|
学習における睡眠の意義を明らかにするために、slow waveにより誘導されるシナプス可塑性に関して理論モデルを用いて研究をおこなった。神経細胞間の情報伝達を最大化するようなシナプス可塑性学習則において、ベースラインの発火率（平均発火率）によってシナプス変化が影響を受けるという性質と、徐波の空間スケールとの関係に関して解析をおこなった。興奮性・抑制性神経細胞により構成されるネットワークモデルにおけるシナプス可塑性の解析により、空間的にグローバルなup stateはローカルなup stateと比べて平均発火率が低くなっているため、グローバルなup stateはシナプス増強、ローカルなup stateはシナプス抑圧に寄与する傾向が見られた。さらにグローバルなup stateとローカルなup stateの記憶再編成への寄与を比較した先行研究の実験を模したようなフィードフォワードネットワークを考え、このようなシナプス可塑性と記憶再編成の関係を解析した。すると、モデルにおいてグローバルなup stateはシナプス増強を介して記憶の定着に寄与し、ローカルなup stateはシナプス抑圧を介して記憶の忘却に寄与する可能性が示唆された。これは先行研究の実験結果を再現するものとなっていた。これまでの成果から、slow wave中のシナプス可塑性・記憶再編成に関する複数の実験結果が情報伝達の最大化という観点で統一的に説明できることを見出し、睡眠中に情報伝達の向上が起こっている可能性を提案した。
|
