MétaCan
Menu
Retour à la cohorte
Enregistrement W3197433739 · doi:10.1073/pnas.2110980118

Interspecies activation correlations reveal functional correspondences between marmoset and human brain areas

2021· article· en· W3197433739 sur OpenAlexafffund
Yuki Hori, Justine Cléry, Janahan Selvanayagam, David J. Schaeffer, Kevin Johnston, Ravi S. Menon, Stefan Everling

Notice bibliographique

RevueProceedings of the National Academy of Sciences · 2021
Typearticle
Langueen
DomaineNeuroscience
ThématiqueNeural dynamics and brain function
Établissements canadiensWestern University
Organismes subventionnairesCanadian Institutes of Health ResearchCanada First Research Excellence FundGovernment of Canada
Mots-clésMarmosetHuman brainEvolutionary biologyNeuroscienceBiologyPsychologyPaleontology

Résumé

récupéré en direct d'OpenAlex

The common marmoset has enormous promise as a nonhuman primate model of human brain functions. While resting-state functional MRI (fMRI) has provided evidence for a similar organization of marmoset and human cortices, the technique cannot be used to map the functional correspondences of brain regions between species. This limitation can be overcome by movie-driven fMRI (md-fMRI), which has become a popular tool for noninvasively mapping the neural patterns generated by rich and naturalistic stimulation. Here, we used md-fMRI in marmosets and humans to identify whole-brain functional correspondences between the two primate species. In particular, we describe functional correlates for the well-known human face, body, and scene patches in marmosets. We find that these networks have a similar organization in both species, suggesting a largely conserved organization of higher-order visual areas between New World marmoset monkeys and humans. However, while face patches in humans and marmosets were activated by marmoset faces, only human face patches responded to the faces of other animals. Together, the results demonstrate that higher-order visual processing might be a conserved feature between humans and New World marmoset monkeys but that small, potentially important functional differences exist.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,002
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,521
Score d'incertitude au seuil0,373

Scores Codex et Gemma par catégorie

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

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 Opus0,085
Tête enseignante GPT0,316
Écart entre enseignants0,231 · 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 tête enseignante, 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

Citations50
Publié2021
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueProceedings of the National Academy of SciencesMême sujetNeural dynamics and brain functionTravaux en français237 207