♻️چگونگی #تصمیم گیری در #مغز تحت تاثیر فعالیت #دوپامین است.
#Dynamic #Nigrostriatal #Dopamine #Biases #Action #Selection
در پژوهشی که به تازگی توسط متخصصان نوروساینس انستیتو سالک در لایولا کالیفرنیا 🇺🇸صورت گرفته است، مشخص شد سطح #غلظت #دوپامین درست پیش از تصمیم گیری شاخصی دقیق از چگونگی انتخاب گزینه و اتخاذ تصمیم را مشخص می سازد به گونه ای که می توان با سنجش سطح دوپامین با دقت بالایی نوع و #کیفیت #تصمیمات فرد را تعیین نمود.
ازآنجا که مغز نمی تواند بیش از یک انتخاب را در هر لحظه بطور #خودآگاه پردازش نماید، #سیستم #مغزی بطور ثابت تصمیماتی برای اینکه حرکت بعدی چه باشد، می گیرد (#تصمیم گیری #متوالی). برای این کار ارتباط هماهنگ بین #کرتکس و #جسم_مخطط که فعالیت دوپامینی دارد صورت می گیرد.
برای انتخاب فعالیت، پیام دهی دوپامینی #جسم #سیاه-#جسم #مخطط صورت می گیرد. دستکاری های #اپتوژنتیک از دو طرف می توانند این فعالیت دوپامینی و انتخاب عمل را تغییر دهند.
همچنین مشخص شد که تغییر سطح دوپامین مغزی براحتی انتخاب بعدی پیش روی فرد را تغییر می دهد. چنین تغییری با تغییر الگوهای فعالیت جسم مخطط صورت می گیرد. نتایج این تحقیق از آن جهت پر اهمیت هستند که در اختلالات مرتبط با دوپامین نظیر #پارکینسون، #وسواس (#OCD)، و انواع #سوءمصرف مواد، فرد ناتوان از تغییر تصمیمات خویش است و بنظر می رسد با تغییر سطوح دوپامین بتوان به اصلاح #کنشوری این افراد دست یافت.
Abstract
#Dopamine is thought to play a #critical role in #reinforcement #learning and #goal-directed #behavior, but its #function in #action selection remains largely unknown. Here we demonstrate that #nigrostriatal dopamine biases #ongoing #action #selection. When mice were trained to dynamically switch the action selected at different time points, changes in firing rate of nigrostriatal dopamine neurons, as well as dopamine signaling in the dorsal striatum, were found to be associated with action selection. This dopamine profile is specific to# behavioral choice, scalable with #interval duration, and doesn’t reflect reward #prediction error, #timing, or #value as single factors alone. Genetic deletion of #NMDA receptors on dopamine or striatal neurons or #optogenetic manipulation of dopamine concentration alters dopamine signaling and biases action selection. These results unveil a crucial role of nigrostriatal dopamine in integrating diverse information for regulating upcoming actions, and they have important implications for neurological disorders, including #Parkinson’s disease and #substance dependence.
لینک منبع 👇🏻(further reading)👇🏻
http://www.cell.com/neuron/fulltext/S0896-6273(17)30137-X
✅(در صورت جذابیت و علاقمندی به موضوع، مطلب را برای دیگران نیز بازنشر فرمایید).
📢کانال #دکترامیرمحمدشهسوارانی
🍃🌹🌸💐🌸🌹🍃
@DrAmirMohammadShahsavarani
#Dynamic #Nigrostriatal #Dopamine #Biases #Action #Selection
در پژوهشی که به تازگی توسط متخصصان نوروساینس انستیتو سالک در لایولا کالیفرنیا 🇺🇸صورت گرفته است، مشخص شد سطح #غلظت #دوپامین درست پیش از تصمیم گیری شاخصی دقیق از چگونگی انتخاب گزینه و اتخاذ تصمیم را مشخص می سازد به گونه ای که می توان با سنجش سطح دوپامین با دقت بالایی نوع و #کیفیت #تصمیمات فرد را تعیین نمود.
ازآنجا که مغز نمی تواند بیش از یک انتخاب را در هر لحظه بطور #خودآگاه پردازش نماید، #سیستم #مغزی بطور ثابت تصمیماتی برای اینکه حرکت بعدی چه باشد، می گیرد (#تصمیم گیری #متوالی). برای این کار ارتباط هماهنگ بین #کرتکس و #جسم_مخطط که فعالیت دوپامینی دارد صورت می گیرد.
برای انتخاب فعالیت، پیام دهی دوپامینی #جسم #سیاه-#جسم #مخطط صورت می گیرد. دستکاری های #اپتوژنتیک از دو طرف می توانند این فعالیت دوپامینی و انتخاب عمل را تغییر دهند.
همچنین مشخص شد که تغییر سطح دوپامین مغزی براحتی انتخاب بعدی پیش روی فرد را تغییر می دهد. چنین تغییری با تغییر الگوهای فعالیت جسم مخطط صورت می گیرد. نتایج این تحقیق از آن جهت پر اهمیت هستند که در اختلالات مرتبط با دوپامین نظیر #پارکینسون، #وسواس (#OCD)، و انواع #سوءمصرف مواد، فرد ناتوان از تغییر تصمیمات خویش است و بنظر می رسد با تغییر سطوح دوپامین بتوان به اصلاح #کنشوری این افراد دست یافت.
Abstract
#Dopamine is thought to play a #critical role in #reinforcement #learning and #goal-directed #behavior, but its #function in #action selection remains largely unknown. Here we demonstrate that #nigrostriatal dopamine biases #ongoing #action #selection. When mice were trained to dynamically switch the action selected at different time points, changes in firing rate of nigrostriatal dopamine neurons, as well as dopamine signaling in the dorsal striatum, were found to be associated with action selection. This dopamine profile is specific to# behavioral choice, scalable with #interval duration, and doesn’t reflect reward #prediction error, #timing, or #value as single factors alone. Genetic deletion of #NMDA receptors on dopamine or striatal neurons or #optogenetic manipulation of dopamine concentration alters dopamine signaling and biases action selection. These results unveil a crucial role of nigrostriatal dopamine in integrating diverse information for regulating upcoming actions, and they have important implications for neurological disorders, including #Parkinson’s disease and #substance dependence.
لینک منبع 👇🏻(further reading)👇🏻
http://www.cell.com/neuron/fulltext/S0896-6273(17)30137-X
✅(در صورت جذابیت و علاقمندی به موضوع، مطلب را برای دیگران نیز بازنشر فرمایید).
📢کانال #دکترامیرمحمدشهسوارانی
🍃🌹🌸💐🌸🌹🍃
@DrAmirMohammadShahsavarani
♻️شناسایی #ساختارهای #مغزی دخیل در #حیرت و #شگفتی
A Novel #Neural #Prediction #Error #Found in #Anterior #Cingulate #Cortex Ensembles
پژوهشهای جدید محققان روانشناسی دانشگاه نوادا 🇺🇸 نقش #کرتکس #قدامی #سینگولیت (#ACC) در #هدایت #پاسخ ها و #سازگاری با اتفاقات شگفت انگیز را مشخص نموده است.
🔬در این پژوهش که بر #موش ها صورت گرفته است #پتانسیل های #وابسته به #رخداد (#ERP) در مغز توسط #QEEG ثبت شد. در این پژوهش که بر پایه بررسی #منفی گرایی وابسته به خطا/بازخورد (#FN) در پاسخ به مواجهه با پاسخ هایی که انتظار آنها نمی رفت انجام شد، همان امواجی ثبت شدند که دقیقاً در #مغز #انسان نیز تولید می شوند.
📚نتایج پژوهش مدارهایی عصبی را در ACC مشخص ساختند که پاسخ های مورد انتظار را به عنوان #بازنمایی های #انتزاعی #پیامدها رمزگذاری می کنند. میزان بازنمایی پاداش بخش بودن پیامد، وابستگی کامل به سابقه حافظه از آن رخداد داشت. #خطای پیش بینی زمانی بوقوع می پیوست که پیامد تجربه شده متفاوت از پیامدهای مورد انتظار بودند. این پیامهای عصبی درست در زمانی در ACC تولید شدند که در حالت عادی در زمان تجربه پاسخ مورد انتظار پیام در همان محل مغزی تولید می شد.
Summary
The function of the #anterior #cingulate #cortex (#ACC) remains controversial, yet many theories suggest a role in #behavioral #adaptation, partly because a robust #event-related potential (#ERP), the #feedback-related #negativity (#FN), is evoked over the ACC whenever expectations are violated. We recorded from the ACC as #rats performed a task identical to one that reliably evokes an FN in #humans. A subset of #neurons was found that encoded expected outcomes as #abstract #outcome representations. The degree to which a #reward/non-reward outcome representation emerged during a trial depended on the history of outcomes that preceded it. A prediction error was generated on incongruent trials as the ensembles shifted from representing the expected to the actual outcome, at the same time point we have previously reported an FN in the local field potential. The results describe a novel mode of prediction error signaling by ACC neurons that is associated with the generation of an FN.
لینک منبع 👇🏻(further reading)👇🏻
http://www.cell.com/neuron/fulltext/S0896-6273(17)30545-7
✅(در صورت جذابیت و علاقمندی به موضوع، مطلب را برای دیگران نیز بازنشر فرمایید).
📢کانال #دکترامیرمحمدشهسوارانی
🍃🌹🌸💐🌸🌹🍃
@DrAmirMohammadShahsavarani
A Novel #Neural #Prediction #Error #Found in #Anterior #Cingulate #Cortex Ensembles
پژوهشهای جدید محققان روانشناسی دانشگاه نوادا 🇺🇸 نقش #کرتکس #قدامی #سینگولیت (#ACC) در #هدایت #پاسخ ها و #سازگاری با اتفاقات شگفت انگیز را مشخص نموده است.
🔬در این پژوهش که بر #موش ها صورت گرفته است #پتانسیل های #وابسته به #رخداد (#ERP) در مغز توسط #QEEG ثبت شد. در این پژوهش که بر پایه بررسی #منفی گرایی وابسته به خطا/بازخورد (#FN) در پاسخ به مواجهه با پاسخ هایی که انتظار آنها نمی رفت انجام شد، همان امواجی ثبت شدند که دقیقاً در #مغز #انسان نیز تولید می شوند.
📚نتایج پژوهش مدارهایی عصبی را در ACC مشخص ساختند که پاسخ های مورد انتظار را به عنوان #بازنمایی های #انتزاعی #پیامدها رمزگذاری می کنند. میزان بازنمایی پاداش بخش بودن پیامد، وابستگی کامل به سابقه حافظه از آن رخداد داشت. #خطای پیش بینی زمانی بوقوع می پیوست که پیامد تجربه شده متفاوت از پیامدهای مورد انتظار بودند. این پیامهای عصبی درست در زمانی در ACC تولید شدند که در حالت عادی در زمان تجربه پاسخ مورد انتظار پیام در همان محل مغزی تولید می شد.
Summary
The function of the #anterior #cingulate #cortex (#ACC) remains controversial, yet many theories suggest a role in #behavioral #adaptation, partly because a robust #event-related potential (#ERP), the #feedback-related #negativity (#FN), is evoked over the ACC whenever expectations are violated. We recorded from the ACC as #rats performed a task identical to one that reliably evokes an FN in #humans. A subset of #neurons was found that encoded expected outcomes as #abstract #outcome representations. The degree to which a #reward/non-reward outcome representation emerged during a trial depended on the history of outcomes that preceded it. A prediction error was generated on incongruent trials as the ensembles shifted from representing the expected to the actual outcome, at the same time point we have previously reported an FN in the local field potential. The results describe a novel mode of prediction error signaling by ACC neurons that is associated with the generation of an FN.
لینک منبع 👇🏻(further reading)👇🏻
http://www.cell.com/neuron/fulltext/S0896-6273(17)30545-7
✅(در صورت جذابیت و علاقمندی به موضوع، مطلب را برای دیگران نیز بازنشر فرمایید).
📢کانال #دکترامیرمحمدشهسوارانی
🍃🌹🌸💐🌸🌹🍃
@DrAmirMohammadShahsavarani
♻️#مدلسازی و #پیش_بینی #توجه #مستمر
#Connectome-based #predictive #modeling of #attention: Comparing different #functional #connectivity features and #prediction methods across #datasets
در گزارشی که به تازگی منتشر شده است، پژوهشگران نوروساینس دانشگاه ییل 🇺🇸 روشی جدید برای #مدلسازی، #طبقه بندی و #پیش بینی #الگوهای توجه در افراد یافته اند.
🔬در این پژوهش 294 داوطلب تکالیف توجهی مختلفی را در وضعیت های مختلف و حین #fMRI انجام دادند.
📚بر اساس یافته های پژوهش حاضر، می توان در حوزه #توجه #پایدار در افراد، بر اساس #تفاوتهای #فردی 12 الگوی مختلف وجود دارد که بر اساس آن #کنشوری و #عملکرد کارکردهای اجرایی افراد با دقت بالایی قابل پیش بینی است.
Abstract
#Connectome-based predictive #modeling was recently developed to predict #individual #differences in #traits and #behaviors, including #fluid #intelligence and #sustained #attention, from #functional #brain #connectivity (#FC) measured with #fMRI. Here, using the #CPM framework, we compared the #predictive power of three different measures of FC (#Pearson's #correlation, #accordance, and #discordance) and two different #prediction #algorithms (#linear and #partial #least #square [#PLS] #regression) for attention #function. Accordance and discordance are recently proposed FC measures that respectively track #in-phase #synchronization and #out-of-phase #anti-correlation. We defined connectome-based models using task-based or #resting-state FC data, and tested the effects of (1) functional connectivity measure and (2) feature-selection/prediction algorithm on individualized attention predictions. Models were #internally #validated in a training dataset using leave-one-subject-out cross-validation, and externally validated with three independent datasets. The training dataset included fMRI data collected while participants performed a sustained attention task and rested. The validation datasets included: 1) data collected during performance of a #stop-signal task and at rest (N = 83, including 19 participants who were administered #methylphenidate prior to scanning;) data collected during #Attention #Network #Task performance and rest (N = 41), and 3) resting-state data and #ADHD symptom severity from the #ADHD-200 Consortium (N = 113). Models defined using all combinations of functional connectivity measure (Pearson's correlation, accordance, and discordance) and prediction algorithm (linear and PLS regression) predicted attentional abilities, with correlations between predicted and observed measures of attention as high as 0.9 for internal validation, and 0.6 for external validation (all p's < 0.05). Models trained on task data outperformed models trained on rest data. Pearson's correlation and accordance features generally showed a small numerical advantage over discordance features, while PLS regression models were usually better than linear regression models. Overall, in addition to correlation features combined with linear models, it is useful to consider accordance features and PLS regression for CPM.
لینک منبع 👇🏻(further reading)👇🏻
https://doi.org/10.1016/j.neuroimage.2017.11.010
✅(در صورت جذابیت و علاقمندی به موضوع، مطلب را برای دیگران نیز بازنشر فرمایید).
📢کانال #دکترامیرمحمدشهسوارانی
🍃🌹🌸💐🌸🌹🍃
@DrAmirMohammadShahsavarani
#Connectome-based #predictive #modeling of #attention: Comparing different #functional #connectivity features and #prediction methods across #datasets
در گزارشی که به تازگی منتشر شده است، پژوهشگران نوروساینس دانشگاه ییل 🇺🇸 روشی جدید برای #مدلسازی، #طبقه بندی و #پیش بینی #الگوهای توجه در افراد یافته اند.
🔬در این پژوهش 294 داوطلب تکالیف توجهی مختلفی را در وضعیت های مختلف و حین #fMRI انجام دادند.
📚بر اساس یافته های پژوهش حاضر، می توان در حوزه #توجه #پایدار در افراد، بر اساس #تفاوتهای #فردی 12 الگوی مختلف وجود دارد که بر اساس آن #کنشوری و #عملکرد کارکردهای اجرایی افراد با دقت بالایی قابل پیش بینی است.
Abstract
#Connectome-based predictive #modeling was recently developed to predict #individual #differences in #traits and #behaviors, including #fluid #intelligence and #sustained #attention, from #functional #brain #connectivity (#FC) measured with #fMRI. Here, using the #CPM framework, we compared the #predictive power of three different measures of FC (#Pearson's #correlation, #accordance, and #discordance) and two different #prediction #algorithms (#linear and #partial #least #square [#PLS] #regression) for attention #function. Accordance and discordance are recently proposed FC measures that respectively track #in-phase #synchronization and #out-of-phase #anti-correlation. We defined connectome-based models using task-based or #resting-state FC data, and tested the effects of (1) functional connectivity measure and (2) feature-selection/prediction algorithm on individualized attention predictions. Models were #internally #validated in a training dataset using leave-one-subject-out cross-validation, and externally validated with three independent datasets. The training dataset included fMRI data collected while participants performed a sustained attention task and rested. The validation datasets included: 1) data collected during performance of a #stop-signal task and at rest (N = 83, including 19 participants who were administered #methylphenidate prior to scanning;) data collected during #Attention #Network #Task performance and rest (N = 41), and 3) resting-state data and #ADHD symptom severity from the #ADHD-200 Consortium (N = 113). Models defined using all combinations of functional connectivity measure (Pearson's correlation, accordance, and discordance) and prediction algorithm (linear and PLS regression) predicted attentional abilities, with correlations between predicted and observed measures of attention as high as 0.9 for internal validation, and 0.6 for external validation (all p's < 0.05). Models trained on task data outperformed models trained on rest data. Pearson's correlation and accordance features generally showed a small numerical advantage over discordance features, while PLS regression models were usually better than linear regression models. Overall, in addition to correlation features combined with linear models, it is useful to consider accordance features and PLS regression for CPM.
لینک منبع 👇🏻(further reading)👇🏻
https://doi.org/10.1016/j.neuroimage.2017.11.010
✅(در صورت جذابیت و علاقمندی به موضوع، مطلب را برای دیگران نیز بازنشر فرمایید).
📢کانال #دکترامیرمحمدشهسوارانی
🍃🌹🌸💐🌸🌹🍃
@DrAmirMohammadShahsavarani
نحوه درست استفاده از #پیش‌بینی #گوگل #google #prediction برای #جستجو
لینک مطالعه و دانلود مقاله 👇🏼📚
https://www.ipbses.com/faq/postid/409/
لینک مطالعه و دانلود مقاله 👇🏼📚