Dopamine-Glutamate Interactions in Reward-Related Incentive Learning
Notice bibliographique
Résumé
Extensive evidence implicates the neurotransmitter dopamine (DA) in reward-related incentive learning (for reviews, see refs. , , , , , , , , , , , , ). DA projections to the nucleus accumbens (NAc; refs. , , , ), striatum (), amygdala (), and medial prefrontal cortex (mPFC; ref. () have been shown to be involved. In recent years, researchers have begun to focus on the neurochemical mechanisms underlying the role of DA in learning and significant advances have been made (, , ). Many data suggest that DA afferents interact with glutamatergic (Glu) afferents common to the same cell when reward-related learning occurs (see ref. ). Results further suggest that a number of signaling molecules activated by Glu and DA synaptic transmission interact to bring about short-term and long-term alterations that mediate the neurochemical and structural changes that form the basis of reward-related incentive learning (see ref. ). In this chapter, we will review some of the studies examining the role of DA and especially Glu neurotransmission in reward-related learning. This will be followed by a discussion of evidence that provides a basis for understanding the DA-Glu interactions and the signaling pathways that mediate the effects of reward on behavior. Finally, the role of Glu in reward-related learning will be considered from the point of view of this evidence.
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) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| 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 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,001 |
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 ».