MétaCan
Menu
Retour à la cohorte
Enregistrement W2991580822 · doi:10.1101/861690

An optimized acetylcholine sensor for monitoring <i>in vivo</i> cholinergic activity

2019· preprint· en· W2991580822 sur OpenAlexafffund
Miao Jing, Yuexuan Li, Jianzhi Zeng, Pengcheng Huang, Miguel Skirzewski, Ornela Kljakic, Wanling Peng, Tongrui Qian, Ke Tan, Runlong Wu, Shichen Zhang, Sunlei Pan, Min Xu, Haohong Li, Lisa M. Saksida, Vânia F. Prado, Timothy J. Bussey, Marco A. M. Prado, Liangyi Chen, Heping Cheng, Yulong Li

Notice bibliographique

RevuebioRxiv (Cold Spring Harbor Laboratory) · 2019
Typepreprint
Langueen
DomaineNeuroscience
ThématiquePhotoreceptor and optogenetics research
Établissements canadiensWestern University
Organismes subventionnairesState Key Laboratory of Membrane BiologyNational Institutes of HealthCanada First Research Excellence FundCanadian Institutes of Health ResearchPeking UniversityNational Natural Science Foundation of China
Mots-clésAcetylcholineCholinergicNeuroscienceIn vivoChemistryBiologyEndocrinology

Résumé

récupéré en direct d'OpenAlex

The ability to directly measure acetylcholine (ACh) release is an essential first step towards understanding its physiological function. Here we optimized the GRAB ACh ( G PC R - A ctivation– B ased- ACh ) sensor with significantly improved sensitivity and minimal downstream coupling. Using this sensor, we measured in-vivo cholinergic activity in both Drosophila and mice, revealing compartmental ACh signals in fly olfactory center and single-trial ACh dynamics in multiple regions of the mice brain under a variety of different behaviors

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
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 enseignants0,016
Score d'incertitude au seuil0,999

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0020,001
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,042
Tête enseignante GPT0,308
Écart entre enseignants0,265 · 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 tête enseignante, pas un consensus.

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

Citations17
Publié2019
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revuebioRxiv (Cold Spring Harbor Laboratory)Même sujetPhotoreceptor and optogenetics researchTravaux en français237 207