Voltage mapping in subcellular nanodomains using electro-diffusion modeling
Notice bibliographique
Résumé
Voltage distribution in sub-cellular micro-domains such as neuronal synapses, small protrusions, or dendritic spines regulates the opening and closing of ionic channels, energy production, and thus, cellular homeostasis and excitability. Yet how voltage changes at such a small scale in vivo remains challenging due to the experimental diffraction limit, large signal fluctuations, and the still limited resolution of fast voltage indicators. Here, we study the voltage distribution in nano-compartments using a computational approach based on the Poisson-Nernst-Planck equations for the electro-diffusion motion of ions, where inward and outward fluxes are generated between channels. We report a current-voltage (I-V) logarithmic relationship generalizing Nernst law that reveals how the local membrane curvature modulates the voltage. We further find that an influx current penetrating a cellular electrolyte can lead to perturbations from tens to hundreds of nanometers deep, depending on the local channel organization. Finally, we show that the neck resistance of dendritic spines can be completely shunted by the transporters located on the head boundary, facilitating ionic flow. To conclude, we propose that voltage is regulated at a subcellular level by channel organization, membrane curvature, and narrow passages.
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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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 | 0,001 |
| 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 ».