Frequency filtering of vestibular signals by synaptic transmission in brainstem slices
Notice bibliographique
Résumé
Frequency-modulated (FM) signals are present in neural systems that are characterized by high discharge rates and continuously-varying stimulus parameters, such as the vestibular system. In the medial vestibular nucleus (MVN) a rate code is used to encode the speed of head rotation and the modulating frequency is equal to the rotation frequency. During rotation in the 1–10 Hz range, many neurons in the medial vestibular nucleus (MVN) have frequency-dependent responses. The role of synaptic processes such as summation and short-term plasticity in the frequency dependence of MVN responses has not been established. Vestibular afferents to the MVN are tonically active in the range of 100 spikes/s, modulated in proportion to head velocity. We asked whether this velocity signal is filtered by synaptic transmission in the brainstem. We found short-term depression and summation of the evoked EPSPs in nearly all MVN cells. Responses to FM pulse trains were dominated by summation of EPSPs, so that membrane potential was approximately sinusoidal during continuous FM stimulation. Responses were highly dependent on the modulating frequency. In the presence of GABA antagonists, postsynaptic potential showed a variety of frequency responses. Long-lasting EPSPs were associated with low-pass filtering of the modulating signal. Short EPSPs were associated with high-pass filtering. Short-term depression resulted in distortion of the sinusoidal response. Modeling using depression and recovery duplicated the form of the responses but failed to simulate the frequency response. We conclude that synaptic transmission between primary afferents and MVN neurons may contribute to frequency filtering in the vestibular pathway.
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 | 0,000 |
| Science ouverte | 0,001 | 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 ».