Multiple regions of sensorimotor cortex encode bite force and gape
Notice bibliographique
Résumé
The precise control of bite force and gape is vital for safe and effective breakdown and manipulation of food inside the oral cavity during feeding. Yet, the role of the orofacial sensorimotor cortex (OSMcx) in the control of bite force and gape is still largely unknown. The aim of this study was to elucidate how individual neurons and populations of neurons in multiple regions of OSMcx differentially encode bite force and static gape when subjects (Macaca mulatta) generated different levels of bite force at varying gapes. We examined neuronal activity recorded simultaneously from three microelectrode arrays implanted chronically in the primary motor (MIo), primary somatosensory (SIo), and cortical masticatory (CMA) areas of OSMcx. We used generalized linear models to evaluate encoding properties of individual neurons and utilized dimensionality reduction techniques to decompose population activity into components related to specific task parameters. Individual neurons encoded bite force more strongly than gape in all three OSMCx areas although bite force was a better predictor of spiking activity in MIo vs. SIo. Population activity differentiated between levels of bite force and gape while preserving task-independent temporal modulation across the behavioral trial. While activation patterns of neuronal populations were comparable across OSMCx areas, the total variance explained by task parameters was context-dependent and differed across areas. These findings suggest that the cortical control of static gape during biting may rely on computations at the population level whereas the strong encoding of bite force at the individual neuron level allows for the precise and rapid control of bite force.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| 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 ».