MétaCan
Menu
Retour à la cohorte
Enregistrement W3092320867 · doi:10.1038/s41598-020-73566-3

Dynamics of a neuronal pacemaker in the weakly electric fish Apteronotus

2020· article· en· W3092320867 sur OpenAlexafffund
Aaron R. Shifman, Yiren Sun, Chloé M Benoit, John E. Lewis

Notice bibliographique

RevueScientific Reports · 2020
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueFish biology, ecology, and behavior
Établissements canadiensGeneral Dynamics (Canada)University of Ottawa
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésElectric fishFish <Actinopterygii>Dynamics (music)Electric organNeuroscienceBiologyFisheryReceptorPhysicsGeneticsAcoustics

Résumé

récupéré en direct d'OpenAlex

The precise timing of neuronal activity is critical for normal brain function. In weakly electric fish, the medullary pacemaker network (PN) sets the timing for an oscillating electric organ discharge (EOD) used for electric sensing. This network is the most precise biological oscillator known, with sub-microsecond variation in oscillator period. The PN consists of two principle sets of neurons, pacemaker and relay cells, that are connected by gap junctions and normally fire in synchrony, one-to-one with each EOD cycle. However, the degree of gap junctional connectivity between these cells appears insufficient to provide the population averaging required for the observed temporal precision of the EOD. This has led to the hypothesis that individual cells themselves fire with high precision, but little is known about the oscillatory dynamics of these pacemaker cells. As a first step towards testing this hypothesis, we have developed a biophysical model of a pacemaker neuron action potential based on experimental recordings. We validated the model by comparing the changes in oscillatory dynamics produced by different experimental manipulations. Our results suggest that this relatively simple model can capture a large range of channel dynamics exhibited by pacemaker cells, and will thus provide a basis for future work on network synchrony and precision.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,005
Score d'incertitude au seuil0,010

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
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)0,0010,000

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 Opus0,014
Tête enseignante GPT0,226
Écart entre enseignants0,211 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
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

Citations6
Publié2020
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueScientific ReportsMême sujetFish biology, ecology, and behaviorTravaux en français237 207