Origins of proprioceptor feature selectivity and topographic maps in the <i>Drosophila</i> leg
Notice bibliographique
Résumé
Abstract Our ability to sense and move our bodies relies on proprioceptors, sensory neurons that detect mechanical forces within the body. Proprioceptors are diverse: different subtypes detect different features of joint kinematics, such as position, directional movement, and vibration. However, because they are located within complex and dynamic peripheral tissues, the underlying mechanisms of proprioceptor feature selectivity remain poorly understood. Here, we investigate molecular and biomechanical contributions to proprioceptor diversity in the Drosophila leg. Using single-nucleus RNA sequencing, we found that different proprioceptor subtypes express similar complements of mechanosensory and other ion channels. However, anatomical reconstruction of the proprioceptive organ and connected tendons revealed major biomechanical differences between proprioceptor subtypes. We constructed a computational model of the proprioceptors and tendons, which identified a putative biomechanical mechanism for joint angle selectivity. The model also predicted the existence of a goniotopic map of joint angle among position-tuned proprioceptors, which we confirmed using calcium imaging. Our findings suggest that biomechanical specialization is a key determinant of proprioceptor feature selectivity in Drosophila . More broadly, our discovery of proprioceptive maps in the fly leg reveals common organizational principles between proprioception and other topographically organized sensory systems.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 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 ».