Local Neural Processing and the Generation of Dynamic Motor Commands within the Saccadic Premotor Network
Notice bibliographique
Résumé
The ability to accurately control movement requires the computation of a precise motor command. However, the computations that take place within premotor pathways to determine the dynamics of movements are not understood. Here we studied the local processing that generates dynamic motor commands by simultaneously recording spikes and local field potentials (LFPs) in the network that commands saccades. We first compared the information encoded by LFPs and spikes recorded from individual premotor and motoneurons (saccadic burst neurons, omnipause neurons, and motoneurons) in monkeys. LFP responses consistent with net depolarizations occurred in association with bursts of spiking activity when saccades were made in a neuron's preferred direction. In contrast, when saccades were made in a neuron's nonpreferred direction, neurons ceased spiking and the associated LFP responses were consistent with net hyperpolarizations. Surprisingly, hyperpolarizing and depolarizing LFPs encoded movement dynamics with equal robustness and accuracy. Second, we compared spiking responses at one hierarchical level of processing to LFPs at the next stage. Latencies and spike-triggered averages of LFP responses were consistent with each neuron's place within this circuit. LFPs reflected relatively local events (<500 microm) and encoded important features not available from the spiking train (i.e., hyperpolarizing response). Notably, quantification of their time-varying profiles revealed that a precise balance of depolarization and hyperpolarization underlies the production of precise saccadic eye movement commands at both motor and premotor levels. Overall, simultaneous recordings of LFPs and spiking responses provides an effective means for evaluating the local computations that take place to produce accurate motor commands.
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 | 0,001 |
| 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 | 0,001 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| 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 ».