MétaCan
Menu
Retour à la cohorte
Enregistrement W4396936747 · doi:10.1101/2024.05.14.593930

Perineuronal nets in motor circuitry regulate the performance of learned vocalizations in songbirds

2024· preprint· en· W4396936747 sur OpenAlexaff
Xinghaoyun Wan, Angela S. Wang, Daria-Salina Storch, Vivian Y. Li, Jon T. Sakata

Notice bibliographique

RevuebioRxiv (Cold Spring Harbor Laboratory) · 2024
Typepreprint
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueAnimal Vocal Communication and Behavior
Établissements canadiensMcGill University
Organismes subventionnairesnon disponible
Mots-clésPerineuronal netNeuroscienceComputer sciencePsychologyNeuroplasticity

Résumé

récupéré en direct d'OpenAlex

ABSTRACT The accurate and reliable production of learned behaviors can be important for survival and reproduction; for example, the performance of learned vocalizations (e.g., speech and birdsong) modulates the efficacy of social communication in humans and songbirds. Consequently, it is critical to understand the factors that regulate the performance of learned behaviors. Across various taxa, neural circuits that regulate motor learning are replete with perineuronal nets (PNNs), extracellular matrices that surround neurons and shape neural dynamics and plasticity. Perineuronal nets in circuits for sensory and cognitive processes have been found to affect sensory processing and behavioral plasticity. However, the function of PNNs in motor circuits remains largely unknown. Here, we analyzed the causal contribution of PNNs in motor circuitry to the performance of learned vocalizations in songbirds. Songbirds like the zebra finch are powerful models for this endeavor because the performance of their learned songs is regulated by activity within discrete and specialized circuits (i.e., song system) that are dense with PNNs. We first report that developmental increases in the density and intensity of PNNs throughout the song system [including in the motor nucleus HVC (acronym used as proper name)] are associated with developmental increases in song performance. We next discovered that enzymatically degrading PNNs in HVC acutely affected song performance. In particular, PNN degradation caused song structure to deviate from pre-surgery song due to changes in syllable sequencing and production. Collectively, our data provide compelling evidence for a causal contribution of PNNs to the performance of learned behaviors. SIGNIFICANCE STATEMENT Motor circuits are replete with perineuronal nets (PNNs) but little is known about their contribution to motor performance. Here, we analyzed how PNNs within vocal motor circuits modulate the ability of songbirds to consistently produce their learned songs. We report that developmental increases in PNN expression in vocal circuitry were associated with developmental increases in the ability to consistently perform their learned song. Moreover, degrading PNNs in the vocal motor nucleus HVC reduced the ability of adult birds to accurately produce their learned song. Our findings indicate a causal contribution of PNNs in motor circuitry to the performance of learned behaviors and, because PNNs are expressed in brain areas regulating speech, suggest that PNNs could modulate speech production in humans.

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)0,000
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,002

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
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 Opus0,020
Tête enseignante GPT0,252
Écart entre enseignants0,232 · 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'étudeExpérimental (laboratoire)
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

Citations0
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuebioRxiv (Cold Spring Harbor Laboratory)Même sujetAnimal Vocal Communication and BehaviorTravaux en français237 207