- ICH GCP
- Yhdysvaltain kliinisten tutkimusten rekisteri
- Kliininen tutkimus NCT06673303
Melukorrelaatioiden roolin tutkiminen oppimisessa
torstai 21. toukokuuta 2026 päivittänyt: Brown University
Terveen ikääntymisen tilastollisten päätelmien kognitiiviset ja molekyylihaasteet
Neurotieteen perusongelma on se, kuinka aivot laskevat meluisten hermosolujen kanssa.
Populaatiokoodien etuna on, että alavirran neuronit voivat yhdistää useita hermosoluja vähentääkseen melun vaikutusta.
Tämä hyöty riippuu kuitenkin kunkin hermosolun riippumattomuuteen liittyvästä kohinasta.
Kohinakorrelaatiot viittaavat hermosoluparien väliseen kovarianssiin, ja tällaiset korrelaatiot voivat rajoittaa suurien hermopopulaatioiden yhdistämisestä saatuja etuja.
Todellakin, suuri joukko teoreettisia töitä väittää, että positiiviset kohinakorrelaatiot samalla tavalla viritettyjen hermosolujen välillä vähentävät hermopopulaatioiden esityskykyä ja ovat siten haitallisia hermosolujen laskennalle.
Tästä ilmeisestä haitasta huolimatta tällaisia melukorrelaatioita havaitaan monilla eri aivojen alueilla, ne jatkuvat jopa hyvin koulutetuissa kohteissa ja muuttuvat dynaamisesti monimutkaisissa tehtävissä.
Tutkijat ovat esittäneet hypoteesin, että kohinakorrelaatiot voivat olla hermomekanismi, joka vähentää oppimisongelmien ulottuvuutta.
Tämän hypoteesin toimivuus on osoitettu hermoverkkosimulaatioissa, joissa kohinakorrelaatiot, kun ne on upotettu populaatioihin, joilla on kiinteä signaali-kohinasuhde, lisäävät oppimisen nopeutta ja kestävyyttä.
Tässä tutkijat pyrkivät testaamaan tätä hypoteesia empiirisesti käyttämällä laskennallisen mallinnuksen, fMRI:n ja pupillometrian yhdistelmää.
Melun korrelaatioiden ja oppimisen välisen yhteyden luominen avaisi oven tutkimukselle siitä, kuinka aivot tekevät kompromissin edustavuuden ja oppimisnopeuden välillä.
Tutkimuksen yleiskatsaus
Tila
Valmis
Interventio / Hoito
Yksityiskohtainen kuvaus
Nisäkkäiden aivot edustavat tietoa käyttämällä hajautettuja populaatiokoodeja, jotka tarjoavat useita etuja kestävyydestä korkeaan esityskykyyn.
Kuitenkin alavirran lukuhermosoluille tällaiset koodit aiheuttavat valtavia korkeadimensionaalisia oppimisongelmia, koska erittäin suurta määrää synaptisia yhteyksiä on säädettävä oppimisen aikana sopivan lukeman etsimiseksi.
Viimeaikainen teoreettinen työmme oletti, että näitä korkean ulottuvuuden oppimisongelmia voidaan yksinkertaistaa induktiivisilla harhoilla, jotka toteutetaan ärsykkeestä riippumattomien kohinakorrelaatioiden avulla, jotka ilmaisevat sen asteen, jolla hermosolupari kovarioi kokeiden välisissä vaihteluissa.
Vaikka kohinakorrelaatioiden on perinteisesti katsottu rajoittavan esityskapasiteettia, viimeaikainen työmme osoittaa, että ne samanaikaisesti rajoittavat lukemisen oppimista.
Joissakin biologisesti merkityksellisissä tapauksissa he voisivat teoriassa nopeuttaa oppimista muokkaamalla taustalla olevan hermotilan geometriaa keskittymään oppimisen gradientin tehtävään liittyviin ulottuvuuksiin.
Tätä kohinakorrelaatioiden oletettua roolia oppimisen muokkaamisessa ei kuitenkaan ole vielä testattu empiirisesti.
Tässä tutkijat kehittävät kokeellisen kehyksen testatakseen kohinakorrelaatioiden ennustettua roolia, mitattuna kovariaatiolla fMRI-monivokselin BOLD-aktiivisuuskuvioissa tietylle ärsykkeelle oppimisessa sekä tutuissa että uusissa yhteyksissä.
Tutuissa yhteyksissä hyödyllisiä kohinakorrelaatioita voidaan indusoida prefrontaalisen aivokuoren ylhäältä alas -tuloilla, jotka signaloivat asiaankuuluvia tehtävän ulottuvuuksia.
Siten kohinakorrelaatioiden voimakkuus tehtävään liittyvissä ulottuvuuksissa ennustaisi tehtävään liittyvien ominaisuuksien nopeampaa oppimista.
Toisaalta uusissa yhteyksissä, kun asiaankuuluvat tehtävän dimensiot eivät ole tiedossa, kohinakorrelaatiot voivat pakottaa gradientteja tehtävän kannalta epäolennaisiin ulottuvuuksiin ja siten heikentää oppimista.
Siksi kohinakorrelaatioiden vaimentaminen, joka voidaan saavuttaa neuromodulatorisella signaloinnilla, voi nopeuttaa oppimista vähentämällä harhaa aikaisin oppimisen aikana tai tehtävään liittyvän ärsykkeen muutoksen jälkeen.
Tavoitteidemme mukaisesti tutkijat kehittävät suunnitelman laskennallisen mallimme perusennusteiden testaamiseksi käyttämällä fMRI:tä melukorrelaatioiden geometrian ja pupillometrian karakterisoimiseksi neuromodulatorisen signaalin välityspalvelimena ihmisillä.
Suunniteltu tutkimus on ensimmäinen empiirinen testi melukorrelaatioiden roolista oppimisessa.
Opintotyyppi
Interventio
Ilmoittautuminen (Todellinen)
47
Vaihe
- Ei sovellettavissa
Yhteystiedot ja paikat
Tässä osiossa on tutkimuksen suorittajien yhteystiedot ja tiedot siitä, missä tämä tutkimus suoritetaan.
Opiskelupaikat
-
-
Rhode Island
-
Providence, Rhode Island, Yhdysvallat, 02906
- Brown University
-
-
Osallistumiskriteerit
Tutkijat etsivät ihmisiä, jotka sopivat tiettyyn kuvaukseen, jota kutsutaan kelpoisuuskriteereiksi. Joitakin esimerkkejä näistä kriteereistä ovat henkilön yleinen terveydentila tai aiemmat hoidot.
Kelpoisuusvaatimukset
Opintokelpoiset iät
- Aikuinen
- Vanhempi Aikuinen
Hyväksyy terveitä vapaaehtoisia
Joo
Kuvaus
Sisällön kriteerit:
- Ikä yli 18
- Normaali tai korjattava näkö
Poissulkemiskriteerit:
- Ikä alle 18
- Klaustrofobia
- Värisokeus
- Neuroleptit lääkkeet
- Huumeiden väärinkäytön ja/tai alkoholismin historia
- MRI:n vasta-aiheiset olosuhteet, kuten:
- Kirurginen implantti, joka ei ole MRI-yhteensopiva
- Metallipalat rungossa
- Tatuointi metallimusteella
- Silmäsairaudet/silmävauriot:
- Kaihi
- Makulan rappeuma
- Retinopatiat
- Osittainen näön menetys
- Sairaushistoria:
- Aivohalvaus
- Traumaattinen aivovaurio
- Epilepsia
- Skitsofrenia
- Maaninen masennus, jonka oireita ovat muun muassa psykoosi, mania, harhaluuloinen ajattelu ja audiovisuaaliset hallusinaatiot.
Opintosuunnitelma
Tässä osiossa on tietoja tutkimussuunnitelmasta, mukaan lukien kuinka tutkimus on suunniteltu ja mitä tutkimuksella mitataan.
Miten tutkimus on suunniteltu?
Suunnittelun yksityiskohdat
- Ensisijainen käyttötarkoitus: Perustiede
- Jako: Ei käytössä
- Inventiomalli: Yksittäinen ryhmätehtävä
- Naamiointi: Ei mitään (avoin tarra)
Aseet ja interventiot
Osallistujaryhmä / Arm |
Interventio / Hoito |
|---|---|
|
Kokeellinen: Dynaaminen havaintosyrjintätehtävä
Tehtävä sisälsi kaksi tehtäväehtoa, joista jokainen edellytti tiedon integrointia molemmista ärsykeulottuvuuksista.
Jokaisessa tilassa osallistujat katselivat ärsykettä, joka sisälsi liike- ja väritietoja, ja heidän piti määrittää toinen kahdesta mahdollisesta vasteesta.
Jokaisen ehdon sisällä säännöt ja vastekartoitus muuttuivat ajoittain, mutta aina muuttumalla kiinteän ominaisuuden ulottuvuuden mukaan (esim.
oikealle/violetti, vasemmalle/oranssi).
Nämä huomaamattomat ulottuvuuden sisäiset muutokset sisälsivät translaatiomuutoksia oppimisrajoissa, mikä vaati heitä mukauttamaan päätöksentekoaan tutun ulottuvuuden puitteissa.
Nämä muutokset pakottivat osallistujat jatkuvasti muokkaamaan oppimisstrategioitaan keskittymällä tärkeimpiin ominaisuuksiin.
|
Tutkimukseen sisältyi kaksi tehtäväehtoa, joista jokainen edellytti tiedon integrointia molemmista ärsykeulottuvuuksista.
Jokaisessa tilassa osallistujat katselivat ärsykettä, joka sisälsi liike- ja väritietoja, ja heidän piti määrittää toinen kahdesta mahdollisesta vasteesta.
Jokaisen ehdon sisällä säännöt ja vastekartoitus muuttuivat ajoittain, mutta aina muuttumalla kiinteän ominaisuuden ulottuvuuden mukaan (esim.
oikealle/violetti, vasemmalle/oranssi).
Nämä huomaamattomat ulottuvuuden sisäiset muutokset sisälsivät translaatiomuutoksia oppimisrajoissa, mikä vaati heitä mukauttamaan päätöksentekoaan tutun ulottuvuuden puitteissa.
Nämä muutokset pakottivat osallistujat jatkuvasti muokkaamaan oppimisstrategioitaan keskittymällä tärkeimpiin ominaisuuksiin.
Osallistujien aivokuvaustietoja kerätään samanaikaisesti suoritettaessa havaintosyrjintätehtävää.
|
Mitä tutkimuksessa mitataan?
Ensisijaiset tulostoimenpiteet
Tulosmittaus |
Toimenpiteen kuvaus |
Aikaikkuna |
|---|---|---|
|
Osallistujan oppimisen epäsymmetria käyttäytymistehtävässä
Aikaikkuna: Käyttäytymisjakson lopusta skannausistunnon alkuun, yleensä viikon sisällä
|
Osallistujien oppimisen epäsymmetriaa tehtävän kannalta merkityksellisissä ja irrelevanteissa ulottuvuuksissa arvioidaan vahvistusoppimismallillamme, joka palauttaa oppimisgradientin vastaavilla oppimisulottuvuuksilla.
|
Käyttäytymisjakson lopusta skannausistunnon alkuun, yleensä viikon sisällä
|
|
Melukorrelaatiot aivoissa
Aikaikkuna: Analyysin valmistuttua keskimäärin 6 kuukautta
|
Tutkijat tunnistavat kohinan korrelaation - ärsykkeeseen liittyvän yrityskohtaisen vaihtelun suhteen tehtävän kannalta merkityksellisillä vs. tehtävän kannalta epäolennaisilla koodausakseleilla.
Koodausakselit dekoodataan kiinnostuksen kohteena olevasta alueesta käyttämällä yksittäisiin kokeisiin liittyviä monivokselimalleja.
|
Analyysin valmistuttua keskimäärin 6 kuukautta
|
Yhteistyökumppanit ja tutkijat
Täältä löydät tähän tutkimukseen osallistuvat ihmiset ja organisaatiot.
Sponsori
Yhteistyökumppanit
Tutkijat
- Päätutkija: Matthew Nassar, PhD, Brown University
Julkaisuja ja hyödyllisiä linkkejä
Tutkimusta koskevien tietojen syöttämisestä vastaava henkilö toimittaa nämä julkaisut vapaaehtoisesti. Nämä voivat koskea mitä tahansa tutkimukseen liittyvää.
Yleiset julkaisut
- Fusi S, Miller EK, Rigotti M. Why neurons mix: high dimensionality for higher cognition. Curr Opin Neurobiol. 2016 Apr;37:66-74. doi: 10.1016/j.conb.2016.01.010. Epub 2016 Feb 4.
- Cohen MR, Newsome WT. Context-dependent changes in functional circuitry in visual area MT. Neuron. 2008 Oct 9;60(1):162-73. doi: 10.1016/j.neuron.2008.08.007.
- Nassar MR, Scott D, Bhandari A. Noise Correlations for Faster and More Robust Learning. J Neurosci. 2021 Aug 4;41(31):6740-6752. doi: 10.1523/JNEUROSCI.3045-20.2021. Epub 2021 Jun 30.
Opintojen ennätyspäivät
Nämä päivämäärät seuraavat ClinicalTrials.gov-sivustolle lähetettyjen tutkimustietueiden ja yhteenvetojen edistymistä. National Library of Medicine (NLM) tarkistaa tutkimustiedot ja raportoidut tulokset varmistaakseen, että ne täyttävät tietyt laadunvalvontastandardit, ennen kuin ne julkaistaan julkisella verkkosivustolla.
Opi tärkeimmät päivämäärät
Opiskelun aloitus (Todellinen)
Lauantai 14. joulukuuta 2024
Ensisijainen valmistuminen (Todellinen)
Maanantai 1. syyskuuta 2025
Opintojen valmistuminen (Todellinen)
Maanantai 1. syyskuuta 2025
Opintoihin ilmoittautumispäivät
Ensimmäinen lähetetty
Perjantai 18. lokakuuta 2024
Ensimmäinen toimitettu, joka täytti QC-kriteerit
Perjantai 1. marraskuuta 2024
Ensimmäinen Lähetetty (Todellinen)
Maanantai 4. marraskuuta 2024
Tutkimustietojen päivitykset
Viimeisin päivitys julkaistu (Todellinen)
Tiistai 26. toukokuuta 2026
Viimeisin lähetetty päivitys, joka täytti QC-kriteerit
Torstai 21. toukokuuta 2026
Viimeksi vahvistettu
Perjantai 1. marraskuuta 2024
Lisää tietoa
Tähän tutkimukseen liittyvät termit
Muita asiaankuuluvia MeSH-ehtoja
Muut tutkimustunnusnumerot
- 1806002126
- 1P30GM149405-01 (Yhdysvaltain NIH-apuraha/sopimus)
Yksittäisten osallistujien tietojen suunnitelma (IPD)
Aiotko jakaa yksittäisten osallistujien tietoja (IPD)?
EI
IPD-suunnitelman kuvaus
Kaikkien IPD:stä kiinnostuneiden tulee ottaa yhteyttä johtavaan tutkijaan
Lääke- ja laitetiedot, tutkimusasiakirjat
Tutkii yhdysvaltalaista FDA sääntelemää lääkevalmistetta
Ei
Tutkii yhdysvaltalaista FDA sääntelemää laitetuotetta
Joo
Yhdysvalloissa valmistettu ja sieltä viety tuote
Ei
Nämä tiedot haettiin suoraan verkkosivustolta clinicaltrials.gov ilman muutoksia. Jos sinulla on pyyntöjä muuttaa, poistaa tai päivittää tutkimustietojasi, ota yhteyttä register@clinicaltrials.gov. Heti kun muutos on otettu käyttöön osoitteessa clinicaltrials.gov, se päivitetään automaattisesti myös verkkosivustollemme .