A model-based framework for the analysis of miniature post-synaptic currents
Notice bibliographique
Résumé
Miniature post-synaptic currents (mPSCs) have become a primary measure of synaptic modification during development, plasticity, and disease. ‘Minis’ represent the response of postsynaptic receptors to the spontaneous fusion of vesicles. They are a useful assay for the number and strength of synaptic connections, as mini event frequency is related to the number of functional release sites, and event amplitude is a measure of synapse strength [1]. Thus, accurate characterization of synapse dynamics relies critically on statistical analyses of event frequency and amplitude. We develop a new paradigm for mPSC analysis that uses likelihood methods [2] and formal goodness-of-fit assessments [3] to derive accurate statistical descriptions of their frequency and amplitude properties. In particular, we demonstrate that mPSC inter-event intervals and amplitudes within individual cells are well described by exponential and log-normal models. These characterizations allow us to analyze mPSCs at the single-cell level. We employ a parametric bootstrap based on these models to make accurate assessments of uncertainty within and between groups in the setting of small samples. This enables accurate estimation of responses for individual cells or groups, and paired comparisons of beforeand after- manipulations in single cells. We illustrate this approach in the analysis of excitatory mPSCs from acute slices of sensory midbrain. We show that the method may be broadly applicable to excitatory and inhibitory PSCs in other CNS regions, and is robust to changes in event selection parameters and recording conditions. Our method preserves information about the variability of events within individual cells and allows the summary of information across cells in order to make between-group comparisons. The use of an accurate model maximizes the efficiency of the resulting statistics, by taking advantage of the high degree of structure in the data. The framework allows accurate inferences to be made from studies of spontaneous activity, and for the first time extends analysis of synaptic function to the single cell level.
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 | 0,003 | 0,008 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,003 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,006 | 0,002 |
| Intégrité de la recherche | 0,003 | 0,004 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,002 |
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 ».