Characterizing the spatial organization of population codes in macaque prefrontal cortex during visuospatial tasks
Notice bibliographique
Résumé
The lateral prefrontal cortex (LPFC) plays a key role in higher-order cognition. Electrophysiology studies in behaving animals show good decoding of task-relevant information from patterns of activity across neural populations in LPFC. However, functional magnetic resonance imaging (fMRI) studies in humans report only weak decoding of task-relevant information from LPFC activity. The limited access to prefrontal population codes in humans has hampered progress in understanding the neural computations that support human cognition. We hypothesize that the spatial topography of prefrontal population codes is too fine-grained to be effectively resolved by standard fMRI (2×2×2 mm3). We analyzed microelectrode array data (Utah array, 4×4 mm2, 10×10 channels spaced 0.4 mm apart) recorded from LPFC areas 8A and 9/46 of two macaques performing three visuospatial tasks: an oculomotor delayed response task, a visuospatial working memory task, and an associative learning task. For each monkey, task, and measurement session, we estimated each channel’s tuning profile by computing its mean firing rate for each condition. To assess the spatial scale of the population codes, we estimated tuning profile similarity between channel pairs as a function of distance, using global Moran’s I. To inspect the spatial topography of the population codes, we visualized channel tuning similarity on the arrays. We find that tuning profiles are spatially autocorrelated up to a distance of 3.5 mm across all tasks in most sessions for both monkeys. The array map visualizations suggest moderate spatial clustering of channels with similar tuning and a somewhat irregular topography. The observed topography and fine-grained spatial scale of the prefrontal population codes, which falls above the Nyquist frequency of standard fMRI sampling, may limit the sensitivity of standard fMRI to prefrontal population codes. High-field fMRI, with increased spatial resolution, may be able to bridge the gap between monkey electrophysiology and human fMRI.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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 source (Gemma direct ou Codex distillé), 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 ».