MétaCan
Menu
Retour à la cohorte
Enregistrement W4220907868 · doi:10.1101/2022.03.16.484657

Medial septum glutamate neurons are essential for spatial goal-directed memory

2022· preprint· en· W4220907868 sur OpenAlexafffund
Jean-Bastien Bott, Jennifer C. Robinson, Frédéric Manseau, Etienne Gauthier-Lafrenière, Sylvain Williams

Notice bibliographique

RevuebioRxiv (Cold Spring Harbor Laboratory) · 2022
Typepreprint
Langueen
DomaineNeuroscience
ThématiqueMemory and Neural Mechanisms
Établissements canadiensMcGill UniversityDouglas Mental Health University Institute
Organismes subventionnairesCanadian Institutes of Health ResearchFondation FyssenNatural Sciences and Engineering Research Council of CanadaFondation Brain Canada
Mots-clésOptogeneticsNeuroscienceGlutamate receptorPremovement neuronal activityCalcium imagingSpatial memoryBiologyPsychologyWorking memoryMedicineCalciumInternal medicineCognitionBiochemistry

Résumé

récupéré en direct d'OpenAlex

ABSTRACT The medial septum (MS), a brain region containing acetylcholine, GABA and glutamate neurons, is essential for learning and memory. However, whether MS glutamate neurons contribute to memory is unknown. Here, we use calcium imaging and optogenetic silencing to determine the function of MS glutamate neurons in mice performing a spatial allocentric memory navigation task. While MS glutamate neurons appeared randomly active during free exploration, two groups of glutamate neurons emerged during training in a five-arm star maze, distinguished by their peak activity. The largest group was predominantly activated before locomotion whereas the other was primarily active when mice reached the reward site. Both populations were preferentially activated for correct over incorrect trajectories. Interestingly, optogenetic silencing of MS glutamate neurons immediately before mice start navigating, induced significant spatial memory impairments. Together these results demonstrate that MS glutamate neurons heterogeneously encode navigationally relevant information and are essential for spatial learning.

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 recherche0,0000,000
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 Opus0,034
Tête enseignante GPT0,261
Écart entre enseignants0,227 · 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

Citations5
Publié2022
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revuebioRxiv (Cold Spring Harbor Laboratory)Même sujetMemory and Neural MechanismsTravaux en français237 207