MétaCan
Menu
Retour à la cohorte
Enregistrement W1492234993 · doi:10.3389/fnsys.2015.00110

Network models provide insights into how oriens–lacunosum-moleculare and bistratified cell interactions influence the power of local hippocampal CA1 theta oscillations

2015· article· en· W1492234993 sur OpenAlexaff
Katie Ferguson, Carey Y. L. Huh, Bénédicte Amilhon, Frédéric Manseau, Sylvain Williams, Frances K. Skinner

Notice bibliographique

RevueFrontiers in Systems Neuroscience · 2015
Typearticle
Langueen
DomaineNeuroscience
ThématiqueNeuroscience and Neuropharmacology Research
Établissements canadiensDouglas Mental Health University InstituteMcGill UniversityUniversity Health NetworkUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésHippocampal formationNeuroscienceHippocampusInterneuronParvalbuminComputer scienceBiologyPsychologyInhibitory postsynaptic potential

Résumé

récupéré en direct d'OpenAlex

Hippocampal theta is a 4-12 Hz rhythm associated with episodic memory, and although it has been studied extensively, the cellular mechanisms underlying its generation are unclear. The complex interactions between different interneuron types, such as those between oriens-lacunosum-moleculare (OLM) interneurons and bistratified cells (BiCs), make their contribution to network rhythms difficult to determine experimentally. We created network models that are tied to experimental work at both cellular and network levels to explore how these interneuron interactions affect the power of local oscillations. Our cellular models were constrained with properties from patch clamp recordings in the CA1 region of an intact hippocampus preparation in vitro. Our network models are composed of three different types of interneurons: parvalbumin-positive (PV+) basket and axo-axonic cells (BC/AACs), PV+ BiCs, and somatostatin-positive OLM cells. Also included is a spatially extended pyramidal cell model to allow for a simplified local field potential representation, as well as experimentally-constrained, theta frequency synaptic inputs to the interneurons. The network size, connectivity, and synaptic properties were constrained with experimental data. To determine how the interactions between OLM cells and BiCs could affect local theta power, we explored how the number of OLM-BiC connections and connection strength affected local theta power. We found that our models operate in regimes that could be distinguished by whether OLM cells minimally or strongly affected the power of network theta oscillations due to balances that, respectively, allow compensatory effects or not. Inactivation of OLM cells could result in no change or even an increase in theta power. We predict that the dis-inhibitory effect of OLM cells to BiCs to pyramidal cell interactions plays a critical role in the resulting power of network theta oscillations. Overall, our network models reveal a dynamic interplay between different classes of interneurons in influencing local theta power.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,003
Score d'incertitude au seuil0,007

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,001
Communication savante0,0010,002
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,047
Tête enseignante GPT0,293
Écart entre enseignants0,246 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations35
Publié2015
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueFrontiers in Systems NeuroscienceMême sujetNeuroscience and Neuropharmacology ResearchTravaux en français237 207