Morphological identification and systematic classification of mammalian retinal ganglion cells. I. Rabbit retinal ganglion cells
Notice bibliographique
Résumé
Retinal ganglion cells (RGCs) convey visual signals to 50 regions of the brain. For reasons of interest and convenience, they constitute an excellent system for the study of brain structure and function. There is general agreement that, absent a complete "parts list," understanding how the nervous system processes information will remain an elusive goal. Recent studies indicate that there are 30-50 types of ganglion cell in mouse retina, whereas only a few years ago it was still written that mice and the more visually oriented lagomorphs had less than 20 types of RGC. More than 30 years ago, I estimated that rabbits have about 40 types of RGC. The present study indicates that this number is much too low. I have employed the old but powerful method of Golgi-impregnation to rabbit retina, studying the range of component neurons in this already well-studied retinal system. Close quantitative and qualitative analyses of 1,142 RGCs in 26 retinas take into account cell body and dendritic field size, level(s) of dendritic stratification in the retina's inner plexiform layer, and details of dendritic branching. Ninety-one morphologies are recognized. Of these, at least 32 can be correlated with physiologically studied RGCs, dye-injected for morphological analysis. It is unlikely that rabbits have 91 types of RGC, but is argued here that this number lies between 60 and 70. The present study provides a "yardstick" for measuring the output of future molecular studies that may be more definitive in fixing the number of RGC types in rabbit retina.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
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 tête enseignante, 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 ».