Sparse coding of natural communication signals in midbrain neurons
Notice bibliographique
Résumé
Sparse neural codes (i.e.codes in which neurons respond only to a few stimuli) have been widely observed across animal taxa [1][2][3][4].Theoretical studies suggest that sparse neural codes critically depend on non-linear mechanisms [5].However, the network and cellular properties that enable the observed sparse responses remain unclear.We investigated sparse coding in neurons within the midbrain torus semicircularis (TS) in the weakly electric fish Apteronotus leptorhynchus, which is equivalent to the inferior colliculus in the mammal.These fish generate a quasisinusoidal electric field via the electric organ discharge (EOD) with a characteristic frequency that varies across individuals.When two individuals come into contact, interference between their EODs will give rise to a beat phenomenon.Male Apteronotus leptorhynchus will transiently increase their EOD frequencies in a stereotypical manner during agonist encounters or courtship rituals: these chirps will occur in conjunction with the beat and must be distinguished by either the other male or the female (Figure 1).We performed in vivo patch clamp recordings to study TS neural responses to chirps occurring on top of the beat pattern.We found that one neuron type responded almost exclusively to chirps in a most peculiar manner.These neurons had little or no activity during the beat and fired a single action potential in response to the chirp (Figure 2).Chirp detection was negatively correlated with phase locking to the beat suggesting a segregation of information flow in midbrain neurons.Moreover, the chirp detection abilities were highly superior to those found in neurons afferent to TS.
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 ».