MétaCan
Menu
← Retour à la cohorte
Enregistrement W2984788004 · doi:10.7554/elife.31220.037

Author response: Salient experiences are represented by unique transcriptional signatures in the mouse brain

2018· peer-review· en· W2984788004 sur OpenAlexaff
Diptendu Mukherjee, Bogna M. Ignatowska‐Jankowska, Eyal Itskovits, Ben J. Gonzales, Hagit Turm, Liz Izakson, Doron Haritan, Noa Bleistein, Chen Cohen, Ido Amit, Tal Shay, Brad A. Grueter, Alon Zaslaver, Ami Citri

Notice bibliographique

Revuenon disponible
Typepeer-review
Langueen
DomaineNeuroscience
ThématiqueMemory and Neural Mechanisms
Établissements canadiensCanadian Institute for Advanced Research
Organismes subventionnairesnon disponible
Mots-clésSalientTranscription (linguistics)Cognitive scienceComputer sciencePsychologyNeuroscienceArtificial intelligenceLinguistics

Résumé

récupéré en direct d'OpenAlex

Can we tell what important event a mouse – or even a person – has recently experienced? The current experience of an individual can be inferred from brain imaging experiments. However, along with changing brain activity, such an experience also switches on gene activity throughout the brain. This enables neurons to produce the proteins required to form a long-term memory of the experience. Do distinct, memorable experiences trigger unique signatures of gene activity? To answer this question, Mukherjee, Ignatowska-Jankowska, Itskovits et al. exposed mice to a variety of experiences. Some were unpleasant and induced aversion; for example, the mouse may have felt nauseous or experienced brief pain and fear. Other experiences, such as when the mouse drank sugary water, received food or was injected with cocaine, were rewarding. Each of the experiences led to the activation of unique combinations of genes in different regions of the brain. Analysing a subset of the activated genes in various brain regions led to the identification of unique and reliable gene expression signatures of experience. These signatures allowed the recent experience of mice to be decoded with nearly 100% accuracy. While these unique signatures can distinguish between recent experiences, experiences that share common features do trigger overlapping patterns of gene activation. For example, negative experiences – but not positive or neutral ones – activated similar patterns of genes in a brain region called the amygdala. In contrast, repeated rewarding experiences induced a distinct gene activity pattern that was most pronounced as increased activity in part of the brain called the frontal cortex. These findings increase our understanding of how the brain represents information. The approach described in the paper provides a strategy to measure the changes in the brain that occur when information is encoded for long-term storage. This measure could also be useful during drug development, revealing how new drug compounds affect the brain, as well as providing an objective measure of the subjective experience of an individual. For example, substances that trigger similar patterns of gene activation to addictive drugs may themselves be addictive. On the other hand, substances that induce similar activity patterns to known medications could also have similar therapeutic properties.

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)0,007
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: Sans objet
GenreSignal candidat: Autre · Signal consensuel: aucune
Score de désaccord entre enseignants0,168
Score d'incertitude au seuil0,562

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,007
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,000
Études des sciences et des technologies0,0010,001
Communication savante0,0010,001
Science ouverte0,0010,002
Intégrité de la recherche0,0060,004
Charge utile insuffisante (le modèle a refusé de juger)0,1680,039

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 Opus0,142
Tête enseignante GPT0,390
Écart entre enseignants0,248 · 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'étudeSans objet
Domainenon disponible
GenreAutre

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations1
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetMemory and Neural Mechanisms→Travaux en français237 207→