Human motor sequence learning drives transient changes in network topology and hippocampal connectivity early during memory consolidation
Notice bibliographique
Résumé
In the last decade, the exclusive role of the hippocampus in human declarative learning has been challenged. Recently, we have shown that gains in performance observed in motor sequence learning (MSL) during the quiet rest periods interleaved with practice are associated with increased hippocampal activity, suggesting a role of this structure in motor memory reactivation. Yet, skill also develops offline as memory stabilizes after training and overnight. To examine whether the hippocampus contributes to motor sequence memory consolidation, here we used a network neuroscience strategy to track its functional connectivity offline 30 min and 24 h post learning using resting-state functional magnetic resonance imaging. Using a graph-analytical approach we found that MSL transiently increased network modularity, reflected in an increment in local information processing at 30 min that returned to baseline at 24 h. Within the same time window, MSL decreased the connectivity of a hippocampal-sensorimotor network, and increased the connectivity of a striatal-premotor network in an antagonistic manner. Finally, a supervised classification identified a low-dimensional pattern of hippocampal connectivity that discriminated between control and MSL data with high accuracy. The fact that changes in hippocampal connectivity were detected shortly after training supports a relevant role of the hippocampus in early stages of motor memory consolidation.
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 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».