Learning-Induced Metaplasticity? Associative Training for Early Odor Preference Learning Down-Regulates Synapse-Specific NMDA Receptors via mGluR and Calcineurin Activation
Notice bibliographique
Résumé
Rat pups readily form a 24-h associative odor preference after a single trial of odor paired with intermittent stroking. Recent evidence shows that this training trial, which normally increases AMPA receptor responses in the anterior piriform cortex both 3 and 24 h following training, induces a down-regulation of NMDA receptors 3 h later followed by NMDA receptor up-regulation at 24 h. When retrained with the same odor at 3 h, rat pups unlearn the original odor preference. Unlearning can be prevented by blocking NMDA receptors during retraining. Here, the mechanisms that initiate NMDA receptor down-regulation are assessed. Blocking mGluR receptors or calcineurin during training prevents down-regulation of NMDA receptors 3 h following training. Blocking NMDA receptors during training does not affect NMDA receptor down-regulation. Thus, down-regulation can be engaged separately from associative learning. When unlearning occurs, AMPA and NMDA receptor levels at 24 h are reset to control levels. Calcineurin blockade during retraining prevents unlearning consistent with the role of NMDA receptor down-regulation. The relationship of these events to the metaplasticity and plasticity mechanisms of long-term depression and depotentiation is discussed. We suggest a possible functional role of NMDA receptor down-regulation in offline stabilization of learned odor representations.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 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 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 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 ».