MétaCan
Menu
Retour à la cohorte
Enregistrement W1984087109 · doi:10.1186/1471-2202-11-s1-p122

Calcium-dependent subthreshold fluctuations in membrane voltage; a modeling study

2010· article· en· W1984087109 sur OpenAlexaff
David A. Stanley, Berj L. Bardakjian, Mark L. Spano, William L. Ditto

Notice bibliographique

RevueBMC Neuroscience · 2010
Typearticle
Langueen
DomaineNeuroscience
ThématiqueNeural dynamics and brain function
Établissements canadiensUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésSubthreshold conductionNoise (video)BiophysicsMembrane potentialCalciumIntracellularConductancePhysicsThermal fluctuationsNeuroscienceIon channelChemistryCalcium in biologyVoltage-dependent calcium channelVoltageBiologyComputer scienceCondensed matter physicsBiochemistry

Résumé

récupéré en direct d'OpenAlex

We have produced a stochastic computer model that incorporates K Ca channels and calcium dynamics into a CA3 pyramidal neuron, which is based on the biophysically realistic Traub model [ 3 ]. To introduce channel noise, we replaced all Hodgkin-Huxley (HH) channels with equivalent Markov models [ 4 ]. There is also an intracellular calcium pool, with Ca levels that vary stochastically due to influx through Markovian calcium channels. Preliminary simulation results show that, for the default parameters used by Traub, there is anti-correlation between intracellular calcium and membrane voltage (Figure 1 ); this suggests intracellular calcium fluctuations may partially drive low-frequency voltage noise. Additional modeling has implicated the Ca -dependent afterhyperpolarization current (I AHP ) as the primary linkage between these two signals. Power spectrum analysis suggests that the contribution of intracellular calcium fluctuations is dominant at low frequencies, below the natural cutoff for I AHP noise (Figure 2 ). We believe that this linkage between membrane potential noise and intracellular calcium could regulate many of the well-documented roles of noise in the nervous system [ 1 ]. Relationship between intracellular calcium and membrane voltage. Intracellular calcium (blue, arb units) is inverted and scaled to show anti-correlation with membrane voltage (green). (Correlation coefficient -56.4%, Vm phase lag ~600ms, Traub model default parameters.) Power spectral density for stochastic I AHP current Black trace is simulation under default settings. Red trace shows the effects of clamping intracellular calcium, which reduces low-frequency power. Green trace shows the I AHP current when inherent thermal fluctuations are removed by switching channel dynamics from Markov to HH. The crossover of these two signals suggests that intracellular calcium fluctuations can contribute to low-frequency voltage noise.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,002
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,916
Score d'incertitude au seuil0,785

Scores Codex et Gemma par catégorie

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

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 Opus0,077
Tête enseignante GPT0,308
Écart entre enseignants0,231 · 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 tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
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

Citations0
Publié2010
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueBMC NeuroscienceMême sujetNeural dynamics and brain functionTravaux en français237 207