MétaCan
Menu
← Retour à la cohorte
Enregistrement W2783611170 · doi:10.1523/jneurosci.1824-17.2017

Emerging Mechanisms Underlying Dynamics of GABAergic Synapses

2017· review· en· W2783611170 sur OpenAlexaff
Arianna Maffei, Cécile Charrier, Maddalena D. Caiati, Andrea Barberis, Vivek Mahadevan, Melanie A. Woodin, Shiva K. Tyagarajan

Notice bibliographique

RevueJournal of Neuroscience · 2017
Typereview
Langueen
DomaineNeuroscience
ThématiqueNeuroscience and Neuropharmacology Research
Établissements canadiensUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésInhibitory postsynaptic potentialNeuroscienceGABAergicExcitatory postsynaptic potentialNeurotransmissionBiologySynapsePostsynaptic potentialExcitatory synapseReceptor

Résumé

récupéré en direct d'OpenAlex

Inhibitory circuits are diverse, yet with a poorly understood cell biology. Functional characterization of distinct inhibitory neuron subtypes has not been sufficient to explain how GABAergic neurotransmission sculpts principal cell activity in a relevant fashion. Our Mini-Symposium brings together several emerging mechanisms that modulate GABAergic neurotransmission dynamically from either the presynaptic or the postsynaptic site. The first two talks discuss novel developmental and neuronal subtype-specific contributions to the excitatory/inhibitory balance and circuit maturation. The next three talks examine how interactions between cellular pathways, lateral diffusion of proteins between synapses, and chloride transporter function at excitatory and inhibitory synapses and facilitate inhibitory synapse adaptations. Finally, we address functional differences within GABAergic interneurons to highlight the importance of diverse, flexible, and versatile inputs that shape network function. Together, the selection of topics demonstrates how developmental and activity-dependent mechanisms coordinate inhibition in relation to the excitatory inputs and vice versa.

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)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,008

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0020,001
Études des sciences et des technologies0,0000,001
Communication savante0,0010,002
Science ouverte0,0010,001
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0020,002

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 Opus0,339
Tête enseignante GPT0,489
Écart entre enseignants0,151 · 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'étudeSans objet
Domainenon disponible
GenreSynthèse

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

En bref

Citations33
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Neuroscience→Même sujetNeuroscience and Neuropharmacology Research→Travaux en français237 207→