MétaCan
Menu
Retour à la cohorte
Enregistrement W2990680567 · doi:10.3389/fnsyn.2019.00031

Optimizing Optogenetic Activation of Purkinje Cell Axons to Investigate the Purkinje Cell – DCN Synapse

2019· article· en· W2990680567 sur OpenAlexafffund
Kim M. Gruver, Alanna J. Watt

Notice bibliographique

RevueFrontiers in Synaptic Neuroscience · 2019
Typearticle
Langueen
DomaineNeuroscience
ThématiquePhotoreceptor and optogenetics research
Établissements canadiensMcGill University
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaFonds de recherche du Québec – Nature et technologiesCanadian Institutes of Health Research
Mots-clésOptogeneticsNeurosciencePurkinje cellSynapseComputer scienceCerebellumBiology

Résumé

récupéré en direct d'OpenAlex

Optogenetics is a state-of-the-art tool for interrogating neural circuits. In the cerebellum, Purkinje cells serve as the sole output of the cerebellar cortex where they synapse on neurons in the deep cerebellar nuclei (DCN). To investigate the properties of this synaptic connection, we sought to elicit time-locked single action potentials from Purkinje cell axons. Using optical stimulation of channelrhodopsin-2 (ChR2)-expressing Purkinje cells combined with patch-clamp recordings of Purkinje cells and DCN neurons in acute cerebellar slices, we determine the photostimulation parameters required to elicit single time-locked action potentials from Purkinje cell axons. We show that axons require longer light pulses than somata do to elicit single action potentials and that Purkinje cell axons are also more susceptible to light perturbations. We then demonstrate that these empirically determined photostimulation parameters elicit time-locked synaptic currents from postsynaptic cells in the DCN. Our results highlight the importance of optimizing optogenetic stimulation conditions to interrogate synaptic connections.

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 seuil0,004

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
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 Opus0,027
Tête enseignante GPT0,263
Écart entre enseignants0,235 · 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

Citations3
Publié2019
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueFrontiers in Synaptic NeuroscienceMême sujetPhotoreceptor and optogenetics researchTravaux en français237 207