Modeling the Influence of Synaptic Plasticity on After-effects
Notice bibliographique
Résumé
While circadian rhythms in physiology and behavior demonstrate remarkable day-to-day precision, they are also able to exhibit plasticity in a variety of parameters and under a variety of conditions. After-effects are one type of plasticity in which exposure to non-24-h light-dark cycles (T-cycles) will alter the animal's free-running rhythm in subsequent constant conditions. We use a mathematical model to explore whether the concept of synaptic plasticity can explain the observation of after-effects. In this model, the SCN is composed of a set of individual oscillators randomly selected from a normally distributed population. Each cell receives input from a defined set of oscillators, and the overall period of a cell is a weighted average of its own period and that of its inputs. The influence that an input has on its target's period is determined by the proximity of the input cell's period to the imposed T-cycle period, such that cells with periods near T will have greater influence. Such an arrangement is able to duplicate the phenomenon of after-effects, with relatively few inputs per cell (~4-5) being required. When the variability of periods between oscillators is low, the system is quite robust and results in minimal after-effects, while systems with greater between-cell variability exhibit greater magnitude after-effects. T-cycles that produce maximal after-effects have periods within ~2.5 to 3 h of the population period. Overall, this model demonstrates that synaptic plasticity in the SCN network could contribute to plasticity of the circadian period.
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 | 0,002 |
| 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 ».