- ICH GCP
- Rejestr badań klinicznych w USA
- Badanie kliniczne NCT05746299
Wpływ reaktywacji podczas snu na konsolidację abstrakcyjnych informacji u ludzi
24 czerwca 2025 zaktualizowane przez: University of Pennsylvania
Pojawienie się abstrakcyjnej struktury wiedzy w procesie uczenia się i snu
W dowolnej domenie poznawczej reprezentacje poszczególnych elementów nie są niezależne, lecz zorganizowane za pomocą ustrukturyzowanych relacji.
Reprezentacje tej podstawowej struktury są potężne, ponieważ pozwalają na uogólnianie i wnioskowanie w nowych środowiskach.
W domenie semantycznej struktura wychwytuje powiązania między różnymi cechami lub koncepcjami semantycznymi (np. Zieleń, skrzydła, może latać) i wiadomo, że wpływa na rozwój i pogorszenie wiedzy semantycznej.
Niedawno odkryliśmy, że ludziom łatwiej jest uczyć się nowych kategorii, które zawierają skupiska niezawodnie współwystępujących cech, ujawniając wpływ struktury na tworzenie nowych kategorii.
Jednak krytyczną niewiadomą jest to, czy wyuczone reprezentacje struktury są ściśle powiązane z elementami specyficznymi dla kategorii, czy też stają się w pewnym stopniu abstrakcyjne, przekształcone z dala od doświadczanych cech.
Co więcej, jeśli pojawią się abstrakcyjne reprezentacje strukturalne, wcześniejsze prace dostarczają intrygujących wskazówek, że mogą wymagać konsolidacji offline podczas odpoczynku lub snu.
Opracowaliśmy paradygmat, w którym starannie zaprojektowane struktury grafów rządzą wzorcem współwystępowania cech w ramach poszczególnych kategorii.
Tutaj implementujemy rozszerzenie tego paradygmatu „przeniesienia struktury” w celu ustalenia, czy uczenie się jednej ustrukturyzowanej kategorii ułatwia uczenie się drugiej identycznie ustrukturyzowanej kategorii zdefiniowanej przez nowy zestaw cech.
To ułatwienie dostarczyłoby dowodów na to, że reprezentacje struktur są do pewnego stopnia abstrakcyjne.
Cel 1 użyje tych metod do oceny, czy abstrakcyjne reprezentacje strukturalne pojawiają się natychmiast podczas uczenia się.
Cel 2 określi, czy te reprezentacje utrzymują się, czy pojawiają się z opóźnieniem i czy w szczególności potrzebna jest konsolidacja oparta na śnie.
Rola odtwarzania ostatnich doświadczeń podczas snu zostanie oceniona za pomocą elektroencefalografii (EEG) w połączeniu z ukierunkowaną reaktywacją pamięci w zamkniętej pętli (TMR), techniką, która umożliwia przyczynowy wpływ na konsolidację ostatnio poznanych informacji u ludzi.
Ta praca będzie informować i ograniczać teorie uczenia się semantycznego, a także szerzej teorie uczenia się struktury i reprezentacji.
Przegląd badań
Status
Zakończony
Warunki
Typ studiów
Interwencyjne
Zapisy (Rzeczywisty)
194
Faza
- Nie dotyczy
Kontakty i lokalizacje
Ta sekcja zawiera dane kontaktowe osób prowadzących badanie oraz informacje o tym, gdzie badanie jest przeprowadzane.
Lokalizacje studiów
-
-
Pennsylvania
-
Philadelphia, Pennsylvania, Stany Zjednoczone, 19104
- University of Pennsylvania
-
-
Kryteria uczestnictwa
Badacze szukają osób, które pasują do określonego opisu, zwanego kryteriami kwalifikacyjnymi. Niektóre przykłady tych kryteriów to ogólny stan zdrowia danej osoby lub wcześniejsze leczenie.
Kryteria kwalifikacji
Wiek uprawniający do nauki
18 lat do 35 lat (Dorosły)
Akceptuje zdrowych ochotników
Tak
Opis
Kryteria przyjęcia:
- Wiek od 18 do 35 lat
Kryteria wyłączenia:
- Brak chorób medycznych lub neurologicznych, które mogłyby wpłynąć na wyniki eksperymentu
- Nie jest członkiem wrażliwej populacji
Plan studiów
Ta sekcja zawiera szczegółowe informacje na temat planu badania, w tym sposób zaprojektowania badania i jego pomiary.
Jak projektuje się badanie?
Szczegóły projektu
- Główny cel: Podstawowa nauka
- Przydział: Randomizowane
- Model interwencyjny: Przydział równoległy
- Maskowanie: Pojedynczy
Broń i interwencje
Grupa uczestników / Arm |
Interwencja / Leczenie |
|---|---|
|
Eksperymentalny: Natychmiastowa zgodność
Uczestnicy będą uczyć się i być testowani na dwóch różnych kategoriach semantycznych o tej samej strukturze, która dyktuje współwystępowanie różnych cech.
|
Interwencja Congruent vs. Incongruent dotyczy opartej na cechach struktury nowych kategorii (modułowych lub niemodułowych) oraz tego, czy istnieje (zgodny), czy nie (niezgodny) dopasowanie między tym, czego się wcześniej nauczyliśmy, a ostateczną kategorią docelową.
Natychmiastowy, Przebudzony i Sen odnoszą się do braku przerwy, 2,5 godziny czuwania lub 2 godzin snu plus 30-minutowa przerwa po drzemce, aby uwzględnić bezwładność snu między kategorią uczenia się a kategorią docelową.
|
|
Eksperymentalny: Natychmiastowa niekonsekwencja
Uczestnicy będą uczyć się i być testowani w dwóch różnych kategoriach semantycznych o różnych strukturach, które dyktują współwystępowanie różnych cech.
|
Interwencja Congruent vs. Incongruent dotyczy opartej na cechach struktury nowych kategorii (modułowych lub niemodułowych) oraz tego, czy istnieje (zgodny), czy nie (niezgodny) dopasowanie między tym, czego się wcześniej nauczyliśmy, a ostateczną kategorią docelową.
Natychmiastowy, Przebudzony i Sen odnoszą się do braku przerwy, 2,5 godziny czuwania lub 2 godzin snu plus 30-minutowa przerwa po drzemce, aby uwzględnić bezwładność snu między kategorią uczenia się a kategorią docelową.
|
|
Eksperymentalny: Przebudźcie się Niespójne
Uczestnicy nauczą się dwóch różnych kategorii semantycznych, z których żadna nie ma struktury modułowej.
Po 2,5-godzinnej przerwie nauczą się i przetestują nową kategorię semantyczną o strukturze modułowej.
|
Interwencja Congruent vs. Incongruent dotyczy opartej na cechach struktury nowych kategorii (modułowych lub niemodułowych) oraz tego, czy istnieje (zgodny), czy nie (niezgodny) dopasowanie między tym, czego się wcześniej nauczyliśmy, a ostateczną kategorią docelową.
Natychmiastowy, Przebudzony i Sen odnoszą się do braku przerwy, 2,5 godziny czuwania lub 2 godzin snu plus 30-minutowa przerwa po drzemce, aby uwzględnić bezwładność snu między kategorią uczenia się a kategorią docelową.
|
|
Eksperymentalny: Przebudź się kongruentny
Uczestnicy poznają dwie różne kategorie semantyczne, z których jedna ma strukturę modułową.
Po 2,5-godzinnej przerwie nauczą się i przetestują nową kategorię semantyczną o strukturze modułowej.
|
Interwencja Congruent vs. Incongruent dotyczy opartej na cechach struktury nowych kategorii (modułowych lub niemodułowych) oraz tego, czy istnieje (zgodny), czy nie (niezgodny) dopasowanie między tym, czego się wcześniej nauczyliśmy, a ostateczną kategorią docelową.
Natychmiastowy, Przebudzony i Sen odnoszą się do braku przerwy, 2,5 godziny czuwania lub 2 godzin snu plus 30-minutowa przerwa po drzemce, aby uwzględnić bezwładność snu między kategorią uczenia się a kategorią docelową.
|
|
Eksperymentalny: Sen niespójny
Uczestnicy poznają dwie różne kategorie semantyczne, z których jedna ma strukturę modułową.
Po 2-godzinnej drzemce, podczas której TMR zostanie wykorzystany do reaktywacji kategorii non-modular, uczestnicy udadzą się na 30-minutową przerwę.
Po przerwie nauczą się i zostaną przetestowani na nowej kategorii semantycznej o strukturze modułowej.
|
Interwencja Congruent vs. Incongruent dotyczy opartej na cechach struktury nowych kategorii (modułowych lub niemodułowych) oraz tego, czy istnieje (zgodny), czy nie (niezgodny) dopasowanie między tym, czego się wcześniej nauczyliśmy, a ostateczną kategorią docelową.
Natychmiastowy, Przebudzony i Sen odnoszą się do braku przerwy, 2,5 godziny czuwania lub 2 godzin snu plus 30-minutowa przerwa po drzemce, aby uwzględnić bezwładność snu między kategorią uczenia się a kategorią docelową.
Ukierunkowana reaktywacja pamięci (TMR) to systematyczna prezentacja dźwięków podczas snu, które były związane z pewnymi bodźcami podczas uczenia się i będzie podawana podczas snu wolnofalowego (SWS) lub snu z szybkimi ruchami gałek ocznych (REM).
|
|
Eksperymentalny: Sen przystający (SWS)
Uczestnicy poznają dwie różne kategorie semantyczne, z których jedna ma strukturę modułową.
Po 2-godzinnej drzemce, podczas której TMR zostanie wykorzystany do reaktywacji kategorii Modular podczas snu wolnofalowego (SWS), uczestnicy wezmą 30-minutową przerwę.
Po przerwie nauczą się i zostaną przetestowani na nowej kategorii semantycznej o strukturze modułowej.
|
Interwencja Congruent vs. Incongruent dotyczy opartej na cechach struktury nowych kategorii (modułowych lub niemodułowych) oraz tego, czy istnieje (zgodny), czy nie (niezgodny) dopasowanie między tym, czego się wcześniej nauczyliśmy, a ostateczną kategorią docelową.
Natychmiastowy, Przebudzony i Sen odnoszą się do braku przerwy, 2,5 godziny czuwania lub 2 godzin snu plus 30-minutowa przerwa po drzemce, aby uwzględnić bezwładność snu między kategorią uczenia się a kategorią docelową.
Ukierunkowana reaktywacja pamięci (TMR) to systematyczna prezentacja dźwięków podczas snu, które były związane z pewnymi bodźcami podczas uczenia się i będzie podawana podczas snu wolnofalowego (SWS) lub snu z szybkimi ruchami gałek ocznych (REM).
|
|
Eksperymentalny: Sen zgodny (REM)
Uczestnicy poznają dwie różne kategorie semantyczne, z których jedna ma strukturę modułową.
Po 2-godzinnej drzemce, podczas której TMR zostanie wykorzystany do reaktywacji kategorii Modular podczas fazy snu REM (Rapid Eye Movement), uczestnicy wezmą 30-minutową przerwę.
Po przerwie nauczą się i zostaną przetestowani na nowej kategorii semantycznej o strukturze modułowej.
|
Interwencja Congruent vs. Incongruent dotyczy opartej na cechach struktury nowych kategorii (modułowych lub niemodułowych) oraz tego, czy istnieje (zgodny), czy nie (niezgodny) dopasowanie między tym, czego się wcześniej nauczyliśmy, a ostateczną kategorią docelową.
Natychmiastowy, Przebudzony i Sen odnoszą się do braku przerwy, 2,5 godziny czuwania lub 2 godzin snu plus 30-minutowa przerwa po drzemce, aby uwzględnić bezwładność snu między kategorią uczenia się a kategorią docelową.
Ukierunkowana reaktywacja pamięci (TMR) to systematyczna prezentacja dźwięków podczas snu, które były związane z pewnymi bodźcami podczas uczenia się i będzie podawana podczas snu wolnofalowego (SWS) lub snu z szybkimi ruchami gałek ocznych (REM).
|
Co mierzy badanie?
Podstawowe miary wyniku
Miara wyniku |
Opis środka |
Ramy czasowe |
|---|---|---|
|
Struktura wiedza na temat nowej kategorii modułowej na etapie 2
Ramy czasowe: W AIM 1 dokładność jest gromadzona w braku funkcji zadania 25 minut. do eksperymentu, trwa 25 minut. W AIM 2 dokładność jest zbierana w zadaniu brakującego funkcji w ciągu 25 minut na etapie 2
|
Dokładność (0-100%) w zakresie brakujących funkcji behawioralnych na etapie 2, które wymaga od uczestników użycia pamięci z wcześniejszego eksperymentu, aby zgadnąć, jak wypełnić brakujące cechy przykładów kategorii.
|
W AIM 1 dokładność jest gromadzona w braku funkcji zadania 25 minut. do eksperymentu, trwa 25 minut. W AIM 2 dokładność jest zbierana w zadaniu brakującego funkcji w ciągu 25 minut na etapie 2
|
Współpracownicy i badacze
Tutaj znajdziesz osoby i organizacje zaangażowane w to badanie.
Sponsor
Współpracownicy
Śledczy
- Główny śledczy: Anna C Schapiro, PhD, University of Pennsylvania
Publikacje i pomocne linki
Osoba odpowiedzialna za wprowadzenie informacji o badaniu dobrowolnie udostępnia te publikacje. Mogą one dotyczyć wszystkiego, co jest związane z badaniem.
Publikacje ogólne
- 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.
Daty zapisu na studia
Daty te śledzą postęp w przesyłaniu rekordów badań i podsumowań wyników do ClinicalTrials.gov. Zapisy badań i zgłoszone wyniki są przeglądane przez National Library of Medicine (NLM), aby upewnić się, że spełniają określone standardy kontroli jakości, zanim zostaną opublikowane na publicznej stronie internetowej.
Główne daty studiów
Rozpoczęcie studiów (Rzeczywisty)
29 marca 2023
Zakończenie podstawowe (Rzeczywisty)
30 czerwca 2024
Ukończenie studiów (Rzeczywisty)
30 czerwca 2024
Daty rejestracji na studia
Pierwszy przesłany
14 lutego 2023
Pierwszy przesłany, który spełnia kryteria kontroli jakości
14 lutego 2023
Pierwszy wysłany (Rzeczywisty)
27 lutego 2023
Aktualizacje rekordów badań
Ostatnia wysłana aktualizacja (Rzeczywisty)
14 lipca 2025
Ostatnia przesłana aktualizacja, która spełniała kryteria kontroli jakości
24 czerwca 2025
Ostatnia weryfikacja
1 czerwca 2025
Więcej informacji
Terminy związane z tym badaniem
Słowa kluczowe
Inne numery identyfikacyjne badania
- 833228A
- 1R21MH128788-01A1 (Grant/umowa NIH USA)
Plan dla danych uczestnika indywidualnego (IPD)
Planujesz udostępniać dane poszczególnych uczestników (IPD)?
TAK
Opis planu IPD
Wszystkie IChP, które leżą u podstaw wyników w publikacji.
Ramy czasowe udostępniania IPD
IPD będzie dostępny w momencie publikacji badania.
Kryteria dostępu do udostępniania IPD
IPD będą publicznie dostępne bez ograniczeń.
Informacje o lekach i urządzeniach, dokumenty badawcze
Bada produkt leczniczy regulowany przez amerykańską FDA
Nie
Bada produkt urządzenia regulowany przez amerykańską FDA
Nie
Te informacje zostały pobrane bezpośrednio ze strony internetowej clinicaltrials.gov bez żadnych zmian. Jeśli chcesz zmienić, usunąć lub zaktualizować dane swojego badania, skontaktuj się z register@clinicaltrials.gov. Gdy tylko zmiana zostanie wprowadzona na stronie clinicaltrials.gov, zostanie ona automatycznie zaktualizowana również na naszej stronie internetowej .