PORTADA

EFECTO MODULATORIO DEL ACOPLAMIENTO

SENSORIOMOTOR SOBRE LA MEMORIA DE TRABAJO

Tesis para optar al grado de Doctor en Ciencias Biomédicas

ROCÍO BELÉN LOYOLA NAVARRO

Directores de Tesis:

Pedro Maldonado Arbogast, PhD.

Francisco Aboitiz Domínguez, PhD.

2020

A mi familia

2

AGRADECIMIENTOS

Agradezco a todos quienes han hecho posible esta tesis, especialmente a mis

tutores, Dr. Pedro Maldonado y Dr. Francisco Aboitiz, quienes han contribuido en lo

profesional y en lo personal, con una paciencia y dedicación inconmensurables, para

que este trabajo fuese posible.

Mencionar especialmente a Cecilia Carter. Agradezco su calidez, su enorme

corazón y su apoyo logístico y emocional, los que fueron de inmensa ayuda

especialmente en los momentos más difíciles de este proceso.

Agradezco también a todos los miembros del laboratorio de Neurosistemas, por

cuya contención incondicional he llegado a esta instancia. Especialmente, a Cecilia

Babul y Christian López, por hacernos feliz el día a día; a Rodrigo Vergara por su

apoyo emocional, y por su fundamental guía en los análisis estadísticos. También

agradecer a Cristóbal Moenne por su ayuda y paciencia con el preprocesamiento de

mis datos. A Alexandre Hyafil cuyas ideas y trabajo aportaron grandemente a los

análisis de tiempo frecuencia.

A todas las increíbles mujeres en ciencia con las que he compartido y crecido:

Ana Campos, Christ Devia, Carolina Astudillo, Alejandra Parra, Florencia Alamos,

Carolina Salazar, Giuliana Bucci, María de los Ángeles Juricic y Cecilia Babul. Son una

inspiración.

Finalmente, a mi más importante pilar: mi familia. A mi padre que siempre me

incentivó y procuró todos los medios para que este doctorado fuera posible. A mi

madre. A mi hermano Raúl y su incondicionalidad. A mis abuelos, Raúl y Graciela,

siempre presentes.

3

FINANCIAMIENTO

Esta tesis ha contado con el financiamiento de la beca CONICYT-PFCHA 21150153 y

del núcleo milenio ICM P09-015-F.

4

TABLA DE CONTENIDO

PORTADA i

AGRADECIMIENTOS iii

FINANCIAMIENTO iv

TABLA DE CONTENIDO v

ÍNDICE DE FIGURAS Y TABLAS viii

RESUMEN x

1. INTRODUCCIÓN 12

1.1 Modelos teóricos de la Memoria de Trabajo 22

2.1 Neurobiología de la Memoria de trabajo 27

2. HIPOTESIS 35

3. OBJETIVOS 36

3.1 Objetivo General 36

3.2 Objetivos Específicos 37

4. MATERIALES Y MÉTODOS 38

4.1 Sujetos 38

4.2 Materiales 39

4.3 Prueba de Memoria de Trabajo Verbal 41

5

4.4 Electroencefalografía 45

4.5 Análisis de datos 46

4.5.1 Análisis Conductual 46

4.5.2 Análisis de Potenciales Relacionados a Evento (ERPs) 50

4.5.3 Análisis Tiempo-frecuencia 56

5. RESULTADOS 58

5.1 Sujetos 59

5.2 Resultados Conductuales 60

5.3 Resultados Electrofisiológicos 69

5.3.1 Resultados de Potenciales relacionados a Evento 69

5.3.2 Resultados data-driven 81

5.3.3 Resultados de Consistencia de Fase (ITPC) 89

6. DISCUSIÓN 93

7. CONCLUSIÓN 122

8. REFERENCIAS 124

9. ANEXOS 140

9.1 Figuras Suplementarias 141

9.2 Test De Permutaciones. 161

9.3 Modelo Lineal Generalizado 164

9.4 Dataset 166

6

9.4.1 Conductual 166

9.4.2 Sensibilidad y Especificidad 169

9.4.3 Potenciales evocados 172

9.4.4 Consentimiento informado………………………………………………………187

7

ÍNDICE DE FIGURAS Y TABLAS

Tabla 1 Resumen de componentes de ERP encontrados en cada etapa de

procesamiento de Memoria de trabajo. 34

Tabla 2 Características de los sujetos 60

Tabla 3 Valores de variables dependientes conductuales por condiciones

experimentales 61

Tabla 4 Promedios de Amplitud y test de distribuciones de ERPs por

condiciones experimentales

71

Tabla 5 Promedios de Latencias y test de distribuciones de ERPs por

condiciones experimentales.

72

Fig. 1. Preparación (set up) del experimento 43

Fig. 2. Modulación conductual por condición de codificación 64

Fig. 3. Estimadores de la probabilidad de acierto 68

Fig. 4. Gran promedio de ERPs evocados a la aparición del estímulo 73

Fig. 5. Amplitud y latencia de ERPs por condición de codificación 76

Fig. 6. Amplitud y latencia de ERPs por ensayo correcto e incorrecto 78

Fig. 7. Efecto de las condiciones sobre cada electrodo, por serie de tiempo 84

8

Fig. 8. Diferencias entre CA y CP sobre cada electrodo, por serie de tiempo 86

Fig. 9. Diferencias entre CA y CD sobre cada electrodo, por serie de tiempo 87

Fig. 10. Diferencias entre CD y CP sobre cada electrodo, por serie de tiempo 88

Fig. 11. ITPC de ensayos correctos por condición. 91

Fig. 12. Mapa topográfico de valores de p por condición 92

Fig. S1. Resultados del pilotaje 141

Fig. S2. Efectos del aprendizaje de la tarea y del orden de presentación del bloque sobre la exactitud 142

Fig. S3. Efectos de la sensación de seguridad. 143

Fig. S4. Efectos del tiempo pre-estímulo sobre la exactitud. 144

Fig. S5. Actividad electroencefalográfica evocada a la aparición del estímulo 145

Fig. S6. Potenciales Relacionados a Eventos evocados por la presión del botón 147

Fig. S7. Gran promedio de ERPs evocados a la aparición del estímulo

para ensayos incorrectos 148

Fig. S8. Actividad electroencefalográfica evocada a la aparición del estímulo

para ensayos incorrectos. 150

Fig. S9. Gráficos de densidad de amplitud y latencia de ERPs ensayos incorrectos,

desglosado por condición 152

Fig. S10. Amplitud y latencia de ERPs por ensayo correcto e incorrecto,

desglosado por condición 153

Fig. S11. Número de clústers significativos en el tiempo 154

Fig. S12. Ejemplos de ensayos únicos, en electrodo Oz, por condición 155

Fig. S13. Ejemplos de ensayos únicos, en electrodo Fz, por condición 157

Fig. S14. Ejemplo de ensayos únicos, en electrodo Pz, por condición 159 9

RESUMEN

La presente investigación tiene como objetivo comprobar el rol funcional

de un acto motor voluntario temporalmente acoplado con la aparición de los

estímulos codificados en la memoria de trabajo verbal. Específicamente, se

busca verificar que el acoplamiento sensoriomotor temporalmente preciso es un

constituyente de la memoria de trabajo. Para comprobar esta hipótesis, se

diseñó una tarea de memoria de trabajo verbal tipo Sternberg modificada,

presentada en modalidad visual. En ella los sujetos debieron memorizar series

de letras (consonantes) en tres condiciones: una condición activa acoplada, en

donde los participantes presionan un botón luego del cual se muestran

inmediatamente los estímulos a codificar; una condición activa pero

temporalmente desacoplada, en la que existe un retardo entre la presentación

de los estímulos y la presión del botón por parte de los sujetos; y finalmente,

una condición pasiva, que corresponde al paradigma clásico en el cual los

estímulos son presentados automáticamente por el computador.

10

Se reclutó a un total de 26 adultos sanos (13 mujeres; edad promedio:

23.1 años), quienes realizaron las tres condiciones experimentales mientras se

les registró la actividad electroencefalográfica. Los resultados conductuales

muestran que la codificación activa acoplada de los estímulos mejora la

exactitud, especificidad y sensibilidad en la memoria de trabajo. Este efecto de

la codificación activa acoplada sobre el desempeño se mantiene aun cuando se

comprueba que existen otros efectos, además de la condición de codificación,

que también influyen sobre el desempeño.

Al estudiar los efectos del acoplamiento sensoriomotor temporalmente

preciso sobre los potenciales relacionados a la codificación, se observa que la

condición activa acoplada evoca una menor latencia en los componentes N100

y P200. No se evidencian efectos de las condiciones experimentales sobre la

amplitud de los componentes de interés. Por otro lado, al estudiar las

diferencias entre ensayos correctos e incorrectos, los resultados arrojan que los

ensayos correctos (independiente de su condición) evocan una menor amplitud

en los componentes P100-N100, P200 y P300. No se observan diferencian en

la latencia de los componentes al probar ensayos correctos versus incorrectos.

Estos resultados se discuten a partir de la relevancia de la etapa de codificación

en MT, y específicamente, de la codificación activa. Asimismo, se discuten las

11

posibles implicancias de la señal corolaria como el mecanismo neurofisiológico

que sustentaría la modulación del acoplamiento sensoriomotor sobre MT.

12

INTRODUCCIÓN

La memoria de trabajo (MT) es el proceso cognitivo que permite

mantener, integrar, coordinar y manipular información en mente, información

que es utilizada para generar una respuesta o acción atingente al objetivo o

tarea en curso (Alan Baddeley, 2012; Miyake & Shah, 1999). Aun cuando en la

cotidianeidad utilizamos MT activamente, es decir, valiéndonos de actos

motores, los modelos actuales de MT se basan en estudios donde los

participantes reciben pasivamente la información. En ellos, los sujetos deben

esperar inmóviles a que los estímulos aparezcan. La presente investigación

propone que para el sistema nervioso no es lo mismo codificar la información en

MT de una manera activa que de una manera pasiva, de manera que un acto

motor voluntario temporalmente acoplado con la aparición de los estímulos

codificados en la memoria de trabajo verbal, es capaz de beneficiarla.

Diversos estudios han reportado que el planeamiento y la ejecución

motora pueden modular otros procesos cognitivos, como la percepción (para

13

una revisión, ver Schroeder, Wilson, Radman, Scharfman, & Lakatos, 2010).

Desde la percepción activa, el sistema nervioso se entiende como un sistema

que explora activamente su entorno, de manera que no sólo el sistema motor

requiere del sensorial para guiar un acto, sino que el sistema sensorial requiere

del motor para percibir (Ahissar & Assa, 2016). De este modo, sistema motor y

sistemas sensoriales formarían un círculo cerrado sensoriomotor en el cual se

influyen mutuamente. Por ejemplo, ya en 1967 Yarbus evidenció que la

percepción de una escena visual requiere de la exploración mediante

movimientos oculares. En esta línea, los movimientos oculares han mostrado

modular la actividad neuronal del sistema visual (Devia, Montefusco-Siegmund,

Egaña, & Maldonado, 2017; Ibbotson & Krekelberg, 2011; Ito, Maldonado,

Singer, & Grün, 2011; McFarland, Bondy, Saunders, Cumming, & Butts, 2015),

pese a que los mecanismos de cómo se lleva a cabo esta modulación aún no

han sido del todo dilucidados. Esta misma relación entre sistema sensorial y

motor se ha encontrado en otras modalidades perceptuales (olfato y gusto:

Halpern, 1983; Mainland & Sobel, 2006; tacto: Bagdasarian et al., 2013;

Blakemore, Frith, & Wolpert, 1998-1999; audición: Gruters et al., 2018), así

como en varias especies animales, lo que apunta a que la modulación motora

sobre la percepción es un mecanismo neuronal consistente. Siguiendo este

razonamiento, MT podría modularse si durante la adquisición de la información

14

que se mantendrá en memoria -y que guiará nuestra conducta- se activa este

círculo sensoriomotor.

Apoyando esta propuesta, es relevante destacar que la modulación que

el sistema motor ejerce sobre los sistemas sensitivos parece corresponder a un

mecanismo de acción del sistema nervioso que no se limita únicamente al

movimiento de la superficie sensorial, sino que formaría parte de un mecanismo

neuronal más global (Press & Cook, 2015). Varios estudios sugieren que la

actividad motora influiría sobre el sentido de agencia (Haggard, 2017; Haggard

& Chambon, 2012), la percepción temporal (Haggard et al., 2002; Hughes,

Desantis, & Waszak, 2013 para una revisión), la atención (Kumar, Manjaly, &

Sunny, 2015; Morillon, Schroeder, & Wyart, 2014; Nittono, 2004; Waszak &

Herwig, 2007), y la memoria a largo plazo (Yebra et al., 2019). En una serie de

estudios, Nittono y colaboradores (Nittono, 2004, 2006; Nittono, Hamada, &

Hori, 2003) demostraron los efectos de la autoadministración sobre las

respuestas conductuales y la actividad eléctrica evocada por una tarea de

estímulos infrecuentes. Los participantes tomaron significativamente mayor

tiempo para ejercer sus respuestas cuando se autoadministraban la tarea, sin

que esto afectara en su desempeño; en cuanto a la actividad evocada,

encontraron que la amplitud del componente P3a -asociado a la captura de la

atención por un estímulo novedoso- era significativamente mayor cuando el

15

sujeto se autoadministraba la tarea, con respecto a cuando la realizaba de

forma pasiva. Los autores interpretaron dichos resultados como indicativo de

que el procesamiento de la atención puede ser intensificado por un acto

voluntario. En esta misma línea, Morillon et al., 2014 reportaron que un acto

motor mejoraba la atención auditiva con respecto a la atención pasiva. En un

paradigma donde los sujetos debían discriminar la información auditiva entre

estímulos objetivos y distractores, los autores encontraron que un acto motor

mejora la sensibilidad de los primeros, a la vez que suprime activamente la

sensibilidad de los tonos distractores. Cabe destacar que este efecto requería

de un acoplamiento sensoriomotor temporal preciso con los tonos objetivos, de

modo que desfases entre el acto motor y dichos tonos disminuían

significativamente esta modulación. Asimismo, un desacoplamiento entre el

acto motor y el foco atencional generaba una pérdida del efecto: si el acto motor

estaba en fase con el estímulo distractor (y por lo tanto, en antifase con el foco

atencional), la sensibilidad a los estímulos objetivos y distractores dejaba de

mostrar diferencias significativas con respecto a la condición de atención

pasiva. Esta necesidad de una coordinación temporal precisa entre el acto

motor y la atención, también se ha observado en paradigmas de percepción

activa (Attinger, Wang, & Keller, 2017; Blakemore et al., 1999; Ito et al., 2011;

McFarland et al., 2015), indicando que el acoplamiento temporalmente preciso

16

sería un aspecto relevante para el mecanismo de modulación del sistema motor

sobre otros procesos cognitivos.

De este modo, la evidencia hasta ahora presentada parece indicar, por

un lado, que el sistema nervioso procesaría los estímulos que se reciben de

manera pasiva de una forma distinta a cuando se procesan de manera activa.

Además, apuntaría a que este proceso requeriría un acoplamiento temporal

preciso. Por otra parte, estos hallazgos sugieren que el sistema motor es capaz

de influenciar otros procesos cognitivos, más allá de la percepción.

De acuerdo con esto, nosotros conjeturamos que el mismo principio

podría modular la memoria de trabajo. Varios estudios han demostrado que un

acto motor voluntario no relacionado con la tarea es capaz de interferir con MT

tanto verbal (Buszard, Farrow, Zhu, & Masters, 2016; Logan & Fischman, 2015;

Spiegel, Koester, & Schack, 2013; Spiegel, Koester, Weigelt, & Schack, 2012;

Weigelt, Rosenbaum, Huelshorst, & Schack, 2009), como visuoespacial

(Gündüz, Schack, & Koester, 2017; Spiegel et al., 2013), lo que indicaría que los

mecanismos subyacentes a MT no serían independientes del sistema motor.

Estos estudios han demostrado que la ejecución de actos motores voluntarios

durante la etapa de mantención es capaz de interferir con el desempeño en

17

tareas de MT, independiente de la dificultad del movimiento (Logan & Fischman,

2011; Spiegel et al., 2012-2013). La modulación en el desempeño de MT se ha

interpretado como indicativo de que la ejecución y la planificación motora

compartirían recursos con el bucle fonológico, recursos por los cuales deben

competir. Dicha competencia por los recursos cognitivos compartidos entre MT

y el sistema motor, se observa como la interferencia producida en la mantención

y recuperación de los estímulos. Esto apunta a que, efectivamente, el sistema

motor parece formar parte de los mecanismos de MT, al menos durante la etapa

de mantención. En una línea similar, Gündüz, Schack & Koester (2017)

estudiaron los efectos de un movimiento voluntario no relacionado con el

objetivo de la tarea, pero esta vez durante la etapa de codificación. Los autores

encontraron que la realización de movimientos manuales (agarrar, sostener un

objeto y luego ubicarlo en lugar específico) concomitantes a la codificación de

los estímulos, conllevaba una disminución en el desempeño cuando la tarea era

visuoespacial y no verbal. Esta modulación sugiere que la ejecución motora y la

MT visuoespacial compartirían recursos cognitivos también durante la etapa de

codificación de los estímulos a mantener. Cabe destacar que el efecto de

interferencia observado en estos estudios podría tener relación con que los

actos motores no son atingentes a la tarea en curso. Vale decir, la consecuencia

sensorial de los actos motores no tiene relación con el objetivo de codificar o

mantener los estímulos en MT. De este modo, es posible esperar que un acto

18

motor cuya consecuencia sensorial se relacione con la codificación, tenga el

efecto en la dirección contraria, beneficiando el desempeño de MT. El efecto en

esta dirección se ha probado recientemente en la memoria de largo plazo

(Yebra et al., 2019), quienes solicitaron a sus participantes presionar -o no- un

botón mientras observaban imágenes. Cabe destacar que los sujetos no eran

avisados de antemano que una hora después de la tarea de codificación se les

preguntaría por el recuerdo de dichos estímulos. Los resultados de esta

investigación muestran que la codificación activa mejora la memoria a largo

plazo. Esto se observa en que los estímulos que fueron codificados asociados a

la presión de un botón, posteriormente fueron recordados en una mayor

proporción que los estímulos codificados sin presión del botón. Estos hallazgos

apuntan a que un acto motor que es atingente al cambio sensorial durante la

codificación es capaz de mejorar la memoria -en este caso, a largo plazo-, aun

cuando codificar estímulos en la memoria no sea el objetivo en curso de los

individuos. Esto sugiere que un mecanismo similar de modulación podría

observarse durante el uso de MT, cuando el efecto sensorial de un acto motor

son los estímulos a codificar. Más aún, nuestro trabajo propone que un aspecto

relevante dentro de esta modulación sería la precisión temporal entre el acto

motor y el efecto sensorial.

Además de los efectos conductuales, Gunduz, Schack & Koester (2017)

19

investigaron los correlatos neuronales que subyacen a esta interacción entre

actos motores voluntarios y MT durante la codificación. Los autores encontraron

que los actos motores durante la codificación generan un cambio del patrón en

el componente negativo posterior. Este componente negativo posterior ha sido

interpretado como índice de la percepción e identificación de material

visuoespacial en MT (Ruchkin, D., Canoune, H., Johnson, R. 1995). Dicho

cambio consistió en que este componente negativo posterior se podía observar

bilateralmente cuando la codificación de MT era concomitante a la ejecución

motora, mientras que en tareas pasivas la distribución mantiene la distribución

típica de lateralización hacia electrodos derechos. Los autores interpretaron

estas diferencias cualitativas en la distribución espacial del componente

negativo como reflejo del costo de la tarea motora asociada a la codificación de

MT visuoespacial. Dicho estudio no muestra evidencia de cambios cuantitativos

en amplitud o latencia de estos u otros componentes asociados a la codificación

de estímulos en MT, como P300 (P3). Diversos estudios han correlacionado la

aparición de este componente positivo P3 con la codificación en tareas de MT

tipo Sternberg (Chao & Knight, 1996; Kiss et al., 1998, 2007; Kusak et al., 2000;

Patterson et al., 1991; Ruchkin et al., 1992). La amplitud de P3 reflejaría los

procesos de codificación que promueven el almacenamiento exitoso y

facilitarían así, la posterior recuperación de la información y reconocimiento del

estímulo (Polich, 2007). Esto parece corroborarse evidencialmente en tanto que

20

los ítems que evocaron P3 durante la codificación, tienden a ser los ítems

recuperados, tanto en tareas tipo Sternberg (Fabiani, Karis, & Donchin, 1986a;

Karis, Fabiani, & Donchin, 1984), como en paradigmas atencionales (Ortega,

López, Carrasco, Anllo-Vento, & Aboitiz, 2013; López et al., 2008). Asimismo,

durante la codificación de estímulos visuales en MT pueden observarse

componentes relacionados al procesamiento sensorial más temprano del

estímulo, como P100 y N100 cuya distribución es en electrodos occipitales.

P100 ha sido asociado a la respuesta visual temprana (Clark, Fan, & Hillyard,

1995; Di Russo, Martínez, Sereno, Pitzalis, & Hillyard, 2002; Luck, Heinze,

Mangun, & Hillyard, 1990; Natale, Marzi, Girelli, Pavone, & Pollmann, 2006;

Sergent, Baillet, & Dehaene, 2005), mientras que el componente N100 se ha

postulado como índice del proceso de discriminación visual, y también se

considera una respuesta visual temprana (Di Russo et al., 2002; Vogel & Luck,

2000). En este sentido, nuestro estudio hipotetiza que el acoplamiento

sensoriomotor entre un acto motor voluntario y los estímulos visuales generaría

una modulación de los mecanismos neuronales que subyacen a la codificación

de los estímulos. Específicamente, nuestro estudio propone que el

acoplamiento sensoriomotor temporalmente preciso conlleva un aumento de la

amplitud y una disminución de la latencia de los componentes tanto tempranos

(P100 y N100) como tardíos (P300) relacionados a la codificación de estímulos

visuales en MT.

21

En resumen, la memoria de trabajo es un proceso cognitivo que nos

permite mantener información en línea para ejecutar acciones concordantes con

una tarea en curso. Si bien hacemos uso de esta habilidad de manera

voluntaria y activa, los paradigmas actuales suelen estudiarla como un proceso

donde los participantes reciben pasivamente la información. Existe evidencia

que muestra que el sistema nervioso no procesaría de igual manera la

información adquirida pasivamente que la adquirida de modo activo, mediado

por un acto voluntario. Así, procesos como la percepción, la atención y la

memoria a largo plazo parecen ser modulados por un acto motor

temporalmente coordinado con el estímulo -es decir, una coordinación temporal

sensoriomotriz-. En memoria de trabajo, el sistema motor parece compartir

recursos cognitivos con MT tanto en su etapa de codificación como de

mantención; sin embargo, hasta el alcance de nuestra investigación, los efectos

del acoplamiento sensoriomotor -y, más aún, la necesidad de un acoplamiento

temporal preciso- no han sido estudiados. De este modo, nuestro trabajo

plantea que la codificación activa de la información sería un constituyente de

MT; vale decir, que la modulación de cortezas motoras sobre cortezas visuales

forma parte de los mecanismos de MT, siendo capaz de beneficiarla.

22

23

Modelos teóricos de la Memoria de Trabajo

Como se mencionó previamente, MT es un proceso cognitivo que

permite la mantención de información en mente, así como su integración,

coordinación y manipulación, la que es utilizada para generar una respuesta o

acción atingente al objetivo o tarea actual. Esta característica sería esencial

para otras funciones cognitivas, como el lenguaje (Alan Baddeley, Gathercole, &

Papagno, 1998; Makuuchi, Bahlmann, Anwander, & Friederici, 2009; Meyer,

Grigutsch, Schmuck, Gaston, & Friederici, 2015) y la inteligencia (Chooi, 2012;

Kyllonen & Christal, 1990; Süß et all., 2002).

Modelo de Multicomponentes

Teóricamente, se han propuesto diversos modelos del funcionamiento de

MT (e.g. Baddeley & Hitch, 1974; Conway & Engle, 1994; Cowan, 1988; Postle,

2006). De ellos, el más clásico y difundido corresponde al modelo de

multicomponentes de Baddeley & Hitch (1974). Este modelo define a MT como

un sistema que retiene y manipula una cantidad limitada de información durante

24

períodos cortos de tiempo. Un aspecto clave de MT, es que su funcionamiento

está íntimamente ligado a los procesos de atención y conciencia (Baddeley,

Hitch, & Allen, 2009; Campoy & Baddeley, 2008; Miller, 1994).

Conceptualmente, el modelo de multicomponentes establece que existirían tres

subsistemas de modalidades o subdominios específicos -llamados subsistemas

esclavos-, y un subsistema de modalidad general y dependiente de la atención

-administrador central-. El administrador central estaría a cargo de funciones

relacionadas con la distribución de recursos cognitivos, dentro de las cuales se

propone: a) regular el flujo de información en actividades que requieren de la

atención voluntaria y que están relacionadas con acciones planificadas; b)

seleccionar el subsistema adecuado para la mantención de la información

(visual o verbal); c) integrar y coordinar la información entre los subsistemas, y

c) proveer un mecanismo de manipulación cognitiva de la información

mantenida en línea. Los recursos de este administrador central son limitados, y

su eficacia se relaciona con la demanda de la tarea en curso y la presencia de

otras tareas simultáneas (Baddeley & Hitch, 1974; Alan Baddeley, 2012). Los

otros tres subsistemas (el bucle fonológico, la agenda visuoespacial y el buffer

episódico), se proponen como sistemas “esclavos” del administrador central.

Corresponderían a almacenes y procesadores de información en diferentes

modalidades sensoriales. Una de las principales limitaciones de este modelo

corresponde a que el funcionamiento de la memoria de trabajo queda

25

supeditado a ciertas entradas sensoriales, como la visión y la audición.

Además, en el modelo original, cada modalidad funcionaría de manera paralela

e independiente, sin interacción entre ellas. Sin embargo, es notorio que se

puede mantener y manipular información verbal proveniente tanto de la

modalidad visual como auditiva, y que características visuales como el color o la

forma de objetos visuales pueden mantenerse ayudados de componentes

verbales. Asimismo, este modelo tampoco daría cuenta de la capacidad para

mantener y manipular información de otras modalidades sensoriales, como las

táctiles o propioceptivas. Por ejemplo, esta sería necesaria para mantener

secuencias de texturas, lo cual queda especialmente de manifiesto en la

capacidad para leer Braille. Otra debilidad que el modelo de multicomponentes

tuvo por mucho tiempo fue la relación entre memoria a largo plazo y MT. El

modelo inicial de Baddeley & Hitch (1974) proponía la existencia de una

relación entre los mecanismos de MT y memoria a largo plazo, pero sin

especificar cuál era ni cómo sucedía. No fue hasta el año 2000, en una revisión

del modelo, que esta relación se especificó al añadir el componente

denominado buffer episódico (Baddeley, 2000). Este componente actuaría como

un espacio mental que permite unir información proveniente de dimensiones

lingüísticas y visuales -mantenidas en los subsistemas bucle fonológico y

agenda visuoespacial- y de otros procesos cognitivos como la percepción y la

memoria a largo plazo (Baddeley, 2012). Este subcomponente tiene una clara

26

influencia de otros modelos de MT, como el mismo autor ha dejado de

manifiesto.

Modelo Embebido

Otro modelo especialmente influyente es el modelo embebido (Cowan,

1988). Este modelo propone que MT corresponde a la activación temporal de la

memoria de largo plazo, asistida por procesos atencionales y ejecutivos. Se

denomina “embebido”, en tanto que existiría una “porción” de memoria activada,

dentro de la cual se focaliza la atención. De estas “porciones” de memoria a

largo plazo que han sido activadas, el ejecutivo central determina qué ítems

entran al foco de atención. En tanto que este foco atencional es limitado en su

capacidad, el ejecutivo central puede, además, “sacar” ítems del foco de

atención, y “meter” otros; estos ítems que son reemplazados se mantendrían

disponibles por un tiempo, dejando un “trazo” que persistirá unos cuantos

segundos, antes de dejar de estar del todo disponibles. Cabe destacar, que este

modelo asume que la memoria a largo plazo es ilimitada, y que, por lo tanto,

también se pueden activar ilimitadas características a la vez. Por tanto, el límite

de la memoria de trabajo estaría dado por la capacidad de la atención, en tanto

que no puede focalizar un número infinito de ítems (Cowan, 1988, 2009).

27

Dentro de los componentes de MT, Cowan define al ejecutivo central

como un conjunto de varios procesos voluntarios que están relacionados, más

que una única estructura unificada. Cowan (1988) define sus funciones como:

“a) la selección de los canales de información desde la memoria a corto plazo ,

b) transferir información desde un tipo de almacenamiento al otro, c) escanear

la memoria a corto plazo para seleccionar los ítems que entraron desde la

memoria a largo plazo o desde los sensores, d) mantención de la información

en la memoria a corto plazo, e) búsqueda de información en memoria a largo

plazo, f) procesos de resolución de problemas, incluyendo la recuperación

basada en reglas de ítems desde la memoria a largo plazo, y la formación de

nuevas asociaciones a partir de la recombinación de la información en memoria

a corto plazo”.

Otra característica del modelo embebido, es que no existe la entidad de

los sistemas esclavos. En este sentido, el bucle fonológico más que ser un

componente en sí mismo, correspondería a la activación temporal de

información fonológica almacenada en la memoria a largo plazo. Algo similar

ocurriría para los otros subsistemas. Esto implica que no existe un componente

esclavo por cada modalidad sensorial, de modo que no hay restricciones en el

tipo de información que puede ser mantenida y manipulada en mente. Además,

ya que varias características puedan ser activadas a la vez por el ejecutivo

28

central, dichas características pueden interactuar entre ellas, y por ende,

modularse e interferirse (Cowan, 2009).

Los mecanismos por los cuales ocurre la activación de la memoria

incluyen la focalización voluntaria de la atención, y un mecanismos automático y

no voluntario de orientación atencional. Mientras el mecanismo voluntario

involucraría la acción del ejecutivo central, el mecanismo automático parece

tener relación con procesos “ bottom-up ”, que actuarían redireccionando el foco

de atención que estaba siendo mantenido por el ejecutivo central (Cowan,

1988).

Neurobiología de la Memoria de trabajo

Bajo el modelo de multicomponentes, numerosos estudios de

neuroimagen han correlacionado la activación de ciertas regiones para cada

componente de MT (para una revisión en extenso, ver Smith & Jonides, 1997).

Dentro de ellas, el hallazgo más consistente ha sido la activación de la corteza

prefrontal (Awh, Vogel, & Oh, 2006; Braver et al., 1997; Cohen et al., 1997;

29

Courtney, Ungerleider, Keil, & Haxby, 1996; McCarthy et al., 1996; D’Esposito et

al., 2000) y de regiones temporoparietales (Awh, Smith, & Jonides, 1995;

Jonides et al., 1997; Jonides et al., 1993; Paulesu et al., 1993; Smith et al.,

1996; Vallar et al., 1997), las cuales se postulan como las áreas subyacentes al

ejecutivo central. Otra lectura de estos hallazgos es que la activación de estas

redes frontoparietales corresponden al correlato neurobiológico de procesos

atencionales y ejecutivos (Gazzaley & Nobre, 2012). Estas redes, a su vez,

estarían activando engramas específicos de memoria a largo plazo, similar al

modelo Embebido planteado por Cowan.

En una línea paralela, se ha propuesto que no sólo la actividad de las

redes frontoparietales serían necesarias para MT, sino también la actividad de

cortezas perceptuales (Teng & Kravitz, 2019). Existe evidencia que apunta que

las cortezas perceptuales son reclutadas y moduladas para mantener

información en MT, pese a que ya no existe una activación “ bottom-up ” desde la

superficie sensorial (Harrison & Tong, 2009). Recientemente, Teng & Kravitz

(2019) mostraron de manera comportamental, que los estímulos que se

mantienen en MT son capaces de interferir con la percepción visual de nuevos

estímulos que están siendo observados. Es decir, aquella información que es

mantenida en mente, interfiere con la percepción de información que está

llegando directamente desde la retina. Los autores interpretan estos hallazgos

30

como un indicador (indirecto) de que, tanto la mantención de información en MT

como la percepción, requieren de actividad de cortezas visuales tempranas

Además de conocer las áreas que serían relevantes para MT, es

relevante conocer la temporalidad con la cual estos mecanismos actúan.

Diversas aproximaciones desde la electrofisiología han investigado los

mecanismos relacionados con la MT, permitiendo adquirir la señal con una

resolución temporal adecuada a los procesos indagados. Dentro la

electrofisiología, una de las técnicas más clásicas ha sido el uso de potenciales

relacionados a eventos (ERP, del inglés event related potentials ), que han

permitido estudiar la actividad neuronal relacionada temporalmente a un

proceso cognitivo.

Diferentes componentes de la señal ERP han sido postulados como

marcadores del procesamiento neuronal en tareas de MT. Una de estas tareas

corresponde al reconocimiento de ítems o tarea tipo “Sternberg” (Sternberg,

1966), en la cual el sujeto debe codificar un número variable de estímulos, y

luego de un tiempo de retención, identificar si un estímulo de prueba pertenece

al grupo de estímulos previamente presentado. Dicha tarea evoca la aparición

de diferentes componentes, dependiendo si la actividad está relacionada a la

fase de aparición de los estímulos codificados, a la fase de mantención de la

31

información, o a la fase de reconocimiento o recuperación de la información (ver

resumen en tabla 1 ).

La codificación de la información en tareas de MT tipo Sternberg se ha

correlacionado con la aparición de componentes tempranos (primeros 200 ms

después de presentado el estímulo) y tardíos. Dentro de los primeros, se

encuentra la aparición de componentes relacionados al procesamiento sensorial

y atencional temprano. P100 corresponde a una positividad en electrodos

occipitales, y que aparece alrededor de los primeros 100 ms. Este componente

se ha interpretado como índice de la respuesta visual temprana en la corteza

visual (Clark et al., 1995; Di Russo et al., 2002; Luck et al., 1990; Natale et al.,

2006; Sergent et al., 2005), el cual parece ser modulado por la atención.

Finnigan, O’connel Cummins, Broughton, & Robertson (2011) reportaron que

menores latencias en P100 durante la codificación se correlacionan con un

mejor desempeño de MT verbal. Posterior a P100, y también en electrodos

occipitales, se observa la aparición de una onda negativa: el componente N100

(Finnigan, O’Connell, Cummins, Broughton, & Robertson, 2011). Este

componente parece ser un marcador del proceso de discriminación visual, y

también se considera una respuesta visual temprana susceptible de ser

modulada por la atención (Di Russo et al., 2002; Vogel & Luck, 2000). Luego del

procesamiento sensorial inicial, se ha reportado la aparición de un componente

32

positivo en electrodos frontales denominado P200. Este componente reflejaría

la actividad neuronal subyacente a la codificación de los estímulos en MT (Dunn

et al., 1998; Missonnier et al., 2007). Dunn et al (1998) reportaron una

modulación de la amplitud de este componente, según la habilidad de los

sujetos para recordar los ítems. Los sujetos con menor capacidad para recordar

los ítems presentaron una mayor amplitud de este componente, que los sujetos

que recordaban más ítems. Los autores interpretaron sus hallazgos como

evidencia sugerente de que los mecanismos de codificación serían más

eficientes en los sujetos con mejor desempeño. Además de una modulación en

la amplitud de P200, se han reportado modulaciones en su latencia. Missonnier

et al (2007) estudiaron P200 elicitados en tareas de MT en pacientes con

diagnóstico de deterioro cognitivo leve y en pacientes con enfermedad de

Alzheimer. Los autores encontraron que la latencia de P200 es

significativamente mayor en los dos grupos de pacientes con respecto a los

controles sanos. Esto parece apuntar a que alteraciones en algunos de los

componentes de MT (como la memoria a largo plazo) parecen enlentecer la

codificación de los estímulos en MT. Finalmente, entre los 300 y los 600 ms

aparece un componente positivo de gran amplitud, de ubicación en electrodos

parietales, denominado P300 (Chao & Knight, 1996; Kiss et al., 1998, 2007;

Kusak et al., 2000; Patterson et al., 1991; Ruchkin et al., 1992). Este P300 se

ha propuesto como un índice de los procesos de codificación exitosa en MT

33

(Polich, 2007). La literatura señala que la amplitud de P300 durante la

codificación correlaciona directamente con la recuperación y reconocimiento

correctos del estímulo (Fabiani et al., 1986; Gevins et al., 1996; Karis et al.,

1984; Kiss et al., 1998, 2007; Kusak et al., 2000). Vale decir, los estímulos que

presentaron mayores amplitudes de P3 durante la codificación son aquellos que

posteriormente fueron correctamente reconocidos durante la fase de

recuperación.

Por otro lado, los procesos de mantención de la información en tareas

tipo Sternberg parecen reflejarse mediante componentes negativos tardíos. Se

ha observado la aparición de una onda negativa lenta frontal, cuya amplitud

aumenta con el incremento en la carga de MT (Ruchkin et al.,1992, 1995; Löw

et al., 1999; Kok, 2001). Cabe destacar que esta onda no es observable en

tareas que no requieren memorización (Ruchkin et al., 1992, 1995). Asimismo,

la mantención de información se ha vinculado con la aparición de una variación

negativa contingente (CNV, del inglés contingent negative variation ) en regiones

frontales, cuya amplitud se correlaciona positivamente con el aumento de la

dificultad de la tarea (Kamijo et al., 2010, 2011; Rosahl & Knights, 1995). CNV

reflejaría el reclutamiento de más recursos para ejecutar correctamente dicha

tarea, y por lo tanto, sería un marcador del esfuerzo cognitivo (Falkenstein et

al., 2003; Lorist et al., 2000; Wild-Wall et al., 2007). Cabe remarcar que CNV se

34

ha correlacionado con actividad de la corteza frontal (Oishi & Mochizuki, 1998;

Rosahl & Knight, 1995), la que a su vez también ha sido ampliamente implicada

con la retención de ítems en MT (Habeck et al., 2005; Jonides et al., 1993; Lara

& Wallis, 2015; Rypma et al., 1999).

Finalmente, los procesos de recuperación de la información han sido

correlacionados principalmente con P300 y con ondas negatividades frontales.

De ellos, el componente más consistente es P300, el cual incluso se ha

propuesto como marcador de la actualización de la información en MT durante

la recuperación (Kok, 2001). En tareas tipo Sternberg, los estímulos de prueba

correctamente reconocidos -tanto como pertenecientes a la lista presentada,

como no pertenecientes a la lista- evocarían un P300 en regiones posteriores

(Chao & Knight, 1996; Golob & Starr, 2004; Lefebvre et al, 2005). Además, tanto

la amplitud como la latencia de P300, parecen modularse inversamente con la

carga y la dificultad de la prueba, tanto en tareas de MT tipo Sternberg (Chao &

Knight, 1996; Golob & Starr, 2004; Kotchoubey et al., 1996; Verleger, 1997)

como en pruebas de MT tipo n-back (Dong, Reder, Yao, Liu, & Chen, 2015;

Gaspar et al., 2011). Adicionalmente, se ha correlacionado la amplitud de P300

evocado por el estímulo recuperado con la capacidad de MT en sujetos

normales (Dong et al., 2015; Nittono et al., 1999). Los sujetos con mayor

capacidad de MT presentan mayores amplitudes de P300. Sumado a esto, la

35

dificultad de la tarea les genera una menor disminución de la amplitud de P300.

Además del componente P300, también se ha reportado la aparición de ondas

sostenidas negativas en regiones fronto-centrales, cuya amplitud se incrementa

con la dificultad para identificar el ítem como conocido (Chao & Knight, 1996).

En resumen, existen marcadores de la actividad neuronal evocada en

cada etapa del procesamiento de MT: codificación, mantención y recuperación

de la información. Uno de los objetivos de nuestro trabajo se enfocó en estudiar

los efectos del acoplamiento sensoriomotor sobre la amplitud y latencia de los

ERPs evocados durante la codificación.

36

 Tabla 1 Resumen de componentes de ERP encontrados en cada etapa de procesamiento de Memoria de trabajo.

37

Proceso Componente ERP

Efecto

Codificación P100 Disminución de latencia asociado al éxito de la recuperación

P200 Menor amplitud asociada a mejor desempeño

Aumento de la latencia asociado al deterioro cognitivo

P300 Aumento de amplitud en electrodos parietales asociado al éxito de la recuperación

Mantención Onda negativa sostenida

En ambas: Aumento de amplitud ante aumento de la carga.

CNV

Recuperación P300 Disminución de la amplitud con el aumento de la complejidad

Onda negativa sostenida

Aumento de la amplitud con el aumento de la complejidad (relacionada con identificación de ítem nuevos)

HIPOTESIS

El acoplamiento sensoriomotor temporalmente preciso es un constituyente de la

memoria de trabajo.

Corolarios:

1. La administración autoaplicada de una tarea de memoria de trabajo,

mediante un acto motor voluntario temporalmente acoplado a la aparición

del estímulo a codificar, modula el desempeño de los participantes.

Específicamente, la auto-aplicación de la tarea disminuye los tiempos de

reacción y aumenta el número de respuestas correctas. Esta modulación

conductual tiene relación con la actividad cerebral evocada (ERP)

asociada a la codificación de la memoria de trabajo.

2. La administración autoaplicada de una tarea de memoria de trabajo,

mediante un acto motor voluntario temporalmente acoplado a la aparición

del estímulo a codificar, modula los componentes de ERP asociados a la

codificación de la información. Específicamente, la autoaplicación se

correlaciona con una mayor amplitud y una menor latencia de los

componentes asociados a la codificación (P100, N100, P200 y P300).

38

OBJETIVOS

OBJETIVO GENERAL

Comprobar el rol funcional de un acto motor voluntario temporalmente

acoplado con la aparición de los estímulos codificados en la memoria de trabajo

verbal, presentados visualmente.

39

OBJETIVOS ESPECÍFICOS

1. Diseñar e implementar una tarea de memoria de trabajo verbal, en

modalidad a) autoaplicada por el sujeto mediante un acto motor temporalmente

acoplado a la aparición del estímulo b) mediante un acto motor temporalmente

no acoplado a la aparición del estímulo y c) aplicada externamente mediante

computador.

2. Registrar y analizar la actividad cerebral eléctrica evocada (ERP) y

conductual (rendimientos) de sujetos humanos sanos al realizar la tarea de

memoria de trabajo verbal.

3. Evaluar los efectos del acto motor temporalmente acoplado sobre el

rendimiento de los sujetos en la tarea de memoria de trabajo.

4. Evaluar los efectos del acto motor temporalmente acoplado sobre los

ERPs asociados a memoria de trabajo.

5. Evaluar la relación entre los efectos conductuales y los efectos en

ERPs de un acto motor temporalmente acoplado a la aparición del estímulo.

40

MATERIALES Y MÉTODOS

Sujetos

Primeramente, se realizó un pilotaje de la prueba conductual en 4 sujetos                    

varones (edad promedio 22,5 años; rango de edad: 20-26 años; educación

universitaria incompleta), en el que se comprobó que la programación de la

tarea estuviese correcta. Los resultados de este pilotaje se muestran en la

figura suplementaria 1 (anexos), y no fueron incluidos dentro del análisis

general.

Una vez comprobado el funcionamiento de la tarea en el pilotaje, s e  

reclutaron 26 sujetos adultos sanos (mujeres: 13; edad promedio: 23.1 años;                      

rango de edad: 18-31 años) de una muestra por conveniencia. Uno de los                          

participantes fue excluido de los análisis debido a diferencias en la luminancia                        

del experimento. Los sujetos correspondieron a estudiantes universitarios de                  

pre y postgrado, sin enfermedades neurológicas o psiquiátricas actuales, y con                      

visión normal o corregida. Lo anterior, se comprobó previamente a la sesión de                          

41

registro de electroencefalografía (EEG), mediante la aplicación de una                  

entrevista y una prueba estandarizada (MoCA, criterio de normalidad ≥ 26                      

puntos). Los criterios de exclusión incluyeron: a) Antecedente de traumatismo                    

encéfalo-craneano, b) Uso de drogas ilegales en los últimos tres meses, c)                        

Patología médica descompensada (enfermedades metabólicas o epilepsia), d)                

Uso de fármacos: Benzodiazepinas, anticonvulsivantes, metilfenidato,            

modafinilo. f) Diagnóstico de Depresión o Déficit Atencional del adulto. Previo a                        

los procedimientos antes descritos, se requirió del consentimiento informado de                    

cada participante. Dicho consentimiento y el presente estudio han sido                    

aprobados por el Comité de Ética en seres Humanos de la Facultad de                          

Medicina de la Universidad de Chile.  

Materiales

Los estímulos fueron presentados en una pantalla plana Viewsonic de 27

pulgadas (23,54x13,24 pulgadas) y 1920x1080 pixeles de resolución. Los

sujetos se ubicaron a una distancia de 72 cm de la pantalla, por lo que las

imágenes abarcaron 45,1 grados visuales (°) horizontales y 26,3° verticales,

con 40,35 píxeles por grado visual. Se solicitó a los sujetos reposar su mentón

en un apoya mentón para reducir los movimientos de cabeza y mantener la

42

distancia entre los ojos y la pantalla de manera estable. Durante toda la tarea,

se monitorearon los movimientos oculares de los participantes mediante el

sistema Eyelink 1000 (SR Research Ltd., Mississauga, Ontario, Canadá). Esto,

tanto para controlar que los sujetos mantuviesen su mirada en la cruz de

fijación, como para verificar el nivel de fatiga y ensoñamiento.

La pantalla se mantuvo en todo momento con un fondo gris (127/127/127

RGB) para evitar cambios en la luminancia. Todos los estímulos (el set de

estímulos a codificar (S1) y el estímulo de prueba (S2)) eran consonantes de

color negro. El set S1 correspondió a 5 consonantes en mayúsculas (excepto Ñ,

X, Y) ordenadas en un arreglo circular en torno a una cruz de fijación ( Fig 1A ).

La cruz de fijación se ubicó en el centro de la pantalla (coordenadas en el pixel

960,540). Existían 6 posibles ubicaciones donde podían aparecer los estímulos,

todas ellas marcadas por un círculo (similar al arreglo presentado por Proksch &

Bavelier, 2002 y Green & Bavelier, 2003). Por lo tanto, en cada ensayo

aparecían seis círculos marcadores de posición: cinco con estímulos en su

interior y uno vacío. La elección del círculo vacío cambiaba de manera aleatoria

en cada ensayo. Tomando como referencia trabajos previos (Proksch &

Bavelier, 2002 y Green & Bavelier, 2003), se delimitó el tamaño de cada

consonante en 0,6° de alto, mientras que los círculos que demarcan la

ubicación fueron creados con 1° de diámetro. El centroide de cada círculo para

demarcar la ubicación estaba a una distancia de 2,4° de la cruz de fijación. Ya 43

que la región parafoveal tiene un tamaño de 5,2° (Kolb, 2005), la disposición

antes descrita aseguraba que los 5 estímulos presentados simultáneamente se

encontrasen dentro de dicha región parafoveal. Se crearon 300 set S1 (para

300 ensayos), con 5 consonantes no repetidas y escogidas aleatoriamente

mediante una rutina de Matlab© (usando la función rand). Se cuidó que en un

mismo set S1 no aparecieran “B” y “V”, ni “M” y “N” juntas debido a su similitud

sonora. Por otro lado, el estímulo de prueba S2 correspondió a una única

consonante minúscula (salvo ñ, x, y) presentada centralmente luego del período

de mantención (coordenadas en el pixel 960,540). La ausencia o presencia del

estímulo de prueba S2 era igualmente probable (50%), en un orden

determinado al azar en cada participante. Para ejecutar sus respuestas, los

sujetos contaban con un joystick Microsoft modelo SideWinder® con 8 botones

delanteros y 2 botones traseros ( Fig. 1B )

Prueba de Memoria de Trabajo Verbal

Los participantes ejecutaron una tarea de memoria de trabajo modificada

del paradigma de Sternberg (1966). En dicha tarea, los sujetos debieron a)

memorizar un set de estímulos (S1) presentados simultáneamente en una

pantalla, b) mantener dicho set S1 durante un periodo variable, para finalmente 44

c) reconocer si un estímulo de prueba S2 se encontraba o no dentro del set S1

codificado ( Fig. 1C ). Cada ensayo consistió en la presentación de una cruz de

fijación, seguida de la presentación del set S1 por 250 milisegundos (ms);

después de ellos, se presentó una cruz de fijación por un tiempo variable (2000

a 2500 ms), correspondiente al periodo de mantención en memoria de los

estímulos S1. Finalmente, el estímulo de prueba S2 aparecía por 800 ms, luego

de lo cual aparecía una última cruz de fijación por 1500 ms, todo lo cual (800 +

1500 = 2300 ms) correspondía al periodo en que el sujeto podía responder. Si

el estímulo de prueba S2 se encontraba dentro del set S1, los sujetos debían

presionar el botón trasero derecho del joystick (con índice derecho), mientras

que, si estaba ausente, debían presionar el botón trasero izquierdo (con índice

izquierdo).

45

 Fig. 1 Preparación (set up) del experimento. A Se muestra la disposición de los estímulos a codificar (S1). B Ejemplifica cómo los participantes sostuvieron el joystick. C Paradigma experimental. Se muestran las tres condiciones experimentales que varían únicamente en la manera en que se presentan los estímulos a codificar. (° grados visuales; s: segundos)

46

Para probar nuestra hipótesis, se manipuló el modo en que el set S1 era

presentado, pudiendo ser de manera temporalmente acoplada (CA),

temporalmente desacoplada (CD) o pasiva (CP) ( Fig 1C ). En la condición

acoplada, los estímulos aparecen inmediatamente después de que el sujeto ha

presionado un botón delantero del joystick (con cualquier pulgar, izquierdo o

derecho). En la condición desacoplada, los estímulos aparecen con un retardo

de entre 400 a 600 ms luego de la presión del botón delantero del joystick.

Finalmente, la condición pasiva corresponde a la presentación automática de

los estímulos por parte del computador. Cada condición de codificación fue

presentada en un bloque de 100 ensayos, separados por pausas cada 25

ensayos. Cada uno de los 26 sujetos ejecutó las tres condiciones de

codificación de la tarea, de modo que cada sujeto realizó 3 condiciones x 100

ensayos = 300 ensayos en total. El orden de presentación de las 3 condiciones

fue seudo aleatorizado para cada sujeto. Los sujetos fueron instruidos en la

ejecución de cada condición antes del comienzo de los 100 ensayos; no se

enfatizó en la diferencia entre las condiciones acoplada y desacoplada para no

generar sesgo sobre los participantes. Al final de cada bloque los participantes

rellenaron una encuesta para determinar la sensación de dificultad de cada una

de las condiciones. Para ello, los sujetos evaluaron el nivel de seguridad en sus

respuestas en una escala del 1 al 7, siendo el 1 el sentirse nada seguro de lo

que respondieron, el 4 neutro y el 7 muy seguro de las respuestas que dieron.

47

El paradigma experimental fue desarrollado a través del software

Experiment Builder (SR Research Ltd., Mississauga, Ontario, Canadá), y se

ejecutó mediante el software de Eyelink 1000 (SR Research Ltd., Mississauga,

Ontario, Canadá).

Electroencefalografía

La actividad encefalográfica (EEG) se adquirió a una tasa de muestro de

2048 Hz utilizando un amplificador BioSemi (BioSemi Inc.) de 32 electrodos

activos de registro; la señal de dichos canales se adquirió con respecto al

electrodo denominado Common mode sense (CMS). Los electrodos se

posicionaron en una gorra especialmente diseñada de acuerdo al sistema 10/10

(Jurcak, Tsuzuki, & Dan, 2007) . Además, se colocaron 2 electrodos de

referencia en las mastoides de los sujetos. La actividad eléctrica producida por

movimientos oculares verticales y horizontales (EOG) se monitorizó usando 6

electrodos dispuestos alrededor de la órbita derecha e izquierda de los sujetos.

Durante el registro, se monitoreó que la impedancia se mantuviese bajo los 5

kΩ en todos los electrodos.

48

Análisis de datos

Análisis Conductual

Se analizaron las variables dependientes: a) exactitud, b) sensibilidad, c)

especificidad y d) tiempos de respuesta, así como las variables independientes:

i) condición de codificación, ii) aprendizaje, iii) orden de presentación de cada

condición, iv) sensación de dificultad, y v) tiempo pre-estímulo.

En cuanto a las variables dependientes, la exactitud se define como el

número de respuestas correctas (Verdaderos Positivos + Verdaderos

Negativos) sobre el número total de ensayos, por cada sujeto. Adicionalmente

se midió la sensibilidad ((Verdaderos positivos) / (Verdaderos positivos + Falsos

Negativos)) y la especificidad ((Verdaderos Negativos) / (Verdaderos Negativos

+ Falsos positivos)) en cada participante. El tiempo de respuesta corresponde al

tiempo promedio por sujeto (en milisegundos) desde la aparición del estímulo

de prueba S2 hasta la presión del botón de respuesta.

Respecto a las variables independientes, la condición de codificación

49

corresponde a las 3 condiciones experimentales CA, CD y CP. El aprendizaje se

definió como el cambio en la probabilidad de acertar por aumento en el número

de ensayos (desde ensayo 1 al 100). Para efectos gráficos ( Fig.S2 ), el

aprendizaje se calculó promediando la exactitud de las respuestas cada 25

ensayos, dando un total de 100÷25 = 4 bines. El orden de presentación podía

ser primer, segundo o tercer bloque. Como se mencionó anteriormente, la

presentación de cada condición de codificación se realizó en un bloque de 100

ensayos (ver definición del paradigma). Por lo tanto, cada condición de

codificación fue presentada en un determinado bloque (primer, segundo o

tercero), el cual varió de forma pseudo-aleatoria por participante. La sensación

de confianza en las respuestas se evaluó al final de cada uno de los 3 bloques

con un cuestionario. Los sujetos puntuaron el nivel de seguridad en sus

respuestas en una escala del 1 al 7, siendo el 1 el sentirse nada seguro de lo

que respondieron, el 4 neutro y el 7 muy seguro de las respuestas que dieron.

Finalmente, el tiempo pre-estímulo se evaluó desde dos aproximaciones: a) se

calculó el tiempo pre-estímulo total, que se definió como el tiempo comprendido

desde la aparición de la primera cruz de fijación hasta la presentación del set de

estímulos S1 para todas las condiciones, y b) se calculó el efecto del tiempo

pre-estímulo que los sujetos no podían controlar (tiempo pre-estímulo

involuntario). En la condición CP, tiempo pre-estímulo involuntario y total

corresponden al tiempo entre la aparición de la cruz y la aparición del estímulo.

50

En la condición CD, el tiempo pre-estímulo involuntario corresponde al tiempo

de desfase entre la presión del botón y la aparición del estímulo, mientras que

el tiempo pre-estímulo total es este desfase más el tiempo que el sujeto se toma

para presionar el botón. Finalmente, en la condición CA el tiempo pre-estímulo

involuntario es 0, mientras que el tiempo pre-estímulo total corresponde al

tiempo que el sujeto espera voluntariamente para presionar el botón.

Los análisis estadísticos se realizaron utilizando el software RStudio

(Rstudio Team, 2016), y las librerías ez (v4.4-0; Lawrence, 2016), car (v3.0-2;

Fox & Weisberg,2011), lme4 (v1.1-21, Bates et al., 2015).

Para seleccionar la prueba de hipótesis idónea para los datos obtenidos,

primero se comprobó que la distribución de las variables dependientes fuera

normal -mediante la prueba de Shaphiro-Wilk-, y que se cumpliese la igualdad

de varianzas entre condiciones -mediante el test de Levene (ver tabla 2 ).

Posteriormente, se probaron los efectos de las condiciones de codificación

sobre las variables dependientes (tiempos de respuesta, exactitud, sensibilidad

y especificidad) mediante 4 análisis de variancia (ANOVA) pareados de una vía.

El análisis Posthoc para cada variable dependiente correspondió a un test de t

pareado y corregido para múltiples comparaciones mediante el método Holm .

51

Para comprobar los efectos de otros factores del paradigma experimental

sobre la probabilidad de acierto, se empleó un modelo lineal generalizado mixto

de la familia binomial (Moscatelli, Mezzetti, & Lacquaniti, 2012). Para elegir el

modelo adecuado, se corrieron varios modelos con diferentes parámetros, y

luego se utilizó el criterio de información de Akaike (AIC) para seleccionar el

modelo. El AIC provee un intercambio entre la bondad de ajuste del modelo y

su complejidad, de modo que este índice permite escoger aquel modelo que

mejor explica la varianza de los datos, pero con una penalización por el número

de parámetros del mismo. En anexos, Modelo lineal Generalizado , se muestran

los modelos probados con su respectivo AIC. El modelo escogido tenía los

siguientes (4) estimadores de efecto fijo: 1) la condición de codificación de la

tarea (CA, CD o CP); 2) la interacción entre aprendizaje (ensayo 1 al 100) y

orden de presentación (1, 2 y 3); 3) la interacción entre aprendizaje y condición

de codificación; y 4) la interacción entre el tiempo pre-estímulo (en

milisegundos) y condición de codificación. Como estimador de efectos

aleatorios se consideró a los sujetos, lo cual implica que el intercepto del

modelo era variable para cada sujeto.

Dentro de los modelos probados no se consideró la sensación de

confianza en las respuestas debido a que este puntaje sólo se midió desde el

participante número 12 en adelante; agregar este parámetro al modelo

52

implicaba descartar los datos de los participantes sin puntajes de sensación de

confianza (del 1 al 11), por lo que sólo se utilizó como medida de comparación

entre condiciones, siendo analizado mediante el test no paramétrico

Kruskal-Wallis

Análisis de Potenciales Relacionados a Evento (ERPs)

Los datos de EEG fueron analizados utilizando rutinas en Python

(Gramfort et al., 2013) y Fieldtrip (Oostenveld, 2011; http://fieldtriptoolbox.org).

Para determinar los efectos del acoplamiento sensoriomotor sobre la actividad

electroencefalográfica, se calcularon los potenciales relacionados a eventos

(ERPs) utilizando épocas preprocesadas (ver detalle a continuación) para los

electrodos Fz, Pz y Oz. Las variables de interés fueron la latencia y la amplitud

de los componentes P100-like, N100-like, P200-like y P300-like (en adelante,

P1, N1, P2, P3) .

La señal continua de EEG fue re-referenciada de manera offline a la

actividad promedio de los 32 electrodos. Se aplicó un filtro pasabanda entre 0.5

y 40 Hz usando un filtro simétrico de fase lineal FIR de diseño firwin con una

ventana de Hamming (acausal, retraso de cero-fase y aplicado en una pasada

hacia adelante). El tamaño del filtro fue de 6.6 segundos. El ancho de la banda

53

de transición del filtro fue de 0.5 Hz en el corte de frecuencia inferior y de 10 Hz

en el corte de frecuencia superior. El rizado del pasabanda fue de 0.0194 dB y

la atenuación de la banda de rechazo fue de 53 dB.

Se eliminaron canales ruidosos mediante inspección visual para su

posterior interpolación usando splines esféricos. Posteriormente se ejecutó un

análisis de componentes independientes (ICA) para determinar y eliminar

componentes relacionados a la actividad eléctrica generada por pestañeos y

movimientos oculares. Los segmentos que contenían artefactos musculares y

otros artefactos no relacionados a los pestañeos fueron eliminados

automáticamente a través de un rechazo peak-to-peak de 500 uV.

Luego, la señal continua fue dividida en épocas centradas a la aparición

del estímulo 500 ms antes de este y 1000 ms después. Las épocas se

sometieron a un rechazo de artefacto peak-to-peak con un umbral de voltaje de

250 uV. Todas las épocas que contenían artefactos detectados fueron

rechazadas.

Análisis de componentes de interés

Para cada sujeto, se promedió la señal relacionada a la aparición del

estímulo de todos los ensayos que no fueron rechazados por artefactos. Este

54

ERP se calculó separadamente para ensayos correctos e incorrectos, por cada

condición, generando 6 categorías de ERPS: CA-correctos, CA-incorrectos,

CD-correctos, CD-incorrectos, MP-correctos, MP-incorrectos. En cada sujeto,

se calculó la latencia y la amplitud de los componentes P1, N1, P2 y P3. Los

componentes P1 y N1, se determinaron analizando el electrodo Oz; para el

componente P2 se utilizó el electrodo Fz y para el componente P3, el electrodo

Pz. Con el fin de comparar entre condiciones, las amplitudes de todos los

componentes se calcularon utilizando valores peak-to-peak . Esta aproximación

se utilizó debido a la aparición de una positividad alrededor de los 0 ms que

podría estar influenciando la amplitud de los componentes en la condición

activa acoplada. Este método peak-to-peak consistió en calcular el valor de

amplitud máximo (pico del componente) en una ventana temporal y en el

electrodo relacionado al componente de interés; luego, a ese valor se le restó la

amplitud de un voltaje de referencia, como se detallará a continuación. Para

determinar cuál era el valor máximo de cada componente en cada sujeto, se

tomó como referencia la latencia a la cual aparecía dicho componente en el

gran promedio de todos los sujetos. Posteriormente, para cada sujeto se buscó

el valor máximo en una ventana de 100 ms, centrada en el tiempo donde se

encontró valor máximo en el gran promedio. Así, para el cálculo de la amplitud

del componente P1, primero se determinó que el valor máximo del gran

promedio aparecía a los 114,74 ms en CA, a los 126,95 ms en CD, y a los 132,3

55

ms en CP. Luego, se buscó el valor máximo en cada sujeto, en una ventana de

100 ms, centrada en cada latencia por cada condición (e.g. entre 64,74 ms y

164,74 ms para CA). A continuación, se buscó de la misma manera el valor

máximo del componente N1, por cada condición. Finalmente, la amplitud se

determinó como el voltaje entre P1 y N1, vale decir, desde el máximo de P1 al

máximo de N1. Se repitió un procedimiento similar para el cálculo de la amplitud

de P2 en el electrodo Fz. Primero se encontró el tiempo en el cual aparece el

máximo positivo de P2 en el gran promedio, el cual apareció a los 170,4 ms en

CA, a los 186 ms en CD y a los 191,4 ms en CP. Luego, en el mismo gran

promedio se buscó el máximo pico negativo que aparece previo a P2 (valor de

referencia negativo). Luego, se buscó el valor máximo en cada sujeto en una

ventana de 100 ms centrada tanto en la latencia de P2 como en el valor de

referencia negativo. Finalmente, se calculó el valor de la amplitud de P2, como

el valor peak-to-peak entre P2 y el valor negativo de referencia. En cuanto al

componente P3, se realizó el mismo procedimiento, pero en el electrodo Pz. De

manera inicial, se determinó el tiempo en el que aparece el valor positivo

máximo de P3 (CA: 319 ms; CD: 330 ms; CP: 332,2 ms) y del valor negativo de

referencia en el gran promedio. A continuación, se determinó el pico de P3 y el

valor negativo de referencia en ventanas de 100 ms, centradas en la latencia

promedio de P3, y del valor negativo de referencia. Finalmente, el valor de

amplitud de P3 se determinó como el valor peak-to-peak entre el máximo

56

positivo P3 y el valor máximo negativo de referencia.

Al igual que para los datos conductuales, se comprobó si la distribución

de las variables dependientes (amplitud y latencia) se distribuyen normal

(mediante la prueba de Shaphiro-Wilk) y si se cumpliese la igualdad de

varianzas entre condiciones (mediante el test de Levene). Posteriormente, los

efectos de las condiciones de codificación sobre las variables dependientes se

probaron mediante la prueba de Kruskal-Wallis. En los casos en que se requirió

de una prueba Posthoc , se utilizó la prueba de los rangos con signo de

Wilcoxon. El mismo procedimiento se aplicó para observar si los aciertos

(ensayos correctos versus incorrectos) modulaban las variables dependientes

amplitud y latencia de los componentes de ERP. Para esta comparación, uno de

los sujetos se descartó debido a que no poseía ensayos incorrectos que

hubiesen cumplido con los criterios para ser incluidos, por lo que estas

comparaciones se realizaron con n= 24 sujetos.

Para efectos de visualización de los componentes, se calculó el gran

promedio de los ERPs para cada condición de codificación evocadas por la

aparición del estímulo. Para ello, se promediaron los ERPs de las respuestas

correctas de los 25 sujetos incluidos en el análisis.

57

Adicionalmente, se inspeccionó la aparición de los 4 componentes de

interés (P1, N1, P2 y P3) a nivel de ensayo único. Esto, con el fin de verificar si

los valores de latencia y amplitudes influyen sobre la probabilidad de realizar

una respuesta correcta, mediante la adición de estas variables al GLMM. Sin

embargo, ante inspección visual, en la mayoría de los ensayos, el componente

de interés no sobrepasa el nivel de relación señal/ruido requerido que permita

asegurar su aparición (ejemplos en figuras S12 , S13 , S14 ). Esto se explica

debido a que la promediación de los ensayos permite mejorar esta relación

señal-ruido, actuando como un filtro pasa-bajo de la señal. Por dicha razón, se

decidió no continuar los análisis a nivel de ensayo único.

Análisis guiado por los datos

Además de los análisis de los componentes P1, N1, P2 y P3, se estudió

las diferencias entre las tres condiciones en todos los electrodos (32) y para

todas las series de tiempo comprendidas entre 0 y 500 ms. Para ello, se

ejecutaron 4 test de permutaciones utilizando las funciones implementadas en

el toolbox Fieldtrip. Primero, se ejecutó un test de permutaciones, usando un

test F pareado de una vía. Se utilizó el método de Montecarlo para estimar el

valor de p en la distribución permutada, y el valor de alfa fue definido como

0.05. Ya que este test realiza múltiples comparaciones a nivel de electrodos y

de series de tiempo, se corrigió con el método de clúster de electrodos. Para

hacer la clusterización, se utilizó la suma de los máximos del estadístico para

58

ese clúster, con un alfa de 0.05. El número de permutaciones realizadas fue de

1000. Este mismo procedimiento luego se realizó para comparar entre las

condiciones. Esta vez, se ejecutaron 3 permutaciones usando el test de t

pareado de una vía, y con un alfa de 0.05 dividido en los 3 test realizados,

dando un alfa = 0.01667. Las series de tiempo utilizadas fueron aquellas donde

se encontró un efecto en el test de F (entre 0 y 300 ms). Los demás parámetros

fueron los mismos que para el test de F.

Para efectos de visualización, se calcularon las diferencias entre los

ERPs de las 3 condiciones, y se graficó el gran promedio: CA – CD, CA – CP,

CD – CP. Estas diferencias fueron mostradas entre 0 y 500 ms para el test de F

permutado, y entre 0 y 300 ms para los test de t permutados, en ventanas de 20

ms.

Análisis Tiempo-frecuencia

Los datos de EEG fueron preprocesados utilizando rutinas en Python

(Gramfort et al., 2013) y posteriormente analizados en Fieldtrip (Oostenveld,

2011; http://fieldtriptoolbox.org). Se buscó determinar los efectos del

acoplamiento sensoriomotor sobre la actividad oscilatoria durante la codificación

59

de los estímulos en MT, para lo cual se estudiaron las variaciones en la fase

mediante el índice denominado “agrupación de la fase entre ensayos” ( Intertrial

Phase Clustering, ITPC).

El preprocesamiento de la señal continua de EEG fue similar al

preprocesamiento de ERPs, salvo que se aplicó un filtro pasabanda entre 0.01 y

100 Hz. Posteriormente, la señal continua fue dividida en épocas centradas a la

aparición del estímulo 1000 ms antes de este y 4000 ms después. Las épocas

se sometieron a un rechazo de artefacto peak-to-peak con un umbral de voltaje

de 250 uV. Todas las épocas que contenían artefactos detectados fueron

rechazadas.

Para calcular el ITPC, los datos fueron primero descompuestos por

frecuencia utilizando la transformada de Fourier, y una ventana de Hanning de

tamaño 0.5 segundos. Las frecuencias de interés se fijaron entre 2 y 30 Hz.

Posteriormente se calculó el ITPC mediante la fórmula abs(mean(exp(1i*k))) por

cada frecuencia, cada electrodo y cada punto temporal en cada sujeto.

Luego, se obtuvo el gran promedio de ITPC. Estos procedimientos

(cálculo de ITPC por sujeto y gran promedio) se realizaron para las tres

condiciones por separado, y para ensayos correctos e incorrectos.

60

Posteriormente, se evaluaron las diferencias de ITPC entre ensayos correctos e

incorrectos, mediante el uso de un test de permutaciones. Como primer paso,

se restringió la ventana de interés desde -500 a +800 ms (0 ms= aparición del

estímulo). A continuación, en cada sujeto se unieron todos los ensayos

(correctos e incorrectos) y se tomaron aleatoriamente X número de ensayos,

donde X equivale al número de ensayos correctos para ese sujeto. Luego se

procedió a calcular el ITPC de esta permutación. Este procedimiento se repitió

1000 veces por sujeto (separado por cada condición), y a continuación se

calculó el gran promedio de dichos ITPC permutados por condición.

RESULTADOS

26 sujetos adultos sanos (mujeres: 13; edad promedio: 23.1 años; rango

de edad: 18-31 años) ejecutaron una tarea de memoria de trabajo modificada 61

del paradigma de Sternberg (1966) mientras se registró su actividad

electroencefalográfica. En dicha tarea, los sujetos debieron a) memorizar un set

de estímulos (S1) presentados simultáneamente en una pantalla, b) mantener

dicho set S1 durante un periodo variable, para finalmente c) reconocer si un

estímulo de prueba S2 se encontraba o no dentro del set S1 codificado. Para

probar nuestra hipótesis, se manipuló el modo en que el set S1 era presentado,

pudiendo ser de manera temporalmente acoplada (CA), temporalmente

desacoplada (CD) o pasiva (CP) ( Fig 1C ). Para estudiar el efecto del

acoplamiento sensoriomotor, se diseñó la condición acoplada, en la que los

estímulos aparecen inmediatamente luego de que el sujeto ha presionado un

botón delantero del joystick. Para probar si el acoplamiento sensoriomotor debe

ser temporalmente preciso, se diseñó la condición desacoplada, en la que los

estímulos aparecen con un retardo de entre 400 a 600 ms luego de la presión

del botón delantero del joystick. Finalmente, la condición pasiva corresponde a

la presentación automática de los estímulos por parte del computador. Cada

condición de codificación fue presentada en un bloque de 100 ensayos,

separados por pausas cada 25 ensayos. Cada uno de los 26 sujetos ejecutó las

tres condiciones de codificación de la tarea, de modo que cada sujeto realizó 3

condiciones x 100 ensayos = 300 ensayos en total (para más detalles de la

tarea y las características de los estímulos, ver Anexo, materiales y métodos ).

62

1. Sujetos

Se reclutaron 26 adultos sanos, siendo 13 de ellos mujeres. Durante el

registro de uno de los sujetos, una de las condiciones estaba con una

luminancia diferente al resto, por lo que fue descartado del análisis. La tabla 2

muestra los promedios de edad y resultados en el test de MoCA (Nasreddine et

al., 2005) para los 25 sujetos analizados; adicionalmente, la tabla 2 muestra el

número de participantes que estaban cursando estudios de pre o postgrado.

 Tabla 2 Características de los sujetos (n=25). (SD= desviación estándar)

63

Edad (años) MoCA (puntos) Nivel educacional (# sujetos)

Promedio: 22.8

SD 3.5

Rango 18-31

Promedio : 28.9

SD 1.1

Rango 27-30 pts.

Estudiantes de pregrado : 23 sujetos

Estudiantes de postgrado: 2 sujetos

2. Resultados Conductuales

Para determinar si el acoplamiento sensoriomotor temporalmente preciso

modula la memoria de trabajo, se estudiaron los efectos de las 3 condiciones

(CA, CD y CP) sobre los tiempos de respuesta, el desempeño, la sensibilidad y

la especificidad (definición de cada variable en métodos, análisis conductual ).

En la tabla 3 se incluyen los promedios y desviación estándar (SD) de cada

variable dependiente, por condición. La figura 2 muestra los diagramas de cajas

para cada variable dependiente, por cada condición de codificación. En ellos se

observa que, en promedio, los tiempos de respuesta parecen ser similares en

las tres condiciones ( tabla 3 ), al igual que sus distribuciones ( Fig. 2A ). Por otro

lado, se observa una tendencia a que, en promedio, el desempeño, la

sensibilidad y la especificidad sean mayores en la condición CA respecto a las

otras dos ( tabla 3).

 Tabla 3 Valores de variables dependientes conductuales por condiciones experimentales. (Shap-Wilk = Shapiro-Wilk; = Promedio; SD= desviación estándar) X

64

Test de Normalidad y Varianza

Acoplada (CA)

Desacoplada (CD)

Pasiva (CP)

Tiempo de Respuesta (ms)

Shap-Wilk: p=0.32

Levene: p=0.69

: X 1096.22

SD: 196.20

: 1057.18 X

SD : 190.6

: 1099.88 X

SD : 210.28

Para confirmar que dichas tendencias tienen significancia estadística, se

procedió a realizar una prueba de hipótesis. Para escoger el test de hipótesis

idóneo, primero se probó la normalidad y la similitud de varianza de cada

variable dependiente mediante los test de Shapiro-Wilk y Levene

respectivamente. Los resultados arrojan que todas las variables dependientes

se distribuyen de una manera similar a una distribución normal, y que las

varianzas entre cada condición de codificación no difieren significativamente

(ver tabla 3 ). En virtud de lo anterior, se procedió a utilizar el test de ANOVA de

medidas repetidas de una vía para verificar interacciones entre las variables

dependientes y las 3 condiciones experimentales.

Conforme al test de ANOVA de medidas repetidas, no se observa un

65

Exactitud Shap-Wilk: p=0.83

Levene: p=0.59

: X 0.84

SD: 0.07

: 0.78 X

SD: 0.08

: 0.74 X

SD: 0.07

Sensibilidad Shap-Wilk: p=0.62

Levene: p=0.21

: X 0.76

SD: 0.10

: 0.74 X

SD: 0.13

: 0.69 X

SD: 0.09

Especificida d

Shap-Wilk: p=0.1

Levene: p=0.95

: X 0.91

SD: 0.08

: 0.85 X

SD: 0.06

: 0.81 X

SD: 0.06

efecto de las condiciones de codificación sobre los tiempos de reacción

(F(2,48)=1.06, p=0.35. Fig. 2A ). Por otro lado, el test de ANOVA de medidas

repetidas arroja un efecto de las condiciones sobre el número de respuestas

correctas (F(2,48)=25.67, p=2.6e-08; tamaño del efecto=0.2. Fig. 2B ).

Posteriormente, se ejecutó un test de t pareado, con corrección por múltiples

comparaciones mediante el método Holm para contrastar entre condiciones.

Los resultados indican que los sujetos realizan significativamente más

respuestas correctas en la condición acoplada con respecto a las otras dos

condiciones (CA/CD: p=0.0033; CA/CP: p=5.9e-08). Asimismo, los sujetos

realizan significativamente menos respuestas correctas cuando la codificación

se produce de manera pasiva en comparación a las otras dos condiciones

(CA/CP: p=5.9e-08, CD/CP: p=0.0031). De este modo, los resultados muestran

que los sujetos parecen mejorar su desempeño cuando el estímulo aparece

inmediatamente posterior a la presión voluntaria de un botón, sin que esto

modifique el tiempo que los sujetos toman para decidir su respuesta.

Para constatar cuál es la estrategia que los sujetos toman para mejorar

su desempeño, se analizó la sensibilidad y la especificidad por cada condición

de codificación. El test de ANOVA de medidas repetidas arroja un efecto de la

condición de codificación tanto sobre la sensibilidad (F(2,48)=5.7, p= 5,9e-03;

tamaño del efecto=0.07. Fig. 2C ), como sobre la especificidad (F(2,48)=32.84,

66

p= 1e-09; tamaño del efecto=0.29. Fig.2D ). El test de t pareado, corregido por

múltiples comparaciones (Holm) señala que la sensibilidad es significativamente

menor en la condición pasiva con respecto a las otras dos (CA/CP: p=0.0045,

CD/CP= 0.0587). No se observan diferencias en la sensibilidad entre las

condiciones acoplada y desacoplada (p= 0.4353). Por otro lado, la especificidad

es significativamente mayor en la condición activa en comparación a las otras

dos condiciones (CA/CD: p=3.1e-05; CA/CP: p=6.8e-07), y significativamente

peor en la condición pasiva con respecto a las otras dos (CA/CP: p=3.1e-05,

CD/CP: p=0.0039). Estos resultados apuntan a que cuando los sujetos realizan

un acto motor voluntario acoplado a la aparición del estímulo, no sólo mejora la

capacidad para identificar los ítems de prueba que han aparecido previamente

(aumento en la sensibilidad), sino que también la capacidad para identificar

aquellos que previamente no han sido codificados en memoria (aumento de la

especificidad).

67

 Fig. 2. Modulación conductual por condición de codificación. A . Tiempos de respuesta por condición . A la izquierda, diagrama de cajas que muestra los tiempos de respuesta en milisegundos (ms) por cada condición (CA=celeste; CD=amarillo; CP= naranjo). A la derecha, el gráfico de densidad muestra la distribución de los tiempos de respuesta por cada condición. Similar en B C y D para desempeño, sensibilidad y especificidad respectivamente. En los

68

diagramas de caja, los puntos corresponden a la respuesta (por variable dependiente) de cada sujeto, separadas por condición (según color). Línea= mediana; límite superior de la caja=percentil 75; límite inferior de la caja= percentil 25; extremo superior del bigote= límite superior; extremo inferior del bigote= límite inferior; valores atípicos se muestran fuera de los extremos inferior y superior de los bigotes. En los gráficos de densidad, las líneas punteadas corresponden al promedio por cada condición, según color. (ns: p > 0.05; *: p ≤ 0.05; **: p ≤ 0.01; ***: p ≤ 0.001; ****: p ≤ 0.0001)

Posteriormente, se investigó si los efectos de la condición de codificación

sobre la exactitud se pueden ver explicados por otros factores como el

aprendizaje de la tarea, el orden de presentación de la condición, el tiempo

pre-estímulo y la sensación de confianza en las respuestas (para detalles de

estas variables ver Anexo, métodos, análisis conductual ). En la figura S2

(anexos) se observa una tendencia a que la exactitud aumente con el

aprendizaje de la tarea (desde ensayos 1 al 100), con el orden de presentación

(bloque 1 al 3) y con la sensación de confianza en las respuestas (de 1 a 7;

figura S3 ). En cuanto al tiempo pre-estímulo, este se abordó de dos formas.

Primero, se analizó la influencia del tiempo desde la aparición de la cruz de

fijación hasta la presentación del estímulo en todas las condiciones (tiempo

pre-estímulo total). Como muestra la figura S4A , se observa un efecto

aparentemente no-lineal sobre la exactitud. Específicamente, se observa que en

las condiciones CA y CD (ambas autoaplicadas) la exactitud parece fluctuar en

el tiempo. Esta fluctuación también se evidencia en CP, combinada con una

tendencia a que la exactitud aumente al incrementar el tiempo previo a la

presentación del estímulo. Posteriormente, se evaluó sólo el efecto del tiempo

69

pre-estímulo que los sujetos no podían controlar (tiempo pre-estímulo

involuntario); vale decir, en la condición CP, el tiempo entre la aparición de la

cruz y la aparición del estímulo, y en la condición CD, el tiempo de desfase

entre la presión del botón y la aparición del estímulo ( fig.S4B ). Para poder

evaluar este efecto en el modelo lineal generalizado mixto, este tiempo se

consideró como 0 en la condición CA.

Para determinar si estas tendencias son significativas, se empleó un

modelo lineal generalizado mixto de la familia binomial. Como se muestra en

Anexos, Modelo Lineal Generalizado , el modelo que mejor explica la varianza

de los datos incluye los siguientes parámetros como estimadores de efecto fijo:

condición de codificación de la tarea (CA, CD o CP), aprendizaje (ensayo 1 al

100), orden de presentación (1, 2 y 3) y tiempo pre-estímulo involuntario (para

especificaciones de los estimadores, ver Anexo, métodos, análisis conductual ).

Por otro lado, los sujetos fueron incluidos como estimadores de efectos

aleatorios. La variable dependiente del modelo fue la respuesta de los sujetos

(correcta o incorrecta) por cada uno de los 300 ensayos realizados. Como se

muestra en la figura 3 , los resultados arrojan un efecto significativo para el

aprendizaje (estimado=0.70907, error estándar=0.31388, z=2.259,

p=0.023881), el orden de presentación (estimado=0.25472, error

estándar=0.0705, z=3.613, p=0.000303) y el tiempo pre-estímulo

70

(estimado=0.07338, error estándar=0.03499, z=-2.097, p=0.035966),

manteniendo los efectos de la condición de codificación (Condición CD:

estimado=-0.86459, error estándar=0.22601, z=-3., p=0.000131, Condición CP:

estimado=-0.97685 error estándar=0.31747, z=-3.077, p=0.002091). Estos

resultados indican que existe una disminución significativa de la probabilidad de

responder correctamente en las condiciones CD y CP en relación a la condición

CA, disminuyendo en 0.9 (CD) y 1 (CP) puntos de log odds con respecto a CA.

Como se nombró anteriormente, además del efecto de las condiciones, se

observa un efecto del aprendizaje, de tal modo que la probabilidad de acierto

aumenta significativamente en 0.7 puntos de log odds a medida que avanza el

ensayo (de 1 a 100) dentro de un mismo bloque; ya que no hay interacción

entre alguna de las condiciones y el aprendizaje, este resultado muestra que el

aprendizaje influye significativamente sobre la probabilidad de acierto, pero que

no parece afectar significativamente alguna de las condiciones más que a otras.

Asimismo, el modelo indica que la probabilidad de acierto crece

significativamente en 0.25 puntos de log odds con el aumento en el orden de

presentación; este incremento es independiente del tipo de condición, lo que

implica que el efecto del orden es el mismo en las tres condiciones. Así

también, el modelo muestra que el tiempo pre-estímulo involuntario tiene un

efecto global, el cual indica que la probabilidad de acierto aumenta en 0.07

puntos de log odds a medida que se incrementa el tiempo previo a la aparición

71

del estímulo, independiente de la condición. Cabe destacar que, pese a este

efecto, las diferencias explicadas únicamente por las distintas condiciones

experimentales se mantienen.

 Fig. 3. Estimadores de la probabilidad de acierto. Estimadores del modelo lineal generalizado mixto de la familia binomial (detalle de los parámetros en texto). Los dos puntos (:) indican interacciones entre parámetros. (*: p ≤ 0.05; **: p ≤ 0.01; ***: p ≤ 0.001)

En resumen, los resultados conductuales indican que codificar un

estímulo temporalmente acoplado a un acto motor, incrementaría la

72

probabilidad de recordar correctamente (i.e. acertar) en una tarea de memoria

de trabajo, aun cuando existen otros efectos que también están influyendo en

dicha probabilidad. De este modo, pese a que los sujetos mejoran su

rendimiento con el aprendizaje, con el orden de la tarea y con un mayor tiempo

previo a la aparición del estímulo, el acoplamiento sensoriomotor

temporalmente preciso durante la codificación parece mejorar la exactitud, la

especificidad y la sensibilidad en una tarea de memoria de trabajo, sin afectar

los tiempos de respuesta.

3. Resultados Electrofisiológicos

Resultados de Potenciales relacionados a Evento

Además de los efectos conductuales, nuestro estudio apuntó a verificar si

el acoplamiento sensoriomotor temporalmente preciso durante la etapa de

codificación modifica los mecanismos neuronales subyacentes a la memoria de

trabajo. Para ello analizamos la amplitud y la latencia de los potenciales

relacionados a eventos (ERPs) asociados a la etapa de codificación en

memoria de trabajo durante las 3 condiciones experimentales ( fig.S5 , anexos).

73

Dichos componentes son: P100- like , N100- like, P200 -like y P300- like (P1, N1,

P2 y P3 respectivamente. Para detalles, ver métodos-análisis de ERPs ).

En la tabla 4 se incluyen los promedios y desviación estándar (SD) de la

amplitud (valores absolutos en uV), mientras que en la tabla 5 se muestran los

valores de la latencia (en ms) de cada componente de ERP por condición. En

ambas tablas se desglosan los datos en ensayos correctos e incorrectos. La

figura 4 muestra los gran promedio de los ERPs evocados a la aparición del

estímulo para los electrodos Oz, Pz y Fz, separados por condiciones. En ella se

observa que en la condición CA los componentes P1, N1 (en Oz) y P2 (en Fz)

aparecen con una menor latencia con respecto a las otras dos condiciones. Por

otro lado, en Pz se observa una tendencia a que el componente P3 presente

una mayor amplitud en la condición CP respecto a las otras dos. Además de los

componentes de interés nombrados anteriormente, en la condición CA se

observa un componente cuyo pico de máxima amplitud (positivo en electrodos

parietales y occipitales, y negativo en electrodos frontales) se encuentra previo

a la aparición del estímulo. Al graficar los gran promedio de los ERPs evocados

a la presión del botón ( Fig.S6 anexos), este componente se observa tanto en la

condición CA como CD, y con su pico acoplado temporalmente a la presión del

botón. Interpretamos que este componente corresponde a la actividad

neurofisiológica subyacente a la presión del botón.

74

Para evaluar la modulación producida por las condiciones sobre la

latencia y la amplitud de los ERPs relacionados a la codificación del estímulo en

MT, se ejecutaron cuatro pruebas estadísticas no-paramétricas (ver valores de

test de Shapiro-Wilk en tabla 4 y tabla 5 ). Cabe nombrar que para los siguientes

análisis se utilizaron únicamente los valores de latencia y amplitud de los

ensayos correctos.

 Tabla 4 Promedios de Amplitud y test de distribuciones de ERPs por condiciones experimentales. (Amp. = Amplitud peak-to-peak ; Corr.= Correctas; Inc.= Incorrectas; = X Promedio; SD= desviación estándar; Sh-Wilk= Shapiro-Wilk)

75

Test de Normalidad y Varianza

Acoplada (CA)

Desacoplada (CD)

Pasiva (CP)

Amp. P1-N1 (uV)

Corr.

Sh-Wilk: p=0.01

Levene: p=0.79

: 10.3 X

SD: 3.7

: 10.3 X

SD : 3.6

: 10.2 X

SD : 4.1

Inc. Sh-Wilk: p=0.03

Levene: p=0.76

: 11.9 X

SD: 3.7

: 12.0 X

SD : 4.3

: 11.8 X

SD : 4.2

Amp.

P2 (uV)

Corr.

Sh-Wilk: p=7.9e-7

Levene: p=0.1875

: 6.8 X

SD: 3.6

: 6.2 X

SD: 1.9

: 6.4 X

SD: 2.3

Inc. Sh-Wilk: p=1.53e-4

Levene: p=0.9233

: 8.4 X

SD: 3.6

: 8.3 X

SD : 3.2

: 7.6 X

SD : 3.2

Amp. Sh-Wilk: p=2.4e-5 : 2.5 X : 2.3 X : 2.4 X

76

P3 (uV) Corr. Levene: p=0.73 SD: 1.8 SD: 1.4 SD: 1.5

Inc. Sh-Wilk: p=2e-10

Levene: p=0.11

: 5.2 X

SD: 4.8

: 3.8 X

SD : 1.7

: 3.7 X

SD : 2.7

 Tabla 5 Promedios de Latencias y test de distribuciones de ERPs por condiciones experimentales. ( Lat = Latencia; Corr.= Correctas; Inc.= Incorrectas; = Promedio; SD= X desviación estándar; Sh-Wilk= Shapiro-Wilk)

77

Test de Normalidad y Varianza

Acoplada (CA)

Desacoplada (CD)

Pasiva (CP)

Lat. N1 (ms)

Corr.

Sh-Wilk: p =0.0001

Levene: p=0.98

: 175.2 X

SD: 9.9

: 182.3 X

SD: 13.9

: 190.9 X

SD: 9.1

Inc. Sh-Wilk: p=0.02

Levene: p=0.37

: 177.3 X

SD: 11.4

: 190.0 X

SD : 16.4

: 188.4 X

SD : 13.7

Lat. P2 (ms)

Corr.

Sh-Wilk: p =0.8545

Levene: p=0.6285

: 171.3 X

SD: 10.6

: 186.1 X

SD: 10.5

: 190.4 X

SD: 8.1

Inc. Sh-Wilk: p=4.085e-5

Levene: p=0.0254

: 172.9 X

SD: 8.7

: 191.5 X

SD : 21.6

: 191.3 X

SD : 18.8

Lat. P3 (ms)

Corr.

Sh-Wilk: p=0.02

Levene: p=0.53

: 319 X

SD: 46.9

: 330 X

SD: 50

: 332.2 X

SD: 63.1

Inc. Sh-Wilk: p=0.02

Levene: p=0.4

: 317.3 X

SD: 53.9

: 313.4 X

SD : 45.9

: 319.4 X

SD : 67.6

78

 Fig. 4. Gran promedio de ERPs evocados a la aparición del estímulo (t=0 ms). A. Izquierda Gran promedio de ERP evocado a la aparición del estímulo en electrodo Oz, desglosado por condiciones (n=25 sujetos). Sólo ensayos correctos fueron incluidos. Las líneas indican el gran promedio. Derecha Mapa topográfico en los tiempos señalados. Los puntos indican las posiciones modeladas de los electrodos; los colores cálidos indican electrodos con aumento de la amplitud (voltaje, en uV) y colores fríos disminución de la amplitud en dicho electrodo. B. Similar a A, pero para el electrodo Fz C. Similar a A, pero para el electrodo Pz.

Como muestra la figura 5 , los resultados del test Kruskal-Wallis indican

que no existe un efecto de las condiciones sobre el voltaje en los componentes

P1N1 (chi 2 =0.09, p=0.95), P2 (chi 2 =0.03, p=0.9847) y P3 (chi 2 =0.11, p=0.94). En

cuanto al análisis de latencia ( fig.5 ), se observa un efecto de las condiciones

sobre las latencias de los componentes N1 (Kruskal-Wallis chi 2 =23, p= 9.9e-6)

y P2 (F(2,48)=38.91457, p=9.016549e-11, tamaño del efecto=0.4225585), pero

no para el componente P3 (chi 2 =0.69686, p= 0,7058). Como prueba Post hoc

79

se utilizó el test de Wilcoxon-Mann Whitney (test de rango de signos) para los

componentes N1 y P2. Los resultados de Wilcoxon-Mann Whitney indican que

el componente N1 aparece significativamente más temprano en la condición CA

respecto a las otras dos (CA/CD: V=40.5, p=0.009; CA/CP: V= 46.5, p=2.2e-5),

mientras que en la condición CP este componente es el más tardío en aparecer

(CA/CP: V= 46.5, p= 2.2e-5; CD/CP: V= 137, p= 0.006). Una tendencia similar

ocurre para el componente P2, el cual aparece significativamente antes en la

condición CA respecto a las otras dos (CA/CD: p=1.2e-05; CA/CP: p=6.6e-08),

y significativamente después en la condición CP (CA/CP: p=6.6e-08; CD/CP: p=

0.027).  

80

81

 Fig. 5. Amplitud y latencia de ERPs por condición de codificación. A . Amplitud (en uV) y Latencia de P1N1 por condición. Izquierda, gráficos de caja. Derecha, gráficos de densidad. B . Amplitud y Latencia de P2 por condición. C . Amplitud y Latencia de P3 por condición. (ns: p > 0.05; *: p ≤ 0.05; **: p ≤ 0.01; ***: p ≤ 0.001; ****: p ≤ 0.0001).

Estos resultados sugieren que el acoplamiento sensoriomotor

temporalmente preciso modula la temporalidad de los mecanismos neurales

subyacentes al procesamiento de discriminación visual (N1) y al procesamiento

del estímulo en MT (P2). Este último parece seguir el patrón de activación de

cortezas sensoriales tempranas. Ya que esta modulación disminuye en la

condición CD, un aspecto crítico correspondería a que el movimiento debe estar

finamente acoplado -en términos temporales- con el cambio sensorial.

Posteriormente, se buscó estudiar si estos resultados electrofisiológicos

se correlacionan con los resultados conductuales. Para ello, se separaron los

82

ensayos correctos e incorrectos (independiente de la condición), se evaluó la

existencia de efectos sobre voltaje y la latencia en cada uno de los

componentes de interés, utilizando el test de Wilcoxon-Mann-Whitney por cada

variable estudiada. Los gran promedio de ERPs obtenidos en ensayos

incorrectos se muestran en las figuras S7 y S8 , y sus distribuciones por

condición en la figura S9 , en anexos. Como se observa en la figura 6 , existe

una diferencia significativa en la amplitud de los componentes estudiados.

Específicamente, la amplitud es significativamente menor en las respuestas

correctas para los componentes P1N1 (V=756, p=0.001757), P2 (V = 622, p=

0.0001042) y P3 (V=524, p=9.404e-06). Por el contrario, los resultados no

arrojan diferencias significativas en la latencia entre ensayos correctos e

incorrectos ( Fig.6 ) en ninguno de los componentes estudiados (P1N1:

V=1217.5, p=0.731; P2: V=1207, p=0.55; P3: V=1493.5, p=0.218).

83

84

 Fig. 6. Amplitud y latencia de ERPs por ensayo correcto e incorrecto. A . Amplitud (en uV) y latencia (en ms) de componente P1-N1 por ensayos correctos e incorrectos. B . Amplitud y latencia de componente P2 por ensayos correctos e incorrectos. C. Amplitud y latencia de componente P3 por ensayos correctos e incorrectos. (ns: p > 0.05; *: p ≤ 0.05; **: p ≤ 0.01; ***: p ≤ 0.001; ****: p ≤ 0.0001)

Esta misma tendencia se repite al analizar los efectos de la condición

experimental por ensayos correctos o incorrectos en cada componente ( fig. S8

en anexos). De este modo, hay una interacción entre condiciones de la tarea y

el voltaje de ensayos correctos e incorrectos en el componente P1N1 (chi 2 =5.7,

p=0.016), P2 (chi 2 =13.395, p=0.0002523) y P3 (chi 2 =19.2, p=1.1e-05). Esta

interacción no se observa sobre la latencia (N1: chi 2 = 0.46, p=0.49; P2: chi 2 =

0.0051, p=0.9427; P3: chi 2 =1.23, p=0.27). Los resultados de los análisis post

hoc realizados con el test de Wilcoxon-Mann Whitney, indican diferencias

significativas entre la amplitud de ensayos correctos e incorrectos en los

componentes P1N1, P2 y P3. Para el componente P1N1 la amplitud de los

ensayos correctos es significativamente menor en las condiciones CA (V=76,

p=0.03399) y CD (V=78, p=0.03948), lo cual no se cumple en la condición CP

(V=99, p= 0.1515). Esta tendencia se repite en el componente P2, donde la

amplitud de los ensayos correctos es significativamente mayor en las

condiciones activas (CA: V=81, p=0.04906; CD: V=52, p=0.003901), pero no en

CP (V=98, p=0.1434). En P3 la amplitud de los ensayos correctos es

significativamente menor en todas las condiciones (CA: V=50, p=0.003143; CD:

V=49, p=0.002815; CP V=81, p=0.04906). Tampoco se observan diferencias

85

significativas al comparar la amplitud (P1-N1: chi 2 =71, p=0.4777; P2: chi 2 =

0.50247, p=0.7778; P3: chi 2 =71, p=0.477) y latencia (P1N1: chi 2 =59.413,

p=0.2237; P3: chi 2 =68.042, p=0.3741) de ensayos erróneos entre condiciones,

salvo para la latencia del componente P2 (chi 2 =17.343, p=0.0001714).

Estos resultados indican que la amplitud de los componentes de ERPs

evocados por la aparición de los estímulos codificados parecen atenuarse

cuando los sujetos responden correctamente a la tarea de MT. Lo anterior

sugiere que, en una tarea de MT verbal cuyos estímulos se presentan de

manera simultánea, los estímulos que posteriormente son correctamente

recordados parecen evocar una menor actividad relacionada tanto al

procesamiento visual temprano (P1N1) como a la codificación y representación

mental en MT evocada por dicho estímulo (P2 y P3). Si bien esto parece ser así

independiente de la presencia o ausencia de modulación sensoriomotora, el

efecto parece ser más evidente en las condiciones activas (tanto CA como CD)

que en la condición pasiva.

En resumen, los resultados de los potenciales relacionados a eventos de

interés, evocados por la aparición de los estímulos, muestran que el

procesamiento visual temprano de los estímulos visuales parece ser más rápido

cuando los estímulos son autoaplicados mediante un acto motor. Asimismo,

este procesamiento sería más temprano cuando este acto motor está

86

temporalmente acoplado al estímulo visual. Sin embargo, este incremento en la

velocidad de procesamiento visual temprano no parece explicar los efectos

conductuales observados, en tanto que los ensayos correctos se asocian a una

disminución en la amplitud y no en la latencia de los ERPs evocados por el

estímulo.

Resultados data-driven

Adicional a los componentes de interés mencionados previamente, se

realizó un análisis para comprobar si existe un efecto de las condiciones sobre

otros componentes, además de los determinados como componentes de

interés. Se analizaron los 32 electrodos utilizados en las series temporales entre

0 y 500 ms luego de aparecido el estímulo a codificar ( métodos-análisis de

ERPs ). Para ello, se realizaron 4 test de permutaciones: 1 para determinar la

existencia de un efecto de las condiciones en general (utilizando un test de F), y

3 para determinar diferencias específicas entre las 3 condiciones (utilizando 3

test de t). Todos los tests fueron corregidos por múltiples comparaciones con el

método de clusterización. Los detalles y parámetros de los test se especifican

en el apartado de métodos ( métodos-análisis de ERPs ). La figura 7 muestra los

resultados del test de permutaciones realizado con el test de F. En ella se

ilustran con un asterisco los electrodos que muestran un efecto de las

condiciones (p<0.05), por cada ventana de tiempo. Los valores específicos del 87

estadígrafo F y de los valores de p de cada electrodo y ventana temporal se

muestran en la tabla S1 , en anexos. El número de clústers y su duración en el

tiempo se ilustran en la figura S11 . Los resultados arrojan la existencia de un

efecto de las condiciones sobre la amplitud de los ERPs en las ventanas de

tiempo comprendidas entre 0 y 260 ms después de la presentación del

estímulo. Destaca la aparición temprana de un efecto relativamente global: en

los primeros 40 ms parece existir un efecto de las condiciones sobre electrodos

de regiones centro-frontales y regiones parieto-occipitales. El efecto sobre los

electrodos frontales parece ser más sostenido, cuya diferencia se mantiene en

el electrodo Fz durante los primeros 100 ms. Este efecto parece tener relación

con el componente generado por la presión del botón en la condición CA.

Seguidamente, se observa un efecto en regiones posteriores entre 100-140 ms.

Luego aparece nuevamente una diferencia global entre 140 y 160 ms, y de 200

a 240 ms. Posterior a 260 ms no se observan efectos de las condiciones sobre

ningún electrodo, tal como se comprueba en la fig. S11 . Cabe destacar la

ausencia de efectos significativos que coincidan tanto en temporalidad como en

ubicación espacial con los componentes de interés. De este modo, no se

observa un efecto sobre el electrodo Pz, en ninguna serie temporal, mientras

que los efectos en los electrodos Fz y Oz aparecen en tiempos distintos al peak

de los componentes P1N1 y P2. Esto concuerda con los análisis resultantes de

las pruebas de hipótesis ejecutados y mostrados previamente, en tanto que la

88

variable dependiente comparada en este test es la amplitud. Cabe destacar

también, que esta aproximación no permite evaluar diferencias en la latencia de

los componentes, ya que se toma ningún componente de interés (y el tiempo de

su aparición) en específico.

89

90

 Fig. 7. Efecto de las condiciones sobre cada electrodo, por serie de tiempo. Topoplots muestran los electrodos en los cuales existe un efecto de las condiciones, marcados con (*), para cada serie temporal (en s). Los colores indican las variaciones de amplitud (en uV) por cada serie temporal: los colores cálidos indican valores de voltaje mayores, y los colores fríos, valores de voltaje menores. Se ilustra el gran promedio para la condición CA, para efectos de visualización de los componentes de ERPs en la serie temporal entre 0 y 0.5 s luego de la aparición del estímulo a codificar. * ≤ 0.05.

En la figura 8 se muestran los topoplot por serie de tiempo (entre 0 y 300

ms), y se ilustra la diferencia de los gran promedio entre CA y CP. La figura

también muestra los resultados del test de permutaciones (test de t pareado de

una vía, se evalúa la existencia de diferencias en la cola derecha de la

distribución, con un alfa de 0.01667) realizados al comparar las condiciones CA

y CP. En ella se observan diferencias significativas en la amplitud durante las

series temporales comprendidas entre 0 y 300 ms. Durante los primeros 40 ms,

se observa la presencia de un clúster significativo compuesto por electrodos

parieto-occipitales. Ya que el test realizado evaluó la existencia de diferencia en

la cola derecha de la distribución, estos resultados indican que existe una

mayor amplitud en la condición CA que en CP, en los electrodos

parieto-occipitales, entre los tiempos 0 y 40 ms. Destaca la ausencia de efectos

significativos en el electrodo Pz. Esto se repite, pero en electrodos

témporo-frontales en el tiempo comprendido entre 140 y 160 ms, y luego

nuevamente en electrodos parieto-occipitales en los tiempos entre 200 y 260

ms.

91

 Fig. 8. Diferencias entre CA y CP sobre cada electrodo, por serie de tiempo. Topoplots muestran los electrodos en los cuales existe un efecto de las condiciones, marcados con (*), para cada serie temporal (en s). Los colores indican las variaciones de amplitud (en uV) por cada serie temporal: los colores cálidos indican valores de voltaje mayores, y los colores fríos, valores de voltaje menores. Se ilustra el gran promedio para la diferencia entre CA y CP, en la serie temporal entre 0 y 0.3 s luego de la aparición del estímulo a codificar. * ≤ 0.01667

En la figura 9 y 10 se muestran los resultados del test de permutaciones

realizados al comparar las condiciones CA-CD, y CD-CP, respectivamente. Los

resultados muestran que no existen diferencias significativas de amplitud en

ningún electrodo, en ninguna serie temporal. Esto concuerda y expande los

resultados derivados de los test de hipótesis, los cuales indicaban la ausencia

de un efecto de las condiciones sobre la amplitud de los componentes de

interés. Con este nuevo análisis se muestra, además, que esto es así no sólo

92

para los componentes de interés evaluados, sino también para todos los

electrodos y componentes comprendidos entre 0 y 300 ms, al comparar CA-CD

y CD-CP.

 Fig. 9. Diferencias entre CA y CD sobre cada electrodo, por serie de tiempo. Topoplots muestran los electrodos en los cuales existe un efecto de las condiciones, marcados con (*), para cada serie temporal (en s). Los colores indican las variaciones de amplitud (en uV) por cada serie temporal: los colores cálidos indican valores de voltaje mayores, y los colores fríos, valores de voltaje menores. Se ilustra el gran promedio para la diferencia entre CA y CD, en la serie temporal entre 0 y 0.3 s luego de la aparición del estímulo a codificar.

93

 Fig. 10. Diferencias entre CD y CP sobre cada electrodo, por serie de tiempo. Topoplots muestran los electrodos en los cuales existe un efecto de las condiciones, marcados con (*), para cada serie temporal (en s). Los colores indican las variaciones de amplitud (en uV) por cada serie temporal: los colores cálidos indican valores de voltaje mayores, y los colores fríos, valores de voltaje menores. Se ilustra el gran promedio para la diferencia entre CD y CP, en la serie temporal entre 0 y 0.3 s luego de la aparición del estímulo a codificar.

94

Resultados de Consistencia de Fase (ITPC)

La actividad neurofisiológica adquirida mediante EEG no está compuesta

únicamente de cambios de voltaje en el tiempo (y el espacio, medida a través

de los diferentes electrodos), sino que también tiene componentes oscilatorios,

los cuales se caracterizan por variaciones en la frecuencia, en la amplitud de

esa frecuencia y en la fase de esas oscilaciones en el tiempo (Cohen, 2014).

Diversas investigaciones apuntan a que la fase es un mecanismo neuronal que

subyace a procesos cognitivos como la discriminación de diferentes

características del habla (Ding et al., 2016-2017; Luo & Poeppel, 2007), la

atención (Helfrich et al., 2018) y la percepción (Neuling, Rach, Wagner, Wolters,

& Herrmann, 2012). Estudios previos han demostrado que la fase de las

oscilaciones en las bandas alpha y theta podrían influenciar la actividad cortical

(Desideri et al., 2017; Dugue, Marque & VanRullen, 2011), así como predecir el

desempeño en tareas atencionales y perceptuales en el periodo temporal previo

a la aparición del estímulo (Busch, Dubois, & VanRullen, 2009; Busch &

VanRullen, 2010; Helfrich et al., 2018; Mathewson, Gratton, Fabiani, Beck, &

Ro, 2009; Neuling et al., 2012). Al respecto, hipotetizamos que la consistencia

de fase durante el periodo previo a la aparición del estímulo predeciría los

aciertos en la tarea de MT; a su vez, hipotetizamos que el acoplamiento

sensoriomotor resetea la fase de las oscilaciones en banda alpha y theta , y que,

95

por lo tanto, la condición CA presentará un índice mayor de consistencia de

fase con respecto a las otras dos condiciones.

Para estudiar si la fase es capaz de predecir los resultados conductuales,

se analizó el índice ITPC (del inglés Intertrial Phase Clustering , Cohen, 2014)

por ensayos correctos e incorrectos mediante un test de permutaciones en la

ventana temporal previa a la aparición del estímulo (para más detalles, ver

Anexos, métodos, análisis tiempo frecuencia ). La figura 11 muestra la variación

de ITPC en el tiempo para cada una de las condiciones (sólo en los ensayos

correctos). Los resultados del test de permutaciones por ensayos correctos e

incorrectos en cada condición indican que no existen diferencias significativas

en el ITPC, tanto en banda theta como en banda alpha , y en ninguno de los 35

electrodos analizados ( fig. 12 ). Estos resultados apuntan a que la fase de las

oscilaciones en banda theta y alpha previa a la aparición del estímulo no

predice la realización de un acierto, en ninguna de las 3 condiciones

experimentales, y en ninguno de los 32 electrodos analizados. Ya que no se

encontró relación entre la fase y el desempeño, se decidió no explorar

estadísticamente las diferencias de ITPC entre las condiciones experimentales.

96

 Fig. 11. ITPC de ensayos correctos por condición. A Carta tiempo-frecuencia para los valores de ITPC, por cada condición en dos electrodos de ejemplo (Oz panel superior, Pz panel inferior). El eje de las x indica el tiempo en ms, siendo el tiempo 0 equivalente a la aparición del estímulo. El eje de las y indica las frecuencias en Hz. Los colores cálidos indican valores de ITPC mayores (cercanos a 1), y los colores fríos valores de ITPC menores. B Mapa topográfico de valores de ITPC para la banda frecuencial theta (4-8 Hz) calculado entre -250 a 0 ms, por cada condición. Entre paréntesis cuadrados [ ] se muestran los rangos de valores de ITPC. Los colores cálidos indican valores de ITPC mayores, y los colores fríos valores de ITPC menores. C similar a B, pero para banda Alpha (8-12 Hz).

97

 Fig. 12. Mapa topográfico de valores de p por condición. A Mapa topográfico de valores de p al comparar ITPC de ensayos correctos e incorrectos, calculado entre -250 a 0 ms (para detalles ver métodos). Los rangos de valores de p se muestran entre paréntesis cuadrados [ ]. B. Similar a A, pero para la banda frecuencial alpha (8-12 Hz).

98

DISCUSIÓN

La presente tesis ha tenido por objetivo comprobar la implicancia del

acoplamiento sensoriomotor temporalmente preciso en la memoria de trabajo

(MT). Con ello, hemos propuesto ampliar la mirada clásica que se ha centrado

en verificar los mecanismos de retención de MT, y enfatizar que los procesos de

codificación son igualmente relevantes dentro de los componentes de MT. Esto,

en tanto que codificar implicaría la activación de procesos en los cuales se

“percibe-para-mantener-en-memoria”, en contraste con percibir para utilizar esa

información inmediatamente, como en tareas de búsqueda o comparación

visual. Nuestra proposición consistió en que MT se puede beneficiar de

mecanismos activos de codificación, tal que el acoplamiento sensoriomotor

durante la codificación formaría parte de los componentes de MT.

Bajo este marco, cabe señalar que los mecanismos por los cuales la

percepción es capaz de modular a MT en la modalidad visual han sido poco

estudiados (Cattaneo, Pisoni, Papagno, & Silvanto, 2011; Kosilo et al., 2017).

Esto contrasta con el énfasis que tiene la relación entre percepción auditiva y 99

MT verbal (e.g. Guijo, Horiuti, Nardez, & Cardoso, 2018; Magimairaj & Nagaraj,

2018; Norrelgen, Lacerda, & Forssberg, 2002; Wayne, Hamilton, Huyck, &

Johnsrude, 2016; Zhang et al., 2016). La razón de ello podría atribuirse a que

uno de los focos más importantes del estudio de MT es su relación con el

lenguaje oral, su desarrollo, y sus trastornos (e.g. Baddeley, Gathercole, &

Papagno, 1998; Caplan & Waters, 1999; Coelho, Albuquerque, & Simões, 2013;

Cogan et al., 2017; Fortunato-Tavares et al., 2015; Jonsdottir, Bouma, Sergeant,

& Scherder, 2005; Montgomery, Magimairaj, & Finney, 2010; Vugs, Cuperus,

Hendriks, & Verhoeven, 2013; Vugs, Hendriks, Cuperus, & Verhoeven, 2014).

Asimismo, parece ser más transparente la relación entre dificultades auditivas,

esfuerzo cognitivo, y desarrollo del lenguaje. Por el contrario, y hasta el alcance

de nuestra revisión, no se encontraron investigaciones que profundizaran en los

efectos de una señal visual degradada, ya sea por métodos experimentales

(como manipulación de la luminancia o el contraste), o por condiciones de

patología (como baja visión) en MT. Como hemos mencionado anteriormente,

nuestros resultados no sólo parecen remarcar el rol de la codificación en MT,

sino que además destacan que la codificación activa es capaz de modular esta

MT. Los mecanismos mediante los cuales se produce esta modulación, se

discuten a continuación.

100

Mejora de MT durante el acoplamiento sensoriomotor temporalmente preciso.

Nuestros resultados apuntan a que el acoplamiento sensoriomotor

parece formar parte de los mecanismos de la memoria de trabajo verbal. Esto,

en tanto que un acto motor temporalmente acoplado a la aparición del estímulo

sensorial se correlaciona con una mejora en el desempeño de MT. Este

hallazgo es consistente con investigaciones previas que plantean que MT y el

sistema motor compartirían recursos cognitivos (Buszard et al., 2016; Gündüz et

al., 2017; Logan & Fischman, 2015; Spiegel et al., 2013, 2012; Weigelt et al.,

2009). Al compartir recursos cognitivos, la modulación puede favorecer o ir en

detrimento del desempeño. Así, mientras nuestros resultados muestran una

mejora del desempeño en MT, en la literatura previa la tendencia de la

modulación era inversa. La interferencia observada en estos estudios puede

atribuirse a la pertinencia del acto motor y la tarea de MT, tanto en términos del

objetivo como en términos temporales. En cuanto al primer punto, el acto motor

solicitado en los estudios citados tenía un objetivo distinto al de la tarea de MT:

mientras que la meta de la tarea de MT era codificar, mantener y recuperar

estímulos visuales, el acto motor requería agarrar, sostener y posicionar un

objeto en el espacio (Buszard et al., 2016; Gunduz et al., 2017; Logan &

Fischman, 2011-2015; Spiegel et al., 2012-2013; Weigelt et al., 2009). Esto

101

podría significar distribuir recursos cognitivos en dos objetivos en paralelo,

recursos que son compartidos para lograr ambos. Sumado a este efecto,

interpretamos que la interferencia puede deberse además a la falta de

concordancia temporal entre el movimiento y el estímulo relevante para MT. Ya

que estos estudios solicitaban realizar una secuencia de movimientos, existía

un acoplamiento sensoriomotor en varios momentos de la tarea, y no

únicamente en relación con la aparición del estímulo relevante. Esta suposición

se fundamenta en hallazgos previos desde la percepción (Blakemore et al.,

1999; Tomassini, Spinelli, Jacono, Sandini, & Morrone, 2015) y la atención

activa (Morillon et al., 2014). En dichos estudios, se observa una modulación del

desempeño en actos motores temporalmente relacionados a la aparición del

estímulo, la cual se pierde cuando existe un desfase entre ellos. Confirmando

este punto, nuestros resultados muestran que desfasar el acto motor y la

consecuencia sensorial empeora el desempeño de MT respecto a cuando

existe un acoplamiento temporal. De este modo, una característica relevante del

mecanismo de modulación del acoplamiento sensoriomotor parece ser su

precisión temporal.

En esta misma línea, cabría preguntarse qué efectos modulatorios se

observarían en caso de mantener la pertinencia temporal y modificar la

atingencia del acto motor con la tarea de MT. Como nombramos anteriormente,

102

tanto nuestros datos como estudios previos, sugieren que un aspecto clave

dentro del mecanismo de modulación del acoplamiento sensoriomotor es la

precisión temporal (Blakemore et al., 1999; Morillon et al., 2014; Tomassini et

al., 2015). Conforme a ello, es de esperar que un acto motor temporalmente

acoplado, pero no atingente a la tarea de MT, mantuviese un efecto beneficioso

sobre MT. Al respecto, existe evidencia conductual en paradigmas perceptuales

y de memoria a largo a plazo que apoyan esta predicción (Tomassini et al.,

2015; Yebra et al., 2019). Por ejemplo, se ha reportado una modulación de la

percepción visual por un acto motor temporal acoplado, pero no atingente a la

tarea (e.g. girar una barra: Tomassini et al., 2015). Asimismo, recientemente

Yebra et al (2019) mostraron una mejora en el reconocimiento de imágenes que

tenían asociadas la presión de un botón, versus las que no. Cabe remarcar que,

en el estudio de Yebra et al., los sujetos no fueron advertidos de la tarea de

memoria: sólo tenían la instrucción de presionar o no el botón (tarea tipo

go / no-go ) mientras observaban las imágenes. De esta forma, un acto motor

temporalmente acoplado a la aparición de imágenes aumentaba el recuerdo de

las imágenes, pese a que estas no debían ser activamente recordadas. Este

efecto se vería explicado porque el mecanismo neurobiológico que parece estar

a la base de la modulación (el que se discutirá con mayor detalle en una

sección posterior) ocurre en una ventana temporal de pocos milisegundos.

103

En resumen, se observa una modulación del acoplamiento sensoriomotor

sobre el desempeño de MT. Esto sugiere que el acoplamiento sensoriomotor

forma parte de los mecanismos de MT. Una de las características de este

mecanismo estaría basado en la precisión temporal con la que el acto motor y

su consecuencia sensorial (en este caso, el estímulo de la tarea) ocurren. Esto

explicaría la disminución del desempeño en condiciones de desfase

sensoriomotor, así como posibles mejoras en el desempeño cuando un acto

motor está temporalmente acoplado a la aparición del estímulo, pese a que el

objetivo de ese acto motor no se relacione con el objetivo de la tarea de MT.

Aumento de la velocidad de procesos de codificación durante el acoplamiento

sensoriomotor temporalmente preciso .

¿Cuál es el mecanismo neurobiológico que subyace a la modulación del

acoplamiento sensoriomotor sobre MT? De acuerdo con nuestra propuesta (ver

en detalle en la sección de “modelo mecanístico”), esta modulación tomaría

ventaja de la señal corolaria que envían las cortezas motoras a otras cortezas,

como cortezas visuales (Attinger et al., 2017; Leinweber, Ward, Sobczak,

Attinger, & Keller, 2017), y la red frontoparietal (Hasan et al., 2013; Wilber et al.,

2015). El posible origen cortical de esta señal se ubicaría en la corteza M2

104

(corteza motora suplementaria), como ha sido mostrado en ratas y primates no

humanos (Marvel, Morgan, & Kronemer, 2019).

El cómo actúa esta señal corolaria no ha sido totalmente dilucidado. En

términos sensoriales, una propuesta es que esta señal actúa “pre-activando” la

consecuencia sensorial que ese movimiento tendrá (modelo forward , Miall &

Wolpert, 1996; Wolpert & Kawato, 1998). Otra posibilidad es que no genere

necesariamente una predicción del “contenido” de la consecuencia sensorial,

sino de su temporalidad. Vale decir, esta señal podría funcionar como un aviso

de cuándo se producirá un cambio sensorial, pudiendo ser ambas funciones

(predicción de consecuencia y temporalidad) complementarias. Este mismo

mecanismo podría estar operando sobre cortezas que han sido clásicamente

implicadas en MT, de tal forma que las cortezas motoras producirían una señal

de “alerta”. Así, la señal corolaria posiblemente “prepararía” a la corteza parietal

posterior y a la corteza prefrontal dorsolateral, de la inminente ocurrencia de un

estímulo que debe ser mantenido en memoria.

La activación de esta señal corolaria debiera reflejarse en varias medidas

electrofisiológicas. Una de ellas corresponde a la modulación de los ERPs

relacionados al procesamiento del estímulo que está siendo codificado en MT.

Por ello, nuestros análisis se centraron en los componentes relacionados tanto

105

al procesamiento visual temprano (componentes P100 y N100), como a los

procesos de promoción del almacenamiento del estímulo en MT (componentes

P200 y P300). Tal que la señal corolaria desde cortezas motoras a cortezas

sensoriales ocurre dentro pocos milisegundos (Leinweber et al., 2017), la

temporalidad en que suceden estos eventos correspondería a un aspecto

relevante del mecanismo de modulación del acoplamiento sensoriomotor, tal

como se demostró en términos conductuales.

Nuestros resultados muestran que existe un efecto de las condiciones

sobre la latencia de N1 y P2, pero no sobre la amplitud de los componentes

P1-N1, P2 ni P3 ( Fig.5 ). Esto apunta a que el acoplamiento sensoriomotor

temporalmente preciso modularía la temporalidad de los mecanismos neurales

subyacentes tanto a la discriminación visual (N1), como a la codificación de los

estímulos en MT (P2).

Por un lado, lo anterior sugiere que el procesamiento relacionado a la

discriminación visual ocurriría más rápido cuando el cambio sobre la superficie

sensorial se produce debido a un movimiento autoiniciado. Aún más, ya que

esta modulación disminuye significativamente en la condición desacoplada, un

aspecto crítico correspondería a que el movimiento debe estar finamente

acoplado -en términos temporales- con el cambio sensorial. Este hallazgo se

106

encuentra en línea con estudios previos en el área de la percepción activa, en la

cual se ha probado que un movimiento autoiniciado sobre la superficie sensorial

(vale decir, un movimiento ocular, como una sacada), modula la latencia y la

amplitud de ERPs visuales (Devia et al., 2017), así como la amplitud del

potencial de campo local en la corteza visual (Ito et al., 2011). De este modo,

interpretamos la disminución de la latencia de N1 durante la codificación activa

como indicativo de que el procesamiento visual temprano se ve facilitado. Es

decir, cuando hay un acto motor autoiniciado cuya consecuencia sensorial es

atingente con el estímulo que se debe codificar en MT, a las cortezas visuales

les costaría menos activarse, y por ende, esta activación se traduce en una

menor latencia en respuesta a un estímulo. En concordancia con esta

perspectiva, Finnigan et al. (2011) reportaron que menores latencias en P1

durante la codificación se correlacionan con un mejor desempeño de MT verbal.

Esto sugiere que uno de los mecanismos mediante el cual el acoplamiento

sensoriomotor temporalmente preciso mejora MT, es la facilitación del

procesamiento visual temprano.

Por otro lado, la modulación sobre la latencia de P2 sugiere que la

autoiniciación del estímulo, mediada por un acto motor, aumentaría la velocidad

del procesamiento relacionado a su codificación en MT. Apoyando esta idea,

Missonnier et al. (2007) reportó un aumento en la latencia de P2 durante la

107

codificación en MT en pacientes con diagnóstico de deterioro cognitivo leve y en

pacientes con enfermedad de Alzheimer. A su vez, ambos grupos de pacientes

tenían un desempeño significativamente menor en la prueba de MT respecto a

los controles, mas no existía diferencia de desempeño entre los grupos de

pacientes. Lo anterior apunta a que la latencia de P2 correlaciona con el

desempeño en tareas de MT. Esto parece apoyar la noción de que otro posible

mecanismo de modulación que utiliza el acoplamiento sensoriomotor para

mejorar el desempeño de MT, es la facilitación de la codificación en MT

reflejada por P2. Sin embargo, en tanto que no se conoce de manera certera

cuál es el origen neuroanatómico de este componente, no es posible determinar

con exactitud en qué parte de la red frontoparietal se produce esta modulación.

Además, y al igual que lo observado en N1, cabe recalcar que un aspecto

fundamental dentro del mecanismo de acción del acoplamiento sensoriomotor

sobre la codificación, es su precisión temporal. Esto, en tanto que el efecto

modulatorio sobre P2 disminuye significativamente cuando el acto motor se

desfasa de la consecuencia sensorial.

Adicionalmente, se hipotetizó que otro posible mecanismo de modulación

del acoplamiento sensoriomotor debiera corresponder al aumento en la

amplitud de P3. Esto, en tanto que la señal corolaria proveniente desde

cortezas motoras podría estar modulando la actividad de la corteza parietal

108

posterior (Wilber et al., 2015), cuya actividad parece estar (al menos en parte) a

la base del componente P3 (para una revisión, ver Polich, 2007). En cambio,

nuestros resultados no muestran un efecto del acoplamiento sensoriomotor

sobre la amplitud de P3. Esto contrasta con estudios previos que han mostrado

que la amplitud de P3 durante la codificación se correlaciona con el posterior

éxito en la recuperación de ítems (Fabiani, Karis, & Donchin, 1986b; Karis et al.,

1984). Esto parece implicar que los procesos de revisión del estímulo en MT

durante la codificación son equivalentes tanto en presencia como en ausencia

del acoplamiento sensoriomotor. Por lo tanto, el mecanismo mediante el cual

opera el acoplamiento sensoriomotor sobre MT, no parece basarse ni en

aumentar la actividad relacionada con la revisión del estímulo en MT (reflejado

en la amplitud de P3), ni en facilitar este procesamiento (reflejado en la latencia

de P3).

Los aciertos correlacionan con una disminución de la amplitud de ERPs durante

la codificación

Al analizar si la modulación en la latencia observada en las condiciones

activas podría ser el mecanismo neurobiológico que subyace a la mejora del

desempeño, no encontramos un efecto. Vale decir, hacer una respuesta

109

correcta no se correlaciona con una modulación en la latencia de la actividad

evocada durante la codificación. Esto se observó tanto para los componentes

P1-N1, como P2 y P3. Lo anterior parece indicar que el mecanismo de

facilitación de la codificación por el cual opera el acoplamiento sensoriomotor,

es distinto al mecanismo general por el que se produce una codificación

exitosa.

En cambio, este mecanismo general de codificación exitosa parece tener

relación con la modulación de la amplitud de los componentes de ERP.

Nuestros hallazgos muestran que el desempeño correlaciona inversamente con

la amplitud peak to peak de P1-N1, P2 y P3. Cabe destacar que, en P1-N1 y

P2, esta correlación es significativa únicamente en las condiciones activas

(tanto acoplada, como desacoplada). Ante esto, se podría suponer que, al

codificar exitosamente un estímulo en MT, hay una menor actividad relacionada

con el procesamiento visual temprano solamente cuando hay un acto motor

asociado a la aparición del estímulo. Esto podría reflejar un procesamiento más

eficiente de codificación, cuando este es exitoso y mediado por un acto motor,

sea temporalmente acoplado o no.

Una interpretación alternativa a estos hallazgos es que pueden estar

reflejando mecanismos de señalización de error. Siguiendo esta línea, se ha

110

postulado que la corteza visual no sólo codificaría la señal relacionada a los

estímulos, sino que también existen neuronas que tienen actividad ligada a la

predicción. Cuando esta predicción no se cumple, ciertas poblaciones dentro de

la corteza visual generarían una señal de error de la predicción (Eriksson,

Wunderle, & Schmidt, 2012; Koch & Poggio, 1999; Rao & Ballard, 1999). Es así

como el aumento de la amplitud de P1 en los ensayos que no fueron

correctamente codificados en MT podría reflejar la actividad relacionada a esta

señalización de error en la predicción, ya sea en términos de las características

físicas del estímulo (qué estímulos se esperaban), o en términos temporales

(cuándo llega el estímulo). Si este aumento en la amplitud de P1 refleja una

señalización de error en términos temporales, es de suponer que estas

diferencias en amplitud también se hubiesen encontrado al comparar las

condiciones. Tal que el acoplamiento sensoriomotor temporalmente preciso

debiese generar la predicción temporal más exacta, sería esperable que en esta

condición se dé la mayor diferencia de amplitud de correctos/incorrectos.

Nuestros resultados parecen sustentar, en parte, esta suposición. Tal como se

nombró previamente, sólo en las condiciones activas se evidencia una

diferencia significativa en la amplitud de P1-N1 en ensayos correctos e

incorrectos. Lo anterior sugiere que un posible mecanismo de modulación de un

acto motor (sea acoplado o no a la aparición del estímulo) operaría mediante la

activación de señales de error en las áreas de procesamiento visual temprano.

111

Esto, a su vez, parece relacionarse con el éxito en la codificación del estímulo

en MT.

En cuanto a P3, un mecanismo similar podría estar a la base de nuestros

resultados. Ya que las respuestas erróneas se correlacionan con un aumento

en la amplitud de P3, una interpretación es que el aumento de amplitud refleje

un mecanismo de detección de error. Tal que en los paradigmas clásicos donde

se elicita P3 son de estímulos infrecuentes, uno de los procesos subyacentes a

este componente podría relacionarse con un error en la predicción de un cierto

estímulo, ante la aparición de otro inesperado. Cabe destacar, sin embargo, que

esta distinción se produce de manera equivalente en las 3 condiciones de

codificación. Por lo tanto, este mecanismo no parece explicar la modulación que

ejerce el acoplamiento sensoriomotor sobre MT. Estos hallazgos respecto a P3

se contraponen con estudios previos en tareas de MT de tipo Sternberg. En

ellos, se ha reportado que la amplitud de P3 parietales evocados por el estímulo

codificado se correlaciona directamente con el desempeño (Fabiani et al.,

1986b; Karis et al., 1984).

Una explicación alternativa a la señal de error argumentada previamente,

podría tener relación con que estas investigaciones presentan los estímulos de

manera seriada (uno a la vez) y no simultánea, como en nuestro estudio. En

112

este contexto, se ha descrito que estímulos presentados de manera simultánea

en una tarea de MT visuoespacial, evocan menor amplitud de P3 cuando son

memorizados en comparación a cuando han sido sólo observados (Barceló,

Martín-Loeches, & Rubia, 1997). En otras palabras, percibir para memorizar

evoca menor amplitud de P3 que sólo percibir. Un efecto similar podría estar

ocurriendo en nuestros datos. En esta línea, se conoce que la amplitud de P3

disminuye con el aumento de ítems a codificar en MT (Morgan et al., 2008; Park

& Kim, 2018). Esto podría interpretarse como índice de la cantidad de recursos

cognitivos que se requieren para lograr la tarea: si asumimos que codificar (vale

decir, percibir para memorizar) requiere de mayores recursos cognitivos que

percibir sin que el estímulo tenga un uso para una tarea en particular, la

disminución en P3 en nuestros datos podría estar reflejando el mecanismo de

codificación en MT. Es decir, en nuestra tarea P3 podría estar indicando la

cantidad de recursos cognitivos reclutados, existiendo una mayor carga

cognitiva en aquellos ensayos en que los que se codifican los estímulos en MT

(ensayos correctos), versus en los que no (ensayos incorrectos). Este

mecanismo parece ser general, operando tanto en condiciones de codificación

con y sin acoplamiento sensoriomotor.

Otra posible explicación para la divergencia con estudios previos es la

diferencia en la saliencia de los estímulos utilizados. Mientras nuestro trabajo

113

utilizó una tarea de MT verbal con 5 estímulos que tenían la misma saliencia, en

Karis et al. (1984) y Fabiani et al. (1986) la prueba de MT se combinaba con

una prueba de estímulo infrecuente. Debido a esto, algunos de los estímulos

tenían características más salientes, como por ejemplo, ser palabras con

diferente grado de familiaridad, o poseer características visuales distintas

(mayúsculas (infrecuente) versus minúsculas (frecuentes)). Es así que el

aumento en la amplitud de P3 reportada en dichos estudios podría tener

relación con una modulación de la captura atencional bottom-up que promueve

MT (Knight, 1996). Este mecanismo en nuestro paradigma parece no ocurrir, en

tanto todos los estímulos, y en todas las condiciones, presentaban la misma

saliencia.

La consistencia de fase no predice los aciertos en una tarea de MT

Tal que el mecanismo neuronal que proponemos se basa en la señal

corolaria que envían cortezas motoras a cortezas visuales y parietales, esta

señal podría reflejarse también como una modulación sobre la consistencia de

fase de estas regiones durante la codificación . Vale decir, el acoplamiento

114

sensoriomotor podría generar un reinicio en la fase de las bandas oscilatorias

relacionadas con la atención y la percepción de los estímulos. Así, este reinicio

de fase conllevaría que el estímulo aparezca -en términos temporales- en la

fase oscilatoria que es más propicia para atender y percibir. Esta propuesta ha

sido previamente demostrada en paradigmas atencionales y perceptuales. En

dichos estudios se ha reportado que la fase de las oscilaciones en las bandas

alpha y theta podrían influenciar la actividad cortical (Desideri et al., 2017;

Dugue, Marque & VanRullen, 2011), así como predecir el desempeño en el

periodo temporal previo a la aparición del estímulo (Busch et al., 2009; Busch &

VanRullen, 2010; Helfrich et al., 2018; Mathewson et al., 2009; Neuling et al.,

2012). Sin embargo, nuestros resultados indican que no existen diferencias

significativas en la consistencia de fase entre ensayos correctos e incorrectos

en las bandas theta y alpha , en ninguna de las 3 condiciones (acoplada,

desacoplada, pasiva). Esto apunta a que, en nuestra tarea de MT, la fase de las

oscilaciones en banda theta y alpha previa a la aparición del estímulo no parece

ser el mecanismo neuronal que explica la realización de un acierto. Por tanto, el

beneficio observado del acoplamiento sensoriomotor parece no sustentarse en

un reinicio de la fase de estas oscilaciones para fomentar la codificación de los

estímulos en MT.

115

Modelo mecanístico

Los hallazgos que hemos descrito en la presente tesis parecen sustentar

que el acoplamiento sensoriomotor forma parte de los componentes de MT.

Como hemos argumentado, los mecanismos neurobiológicos que sustentarían

la modulación del acoplamiento sensoriomotor en MT se basarían en la

actividad de la señal corolaria que envían las cortezas motoras a las cortezas

sensoriales (Attinger et al., 2017; Keller, Bonhoeffer & Hübener, 2012;

Leinweber et al., 2017; Manita et al., 2015; Nelson & Mooney, 2016a; Sommer &

Wurtz, 2008), a la corteza parietal posterior (Reep, Chandler, King, & Corwin,

1994; Wilber et al., 2015), y posiblemente a la corteza prefrontal dorsolateral

(Hasan et al., 2013). De este modo, al realizar un acto motor, las cortezas

motoras no sólo proyectan a otras áreas motoras (tanto corticales como

subcorticales), sino también a cortezas relacionadas con la percepción. Esta

señal le permitiría al sistema nervioso determinar -entre otros aspectos- cuándo

un cambio en la superficie sensorial es autoiniciado, versus cuándo es gatillado

por agentes externos (Poletti, Gebhardt, & Raballo, 2017). Además, se ha

postulado que generaría una predicción temporal interna de cuándo llegará el

estímulo a las cortezas sensoriales (Franklin & Wollpert, 2011; Miall & Wollpert,

1996; pero ver Stenner, Bauer, Heinze, Haggard, & Dolan, 2015). Nuestro

trabajo amplía esta perspectiva, en tanto que proponemos que este mecanismo

116

también operaría sobre las redes frontoparietales que subyacen a MT, mediante

conexiones anatómicas directas o conectividad funcional (Wilber et al., 2015;

Hasan et al., 2013). Esta señal, facilitaría la activación de la red frontoparietal,

de tal modo que cuando un estímulo es procesado en cortezas sensoriales (en

este caso, visual), esta red se activaría de forma más rápida en comparación a

cuando no hay una señal motora. En términos metafóricos, proponemos que la

señal corolaria desde cortezas motoras estaría funcionando como un indicador

de la próxima aparición de un estímulo que debe ser mantenido en memoria.

Ya que este mecanismo parece operar mediante conexiones anatómicas

directas, su rango de acción sería dentro de pocos milisegundos después de la

activación de cortezas motoras. Este efecto ha sido probado en la corteza visual

de ratas ( Leinweber et al., 2017 ). De acuerdo con el modelo propuesto, la

señalización desde cortezas motoras facilitaría la activación de las cortezas

sensoriales ante la posterior llegada de un cambio en la superficie sensorial,

posiblemente mediante la modulación del potencial de campo local de la

corteza sensorial (Ito et al., 2011). Como se discutió en secciones anteriores,

nuestros resultados parecen avalar esta idea. Un mecanismo similar podría

operar sobre la red frontoparietal que estaría a la base de la mantención de los

estímulos en mente. Si bien nuestros resultados no fueron concluyentes en

evidenciar este mecanismo, ya que sólo encontramos una modulación sobre el

117

componente P2, mas no sobre P3, es posible que las técnicas de neuroimagen

que hemos utilizado hasta ahora sean capaces de dar cuenta sólo de una parte

limitada del mecanismo. Es así que nuestros análisis podrían expandirse con un

análisis de fuente, de modo de determinar cuál es el origen neuronal que

subyace a P2, y por lo tanto, qué región en específico está siendo modulada.

Cabe destacar que para ello se requeriría que el registro de la señal de EEG

sea ejecutada con más canales (al menos 64), además de determinar en cada

sujeto la posición específica de cada electrodo, lo que impide que dicho análisis

pueda ser realizado con los datos actuales. Más interesante aún sería evaluar si

existe alguna modulación de la conectividad funcional entre regiones motoras

suplementarias, y las cortezas de la red frontoparietal, y cortezas visuales. Para

ello, una técnica adecuada de registro podría ser la utilización de un MEG o de

un EEG con una mayor cantidad de electrodos, de modo de poder ejecutar un

análisis de fuente posterior al de conectividad funcional. Otra alternativa sería

estudiar la dinámica de activación mediante resonancia magnética funcional,

teniendo presente que su resolución temporal podría no reflejar completamente

los mecanismos estudiados.

Cabe destacar que el mecanismo que proponemos puede no ser el único

que esté participando en la modulación de MT al realizar un acto motor

voluntario. Posibles vías paralelas de acción podrían incluir el reclutamiento de

118

neuronas dopaminérgicas, colinérgicas, adrenérgicas y de los núcleos basales.

En cuanto a la primera, existe una gran cantidad de estudios que han

evidenciado la importancia del sistema dopaminérgico sobre el funcionamiento

de MT (Brozoski et al. 1979; Muller et al. 1998; Sawaguchi, 2001; Sawaguchi &

Goldman-Rakic 1991). Por ejemplo, Müller et al. en 1998 reportaron una mejora

en el desempeño de MT en humanos, cuando a éstos se les administraba

pergolida, un agonista de receptores D1/D2. Este efecto tendría relación con

una modulación del sistema dopaminérgico sobre la corteza prefrontal

dorsolateral, posiblemente mediante la activación de la vía mesocortical. Así

también, se ha mostrado que la depleción de dopamina en la corteza prefrontal

dorsolateral de monos induce serios déficits en tareas de MT visuales (Brozoski,

1979). Notablemente, Brozoski et al. demostraron que estos déficits eran

revertidos bajo la administración de agonistas dopaminérgicos, como L-dopa y

apomorfina. Se ha propuesto que el mecanismo por el cual el sistema

dopaminérgico opera sobre la corteza prefrontal tendría efectos relacionados

con la descarga tónica y fásica de dopamina (Braver & Cohen, 1999). Mientras

la descarga tónica se relacionaría con la estabilidad de las representaciones

que deben ser mantenidas en MT, los efectos fásicos funcionarían como

señales que actúan como una compuerta de mantención o actualización de

información. Es decir, indican cuándo un nuevo input debe ser codificado y

119

mantenido, o cuándo la representación que se mantiene en mente debe ser

actualizada. Adicionalmente, se conoce que el área tegmental anterior (área

dopaminérgica involucrada en el circuito mesocortical) recibe inputs desde

cortezas motoras (Beier et al., 2015). De este modo, es posible que un acto

motor voluntario module la actividad dopaminérgica, la cual a su vez module la

actividad de la corteza prefrontal, produciendo parte de la mejora observada en

el desempeño de MT durante las condiciones activas.

Por otro lado, recientemente se ha reportado que un grupo neuronas

colinérgicas del prosencéfalo basal presentan una actividad rápida relacionada

a un movimiento en curso (Eggermann et al., 2014; Nelson & Mooney, 2016;

Pinto et al.,2013), además de su rol clásico en arousal (Buzsáki & Gage, 1991;

Deurveilher & Semba, 2011) y plasticidad neuronal (Ramanatha, Tuszynski &

Conner, 2009). Cabe resaltar, además, que estas neuronas colinérgicas

responsivas al movimiento, a su vez generan un output que modula la actividad

de cortezas prefrontales (DLPFC, Gielow & Zaborszky, 2017; y prefrontal

medial, Bloem et al., 2014) y sensoriales (Eggermann et al., 2014; Nelson &

Mooney, 2016; Pinto et al.,2013). De este modo, un acto motor voluntario podría

modular MT a través del reclutamiento de estas neuronas colinérgicas de

actividad relacionada a un movimiento, que a su vez influirán sobre cortezas

sensoriales y DLPFC. Asimismo, existe evidencia que muestra que neuronas

120

adrenérgicas del locus coeruleus incrementan su actividad ante actos motores

voluntarios (Bouret & Richmond, 2015; Kalwani, Joshi, & Gold, 2014). Si bien

este mecanismo ha sido fuertemente correlacionado con la modulación de la

memoria episódica durante la codificación (Cahill, Prins, Weber, & McGaugh,

1994; Yebra et al., 2019), es posible que también pueda estar participando en

MT al codificar de manera activa.

Finalmente, la modulación del acto motor sobre MT podría estar mediada

por la actividad de los núcleos basales. Se conoce que estos núcleos están

relacionados con el procesamiento de información sensoriomotriz, asociativa y

límbica (Jahanshahi et al., 2015). Como parte del procesamiento asociativo,

varios estudios han demostrado la existencia de un circuito entre los núcleos

basales y la corteza prefrontal (Dum & Strick, en Gazzaniga, 2009),

específicamente entre las áreas 9, 12 y 46 (las áreas de la CPF dorsolateral

relacionadas a MT) y el globo pálido interno y la sustancia nigra pars reticulata.

Estas vías sugieren que los núcleos basales corresponderían a una red

subcortical relevante dentro del funcionamiento de MT (Marvel et al., 2019). Si

bien, los núcleos basales parecen estar topográficamente organizados de

acuerdo a estos tres tipos de información (sensoriomotoriz, asociativa y

límbica), formando circuitos separados (Lehericy et al.,2004), se ha demostrado

que también presentan un grado de superposición que permitiría la integración

121

de las señales (Draganski et al., 2008). De este modo, la activación de los

circuitos sensoriomotores de los núcleos basales derivada por un acto motor,

podrían influir sobre los circuitos asociativos relacionados con tareas de MT.

Cabe remarcar, sin embargo, que la temporalidad en la que operan estas

redes mencionadas (dopaminérgica, colinérgica, adrenérgica y núcleos basales)

es posiblemente más lenta que la señalización directa desde cortezas motoras,

argumentada previamente. No obstante, estos mecanismos podrían explicar los

efectos diferenciales entre un acto motor temporalmente acoplado y uno

desacoplado. De este modo, el acoplamiento sensoriomotor temporalmente

preciso activaría los circuitos de modulación mediados por un acto voluntario,

tanto rápidos (señal corolaria) como lentos (redes colinérgica, adrenérgica,

dopaminérgica y núcleos basales). Por su parte, un acto motor temporalmente

desacoplado de su consecuencia sensorial podría estar activando únicamente

estos últimos mecanismos. Esto explicaría, a su vez, que el desempeño en la

condición desacoplada fuese significativamente peor que la condición acoplada,

pero significativamente mejor que la condición pasiva.

Finalmente, en una acuciosa revisión, Marvel (2019) expone que el área

motora suplementaria (SMA) tendría una participación en MT más allá de la

codificación. En esta revisión, la autora muestra que SMA es también reclutada

122

durante la mantención de estímulos en MT, en ausencia tanto de movimientos

voluntarios, como de activación de la corteza motora primaria. Asimismo, da

cuenta que durante esta fase de mantención también se activarían regiones

subcorticales clásicamente “motoras”, como el cerebelo y los núcleos basales.

Su propuesta es que la corteza frontal, el cerebelo y los núcleos basales

tendrían una organización funcional como un “ continuum ” que va desde

funciones puramente sensoriomotoras, hasta puramente cognitivas, con un

diálogo entre ellas. Esta evidencia parece ir en línea con nuestras ideas antes

expuestas, en tanto que la señal corolaria hacia cortezas sensoriales y

fronto-parietales podría originarse en SMA y mantener su actividad durante la

retención, y a su vez interactuar con redes de activación “más lentas”, como las

cerebelares y de núcleos basales.

Acoplamiento sensoriomotor como mecanismo de modulación global

A la luz de nuestros resultados y de la literatura previa, parte de

nuestra propuesta consiste en que el acoplamiento sensoriomotor parece ser un

mecanismo de modulación global del cual se vale el sistema nervioso. Vale

decir, ejecutar un acto motor voluntario parece generar una serie de

señalizaciones que regulan la actividad de otros procesos cognitivos, tal como

123

una señal de “aviso” de que se aproxima un evento relevante, ya sea para la

percepción (Blakemore et al., 1999; Tomassini et al., 2015), la atención (Morillon

et al., 2014; Nittono et al., 2003; Nittono, 2004, 2006), la memoria a largo plazo

(Yebra et al., 2019), o la identificación del origen de la consecuencia sensorial

(sentido de agencia, Haggard & Chambon, 2012). En tanto que ahora

presentamos evidencia que apunta a que el sistema motor parece influir sobre

MT, esta modulación motora temporalmente precisa parece ser un mecanismo

más general del cual el sistema nervioso se vale para condicionar otros

procesos cognitivos.

Rol de la atención, expectativas y otros factores confundentes.

Si bien nuestros resultados apuntan a que los efectos sobre el

desempeño de MT están modulados por el acoplamiento sensoriomotor, es

posible que existan otros factores que también influyen sobre este rendimiento.

Nuestros resultados muestran que, efectivamente, los sujetos tienen una mayor

probabilidad de realizar una respuesta correcta con el aprendizaje de la tarea, el

orden de presentación de la condición y el tiempo pre-estímulo involuntario. Sin

embargo, cabe remarcar que el efecto del acoplamiento sensoriomotor sobre el

desempeño se mantiene aún si se prueba la incidencia de dichos factores. Otro

124

aspecto relevante de los efectos de estas otras tres variables, es que parecen

influir de manera similar tanto si hay acoplamiento sensoriomotor durante la

codificación, como si no la hay. Por lo tanto, el mejor desempeño en la

codificación activa no podría atribuirse únicamente a dichos factores.

Cabe destacar el efecto observado en las condiciones desacoplada y

pasiva en cuanto al tiempo pre-estímulo involuntario. En este, se observó que

mientras más tiempo pasa entre 1) la cruz de fijación (CP) o la presión del botón

(CD), y 2) la aparición del estímulo, mayor es la probabilidad de que el

participante acierte en la respuesta. Este efecto parece deberse a una

modulación de la atención originado por la probabilidad de ocurrencia de un

evento (“función Hazard ”, Müller, Teder-Sälejärvi, & Hillyard, 1998; Nobre,

Correa, & Coull, 2007; van Ede, de Lange, & Maris, 2012). Así, un evento que

no ha ocurrido aún en el tiempo t , tiene mayor probabilidad de ocurrir en t+1 , y

así sucesivamente. Si bien este incremento en la probabilidad de ocurrencia de

un estímulo podría tener relación con un aumento en la expectativa de que vaya

a producirse un cambio sensorial, se ha interpretado más bien como un efecto

regulatorio sobre la atención (Müller et al., 1998; van Ede et al., 2012). Esto

sugiere que nuestro paradigma experimental no puede descartar del todo que el

menor desempeño en las condiciones CP y CD pueda deberse a modulaciones

en la atención originadas por las variaciones en el tiempo pre-estímulo.

125

Otra manera de leer este efecto del tiempo pre-estímulo involuntario, es

que se está probando la influencia de las irregularidades temporales con que

aparece el estímulo. Así, mientras que en la condición pasiva el tiempo

pre-estímulo varía automáticamente entre 600 y 1000 ms, en la condición

desacoplada este tiempo pre-estímulo considera el desfase de entre 400 y 600

ms entre la presión y la aparición del estímulo. Este tiempo es aleatorio y

automáticamente presentado por el software, por lo que entre cada ensayo

existe una irregularidad en este tiempo. Se podría argumentar que dicha

irregularidad en la presentación de estímulos podría estar influyendo en el

desempeño en estas dos condiciones. Desde la percepción visual existe

evidencia que apunta a que, efectivamente, las irregularidades modulan la

sensibilidad a los estímulos (Rohenkohl, Cravo, Wyart, & Anna, 2014). No

obstante, el mismo estudio demuestra que ese efecto se pierde cuando el

estímulo tiene un valor de contraste por sobre el umbral de los sujetos. En otras

palabras, el efecto de la irregularidad en la sensibilidad visual estaría

supeditada a estímulos que están bajo el umbral de sensibilidad, es decir,

cuando los sujetos no están totalmente seguros si hay o no un estímulo

presente. En nuestro estudio, todos los estímulos eran totalmente visibles por

los sujetos, y tenían el mismo nivel de contraste en todas las condiciones. En

consecuencia, se podría descartar que el menor desempeño en las condiciones

126

desacoplada y pasiva se deban a la modulación de la sensibilidad visual por la

irregularidad de la presentación del estímulo. Pese a ello, se considera

relevante controlar esta variable en futuras investigaciones. De esa manera, se

podría develar si la modulación de MT por el acoplamiento sensoriomotor

temporalmente preciso que hemos encontrado es independiente de estas

irregularidades, o al contrario, desaparece cuando el tiempo pre-estímulo en las

condiciones pasiva y desacoplada no varía entre ensayos, y, por lo tanto, es

totalmente predecible para el sujeto. Según nuestros planteamientos, es posible

predecir que exista un efecto de la regularidad del estímulo sobre el desempeño

en MT; sin embargo, es esperable que se mantengan las diferencias entre las

condiciones. Esto, debido a la posible facilitación ejercida desde cortezas

motoras sobre cortezas visuales y de la red frontoparietal, la cual tendría una

duración de pocos milisegundos.

Finalmente, se podría argumentar que los hallazgos comportamentales

son atribuibles a diferencias en la dificultad de las tres condiciones. Nuestros

resultados indican que no hay diferencias significativas en la dificultad subjetiva

de las condiciones. Esto, en tanto que los sujetos contestaron las 3 condiciones

con similar seguridad. Esto concuerda con nuestros resultados en cuanto a los

tiempos de reacción, los cuales también fueron equivalentes en las 3

condiciones. Al respecto, clásicamente los tiempos de reacción se han asociado

127

-entre otros factores- con la dificultad de la tarea (Nickerson, 1972; Pins &

Bonnet, 1997; Schneider & Anderson, 2011; Sternberg, 1969). De esta manera,

tanto la medición subjetiva de la dificultad, como los resultados de tiempos de

reacción, parecen indicar que los resultados sobre el desempeño no se deben a

diferencias en la dificultad de las condiciones.

128

CONCLUSIÓN

En conclusión, nuestros resultados sugieren que el acoplamiento

sensoriomotor temporalmente preciso parece formar parte de los mecanismos

de la memoria de trabajo verbal, en tanto que un acto motor temporalmente

acoplado a la aparición del estímulo sensorial explicaría la mejora en el

desempeño de MT. Este acoplamiento sensoriomotor temporalmente preciso

parece modular la velocidad del procesamiento visual temprano y de la

codificación en MT de los estímulos. Sin embargo, este no parece ser el

mecanismo neural subyacente a la mejora en el desempeño asociada al

acoplamiento sensoriomotor. Por un lado, esto puede deberse a que los

correlatos neurales que hasta ahora hemos estudiado no reflejan la modulación

desde cortezas motoras hacia cortezas visuales y fronto-parietales durante la

codificación activa que nuestro modelo propone. En este sentido, futuros

estudios podrían utilizar métodos de registro y análisis que permitan determinar

la sincronía (o falta de ella) entre regiones motoras, y cortezas sensoriales y

fronto-parietales. Por otro lado, la ventana temporal en que se han centrado

nuestros análisis (alrededor de la aparición del estímulo), limitan el impacto que 129

puede tener la codificación activa sobre los mecanismos de mantención de los

estímulos, y que podrían estar explicando los hallazgos conductuales. Una

aproximación interesante en el futuro sería analizar si el aumento de poder en

banda theta durante la mantención predice la mejora en la conducta mediada

por el acoplamiento sensoriomotor temporalmente preciso. Finalmente, existe la

alternativa de que en nuestros datos el acoplamiento sensoriomotor influya

sobre otros procesos cognitivos, como la atención y la expectativa, cuyos

correlatos neuronales no hemos analizado directamente y que podrían explicar

mejor nuestros hallazgos conductuales. Futuros análisis sustentados en la

literatura actual deben apuntar a desentrañar la influencia de dichos procesos

cognitivos.

130

REFERENCIAS

Ahissar, E., & Assa, E. (2016). Perception as a closed-loop convergence process. ELife , 5 , 1–26. https://doi.org/10.7554/eLife.12830

Attinger, A., Wang, B., & Keller, G. B. (2017). Visuomotor Coupling Shapes the Functional Development of Mouse Visual Cortex. Cell , 169 (7), 1291-1302.e14. https://doi.org/10.1016/j.cell.2017.05.023

Awh, E., Vogel, E. K., & Oh, S. H. (2006). Interactions between attention and working memory. Neuroscience , 139 (1), 201–208. https://doi.org/10.1016/j.neuroscience.2005.08.023

Awh, Edward, Smith, E. E., & Jonides, A. N. D. J. (1995). Human Rehearsal Processes and the Frontal Lobes : PET Evidence. Annals New York Academy of Sciences .

Baddeley, A. (2000). The episodic buffer: a new component of working memory? Trends in Cognitive Sciences, 4(11), 417–423. doi:10.1016/s1364-6613(00)01538-2

Baddeley, A. D., Hitch, G. J., & Allen, R. J. (2009). Working memory and binding in sentence recall. Journal of Memory and Language , 61 (3), 438–456. https://doi.org/10.1016/j.jml.2009.05.004

Baddeley, AD., & Hitch, G. (1974). Working Memory. The psychology of learning and motivation: advances in research and theory. New York: Academic Press , 8 , 47–89. https://doi.org/10.1016/j.cub.2009.12.014

Baddeley, Alan. (2012). Working Memory: Theories, Models, and Controversies - annurev-psych-120710-100422. Annual Review of Psychology . https://doi.org/10.1146/annurev-psych-120710-100422

Baddeley, Alan, Gathercole, S., & Papagno, C. (1998). The Phonological Loop as a Language Learning Device. Psychological Review , 105 (1), 158–173. https://doi.org/10.1037/0033-295X.105.1.158

Bagdasarian, K., Szwed, M., Knutsen, P. M., Deutsch, D., Derdikman, D., Pietr, M., … Ahissar, E. (2013). Pre-neuronal morphological processing of object location by individual whiskers. Nature Neuroscience , 16 (5), 622–631. https://doi.org/10.1038/nn.3378

Barceló, F., Martín-Loeches, M., & Rubia, F. J. (1997). Event-related potentials during memorization of spatial locations in the auditory and visual modalities. Electroencephalography and Clinical Neurophysiology , 103 (2), 257–267. https://doi.org/10.1016/S0013-4694(97)96610-4

Bates, D., Maechler, M., Bolker, B., Walker, S. (2015). Fitting Linear Mixed-Effects 131

Models Using lme4. Journal of Statistical Software, 67(1), 1-48.doi:10.18637/jss.v067.i01.

Beier, K. T., Steinberg, E. E., DeLoach, K. E., Xie, S., Miyamichi, K., Schwarz, L., … Luo, L. (2015). Circuit Architecture of VTA Dopamine Neurons Revealed by Systematic Input-Output Mapping. Cell, 162(3), 622–634. doi:10.1016/j.cell.2015.07.015

Blakemore, S. J., Frith, C. D., & Wolpert, D. M. (1999). Spatio-temporal prediction modulates the perception of self-produced stimuli. Journal of Cognitive Neuroscience , 11 (5), 551–559. https://doi.org/10.1162/089892999563607

Blakemore, S., Wolpert, D. M., & Frith, C. D. (1998, 11). Central cancellation of self-produced tickle sensation. Nature Neuroscience, 1 (7), 635-640. doi:10.1038/2870

Bloem, B., Schoppink, L., Rotaru, D. C., Faiz, A., Hendriks, P., Mansvelder, H. D., . . . Wouterlood, F. G. (2014, 12). Topographic Mapping between Basal Forebrain Cholinergic Neurons and the Medial Prefrontal Cortex in Mice. The Journal of Neuroscience, 34 (49), 16234-16246. doi:10.1523/jneurosci.3011-14.2014

Bouret, S., & Richmond, X. J. (2015). Sensitivity of locus ceruleus neurons to reward value for goal-directed actions. Journal of Neuroscience , 35 (9), 4005–4014. https://doi.org/10.1523/JNEUROSCI.4553-14.2015

Braver, T. S., & Cohen, J. D. (1999). Chapter 19 Dopamine, cognitive control, and schizophrenia: the gating model. Disorders of Brain, Behavior and Cognition: The Neurocomputational Perspective, 327–349. doi:10.1016/s0079-6123(08)63082-4

Braver, T. S., Cohen, J. D., Nystrom, L. E., Jonides, J., Smith, E. E., & Noll, D. C. (1997). A parametric study of prefrontal cortex involvement in human working memory. NeuroImage , 5 (1), 49–62. https://doi.org/10.1006/nimg.1996.0247

Brozoski, B., Brown, R., Rosvold, H., Goldman P. (1979) Cognitive deficit caused by regional depletion of dopamine in prefrontal cortex of rhesus monkey. Science, 205(4409): 929-932. DOI: 10.1126/science.112679

Busch, N. A., Dubois, J., & VanRullen, R. (2009). The phase of ongoing EEG oscillations predicts visual perception. Journal of Neuroscience , 29 (24), 7869–7876. https://doi.org/10.1523/JNEUROSCI.0113-09.2009

Busch, N. A., & VanRullen, R. (2010). Spontaneous EEG oscillations reveal periodic sampling of visual attention. Proceedings of the National Academy of Sciences of the United States of America , 107 (37), 16048–16053. https://doi.org/10.1073/pnas.1004801107

Buzsáki, G., & Gage, F. H. (1991). Role of the Basal Forebrain Cholinergic System in Cortical Activation and Arousal. Activation to Acquisition, 115-133. doi:10.1007/978-1-4684-0556-9_5

132

Buszard, T., Farrow, D., Zhu, F. F., & Masters, R. S. W. (2016). The relationship between working memory capacity and cortical activity during performance of a novel motor task. Psychology of Sport and Exercise , 22 , 247–254. https://doi.org/10.1016/j.psychsport.2015.07.005

Cahill, L., Prins, B., Weber, M., & McGaugh, J. L. (1994). β-Adrenergic activation and memory for emotional events. Nature , 371 (6499), 702–704. https://doi.org/10.1038/371702a0

Campoy, G., & Baddeley, A. (2008). Phonological and semantic strategies in immediate serial recall. Memory, 16 (4), 329-340. doi:10.1080/09658210701867302

Caplan, D., & Waters, G. S. (1999). Verbal working memory and sentence comprehension. Behavioral and Brain Sciences , 22 (1), 77–126. https://doi.org/10.1017/S0140525X99001788

Cattaneo, Z., Pisoni, A., Papagno, C., & Silvanto, J. (2011). Modulation of visual cortical excitability by working memory: Effect of luminance contrast of mental imagery. Frontiers in Psychology , 2 (FEB), 1–9. https://doi.org/10.3389/fpsyg.2011.00029

Chao, L., & Knight, R.(1996). Prefrontal and posterior cortical activation during auditory working memory. Cognitive Brain Research, 4 (1), 27-37. doi:10.1016/0926-6410(95)00043-7

Chooi, W. (2012). Working Memory and Intelligence: A Brief Review. Journal of Educational and Developmental Psychology, 2 (2). doi:10.5539/jedp.v2n2p42

Clark, V. P., Fan, S., & Hillyard, S. A. (1995). Identification of early VEP generators by retinotopic analyses. Hum Brain Mapp , 2 , 170–187.

Coelho, S., Albuquerque, C. P., & Simões, M. R. (2013). Specific language impairment: A neuropsychological characterization. Paideia , 23 (54), 31–41. https://doi.org/10.1590/1982-43272354201305

Cogan, G. B., Iyer, A., Melloni, L., Thesen, T., Friedman, D., Doyle, W., … Pesaran, B. (2017). Manipulating stored phonological input during verbal working memory. Nature Neuroscience , 20 (2), 279–286. https://doi.org/10.1038/nn.4459

Cohen, J. D., Perlstein, W. M., Braver, T. S., Nystrom, L. E., Noll, D. C., Jonides, J., & Smith, E. E. (1997). Temporal dynamics of brain activation during a working memory task. Nature , Vol. 386, pp. 604–611. https://doi.org/10.1038/386604a0

Cohen, M. X. (2014). Analyzing Neural Time Series Data. In Analyzing Neural Time Series Data . https://doi.org/10.7551/mitpress/9609.001.0001

Courtney, S. M., Ungerleider, L. G., Keil, K., & Haxby, J. V. (1996). Object and Spatial Visual Working Memory Activate Separate Neural Systems in Human Cortex. Cerebral Cortex , 6 (1), 39–49. https://doi.org/10.1093/cercor/6.1.39

133

Conway, A., & Engle, R. (1994). Working memory and retrieval: A resource-dependent inhibition model. Journal of Experimental Psychology: General, 123 (4), 354-373. doi:10.1037/0096-3445.123.4.354

Cowan, N. (1988). Evolving Conceptions of Memory Storage, Selective Attention, and Their Mutual Constraints Within the Human Information-Processing System. Psychological Bulletin , 104 (2), 163–191. https://doi.org/10.1037/0033-2909.104.2.163

Cowan, N. (2009). What are the differences between long-term, short-term, and working memory? Nelson. NIH Public Access , 6123 (07), 323–338. https://doi.org/10.1016/S0079-6123(07)00020-9.What

D’Esposito, M., & Postle, B. R. (2015). The Cognitive Neuroscience of Working Memory. Annual Review of Psychology, 66(1), 115–142. doi:10.1146/annurev-psych-010814-015031

D’Esposito, M., Postle, B., & Rypma, B. (2000). Prefrontal cortical contributions to working memory: Evidence from event-related fMRI studies. Executive Control and the Frontal Lobe: Current Issues, 3-11. doi:10.1007/978-3-642-59794-7_2

Desideri, D., Belardinelli, P., Zrenner, C., & Ziemann, U. (2017). Cortico-cortical excitability is influenced by the phase of oscillatory activity at the time of the stimulus. Brain Stimulation, 10(2), 491. doi:10.1016/j.brs.2017.01.435

Deurveilher, S., & Semba, K. (2011, 02). Basal forebrain regulation of cortical activity and sleep-wake states: Roles of cholinergic and non-cholinergic neurons. Sleep and Biological Rhythms, 9 , 65-70. doi:10.1111/j.1479-8425.2010.00465.x

Devia, C., Montefusco-Siegmund, R., Egaña, J., & Maldonado, P. (2017). Precise timing of sensory modulations coupled to eye movements during active vision. BioRxiv , 1–24. https://doi.org/http://dx.doi.org/10.1101/144477

Ding, N., Melloni, L., Yang, A., Wang, Y., Zhang, W., & Poeppel, D. (2017). Characterizing Neural Entrainment to Hierarchical Linguistic Units using Electroencephalography (EEG). Frontiers in human neuroscience, 11, 481. doi:10.3389/fnhum.2017.00481

Di Russo, F., Martínez, A., Sereno, M. I., Pitzalis, S., & Hillyard, S. A. (2002). Cortical sources of the early components of the visual evoked potential. Human Brain Mapping , 15 (2), 95–111. https://doi.org/10.1002/hbm.10010

Dong, S., Reder, L. M., Yao, Y., Liu, Y., & Chen, F. (2015). Individual differences in working memory capacity are reflected in different ERP and EEG patterns to task difficulty. Brain Research , 1616 , 146–156. https://doi.org/10.1016/j.brainres.2015.05.003

Draganski, B., Kherif, F., Kloppel, S., Cook, P. A., Alexander, D. C., Parker, G. J., . . . Frackowiak, R. S. (2008, 07). Evidence for Segregated and Integrative

134

Connectivity Patterns in the Human Basal Ganglia. Journal of Neuroscience, 28 (28), 7143-7152. doi:10.1523/jneurosci.1486-08.2008

Dugue, L., Marque, P., & VanRullen, R. (2011). The Phase of Ongoing Oscillations Mediates the Causal Relation between Brain Excitation and Visual Perception. Journal of Neuroscience, 31(33), 11889–11893. doi:10.1523/jneurosci.1161-11.2011

Dum, R. & Strick P. (2009). Basal Ganglia and Cerebellar Circuits with the Cerebral Cortex. In Gazzaniga, M. (Ed.) The Cognitive Neuroscience (553-564). Cambridge, MA: MIT Press

Dunn, B. R., Dunn, D. A., Languis, M., & Andrews, D. (1998). The Relation of ERP Components to Complex Memory Processing. Brain and Cognition, 36(3), 355–376. doi:10.1006/brcg.1998.0998

Eggermann, E., Kremer, Y., Crochet, S., & Petersen, C. (2014, 12). Cholinergic Signals in Mouse Barrel Cortex during Active Whisker Sensing. Cell Reports, 9 (5), 1654-1660. doi:10.1016/j.celrep.2014.11.005

Eriksson, D., Wunderle, T., & Schmidt, K. (2012). Visual cortex combines a stimulus and an error-like signal with a proportion that is dependent on time, space, and stimulus contrast. Frontiers in Systems Neuroscience , 6 (APRIL 2012), 1–19. https://doi.org/10.3389/fnsys.2012.00026

Fabiani, M., Karis, D., & Donchin, E. (1986). P300 and Recall in an Incidental Memory Paradigm. Psychophysiology , Vol. 23, pp. 298–308. https://doi.org/10.1111/j.1469-8986.1986.tb00636.x

Falkenstein, M., Hoormann, J., Hohnsbein, J., & Kleinsorge, T. (2003). Short-term mobilization of processing resources is revealed in the event-related potential. Psychophysiology, 40 (6), 914-923. doi:10.1111/1469-8986.00109

Finnigan, S., O’Connell, R. G., Cummins, T. D. R., Broughton, M., & Robertson, I. H. (2011). ERP measures indicate both attention and working memory encoding decrements in aging. Psychophysiology , 48 (5), 601–611. https://doi.org/10.1111/j.1469-8986.2010.01128.x

Fortunato-Tavares, T., Andrade, C. R. F., Befi-Lopes, D., Limongi, S. O., Fernandes, F. D. M., & Schwartz, R. G. (2015). Syntactic comprehension and working memory in children with specific language impairment, autism or Down syndrome. Clinical Linguistics and Phonetics , 29 (7), 499–522. https://doi.org/10.3109/02699206.2015.1027831

Fox, J. & Weisberg, S. (2011). An {R} Companion to Applied Regression, Second Edition. Thousand Oaks CA: Sage. URL: http://socserv.socsci.mcmaster.ca/jfox/Books/Companion

Franklin DW, & Wolpert DM. (2011). Computational mechanisms of sensorimotor control. Neuron 72: 425–442.

135

Gazzaley, A., & Nobre, A. C. (2012). Top-down modulation: Bridging selective attention and working memory. Trends in Cognitive Sciences , 16 (2), 129–135. https://doi.org/10.1016/j.tics.2011.11.014

Gaspar, P. A., Ruiz, S., Zamorano, F., Altayó, M., Pérez, C., Bosman, C. A., & Aboitiz, F. (2011). P300 amplitude is insensitive to working memory load in schizophrenia. BMC Psychiatry, 11 (1). doi:10.1186/1471-244x-11-29

Gevins, A., Smith, M. E., Le, J., Leong, H., Bennett, J., Martin, N.,Whitfield, S. (1996). High resolution evoked potential imaging of the cortical dynamics of human working memory. Electroencephalography and Clinical Neurophysiology, 98 (4), 327-348. doi:10.1016/0013-4694(96)00288-x

Gielow, M. R., & Zaborszky, L. (2017, 02). The Input-Output Relationship of the Cholinergic Basal Forebrain. Cell Reports, 18 (7), 1817-1830. doi:10.1016/j.celrep.2017.01.060

Golob, E., & Starr, A. (2004). Serial Position Effects in Auditory Event-related Potentials during Working Memory Retrieval. Journal of Cognitive Neuroscience, 16 (1), 40-52. doi:10.1162/089892904322755548

Gramfort, A., Luessi, M., Larson, E., Engemann, D. A., Strohmeier, D., Brodbeck, C., Goj, R., Jas, M., Brooks, T., Parkkonen, L., & Hämäläinen, M. (2013). MEG and EEG data analysis with MNE-Python. Frontiers in neuroscience, 7, 26

Green C, & Bavelier D. (2003) Action video game modifies visual attention. Nature. 423:534–537. [PubMed: 12774121]

Gruters, K. G., Murphy, D. L. K., Jenson, C. D., Smith, D. W., Shera, C. A., & Groh, J. M. (2018). The eardrums move when the eyes move: A multisensory effect on the mechanics of hearing. Proceedings of the National Academy of Sciences of the United States of America , 115 (6), E1309–E1318. https://doi.org/10.1073/pnas.1717948115

Gündüz, R., Schack, T., & Koester, D. (2017). Movement interferes with visuospatial working memory during the encoding: An ERP study. Frontiers in Psychology , 8 (MAY), 1–16. https://doi.org/10.3389/fpsyg.2017.00871

Habeck, C., Rakitin, B., Moeller, J., Scarmeas, N., Zarahn, E., Brown, T., & Stern, Y. (2005). An event-related fMRI study of the neural networks underlying the encoding, maintenance, and retrieval phase in a delayed-match-to-sample task. Cognitive Brain Research, 23 (2-3), 207-220. doi:10.1016/j.cogbrainres.2004.10.010

Haggard, P. (2017). Sense of agency in the human brain. Nature Reviews Neuroscience , 18 (4), 197–208. https://doi.org/10.1038/nrn.2017.14

Haggard, P., & Chambon, V. (2012). Sense of agency. Current Biology, 22 (10). doi:10.1016/j.cub.2012.02.040

136

Haggard, P., Clark, S., & Kalogeras, J. (2002). Voluntary action and conscious awareness. Nature Neuroscience, 5 (4), 382-385. doi:10.1038/nn827

Halpern, B. P. (1983). Tasting and smelling as active, exploratory sensory processes. American Journal of Otolaryngology--Head and Neck Medicine and Surgery , 4 (4), 246–249. https://doi.org/10.1016/S0196-0709(83)80066-0

Harrison, S. A., & Tong, F. (2009). Decoding reveals the contents of visual working memory in early visual areas. Nature , 458 (7238), 632–635. https://doi.org/10.1038/nature07832

Hasan, A., Galea, J. M., Casula, E. P., Falkai, P., Bestmann, S., & Rothwell, J. C. (2013, 04). Muscle and Timing-specific Functional Connectivity between the Dorsolateral Prefrontal Cortex and the Primary Motor Cortex. Journal of Cognitive Neuroscience, 25 (4), 558-570. doi:10.1162/jocn_a_00338

Helfrich, R. F., Fiebelkorn, I. C., Szczepanski, S. M., Lin, J. J., Parvizi, J., Knight, R. T., & Kastner, S. (2018). Neural Mechanisms of Sustained Attention Are Rhythmic. Neuron , 99 (4), 854-865.e5. https://doi.org/10.1016/j.neuron.2018.07.032

Hughes, G., Desantis, A., & Waszak, F. (2013). Mechanisms of intentional binding and sensory attenuation: The role of temporal prediction, temporal control, identity prediction, and motor prediction. Psychological Bulletin , 139 (1), 133–151. https://doi.org/10.1037/a0028566

Ibbotson, M., & Krekelberg, B. (2011). Visual perception and saccadic eye movements. Current Opinion in Neurobiology , 21 (4), 553–558. https://doi.org/10.1016/j.conb.2011.05.012

Ito, J., Maldonado, P., Singer, W., & Grün, S. (2011). Saccade-related modulations of neuronal excitability support synchrony of visually elicited spikes. Cerebral Cortex , 21 (11), 2482–2497. https://doi.org/10.1093/cercor/bhr020

Jahanshahi, M., Obeso, I., Rothwell, J. C., & Obeso, J. A. (2015, 11). A fronto–striato–subthalamic–pallidal network for goal-directed and habitual inhibition. Nature Reviews Neuroscience, 16 (12), 719-732. doi:10.1038/nrn4038

Jonides, J., Smith, E.., Koeppe, R., Awh, E., Minoshima, S., & Mintun, M. (1993). Spatial working memory in humans as revealed by PET. Nature, 363 (6430), 623-625. doi:10.1038/363623a0

Jonides, J., Schumacher, E. H., Smith, E. E., Lauber, E. J., Awh, E., Minoshima, S., & Koeppe, R. A. (1997). Verbal working memory load affects regional brain activation as measured by PET. Journal of Cognitive Neuroscience , 9 (4), 462–475. https://doi.org/10.1162/jocn.1997.9.4.462

Jonsdottir, S., Bouma, A., Sergeant, J. A., & Scherder, E. J. A. (2005). The impact of specific language impairment on working memory in children with ADHD combined subtype. Archives of Clinical Neuropsychology , 20 (4), 443–456. https://doi.org/10.1016/j.acn.2004.10.004

137

Jurcak, V., Tsuzuki, D., & Dan, I. (2007). 10/20, 10/10, and 10/5 systems revisited: Their validity as relative head-surface-based positioning systems. NeuroImage , 34 (4), 1600–1611. https://doi.org/10.1016/j.neuroimage.2006.09.024

Kalwani, R. M., Joshi, S., & Gold, J. I. (2014). Phasic Activation of Individual Neurons in the Locus Ceruleus/Subceruleus Complex of Monkeys Reflects Rewarded Decisions to Go But Not Stop. Journal of Neuroscience , 34 (41), 13656–13669. https://doi.org/10.1523/JNEUROSCI.2566-14.2014

Kamijo, K., O'leary, K., Pontifex, M., Themanson, J., & Hillman, C. (2010). The relation of aerobic fitness to neuroelectric indices of cognitive and motor task preparation. Psychophysiology . doi:10.1111/j.1469-8986.2010.00992.x

Kamijo, K., Pontifex, M., O’Leary, K., Scudder, M., Wu, C., Castelli, D., & Hillman, C.(2011). The effects of an afterschool physical activity program on working memory in preadolescent children. Developmental Science, 14 (5), 1046-1058. doi:10.1111/j.1467-7687.2011.01054.x

Karis, D., Fabiani, M., & Donchin, E. (1984). “P300” and memory: Individual differences in the von Restorff effect. Cognitive Psychology , 16 (2), 177–216. https://doi.org/10.1016/0010-0285(84)90007-0

Keller, G.B., Bonhoeffer, T., and Hübener, M. (2012). Sensorimotor mismatch signals in primary visual cortex of the behaving mouse. Neuron 74, 809–815.

Kiss, I., Pisio, C., Francois, A., & Schopflocher, D. (1998). Central executive function in working memory: Event-related brain potential studies. Cognitive Brain Research, 6 (4), 235-247. doi:10.1016/s0926-6410(97)00035-9

Koch, C., & Poggio, T. (1999). Predicting the visual world: Silence is golden. Nature Neuroscience , 2 (1), 9–10. https://doi.org/10.1038/4511

Kok, A. (2001). On the utility of P3 amplitude as a measure of processing capacity. Psychophysiology, 38 (3), 557-577. doi:10.1017/s0048577201990559

Kolb H. Facts and Figures Concerning the Human Retina. 2005 May 1 [Updated 2007 Jul 5]. In: Kolb H, Fernandez E, Nelson R, editors. Webvision: The Organization of the Retina and Visual System [Internet]. Salt Lake City (UT): University of Utah Health Sciences Center; 1995-. Available from: https://www.ncbi.nlm.nih.gov/books/NBK11556/

Kosilo, M., Martinovic, Laxhman, Lisshammar, J., Barbur, & Haenschel, C. (2017). Contribution of Luminance to Visual Working Memory in Schizophrenia .

Kotchoubey, B. I., Jordan, J. S., Grözinger, B., Westphal, K. P., & Kornhuber, H. H. (1996). Event-related brain potentials in a varied-set memory search task: A reconsideration. Psychophysiology, 33 (5), 530-540. doi:10.1111/j.1469-8986.1996.tb02429.x

Kumar, N., Manjaly, J. A., & Sunny, M. M. (2015). The relationship between action-effect

138

monitoring and attention capture. Journal of Experimental Psychology: General , 144 (1), 18–23. https://doi.org/10.1037/xge0000032

Kusak, G., Grune, K., Hagendorf, H., & Metz, A. (2000). Updating of working memory in a running memory task: An event-related potential study. International Journal of Psychophysiology, 39 (1), 51-65. doi:10.1016/s0167-8760(00)00116-1

Kyllonen, P. C., & Christal, R. E. (1990). Reasoning ability is (little more than) working-memory capacity?! Intelligence, 14 (4), 389-433. doi:10.1016/s0160-2896(05)80012-1

Lara, A. H., & Wallis, J. D. (2015). The Role of Prefrontal Cortex in Working Memory: A Mini Review. Frontiers in Systems Neuroscience, 9 . doi:10.3389/fnsys.2015.00173

Lawrence M. (2016) ez: Easy Analysis and Visualization of Factorial Experiments, 4.4-0. https://cran.r-project.org/web/packages/ez/index.html

Lefebvre, C. D., Marchand, Y., Eskes, G. A., & Connolly, J. F. (2005). Assessment of working memory abilities using an event-related brain potential (ERP)-compatible digit span backward task. Clinical Neurophysiology, 116 (7), 1665-1680. doi:10.1016/j.clinph.2005.03.015

Lehéricy, S., Ducros, M., Moortele, P. V., Francois, C., Thivard, L., Poupon, C.,Kim, D. (2004, 03). Diffusion tensor fiber tracking shows distinct corticostriatal circuits in humans. Annals of Neurology, 55 (4), 522-529. doi:10.1002/ana.20030

Leinweber, M., Ward, D. R., Sobczak, J. M., Attinger, A., & Keller, G. B. (2017). Erratum: A Sensorimotor Circuit in Mouse Cortex for Visual Flow Predictions (Neuron (2017) 95(6) (1420–1432.e5) (S0896627317307791) (10.1016/j.neuron.2017.08.036)). Neuron , 96 (5), 1204. https://doi.org/10.1016/j.neuron.2017.11.009

Logan, S. W., & Fischman, M. G. (2011). The relationship between end-state comfort effects and memory performance in serial and free recall. Acta Psychologica , 137, 292–299.

Logan, S. W., & Fischman, M. G. (2015). The death of recency: Relationship between end-state comfort and serial position effects in serial recall: Logan and Fischman (2011) revisited. Human Movement Science , 44 , 11–21. https://doi.org/10.1016/j.humov.2015.08.003

López, V., Pavez, F., Lopez, J., Ortega, R., Saez, N., Carrasco, X., Aboitiz, F. (2008). Electrophysiological Evidences of Inhibition Deficit in Attention-Deficit/Hyperactivity Disorder During the Attentional Blink. The Open Behavioral Science Journal, 2 (1), 23-31. doi:10.2174/1874230000802010023

Lorist, M. M., Klein, M., Nieuwenhuis, S., Jong, R., Mulder, G., & Meijman, T. F. (2000). Mental fatigue and task control: Planning and preparation. Psychophysiology, 37 (5), 614-625. doi:10.1111/1469-8986.3750614

139

Löw, A., Rockstroh, B., Cohen, R., Hauk, O., Berg, P., & Maier, W. (1999). Brain Topography, 12 (1), 39-47. doi:10.1023/a:1022229623355

Luo, H., & Poeppel, D. (2007). Phase patterns of neuronal responses reliably discriminate speech in human auditory cortex. Neuron, 54(6), 1001–1010. doi:10.1016/j.neuron.2007.06.004

Luck, S. J., Heinze, H. J., Mangun, G. R., & Hillyard, S. A. (1990). Visual event-related potentials index focused attention within bilateral stimulus arrays. II. Functional dissociation of P1 and N1 components. Electroencephalography and Clinical Neurophysiology , 75 (6), 528–542. https://doi.org/10.1016/0013-4694(90)90139-B

Magimairaj, B. M., & Nagaraj, N. K. (2018). Working memory and auditory processing in school-age children. Language, Speech, and Hearing Services in Schools , 49 (3), 409–423. https://doi.org/10.1044/2018_LSHSS-17-0099

Mainland, J., & Sobel, N. (2006). The sniff is part of the olfactory percept. Chemical Senses , 31 (2), 181–196. https://doi.org/10.1093/chemse/bjj012

Makuuchi, M., Bahlmann, J., Anwander, A., & Friederici, A. D. (2009). Segregating the core computational faculty of human language from working memory. Proceedings of the National Academy of Sciences of the United States of America , 106 (20), 8362–8367. https://doi.org/10.1073/pnas.0810928106

Manita, S., Suzuki, T., Homma, C., Matsumoto, T., Odagawa, M., Yamada, K., … Murayama, M. (2015). A Top-Down Cortical Circuit for Accurate Sensory Perception. Neuron, 86(5), 1304–1316. doi:10.1016/j.neuron.2015.05.006

Marvel, C. L., Morgan, O. P., & Kronemer, S. I. (2019). How the motor system integrates with working memory. Neuroscience and Biobehavioral Reviews , 102 (April), 184–194. https://doi.org/10.1016/j.neubiorev.2019.04.017

Mathewson, K. E., Gratton, G., Fabiani, M., Beck, D. M., & Ro, T. (2009). To see or not to see: Prestimulus α phase predicts visual awareness. Journal of Neuroscience , 29 (9), 2725–2732. https://doi.org/10.1523/JNEUROSCI.3963-08.2009

McCarthy, G., Puce, A., Constable, R. T., Krystal, J. H., Gore, J. C., & Goldman-Rakic, P. (1996). Activation of human prefrontal cortex during spatial and nonspatial working memory tasks measured by functional MRI. Cerebral Cortex , 6 (4), 600–611. https://doi.org/10.1093/cercor/6.4.600

McFarland, J. M., Bondy, A. G., Saunders, R. C., Cumming, B. G., & Butts, D. A. (2015). Saccadic modulation of stimulus processing in primary visual cortex. Nature Communications , 6 , 1–14. https://doi.org/10.1038/ncomms9110

Miall, R. C. & Wolpert, D. M. (1996). Forward models for physiological motor control. Neural Netw. 9, 1265–1279. https://doi.org/10.1016/S0893-6080(96)00035-4

Missonnier, P., Deiber, M.-P., Gold, G., Herrmann, F. R., Millet, P., Michon, A., … Giannakopoulos, P. (2007). Working memory load–related

140

electroencephalographic parameters can differentiate progressive from stable mild cognitive impairment. Neuroscience, 150(2), 346–356. doi:10.1016/j.neuroscience.2007.09.009

Miller, G. A. (1994). The magical number seven, plus or minus two: Some limits on our capacity for processing information. Psychological Review, 101 (2), 343-352. doi:10.1037//0033-295x.101.2.343

Meyer, L., Grigutsch, M., Schmuck, N., Gaston, P., & Friederici, A. D. (2015). Frontal-posterior theta oscillations reflect memory retrieval during sentence comprehension. Cortex , 71 , 205–218. https://doi.org/10.1016/j.cortex.2015.06.027

Miyake, A., & Shah, P. (1999). Models of Working Memory: Mechanisms of Active Maintenance and Executive Control (Vol. 21). https://doi.org/10.1017/CBO9781139174909

Montgomery, J. W., Magimairaj, B. M., & Finney, M. C. (2010). Working memory and specific language impairment: An update on the relation and perspectives on assessment and treatment. American Journal of Speech-Language Pathology , 19 (1), 78–94. https://doi.org/10.1044/1058-0360(2009/09-0028)

Morillon, B., Schroeder, C. E., & Wyart, V. (2014). Motor contributions to the temporal precision of auditory attention. Nature Communications , 5 , 1–9. https://doi.org/10.1038/ncomms6255

Morgan, H. M., Klein, C., Boehm, S. G., Shapiro, K. L., & Linden, D. E. (2008). Working memory load for faces modulates P300, N170, and N250r. Journal of cognitive neuroscience, 20(6), 989–1002. doi:10.1162/jocn.2008.20072

Moscatelli, A., Mezzetti, M., & Lacquaniti, F. (2012). Modeling psychophysical data at the population-level: The generalized linear mixed model. Journal of Vision , 12 (11), 1–17. https://doi.org/10.1167/12.11.26

Müller, M. M., Teder-Sälejärvi, W., & Hillyard, S. A. (1998). The time course of cortical facilitation during cued shifts of spatial attention. Nature Neuroscience , 1 (7), 631–634. https://doi.org/10.1038/2865

Müller, U., von Cramon, D., Pollmann S. (1998) D1- versus D2-receptor modulation of visuospatial working memory in humans. J Neurosci. 1;18(7):2720-8. PMID: 9502829.

Nasreddine ZS, Phillips NA, Bédirian V, Charbonneau S, Whitehead V, Collin I, Cummings JL, Chertkow H (2005). "The Montreal Cognitive Assessment, MoCA: a brief screening tool for mild cognitive impairment". J Am Geriatr Soc. 53 (4): 695–9. doi:10.1111/j.1532-5415.2005.53221.x. PMID 15817019

Natale, E., Marzi, C. A., Girelli, M., Pavone, E. F., & Pollmann, S. (2006). ERP and fMRI correlates of endogenous and exogenous focusing of visual-spatial attention. European Journal of Neuroscience , 23 (9), 2511–2521. https://doi.org/10.1111/j.1460-9568.2006.04756.x

141

Nelson, A., & Mooney, R. (2016a). The Basal Forebrain and Motor Cortex Provide Convergent yet Distinct Movement-Related Inputs to the Auditory Cortex. Neuron , 90 (3), 635–648. https://doi.org/10.1016/j.neuron.2016.03.031

Nelson, A., & Mooney, R. (2016b). The Basal Forebrain and Motor Cortex Provide Convergent yet Distinct Movement-Related Inputs to the Auditory Cortex. Neuron , 90 (3), 635–648. https://doi.org/10.1016/j.neuron.2016.03.031

Neuling, T., Rach, S., Wagner, S., Wolters, C. H., & Herrmann, C. S. (2012). Good vibrations: Oscillatory phase shapes perception. NeuroImage , 63 (2), 771–778. https://doi.org/10.1016/j.neuroimage.2012.07.024

Nickerson, R. S. (1972). Binary-classification reaction time: A review of some studies of human information-processing capabilities. Psychonomic Monograph Supplements, 4(17), 275-318.

Nittono, H., Nageishi, Y., Nakajima, Y., & Ullsperger, P. (1999). Event-related potential correlates of individual differences in working memory capacity. Psychophysiology, 36 (6), 745-754. doi:10.1111/1469-8986.3660745

Nittono, H. (2004). The action-perception paradigm: A new perspective in cognitive neuroscience. International Congress Series , 1270 (C), 26–31. https://doi.org/10.1016/j.ics.2004.04.093

Nittono, H. (2006). Voluntary stimulus production enhances deviance processing in the brain. International Journal of Psychophysiology , 59 (1), 15–21. https://doi.org/10.1016/j.ijpsycho.2005.06.008

Nittono, H., Hamada, A., & Hori, T. (2003). Brain Potentials after Clicking a Mouse: A New Psychophysiological Approach to Human-Computer Interaction. Human Factors , 45 (4), 591–599. https://doi.org/10.1518/hfes.45.4.591.27087

Nobre, A., Correa, A., & Coull, J. (2007). The hazards of time. Current Opinion in Neurobiology , 17 (4), 465–470. https://doi.org/10.1016/j.conb.2007.07.006

Norrelgen, F., Lacerda, F., & Forssberg, H. (2002). Temporal resolution of auditory perception and verbal working memory in 15 children with language impairment. Journal of Learning Disabilities , 35 (6), 539–545. https://doi.org/10.1177/00222194020350060501

Oishi, M., & Mochizuki, Y. (1998). Correlation between Contingent Negative Variation and Regional Cerebral Blood Flow. Clinical EEG and Neuroscience, 29 (3), 124-127. doi:10.1177/155005949802900303

Oostenveld, R., Fries, P., Maris, E., Schoffelen, JM (2011). FieldTrip: Open Source Software for Advanced Analysis of MEG, EEG, and Invasive Electrophysiological Data. Computational Intelligence and Neuroscience, Volume 2011 (2011), Article ID 156869, doi:10.1155/2011/156869

Ortega, R., López, V., Carrasco, X., Anllo-Vento, L., & Aboitiz, F. (2013). Exogenous

142

orienting of visual-spatial attention in ADHD children. Brain Research , 1493 (April 2014), 68–79. https://doi.org/10.1016/j.brainres.2012.11.036

Park S, Kim M-S (2018) An event-related potential study of spatial working memory in binge drinking college students. PLoS ONE 13(9): e0203696. https://doi.org/10.1371/journal.pone.0203696

Patterson, J., Pratt, H., & Starr, A. (1991). Event-related potential correlates of the serial position effect in short-term memory. Electroencephalography and Clinical Neurophysiology, 78 (6), 424-437. doi:10.1016/0013-4694(91)90060-h

Paulesu, E., Frith, C. D., & Frackowiak, R. S. (1993). The neural correlates of the verbal component of working memory. Nature, 362 (6418), 342-345. doi:10.1038/362342a0

Pins, D., & Bonnet, C. (1997). Reaction times reveal the contribution of the different receptor components in luminance perception. Psychonomic Bulletin & Review, 4(3), 359–366. doi:10.3758/bf03210793

Pinto, L., Goard, M. J., Estandian, D., Xu, M., Kwan, A. C., Lee, S., . . . Dan, Y. (2013, 10). Fast modulation of visual perception by basal forebrain cholinergic neurons. Nature Neuroscience, 16 (12), 1857-1863. doi:10.1038/nn.3552

Poletti, M., Gebhardt, E., & Raballo, A. (2017). Corollary Discharge, Self-agency, and the Neurodevelopment of the Psychotic Mind. JAMA Psychiatry , 74 (11), 1169–1170. https://doi.org/10.1001/jamapsychiatry.2017.2824

Polich, J. (2007). Updating P300: An integrative theory of P3a and P3b. Clinical Neurophysiology , 118 (10), 2128–2148. https://doi.org/10.1016/j.clinph.2007.04.019

Postle, B. R. (2006). Working memory as an emergent property of the mind and brain. Neuroscience , 139 (1), 23–38. https://doi.org/10.1016/j.neuroscience.2005.06.005

Press, C., & Cook, R. (2015, 04). Beyond action-specific simulation: Domain-general motor contributions to perception. Trends in Cognitive Sciences, 19 (4), 176-178. doi:10.1016/j.tics.2015.01.006

Proksch, J., & Bavelier, D. (2002). Changes in the spatial distribution of visual attention after early deafness. Journal of Cognitive Neuroscience , 14 (5), 687–701. https://doi.org/10.1162/08989290260138591

Ramanathan, D., Tuszynski, M. H., & Conner, J. M. (2009, 05). The Basal Forebrain Cholinergic System Is Required Specifically for Behaviorally Mediated Cortical Map Plasticity. Journal of Neuroscience, 29 (18), 5992-6000. doi:10.1523/jneurosci.0230-09.2009

Rao, R. P., & Ballard, D. H. (1999). Hierarchical Predictive Coding Model Hierarchical Predictive Coding of Natural Images. Nature Neuroscience , 2 (1), 79–87. Retrieved from http://neurosci.nature.com

Reep, R. L., Chandler, H. C., King, V., & Corwin, J. V. (1994). Rat posterior parietal 143

cortex: topography of corticocortical and thalamic connections. Experimental Brain Research , 100 (1), 67–84. https://doi.org/10.1007/BF00227280

Rohenkohl, G., Cravo, A. M., Wyart, V., & Anna, C. (2014). Europe PMC Funders Group Temporal expectation improves the quality of sensory information . 32 (24), 8424–8428. https://doi.org/10.1523/JNEUROSCI.0804-12.2012.Temporal

Rosahl, S. K., & Knight, R. T. (1995). Role of Prefrontal Cortex in Generation of the Contingent Negative Variation. Cerebral Cortex, 5 (2), 123-134. doi:10.1093/cercor/5.2.123

Ruchkin, D., Canoune, H., Johnson, R., & Ritter, W. (1995). Working memory and preparation elicit different patterns of slow wave event-related brain potentials. Psychophysiology, 32 (4), 399-410. doi:10.1111/j.1469-8986.1995.tb01223.x

Ruchkin, D., Johnson, R., Grafman, J., Canoune, H., & Ritter, W. (1992). Distinctions and similarities among working memory processes: An event-related potential study. Cog Brain Res, 1 (1), 53-66. doi:10.1016/0926-6410(92)90005-c

Rypma, B., Prabhakaran, V., Desmond, J. E., Glover, G. H., & Gabrieli, J. D. (1999). Load-Dependent Roles of Frontal Brain Regions in the Maintenance of Working Memory. NeuroImage, 9 (2), 216-226. doi:10.1006/nimg.1998.0404

Sawaguchi T. (2001) The effects of dopamine and its antagonists on directional delay-period activity of prefrontal neurons in monkeys during an oculomotor delayed-response task. Neurosci Res . 41(2):115-28. PMID: 11591439.

Sawaguchi, P., Goldman-Rakic, P. (1991) D1 dopamine receptors in prefrontal cortex: involvement in working memory. Science . 251(4996): 947-950. DOI: 10.1126/science.1825731

Scala, S., Pousada, A., Stone, W. S., Thermenos, H. W., Manschreck, T. C., Tsuang, M. T., … Seidman, L. J. (2013). Verbal and visual-spatial memory impairment in youth at familial risk for schizophrenia or affective psychosis: A pilot study. Schizophrenia Research , 144 (1–3), 122–128. https://doi.org/10.1016/j.schres.2012.11.027

Schneider, D. W., & Anderson, J. R. (2011). A memory-based model of Hick’s law. Cognitive Psychology, 62(3), 193–222. doi:10.1016/j.cogpsych.2010.11.001

Schroeder, C. E., Wilson, D. A., Radman, T., Scharfman, H., & Lakatos, P. (2010). Dynamics of Active Sensing and perceptual selection. Current Opinion in Neurobiology , 20 (2), 172–176. https://doi.org/10.1016/j.conb.2010.02.010

Sergent, C., Baillet, S., & Dehaene, S. (2005). Timing of the brain events underlying access to consciousness during the attentional blink. Nature Neuroscience , 8 (10), 1391–1400. https://doi.org/10.1038/nn1549

Smith, E. E., & Jonides, J. (1997). Working Memory: A View from Neuroimaging. Cognitive Psychology, 33 (1), 5-42. doi:10.1006/cogp.1997.0658

144

Smith, E. E., Jonides, J., & Koeppe, R. A. (1996). Dissociating Verbal and Spatial Working Memory Using PET. Cerebral Cortex, 6 (1), 11-20. doi:10.1093/cercor/6.1.11

Sommer, M. A., & Wurtz, R. H. (2008). Visual perception and corollary discharge. Perception , 37 (3), 408–418. https://doi.org/10.1068/p5873

Spiegel, M. A., Koester, D., & Schack, T. (2013). The functional role of working memory in the (Re-)planning and execution of grasping movements. Journal of Experimental Psychology: Human Perception and Performance , 39 (5), 1326–1339. https://doi.org/10.1037/a0031398

Spiegel, M. A., Koester, D., Weigelt, M., & Schack, T. (2012). The costs of changing an intended action: Movement planning, but not execution, interferes with verbal working memory. Neuroscience Letters , 509 (2), 82–86. https://doi.org/10.1016/j.neulet.2011.12.033

Stenner, M. P., Bauer, M., Heinze, H. J., Haggard, P., & Dolan, R. J. (2015). Parallel processing streams for motor output and sensory prediction during action preparation. Journal of Neurophysiology , 113 (6), 1752–1762. https://doi.org/10.1152/jn.00616.2014

Sternberg, S. (1966). High-Speed Scanning in Human Memory. Science, 153 (3736), 652-654. doi:10.1126/science.153.3736.652

Sternberg, S. (1969). Memory scanning: Mental processes revealed by reaction time experiments. American Scientist 57: 421-457

Süß, H., Oberauer, K., Wittmann, W. W., Wilhelm, O., & Schulze, R. (2002). Working-memory capacity explains reasoning ability—and a little bit more. Intelligence, 30 (3), 261-288. doi:10.1016/s0160-2896(01)00100-3

Teng, C., & Kravitz, D. J. (2019). Visual working memory directly alters perception. Nature Human Behaviour , 3 (8), 827–836. https://doi.org/10.1038/s41562-019-0640-4

Tomassini, A., Spinelli, D., Jacono, M., Sandini, G., & Morrone, M. C. (2015). Rhythmic oscillations of visual contrast sensitivity synchronized with action. Journal of Neuroscience , 35 (18), 7019–7029. https://doi.org/10.1523/JNEUROSCI.4568-14.2015

Vallar, G., Betta, A., & Silveri, M. (1997). The phonological short-term store-rehearsal system: Patterns of impairment and neural correlates. Neuropsychologia, 35 (6), 795-812. doi:10.1016/s0028-3932(96)00127-3

van Ede, F., de Lange, F. P., & Maris, E. (2012). Attentional cues affect accuracy and reaction time via different cognitive and neural processes. Journal of Neuroscience , 32 (30), 10408–10412. https://doi.org/10.1523/JNEUROSCI.1337-12.2012

145

Verleger, R. (1997). On the utility of P3 latency as an index of mental chronometry. Psychophysiology, 34 (2), 131-156. doi:10.1111/j.1469-8986.1997.tb02125.x

Vogel, E. K., & Luck, S. J. (2000). The visual N1 component as an index of a discrimination process. Psychophysiology , 37 (2), 190–203. https://doi.org/10.1017/S0048577200981265

Vugs, B., Cuperus, J., Hendriks, M., & Verhoeven, L. (2013). Visuospatial working memory in specific language impairment: A meta-analysis. Research in Developmental Disabilities , 34 (9), 2586–2597. https://doi.org/10.1016/j.ridd.2013.05.014

Vugs, B., Hendriks, M., Cuperus, J., & Verhoeven, L. (2014). Working memory performance and executive function behaviors in young children with SLI. Research in Developmental Disabilities , 35 (1), 62–74. https://doi.org/10.1016/j.ridd.2013.10.022

Waszak, F., & Herwig, A. (2007). Effect anticipation modulates deviance processing in the brain. Brain Research , 1183 (1), 74–82. https://doi.org/10.1016/j.brainres.2007.08.082

Wayne, R. V., Hamilton, C., Huyck, J. J., & Johnsrude, I. S. (2016). Working memory training and speech in noise comprehension in older adults. Frontiers in Aging Neuroscience , 8 (MAR), 1–15. https://doi.org/10.3389/fnagi.2016.00049

Weigelt, M., Rosenbaum, D. A., Huelshorst, S., & Schack, T. (2009). Moving and memorizing: Motor planning modulates the recency effect in serial and free recall. Acta Psychologica , 132 (1), 68–79. https://doi.org/10.1016/j.actpsy.2009.06.005

Wilber, A. A., Clark, B. J., Demecha, A. J., Mesina, L., Vos, J. M., & Mcnaughton, B. L. (2015, 01). Cortical connectivity maps reveal anatomically distinct areas in the parietal cortex of the rat. Frontiers in Neural Circuits, 8 . doi:10.3389/fncir.2014.00146

Wild-Wall, N., Hohnsbein, J., & Falkenstein, M. (2007). Effects of ageing on cognitive task preparation as reflected by event-related potentials. Clinical Neurophysiology, 118 (3), 558-569. doi:10.1016/j.clinph.2006.09.005

Wolpert, D. M., & Kawato, M. (1998). Multiple paired forward and inverse models for motor control. Neural Networks. https://doi.org/10.1016/S0893-6080(98)00066-5

Yarbus, A. L. (1967). Eye Movements and Vision. doi:10.1007/978-1-4899-5379-7

Yebra, M., Galarza-Vallejo, A., Soto-Leon, V., Gonzalez-Rosa, J. J., de Berker, A. O., Bestmann, S., … Strange, B. A. (2019). Action boosts episodic memory encoding in humans via engagement of a noradrenergic system. Nature Communications , 10 (1), 1–12. https://doi.org/10.1038/s41467-019-11358-8

Zhang, Y. X., Moore, D. R., Guiraud, J., Molloy, K., Yan, T. T., & Amitay, S. (2016). Auditory discrimination learning: Role of working memory. PLoS ONE , 11 (1), 1–18.

146

https://doi.org/10.1371/journal.pone.0147320

ANEXOS

147

FIGURAS SUPLEMENTARIAS

 Fig. S1. Resultados del pilotaje (n=4). A . Tiempos de respuesta por condición, y para las dos cargas de memoria (5 y 6 ítems). B. Exactitud por condición y para las dos cargas de memoria. Los puntos corresponden a cada sujeto. (ns = no significativo; ** ≤0.01).

148

 Fig. S2. Efectos del aprendizaje de la tarea y del orden de presentación del bloque sobre la exactitud. A . Efecto del aprendizaje de la tarea sobre la exactitud. Izquierda: efecto global de aprendizaje sobre la exactitud; derecha: efecto separado por las 3 condiciones de codificación. Para efectos de presentación de resultados en el gráfico, los ensayos se agrupan cada 25 ensayos, en 4 bines. B. Efecto del orden de presentación del bloque sobre la exactitud. Izquierda: efecto global del orden de presentación sobre la exactitud. Derecha: efecto del orden de presentación desglosado por cada condición de codificación. Cada punto representa el promedio para todos los sujetos; las barras indican el error estándar.

149

 Fig. S3. Efectos de la sensación de seguridad. A. El gráfico de cajas muestra los puntajes de seguridad en la respuesta, separados por cada condición. Cada punto representa el puntaje de cada sujeto. B. El gráfico de líneas muestra el efecto global de la sensación de seguridad sobre la exactitud; los puntos indican el promedio de los sujetos, y las barras indican el error estándar. C. Efecto de la sensación de seguridad sobre la exactitud, separado por condición de codificación. El puntaje de seguridad iba desde 1 (muy inseguro al responder) a 7 (muy seguro al responder). n=15.

150

 Fig. S4. Efectos del tiempo pre-estímulo sobre la exactitud. Arriba Efecto del tiempo previo a la aparición del estímulo total (en ms) sobre la exactitud, por cada condición de codificación. La línea muestra el promedio de los sujetos, y las barras el error estándar. Abajo Efecto del tiempo previo a la aparición del estímulo involuntario (en ms) sobre la exactitud, por cada condición de codificación. Se muestran sólo datos de CD y CP, ya que el tiempo pre-estímulo involuntario de CA = 0. Notar que curva de CP es la misma en A y B, en diferentes escalas

151

temporales (para detalles ver métodos). La línea muestra el promedio de los sujetos, y las barras el error estándar.

152

 Fig. S5. Actividad electroencefalográfica evocada a la aparición del estímulo (t=0 ms). A Actividad electroencefalográfica evocada a la aparición del estímulo en la condición CA (sólo ensayos correctos). Se muestra el gran promedio (25 sujetos) del potencial relacionado a evento por cada electrodo (32 electrodos en diferentes colores), así como el mapa topográfico (topoplot) en los tiempos señalados. B y C similar a A, pero para las condiciones CD (B) y CP (C). Los puntos en los mapas topográficos indican las posiciones modeladas de los electrodos. Los colores cálidos indican electrodos con valores de voltaje positivos (en uV) y colores fríos valores de voltaje negativos, en dicho electrodo

153

 Fig. S6. Potenciales Relacionados a Eventos evocados por la presión del botón (t=0 ms). A. ERPs evocados por la presión al botón (t=0 ms) en la condición CA. B. Mapa topográfico t=0, Colores cálidos ilustran valores de voltajes positivos (en uV), y colores fríos, valores de voltajes negativos. C. Mismo que A, pero para la condición CD. En esta se pierden los componentes P1,

154

N1, P2 y P3 debido al desfase aleatorio entre la presión del botón y la aparición del estímulo (ver métodos). D. Mismo que B, pero para la condición CD.

155

156

 Fig.S7. Gran promedio de ERPs evocados a la aparición del estímulo (t=0 ms) para ensayos incorrectos. Superior. Gran promedio de ERP evocado a la aparición del estímulo en electrodo Oz, desglosado por condiciones (n=24 sujetos). Sólo ensayos incorrectos fueron incluidos. Medio. Similar a figura superior, pero para el electrodo Fz. Inferior. Similar a figura superior, pero para el electrodo Pz.

157

158

 Fig. S8. Actividad electroencefalográfica evocada a la aparición del estímulo (t=0 ms) para ensayos incorrectos. A Actividad electroencefalográfica evocada a la aparición del estímulo en la condición CA (sólo ensayos incorrectos). Se muestra el gran promedio (25 sujetos) del potencial relacionado a evento por cada electrodo (32 electrodos en diferentes colores), así como el mapa topográfico (topoplot) en los tiempos señalados. B y C similar a A, pero para las condiciones CD (B) y CP (C). Los puntos en los mapas topográficos indican las posiciones modeladas de los electrodos. Los colores cálidos indican electrodos con valores de voltaje positivos (en uV) y colores fríos valores de voltaje negativos, en dicho electrodo.

159

 Fig. S9. Gráficos de densidad de amplitud y latencia de ERPs ensayos incorrectos, desglosado por condición. A . Densidad de latencias de los componentes N1, P2 y P3 de ensayos incorrectos. B . Densidad de amplitud de los componentes P1N1, P2 y P3 de ensayos incorrectos. Las líneas punteadas corresponden a la mediana por cada condición, según color.

160

 Fig. S10. Amplitud y latencia de ERPs por ensayo correcto e incorrecto, desglosado por condición. A . Voltaje de componentes por ensayos correctos e incorrectos . B . Latencia de componentes por ensayos correctos e incorrectos . (ns: p > 0.05; *: p ≤ 0.05; **: p ≤ 0.01; ***: p ≤ 0.001; ****: p ≤ 0.0001)

161

 Fig. S11. Número de clústers significativos en el tiempo. A . Número de canales con efecto pertenecientes al clúster 1 (rojo) o 2 (azul) en el tiempo (s) para el test F. B . Mismo que A, pero para el test de t entre las condiciones CA y CP. Para clústers significativos, ver tabla S1.

162

163

164

 Fig. S12. Ejemplos de ensayos únicos, en electrodo Oz, por condición. Superior . Ejemplo de variación de voltaje en el tiempo, para el electrodo Oz en el sujeto 1 en la condición CP. Se muestran los ensayos del 1 al 18 en diferentes colores (ver leyendas de panel derecho), para ilustrar la variabilidad entre los ensayos. Medio . Igual que panel superior, pero para la condición CD del sujeto 1. Inferior . Igual que superior y medio, pero para la condición CA del sujeto 1. En todos los gráficos, 0 ms corresponde a la aparición del estímulo. La línea vertical punteada azul ilustra el tiempo al que aparece el componente N1 para el sujeto 1, en cada condición.

165

 

166

167

Fig. S13. Ejemplos de ensayos únicos, en electrodo Fz, por condición. Superior . Ejemplo de variación de voltaje en el tiempo, para el electrodo Fz en el sujeto 1 en la condición CP. Se muestran los ensayos del 1 al 18 en diferentes colores (ver leyendas de panel derecho), para ilustrar la variabilidad entre los ensayos. Medio . Igual que panel superior, pero para la condición CD del sujeto 1. Inferior . Igual que superior y medio, pero para la condición CA del sujeto 1. En todos los gráficos, 0 ms corresponde a la aparición del estímulo. La línea vertical punteada azul ilustra el tiempo al que aparece el componente P2 para el sujeto 1, en cada condición.

168

 

169

170

Fig. S14. Ejemplo de ensayos únicos, en electrodo Pz, por condición. Superior . Ejemplo de variación de voltaje en el tiempo, para el electrodo Pz en el sujeto 1 en la condición CP. Se muestran los ensayos del 1 al 18 en diferentes colores (ver leyendas de panel derecho), para ilustrar la variabilidad entre los ensayos. Medio . Igual que panel superior, pero para la condición CD del sujeto 1. Inferior . Igual que superior y medio, pero para la condición CA del sujeto 1. En todos los gráficos, 0 ms corresponde a la aparición del estímulo. La línea vertical punteada azul ilustra el tiempo al que aparece el componente P3 para el sujeto 1, en cada condición.

171

TEST DE PERMUTACIONES.

 Tabla S1 . Resultados test de permutaciones. Resultado de test de F (CA-CD-CP) y test de t (CA-CD, CA-CP, CD-CP). Clústers significativos para el test de F alfa ≤ 0.05, para el test de t alfa ≤ 0.0167

172

Comparación p Valor de t o F Desv.Estand Int. Conf. Clúster significa�vo

CA-CD-CP 0.000999 117266.2092 0.000999001 0.0019580

4 *

CA-CD-CP 0.002997 49921.10169 0.001728589 0.0033880

4 *

CA-CD-CP 0.4685314

7 3159.866955 0.015780042 0.0309288

8

CA-CD-CP 0.5784215

8 2374.182928 0.015615699 0.0306067

7

CA-CD-CP 0.8181818

2 1174.945413 0.012196734 0.0239056

CA-CD-CP 0.8711288

7 993.2216446 0.010595441 0.0207670

6

CA-CD-CP 0.9220779

2 777.3048978 0.008476451 0.0166138

4

CA-CD-CP 0.9900099

9 331.2777918 0.00314487 0.0061639

5

CA-CD-CP 0.9930069

9 270.5066385 0.002635167 0.0051649

3

CA-CD-CP 0.9930069

9 270.0961747 0.002635167 0.0051649

3

CA-CD-CP 0.9930069

9 267.7605121 0.002635167 0.0051649

3

CA-CD-CP 0.995005 234.0112373 0.002229362 0.0043695

5

CA-CD-CP 0.995005 230.0129342 0.002229362 0.0043695

5

CA-CD-CP 0.996004 200.5852031 0.001995003 0.0039102

1 CA-CD-CP 0.998002 128.6330723 0.001412094 0.0027677 CA-CD-CP 0.998002 109.2773283 0.001412094 0.0027677 CA-CD-CP 0.998002 98.49916137 0.001412094 0.0027677 CA-CD-CP 0.998002 80.02579638 0.001412094 0.0027677 CA-CD-CP 0.998002 73.10318465 0.001412094 0.0027677

173

CA-CD-CP 0.999001 43.90509188 0.000999001 0.0019580

4

CA-CD-CP 0.999001 14.50047186 0.000999001 0.0019580

4

CA-CD-CP 0.999001 14.49672703 0.000999001 0.0019580

4

CA-CD 0.0409590

4 5065.501196 0.006267487 0.0122842

8

CA-CD 0.0599400

6 4002.936517 0.00750648 0.0147127

CA-CD 0.0699300

7 3729.130633 0.008064729 0.0158068

7

CA-CD 0.6383616

4 615.8944788 0.015193948 0.0297801

4

CA-CD 0.8911088

9 261.0291094 0.009850575 0.0193071

3

CA-CD 0.9060939

1 237.4380121 0.009224302 0.0180796

3

CA-CD 0.9640359

6 153.0778773 0.005888177 0.0115408

3

CA-CD 0.9650349

7 150.1824593 0.005808828 0.0113853

CA-CD 0.9880119

9 98.33170995 0.003441555 0.0067454

5

CA-CD 0.9880119

9 97.80294836 0.003441555 0.0067454

5

CA-CD 0.9880119

9 94.40930518 0.003441555 0.0067454

5

CA-CD 0.9940059

9 81.18222233 0.002440917 0.0047842 CA-CD 0.998002 59.51868045 0.001412094 0.0027677 CA-CD 0.998002 53.55298222 0.001412094 0.0027677 CA-CD 0.998002 52.76331641 0.001412094 0.0027677 CA-CD 0.998002 50.55080756 0.001412094 0.0027677 CA-CD 1 35.78205672 0 0 CA-CD 1 33.1183289 0 0 CA-CD 1 22.92160962 0 0 CA-CD 1 14.7365401 0 0 CA-CD 1 10.35503389 0 0 CA-CP 0.001998 16394.42019 0.001412094 0.0027677 *

174

CA-CP 0.1718281

7 2104.205911 0.011929093 0.0233810

2

CA-CP 0.3376623

4 1228.734147 0.014954815 0.0293114

4

CA-CP 0.5424575

4 767.3096685 0.015754281 0.0308783

9

CA-CP 0.7992008 376.0446466 0.012668026 0.0248293

3

CA-CP 0.9050949

1 247.1490262 0.009268124 0.0181655

2

CA-CP 0.9110889

1 232.3961074 0.009000328 0.0176406

4

CA-CP 0.9640359

6 159.321261 0.005888177 0.0115408

3

CA-CP 0.9680319

7 151.8788706 0.00556292 0.0109033

2

CA-CP 0.9700299

7 150.0486701 0.00539183 0.0105679

9

CA-CP 0.9710289

7 142.0713718 0.005303933 0.0103957

1

CA-CP 0.9830169

8 106.218934 0.004085902 0.0080083

7

CA-CP 0.9940059

9 71.6996468 0.002440917 0.0047842

CA-CP 0.997003 62.30313048 0.001728589 0.0033880

4 CA-CP 0.998002 60.73606751 0.001412094 0.0027677 CA-CP 0.998002 59.18399797 0.001412094 0.0027677 CA-CP 0.998002 44.80983624 0.001412094 0.0027677 CA-CP 0.998002 37.806255 0.001412094 0.0027677 CA-CP 1 12.49646305 0 0

CD-CP 0.0799200

8 3482.90643 0.00857513 0.0168072

6

CD-CP 0.3106893

1 1264.465916 0.014634256 0.0286831

4

CD-CP 0.3386613

4 1154.352282 0.014965622 0.0293326

2

CD-CP 0.6073926

1 571.0269474 0.015442371 0.0302670

5

CD-CP 0.6603396

6 506.7439504 0.014976354 0.0293536

5

175

CD-CP 0.7122877

1 439.5681807 0.014315514 0.0280584

1

CD-CP 0.7572427

6 390.2044275 0.013558251 0.0265741

7

CD-CP 0.8991009 242.9323544 0.009524625 0.0186682

6

CD-CP 0.9030969 239.7935769 0.009354832 0.0183354

7

CD-CP 0.9570429

6 185.9467343 0.006411843 0.0125672

1

CD-CP 0.9590409

6 179.6576602 0.006267487 0.0122842

8

CD-CP 0.9680319

7 165.5893741 0.00556292 0.0109033

2

CD-CP 0.9870129

9 121.3869514 0.003580272 0.0070173

3

CD-CP 0.9910089

9 111.9852954 0.002984991 0.0058505

8

CD-CP 0.996004 99.8528991 0.001995003 0.0039102

1

CD-CP 0.997003 87.01080516 0.001728589 0.0033880

4

CD-CP 0.999001 68.84750065 0.000999001 0.0019580

4

CD-CP 0.999001 66.91387771 0.000999001 0.0019580

4 CD-CP 1 54.06288841 0 0 CD-CP 1 44.51030165 0 0 CD-CP 1 31.98723236 0 0 CD-CP 1 29.98699445 0 0 CD-CP 1 22.87959233 0 0 CD-CP 1 20.81252817 0 0

MODELO LINEAL GENERALIZADO

● Hit = Respuesta binaria: 0=incorrecto, 1=correcto

● TASK = Condiciones de la tarea (variable categórica): CA, CD, CP

● Time-to-Target_TOT= Tiempo pre-estímulo total. Variable numérica continua. Esta variable se re-escaló dividiendo por 1000.

● Time-to-Target_INV= Tiempo pre-estímulo involuntario. Variable numérica continua. Esta variable se re-escaló dividiendo por 100.

● Learning= Número de ensayo. Variable numérica discreta (1:100). Esta variable se re-escaló dividiendo por 100.

● Order = Orden del bloque. Variable numérica discreta (1,2,3).

Formula: Hit ~ TASK + Time-to-Target_INV + Order*Learning + Learning*TASK + (1 | SS)

Control: glmerControl(optimizer = "bobyqa")

AIC BIC logLik deviance df.resid

7541.9 7611.2 -3761.0 7521.9 7490

Formula: Hit ~ TASK + Time-to-Target_TOT*TASK + Order*Learning + Learning*TASK + (1 | SS) Control: glmerControl(optimizer = "bobyqa")

AIC BIC logLik deviance df.resid

7542.8 7625.9 -3759.4 7518.8 7488

Formula: Hit ~ TASK + Time-to-Target_INV + Order*Learning + Learning*TASK + Order*TASK + (1 | SS)

Control: glmerControl(optimizer = "bobyqa")

AIC BIC logLik deviance df.resid

7543.1 7626.1 -3759.5 7519.1 7488

176

Formula: Hit ~ TASK + Time-to-Target_TOT + Order*TASK + Learning*TASK + (1 | SS)

Control: glmerControl(optimizer = "bobyqa")

AIC BIC logLik deviance df.resid

7546.9 7623.0 -3762.5 7524.9 7489

Formula: Hit ~ TASK + Time-to-Target_TOT*TASK + Order*Learning + Learning*TASK + TASK*Order + (1 | SS) Control: glmerControl(optimizer = "bobyqa")

AIC BIC logLik deviance df.resid

7544.1 7641.1 -3758.1 7516.1 7486

Formula: Hit ~ TASK + Time-to-Target_TOT*TASK + Order*Learning + Learning*TASK + (TASK | SS) Control: glmerControl(optimizer = "bobyqa")

AIC BIC logLik deviance df.resid

7546.7 7664.4 -3756.4 7512.7 7483

Formula: Hit ~ TASK + Time-to-Target_TOT*TASK + Time-to-Target_INV + Order*Learning + Learning*TASK + TASK*Order + (1 | SS)

Control: glmerControl(optimizer = "bobyqa")

AIC BIC logLik deviance df.resid

7545.2 7649.0 -3757.6 7515.2 7485

177

CONSENTIMIENTO INFORMADO

197

198

199

200

201

202