Trips and Neurotransmitters: Discovering Principled Patterns across 6,850 Hallucinogenic Experiences
Notice bibliographique
Résumé
ABSTRACT Psychedelics are thought to alter states of consciousness by disrupting how the higher association cortex governs bottom-up sensory signals. Individual hallucinogenic drugs are usually studied in participants in controlled laboratory settings. Here, we have explored word usage in 6,850 free-form testimonials with 27 drugs through the prism of 40 neurotransmitter receptor subtypes, which were then mapped to 3D coordinates in the brain via their gene transcription levels from invasive tissue probes. Despite the variable subjective nature of hallucinogenic experiences, our pattern-learning approach delineated how drug-induced changes of conscious awareness (e.g., dissolving self-world boundaries or fractal distortion of visual perception) are linked to cortex-wide anatomical distributions of receptor density proxies. The dominant explanatory factor related ego-dissolution-like phenomena to a constellation of 5-HT2A, D2, KOR, and NMDA receptors, anchored especially in the brain’s deep hierarchy (epitomized by the associative higher-order cortex) and shallow hierarchy (epitomized by the visual cortex). Additional factors captured psychological phenomena in which emotions (5-HT2A and Imidazoline1) were in tension with auditory (SERT, 5-HT1A) or visual (5-HT2A) sensations. Each discovered receptor-experience factor spanned between a higher-level association pole and a sensory input pole, which may relate to the previously reported collapse of hierarchical order among large-scale networks. Simultaneously considering many psychoactive molecules and thousands of natural language descriptions of drug experiences our framework finds the underlying semantic structure and maps it directly to the brain. These advances could assist in unlocking their wide-ranging potential for medical treatment.
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) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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 ».