MétaCan
Menu
Retour à la cohorte
Enregistrement W3207323893 · doi:10.3389/fnins.2021.739730

Effects of Mechanosensory Input on the Tracking of Pulsatile Odor Stimuli by Moth Antennal Lobe Neurons

2021· article· en· W3207323893 sur OpenAlexfundno aff
Harrison Tuckman, Mainak Patel, Hong Lei

Notice bibliographique

RevueFrontiers in Neuroscience · 2021
Typearticle
Langueen
DomaineNeuroscience
ThématiqueNeurobiology and Insect Physiology Research
Établissements canadiensnon disponible
Organismes subventionnairesMedical Research CouncilCanadian Institutes of Health ResearchUK Research and InnovationDeutsche ForschungsgemeinschaftSimons FoundationNational Science Foundation
Mots-clésAntennal lobeStimulus (psychology)OdorNeurosciencePulsatile flowSensory systemTemporal resolutionPulse (music)BiologyBiological systemPhysicsPsychologyOptics

Résumé

récupéré en direct d'OpenAlex

Air turbulence ensures that in a natural environment insects tend to encounter odor stimuli in a pulsatile fashion. The frequency and duration of odor pulses varies with distance from the source, and hence successful mid-flight odor tracking requires resolution of spatiotemporal pulse dynamics. This requires both olfactory and mechanosensory input (from wind speed), a form of sensory integration observed within the antennal lobe (AL). In this work, we employ a model of the moth AL to study the effect of mechanosensory input on AL responses to pulsatile stimuli; in particular, we examine the ability of model neurons to: (1) encode the temporal length of a stimulus pulse; (2) resolve the temporal dynamics of a high frequency train of brief stimulus pulses. We find that AL glomeruli receiving olfactory input are adept at encoding the temporal length of a stimulus pulse but less effective at tracking the temporal dynamics of a pulse train, while glomeruli receiving mechanosensory input but little olfactory input can efficiently track the temporal dynamics of high frequency pulse delivery but poorly encode the duration of an individual pulse. Furthermore, we show that stronger intrinsic small-conductance calcium-dependent potassium (SK) currents tend to skew cells toward being better trackers of pulse frequency, while weaker SK currents tend to entail better encoding of the temporal length of individual pulses. We speculate a possible functional division of labor within the AL, wherein, for a particular odor, glomeruli receiving strong olfactory input exhibit prolonged spiking responses that facilitate detailed discrimination of odor features, while glomeruli receiving mechanosensory input (but little olfactory input) serve to resolve the temporal dynamics of brief, pulsatile odor encounters. Finally, we discuss how this hypothesis extends to explaining the functional significance of intraglomerular variability in observed phase II response patterns of AL neurons.

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: 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
Métarecherche0,0000,000
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 recherche0,0000,001
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 Opus0,032
Tête enseignante GPT0,281
Écart entre enseignants0,249 · 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

Citations8
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueFrontiers in NeuroscienceMême sujetNeurobiology and Insect Physiology ResearchTravaux en français237 207