MétaCan
Menu
Retour à la cohorte
Enregistrement W2994718412 · doi:10.1038/s41598-019-55457-4

Negative optokinetic afternystagmus in larval zebrafish demonstrates set-point adaptation

2019· article· en· W2994718412 sur OpenAlexafffund
Ting‐Feng Lin, Mohammad Hossain Mohammadi, Ahmed Fathalla, Duygu Pul, Dennis Lüthi, Fausto Romano, Dominik Straumann, Kathleen E. Cullen, Maurice J. Chacron, Yingyu Huang

Notice bibliographique

RevueScientific Reports · 2019
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueZebrafish Biomedical Research Applications
Établissements canadiensMcGill University
Organismes subventionnairesCanadian Institutes of Health ResearchMcGill University
Mots-clésAdaptation (eye)ZebrafishLarvaSet (abstract data type)BiologyOptokinetic reflexSet pointComputer scienceComputational biologyZoologyArtificial intelligenceEcologyNeuroscienceGeneticsGeneEye movementEngineering

Résumé

récupéré en direct d'OpenAlex

Motor learning is essential to maintain accurate behavioral responses. We used a larval zebrafish model to study ocular motor learning behaviors. During a sustained period of optokinetic stimulation in 5-day-old wild-type zebrafish larvae the slow-phase eye velocity decreased over time. Then interestingly, a long-lasting and robust negative optokinetic afternystagmus (OKAN) was evoked upon light extinction. The slow-phase velocity, the quick-phase frequency, and the decay time constant of the negative OKAN were dependent on the stimulus duration and the adaptation to the preceding optokinetic stimulation. Based on these results, we propose a sensory adaptation process during continued optokinetic stimulation, which, when the stimulus is removed, leads to a negative OKAN as the result of a changed retinal slip velocity set point, and thus, a sensorimotor memory. The pronounced negative OKAN in larval zebrafish not only provides a practical solution to the hitherto unsolved problems of observing negative OKAN, but also, and most importantly, can be readily applied as a powerful model for studying sensorimotor learning and memory in vertebrates.

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)0,000
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,115
Score d'incertitude au seuil0,504

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
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 savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
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 Opus0,012
Tête enseignante GPT0,272
Écart entre enseignants0,261 · 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.

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

Citations8
Publié2019
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueScientific ReportsMême sujetZebrafish Biomedical Research ApplicationsTravaux en français237 207