MétaCan
Menu
Retour à la cohorte
Enregistrement W4319460067 · doi:10.1093/sleep/zsad026

Leveraging simplicity to generate fundamental insights into the complex nature of sleep-drives

2023· letter· en· W4319460067 sur OpenAlexaff
Kevin P. Grace

Notice bibliographique

RevueSLEEP · 2023
Typeletter
Langueen
DomaineNeuroscience
ThématiqueNeurobiology and Insect Physiology Research
Établissements canadiensUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésSleep (system call)WakefulnessNeuroscienceSimplicitySleep deprivationComputer sciencePsychologyCognitive scienceCognitionElectroencephalography

Résumé

récupéré en direct d'OpenAlex

A recent study in fruit flies (Drosophila melanogaster), published in the Journal of Neuroscience by Satterfield et al. [1], offers new insights into the nature and source of sleep drives that are highly relevant to our general understanding of sleep. Across species, our efforts to understand the control of sleep and wakefulness often focus on delineating the critical brain circuitry that controls these states. Due to the overwhelming complexity of the brain, particularly in mammals, efforts to map embedded control systems can easily become excessively granular neuroanatomical exercises that fail to reveal clear conceptual insights. It can be easy to lose sight of the relative simplicity of the rules that govern sleep control systems and that circuit mapping efforts should endeavor to explain. One of the principle rules of sleep systems is that a loss of sleep will often result in a subsequent increase in sleep time (i.e. a post-deprivation rebound, commonly referred to as sleep homeostasis). This means that the present and future propensity for sleep can critically depend on the previous sleep/wake history of the system. More specifically, this implies that the history of sleep and wake is somehow encoded within the system and that sleep/wake control circuitry is sensitive and responsive to this encoded history. This encoded history forms the basis of the so-called sleep drive. Identifying neurons that relay sleep drive can serve as a critical starting point for mapping sleep control networks that are embedded in complex systems. Starting with sleep-drive neurons, one can trace mechanisms for encoding sleep/wake history and state switching, which in turn integrate with mechanisms of sleep phenomenology and associated sleep functions. Satterfield et al. [1] leverage the simplicity, high throughput, and capacity for intersectional genetic manipulations of Drosophila to reveal fundamental characteristics of sleep drives, including their possible origins outside of the brain.

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 candidatesMéta-épidémiologie (sens strict), Intégrité de la recherche
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 enseignants0,290
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0010,001
Communication savante0,0000,000
Science ouverte0,0010,001
Intégrité de la recherche0,0010,004
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 Opus0,057
Tête enseignante GPT0,318
Écart entre enseignants0,261 · 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.

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
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueSLEEPMême sujetNeurobiology and Insect Physiology ResearchTravaux en français237 207