MétaCan
Menu
← Retour à la cohorte
Enregistrement W4399456325 · doi:10.1101/2024.06.07.597894

Neural basis of cognitive control signals in anterior cingulate cortex during delay discounting

2024· preprint· en· W4399456325 sur OpenAlexafffund
Jeremy K. Seamans, Eldon Emberly, Shelby White, Mitchell D. Morningstar, David N. Linsenbardt, Baofeng Ma, Cristine L. Czachowski, Christopher C. Lapish

Notice bibliographique

RevuebioRxiv (Cold Spring Harbor Laboratory) · 2024
Typepreprint
Langueen
DomaineNeuroscience
ThématiqueNeural and Behavioral Psychology Studies
Établissements canadiensSimon Fraser UniversityUniversity of British Columbia Hospital
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaCanadian Institutes of Health ResearchNational Institutes of Health
Mots-clésDiscountingAnterior cingulate cortexCognitionError-related negativityControl (management)PsychologyCingulate cortexCognitive psychologyNeuroscienceComputer scienceEconomicsArtificial intelligenceFinance

Résumé

récupéré en direct d'OpenAlex

Cognitive control involves allocating cognitive effort according to internal needs and task demands. The anterior cingulate cortex (ACC) is hypothesized to play a central role in this process. We investigated the neural basis of cognitive control in the ACC of rats performing an adjusting-amount delay discounting task, with a 4s or 8s delay between lever choice and reward. A reinforcement learning model indicated that decision making on this task can be guided by either a value tracking strategy, requiring a 'resource-based' form of cognitive control or a delay-lever biased strategy requiring a 'resistance-based' form of cognitive control. This was then tested in vivo by multiple single unit recordings and local field potentials acquired from male rats performing the task. On this task, the behavioral manifestation of resistance-based control is an excessive focus on delayed lever choices which was observed during a substantial portion of 4s but not 8s delay sessions. On a neural level, this was associated with an increase in Theta (6-12Hz) oscillations prior to delay choices which was present exclusively on 4s delay sessions. By contrast, evidence of a resource-based control signal was found in spike trains that closely tracked lever value prior to choice, and was far more prevalent on 8s delay sessions. These data provide candidate neural signatures of 'resource-based' versus 'resistance-based' forms of cognitive control. While mediated by distinct neural mechanisms, either form could be engaged by individual subjects under different task conditions.

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: Observationnel · Signal consensuel: aucune
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 Opus0,035
Tête enseignante GPT0,293
Écart entre enseignants0,258 · 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'étudeObservationnel
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

Citations3
Publié2024
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revuebioRxiv (Cold Spring Harbor Laboratory)→Même sujetNeural and Behavioral Psychology Studies→Travaux en français237 207→