The Control of Cortical Folding: Multiple Mechanisms, Multiple Models
Notice bibliographique
Résumé
The cerebral cortex develops through a carefully conscripted series of cellular and molecular events that culminate in the production of highly specialized neuronal and glial cells. During development, cortical neurons and glia acquire a precise cellular arrangement and architecture to support higher-order cognitive functioning. Decades of study using rodent models, naturally gyrencephalic animal models, human pathology specimens, and, recently, human cerebral organoids, reveal that rodents recapitulate some but not all the cellular and molecular features of human cortices. Whereas rodent cortices are smooth-surfaced or lissencephalic, larger mammals, including humans and nonhuman primates, have highly folded/gyrencephalic cortices that accommodate an expansion in neuronal mass and increase in surface area. Several genes have evolved to drive cortical gyrification, arising from gene duplications or de novo origins, or by alterations to the structure/function of ancestral genes or their gene regulatory regions. Primary cortical folds arise in stereotypical locations, prefigured by a molecular "blueprint" that is set up by several signaling pathways (e.g., Notch, Fgf, Wnt, PI3K, Shh) and influenced by the extracellular matrix. Mutations that affect neural progenitor cell proliferation and/or neurogenesis, predominantly of upper-layer neurons, perturb cortical gyrification. Below we review the molecular drivers of cortical folding and their roles in disease.
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 | 0,001 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,003 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».