PNAS：大脑不同系统协同工作影响学习进程的分子机制
发布时间：2018-10-19 17:31:16 来源: 北京赛博尔医药科技有限公司
最近来自布朗大学的研究者们发现了人们在学习过程中大脑两个不同系统间的协同工作机制。
图片来源：Frank Lab / Brown University
在这项发表在《PNAS》杂志上的文章中，作者揭示了人们在增强学习以及工作记忆(reinforcement learning and working memory)过程中两种不同的模式之间的相互交流。增强学习(Reinforcement learning)是一种通过神经元水平的反馈-惩罚过程影响人们逐渐学习动作的过程。相反地，工作记忆(Working Memory)指的则是通过回忆以往的动作以及相应的结果去快速地提高现有表现能力的过程。
在这项研究中，40名参与者被要求观看一系列屏幕上出现的标志，而且被要求在每一个特定信号出现的时候按下一个按钮。此前参与者们并不知道哪一个按钮是对应某个信号的正确按钮，因此他们只能在实践中慢慢学习。当他们回答正确的时候，会得到奖励积分。在重复几次实验中，参与者们就能够逐渐学会标志对应的按钮。
为了区别增强学习以及工作记忆的差异，研究者们同时让参与者们观看不同数量的标志（两到六个），而参与者们必须学会每一个标志的对应按钮。一般情况下，人们通过工作记忆模式仅仅能够同时记住4个项目，而且记忆时间很短，因此当目标的数量或者间隔的时间增加之后，工作记忆对于学习的贡献将会下降。
同时，在参与者们完成任务的时候，EEG捕捉记录了大脑的信号，作者们通过统计学手段将与每个学习系统相关的信号分离出来。
结果显示，当记忆的需求很高的时候，大脑增强学习的信号就会增强，换句话说，当工作记忆系统超负荷的时候，增强学习系统对于学习过程的重要性就会变得更高。相反地，当参与者能够在大脑中保留信息，那么与增强学习有关的信号则会变弱，工作记忆对于学习的重要性就会变强。
研究者们还发现通过解码大脑信号能够判断信息是否与记忆相关。研究结果表明上述两周就能够系统并不是独立工作的。根据研究者们的说法，这一结果能够有助于学习障碍的治疗。
原始资讯：
Separate brain systems cooperate during learning, study finds
原始出处：
Anne G. E. Collins et al. Within- and across-trial dynamics of human EEG reveal cooperative interplay between reinforcement learning and working memory, Proceedings of the National Academy of Sciences (2018). DOI: 10.1073/pnas.1720963115
来源：生物谷
编辑：小赛
北京赛博尔培训班信息（直接点击蓝色文字即可浏览！）
近红外培训班内容覆盖MATLAB基础，NIRS基本原理，fNIRS处理流程，Homer进阶分析，适合零基础学员掌握基本近红外数据处理方法。
由北京赛博尔举办的fMRI基础班是首个手把手教学的磁共振数据培训班，从磁共振简单原理、fMRI原理到SPM的使用，内容涵盖fMRI基础中的基础，非常适合功能磁共振零基础学员。
脑网络培训班内容涵盖了脑网络的很多前沿方法， 包括时频分析、基于SurfStat以及GRETNA的脑网络拓扑属性、MVPA方法等等，对掌握了基本fMRI及脑电数据处理方法后的医生及研究人员有很大提高。
培训内容主要包括：脑电信号预处理（EEGLAB工具包）；MATLAB入门；脑电信号的批处理；脑电信号的时域分析（ERPs）；脑电信号的时频域分析；脑电信号的数据整合、统计比较与作图；脑电功能连接分析（fieldtrip工具包）、脑网络分析；ERP/EEG技术在精神疾病（精神分裂症、癫痫等）临床研究和辅助诊断中的应用实例。
