要点。 一项基于黎曼几何机器学习的高密度脑电记录新研究表明，睡眠中的陈述性气味提示比非陈述性气味提示产生更结构化的纺锤波段协方差模式，特别是在中央脑区。然而，效应幅度较小，未通过多重比较校正，削弱了结论的强度。
该研究于6月18日发表在《Frontiers in Neuroscience》上，作者包括Jesyin Lai、Pankaj Pandey（共同第一作者）、David M. Baum、Jens G. Klinzing、Andrea Sanchez-Corzo和Ranganatha Sitaram。该研究为使用定向记忆再激活（TMR）探究睡眠大脑如何巩固不同类型记忆的日益增长的研究领域增添了新的证据。
研究发现。 研究人员分析了在TMR范式下从参与者NREM睡眠期间收集的高密度脑电记录。在睡眠前的学习过程中，参与者暴露于两种不同的气味：与陈述性记忆任务（物体-位置关联）相关的气味D，以及与陈述性运动序列任务相关的气味M。在随后的睡眠中，相同的气味与载体对照气味一起重新呈现，研究团队检查了两个纺锤波频段的脑电时期：快纺锤波（12.5–16 Hz）和慢纺锤波（9–12.5 Hz）。
研究团队使用基于黎曼几何的参与者内机器学习分类器，尝试解码给定的脑电时期是由气味D（相对于载体）还是由气味M（相对于载体）引发的。该方法将多通道脑电信号的协方差结构视为黎曼 manifold 上的点，捕捉传统单变量分析可能遗漏的神经活动分布式模式。
相对于排列衍生的随机水平评估的解码性能，在频段、时间窗口（提示后0–2、0–4和0–7秒）以及通道子集（所有通道、额叶、中央和后部）上表现出条件依赖性变化。在这些分析中，陈述性条件（气味D）的解码准确率往往高于非陈述性条件（气味M），使用中央通道数据时观察到最强的效应。
通道层面的贡献分析进一步揭示，陈述性条件中驱动分类的协方差模式在中央区域具有空间结构，表明存在与记忆相关神经调节一致的协调纺锤波段活动。相比之下，非陈述性条件中的贡献更为弥散，且参与者之间的一致性较低。
研究意义。 长期以来，睡眠纺锤波被认为与记忆巩固有关，证据表明快纺锤波和慢纺锤波振荡都与新获得记忆的再激活和稳定化相关。TMR研究表明，睡眠期间重新呈现与学习相关的线索可以提高记忆表现，但区分陈述性与非陈述性记忆再激活的精确神经特征仍然难以捉摸。
本研究使用基于协方差的解码方法——一种源自黎曼几何的方法——代表了方法论上的进步。该技术不是检查单个电极上的功率变化，而是捕捉电极阵列上纺锤波段活动的协调结构，为分布式神经过程提供了更敏感的窗口。
中央通道协方差模式在陈述性气味提示期间更具组织性这一发现，与已知的中央顶叶区域参与睡眠纺锤波生成和陈述性记忆处理一致。这表明不同的记忆系统可能以性质不同的方式参与纺锤波段活动，即使在同一睡眠会话内也是如此。
局限性。 最重要的警告是，报告的结果虽然描述上一致，但效应较小，未能在所进行的多重分析中通过多重比较校正。作者对此局限性保持透明，指出结果应被视为初步结果，需要在更大样本中进一步验证。
其他几个因素也限制了结果的解释。该研究依赖于单次气味再暴露会话，留下了关于剂量-反应关系和巩固时间过程的问题。样本量虽然对于密集的脑电TMR研究而言是典型的，但可能限制了可靠检测小到中等效应量的统计功效。此外，非陈述性运动任务（气味M）和陈述性任务（气味D）在内容、感觉联想和学习背景上存在差异，使得条件之间的直接比较本质上是多维的。
黎曼几何方法虽然前景广阔，但在睡眠脑电研究中相对较新，其检测记忆相关神经特征的敏感性和特异性需要独立的复制验证。通道贡献图提供了空间结构化模式的描述性证据，但这些空间地图的正式统计检验尚未报告。
总结。 本研究提供了初步证据，表明基于协方差分析的纺锤波段脑电可以检测睡眠中陈述性与非陈述性气味提示期间的差异神经反应，陈述性提示与更结构化的中央通道模式相关。该研究展示了黎曼几何方法在探测分布式睡眠脑电动态方面的潜力。然而，由于效应较小且未通过多重比较校正，这些发现应被视为假设生成而非验证性的。需要更大规模的复制研究来确定这些协方差模式是否可靠地指示睡眠期间的记忆类型。
来源。 Lai J, Pandey P, Baum DM, Klinzing JG, Sanchez-Corzo A, Sitaram R. Covariance-based analysis of spindle-band EEG during declarative and non-declarative odor cueing in sleep. Front Neurosci. 2026;20:1810323. doi:10.3389/fnins.2026.1810323. PMID: 42395320.
婷 翻译