Transfer of motor learning is associated with patterns of activity in the default mode network
Notice bibliographique
Résumé
An often-desired feature of motor learning is that it generalizes to untrained scenarios. Yet, how this is supported by brain activity remains poorly understood. Here we show, using human functional MRI and a sensorimotor adaptation task involving the transfer of learning from the trained to untrained hand, that the transfer phase of adaptation re-instantiates a highly similar large-scale pattern of brain activity to that observed during initial adaptation. Notably, we find that these neural changes, rather than occurring at the level of sensorimotor regions, predominantly occur across distributed areas of higher-order transmodal cortex, specifically in regions of the default mode network (DMN). Moreover, we show that these learning-related neural changes relate to the structural properties of transmodal cortex (its myelin content and neurotransmitter receptor density), and that intersubject differences in DMN activity relate to both adaptation- and transfer-phase task performance. Together, these findings suggest that the transfer of learning across the hands is supported by the re-expression of the same activity patterns in the DMN as those that support initial learning. Collectively, these results offer a unique characterization of the whole-brain macroscale changes associated with sensorimotor learning and generalization, and establish a key role for higher-order brain areas, such as the DMN, in the transfer of learning to untrained scenarios.
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 | 0,000 |
| 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 | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| 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 ».