The Effects of HCN and KLT Ion Channels on Adaptation and Refractoriness in a Stochastic Auditory Nerve Model
Notice bibliographique
Résumé
An accurate model of auditory nerve fibers (ANFs) may assist in developing improved cochlear implant (CI) stimulation strategies. Previous studies have shown that the original Hodgkin-Huxley (HH) model may be better at describing nodes of Ranvier in ANFs than models for other mammalian axon types. However, the HH model is still unable to explain a number of phenomena observed in auditory nerve responses to CI stimulation such as adaptation to high-rate stimulation and the time course of relative refractoriness. Recent physiological investigations of ANFs have shown the presence of a number of ion channel types not considered in the previous modeling studies, including low-threshold potassium (KLT) channels and hyperpolarization-activated cation (HCN) channels. In this paper, we investigate inclusion of these ion channel types in a stochastic HH model of a single node of Ranvier. Simulation results for pulse trains with rates of 200, 800, and 2000 pulse/s suggests that both the KLT channels and HCN channels can produce adaptation in the spike rate. However, the adaptation due to KLT is restricted to higher stimulation rates, whereas the adaptation due to HCN is observed across all stimulation rates. Additionally, using pulse pairs it was found that KLT increased both the absolute and the relative refractory periods. HCN on its own increased just the relative refractory period, but produced a synergistic increase in the absolute refractory period when combined with KLT. Together these results argue strongly for the need to consider HCN and KLT channels when studying CI stimulation of ANFs.
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 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».