MétaCan
Menu
Retour à la cohorte
Enregistrement W3155886072 · doi:10.1523/jneurosci.2786-20.2021

Engram Size Varies with Learning and Reflects Memory Content and Precision

2021· article· en· W3155886072 sur OpenAlexaff
Jessica Leake, Raphael Zinn, Laura H. Corbit, Michael S. Fanselow, Bryce Vissel

Notice bibliographique

RevueJournal of Neuroscience · 2021
Typearticle
Langueen
DomaineNeuroscience
ThématiqueMemory and Neural Mechanisms
Établissements canadiensUniversity of Toronto
Organismes subventionnairesNational Institute of Mental HealthNational Health and Medical Research CouncilAustralian Research Council
Mots-clésEngramNeurosciencePsychologyHippocampal formationContext (archaeology)RecallDentate gyrusFear conditioningConditioningPremovement neuronal activityCognitive psychologyAmygdalaBiology

Résumé

récupéré en direct d'OpenAlex

Memories are rarely acquired under ideal conditions, rendering them vulnerable to profound omissions, errors, and ambiguities. Consistent with this, recent work using context fear conditioning has shown that memories formed after inadequate learning time display a variety of maladaptive properties, including overgeneralization to similar contexts. However, the neuronal basis of such poor learning and memory imprecision remains unknown. Using c-fos to track neuronal activity in male mice, we examined how these learning-dependent changes in context fear memory precision are encoded in hippocampal ensembles. We found that the total number of c-fos-encoding cells did not correspond with learning history but instead more closely reflected the length of the session immediately preceding c-fos measurement. However, using a c-fos-driven tagging method (TRAP2mouse line), we found that the degree of learning and memory specificity corresponded with neuronal activity in a subset of dentate gyrus cells that were active during both learning and recall. Comprehensive memories acquired after longer learning intervals were associated with more double-labeled cells. These were preferentially reactivated in the conditioning context compared with a similar context, paralleling behavioral discrimination. Conversely, impoverished memories acquired after shorter learning intervals were associated with fewer double-labeled cells. These were reactivated equally in both contexts, corresponding with overgeneralization. Together, these findings provide two surprising conclusions. First, engram size varies with learning. Second, larger engrams support better neuronal and behavioral discrimination. These findings are incorporated into a model that describes how neuronal activity is influenced by previous learning and present experience, thus driving behavior. SIGNIFICANCE STATEMENTMemories are not always formed under ideal circumstances. This is especially true in traumatic situations, such as car accidents, where individuals have insufficient time to process what happened around them. Such memories have the potential to overgeneralize to irrelevant situations, producing inappropriate fear and contributing to disorders, such as post-traumatic stress disorder. However, it is unknown how such poorly formed fear memories are encoded within the brain. We find that restricting learning time results in fear memories that are encoded by fewer hippocampal cells. Moreover, these fewer cells are inappropriately reactivated in both dangerous and safe contexts. These findings suggest that fear memories formed at brief periods overgeneralize because they lack the detail-rich information necessary to support neuronal discrimination.

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)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,003

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,001
Communication savante0,0010,001
Science ouverte0,0000,001
Intégrité de la recherche0,0000,001
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 Opus0,122
Tête enseignante GPT0,326
Écart entre enseignants0,204 · 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'étudeExpérimental (laboratoire)
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

Citations59
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of NeuroscienceMême sujetMemory and Neural MechanismsTravaux en français237 207