Rebound Discharge in Deep Cerebellar Nuclear Neurons In Vitro
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Neurons of the deep cerebellar nuclei (DCN) play a critical role in defining the output of cerebellum in the course of encoding Purkinje cell inhibitory inputs. The earliest work performed with in vitro preparations established that DCN cells have the capacity to translate membrane hyperpolarizations into a rebound increase in firing frequency. The primary means of distinguishing between DCN neurons has been according to cell size and transmitter phenotype, but in some cases, differences in the firing properties of DCN cells maintained in vitro have been reported. In particular, it was shown that large diameter cells in the rat DCN exhibit two phenotypes of rebound discharge in vitro that may eventually help define their functional roles in cerebellar output. A transient burst and weak burst phenotype can be distinguished based on the frequency and pattern of rebound discharge immediately following a hyperpolarizing stimulus. Work to date indicates that the difference in excitability arises from at least the degree of activation of T-type Ca(2+) current during the immediate phase of rebound firing and Ca(2+)-dependent K(+) channels that underlie afterhyperpolarizations. Both phenotypes can be detected following stimulation of Purkinje cell inhibitory inputs under conditions that preserve resting membrane potential and natural ionic gradients. In this paper, we review the evidence supporting the existence of different rebound phenotypes in DCN cells and the ion channel expression patterns that underlie their generation.
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.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 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 | 0,002 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,001 |
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 découle