Glial Cells Decipher Synaptic Competition at the Mammalian Neuromuscular Junction
Notice bibliographique
Résumé
It is now accepted that glial cells actively interact with neurons and modulate their activity in many regions of the nervous system. Importantly, modulation of synaptic activity by glial cells depends on the proper detection and decoding of synaptic activity. However, it remains unknown whether glial cells are capable of decoding synaptic activity and properties during early postdevelopmental stages, in particular when different presynaptic nerve terminals compete for the control of the same synaptic site. This may be particularly relevant because a major determinant of the outcome of synaptic competition process is the relative synaptic strength of competing terminals whereby stronger terminals are more likely to occupy postsynaptic territory and become stabilized while weaker terminals are often eliminated. Hence, because of their ability to decode synaptic activity, glial cells should be able to integrate neuronal information of competing terminals. Using simultaneous glial Ca(2+) imaging and synaptic recordings of dually innervated mouse neuromuscular junctions, we report that single glial cells decipher the strength of competing nerve terminals. Activity of single glial cells, revealed by Ca(2+) responses, reflects the synaptic strength of each competing nerve terminal and the state of synaptic competition. This deciphering is mediated by functionally segregated purinergic receptors and intrinsic properties of glial cells. Our results indicate that glial cells decode ongoing synaptic competition and, hence, are poised to influence its outcome.
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 | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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 ».