- ICH GCP
- US-Register für klinische Studien
- Klinische Studie NCT05746299
Der Einfluss der Reaktivierung im Schlaf auf die Konsolidierung abstrakter Informationen beim Menschen
24. Juni 2025 aktualisiert von: University of Pennsylvania
Die Entstehung abstrakten Strukturwissens beim Lernen und Schlafen
In jedem kognitiven Bereich sind Repräsentationen einzelner Elemente nicht unabhängig, sondern werden durch strukturierte Relationen organisiert.
Darstellungen dieser zugrunde liegenden Struktur sind aussagekräftig, da sie Verallgemeinerungen und Schlussfolgerungen in neuartigen Umgebungen ermöglichen können.
In der semantischen Domäne erfasst die Struktur Assoziationen zwischen verschiedenen semantischen Merkmalen oder Konzepten (z. B. grün, Flügel, kann fliegen) und beeinflusst bekanntermaßen die Entwicklung und Verschlechterung semantischen Wissens.
Wir haben kürzlich herausgefunden, dass es Menschen leichter fällt, neue Kategorien zu lernen, die Cluster von zuverlässig gleichzeitig auftretenden Merkmalen enthalten, was einen Einfluss der Struktur auf die Bildung neuer Kategorien offenbart.
Eine kritische Unbekannte ist jedoch, ob erlernte Strukturrepräsentationen eng mit kategoriespezifischen Elementen verbunden sind oder ob sie in gewissem Maße abstrakt werden, weg von den erfahrenen Merkmalen transformiert.
Wenn abstrakte strukturelle Darstellungen auftauchen, liefern frühere Arbeiten außerdem faszinierende Hinweise darauf, dass sie während der Wachruhe oder des Schlafs möglicherweise offline konsolidiert werden müssen.
Wir haben ein Paradigma entwickelt, in dem sorgfältig entworfene Graphstrukturen das Muster des gleichzeitigen Auftretens von Merkmalen innerhalb einzelner Kategorien bestimmen.
Hier implementieren wir eine "Strukturtransfer"-Erweiterung dieses Paradigmas, um zu bestimmen, ob das Lernen einer strukturierten Kategorie das Lernen einer zweiten identisch strukturierten Kategorie erleichtert, die durch einen neuen Satz von Merkmalen definiert ist.
Diese Erleichterung würde den Nachweis erbringen, dass Strukturdarstellungen bis zu einem gewissen Grad abstrakt sind.
Ziel 1 wird diese Methoden verwenden, um zu evaluieren, ob abstrakte strukturelle Repräsentationen unmittelbar während des Lernens entstehen.
Ziel 2 wird bestimmen, ob diese Repräsentationen bestehen bleiben oder über eine Verzögerung hinweg entstehen und ob insbesondere eine schlafbasierte Konsolidierung erforderlich ist.
Die Rolle der Wiedergabe jüngster Erfahrungen während des Schlafs wird unter Verwendung von Elektroenzephalographie (EEG) in Verbindung mit gezielter Gedächtnisreaktivierung (TMR) mit geschlossenem Regelkreis bewertet, einer Technik, die einen kausalen Einfluss auf die Konsolidierung kürzlich erlernter Informationen beim Menschen ermöglicht.
Diese Arbeit wird Theorien des semantischen Lernens sowie Theorien des Strukturlernens und der Repräsentation im weiteren Sinne informieren und einschränken.
Studienübersicht
Status
Abgeschlossen
Bedingungen
Studientyp
Interventionell
Einschreibung (Tatsächlich)
194
Phase
- Unzutreffend
Kontakte und Standorte
Dieser Abschnitt enthält die Kontaktdaten derjenigen, die die Studie durchführen, und Informationen darüber, wo diese Studie durchgeführt wird.
Studienorte
-
-
Pennsylvania
-
Philadelphia, Pennsylvania, Vereinigte Staaten, 19104
- University of Pennsylvania
-
-
Teilnahmekriterien
Forscher suchen nach Personen, die einer bestimmten Beschreibung entsprechen, die als Auswahlkriterien bezeichnet werden. Einige Beispiele für diese Kriterien sind der allgemeine Gesundheitszustand einer Person oder frühere Behandlungen.
Zulassungskriterien
Studienberechtigtes Alter
18 Jahre bis 35 Jahre (Erwachsene)
Akzeptiert gesunde Freiwillige
Ja
Beschreibung
Einschlusskriterien:
- Alter zwischen 18 und 35
Ausschlusskriterien:
- Keine medizinische oder neurologische Erkrankung, die die experimentelle Leistung beeinträchtigen würde
- Kein Mitglied einer gefährdeten Bevölkerungsgruppe
Studienplan
Dieser Abschnitt enthält Einzelheiten zum Studienplan, einschließlich des Studiendesigns und der Messung der Studieninhalte.
Wie ist die Studie aufgebaut?
Designdetails
- Hauptzweck: Grundlegende Wissenschaft
- Zuteilung: Zufällig
- Interventionsmodell: Parallele Zuordnung
- Maskierung: Single
Waffen und Interventionen
Teilnehmergruppe / Arm |
Intervention / Behandlung |
|---|---|
|
Experimental: Sofort kongruent
Die Teilnehmer lernen zwei verschiedene semantische Kategorien mit der gleichen Struktur, die das gleichzeitige Auftreten verschiedener Merkmale vorschreibt, und werden auf zwei verschiedene semantische Kategorien getestet.
|
Die Intervention Kongruent vs. Inkongruent bezieht sich auf die merkmalsbasierte Struktur der neuen Kategorien (modular oder nicht-modular) und darauf, ob es (kongruent) oder nicht (inkongruent) eine Übereinstimmung zwischen dem, was zuvor gelernt wurde, und der endgültigen Zielkategorie gibt.
„Sofort“, „Wach“ und „Schlaf“ beziehen sich entweder auf keine Pause, 2,5 Stunden wach oder 2 Stunden Schlaf plus eine 30-minütige Pause nach dem Nickerchen, um die Schlafträgheit zwischen Lern- und Zielkategorie zu berücksichtigen.
|
|
Experimental: Sofort inkongruent
Die Teilnehmer werden zwei verschiedene semantische Kategorien mit unterschiedlichen Strukturen lernen und testen, die das gleichzeitige Auftreten verschiedener Merkmale diktieren.
|
Die Intervention Kongruent vs. Inkongruent bezieht sich auf die merkmalsbasierte Struktur der neuen Kategorien (modular oder nicht-modular) und darauf, ob es (kongruent) oder nicht (inkongruent) eine Übereinstimmung zwischen dem, was zuvor gelernt wurde, und der endgültigen Zielkategorie gibt.
„Sofort“, „Wach“ und „Schlaf“ beziehen sich entweder auf keine Pause, 2,5 Stunden wach oder 2 Stunden Schlaf plus eine 30-minütige Pause nach dem Nickerchen, um die Schlafträgheit zwischen Lern- und Zielkategorie zu berücksichtigen.
|
|
Experimental: Wach inkongruent
Die Teilnehmer lernen zwei verschiedene semantische Kategorien kennen, die beide nicht modular aufgebaut sind.
Nach einer 2,5-stündigen Pause lernen und testen sie eine neuartige semantische Kategorie mit modularem Aufbau.
|
Die Intervention Kongruent vs. Inkongruent bezieht sich auf die merkmalsbasierte Struktur der neuen Kategorien (modular oder nicht-modular) und darauf, ob es (kongruent) oder nicht (inkongruent) eine Übereinstimmung zwischen dem, was zuvor gelernt wurde, und der endgültigen Zielkategorie gibt.
„Sofort“, „Wach“ und „Schlaf“ beziehen sich entweder auf keine Pause, 2,5 Stunden wach oder 2 Stunden Schlaf plus eine 30-minütige Pause nach dem Nickerchen, um die Schlafträgheit zwischen Lern- und Zielkategorie zu berücksichtigen.
|
|
Experimental: Wach kongruent
Die Teilnehmer lernen zwei verschiedene semantische Kategorien kennen, von denen eine modular aufgebaut ist.
Nach einer 2,5-stündigen Pause lernen und testen sie eine neuartige semantische Kategorie mit modularem Aufbau.
|
Die Intervention Kongruent vs. Inkongruent bezieht sich auf die merkmalsbasierte Struktur der neuen Kategorien (modular oder nicht-modular) und darauf, ob es (kongruent) oder nicht (inkongruent) eine Übereinstimmung zwischen dem, was zuvor gelernt wurde, und der endgültigen Zielkategorie gibt.
„Sofort“, „Wach“ und „Schlaf“ beziehen sich entweder auf keine Pause, 2,5 Stunden wach oder 2 Stunden Schlaf plus eine 30-minütige Pause nach dem Nickerchen, um die Schlafträgheit zwischen Lern- und Zielkategorie zu berücksichtigen.
|
|
Experimental: Schlaf inkongruent
Die Teilnehmer lernen zwei verschiedene semantische Kategorien kennen, von denen eine modular aufgebaut ist.
Nach einem 2-stündigen Nickerchen, bei dem TMR zur Reaktivierung der nicht-modularen Kategorie verwendet wird, machen die Teilnehmer eine 30-minütige Pause.
Nach der Pause lernen und testen sie eine neuartige semantische Kategorie mit modularem Aufbau.
|
Die Intervention Kongruent vs. Inkongruent bezieht sich auf die merkmalsbasierte Struktur der neuen Kategorien (modular oder nicht-modular) und darauf, ob es (kongruent) oder nicht (inkongruent) eine Übereinstimmung zwischen dem, was zuvor gelernt wurde, und der endgültigen Zielkategorie gibt.
„Sofort“, „Wach“ und „Schlaf“ beziehen sich entweder auf keine Pause, 2,5 Stunden wach oder 2 Stunden Schlaf plus eine 30-minütige Pause nach dem Nickerchen, um die Schlafträgheit zwischen Lern- und Zielkategorie zu berücksichtigen.
Gezielte Gedächtnisreaktivierung (TMR) ist die systematische Präsentation von Geräuschen während des Schlafs, die mit bestimmten Reizen während des Lernens verbunden waren, und wird entweder während des Slow-Wave-Sleep (SWS) oder des Rapid-Eye-Movement-Schlafs (REM) verabreicht.
|
|
Experimental: Schlafkongruent (SWS)
Die Teilnehmer lernen zwei verschiedene semantische Kategorien kennen, von denen eine modular aufgebaut ist.
Nach einem 2-stündigen Nickerchen, bei dem TMR verwendet wird, um die Modular-Kategorie während des Slow-Wave-Sleep (SWS) zu reaktivieren, machen die Teilnehmer eine 30-minütige Pause.
Nach der Pause lernen und testen sie eine neuartige semantische Kategorie mit modularem Aufbau.
|
Die Intervention Kongruent vs. Inkongruent bezieht sich auf die merkmalsbasierte Struktur der neuen Kategorien (modular oder nicht-modular) und darauf, ob es (kongruent) oder nicht (inkongruent) eine Übereinstimmung zwischen dem, was zuvor gelernt wurde, und der endgültigen Zielkategorie gibt.
„Sofort“, „Wach“ und „Schlaf“ beziehen sich entweder auf keine Pause, 2,5 Stunden wach oder 2 Stunden Schlaf plus eine 30-minütige Pause nach dem Nickerchen, um die Schlafträgheit zwischen Lern- und Zielkategorie zu berücksichtigen.
Gezielte Gedächtnisreaktivierung (TMR) ist die systematische Präsentation von Geräuschen während des Schlafs, die mit bestimmten Reizen während des Lernens verbunden waren, und wird entweder während des Slow-Wave-Sleep (SWS) oder des Rapid-Eye-Movement-Schlafs (REM) verabreicht.
|
|
Experimental: Schlafkongruent (REM)
Die Teilnehmer lernen zwei verschiedene semantische Kategorien kennen, von denen eine modular aufgebaut ist.
Nach einem 2-stündigen Nickerchen, bei dem TMR verwendet wird, um die modulare Kategorie während des REM-Schlafs (Rapid Eye Movement) zu reaktivieren, machen die Teilnehmer eine 30-minütige Pause.
Nach der Pause lernen und testen sie eine neuartige semantische Kategorie mit modularem Aufbau.
|
Die Intervention Kongruent vs. Inkongruent bezieht sich auf die merkmalsbasierte Struktur der neuen Kategorien (modular oder nicht-modular) und darauf, ob es (kongruent) oder nicht (inkongruent) eine Übereinstimmung zwischen dem, was zuvor gelernt wurde, und der endgültigen Zielkategorie gibt.
„Sofort“, „Wach“ und „Schlaf“ beziehen sich entweder auf keine Pause, 2,5 Stunden wach oder 2 Stunden Schlaf plus eine 30-minütige Pause nach dem Nickerchen, um die Schlafträgheit zwischen Lern- und Zielkategorie zu berücksichtigen.
Gezielte Gedächtnisreaktivierung (TMR) ist die systematische Präsentation von Geräuschen während des Schlafs, die mit bestimmten Reizen während des Lernens verbunden waren, und wird entweder während des Slow-Wave-Sleep (SWS) oder des Rapid-Eye-Movement-Schlafs (REM) verabreicht.
|
Was misst die Studie?
Primäre Ergebnismessungen
Ergebnis Maßnahme |
Maßnahmenbeschreibung |
Zeitfenster |
|---|---|---|
|
Strukturwissen für eine neue modulare Kategorie in Stufe 2
Zeitfenster: In AIM 1 wird die Genauigkeit in einer fehlenden Funktionsaufgabe 25 min gesammelt. in das Experiment 25 Minuten dauern. In AIM 2 wird die Genauigkeit in einer fehlenden Feature -Aufgabe über 25 Minuten in Stufe 2 gesammelt
|
Genauigkeit (0-100%) für die Verhaltensfehlungs-Feature-Aufgabe in Stufe 2, bei der die Teilnehmer ihren Speicher von früher im Experiment verwenden müssen, um zu erraten, wie fehlende Merkmale der Kategorie-Exemplare ausfüllen.
|
In AIM 1 wird die Genauigkeit in einer fehlenden Funktionsaufgabe 25 min gesammelt. in das Experiment 25 Minuten dauern. In AIM 2 wird die Genauigkeit in einer fehlenden Feature -Aufgabe über 25 Minuten in Stufe 2 gesammelt
|
Mitarbeiter und Ermittler
Hier finden Sie Personen und Organisationen, die an dieser Studie beteiligt sind.
Sponsor
Mitarbeiter
Ermittler
- Hauptermittler: Anna C Schapiro, PhD, University of Pennsylvania
Publikationen und hilfreiche Links
Die Bereitstellung dieser Publikationen erfolgt freiwillig durch die für die Eingabe von Informationen über die Studie verantwortliche Person. Diese können sich auf alles beziehen, was mit dem Studium zu tun hat.
Allgemeine Veröffentlichungen
- Rasch B, Born J. About sleep's role in memory. Physiol Rev. 2013 Apr;93(2):681-766. doi: 10.1152/physrev.00032.2012.
- Monti JM, Monti D. Sleep disturbance in schizophrenia. Int Rev Psychiatry. 2005 Aug;17(4):247-53. doi: 10.1080/09540260500104516.
- Tsuno N, Besset A, Ritchie K. Sleep and depression. J Clin Psychiatry. 2005 Oct;66(10):1254-69. doi: 10.4088/jcp.v66n1008.
- Gentner, D.. Structure-mapping: A theoretical framework for analogy. Cognitive science. 1983;7(2): 155-170.
- Thibodeau PH, Flusberg SJ, Glick JJ, & Sternberg DA. An emergent approach to analogical inference. Connection Science. 2013; 25(1): 27-53.
- Collins AGE, Frank MJ. Neural signature of hierarchically structured expectations predicts clustering and transfer of rule sets in reinforcement learning. Cognition. 2016 Jul;152:160-169. doi: 10.1016/j.cognition.2016.04.002. Epub 2016 Apr 12.
- Baram AB, Muller TH, Nili H, Garvert MM, Behrens TEJ. Entorhinal and ventromedial prefrontal cortices abstract and generalize the structure of reinforcement learning problems. Neuron. 2021 Feb 17;109(4):713-723.e7. doi: 10.1016/j.neuron.2020.11.024. Epub 2020 Dec 22.
- TOLMAN EC. Cognitive maps in rats and men. Psychol Rev. 1948 Jul;55(4):189-208. doi: 10.1037/h0061626. No abstract available.
- Behrens TEJ, Muller TH, Whittington JCR, Mark S, Baram AB, Stachenfeld KL, Kurth-Nelson Z. What Is a Cognitive Map? Organizing Knowledge for Flexible Behavior. Neuron. 2018 Oct 24;100(2):490-509. doi: 10.1016/j.neuron.2018.10.002.
- Whittington JCR, Muller TH, Mark S, Chen G, Barry C, Burgess N, Behrens TEJ. The Tolman-Eichenbaum Machine: Unifying Space and Relational Memory through Generalization in the Hippocampal Formation. Cell. 2020 Nov 25;183(5):1249-1263.e23. doi: 10.1016/j.cell.2020.10.024. Epub 2020 Nov 11.
- McClelland JL, Rogers TT. The parallel distributed processing approach to semantic cognition. Nat Rev Neurosci. 2003 Apr;4(4):310-22. doi: 10.1038/nrn1076. No abstract available.
- Bahdanau D, Murty S, Noukhovitch M, Nguyen TH, de Vries H, Courville A. Systematic generalization: what is required and can it be learned?. arXiv preprint. 2018.
- Mark S, Moran R, Parr T, Kennerley SW, Behrens TEJ. Transferring structural knowledge across cognitive maps in humans and models. Nat Commun. 2020 Sep 22;11(1):4783. doi: 10.1038/s41467-020-18254-6.
- Durrant SJ, Cairney SA, Lewis PA. Cross-modal transfer of statistical information benefits from sleep. Cortex. 2016 May;78:85-99. doi: 10.1016/j.cortex.2016.02.011. Epub 2016 Feb 27.
- Tamminen J, Lambon Ralph MA, Lewis PA. Targeted memory reactivation of newly learned words during sleep triggers REM-mediated integration of new memories and existing knowledge. Neurobiol Learn Mem. 2017 Jan;137:77-82. doi: 10.1016/j.nlm.2016.11.012. Epub 2016 Nov 15.
- Wang B, Antony JW, Lurie S, Brooks PP, Paller KA, Norman KA. Targeted Memory Reactivation during Sleep Elicits Neural Signals Related to Learning Content. J Neurosci. 2019 Aug 21;39(34):6728-6736. doi: 10.1523/JNEUROSCI.2798-18.2019. Epub 2019 Jun 24.
- Schapiro AC, Turk-Browne NB, Norman KA, Botvinick MM. Statistical learning of temporal community structure in the hippocampus. Hippocampus. 2016 Jan;26(1):3-8. doi: 10.1002/hipo.22523. Epub 2015 Oct 13.
- Mack ML, Love BC, Preston AR. Building concepts one episode at a time: The hippocampus and concept formation. Neurosci Lett. 2018 Jul 27;680:31-38. doi: 10.1016/j.neulet.2017.07.061. Epub 2017 Aug 8.
- Weickert TW, Goldberg TE, Callicott JH, Chen Q, Apud JA, Das S, Zoltick BJ, Egan MF, Meeter M, Myers C, Gluck MA, Weinberger DR, Mattay VS. Neural correlates of probabilistic category learning in patients with schizophrenia. J Neurosci. 2009 Jan 28;29(4):1244-54. doi: 10.1523/JNEUROSCI.4341-08.2009.
- Riemann D, Berger M, Voderholzer U. Sleep and depression--results from psychobiological studies: an overview. Biol Psychol. 2001 Jul-Aug;57(1-3):67-103. doi: 10.1016/s0301-0511(01)00090-4.
- Nutt D, Wilson S, Paterson L. Sleep disorders as core symptoms of depression. Dialogues Clin Neurosci. 2008;10(3):329-36. doi: 10.31887/DCNS.2008.10.3/dnutt.
- Karuza EA, Kahn AE, Bassett DS. Human sensitivity to community structure is robust to topological variation. Complexity. 2019.
- Karuza EA, Kahn AE, Thompson-Schill SL, Bassett DS. Process reveals structure: How a network is traversed mediates expectations about its architecture. Sci Rep. 2017 Oct 6;7(1):12733. doi: 10.1038/s41598-017-12876-5.
- Karuza EA, Thompson-Schill SL, Bassett DS. Local Patterns to Global Architectures: Influences of Network Topology on Human Learning. Trends Cogn Sci. 2016 Aug;20(8):629-640. doi: 10.1016/j.tics.2016.06.003. Epub 2016 Jun 29.
- Lynn CW, Bassett DS. How humans learn and represent networks. Proc Natl Acad Sci U S A. 2020 Nov 24;117(47):29407-29415. doi: 10.1073/pnas.1912328117.
- Schapiro AC, Rogers TT, Cordova NI, Turk-Browne NB, Botvinick MM. Neural representations of events arise from temporal community structure. Nat Neurosci. 2013 Apr;16(4):486-92. doi: 10.1038/nn.3331. Epub 2013 Feb 17.
- Kahn AE, Karuza EA, Vettel JM, Bassett DS. Network constraints on learnability of probabilistic motor sequences. Nat Hum Behav. 2018 Dec;2(12):936-947. doi: 10.1038/s41562-018-0463-8. Epub 2018 Nov 5.
- Kakaei E, Aleshin S, Braun J. Visual object recognition is facilitated by temporal community structure. Learn Mem. 2021 Apr 15;28(5):148-152. doi: 10.1101/lm.053306.120. Print 2021 May.
- Eichenbaum H. Time cells in the hippocampus: a new dimension for mapping memories. Nat Rev Neurosci. 2014 Nov;15(11):732-44. doi: 10.1038/nrn3827. Epub 2014 Oct 1.
- Moser MB, Rowland DC, Moser EI. Place cells, grid cells, and memory. Cold Spring Harb Perspect Biol. 2015 Feb 2;7(2):a021808. doi: 10.1101/cshperspect.a021808.
- Maguire EA, Spiers HJ, Good CD, Hartley T, Frackowiak RS, Burgess N. Navigation expertise and the human hippocampus: a structural brain imaging analysis. Hippocampus. 2003;13(2):250-9. doi: 10.1002/hipo.10087.
- Kumaran D, McClelland JL. Generalization through the recurrent interaction of episodic memories: a model of the hippocampal system. Psychol Rev. 2012 Jul;119(3):573-616. doi: 10.1037/a0028681.
- Cohen N., Eichenbaum H. Memory, amnesia, and the hippocampal system. MIT press. 1993.
- Belal S, Cousins J, El-Deredy W, Parkes L, Schneider J, Tsujimura H, Zoumpoulaki A, Perapoch M, Santamaria L, Lewis P. Identification of memory reactivation during sleep by EEG classification. Neuroimage. 2018 Aug 1;176:203-214. doi: 10.1016/j.neuroimage.2018.04.029. Epub 2018 Apr 17.
- Stickgold R. Sleep-dependent memory consolidation. Nature. 2005 Oct 27;437(7063):1272-8. doi: 10.1038/nature04286.
- Wagner U, Gais S, Haider H, Verleger R, Born J. Sleep inspires insight. Nature. 2004 Jan 22;427(6972):352-5. doi: 10.1038/nature02223.
- Ellenbogen JM, Hu PT, Payne JD, Titone D, Walker MP. Human relational memory requires time and sleep. Proc Natl Acad Sci U S A. 2007 May 1;104(18):7723-8. doi: 10.1073/pnas.0700094104. Epub 2007 Apr 20.
- Schapiro AC, McDevitt EA, Chen L, Norman KA, Mednick SC, Rogers TT. Sleep Benefits Memory for Semantic Category Structure While Preserving Exemplar-Specific Information. Sci Rep. 2017 Nov 1;7(1):14869. doi: 10.1038/s41598-017-12884-5.
- Lewis PA, Knoblich G, Poe G. How Memory Replay in Sleep Boosts Creative Problem-Solving. Trends Cogn Sci. 2018 Jun;22(6):491-503. doi: 10.1016/j.tics.2018.03.009.
- Feld GB, Bernard M, Rawson AB, Spiers HJ. Sleep targets highly connected global and local nodes to aid consolidation of learned graph networks. Sci Rep. 2022 Sep 5;12(1):15086. doi: 10.1038/s41598-022-17747-2.
- McClelland JL, McNaughton BL, O'Reilly RC. Why there are complementary learning systems in the hippocampus and neocortex: insights from the successes and failures of connectionist models of learning and memory. Psychol Rev. 1995 Jul;102(3):419-457. doi: 10.1037/0033-295X.102.3.419.
- Marshall L, Born J. The contribution of sleep to hippocampus-dependent memory consolidation. Trends Cogn Sci. 2007 Oct;11(10):442-50. doi: 10.1016/j.tics.2007.09.001. Epub 2007 Oct 1.
- Davidson TJ, Kloosterman F, Wilson MA. Hippocampal replay of extended experience. Neuron. 2009 Aug 27;63(4):497-507. doi: 10.1016/j.neuron.2009.07.027.
- Schapiro AC, McDevitt EA, Rogers TT, Mednick SC, Norman KA. Human hippocampal replay during rest prioritizes weakly learned information and predicts memory performance. Nat Commun. 2018 Sep 25;9(1):3920. doi: 10.1038/s41467-018-06213-1.
- Cairney SA, Durrant SJ, Hulleman J, Lewis PA. Targeted memory reactivation during slow wave sleep facilitates emotional memory consolidation. Sleep. 2014 Apr 1;37(4):701-7, 707A. doi: 10.5665/sleep.3572.
- Batterink LJ, Paller KA. Sleep-based memory processing facilitates grammatical generalization: Evidence from targeted memory reactivation. Brain Lang. 2017 Apr;167:83-93. doi: 10.1016/j.bandl.2015.09.003. Epub 2015 Oct 9.
- Goldi M, van Poppel EAM, Rasch B, Schreiner T. Increased neuronal signatures of targeted memory reactivation during slow-wave up states. Sci Rep. 2019 Feb 25;9(1):2715. doi: 10.1038/s41598-019-39178-2.
- Ngo HV, Martinetz T, Born J, Molle M. Auditory closed-loop stimulation of the sleep slow oscillation enhances memory. Neuron. 2013 May 8;78(3):545-53. doi: 10.1016/j.neuron.2013.03.006. Epub 2013 Apr 11.
- Ngo HV, Miedema A, Faude I, Martinetz T, Molle M, Born J. Driving sleep slow oscillations by auditory closed-loop stimulation-a self-limiting process. J Neurosci. 2015 Apr 29;35(17):6630-8. doi: 10.1523/JNEUROSCI.3133-14.2015.
- Navarrete M, Schneider J, Ngo HV, Valderrama M, Casson AJ, Lewis PA. Examining the optimal timing for closed-loop auditory stimulation of slow-wave sleep in young and older adults. Sleep. 2020 Jun 15;43(6):zsz315. doi: 10.1093/sleep/zsz315.
- Solomon SH, Medaglia JD, Thompson-Schill SL. Implementing a concept network model. Behav Res Methods. 2019 Aug;51(4):1717-1736. doi: 10.3758/s13428-019-01217-1.
- Collins AM, Loftus EF. A spreading-activation theory of semantic processing. Psychological review. 1975; 82(6): 407.
- De Deyne S, Navarro DJ, Perfors A, Storms G. Structure at every scale: A semantic network account of the similarities between unrelated concepts. J Exp Psychol Gen. 2016 Sep;145(9):1228-54. doi: 10.1037/xge0000192.
- McRae K, de Sa VR, Seidenberg MS. On the nature and scope of featural representations of word meaning. J Exp Psychol Gen. 1997 Jun;126(2):99-130. doi: 10.1037//0096-3445.126.2.99.
- Tyler LK, Moss HE, Durrant-Peatfield MR, Levy JP. Conceptual structure and the structure of concepts: a distributed account of category-specific deficits. Brain Lang. 2000 Nov;75(2):195-231. doi: 10.1006/brln.2000.2353.
- Saffran JR, Johnson EK, Aslin RN, Newport EL. Statistical learning of tone sequences by human infants and adults. Cognition. 1999 Feb 1;70(1):27-52. doi: 10.1016/s0010-0277(98)00075-4.
- Saffran JR. The use of predictive dependencies in language learning. Journal of Memory and Language. 2001; 44(4): 493-515.
- Fiser J, Aslin RN. Statistical learning of new visual feature combinations by infants. Proc Natl Acad Sci U S A. 2002 Nov 26;99(24):15822-6. doi: 10.1073/pnas.232472899. Epub 2002 Nov 12.
- Kirkham NZ, Slemmer JA, Johnson SP. Visual statistical learning in infancy: evidence for a domain general learning mechanism. Cognition. 2002 Mar;83(2):B35-42. doi: 10.1016/s0010-0277(02)00004-5.
- Pearce MT, Ruiz MH, Kapasi S, Wiggins GA, Bhattacharya J. Unsupervised statistical learning underpins computational, behavioural, and neural manifestations of musical expectation. Neuroimage. 2010 Mar;50(1):302-13. doi: 10.1016/j.neuroimage.2009.12.019. Epub 2009 Dec 11.
- Turk-Browne NB, Junge J, Scholl BJ. The automaticity of visual statistical learning. J Exp Psychol Gen. 2005 Nov;134(4):552-64. doi: 10.1037/0096-3445.134.4.552.
- O'Keefe J, Nadel L. The hippocampus as a cognitive map. Oxford university press. 1978.
- Hafting T, Fyhn M, Molden S, Moser MB, Moser EI. Microstructure of a spatial map in the entorhinal cortex. Nature. 2005 Aug 11;436(7052):801-6. doi: 10.1038/nature03721. Epub 2005 Jun 19.
- Javadi AH, Emo B, Howard LR, Zisch FE, Yu Y, Knight R, Pinelo Silva J, Spiers HJ. Hippocampal and prefrontal processing of network topology to simulate the future. Nat Commun. 2017 Mar 21;8:14652. doi: 10.1038/ncomms14652.
- Killian NJ, Buffalo EA. Grid cells map the visual world. Nat Neurosci. 2018 Feb;21(2):161-162. doi: 10.1038/s41593-017-0062-4. No abstract available.
- Epstein RA, Patai EZ, Julian JB, Spiers HJ. The cognitive map in humans: spatial navigation and beyond. Nat Neurosci. 2017 Oct 26;20(11):1504-1513. doi: 10.1038/nn.4656.
- Erickson JE, Chin-Parker S, Ross BH. Inference and classification learning of abstract coherent categories. J Exp Psychol Learn Mem Cogn. 2005 Jan;31(1):86-99. doi: 10.1037/0278-7393.31.1.86.
- Park SA, Miller DS, Boorman ED. Inferences on a multidimensional social hierarchy use a grid-like code. Nat Neurosci. 2021 Sep;24(9):1292-1301. doi: 10.1038/s41593-021-00916-3. Epub 2021 Aug 31.
- Tavares RM, Mendelsohn A, Grossman Y, Williams CH, Shapiro M, Trope Y, Schiller D. A Map for Social Navigation in the Human Brain. Neuron. 2015 Jul 1;87(1):231-43. doi: 10.1016/j.neuron.2015.06.011.
- Constantinescu AO, O'Reilly JX, Behrens TEJ. Organizing conceptual knowledge in humans with a gridlike code. Science. 2016 Jun 17;352(6292):1464-1468. doi: 10.1126/science.aaf0941. Epub 2016 Jun 16.
- Hassabis D, Kumaran D, Vann SD, Maguire EA. Patients with hippocampal amnesia cannot imagine new experiences. Proc Natl Acad Sci U S A. 2007 Jan 30;104(5):1726-31. doi: 10.1073/pnas.0610561104. Epub 2007 Jan 17.
- Franklin NT, Frank MJ. Compositional clustering in task structure learning. PLoS Comput Biol. 2018 Apr 19;14(4):e1006116. doi: 10.1371/journal.pcbi.1006116. eCollection 2018 Apr.
- Schuck NW, Cai MB, Wilson RC, Niv Y. Human Orbitofrontal Cortex Represents a Cognitive Map of State Space. Neuron. 2016 Sep 21;91(6):1402-1412. doi: 10.1016/j.neuron.2016.08.019.
- Theves S, Fernandez G, Doeller CF. The Hippocampus Encodes Distances in Multidimensional Feature Space. Curr Biol. 2019 Apr 1;29(7):1226-1231.e3. doi: 10.1016/j.cub.2019.02.035. Epub 2019 Mar 21.
- Hu X, Cheng LY, Chiu MH, Paller KA. Promoting memory consolidation during sleep: A meta-analysis of targeted memory reactivation. Psychol Bull. 2020 Mar;146(3):218-244. doi: 10.1037/bul0000223.
- Yamauchi T, Markman AB. Category learning by inference and classification. Journal of Memory and language. 1998; 39(1): 124-148.
- Anderson AL, Ross BH, Chin-Parker S. A further investigation of category learning by inference. Mem Cognit. 2002 Jan;30(1):119-28. doi: 10.3758/bf03195271.
- Chin-Parker S, Ross BH. The effect of category learning on sensitivity to within-category correlations. Mem Cognit. 2002 Apr;30(3):353-62. doi: 10.3758/bf03194936.
- Chin-Parker S, Ross BH. Diagnosticity and prototypicality in category learning: a comparison of inference learning and classification learning. J Exp Psychol Learn Mem Cogn. 2004 Jan;30(1):216-26. doi: 10.1037/0278-7393.30.1.216.
- Markman AB, Ross BH. Category use and category learning. Psychol Bull. 2003 Jul;129(4):592-613. doi: 10.1037/0033-2909.129.4.592.
- Cousins JN, El-Deredy W, Parkes LM, Hennies N, Lewis PA. Cued Reactivation of Motor Learning during Sleep Leads to Overnight Changes in Functional Brain Activity and Connectivity. PLoS Biol. 2016 May 3;14(5):e1002451. doi: 10.1371/journal.pbio.1002451. eCollection 2016 May.
- Cairney SA, Guttesen AAV, El Marj N, Staresina BP. Memory Consolidation Is Linked to Spindle-Mediated Information Processing during Sleep. Curr Biol. 2018 Mar 19;28(6):948-954.e4. doi: 10.1016/j.cub.2018.01.087. Epub 2018 Mar 8.
- Solomon SH, Schapiro AC. Structure shapes the representation of a novel category. J Exp Psychol Learn Mem Cogn. 2024 Mar;50(3):458-483. doi: 10.1037/xlm0001257. Epub 2023 Jun 15.
- Stachenfeld KL, Botvinick MM, Gershman SJ. The hippocampus as a predictive map. Nat Neurosci. 2017 Nov;20(11):1643-1653. doi: 10.1038/nn.4650. Epub 2017 Oct 2.
Studienaufzeichnungsdaten
Diese Daten verfolgen den Fortschritt der Übermittlung von Studienaufzeichnungen und zusammenfassenden Ergebnissen an ClinicalTrials.gov. Studienaufzeichnungen und gemeldete Ergebnisse werden von der National Library of Medicine (NLM) überprüft, um sicherzustellen, dass sie bestimmten Qualitätskontrollstandards entsprechen, bevor sie auf der öffentlichen Website veröffentlicht werden.
Haupttermine studieren
Studienbeginn (Tatsächlich)
29. März 2023
Primärer Abschluss (Tatsächlich)
30. Juni 2024
Studienabschluss (Tatsächlich)
30. Juni 2024
Studienanmeldedaten
Zuerst eingereicht
14. Februar 2023
Zuerst eingereicht, das die QC-Kriterien erfüllt hat
14. Februar 2023
Zuerst gepostet (Tatsächlich)
27. Februar 2023
Studienaufzeichnungsaktualisierungen
Letztes Update gepostet (Tatsächlich)
14. Juli 2025
Letztes eingereichtes Update, das die QC-Kriterien erfüllt
24. Juni 2025
Zuletzt verifiziert
1. Juni 2025
Mehr Informationen
Begriffe im Zusammenhang mit dieser Studie
Schlüsselwörter
Andere Studien-ID-Nummern
- 833228A
- 1R21MH128788-01A1 (US NIH Stipendium/Vertrag)
Plan für individuelle Teilnehmerdaten (IPD)
Planen Sie, individuelle Teilnehmerdaten (IPD) zu teilen?
JA
Beschreibung des IPD-Plans
Alle zugrunde liegenden IPD resultieren in einer Publikation.
IPD-Sharing-Zeitrahmen
IPD wird zum Zeitpunkt der Veröffentlichung der Studie verfügbar sein.
IPD-Sharing-Zugriffskriterien
IPD wird ohne Einschränkung öffentlich zugänglich sein.
Arzneimittel- und Geräteinformationen, Studienunterlagen
Studiert ein von der US-amerikanischen FDA reguliertes Arzneimittelprodukt
Nein
Studiert ein von der US-amerikanischen FDA reguliertes Geräteprodukt
Nein
Diese Informationen wurden ohne Änderungen direkt von der Website clinicaltrials.gov abgerufen. Wenn Sie Ihre Studiendaten ändern, entfernen oder aktualisieren möchten, wenden Sie sich bitte an register@clinicaltrials.gov. Sobald eine Änderung auf clinicaltrials.gov implementiert wird, wird diese automatisch auch auf unserer Website aktualisiert .