Trial-unique, delayed nonmatching-to-location (TUNL) touchscreen testing for mice: sensitivity to dorsal hippocampal dysfunction
Notice bibliographique
Résumé
RATIONALE: The hippocampus is implicated in many of the cognitive impairments observed in conditions such as Alzheimer's disease (AD) and schizophrenia (SCZ). Often, mice are the species of choice for models of these diseases and the study of the relationship between brain and behaviour more generally. Thus, automated and efficient hippocampal-sensitive cognitive tests for the mouse are important for developing therapeutic targets for these diseases, and understanding brain-behaviour relationships. One promising option is to adapt the touchscreen-based trial-unique nonmatching-to-location (TUNL) task that has been shown to be sensitive to hippocampal dysfunction in the rat. OBJECTIVES: This study aims to adapt the TUNL task for use in mice and to test for hippocampus-dependency of the task. METHODS: TUNL training protocols were altered such that C57BL/6 mice were able to acquire the task. Following acquisition, dysfunction of the dorsal hippocampus (dHp) was induced using a fibre-sparing excitotoxin, and the effects of manipulation of several task parameters were examined. RESULTS: Mice could acquire the TUNL task using training optimised for the mouse (experiments 1). TUNL was found to be sensitive to dHp dysfunction in the mouse (experiments 2, 3 and 4). In addition, we observed that performance of dHp dysfunction group was somewhat consistently lower when sample locations were presented in the centre of the screen. CONCLUSIONS: This study opens up the possibility of testing both mouse and rat models on this flexible and hippocampus-sensitive touchscreen task.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».