Neuromodulation of Spinal Locomotor Networks in Rodents
Notice bibliographique
Résumé
BACKGROUND: The basic motor patterns driving rhythmic limb movements during walking are generated by networks of neurons called central pattern generators (CPGs). Within motor control systems, neuromodulators are necessary for proper and efficient CPG function because they induce or regulate essential components of spinal network activity, including firing parameters of CPG neurons and network synaptic strength, allowing the network to change/adapt and sometimes to even become functional. METHODS: The goal of this work is to focus on classical and recent findings addressing the role of neuromodulators such as glutamate, dopamine, acetylcholine and adenosine in eliciting, changing and sometimes terminating spinal CPG network function in rodents. RESULTS: Neuromodulatory inputs onto CPG locomotor networks have been additionally related to inducing state changes such as locomotor timing, phasing and speed, and to the induction/maintenance of actual network function. These inputs originate from supraspinal centers such as the brainstem and from intraspinal neurotransmission. The isolated in vitro rodent spinal cord preparation is a powerful model for studies on locomotor network organization because of its physiological and anatomical accessibility, as well as the incorporation of various transgenic approaches to identify specific neuronal populations. Both roles are accomplished through the action of neuromodulators on ionotropic and metabotropic receptors mediating synaptic neurotransmission, which can be used by neurons that are intrinsic or extrinsic components of a CPG network itself. CONCLUSION: This article has hopefully provided a comprehensive overview of some of the main spinal mechanisms involved in the modulatory control of locomotor activity.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 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 | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 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 ».