Biophysical Modelling of the Triadic Synapse in the Lateral Geniculate Nucleus
Notice bibliographique
Résumé
The lateral geniculate nucleus (LGN) is responsible for transmitting visual information from the optic nerve to the primary visual cortex. Located within the LGN is the triadic synapse, an unusual yet fundamental structure wherein a retinal ganglion cell simultaneously synapses onto a relay cell and an interneuron, with the same interneuron also providing inhibition to the relay cell. Despite the large body of physiological data available for each of these cell types individually, the triadic synapse's behaviour and function in information processing remains poorly understood. In this work, we create a biophysical model of the triadic synapse using Python with Neuron. Our model is based on specifications from literature and consists of retinal ganglion inputs, an interneuron and a relay cell synapsing in appropriate triad formation. Computational simulations through the model find that triadic inhibition alone causes faster neuronal repolarisation following excitation than axonal inhibition alone, granting temporal precision to visual signals. Importantly, we find that our triad model expresses temporal selectivity by boosting coincident retinal spikes to selectively pass significant visual events over network noise. This occurs as synchronous retinal inputs elicit a strong relay cell response, whilst asynchronous inputs produce overlapping excitation and inhibition, thus driving relay cells less effectively. This validates the feasibility of temporal selectivity as a core functional property of the synapse and compounds current computational research in investigating triadic circuitry behaviour.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 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 ».