Control of neuronal firing by dynamic parallel fiber feedback:implications for electrosensory reafference suppression
Notice bibliographique
Résumé
The cancellation of self-generated components of sensory inputs is a key function of sensory feedback pathways. In many systems, cerebellar parallel fiber feedback mediates this cancellation through anti-Hebbian plasticity, resulting in the generation of a negative image of the reafferent inputs. Parallel fiber feedback involves direct excitation and disynaptic inhibition as well as synaptic plasticity on multiple time scales. How the dynamics of these processes interact with anti-Hebbian plasticity to shape synaptic inputs and provide a cancellation mechanism remains unclear. In the present study, we investigated the influence of parallel fiber feedback onto pyramidal neurons of the electrosensory lateral line lobe (ELL) in weakly electric fish under open loop conditions. We mimicked naturalistic parallel fiber inputs in an ELL brain slice by implementing an experimentally based model of this synaptic pathway using dynamic clamp. We showed that as parallel fiber activity increases, the effective input to ELL pyramidal neurons changes from net excitation to net inhibition, resulting in a non-monotonic firing response. Using a model neuron, we found that this robust non-monotonic response is due to a shift from balanced excitation and inhibition at low parallel fiber input rates, to dominant inhibition at high input rates. We then showed that this non-monotonic response provides a simple basis for negative image generation. Through changes in the mean activation rate of parallel fibers, the feedback can switch roles between enhancement and suppression of sensory inputs in a manner that is directly determined by the slope of the non-monotonic response curve.
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 | 0,000 | 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 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 ».