進しました。海馬/ PHCとのACC、OFC、およびVSの接続性は、モジュレーターと非モジュレーターの間で一貫して異なりましたが、中脳の接続は一貫して異なりませんでした。 報酬とメモリー残りのみのANOVAでの事前エンコードから事後エンコードまでの領域では、どちらの分析でもモジュレーターのステータスとタスクステージの間に相互作用はありませんでした。 これらの結果は、行動に関連する脳の接続パターンに安定した個人差があるという考えと一致しています。
接続間の機能的関係
Rest-only PCA-どの報酬領域が同じ機能ネットワークの一部である可能性があるかを調査するために、参加者間の接続値の相互相関構造を調査しました。 すべてのRESTベースの接続値のペアワイズ相関を図5aに示します。 それらを主成分に分離した後、接続性の値の変動の少なくとも10％を説明し、さらなる分析のために保持された4つの成分を見つけました（図5b）。 モンテカルロシミュレーション（図6a）は、すべてのコンポーネントが偶然に予想されるよりも多くの分散を説明することを示しました（すべてのp< 0.01),="" except="" for="" component="" 3,="" which="" was="" marginal="" (p="0.083)." preferential="" loading="" of="" each="" reward="" region="" on="" different="" components="" was="" tested="" using="" one-way="" anova="" (fig.="">
最初のコンポーネントは、接続スコアの分散の28.2％を説明し、ACC、OFC、およびVS接続に優先的にロードされ、程度は低いものの、MPFCと中脳（一元配置分散分析、F（4,15）= 3）にロードされました。 91、p=0。023）。 2番目のコンポーネントは分散の16.6％を説明し、中脳接続に優先的に負荷をかけ、程度は低いものの、OFCおよびMPFC接続に負の負荷をかけていました（一元配置分散分析、F（4,15）= 38。2、p< 0.001).="" the="" third="" component="" explained="" 12.5%="" ofvariance="" and="" loaded="" comparably="" across="" all="" reward="" regions="" (one-way="" anova="" f(4,15)="0.74," p="0.580)." the="" fourth="" component="" explained="" 11.6%="" of="" variance="" and="" was="" loading="" preferentially="" on="" mpfc="" connections="" (one-way="" anova="" f(4,15)="5.26," p="0.008)." multiple="" regression="" then="" tested="" the="" relationship="" between="" the="" component="" scores="" and="" behavioral="" reward="" modulation="" across="" participants.="" the="" first="" component="" score="" significantly="" tracked="" behavioral="" reward="" modulation="" (beta="7.09," se="3.13," p="0.03)" while="" the="" remaining="" components="" did="" not="" (all="" p="">0。18）。 これらの結果は、海馬/ PHCとのACC、OFC、およびVSの接続性が共変動し、共同で追跡することを示していますメモリー報酬に対する感度。 中脳とMPFCの接続性は、他の報酬関連の地域や相互にそれほど変化していませんでした。 さらに、中脳とMPFCが最も強くロードされたコンポーネントは追跡されませんでしたメモリー報酬に対する感受性、それらがそれぞれ機能的に異なるシステムの一部である可能性を開きます。
海馬/PHC-中脳に基づくモジュレーターと非モジュレーターの区別の欠如は、特にANOVAとPCAの両方で他の報酬関連領域で接続性の有意な効果が観察されたことを考えると、予想外でした。 中脳の相互作用に対する調節効果に報酬を与える一方でメモリー地域は以前に文書化されており（Gruber et al。、2016; Wolosin et al。、2012）、その効果は報酬自体に対する感度の向上をもたらさない可能性があります。 代わりに、外部の報酬に関係なく、全体的に大きな相互作用は、海馬でのドーパミンの利用可能性を高め、メモリー全体（Duncan et al。、2014; Lisman et al。、2011; Tompary et al。、2015）。
To test this idea, we performed a second multiple regression with component scores as predictors but this time using overall accuracy as an outcome. The second component significantly predicted the overall accuracy across participants (beta = 0.28, SE= 0.11, p= 0.02), while the other three components did not (all p>0。5）。 したがって、海馬/ PHC-中脳接続に優先的にロードされる2番目のコンポーネントによってキャプチャされた安静時接続の明確なパターンも行動に関連していましたが、全体的に追跡されましたメモリーそれよりもメモリー報酬に対する感度。
タスクと休憩の間のオムニバスPCA-相互相関がタスクと休憩の間で安定している程度をテストするために、被験者ごとに30の接続値のセット全体に対して2番目のPCAが実行されました（事前エンコード、エンコード、およびエンコード後の期間）。 ローパスフィルター処理された時系列から導出された接続性の値を使用して、タスクと残りの部分で前処理を照合しました。 3つの要素が分散の10％以上を説明しました。 モンテカルロシミュレーション（図6a）は、コンポーネント1と2のみが、偶然に予想されるよりも多くの分散を説明することを示しました（両方のp< 0.001).="" component="" 3="" did="" not="" (p="0.8)" and="" thus="" was="" not="" considered="" further.="" the="" loadings="" of="" each="" reward="" region="" on="" the="" two="" retained="" components="" are="" presented="" in="" fig.="">
The first component explained 31.4% of the variance and showed marginal differences between loadings among reward regions (one-way ANOVA F(4,25) = 2.30, p= 0.086), with numerically greatest loadings of ACC and VS. The second component explained 18.0% of the variance and most strongly loaded on midbrain connections (F(4,25) = 4.78, p= 0.005). Multiple regression with component scores as predictors and BRM as an outcome showed that the first component was a significant predictor of Brm (beta = 2.99, SE= 1.00, p= 0.007), while the other was not (p> 0.09). A second multiple regression with the overall accuracy as an outcome did not reveal any significant effects (all p>0。2）。 したがって、オムニバスPCAは、残りのみのPCAを部分的に複製しました。 まとめると、PCAの調査結果は、次のことを示しています。（1）ACC、VS、および潜在的にOFCの接続パターンは、これらの領域の追跡に最も強くロードされる複合接続スコアと機能的に結合されています。メモリー報酬に対する感度、（2）中脳および潜在的にMPFCの接続パターンは、他の報酬領域および相互にわずかに共変動し、（3）静止状態の海馬/ PHC-中脳の接続は、全体的な記憶パフォーマンスをより予測する可能性があります報酬に対する記憶感度よりも。
予測メモリー機械学習を使用した接続パターンからの報酬に対する感度上記で報告されたANOVAとPCAの調査結果は、メモリーと報酬関連の地域は個人を追跡しましたメモリーsensitivity to reward and that this relationship may be relatively preserved irrespective of task stage. To more directly quantify how well patterns of connectivity may differentiate between modulators and nonmodulators, we applied SVC to predict modulator status from connectivity patterns in each task stage (inputs = 10 connectivity values, outputs = modulator status). Classification accuracy that occurred with a probability of less than 0.017 (0.05/3 to correct for multiple comparisons) was considered significant. Using cross-validation, we found that classification of modulator status from connectivity patterns was reliably above chance in the pre-encoding scan (accuracy = 79.2%, p= 0.010) and the encoding scan (accuracy = 75%, p= 0.006). Classification based on the post-encoding scan was lower and not reliably different from chance (accuracy = 58.3%, p= 0.157; Fig. 7a). Although the classification accuracy based on post-encoding connectivity did not reach significance, we did not find evidence that the probability of misclassification would be reliably greater at post-encoding compared to pre- encoding or encoding task stages (both χ2 < 2.1, p> 1.5).
分類の成功が報酬変調を二分変数として扱うことに依存していないことを確認するために、行動報酬変調を継続的な尺度として予測するためにε-SVRを実施しました。 SVCの調査結果と一致して、相互検証されたSVRは、メモリー報酬領域は、エンコードスキャン中にBRMを確実に予測し（r=0 .51、p=0 .010）、エンコード前の残りのスキャン中にわずかに予測しました（r=0。46、 p=0。024）。 エンコード後の接続に関するSVRは重要性に達しませんでした（r=0。35、p=0。098;図7b）。
補完的な接続性分析
接続性の変化と行動の間の相関関係—タスクステージと報酬の調整の間の相互作用は見つかりませんでしたがメモリー残りのみのANOVAでは、接続性と行動の関係の変化は、タスクによって引き起こされる接続性の増加と行動の相関関係によってよりよく特徴付けられる可能性があります（Gruber et al。、2016; Murty et al。、2017; Tambini et al。、 2010）。 接続性の増加が行動に与える影響をテストするために、接続性の前後の増加とBRMおよび全体的な精度の両方の間で探索的相関を実行しました（表3）。 のどれもメモリー- reward ROI connections predicted BRM (all p> 0.15, uncorrected for multiple comparisons) nor overall cued recall rates (all uncorrected p>0 .05）。 PHC-中脳の接続性と全体的な精度の間にはわずかな相関関係があり（r=0 .40、p=0。052）、中脳の接続性の変化の追跡行動に関する以前のレポートの部分的な複製を提供しました（Duncan et al 。、2014; Gruber et al。、2016）。
海馬内の前部と後部の違い-前部と後部の海馬の間の機能の違いは、3（タスクステージ）×2（海馬ROI：前部、後部）×5（報酬ROI）の反復測定ANOVAでテストされました。被験者の要因。 ANOVAの結果を表4に報告し、すべての接続を図8に示します。変調器の状態の主な影響を確認しました。これは、報酬領域との海馬の接続が追跡されていることを示しています。メモリー報酬に対する感度。 また、報酬ROIと海馬の分裂の間に有意な相互作用が見られ、前部と後部の海馬が優先的に異なる報酬領域に接続されていることを示しています。 主な関心は、海馬の分裂と変調器の状態との間の相互作用であり、海馬の前部と後部が記憶の報酬変調を差別的に予測することを示しています。 ただし、モジュレーターの状態と海馬のROIを要因として含むすべての相互作用は重要ではありませんでした（すべてF< 1.5,="" p="">0。3）、そのような解離の証拠を提供しません。
As the last analysis, we tested whether connectivity increases from pre-to post-encoding rest may be differentially related to behavior for the anterior and posterior hippocampus. Thus, we correlated BRM with post-pre connectivity changes in each connection, separately for the anterior and posterior hippocampus. No significant correlations were found (all |r| < 0.32, all p> 0.05).
討論
現在の研究では、メモリー金銭的インセンティブエンコーディングタスクの前、最中、および後にリージョンに報酬を与えます。 標準学習アプローチと機械学習アプローチの両方を使用して、海馬とPHCの報酬関連領域との接続性が、報酬に対する記憶感度の個人差を追跡していることを観察しました。 この効果は、報酬領域のサブセットによって差別的に駆動されました。ACC、OFC、およびVS接続パターンは、参加者間で共変し、記憶の報酬変調における個人差を一貫して予測していました。 海馬およびPHCとの中脳の接続性は、報酬に対する記憶の感受性とは関係がなく、記憶領域とのMPFCの接続性は分析によって異なりました。 接続性とメモリの報酬変調の間の関係は、エンコード前とエンコード中に存在し、エンコード後の残りの間に弱いが確実に異なる効果はありませんでした。 記憶領域と報酬領域の間の全体的な接続性は、エンコード前からエンコード後の残りの部分まで増加しましたが、接続性の変化は行動とはあまり関係がありませんでした。 これらの結果は、記憶と記憶の報酬変調の個人差を追跡する報酬関連領域との間の固有のコミュニケーションにおける安定した個人差を示しています。
さらに、この結果は、メモリー以前に考えられていたよりも報酬による変調。
理論的な見方は、中脳の役割、そしてある程度はVSを強調しています。メモリー報酬による変調（Lisman＆Grace、2005）。 現在の研究の中心的な発見は、報酬領域VS、ACC、およびOFCと海馬およびPHCとの接続性が、個人の記憶が報酬によって影響を受ける程度に関連していることです。 記憶の報酬調節におけるVSの役割は、VSが海馬から中脳にドーパミン信号を統合して中継すると仮定する現在のモデルによって予測されています（Lisman＆Grace、2005）。 報酬に動機付けられたエンコーディングに関する以前の研究では、海馬およびPHCと共変するVSで単変量の活性化が見られ、記憶に対する報酬の影響がさらに追跡されました（Adcock et al。、2006）。 しかし、私たちの研究は、OFCおよびACCと共同で、VS間の接続性を示した最初のものであり、海馬およびPHCの記憶センターは、接続性がいつ測定されたかに関係なく、記憶の報酬変調における個人差を予測しました。 興味深いことに、手続き学習が報われるとき、背景VS-海馬の接続性は手続き学習でも観察されます（Hamann、Dayan、Hummel、およびCohen、2014年）。 したがって、従来の複数記憶システムの見解は、宣言的記憶をサポートする海馬と手続き記憶をサポートする線条体の間の分業を前提としていますが（Squire、1992）、エピソード記憶とエピソード記憶の両方をサポートするこれらのシステム間には強い相互作用がある可能性があります手続き学習（Doll、Shohamy、＆Daw、2015; Hamann et al。、2014; Kafkas＆Montaldi、2015; Wimmer、Daw、＆Shohamy、2012）。
私たちの研究はまた、報酬を動機とする学習の文脈ではこれまで考慮されていなかった2つの報酬領域、OFCとACCを示唆しており、VSと同様のプロファイルを示しました。 の報酬変調の分野で斬新ながらメモリー、以前の研究では、学習のさまざまなコンテキストにわたる腹内側/眼窩前頭領域との海馬の接続性が報告されています（Gluth、Sommer、Rieskamp、およびBüchel、2015; Ranganath、Heller、Cohen、Brozinsky、およびRissman、2005; Tsukiura＆Cabeza、2008; Zeithamova、ドミニク、＆プレストン、2012）。 たとえば、バックグラウンドの海馬-OFC接続は、学習した報酬の関連する経験への転送を逆に追跡します（Gerraty et al。、2014）。 感覚的プレコンディショニングパラダイムでは、参加者は顔と顔のペアをエンコードし、次に、ゲイン、ロス、または値なしを顔の1つに関連付けるようにトレーニングされました。 海馬-OFCの接続性は、転送と負の相関がありました。つまり、接続性が強い参加者は、学習した顔の値を関連する顔に拡張する傾向が少ないことを意味します。 したがって、相互作用の役割はメモリー地域とOFCは特定のタスクによって異なる場合があります。私たちの研究は以前の研究と収束し、海馬とOFCの接続性が高い参加者は、明示的に割り当てられた値に基づいてイベントを区別する可能性が高いことを示しています。
ACCの機能的関連性メモリー人間では現在あまり理解されていません。 休息中、ACCは海馬とPHCの両方との機能的な接続性を示します（Cao et al。、2014; Margulies et al。、2007）。 げっ歯類では、ACCは学習した関連を長期的に統合することに関係しています。メモリー、海馬との協調的な細胞変化を示しています（Wang、Tse、＆Morris、2012; Weible、Rowland、Monaghan、Wolfgang、＆Kentros、2012）。 ここでは、ACC、OFC、およびVSと海馬およびPHCとの接続性は、参加者間で共変しました。 海馬、腹側線条体、およびOFC間の内因性の協調的活動は以前に報告されていますが（Gerraty et al。、2014; Kahn＆Shohamy、2013）、私たちのデータは、ACCがVSおよびOFCとの機能的ネットワークを構成する可能性があることを示唆しています。
ACCとOFCは、一部のタスクで異なる機能を示す場合がありますが（Luk＆Wallis、2013）、ACC、OFC、およびVSはすべて、予想される報酬値と結果の追跡など、報酬処理中に同様の機能を共有します（Amiez et al。、2006; Bialleck et al。、2011; Knutson、Taylor、Kaufman、Peterson、＆Glover、2005; Yan et al。、2016）そして選択の価値を示す（Boorman、Behrens、Woolrich、＆Rushworth、2009; Rogers et al。、 2004; Strait、Blanchard、＆Hayden、2014）。 一緒に、これらの地域は、動機付け的に顕著な行動を促進するか、動機付けに無関係な行動を抑制するのに役立つ可能性があります（Hare、O'Doherty、Camerer、Schultz、およびRangel、2008; Kaping、Vinck、Hutchison、Everling、およびWomelsdorf、2011; Nieuwenhuis＆Takashima、2011 ; O'Doherty、2011; Walton、Chau、＆Kennerley、2015）。 ACC、OFC、およびVSとの海馬およびPHCの相互作用の背景が大きいことは、報酬信号の可用性が高いことを反映している可能性があります。メモリー構造の強化された変調をもたらしますメモリー私たちのパラダイムの報酬によって。 各地域の独自の貢献には、やる気のある学習における個々の役割についてさらに調査する必要がありますが、私たちのデータは、それらの機能的相互作用に関するいくつかの新しい洞察を提供します。
現在のデータの予想外の側面は、報酬値とメモリーfMRIサンプルで見つかりました。 この発見は予想外であり、付随する行動サンプルでは再現されていませんでしたが、神経生物学的にもっともらしいです。 報酬に対するU字型の反応は、内側前頭皮質と内側眼窩前頭皮質で確認されています（Elliott et al。、2003）：特に、ACCやVSなどの領域は、報酬予測エラー、または期待と経験の不一致を示します報酬（Abler、Walter、Erk、Kammerer、およびSpitzer、2006; Fiorillo、Tobler、およびSchultz、2003; Montague、Dayan、およびSejnowski、1996; Silvetti、Seurinck、およびVerguts、2011）。 これらの信号は、損失と利益の絶対値を反映するのではなく、相対値を反映し、予想される基準点を中心に柔軟にスケーリングします（Seymour＆McClure、2008; Tobler、Fiorillo、＆Schultz、2005）。 現在のタスクでは、10セント硬貨の試行が参照条件として機能している可能性があります。ドルの試行は報酬として認識され、ペニーの試行は相対的な損失として認識されます。 損失と利益の両方の顕著性はパフォーマンスに影響を与える可能性があり（Bartra et al。、2013; Shigemune et al。、2014）、報酬条件全体での手がかりの想起精度のU字型として現れます。 まとめると、メモリに対する報酬の影響は、エンコーディングに対する報酬予測エラー信号の影響を反映している可能性があります。これは、本質的に非線形である可能性があります。
以前の研究とは対照的に、海馬と中脳の接続性と報酬の変調との間に関係は見つかりませんでしたメモリー、海馬が前部と後部に分かれていた場合でも（Adcock et al。、2006; Gruber et al。、2016; Murty et al。、2017; Wolosin et al。、2012）。 むしろ、中脳-海馬/PHC接続に優先的にロードされたPCAからの成分スコアと全体的な精度との間に相関関係が見つかりました。 この発見は事前に予想されていませんでしたが、中脳と内側側頭葉の間の相互作用は外部から動機付けられた報酬に固有ではなく、一般にエンコーディングと統合をサポートするという提案と一致しています（Lisman et al。、2011）。 この見解と一致して、中脳は、報酬を伴わないエンコーディングタスクで海馬と相互作用することが示され（Duncan et al。、2014; Zeithamova、Manthuruthil、＆Preston、2016）、エンコーディング中の両方のバックグラウンド接続（Duncan et al。、2016） al。、2014）およびエンコード後の残りの接続性（Tompary et al。、2015）は、連想メモリを追跡します。 私たちの調査結果は、報酬動機付けエンコーディング中の中脳接続は、記憶の報酬変調よりも全体的な連想記憶に関連している可能性があり、他の報酬関連領域からの記憶において異なる機能的役割を果たす可能性があることを示唆しています。
注目すべきは、私たちのパラダイムでのエンコードとテストの間の比較的短い遅延であり、観察される中脳効果のパターンにも影響を与える可能性があります。 報酬関連メモリー効果は、の即時テスト中に文書化されていますメモリー（Gruber et al。、2016; Wolosin et al。、2012、2013）しかし、一晩の統合後はより強く見える（Patil、Murty、Dunsmoor、Phelps、＆Davachi、2017; Tompary et al。、2015; Wittmann et al。、2005 ）。 報酬の遅延の影響メモリーパフォーマンスは、報酬によるドーパミン依存の統合プロセスの強化を反映していると考えられています（Lisman et al。、2011）。 したがって、中脳と海馬およびPHCとの相互作用は、私たちのパラダイムの全体的な記憶を予測しましたが、24-時間の間隔が経過した後にリコールが実行された場合、報酬が強化された統合への中脳の追加の寄与が観察される可能性があります。
私たちのパラダイムで行動と一貫した関係を示さなかった1つの報酬地域はMPFCでした。 MPFCとの接続は予測的でしたメモリー休息とタスク全体のオムニバスANOVAでの報酬に対する感度が、行動との関係は他の分析では再現されませんでした。 OFCやMPFCのような前頭前野報酬領域は空間的に近位であり、しばしば一緒に考慮されますが、PCAの結果は、それらが部分的に異なるネットワークに参加している可能性があることを示しています。 やる気のあるエンコーディングとメモリー、一般的に、将来の研究を待っています。
以前に考えられていたよりも動機付けられたエンコーディングに幅広い報酬領域のセットを関与させることに加えて、私たちの研究の2番目の重要な貢献は、接続性指紋仮説の新しい証拠です（Finn et al。、2015; Gratton et al。、2018）。 やる気のあるエンコーディングの前、最中、後の接続性のパターンを測定すると、報酬変調の個人差がメモリー間の接続性によって予測されましたメモリー接続性がいつ測定されたかに関係なく、地域に報酬を与えます。 エンコード後の接続性は、動作との関連性はそれほど一貫していませんでしたが、タスクステージ間の動作の予測可能性に信頼できる違いは見つかりませんでした。 これらの結果は、安定した接続パターンと認知の個人差との関係に関する最近の発見と一致しています（Finn et al。、2015; Gratton et al。、2018; Poole et al。、2016; Touroutoglou、Andreano、Barrett、＆ Dickerson、2015; Wang et al。、2010）、新たにそれらを動機付けのエンコーディングの領域に拡張しました。
接続性の安定した個人差に焦点を当てることで、接続性を行動にリンクする他のアプローチを補完します。メモリー。 安静時の機能的接続性は、タスクに応じて短い時間スケールで変化する可能性があり（Tambini et al。、2010; Urner、Schwarzkopf、Friston、＆Rees、2013）、学習関連の接続性の変化はメモリーパフォーマンス（Gruber et al。、2016; Murty et al。、2017; Tambini et al。、2010; Urner et al。、2013）。 タスクの実行中に、リージョン間の結合がさらに急速に変化し、区別される場合がありますメモリー数分程度のタスク条件、または個別の試行から個別の試行まで（Kafkas＆Montaldi、2015; Rissman、Gazzaley、＆D'Esposito、2004; Zeithamova et al。、2012; Zeithamova et al。、2016）。 たとえば、Kafkas and Montaldi（2015）は、海馬とVSの接続性が、予期しない刺激と予想される刺激のエンコード中に大きくなることを示しました。 したがって、接続性の安定した側面と可変的な側面の両方が、認知に関連する情報を提供します。
接続性のどの側面（安定的またはタスクによって引き起こされる）がより顕著であるか、または行動に最も関連するかは未解決の質問です（Gratton et al。、2018）が、タスクと特定の地域に依存する場合があります。 たとえば、Gruberetal。 （2016）の報酬変調が見つかりましたメモリータスクによって引き起こされる接続性の変化に関連していましたが、安定した接続性パターンが動作を予測することがわかりました。 タスクの違いに関しては、Gruberetal。 （2016）研究では、偶発的にエンコードされたシーンとオブジェクトの関連付けをテストし、4つの可能なシーンをエンコード全体で何度も繰り返しました。 2つのシーンは常に価値が低く、2つのシーンは価値が高かった。 したがって、4つのシーンのどれが以前に特定のオブジェクトに関連付けられていたかを尋ねる強制選択テストのパフォーマンス（5番目のオプションとして「不明または新規」）は、オブジェクトの値を記憶することに部分的に依存する可能性があります。メモリー比較的偶然に近かった。 対照的に、本研究では、試行値がメモとは無関係である、試行と一意のオブジェクトのペアを意図的にエンコードする必要がありました。 地域の違いに関して、Gruber等。 （2016）行動を追跡する中脳接続の変化を発見しました。これは、私たちのデータで部分的に複製されました。 対照的に、他の報酬関連地域の安定した接続パターンは、メモリー行動に関連する地域。 現時点では推測的ですが、調査結果間のこれらの共通点と相違点は、接続性の安定した側面と動的な側面が認知のさまざまな側面にどのように関連するかを決定する要因に関する調査の新しい道を開きます。
関心のある主な質問を補完するものとして、海馬の前部と後部の間の潜在的な機能の違いの探索的分析をさらに実施しました。 前後の違いは以前にさまざまな記憶パラダイムで文書化されていますが（Bowman＆Zeithamova、2018; Brunec et al。、2018; McKenzie et al。、2014; Poppenk et al。、2013）、動機付けられたエンコーディングのドメイン内の証拠まばらで変化します。 たとえば、Murtyetal。 （2017）Wolosin et al。が、前海馬の接続性と行動の間のより強い関連を報告しました。 （2013）後部海馬で報酬変調効果を発見しました。 異なる報酬領域との接続性に関して前後の違いが見つかりましたが、メモリー報酬に対する感度は、前海馬と後海馬で同等でした。 これらの研究は、記憶の報酬変調が前/後軸に沿って強く解離されていない可能性があることを示しています。
要約すると、現在の研究は、動機付けの影響についての私たちの理解を大幅に拡大しますメモリー、個人の方法を予測する際の接続性における安定した個人差の役割を新たに示すメモリー報酬の影響を受けます。 結果はまた、これまで考慮されていなかった動機付けのエンコーディングにおけるいくつかの報酬関連領域の役割を示しており、脳と行動の関係を理解する上で理論的および経験的に駆動されるアプローチの重要性を強調しています。 より広義には、この研究は報酬処理ネットワーク内の機能的差別化に関する現在の理論に情報を提供し、認知の研究に個人の接続パターンを利用することの実りのあることの新しい証拠をもたらします（Finn et al。、2015; Gratton et al。、2018）。
謝辞
この作品は、国立科学財団キャリア賞BCS 1056019（ARP）、NIH-NIMH R01 MH100121（ARP）、およびNIH-NIMH国立研究サービス賞F32 MH094085（DZ）によってサポートされていました。 著者は、競合する金銭的利益を宣言していません。
