DOI: https://doi.org/10.1371/journal.pbio.3003740
PMID: https://pubmed.ncbi.nlm.nih.gov/41945608
تاريخ النشر: 2026-04-07
المؤلف: Xianhui He وآخرون
الموضوع الرئيسي: أبحاث النوم واليقظة
نظرة عامة
تستكشف هذه الدراسة الديناميات العصبية والمعرفية المعنية بكيفية إعادة تشكيل التجارب للتمثيلات الداخلية للعالم، تحديدًا من خلال تعلم التسلسل ودور النوم في توطيد هذه التغييرات. باستخدام تخطيط الدماغ الكهربائي عالي الكثافة وفك التشفير متعدد المتغيرات، وجد الباحثون أن تعلم التسلسلات الزمنية للمعلومات البصرية أدى إلى دمج التمثيلات اللاحقة خلال مهمة إدراكية لاحقة، حتى عندما لم تكن المعلومات الزمنية ذات صلة بالمهمة. ومن الجدير بالذكر أن الأفراد الذين أظهروا ذاكرة أفضل للتسلسلات أظهروا دمجًا أكبر للتمثيلات اللاحقة.
بالإضافة إلى ذلك، أشارت تحليلات التشابه التمثيلي إلى تحول في صيغة التمثيلات العصبية من ميزات بصرية منخفضة المستوى إلى خصائص تجريدية أعلى نتيجة للتعلم. كشفت الدراسة أيضًا أن كل من قوة وتحول هذه التمثيلات اللاحقة كانت مرتبطة بعلامات عصبية فسيولوجية للنوم بطيء الموجات خلال قيلولة ما بعد التعلم، وخاصة اقتران التذبذبات البطيئة والسبيندلات. تشير هذه النتائج إلى أن تعلم التسلسل يحدث تغييرات كبيرة في هندسة التمثيل البصري، والتي تعززها فسيولوجيا النوم، مما يوفر رؤى حول الآليات التي من خلالها يقوم الدماغ بتحديث نماذجه الداخلية استجابةً لأنماط البيئة.
مقدمة
تناقش مقدمة ورقة البحث كيف تؤثر التجارب الخارجية باستمرار على النموذج الداخلي للدماغ للعالم، مما يبرز الطبيعة الديناميكية لهذه التجارب. تسلط الضوء على العملية التي من خلالها لا يقوم الأفراد فقط بتشفير الأحداث المعزولة ولكن أيضًا بتشكيل علاقات منظمة بينها، كما يتضح من الفهم المتطور لطفل عن كلب الويلش كورجي. يقدم القسم نظرية “التمثيل اللاحق”، التي تفترض أن الدماغ يحتفظ بخريطة تنبؤية للحالات المستقبلية المتوقعة بناءً على التحولات الزمنية المتعلمة. لهذه النظرية آثار تتجاوز التعلم التعزيزي، مما يشير إلى أنها تلعب أيضًا دورًا في تنظيم الذاكرة العرضية البشرية.
تستعرض الورقة الأدلة التجريبية التي تشير إلى أن تعلم الانتظامات الزمنية يشكل هندسة التمثيل العصبي، حيث تكون التمثيلات للمحفزات القريبة زمنياً أكثر تشابهًا من تلك الخاصة بالمحفزات البعيدة. تثير أسئلة حاسمة حول ما إذا كان تعلم التسلسل يعزز التمثيلات المستقبلية وكيف يساهم النوم، وخاصة اقتران التذبذبات البطيئة والسبيندلات، في دمج التمثيلات اللاحقة. تهدف الدراسة إلى التحقيق في هذه الأسئلة من خلال مهام سلوكية، وتخطيط الدماغ الكهربائي عالي الكثافة (EEG)، وتحليل التشابه التمثيلي القائم على الشبكات العصبية العميقة (RSA). تشير النتائج الأولية إلى أنه يمكن فك تشفير التمثيلات اللاحقة في المهام اللاحقة، مع لعب فسيولوجيا النوم دورًا كبيرًا في هذا التحول.
الطرق
استخدمت الدراسة تصميمًا تجريبيًا صارمًا للتحقيق في توطيد الذاكرة من خلال النوم. شارك المشاركون أولاً في مهمة إدراكية تتضمن 50 صورة فريدة عبر خمس فئات (أشياء، وجوه، مشاهد، سلاسل حروف، وأجزاء الجسم)، حيث قاموا بتحديد الصور المتكررة بدقة عالية (المتوسط ± الانحراف المعياري: 98.32 ± 0.74%). تلت هذه المهمة مهمة “ساحة الذاكرة”، حيث تعلم المشاركون الترتيب الزمني والمكاني لنفس الصور المنظمة في تسلسلات فرعية. استمر التعلم حتى وصل المشاركون إلى معيار دقة لا يقل عن 66%، والذي تم تحديده بناءً على الترتيب الصحيح لزوجين متجاورين من الصور، مما يضمن الحساسية لتوطيد الذاكرة المرتبطة بالنوم.
بعد قيلولة لمدة ساعتين، تم خلالها جمع بيانات بوليسومنوغرافية، أكمل المشاركون مهمة تداخل تضمنت إعادة تشفير نفس الصور في تسلسلات وأماكن مكانية معدلة. كانت هذه المرحلة تهدف إلى تقييم تأثير التداخل على استرجاع الذاكرة. أشارت النتائج إلى أنه بينما كانت الأداء في استرجاع التسلسل الأصلي قويًا (73.4 ± 20.7%)، كان الأداء عند إعادة تقييمه مع تسميات تسلسل التداخل قريبًا من الحد الأدنى (2.04 ± 3.02%)، مما يشير إلى ارتباك ضئيل بين التسلسلات الأصلية وتلك الخاصة بالتداخل. سمح هذا التصميم بإجراء تحليل شامل لتأثيرات النوم على توطيد الذاكرة ومرونة التسلسلات المتعلمة ضد التداخل.
النتائج
في هذه الدراسة، شارك المشاركون في مهمة إدراكية تتضمن 50 صورة فريدة عبر خمس فئات (أشياء، وجوه، مشاهد، سلاسل حروف، وأجزاء الجسم) تم تقديمها بترتيب زائف عشوائي. تم توجيههم للضغط على زر عند تكرار صورة (10% من التجارب المستهدفة) في مهمة “1-back”. بعد ذلك، أكمل المشاركون مهمة “ساحة الذاكرة”، حيث تم عرض نفس الصور في تسلسلات زمنية ثابتة وأماكن مكانية، مما تطلب منهم حفظ كل من هوية وموقع كل صورة. تم تنظيم الصور في تسلسلات فرعية بناءً على ترتيب فئات ثابتة، مع إدخال صور أجزاء الجسم لإخفاء التسلسلات الرئيسية.
خضع المشاركون لكتلتين من التعرض تلاهما كتلة اختبار لإعادة بناء التسلسل وتخطيط الصور. بعد تحقيق معيار تعلم دقة 66% (دقة تسلسل متوسطة 79.5 ± 12.1%)، أخذوا قيلولة لمدة ~2 ساعة. تم تقييم دقة الذاكرة قبل وبعد النوم، جنبًا إلى جنب مع تكرار المهمة الإدراكية. لتعزيز الحساسية لتوطيد الذاكرة المعتمد على النوم، تعلم المشاركون تسلسل تداخل مع نفس الصور مرتبة بترتيب مختلف، محققين دقة متوسطة قدرها 16.3 ± 12.7%. كما قامت الدراسة بتحليل النشاط العصبي خلال المهام الإدراكية واستخدمت تسجيلات EEG للنوم للتحقيق في تأثير فسيولوجيا النوم على التغييرات في التمثيلات اللاحقة مع التعلم.
المناقشة
في هذه الدراسة، حقق المؤلفون في كيفية تأثير تعلم تسلسل الصور الزمكانية على التمثيلات العصبية، مع التركيز بشكل خاص على التمثيلات اللاحقة، التي تتنبأ بالحالات المستقبلية بناءً على التجارب السابقة. أظهر المشاركون تحسينات كبيرة في دقة الذاكرة بعد التعلم، حيث كشفت تحليلات فك التشفير العصبي أن الصور اللاحقة تم تمثيلها في الدماغ بدقة فوق الصدفة خلال مهمة إدراكية لاحقة، بينما لم تظهر التمثيلات السابقة تأثيرات مماثلة. ومن الجدير بالذكر أن قوة التمثيلات اللاحقة كانت مرتبطة بأداء الذاكرة الفوري بعد التعلم، مما يشير إلى أن استرجاعًا أفضل مرتبط بتشفير أكثر قوة للتمثيلات اللاحقة. بالإضافة إلى ذلك، أشار التحليل إلى تحول في صيغة التمثيل من ميزات بصرية منخفضة المستوى إلى خصائص تجريدية أعلى بعد التعلم، كما تم تقييمه من خلال تحليل التشابه التمثيلي (RSA) باستخدام نموذج شبكة عصبية عميقة.
استكشفت الدراسة أيضًا دور النوم، وخاصة النوم بطيء الموجات (SWS) واقتران التذبذبات البطيئة (SOs) مع السبيندلات، في تسهيل دمج التمثيلات اللاحقة. أشارت النتائج إلى أن النسب الأعلى من SWS واقتران SO-سبيندل الأقوى كانت مرتبطة بزيادة قوة التمثيل اللاحق وتحول نحو صيغ أكثر تجريدًا. تشير هذه النتائج إلى أن خصائص نوم NREM المحددة تلعب دورًا حاسمًا في توطيد التسلسلات المتعلمة وإعادة تشكيل التمثيلات العصبية، مما يعزز قدرات الدماغ التنبؤية بشأن الأحداث المستقبلية. بشكل عام، تسهم هذه الأبحاث في فهمنا لكيفية تفاعل التعلم التسلسلي والنوم للتأثير على الذاكرة والعمليات المعرفية، مما يبرز أهمية التمثيلات اللاحقة في الذاكرة العرضية والنمذجة التنبؤية.
DOI: https://doi.org/10.1371/journal.pbio.3003740
PMID: https://pubmed.ncbi.nlm.nih.gov/41945608
Publication Date: 2026-04-07
Author(s): Xianhui He et al.
Primary Topic: Sleep and Wakefulness Research
Overview
This study explores the neural and cognitive dynamics involved in how experiences reshape internal representations of the world, specifically through sequence learning and the role of sleep in consolidating these changes. Utilizing high-density electroencephalography and multivariate decoding, the researchers found that learning temporal sequences of visual information led to the integration of successor representations during a subsequent perceptual task, even when temporal information was not relevant to the task. Notably, individuals who demonstrated better memory for sequences showed a greater incorporation of successor representations.
Additionally, representational similarity analyses indicated a shift in the format of neural representations from low-level visual features to higher-level abstract properties as a result of learning. The study further revealed that both the strength and transformation of these successor representations were correlated with neurophysiological markers of slow-wave sleep during a post-learning nap, particularly the coupling of slow oscillations and spindles. These findings suggest that sequence learning induces significant changes in visual representational geometry, which are reinforced by sleep physiology, thereby providing insights into the mechanisms by which the brain updates its internal models in response to environmental patterns.
Introduction
The introduction of the research paper discusses how external experiences continuously influence the brain’s internal model of the world, emphasizing the dynamic nature of these experiences. It highlights the process by which individuals not only encode isolated events but also form structured relationships between them, as illustrated by a child’s evolving understanding of a Welsh Corgi. The section introduces the ‘successor representation’ theory, which posits that the brain maintains a predictive map of expected future states based on learned temporal transitions. This theory has implications beyond reinforcement learning, suggesting it also plays a role in organizing human episodic memory.
The paper reviews empirical evidence indicating that learning temporal regularities shapes neural representational geometry, where representations of temporally proximal stimuli are more similar than those of distant stimuli. It raises critical questions about whether sequence learning enhances prospective representations and how sleep, particularly slow oscillation-spindle coupling, contributes to the incorporation of successor representations. The study aims to investigate these questions through behavioral tasks, high-density electroencephalography (EEG), and deep neural network-based representational similarity analysis (RSA). Preliminary findings indicate that successor representations can be decoded in subsequent tasks, with sleep physiology playing a significant role in this transformation.
Methods
The study employed a rigorous experimental design to investigate memory consolidation through sleep. Participants first engaged in a perceptual task involving 50 unique images across five categories (objects, faces, scenes, letter strings, and body parts), where they identified repeated images with high accuracy (mean ± SD: 98.32 ± 0.74%). This task was followed by the ‘Memory Arena’ task, where participants learned the sequential and spatial arrangement of the same images organized into subsequences. Learning continued until participants reached a criterion of at least 66% accuracy, which was determined based on the correct ordering of adjacent image pairs, ensuring sensitivity to sleep-related memory consolidation.
After a 2-hour nap, during which polysomnographic data were collected, participants completed an interference task that involved re-encoding the same images in altered sequences and spatial locations. This phase aimed to assess the impact of interference on memory retrieval. The results indicated that while performance on the original sequence retrieval was robust (73.4 ± 20.7%), performance when rescored with interference-sequence labels was near floor (2.04 ± 3.02%), suggesting minimal confusion between the original and interference sequences. This design allowed for a comprehensive analysis of the effects of sleep on memory consolidation and the resilience of learned sequences against interference.
Results
In this study, participants engaged in a perceptual task involving 50 unique images across five categories (objects, faces, scenes, letter strings, and body parts) presented in a pseudorandom order. They were instructed to press a button upon the repetition of an image (10% target trials) in a “1-back” task. Following this, participants completed the “Memory Arena” task, where the same images were shown in fixed temporal sequences and spatial locations, requiring them to memorize both the identity and location of each image. The images were organized into subsequences based on two fixed category orders, with body part images interspersed to obscure the primary sequences.
Participants underwent two exposure blocks followed by a test block to reconstruct the sequence and layout of images. After achieving a learning criterion of 66% accuracy (median sequence accuracy of 79.5 ± 12.1%), they took a ~2-hour nap. Memory accuracy was assessed before and after sleep, alongside a repetition of the perceptual task. To enhance sensitivity to sleep-dependent consolidation, participants learned an interference sequence with the same images arranged in a different order, achieving a median accuracy of 16.3 ± 12.7%. The study also analyzed neural activity during the perceptual tasks and utilized sleep EEG recordings to investigate the influence of sleep physiology on changes in successor representations with learning.
Discussion
In this study, the authors investigated how learning a spatio-temporal image sequence influences neural representations, particularly focusing on successor representations, which are predictive of future states based on prior experiences. Participants demonstrated significant improvements in memory accuracy following learning, with neural decoding analyses revealing that successor images were represented in the brain with above-chance accuracy during a subsequent perceptual task, while predecessor representations did not show similar effects. Notably, the strength of successor representations correlated with immediate post-learning memory performance, suggesting that better recall is linked to more robust successor encoding. Additionally, the analysis indicated a shift in representational format from low-level visual features to higher-level abstract properties after learning, as assessed through representational similarity analysis (RSA) with a deep neural network model.
The study further explored the role of sleep, particularly slow-wave sleep (SWS) and the coupling of slow oscillations (SOs) with sleep spindles, in facilitating the integration of successor representations. Results indicated that higher proportions of SWS and stronger SO-spindle coupling were associated with enhanced successor representational strength and a shift towards more abstract formats. These findings suggest that specific NREM sleep characteristics play a crucial role in consolidating learned sequences and reshaping neural representations, thereby enhancing the brain’s predictive capabilities regarding future events. Overall, the research contributes to our understanding of how sequential learning and sleep interact to influence memory and cognitive processes, emphasizing the importance of successor representations in episodic memory and predictive modeling.