Aprendizagem relacionada à idade e comprometimento da memória operacional no sagui comum, parte 2

Programas

As tarefas cognitivas foram programadas usando o software Animal Behavior Environment Test (ABET) Cognition (Lafayette Instrument Company) que controlou todos os aspectos da tarefa, incluindo o número e a ordem das tentativas, o tempo, a seleção dos estímulos e a localização da exibição, e a entrega de recompensas líquidas.

Com a melhoria dos padrões de vida, cada vez mais pessoas na sociedade moderna escolhem vários métodos de estimulação para enriquecer as suas vidas. Esses métodos de simulação podem incluir viagens, jogos, esportes, música, etc. Eles não apenas podem deixar as pessoas felizes, mas esses estímulos também podem ter alguns efeitos positivos no corpo e na mente das pessoas, um dos quais é melhorar a memória.

Em primeiro lugar, a selecção de estímulos pode aumentar até certo ponto o interesse e a atenção da aprendizagem das pessoas. Quando as pessoas sentem algum tipo de estímulo, como viajar para um novo país ou experimentar um novo esporte, elas abrirão a curiosidade e ficarão mais focadas em aprender e explorar esse novo campo. Esta atenção mais estável pode ajudar as pessoas a dominar melhor novos conhecimentos e habilidades, melhorando assim a memória e a eficiência da aprendizagem.

Em segundo lugar, a selecção de estímulos também pode estimular os neurónios no cérebro das pessoas e promover a geração e solidificação de memórias. Quando as pessoas experimentam coisas novas, os neurônios do cérebro são estimulados de maneira diferente, estimulando as interações entre os neurônios. Esta estimulação promove mais conexões sinápticas e aumenta as conexões entre diferentes áreas, ajudando as pessoas a armazenar e integrar melhor diferentes informações e experiências. Portanto, a seleção de estímulos desempenha um papel importante na melhoria da memória das pessoas.

Finalmente, a selecção de estímulos também pode promover a saúde física e a vida social das pessoas, melhorando assim indirectamente a memória e as capacidades cognitivas. Por exemplo, a participação em vários desportos pode promover a saúde física e melhorar a aptidão física, ao mesmo tempo que ajuda as pessoas a manter o pensamento claro e as funções cognitivas. Ao mesmo tempo, as pessoas também podem conhecer mais pessoas e expandir os seus círculos sociais através de viagens, desporto, música, etc., o que também contribui para melhorar o estado mental das pessoas, ajudando assim indirectamente a melhorar a memória e as capacidades cognitivas.

Em resumo, existe uma forte relação entre a seleção de estímulos e a memória. Ao escolher vários métodos de estimulação, as pessoas podem não só enriquecer as suas vidas, mas também ajudar-se a aprender e dominar melhor novos conhecimentos e competências, melhorando assim a sua memória e capacidades cognitivas e mostrando-se melhor. Percebe-se que precisamos melhorar a memória, e a Cistanche deserticola pode melhorar significativamente a memória, pois a Cistanche deserticola também pode regular o equilíbrio dos neurotransmissores, como aumentar os níveis de acetilcolina e fatores de crescimento. Estas substâncias são muito importantes para a memória e a aprendizagem. Além disso, a carne também pode melhorar o fluxo sanguíneo e promover o fornecimento de oxigênio, o que pode garantir que o cérebro receba nutrientes e energia suficientes, melhorando assim a vitalidade e a resistência do cérebro.

Clique em Saber para melhorar a memória de curto prazo

O software também registrou diversas medidas de desempenho da tarefa, incluindo número de tentativa, respostas corretas e incorretas, a localização na tela da escolha correta e do local escolhido, e latência de resposta.

Os estímulos para todas as tarefas incluíam formas simples e imagens de clipart em preto e branco, 3,5 3,5 cm exibidas em um fundo preto (ver Figs. 2E, 3A para exemplos de estímulos).

análise estatística

Os dados foram analisados ​​usando MATLAB (MathWorks). Os testes de Kolmogorov-Smirnov determinaram que os dados não eram distribuídos normalmente e, portanto, análises estatísticas não paramétricas foram utilizadas ao longo do estudo.

Portanto, as correlações foram avaliadas usando correlações de ordem de classificação de Spearman, testes de Scheirer Ray Hare foram usados ​​para avaliar interações de dois fatores ao longo do tempo, e testes de Friedman com testes post hoc de Nemenyi, ou testes de postos sinalizados de Wilcoxon, foram usados ​​para identificar diferenças dentro dos fatores.

O desempenho foi comparado com o acaso usando x2 Goodness of FitTests. Os níveis de chance foram determinados através de uma simulação de Monte Carlo e p, 0,05 foi considerado significativo.

Teste cognitivo

Treinamento de toque

Os saguis eram ingênuos em relação aos testes cognitivos no início do estudo. Portanto, eles foram primeiro treinados para tocar na tela para ganhar recompensas fluidas. O processo de treinamento de toque teve três etapas. Os objetivos do primeiro estágio eram habituar os saguis à estação de tela sensível ao toque, incentivar o envolvimento físico com a tela e o coletor de recompensas e associar o toque na tela e a entrega da recompensa.

Para isso, uma substância doce (Marshmallow Fluff) foi aplicada na tela, em pequenas quantidades, em cada um dos nove locais acessíveis pela máscara. Quando a sessão de treinamento começou, estímulos-alvo quadrados azuis apareceram em cada um dos nove locais, sob o Fluff. Quando os saguis tocaram a tela para obter o Fluff, um toque foi detectado e 0,2 ml de recompensa foram dispensados ​​na pia abaixo da tela. O comportamento do marmoset foi observado remotamente por meio de câmeras habilitadas para Ethernet (RLK16-410B8, Reolink).

Os animais foram observados para identificar quando aprenderam que tocar na tela causava a distribuição de uma recompensa. Seu comportamento mudou à medida que aprenderam essa associação. No início do treinamento, os macacos só consumiam recompensas quando notavam acúmulo na pia. Quando a associação foi feita, porém, o comportamento do macaco mudou e, imediatamente após cada toque na tela, eles consumiram a recompensa da pia antes de tocar a tela novamente. Uma vez estabelecida essa associação, começou o segundo estágio do treinamento de toque.

Os objetivos do segundo estágio eram caracterizar as respostas dos saguis a cada um dos nove possíveis locais de exibição de estímulos e treinar os saguis para que apenas os locais com estímulos tivessem o potencial de recompensas de produção de brinquedos quando selecionados. Inicialmente, todos os nove locais tinham alvos. À medida que o treinamento continuou durante aproximadamente cinco sessões diárias de treinamento, o número de estímulos-alvo apresentados na tela em cada tentativa diminuiu gradualmente de nove alvos para um.

Durante esta fase, Fluff não foi mais aplicado à tela, e as seleções corretas de alvos foram recompensadas com 0,2 ml de recompensa. Cada estímulo alvo foi colocado em um local selecionado aleatoriamente. Depois que os saguis tocaram com segurança o alvo posicionado aleatoriamente, o terceiro e último estágio do treinamento de toque começou. O objetivo do terceiro estágio era manter um envolvimento robusto com a tarefa e, ao mesmo tempo, reduzir o volume de recompensas obtidas por cada resposta.

A cada tentativa desta terceira etapa, um estímulo era exibido na tela em local escolhido aleatoriamente. Os volumes de recompensa foram reduzidos de {{0}},2 ml por resposta para um volume final de 0,05 ml por resposta, de maneira gradual, durante aproximadamente quatro sessões de treinamento diárias.

DRST (Fig. 3A)

A Delayed Recognition Span Task (DRST) mede a capacidade da memória de trabalho. Cada tentativa do DRST foi iniciada pelo sagui tocando um estímulo quadrado azul no centro da tela. Em seguida, um único estímulo em preto e branco, sorteado aleatoriamente de um conjunto de 400 imagens, foi exibido na tela em um dos nove locais possíveis, também selecionados aleatoriamente.

Quando o sagui tocou esse primeiro estímulo, uma pequena recompensa líquida foi distribuída. Após um atraso 2-, durante o qual a tela ficou em branco, duas escolhas alternativas forçadas foram apresentadas com o estímulo original aparecendo em seu local original e um segundo estímulo novo aparecendo em um local diferente selecionado pseudo-aleatoriamente.

Se o sagui selecionasse o novo objeto, uma resposta correta era registrada, uma recompensa líquida era distribuída e outro 2- atraso seguia. Após o atraso, os dois primeiros estímulos apareceram em seus locais originais, e um terceiro estímulo novo também apareceu, em um local escolhido pseudo-aleatoriamente. O sagui foi novamente recompensado pela escolha do novo estímulo. Novos estímulos foram adicionados após atrasos subsequentes até que o teste fosse encerrado de uma das três maneiras: (1) o sagui fez nove seleções corretas seguidas; (2) o sagui não conseguiu fazer uma seleção dentro de 12-s (isto é, omitido); (3) o sagui deu uma resposta incorreta (isto é, selecionou um estímulo não novo).

No caso de omissão ou resposta incorreta, nenhuma recompensa foi concedida e um período de tempo limite 5- começou antes do início de um novo teste. Para cada tentativa, o número de estímulos selecionados corretamente antes do término da tentativa foi registrado como o Comprimento Final do Span (FSL). Os volumes de recompensa aumentaram com o aumento da dificuldade da tentativa para incentivar o envolvimento contínuo na tarefa.

Especificamente, os saguis ganharam {{0}}.05 ml de recompensa para respostas corretas quando um estímulo estava na tela, 0,1 ml de recompensa para respostas corretas quando dois, três ou quatro estímulos estavam na tela. tela e 0,2 ml de recompensa para respostas corretas quando cinco, seis, sete, oito ou nove estímulos estavam na tela. O número de objetos na tela é referido abaixo como níveis de dificuldade de teste (TDLs).

Cada sagui foi testado 2 a 5 dias por semana, e cada sessão de teste foi encerrada após 3 horas, ou depois que o sagui ganhou 20 ml de recompensa, o que ocorrer primeiro.

Tarefa de Tempo de Reação (Fig. 7A)

A Tarefa de Tempo de Reação (RTT) mede o tempo necessário para o sagui estender a mão e tocar na tela. Foi usado para distinguir alterações relacionadas à idade na velocidade motora não cognitiva de alterações relacionadas à idade no desempenho da tarefa de memória de trabalho (DRST). Cada tentativa do RTT foi iniciada pelo sagui tocando um estímulo quadrado verde no centro da tela.

Então, um alvo apareceu em um dos nove locais escolhidos pseudo-aleatoriamente. Quando o sagui tocou o alvo, o sagui ansiava por uma recompensa líquida de 0,1-ml, e a quantidade de tempo decorrido entre o início do alvo e a seleção pelo sagui foi registrada como o tempo de reação nessa tentativa.

Os saguis tiveram uma sessão prática para aprender a tarefa e, em seguida, os dados foram coletados de dez sessões de teste subsequentes. Cada uma das 10 sessões de teste foi concluída quando os saguis realizaram 108 tentativas ou 1 hora havia decorrido desde o início da sessão de teste.

Tarefa de Razão Progressiva (PRT; Fig. 7B)

A Tarefa de Razão Progressiva (PRT) mede a motivação. Foi usado para distinguir as mudanças relacionadas à idade na motivação não cognitiva das mudanças relacionadas à idade no desempenho do DRST. Cada tentativa do PRT iniciava-se com a apresentação de um estímulo no meio da tela.

Os saguis foram recompensados ​​por tocar o estímulo sob um cronograma de reforço de proporção progressiva, onde os requisitos de resposta aumentaram durante uma sessão de teste.

O requisito de resposta inicial era um toque para ganhar uma recompensa. Assim que o macaco satisfazia um requisito de resposta, o estímulo era removido da tela, a recompensa era distribuída e então o estímulo era recolocado na tela. O requisito de resposta aumentou em um até que oito requisitos de resposta fossem concluídos e, posteriormente, dobrou após cada oito requisitos de resposta serem concluídos a partir de então.

Os requisitos de resposta específicos utilizados foram:(incremento=1) 1, 2, 3, 4, 5, 6, 7, 8; (incremento=2) 10, 12, 14, 16, 18,20, 22, 24; (incremento=4) 28, 32, 36, 40, 44, 48, 52, 56; etc. As sessões de teste foram concluídas quando decorreu 1 hora ou o sagui atingiu o requisito de resposta de 120 toques. Os saguis tiveram uma sessão prática para aprender a tarefa e, em seguida, os dados foram coletados em três sessões de teste subsequentes.

Resultados

DRST

Para avaliar se os saguis demonstram comprometimento da memória de trabalho relacionado à idade, implementamos uma versão touch screen da Tarefa de Reconhecimento Atrasado em uma coorte de animais em uma ampla faixa etária.

Nesta tarefa, os saguis iniciavam um teste e eram então recompensados ​​por tocarem um único estímulo visual (um “objeto”) que aparecia na tela. Após um breve atraso, durante o qual a tela ficou em branco, os saguis foram recompensados ​​por identificarem o novo objeto em uma escolha forçada de duas alternativas. Se correto, um breve atraso foi seguido pelo aparecimento de três objetos; os dois que foram vistos anteriormente no julgamento e um romance.

Após cada resposta correta, uma recompensa era entregue e um objeto adicional era adicionado ao array. Quando um sagui escolhia um objeto não novo, o teste terminava sem recompensa e a sequência do teste começava novamente.

A principal medida usada para avaliar o desempenho do DRST foi o Final Span Length (FSL). Tal como em trabalhos anteriores (Herndon et al., 1997; Moss et al., 1997; Killiany et al., 2000; Moore et al., 2017), esta medida quantifica a capacidade de memória de trabalho do animal e é definida como o número de estímulos que o sagui relatado corretamente como novo em cada ensaio.

As curvas de aprendizado de dados brutos para cada animal, plotadas como uma função do FSL ao longo do tempo, foram suavizadas usando uma média móvel ponderada gaussiana em uma2000-janela de teste (Fig. 3B), e uma simulação de Monte Carlo foi usada para modelar o desempenho do acaso .

Analisamos o desempenho durante três fases distintas ao longo da curva de aprendizado de cada sagui, designadas como "Novato", "Aprendiz" e "Especialista". A Fase Iniciante foi definida como as tentativas em que o desempenho não se desviou do esperado pelo acaso e teve início com a primeira tentativa já realizada. O final da Fase Iniciante foi determinado usando testes de qualidade de ajuste de Kolmogorov-Smirnov para identificar o ponto inicial onde 100 distribuições FSL medidas experimentalmente sucessivas diferiram significativamente de uma distribuição nula extraída das simulações de Monte Carlo.

A Fase de Aprendizagem começou imediatamente após a Fase de Iniciante e terminou na fase de teste antes do percentil 90 de desempenho. A ExpertPhase abrangeu ensaios com desempenho entre os percentis 90 e 100, inclusive.

Essas fases eram distintas umas das outras, sem que nenhum ensaio se enquadrasse em categorias múltiplas. Para validar essas definições de fase, testamos se, como esperado, o desempenho médio aumentou significativamente nas três fases e descobrimos que sim (Fig. 3C; teste não paramétrico de Friedman: x2(2)=30, p=3.1 107); testes post hocNemenyi pareados: Iniciante vs Aluno: p=0,017; Iniciante vs Especialista:p=1.4 107; Aluno vs Especialista: p=0.017).

For more information:1950477648nn@gmail.com