MétaCan
Menu
← Retour à la cohorte
Enregistrement W4405782311 · doi:10.1101/2024.12.25.630328

Long-Term Reactivation of Multiple Sub-Assemblies in the Hippocampus and Prefrontal Cortex

2024· preprint· en· W4405782311 sur OpenAlexaff
Masami Tatsuno, Jean‐Marc Fellous

Notice bibliographique

RevuebioRxiv (Cold Spring Harbor Laboratory) · 2024
Typepreprint
Langueen
DomaineNeuroscience
ThématiqueMemory and Neural Mechanisms
Établissements canadiensUniversity of Lethbridge
Organismes subventionnairesnon disponible
Mots-clésPrefrontal cortexHippocampusTerm (time)NeurosciencePsychologyCognitive psychologyPhysicsCognition

Résumé

récupéré en direct d'OpenAlex

Abstract In resting or sleep periods following a task, neurons in various parts of the brain become reactivated, with firing patterns often similar to that during the task. This reactivation plays an essential role in memory consolidation. However, detecting these reactivating episodes has been challenging because not all neurons recorded may be directly relevant to the memory being consolidated. Here, we propose a novel spike train clustering (STC) method for detecting groups of neurons (clusters) with partial synchronous firing. From a mechanistic standpoint, the correlated activity of an ensemble can arise from neuronal interactions within the recorded local ensemble, common external inputs, or both. To quantify these contributions, we propose to use information geometry (IG) by taking advantage of its capacity for orthogonal decomposition of neural interactions. We analyzed simultaneous single unit activity from rat medial prefrontal cortex (mPFC) and area CA1 of the hippocampus when animals explored novel objects and when they slept before and after the exploration. We demonstrate that multiple reactivations by different subsets of neurons (clusters) occurred. Those reactivations could extend over 11 hours, the entire recording duration of post-task rest after the exploration epoch. Long-lasting reactivation was not detected when all neurons were included as a single cluster in the analysis. We also showed that pairwise interactions in reactivating clusters tended to be more strongly modified than in non-reactivating ones. In addition, the pairwise interactions of the reactivating clusters in CA1 were strongly modulated by the task experience but not in the mPFC. These results indicate that hippocampal reactivation following novel experience is likely to be induced within the hippocampal circuits. In contrast, mPFC reactivation is likely to be driven by external inputs, possibly in part from the hippocampus.

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: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,003

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)0,0000,000

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 Opus0,039
Tête enseignante GPT0,261
Écart entre enseignants0,222 · 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 sujetMemory and Neural Mechanisms→Travaux en français237 207→