MétaCan
Menu
Retour à la cohorte
Enregistrement W2009950336 · doi:10.1523/jneurosci.4690-06.2007

Neural Variability, Detection Thresholds, and Information Transmission in the Vestibular System

2007· article· en· W2009950336 sur OpenAlexafffund
Soroush G. Sadeghi, Maurice J. Chacron, Michael Taylor, Kathleen E. Cullen

Notice bibliographique

RevueJournal of Neuroscience · 2007
Typearticle
Langueen
DomaineNeuroscience
ThématiqueNeural dynamics and brain function
Établissements canadiensMcGill University
Organismes subventionnairesCanadian Institutes of Health ResearchCanadian Space Agency
Mots-clésSensory systemVestibular systemNeural codingNeuroscienceAfferentSpike (software development)Stimulus (psychology)JitterInformation transmissionComputer sciencePsychologyTelecommunicationsCognitive psychology

Résumé

récupéré en direct d'OpenAlex

A fundamental issue in neural coding is the role of spike timing variation in information transmission of sensory stimuli. Vestibular afferents are particularly well suited to study this issue because they are classified as either regular or irregular based on resting discharge variability as well as morphology. Here, we compared the responses of each afferent class to sinusoidal and random head rotations using both information theoretic and gain measures. Information theoretic measures demonstrated that regular afferents transmitted, on average, two times more information than irregular afferents, despite having significantly lower gains. Moreover, consistent with information theoretic measures, regular afferents had angular velocity detection thresholds that were 50% lower than those of irregular afferents (approximately 4 vs 8 degrees/s). Finally, to quantify the information carried by spike times, we added spike-timing jitter to the spike trains of both regular and irregular afferents. Our results showed that this significantly reduced information transmitted by regular afferents whereas it had little effect on irregular afferents. Thus, information is carried in the spike times of regular but not irregular afferents. Using a simple leaky integrate and fire model with a dynamic threshold, we show that differential levels of intrinsic noise can explain differences in the resting discharge, the responses to sensory stimuli, as well as the information carried by action potential timings of each afferent class. Our experimental and modeling results provide new insights as to how neural variability influences the strategy used by two different classes of sensory neurons to encode behaviorally relevant stimuli.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,007
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,005

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,007
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,001
Communication savante0,0010,001
Science ouverte0,0000,001
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 Opus0,018
Tête enseignante GPT0,246
Écart entre enseignants0,228 · 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 source (Gemma direct ou Codex distillé), 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

Citations250
Publié2007
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJournal of NeuroscienceMême sujetNeural dynamics and brain functionTravaux en français237 207