MétaCan
Menu
Retour à la cohorte
Enregistrement W2085385738 · doi:10.1186/1471-2202-9-s1-p146

Predicting synchrony and asynchrony in basket cell networks coupled by multiple dendritic gap junctions

2008· article· en· W2085385738 sur OpenAlexafffund
Tariq Zahid, Frances K. Skinner

Notice bibliographique

RevueBMC Neuroscience · 2008
Typearticle
Langueen
DomaineNeuroscience
ThématiqueNeural dynamics and brain function
Établissements canadiensUniversity of TorontoUniversity Health Network
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésAsynchrony (computer programming)Computer scienceNeuroscienceGap junctionPsychologyBiologyComputer networkAsynchronous communicationGenetics

Résumé

récupéré en direct d'OpenAlex

Basket cells in hippocampus form mutually inhibitory networks and target perisomatic regions of the output pyramidal cell population. Furthermore, they are major players in producing gamma rhythms both in vitro and in vivo [e.g., [2,3]]. Network models incorporating experimentally derived synaptic characteristics produce robust and coherent gamma oscillations, thus suggesting that synchronous output from basket cell networks are important contributors to gamma rhythms. In addition to inhibitory synapses, PV+ basket cells are electrically coupled with gap junctions at multiple locations between their apical and basal dendrites, several hundred microns from their somata [4]. Given that direct electrical communication between neurons plays an important role in shaping network output, it is important to understand how non-proximally located gap junctions contribute to produce synchronous output in basket cell networks. In a previous study we built compartmental models of basket cells with active dendrites and showed that when gap junctions are located distally, there could be sensitive tuning of network dynamics with changes in gap junction conductances [5]. In the work here we built compartmental models of basket cells with different distributions of ion channels in basal and apical dendrites, and explored the dynamics of two-cell networks coupled at non-proximal locations. We first compared full (372 compartments) and reduced (3 compartments) compartmental models to define synchronous and asynchronous regimes. We then quantified phase response curve characteristics in terms of their skewness to predict the network dynamics (synchronous or asynchronous) of reduced models using weakly coupled oscillatory theory. We found that the predictions from quantified phase response curves also held reasonably well when the full compartmental models were coupled at basal or apical dendrites. We next built two-cell networks that were coupled at two and three locations, and computed the average of each of the phase response curves obtained for the different coupling sites. We found that the quantification applied to the averaged phase response curves correctly predicted the network output. This suggests that quantification of phase response curves can be used to predict the output of networks that are coupled with gap junctions at more than one location.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,908
Score d'incertitude au seuil0,985

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0010,001
Communication savante0,0000,001
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,033
Tête enseignante GPT0,231
Écart entre enseignants0,198 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2008
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueBMC NeuroscienceMême sujetNeural dynamics and brain functionTravaux en français237 207