運動学習と定着に関連する安静時の脳の速脳・遅脳ダイナミクスは覚醒時と睡眠時で異なる

Motor learning- and consolidation-related resting state fast and slow brain dynamics across wake and sleep.

抄録

運動技能は、練習中やトレーニング後にダイナミックに進化する。脳磁図を用いて、学習終了後の安静時（ブーストウィンドウ、30分以内）、および日中の中間的な睡眠または覚醒を伴う遅延時間スケール（サイレント4時間および翌日24時間のウィンドウ）において、運動学習とその定着を支える神経ダイナミクスを睡眠との関連で調べた。安静状態の神経ダイナミクスを、隠れマルコフモデル（HMM）と機能的結合（FC）を用いて、それぞれ速い時間スケール（秒以下）と遅い時間スケール（秒以上）で調べ、運動パフォーマンスとの関係を調べた。HMMの結果、時間/感覚運動状態ネットワークにおける高速で動的な活動が個人の運動パフォーマンスを予測することが示され、高速で再帰する神経パターンと運動行動との間に形質的な関連があることが示唆された。訓練後の短時間の再暴露は、ブースト中の神経回路網特性を変調させたが、サイレントウィンドウは変調させなかった。再暴露に関連した誘導効果は翌日にも観察されたが、その程度はブーストウィンドウ中よりも低かった。日中の昼寝は、行動レベルでも神経レベルでも記憶の定着に影響を与えなかった。これらの結果は、運動学習と記憶の定着における一時的なブーストウィンドウの重要な役割を強調し、脳ネットワークのマルチスケール神経ダイナミクスと運動学習、記憶の定着との関係についてさらなる洞察を与えるものである。

Motor skills dynamically evolve during practice and after training. Using magnetoencephalography, we investigated the neural dynamics underpinning motor learning and its consolidation in relation to sleep during resting-state periods after the end of learning (boost window, within 30 min) and at delayed time scales (silent 4 h and next day 24 h windows) with intermediate daytime sleep or wakefulness. Resting-state neural dynamics were investigated at fast (sub-second) and slower (supra-second) timescales using Hidden Markov modelling (HMM) and functional connectivity (FC), respectively, and their relationship to motor performance. HMM results show that fast dynamic activities in a Temporal/Sensorimotor state network predict individual motor performance, suggesting a trait-like association between rapidly recurrent neural patterns and motor behaviour. Short, post-training task re-exposure modulated neural network characteristics during the boost but not the silent window. Re-exposure-related induction effects were observed on the next day, to a lesser extent than during the boost window. Daytime naps did not modulate memory consolidation at the behavioural and neural levels. These results emphasise the critical role of the transient boost window in motor learning and memory consolidation and provide further insights into the relationship between the multiscale neural dynamics of brain networks, motor learning, and consolidation.