试验独特的非匹配到位置 (TUNL) 触摸屏任务上的鼠标行为反映了不同的工作记忆代码和响应偏差的混合

科学领域:

• 神经科学是一个神经科学.
• 认知科学 认知科学
• 计算生物学 计算生物学

背景情况:

• 像TUNL这样的触摸屏任务对于研究神经系统疾病的动物模型至关重要.
• 人们普遍认为,TUNL任务是测量依赖于海马体模式分离的空间工作记忆 (WM).
• 然而,TUNL任务执行背后的精确神经认知过程仍然不清楚.

研究的目的:

• 在TUNL任务上以计算方式建模鼠标行为.
• 实证地测试TUNL的性能是否主要反映了回顾性空间WM.
• 将TUNL行为分解为底层的神经认知子过程.

主要方法:

• 在三个数据集中利用了来自163只小鼠 (158,843个试验) 的行为数据的计算建模.
• 分析了单项试验数据,以调查驱动TUNL任务执行的认知过程.
• 将不同的计算模型进行比较,以确定观察到的行为的最佳解释.

主要成果:

• 与假设相反,TUNL任务行为并不是主要由回顾空间WM驱动的.
• 行为最好通过各种策略的混合来解释,包括回顾性WM,前性WM和个人反应偏差.
• 确定了一组新的层次上有序的认知过程,这些过程是TUNL任务中小鼠行为的基础.

结论:

• 回溯空间WM只是TUNL任务所涉及的认知过程的一个组成部分.
• 结果表明,在TUNL任务中理解认知策略的资源合理框架.
• 提出任务设计修改,以提高空间WM的测量,并尽量减少替代策略.