当大脑休息以锁定记忆时，神经元在波动

即使没有意识到在处理记忆，记忆也会在大脑中产生共鸣。莱斯大学和密歇根医学院的一项新研究向理解为什么这些涟漪暗示了大脑如何分类和存储信息的更大图景迈出了一步。

由莱斯大学的Caleb Kemere和密歇根医学院的Kamran Diba领导的研究人员开发了一种工具来形成记忆的定量模型。他们的策略分析了动物在活动时，尤其是在休息时，瞬间穿过海马体及其他部位的神经元放电波。

研究人员的工作采用了机器学习中常用的隐马尔可夫模型来研究顺序模式。他们的模型表明，在休息期间从大脑收集的最小数据可以用来探索记忆是如何形成和保留的。

该团队的开放获取论文发表在该杂志上eLife．

长期以来，人们一直认为海马体神经元的放电模式对记忆的形成和存储很重要。海马体是大脑每个半球的海马形状组织。研究人员通过在大脑中植入电极进行实时监测来检测和测量这些模式。

“动物在奔跑时对环境进行记忆编码，”专攻神经科学的电子和计算机工程助理教授卡梅雷说。“当单个神经元在不同的地方被激活时，它们形成了一个空间地图。在我们的实验中，当它们醒着的时候，它们可能有40%到60%的时间在进行探索过程。

“但另外40%的人，他们要么在挠自己，要么在吃东西，要么在打瞌睡，”他说。“他们没有睡着，只是停了下来;我喜欢称之为自省。”

这些自省时期为反转通常的匹配过程的研究提供了关键数据大脑的活动当动物们活跃的时候。主要数据是在密歇根医学院神经回路和记忆实验室的副教授和负责人迪巴的指导下，在许多实验过程中收集的。

当这些动物探索来回的轨道或迷宫般的环境时，它们大脑中的电极会感应到与电波相关的尖锐脉冲神经活动称为种群爆发事件(PBEs)。在这些事件中，5万到10万个神经元都在100毫秒内被激活，并在大脑中发出尚未完全理解的涟漪。

其他地方的实验表明，当动物处于特定位置时，pbe包括海马体中位置细胞的激活。这些细胞以一定的顺序激发，帮助编程大脑的空间记忆和情景记忆，使动物能够建立其环境的内部地图。

但是新的实验忽略了活跃行为或探索过程中所有的神经活动，只依赖于动物暂停时收集的数据——总共约占实验时间的2%。研究小组的模型能够对“回忆”或“再激活”的爆发进行分类，这些爆发似乎代表了海马体中其他噪声信号的记忆。

研究人员认为，活跃动物体内的这些信号预示着组成位置场的细胞编码，并表明在休息的大脑中，pbe提供了一种方法来揭示记忆或空间地图，而无需直接观察这些细胞通常会放电的位置。

“我们意识到，在这些重新激活的时期有足够的数据，我们可以根据动物的记忆构建模型，”卡梅雷说。他说，这些结果与动物活动时产生的θ波的贝叶斯分析所代表的模式非常吻合。

迪巴说:“当我记录数据时，我最感兴趣的是动物奔跑时θ波振荡期间的神经元活动。”“然而，其余的信息是最有趣的方面。”

马尔可夫模型提供了一个模板，在这个模板上，记忆的碎片可以被组装起来。该论文的共同主要作者、莱斯大学研究生艾蒂安·阿克曼说:“马尔可夫动力学简单地说，你可以通过知道你当前的步骤来预测你的下一步。”“在那之前，你不需要知道自己的全部过去。

“在大脑中，我们认为这些步骤是我们无法直接看到的潜在状态，”他说。“它们真的很隐蔽。但当我们记录电活动时，我们可以观察到一些潜在状态的代理。它不能告诉我们大脑的内部状态，但它可以给我们足够的信息来使用隐马尔可夫模型对状态的顺序进行最佳猜测"

有了足够的序列，研究人员能够从统计上识别出那些代表环境记忆的序列，即使在实验没有监督的情况下，也就是说，没有数据直接将大脑活动与身体活动联系起来。

迪巴说:“我对它的工作效果感到惊讶，隐藏的马尔可夫模型捕获了大量关于环境的丰富信息。”迪巴的实验室帮助制定了识别事件的策略。

“这是一个很好的例子，说明了我们如何使用先进的机器学习技术大脑数据，”Kemere说。“当这些记忆被秘密表达时，它使我们能够看到记忆的结构。

他说:“通过海马体，你通常可以通过将记忆与动物行为相关联来看到记忆的结构。”“通过使用无监督学习，我们能够从没有行为的时期形成相同的结构。这揭示了这些隐秘记忆中难以置信的丰富性。”

Kemere说，新的模型可以用来分析现有的睡眠数据集。“我们早就知道动物睡眠、再激活和巩固过程仍在继续。”“我们可以收集数据，但我们真的不知道该怎么处理这些数据。”

他预计这些模型将帮助研究人员从代表梦境的信号、噪音甚至是遗忘无用的基本过程中，对记忆的形成进行分类数据．

“因为我们还没有一个很好的方法来定量评估某件事是好的记忆还是嘈杂的记忆，有很多关于睡眠和重新激活应该如何工作的假设，我们还无法测试，”卡梅雷说。“这将使我们能够理解内存在我们从未去过的地方。”