MétaCan
Menu
Retour à la cohorte
Enregistrement W2008129585 · doi:10.1186/1471-2202-15-s1-p80

Stochastic modulation of oscillatory neural activity

2014· article· en· W2008129585 sur OpenAlexaff
Jérémie Lefebvre, Axel Hutt, Kevin Whittingstall, Micah M. Murray

Notice bibliographique

RevueBMC Neuroscience · 2014
Typearticle
Langueen
DomaineNeuroscience
ThématiqueNeural dynamics and brain function
Établissements canadiensUniversité de Sherbrooke
Organismes subventionnairesSchweizerischer Nationalfonds zur Förderung der Wissenschaftlichen ForschungNational Science Foundation
Mots-clésNeuroscienceComputer scienceModulation (music)Artificial neural networkArtificial intelligenceBiologyPhysics

Résumé

récupéré en direct d'OpenAlex

Rhythmic neural activity plays a central role in neural computation. Oscillatory activity has been associated with myriad functions such as homeostasis, attention, and cognition [1] as well as neurological and psychiatric disorders, including Parkinson’s disease, schizophrenia, and depression [2]. Despite this pervasiveness, little is known about the dynamic mechanisms by which the frequency and power of ongoing cyclical neural activity can be modulated either externally (e.g. external stimulation) or via internally-driven modulatory drive of nearby neurons. While numerous studies have focused on neural rhythms and synchrony, it remains unresolved what mediates frequency transitions whereby the predominant power spectrum shifts from one frequency to another. Here, we provide computational perspectives regarding responses of cortical networks to fast stochastic fluctuations (hereafter “noise”) at frequencies in the range of 10-500 Hz that are mimicked using Poisson shot-noise. Using a sparse and randomly connected network of neurons with time delay, we determine the functional impact of these fluctuations on network topology using mean-field approximations. We show how noise can be used to displace the equilibrium activity state of the population: the noise smoothly shifts the mean activity of the modeled neurons from a regime dominated by inhibition to a regime dominated by excitation. Moreover, we show that noise alone may support frequency transition via a non-nonlinear mechanism that operates in addition to resonance. Surprisingly, stochastic fluctuations non-monotonically modulate network’s oscillations, which are in the beta band. The system’s frequency is first slowed down and then accelerated as the stimulus intensity and/or rate increases. This non-linear effect is caused by combined input-induced linearization of the dynamics and enhanced network susceptibility. Our results provide insights regarding a potentially significant mechanism at play in synchronous neural systems; ongoing activity rhythms can be externally and dynamically modulated, and moreover indicate a candidate mechanism supporting frequency transitions. By altering the oscillation frequency of the network, power can be displaced from one frequency band to another. As such, the action of noise on oscillating neural systems must be regarded as strongly non-linear; its action recruiting more than resonance alone to operate on ongoing dynamics.

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)0,000
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 enseignants0,894
Score d'incertitude au seuil0,513

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,002
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 savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
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 Opus0,046
Tête enseignante GPT0,264
Écart entre enseignants0,218 · 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
Publié2014
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueBMC NeuroscienceMême sujetNeural dynamics and brain functionTravaux en français237 207