MétaCan
Menu
Retour à la cohorte
Enregistrement W2951680509 · doi:10.48336/tvfh-3155

Glutamate dynamics determine the magnitude of Hebbian synaptic plasticity

2022· dissertation· en· W2951680509 sur OpenAlexaff
Jocelyn R. Barnes

Notice bibliographique

RevueMemorial University Research Repository (Memorial University) · 2022
Typedissertation
Langueen
DomaineEngineering
ThématiqueAdvanced Memory and Neural Computing
Établissements canadiensMemorial University of Newfoundland
Organismes subventionnairesnon disponible
Mots-clésHebbian theorySynaptic plasticityPlasticityNeuroscienceDynamics (music)PsychologyPhysicsComputer scienceArtificial intelligenceArtificial neural networkBiology

Résumé

récupéré en direct d'OpenAlex

Increasing evidence suggests that synaptic NMDA receptors (NMDARs) promote long term potentiation (LTP) while extrasynaptic NMDARs inhibit LTP and promote long term depression (LTD). Glutamate transporters maintain this balance by rapidly clearing glutamate from the extracellular space. In many disease states, transporter dysfunction is thought to underlie LTP deficits. However, the precise relationship between extracellular glutamate dynamics and LTP is unknown. Here, we used an optogenetic sensor of glutamate to monitor glutamate dynamics in real-time during LTP induction. Pharmacologically blocking glutamate transporters slowed clearance and inhibited LTP magnitude in a concentration-dependent manner. Surprisingly, impaired glutamate clearance caused rapid NMDAR desensitization and simultaneous three-fold increases in postsynaptic calcium through L-type voltage gated calcium channels. Overall, our data characterize the relationship between glutamate dynamics and LTP, and identify a novel mechanism underlying LTP impairment due to slow glutamate clearance. These results may be applicable to neurodegenerative diseases associated with impaired synaptic plasticity and glutamate transporter dysfunction.

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)0,000
score de la tête « metaresearch » (Gemma)0,001
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 enseignants0,001
Score d'incertitude au seuil0,005

Scores du classifieur distillé par catégorie (deux têtes)

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

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 Opus0,019
Tête enseignante GPT0,249
Écart entre enseignants0,229 · 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

Citations0
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueMemorial University Research Repository (Memorial University)Même sujetAdvanced Memory and Neural ComputingTravaux en français237 207