MétaCan
Menu
Retour à la cohorte
Enregistrement W2060151707 · doi:10.1080/01677060802610604

From Form to Function: the Ways to Know a Neuron

2009· review· en· W2060151707 sur OpenAlexaff
Ian A. Meinertzhagen, Shin-ya Takemura, Zhiyuan Lu, Songling Huang, Shuying Gao, Chun‐Yuan Ting, Chi‐Hon Lee

Notice bibliographique

RevueJournal of Neurogenetics · 2009
Typereview
Langueen
DomaineNeuroscience
ThématiqueNeurobiology and Insect Physiology Research
Établissements canadiensDalhousie University
Organismes subventionnairesnon disponible
Mots-clésFunction (biology)NeuroscienceNeuronPsychologyCognitive scienceCommunicationBiologyEvolutionary biology

Résumé

récupéré en direct d'OpenAlex

The shape of a neuron, its morphological signature, dictates the neuron's function by establishing its synaptic partnerships. Here, we review various anatomical methods used to reveal neuron shape and the contributions these have made to our current understanding of neural function in the Drosophila brain, especially the optic lobe. These methods, including Golgi impregnation, genetic reporters, and electron microscopy (EM), necessarily incorporate biases of various sorts that are easy to overlook, but that filter the morphological signatures we see. Nonetheless, the application of these methods to the optic lobe has led to reassuringly congruent findings on the number and shapes of neurons and their connection patterns, indicating that morphological classes are actually genetic classes. Genetic methods using, especially, GAL4 drivers and associated reporters have largely superceded classical Golgi methods for cellular analyses and, moreover, allow the manipulation of neuronal activity, thus enabling us to establish a bridge between morphological studies and functional ones. While serial-EM reconstruction remains the only reliable, albeit labor-intensive, method to determine actual synaptic connections, genetic approaches in combination with EM or high-resolution light microscopic techniques are promising methods for the rapid determination of synaptic circuit function.

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)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,004
Score d'incertitude au seuil0,013

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0020,000
Bibliométrie0,0030,002
Études des sciences et des technologies0,0010,006
Communication savante0,0030,008
Science ouverte0,0020,002
Intégrité de la recherche0,0020,004
Charge utile insuffisante (le modèle a refusé de juger)0,0040,005

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 Opus0,115
Tête enseignante GPT0,367
Écart entre enseignants0,252 · 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'étudeSans objet
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations43
Publié2009
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of NeurogeneticsMême sujetNeurobiology and Insect Physiology ResearchTravaux en français237 207