Faculty Opinions recommendation of Deep sequencing of somatosensory neurons reveals molecular determinants of intrinsic physiological properties.
Notice bibliographique
Résumé
Dorsal root ganglion (DRG) sensory neuron subtypes defined by their in vivo properties display distinct intrinsic electrical properties. We used bulk RNA sequencing of genetically labeled neurons and electrophysiological analyses to define ion channel contributions to the intrinsic electrical properties of DRG neuron subtypes. The transcriptome profiles of eight DRG neuron subtypes revealed differentially expressed and functionally relevant genes, including voltage-gated ion channels. Guided by these data, electrophysiological analyses using pharmacological and genetic manipulations as well as computational modeling of DRG neuron subtypes were undertaken to assess the functions of select voltage-gated potassium channels (Kv1, Kv2, Kv3, and Kv4) in shaping action potential (AP) waveforms and firing patterns. Our findings show that the transcriptome profiles have predictive value for defining ion channel contributions to sensory neuron subtype-specific intrinsic physiological properties. The distinct ensembles of voltage-gated ion channels predicted to underlie the unique intrinsic physiological properties of eight DRG neuron subtypes are presented.Copyright © 2019 Elsevier Inc. All rights reserved. PMID: 31248728 Funding information This work was supported by: NINDS NIH HHS, United States Grant ID: R37 NS036855 NINDS NIH HHS, United States Grant ID: R35 NS097344 NINDS NIH HHS, United States Grant ID: R01 NS036855 Howard Hughes Medical Institute, United States
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,010 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,003 | 0,004 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,050 | 0,042 |
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 source (Gemma direct ou Codex distillé), 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 ».