MétaCan
Menu
Retour à la cohorte
Enregistrement W4327862139 · doi:10.1101/2023.03.17.533126

Adaptive Expression of Engrams by Retroactive Interference

2023· preprint· en· W4327862139 sur OpenAlexaff
Livia Autore, James D. O’Leary, Clara Ortega‐de San Luis, Tomás J. Ryan

Notice bibliographique

RevuebioRxiv (Cold Spring Harbor Laboratory) · 2023
Typepreprint
Langueen
DomaineNeuroscience
ThématiqueMemory and Neural Mechanisms
Établissements canadiensCanadian Institute for Advanced Research
Organismes subventionnairesIrish Research CouncilScience Foundation Ireland
Mots-clésEngramForgettingRecallOptogeneticsPsychologyNeuroscienceExpression (computer science)Interference theoryCognitive psychologyComputer scienceCognitionWorking memory

Résumé

récupéré en direct d'OpenAlex

SUMMARY Long-term memories are stored as stable configurations of neuronal ensembles, termed engrams. While investigation of engram cell properties and functionality in memory recall has been extensive, less is known about how engram cells are affected by forgetting. We describe a form of interference-based forgetting using an object memory behavioral paradigm. By using activity-dependent cell labelling, we show that although retroactive interference results in decreased engram cell reactivation during recall trials, optogenetic stimulation of the labelled engram cells is sufficient to induce memory retrieval. Forgotten engrams may also be reinstated via the presentation of similar or related environmental information. Furthermore, we demonstrate that engram activity is necessary for interference to occur. Taken together, these findings indicate that retroactive interference modulates engram expression in a manner that is both reversible and updatable. Retroactive inference may constitute a form of adaptive forgetting, where in everyday life new perceptual and environmental inputs modulate the natural forgetting process.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,004

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,001
Communication savante0,0010,000
Science ouverte0,0010,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,081
Tête enseignante GPT0,272
Écart entre enseignants0,191 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
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 revuebioRxiv (Cold Spring Harbor Laboratory)Même sujetMemory and Neural MechanismsTravaux en français237 207