MétaCan
Menu
Retour à la cohorte
Enregistrement W2408993827 · doi:10.1002/hipo.22609

Nonuniform allocation of hippocampal neurons to place fields across all hippocampal subfields

2016· article· en· W2408993827 sur OpenAlexafffund
Wing Kar Li Witharana, James W Cardiff, Monica K. Chawla, Jeanne Xie, C.B. Alme, Michael J. Eckert, Valérie Lapointe, Aubrey M. Demchuk, Andrew P. Maurer, Vivek Trivedi, R.J. Sutherland, John F. Guzowski, Carol A. Barnes, Bruce L. McNaughton

Notice bibliographique

RevueHippocampus · 2016
Typearticle
Langueen
DomaineNeuroscience
ThématiqueMemory and Neural Mechanisms
Établissements canadiensUniversity of Lethbridge
Organismes subventionnairesAlberta InnovatesCanadian Institutes of Health ResearchEvelyn F. McKnight Brain Research FoundationNational Institute of Mental HealthMcKnight FoundationNational Institute on AgingBrain Research FoundationNational Institutes of HealthNational Science Foundation
Mots-clésSubiculumHippocampal formationNeuroscienceDentate gyrusPopulationPoisson distributionHippocampusPsychologyMathematicsStatisticsMedicine

Résumé

récupéré en direct d'OpenAlex

The mechanisms governing how the hippocampus selects neurons to exhibit place fields are not well understood. A default assumption in some previous studies was the uniform random draw with replacement (URDWR) model, which, theoretically, maximizes spatial "pattern separation", and predicts a Poisson distribution of the numbers of place fields expressed by a given cell per unit area. The actual distribution of mean firing rates exhibited by a population of hippocampal neurons, however, is approximately exponential or log-normal in a given environment and these rates are somewhat correlated across multiple places, at least under some conditions. The advantage of neural activity-dependent immediate-early gene (IEG) analysis, as a proxy for electrophysiological recording, is the ability to obtain much larger samples of cells, even those whose activity is so sparse that they are overlooked in recording studies. Thus, a more accurate representation of the activation statistics can potentially be achieved. Some previous IEG studies that examined behavior-driven IEG expression in CA1 appear to support URDWR. There was, however, in some of the same studies, an under-recruitment of dentate gyrus granule cells, indicating a highly skewed excitability distribution, which is inconsistent with URDWR. Although it was suggested that this skewness might be related to increased excitability of recently generated granule cells, we show here that CA1, CA3, and subiculum also exhibit cumulative under-recruitment of neurons. Thus, a highly skewed excitability distribution is a general principle common to all major hippocampal subfields. Finally, a more detailed analysis of the frequency distributions of IEG intranuclear transcription foci suggests that a large fraction of hippocampal neurons is virtually silent, even during sleep. Whether the skewing of the excitability distribution is cell-intrinsic or a network phenomenon, and the degree to which this excitability is fixed or possibly time-varying are open questions for future studies. © 2016 Wiley Periodicals, Inc.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,049
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,001

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.

Tête enseignante Opus0,067
Tête enseignante GPT0,327
Écart entre enseignants0,260 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations32
Publié2016
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueHippocampusMême sujetMemory and Neural MechanismsTravaux en français237 207