Firing Dynamics of Cerebellar Purkinje Cells
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Knowledge of intrinsic neuronal firing dynamics is a critical first step to establishing an accurate biophysical model of any neuron. In this study we examined cerebellar Purkinje cells to determine the bifurcations likely to underlie firing dynamics within a biophysically realistic and experimentally supported model. We show that Purkinje cell dynamics are consistent with a system undergoing a saddle-node bifurcation of fixed points in the transition from rest to firing and a saddle homoclinic bifurcation from firing to rest. Our analyses account for numerous observed Purkinje cell firing properties that include bistability, plateau potentials, specific aspects of the frequency-current (F-I) relationship, first spike latency, and the ability for climbing fiber input to induce state transitions in the bistable regime. We also experimentally confirm new properties predicted from our model and analysis that include the presence of a depolarizing afterpotential (DAP), the ability to fire at low frequencies (<50 Hz) and with a high gain in the F-I relationship, and a bistable region limited to low-frequency firing. Purkinje cell dynamics, including bistability, prove to arise from numerous biophysical factors that include the DAP, fast refractory dynamics, and a long membrane time constant. A hyperpolarizing activated cation current (I(H)) is shown not to be directly involved in establishing bistable dynamics but rather reduces the range for bistability. A combined electrophysiological and modeling approach thus accounts for several properties of Purkinje cells, providing a firm basis from which to assess Purkinje cell output patterns.
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.
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 découle