יצירה מרצון של דפוסים זמניים ניתנים לשחזור ויעילים

תַקצִיר:אחד המאפיינים יוצאי הדופן של המוח הביולוגי הוא הוצאות האנרגיה הנמוכות שהוא דורש כדי ליישם מגוון פונקציות ביולוגיות ואינטליגנציה בהשוואה לבינה מלאכותית מודרנית (AI). קודים זמניים חסכוניים באנרגיה מבוססי ספייק הוצעו זה מכבר כתורמים לכך שהמוח פועל על הוצאות אנרגיה נמוכות. למרות שקוד זה דווח במידה רבה בקליפת המוח החושית, האם ניתן ליישם את הקוד הזה באזורי מוח אחרים כדי לשרת פונקציות רחבות יותר וכיצד הוא מתפתח במהלך הלמידה נותרו ללא מענה. במחקר זה, תכננו פרדיגמה חדשה של ממשק מוח-מכונה (BMI). שני מקוקים יכולים ליצור מרצון לשחזורדפוסים זמניים חסכוניים באנרגיהבקורטקס המוטורי הראשוני (M1) על ידי לימוד פרדיגמת ה-BMI. יתרה מזאת, רוב הנוירונים שלא הוקצו ישירות לשלוט ב-BMI לא הגבירו את ההתרגשות שלהם, והם הפגינו באופן כללי יעילות אנרגטית בביצוע המשימה. במהלך הלמידה, גילינו שקצבי הירי והדיוק הזמני של נוירונים נבחרים התפתחו יחד כדי ליצור אתדפוסים זמניים חסכוניים באנרגיה, מה שמציע שעיבוד מלוכד ולא ניתן לניתוק עומד בבסיס החידוד של דפוסים זמניים חסכוניים באנרגיה.

מילות מפתח:דפוסים זמניים מדויקים;קוד חסכוני באנרגיה;ממשקי מוח-מכונה; קורטקס מוטורי ראשוני

לחץ כאן כדי להכיר את CISTANCHE עבור אנרגיית המוח

1. הקדמה

למרות שהמוח האנושי מנקז באופן פעיל 20 אחוז מהאנרגיה של הגוף, בסופו של דבר הוא צורך רק 20 וואט של כוח [1,2]. יתרה מכך, אחד המחקרים החדשים ביותר גילה שהכוח המושקע לחישוב עצבי לוקח פחות מאחוז אחד מהתקציב הכולל [3]. בהשוואה לאנרגיה הנצרכת על ידי בינה מלאכותית מודרנית (AI) המיושמת בחומרה מבוססת סיליקון, המוח צורך מעט באופן יוצא דופן כדי ליישם בינה ביולוגית. במשך עשרות שנים, מדענים ומהנדסים ניסו להפיק תובנות מתכניות קידוד עצביות כדי לבנות מערכות חכמות יעילות. קידוד זמני, שבאמצעותו מידע מועבר ומעובד באמצעות תיאום זמני של קוצים, מנצל את האופי הדיסקרטי של קוצים. הקוד הזמני יכול באופן תיאורטי לשאת יותר מידע מקוד התעריף [4]. לכן, קידוד זמני משך תשומת לב והופעל בשיטות AI [5-7]. עם זאת, יישום של קודים זמניים לא בהכרח מוביל לדלילות או לתקציב אנרגיה נמוך ברחבי העולם במוחות ביולוגיים (איור 1A). לפי [8], יעילות הקוד מוגדרת כיחס בין יכולת הייצוג לאנרגיה המושקעת, המתאפיינת במספר פוטנציאל הפעולה הנכלל. מחקר עדכני אחד הצביע על כך שיצירת דפוסים זמניים מדויקים מלווה בגירוי מוגבר [9]. במקרה זה, למרות שדפוסים זמניים מדויקים נוצרו בצורה איתנה, הם לא נחשבו יעילים, בשל העלות המטבולית הגוברת שנגרמה על ידי קוצים עודפים. לכן, יש צורך מאוד בהבנה עמוקה יותר של האופן שבו נוצרים דפוסים זמניים יעילים ושל ההבדל העצבי העומד בבסיס היצירה של דפוסים יעילים ולא יעילים. הבנה עמוקה יותר זו היא המפתח לשרטוט השלכות תפקודיות בתחום מדעי המוח ועיצוב בינה מלאכותית יעילה.

 

איור 1. סכמטי של קודים זמניים מדויקים. (א) סכמטי הממחיש שני סוגים של קודים זמניים מדויקים. מלבנים מוצללים מסמנים את הסנכרון המדויק מעבר לתנודת הקצב שנשמרת ברכבות הספייק של שני נוירונים. עם זאת, התבנית הטמפורלית המדויקת והיעילה המתוארת מימין מכילה פחות קוצים מזו שבצד שמאל, אם כי מספר צירופי המקרים המדויקים בשני המקרים זהה. (ב) סכמטי של האופן שבו קודים יעילים נלמדים ברשתות עצביות מלאכותיות על ידי שילוב מפורש של מונח ההסדרה בפונקציית העלות על מנת להעניש קצבי ירי גבוהים r(t). כאן, c(t) מציין את אותות היעד שיוצגו על ידי הרשת. (ג) סכימה של השילוב המפורש של קיבולת מידע c(t) ועלות מטבולית (קצבי ירי של נוירונים r(t)) במפענח של ממשק מוח-מכונה לחקר הקודים היעילים in vivo. NCS(t) הוא המשתנה המפוענח שהוגדר במחקר זה

 

במהלך העשורים האחרונים, חוקרים תיעדו דפוסים זמניים יעילים, בעיקר בהקשר של קידוד גירוי [10,11]. עם זאת, בנוסף לייצוג גירוי, מבוצעים חישובים שונים במוח הביולוגי כדי להפיק אינטליגנציה, למשל, זיכרון העבודה, יצירת דפוסים מורכבים המתקיימים בעצמם, והנפקת תפוקות. עם זאת, מעט מאוד ידוע האם ניתן ליישם דפוסים זמניים יעילים באופן שחזור על מנת לשרת מגוון רחב יותר של פונקציות. נושא נוסף שנוי במחלוקת ביחס לקוד יעיל הוא יכולת הלמידה שלו. כיוון שהתזוזה הזמנית של כל ספייק "נחשבת", וכל ספייק עודף ייחשב כיקר מבחינה מטבולית לפי ההגדרה של קוד יעיל, הפריסה של קוד זה ברשת העצבית מבוססת ספייק על מנת לתמוך בחישוב יעיל טומנת בחובה הרבה הבטחה. עם זאת, מעט מחקרים יחסית הוכיחו שניתן לאמן רשתות ליצור דפוסים יעילים [12-14]. אסטרטגיה אחת שהוצעה הייתה להגביל במפורש את שיעורי הירי בפונקציית העלות ולאמן את הרשת עם הפצת שגיאות עולמית לאחור, דבר שהיה בלתי סביר מבחינה ביולוגית (איור 1B). עם זאת, לא הוכח האם ניתן ללמוד את הדפוסים היעילים בצורה סבירה מבחינה ביולוגית, מה שעלול להיות מאתגר לחקור אותו בגוף האדם מכיוון שלא ניתן להגדיר "יעדים" להגביל את פליטת קוצים במהלך משימות התנהגותיות מסורתיות, וזה המקרה. ברשתות העצבים המלאכותיות.

כדי להתמודד עם אתגרים אלו, ניצלנו ממשק מוח-מכונה (BMI) [15]. מלבד הצלחתו המהדהדת בשיקום מוטורי [16-20], דיבור [21], ופונקציות פסיכולוגיות [22], BMI המריץ לאחרונה את מדעי המוח על ידי מתן סיבתיות לתוצאות התנהגותיות עבור דפוסים עצביים מסוימים. חוקרים יכולים להגדיר את המיפוי בין פעילות עצבית לתוצאות התנהגותיות, אשר כונו "מפענחים" [23-26]. לפיכך, BMI העניק לנו את היכולת להגדיר "יעדים", כלומר להגביל את פליטת הדוקרנים על מנת לחקור אם ניתן ליצור וללמוד את הדפוסים הזמניים היעילים באופן שחזור (איור 1C). במחקר של [9], המחברים הראו שכאשר המפענחים היו פונקציה של תזמון ספייק יחסי ולא מתארים נפוצים כמו קצבי ירי, כדי לשלוט בתוצאות, הדפוסים המתקבלים בדיוק זמני יכולים להיות קשורים סיבתי להתנהגויות. יתר על כן, מיפויים ידועים ב"נוירו-תותבות זמניות" כאלה אפשרו למחברים לעקוב אחר האופן שבו נלמדו והתעדנו הדפוסים הזמניים במעגלי המוח. עם זאת, מחקר זה כיסה רק את המקרה של דפוסים זמניים לא יעילים, והותיר דפוסים זמניים יעילים במידה רבה בלתי נחקרים. לכן, המיקוד של עבודה זו הוא ללמוד את היצירה והלמידה של דפוסים זמניים יעילים בקורטקס המוטורי על ידי הצגת BMI חדש המגביל את תזמון הספייק המדויק כמו גם את העלות המטבולית שמביאה ספירת הספייק.

 

2. חומרים ושיטות

כל ההליכים הניתוחיים והניסויים תאמו את המדריך לטיפול ושימוש בחיות מעבדה (משרד הבריאות הסיני) ואושרו על ידי הוועדה לטיפול בבעלי חיים של אוניברסיטת ג'ג'יאנג בסין. ההליך הכירורגי תואר בפירוט ב- [27]. בקצרה, מערכי המיקרו-אלקטרודות של הערוץ 96- (Blackrock Neurotech) הושתלו באופן כרוני בקליפת המוח המוטורית הראשונית של שני קופי רזוס זכרים (Macaca mulatta) (Monkey B11, Monkey C05). לקופים לקח כשבוע להתאושש מהניתוח, ולאחריו נרשמו האותות העצביים באמצעות מערכת רכישת הנתונים הרב-ערוצית Cerebus (Blackrock Neurotech) בקצב דגימה של 30 קילו-הרץ. פעילויות ספייק זוהו על ידי סף (מכפיל ריבוע ממוצע, B11: ×5.5; C05: ×7). בפגישת הלמידה הראשונה ולאחר מיון ידני מקוון, הקצנו שתי יחידות מבודדות עם יציבות האות-ליחס (SNR) וצורת הגל הגבוהים ביותר בהתבסס על הקלטות משבועות קודמים להיות יחידת ההדק ויחידת היעד, בהתאמה. תבניות המיון המקוונות עבור שתי היחידות הללו לא השתנו במהלך הלמידה ואושרו על ידי הממיין הלא מקוון (Plexon, Dallas, TX, USA, Inc.) כדי להבטיח שאותם נוירונים תועדו והשתמשו בהם לאימון על פני מפגשים. מוצג באיור S1A שהוריאציה של צורות גל על ​​פני הפעלות קטנה מהמשרעת הממוצעת. מכיוון ששתי היחידות הנבחרות הללו היו אחראיות ישירות לתוצאה, הן תויגו כ"נוירונים ישירים". שאר היחידות היו "נוירונים עקיפים", שזוהו ומוינו במצב לא מקוון לצורך הניתוח הבא במאמר זה. מספר ה"נוירונים העקיפים" שתועדו היה יציב יחסית לאורך ימים (B11: 54.3 ± 8.5; C05: 54.3 ± 9.1). בנוסף, הקשר המרחבי של הנוירונים הישירים במערך מוצג באיור S1B.

 

2.1. משימה התנהגותית

במשימה זו, הספיקים של יחידת ההדק ויחידת היעד בחלון של 300 אלפיות השנייה הוזרמו בזמן אמת לתסריטים שנכתבו בהתאמה אישית ב-MATLAB (Mathworks Inc., Natick, MA, ארה"ב) על מנת לחשב משתנה התניה: ציון צירוף המקרים המנורמל (NCS). החלון הוחלף כל 150 אלפיות השנייה עם חפיפה של 150 שניות. לאחר מכן הוזנק NCS לנושא באופן שמיעתי וחזותי, כל 150 אלפיות השנייה גם כן. הנבדקים יקבלו את פרס המים אם יצליחו לווסת את הדפוסים העצביים כדי להניע את ה-NCS לסף תוך 15 שניות. אחרת, הניסוי יסתיים, והנבדקים יצטרכו לחכות לעוד 4 שניות כדי להתחיל את הניסוי הבא (איור 2B). ספי ה-NCS לקבלת התגמול נקבעו להיות האחוזון ה-99 של התפלגות ה-NCS, אשר נאמדו על פי נתוני הבסיס במפגש הראשון (נדגמו כל 150 אלפיות השנייה למשך 5 דקות). ספי ה-NCS (B11: 0.36; C05: 0.32) נקבעו על פני הפעלות. בתקופת הבסיס, הנבדקים ישבו עם ידיים מוגבלות. מים ניתנו באופן אקראי אך בדלילות, רק כדי להרגיע את הנבדק ולאפשר להם לשמור על מצב נייח נטול תנועות גדולות. לא ניתנו גירויים שמיעתיים או חזותיים בתקופה זו.

 

משתנה ההתניה NCS מוגדר כדלקמן:

כאשר M ו-N הם המספר הכולל של קוצים מיחידת ההדק ומיחידת היעד בחלון זמן של 300 אלפיות השנייה, S(∆ji) היא פונקציית הניקוד התלויה בפיגור ∆ji בין זמן הפליטה של ​​השפיץ הראשון של ה- יחידת ההדק והספייק ה-j של יחידת היעד. ליתר דיוק, פונקציית הניקוד לובשת צורה אקספוננציאלית, בדומה לאופן שבו היעילות הסינפטית משתנה תחת פלסטיות תלויה בתזמון ספייק (STDP) [28], כאשר הטריגר המוביל את המטרה מביא לציון חיובי ולהיפך:

 

בניסוי שלנו, τ נקבע על 17 אלפיות השנייה כדי להתאים לחלון הקריטי שנצפה בניסויי STDP [29]. לכן, המונה של ה-NCS שימש לתגמל לא רק את הדיוק הזמני אלא גם את הסדר הזמני הנכון. מטעמי נוחות, כינינו את המונה הזה ציון צירוף המקרים (CS). נורמליזציה לפי הממוצע הגיאומטרי של ספירת הספיקים משתי היחידות מילאה את התפקיד של ענישה של ספייקים מוגזמים על הגבלת הוצאות האנרגיה. תיאורטית, הערך של NCS צריך להיות בטווח של -1 עד 1.

 

מיפינו את ה-NCS לתדר של סמן שמע, הנעים בין 1 קילו-הרץ ל-24 קילו-הרץ במרווחים של רבע אוקטבה. יתרה מכך, אימצנו סביבת משוב ויזואלית דומה במשימות המרכז החוצה, מכיוון שכל הנבדקים אומנו במשימות המרכז החוצה. NCS ב-[−0.5, 0.5] מופה למיקום האנכי של עיגול כחול על המסך (איור 2A), כאשר עיגול צהוב מציין את סף התגמול. המשוב החזותי יושם באמצעות Psychtoolbox וממומש עם התוכנית הראשית שנכתבה בהתאמה אישית.

הנבדקים היו מוגבלים במים ונאלצו ללמוד משימות בימים רצופים, כאשר בכל יום נערכו שני מפגשים, אחד בבוקר ואחר אחר הצהריים.

 

ערכנו גם ניסוי בקרה כדי לחקור כיצד הנורמליזציה של קצבי הירי השפיעה על יצירת דפוסים עצביים זמניים יעילים. בניסוי הבקרה הזה, C05 היה צריך לווסת את ציון צירוף המקרים ולא את ציון הצירוף המנורמל באמצעות זוג שונה של יחידות ישירות (שנקרא משימת "CS-modulation"). תצורות משימות אחרות היו זהות לאלו במשימה "NCS-modulation".

 

איור 2. פרדיגמת המשימות המבוססת על BMI. (א) המשימה בוצעה בלולאה סגורה. פעילות עצבית מה-M1 של הנבדק נקראה וחולצה באופן אוטומטי. כל ההליכים והפיגורים בין קוצים מיחידות ההדק והיעד שימשו לחישוב ה-NCS, שהוזן עוד יותר על ידי מיפוי שלו לתדר של סמן שמע ולמיקום האנכי של סמן חזותי. בניסוי המודגם הזה, סף NCS לתגמול היה 0.32. הסף לתגמול המים נקבע על סמך התפלגות ה-NCS שהוערכה בפגישה הראשונה. (ב) מבנה משימה של מפגש טיפוסי אחד. הפגישה התחילה עם 5-דקות בלוק בסיסי, שלאחריה ניתן היה להעריך את התפלגות ה-NCS. ניסוי אחד יכול להימשך 15 שניות לכל היותר, ואחריו מרווח בין-ניסוי ארוך של 4 שניות (ITI). ה-NCS חושב באמצעות פעילות עצבית בחלון הזזה של 300 אלפיות השנייה.

 

2.2. מדדי התנהגות ניתוח נתונים.

יישמנו שני מדדים, שיעור ההצלחה ומשך הניסיון, על מנת להעריך את הביצועים ההתנהגותיים במשימה. שיעור ההצלחה הוגדר כיחס בין מספר הניסויים המוצלחים לבין המספר הכולל של ניסויים בפגישה אחת. אותו מספר כולל של ניסויים בוצע באופן יחסי על פני מפגשים עבור כל נבדק (B11: 105.3 ± 12.8; C05: 215 ± 20.0) והוא שימש עבור הניתוח הבא. מספר הניסויים נקבע לכמות שהנבדקים יכולים לבצע במעורבות מלאה. מדד נוסף שמעריך ביצועים התנהגותיים, משך הניסוי, הוגדר כזמן מתחילת הניסוי ועד למתן התגמול.

מדד נוסף שמעריך ביצועים התנהגותיים, משך הניסיון, הוגדר כזמן מתחילת הניסיון ועד למתן התגמול

 

CCH. השתמשנו בהיסטוגרמה צולבת מתוקנת ריצוד (CCH) כדי לתאר את הקשר הזמני בין יחידות ההדק ליחידות היעד בסולם זמן סופי [30]. עצבנו באקראי את זמן הפליטה עבור כל ספייק מיחידת היעד על מנת להציג את ה-CCH המחליף (sCCH). הליך הדגימה מחדש הופעל 1000 פעמים [31]. השונות בריצוד הייתה תלויה ברזולוציה הזמנית של ה-CCH. לדוגמה, אם ה-bin של CCH היה 15 ms, כפי שמוצג באיור 5A, אז סטיית התקן של ריצוד אקראי ("חלון ריצוד") צריכה להיות מוגדרת גם היא ל-15 ms. הורדנו את ה-sCCH הזה מה-CCH הגולמי כדי לקבל את ה-CCH המתוקן. בדרך זו, הבטחנו שדפוסי ירי מובנים או וריאציות של לוחות זמנים הדומים לרזולוציה הזמנית של CCH יוסרו. בעיקרו של דבר, כל פס של פח מסוים ב-CCH מייצג את האפשרות של ספייק של נוירוני טריגר ליצור צירוף מקרים עם נוירון המטרה. לכן, נוכל להשתמש בסרגל העומד לצד אפס פיגור כדי למדוד את הדיוק הזמני של שני נוירונים. מכיוון שהמחקר שלנו התמקד בדייקנות זמני עם סדר זמני, השתמשנו רק בצירוף מקרים ב-[0, 15] ms או [0, 5] ms לניתוח. בנוסף, השתמשו בהסתברות הזנב של sCCH לבניית פסי הקבלה. סרגל השגיאה ב-CCH המתוקן בריצוד מתאר את סטיית התקן של ה-sCCH

השוואה של ספירות ספייק עבור דפוסים זמניים מדויקים. כדי לבחון את ההשערה שהדפוסים הזמניים המדויקים שנוצרו הם חסכוניים באנרגיה, השווינו את ספירת הספייק של התבניות הזמניות המדויקות שנאספו מבלוק המשימה עם אלו מהגוש הבסיסי תוך שליטה על ציון צירוף המקרים. ליתר דיוק, דגמנו את התבניות העצביות באורך 300 אלפיות השנייה מהגוש הבסיסי (על ידי הזזת חלון בצעדים של 150 אלפיות השנייה), שציון המקריות שלהן היה בטווח של ציוני צירוף המקרים מהדפוסים העצביים המתגמלים.

 

בנוסף, השווינו גם את ספירת הספייק של הדפוסים הזמניים המדויקים שנאספו ממשימה זו עם אלו מהדפוסים העצביים המתגמלים של משימת האדולציה של CS. באופן דומה, דגמנו את התבניות העצביות משתי הקבוצות הללו כדי שטווח ציוני המקריות יתאים. אינדקס אפנון.

 

אינדקס האפנון שימש לאפיון עומק האפנון של נוירונים בודדים בבלוק המשימה המבוסס על הירי שלו בבלוק הבסיסי FRbaseline:

 

באופן ספציפי יותר, FRtask הוערך באמצעות הניסויים המוצלחים בבלוק המשימות. הפעלות יציבות. כדי לגלות את המפגשים היציבים (או רמת הלמידה) בסך n הפעלות ההקלטה, חישבנו באופן איטרטיבי את היחס rk בין השונות של שיעור ההצלחה מ-k הפגישות האחרונות σ 2 ({Si |i=n − k פלוס 1, ..., n}) וזה מהראשון σ 2 ({Si |i=1, ..., n − k}) באופן הבא:

 

כאשר Si מציין את שיעור ההצלחה במפגש i. k הוחזר מ-2 ל-n − 1, והאיטרציה הופסקה כאשר rk היה גדול מ-rk-1. הפגישה k - 1 האחרונה תוחזר בתור הפעלות היציבות. במילים אחרות, הוספת ה-k הפגישה ל-k-1 הפגישות האחרונות תגדיל את השונות ההתנהגותית ולכן אין צורך להתייחס אליה כמפגש יציב. בהתבסס על קריטריון זה, מפגש 6 עד מפגש 10 של B11 ומפגש 9 עד מפגש 10 של C05 נחשבו יציבים.

יריית יתר של NCS. ה-NCS שעבר את סף התגמול הוגדר כ-NCS החורג. כדי להתמודד עם הפער בין ערכי הסף בשני הנושאים, הורדנו את ההבדל בספים ({{0}}.36 − 0.32=0.04) מכל ה-NCS החורגים של B11 לפי הסדר כדי להציג את ה-NCS החריגת יתר המתוקנת.

2.3. שיעור הצלחת ניתוח סטטיסטי.

התאמה ליניארית בוצעה לראשונה כדי לבדוק את מגמת העלייה בכל נושא. עוד נעשה שימוש במבחן מאן-ויטני חד-זנב כדי להשוות את שיעור ההצלחה בשלב המוקדם לעומת זה בשלב המאוחר. כל קבוצה שילבה את ארבעת המפגשים של שני הנושאים (n=8) [32].

משך הניסיון. כדי להשוות את משך הניסוי בשלב המוקדם לזה שבשלב המאוחר, ריכזנו יחד דוגמאות של משך הניסוי ממפגשים ונושאים שונים. בהתחשב במבנה המקנן הזה, נעשה שימוש ב-ANOVA דו-כיווני (F(DFn, DFd)) כדי לחשוף את השונות של גורם ה"פאזה" ואת האינטראקציה בין הגורמים השונים. מבחן צירוף מקרים משמעותי. סטיית התקן של ה-CCH החלופי לאחר דגימה מחדש שימשה כדי לחשב את הגבול העליון של רווח הסמך עבור כל פח תחת אלפא שונה (למשל, 0.05 עבור 95 אחוז ביטחון). לכן בדקנו את צירוף המקרים המשמעותי של כל פח על ידי השוואת ה-CCH המתוקן בריצוד עם הגבולות העליונים האלה. ירי יעיל עם נורמליזציה של קצב הירי.

בהתחשב בכך שספירת הספייק בתבנית העצבית באורך 300 אלפיות השנייה הייתה משתנה בדיד, מבחן Mack–Skillings (ANOVA לא פרמטרי דו-כיווני) שימש כדי לבדוק מול השערת האפס שספירת ספייק מדויקת לדפוסים זמניים מבלוק משימות ומגוש בסיס (או משימת אפנון CS) לא היה הבדל. עם ציון צירוף המקרים כגורם השני, הוא הוכנס לחמישה בלוקים מ-0.9 ל-2.9 (שלושה בלוקים מ-1.8 ל-3.2 בהשוואה למשימת אפנון CS). אינדקס אפנון רשת. מדדי האפנון של כל הנוירונים העקיפים שעברו אפנון מובהק לאורך הפעלות (ארבעה מפגשים לכל מצב) אספו יחד, ונעשה שימוש במבחן t של מדגם אחד כדי לבחון אם אינדקס האפנון הממוצע שונה סטטיסטית מאפס. חלוקה מתכנסת של NCS חריגה מתוקנת. מבחן קולמוגורוב-סמירנוב משני דגימות שימש כדי לבדוק מול השערת האפס לפיה ה-NCS המתוקן של חריגות יתר של שני נבדקים היו מאותה התפלגות.

---

תבקש עוד:

דוא"ל:wallence.suen@wecistanche.com

ווטסאפ/טלפון: פלוס 86 15292862950

לִקְנוֹת:

https://www.xjcistanche.com/cistanche-shop