MétaCan
Menu
Retour à la cohorte
Enregistrement W2506750285 · doi:10.1007/978-1-62703-610-8_7

Using Viral Vectors to Study the Memory Trace in Mice

2013· book-chapter· en· W2506750285 sur OpenAlexaff
Asim J. Rashid, Yan Chen, Sheena A. Josselyn

Notice bibliographique

RevueNeuromethods · 2013
Typebook-chapter
Langueen
DomaineNeuroscience
ThématiqueNeuroscience and Neuropharmacology Research
Établissements canadiensHospital for Sick ChildrenUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésCREBNeuroscienceArc (geometry)EngramBiologyPopulationMemory consolidationEncoding (memory)Biological neural networkMemory formationCell biologyTranscription factorPsychologyGeneHippocampusMedicineGenetics

Résumé

récupéré en direct d'OpenAlex

The ability to identify neurons that are involved in the acquisition and encoding of a specific memory can facilitate efforts to understand the neuronal and circuit mechanisms that underlie memory formation. In this chapter, we outline a method whereby a population of neurons in the lateral amygdala (LA) that is involved in encoding of a conditioned fear memory can be identified. Using viral-mediated gene delivery, expression levels of the transcription factor CREB (cAMP/Ca2+ responsive element binding protein) can be transiently increased in a subpopulation of neurons in the LA in vivo, thereby biasing those neurons towards becoming part of a memory trace. The preferential involvement of those neurons can be assessed using a technique, known as catFISH, in which the localized expression of mRNA for the immediate early gene arc after memory formation can be detected and compared to those neurons expressing virally delivered CREB.

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)0,001
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 enseignants0,372
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0020,001
Intégrité de la recherche0,0000,002
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 Opus0,261
Tête enseignante GPT0,454
Écart entre enseignants0,193 · 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

Citations1
Publié2013
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueNeuromethodsMême sujetNeuroscience and Neuropharmacology ResearchTravaux en français237 207