MétaCan
Menu
Retour à la cohorte
Enregistrement W4405242017 · doi:10.1101/2024.12.09.627642

Spatial organization of multisensory convergence in mouse isocortex

2024· preprint· en· W4405242017 sur OpenAlexaff
Avery Hee-Woon Ryoo, Michael A. Buice, Ştefan Mihalaş, Bryan Tripp

Notice bibliographique

RevuebioRxiv (Cold Spring Harbor Laboratory) · 2024
Typepreprint
Langueen
DomainePsychology
ThématiqueMultisensory perception and integration
Établissements canadiensUniversité de MontréalMila - Quebec Artificial Intelligence InstituteUniversity of Waterloo
Organismes subventionnairesnon disponible
Mots-clésHierarchyCartographySensory systemComputer scienceSpatial organizationPopulationMeasure (data warehouse)Pattern recognition (psychology)Artificial intelligenceGeographyNeuroscienceBiologyData miningEvolutionary biology

Résumé

récupéré en direct d'OpenAlex

1 Abstract The diverse functions of different cortical areas are thought to arise from their distinct groups of inputs. However, additional organizing principles may exist in the spatial structure of converging inputs. We investigated spatial convergence patterns of projections from primary sensory areas to other areas throughout the mouse isocortex. We used a large tract tracing dataset to estimate the dimension of the space into which topographical connections from multiple modalities converged within each other cortical area. We call this measure the topography dimension (TD). TD is higher for areas that receive inputs of similar strength from multiple sensory modalities, and lower when multiple inputs terminate in register with one another. Across the isocortex, TD varied by a factor of 4. TD was positively correlated with hierarchy score, an independent measure that is based on laminar connection patterns. Furthermore, TD (an anatomical measure) was significantly related to several measures of neural activity. In particular, higher TD was associated with higher neural activity dimension, lower population sparseness, and lower lifetime sparseness of spontaneous activity, independent of an area’s hierarchical position. Finally, we analyzed factors that limited TD and found that linear correlations among projections from different areas typically had little impact, while diversity of connection strengths, both between different projections onto the same area, and within projections across different parts of an area, limited TD substantially. This analysis revealed additional intricacy of cortical networks, beyond areas’ sets of connections and hierarchical organization. We propose a means of approximating this organization in deep-network models.

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)0,001
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 seuil0,003

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
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 Opus0,024
Tête enseignante GPT0,274
Écart entre enseignants0,250 · 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 sujetMultisensory perception and integrationTravaux en français237 207