Phase Coherent Currents Underlying Neocortical Seizure-Like State Transitions
Notice bibliographique
Résumé
In the epileptic brain, phase amplitude cross-frequency coupling (CFC) features have been used to objectively classify seizure-related states, and the inter-seizure state has been demonstrated as being random, in contrast to the seizure state being predictable; however, the excitatory and inhibitory networks underlying their dynamics remain unclear. Therefore, the objectives of this study are to classify the dynamics of seizure sub-states labeling seizure-like event (SLE) onset and termination intervals using CFC features and to obtain their underlying excitatory/inhibitory cellular correlates. SLEs were induced in mouse neocortical brain slices using a low-magnesium perfusate, and were recorded in Layer II/III using simultaneous local field potential (LFP) and whole-cell voltage clamp electrodes. Classification of onset and termination of SLE transitions was investigated using CFC features in conjunction with an unsupervised two-state hidden Markov model (HMM). γ-Distributions of their durations indicated that both are predictable. Furthermore, omitting 4 Hz from the HMM classifier switched both SLE sub-states from statistically deterministic to random without changing the dynamics of the SLE state. These results were generalized to 4-aminopyridine (4-AP)-induced SLEs and human seizure traces. Only during these sub-states, both excitatory and inhibitory currents coupled with the field. Where excitatory currents phase locked to a broad range of frequencies between 1 and 12 Hz, inhibitory currents dominantly phase locked at 4 Hz. We conclude that inhibition underlies the predictability of neocortical CFC-defined SLE transition sub-states.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 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 | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».