MétaCan
Menu
Retour à la cohorte
Enregistrement W2896828094 · doi:10.1523/eneuro.0269-18.2018

As Soon as You Taste It: Evidence for Sequential and Parallel Processing of Gustatory Information

2018· article· en· W2896828094 sur OpenAlexaff
Raphael Wallroth, Kathrin Ohla

Notice bibliographique

RevueeNeuro · 2018
Typearticle
Langueen
DomaineNursing
ThématiqueBiochemical Analysis and Sensing Techniques
Établissements canadiensNutrasource
Organismes subventionnairesBundesministerium für Bildung und Forschung
Mots-clésTastePerceptionNeurosciencePsychologyCommunicationCognitive psychology

Résumé

récupéré en direct d'OpenAlex

The quick and reliable detection and identification of a tastant in the mouth regulate nutrient uptake and toxin expulsion. Consistent with the pivotal role of the gustatory system, taste category information (e.g., sweet, salty) is represented during the earliest phase of the taste-evoked cortical response (Crouzet et al., 2015), and different tastes are perceived and responded to within only a few hundred milliseconds, in rodents (Perez et al., 2013) and humans (Bujas, 1935). Currently, it is unknown whether taste detection and discrimination are sequential or parallel processes, i.e., whether you know what it is as soon as you taste it. To investigate the sequence of processing steps involved in taste perceptual decisions, participants tasted sour, salty, bitter, and sweet solutions and performed a taste-detection and a taste-discrimination task. We measured response times (RTs) and 64-channel scalp electrophysiological recordings and tested the link between the timing of behavioral decisions and the timing of neural taste representations determined with multivariate pattern analyses. Irrespective of taste and task, neural decoding onset and behavioral RTs were strongly related, demonstrating that differences between taste judgments are reflected early during chemosensory encoding. Neural and behavioral detection times were faster for the iso-hedonic salty and sour tastes than their discrimination time. No such latency difference was observed for sweet and bitter, which differ hedonically. Together, these results indicate that the human gustatory system detects a taste faster than it discriminates between tastes, yet hedonic computations may run in parallel (Perez et al., 2013) and facilitate taste identification.

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)0,003
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
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 enseignants0,003
Score d'incertitude au seuil0,009

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,003
Méta-épidémiologie (sens strict)0,0000,001
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,001
Communication savante0,0010,001
Science ouverte0,0000,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,001

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 Opus0,047
Tête enseignante GPT0,344
Écart entre enseignants0,297 · 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'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

Citations29
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueeNeuroMême sujetBiochemical Analysis and Sensing TechniquesTravaux en français237 207