我们将每天分享国际上生物、医学等方向的最新科研成果，把世界上最新的科技发展带给读者，如果喜欢我们，请点一个关注吧
摘要
睡眠可改善认知表现，然而人们对这种改善的神经机制知之甚少。我们在猕猴的视觉皮层和背外侧前额叶皮层中进行了多电极记录，记录了在非快速眼动（NREM）睡眠前后动物执行视觉辨别任务时的情况。尽管睡眠会在皮层区域间引起群体活动的同步波动，但睡眠后的群体活动相对于睡眠前状态变得更加去同步化。睡眠后的这些变化与每个区域群体活动中编码的信息量增加以及行为表现的改善相关。以4赫兹频率电刺激视觉皮层可模拟睡眠对网络和感知表现的益处。一个大规模神经网络模型表明，局部皮层内突触的不对称抑制与睡眠后观察到的神经活动变化相一致。
引言
短暂睡眠对涉及多种感觉模态的广泛任务中的认知和行为表现具有有益影响（1-8）。经历短暂日间小睡（通常与非快速眼动（NREM）睡眠1期和2期相关）的人类，在学习、记忆和感知表现方面相比非休息受试者有所改善（4, 6, 9-13）。尽管睡眠有利于后续认知功能的观点已存在一个世纪（14），但其潜在的神经机制仍知之甚少。人类研究主要集中在睡眠期间全局脑活动的变化（7, 8），并依赖于非侵入性方法（例如，脑电图（EEG）或功能磁共振成像），这些方法缺乏在单神经元或网络层面研究变化所需的空间和时间分辨率。然而，小型哺乳动物的电生理记录主要关注睡眠后记忆的选择性再激活（15），但睡眠改善行为表现的神经机制很少被直接研究。
我们在三个皮层区域（视觉区域V1和V4以及背外侧前额叶皮层（dlPFC））进行了多电极记录，这些区域表现出与任务相关的活动（16-18），以检查睡眠前、睡眠中和睡眠后神经群体的动态和信息编码，以及它们对行为表现的影响。我们关注的是短期睡眠（30分钟休息）而非非人灵长类动物模型中的完整睡眠周期的影响。这具有以下优势：（i）已证明短暂小睡或休息时间可以巩固记忆并改善行为和感知表现（1-8）；（ii）我们的多导睡眠图（PSG）分析显示，在30分钟的睡眠期间，δ波（0.5至4 Hz）局部场电位（LFP）活动增加，这被评分为NREM睡眠1期和2期[补充材料（SM），材料和方法]；（iii）鉴于我们的实验是在头部固定和身体受限的条件下进行的，训练猴子休息30分钟比诱导更长时间的睡眠更容易（19）。
结果
我们使用多电极阵列（V1中342个神经元，V4中2880个神经元，dlPFC中1200个神经元）检查了V1、V4和dlPFC区域记录的4422个神经元的锋电位活动（图1，C和I，左，以及SM材料和方法）。在每次会话中，猴子在30分钟睡眠前后执行相同的图像方向辨别任务（5只动物共进行46次睡眠会话和25次对照会话）（图1，G和H）。通过PSG和视频分析，将猴子处于持续NREM睡眠的时段确定为睡眠（n = 46次睡眠会话）（图1，A和D，以及SM材料和方法）。我们使用自动睡眠识别软件，结合PSG的所有成分，包括EEG、眼电图（EOG）和肌电图（EMG），来定义NREM睡眠时段（图1A和图S1）。鉴于非人灵长类动物的PSG分析尚属近期，睡眠阶段也通过专家神经学家手动验证和确认（图1D，图S1，以及材料和方法）。我们还通过训练深度神经网络软件（DeepLabCut）（图S2）对猴子面部视频进行分析，以提取猴子的眼睛是否睁开以及下巴是否松弛，从而对“睡眠”和“非睡眠”会话进行分类（46次睡眠会话和25次对照会话）（图S2）。我们严格控制房间内的光线，包括显示器暗度，以确保睡眠和非睡眠条件下的实验设置相同。我们仅将那些NREM睡眠1期和2期总时间占预设休息时间（30分钟）至少85%的休息时段归类为睡眠（图S1）。85%的阈值超过了人类中“短暂休息”的阈值，后者与休息6分钟后学习表现改善相关（6）。
LFP分析显示，睡眠与低频段（1至20 Hz）LFP功率增加和γ波段（30至80 Hz）功率减少相关[方差分析（ANOVA）F5, 741 = 3.1，事后Tukey检验显示显著比较的P < 0.01]（图1B）（20）。在低频段中，δ频率（0.5至4 Hz）在睡眠期间相对于对照显示出最显著的增加（睡眠期间δ功率平均增加125.2%，ANOVA，P < 0.001，n = 71次会话；事后Tukey检验显示每只动物的P < 0.01）（图1E）。慢波睡眠期间δ功率的增加伴随着每个脑区神经群体活动中同步放电的增加（图1，C和F，n = 46次睡眠会话）。
睡眠改善行为表现
我们训练猴子报告连续闪烁的两张自然图像是否相同（匹配）或不同（不匹配，n = 71次会话）（SM材料和方法）。在每次试验中，两张相同的图像闪烁367毫秒，间隔1250毫秒，要么旋转（旋转2°、3°、5°、10°、20°、30°、45°或90°），要么不旋转（0°）（图1H）。会话以区块设计组织：Taskpre → Sleep → Taskpost（“睡前”和“睡后”任务相同）（图1G）。为了确保Taskpost中行为表现的预期变化是由于睡眠引起的，我们进行了对照实验，其中动物在黑暗的房间中安静地坐30分钟而不睡觉（Taskpre → No Sleep → Taskpost条件）。我们使用了猴子在记录会话开始前已经训练过的图像，以消除练习或学习效应作为可能的混杂因素。我们发现，与睡前相比，睡眠后方向辨别任务的行为表现显著改善（n = 5只动物）（图1K）。行为表现的改善在整个会话中保持一致（图1J）。此外，当动物睡觉时，与不睡觉相比，困难试验（图像旋转差异较小，5°至20°）中的辨别表现显著增加（图1I，右，和图S9）。睡眠期间δ活动的幅度与睡后行为表现相关[相关系数（r）= 0.72，P = 0.0009]。睡后行为表现的改善并非由于睡眠后警觉性或注意力的增加，因为瞳孔大小（觉醒的相关指标）和γ功率（注意力的相关指标）（21, 22）在睡前和睡后的任务中无显著差异[瞳孔大小，P = 0.35，ANOVA；γ功率，P = 0.71，ANOVA]（图S4和S5）。
睡眠后群体活动去同步化
对于每个皮层区域，我们测量了整个任务期间以及非睡眠和睡眠期间LFP的功率和群体活动中同步波动的程度。清醒状态与γ波段（30至80 Hz）功率增加和δ波段（0.5至4 Hz）功率减少相关（图1B）（18, 20），而在睡眠期间，δ波段LFP功率增加，γ波段功率减少（图1，B和E）。为了捕捉锋电位群体活动中同步波动，我们计算了群体同步指数（PSI），即10毫秒时间窗内所有神经元锋电位计数的变异系数（SM材料和方法）（16）。与对照相比，神经群体在睡眠期间表现出同步波动（睡眠与非睡眠相比，增加57.1%；PSI增加与睡眠期间δ功率增加之间显著相关，r = 0.74，P = 0.007）。在V4区域，与之前的任务时段相比，睡眠期间PSI显著增加（P < 0.001，Wilcoxon秩和检验，示例会话）（图2C，左）。睡后任务中的同步波动低于睡前任务（图2C，左）。这种睡眠后的同步性降低在多次会话中均被观察到（P < 0.001，ANOVA）（图2C，右）。在没有睡眠的情况下，PSI在睡前和睡后任务之间无显著差异（P > 0.05，ANOVA；睡眠与非睡眠会话中睡前任务的PSI无差异，P > 0.05，事后Tukey检验；同样，我们在睡眠和对照会话的睡前和睡后任务中未发现δ活动有显著差异，P > 0.1）（图2D）。在所有皮层区域中，与睡前和对照会话相比，NREM睡眠后的任务中PSI较低[V1（F5, 7805 = 157，P = 6.4 × 10^-160），V4（F5, 7830 = 259，P = 4.02 × 10^-257）（图2J），以及dlPFC（F5, 2386 = 82，P = 1.6 × 10^-80）]。最后，尽管跨试次的皮层区域之间群体同步性相关，但睡眠显著降低了区域间PSI相关性，从而使区域间的群体活动去同步化（P < 0.01，ANOVA）（图2，L和M）。
图1. 睡眠可改善行为表现。（A）睡眠和无睡眠时段的视频示例图像。（底部）前额（F）、中央（C）和枕部（O）区域使用颅电极的睡眠多导图（PSG）轨迹示例；右眼（R）和左眼（L）的眼动轨迹；以及下颌（Ch）的肌电图轨迹。（B）无睡眠和睡眠条件下V4区域的局部场电位（1至80 Hz频段的功率）。（C）V4细胞群体的神经元活动示例光栅图。点表示在示例睡眠和对照组时段中持续数秒的单个棘波。实线表示群体活动的平均值。群体同步指数（PSI）根据神经元棘波的变异系数计算得出。（D）非快速眼动（NREM）睡眠阶段1、2、3和快速眼动（REM）睡眠阶段所占的时间百分比。（E）睡眠和无睡眠时段δ波段的局部场电位（LFP）功率；每条柱表示平均值和标准误（SEM）（P < 0.001，方差分析，71个时段，n = 5只动物）。（F）睡眠和无睡眠时段的平均PSI。每条柱表示平均值和SEM（P < 0.001，方差分析，71个时段，n = 5只动物）。（G）睡眠和无睡眠时段的实验范式示意图。（H）图像方向辨别任务示意图。（I）（左）记录的皮层区域和（右）睡眠后在方向辨别任务简单和困难试验中的行为表现（箱线图，实线代表平均值，困难试验：Dq，3°至20°，*P < 0.05；简单试验：Dq > 20°，P = 0.81，方差分析）。（J）示例睡眠和无睡眠时段中，Taskpost和Taskpre内各试验的正确响应百分比。虚线表示平均值。（K）睡眠和无睡眠时段中图像辨别性能的变化（Taskpost与Taskpre相比，正确百分比）。柱表示平均值，误差条表示SEM（P < 0.001，方差分析，71个时段，n = 5只动物，每只动物比较睡眠与无睡眠条件时P < 0.01，事后Tukey检验）。
睡眠提高了群体编码的准确性
由于V4神经元对辨别任务中使用的自然场景反应良好，我们分析了V4（图2，C至H）中两只动物（Ch和To）的神经元性能变化，这些变化是睡眠依赖性的行为性能改善的基础（图2，A和B），并随后检查了V1和dlPFC区域（图2，I至M）是否也发现了类似效应。
与睡前任务相比，睡眠后任务中V4神经元在延迟期和刺激期的放电率显著更高（图2E）。在跨皮层区域中，与睡前和控制时段相比，非快速眼动（NREM）睡眠后的任务中放电率更高：V1（F5, 24,899 = 7, P = 2.59 × 10^-5），V4（F5, 16869 = 6.5, P = 0.0003），以及dlPFC（F5, 20794 = 6.33, P = 0.003）（图2I）。在无睡眠条件下，两项任务的放电率没有差异（每个皮层区域的事后Tukey比较中P > 0.05）（图2F）。放电率的增加并不能完全解释睡眠后群体同步活动（以PSI衡量）的减少。对放电率没有显著改变（P = 0.69）的试验进行睡眠前后的群体活动均值匹配分析发现，睡眠后PSI的降低仍然显著（P = 0.03，V1中25%的试验，V4中24%的试验，以及dlPFC中34%的试验）（图S3）。
在每个皮层区域中，与睡前和控制时段相比，NREM睡眠后的任务中噪声相关性更低：V1（F5, 234 = 7.1, P = 3.0 × 10^-6），V4（F5, 1705 = 10.6, P = 4.2 × 10^-10），以及dlPFC（F5, 9825 = 21.2, P = 3.3 × 10^-21）（图2，G为V4神经元，K为所有脑区）。每个脑区中放电率、PSI和噪声相关性的变化与睡眠后行为性能的显著变化全局相关（线性回归，P = 0.000157；F统计量与常数模型相比，7.79）。效应强度（睡眠后与睡眠前）的相对变化在各脑区之间没有显著差异（P = 0.31，脑区间分析，方差分析）（图2，I至K）。为了测试网络准确性，我们使用线性分类器从睡眠前后任务中的群体活动中解码刺激身份（SM材料和方法）。所有任务条件下的解码器性能均显著高于机会水平，并且在睡眠后显著提高（P < 0.001，方差分析；P < 0.05，事后Tukey比较，比较睡眠时段中V1、V4和dlPFC的Taskpost与Taskpre）（图2H）。在无睡眠条件下，两项任务的解码器性能没有差异（P > 0.05，事后Tukey检验）（图2H）。
图2. 睡眠通过使群体单神经元活动去同步化来提高网络准确性。（插图）睡眠前后平均放电率的百分比变化。（A和B）两只动物（Ch和To）在睡眠任务中的睡眠和无睡眠时段的行为表现。条形图表示均值和标准误（31个时段；20个睡眠时段和11个对照时段）。（G）睡眠后任务（Taskpost）与睡眠前任务（Taskpre）以及对照时段中相关系数分布的对比。点表示单个时段，黑色空心圆圈和方块表示均值，条形图表示标准误（n = 来自31个时段的955个神经元；20个睡眠时段和11个对照时段）。（H）基于睡眠和对照时段中群体活动的解码器性能（机会水平为25%，P < 0.001，方差分析，31个时段；20个睡眠时段和11个对照时段）。两只动物的行为表现在睡眠后均有所提高（方差分析F = 3，P = 0.002，31个时段；20个睡眠时段和11个对照时段）。（C至H）V4区域中这些时段相关的神经分析的量化。[（C）和（D）]睡眠（C）和对照（D）时段前后V4群体活动的群体同步指数（PSI）变化。点表示均值，误差条表示跨时段的标准误。（I至K）在睡眠前后，（I）放电率、（J）群体同步指数和（K）每个皮层区域（V1、V4和dlPFC）噪声相关性的相对变化的均值和标准误。（左）每个点表示一个示例时段中10秒时间窗的平均值。睡眠与对照时段的对比（方差分析，P < 0.001，38个睡眠时段和20个对照时段，n = 342个V1神经元、955个V4神经元和624个dlPFC神经元）。（右）条形图：跨时段的均值。在任务时段中，PSI是在延迟期计算的。每个条形图表示均值和标准误（P < 0.001，方差分析，31个时段；20个睡眠时段和11个对照时段，n = 955个神经元）。[（E）和（F）]（E）睡眠和（F）对照时段中，睡眠前后辨别任务中单个神经元的平均放电率。（每个点表示一个神经元，线表示来自相同时段的神经元的平均值，n = 955个神经元，来自20个睡眠时段和11个对照时段，两只动物）。（L和M）睡眠后区域间（L）V1-V4和（M）V4-PFC的PSI统计量的神经元平均相关性（P < 0.01，方差分析，V1-V4：n = 360对神经元，15个时段，两只动物；V4-dlPFC：n = 720对神经元，10个时段，两只动物）。
图3. V4区域的δ波段电刺激模拟了睡眠的有益效果。（A）试验间群体同步指数（PSI）示意图（一个时段），显示为睡眠前、睡眠中和睡眠后的实线轨迹。示意图中展示了睡眠期间δ波段的局部场电位（LFP）振荡。该示意图阐述了我们的假设：睡眠期间群体同步性的增加导致睡眠后PSI的降低，这与行为表现的提高相关。（右）睡眠后行为表现变化的示例（均值和标准误，P < 0.01，Wilcoxon秩和检验）。（B）示意图展示了150 Hz（黑色轨迹）和154 Hz（粉色轨迹）的正弦波重叠，产生了4 Hz的包络频率（蓝色轨迹）。该信号用于以20 nC/相的电流刺激多个V4神经元。在电刺激前后进行了相同的行为任务。（C）受刺激区域V4和未受刺激区域dlPFC中平均群体同步指数的变化（Taskpost与Taskpre的对比）。点表示均值，误差条表示标准误（P < 0.01，Wilcoxon秩和检验，两只动物共12个时段，n = 1152个V4神经元和576个PFC神经元）。（D）在4 Hz刺激、无刺激以及7.5至40 Hz（随机）刺激条件下，行为表现的平均正确率（Taskpost与Taskpre的对比）。条形图表示均值和标准误（P < 0.001，方差分析，八次刺激时段、七次高频刺激时段和五次无刺激时段）。（E至I）在刺激（mstim）、睡眠和控制（无睡眠）时段中，（E）行为表现、（F）神经元放电率、（G）群体同步指数、（H）噪声相关性和（I）解码器性能的均值。点表示均值，误差条表示标准误（机会水平为33%，*P < 0.01，方差分析；八次刺激时段、八次睡眠时段和五次控制时段；n = 1925个V4神经元，两只动物；Tukey检验显示睡眠、刺激和无睡眠条件下Taskpre之间无显著差异，P = 0.35）。
图4. 递归模型模拟。（A）兴奋性神经元群体和抑制性神经元群体之间递归相互作用的示意图。为了定性匹配睡眠后（Taskpost与Taskpre）在放电率（FR）、群体同步指数（PSI）和噪声相关性（Rsc）方面观察到的实验差异（补充材料和方法），兴奋性突触电导（权重WEI、WEE）和抑制性突触电导（权重WIE、WII）分别在（-6%，6%）和（-18%，18%）的范围内进行了参数化调整——即睡眠后放电率增加，而群体同步性和噪声相关性降低。（B）颜色图表示在参数化调整突触电导后，从递归皮层网络计算得出的FR、PSI和Rsc的百分比变化（Taskpost与Taskpre）。在每张颜色图上叠加的高亮轮廓线标记的区域内，指示了兴奋性突触电导和抑制性突触电导变化的具体组合，这些组合与实验数据定性吻合。（C）在（B）中高亮区域内，与实验结果一致的模型预测所对应的兴奋性和抑制性突触电导的平均变化（Taskpost与Taskpre）。“兴奋”表示WEI和WEE的平均变化；“抑制”表示WII和WIE的平均变化。条形图表示均值，误差条表示标准误。
低频电刺激视觉皮层模拟睡眠的有益效果
我们的实验表明，睡眠期间群体活动中的低频（δ波段）同步可能导致神经反应的去同步（图1，E和F，以及2C）以及后续任务中感知表现的改善（图1，J和K，以及2，A和B）。我们假设，通过在动物安坐于椅子上时于安静觉醒状态下电刺激δ频段的神经群体，可以模拟睡眠的有益效果（图3A）。我们重复了猴子执行视觉辨别任务的实验，但在任务间不让动物睡眠，而是在动物清醒时对其V4区域进行δ频段（4 Hz）的电刺激（图3B）。电刺激（Stim）组块（补充材料和方法）通过在电极阵列的八个通道上同步产生电脉冲进行，持续20至30分钟（受刺激的通道在不同时段间有所变化）。实验采用组块设计，Stim和Task时期按以下顺序进行：Taskpre → Stim → Taskpost。在电刺激期间，猴子安静地坐在暗室中20至30分钟，同时对其行为进行视频分析。猴子在整个电刺激期间都睁着眼睛（通过视频分析和DeepLabCut分析得出），表明它们处于被动觉醒状态。
直接用δ波段正弦电流波形刺激V4神经元会导致每相累积大量净电荷（超出脑组织的安全限制）。为克服这一限制，我们叠加了两个高频正弦波形（150 Hz和154 Hz），从而产生了一个以4 Hz调制的电场包络（图3B和附图S7）。考虑到大脑对电信号固有的低通滤波特性（23, 24），我们假设神经元会在两个重叠高频的包络频率（4 Hz [f2 (154 Hz) – f1 (150 Hz) = 4 Hz，最大电荷20 nC/相]）下受到刺激（图3B）。事实上，体内实验表明，使用重叠正弦波以包络频率刺激神经元的效率与直接使用结果频率进行直接刺激相当（25）。
动物按照先前描述的方法（图1H）执行了两个图像方向辨别任务（电刺激前后）。作为对照，我们以更高的包络频率（30至40 Hz）或随机频率（在单次试验基础上覆盖5至40 Hz范围）进行了电刺激。对V4区域的电刺激是局部的；在V4中发现的诱导低频群体同步没有传播到dlPFC区域，这与局部刺激一致；在刺激前后，瞳孔大小或局部场电位（LFP）功率等全局指标没有显著变化（P > 0.05）（图3C）。在V4神经元电刺激前后，dlPFC中神经元的平均反应、群体同步指数（PSI）和噪声相关性均未发生变化（P > 0.1，方差分析）。相比之下，V4区域的δ波段（4 Hz）电刺激增加了刺激后V4神经元的放电率（图3F），同时降低了Taskpost相对于Taskpre的噪声相关性（图3H）和群体同步性（图3G）。与睡眠的效果相似，4 Hz电刺激后，刺激后的辨别任务中神经解码器和行为表现均有所改善（P < 0.001，方差分析）（图3，E和I）。这些与睡眠效果相比的差异在统计学上不显著（每只动物的P > 0.05，方差分析），表明在我们的实验中，V4区域的δ波段电刺激成功地模拟了非快速眼动（NREM）睡眠的效果。相比之下，在高频（15至40 Hz）或随机频率下电刺激30分钟，或在无刺激条件下（动物睁着眼睛安静地坐在椅子上20至30分钟，刺激区域为V4）时，我们未能检测到Taskpost中感知表现的显著变化（P > 0.1）（图3D）。在高频电刺激对照组中，无论是V4还是dlPFC，刺激后放电率、PSI或噪声相关性均无统计学显著差异（P > 0.05，事后Tukey检验）。然而，我们不能排除电刺激V4神经元可能诱导了我们未记录的大脑区域中神经活动的变化。
网络模型
这里观察到的睡眠后神经群体活动的主要变化可能由哪种神经机制引起？我们实现了一个由1008个兴奋性神经元和252个抑制性整合发放神经元组成的视觉皮层递归网络模型（图4A和补充材料和方法）（26, 27）。我们以逐步的方式参数化地改变了兴奋性和抑制性突触电导，以测试不同模型配置的变化如何解释Taskpost期间实验观察到的神经活动变化——即平均放电率增加，平均PSI和相关变异性降低（图2，I至K）。对于每个网络模型变体，我们测量了两个各300毫秒刺激呈现期间的模型平均放电率和噪声相关性，并模拟了1.2秒无感觉刺激延迟期间的PSI（附图S6和补充材料和方法）。随后，我们测试了模型抑制性-兴奋性突触强度的组合，这些组合的放电率（附图S6B）、相关性（附图S6D）和PSI（附图S6C）值在实验观察范围内。模型模拟显示，局部皮层内突触的抑制或缩减（28, 29）会引起神经反应和群体活动的变化，这些变化在性质上与NREM睡眠后Taskpost中观察到的变化相似（图4B）。此外，我们的建模结果表明，实验结果与一种不对称突触抑制过程最为一致，在该过程中，平均而言，抑制性突触的抑制程度大于兴奋性突触（图4C），其净效应是增加突触效能（附图S8）。相比之下，对称的突触抑制或增强导致实验观察到的睡眠后反应变化与神经反应之间存在显著不匹配（图4B）。
讨论
尽管睡眠可以改善后续的认知功能这一观点已经存在了一个世纪（14），但这一改善的潜在神经机制仍然知之甚少。我们发现，虽然NREM睡眠会在皮层网络中引起群体活动的同步波动，但睡眠后的群体活动相对于睡前状态更加去同步。因此，睡眠诱导了一种稳态过程，其中睡眠期间群体同步性的增加随后在与神经元和行为表现增强相关的后续任务中伴随着同步性的减少。这可能是大脑在“扰动”（睡眠期间的同步神经反应）消除后维持群体活动稳定性的一种机制。
我们的建模工作表明，睡眠通过增加皮层内突触的净兴奋性效应来提高神经元和行为表现。也就是说，局部皮层内模型突触的不对称抑制或缩减会导致神经元反应和群体活动的变化，这些变化与实验中观察到的睡眠后任务中的变化相似。平均而言，抑制性突触比兴奋性突触受到更大程度的抑制（图4C），这与对突触后靶标的净兴奋性效应相一致，从而有助于增加神经元的放电率，减少群体活动的同步波动，并降低相关变异性。这一机制与先前的一项提议（30）不同，该提议认为睡眠会增加而不是减少抑制强度，尽管该结果是基于经历睡眠压力的小鼠的脑片电生理学研究得出的。然而，我们的动物不太可能经历了睡眠压力。睡眠压力伴随着动物持续清醒时低频波段功率的增加，以及随后睡眠期间δ功率的相对减少（30, 31）。在我们的数据集中，在任何清醒（任务）状态下，低频波段均没有差异（所有比较的P > 0.1，方差分析），并且在睡眠时段内δ功率没有时间变化；睡眠时段开始时的δ功率与睡眠时段中期或结束时的δ功率没有显著差异（P > 0.05，重复测量方差分析）。此外，动物在睡前任务中没有表现出任何疲劳的迹象。成功注视试验的百分比在整个时段内保持相对稳定（P > 0.1，Wilcoxon秩和检验），并且在睡前和睡后的任务之间，觉醒或注意力没有变化（附图S4和S5）。
有人提出，睡眠的恢复功能可能是由于在觉醒期间积累的代谢降解产物得到增强清除所致（32），因为代谢废物的积累可能会对突触传递产生不良影响（33），并可能触发不可逆的神经元损伤（34）。然而，在睡眠期间清除神经毒性代谢废物无法解释睡眠如何在本文描述的相对较短的时间尺度内影响神经处理和行为表现。小鼠的成像研究（32）显示，在20至30分钟的睡眠后，代谢废物的速率微乎其微，因此这一机制不太可能解释即使对于更短时间的午睡也经常观察到的睡眠的恢复功能。未来的研究将阐明是否可以将睡眠期间和睡眠后皮层群体活动的变化与代谢废物清除机制建立因果联系，以及这种联系是否可以在几分钟的时间范围内发挥作用。
在安静觉醒状态下对视觉皮层进行δ波段电刺激，在没有睡眠的情况下模拟了睡眠的恢复效果。这为我们假设的因果测试提供了支持，即睡眠期间群体活动持续同步增加，随后会降低行为任务期间同步波动的强度。因此，睡眠导致群体同步性的稳态降低，伴随着放电率的增加和相关活动的减少，这些共同提高了群体编码的准确性和行为表现。同时刺激多个皮层区域很可能会通过使多个网络进入“适当”的去同步皮层状态，从而对行为表现产生比仅刺激一个区域更强的效果。我们的结果为在无睡眠情况下通过侵入性刺激程序提高感知表现提供了概念验证，并可能为未来的人类神经调节奠定基础。
