Long-Term Recordings Improve the Detection of Weak Excitatory–Excitatory Connections in Rat Prefrontal Cortex
Notice bibliographique
Résumé
Characterization of synaptic connectivity is essential to understanding neural circuit dynamics. For extracellularly recorded spike trains, indirect evidence for connectivity can be inferred from short-latency peaks in the correlogram between two neurons. Despite their predominance in cortex, however, significant interactions between excitatory neurons (E) have been hard to detect because of their intrinsic weakness. By taking advantage of long duration recordings, up to 25 h, from rat prefrontal cortex, we found that 7.6% of the recorded pyramidal neurons are connected. This corresponds to ∼70% of the local E-E connection probability that has been reported by paired intracellular recordings (11.6%). This value is significantly higher than previous reports from extracellular recordings, but still a substantial underestimate. Our analysis showed that long recording times and strict significance thresholds are necessary to detect weak connections while avoiding false-positive results, but will likely still leave many excitatory connections undetected. In addition, we found that hyper-reciprocity of connections in prefrontal cortex that was shown previously by paired intracellular recordings was only present in short-distance, but not in long distance (∼300 micrometers or more) interactions. As hyper-reciprocity is restricted to local clusters, it might be a minicolumnar effect. Given the current surge of interest in very high-density neural spike recording (e.g., NIH BRAIN Project) it is of paramount importance that we have statistically reliable methods for estimating connectivity from cross-correlation analysis available. We provide an important step in this direction.
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 | 0,002 |
| 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 ».