Neural Correlates of Motor Learning in the Vestibulo-Ocular Reflex: Dynamic Regulation of Multimodal Integration in the Macaque Vestibular System
Notice bibliographique
Résumé
Motor learning is required for the reacquisition of skills that have been compromised as a result of brain lesion or disease, as well as for the acquisition of new skills. Behaviors with well characterized anatomy and physiology are required to yield significant insight into changes that occur in the brain during motor learning. The vestibulo-ocular reflex (VOR) is well suited to establish connections between neurons, neural circuits, and motor performance during learning. Here, we examined the linkage between neuronal and behavioral VOR responses in alert behaving monkeys (Macaca mulatta) during the impressive recovery that occurs after unilateral vestibular loss. We show, for the first time, that motor learning is characterized by the dynamic reweighting of inputs from different modalities (i.e., vestibular vs extravestibular) at the level of the single neurons that constitute the first central stage of vestibular processing. Specifically, two types of information, which did not influence neuronal responses before the lesion, had an important role during compensation. First, unmasked neck proprioceptive inputs played a critical role in the early stages of this process demonstrated by faster and more substantial recovery of vestibular responses in proprioceptive sensitive neurons. Second, neuronal and VOR responses were significantly enhanced during active relative to passive head motion later in the compensation process (>3 weeks). Together, our findings provide evidence linking the dynamic regulation of multimodal integration at the level of single neurons and behavioral recovery, suggesting a role for homeostatic mechanisms in VOR motor learning.
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 | 0,001 |
| Science ouverte | 0,001 | 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 ».