MARC

 008260126s2025        us                              c    eng  d
■001000017360945
■00520260202105642
■006m          o    d                
■007cr#unu||||||||
■020    ▼a9798270213046
■035    ▼a(MiAaPQ)AAI32398823
■040    ▼aMiAaPQ▼cMiAaPQ
■0820  ▼a616
■1001  ▼aYin,  Chaoqun.
■24510▼aWhat  Spontaneous  Movements  Tell  Us  About  Decision-Making  and  Behavioral  States
■260    ▼a[Sl]▼bUniversity  of  California,  Los  Angeles▼c2025
■260  1▼aAnn  Arbor▼bProQuest  Dissertations  &  Theses▼c2025
■300    ▼a119  p
■500    ▼aSource:  Dissertations  Abstracts  International,  Volume:  87-06,  Section:  B.
■500    ▼aAdvisor:  Churchland,  Anne  K.
■5021  ▼aThesis  (Ph.D.)--University  of  California,  Los  Angeles,  2025.
■520    ▼aSwitching  between  different  behavioral  states  is  a  common  part  of  daily  life.  Sometimes  we  are  better  engaged  in  facing  challenges  at  work,  while  at  other  times  we  just  want  to  call  it  a  day  and  head  home  early.  Despite  the  ubiquity  of  behavioral  state  fluctuation,  its  neural  mechanism  is  still  largely  unknown.  I  applied  a  behavioral  model  to  the  choice  patterns  of  mice  trained  to  perform  a  decision-making  task,  in  which  mice  made  left-or-right  choices  based  on  auditory  stimuli.  The  model  revealed  one  engaged  state,  characterized  by  stimulus-based  choices,  and  two  disengaged  states,  characterized  by  strong  left  or  right  choice  biases.  Analyzing  neural  activity  of  the  dorsal  cortex  collected  with  wide-field  imaging  further  showed  that,  surprisingly,  the  averaged  activity  across  the  dorsal  cortex  was  unchanged  across  engagement  states,  even  in  the  brain  regions  traditionally  believed  to  be  involved  in  decision-making,  such  as  the  parietal  cortex.  However,  the  trial-to-trial  variance  in  neural  activity  was  increased  during  disengagement.  Further  analyses  showed  that  this  extra  neural  variance  was  not  simply  noise  associated  with  bad  performance.  In  fact,  seemingly  paradoxically,  a  higher  percentage  of  neural  activity  was  meaningful  during  disengagement.  A  closer  look  further  revealed  that  the  neural  activity  associated  with  the  task  variables  (stimulus,  upcoming  choice,  etc.)  remained  consistent  across  engaged  and  disengaged  states,  but  movement-related  neural  activity  (whisking,  paw  movement,  etc.)  increased  during  disengagement.  This  increase  resulted  from  two  sources:  1)  for  some  types  of  movements,  each  single  movement  accounted  for  modestly  more  neural  activity  during  disengagement.  2)  The  pattern  of  spontaneous  movement  during  disengagement  became  less  stereotyped.  Interestingly,  quantified  by  motion  energy,  mice  did  not  move  more  during  disengagement  even  though  their  movement  became  less  stereotyped  and  less  predictive  Overall,  my  thesis  work  uncovered  that  movements  and  cognition  are  intertwined,  pointing  to  a  close  link  between  movements  and  cognition.
■590    ▼aSchool  code:  0031.
■650  4▼aNeurosciences
■650  4▼aPhysiology
■650  4▼aPsychology
■653    ▼aNeural  mechanism
■653    ▼aDecision-making
■653    ▼aParietal  cortex
■653    ▼aAuditory  stimuli
■690    ▼a0317
■690    ▼a0621
■690    ▼a0719
■71020▼aUniversity  of  California,  Los  Angeles▼bNeuroscience  004F.
■7730  ▼tDissertations  Abstracts  International▼g87-06B.
■790    ▼a0031
■791    ▼aPh.D.
■792    ▼a2025
■793    ▼aEnglish
■85640▼uhttp://www.riss.kr/pdu/ddodLink.do?id=T17360945▼nKERIS▼z이  자료의  원문은  한국교육학술정보원에서  제공합니다.

미리보기

내보내기

chatGPT토론

Ai 추천 관련 도서