27th Annual Computational Neuroscience Meeting (CNS*2018): Part Two
Notice bibliographique
Résumé
Although a number of previous experimental and theoretical studies have investigated network reorganisation following deafferentation down to the level of synaptic elements [4], the mechanisms that are involved in this process are still not completely understood. We examined the dynamics of the repair mechanism by incorporating activity dependent homeostatic structural plasticity [1] into a spiking neural network model balanced by inhibitory synaptic plasticity [6]. Results from our simulations suggest that the process of reconfiguration of lateral connectivity following sensory deprivation is extremely sensitive to the balance of excitation and inhibition (E-I) in the network. We find that while fast homeostatic inhibitory synaptic plasticity is able to re-establish the E-I balance in neurons outside the lesion projection zone (LPZ), it prevents them from transferring excitatory activity to the deprived neurons in the LPZ. On the other hand, uncontrolled disinhibition by suppression of homeostatic inhibitory synaptic plasticity initially allows deprived neurons to regain activity but fails to stabilise the network back to a functional balanced state. These observations are in accordance with findings that indicate that inhibition plays a critical role in network rewiring [2] seemingly by stimulating structural plasticity mechanisms seen during development [5]. The sprouting of inhibitory axons outwards from the LPZ, opposite to excitatory axons has also been observed, possibly to re-inhibit neurons outside the LPZ [3]. Therefore, we hypothesise that the ratio of excitation and inhibition must follow a specific trajectory in the different regions of the network to enable successful repair as has been observed in various studies. The model of structural plasticity implements the dynamics of synaptic elements as dependent on intrinsic properties of individual neurons only [1]. The configuration of the network, by the formation and removal of synapses therefore depends solely on the numbers of various synaptic elements. Our current work extends this model by considering other factors that affect network rewiring, such as the activity dependent stability of synapses, and inhibition gradient guided axonal sprouting [4], to build a more faithful simulation of the underlying dynamics. This will enable us to study the effects of network reorganisation after deprivation on its computational functions, such as associative memory.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,002 | 0,004 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,124 | 0,050 |
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 source (Gemma direct ou Codex distillé), 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 ».