MétaCan
Menu
Retour à la cohorte
Enregistrement W3106576857 · doi:10.1101/2020.12.04.410787

Minimal requirements for a neuron to co-regulate many properties and the implications for ion channel correlations and robustness

2020· preprint· en· W3106576857 sur OpenAlexafffund
Jane Yang, Husain Shakil, Stéphanie Ratté, Steven A. Prescott

Notice bibliographique

RevuebioRxiv (Cold Spring Harbor Laboratory) · 2020
Typepreprint
Langueen
DomaineNeuroscience
ThématiqueNeural dynamics and brain function
Établissements canadiensSickKids FoundationHospital for Sick ChildrenUniversity of Toronto
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaCanadian Institutes of Health ResearchHospital for Sick ChildrenUniversity of Toronto
Mots-clésChannel (broadcasting)Ion channelControl theory (sociology)Robustness (evolution)Offset (computer science)Biological systemComputer scienceTopology (electrical circuits)MathematicsBiologyTelecommunicationsCombinatoricsGenetics

Résumé

récupéré en direct d'OpenAlex

ABSTRACT Neurons regulate their excitability by adjusting their ion channel levels. Degeneracy – achieving equivalent outcomes (excitability) using different solutions (channel combinations) – facilitates this regulation by enabling a disruptive change in one channel to be offset by compensatory changes in other channels. But neurons must co-regulate many properties. Pleiotropy – the impact of one channel on more than one property – complicates regulation because a compensatory ion channel change that restores one property to its target value often disrupts other properties. How then does a neuron simultaneously regulate multiple properties? Here we demonstrate that of the many channel combinations producing the target value for one property (the single-output solution set), few combinations produce the target value for other properties. Combinations producing the target value for two or more properties (the multi-output solution set) correspond to the intersection between single-output solution sets. Properties can be effectively co-regulated only if the number of adjustable channels ( n in ) exceeds the number of regulated properties ( n out ). Ion channel correlations emerge during homeostatic regulation when the dimensionality of solution space ( n in – n out ) is low. Even if each property can be regulated to its target value when considered in isolation, regulation as a whole fails if single-output solution sets do not intersect. Our results also highlight that ion channels must be co-adjusted with different ratios to regulate different properties, which suggests that each error signal drives modulatory changes independently, despite those changes ultimately affecting the same ion channels.

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)0,001
score de la tête « metaresearch » (Gemma)0,007
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,003
Score d'incertitude au seuil0,009

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,007
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,001
Communication savante0,0020,002
Science ouverte0,0010,002
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,001

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 Opus0,073
Tête enseignante GPT0,261
Écart entre enseignants0,188 · 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'étudeThéorique ou conceptuel
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

Citations3
Publié2020
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revuebioRxiv (Cold Spring Harbor Laboratory)Même sujetNeural dynamics and brain functionTravaux en français237 207