Inhibition Determines Membrane Potential Dynamics and Controls Action Potential Generation in Awake and Sleeping Cat Cortex
Notice bibliographique
Résumé
Intracellular recordings of cortical neurons in awake cat and monkey show a depolarized state, sustained firing, and intense subthreshold synaptic activity. It is not known what conductance dynamics underlie such activity and how neurons process information in such highly stochastic states. Here, we combine intracellular recordings in awake and naturally sleeping cats with computational models to investigate subthreshold dynamics of conductances and how conductance dynamics determine spiking activity. We show that during both wakefulness and the "up-states" of natural slow-wave sleep, membrane-potential activity stems from a diversity of combinations of excitatory and inhibitory synaptic conductances, with dominant inhibition in most of the cases. Inhibition also provides the largest contribution to membrane potential fluctuations. Computational models predict that in such inhibition-dominant states, spikes are preferentially evoked by a drop of inhibitory conductance, and that its signature is a transient drop of membrane conductance before the spike. This pattern of conductance change is indeed observed in estimates of spike-triggered averages of synaptic conductances during wakefulness and slow-wave sleep up states. These results show that activated states are defined by diverse combinations of excitatory and inhibitory conductances with pronounced inhibition, and that the dynamics of inhibition is particularly effective on spiking, suggesting an important role for inhibitory processes in both conscious and unconscious cortical states.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| 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 source (Gemma direct ou Codex distillé), 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 ».