MétaCan
Menu
Retour à la cohorte
Enregistrement W4379233035 · doi:10.3389/fncel.2023.1184563

Homeostatic regulation of neuronal function: importance of degeneracy and pleiotropy

2023· review· en· W4379233035 sur OpenAlexafffund
Jane Yang, Steven A. Prescott

Notice bibliographique

RevueFrontiers in Cellular Neuroscience · 2023
Typereview
Langueen
DomaineNeuroscience
ThématiqueNeuroscience and Neuropharmacology Research
Établissements canadiensHospital for Sick ChildrenUniversity of Toronto
Organismes subventionnairesCanadian Institutes of Health Research
Mots-clésDegeneracy (biology)PleiotropyHomeostatic plasticityHomeostasisNeuroscienceFunction (biology)BiologyNegative feedbackBioinformaticsCell biologyPhysicsGeneticsGenePhenotypeReceptorNeurotransmission

Résumé

récupéré en direct d'OpenAlex

Neurons maintain their average firing rate and other properties within narrow bounds despite changing conditions. This homeostatic regulation is achieved using negative feedback to adjust ion channel expression levels. To understand how homeostatic regulation of excitability normally works and how it goes awry, one must consider the various ion channels involved as well as the other regulated properties impacted by adjusting those channels when regulating excitability. This raises issues of degeneracy and pleiotropy. Degeneracy refers to disparate solutions conveying equivalent function (e.g., different channel combinations yielding equivalent excitability). This many-to-one mapping contrasts the one-to-many mapping described by pleiotropy (e.g., one channel affecting multiple properties). Degeneracy facilitates homeostatic regulation by enabling a disturbance to be offset by compensatory changes in any one of several different channels or combinations thereof. Pleiotropy complicates homeostatic regulation because compensatory changes intended to regulate one property may inadvertently disrupt other properties. Co-regulating multiple properties by adjusting pleiotropic channels requires greater degeneracy than regulating one property in isolation and, by extension, can fail for additional reasons such as solutions for each property being incompatible with one another. Problems also arise if a perturbation is too strong and/or negative feedback is too weak, or because the set point is disturbed. Delineating feedback loops and their interactions provides valuable insight into how homeostatic regulation might fail. Insofar as different failure modes require distinct interventions to restore homeostasis, deeper understanding of homeostatic regulation and its pathological disruption may reveal more effective treatments for chronic neurological disorders like neuropathic pain and epilepsy.

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)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,640
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0020,000
Bibliométrie0,0010,004
Études des sciences et des technologies0,0000,002
Communication savante0,0000,000
Science ouverte0,0010,001
Intégrité de la recherche0,0000,001
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 Opus0,105
Tête enseignante GPT0,357
Écart entre enseignants0,253 · 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
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations39
Publié2023
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueFrontiers in Cellular NeuroscienceMême sujetNeuroscience and Neuropharmacology ResearchTravaux en français237 207