Brain responses to odor mixtures with sub-threshold components
Notice bibliographique
Résumé
Although most odorants we encounter in daily life are mixtures of several chemical substances, we still lack significant information on how we perceive and how the brain processes mixtures of odorants. We aimed to investigate the processing of odor mixtures using behavioral measures and functional magnetic resonance imaging (fMRI). The odor mixture contained a target odor (ambroxan) in a concentration at which it could be perceived by half of the subjects (sensitive group); the other half could not perceive the odor (insensitive group). In line with previous findings on multi-component odor mixtures, both groups of subjects were not able to distinguish a complex odor mixture containing or not containing the target odor. However, sensitive subjects had stronger activations than insensitive subjects in chemosensory processing areas such as the insula when exposed to the mixture containing the target odor. Furthermore, the sensitive group exhibited larger brain activations when presented with the odor mixture containing the target odor compared to the odor mixture without the target odor; this difference was smaller, though present for the insensitive group. In conclusion, we show that a target odor presented within a mixture of odors can influence brain activations although on a psychophysical level subjects are not able to distinguish the mixture with and without the target. On the practical side these results suggest that the addition of a certain compound to a mixture of odors may not be detected on a cognitive level; however, this additional odor may significantly change the cerebral processing of this mixture. In this context, FMRI offers unique possibilities to look at the subliminal effects of odors.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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 ».