Hippocampus-dependent learning influences hippocampal neurogenesis
Notice bibliographique
Résumé
The structure of the mammalian hippocampus continues to be modified throughout life by continuous addition of neurons in the dentate gyrus. Although the existence of adult neurogenesis is now widely accepted the function that adult generated granule cells play is a topic of intense debate. Many studies have argued that adult generated neurons, due to unique physiological characteristics, play a unique role in hippocampus-dependent learning and memory. However, it is not currently clear whether this is the case or what specific capability adult generated neurons may confer that developmentally generated neurons do not. These questions have been addressed in numerous ways, from examining the effects of increasing or decreasing neurogenesis to computational modeling. One particular area of research has examined the effects of hippocampus dependent learning on proliferation, survival, integration and activation of immature neurons in response to memory retrieval. Within this subfield there remains a range of data showing that hippocampus dependent learning may increase, decrease or alternatively may not alter these components of neurogenesis in the hippocampus. Determining how and when hippocampus-dependent learning alters adult neurogenesis will help to further clarify the role of adult generated neurons. There are many variables (such as age of immature neurons, species, strain, sex, stress, task difficulty, and type of learning) as well as numerous methodological differences (such as marker type, quantification techniques, apparatus size etc.) that could all be crucial for a clear understanding of the interaction between learning and neurogenesis. Here, we review these findings and discuss the different conditions under which hippocampus-dependent learning impacts adult neurogenesis in the dentate gyrus.
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 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,001 | 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 ».