[论文解读] Flexibility of brain regions during working memory curtails cognitive consequences to lack of sleep

Nina Lauharatanahirun, Kanika Bansal+8 more|arXiv (Cornell University)|Sep 15, 2020

EEG and Brain-Computer Interfaces被引用 4

一句话总结

这项为期16周的纵向研究表明，健康成年人在睡眠不足的情况下仍能维持工作记忆表现，这是通过广泛脑网络（尤其是额叶、颞叶和枕叶皮层）的功能灵活性增强实现的，从而实现神经代偿而不会导致表现下降。研究发现，大脑网络的可塑性而非表现变化，是其对睡眠剥夺产生耐受性的根本原因。

ABSTRACT

Previous research has shown a clear relationship between sleep and memory, examining the impact of sleep deprivation on key cognitive processes over very short durations or in special populations. Here, we show, in a longitudinal 16 week study, that naturalistic, unfettered sleep modulations in healthy adults have significant impacts on the brain. Using a dynamic networks approach combined with hierarchical statistical modelling, we show that the flexibility of particular brain regions that span a large network including regions in occipital, temporal, and frontal cortex increased when participants performed a working memory task following low sleep episodes. Critically, performance itself did not change as a function of sleep, implying adaptability in brain networks to compensate for having a poor night's sleep by recruiting the necessary resources to complete the task. We further explore whether this compensatory effect is driven by a (i) increase in the recruitment of network resources over time and/or (ii) an expansion of the network itself. Our results add to the literature linking sleep and memory, provide an analytical framework in which to investigate compensatory modulations in the brain, and highlight the brain's resilience to day-to-day fluctuations of external pressures to performance.

研究动机与目标

• 研究日常自然睡眠变化如何影响工作记忆任务期间的大脑网络动态。
• 确定尽管存在睡眠损失，认知表现是否仍保持稳定，从而提示存在代偿性神经机制。
• 检验大脑网络灵活性的增强是否构成对睡眠剥夺耐受性的基础。
• 区分代偿机制是否源于对现有网络资源的招募，还是网络本身的扩展。
• 开发一种动态网络建模框架，用于研究现实世界中认知波动下的神经代偿。

提出的方法

• 采用纵向设计，对健康成年人进行为期16周的每日睡眠和认知表现监测。
• 使用功能性磁共振成像（fMRI）评估在低睡眠期后执行工作记忆任务时的大脑活动。
• 应用动态网络分析量化脑区的功能灵活性——即脑区间功能连接重组的频率和适应性。
• 采用分层统计建模方法，将个体的睡眠模式与神经灵活性及表现结果相联系。
• 追踪网络拓扑结构的变化，以区分代偿机制是现有资源的招募还是网络本身的扩展。
• 采用数据驱动方法，对睡眠损失引起的脑网络重组进行建模，重点关注额叶、颞叶和枕叶皮层区域。

实验结果

研究问题

• RQ1 自然发生的睡眠时长变化如何影响工作记忆表现期间的功能性脑网络灵活性？
• RQ2 尽管存在神经变化，睡眠损失后工作记忆任务的认知表现是否仍保持稳定？
• RQ3 观察到的对睡眠损失的耐受性是否由广泛脑网络的功能灵活性增强所介导？
• RQ4 睡眠损失的代偿机制是否源于对现有网络资源的增强招募，还是功能网络的扩展？
• RQ5 动态网络建模能否有效捕捉由睡眠损失引发的认知挑战下的实时神经适应？

主要发现

• 在工作记忆任务中，低睡眠期后，额叶、颞叶和枕叶皮层的脑区表现出显著增强的功能灵活性。
• 尽管睡眠减少，参与者仍维持了稳定的工作记忆表现，表明存在有效的神经代偿。
• 网络灵活性的增强并未伴随表现下降，表明大脑能通过动态适应来维持功能。
• 代偿机制主要由功能脑网络的扩展驱动，而非现有资源的过度招募。
• 动态网络模型成功捕捉了实时神经适应，凸显了大脑对日常睡眠波动的耐受能力。
• 研究结果支持存在一种灵活且分布式的神经系统，可通过网络层面的重新配置来减轻睡眠损失带来的认知后果。