MétaCan
Menu
Retour à la cohorte
Enregistrement W2899380877 · doi:10.1002/cpns.57

High‐Throughput Analysis of Behavior Under the Control of Optogenetics in <i>Caenorhabditis elegans</i>

2018· article· en· W2899380877 sur OpenAlexafffund
Alex J. Yu, Troy A. McDiarmid, Evan L. Ardiel, Catharine H. Rankin

Notice bibliographique

RevueCurrent Protocols in Neuroscience · 2018
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueGenetics, Aging, and Longevity in Model Organisms
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaCanadian Institutes of Health Research
Mots-clésOptogeneticsCaenorhabditis elegansChannelrhodopsinNeurosciencePopulationComputer scienceThroughputPhototaxisBiologyMedicineTelecommunicationsWireless

Résumé

récupéré en direct d'OpenAlex

In this unit, we describe an inexpensive and versatile method for optogenetic stimulation of a large population of genetically engineered Caenorhabditis elegans worms while quantitatively analyzing behavior. A custom light-emitting diode light source is used to deliver blue-light stimuli, causing direct depolarization of neurons expressing the light-gated cation channel Channelrhodopsin-2, which in turn evokes behavioral responses. The behavioral responses are recorded by a high-throughput machine vision-based tracking system, the Multi-Worm Tracker, for detailed analysis. This approach allows researchers to bypass technical obstacles to simultaneously deliver uniform stimuli to a large number of freely behaving animals and investigate the neural underpinnings of behavior. © 2018 by John Wiley & Sons, Inc.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,305
Score d'incertitude au seuil0,556

Scores Codex et Gemma par catégorie

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

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 Opus0,031
Tête enseignante GPT0,338
Écart entre enseignants0,308 · 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 tête enseignante, 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

Citations8
Publié2018
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueCurrent Protocols in NeuroscienceMême sujetGenetics, Aging, and Longevity in Model OrganismsTravaux en français237 207