دروازه‌های رونویسی تالاموس‑قشری هماهنگ‌کنندهٔ ثابت‌سازی حافظه

• Andrea Terceros^1 na1,
• Celine Chen^1 na1,
• Yujin HaradaORCID: orcid.org/0000-0003-2741-3035¹,
• Tim EilersORCID: orcid.org/0000-0002-5164-5584¹,
• Millennium Gebremedhin¹,
• Pierre‑Jacques HamardORCID: orcid.org/0000-0002-2484-6161²,
• Richard KocheORCID: orcid.org/0000-0002-6820-5083²,
• Roshan Sharma^3,4 &
• Priya RajasethupathyORCID: orcid.org/0000-0001-8741-2347¹

Nature (2025) این مقاله را ارجاع دهید

موضوعات

• یادگیری و حافظه
• نوروساینس مولکولی

چکیده

سازوکارهای مولکولی که امکان حفظ حافظه‌ها را در بازه‌های زمانی طولانی، از روزها تا هفته‌ها و ماه‌ها، فراهم می‌کنند، هنوز به‌خوبی شناخته نشده‌اند¹. در این پژوهش، برای کسب بینش دربارهٔ این فرآیند، یک وظیفه رفتاری ایجاد کردیم که در آن موش‌ها حافظه‌های متعددی شکل می‌دادند اما تنها برخی از آن‌ها تثبیت می‌شدند، در حالی که دیگران پس از هفته‌ها فراموش می‌شدند. سپس برنامه‌های مولکولی خاص مداری را که بین حافظه‌های تثبیت‌شده و فراموش‌شده متمایز بودند، پایش کردیم. ما چندین موج متمایز رونویسی (یعنی حالت‌های ماکروسلولی) در مدار تالاموس‑قشری شناسایی کردیم که پایداری حافظه را تعریف می‌کردند. قابل‌توجه است که یک مجموعهٔ کوچک از تنظیم‌کنندگان رونویسی برنامه‌های مولکولی گسترده‌ای را طوری تنظیم می‌کردند که ورود به این ماکروستیت‌ها ممکن شود. مطالعات هدفمند حذف ژن با CRISPR نشان دادند که اگرچه این تنظیم‌کنندگان رونویسی تأثیری بر شکل‌گیری حافظه ندارند، اما نقش‌های برجسته، علّی و به‌شدت وابسته به زمان در تثبیت حافظه ایفا می‌کنند. به‌طور خاص، فاکتور رونویسی وابسته به کالمودولین CAMTA1 برای نگهداری اولیهٔ حافظه در طول روزها ضروری بود، در حالی که فاکتور رونویسی TCF4 و متیلازشین هِستونی ASH1L بعدها برای حفظ حافظه در طول هفته‌ها مورد نیاز بودند. این نتایج زنجیرهٔ رونویسی مهم CAMTA1‑TCF4‑ASH1L در مدار تالاموس‑قشری که برای تثبیت حافظه ضروری است، شناسایی می‌کنند و مدلی را پیشنهاد می‌دهند که در آن جذب ترتیبی برنامه‌های رونویسی خاص مدار، امکان نگهداری حافظه را در بازه‌های زمانی به‌طور پیوسته طولانی‌تر فراهم می‌کند.

دسترس‌پذیری داده‌ها

داده‌های خام و پردازش‌شدهٔ scRNA‑seq از موش (دسترسی GSE300871)، داده‌های خام و هم‌راستأ ATAC‑seq (دسترسی GSE304095) و داده‌های خام و هم‌راستأ ChIP‑seq (دسترسی GSE304099) در آرشیو Gene Expression Omnibus در دسترس هستند.

دسترس‌پذیری کد

الگوریتم جدیدی برای این مقاله توسعه نیافته است. کدهای تحلیل در مخزن گیت‌هاب لابراتوار RajasethupathyLab در دسترس خواهد بود.

منابع

1. یادگیری پیش از هیپوکامپ: مشارکت‌های تالاموس و پیش‌قشر در یک حافظه در حال تحول. Neuron 112, 1045–1059 (2024).

2. اثر پوارومایسین بر تثبیت حافظه در ماهی طلایی. Science 146, 952–953 (1964).

3. اثر استوکسیسیکلوهگزیمید و ترکیب استوکسیسیکلوهگزیمید‑پوارومایسین بر سنتز پروتئین مغزی و حافظه در موش‌ها. Proc. Natl Acad. Sci. USA 55, 369–374 (1966).

4. آکتینومایسین‑D: اثرات بر حافظه در زمان‌های مختلف پس از آموزش. Nature 225, 649–650 (1970).

5. دو بازه زمانی ساخت mRNA در هیپوکامپ برای تکمیل تثبیت حافظه یادگیری مبتنی بر ترس لازم است. J. Neurosci. 22, 6781–6789 (2002).

6. زیست‌شناسی مولکولی ذخیرهٔ حافظه: گفت‌و‌گوی بین ژن‌ها و سیناپس‌ها. Science 294, 1030–1038 (2001).

7. تزریق عنصر پاسخ‌پذیر به cAMP به هستهٔ نورون‌های حسی آپلیزیا تسهیل طولانی‌مدت را مسدود می‌کند. Nature 345, 718–721 (1990).

8. C/EBP یک ژن فوری لازم برای تثبیت تسهیل طولانی‌مدت در آپلیزیا است. Cell 76, 1099–1114 (1994).

9. تحریک یک ژن‌تراشهٔ مسلط منفی CREB به‌طور خاص حافظه طولانی‌مدت در Drosophila را مسدود می‌کند. Cell 79, 49–58 (1994).

10. حافظه طولانی‌مدت نقص‌دار در موش‌های دارای جهش هدفمند در پروتئین باندی عنصر پاسخ‌پذیر به cAMP. Cell 79, 59–68 (1994).

11. CREB و حافظه. Annu. Rev. Neurosci. 21, 127–148 (1998).

12. CREB به‌عنوان تنظیم‌کنندهٔ حافظه: بیان القایی یک ایزوفورم فعال‌کننده dCREB2 حافظه طولانی‌مدت در Drosophila را تقویت می‌کند. Cell 81, 107–115 (1995).

13. CREB1 یک فعال‌کنندهٔ هسته‌ای، یک سرکوب‌کننده و یک مدولاتور سیتوپلاسمی کد می‌کند که واحد تنظیمی حیاتی برای تسهیل طولانی‌مدت تشکیل می‌دهد. Cell 95, 211–223 (1998).

14. حافظه طولانی‌مدت با بیش‌ابراز پروتئین باندی عنصر پاسخ‌پذیر به cAMP در آمیگدالا تسهیل می‌شود. J. Neurosci. 21, 2404–2412 (2001).

15. بیان پروتئین CREB به‌صورت دائماً فعال، فاز دیرینهٔ تقویت طولانی‌مدت را با بهبود جذب سیناپسی تقویت می‌کند. Cell 108, 689–703 (2002).

16. CREBA و CREBB در دو نورون شناسایی‌شده، تشکیل حافظه طولانی‌مدت در Drosophila را کنترل می‌کند. Proc. Natl Acad. Sci. USA 118, e2100624118 (2021).

17. پلاستیسیتی ساختاری و حافظه. Nat. Rev. Neurosci. 5, 45–54 (2004).

18. چهره‌های متعدد CREB. Trends Neurosci. 28, 436–445 (2005).

19. زیست‌شناسی مولکولی حافظه: cAMP، PKA، CRE، CREB‑1، CREB‑2 و CPEB. Mol. Brain 5, 14 (2012).

20. آثار حافظه‌های آزاد شده. Trends Neurosci. 26, 65–72 (2003).

21. مکانیزم‌های تثبیت حافظه: آیا تجمیع و باز‌تجمیع فرآیندهای مشابه یا متفاوتی هستند؟ Trends Neurosci. 28, 51–56 (2005).

22. باز‌تجمیع: مزیت تمرکز مجدد. Curr. Opin. Neurobiol. 16, 174–178 (2006).

23. تغییرات ترکیبی کروماتین و ذخیره‌سازی حافظه: آیا کدی برای حافظه وجود دارد؟ Learn. Mem. 13, 241–244 (2006).

24. از سلولی تا حافظهٔ ترس: جعبه‌ابزار اپی‌ژنتیک برای به‌خاطر سپاری. Curr. Opin. Neurobiol. 84, 102829 (2024).

25. زیست‌شناسی مولکولی و سامانه‌ای حافظه. Cell 157, 163–186 (2014).

26. ترجمهٔ محلی در نورون‌ها: تجسم و عملکرد. Nat. Struct. Mol. Biol. 26, 557–566 (2019).

27. سازماندهی حافظه‌های اخیر و دور. Nat. Rev. Neurosci. 6, 119–130 (2005).

28. تالاموس آنترومیدال انتخاب و تثبیت حافظه‌های طولانی‌مدت را گیت می‌کند. Cell 186, 1369–1381.e17 (2023).

29. معماری مولکولی سیستم عصبی موش. Cell 174, 999–1014.e22 (2018).

30. اطلس ترجمه‌ای با وضوح بالا و مکان‌سنجی از انواع سلولی در تمام مغز موش. Nature 624, 317–332 (2023).

31. Pertpy: چارچوب سراسری برای تحلیل اختلالات. پیش‌چاپ در bioRxiv https://doi.org/10.1101/2024.08.04.606516 (2024).

32. شناسایی احتمال سرنوشت‌سلولی در داده‌های تک‌سلولی با Palantir. Nat. Biotechnol. 37, 451–460 (2019).

33. CellRank 2: نقشه‌برداری یکپارچه سرنوشت در داده‌های تک‌سلولی چند نمایه‌ای. Nat. Methods 21, 1196–1205 (2024).

34. موش‌های CRISPR‑Cas9 knockin برای ویرایش ژنوم و مدل‌سازی سرطان. Cell 159, 440–455 (2014).

35. فیزیولوژی و بیوشیمی جهش‌های یادگیری در Drosophila. Physiol. Rev. 76, 299–317 (1996).

36. موتنت حافظه‌ای Drosophila به نام amnesiac. Nature 277, 212–214 (1979).

37. مدل‌های آبشاری حافظه‌های ذخیره‌شده در سیناپس. Neuron 45, 599–611 (2005).

38. نقشه‌برداری تعامل اپی‌ژنتیک و ترجمه‌ای در طول تشکیل و یادآوری حافظه در مجموعه انگرام هیپوکامپی. Nat. Neurosci. 23, 1606–1617 (2020).

39. پلاستیسیتی کروماتین پیش‌زمینهٔ صلاحیت نورونی برای تشکیل ردپای حافظه را پیش‌بینی می‌کند. Science 385, eadg9982 (2024).

40. آلل‌های فعال‌کنندهٔ CAMTA1 (Calmodulin‑binding transcription activator 1) پیش‌ساز عملکرد حافظهٔ اپیزودیک در انسان هستند. Hum. Mol. Genet. 16, 1469–1477 (2007).

41. فاکتور رونویسی 4 و ارتباط آن با اختلالات روانپزشکی. Transl. Psychiatry 11, 19 (2021).

42. موتیشن ASH1L باعث تشنج و ناتوانی ذهنی در دو خواهر دوقلو شد. J. Clin. Neurosci. 91, 69–74 (2021).

43. دینامیک‌های تنظیم اپی‌ژنتیک در سطح تک‌سلولی. Science 351, 720–724 (2016).

44. استقرار، نگهداری و یادآوری حافظهٔ التهابی. Cell Stem Cell 28, 1758–1774.e8 (2021).

45. کنترل نورومدولاسیونی الگوهای رفتاری طولانی‌مدت و فردیت در طول رشد. Cell 171, 1649–1662.e10 (2017).

46. درمان ترکیبی با مولکول‌های کوچک، تسریع بلوغ نورون‌های مشتق‌شده از سلول‌های بنیادی پولی‌پوتنت انسانی را تسهیل می‌کند. Nat. Biotechnol. https://doi.org/10.1038/s41587-023-02031-z (2024).

47. چگونه اپی‌ژنوم اطلاعات را یکپارچه می‌کند و سیناپس را بازشکل می‌دهد. Nat. Rev. Neurosci. 20, 133–147 (2019).

48. از مدارها تا کروماتین: نقش رو به رشد اپی‌ژنتیک در سلامت روان. J. Neurosci. 41, 873–882 (2021).

49. پروفایل دسترسی‌پذیری کروماتین توسط ATAC‑seq. Nat. Protoc. 17, 1518–1552 (2022).

50. تحلیل تک‌سلولی حالات ترجمه‌ای وابسته به تجربه در قشر بصری موش. Nat. Neurosci. 21, 120–129 (2018).

51. ایزوله‌سازی هسته‌های چندین نوع سلول مغزی برای بررسی اومیکس. Nat. Protoc. 16, 1629–1646 (2021).

52. نقشهٔ تک‌سلولی انواع فنوتیپ‌های ایمنی متنوع در میکرو محیط تومور پستان. Cell 174, 1293–1308.e36 (2018).

53. SCANPY: تجزیه و تحلیل داده‌های بیان ژن تک‌سلولی در مقیاس بزرگ. Genome Biol. 19, 15 (2018).

54. Scrublet: شناسایی محاسباتی دوپلت سلولی در داده‌های ترجمه‌ای تک‌سلولی. Cell Syst. 8, 281–291.e9 (2019).

55. تجزیه و تحلیل فنوتیپی مبتنی بر داده‌ها برای AML نشان می‌دهد که سلول‌های شبیه به سلول‌های پیش‌ساز با پیش‌آگاهی بالاتری مرتبط هستند. Cell 162, 184–197 (2015).

56. معماری مولکولی تکراری در مسیرهای تالاموسی. Nat. Neurosci. 22, 1925–1935 (2019).

57. MAST: چارچوب آماری انعطاف‌پذیر برای ارزیابی تغییرات رونویسی و توصیف ناهمگونی در داده‌های تک‌سلولی RNA‑seq. Genome Biol. 16, 278 (2015).

58. GSEApy: بستهٔ جامع برای انجام تحلیل غنی‌سازی مجموعه ژن در پایتون. Bioinformatics 39, btac757 (2023).

59. ارتباط رونویسی محافظت‌شدهٔ سلول‌های تنظیمی در میکرو محیط تومور به‌منظور استراتژی‌های جدید ترکیبی درمان سرطان. Nat. Immunol. 24, 1020–1035 (2023).

60. آزمون فراوانی اختلافی در داده‌های تک‌سلولی با استفاده از گراف‌های نزدیک‌ترین‑k‌نزدیک. Nat. Biotechnol. 40, 245–253 (2022).

61. ChEA3: تحلیل غنی‌سازی فاکتورهای رونویسی با ادغام هم‌ارزی اومیکس. Nucleic Acids Res. 47, W212–W224 (2019).

62. Atlas ترنسکریپتومیک و فضایی کل مغز موش — داده‌های scRNA‑seq 10x کامل. NeMO https://assets.nemoarchive.org/dat‑qg7n1b0 (2023).

تشکر و قدردانی

از مرکز منابع سیتومتری جریان راکفلر؛ ر. شالینژ در آزمایشگاه نوآوری تجزیه و تحلیل تک‑سلولی (SAIL) در MSKCC برای کمک به بهینه‌سازی جداسازی و توالی‌یابی نمونه‌های scRNA‑seq؛ ه. تان در آزمایشگاه ج. فریدمن برای مهربانی با ارائهٔ موش‌های Rosa26‑LSL‑spCas9‑eGFP؛ ز. گرشون برای رفع مشکلات جداسازی تک‑سلولی؛ ا. آزیزی، او. وی. گلدمن و ا. سزیراکی برای بحث‌های مفید دربارهٔ تجزیه و تحلیل scRNA‑seq؛ ن. بلاوبل و س. ناکانداکاری برای کمک به دست‌کاری‌های CRISPR in vitro و اشتراک‌گذاری مواد؛ ی. کیشی برای به اشتراک‌گذاری پروتکل ATAC‑seq؛ و ن. هینتز، ا. آزیزی و اعضای آزمایشگاه رجاسته‌پاتی برای نظراتشان بر نسخهٔ مقاله سپاسگزاریم. این کار با حمایت ‎Gr‌نقش Kavli Pilot به A.T.، برنامهٔ آموزش دانشمند پزشکی NIH T32GM152349 به C.C.، برنامهٔ Cycle for Survival و گرنت NCI P30 CA008748 به آزمایشگاه‌های نوآوری MSKCC، تأمین مالی از مرکز متاستاز و اکوسیستم تومور آلن و ساندرا گری (به SAIL، MSKCC)، و گرنت‌های Irma T. Hirschl/Weill Caulier Trust، بنیاد Pershing Square و مؤسسه ملی بهداشت ایالات متحده تحت شماره‌های جوایز DP2AG058487 و RF1NS132047 به P.R. صورت گرفته است. شکل‌های 1a,d، 2a,b، 3a,d,h,k و 4a,g,i,j و شکل‌های تکمیلی 8a و 9b با استفاده از BioRender (https://biorender.com) ساخته شدند. تمام شکل‌های Allen Mouse Brain Atlas که در این کار استفاده شده‌اند، مطابق با سیاست‌های ارجاع و حقوقی Allen Institute تنظیم شده‌اند و تحت مجوز غیرتجاری دسترسی آزاد به کار رفته‌اند.

بیانیه‌های اخلاقی

علاقه‌مندی‌های تجاری

نویسندگان اعلام می‌کنند که هیچ علاقه‌مندی تجاری ندارند.

بازبینی همتا

اطلاعات بازبینی همتا

Nature از جیان ژو و سایر بازبین(های) ناشناس به‌دلیل مشارکتشان در بازبینی این کار تشکر می‌کند. گزارش‌های بازبینی در دسترس هستند.

اطلاعات تکمیلی

یادداشت ناشر Springer Nature در برابر ادعاهای قضایی مربوط به نقشه‌های منتشر‌شده و وابستگی‌های نهادی بی‌طرف می‌ماند.

شکل‌ها و جداول داده‌های تکمیلی

شکل داده‌های تکمیلی 1: عملکرد یادگیری و بازیابی در طول نواحی ترکیب تصادفی نشانه‑نتیجه، مهار در طول آموزش و بازیابی.

a, شاخص‌های تمایز (DI) عملکرد یادگیری و بازیابی موش‌های در معرض ترکیب‌های تصادفی نشانه‑نتیجه، n = 8 موش؛ DIهای هر موش به‌صورت خطوط ضعیف نشان داده شده‌اند، به‌همراه میانگین ± SEM (خط محکم). خط نقطه‌دار سیاه مقدار DI = 0 (در حد تصادفی) را نشان می‌دهد. b, مهار اپتوژنتیک در بازیابی‌های اخیر و دور، n = 7 موش کنترل mCherry در HPC، n = 8 موش با stGtACR2 (اپسین مهاری) در HPC، n = 7 موش کنترل mCherry در ACC، n = 7 موش با stGtACR2 در ACC؛ هر حیوان به‌صورت خطوط ضعیف نشان داده شده، به‌همراه میانگین ± SEM (خط محکم). نور در دوره‌های نشانهٔ هر آزمون ارائه شد. مقداردهی شاخص‌های تمایز بین HR و نرخ لیسک تهدیدی، *** P < 0.0001 بین کنترل mCherry در HPC و stGtACR2 در HPC در بازیابی‌های اخیر و دور، ***P = 0.0001 بین کنترل mCherry در ACC و stGtACR2 در ACC در بازیابی دور، تحلیل واریانس یک‑طرفه با تصحیح بونفرونی. c, شاخص‌های تمایز عملکرد یادگیری در HR یا LR برای موش‌های دریافت‌کننده مهار در روزهای بازیابی، n = 7‑8 موش در هر گروه، نقاط دادهٔ فردی (خطوط ضعیف) نشان داده شده‌اند، به‌همراه میانگین ± SEM (خط محکم). خط نقطه‌دار قرمز معیار یادگیری که به‌صورت شاخص تمایز ≥ 0.3 تعیین شده است، نشان می‌دهد. d, شاخص‌های تمایز عملکرد یادگیری در HR یا LR برای موش‌های دریافت‌کننده مهار در روزهای آموزش، n = 7‑9 موش در هر گروه، حیوانات فردی (خطوط ضعیف) نشان داده شده‌اند، به‌همراه میانگین ± SEM (خط محکم). ACC، قشر پیشانی پیش‌پیش؛ ANT، تالاموس آنترومیدال؛ BLA، آمیگدال باسالateral؛ EC، قشر انتورینال؛ HPC، هیپوکامپ؛ HR، تکرار‑بالا؛ LR، تکرار‑پایین؛ rgCre، Cre بازگشتی؛ RSC، قشر ریتروسپینال؛ SSFO، اپسین گام‑پایدار‑عملکرد، stGtACR2، کانالرودوپیسین آنیونی هدفمند به سلول (Guillardia theta) سوماتیک.

شکل داده‌های تکمیلی 2: داده‌های رفتاری توالی‌یابی scRNA‑seq: تعیین نوع سلول و زیرمجموعه‌سازی نورون‌ها.

a, شاخص‌های تمایز (DI) عملکرد یادگیری و بازیابی موش‌های در معرض ترکیب‌های تصادفی نشانه‑نتیجه، n = 8 موش؛ DIهای هر موش به‌صورت خطوط ضعیف نشان داده شده‌اند، به‌همراه میانگین ± SEM (خط محکم). b, ردپای لیسک نماینده از یک موش که میانگین‌های آزمون نسبت به نرخ لیسک (هرتز) در HR و LR در بازیابی‌های اخیر، میانی و دور را نشان می‌دهد؛ داده‌ها میانگین (خط محکم) ± SEM (منطقهٔ سایه‌ای) هستند، n = 30‑40 آزمون. c, عملکرد حافظه در زمینه‌های HR و LR موش‌های استفاده‌شده برای توالی‌یابی scRNA، n = 42 موش؛ داده‌ها میانگین ± SEM (نوار خطاها) هستند. d, f, اندازه کتابخانه برای نمونه‌های ANT (d) یا ACC (f)، n = 9 نمونه برای هر ناحیه؛ میانه و بازهٔ چارک نشان داده شده است (حد پایین = صدک ۲۵، حد بالا = (Q1‑1.5 × IQR)). e, g, تصویر UMAP از تمام سلول‌های ANT (e) (n = 176566 سلول) یا ACC (g) (n = 145327 سلول)، خوشه‌بندی بر اساس پروفایل رونویسی و رنگ‌آمیزی بر اساس شمارهٔ خوشه. h, m, زیر‑خوشه‌بندی UMAP از سلول‌های شناسایی‌شده به‌عنوان نورون‌ها در ANT (n = 5535 سلول) (h) یا ACC (n = 5671 سلول) (m) که بر اساس نقطهٔ زمانی رنگ‌آمیزی شده‌اند. i, n, UMAP از نورون‌های ANT (i) یا ACC (n) که بر اساس بارکد ویژگی نسخه‌های زیست‌شناسی رنگ‌آمیزی شده‌اند. j, o, UMAP از نورون‌های ANT (j) یا ACC (o) که بر اساس کلاس نوروترانسیمتر رنگ‌آمیزی شده‌اند. k, نسبت نورون‌های ANT اختصاص یافته به هر کلاس نوروترانسیمتر. l, توزیع کلاس‌های نورونی بر حسب نقطه‌های زمانی و شرایط به‌صورت نسبت. p, UMAP از نورون‌های ACC که بر اساس لایهٔ قشری اختصاص یافته‌اند. q, نسبت نورون‌های ACC اختصاص یافته به هر لایهٔ قشری. r, توزیع اختصاص لایهٔ قشری بر حسب نقطه‌های زمانی و شرایط به‌صورت نسبت. ACC، قشر پیشانی پیش‌پیش؛ ANT، تالاموس آنترومیدال؛ HR، تکرار‑بالا؛ LR، تکرار‑پایین؛ T، آموزش.

شکل داده‌های تکمیلی 3: ANT و ACC برنامه‌های ژنی متمایزی را در طول پایداری حافظه به کار می‌گیرند.

a, نمودارهای خطی فاصلهٔ رونویسی جهانی واسرشتین، با استفاده از کل ترنسکریپتوما (رنگ‌های محکم) یا مجموعه‌ای تصادفی از ژن‌ها (رنگ‌های ضعیف). فواصل نسبت به آموزش اولیه در ANT (چپ) و به بازیابی اخیر در ACC (راست) محاسبه شد، ***P < 0.0001 برای فواصل جهانی در بازیابی‌های اخیر، میانی و دور HR در مقابل LR در ANT، ***P < 0.0001 برای فواصل جهانی در بازیابی‌های میانی، دور و دیر‑دور HR در مقابل LR در ACC؛ آنالیز واریانس یک‑طرفه با تصحیح بونفرونی. b, c, آنوتیشن ژن (GO) برای ژن‌های DEGs در ANT HR در مقابل LR (b) یا در ACC HR در مقابل LR (c) به‌دست آمده با استفاده از تحلیل تفاضل‌های مبتنی بر pseudo‑bulk. غنی‌سازی GO با آزمون هیپرژئومتریک یک‑طرفه (تحلیل بیش‌نمایندگی) انجام شد، با تصحیح مقایسات چندگانه. گرادیان رنگ نشان‌دهنده مقدار −log₁₀(p‑value) اسمی است و اندازه دایره درصد ژن‌های داخل یک شرط GO که با DEGs کلی همپوشانی دارند را نشان می‌دهد. d, تحلیل GO برای ژن‌های افزایشی در نورون‌های HR در بازیابی دور در ANT (چپ) و در بازیابی دیر‑دور در ACC (راست) با همان پارامترهای آماری (b) و (c). e, همپوشانی geneهای مربوط به ماژول متیلاسیون هستونی در طول نقاط بازیابی در ACC. f, همپوشانی DEGs HR در مقابل LR که با تمام نورون‌های ANT یا نورون‌های Vglut2 در بازیابی‌های اخیر و دور به‌دست آمد. g, همپوشانی DEGs HR در مقابل LR که با تمام نورون‌های ACC یا نورون‌های Vglut1 در بازیابی‌های اخیر و دور به‌دست آمد. h, تحلیل GO برای DEGs از نورون‌های ACC که به عنوان لایهٔ قشر 2/3 یا لایهٔ 6 طبقه‌بندی شده‌اند، با همان پارامترهای آماری (b) و (c). ANT، تالاموس آنترومیدال؛ ACC، قشر پیشانی پیش‌پیش؛ DEGs، ژن‌های متفاوت بیان‌شده؛ HR، تکرار‑بالا؛ LR، تکرار‑پایین.

شکل داده‌های تکمیلی 4: مسیرهای زمان‌سنجی (Pseudotime) حالت‌های ماکرو مرتبط با پایداری حافظه را ثبت می‌کنند.

a, b, تخمین چگالی هسته‌ای (Kernel density estimate) نمودارهای tSNE از نورون‌های ANT (a) یا ACC (b) برای هر تکرار زیستی (n = 2‑3 موش در هر نقطهٔ زمانی) در تمام زمان‌های بازیابی. c, d, تجسم tSNE از مسیر زمان‌سنجی ANT (c) یا ACC (d) که به کلاس نورونی در ANT و لایهٔ آناتومیک در ACC رنگ‌آمیزی شده‌اند. e, نمودار میله‌ای درصد نورون‌های Fos+ در طول نقاط زمانی در نورون‌های ANT (چپ) یا ACC (راست) که برای ساخت مسیر زمان‌سنجی استفاده شده‌اند. f, g, تجسم tSNE از مسیرهای ANT (f) یا ACC (g) که با نورون‌های Fos+ که چگالی نمره‌شده ≥ 0.6 هستند، رنگ‌آمیزی شده‌اند. h, همپوشانی DEGs به‌دست آمده از همه نورون‌ها یا فقط Fos + سلول‌ها. برای بازیابی میانی در ANT (چپ) و برای بازیابی میانی و دور در ACC (راست) نشان داده شده است. i, نمودارهای چگالی برای نورون‌های HR و LR در ACC بر روی فضای زمان‌سنجی tSNE در طول روزهای بازیابی. ACC، قشر پیشانی پیش‌پیش؛ ANT، تالاموس آنترومیدال؛ DEGs، ژن‌های متفاوت بیان‌شده؛ HR، تکرار‑بالا؛ LR، تکرار‑پایین.

شکل داده‌های تکمیلی 5: بیان DEGs، ماژول‌های GO و ژن‌های همبسته با ماکروستیت در طول مسیرهای زمان‌سنجی.

a, تجسمات tSNE از مسیرهای زمان‌سنجی ANT (چپ) و ACC (راست) که با فراوانی همسایگی سلول‌های شرایط HR یا LR رنگ‌آمیزی شده‌اند. b, مسیرهای زمان‌سنجی رنگ‌آمیزی شده بر حسب متوسط بیان DEGs از آموزش اولیه و بازیابی دور در ANT (چپ)؛ بازیابی اخیر و بازیابی دیر‑دور در ACC (راست)، واحدها log₂CPM + 1 هستند. c, مسیر زمان‌سنجی ANT رنگ‌آمیزی شده بر حسب متوسط بیان ژن‌های IEGs (Immediate Early Genes) مرتبط با یادگیری، واحدها log₂CPM + 1. d, مسیرهای زمان‌سنجی ANT (چپ) یا ACC (راست) به دست آمده با الگوریتم CellRank. ستاره‌ها نقاط اوج را نشان می‌دهند. e, بیان ژن‌های مرتبط با ماژول پلاستیسیتهٔ سیناپسی در ANT (چپ) در میانی‑بازیابی و ماژول متیلاسیون هستونی در ACC (راست) در دیر‑دور، هر نقطه داده نمایانگر یک موش منفرد است، میانگین بیان به‌صورت واحدهای log₂CPM + 1 نمایش داده شده، داده‌ها میانگین ± SEM (نوار خطا) هستند. f, بیان ژن‌های همبسته با ماکروستیت دیر در ANT (چپ) یا ماکروستیت دیر‑دور در ACC (راست) در شرایط HR و LR