Intrinsic neural diversity quenches the dynamic volatility of neural networks
Notice bibliographique
Résumé
Abstract Heterogeneity is the norm in biology. The brain is no different: neuronal cell-types are myriad, reflected through their cellular morphology, type, excitability, connectivity motifs and ion channel distributions. While this biophysical diversity enriches neural systems’ dynamical repertoire, it remains challenging to reconcile with the robustness and persistence of brain function over time. To better understand the relationship between heterogeneity and resilience, we analyzed both analytically and numerically a non-linear sparse neural network with balanced excitatory and inhibitory connections evolving over long time scales. We examined how neural diversity expressed as excitability heterogeneity in this network influences its dynamic volatility (i.e., its susceptibility to critical transitions). We exposed this network to slowly-varying modulatory fluctuations, continuously interrogating its stability and resilience. Our results show that excitability heterogeneity implements a homeostatic control mechanism tuning network stability in a context-dependent way. Such diversity was also found to enhance network resilience, quenching the volatility of its dynamics, effectively making the system independent of changes in many control parameters, such as population size, connection probability, strength and variability of synaptic weights as well as modulatory drive. Taken together, these results highlight the fundamental role played by cell-type heterogeneity in the robustness of brain function in the face of change. Significance Statement Contemporary research has identified widespread cell-to-cell intrinsic diversity in the brain, manifest through variations in biophysical features such as neuronal excitability. A natural question that arises from this phenomenon is what functional role, if any, this heterogeneity might serve. Combining computational and mathematical techniques, this interdisciplinary research shows that intrinsic cell-to-cell diversity, far from mere developmental noise, represents a homeostatic control mechanism, promoting the resilience of neuronal circuits. These results highlight the importance of diversity in the robustness and persistence of brain function over time and in the face of change.
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 | 0,003 |
| 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 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».