A SMARTTR workflow for multi-ensemble atlas mapping and brain-wide network analysis
Notice bibliographique
Résumé
In the last decade, activity-dependent strategies for labeling multiple immediate early gene ensembles in mice have generated unprecedented insight into the mechanisms of memory encoding, storage, and retrieval. However, few strategies exist for brain-wide mapping of multiple ensembles, including their overlapping population, and none incorporate capabilities for downstream network analysis. Here, we introduce a scalable workflow to analyze traditionally coronally sectioned datasets produced by activity-dependent tagging systems. Intrinsic to this pipeline is simple multi-ensemble atlas registration and statistical testing in R (SMARTTR), an R package which wraps mapping capabilities with functions for statistical analysis and network visualization, and support for import of external datasets. We demonstrate the versatility of SMARTTR by mapping the ensembles underlying the acquisition and expression of learned helplessness (LH), a robust stress model. Applying network analysis, we find that exposure to inescapable shock (IS), compared to context training, results in decreased centrality of regions engaged in spatial and contextual processing and higher influence of regions involved in somatosensory and affective processing. During LH expression, the substantia nigra emerges as a highly influential region that shows a functional reversal following IS, indicating a possible regulatory function of motor activity during helplessness. We also report that IS results in a robust decrease in reactivation activity across a number of cortical, hippocampal, and amygdalar regions, indicating suppression of ensemble reactivation may be a neurobiological signature of LH. These results highlight the emergent insights uniquely garnered by applying our analysis approach to multiple ensemble datasets and demonstrate the strength of our workflow as a hypothesis-generating toolkit.
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 | 0,004 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,003 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,004 | 0,002 |
| Science ouverte | 0,002 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,004 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,043 | 0,021 |
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 ».