Low-to-High Cross-Frequency Coupling in the Electrical Rhythms as Biomarker for Hyperexcitable Neuroglial Networks of the Brain
Notice bibliographique
Résumé
OBJECTIVE: One of the features used in the study of hyperexcitablility is high-frequency oscillations (HFOs, >80 Hz). HFOs have been reported in the electrical rhythms of the brain's neuroglial networks under physiological and pathological conditions. Cross-frequency coupling (CFC) of HFOs with low-frequency rhythms was used to identify pathologic HFOs in the epileptogenic zones of epileptic patients and as a biomarker for the severity of seizure-like events in genetically modified rodent models. We describe a model to replicate reported CFC features extracted from recorded local field potentials (LFPs) representing network properties. METHODS: This study deals with a four-unit neuroglial cellular network model where each unit incorporates pyramidal cells, interneurons, and astrocytes. Three different pathways of hyperexcitability generation-Na - ATPase pump, glial potassium clearance, and potassium afterhyperpolarization channel-were used to generate LFPs. Changes in excitability, average spontaneous electrical discharge (SED) duration, and CFC were then measured and analyzed. RESULTS: Each parameter caused an increase in network excitability and the consequent lengthening of the SED duration. Short SEDs showed CFC between HFOs and theta oscillations (4-8 Hz), but in longer SEDs the low frequency changed to the delta range (1-4 Hz). CONCLUSION: Longer duration SEDs exhibit CFC features similar to those reported by our team. SIGNIFICANCE: First, Identifying the exponential relationship between network excitability and SED durations; second, highlighting the importance of glia in hyperexcitability (as they relate to extracellular potassium); and third, elucidation of the biophysical basis for CFC coupling features.
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) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 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 ».