Sparsity of Population Activity in the Hippocampus Is Task‐Invariant Across the Trisynaptic Circuit and Dorsoventral Axis
Notice bibliographique
Résumé
Evidence from neurophysiological and genetic studies demonstrates that activity sparsity-the proportion of neurons that are active at a given time in a population-systematically varies across the canonical trisynaptic circuit of the hippocampus. Recent work has also shown that sparsity varies across the hippocampal dorsoventral (long) axis, wherein activity is sparser in ventral than dorsal regions. While the hippocampus has a critical role in long-term memory (LTM), whether sparsity across the trisynaptic circuit and hippocampal long axis is task-dependent or invariant remains unknown. Importantly, representational sparsity has significant implications for neural computation and theoretical models of learning and memory within and beyond the hippocampus. Here we used functional molecular imaging to quantify sparsity in the rat hippocampus during performance of the Morris water task (MWT) and contextual fear discrimination (CFD) - two popular and distinct assays of LTM. We found that activity sparsity is highly reliable across memory tasks, wherein activity increases sequentially across the trisynaptic circuit (DG < CA3 < CA1) and decreases across the long axis (ventral<dorsal). These results have important implications for models of hippocampal function and suggest that activity sparsity is a preserved property in the hippocampal system across cognitive settings.
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 | 0,001 | 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 | 0,000 |
| 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 ».