Intrinsic Frequency Tuning in ELL Pyramidal Cells Varies Across Electrosensory Maps
Notice bibliographique
Résumé
The tuning of neuronal responsiveness to specific stimulus frequencies is an important computation across many sensory modalities. The weakly electric fish Apteronotus leptorhynchus detects amplitude modulations of a self-generated quasi-sinusoidal electric organ discharge to sense its environment. These fish have to parse a complicated electrosensory environment with a wide range of possible frequency content. One solution has been to create multiple representations of the sensory input across distinct maps in the electrosensory lateral line lobe (ELL) that participate in distinct behavioral functions. E- and I-type pyramidal cells in the ELL that process sensory input further exhibit a preferred range of stimulus frequencies in relation to the different behaviors and sensory maps. We tested the hypothesis that variations in the intrinsic spiking mechanism of E- and I-type pyramidal cells contribute to map-specific frequency tuning. We find that E-cells exhibit a systematic change in their intrinsic spike characteristics and frequency tuning across sensory maps, whereas I-cells are constant in both spike characteristics and frequency tuning. As frequency tuning becomes more high-pass in E-cells, the refractory variables of spike half-width and afterhyperpolarization magnitude increase, spike threshold increases, adaptation becomes faster, and the gain of the spiking response decreases. These findings indicate that frequency tuning across sensory maps in the ELL is supported by differences in the intrinsic spike characteristics of pyramidal cells, revealing a link between cellular biophysical properties and signal processing in sensory maps with defined behavioral roles.
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 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».