MétaCan
Menu
← Retour à la cohorte
Enregistrement W2514339611 · doi:10.1523/eneuro.0087-16.2016

Using a Semi-Automated Strategy to Develop Multi-Compartment Models That Predict Biophysical Properties of Interneuron-Specific 3 (IS3) Cells in Hippocampus

2016· article· en· W2514339611 sur OpenAlexafffund
Alexandre Guet-McCreight, Olivier Camiré, Lisa Topolnik, Frances K. Skinner

Notice bibliographique

RevueeNeuro · 2016
Typearticle
Langueen
DomaineNeuroscience
ThématiqueNeuroscience and Neuropharmacology Research
Établissements canadiensUniversité LavalCentre hospitalier universitaire de QuébecUniversity of TorontoUniversity Health Network
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaCanadian Institutes of Health Research
Mots-clésSomaInterneuronNeuroscienceCompartment (ship)Hippocampal formationIon channelCell typeGABAergicPatch clampElectrophysiologyPotassium channelHippocampusBiological systemInward-rectifier potassium ion channelBiologyComputer scienceCellBiophysics

Résumé

récupéré en direct d'OpenAlex

Abstract Determining how intrinsic cellular properties govern and modulate neuronal input–output processing is a critical endeavor for understanding microcircuit functions in the brain. However, lack of cellular specifics and nonlinear interactions prevent experiments alone from achieving this. Building and using cellular models is essential in these efforts. We focus on uncovering the intrinsic properties ofmus musculushippocampal type 3 interneuron-specific (IS3) cells, a cell type that makes GABAergic synapses onto specific interneuron types, but not pyramidal cells. While IS3 cell morphology and synaptic output have been examined, their voltage-gated ion channel profile and distribution remain unknown. We combined whole-cell patch-clamp recordings and two-photon dendritic calcium imaging to examine IS3 cell membrane and dendritic properties. Using these data as a target reference, we developed a semi-automated strategy to obtain multi-compartment models for a cell type with unknown intrinsic properties. Our approach is based on generating populations of models to capture determined features of the experimental data, each of which possesses unique combinations of channel types and conductance values. From these populations, we chose models that most closely resembled the experimental data. We used these models to examine the impact of specific ion channel combinations on spike generation. Our models predict that fast delayed rectifier currents should be present in soma and proximal dendrites, and this is confirmed using immunohistochemistry. Further, without A-type potassium currents in the dendrites, spike generation is facilitated at more distal synaptic input locations. Our models will help to determine the functional role of IS3 cells in hippocampal microcircuits.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,017
Score d'incertitude au seuil0,033

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0010,000
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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.

Tête enseignante Opus0,239
Tête enseignante GPT0,355
Écart entre enseignants0,117 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
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

Citations19
Publié2016
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueeNeuro→Même sujetNeuroscience and Neuropharmacology Research→Travaux en français237 207→