Modulation Dynamics in the Orofacial Sensorimotor Cortex during Motor Skill Acquisition
Notice bibliographique
Résumé
The orofacial sensorimotor cortex is known to play a role in motor learning. However, how motor learning changes the dynamics of neuronal activity and whether these changes differ between orofacial primary motor (MIo) and somatosensory (SIo) cortices remain unknown. To address these questions, we used chronically implanted microelectrode arrays to track learning-induced changes in the activity of simultaneously recorded neurons in MIo and SIo as two naive monkeys (Macaca mulatta) were trained in a novel tongue-protrusion task. Over a period of 8-12 d, the monkeys showed behavioral improvements in task performance that were accompanied by rapid and long-lasting changes in neuronal responses in MIo and SIo occurring in parallel: (1) increases in the proportion of task-modulated neurons, (2) increases in the mutual information between tongue-protrusive force and spiking activity, (3) reductions in the across-trial firing rate variability, and (4) transient increases in coherent firing of neuronal pairs. More importantly, the time-resolved mutual information in MIo and SIo exhibited temporal alignment. While showing parallel changes, MIo neurons exhibited a bimodal distribution of peak correlation lag times between spiking activity and force, whereas SIo neurons showed a unimodal distribution. Moreover, coherent activity between pairs of MIo neurons was higher and centered around force onset compared with pairwise coherence of SIo neurons. Overall, the results suggest that the neuroplasticity in MIo and SIo occurring in parallel serves as a substrate for linking sensation and movement during sensorimotor learning, whereas the differing dynamic organizations reflect specific ways to control movement parameters as learning progresses.
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 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| 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 ».