Beyond spindles: interactions between sleep spindles and boundary frequencies during cued reactivation of motor memory representations
Notice bibliographique
Résumé
There is now ample evidence that sleep spindles play a critical role in the consolidation of newly acquired motor sequences. Previous studies have also revealed that the interplay between different types of sleep oscillations (e.g. spindles, slow waves, sharp-wave ripples) promotes the consolidation process of declarative memories. Yet the functional contribution of this type of frequency-specific interactions to motor memory consolidation remains unknown. Thus, this study sought to investigate whether spindle oscillations are associated with low- or high-frequency activity at the regional (local) and interregional (connectivity) levels. Using an olfactory-targeted memory reactivation paradigm paired to a motor sequence learning task, we compared the effect of cuing (Cond) to no-cuing (NoCond) on frequency interactions during sleep spindles. Time-frequency decomposition analyses revealed that cuing induced significant differential and localized changes in delta (1-4 Hz) and theta (4-8 Hz) frequencies before, during, and after spindles, as well as changes in high-beta (20-30 Hz) during the spindle oscillation. Finally, coherence analyses yielded significant increases in connectivity during sleep spindles in both theta and sigma (11-17 Hz) bands in the cued group only. These results support the notion that the synchrony between spindle and associated low- or high-frequency rhythmic activity is an integral part of the memory reactivation process. Furthermore, they highlight the importance of not only measuring spindles' characteristics, but to investigate such oscillations in both time and frequency domains when assessing memory consolidation-related changes.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».