Recruitment of the indirect pathway by subthalamic deep brain stimulation
Notice bibliographique
Résumé
Abstract Background: Deep brain stimulation (DBS) of the subthalamic nucleus is a therapeutic neurocircuit intervention to treat symptoms of Parkinson’s disease (PD). Recently, evoked resonant neural activity (ERNA) has been described as a signature of subthalamic DBS that scales with therapeutic efficacy, but the single neuron and synaptic bases underlying ERNA remain unsubstantiated. Methods: We combine STN microelectrode recordings in PD patients undergoing DBS surgery with computational mesocircuit modelling to test different circuit montages and short-term synaptic dynamics necessary for the emergence of ERNA and use mapping of ERNA hotspots to test the relation of ERNA to clinical improvement achieved by DBS. Results: High frequency stimulation (HFS) of the STN resulted in ERNA waveforms predictive of patterned inhibition of action potential firing. At HFS, depression of the first peak of ERNA was coupled to the emergence of a second peak. Computational modelling revealed that this relationship could be explained by (i) distinct synaptic dynamics in the reciprocal STN- external-pllidum (GPe)-loop and (ii) self-inhibition within GPe via recruitment of axon-collaterals. Finally, electrophysiological mapping localized the highest ERNA amplitudes within the STN and was able to predict clinical improvement achieved by DBS. Interpretation: These multi-modal findings suggest that concurrent antidromic and orthodromic activations of the indirect pathway by subthalamic DBS produce a spatially defined neuronal circuit signature that is predictive of its therapeutic potential. Research Category and Technology and Methods Translational Research: 1. Deep Brain Stimulation (DBS) Keywords: DBS mechanism of action, Synpatic mechanisms, ERNA, Indirect pathway
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| 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 | 0,001 |
| 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) | 0,000 | 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 tête enseignante, 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 ».