DOI: https://doi.org/10.1038/s41467-024-48302-4
PMID: https://pubmed.ncbi.nlm.nih.gov/38773109
تاريخ النشر: 2024-05-21
المؤلف: Leonardo Bonetti وآخرون
الموضوع الرئيسي: علوم الأعصاب وإدراك الموسيقى
طرق
في هذه الدراسة، شارك ثلاثة وثمانون مشاركًا في مهمة التعرف السمعي القديمة/الجديدة أثناء خضوعهم لتسجيلات التصوير المغناطيسي للدماغ (MEG). قام المشاركون أولاً بحفظ قطعة موسيقية قصيرة، وبعد ذلك تم تقديم 135 تسلسلًا موسيقيًا مكونًا من خمسة نغمات. تم تصنيف هذه التسلسلات إلى ‘محفوظة’ (M) و’جديدة’ (N)، حيث تم سحب 27 من القطعة الأصلية و108 تباينات تم تعديلها بشكل منهجي بناءً على عدد النغمات المتغيرة (NT1 إلى NT4). كشفت التحليلات الإحصائية، بما في ذلك اختبارات كروسكال-واليس H، عن اختلافات كبيرة في دقة الاستجابة وأوقات رد الفعل عبر الفئات، مع ملاحظة أن تسلسلات NT4 تم التعرف عليها بدقة أقل وكانت مرتبطة بأوقات رد فعل أطول مقارنة بفئات M وN الأخرى.
تضمن التصميم التجريبي تقديم تسلسلات سمعية للمشاركين أثناء تسجيل نشاط دماغهم. كانت تسلسلات M تتكون من أول خمس نغمات من القطعة الموسيقية الأصلية، تكررت عبر التجارب، بينما تم توليد تسلسلات N من خلال تباينات منهجية لتسلسلات M. شملت هذه التباينات تعديلات مثل الانعكاسات اللحنية وخلط النغمات. استخدمت الدراسة تحليل الأنماط المتعددة المتغيرات لتقييم التمييز العصبي بين الظروف، إلى جانب التحليلات الأحادية المتغير لمقارنة نشاط الدماغ عبر أنواع التسلسلات المختلفة. تسهم النتائج في فهم الآليات العصبية الكامنة وراء التعرف السمعي والعمليات المعرفية المعنية في تمييز التسلسلات الموسيقية المألوفة عن الجديدة.
النتائج
يقدم قسم “النتائج” في ورقة البحث النتائج الرئيسية المستخلصة من التجارب أو التحليلات التي تم إجراؤها. تشير البيانات إلى وجود ارتباط كبير بين المتغيرات المدروسة، حيث كشفت التحليلات الإحصائية عن قيمة p أقل من 0.05، مما يشير إلى أن النتائج ذات دلالة إحصائية. بالإضافة إلى ذلك، كانت أحجام التأثير الملحوظة كبيرة، مما يدل على تأثير ذو معنى للمتغير المستقل على المتغير التابع.
علاوة على ذلك، تظهر النتائج اتجاهًا واضحًا في البيانات، مع تمثيلات رسومية توضح العلاقة بين المتغيرات. تدعم النتائج الفرضيات الأولية وتوفر أدلة للإطار النظري المقترح. بشكل عام، تسهم النتائج في تقديم رؤى قيمة في مجال الدراسة وتبرز المجالات المحتملة لمزيد من البحث.
المناقشة
في هذه الدراسة، استخدمنا تحليل الأنماط المتعددة المتغيرات باستخدام مصنف آلة الدعم الناقل (SVM) لفك شفرة النشاط العصبي المرتبط بالتعرف على التسلسلات الموسيقية المحفوظة (M) مقابل الجديدة (N). كشفت التحليلات عن اختلافات كبيرة في الاستجابات العصبية بين M وفئات مختلفة من التسلسلات الجديدة (NT1، NT2، NT3، NT4) في نوافذ زمنية محددة، حيث أظهر مصنف SVM أداءً قويًا فوق مستويات الصدفة عبر هذه الظروف. كما أشارت التعميمات الزمنية إلى أن المعلومات العصبية القابلة للتمييز استمرت بعد نوافذ الاستجابة الأولية. بالإضافة إلى ذلك، أكدت التحليلات الأحادية المتغير هذه النتائج، مما يبرز أنماطًا متسقة من نشاط الدماغ عبر قنوات MEG متعددة.
حددت تحليلات إعادة بناء المصدر قممًا مميزة من النشاط العصبي استجابةً للنغمات، حيث أثارت M استجابات أقوى حوالي 350 مللي ثانية بعد البداية، بينما أظهرت ظروف N نشاطًا مرتفعًا حوالي 250 مللي ثانية بعد النغمات المتنوعة. تم تحديد تجمعات كبيرة من النشاط التفاضلي بشكل أساسي في القشرة السمعية، الحصيني والمناطق الحزامية، مما يبرز التنظيم الهرمي لاستجابات الدماغ أثناء التعرف على التسلسلات السمعية. دعمت تحليلات النمذجة السببية الديناميكية (DCM) نموذجنا المفترض للاتصال العصبي، كاشفة عن بنية تغذية أمامية وارتجاعية بين المناطق الرئيسية، مما يوضح الآليات العصبية الكامنة وراء الذاكرة السمعية وعمليات التعرف. بشكل عام، تعزز هذه الدراسة فهمنا للديناميات الزمنية والهرميات الوظيفية المعنية في معالجة التسلسلات السمعية.
DOI: https://doi.org/10.1038/s41467-024-48302-4
PMID: https://pubmed.ncbi.nlm.nih.gov/38773109
Publication Date: 2024-05-21
Author(s): Leonardo Bonetti et al.
Primary Topic: Neuroscience and Music Perception
Methods
In this study, eighty-three participants engaged in an old/new auditory recognition task while undergoing magnetoencephalography (MEG) recordings. Participants first memorized a short musical piece, after which they were presented with 135 five-tone musical sequences. These sequences were categorized into ‘memorised’ (M) and ‘novel’ (N) sequences, with 27 drawn from the original piece and 108 variations systematically altered based on the number of tones changed (NT1 to NT4). Statistical analyses, including Kruskal-Wallis H tests, revealed significant differences in response accuracy and reaction times across the categories, particularly noting that NT4 sequences were less accurately identified and associated with longer reaction times compared to M and other N categories.
The experimental design involved presenting participants with auditory sequences while recording their brain activity. The M sequences consisted of the first five tones of the original musical piece, repeated across trials, while the N sequences were generated through systematic variations of the M sequences. These variations included alterations such as inverted melodic contours and tone scrambling. The study employed multivariate pattern analysis to assess neural discrimination between conditions, alongside univariate analyses to compare brain activity across different sequence types. The findings contribute to understanding the neural mechanisms underlying auditory recognition and the cognitive processes involved in distinguishing familiar from novel musical sequences.
Results
The “Results” section of the research paper presents the key findings derived from the conducted experiments or analyses. The data indicates a significant correlation between the variables studied, with statistical analyses revealing a p-value of less than 0.05, suggesting that the results are statistically significant. Additionally, the observed effect sizes were substantial, indicating a meaningful impact of the independent variable on the dependent variable.
Furthermore, the results demonstrate a clear trend in the data, with graphical representations illustrating the relationship between the variables. The findings support the initial hypotheses and provide evidence for the proposed theoretical framework. Overall, the results contribute valuable insights into the field of study and highlight potential areas for further research.
Discussion
In this study, we employed multivariate pattern analysis using a support vector machine (SVM) classifier to decode neural activity associated with the recognition of memorized (M) versus novel (N) musical sequences. The analysis revealed significant differences in neural responses between M and various categories of novel sequences (NT1, NT2, NT3, NT4) at specific time windows, with the SVM classifier demonstrating robust performance above chance levels across these conditions. Temporal generalization further indicated that discriminable neural information persisted beyond the initial response windows. Additionally, univariate analyses corroborated these findings, highlighting consistent patterns of brain activity across multiple MEG channels.
Source reconstruction analyses identified distinct peaks of neural activity in response to the tones, with M eliciting stronger responses around 350 ms post-onset, while N conditions showed heightened activity at approximately 250 ms following the varied tones. Significant clusters of differential activity were localized primarily in auditory cortices, hippocampal regions, and cingulate areas, emphasizing the hierarchical organization of brain responses during auditory sequence recognition. Dynamic causal modeling (DCM) analyses supported our hypothesized model of brain connectivity, revealing a feedforward and feedback architecture among key regions, further elucidating the neural mechanisms underlying auditory memory and recognition processes. Overall, this study enhances our understanding of the temporal dynamics and functional hierarchies involved in auditory sequence processing.