MétaCan
Menu
Retour à la cohorte
Enregistrement W4304780429 · doi:10.1016/j.isci.2022.105335

Optokinetic set-point adaptation functions as an internal dynamic calibration mechanism for oculomotor disequilibrium

2022· article· en· W4304780429 sur OpenAlexafffund
Ting‐Feng Lin, Mohammad Hossain Mohammadi, Kathleen E. Cullen, Maurice J. Chacron, Yingyu Huang

Notice bibliographique

RevueiScience · 2022
Typearticle
Langueen
DomaineNeuroscience
ThématiqueNeural dynamics and brain function
Établissements canadiensMcGill University
Organismes subventionnairesNational Institutes of HealthUniversität ZürichInselspital, Universitätsspital BernCanadian Institutes of Health ResearchEMDO StiftungMcGill University
Mots-clésOptokinetic reflexAdaptation (eye)Sensory AdaptationNeuroscienceSet (abstract data type)Mechanism (biology)PsychologyEye movementSensory systemComputer sciencePhysics

Résumé

récupéré en direct d'OpenAlex

Experience-dependent brain circuit plasticity underlies various sensorimotor learning and memory processes. Recently, a novel set-point adaptation mechanism was identified that accounts for the pronounced negative optokinetic afternystagmus (OKAN) following a sustained period of unidirectional optokinetic nystagmus (OKN) in larval zebrafish. To investigate the physiological significance of optokinetic set-point adaptation, animals in the current study were exposed to a direction-alternating optokinetic stimulation paradigm that better resembles their visual experience in nature. Our results reveal that not only was asymmetric alternating stimulation sufficient to induce the set-point adaptation and the resulting negative OKAN, but most strikingly, under symmetric alternating stimulation some animals displayed an inherent bias of the OKN gain in one direction, and that was compensated by the similar set-point adaptation. This finding, supported by mathematical modeling, suggests that set-point adaptation allows animals to cope with asymmetric optokinetic behaviors evoked by either external stimuli or innate oculomotor biases.

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 distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,949
Score d'incertitude au seuil0,639

Scores Codex et Gemma par catégorie

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 technologies0,0010,000
Communication savante0,0000,001
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,029
Tête enseignante GPT0,275
Écart entre enseignants0,246 · 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 tête enseignante, 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

Citations1
Publié2022
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueiScienceMême sujetNeural dynamics and brain functionTravaux en français237 207